CN110617834B - 一种高斯过程路网下的最短路径规划方法 - Google Patents
一种高斯过程路网下的最短路径规划方法 Download PDFInfo
- Publication number
- CN110617834B CN110617834B CN201911049289.5A CN201911049289A CN110617834B CN 110617834 B CN110617834 B CN 110617834B CN 201911049289 A CN201911049289 A CN 201911049289A CN 110617834 B CN110617834 B CN 110617834B
- Authority
- CN
- China
- Prior art keywords
- variance
- point
- expected
- shortest path
- expectation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种高斯过程路网下的最短路径规划方法,通过获取与当前点相连的每条路径的最短路径的期望‑方差或期望‑标准差,获取当前点与终点之间的最短的路径,然后行进至下一个点,将下一个点作为当前点,重复若干次以上步骤,直至当前点为终点。本发明在简单和复杂的交通网络环境下都能够快速选择最短的路径,同时通过不断更新当前点,并重复判断当前点与终点之间的最短路径,实现了实时更新最短路径。
Description
技术领域
本发明属于地图中最短路径规划领域,具体涉及一种高斯过程路网下的最短路径规划方法。
背景技术
最短路径算法是指找到一条连接起点与终点最短行使时间、距离或费用的路径。在交通运输领域,最短路径算法在诸如车辆出行、交通分配和网络设计等问题上有着广泛的应用。在一定程度上,最短路径问题是最基本的组成部分,为许多复杂而先进的交通研究奠定了基础。最短路径规划问题分为标准最短路径问题、随机最短路径问题和稳定最短路径问题,前两者应用广泛,但均没有考虑到行驶时间的变化性和风险问题。
发明内容
针对现有技术中的上述不足,本发明提供的一种高斯过程路网下的最短路径规划方法解决了最短路径规划时未考虑行驶时间变化的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种高斯过程路网下的最短路径规划方法,包括以下步骤:
S2、获取与当前点rk连接的n条路径,设定地图A中所有路径的期望与方差为(μ,Σ);
S4、重复m次步骤S3,选择期望-方差平均值或期望-标准差平均值最小的最短路径,行进至下一个点jk;
S5、获取当前实际行进时间tk,更新路径的期望μ和方差Σ,令当前点rk为jk点,同时令计数器k的计数值加一;
S6、判断当前点rk是否为终点s,若是则结束路径规划,否则返回步骤S3。
进一步地,所述步骤S2中所有路径的期望μ服从高斯分布,所述高斯分布为:
所述期望μ为:
所述方差Σ为:
其中,X、X1和X2均表示路径行驶时间的随机分布,Σ11、Σ12、Σ13和Σ14均表示方差矩阵,μ1和μ2均表示期望矩阵。
进一步地,所述步骤S3包括以下分步骤:
S3.1、根据期望μ和方差Σ,随机得到与当前点rk连接的每条路径的行进时间样本值c;
S3.2、根据行进时间样本值c,模拟在n条路径上按相同速度行进时间c后到达的点on;
S3.3、分别令模拟期望μk=μ和模拟方差Σk=Σ,并根据行进时间样本值c,更新模拟期望μk和模拟方差Σk;
S3.4、根据更新过后的期望μk和方差Σk,计算n条路径上点on与终点s之间最短路径的期望-方差或期望-标准差,得到n条当前点rk到终点s的最短路径的期望-方差或期望-标准差。
进一步地,所述步骤S3.3包括以下分步骤:
S3.3.1、令模拟期望μk=μ,其具体为:
S3.3.2、令模拟方差Σk=Σ,其具体为:
S3.3.4、令x2=c,并根据x2更新期望μk和方差Σk,更新公式如下:
μk=μ1|2;
Σk=Σ1|2;
其中,x2表示行驶时间。
进一步地,所述步骤S3.3中期望-方差通过以下公式计算:
xij∈{0,1}
所述步骤S3.3中期望-标准差通过以下公式计算:
xij∈{0,1}
其中,表示最小目标函数,x表示期望-方差和期望-标准差最短的一条路径,xT表示x转置矩阵,μk T表示路径所用时间的期望μk的转置矩阵,xij表示起点为i,终点为j的路径,所述xki表示起点为k,终点为i的路径,s.t.表示限制条件,j:ij∈A表示j点和连接i点与j点的路径都属于地图A,k:ki∈A表示k点和连接k点与i点的路径都属于地图A,i∈N-{r,s}表示i点为地图中除了起点r和终点s的点。
进一步地,所述步骤S5包括以下分步骤:
S5.1、获取当前点rk行进至点jk所用的实际行驶时间tk;
S5.2、令x2=tk,并对路径的期望μ和方差Σ进行更新;
S5.3、令计数器k的计数值加一,并令当前点rk=jk。
进一步地,所述步骤S5.2中路径的期望μ和方差Σ通过以下公式更新:
μ=μ1|2;
Σ=Σ1|2;
其中,x2表示行驶时间。
本发明的有益效果为:
(1)本发明采用模拟行进得到与当前点连接的n条最短路径,并通过不断重复获取最短路径的期望-方差或期望-标准差,以此来获取当前点与终点之间的行驶时间最短的路径,使得本发明的最短路径规划的精准度高。
(2)本发明通过不断更新当前点与终点之间行驶时间最短的路径,实现了实时更新当前点与终点之间的最短路径,可以适应各种复杂交通网络。
附图说明
图1为本发明提出的一种高斯过程路网下的最短路径规划方法流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
下面结合附图详细说明本发明的实施例。
如图1所示,一种高斯过程路网下的最短路径规划方法,包括以下步骤:
S2、获取与当前点rk连接的n条路径,设定地图A中所有路径的期望与方差为(μ,Σ);
S4、重复m次步骤S3,选择期望-方差平均值或期望-标准差平均值最小的最短路径,行进至下一个点jk;
S5、获取当前实际行进时间tk,更新路径的期望μ和方差Σ,令当前点rk为jk点,同时令计数器k的计数值加一;
S6、判断当前点rk是否为终点s,若是则结束路径规划,否则返回步骤S3。
步骤S2中所有路径的期望μ服从高斯分布,所述高斯分布为:
所述期望μ为:
所述方差Σ为:
其中,X、X1和X2均表示路径行驶时间的随机分布,Σ11、Σ12、Σ13和Σ14均表示方差矩阵,μ1和μ2均表示期望矩阵。
步骤S3包括以下分步骤:
S3.1、根据期望μ和方差Σ,随机得到与当前点rk连接的每条路径的行进时间样本值c;
S3.2、根据行进时间样本值c,模拟在n条路径上按相同速度行进时间c后到达的点on;
S3.3、分别令模拟期望μk=μ和模拟方差Σk=Σ,并根据行进时间样本值c,更新模拟期望μk和模拟方差Σk;
S3.4、根据更新过后的期望μk和方差Σk,计算n条路径上点on与终点s之间最短路径的期望-方差或期望-标准差,得到n条当前点rk到终点s的最短路径的期望-方差或期望-标准差。
步骤S3.3包括以下分步骤:
S3.3.1、令模拟期望μk=μ,其具体为:
S3.3.2、令模拟方差Σk=Σ,其具体为:
S3.3.4、令x2=c,并根据x2更新期望μk和方差Σk,更新公式如下:
μk=μ1|2;
Σk=Σ1|2;
其中,x2表示行驶时间。
步骤S3.3中期望-方差通过以下公式计算:
xij∈{0,1}
所述步骤S3.3中期望-标准差通过以下公式计算:
xij∈{0,1}
其中,表示最小目标函数,x表示期望-方差和期望-标准差最短的一条路径,xT表示x转置矩阵,μk T表示路径所用时间的期望μk的转置矩阵,xij表示起点为i,终点为j的路径,所述xki表示起点为k,终点为i的路径,s.t.表示限制条件,j:ij∈A表示j点和连接i点与j点的路径都属于地图A,k:ki∈A表示k点和连接k点与i点的路径都属于地图A,i∈N-{r,s}表示i点为地图中除了起点r和终点s的点。
步骤S5包括以下分步骤:
S5.1、获取当前点rk行进至点jk所用的实际行驶时间tk;
S5.2、令x2=tk,并对路径的期望μ和方差Σ进行更新;
S5.3、令计数器k的计数值加一,并令当前点rk=jk。
步骤S5.2中路径的期望μ和方差Σ通过以下公式更新:
μ=μ1|2;
Σ=Σ1|2;
其中,x2表示行驶时间。
本发明采用模拟行进得到与当前点连接的n条最短路,并通过不断重复获取最短路的期望-方差或期望-标准差,以此来获取当前点与终点之间的行驶时间最短的路径,使得本发明的最短路径规划的精准度高。本发明通过不断更新当前点与终点之间行驶时间最短的路径,实现了实时更新当前点与终点之间的最短路径,可以适应各种复杂交通网络。
Claims (5)
1.一种高斯过程路网下的最短路径规划方法,其特征在于,包括以下步骤:
S2、获取与当前点rk连接的n条路径,设定地图A中所有路径的期望与方差为(μ,Σ);
S4、重复m次步骤S3,选择期望-方差平均值或期望-标准差平均值最小的最短路径,行进至下一个点jk;
S5、获取当前实际行进时间tk,更新路径的期望μ和方差Σ,令当前点rk为jk点,同时令计数器k的计数值加一;
S6、判断当前点rk是否为终点s,若是则结束路径规划,否则返回步骤S3;
所述步骤S2中所有路径的期望μ服从高斯分布,所述高斯分布为:
所述期望μ为:
所述方差Σ为:
其中,X、X1和X2均表示路径行驶时间的随机分布,Σ11、Σ12、Σ13和Σ14均表示方差矩阵,μ1和μ2均表示期望矩阵;
所述步骤S3包括以下分步骤:
S3.1、根据期望μ和方差Σ,随机得到与当前点rk连接的每条路径的行进时间样本值c;
S3.2、根据行进时间样本值c,模拟在n条路径上按相同速度行进时间c后到达的点on;
S3.3、分别令模拟期望μk=μ和模拟方差Σk=Σ,并根据行进时间样本值c,更新模拟期望μk和模拟方差Σk;
S3.4、根据更新过后的期望μk和方差Σk,计算n条路径上点on与终点s之间最短路径的期望-方差或期望-标准差,得到n条当前点rk到终点s的最短路径的期望-方差或期望-标准差。
3.根据权利要求2所述的高斯过程路网下的最短路径规划方法,其特征在于,所述步骤S3.3中期望-方差通过以下公式计算:
xij∈{0,1}
所述步骤S3.3中期望-标准差通过以下公式计算:
xij∈{0,1}
4.根据权利要求1所述的高斯过程路网下的最短路径规划方法,其特征在于,所述步骤S5包括以下分步骤:
S5.1、获取当前点rk行进至点jk所用的实际行驶时间tk;
S5.2、令x2=tk,并对路径的期望μ和方差Σ进行更新;
S5.3、令计数器k的计数值加一,并令当前点rk=jk;
其中,x2表示行驶时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911049289.5A CN110617834B (zh) | 2019-10-31 | 2019-10-31 | 一种高斯过程路网下的最短路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911049289.5A CN110617834B (zh) | 2019-10-31 | 2019-10-31 | 一种高斯过程路网下的最短路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110617834A CN110617834A (zh) | 2019-12-27 |
CN110617834B true CN110617834B (zh) | 2021-02-26 |
Family
ID=68927047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911049289.5A Active CN110617834B (zh) | 2019-10-31 | 2019-10-31 | 一种高斯过程路网下的最短路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110617834B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7756021B2 (en) * | 2006-07-26 | 2010-07-13 | Mitsubishi Electric Research Laboratories, Inc. | Method for finding minimal cost paths under uncertainty |
CN103439726A (zh) * | 2013-09-06 | 2013-12-11 | 电子科技大学 | 一种应用于gps的快速k最短路径规划方法 |
CN103686923A (zh) * | 2013-12-26 | 2014-03-26 | 华北电力大学 | 面向目标跟踪的无线传感器聚簇能量管理方法 |
CN105006149A (zh) * | 2015-07-10 | 2015-10-28 | 信融源大数据科技(北京)有限公司 | 交通路况估计动态迭代方法 |
CN106052692A (zh) * | 2016-05-20 | 2016-10-26 | 中国地质大学(武汉) | 一种最短路径规划导航方法及系统 |
CN106403976A (zh) * | 2016-08-30 | 2017-02-15 | 哈尔滨航天恒星数据系统科技有限公司 | 一种基于阻抗匹配的Dijkstra最优交通路径规划方法及系统 |
CN107389076A (zh) * | 2017-07-01 | 2017-11-24 | 兰州交通大学 | 一种适用于智能网联汽车的节能实时动态路径规划方法 |
CN109708656A (zh) * | 2019-01-24 | 2019-05-03 | 爱驰汽车有限公司 | 基于实时路况的路线规划方法、系统、设备及存储介质 |
CN110274609A (zh) * | 2019-06-10 | 2019-09-24 | 浙江工业大学 | 一种基于行程时间预测的实时路径规划方法 |
-
2019
- 2019-10-31 CN CN201911049289.5A patent/CN110617834B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7756021B2 (en) * | 2006-07-26 | 2010-07-13 | Mitsubishi Electric Research Laboratories, Inc. | Method for finding minimal cost paths under uncertainty |
CN103439726A (zh) * | 2013-09-06 | 2013-12-11 | 电子科技大学 | 一种应用于gps的快速k最短路径规划方法 |
CN103686923A (zh) * | 2013-12-26 | 2014-03-26 | 华北电力大学 | 面向目标跟踪的无线传感器聚簇能量管理方法 |
CN105006149A (zh) * | 2015-07-10 | 2015-10-28 | 信融源大数据科技(北京)有限公司 | 交通路况估计动态迭代方法 |
CN106052692A (zh) * | 2016-05-20 | 2016-10-26 | 中国地质大学(武汉) | 一种最短路径规划导航方法及系统 |
CN106403976A (zh) * | 2016-08-30 | 2017-02-15 | 哈尔滨航天恒星数据系统科技有限公司 | 一种基于阻抗匹配的Dijkstra最优交通路径规划方法及系统 |
CN107389076A (zh) * | 2017-07-01 | 2017-11-24 | 兰州交通大学 | 一种适用于智能网联汽车的节能实时动态路径规划方法 |
CN109708656A (zh) * | 2019-01-24 | 2019-05-03 | 爱驰汽车有限公司 | 基于实时路况的路线规划方法、系统、设备及存储介质 |
CN110274609A (zh) * | 2019-06-10 | 2019-09-24 | 浙江工业大学 | 一种基于行程时间预测的实时路径规划方法 |
Non-Patent Citations (2)
Title |
---|
Finding the ‘faster’ path in vehicle routing;Jing Guo等;《IET Intelligent Transport Systems》;20171017;第11卷(第10期);第685-694页 * |
随机路网的最短路径问题研究;范巍巍等;《公路交通科技》;20070930;第24卷(第9期);第112-115页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110617834A (zh) | 2019-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108074415B (zh) | 一种基于用户行为的车辆目的地预测方法及系统 | |
CN104613974B (zh) | 导航时间获取方法、系统、导航方法和装置 | |
CN110108292A (zh) | 车辆导航路径规划方法、系统、设备及介质 | |
CN111121784B (zh) | 一种无人侦察机航路规划方法 | |
CN110726408A (zh) | 一种基于改进蚁群算法的移动机器人路径规划方法 | |
CN107256631A (zh) | 一种车辆轨迹数据聚合运算方法 | |
CN116386336B (zh) | 基于卡口车牌数据的路网交通流量鲁棒计算方法及系统 | |
CN110617834B (zh) | 一种高斯过程路网下的最短路径规划方法 | |
CN114111830A (zh) | 一种基于ai模型的路径规划方法及装置 | |
CN114898165A (zh) | 一种基于模型通道剪裁的深度学习知识蒸馏方法 | |
CN110674111A (zh) | 一种基于张量分解的车辆缺失旅行时间的填补方法 | |
CN111507499B (zh) | 预测用模型的构建方法、测试方法、装置及系统 | |
CN116484945A (zh) | 面向图结构数据的联邦元学习方法 | |
CN115062868B (zh) | 一种预聚类的车辆配送路径规划方法和装置 | |
CN110472789A (zh) | 一种基于Grobner bases求解的物流配送最短路径算法 | |
CN114819398A (zh) | 基于灰色马尔可夫链的北斗卫星钟差序列组合预测方法 | |
CN109144763B (zh) | 一种基于耦合信息的公交缺失行车数据恢复方法 | |
CN107766927A (zh) | 基于个体‑种群的智能优化算法在Spark上的通用并行化方法 | |
CN109711054B (zh) | 一种基于学习的用于车辆通信的车辆轨迹生成方法 | |
CN113836661A (zh) | 时间预测方法、模型训练方法、相关装置及电子设备 | |
CN109325449B (zh) | 基于样本更新的卷积神经网络目标检测框架 | |
CN112284407A (zh) | 一种行车信息推荐方法及装置 | |
CN112270336A (zh) | 一种ga-bp工况识别方法及系统 | |
Huang et al. | Dynamic task sequencing of manipulator by Monte Carlo tree search | |
CN113850411B (zh) | 一种列车晚点预测方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |