CN111551187B - 一种基于捕食搜索策略的行车路线规划方法及系统 - Google Patents
一种基于捕食搜索策略的行车路线规划方法及系统 Download PDFInfo
- Publication number
- CN111551187B CN111551187B CN202010502718.6A CN202010502718A CN111551187B CN 111551187 B CN111551187 B CN 111551187B CN 202010502718 A CN202010502718 A CN 202010502718A CN 111551187 B CN111551187 B CN 111551187B
- Authority
- CN
- China
- Prior art keywords
- solution
- route
- information
- user client
- user
- 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
-
- 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
Abstract
本发明涉及一种基于捕食搜索策略的行车路线规划方法及系统。该方法:首先,接收用户提交的包含出发地和目的地的线路请求信息;其次,根据接收用户提交的包含出发地和目的地的线路请求信息中各个出发地到相同目的地采用捕食搜索算法匹配出所有可能的路线,根据已经获取的各个出发地到相同目的地之间各条路线的当前路况信息和各个出发地的位置信息生成n条从各个出发地到相同目的地的在未来T时间段内的路线信息;根据用户提交的出发地的位置信息向用户客户端发送包含m条在未来T时间段内的路线信息的地图显示指令,并显示于用户客户端上。本发明能够对未来路况进行精准预测,从而实现用户路线的准确规划。
Description
技术领域
本发明涉及一种基于捕食搜索策略的行车路线规划方法及系统。
背景技术
目前,随着社会经济和科学技术的发展,汽车已经进入千家万户,人们在享受技术带来的便利时,也不得不承受日益增加的交通拥堵压力,如何缓解交通压力,是不得不面对的一个问题,市场上出现了各种各样的地图导航软件,从地图导航角度来说,可以在地图上显示目前交通压力比较大的路段信息,比如路段位置,拥堵的范围,车辆行驶的平均速度等,然后用各种颜色进行区分,以供用户分析判断并规划自己的行车路线,但是,现有的地图导航软件都是根据已经存在的路况信息进行地图显示,比如目前路段的车流量,这些信息是比较滞后的信息,无法对将来一段时间的路况信息进行预测,导致用户在进行路线规划时,事先选择了未拥堵的路段,而在正式上路行车时,经过几十分钟到达预先选择的路段的某个节点时,突然车流量增加,这时进退两难,再去看导航软件想修改路线也于事无补。
尤其是某些城市临时在某个地点举办大型活动的情况下,在某一个时段内,该地点的周边路段会突然出现车流量高峰,比如,入场前一个小时,或者散场后一个小时,而用户提前出发时,是根本无法从导航软件上选择合适的路线的,因为在该用户选择路线时,活动还没有开始,该地点周围的路况信息都是正常。
发明内容
本发明的目的在于解决了现有导航软件只能根据现有路况信息进行路况显示,而无法对未来路况进行精准预测,而导致用户路线规划不准确的问题,提供一种基于捕食搜索策略的行车路线规划方法及系统。
为实现上述目的,本发明的技术方案是:一种基于捕食搜索策略的行车路线规划方法,包括如下步骤:
步骤S1、接收用户客户端提交的包含出发地和目的地的线路请求信息;
步骤S2、当接收到的用户客户端提交的包含出发地和目的地的请求信息的用户数量超过设定的第一阈值时,确定接收到的相同目的地的位置信息的数量是否超过设定的第二阈值,当超过设定的第二阈值时,根据各个出发地到相同目的地采用捕食搜索算法匹配出所有可能的路线,根据已经获取的各个出发地到相同目的地之间各条路线的当前路况信息和各个出发地的位置信息生成n条从各个出发地到相同目的地的在未来T时间段内的路线信息;
步骤S3、根据第一用户客户端提交的出发地的位置信息向第一用户客户端发送包含m条在未来T时间段内的路线信息的地图显示指令,以便于第一用户客户端根据所述地图显示指令显示所述m条在未来T时间段内的路线信息;m小于等于n;
步骤S4、接收用户在第一用户客户端上选择的所述m条路线信息中的一条作为当前导航线路的指令,并在用户出发后实时获取第一用户客户端上传的第一用户客户端的位置信息。
在本发明一实施例中,还包括一步骤S5,即,根据第一用户客户端实时上传的第一用户客户端的位置信息和所述第一用户客户端上传的第一用户客户端选择的当前导航线路确定当前导航线路的第一路况信息,并将所述第一路况信息发送给所述第一用户客户端。
在本发明一实施例中,所述根据各个出发地到相同目的地采用捕食搜索算法匹配出所有可能的路线的具体实现方式如下:
第一步:定义如下:
(1)、捕食搜索算法采用整数编码方式,任意解β的表达形式为{β1,β2,...βb...,βz},1≤b≤z,其中,参数z等于从出发地到达目的地所有可能经过线路节点的总数,任意位置正整数值βb和βb+1表示线路节点到达线路节点的距离,最后一个解为线路节点到达线路节点的距离;任意一位βb都是随机生成的;
(2)、适应值f(β)定义为:根据解β的z位,分别求各个线路节点距离之和,取各个线路节点距离之和中的最小值;适应值越小,总距离就越小,匹配效果就越好;
(3)、领域操作:对任意解β:{β1,β2,...,βz},随机取c数,1≤c≤z,对所选取的c个数,采用2-opt(逆转法)进行状态的转移,得到一个新的解;
(4)、领域搜索:对任意解β进行领域搜索就是对解β进行领域操作,得出相邻解;
(5)、限制值选取:解的适应值作为限制值;
第二步:捕食搜索算法:
(1)、随机选取一个初始点solution,solution∈β令r=solution,counter=0,level=0;
(2)、若level<numLevel,则选取solution邻域中c个解,并选取其中最小解proposal,然后转到第(3)步;否则结束整个过程;
(3)、若选出的邻域解中的最优解proposal>Restriction(level),令solution=proposal,并转到第(4)步;否则转到第(5)步;
(4)、如果f(solution)>f(r),令r=solution,level=0,counter=0,重新计算Restriction,然后转到第(3)步;否则转到第(5)步;
(5)、令counter=counter+l,如果counter>COUNTERmax,那么令lever=level+l,counter=0,然后转到第(6)步;否则转到第(2)步;
(6)、如果level=lhold,令level=Lhighhold,并转到第(2)步;否则直接转到第(2)步;
第(4)步中,如果f(solution)>f(r),需要从新计算限制,具体如下:
i、搜索numLevel次目前为止最好解r的领域,计算f,得到numlevel个目标值;
ii、把这numlevel个值与目前最好解的适应值按升序排列;
iii、把排列后的numlevel个值依次赋给限制Restriction[1]、Restriction[2]、Restriction[numLevel]、Restriction[0]的值取为f(r);
其中:counter用来统计产生领域操作的次数,COUNTERmax是领域操作的最大次数,level是限制的级别数,lhold是区域搜索模式的限制等级数;Lhighhold是在广泛搜索模式下,如果算法在lhold个限制等级下搜索过后还是不能发现新的解,那么算法将终止;numLevel是总的限制级别数;
第三步:通过对第二步的捕食搜索算法运行多次就可以得到从出发地到达目的的所有路线。
在本发明一实施例中,第二阈值小于等于第一阈值,第一阈值的设置可以根据到所述相同目的地的所有线路中每个线路在保持40公里每小时的车速情况下的最大车流量来确定。
在本发明一实施例中,未来T时间段内的路线信息是根据各个用户上传的线路请求信息进行相同目的地归集,预计在未来T时间段内以相同地点为目的地可能会造成的交通拥堵情况,从而提前进行路线规划,减轻交通压力。
本发明还提供了一种基于捕食搜索策略的行车路线规划系统,包括:
第一用户信息接收模块:用于接收用户客户端提交的包含出发地和目的地的线路请求信息;
用户信息处理模块,当接收到的用户客户端提交的包含出发地和目的地的请求信息的用户数量超过设定的第一阈值时,确定接收到的相同目的地的位置信息的数量是否超过设定的第二阈值,当超过设定的第二阈值时,根据各个出发地到相同目的地采用捕食搜索算法匹配出所有可能的路线,根据已经获取的各个出发地到相同目的地之间各条路线的当前路况信息和各个出发地的位置信息生成n条从各个出发地到相同目的地的在未来T时间段内的路线信息;
发送模块,用于根据第一用户客户端提交的出发地的位置信息向第一用户客户端发送包含m条在未来T时间段内的路线信息的地图显示指令,以便于第一用户客户端根据所述地图显示指令显示所述m条在未来T时间段内的路线信息;m小于等于n;
第二用户信息接收模块,用于接收用户在第一用户客户端上选择的所述m条路线信息中的一条作为当前导航线路的指令,并在用户出发后实时获取第一用户客户端上传的第一用户客户端的位置信息。
在本发明一实施例中,所述用户信息处理模块,还用于,根据第一用户客户端实时上传的第一用户客户端的位置信息和所述第一用户客户端上传的第一用户客户端选择的当前导航线路确定当前导航线路的第一路况信息;所述发送模块,还用于,将所述第一路况信息发送给所述第一用户客户端。
在本发明一实施例中,第二阈值小于等于第一阈值,第一阈值的设置可以根据到所述相同目的地的所有线路中每个线路在保持40公里每小时的车速情况下的最大车流量来确定。
在本发明一实施例中,未来T时间段内的路线信息是根据各个用户上传的线路请求信息进行相同目的地归集,预计在未来T时间段内以相同地点为目的地可能会造成的交通拥堵情况,从而提前进行路线规划,减轻交通压力。
在本发明一实施例中,所述根据各个出发地到相同目的地采用捕食搜索算法匹配出所有可能的路线的具体实现方式如下:
第一步:定义如下:
(1)、捕食搜索算法采用整数编码方式,任意解β的表达形式为{β1,β2,...βb...,βz},1≤b≤z,其中,参数z等于从出发地到达目的地所有可能经过线路节点的总数,任意位置正整数值βb和βb+1表示线路节点到达线路节点的距离,最后一个解为线路节点到达线路节点的距离;任意一位βb都是随机生成的;
(2)、适应值f(β)定义为:根据解β的z位,分别求各个线路节点距离之和,取各个线路节点距离之和中的最小值;适应值越小,总距离就越小,匹配效果就越好;
(3)、领域操作:对任意解β:{β1,β2,...,βz},随机取c数,1≤c≤z,对所选取的c个数,采用2-opt(逆转法)进行状态的转移,得到一个新的解;
(4)、领域搜索:对任意解β进行领域搜索就是对解β进行领域操作,得出相邻解;
(5)、限制值选取:解的适应值作为限制值;
第二步:捕食搜索算法:
(1)、随机选取一个初始点solution,solution∈β令r=solution,counter=0,level=0;
(2)、若level<numLevel,则选取solution邻域中c个解,并选取其中最小解proposal,然后转到第(3)步;否则结束整个过程;
(3)、若选出的邻域解中的最优解proposal>Restriction(level),令solution=proposal,并转到第(4)步;否则转到第(5)步;
(4)、如果f(solution)>f(r),令r=solution,level=0,counter=0,重新计算Restriction,然后转到第(3)步;否则转到第(5)步;
(5)、令counter=counter+l,如果counter>COUNTERmax,那么令lever=level+l,counter=0,然后转到第(6)步;否则转到第(2)步;
(6)、如果level=lhold,令level=Lhighhold,并转到第(2)步;否则直接转到第(2)步;
第(4)步中,如果f(solution)>f(r),需要从新计算限制,具体如下:
i、搜索numLevel次目前为止最好解r的领域,计算f,得到numlevel个目标值;
ii、把这numlevel个值与目前最好解的适应值按升序排列;
iii、把排列后的numlevel个值依次赋给限制Restriction[1]、Restriction[2]、Restriction[numLevel]、Restriction[0]的值取为f(r);
其中:counter用来统计产生领域操作的次数,COUNTERmax是领域操作的最大次数,level是限制的级别数,lhold是区域搜索模式的限制等级数;Lhighhold是在广泛搜索模式下,如果算法在lhold个限制等级下搜索过后还是不能发现新的解,那么算法将终止;numLevel是总的限制级别数;
第三步:通过对第二步的捕食搜索算法运行多次就可以得到从出发地到达目的的所有路线。
相较于现有技术,本发明具有以下有益效果:本发明能够对未来路况进行精准预测,从而实现用户路线的准确规划。
附图说明
图1为本发明基于捕食搜索策略的行车路线规划方法流程图。
图2为本发明采用的捕食搜索算法原理示意图。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
如图1所示,本发明提供了一种基于捕食搜索策略的行车路线规划方法,包括如下步骤:
步骤S1、接收用户客户端提交的包含出发地和目的地的线路请求信息;
步骤S2、当接收到的用户客户端提交的包含出发地和目的地的请求信息的用户数量超过设定的第一阈值时,确定接收到的相同目的地的位置信息的数量是否超过设定的第二阈值,当超过设定的第二阈值时,根据各个出发地到相同目的地采用捕食搜索算法匹配出所有可能的路线,根据已经获取的各个出发地到相同目的地之间各条路线的当前路况信息和各个出发地的位置信息生成n条从各个出发地到相同目的地的在未来T时间段内的路线信息;
步骤S3、根据第一用户客户端提交的出发地的位置信息向第一用户客户端发送包含m条在未来T时间段内的路线信息的地图显示指令,以便于第一用户客户端根据所述地图显示指令显示所述m条在未来T时间段内的路线信息;m小于等于n;
步骤S4、接收用户在第一用户客户端上选择的所述m条路线信息中的一条作为当前导航线路的指令,并在用户出发后实时获取第一用户客户端上传的第一用户客户端的位置信息。
还包括一步骤S5,即,根据第一用户客户端实时上传的第一用户客户端的位置信息和所述第一用户客户端上传的第一用户客户端选择的当前导航线路确定当前导航线路的第一路况信息,并将所述第一路况信息发送给所述第一用户客户端。
第二阈值小于等于第一阈值,第一阈值的设置可以根据到所述相同目的地的所有线路中每个线路在保持40公里每小时的车速情况下的最大车流量来确定。
未来T时间段内的路线信息是根据各个用户上传的线路请求信息进行相同目的地归集,预计在未来T时间段内以相同地点为目的地可能会造成的交通拥堵情况,从而提前进行路线规划,减轻交通压力。
本发明还提供了一种基于捕食搜索策略的行车路线规划系统,包括:
第一用户信息接收模块:用于接收用户客户端提交的包含出发地和目的地的线路请求信息;
用户信息处理模块,当接收到的用户客户端提交的包含出发地和目的地的请求信息的用户数量超过设定的第一阈值时,确定接收到的相同目的地的位置信息的数量是否超过设定的第二阈值,当超过设定的第二阈值时,根据各个出发地到相同目的地采用捕食搜索算法匹配出所有可能的路线,根据已经获取的各个出发地到相同目的地之间各条路线的当前路况信息和各个出发地的位置信息生成n条从各个出发地到相同目的地的在未来T时间段内的路线信息;
发送模块,用于根据第一用户客户端提交的出发地的位置信息向第一用户客户端发送包含m条在未来T时间段内的路线信息的地图显示指令,以便于第一用户客户端根据所述地图显示指令显示所述m条在未来T时间段内的路线信息;m小于等于n;
第二用户信息接收模块,用于接收用户在第一用户客户端上选择的所述m条路线信息中的一条作为当前导航线路的指令,并在用户出发后实时获取第一用户客户端上传的第一用户客户端的位置信息。
所述用户信息处理模块,还用于,根据第一用户客户端实时上传的第一用户客户端的位置信息和所述第一用户客户端上传的第一用户客户端选择的当前导航线路确定当前导航线路的第一路况信息;所述发送模块,还用于,将所述第一路况信息发送给所述第一用户客户端。
以下为本发明的具体实现过程。
本发明提供了一种基于捕食搜索策略的行车路线规划系统,包括如下模块:
第一用户信息接收模块:用于接收用户在导航软件客户端提交的包含出发地和目的地的线路请求信息;
用户信息处理模块,用于当接收到的用户提交的包含出发地和目的地的请求信息的用户数量超过设定的第一阈值时,确定接收到的相同目的地的位置信息的数量是否超过设定的第二阈值,当超过设定的第二阈值时,根据所述各个出发地到所述相同目的地采用捕食搜索算法匹配出所有可能的路线,根据已经获取的各个出发地到所述相同目的地之间各条路线的当前路况信息和各个出发地的位置信息生成n条各个出发地到所述相同目的地的在未来T时间段内的路线信息;
发送模块,用于根据用户提交的出发地的位置信息向用户发送包含m条在未来T时间段内的路线信息的地图显示指令,以便于用户客户端根据所述地图显示指令显示所述m条在未来T时间段内的路线信息;m小于等于n;
第二用户信息接收模块,用于接收用户在客户端上选择的所述m条路线信息中的一条作为当前导航线路的指令,并在用户出发后实时获取所述用户客户端上传的客户端的位置信息,
所述用户信息处理模块,还用于,根据第一用户客户端实时上传的客户端位置信息和所述用户客户端上传的用户客户端选择的当前导航线路确定当前导航线路的第一路况信息。
所述发送模块,还用于,将所述第一路况信息发送给所述第一用户客户端。
其中,出发地可以是市中心的六个小区,目的地可以是奥林匹克中心体育场;
第二阈值小于等于第一阈值;
第二阈值可以设定为:5000,该第一阈值的设置可以根据到所述相同目的地的所有线路中每个线路在保持40公里每小时的车速情况下的最大车流量来确定。
T时间段可以是1个小时或者2个小时。
未来T时间段内的路线信息是根据各个用户上传的线路请求信息进行相同目的地归集,预计了在未来T时间段内以相同地点为目的地可能会造成的交通拥堵情况,从而提前进行路线规划,减轻交通压力。
本发明中根据各个出发地到相同目的地采用捕食搜索算法匹配出所有可能的路线:
捕食搜索算法原理:
动物学家在研究动物的捕食行为时发现,尽管由于动物物种的不同而造成身体结构的千差万别,但它们的捕食行为却惊人地相似。动物捕食过程中在没有发现猎物和猎物的迹象时,捕食动物在整个捕食空间沿着一定的方向以很快的速度寻找猎物。一旦发现猎物或发现猎物的迹象,它们就放慢步伐,在发现猎物或有猎物迹象的附近区域进行集中的区域搜索,以找到更多的猎物。在搜寻一段时间没有找到猎物后,捕食动物将放弃该集中的区域,继续在整个捕食空间寻找猎物。
模拟动物的这种捕食策略,linhares于1998提出了一种新的仿生计算方法,即捕食搜索算法(Predatory SearchAlgorithm,PSA)。算法原理如图2所示。
这种捕食搜索策略可以总结为以下两大搜索步骤:
搜索1(广泛搜索):在整个搜索空间内进行,如果找到猎物或者有猎物存在的迹象,就转到搜索2。
搜索2(区域搜索):在找到猎物地点的邻域内进行精密搜索,如果在很长一段时间内没有进展,则转到搜索1。
捕食搜索算法的构成要素
i、解的编码方式
捕食搜索算法采用整数编码方式,任意解β的表达形式为{β1,β2,...βb...,βz},1≤b≤z,其中,参数z等于从出发地到达目的地所有可能经过线路节点的总数,任意位置正整数值βb和βb+1表示线路节点到达线路节点的距离,最后一个解为线路节点到达线路节点的距离;任意一位βb都是随机生成的;
ii、生成初始解
对初始解β:{β1,β2,...,βz},β中任意一位βb都是随机生成的;
iii、适应值的确定
适应值f(β)定义为:根据解β的z位,分别求各个线路节点距离之和,取各个线路节点距离之和中的最小值;适应值越小,总距离就越小,匹配效果就越好;
iv、领域操作
对任意解β:{β1,β2,...,βz},随机取c数,1≤c≤z,对所选取的c个数,采用2-opt(逆转法)进行状态的转移,得到一个新的解;
v、领域搜索:
对任意解β进行领域搜索就是对解β进行领域操作,得出相邻解;
vi、限制值选取:
解的适应值作为限制值。
捕食搜索算法的算法流程
(1)、随机选取一个初始点solution,solution∈β令r=solution,counter=0,level=0;
(2)、若level<numLevel,则选取solution邻域中c个解,并选取其中最小解proposal,然后转到第(3)步;否则结束整个过程;
(3)、若选出的邻域解中的最优解proposal>Restriction(level),令solution=proposal,并转到第(4)步;否则转到第(5)步;
(4)、如果f(solution)>f(r),令r=solution,level=0,counter=0,重新计算Restriction,然后转到第(3)步;否则转到第(5)步;
(5)、令counter=counter+l,如果counter>COUNTERmax,那么令level=level+l,counter=0,然后转到第(6)步;否则转到第(2)步;
(6)、如果level=lhold,令level=Lhighhold,并转到第(2)步;否则直接转到第(2)步;
第(4)步中,如果f(solution)>f(r),需要从新计算限制,具体如下:
i、搜索numlevel次目前为止最好解r的领域,计算f,得到numlevel个目标值;
ii、把这numlevel个值与目前最好解的适应值按升序排列;
iii、把排列后的numlevel个值依次赋给限制Restriction[1]、Restriction[2]、Restriction[numLevel]、Restriction[0]的值取为f(r);
其中:counter用来统计产生领域操作的次数,COUNTERmax是领域操作的最大次数,level是限制的级别数,lhold是区域搜索模式的限制等级数;Lhighhold是在广泛搜索模式下,如果算法在lhold个限制等级下搜索过后还是不能发现新的解,那么算法将终止;numLevel是总的限制级别数;
通过对捕食搜索算法运行多次就可以得到从出发地到达目的的所有路线。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (10)
1.一种基于捕食搜索策略的行车路线规划方法,其特征在于,包括如下步骤:
步骤S1、接收用户客户端提交的包含出发地和目的地的线路请求信息;
步骤S2、当接收到的用户客户端提交的包含出发地和目的地的请求信息的用户数量超过设定的第一阈值时,确定接收到的相同目的地的位置信息的数量是否超过设定的第二阈值,当超过设定的第二阈值时,根据各个出发地到相同目的地采用捕食搜索算法匹配出所有可能的路线,根据已经获取的各个出发地到相同目的地之间各条路线的当前路况信息和各个出发地的位置信息生成n条从各个出发地到相同目的地的在未来T时间段内的路线信息;
步骤S3、根据第一用户客户端提交的出发地的位置信息向第一用户客户端发送包含m条在未来T时间段内的路线信息的地图显示指令,以便于第一用户客户端根据所述地图显示指令显示所述m条在未来T时间段内的路线信息;m小于等于n;
步骤S4、接收用户在第一用户客户端上选择的所述m条路线信息中的一条作为当前导航线路的指令,并在用户出发后实时获取第一用户客户端上传的第一用户客户端的位置信息。
2.根据权利要求1所述的一种基于捕食搜索策略的行车路线规划方法,其特征在于,还包括一步骤S5,即,根据第一用户客户端实时上传的第一用户客户端的位置信息和所述第一用户客户端上传的第一用户客户端选择的当前导航线路确定当前导航线路的第一路况信息,并将所述第一路况信息发送给所述第一用户客户端。
3.根据权利要求1所述的一种基于捕食搜索策略的行车路线规划方法,其特征在于,所述根据各个出发地到相同目的地采用捕食搜索算法匹配出所有可能的路线的具体实现方式如下:
第一步:定义如下:
(1)、捕食搜索算法采用整数编码方式,任意解β的表达形式为{β1,β2,...βb...,βz},1≤b≤z,其中,参数z等于从出发地到达目的地所有可能经过线路节点的总数,任意位置正整数值βb和βb+1表示线路节点到达线路节点的距离,最后一个解为线路节点到达线路节点的距离;任意一位βb都是随机生成的;
(2)、适应值f(β)定义为:根据解β的z位,分别求各个线路节点距离之和,取各个线路节点距离之和中的最小值;适应值越小,总距离就越小,匹配效果就越好;
(3)、邻域操作:对任意解β:{β1,β2,...,βz},随机取c数,1≤c≤z,对所选取的c个数,采用2-opt进行状态的转移,得到一个新的解;
(4)、邻域搜索:对任意解β进行邻域搜索就是对解β进行邻域操作,得出相邻解;
(5)、限制值选取:解的适应值作为限制值;
第二步:捕食搜索算法:
(1)、随机选取一个初始点solution,solution∈β令r=solution,counter=0,level=0;
(2)、若level<numLevel,则选取solution邻域中c个解,并选取其中最小解proposal,然后转到第(3)步;否则结束整个过程;
(3)、若选出的邻域解中的最优解proposal>Restriction(level),令solution=proposal,并转到第(4)步;否则转到第(5)步;
(4)、如果f(solution)>f(r),令r=solution,level=0,counter=0,重新计算Restriction,然后转到第(3)步;否则转到第(5)步;
(5)、令counter=counter+l,如果counter>COUNTERmax,那么令lever=level+l,counter=0,然后转到第(6)步;否则转到第(2)步;
(6)、如果level=lhold,令level=Lhighhold,并转到第(2)步;否则直接转到第(2)步;
第(4)步中,如果f(solution)>f(r),需要从新计算限制,具体如下:
i、搜索numLevel次目前为止最好解r的邻域,计算f,得到numlevel个目标值;
ii、把这numlevel个值与目前最好解的适应值按升序排列;
iii、把排列后的numlevel个值依次赋给限制Restriction[1]、Restriction[2]、Restriction[numLevel]、Restriction[0]的值取为f(r);
其中:counter用来统计产生邻域操作的次数,COUNTERmax是邻域操作的最大次数,level是限制的级别数,lhold是区域搜索模式的限制等级数;Lhighhold是在广泛搜索模式下,如果算法在lhold个限制等级下搜索过后还是不能发现新的解,那么算法将终止;numLevel是总的限制级别数;
第三步:通过对第二步的捕食搜索算法运行多次就可以得到从出发地到达目的的所有路线。
4.根据权利要求1所述的一种基于捕食搜索策略的行车路线规划方法,其特征在于,第二阈值小于等于第一阈值,第一阈值的设置根据到所述相同目的地的所有线路中每个线路在保持40公里每小时的车速情况下的最大车流量来确定。
5.根据权利要求1所述的一种基于捕食搜索策略的行车路线规划方法,其特征在于,未来T时间段内的路线信息是根据各个用户上传的线路请求信息进行相同目的地归集,预计在未来T时间段内以相同地点为目的地可能会造成的交通拥堵情况。
6.一种基于捕食搜索策略的行车路线规划系统,其特征在于,包括:
第一用户信息接收模块:用于接收用户客户端提交的包含出发地和目的地的线路请求信息;
用户信息处理模块,当接收到的用户客户端提交的包含出发地和目的地的请求信息的用户数量超过设定的第一阈值时,确定接收到的相同目的地的位置信息的数量是否超过设定的第二阈值,当超过设定的第二阈值时,根据各个出发地到相同目的地采用捕食搜索算法匹配出所有可能的路线,根据已经获取的各个出发地到相同目的地之间各条路线的当前路况信息和各个出发地的位置信息生成n条从各个出发地到相同目的地的在未来T时间段内的路线信息;
发送模块,用于根据第一用户客户端提交的出发地的位置信息向第一用户客户端发送包含m条在未来T时间段内的路线信息的地图显示指令,以便于第一用户客户端根据所述地图显示指令显示所述m条在未来T时间段内的路线信息;m小于等于n;
第二用户信息接收模块,用于接收用户在第一用户客户端上选择的所述m条路线信息中的一条作为当前导航线路的指令,并在用户出发后实时获取第一用户客户端上传的第一用户客户端的位置信息。
7.根据权利要求6所述的一种基于捕食搜索策略的行车路线规划系统,其特征在于,所述用户信息处理模块,还用于,根据第一用户客户端实时上传的第一用户客户端的位置信息和所述第一用户客户端上传的第一用户客户端选择的当前导航线路确定当前导航线路的第一路况信息;所述发送模块,还用于,将所述第一路况信息发送给所述第一用户客户端。
8.根据权利要求6所述的一种基于捕食搜索策略的行车路线规划系统,其特征在于,第二阈值小于等于第一阈值,第一阈值的设置根据到所述相同目的地的所有线路中每个线路在保持40公里每小时的车速情况下的最大车流量来确定。
9.根据权利要求6所述的一种基于捕食搜索策略的行车路线规划系统,其特征在于,未来T时间段内的路线信息是根据各个用户上传的线路请求信息进行相同目的地归集,预计在未来T时间段内以相同地点为目的地可能会造成的交通拥堵情况,从而提前进行路线规划,减轻交通压力。
10.根据权利要求6所述的一种基于捕食搜索策略的行车路线规划系统,其特征在于,所述根据各个出发地到相同目的地采用捕食搜索算法匹配出所有可能的路线的具体实现方式如下:
第一步:定义如下:
(1)、捕食搜索算法采用整数编码方式,任意解β的表达形式为{β1,β2,...βb...,βz},1≤b≤z,其中,参数z等于从出发地到达目的地所有可能经过线路节点的总数,任意位置正整数值βb和βb+1表示线路节点到达线路节点的距离,最后一个解为线路节点到达线路节点的距离;任意一位βb都是随机生成的;
(2)、适应值f(β)定义为:根据解β的z位,分别求各个线路节点距离之和,取各个线路节点距离之和中的最小值;适应值越小,总距离就越小,匹配效果就越好;
(3)、邻域操作:对任意解β:{β1,β2,...,βz},随机取c数,1≤c≤z,对所选取的c个数,采用2-opt进行状态的转移,得到一个新的解;
(4)、邻域搜索:对任意解β进行邻域搜索就是对解β进行邻域操作,得出相邻解;
(5)、限制值选取:解的适应值作为限制值;
第二步:捕食搜索算法:
(1)、随机选取一个初始点solution,solution∈β令r=solution,counter=0,level=0;
(2)、若level<numLevel,则选取solution邻域中c个解,并选取其中最小解proposal,然后转到第(3)步;否则结束整个过程;
(3)、若选出的邻域解中的最优解proposal>Restriction(level),令solution=proposal,并转到第(4)步;否则转到第(5)步;
(4)、如果f(solution)>f(r),令r=solution,level=0,counter=0,重新计算Restriction,然后转到第(3)步;否则转到第(5)步;
(5)、令counter=counter+l,如果counter>COUNTERmax,那么令lever=level+l,counter=0,然后转到第(6)步;否则转到第(2)步;
(6)、如果level=lhold,令level=Lhighhold,并转到第(2)步;否则直接转到第(2)步;
第(4)步中,如果f(solution)>f(r),需要从新计算限制,具体如下:
i、搜索numLevel次目前为止最好解r的邻域,计算f,得到numlevel个目标值;
ii、把这numlevel个值与目前最好解的适应值按升序排列;
iii、把排列后的numlevel个值依次赋给限制Restriction[1]、Restriction[2]、Restriction[numLevel]、Restriction[0]的值取为f(r);
其中:counter用来统计产生邻域操作的次数,COUNTERmax是邻域操作的最大次数,level是限制的级别数,lhold是区域搜索模式的限制等级数;Lhighhold是在广泛搜索模式下,如果算法在lhold个限制等级下搜索过后还是不能发现新的解,那么算法将终止;numLevel是总的限制级别数;
第三步:通过对第二步的捕食搜索算法运行多次就可以得到从出发地到达目的的所有路线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010502718.6A CN111551187B (zh) | 2020-06-04 | 2020-06-04 | 一种基于捕食搜索策略的行车路线规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010502718.6A CN111551187B (zh) | 2020-06-04 | 2020-06-04 | 一种基于捕食搜索策略的行车路线规划方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111551187A CN111551187A (zh) | 2020-08-18 |
CN111551187B true CN111551187B (zh) | 2021-09-24 |
Family
ID=71999308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010502718.6A Active CN111551187B (zh) | 2020-06-04 | 2020-06-04 | 一种基于捕食搜索策略的行车路线规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111551187B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103323018A (zh) * | 2013-06-21 | 2013-09-25 | 广州市香港科大霍英东研究院 | 基于时段的热点路径的特征识别与快速搜索方法 |
CN105716622A (zh) * | 2016-04-12 | 2016-06-29 | 玉环看知信息科技有限公司 | 一种导航方法及导航服务器 |
CN107194647A (zh) * | 2017-05-19 | 2017-09-22 | 深圳市伊特利网络科技有限公司 | 外卖路径的规划方法及系统 |
CN107403230A (zh) * | 2016-05-18 | 2017-11-28 | 滴滴(中国)科技有限公司 | 规避拥堵路段的乘车路线优化方法及装置 |
CN107421556A (zh) * | 2017-08-23 | 2017-12-01 | 上海车音智能科技有限公司 | 导航路径推送方法及装置 |
CN108227718A (zh) * | 2018-01-30 | 2018-06-29 | 安徽宇锋智能科技有限公司 | 一种自适应切换的自动搬运小车路径规划方法 |
CN108701334A (zh) * | 2016-03-03 | 2018-10-23 | 三菱电机株式会社 | 拥挤预测装置和拥挤预测方法 |
CN110046218A (zh) * | 2019-05-13 | 2019-07-23 | 东软集团股份有限公司 | 一种用户出行模式的挖掘方法、装置、系统和处理器 |
US10378911B1 (en) * | 2016-01-05 | 2019-08-13 | Open Invention Network Llc | Navigation application providing collaborative navigation information |
KR102036716B1 (ko) * | 2019-02-15 | 2019-10-25 | 국방과학연구소 | 다중 임무점 방문을 위한 경로 계획 방법 및 장치 |
CN111144647A (zh) * | 2019-12-25 | 2020-05-12 | 华院数据技术(上海)有限公司 | 基于大规模邻域搜索算法的通用车辆路径规划方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11561105B2 (en) * | 2017-11-29 | 2023-01-24 | International Business Machines Corporation | Optimized route planning for multiple travelers with the same destination |
-
2020
- 2020-06-04 CN CN202010502718.6A patent/CN111551187B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103323018A (zh) * | 2013-06-21 | 2013-09-25 | 广州市香港科大霍英东研究院 | 基于时段的热点路径的特征识别与快速搜索方法 |
US10378911B1 (en) * | 2016-01-05 | 2019-08-13 | Open Invention Network Llc | Navigation application providing collaborative navigation information |
CN108701334A (zh) * | 2016-03-03 | 2018-10-23 | 三菱电机株式会社 | 拥挤预测装置和拥挤预测方法 |
CN105716622A (zh) * | 2016-04-12 | 2016-06-29 | 玉环看知信息科技有限公司 | 一种导航方法及导航服务器 |
CN107403230A (zh) * | 2016-05-18 | 2017-11-28 | 滴滴(中国)科技有限公司 | 规避拥堵路段的乘车路线优化方法及装置 |
CN107194647A (zh) * | 2017-05-19 | 2017-09-22 | 深圳市伊特利网络科技有限公司 | 外卖路径的规划方法及系统 |
CN107421556A (zh) * | 2017-08-23 | 2017-12-01 | 上海车音智能科技有限公司 | 导航路径推送方法及装置 |
CN108227718A (zh) * | 2018-01-30 | 2018-06-29 | 安徽宇锋智能科技有限公司 | 一种自适应切换的自动搬运小车路径规划方法 |
KR102036716B1 (ko) * | 2019-02-15 | 2019-10-25 | 국방과학연구소 | 다중 임무점 방문을 위한 경로 계획 방법 및 장치 |
CN110046218A (zh) * | 2019-05-13 | 2019-07-23 | 东软集团股份有限公司 | 一种用户出行模式的挖掘方法、装置、系统和处理器 |
CN111144647A (zh) * | 2019-12-25 | 2020-05-12 | 华院数据技术(上海)有限公司 | 基于大规模邻域搜索算法的通用车辆路径规划方法及系统 |
Non-Patent Citations (1)
Title |
---|
应用捕食搜索策略的改进多态蚁群算法;赵亚文等;《计算机工程与应用》;20191231;115-121 * |
Also Published As
Publication number | Publication date |
---|---|
CN111551187A (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108109382B (zh) | 基于复合网络的拥堵点、拥堵线、拥堵区域的发现方法 | |
CN107945507B (zh) | 行程时间预测方法及装置 | |
CN111681421B (zh) | 基于手机信令数据的对外客运枢纽集疏空间分布分析方法 | |
CN102708698B (zh) | 基于车联网的车辆最优路径导航方法 | |
CN107103754A (zh) | 一种道路交通状况预测方法及系统 | |
CN107919014B (zh) | 面向多载客里程的出租车运行线路优化方法 | |
CN111080029A (zh) | 基于多路段时空相关的城市交通路段速度预测方法及系统 | |
CN109269516B (zh) | 一种基于多目标Sarsa学习的动态路径诱导方法 | |
CN111737605A (zh) | 一种基于手机信令数据的出行目的识别方法及装置 | |
CN106875005B (zh) | 自适应阈值神经元信息处理方法和系统 | |
CN109584552A (zh) | 一种基于网络向量自回归模型的公交到站时间预测方法 | |
CN111063208A (zh) | 一种基于车联网的车道级交通诱导方法及系统 | |
CN113269347B (zh) | 一种基于随机森林的高校快递网络节点流量预测方法 | |
CN108985506A (zh) | 行车路径推荐方法、预测方法、获取方法及其装置 | |
CN111060119B (zh) | 基于街景图视觉要素评分的城市慢行出行导航方法和系统 | |
Ye et al. | A method of vehicle route prediction based on social network analysis | |
CN110598917B (zh) | 一种基于路径轨迹的目的地预测方法、系统及存储介质 | |
CN104636457B (zh) | 一种位置搜索认知的方法及装置 | |
CN110189520A (zh) | 路线确定方法和路线确定装置 | |
CN112129306A (zh) | 路线生成方法、装置、计算机设备和存储介质 | |
CN115100848A (zh) | 一种地面交通拥堵的出行溯源方法和系统 | |
CN104596534B (zh) | 一种计算最优行车路径的方法 | |
CN105184387A (zh) | 一种路径相似度比较方法 | |
CN107545318A (zh) | 公交线路优先级确定、公交换乘线路排序方法及装置 | |
CN116824861A (zh) | 基于城市大脑平台多维数据的共享单车调度方法和系统 |
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 |