CN112213113A - 智能驾驶移动装置的现实道路测试场景选择及规划方法 - Google Patents
智能驾驶移动装置的现实道路测试场景选择及规划方法 Download PDFInfo
- Publication number
- CN112213113A CN112213113A CN202010907173.7A CN202010907173A CN112213113A CN 112213113 A CN112213113 A CN 112213113A CN 202010907173 A CN202010907173 A CN 202010907173A CN 112213113 A CN112213113 A CN 112213113A
- Authority
- CN
- China
- Prior art keywords
- road
- test
- path
- shortest
- road section
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 153
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012216 screening Methods 0.000 claims abstract description 58
- 230000008030 elimination Effects 0.000 claims abstract description 6
- 238000003379 elimination reaction Methods 0.000 claims abstract description 6
- 238000011990 functional testing Methods 0.000 claims 1
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- 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
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
Abstract
本发明涉及一种智能驾驶移动装置的现实道路测试场景选择及规划方法,该方法如下:在加工过的地图库中搜索出满足筛选条件的道路加入初选路段集合;对初选路段集合,对于任一筛选条件,计算筛选条件对应确定的测试路段到测试路段集合中已有测试路段的最短路径加入到测试路段集合;将测试路段集合中的测试路段作去重处理得到无重复测试路段集合;计算无重复测试路段集合所有测试路段之间的最短测试路径,找出最短测试路径中的所有节点并计算所有节点间路径的长度;针对任意两节点,选择长度最短且不与已选择的节点间路径形成封闭环的一条节点间路径;直至所有节点间长度最短路径选择完毕。本发明测试效率最高,并能够保证测试覆盖度。
Description
技术领域
本发明属于智能驾驶移动装置道路测试技术领域,涉及一种智能驾驶移动装置的现实道路测试场景选择及规划方法、装置。
背景技术
目前地图厂商的路径规划功能,在已知A点和B点的情况下,规划A点到B点的路径,但是现有的路径规划不能满足测试试验中对多个场景。
目前地图没有道路特征信息,无法通过道路特征选择道路;
目前地图厂商提供的多个目标点的路径规划功能无法对轨迹进行优化,途径点顺序是需要用户自己调整的。
目前公开的局部道路信息提取方法,该方法通过ID搜索道路的方式,基于预先建立的道路地图索引列表、二进制文件索引列表和二进制道路文件,接收搜索位置和搜索范围;根据搜索位置及搜索范围,在道路地图索引列表中确定搜索道路ID;根据搜索道路ID,在二进制文件索引列表内查询与搜索道路ID对应的存储位置;查询到的存储位置为目标存储位置;在二进制道路文件的目标存储位置处获取二进制形式的道路信息。该方法的缺点是无法通过道路特征搜多道路。
目前公开的“一种路径规划方法及路径规划装置”,综合多方面交通信息实时对路径进行规划,从而尽可能地为用户提供最优路径的路径规划方法。该方法的缺点是通过避免拥堵路段节约时间为目的路径规划,试验测试的路径规划不是为避免拥堵,而是为了在行驶尽量少的重复里程通过所有的特征路段。
发明内容
本发明要解决的技术问题是提供一种智能驾驶移动装置的现实道路测试场景选择及规划方法,该方法能够按照用户需求自动选择现实道路中满足要求的测试场景,并对已选择的道路场景进行试验路径规划,以提高测试工作的效率,并保证测试覆盖度。
为了解决上述技术问题,本发明的智能驾驶移动装置的现实道路测试场景选择及规划方法如下:
在加工过的地图库中搜索出满足筛选条件的道路加入初选路段集合;
对初选路段集合,将其中一种筛选条件对应确定的两条测试路段加入测试路段集合,同时计算由该筛选条件对应确定的两条测试路段之间的最短路径作为初选最短路径;计算起点到各初选最短路径的最短路径,并从中选取一条长度最短的路径作为二次筛选最短路径加入到测试路段集合;对于其他筛选条件,计算筛选条件对应确定的测试路段到测试路段集合中已有测试路段的最短路径,作为二次筛选最短路径加入到测试路段集合;直至将所有筛选条件对应的二次筛选最短路径加入到测试路段集合;将测试路段集合中的测试路段作去重处理得到无重复测试路段集合;计算无重复测试路段集合所有测试路段之间的最短测试路径;找出最短测试路径中的所有节点并计算所有节点间路径的长度;针对任意两节点,选择长度最短且不与已选择的节点间路径形成封闭环的一条节点间路径;直至所有节点间长度最短路径选择完毕。
所述的筛选条件为为不同功能测试需要道路参数表和测试功能集合匹配的测试需求道路参数。
所述的筛选条件为含有道路特征参数的地图。
所述的筛选条件为测试需求道路参数和含有道路特征参数的地图。
所述含有道路特征参数的地图的获得方法如下:
从驾驶场景数据中提取道路特征,同时根据开源地图数据计算道路特征;将道路特征与开源地图上的道路轨迹匹配并将道路特征对应添加到开源地图上获得含有道路特征参数的地图。
进一步,还可以在开源地图上添加隧道、隧道长度、道路路面材质、道路坡度、道路曲率、是否有横风等特征信息获得含有道路特征参数的地图。
本发明的有益效果:
本发明能够按照用户需求自动选择现实道路中满足要求的测试场景,并对已选择的道路场景进行试验路径规划,在初选的道路集合中选择出测试路段;规划测试路段的前后顺序,使测试效率最高,并能够保证测试覆盖度。
附图说明
图1是本发明的总体流程图。
图2是含有道路特征参数地图的加工方法流程图。
图3是智能驾驶功能集合与初选路段集合的关系映射示意图。
图4是从初选集合中选择测试路段的方法的流程图。
具体实施方式
实施例1
如图1所示,本发明的智能驾驶移动装置的现实道路测试场景选择及规划方法包含以下步骤:
步骤一、为不同功能测试需要的道路参数表和测试功能集合匹配测试需求道路参数:
不同功能测试需要的道路参数表和测试功能集合可以通过人工分解录入的方式存储到数据库中。匹配测试需求道路参数由技术员根据公知常识匹配。
将匹配的测试需求道路参数,在加工过的地图库中搜索出满足各筛选条件的道路加入初选路段集合;
例如弯道半径、坡道坡度、路口、红绿灯、限速标识等均可以作为待搜索的测试需求道路参数项目,在参数项目下,可以细化到弯道半径250m,给定数值,也可以给定范围250m~500m。通过这个参数在地图库中去搜索满足该条件的道路,可能会搜索到多条,或者搜索不到,但最终都会反馈一个结果给用户,这个就是初选路段。当有多个参数一起搜索时,就会有更多的道路被搜索出来,不同搜索条件是或的关系,搜索出来的数量会较大。在弯道半径以外,还可以立交匝道、十字路口、环岛的方式搜索出对应道路。每个一个道路特征,无论是几何参数特征还是类型特征还是结构特征,都只能作为一个搜索或筛选条件。
步骤二、根据选择的测试路段规划试验路径。
a)、对初选路段集合,将一种筛选条件对应确定的两条测试路段加入测试路段集合,同时计算由该筛选条件对应确定的两条测试路段之间的最短路径作为初选最短路径;
b)、计算起点到各初选最短路径的最短路径,并从中选取一条长度最短的路径作为二次筛选最短路径加入到测试路段集合;
c)、计算另一个筛选条件对应确定的测试路段到测试路段集合中已有测试路段的最短路径,作为二次筛选最短路径加入到测试路段集合;
d)、重复步骤c)直至将所有筛选条件对应的二次筛选最短路径加入到测试路段集合;
e)、将测试路段集合中的测试路段作去重处理得到无重复测试路段集合;
f)、计算无重复测试路段集合所有测试路段之间的最短测试路径;
g)、找出最短测试路径中的所有节点,如果有一条以上的最短测试路径在一个点分叉,则将该点定义为节点,尽头的点也属于节点;
h)计算所有节点间路径的长度;
i)针对任意两节点,选择长度最短且不与已选择的节点间路径形成封闭环的一条节点间路径;
j)重复步骤i)直至所有节点间长度最短路径选择完毕。
实施例2
如图1所示,本发明的智能驾驶移动装置的现实道路测试场景选择及规划方法包含以下步骤:
步骤一、将含有道路特征参数的地图作为筛选条件,在加工过的地图库中搜索出满足各筛选条件的道路加入初选路段集合;
步骤二、根据选择的测试路段规划试验路径。
a)、对初选路段集合,将一种筛选条件对应确定的两条测试路段加入测试路段集合,同时计算由该筛选条件对应确定的两条测试路段之间的最短路径作为初选最短路径;
b)、计算起点到各初选最短路径的最短路径,并从中选取一条长度最短的路径作为二次筛选最短路径加入到测试路段集合;
c)、计算另一个筛选条件对应确定的测试路段到测试路段集合中已有测试路段的最短路径,作为二次筛选最短路径加入到测试路段集合;
d)、重复步骤c)直至将所有筛选条件对应的二次筛选最短路径加入到测试路段集合;
e)、将测试路段集合中的测试路段作去重处理得到无重复测试路段集合;
f)、计算无重复测试路段集合所有测试路段之间的最短测试路径;
g)、找出最短测试路径中的所有节点,如果有一条以上的最短测试路径在一个点分叉,则将该点定义为节点,尽头的点也属于节点;
h)计算所有节点间路径的长度;
i)针对任意两节点,选择长度最短且不与已选择的节点间路径形成封闭环的一条节点间路径;
j)重复步骤i)直至所有节点间长度最短路径选择完毕。
所述步骤一中的含有道路特征参数的地图的获得方法包括下述步骤:
步骤1、从驾驶场景数据中提取道路特征(其中包含经纬坐标、道路参数、限速、标志、标线等信息),同时根据开源地图数据计算道路特征(其中包含轨迹点坐标、部分道路名称信息、曲率半径、坡道等信息);
其中驾驶场景数据通过采集获得,开源地图数据来源于网络。
步骤2、通过人工标注的方式将道路特征和特征信息与开源地图上的道路轨迹匹配;并通过现有道路轨迹计算出对应的曲率信息;将道路特征、特征信息及曲率信息对应添加到开源地图上获得含有道路特征参数的地图。
实施例3
如图1所示,本发明的智能驾驶移动装置的现实道路测试场景选择及规划方法包含以下步骤:
步骤一、为不同功能测试需要的道路参数表和测试功能集合匹配测试需求道路参数:
不同功能测试需要的道路参数表和测试功能集合可以通过人工分解录入的方式存储到数据库中。匹配测试需求道路参数由技术员根据公知常识匹配。
将匹配的测试需求道路参数、含有道路特征参数的地图作为筛选条件,筛选条件还可以是输入的其他条件,在加工过的地图库中搜索出满足各筛选条件的道路加入初选路段集合;其中测试需求道路参数、含有道路特征参数的地图、输入的其他条件(如:限定区域范围)均可以单独作为筛选条件,也可以两个或三个组合作为筛选条件。
例如弯道半径、坡道坡度、路口、红绿灯、限速标识等均可以作为待搜索的测试需求道路参数项目,在参数项目下,可以细化到弯道半径250m,给定数值,也可以给定范围250m~500m。通过这个参数在地图库中去搜索满足该条件的道路,可能会搜索到多条,或者搜索不到,但最终都会反馈一个结果给用户,这个就是初选路段。当有多个参数一起搜索时,就会有更多的道路被搜索出来,不同搜索条件是或的关系,搜索出来的数量会较大。在弯道半径以外,还可以立交匝道、十字路口、环岛的方式搜索出对应道路。每个一个道路特征,无论是几何参数特征还是类型特征还是结构特征,都只能作为一个搜索或筛选条件。
步骤三、根据选择的测试路段规划试验路径。
a)、对初选路段集合,将一种筛选条件对应确定的两条测试路段加入测试路段集合,同时计算由该筛选条件对应确定的两条测试路段之间的最短路径作为初选最短路径;
b)、计算起点到各初选最短路径的最短路径,并从中选取一条长度最短的路径作为二次筛选最短路径加入到测试路段集合;
c)、计算另一个筛选条件对应确定的测试路段到测试路段集合中已有测试路段的最短路径,作为二次筛选最短路径加入到测试路段集合;
d)、重复步骤c)直至将所有筛选条件对应的二次筛选最短路径加入到测试路段集合;
e)、将测试路段集合中的测试路段作去重处理得到无重复测试路段集合;
f)、计算无重复测试路段集合所有测试路段之间的最短测试路径;
g)、找出最短测试路径中的所有节点,如果有一条以上的最短测试路径在一个点分叉,则将该点定义为节点,尽头的点也属于节点;
h)计算所有节点间路径的长度;
i)针对任意两节点,选择长度最短且不与已选择的节点间路径形成封闭环的一条节点间路径;
j)重复步骤i)直至所有节点间长度最短路径选择完毕。
所述步骤二中的含有道路特征参数的地图的获得方法包括下述步骤:
步骤1、从驾驶场景数据中提取道路特征(其中包含经纬坐标、道路参数、限速、标志、标线等信息),同时根据开源地图数据计算道路特征(其中包含轨迹点坐标、部分道路名称信息、曲率半径、坡道等信息);
其中驾驶场景数据通过采集获得,开源地图数据来源于网络。
在道路特征基础上增加隧道,隧道长度,道路路面材质,道路坡度,道路曲率,是否有横风等特征信息。
步骤2、通过人工标注的方式将道路特征和特征信息与开源地图上的道路轨迹匹配;并通过现有道路轨迹计算出对应的曲率信息;将道路特征、特征信息及曲率信息对应添加到开源地图上获得含有道路特征参数的地图。
本发明通过计算、提取、标注等方式将道路特征、交通设施等信息与道路轨迹进行关联,使用户能够通过道路特征、交通设施或其他有用信息搜索到道路轨迹坐标。
Claims (6)
1.一种智能驾驶移动装置的现实道路测试场景选择及规划方法,其特征在于该方法如下:
在加工过的地图库中搜索出满足筛选条件的道路加入初选路段集合;
对初选路段集合,将其中一种筛选条件对应确定的两条测试路段加入测试路段集合,同时计算由该筛选条件对应确定的两条测试路段之间的最短路径作为初选最短路径;计算起点到各初选最短路径的最短路径,并从中选取一条长度最短的路径作为二次筛选最短路径加入到测试路段集合;对于其他筛选条件,计算筛选条件对应确定的测试路段到测试路段集合中已有测试路段的最短路径,作为二次筛选最短路径加入到测试路段集合;直至将所有筛选条件对应的二次筛选最短路径加入到测试路段集合;将测试路段集合中的测试路段作去重处理得到无重复测试路段集合;计算无重复测试路段集合所有测试路段之间的最短测试路径;找出最短测试路径中的所有节点并计算所有节点间路径的长度;针对任意两节点,选择长度最短且不与已选择的节点间路径形成封闭环的一条节点间路径;直至所有节点间长度最短路径选择完毕。
2.根据权利要求1所述的智能驾驶移动装置的现实道路测试场景选择及规划方法,其特征在于所述的筛选条件为为不同功能测试需要道路参数表和测试功能集合匹配的测试需求道路参数。
3.根据权利要求1所述的智能驾驶移动装置的现实道路测试场景选择及规划方法,其特征在于所述的筛选条件为含有道路特征参数的地图。
4.根据权利要求1所述的智能驾驶移动装置的现实道路测试场景选择及规划方法,其特征在于所述的筛选条件为测试需求道路参数和含有道路特征参数的地图。
5.根据权利要求3或4所述的智能驾驶移动装置的现实道路测试场景选择及规划方法,其特征在于所述含有道路特征参数的地图的获得方法如下:
从驾驶场景数据中提取道路特征,同时根据开源地图数据计算道路特征;将道路特征与开源地图上的道路轨迹匹配并将道路特征对应添加到开源地图上获得含有道路特征参数的地图。
6.根据权利要求5所述的智能驾驶移动装置的现实道路测试场景选择及规划方法,其特征在于还可以在开源地图上添加隧道、隧道长度、道路路面材质、道路坡度、道路曲率、是否有横风等特征信息获得含有道路特征参数的地图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010907173.7A CN112213113B (zh) | 2020-09-02 | 2020-09-02 | 智能驾驶移动装置的现实道路测试场景选择及规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010907173.7A CN112213113B (zh) | 2020-09-02 | 2020-09-02 | 智能驾驶移动装置的现实道路测试场景选择及规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112213113A true CN112213113A (zh) | 2021-01-12 |
CN112213113B CN112213113B (zh) | 2022-07-15 |
Family
ID=74048787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010907173.7A Active CN112213113B (zh) | 2020-09-02 | 2020-09-02 | 智能驾驶移动装置的现实道路测试场景选择及规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112213113B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113566839A (zh) * | 2021-07-23 | 2021-10-29 | 湖南省计量检测研究院 | 基于三维建模的道路区间最短路程距离测量方法 |
CN113609016A (zh) * | 2021-08-05 | 2021-11-05 | 北京赛目科技有限公司 | 车辆自动驾驶测试场景的构建方法、装置、设备及介质 |
CN114112421A (zh) * | 2021-09-30 | 2022-03-01 | 东风汽车集团股份有限公司 | 自动驾驶的测试方法、装置、电子设备及存储介质 |
CN117216301A (zh) * | 2023-11-08 | 2023-12-12 | 高德软件有限公司 | 图像资料推荐方法、装置、电子设备及存储介质 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04199357A (ja) * | 1990-11-29 | 1992-07-20 | Meidensha Corp | 近以的最短経路の探索方法 |
EP0679867A1 (en) * | 1994-04-28 | 1995-11-02 | Pioneer Electronic Corporation | Route searching method for vehicle navigation system |
CN101344399A (zh) * | 2008-08-15 | 2009-01-14 | 四川长虹电器股份有限公司 | 多任务导航中最优路径选择方法 |
CN101520946A (zh) * | 2008-02-29 | 2009-09-02 | 厦门雅迅网络股份有限公司 | 城市公交动态线路规划方法 |
US20100332436A1 (en) * | 2009-06-29 | 2010-12-30 | International Business Machines Corporation | Multi-pairs shortest path finding method and system |
CN103674049A (zh) * | 2013-11-29 | 2014-03-26 | 闻泰通讯股份有限公司 | 导航系统中必经点最短路径的获取方法 |
JP2015224921A (ja) * | 2014-05-27 | 2015-12-14 | 株式会社デンソー | 推奨ルート探索装置および推奨ルート探索装置用のプログラム |
CN106327896A (zh) * | 2016-09-06 | 2017-01-11 | 中国第汽车股份有限公司 | 一种面向自动驾驶车辆的车道选择系统和方法 |
CN106990777A (zh) * | 2017-03-10 | 2017-07-28 | 江苏物联网研究发展中心 | 机器人局部路径规划方法 |
CN107657330A (zh) * | 2017-08-16 | 2018-02-02 | 深圳先进技术研究院 | 一种候选公交线路计算方法、系统及电子设备 |
CN107992038A (zh) * | 2017-11-28 | 2018-05-04 | 广州智能装备研究院有限公司 | 一种机器人路径规划方法 |
TW201827792A (zh) * | 2017-01-25 | 2018-08-01 | 大陸商上海蔚來汽車有限公司 | 多地點依存的路徑規劃方法和系統 |
CN109115220A (zh) * | 2018-07-31 | 2019-01-01 | 大连理工大学 | 一种用于停车场系统路径规划的方法 |
CN109839110A (zh) * | 2019-01-09 | 2019-06-04 | 浙江大学 | 一种基于快速随机搜索树的多目标点路径规划方法 |
CN110231040A (zh) * | 2018-03-05 | 2019-09-13 | 北京京东尚科信息技术有限公司 | 一种路径规划的方法和装置 |
CN110363323A (zh) * | 2018-11-20 | 2019-10-22 | 南京掌控网络科技有限公司 | 一种周期性客户拜访路线的智能规划方法、系统及设备 |
CN111047066A (zh) * | 2018-10-12 | 2020-04-21 | 清华大学 | 游览路线规划方法、装置、计算机设备和存储介质 |
-
2020
- 2020-09-02 CN CN202010907173.7A patent/CN112213113B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04199357A (ja) * | 1990-11-29 | 1992-07-20 | Meidensha Corp | 近以的最短経路の探索方法 |
EP0679867A1 (en) * | 1994-04-28 | 1995-11-02 | Pioneer Electronic Corporation | Route searching method for vehicle navigation system |
CN101520946A (zh) * | 2008-02-29 | 2009-09-02 | 厦门雅迅网络股份有限公司 | 城市公交动态线路规划方法 |
CN101344399A (zh) * | 2008-08-15 | 2009-01-14 | 四川长虹电器股份有限公司 | 多任务导航中最优路径选择方法 |
US20100332436A1 (en) * | 2009-06-29 | 2010-12-30 | International Business Machines Corporation | Multi-pairs shortest path finding method and system |
CN103674049A (zh) * | 2013-11-29 | 2014-03-26 | 闻泰通讯股份有限公司 | 导航系统中必经点最短路径的获取方法 |
JP2015224921A (ja) * | 2014-05-27 | 2015-12-14 | 株式会社デンソー | 推奨ルート探索装置および推奨ルート探索装置用のプログラム |
CN106327896A (zh) * | 2016-09-06 | 2017-01-11 | 中国第汽车股份有限公司 | 一种面向自动驾驶车辆的车道选择系统和方法 |
TW201827792A (zh) * | 2017-01-25 | 2018-08-01 | 大陸商上海蔚來汽車有限公司 | 多地點依存的路徑規劃方法和系統 |
CN106990777A (zh) * | 2017-03-10 | 2017-07-28 | 江苏物联网研究发展中心 | 机器人局部路径规划方法 |
CN107657330A (zh) * | 2017-08-16 | 2018-02-02 | 深圳先进技术研究院 | 一种候选公交线路计算方法、系统及电子设备 |
CN107992038A (zh) * | 2017-11-28 | 2018-05-04 | 广州智能装备研究院有限公司 | 一种机器人路径规划方法 |
CN110231040A (zh) * | 2018-03-05 | 2019-09-13 | 北京京东尚科信息技术有限公司 | 一种路径规划的方法和装置 |
CN109115220A (zh) * | 2018-07-31 | 2019-01-01 | 大连理工大学 | 一种用于停车场系统路径规划的方法 |
CN111047066A (zh) * | 2018-10-12 | 2020-04-21 | 清华大学 | 游览路线规划方法、装置、计算机设备和存储介质 |
CN110363323A (zh) * | 2018-11-20 | 2019-10-22 | 南京掌控网络科技有限公司 | 一种周期性客户拜访路线的智能规划方法、系统及设备 |
CN109839110A (zh) * | 2019-01-09 | 2019-06-04 | 浙江大学 | 一种基于快速随机搜索树的多目标点路径规划方法 |
Non-Patent Citations (4)
Title |
---|
丁建勋: "基于改进K最短路算法的公交线网优化研究", 《合肥工业大学学报(自然科学版)》 * |
华东升 等: "多目标公交线路和发车频率一体化设计", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
张双琳: "纯电动自动驾驶汽车任务规划算法的设计与实现", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
杨志勇 等: "有向非负权图中经过必经节点集最短路径算法", 《电子设计工程》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113566839A (zh) * | 2021-07-23 | 2021-10-29 | 湖南省计量检测研究院 | 基于三维建模的道路区间最短路程距离测量方法 |
CN113566839B (zh) * | 2021-07-23 | 2024-02-06 | 湖南省计量检测研究院 | 基于三维建模的道路区间最短路程距离测量方法 |
CN113609016A (zh) * | 2021-08-05 | 2021-11-05 | 北京赛目科技有限公司 | 车辆自动驾驶测试场景的构建方法、装置、设备及介质 |
CN113609016B (zh) * | 2021-08-05 | 2024-03-15 | 北京赛目科技股份有限公司 | 车辆自动驾驶测试场景的构建方法、装置、设备及介质 |
CN114112421A (zh) * | 2021-09-30 | 2022-03-01 | 东风汽车集团股份有限公司 | 自动驾驶的测试方法、装置、电子设备及存储介质 |
CN114112421B (zh) * | 2021-09-30 | 2023-06-20 | 东风汽车集团股份有限公司 | 自动驾驶的测试方法、装置、电子设备及存储介质 |
CN117216301A (zh) * | 2023-11-08 | 2023-12-12 | 高德软件有限公司 | 图像资料推荐方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112213113B (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112213113B (zh) | 智能驾驶移动装置的现实道路测试场景选择及规划方法 | |
US7349799B2 (en) | Apparatus and method for processing traffic information | |
CN107247718B (zh) | 一种地图数据的更新方法和装置、导航系统及服务器 | |
CN105387864B (zh) | 路径规划装置及方法 | |
KR101691620B1 (ko) | 드론에서 항공 수집한 원시영상의 분석과 mms 연동을 통한 도로기반시설물의 변화지역 갱신시스템 | |
US9322660B2 (en) | Incremental map generation, refinement and extension with GPS traces | |
CN105069047B (zh) | 一种地理信息的检索方法及装置 | |
CN104215254B (zh) | 路径导航的方法和装置 | |
EP2630443B1 (en) | Method of determining and validating navigational priority settings utilizing probe data | |
KR100336597B1 (ko) | 경로 탐색 장치 | |
US9250075B2 (en) | Generating travel time data | |
CN108204819B (zh) | 一种地图数据自动检测方法和装置、及混合导航系统 | |
CN108205566B (zh) | 一种基于轨迹对点云进行管理的方法及装置、导航设备 | |
CN105628044A (zh) | 基于位置实时更新与路段属性的车载导航装置与导航方法 | |
CN105606116A (zh) | 一种对路导航的导航方法、导航装置及其系统 | |
CN112613677A (zh) | 一种航路网络生成方法、装置及计算机存储介质 | |
KR20210117235A (ko) | 위치 기반 경로 데이터베이스의 관리 방법 및 이를 수행하는 서버 | |
CN107655490A (zh) | 基于移动用户轨迹分段和最热搜索的热点路径发现方法 | |
KR102185334B1 (ko) | 도로 네트워크에서 ε-거리 조인 질의 처리 방법 및 도로 네트워크에서 ε-거리 조인 질의를 처리하는 장치 | |
CN117173361A (zh) | 仿真实现方法、装置、设备及计算机可读存储介质 | |
JP6974106B2 (ja) | 情報処理装置、情報処理方法、情報処理システム、及びプログラム | |
CN112269845B (zh) | 面向异源数据的电子道路地图与公交线路的快速匹配方法 | |
CN115183789A (zh) | 一种导航路线的确定方法及装置 | |
CN111613050A (zh) | 道路数据处理方法、装置、设备及存储介质 | |
CN117115773B (zh) | 停止线生成方法、装置、电子设备、介质和程序产品 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231224 Address after: No.1, xinhongqi street, automobile economic and Technological Development Zone, Changchun, Jilin Province Patentee after: China Faw Co.,Ltd. Patentee after: CHANGCHUN AUTOMOTIVE TEST CENTER Co.,Ltd. Address before: 130011 No.1, xinhongqi street, Changchun automobile economic and Technological Development Zone, Changchun City, Jilin Province Patentee before: China Faw Co.,Ltd. |