CN112129305B - 车辆导航方法、系统、装置和存储介质 - Google Patents
车辆导航方法、系统、装置和存储介质 Download PDFInfo
- Publication number
- CN112129305B CN112129305B CN202011004571.4A CN202011004571A CN112129305B CN 112129305 B CN112129305 B CN 112129305B CN 202011004571 A CN202011004571 A CN 202011004571A CN 112129305 B CN112129305 B CN 112129305B
- Authority
- CN
- China
- Prior art keywords
- route
- candidate
- load
- overload
- traffic load
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012423 maintenance Methods 0.000 claims description 78
- 230000008439 repair process Effects 0.000 claims description 39
- 238000013507 mapping Methods 0.000 claims description 4
- 239000000758 substrate Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 15
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 13
- 238000013461 design Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000005906 menstruation Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
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
本申请公开了一种车辆导航方法、系统、装置和存储介质,可以应用在导航技术和自动驾驶技术之中,该导航方法包括以下步骤:根据起始地和目的地获取多个候选路线;获取各所述候选路线当前的车流负荷量和预设的车流负荷量,根据所述当前的车流负荷量和所述预设的车流负荷量确定超载负荷量;获取各所述候选路线的超载负荷阈值;从所述超载负荷量小于所述超载负荷阈值的所述候选路线中选择推荐路线。本申请可以分配车流,向用户推荐驾驶环境较为安全的路线。
Description
技术领域
本申请涉及导航技术,尤其是一种车辆导航方法、系统、装置和存储介质。
背景技术
随着导航技术的发展,车辆导航几乎已经成为了车主出行的标配,而在自动驾驶中,车辆导航技术更是必不可少的。目前的导航软件在推荐驾驶路线时,主要是以路线长短和通行时间作为决策因素。但是这样的推荐方式是存在盲目性的,会使得道路资源得不到优化。在相关技术中,也有根据道路车流量来进行路线推荐的导航技术,但是这些技术虽然在一定程度上可以优化道路资源的利用率,但是忽视了车流本身对道路的维护以及道路的行车安全的影响。在现实中,道路达到一定的负荷程度以后,影响行车安全的不光只有道路上车的数量。在同等车流量的情况下,行驶有大货车的道路和只行驶有小汽车的道路相比,行驶有大货车的道路会更加危险,同时,行驶大货车的道路路面状态相对更差,对汽车驾驶造成的安全威胁更大。而相关技术往往只考虑车流的数量,导致在某些情况下,相关技术会向用户推荐安全性较差的路线。
发明内容
为解决上述技术问题的至少之一,本申请提供了一种车辆导航方法、系统、装置和存储介质,以向用户推荐相对安全的路线。
根据本申请的一方面,提供了一种车辆导航方法,包括以下步骤:
根据起始地和目的地获取多个候选路线;
获取各所述候选路线当前的车流负荷量和预设的车流负荷量,其中,所述车流负荷量用于表征单位时间内行经所述候选路线的车辆总质量;
根据所述候选路线的所述当前的车流负荷量和所述预设的车流负荷量确定路线负荷量;
根据所述路线负荷量从所述候选路线中选择推荐路线。
根据本申请的另一方面,提供了一种自动驾驶方法,包括以下步骤:根据起始地和目的地获取多个候选路线;获取各所述候选路线当前的车流负荷量和预设的车流负荷量,其中,所述车流负荷量为单位时间内行经所述候选路线的车辆总质量;根据所述候选路线的所述当前的车流负荷量和所述预设的车流负荷量确定路线负荷量;根据所述路线负荷量从所述候选路线中选择行驶路线;根据所述行驶路线执行自动驾驶。
根据本申请的另一方面,提供了一种车辆导航系统,包括:第一候选路线获取单元,用于根据起始地和目的地获取多个候选路线;第一车流负荷量获取单元,用于获取各所述候选路线当前的车流负荷量和预设的车流负荷量,其中,所述车流负荷量用于表征单位时间内行经所述候选路线的车辆总质量;第一超载负荷量确定单元,用于根据所述候选路线的所述当前的车流负荷量和所述预设的车流负荷量确定路线负荷量;推荐路线选择单元,用于根据所述路线负荷量从所述候选路线中选择推荐路线。
根据本申请的另一方面,提供了一种自动驾驶系统,包括:第二候选路线获取单元,用于根据起始地和目的地获取多个候选路线;第二车流负荷量获取单元,用于获取各所述候选路线当前的车流负荷量和预设的车流负荷量,其中,所述车流负荷量用于表征单位时间内行经所述候选路线的车辆总质量;第二超载负荷量确定单元,用于根据所述候选路线的所述当前的车流负荷量和所述预设的车流负荷量确定超载负荷量;第二超载负荷阈值获取单元,用于获取各所述候选路线的超载负荷阈值;行驶路线选择单元,用于从所述超载负荷量小于所述超载负荷阈值的所述候选路线中选择行驶路线;执行单元,用于根据所述行驶路线执行自动驾驶。
根据本申请的另一方面,提供了一种车辆导航装置,包括:程序;存储器,用于存储所述程序;处理器,用于加载所述程序以执行车辆导航方法。
根据本申请的另一方面,提供了一种自动驾驶装置,包括:程序;存储器,用于存储所述程序;处理器,用于加载所述程序以执行所述的自动驾驶方法。
根据本申请的另一方面,提供了一种计算机可读存储介质,其存储有程序,所述程序被处理器执行时实现车辆导航方法或者自动驾驶方法。
本申请实施例的有益效果是,基于当前的车流负荷量和所述预设的车流负荷量确定路线负荷量,可以反映出候选路线当前的负荷程度,再根据路线负荷量来选择推荐路线,可以为用户推荐负荷相对合理的行驶路线,尽量避免将用户引导至负荷程度不合理的路线上,故本申请实施例可以提升用户的行驶安全。
附图说明
图1为根据本申请实施例提供的一种车辆导航方法的流程图;
图2为根据本申请实施例提供的一种车辆导航系统的模块框图;
图3为根据本申请实施例提供的另一种车辆导航方法的流程图;
图4a为根据本申请实施例提供的一种车辆导航软件的起始地和目的地输入界面的示意图;图4b为根据本申请实施例提供的一种导航地图的示意图;
图5a为根据本申请实施例提供的导航软件的一种界面的示意图;图5b为根据本申请实施例提供的导航软件的另一种界面的示意图;
图6为根据本申请实施例提供的步骤140的一种子步骤流程图;
图7为根据本申请实施例提供的步骤610的一种子步骤流程图;
图8为根据本申请实施例提供的步骤150的一种子步骤流程图;
图9为根据本申请实施例提供的候选路线的权重映射到区间的示意图;
图10为根据本申请实施例提供的步骤120的一种子步骤流程图;
图11为根据本申请实施例提供的通过车载摄像头统计车流负荷量的示意图;
图12为根据本申请实施例提供的步骤120的另一种子步骤流程图;
图13为根据本申请实施例提供的通过车载摄像头识别道路类型的示意图;
图14为根据本申请实施例提供的另一种车辆导航方法的流程图;
图15a、图15b、图15c和图15d为根据本申请实施例提供的用于仿真实验的路线示意图;
图16为根据本申请实施例提供的一种自动驾驶方法的流程图;
图17a和图17b为根据本申请实施例提供的车载终端的导航界面示意图;
图18为根据本申请实施例提供的一种车辆导航的模块框图;
图19为根据本申请实施例提供的一种自动驾驶系统的模块框图;
图20为根据本申请实施例提供的一种服务器的模块框图;
图21为根据本申请实施例提供的一种装置的模块框图。
具体实施方式
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
对本申请实施例进行进一步详细说明之前,对本申请实施例中涉及的名词和术语进行说明,本申请实施例中涉及的名词和术语适用于如下的解释。
行经:含义为行进途中经过,在单位时间内行经某路线的可以是在单位时间内有至少一个时刻在该路线上。
车流负荷量:用于表征单位时间内行经某路线的车辆总质量。其中,车流负荷量可以解释为单位时间内行经该路线的车辆总质量,也可以解释为和单位时间内行经该路线的车辆总质量具有映射关系,例如,正比关系。根据统计口径的不同该映射关系是可以不同的。
路线负荷量:用于描述路线的负荷程度。其中,路线负荷量可以用超载负荷量表示,也可以用车流量裕量表示,其中,车流量裕量用于描述当前的路线与预设(设计)的车流负荷量和当前的车流负荷量之间的裕度,即描述路线当前还可以容纳的车流负荷量的大小,车流量裕量的可以用预设的车流负荷量和当前的车流负荷量之差来表示。例如,当前的车流负荷量为80T/min(吨/分钟),预设的车流负荷量为100T/min,在该例子中,车流量裕量为100-80=20T/min。车流量裕量也可以用预设的车流负荷量和当前的车流负荷量之比表示,或者用预设的车流负荷量和当前的车流负荷量之比和1的差表示。
超载:在本申请中用于描述路线、公路、道路等的“超载”,应当理解为公路负荷超过公路原先设计的承载能力的含义。
超载负荷量:用于描述某路线的超载程度。其中,超载负荷量可以通过某路线当前的车流负荷量和预设的车流负荷量之差来表示,例如,当前的车流负荷量为100T/min,预设的车流负荷量为80T/min,则在该例子中,超载负荷量为20T/min。超载负荷量也可以通过某路线当前的车流负荷量和预设的车流负荷量之比来表示,例如,当前的车流负荷量为100T/min,预设的车流负荷量为80T/min,则在该例子中,超载负荷量为1.25,为无量纲。超载负荷量还可以通过某路线当前的车流负荷量和预设的车流负荷量之比与1的差来表示,例如,当前的车流负荷量为100T/min,预设的车流负荷量为80T/min,则在该例子中,超载负荷量为1.25-1=0.25,为无量纲。上述超载负荷量的计算方式均可以描述路线的超载程度。需要理解的是超载负荷量属于一个计算结果,某各路线在计算该值时并不意味着其实际发生超载。
超载负荷阈值:其用于判断某路线的负荷程度是否合理。对于多个不同的路线,其超载负荷阈值可以是不同的,也可以是相同的。其中,在一些实施例中,可以为所有的路线设置一个固定的超载负荷阈值,例如,对应于超载负荷量的三个统计口径,可以将超载负荷阈值设置为10T/min,1.1,0.1等。在另一些实施例中,可以为不同路线设置不同的超载负荷阈值,以超载负荷量根据某路线当前的车流负荷量和预设的车流负荷量之差来表示的统计口径为例,可以根据历史的超载负荷量来设置阈值。例如,对于某一路线,前一年平均的车流负荷量为100T/min,预设的车流负荷量为80T/min,那么可以根据历史的情况将20T/min的超载负荷量当作是可以接受的部分,因此,可以设置超载负荷阈值为20T/min。在另一些实施例中,在为不同的路线设置不同的超载负荷阈值时,可以根据预设的车流负荷量和道路的维修情况来确定。道路的维修情况,实质上反映了道路在过往所承受的超载负荷量。对于相同质量的公路而言,修得越多,说明其过往所承受的超载负荷量越大。因此,在一些例子中,可以基于预设的车流负荷量和道路的历史维修率来确定超载负荷阈值。例如,某公路在过去一年的历史维修率为0.2,相较于普遍的维修率0.1,其有0.1的维修率增量,说明该公路在过往一年承受了超过正常维护可以维持路面情况的车流负荷量。故,可以将0.1乘以预设的车流负荷量(假设为100T/min)作为设置超载负荷阈值的依据,例如,就将0.1*100T/min=10T/min作为超载负荷阈值。
维修率:可以以公路在全年的维修时间除以全年的运行时间表示,例如,全年维修时间为30天(封闭维修),那么公路的运行时间就是365-30=335天,维修率为30/335≈0.0895。维修率也可以以全年的维修时间除以一年来表示,例如,同样按30天维修,维修率为30/365≈0.822。需要理解的是,公路维修并不意味着公路不通行,在公路维护中可以通过对部分车道进行分段维修。
公路类型:在设计公路时,会根据公路需要的交通能力来确定质量标准,以一些标准为例:公路类型有高速公路、一级公路、二级公路、三级公路、四级公路。不同的公路具有不同的负荷等级,且高速公路负荷能力>一级公路负荷等级>二级公路负荷等级>三级公路负荷等级>四级公路负荷等级。例如,以普通汽车的年平均日交通量衡量,高速公路、一级公路、二级公路、三级公路、四级公路的负荷等级分别为不低于25000辆、10000~25000辆、2000~10000辆、200~2000辆、不超过200辆,取每一类公路的平均值作为这一类公路的负荷能力。在一般的设计标准中,均以小汽车(车长小于3.5米)作为通行对象,一般小汽车的质量大概在2吨左右。因此,设计的车流负荷量(本例子中以吨/天作为单位)为该类型的日平均车流量乘以小车的质量,例如,一个日平均车流量为50000辆/天的高速公路,其设计的车流负荷量为50000(辆/天)*2吨/辆=100000吨/天,折算成每小时就是4166吨/小时。需要理解的是,不同类型的车辆的质量是不同的,例如,重型大货车,车长一般大于6米,质量为12吨以上,中型货车,一般在6米左右,质量在8吨左右,小型货车一般在6米以下,质量在4吨左右。
卡口:指有防守或者检查设施的出入口,本申请实施例所指的卡口为设置在道路上,用于采集道路状态的设施,其具有统计车流量、记录车牌、分析车型等若干种功能。
人工智能(Artificial Intelligence,AI):利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
自动驾驶:该技术通常包括高精地图、环境感知、行为决策、路径规划、运动控制等技术,自动驾驶技术有着广泛的应用前景,自动驾驶作为人工智能的一种重要分支。需要理解的是本申请可以应用在人工智能领域的自动驾驶技术之中。
在相关技术中,通过统计车辆的数量来计算公路的“负荷程度”,存在不合理之处,在部分情况中,可能将用户引导至相对危险的路线上行驶,对于道路交通安全和用户的安全造成不利的影响。例如,在一些例子中,路线A和路线B均可以从起始地通往目的地,假定路线A和路线B均为类型相同的公路。路线A的车流量为1000辆/小时,路线B的车流量为900辆每小时,但是在路线B上面行驶着很多重型大货车,在相关技术中,倾向于选择车流量较少的路线。虽然从车的数量上来看,路线A上车的数量比较少,但是实际上,路线B上的车辆的总质量要比路线A上的大得多。在通常的情况下,车辆的质量越大其操控(刹车,转向等)性能越差,那么意味着发生意外时,质量越大的车辆所产生的破坏性越大。同时,从路面压损的角度来看,当路面被过量的车辆所碾压后,路面更加容易破损,同样会对道路安全造成威胁。故无论是从用户个体,还是从整个交通系统的角度来看,相关技术忽视了道路上车辆的质量,导致向用户推荐路线时,容易使用户驶入相对危险的路线。
本申请的实施例根据用户所选择的起始地和目的地通过相关的路线规划技术获取多个候选路线;随之获取各候选路线当前的车流负荷量和预设的车流负荷量,接着根据所述当前的车流负荷量和所述预设的车流负荷量确定路线负荷量,用以衡量候选路线目前的负荷情况;然后根据路线负荷量从多个候选路线中选择推荐路线。通过这样的方式,本申请实施例可以考虑到路线当前的负荷情况,从而基于阈值判断或者各候选路线的路线负荷量的大小来挑选出负荷相对合理的路线,即挑选出相对安全的路线,继而从中选择出向用户推荐的路线。本申请实施例通过这样的方式,可以向用户推荐的行驶环境相对安全的路线,而且从整个交通系统的角度来看,可以均衡道路的负荷,在交通量不变的情况下,可将道路的维修率维持在历史水平附近。
下面结合说明书附图和具体的实施例对本申请进行进一步的说明。
参照图1,本实施例提供了一种车辆导航方法,本实施例的方法可以在终端执行、服务器执行或者由终端和服务器配合执行。例如,应用在如图2所示的导航系统之中,在该系统中,包括终端210和服务器220,本方案所输出的结果将可以利用终端210的界面230向用户展现,但并不意味着本实施例所输出的结果需要以可视的方式呈现,其也可以以诸如声音等其他不可视的方式呈现。在本实施例中,将以终端的角度进行描述,终端会从服务器中获取部分数据以实现本方法。本实施例中所描述的终端,可以是诸如APP、小程序等软件,亦可以是诸如手机、平板电脑、车载系统等可以实现本实施例方法的硬件。
本实施例包括以下步骤:
步骤110、终端根据起始地和目的地获取多个候选路线。
在本步骤中,起始地和目的地可以用户输入,一般起始地可以通过全球导航卫星系统(GNSS)诸如GPR、北斗系统(BDS)等获取。参照图4a,图4a示出了一种起始地和目的地的输入界面,用户可以通过输入法向输入界面300中的输入框301输入目的地和起始地。在输入界面300中,还会根据用户输入的内容,动态推送用户可能想要输入的地点,这些信息在输入推荐区域302中动态显示。同样,用户也可以通过点击语音输入按钮303来通过语音进行输入。
在终端获取起始地和目的地以后,可以利用路径规划技术和存储在本地的地图信息来获取多个候选路线,也可以将起始地和目的地发送到服务器中由服务器进行路径规划,然后从服务器获取这些候选路线。一般情况下,候选路线的数量是多个,例如可以是3个、4个或者5个。
步骤120、终端获取各候选路线当前的车流负荷量和预设的车流负荷量,其中,车流负荷量用于表征单位时间内行经候选路线的车辆总质量。
在本步骤中,可通过统计候选路线中某个必经点的单位时间通过的车辆的总质量来作为车流负荷量,在假定车流状态在总体上不变的情况下,这一方式具有统计意义。需要理解的是当前的车流负荷量,应该理解为最近的一个统计周期得到的车流负荷量,或者是终端发起请求后实时统计的车流负荷量。
在本步骤中,候选路线当前的车流负荷量可以从服务器中获取,或者从服务器中获取用于计算车流负荷量的数据,然后在终端完成计算,其中,该服务器可以是交管部门的服务器。在部分自动驾驶的实施例中,候选路线当前的车流负荷量也可以由车辆动态分析,分析方法为通过车载摄像头所拍摄的画面,分析车辆类型和车流量情况。而一般情况下,服务器可以通过以下几种方式来获取车流负荷量。
方式一:通过获取候选路线上某个道路卡口所统计的车流量以及该道路卡口所统计的车辆类型数据来计算当前的车流负荷量。例如,参照图4b,在地图400中,显示有三个从起始地通往目的地的路线,分别记为路线1、路线2和路线3。在这些路线上存在多个卡口,记为卡口1、卡口2、卡口3、卡口4、卡口5和卡口6。一般情况下可以选择某个路线中一个车辆必经的位置的卡口数据来实施统计。例如在路线1中,行驶这个路线必经的道路卡口包括卡口1、卡口3、卡口4和卡口5,可以从中选择一个作为路线1的统计卡口。当然,也可以选择路线各入口处的卡口进行统计,例如,在路线1中,除了卡口1所在位置会有车辆进入以外,还有路口A的车辆可以汇入,因此,在该例子中,可以通过统计卡口1和卡口2汇入车流之和来实施统计。基于类似的理由,也可以选择统计路线各出口的卡口数据进行统计,例如,选择卡口5和卡口6的数据来统计流出的车辆来表示该路线的车流负荷量。然而,在选择推荐路线时,若干个推荐路线可能会有重合的部分,例如,路线1和路线3,这两个路线在起始地到路口B的部分重合,在路口C到目的地的部分重合,两个路线不重合的部分是路口B到路口C的部分。在部分策略中,分析两个路线的负荷是否合理,可以仅分析其不重合的部分,因此,在这些实施例中,统计路线1的车流负荷量的时候,会选择卡口3或者卡口4来实施统计。在另一些策略中,两个候选路线部分重合,根据两者重合的比例来决定按照重合部分进行分析还是不重合部分进行分析。
方式二:基于车辆的导航信息,例如GPS信息进行统计,随着自动驾驶等技术的成熟和车联网的发展,通过GPS信息获取路面上大多数车辆的位置,已经是可以实现的。将车辆的GPS或者用户手机的GPS信息和用户驾驶的车辆进行关联。便可以基于GPS信息来统计候选路线的车流负荷量。假定每个车辆都安装有GPS,那么只需要将单位时间内经过候选路线某一点的车辆的质量进行累计,即可以得到当前的车流负荷量。但是现实中往往并非每个车辆都安装有GPS或者GPS关联有车辆信息,那么在一些实施例中,也可以根据安装有GPS且绑定车辆信息的车辆占所有车辆的比例来进行折算。例如,某地区安装有GPS且绑定车辆信息的车辆占50%,在统计候选路线车流负荷量时,得到的结果为30T/min,则折算后车流负荷量应该为30/50%=60T/min。
步骤130、终端根据当前的车流负荷量和预设的车流负荷量确定路线负荷量。
在本步骤中,路线负荷量用于描述某路线的负荷程度,其中,路线负荷量可以通过超载负荷量来描述,也可以通过车流量裕量来描述,在本实施例中,以超载负荷量来描述路线负荷量,其中,超载负荷量采用当前的车流负荷量和预设的车流负荷量之差进行计算,即在本实施例中,超载负荷量=当前的车流负荷量-预设的车流负荷量。因此,可以算出超过道路设计的车流负荷量的部分。需要理解的是,在本实施例中,如果候选路线当前的车流负荷量小于设计的车流负荷量,本实施例会判定该候选路线具有一个相对安全的行驶环境,因此,会将该候选路线作为候选推荐路线之一。可见,在运算时,本步骤所确定出来的超载负荷量可以是一个负数。
同理,当超载负荷量以当前的车流负荷量和预设的车流负荷量之比来计算时,该数值可以小于1。在这些实施例中,候选路线的超载负荷量小于1,同样认为是该候选路线具有相对安全的行驶环境。当超载负荷量以当前的车流负荷量和预设的车流负荷量之比与1的差来计算时,该数值可以小于0。在这些实施例中,候选路线的超载负荷量小于0,同样认为是该候选路线具有相对安全的行驶环境。
路线负荷量在部分实施例中也可以用车流量裕量来描述,例如,以预设的车流负荷量和当前的车流负荷量之差来表示车流量裕量,车流量裕量越大,说明该路线还可以容纳的车流质量越大,换而言之,车辆往车流量裕量大的路线上行驶,会更加安全。与超载负荷量类似,车流量裕量是一种计算方式,当预设的车流负荷量小于当前的车流负荷量时,计算结果也可能是负数。
步骤140、根据各候选路线的路线负荷量从多个候选路线中选择推荐路线。
在本步骤中,推荐路线的选择策略有两类,第一类是择优选择,即向用户推荐系统判定为最优的路线,第二类是推荐满足条件的路线(可以理解为非择优选择),即通过阈值比较,从候选路线中挑选出负荷量是合理的路线作为候选推荐路线,然后再从中选择推送给用户的推荐路线,第二类策略并不一定会推荐最优的路线。
例如,采取第一类推荐策略时,路线负荷量可以以超载负荷量表示,在这些例子中,步骤140,可以解释为:选择超载负荷量最小的候选路线作为推荐路线。超载负荷量可以描述候选路线的超载程度,超载程度越小,说明该路线越安全。
在采取第一类推荐策略时,路线负荷量也可以以车流量裕度表示,在这些例子中,步骤140,可以解释为:选择车流量裕量最大的候选路线作为推荐路线。车流量裕量可以描述候选路线还可以容纳的车流负荷量的大小,故车流量裕量越大,说明该候选路线还可以承受的车流量越大,因此路线也相对而言更加安全。
参照图3,采取第二类推荐策略时,可以先获取阈值条件,再筛选出满足条件的候选路线,并从中推荐一个路线给用户。具体地:
步骤141、终端获取各候选路线的超载负荷阈值。
在本步骤中,如果候选路线的超载负荷阈值是随着时间动态变化的,那么超载负荷阈值可以由终端向服务器获取,只需要服务器动态更新超载负荷阈值,终端就可以随时获得最新的超载负荷阈值。如果超载负荷阈值对于所有的路线而言均是相同的,则该超载负荷阈值可以保存在终端的存储器之中,终端在使用到该数据时,从其存储器中获取。如果超载负荷阈值根据公路类型的不同而不同,但相同类型的公路的超载负荷阈值相同的情况下,可以由终端保存公路类型和超载负荷阈值的映射关系,在执行本步骤时,再由终端向服务器获取公路类型,或者直接由终端在现场识别公路类型,从而计算出超载负荷阈值。
步骤142、终端从超载负荷量小于超载负荷阈值的候选路线中选择推荐路线。
在本步骤中,终端会首先确定出超载负荷量小于超载负荷阈值的这些候选路线,然后再从中选择出至少一个路线作为推荐路线。需要理解的是,最终向用户推荐的路线可能是唯一的,也可以是多个,例如,所有的候选路线都是负荷合理的,此时,系统可能挑选出两个路程较短的路线供用户选择。在本实施例中,假设负荷合理的候选路线有多个,可以随机选择一个作为推荐路线。在执行随机选择时,可以是每个候选路线概率均等的随机选择,也可以是每个候选路线概率不均等的随机选择。
参照图5a,在本实施例中,输出结果可以在界面500输出,在界面500中包括起始地和目的地的编辑栏501、出行方式选择栏502(在本实施例中选择的是驾驶)、地图503、路线选择栏504(默认被选中的是推荐路线选项506a)、导航按钮505。在地图503之中,会显示多个候选路线,在地图503中本实施例将推荐路线以颜色、图案或者文字的方式标识出来,从而与其他可选路线进行区分。例如,为了区分推荐路线,可以将推荐路线在地图503中标成绿色,其他非推荐路线标成蓝色,或者如图5a中所示,直接将推荐路线以“推荐路线,最安全”等字眼标识。当然,本实施例仅仅是优先推荐通过本实施例方法选择的安全路线,并不意味着用户不能选择其他路线。如图5b所示,用户也可以通过操作路线选择栏504选择其他未作为推荐路线的候选路线来进行导航。如图5b所示,用户通过点击选项506b的方式,可以选择路线2的作为导航路线。需要理解的是,本实施例可以嵌入到当前的导航产品中,将以安全的路线作为优先的推荐路线,用户也可以根据实际选择距离比较短或者通行时间比较短的路线。当然,作为本实施例所选择的推荐路线,也可以同时是距离最短的路线,或者同时也是通行时间最短的路线。因此,本申请实施例与现有的导航策略可以集成在一个产品之中。
基于上述的实施例可知,基于当前的车流负荷量和所述预设的车流负荷量确定路线负荷量,可以反映出候选路线当前的负荷程度,再根据路线负荷量为用户选择候选路线;本申请实施例根据车流负荷量从多个候选路线中选择负荷程度合理的路线推荐给用户,相对于现有技术,上述实施例向用户推荐的路线是多个候选路线中相对安全的路线。除此之外,本方案基于路线的负荷能力对用户或者无人驾驶车辆进行宏观的引导,可以优化车流分配,使得各路线维持在相对合理的负荷,从而避免个别路线的维修率暴增而造成更大的经济损失。
参照图6、在一些实施例中,步骤140、获取各候选路线的超载负荷阈值,包括以下子步骤:
610、终端确定各候选路线的维修率增量。
需要理解的是维修率可以用于表示过往候选路线的维修情况,本实施例的维修率可以以维修时间和全年时间之比来计算。本实施例之所以采用维修率增量,其目的是为了排除正常的维修情况,从而通过多出来的维修率来反映候选路线在过往所经历的超载负荷情况。每个公路都会有年检、年度维护等,而同类型的公路每年的正常维修的时间都差不多。如果某个公路维修特别多,说明该公路可能承受了过多的负荷,导致路面被严重压损,从而导致维修率增加。一般情况下,维修率增量可以用历史维修率(例如过去一年的)减去一个基准的维修率(用于表示正常维修的部分)。
620、终端根据候选路线的预设的车流负荷量与维修率增量的乘积确定超载负荷阈值。
不同的公路类型具有不同的车流负荷能力,那么意味着在同等的维修率下,预设的车流负荷量越大,其可以承受的超载负荷量越大。同理,在同等公路类型中,维修率越高,说明其承受的超载负荷量越大。本步骤根据预设的车流负荷量与维修率增量的乘积确定超载负荷阈值,可以反映出候选路线在历史上所承受的超载负荷量。即在该实施例中将过往所承受的超载负荷量当作是合理的,其考虑了道路在实际使用过程中的真实需求。
参照图7,在本实施例中,步骤610、确定各候选路线的维修率增量,包括以下子步骤:
步骤710、终端获取各所述候选路线的历史维修率和基准维修率。
在本步骤中,历史维修率是候选路线在过往一年的维修率,或者是过往几年的年平均维修率。在部分实施例中,可以针对所有公路类型设置相同的基准维修率,也可以针对不同公路类型设置不同的基准维修率。在一些实施例中,由于起始地和目的地相同的多个候选路线通常是位置相近的公路,也是两地之间来往的路线,具有互相参考的价值,因此可以选择多个候选路线中维修率最小的作为基准维修率。在该例子中获取基准维修率的步骤具体是:获取各候选路线的历史维修率的最小值作为基准维修率。
步骤720、终端计算候选路线的历史维修率和基准维修率之差作为候选路线的维修率增量。
本步骤通过将候选路线的历史维修率减去基准维修率,得到维修率增量,可以用维修率增量来描述候选路线所承受的额外的损坏,而额外的损坏则可以反映候选路线的超载负荷量。
在一些实施例中,步骤150、从所述超载负荷量小于超载负荷阈值的候选路线中选择推荐路线,具体是:
从所述超载负荷量小于所述超载负荷阈值的所述候选路线中随机选择一个推荐路线;
其中,所述候选路线被选中为推荐路线的概率与该所述候选路线的维修率成反比。需要理解的是,被选中的概率与维修率成反比的意思是:维修率较低的候选路线被选中的概率相较于维修率较高的候选路线被选中的概率更高,因此,相对而言维修率越低,被选中的可能性越大。在通常的情况下,超载负荷越大,损坏越大,而当超载负荷增加到某些程度以后,损坏将倍增,从而导致维修费用也倍增。同时,当道路损坏到一定程度,可能会影响其通行能力,这样会造成除了维修费用以外的经济损失。本实施例利用不均等随机的方式向维修率较低的公路分配更多的车流量,这样有助于减轻维修较多的公路的负荷,从整体上降低经济损失。
当然,在部分实施例中,推荐路线也可以采用均等随机的方式在负荷合理的候选路线中进行抽取,结合上述实施例的描述可知,本实施例可以有效地对车辆进行分流,除了为用户推荐相对安全的路线以外,还可以为不同的公路进行分流,避免将所有的车辆都推荐到某个公路上导致公路负荷失衡,或者导致大量车流同时涌入影响道路的行驶安全。
此外,在随机选择的基础上,还可以采用其他策略,例如,维修率较低的候选路线被选中的概率相较于维修率较高的候选路线被选中的概率更低,即候选路线被选中的概率和维修率成正比。
参照图8,需要理解的是,从超载负荷量小于超载负荷阈值的所述候选路线中随机选择一个推荐路线,可以由以下子步骤执行:
步骤810、终端将超载负荷量小于超载负荷阈值的候选路线作为候选推荐路线。
在本步骤中将超载负荷量小于超载负荷阈值的候选路线挑选出来,将这些候选路线当作负荷合理的路线,即拥有较好的行驶环境的道路。
步骤820、终端计算各候选推荐路线的权重;其中,权重为候选推荐路线的维修率的倒数与所有候选推荐路线的维修率的倒数之和的比值。
在本步骤中,计算每个候选路线的权重,权重可以用以下公式表示:
在本公式中,表示候选推荐路线kx的维修率,kx表示第x个负荷合理的路线,n为候选推荐路线的数量。
需要理解的是,计算权重的方式也可以有其他方式,例如,采用候选推荐路线的维修率与所有候选推荐路线的维修率之和的比值,即:
此外,在部分实施例中,也可以将替换成/>即将公式中的维修率替换成维修率增量来进行权重的计算。
步骤830、终端将各所述候选推荐路线的权重映射到多个连续的数值区间之中,其中,所述权重被映射到的数值区间的长度与该权重的大小成正比。
参照图9,本实施例以候选推荐路线包括路线1、路线2和路线3为例。假设路线1的权重为0.2,路线2的权重为0.3,路线3的权重为0.5,从图9中可知,路线1的权重被映射到长度为0.2的数值区间[0,0.2),而路线2的权重被映射到长度为0.3的数值区间[0.2,0.5),而路线3的权重被映射到长度为0.5的数值区间[0.5,1)。可见,总的数值区间长度为1,而各路线所映射到的数值区间的长度与其权重为正比关系。
步骤840、终端生成随机数,选择所述随机数所在数值区间对应的所述候选推荐路线作为推荐路线。
在本步骤中,根据各候选路线所映射到的数值区间的总长度,生成一个随机数,以图9为例,在步骤中会生成一个[0,1)的随机数。当随机数会落入路线1、路线2或者路线3所对应的数值区间内。各候选路线所对应的数值区间的长度有所差异,数值区间长度越长,随机数落入该数值区间的概率越大。因此,最终被选中的概率和计算的权重有关,可以通过这样的方式来为候选路线按一定的比例分配车流,均衡各路线的负荷。
此外,步骤830和步骤840也可以用以下过程表示,生成一个0~1的随机数ξ,当ξ满足即ξ落入第u个候选推荐路线的权重区间时,表明ku被选中。
参照图10,在一些实施例中,步骤120、获取各候选路线当前的车流负荷量,包括:
步骤1010、终端获取当前行经候选路线的车流量以及当前行经候选路线的车辆的平均质量。
需要理解的是,本方案可以利用道路卡口进行统计,例如统计单位时间内驶入该候选路线的车辆的车流量和车辆的平均质量。卡口通常具备计数功能、车牌识别功能和车辆类型识别功能。即便不具备车辆类型识别功能,通过车牌也可以关联到车辆登记的型号,以此获取车辆类型。在本实施例中可以通过交管部门的服务器获取到这些数据来计算车流负荷量。
步骤1020、终端将当前行经候选路线的车流量和当前行经候选路线的车辆平均质量的乘积作为当前的车流负荷量。
实际上,本步骤在计算单位时间内被统计的车辆的质量总和。
车流负荷量除了通过道路卡口的方式进行获取以外,终端也可以利用自身的摄像头进行统计。参照图11,图11示出一种终端(车载电脑)利用车载摄像头进行车流负荷量统计的场景,终端通过车载摄像头拍摄的前方车辆的画面,进行车流统计,并识别出前方车辆的类型,根据车辆的类型查找质量数据,从而计算出前方若干个候选路线的车流负荷量。如图11所示,车辆1100通过车载摄像头在一个统计周期内拍摄到前方两个道路上存在小车1111、小车1112、卡车1122和小车1121。故可以计算出道路1的车流负荷量为小车1111和小车1112的质量之和,道路2的车流负荷量为卡车1122和小车1121的质量之和。
在一些实施例中,单位时间内行经候选路线的车流量通过以下方式得到:
基于候选路线的所有入口的道路卡口拍摄的图像,计算行经各道路卡口的总车流量作为当前行经候选路线的车流量。
当前行经所述候选路线的车辆平均质量通过以下方式得到:
基于所述候选路线的所有入口的道路卡口拍摄的图像,得到行经各所述道路卡口的车辆的类型,根据所述行经各所述道路卡口的车辆的类型得到当前行经所述候选路线的车辆平均质量。
如前面的实施例所描述的,统计车流量的时候可以采用候选路线上某个点的卡口进行统计,包括这个路线的入口、出口或者中间点。但是在真实情况中,交通状况会随着时间发生变化。因此,如果候选路线比较长,采用中间点或者出口的卡口进行统计会有一定的滞后性。中间点或者出口的状态并不一定可以反映当前入口的状态,而用户刚好要从入口驶入。因此采用设置在道路入口的卡口进行统计,会更加能够反映用户驶入路段的真实交通状态。当路线有多个入口时,可以采用路线前1/5长度的所有入口卡口进行统计,也可以利用路线全部的入口卡口进行统计。
参照图12,在一些实施例中,步骤120、获取各候选路线预设的车流负荷量,包括:
步骤1210、获取各所述候选路线的道路图像。
参照图13,在图13中示出了汽车1300的车载摄像头1310所拍摄的画面1320。在画面中可以看出车道1321的方向和数量,也可以看出道路的路牌1322。基于图像识别技术,汽车1300的车载电脑可以通过路牌1322的文字,车道1321的数量分析出道路类型。基于图像识别技术进行实时分析,其好处在于,在实施无人驾驶时可以减少对网络的依赖,从而更快地进行决策。
步骤1220、通过候选路线的道路图像判定候选路线的公路类型,根据公路类型获取候选路线预设的车流负荷量。
在本步骤中,公路类型对应的设计指标已经预先存储在车载终端之中,故可以根据基于道路图像所判定的公路类型来换算出预设的车流负荷量。
参照图14,本实施例公开一种车辆导航方法,本实施例应用在由车载终端、车联网平台服务器、交管部门服务器和维修部门服务器组成的系统中。本实施例包括以下步骤:
步骤1401、车载终端获取多个候选路线。
记n条候选路线分别为公路1、公路2、……、公路n。
步骤1402、车载终端向维修部门服务器请求获取多个候选路线的历史维修率。
步骤1403、维修部门服务器向车载终端返回各候选路线的历史维修率。
记n条候选路线的历史维修率为:prepair,1,prepair,2,...,prepair,n。
步骤1404、车载终端向交管部门服务器请求获取多个候选路线的公路等级以及对应的设计指标。
其中,交管部门中存储的设计指标以年平均日通行小汽车的数量来表示。因此通过小汽车的平均质量乘以该数量即可以换算出预设的车流负荷量。
步骤1405、交管部门服务器向车载终端返回各候选路线的公路等级以及对应的设计指标。
步骤1406、车载终端计算各候选路线的维修率增量。
在本步骤中,首先将各候选路线中历史维修率最小的作为基准维修率pbase,其中,pbase=min(prepair,1,prepair,2,...,prepair,n)。将各候选路线的历史维修率和基准维修率相减,得到各路线的维修率增量,记为:pextra,1=prepair,1-pbase,pextra,2=prepair,2-pbase,……,pextra,n=prepair,n-pbase。
步骤1407、车载终端向车联网平台服务器请求获取各候选路线当前的车流负荷量。
步骤1408、车联网平台服务器向车载终端反馈各候选路线当前的车流负荷量。
在本步骤中,各候选路线当前的车流负荷量记录为F1,F2,...,Fn。
步骤1409、车载终端计算各候选路线的超载负荷量。
在本步骤中,基于公路等级和对应的设计指标换算出预设的车流负荷量,记为r1,r2,...,rn,各候选路线的超载负荷量为当前的车流负荷量减去预设的车流负荷量。本步骤将各候选路线的超载负荷量记为:Fi-ri;i∈[1,n],i∈Z。
步骤1410、车载终端选择出当前负荷是合理的候选路线。
在选择时,将超载负荷量和超载负荷阈值进行比较,其中超载负荷阈值为该候选路线的维修率增量和设计的车流负荷量的乘积。即ri*pextra,i;
当候选路线i满足Fi-ri<ripextra,i,确定该候选路线的负荷合理。负荷合理的路线记为:k1,k2,...,ky。
步骤1411、计算步骤1410选出的候选路线的权重。
在本步骤中,可以通过以下公式计算权重:
其中,表示负荷合理的路线kx的维修率,/>表示路线kx的权重。
步骤1412、根据各候选路线的权重随机选择出推荐路线。
在本步骤中,生成一个0~1的随机数ξ,当ξ满足即ξ落入第u个候选推荐路线的权重区间时,表明ku被选中。
参照图15a,地图1500a显示的是以深圳北站为起始地,某立交桥作为目的地的候选路线,为了更加清晰地看见候选路线(图中标识的1推荐、2方案和3方案等),地图中略去了部分无关的细节。参照图15b,地图1500b显示的是以深圳国际机场为起始地,海岸城购物中心作为目的地的候选路线。参照图15c,地图1500c显示的是以深圳汉京金融中心为起始地,滨海大厦作为目的地的候选路线。参照图15d,地图1500d显示的是以深圳北环科苑立交为起始地,滨海大厦作为目的地的候选路线。
在本实施例中,针对图15a~图15d的四个出行方案进行仿真实验,在该实验中,为每次维修配置经济损失值,配置仿真时间为1小时,实验组将采用如图14所示的方法,对照组采用现有技术中以时间长短进行路线推荐的方法,实验结果如表1所示。
/>
可见,本方案有助于减少道路维修所产生的经济损失。
需要理解的是,上述所描述的导航方法即可以应用在现有的地图、导航软件之中,包括但不限于APP和小程序等。同时,导航方法也可以应用在自动驾驶技术之中,为车载终端提供导航决策。
参照图16、本实施例公开了一种自动驾驶方法,包括以下步骤:步骤1610、车载终端根据起始地和目的地获取多个候选路线。步骤1620、车载终端获取各所述候选路线当前的车流负荷量和预设的车流负荷量,其中,所述车流负荷量为单位时间内行经所述候选路线的车辆总质量。步骤1630、车载终端根据所述当前的车流负荷量和所述预设的车流负荷量确定超载负荷量。步骤1640、车载终端获取各所述候选路线的超载负荷阈值。步骤1650、车载终端从所述超载负荷量小于所述超载负荷阈值的所述候选路线中选择行驶路线。步骤1660、车载终端根据所述行驶路线执行自动驾驶。
其中,步骤1610~1650与步骤110~142基本一致,可以采取相同的实现方式。其中,不同的地方在于,对于自动驾驶技术而言,执行的行驶路线未必需要向用户显示。
如图17a所示,在部分实施例中,车载终端的界面1700a包括选项栏1710、地图显示区1720、道路提示区1730、实时车况显示区1750。在界面1700a中,用户可以通过对选项栏1710进行操作,进入不同的功能界面。其中,当前为导航的画面,通过左侧的实时车况显示区1750,用户可以看到实时车况。通过右侧得到道路提示区1730,用户可以看到行驶路线上的一些提示信息,这些信息包括但不限于转弯、路口、超速检测以及到终点的剩余距离等等。用户可以结合实际情况随时终止自动驾驶,改为手动驾驶。其中,当前车载终端所执行的行驶路线1740a可以在地图显示区1720中显示,在行驶过程中,地图显示区1720会更新用户的位置。在该实施例中,由于车载系统正在执行自动驾驶,因此,没有为用户提供其他选项。
如图17b所示,在部分实施例中,在地图显示区1720中会显示多个候选路线,这些候选路线除了本方案所推荐的行驶路线以外,还包括时间最短的路线1740c和距离最短的路线1740b两种选项。用户可以在行驶过程中通过路线选项栏1760进行选择。当然,在汽车行驶过程中,路线可以根据用户位置重新规划。
参照图18,本实施例公开了一种车辆导航系统,包括:
第一候选路线获取单元1810,用于根据起始地和目的地获取多个候选路线;
第一车流负荷量获取单元1820,用于获取各所述候选路线当前的车流负荷量和预设的车流负荷量,其中,所述车流负荷量用于表征单位时间内行经所述候选路线的车辆总质量;
第一路线负荷量确定单元1830,用于根据所述当前的车流负荷量和所述预设的车流负荷量确定路线负荷量;
推荐路线选择单元1850,用于根据各候选路线的路线负荷量从多个候选路线中选择推荐路线。
参照图19,本实施例公开了一种自动驾驶系统,包括:第二候选路线获取单元1910,用于根据起始地和目的地获取多个候选路线;第二车流负荷量获取单元1920,用于获取各所述候选路线当前的车流负荷量和预设的车流负荷量,其中,所述车流负荷量用于表征单位时间内行经所述候选路线的车辆总质量;第二超载负荷量确定单元1930,用于根据所述当前的车流负荷量和所述预设的车流负荷量确定超载负荷量;第二超载负荷阈值获取单元1940,用于获取各所述候选路线的超载负荷阈值;行驶路线选择单元1950,用于从所述超载负荷量小于所述超载负荷阈值的所述候选路线中选择行驶路线;执行单元,用于根据所述行驶路线执行自动驾驶。
图20为本申请实施例提供的服务器2000的模块框图,服务器2000可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(Central ProcessingUnits,简称CPU)2022(例如,一个或一个以上处理器)和存储器2032,一个或一个以上存储应用程序2042或数据2044的存储介质2030(例如一个或一个以上海量存储装置)。其中,存储器2032和存储介质2030可以是短暂存储或持久存储。存储在存储介质2030的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器2022可以设置为与存储介质2030通信,在服务器2000上执行存储介质2030中的一系列指令操作。
服务器2000还可以包括一个或一个以上电源2026,一个或一个以上有线或无线网络接口2050,一个或一个以上输入输出接口2058,和/或,一个或一个以上操作系统2041,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
本申请实施例还提供了一种装置,该装置可以执行上述的车辆导航方法或者自动驾驶方法。下面结合附图对该装置进行介绍。请参见图21,本申请实施例提供了一种装置,该装置还可以是终端装置,该终端装置可以为包括手机、平板电脑、个人数字助理(Personal Digital Assistant,简称PDA)、销售终端(Point of Sales,简称POS)、车载电脑等任意智能终端,以终端装置为手机为例:
图21示出的是与本申请实施例提供的终端装置相关的手机的部分结构的框图。参考图21,手机包括:射频(Radio Frequency,简称RF)电路2110、存储器2120、输入单元2130、显示单元2140、传感器2150、音频电路2160、无线保真(wireless fidelity,简称WiFi)模块2170、处理器2180、以及电源2190等部件。本领域技术人员可以理解,图21中示出的手机结构并不构成对手机的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。下面结合图21对手机的各个构成部件进行具体的介绍:RF电路2110可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,给处理器2180处理;另外,将设计上行的数据发送给基站。通常,RF电路2110包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low Noise Amplifier,简称LNA)、双工器等。此外,RF电路2110还可以通过无线通信与网络和其他装置通信。
存储器2120可用于存储软件程序以及模块,处理器2180通过运行存储在存储器2120的软件程序以及模块,从而执行手机的各种功能应用以及数据处理。存储器2120可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器2120可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元2130可用于接收输入的数字或字符信息,以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地,输入单元2130可包括触控面板2131以及其他输入装置2132。触控面板2131,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板2131上或在触控面板2131附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触控面板2131可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器2180,并能接收处理器2180发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板2131。除了触控面板2131,输入单元2130还可以包括其他输入装置2132。具体地,其他输入装置2132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元2140可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元214 0可包括显示面板2141,可选的,可以采用液晶显示器(LiquidCrystal Display,简称LCD)、有机发光二极管(Organic Light-Emitting Diode,简称OLED)等形式来配置显示面板2141。进一步的,触控面板2131可覆盖显示面板2141,当触控面板2131检测到在其上或附近的触摸操作后,传送给处理器2180以确定触摸事件的类型,随后处理器2180根据触摸事件的类型在显示面板2141上提供相应的视觉输出。虽然在图21中,触控面板2131与显示面板2141是作为两个独立的部件来实现手机的输入和输入功能,但是在某些实施例中,可以将触控面板2131与显示面板2141集成而实现手机的输入和输出功能。
手机还可包括至少一种传感器2150,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板2141的亮度,接近传感器可在手机移动到耳边时,关闭显示面板2141和/或背光。
音频电路2160、扬声器2161,传声器2162可提供用户与手机之间的音频接口。音频电路2160可将接收到的音频数据转换后的电信号,传输到扬声器2161,由扬声器2161转换为声音信号输出;另一方面,传声器2162将收集的声音信号转换为电信号,由音频电路2160接收后转换为音频数据,再将音频数据输出处理器2180处理后,经RF电路2110以发送给比如另一手机,或者将音频数据输出至存储器2120以便进一步处理。WiFi属于短距离无线传输技术,手机通过WiFi模块2170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图21示出了WiFi模块2170,但是可以理解的是,其并不属于手机的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器2180是手机的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器2120内的软件程序和/或模块,以及调用存储在存储器2120内的数据,执行手机的各种功能和处理数据。可选的,处理器2180可包括一个或多个处理单元,手机还包括给各个部件供电的电源2190。
在本实施例中,该终端装置所包括的处理器2180具备执行前面实施例所述车辆导航方法或者自动驾驶方法。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或装置不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或装置固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请中所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上是对本申请的较佳实施进行了具体说明,但本申请并不限于所述实施例,熟悉本领域的技术人员在不违背本申请精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (13)
1.一种车辆导航方法,其特征在于,包括以下步骤:
根据起始地和目的地获取多个候选路线;
获取各所述候选路线当前的车流负荷量和预设的车流负荷量,其中,所述车流负荷量用于表征单位时间内行经所述候选路线的车辆总质量;
根据所述候选路线的所述当前的车流负荷量和所述预设的车流负荷量确定路线负荷量;所述路线负荷量以超载负荷量表示;获取各所述候选路线的超载负荷阈值;所述获取各所述候选路线的超载负荷阈值,包括:确定各所述候选路线的维修率增量;将所述候选路线的所述预设的车流负荷量与所述维修率增量的乘积确定为所述超载负荷阈值;
根据各所述候选路线的路线负荷量从多个所述候选路线中选择推荐路线;所述根据各所述候选路线的路线负荷量从多个所述候选路线中选择推荐路线,具体为:从所述超载负荷量小于所述超载负荷阈值的所述候选路线中选择推荐路线。
2.根据权利要求1所述的方法,其特征在于,
所述根据各所述候选路线的路线负荷量从多个所述候选路线中选择推荐路线,具体为:选择超载负荷量最小的所述候选路线作为推荐路线。
3.根据权利要求1所述的方法,其特征在于,所述确定各所述候选路线的维修率增量,包括:
获取各所述候选路线的历史维修率;
获取基准维修率;
计算所述候选路线的所述历史维修率和所述基准维修率之差作为所述候选路线的维修率增量。
4.根据权利要求3所述的方法,其特征在于,所述获取基准维修率,包括:
获取各所述候选路线的所述历史维修率的最小值作为所述基准维修率。
5.根据权利要求1所述的方法,其特征在于,所述从所述超载负荷量小于所述超载负荷阈值的所述候选路线中选择推荐路线,包括:
所述候选路线被选中为推荐路线的概率与该所述候选路线的维修率成反比。
6.根据权利要求5所述的方法,其特征在于,所述从所述超载负荷量小于所述超载负荷阈值的所述候选路线中选择推荐路线,包括:
将所述超载负荷量小于所述超载负荷阈值的所述候选路线作为候选推荐路线;
计算各所述候选推荐路线的权重;其中,所述权重为所述候选推荐路线的维修率的倒数与所有所述候选推荐路线的维修率的倒数之和的比值;
将各所述候选推荐路线的权重映射到多个连续的数值区间之中,其中,所述权重被映射到的数值区间的长度与该权重的大小成正比;
生成随机数,选择所述随机数所在数值区间对应的所述候选推荐路线作为推荐路线。
7.根据权利要求1所述的方法,其特征在于,所述获取各所述候选路线当前的车流负荷量,包括:
获取当前行经所述候选路线的车流量以及当前行经所述候选路线的车辆平均质量;
将所述当前行经所述候选路线的车流量和所述当前行经所述候选路线的车辆平均质量的乘积作为当前的车流负荷量。
8.根据权利要求7所述的方法,其特征在于,所述行经所述候选路线的车流量通过以下方式得到:
基于所述候选路线的所有入口的道路卡口拍摄的图像,计算行经各所述道路卡口的总车流量作为当前行经所述候选路线的车流量;
所述当前行经所述候选路线的车辆平均质量通过以下方式得到:
基于所述候选路线的所有入口的道路卡口拍摄的图像,得到行经各所述道路卡口的车辆的类型,根据所述行经各所述道路卡口的车辆的类型得到当前行经所述候选路线的车辆平均质量。
9.根据权利要求1所述的方法,其特征在于,所述获取各所述候选路线预设的车流负荷量,包括:
获取各所述候选路线的道路图像;
通过所述候选路线的道路图像判定所述候选路线的公路类型,根据所述公路类型获取所述候选路线预设的车流负荷量。
10.根据权利要求1-9中任一项所述的方法,其特征在于,所述路线负荷量以超载负荷量表示,所述根据所述候选路线的所述当前的车流负荷量和所述预设的车流负荷量确定路线负荷量,具体为:
将所述候选路线的当前的车流负荷量和所述预设的车流负荷量之差作为超载负荷量。
11.一种车辆导航系统,其特征在于,包括:
第一候选路线获取单元,用于根据起始地和目的地获取多个候选路线;
第一车流负荷量获取单元,用于获取各所述候选路线当前的车流负荷量和预设的车流负荷量,其中,所述车流负荷量用于表征单位时间内行经所述候选路线的车辆总质量;
第一超载负荷量确定单元,用于根据所述候选路线的所述当前的车流负荷量和所述预设的车流负荷量确定路线负荷量;所述路线负荷量以超载负荷量表示;获取各所述候选路线的超载负荷阈值;所述获取各所述候选路线的超载负荷阈值,包括:确定各所述候选路线的维修率增量;将所述候选路线的所述预设的车流负荷量与所述维修率增量的乘积确定为所述超载负荷阈值;
推荐路线选择单元,用于各所述候选路线的所述路线负荷量从多个所述候选路线中选择推荐路线;所述根据各所述候选路线的路线负荷量从多个所述候选路线中选择推荐路线,具体为:从所述超载负荷量小于所述超载负荷阈值的所述候选路线中选择推荐路线。
12.一种车辆导航装置,其特征在于,包括:
程序;
存储器,用于存储所述程序;
处理器,用于加载所述程序以执行如权利要求1-10中任一项所述的方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有程序,所述程序被处理器执行时实现如权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011004571.4A CN112129305B (zh) | 2020-09-22 | 2020-09-22 | 车辆导航方法、系统、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011004571.4A CN112129305B (zh) | 2020-09-22 | 2020-09-22 | 车辆导航方法、系统、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112129305A CN112129305A (zh) | 2020-12-25 |
CN112129305B true CN112129305B (zh) | 2023-11-24 |
Family
ID=73842545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011004571.4A Active CN112129305B (zh) | 2020-09-22 | 2020-09-22 | 车辆导航方法、系统、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112129305B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114627648B (zh) * | 2022-03-16 | 2023-07-18 | 中山大学·深圳 | 一种基于联邦学习的城市交通流诱导方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6216088B1 (en) * | 1996-11-27 | 2001-04-10 | Mannesmann Ag | Method for determining itinerary data |
JP2007113964A (ja) * | 2005-10-18 | 2007-05-10 | Nissan Motor Co Ltd | ナビゲーション装置及び経路案内方法 |
CN102201173A (zh) * | 2011-05-19 | 2011-09-28 | 蓝宝汽车电子(扬州)有限公司 | 一种考虑多个终端请求优化路径的车辆导航系统 |
CN104748753A (zh) * | 2013-12-31 | 2015-07-01 | 中国移动通信集团公司 | 一种在线导航方法和在线导航系统 |
SE1550758A1 (en) * | 2015-06-09 | 2016-12-10 | Scania Cv Ab | Method and system for establishing an allowable suitable route for a vehicle |
CN106323310A (zh) * | 2016-08-05 | 2017-01-11 | 上海斐讯数据通信技术有限公司 | 路径规划方法及系统 |
JP2017138132A (ja) * | 2016-02-01 | 2017-08-10 | 富士通株式会社 | 経路探索プログラム、経路探索方法、および経路探索装置 |
CN111311921A (zh) * | 2020-02-10 | 2020-06-19 | 广州亚美信息科技有限公司 | 道路超重告警的方法、装置、计算机设备和存储介质 |
-
2020
- 2020-09-22 CN CN202011004571.4A patent/CN112129305B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6216088B1 (en) * | 1996-11-27 | 2001-04-10 | Mannesmann Ag | Method for determining itinerary data |
JP2007113964A (ja) * | 2005-10-18 | 2007-05-10 | Nissan Motor Co Ltd | ナビゲーション装置及び経路案内方法 |
CN102201173A (zh) * | 2011-05-19 | 2011-09-28 | 蓝宝汽车电子(扬州)有限公司 | 一种考虑多个终端请求优化路径的车辆导航系统 |
CN104748753A (zh) * | 2013-12-31 | 2015-07-01 | 中国移动通信集团公司 | 一种在线导航方法和在线导航系统 |
SE1550758A1 (en) * | 2015-06-09 | 2016-12-10 | Scania Cv Ab | Method and system for establishing an allowable suitable route for a vehicle |
JP2017138132A (ja) * | 2016-02-01 | 2017-08-10 | 富士通株式会社 | 経路探索プログラム、経路探索方法、および経路探索装置 |
CN106323310A (zh) * | 2016-08-05 | 2017-01-11 | 上海斐讯数据通信技术有限公司 | 路径规划方法及系统 |
CN111311921A (zh) * | 2020-02-10 | 2020-06-19 | 广州亚美信息科技有限公司 | 道路超重告警的方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112129305A (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11537146B2 (en) | Fleet vehicle feature activation | |
EP3658857B1 (en) | Dynamically determining origin and destination locations for a vehicle communicating with a network system | |
US11386359B2 (en) | Systems and methods for managing a vehicle sharing facility | |
US11392861B2 (en) | Systems and methods for managing a vehicle sharing facility | |
JP4539666B2 (ja) | 渋滞状況演算システム | |
CN105117777A (zh) | 一种订单分配的方法及装置 | |
US20200210905A1 (en) | Systems and Methods for Managing Networked Vehicle Resources | |
CN103177562B (zh) | 一种获取交通状态预测所需信息的方法及装置 | |
KR20180071752A (ko) | 목적지 예측 기반 차량 제어 방법 및 시스템 | |
CN101644584A (zh) | 安全驾驶评价系统以及安全驾驶评价程序 | |
CN106032986A (zh) | 一种导航方法、终端及系统 | |
CN111006678A (zh) | 路径搜索装置以及计算机可读存储介质 | |
CN109489674B (zh) | 基于位置确定路段的方法、装置及存储介质 | |
EP4155684A2 (en) | Method and apparatus for navigating vehicle, electronic device, and storage medium | |
CN105046996A (zh) | 用于预测的驾驶需求建模的方法和设备 | |
CN111261017B (zh) | 一种地图围栏显示方法及装置 | |
CN113748446A (zh) | 用于比较机动车辆行程的技术 | |
JP2018206177A (ja) | 配車支援方法、配車支援装置、配車支援プログラム及び情報提示プログラム | |
CN112129305B (zh) | 车辆导航方法、系统、装置和存储介质 | |
CN111860904A (zh) | 上车点排序的方法及装置 | |
CN104596534A (zh) | 一种计算最优行车路径的方法 | |
CN104331746A (zh) | 一种分离式的动态路径优化系统及其方法 | |
CN102243812A (zh) | 导航装置及交通信息提示方法 | |
CN116910494B (zh) | 一种智慧社区智能化充电桩服务方法、系统及存储介质 | |
CN104655126A (zh) | 使用导航系统用于自动预测的方法和系统 |
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 |