CN110674990A - 设置滑动窗口更新机制的即时配送路径选择方法及系统 - Google Patents
设置滑动窗口更新机制的即时配送路径选择方法及系统 Download PDFInfo
- Publication number
- CN110674990A CN110674990A CN201910904396.5A CN201910904396A CN110674990A CN 110674990 A CN110674990 A CN 110674990A CN 201910904396 A CN201910904396 A CN 201910904396A CN 110674990 A CN110674990 A CN 110674990A
- Authority
- CN
- China
- Prior art keywords
- path
- time
- point
- traffic
- route
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了设置滑动窗口更新机制的即时配送路径选择方法及系统,本方法以时间权重最小为目标函数,采用基于拓扑路网的动态路径选择方法获取最优行使顺序及路线,并设置了滑动窗口更新机制,减少了预测的步骤和总搜索时长,同时,提出了基于该方法的即时配送路径选择系统。本方法和系统从原有的物理事件更新机制进行修正,从物理事件和时间两个维度上综合设定路线的更新机制,并通过合理设置滑动窗口大小来实现对动态行驶路线的局部搜索,使得在需要频繁路线更新的情况下,在能够保证行驶路径时间不明显变化的前提下,实现路径规划次数和搜索时长的降低。
Description
技术领域
本发明涉及交通路径规划领域,具体的,涉及设置滑动窗口更新机制的即时配送路径选择方法及系统。
背景技术
几年来伴随着经济发展,在”互联网+”和”新零售”发展的浪潮下,移动互联网和O2O本地生活快速兴起。为了满足线上线下的深度融合和无缝对接,以及人们提出的更加快捷,准确及时的配送要求,改善终端配送的满意度,直接衍生了一种新的物流模式-即时物流。相比较于传统物流配送模式的多中转,多存储,耗时长等特点,即时物流模式呈现出鲜明的特征,即时性和离散型,直接门对门的即时和小批量多批次准时送达的服务,满足用户提出的极速和准时的配送要求。随着新零售在全国各大城市的崛起,同城快递占比迅速攀升,增长的市场规模主要就是通过即时物流进行开拓的。由于传统物流在运输中必须通过仓储进行转运,无法满足客户在时间上的高要求,而且随着在数据,产业,模式方面的成熟,即时物流在本地生活服务O2O领域成为了解决最后一公里问题的重要角色,也是整个市场发展的关键因素之一。
即时物流发展的过程中,时效性成为了最为关键的因素,也是其区别传统物流配送的核心要素。但是城市道路交通系统显然跟不上‘移动互联发展’速度,人们和物资之间的交流也越来越频繁,车辆数量的快速增加使得城市道路交通变得越来越复杂,随着交通拥堵现象的日益严重,导致交通运输业,物流行业甚至包括人们的出行等受到了严重影响,如资源的浪费,出行效率的低下,运输路线的不合理,交通信息孤岛的存在等。在造成频繁的交通事故,道路拥堵,能源消耗和环境污染等问题的同时,也严重桎梏了同城即时配送的时效性,导致即时物流在发展中面临着非常严峻的挑战。
因此,若要更好的发挥即时物流的特点,满足用户提出的时效性要求,在配送过程中的时效性成为了最主要考虑的因素。因为即时物流主要限定在城市范围内,相较于时间,其路途成本对于用户来说是忽略不计的,如何在最短的时间内即时完成最多的客户配送量成为即时物流发展的主要目标。
当前即时物流面对的难题主要是,客户量多而分散,时间要求性更高。因此,仅仅通过配送前整体规划来确定客户点的配送顺序和配送路线的方法,已经越来越不适应如今复杂多变的道路交通网络,造成配送时间的延长和不确定性增加,降低客户满意度,导致整个即时物流产业发展受挫。考虑到复杂多变的道路交通系统,在即时物流配送过程中的动态路径选择问题,需要根据交通流预测道路的实时情况进行配送路线的调节,以满足交通的动态性和客户的时效性,因此,在即时物流配送过程中的动态路径选择过程内融入预测的交通流信息对于满足即时物流的时效性,降低即时物流的配送成本,提高即时配送的效率以及满足客户的时效性具有重要的意义。
目前在基于交通流预测的动态路径选择过程中,存在交通信息更新机制选择的不合理问题.主要的更新机制分为两类,一种是到达某一物理事件点,一类是间隔固定的一段时间。但是两种更新机制都存在一定的问题,对于以物理事件的更新机制,若车辆在行驶下一目标点过程中遇到交通拥堵则会导致车辆的行程时间明显增长;而对于以固定时间间隔的更新机制,会存在交通信息更新时刻和车辆实际更改行驶路线的时刻不一致,即到达更新时间时,当时的情况并不一定能够基于更新的交通信息做出行驶路线的更改。因此,无论是以物理事件的更新机制还是以固定间隔时间的更新机制,目前都存在一定的不足。
发明内容
有鉴于此,本发明的目的之一是提供设置滑动窗口更新机制的即时配送路径选择方法,目的之二是提供基于上述方法的即时配送路径选择系统。
本发明的目的是通过以下技术方案实现的:
设置滑动窗口更新机制的即时配送路径选择方法,所述路径选择方法具体为:
S1:基于路网图,获取最优行驶路线;
S2:确定出发时刻和初始点位置;
S3:根据路网图,确定预测周期内的途经点范围{si},i∈{1,2,3...N};
S4:根据最优行驶路线确定时间阈值tf,且分别记录下此时点si和到达途径点sj的时间ti和tj;
S5:判断是否tj-ti≤tf,若是,转到S6,若否,转至S8;
S6:判断周期内路网途径点{si}是否还存在遍历点,若没有,则转至S7,若有,则按照规划的行驶路线,继续行驶到下一途径点后转至S3;
S7:清空预测范围{si},i∈{1,2,3...N},将sj作为起点,并转到步骤3;
S8:判断是否还有未达的途径点,若有未达的途径点,则转到步骤7;若没有未达的途径点,则结束行程。
进一步,所述S1具体为:
S11:构建路网图;
S12:判断途径点的邻接关系;
S13:获取最优行驶路线。
进一步,所述S13具体为:
S131:计算路网图内任意两个途经点的邻接值;
S132:比较全部的邻接值,找到两个途径点sm,sn,满足Hmn=min(Hij);
S133:将途经点sm,sn合并为sm-n,其中S=S-sm-sn+sm-n;
S134:判断途径点集合中的数目,若为1,则结束,若不为1,则转到132。
进一步,所述即时配送路径选择模型为:
式中,Z为完成整个行驶线路的时间指标函数;S为需要遍历的途径点s的集合;ls为驶向途径点s所经过路径的集合;nj为第j段路径中两两相邻预测节点的集合;ti为第i段路径中的节点区间归一化后的时间权重。
进一步,所述S1的目标函数为:
其中n为途径点的数目;si为第i个途径点;(1),(2),(3)...(n)是途径点s1,s2,s3,...sn的一种转换后表达方式。
基于设置有滑动窗口更新机制的即时配送路径选择方法的即时配送路径选择系统,包括:
交通数据收集模块,用于收集路网中交通数据;
数据处理模块,与交通数据收集模块连接,用于处理交通数据收集模块收集的交通数据;
交通预测模块,与数据处理模块连接,实时预测路网中的交通变化情况;
路径规划模块,与云端大数据和交通流预测模块均连接,通过交通流历史数据和实时交通流预测数据,规划最优行驶顺序及路线。
进一步,所述路径规划模块设置有窗口滑动机制。
进一步,所述交通数据收集模块收集的交通数据具体为路网图内的车流量,速度,密度和占有率。
进一步,所述数据处理模块可得到路网内的旅行时间,拥堵状况,交通状况。
本发明的有益效果是:
本发明提供了一种全新更新机制的即时配送路径选择的方法和系统,即从原有的物理事件更新机制进行修正,从物理事件和时间两个维度上综合设定路线的更新机制,并通过合理设置滑动窗口大小来实现对动态行驶路线的局部搜索,使得在需要频繁路线更新的情况下,在能够保证行驶路径时间不明显变化的前提下,实现路径规划次数和搜索时长的降低。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为本发明具体实施方式的流程示意图;
图2为多途径点路网示意图;
图3为行驶路线流程图;
图4为设置有滑动窗口更新机制的即时配送路径选择方法流程图;
图5为抽象化的路网图;
图6为平稳趋势时间段内路径选择方法路线图;
图7为波峰趋势时间段内路径选择方法路线图;
图8为实施例2装置示意图。
具体实施方式
以下将参照附图,对本发明的优选实施例进行详细的描述。应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
实施例1
其中S为需要遍历的途径点集合;ls为驶向途径点s所经过路径的集合;nj为路径j中两两相邻预测节点的集合;ti为第i段路径中的节点区间归一化后的时间权重。
如图1和4所示,路径选择方法具体为:
其中n为途径点的数目;si为第i个途径点;(1),(2),(3)...(n)是途径点s1,s2,s3,...sn的一种转换后表达方式。
S11:构建路网图;
将路网抽象为g=(S,E,D),其中S为途径点的集合,即S={s1,s2,s3,,,sn};n为途径点的个数;E为途径点之间边的集合,即E={e1,e2,e3,,,em};m为边的集合数,m=n×(n-1)/2;D为途径点之间的连接权重矩阵:
式中,wij表示各个途径点之间的时间权重。
S12:判断途径点的邻接关系;
在路网图中设置两个连接节点X,Y,任意两个途径点都可以通过这两个连接节点与其他任意途径点连接起来,多途径点路网示意图如图2所示。为了判断两个途径点的邻接关系,定义Hij,用来衡量途径点i和途径点j之间的邻接值,Hij的定义如下:
结合式子Dab=LaX+LXb可得到:
S13:如图3所示,以获取最优行驶路线。
S131:计算路网图g=(S,E,D)内任意两个途经点的邻接值Hij;
S132:比较全部的邻接值Hij,找到两个途径点sm,sn,满足Hmn=min(Hij);
S133:将途经点sm,sn合并为sm-n,其中S=S-sm-sn+sm-n;
S134:判断途径点集合中的数目,若为1,则结束,若不为1,则转到132。
S2:确定出发时刻和初始点位置;
S3:根据路网图,确定预测周期内的途经点范围{si},i∈{1,2,3...N};
S4:根据最优行驶路线确定时间阈值tf,且分别记录下此时点si和到达途径点sj的时间ti和tj;
S5:判断是否tj-ti≤tf,若是,转到S6,若否,转至S8;
S6:判断周期内路网途径点{si}是否还存在遍历点,若没有,则转至S7,若有,则按照规划的行驶路线,继续行驶到下一途径点后转至S3;
S7:清空预测范围{si},i∈{1,2,3...N},将sj作为起点,并转到步骤3;
S8:判断是否还有未达的途径点,若有未达的途径点,则转到步骤7;若没有未达的途径点,则结束行程。
实施例2
本实施例提出了基于设置有滑动窗口更新机制的即时配送路径选择方法的即时配送路径选择系统,如图5所示,包括:
交通数据收集模块1,用于收集路网中交通数据,采集媒介为道路摄像头,路测激光设备,道路感应线圈等,收集的数据为路网图内的车流量,速度,密度和占有率;
数据处理模块2,与交通数据收集模块1连接,用于处理交通数据收集模块1收集的交通数据,本模块将路网图内的车流量,速度,密度和占有率转化为路网内每个路径的旅行时间,拥堵状况,交通状况;
交通预测模块3,与数据处理模块2连接,实时预测路网中的交通变化情况;
路径规划模块4,设置有窗口滑动机制,与云端大数据和交通流预测模块3均连接,通过交通流历史数据和实时交通流预测数据,以最小时间权重为目标,规划最优行驶顺序及路线。
实施例3
选取某一路网区域的交通流数据集进行测试,为了方便计算,我们将数据在时间维度上按照5min为一个时间区间更新数据,一天一共288组交通数据。基于地图匹配后的交通数据路线图,在路网中设置预测节点,将路网划分为不同的路段,并进行编号。然后将路径的行程时间进行归一化,得到路网中个路段的时间权重。通过对数据集进行地图匹配后,得到抽象化的路网图如图5所示。根据路网图所示,总的节点个数为56,其中途径点个数为15,途径点集合S={a,b,c,...o},每个途径点重要程度相等,相互之间没有依赖关系,且每个途径点必须遍历;S点为起始点。本发明选择设置有滑动窗口更新机制的即时配送路径选择方法,该更新机制以物理时间作为更新策略,即达到一个目标点,则进行一次路线的更新;每一次更新都是基于全局,找到使得时间权重的最短路径,以此往复到遍历完所有的目标点,方法结束。基于某一工作日中交通流的平稳趋势(14:00,16:00)和波峰趋势(8:00,10:00)两个时间段,在确定车辆的起始点和起始时刻后,根据设置有滑动窗口更新机制的即时配送路径选择方法,分别得到两个时段下路径选择方法的行驶路线。平稳趋势和波峰趋势时间段内路径选择方法路线图分别如图6和图7所示。由表1参数所示,本发明选择一种滑动窗口更新机制,以一定的间隔时间对单一的物理事件更新机制进行了修正,导致在间隔时间较短的两个途径点之间,避免重复更新。在平稳趋势(14:00,16:00)时段的{(b,d),(g,f),(k,m),(n,l),(j,h)}和波峰趋势(8:00,10:00)时段{(m,o),(d,f),(c,a)},由于两个途径点间隔时间点小于设定的阈值,因此不进行更新。本发明提出的设置有滑动窗口更新机制的即时配送路径选择方法能够满足在复杂的交通环境下在一定程度上避免交通拥堵带动的影响,保证总行程时间最短的前提下,事先减少路径的规划次数,提高即时配送效率。
表1路径选择结果参数
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.设置滑动窗口更新机制的即时配送路径选择方法,其特征在于:所述路径选择方法具体为:
S1:基于路网图,获取最优行驶路线;
S2:确定出发时刻和初始点位置;
S3:根据路网图,确定预测周期内的途经点范围{si},i∈{1,2,3...N};
S4:根据最优行驶路线确定时间阈值tf,且分别记录下此时点si和到达途径点sj的时间ti和tj;
S5:判断是否tj-ti≤tf,若是,转到S6,若否,转至S8;
S6:判断周期内路网途径点{si}是否还存在遍历点,若没有,则转至S7,若有,则按照规划的行驶路线,继续行驶到下一途径点后转至S3;
S7:清空预测范围{si},i∈{1,2,3...N},将sj作为起点,并转到步骤3;
S8:判断是否还有未达的途径点,若有未达的途径点,则转到步骤7;若没有未达的途径点,则结束行程。
2.根据权利要求1所述的设置滑动窗口更新机制的即时配送路径选择方法,其特征在于:所述S1具体为:
S11:构建路网图;
S12:判断途径点的邻接关系;
S13:获取最优行驶路线。
3.根据权利要求2所述的设置滑动窗口更新机制的即时配送路径选择方法,其特征在于:所述S13具体为:
S131:计算路网图内任意两个途经点的邻接值;
S132:比较全部的邻接值,找到两个途径点sm,sn,满足Hmn=min(Hij);
S133:将途经点sm,sn合并为sm-n,其中S=S-sm-sn+sm-n;
S134:判断途径点集合中的数目,若为1,则结束,若不为1,则转到132。
4.根据权利要求1所述的设置滑动窗口更新机制的即时配送路径选择方法,其特征在于:所述即时配送路径选择模型为:
式中,Z为完成整个行驶线路的时间指标函数;S为需要遍历的途径点s的集合;ls为驶向途径点s所经过路径的集合;nj为第j段路径中两两相邻预测节点的集合;ti为第i段路径中的节点区间归一化后的时间权重。
6.基于权利要求1-5任一所述的设置滑动窗口更新机制的即时配送路径选择方法的即时配送路径选择系统,其特征在于:包括:
交通数据收集模块,用于收集路网中交通数据;
数据处理模块,与交通数据收集模块连接,用于处理交通数据收集模块收集的交通数据;
交通预测模块,与数据处理模块连接,实时预测路网中的交通变化情况;
路径规划模块,与云端大数据和交通流预测模块均连接,通过交通流历史数据和实时交通流预测数据,规划最优行驶顺序及路线。
7.根据权利要求6所述的即时配送路径选择系统,其特征在于:所述路径规划模块设置有窗口滑动机制。
8.根据权利要求6所述的即时配送路径选择系统,其特征在于:所述交通数据收集模块收集的交通数据具体为路网图内的车流量,速度,密度和占有率。
9.根据权利要求6所述的即时配送路径选择系统,其特征在于:所述数据处理模块可得到路网内的旅行时间,拥堵状况,交通状况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910904396.5A CN110674990B (zh) | 2019-09-24 | 2019-09-24 | 设置滑动窗口更新机制的即时配送路径选择方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910904396.5A CN110674990B (zh) | 2019-09-24 | 2019-09-24 | 设置滑动窗口更新机制的即时配送路径选择方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110674990A true CN110674990A (zh) | 2020-01-10 |
CN110674990B CN110674990B (zh) | 2023-05-09 |
Family
ID=69077358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910904396.5A Active CN110674990B (zh) | 2019-09-24 | 2019-09-24 | 设置滑动窗口更新机制的即时配送路径选择方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110674990B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111798036A (zh) * | 2020-06-11 | 2020-10-20 | 上海申瑞继保电气有限公司 | 架空线路多路组合巡视路径优化方法 |
CN113269347A (zh) * | 2021-03-31 | 2021-08-17 | 安徽农业大学 | 一种基于随机森林的高校快递网络节点流量预测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000136939A (ja) * | 1998-11-02 | 2000-05-16 | Fumio Mizoguchi | 時間制限付き経路探索方法 |
DE19903909A1 (de) * | 1999-02-01 | 2000-08-03 | Delphi 2 Creative Tech Gmbh | Verfahren und Vorrichtung zur Gewinnung von relevanter Verkehrsinformation und zur dynamischen Routenoptimierung |
CN102175256A (zh) * | 2010-12-27 | 2011-09-07 | 浙江工业大学 | 一种基于进化树拓扑路网构建的路径规划确定方法 |
CN104121908A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种延时路径规划的方法和系统 |
CN106980953A (zh) * | 2017-03-29 | 2017-07-25 | 南京邮电大学 | 一种面向物流的动态路径规划方法 |
CN107368931A (zh) * | 2017-08-09 | 2017-11-21 | 西南交通大学 | 基于大数据分析技术的物流配送路径动态规划方法及系统 |
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 |
WO2019119457A1 (zh) * | 2017-12-23 | 2019-06-27 | 深圳大学 | 基于模因计算的动态车辆收发货路径规划方法及装置 |
CN110059857A (zh) * | 2019-03-15 | 2019-07-26 | 青岛日日顺物流有限公司 | 社区配送路径推荐方法和装置 |
-
2019
- 2019-09-24 CN CN201910904396.5A patent/CN110674990B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000136939A (ja) * | 1998-11-02 | 2000-05-16 | Fumio Mizoguchi | 時間制限付き経路探索方法 |
DE19903909A1 (de) * | 1999-02-01 | 2000-08-03 | Delphi 2 Creative Tech Gmbh | Verfahren und Vorrichtung zur Gewinnung von relevanter Verkehrsinformation und zur dynamischen Routenoptimierung |
CN102175256A (zh) * | 2010-12-27 | 2011-09-07 | 浙江工业大学 | 一种基于进化树拓扑路网构建的路径规划确定方法 |
CN104121908A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种延时路径规划的方法和系统 |
CN106980953A (zh) * | 2017-03-29 | 2017-07-25 | 南京邮电大学 | 一种面向物流的动态路径规划方法 |
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 |
CN107368931A (zh) * | 2017-08-09 | 2017-11-21 | 西南交通大学 | 基于大数据分析技术的物流配送路径动态规划方法及系统 |
WO2019119457A1 (zh) * | 2017-12-23 | 2019-06-27 | 深圳大学 | 基于模因计算的动态车辆收发货路径规划方法及装置 |
CN110059857A (zh) * | 2019-03-15 | 2019-07-26 | 青岛日日顺物流有限公司 | 社区配送路径推荐方法和装置 |
Non-Patent Citations (1)
Title |
---|
陈思远: "基于改进后的地图匹配算法及Dijkstra算法的动态路径优化问题的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111798036A (zh) * | 2020-06-11 | 2020-10-20 | 上海申瑞继保电气有限公司 | 架空线路多路组合巡视路径优化方法 |
CN111798036B (zh) * | 2020-06-11 | 2023-10-03 | 上海申瑞继保电气有限公司 | 架空线路多路组合巡视路径优化方法 |
CN113269347A (zh) * | 2021-03-31 | 2021-08-17 | 安徽农业大学 | 一种基于随机森林的高校快递网络节点流量预测方法 |
CN113269347B (zh) * | 2021-03-31 | 2023-05-30 | 安徽农业大学 | 一种基于随机森林的高校快递网络节点流量预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110674990B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100463009C (zh) | 一种交通信息融合处理方法和系统 | |
CN104809112B (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
CN104121918A (zh) | 一种实时路径规划的方法和系统 | |
CN106448132A (zh) | 一种常规公交服务指数实时评价系统及评价方法 | |
CN112991743B (zh) | 基于行驶路径的实时交通风险ai预测方法及其系统 | |
CN106017496A (zh) | 一种基于路况的实时导航方法 | |
CN110309962A (zh) | 基于时间扩展模型的铁路行程路线规划方法及装置 | |
Zhang et al. | pCruise: Reducing cruising miles for taxicab networks | |
CN114723480B (zh) | 一种针对乡村旅游的客流量预测方法及货物调度系统 | |
CN110674990A (zh) | 设置滑动窗口更新机制的即时配送路径选择方法及系统 | |
Deng et al. | Heterogenous Trip Distance‐Based Route Choice Behavior Analysis Using Real‐World Large‐Scale Taxi Trajectory Data | |
Miao et al. | Highly Automated Electric Vehicle (HAEV)-based mobility-on-demand system modeling and optimization framework in restricted geographical areas | |
Eskandari et al. | Off-street parking facility location on urban transportation network considering multiple objectives: A case study of Isfahan (Iran) | |
Ahmed et al. | A GIS-assisted optimal Baghdad metro route selection based on multi criteria decision making | |
Qiu et al. | RPSBPT: A route planning scheme with best profit for taxi | |
CN109583708B (zh) | 多智能体微观交通配流模型的建立方法 | |
Kanamori et al. | Evaluation of traffic management strategies with anticipatory stigmergy | |
Folco et al. | Data-driven bicycle network planning for demand and safety | |
Yang et al. | GIS‐Based Analysis of Railway’s Origin/Destination Path‐Selecting Behavior | |
CN115660157A (zh) | 智慧城市充电桩建造规划方法和物联网系统、装置及介质 | |
CN113343358B (zh) | 一种考虑道路信息的电动汽车充电负荷时空分布建模方法 | |
CN114462898A (zh) | 基于地理信息的公路规划管理方法及系统 | |
CN115146840A (zh) | 一种基于数据驱动的轨道交通新线接入客流预测方法 | |
Dragomir | A spatial-temporal data model for choosing optimal multimodal routes in urban areas | |
CN112183871A (zh) | 基于空气指数的城市交通诱导系统 |
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 |