CN111912420A - 车辆行驶路径规划方法、装置、电子设备和可读存储介质 - Google Patents

车辆行驶路径规划方法、装置、电子设备和可读存储介质 Download PDF

Info

Publication number
CN111912420A
CN111912420A CN201910378703.0A CN201910378703A CN111912420A CN 111912420 A CN111912420 A CN 111912420A CN 201910378703 A CN201910378703 A CN 201910378703A CN 111912420 A CN111912420 A CN 111912420A
Authority
CN
China
Prior art keywords
path
sub
paths
station
vehicle
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.)
Pending
Application number
CN201910378703.0A
Other languages
English (en)
Inventor
陈浪
孔媛
步允千
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Zhenshi Information Technology Co Ltd
Original Assignee
Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Zhenshi Information Technology Co Ltd filed Critical Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority to CN201910378703.0A priority Critical patent/CN111912420A/zh
Publication of CN111912420A publication Critical patent/CN111912420A/zh
Pending legal-status Critical Current

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
    • G01C21/3407—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
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Automation & Control Theory (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种车辆行驶路径规划方法、装置、电子设备和可读存储介质，涉及计算机技术。其中，该方法包括：根据起点和站点集使用启发式规划算法生成车辆行驶路径；其中车辆行驶路径中的每条子路径由起点出发且经过至少一个所述站点；在车辆行驶路径中的子路径数量小于预先给定的车辆数量时，针对每条子路径，基于该子路径上的每个站点计算路径拆分前和拆分后的拆分成本，确定拆分成本最低的站点；在拆分成本最低的站点处，对所属的子路径进行拆分，直至车辆行驶路径中的子路径数量等于预先给定的车辆数量，将得到的一组车辆行驶路径作为路径规划结果。本申请在进行路径规划时，在兼顾实际使用需求的基础上，达到使路径优且效率高的均衡效果。

Description

车辆行驶路径规划方法、装置、电子设备和可读存储介质
技术领域
本申请涉及计算机技术，特别是涉及一种车辆行驶路径规划方法、装置、电子设备和可读存储介质。
背景技术
连接起点位置和终点位置的序列点或曲线为路径，构成路径的策略为路径规划。如今，路径规划在很多领域都具有广泛的应用，例如，快递、导航等应用领域，经常利用路径规划方法解决车辆的路径规划问题。
目前，现有技术中的路径规划方法，仅仅考虑到如何使得到的路径最优进行规划。在实际实施时，路径最优的规划结果往往效率较低，因此降低了规划得到的路径的实施效果。因此，现有的路径规划方法无法在兼顾实际使用需求的基础上，达到使路径优且效率高的均衡效果。
发明内容
有鉴于此，本申请的主要目的在于提供一种车辆行驶路径规划方法、装置、电子设备和可读存储介质，在进行路径规划时，在兼顾实际使用需求的基础上，达到使路径优且效率高的均衡效果。
为了达到上述目的，本申请提出的技术方案为：
第一方面，本申请实施例提供了一种车辆行驶路径规划方法，包括：
根据起点和站点集使用启发式规划算法生成车辆行驶路径；所述站点集包括车辆行驶过程中需要经过的全部站点，所述全部站点包含于生成的车辆行驶路径中，其中车辆行驶路径中的每条子路径由起点出发且经过至少一个所述站点；
在所述车辆行驶路径中的子路径数量小于预先给定的车辆数量时，针对每条子路径，基于该子路径上的每个站点计算路径拆分前和拆分后的拆分成本，确定拆分成本最低的站点；
在所述拆分成本最低的站点处，对所属的子路径进行拆分，直至所述车辆行驶路径中的子路径数量等于预先给定的车辆数量，将得到的一组车辆行驶路径作为路径规划结果。
一种可能的实施方式中，所述基于该子路径上的每个站点计算路径拆分前和拆分后的拆分成本的步骤，为：
删除该子路径中该站点之后的路径，并计算该站点之后的路径被删除时减少的第一成本；
根据该站点之后的路径被删除时释放的每个空闲站点，使用启发式规划算法生成新的子路径，并计算生成所述新的子路径增加的第二成本；
根据所述第一成本和所述第二成本，得到路径拆分前和拆分后的所述拆分成本。
一种可能的实施方式中，在所述根据起点和站点集使用启发式规划算法生成车辆行驶路径之后，在判断所述车辆行驶路径中的子路径数量是否等于预先给定的车辆数量之前，所述方法，还包括：
随机释放车辆行驶路径中的至少一个站点，为释放得到的所述至少一个站点，使用启发式规划算法生成新的子路径；
在所述车辆行驶路径中的子路径数量等于预先给定的车辆数量之后，所述方法还包括：
返回执行随机释放车辆行驶路径中的至少一个站点的步骤，直至执行次数等于预设的次数阈值；其中，每次执行得到一组车辆行驶路径，得到的每组车辆行驶路径中的子路径数量等于预先给定的车辆数量；
针对每组车辆行驶路径，计算该组车辆行驶路径的成本；根据计算出的每组车辆行驶路径的成本从中确定一组作为路径规划结果。
一种可能的实施方式中，所述生成新的子路径的步骤，为：
从每个所述空闲站点中，为未被分配路径的车辆分别分配一个必经站点参数，将所述必经站点参数输入启发式规划算法中执行，生成新的子路径；所述新的子路径中分别包含所述必经站点。
一种可能的实施方式中，在所述根据起点和站点集使用启发式规划算法生成车辆行驶路径之后，在判断所述车辆行驶路径中的子路径数量是否等于预先给定的车辆数量之前，所述方法，还包括：
随机释放车辆行驶路径中的至少一个站点，同时保证每个车辆至少保留一个站点；为释放得到的所述至少一个站点，使用启发式规划算法生成新的子路径；
在所述车辆行驶路径中的子路径数量等于预先给定的车辆数量之后，所述方法还包括：
返回执行随机释放车辆行驶路径中的至少一个站点的步骤，直至执行次数等于预设的次数阈值；其中，每次执行得到一组车辆行驶路径，得到的每组车辆行驶路径中的子路径数量等于预先给定的车辆数量；
针对每组车辆行驶路径，计算该组车辆行驶路径的成本；根据计算出的每组车辆行驶路径的成本从中确定一组作为路径规划结果。
一种可能的实施方式中，所述生成新的子路径的步骤，为：
根据该站点之后的路径被删除时释放的未被运载的空闲需求量，为未被分配路径的车辆分别设定车载容量参数，使未被分配路径的车辆的车载容量参数的总和与所述空闲需求量之间的容量差值，小于每个未被分配路径的车辆的车载容量参数；
将所述车载容量参数输入启发式规划算法中执行，生成新的子路径。
一种可能的实施方式中，所述生成新的子路径的步骤，为：
为每个未被分配路径的车辆分别设置费用成本参数；
将每个所述费用成本参数输入启发式规划算法中执行，生成新的子路径。
第二方面，本申请实施例提供了一种车辆行驶路径规划装置，包括：
路径规划模块，用于根据起点和站点集使用启发式规划算法生成车辆行驶路径；所述站点集包括车辆行驶过程中需要经过的全部站点，所述全部站点包含于生成的车辆行驶路径中，其中车辆行驶路径中的每条子路径由起点出发且经过至少一个所述站点；
判断模块，用于判断所述车辆行驶路径中的子路径数量是否等于预先给定的车辆数量；
路径拆分模块，用于针对每条子路径，基于该子路径上的每个站点计算路径拆分前和拆分后的拆分成本，确定拆分成本最低的站点；还用于在所述拆分成本最低的站点处，对所属的子路径进行拆分，直至所述车辆行驶路径中的子路径数量等于预先给定的车辆数量。
第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本申请实施例提供的第一方面及第一方面中每种可能的实施方式的步骤。
第四方面，本申请实施例提供了，其上存储有计算机程序，该程序被处理器执行时实现本申请实施例提供的第一方面及第一方面中每种可能的实施方式的步骤。
综上所述，本申请提出的一种车辆行驶路径规划方法、装置、电子设备和可读存储介质，在进行路径规划得到车辆规划路径后，判断车辆规划路径中的路径数量是否等于预先给定的车辆数量，通过设置预先给定的车辆数量，可以保证本申请实施例提供的车辆行驶路径规划方法进行规划得到的路径满足实际使用需求，并且通过车辆规划路径中的路径数量等于预先给定的车辆数量，可以使本申请实施例提供的车辆行驶路径规划方法进行规划得到的路径的效率最大化，从而在兼顾实际使用需求的基础上，达到使路径优且效率高的均衡效果。
附图说明
图1为本申请实施例应用场景示例；
图2为使用启发式规划算法进行路径规划得到的路径规划结果示例；
图3为本申请实施例一的流程示意图；
图4为本申请实施例二的流程示意图；
图5为本申请实施例二中基于该子路径上的每个站点计算路径拆分前和拆分后的拆分成本的流程示意图；
图6为使用申请实施例二提供的车辆行驶路径规划方法得到的路径规划结果示例；
图7为本申请实施例三的流程示意图；
图8为本申请实施例四的流程示意图；
图9为本申请实施例五的流程示意图；
图10为本申请实施例六提供的一种车辆行驶路径规划装置的结构示意图；
图11为本申请实施例六提供的另一种车辆行驶路径规划装置的结构示意图；
图12为本申请实施例七提供的一种电子设备的结构示意图。
具体实施方式
连接起点位置和终点位置的序列点或曲线为路径，构成路径的策略为路径规划。如今，路径规划在导航、机器人、无人机等很多领域都具有广泛的应用。
目前，现有技术中的路径规划方法，主要包括精确求解规划算法和启发式规划算法两类。精确求解规划算法可以给出精确的最优解，但其能够求解的问题规模有限，由于计算占用的时长过长、消耗的资源过多，计算效率较低，基本无法计算求解大规模问题。启发式规划算法可以求解大规模问题，但其给出的仅是启发式的可行路径，即便可以满足路径规划的需求，得到的路径规划结果往往使用效率较低，实施效果不佳。并且，无论是精确求解规划算法还是启发式规划算法，均仅仅考虑到如何使得到的路径最优进行规划。而在实际实施时，路径最优的规划结果往往效率较低，因此降低了规划得到的路径的实施效果。因此，现有的路径规划方法无法在兼顾实际使用需求的基础上，达到使路径优且效率高的均衡效果。
本申请实施例提供的车辆行驶路径规划方法、装置、电子设备和可读存储介质，可以应用于任意的需要同时考虑车辆数量、车辆容量、车辆费用或站点等中至少两项实际限制条件进行路径规划的场景，尤其适用于针对大规模问题的情况。例如，对给定车辆数量、起点和站点同时进行限制时，具体的，如图1所示，假设对包含3个车辆、1个起点和100个站点的场景进行路径规划。如果使用精确求解规划算法，由于精确求解规划算法在对车辆数量较多或站点较多的大规模问题进行求解时，求解效率太低，因此，在使用精确求解算法解决上述100个站点的路径规划问题时，时长成本和计算资源消耗成本过高，无法实际应用；如果使用启发式规划算法，无法保证规划得到的路径能够用上全部的车辆，图2示出的是使用启发式规划算法对包含3个车辆、1个起点和100个站点的场景进行路径规划时，得到的一个可行路径，如图2所示，启发式规划算法仅能保证使用全部的站点进行求解，得到的路径规划结果即便从路径上讲是最优解，但是从使用效率上讲，由于使用的车辆太少，应用其路径规划结果时实施效率较低，实施效果不佳。
有鉴于此，本申请实施例提出的车辆行驶路径规划方法、装置、电子设备和可读存储介质，在进行路径规划得到车辆规划路径后，判断车辆规划路径中的路径数量是否等于预先给定的车辆数量，通过设置预先给定的车辆数量，可以保证本申请实施例提供的车辆行驶路径规划方法进行规划得到的路径满足实际使用需求，并且通过车辆规划路径中的路径数量等于预先给定的车辆数量，可以使本申请实施例提供的车辆行驶路径规划方法进行规划得到的路径的效率最大化，从而在兼顾实际使用需求的基础上，达到使路径优且效率高的均衡效果。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本申请作进一步地详细描述。
实施例一
图3为本申请实施例一的流程示意图，如图3所示，该实施例主要包括：
S301：根据起点和站点集使用启发式规划算法生成车辆行驶路径；所述站点集包括车辆行驶过程中需要经过的全部站点，所述全部站点包含于生成的车辆行驶路径中，其中车辆行驶路径中的每条子路径由起点出发且经过至少一个所述站点。
这里，可以使用任一种常用的启发式规划算法生成车辆行驶路径，例如，遗传算法、模拟退火算法、蚁群算法、元启发式算法和超启发式算法等。生成的车辆行驶路径中，包括至少一条子路径。
S302：在所述车辆行驶路径中的子路径数量小于预先给定的车辆数量时，针对每条子路径，基于该子路径上的每个站点计算路径拆分前和拆分后的拆分成本，确定拆分成本最低的站点车辆行驶路径中的子路径数量。
在生成的车辆行驶路径中，每条路径上行驶一辆车辆，因此，车辆行驶路径中的子路径数量等于进行路径规划时使用的车辆数量。判断车辆行驶路径中的子路径数量是否等于预先给定的车辆数量，就是判断进行路径规划时使用的车辆数量是否等于预先给定的车辆数量。
具体的，可以采用下述步骤1-步骤3计算基于该子路径上的每个站点计算路径拆分前和拆分后的拆分成本：
步骤1、删除该子路径中该站点之后的路径，并计算该站点之后的路径被删除时减少的第一成本。
步骤2、根据该站点之后的路径被删除时释放的每个空闲站点，使用启发式规划算法生成新的子路径，并计算生成所述新的子路径增加的第二成本。
步骤3、根据所述第一成本和所述第二成本，得到路径拆分前和拆分后的所述拆分成本。
S303：在所述拆分成本最低的站点处，对所属的子路径进行拆分，直至所述车辆行驶路径中的子路径数量等于预先给定的车辆数量，将得到的一组车辆行驶路径作为路径规划结果。
在进行拆分时，可以采用任一种常用的启发式规划算法生成车辆行驶路径，例如，遗传算法、模拟退火算法、蚁群算法、元启发式算法和超启发式算法等。也可以在生成新的子路径时，采用下述A-C三种可能的实施方式，从而减少对车辆行驶路径进行拆分的次数，提升车辆行驶路径拆分方法的运算效率。
A：一种可能的实施方式中，在生成新的子路径时，从每个空闲站点中，为未被分配路径的车辆分别分配一个必经站点参数，将所述必经站点参数输入启发式规划算法中执行，生成新的子路径。必经站点上述必经站点可以随机分配，也可以按照距离等原则选择较为适宜的站点作为必经站点。
生成的新的子路径中，包括每个未被分配路径的车辆的必经站点，这样可以强制所有的未被分配路径的车辆在生成新的子路径时全部被用上。
B：在另一种可能的实施方式中，在生成新的子路径时，根据该站点之后的路径被删除时释放的未被运载的空闲需求量，为未被分配路径的车辆分别设定车载容量参数，使未被分配路径的车辆的车载容量参数的总和与所述空闲需求量之间的容量差值，小于每个未被分配路径的车辆的车载容量参数；将所述车载容量参数输入启发式规划算法中执行，生成新的子路径。
这样，只有将每个未被分配路径的车辆全部用上，其车载容量参数才能满足该站点之后的路径被删除时，释放的未被运载的空闲需求量对运力的要求，可以强制将所有的未被分配路径的车辆在生成新的子路径时全部被用上，减少对车辆行驶路径进行拆分的次数。
C：在另一种可能的实施方式中，为每个未被分配路径的车辆分别设置费用成本参数；将每个所述费用成本参数输入启发式规划算法中执行，生成新的子路径。
优选的，可以在生成新的子路径时，将每个未被分配路径的车辆的费用成本参数设置为负数。
这样，每多使用一辆车辆，得到的路径规划结果中车辆使用的总费用成本参数就会降低，为了使路径规划结果中车辆使用的总费用成本参数尽可能的降低，可以将所有未被分配路径的车辆在生成新的子路径时全部被用上。
实施例二
如图4所示，本申请实施例二提供的车辆行驶路径规划方法，包括：
S401：生成初始车辆行驶路径。
针对每个未分配车辆行驶路径的站点，依次将该站点加入到当前轮规划得到的最优的车辆行驶路径和次优的车辆行驶路径中，计算该站点加入上述最优的车辆行驶路径和次优的车辆行驶路径中后，两条路径增加的成本差值，选择每个未分配车辆行驶路径的站点中上述成本差值最大的站点，分配到当前轮规划得到的最优的车辆行驶路径中；迭代进行时上述步骤，直至每个站点均被分配到车辆行驶路径中。
S402：判断本实施例提供的车辆行驶路径规划方法迭代执行的次数是否等于预设的次数阈值。
S403：如果迭代执行的次数小于预设的次数阈值，对车辆行驶路径进行优化。
具体的，对车辆行驶路径进行优化的步骤包括：随机释放车辆行驶路径中的至少一个站点，为释放得到的所述至少一个站点，使用启发式规划算法生成新的子路径。
一种可能的实施方式中，可以使用路径优化策略对对车辆行驶路径进行优化。
具体的，一组路线优化策略包括破坏(ruin)步骤和重建(recreate)步骤。ruin步骤为选择将若干个站点从已经生成的车辆行驶路径中释放出来；recreate步骤为根据释放出的站点重新进行路径规划。使用recreate步骤对ruin步骤释放出的站点进行重新规划时，可能得到与ruin步骤之前的车辆行驶路径一样的路径规划结果，也可能得到不同的路径规划结果。
表1给出了ruin步骤可以采用的方法。
表1 ruin步骤的实现方式
Figure BDA0002052601940000101
Figure BDA0002052601940000111
表2给出了recreate步骤可以采用的方法。
表2 recreate步骤的实现方式
方式名称 实现方式
后悔(regret) 选择使最优路径和次优路径成本差距最大的点
最佳(best) 选择成本最小的点
将ruin步骤和recreate步骤结合起来，就可以形成一组路线优化策略，表3给出了路线优化策略的所有可能的组合方式。
表3路线优化策略的组合方式
组合方式名称 ruin步骤 recreate步骤
radial_best radial best
radial_regret radial regret
random_best random best
random_regret random regret
worst_best worst best
worst_regret worst regret
clusters_best clusters best
clusters_regret clusters regret
string_best string best
string_regret string regret
在一种可能的实施方式中，可以给上述10种路线规划策略各分配10种路线规划策略分别对应的权重，然后根据10种路线规划策略和10种路线规划策略分别对应的权重，采用任一种可能的随机算法，例如轮盘赌算法，从上述10种路线规划策略中随机选择一种路线规划策略，对车辆行驶路径进行优化。
另外，步骤S401中生成初始车辆行驶路径的方法，也可以使用上述recreate步骤中的任一种方式实现。
承接上述步骤S403，接下来介绍步骤S404的内容。
S404：判断车辆行驶路径中的子路径数量是否等于预先给定的车辆数量。
S405：如果车辆行驶路径中的子路径数量不等于预先给定的车辆数量，针对每条子路径，基于该子路径上的每个站点计算路径拆分前和拆分后的拆分成本，确定拆分成本最低的站点；在所述拆分成本最低的站点处，对所属的子路径进行拆分，直至所述车辆行驶路径中的子路径数量等于预先给定的车辆数量车辆行驶路径中的子路径数量。
具体的，可以采用如图5所示的步骤计算基于该子路径上的每个站点计算路径拆分前和拆分后的拆分成本：
S501：删除该子路径中该站点之后的路径，并计算该站点之后的路径被删除时减少的第一成本。
这里，第一成本可以根据不同应用场景确定，例如：第一成本可以为：车辆行驶的距离成本、车辆行驶的时间成本、车辆的使用成本等等中的至少一种。
其中，车辆行驶的距离成本为车辆行驶路径的长度，此时，第一成本为该站点之后被删除的路径的长度。
第一成本为车辆行驶的时间成本时，第一成本可以为车辆经过被删除的路径所用的时长。由于不同车辆的平均速度不同，可以以不同车辆的平均速度为参数，得到车辆经过被删除的路径所用的时长。
在车辆行驶过程中，会产生油耗、磨损等成本，所以当第一成本为车辆的使用成本时，输入的参数为不同车辆行驶单位长度产生的使用成本，此时，第一成本为车辆行驶被删除的路径的长度时产生的使用成本。
S502：根据该站点之后的路径被删除时释放的每个空闲站点，使用启发式规划算法生成新的子路径，并计算生成所述新的子路径增加的第二成本。
同样的，第二成本也可以根据不同应用场景确定，例如：第二成本可以为：车辆行驶的距离成本、车辆行驶的时间成本、车辆的使用成本等等中的至少一种。
其中，车辆行驶的距离成本为车辆行驶路径的长度，此时，第二成本为生成的新的子路径的长度。
第二成本为车辆行驶的时间成本时，第二成本可以为车辆经过新的子路径的时长。同样可以以不同车辆的平均速度为参数，得到车辆经过新的子路径所用的时长。
同理，当第二成本为车辆的使用成本时，输入的参数为不同车辆行驶单位长度产生的使用成本，此时，第二成本为车辆驶过新的子路径长度时产生的使用成本。
S503：根据所述第一成本和所述第二成本，得到路径拆分前和拆分后的所述拆分成本。
具体的，当上述第一成本和第二成本均为正数时，可以使用第二成本减去第一成本的差值，作为基于该路径的该站点进行路径拆分时的拆分成本。
在进行拆分时，可以采用任一种常用的路径规划方法生成新的子路径，例如直接采用上述recreate步骤生成新的子路径，或者采用上述10种路线规划策略中的一种生成新的子路径。
如果，直接采用上述recreate步骤生成新的子路径，或者采用上述10种路线规划策略中的一种生成新的子路径，生成的新的子路径中的路径数量与原车辆行驶路径中的子路径数量之和，仍不能保证等于预先给定的车辆数量。因此，需要判断拆分得到的车辆行驶路径中的子路径数量是否等于预先给定的车辆数量，如果否，返回对所述车辆行驶路径进行拆分的步骤。直至拆分得到的车辆行驶路径中的子路径数量等于预先给定的车辆数量，也就是车辆行驶路径中将所有预先给定的车辆全部用上为止。
承接上述步骤S405，接下来介绍步骤S406的内容。
S406：如果车辆行驶路径中的子路径数量等于预先给定的车辆数量，将得到的一组车辆行驶路径作为路径规划结果，加入存储了路径规划结果的可行路径集中。
上述一组车辆行驶路径包括至少一条子路径。并且，如果优化后的车辆行驶路径中的子路径数量等于预先给定的车辆数量，无需进行子路径拆分，无需执行生成新的子路径的操作，直接将优化后的车辆行驶路径作为路径规划结果，加入存储了路径规划结果的可行路径集中。
S407：如果迭代执行的次数等于预设的次数阈值，针对每组车辆行驶路径，计算该组车辆行驶路径的成本；根据计算出的每组车辆行驶路径的成本从中确定一组作为路径规划结果。
具体的，车辆行驶路径的成本可以根据不同应用场景确定，例如车辆行驶路径的成本可以为：车辆行驶的距离成本、车辆行驶的时间成本、车辆的使用成本等等中的至少一种。
其中，车辆行驶路径的成本为车辆行驶的距离成本时，每组车辆行驶路径的成本为该组车辆行驶路径中包含的每条子路径的总里程。选择可行路径集中，上述总里程最短的车辆行驶路径作为路径规划结果。
车辆行驶路径的成本为车辆行驶的时间成本时，每组车辆行驶路径的成本为该组车辆行驶路径中，车辆行驶过每条子路径所需的总时间。选择可行路径集中，上述总时间最少的车辆行驶路径作为路径规划结果。
车辆行驶路径的成本为车辆的使用成本时，每组车辆行驶路径的成本为该组车辆行驶路径中，车辆行驶过每条子路径所需的总使用成本。选择可行路径集中，上述总使用成本最小的车辆行驶路径作为路径规划结果。
使用本申请实施例提供的车辆行驶路径规划方法，对需要同时考虑车辆数量、车辆容量、车辆费用或站点等中至少两项实际限制条件进行路径规划的场景时，例如，对如图1所示的，包含3个车辆、1个起点和100个站点的场景进行路径规划，可以得到如图6所示的路径规划结果，图6所示的车辆行驶路径将给定的3个车辆全部用上，在保证路径较优的情况下，使路径的使用效率最大化。从而在兼顾实际使用需求的基础上，达到使路径优且效率高的均衡效果。
实施例三
如图7所示，本申请实施例三提供的车辆行驶路径规划方法，包括：
S701：生成初始车辆行驶路径。
S702：判断本实施例提供的车辆行驶路径规划方法迭代执行的次数是否等于预设的次数阈值。
S703：如果迭代执行的次数小于预设的次数阈值，对车辆行驶路径进行优化，在优化时，保证每个车辆至少保留一个站点。
具体的，对车辆行驶路径进行优化的步骤包括：随机释放车辆行驶路径中的至少一个站点，并保证每个车辆至少保留一个站点；为释放得到的所述至少一个站点，使用启发式规划算法生成新的子路径。
可以使用实施例一中提供的路径优化策略对车辆行驶路径进行优化。
S704：判断车辆行驶路径中的子路径数量是否等于预先给定的车辆数量。
S705：如果车辆行驶路径中的子路径数量不等于预先给定的车辆数量，针对每条子路径，基于该子路径上的每个站点计算路径拆分前和拆分后的拆分成本，确定拆分成本最低的站点。
S706：从每个空闲站点中，为未被分配路径的车辆分别分配一个必经站点参数，将所述必经站点参数输入启发式规划算法中执行，生成新的子路径。
S707：如果车辆行驶路径中的子路径数量等于预先给定的车辆数量，将得到的一组车辆行驶路径作为路径规划结果，加入存储了路径规划结果的可行路径集中。
S708：如果迭代执行的次数等于预设的次数阈值，针对每组车辆行驶路径，计算该组车辆行驶路径的成本；根据计算出的每组车辆行驶路径的成本从中确定一组作为路径规划结果。
实施例四
如图8所示，本申请实施例四提供的车辆行驶路径规划方法，包括：
S801：生成初始车辆行驶路径。
S802：判断本实施例提供的车辆行驶路径规划方法迭代执行的次数是否等于预设的次数阈值。
S803：如果迭代执行的次数小于预设的次数阈值，对车辆行驶路径进行优化。
具体的，对车辆行驶路径进行优化的步骤包括：随机释放车辆行驶路径中的至少一个站点，为释放得到的所述至少一个站点，使用启发式规划算法生成新的子路径。
可以使用实施例一中提供的路径优化策略对车辆行驶路径进行优化。
S804：判断车辆行驶路径中的子路径数量是否等于预先给定的车辆数量。
S805：如果车辆行驶路径中的子路径数量不等于预先给定的车辆数量，针对每条子路径，基于该子路径上的每个站点计算路径拆分前和拆分后的拆分成本，确定拆分成本最低的站点。
S806：根据该站点之后的路径被删除时释放的未被运载的空闲需求量，为未被分配路径的车辆分别设定车载容量参数，使未被分配路径的车辆的车载容量参数的总和与所述空闲需求量之间的容量差值，小于每个未被分配路径的车辆的车载容量参数；将所述车载容量参数输入启发式规划算法中执行，生成新的子路径。
S807：如果车辆行驶路径中的子路径数量等于预先给定的车辆数量，将得到的一组车辆行驶路径作为路径规划结果，加入存储了路径规划结果的可行路径集中。
S808：如果迭代执行的次数等于预设的次数阈值，针对每组车辆行驶路径，计算该组车辆行驶路径的成本；根据计算出的每组车辆行驶路径的成本从中确定一组作为路径规划结果。
实施例五
如图9所示，本申请实施例五提供的车辆行驶路径规划方法，包括：
S901：生成初始车辆行驶路径。
S902：判断本实施例提供的车辆行驶路径规划方法迭代执行的次数是否等于预设的次数阈值。
S903：如果迭代执行的次数小于预设的次数阈值，对车辆行驶路径进行优化。
具体的，对车辆行驶路径进行优化的步骤包括：随机释放车辆行驶路径中的至少一个站点，为释放得到的所述至少一个站点，使用启发式规划算法生成新的子路径。
可以使用实施例一中提供的路径优化策略对车辆行驶路径进行优化。
S904：判断车辆行驶路径中的子路径数量是否等于预先给定的车辆数量。
S905：如果车辆行驶路径中的子路径数量不等于预先给定的车辆数量，针对每条子路径，基于该子路径上的每个站点计算路径拆分前和拆分后的拆分成本，确定拆分成本最低的站点。
S906：为每个未被分配路径的车辆分别设置费用成本参数；将每个所述费用成本参数输入启发式规划算法中执行，生成新的子路径。
S907：如果车辆行驶路径中的子路径数量等于预先给定的车辆数量，将得到的一组车辆行驶路径作为路径规划结果，加入存储了路径规划结果的可行路径集中。
S908：如果迭代执行的次数等于预设的次数阈值，针对每组车辆行驶路径，计算该组车辆行驶路径的成本；根据计算出的每组车辆行驶路径的成本从中确定一组作为路径规划结果。
基于相同的设计构思，本申请实施例还提供一种车辆行驶路径规划装置、电子设备和可读存储介质。
实施例六
如图10所示，本申请实施例提供了一种车辆行驶路径规划装置1000，包括：
路径规划模块1001，用于根据起点和站点集使用启发式规划算法生成车辆行驶路径；所述站点集包括车辆行驶过程中需要经过的全部站点，所述全部站点包含于生成的车辆行驶路径中，其中车辆行驶路径中的每条子路径由起点出发且经过至少一个所述站点；
第一判断模块1002，用于判断所述车辆行驶路径中的子路径数量是否等于预先给定的车辆数量；
路径拆分模块1003，在所述车辆行驶路径中的子路径数量小于预先给定的车辆数量时，针对每条子路径，基于该子路径上的每个站点计算路径拆分前和拆分后的拆分成本，确定拆分成本最低的站点；在所述拆分成本最低的站点处，对所属的子路径进行拆分，直至所述车辆行驶路径中的子路径数量等于预先给定的车辆数量，将得到的一组车辆行驶路径作为路径规划结果。
一种可能的实施方式中，路径拆分模块1003，还用于：
删除该子路径中该站点之后的路径，并计算该站点之后的路径被删除时减少的第一成本；
根据该站点之后的路径被删除时释放的每个空闲站点，使用启发式规划算法生成新的子路径，并计算生成所述新的子路径增加的第二成本；
根据所述第一成本和所述第二成本，得到路径拆分前和拆分后的所述拆分成本。
一种可能的实施方式中，本申请实施例还提供了一种车辆行驶路径规划装置1100，除路径规划模块1101、第一判断模块1102和路径拆分模块1103之外，车辆行驶路径规划装置1100还包括：
路径优化模块1104，用于随机释放车辆行驶路径中的至少一个站点，为释放得到的所述至少一个站点，使用启发式规划算法生成新的子路径；
第二判断模块1105，还用于在所述车辆行驶路径中的子路径数量等于预先给定的车辆数量之后，判断执行次数是否等于预设的次数阈值；其中，每次执行得到一组车辆行驶路径，得到的每组车辆行驶路径中的子路径数量等于预先给定的车辆数量；
路径选择模块1106，用于针对每组车辆行驶路径，计算该组车辆行驶路径的成本；根据计算出的每组车辆行驶路径的成本从中确定一组作为路径规划结果。
一种可能的实施方式中，路径拆分模块1103，还用于：
从每个所述空闲站点中，为未被分配路径的车辆分别分配一个必经站点参数，将所述必经站点参数输入启发式规划算法中执行，生成新的子路径；所述新的子路径中分别包含所述必经站点。
一种可能的实施方式中，路径优化模块1104，用于随机释放车辆行驶路径中的至少一个站点，同时保证每个车辆至少保留一个站点；为释放得到的所述至少一个站点，使用启发式规划算法生成新的子路径；
第二判断模块1105，还用于在所述车辆行驶路径中的子路径数量等于预先给定的车辆数量之后，判断执行次数是否等于预设的次数阈值；其中，每次执行得到一组车辆行驶路径，得到的每组车辆行驶路径中的子路径数量等于预先给定的车辆数量；
路径选择模块1106，用于针对每组车辆行驶路径，计算该组车辆行驶路径的成本；根据计算出的每组车辆行驶路径的成本从中确定一组作为路径规划结果。
一种可能的实施方式中，路径拆分模块1103，还用于：
根据该站点之后的路径被删除时释放的未被运载的空闲需求量，为未被分配路径的车辆分别设定车载容量参数，使未被分配路径的车辆的车载容量参数的总和与所述空闲需求量之间的容量差值，小于每个未被分配路径的车辆的车载容量参数；将所述车载容量参数输入启发式规划算法中执行，生成新的子路径。
一种可能的实施方式中，路径拆分模块1103，还用于：
为每个未被分配路径的车辆分别设置费用成本参数；将每个所述费用成本参数输入启发式规划算法中执行，生成新的子路径。
实施例七
如图12所示，本申请实施例还提供一种电子设备1200，包括存储器1201、处理器1202及存储在存储器1201上并可在处理器1202上运行的计算机程序，所述处理器1202执行所述程序时可以用于实现本申请实施例一或实施例五中的步骤。
实施例八
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请实施例一或实施例五中的步骤。
综上所述，以上仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种车辆行驶路径规划方法，其特征在于，包括：
根据起点和站点集使用启发式规划算法生成车辆行驶路径；所述站点集包括车辆行驶过程中需要经过的全部站点，所述全部站点包含于生成的车辆行驶路径中，其中车辆行驶路径中的每条子路径由起点出发且经过至少一个所述站点；
在所述车辆行驶路径中的子路径数量小于预先给定的车辆数量时，针对每条子路径，基于该子路径上的每个站点计算路径拆分前和拆分后的拆分成本，确定拆分成本最低的站点；
在所述拆分成本最低的站点处，对所属的子路径进行拆分，直至所述车辆行驶路径中的子路径数量等于预先给定的车辆数量，将得到的一组车辆行驶路径作为路径规划结果。
2.根据权利要求1所述的方法，其特征在于，所述基于该子路径上的每个站点计算路径拆分前和拆分后的拆分成本的步骤，为：
删除该子路径中该站点之后的路径，并计算该站点之后的路径被删除时减少的第一成本；
根据该站点之后的路径被删除时释放的每个空闲站点，使用启发式规划算法生成新的子路径，并计算生成所述新的子路径增加的第二成本；
根据所述第一成本和所述第二成本，得到路径拆分前和拆分后的所述拆分成本。
3.根据权利要求1所述的方法，其特征在于，在所述根据起点和站点集使用启发式规划算法生成车辆行驶路径之后，在判断所述车辆行驶路径中的子路径数量是否等于预先给定的车辆数量之前，所述方法，还包括：
随机释放车辆行驶路径中的至少一个站点，为释放得到的所述至少一个站点，使用启发式规划算法生成新的子路径；
在所述车辆行驶路径中的子路径数量等于预先给定的车辆数量之后，所述方法还包括：
返回执行随机释放车辆行驶路径中的至少一个站点的步骤，直至执行次数等于预设的次数阈值；其中，每次执行得到一组车辆行驶路径，得到的每组车辆行驶路径中的子路径数量等于预先给定的车辆数量；
针对每组车辆行驶路径，计算该组车辆行驶路径的成本；根据计算出的每组车辆行驶路径的成本从中确定一组作为路径规划结果。
4.根据权利要求2所述的方法，其特征在于，所述生成新的子路径的步骤，为：
从每个所述空闲站点中，为未被分配路径的车辆分别分配一个必经站点参数，将所述必经站点参数输入启发式规划算法中执行，生成新的子路径；所述新的子路径中分别包含所述必经站点。
5.根据权利要求4所述的方法，其特征在于，在所述根据起点和站点集使用启发式规划算法生成车辆行驶路径之后，在判断所述车辆行驶路径中的子路径数量是否等于预先给定的车辆数量之前，所述方法，还包括：
随机释放车辆行驶路径中的至少一个站点，同时保证每个车辆至少保留一个站点；为释放得到的所述至少一个站点，使用启发式规划算法生成新的子路径；
在所述车辆行驶路径中的子路径数量等于预先给定的车辆数量之后，所述方法还包括：
返回执行随机释放车辆行驶路径中的至少一个站点的步骤，直至执行次数等于预设的次数阈值；其中，每次执行得到一组车辆行驶路径，得到的每组车辆行驶路径中的子路径数量等于预先给定的车辆数量；
针对每组车辆行驶路径，计算该组车辆行驶路径的成本；根据计算出的每组车辆行驶路径的成本从中确定一组作为路径规划结果。
6.根据权利要求2所述的方法，其特征在于，所述生成新的子路径的步骤，为：
根据该站点之后的路径被删除时释放的未被运载的空闲需求量，为未被分配路径的车辆分别设定车载容量参数，使未被分配路径的车辆的车载容量参数的总和与所述空闲需求量之间的容量差值，小于每个未被分配路径的车辆的车载容量参数；
将所述车载容量参数输入启发式规划算法中执行，生成新的子路径。
7.根据权利要求2所述的方法，其特征在于，所述生成新的子路径的步骤，为：
为每个未被分配路径的车辆分别设置费用成本参数；
将每个所述费用成本参数输入启发式规划算法中执行，生成新的子路径。
8.一种车辆行驶路径规划装置，其特征在于，包括：
路径规划模块，用于根据起点和站点集使用启发式规划算法生成车辆行驶路径；所述站点集包括车辆行驶过程中需要经过的全部站点，所述全部站点包含于生成的车辆行驶路径中，其中车辆行驶路径中的每条子路径由起点出发且经过至少一个所述站点；
判断模块，用于判断所述车辆行驶路径中的子路径数量是否等于预先给定的车辆数量；
路径拆分模块，用于针对每条子路径，基于该子路径上的每个站点计算路径拆分前和拆分后的拆分成本，确定拆分成本最低的站点；还用于在所述拆分成本最低的站点处，对所属的子路径进行拆分，直至所述车辆行驶路径中的子路径数量等于预先给定的车辆数量。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-7任一项所述的方法步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7任一项所述的方法步骤。
CN201910378703.0A 2019-05-08 2019-05-08 车辆行驶路径规划方法、装置、电子设备和可读存储介质 Pending CN111912420A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910378703.0A CN111912420A (zh) 2019-05-08 2019-05-08 车辆行驶路径规划方法、装置、电子设备和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910378703.0A CN111912420A (zh) 2019-05-08 2019-05-08 车辆行驶路径规划方法、装置、电子设备和可读存储介质

Publications (1)

Publication Number Publication Date
CN111912420A true CN111912420A (zh) 2020-11-10

Family

ID=73242979

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910378703.0A Pending CN111912420A (zh) 2019-05-08 2019-05-08 车辆行驶路径规划方法、装置、电子设备和可读存储介质

Country Status (1)

Country Link
CN (1) CN111912420A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112580849A (zh) * 2020-11-13 2021-03-30 重庆恢恢信息技术有限公司 根据区块链网络进行建筑工地车辆调度工作方法
CN115235501A (zh) * 2022-09-20 2022-10-25 江苏天一航空工业股份有限公司 一种物流散装货物装载车行驶轨迹规划控制系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100090927A (ko) * 2009-02-09 2010-08-18 부산대학교 산학협력단 복수개의 자원을 점유하는 무인 반송차의 동적 주행방법
US20150168158A1 (en) * 2012-12-28 2015-06-18 General Electric Company System and method for determining operational group assignments of vehicles in a vehicle system
CN105184393A (zh) * 2015-08-25 2015-12-23 广州新软计算机技术有限公司 一种复杂路径下辅助路径还原方法
CN106326998A (zh) * 2015-06-29 2017-01-11 株式会社日立制作所 路径规划方法和路径规划装置
CN106643761A (zh) * 2016-11-16 2017-05-10 北京京东尚科信息技术有限公司 一种车辆路径规划的方法及系统
CN108280575A (zh) * 2018-01-22 2018-07-13 哈尔滨工业大学 一种应急疏散车辆多批次调度决策方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100090927A (ko) * 2009-02-09 2010-08-18 부산대학교 산학협력단 복수개의 자원을 점유하는 무인 반송차의 동적 주행방법
US20150168158A1 (en) * 2012-12-28 2015-06-18 General Electric Company System and method for determining operational group assignments of vehicles in a vehicle system
CN106326998A (zh) * 2015-06-29 2017-01-11 株式会社日立制作所 路径规划方法和路径规划装置
CN105184393A (zh) * 2015-08-25 2015-12-23 广州新软计算机技术有限公司 一种复杂路径下辅助路径还原方法
CN106643761A (zh) * 2016-11-16 2017-05-10 北京京东尚科信息技术有限公司 一种车辆路径规划的方法及系统
CN108280575A (zh) * 2018-01-22 2018-07-13 哈尔滨工业大学 一种应急疏散车辆多批次调度决策方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈小潘;孔云峰;郑泰皓;郑珊珊;: "需求可拆分校车路径问题的元启发式算法", 计算机科学, no. 10, 31 October 2016 (2016-10-31) *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112580849A (zh) * 2020-11-13 2021-03-30 重庆恢恢信息技术有限公司 根据区块链网络进行建筑工地车辆调度工作方法
CN115235501A (zh) * 2022-09-20 2022-10-25 江苏天一航空工业股份有限公司 一种物流散装货物装载车行驶轨迹规划控制系统及方法
CN115235501B (zh) * 2022-09-20 2022-12-09 江苏天一航空工业股份有限公司 一种物流散装货物装载车行驶轨迹规划控制系统及方法

Similar Documents

Publication Publication Date Title
CN109933089B (zh) 基于最小化最大能量消耗的多无人机任务规划方法及装置
CN104931063B (zh) 路径规划方法
CN107144287B (zh) 一种电动车的出行规划方法和装置
Storandt Route planning for bicycles—exact constrained shortest paths made practical via contraction hierarchy
WO2021061094A1 (en) System and method for routing optimization
CN103339664B (zh) 充电器配置计划支持装置、充电器配置计划支持方法
CN113758494B (zh) 导航路径规划方法、装置、设备和存储介质
CN107203824B (zh) 一种拼车订单分配方法及装置
Alves et al. Using genetic algorithms to minimize the distance and balance the routes for the multiple traveling salesman problem
CN107101645B (zh) 一种路径规划方法及路径规划装置
Coltin et al. Scheduling for transfers in pickup and delivery problems with very large neighborhood search
CN111912420A (zh) 车辆行驶路径规划方法、装置、电子设备和可读存储介质
JP2016141361A (ja) 車両の制御装置
CN115079701A (zh) 一种无人车与无人机协同的路径规划方法
CN114399125A (zh) 车队最优轨迹控制方法、装置、电子设备及存储介质
KR102532433B1 (ko) 운송 수단과 드론을 사용한 병렬 배송의 최적 해를 탐색하기 위한 rgso 스케줄링 최적화 방법 및 시스템
CN117308945B (zh) 基于准确交通管控的无人天车动态路径规划方法及系统
JP2004246864A (ja) 物流搬送システム
CN111536985B (zh) 规划路线的评价方法、装置、电子设备及存储介质
CN116341694A (zh) 一种充电规划方法及系统
KR20160050889A (ko) 충전기 선택 메카니즘을 갖는 전기 자동차의 투어 스케줄러
CN111678530B (zh) 拼车路径确定方法及装置
CN114779758A (zh) 无人机与无人车异构协同系统的路径规划方法
CN111208815B (zh) 将多个搬运任务分配至多个自动搬运车的方法及相关装置
CN110334723B (zh) 一种动态增加的行李取送订单调度方法

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