CN112781610A - 一种多乘客模式的无人巴士路线规划方法 - Google Patents

Abstract

本发明提供了一种多乘客模式的无人巴士路线规划方法，通过按目的地划分乘客位置节点集，在确定规划目标后对赋值的节点集规划路径，并根据节点集的更新实时更新对路径的规划，实现了有新预约乘客时重新进行路径规划，在不同最优规划目标下对无人巴士在多个不同地点停靠的行车轨迹规划功能。本发明优化后的行车路线，减少了不必要的行车轨迹，节省了能耗；降低了单位时间内运行在路上的车辆数量，避免了交通拥堵，为无人巴士的使用过程带来了较好的用户体验。

Description

一种多乘客模式的无人巴士路线规划方法

技术领域

本发明属于无人驾驶技术领域，具体涉及一种多乘客模式的无人巴士路线规划方法。

背景技术

无人驾驶车辆是一个综合环境感知、路径规划、运动控制于一体的复合系统，其中，路径规划是无人车辆环境感知和车辆控制的桥梁，是实现车辆主动避障、自动导航等重要功能的关键技术，是无人车辆自主驾驶的基础。目前，随着无人驾驶技术的发展，为了缓解车辆增多带来的道路压力，无人巴士在人们的出行方面扮演着重要角色。无人巴士可以同时被多个乘客预约，然后按照每个乘客的需求一一将乘客送往目的地，这就需要对无人巴士的行车线路进行规划，虽然目前对无人驾驶车辆的路径规划规划有很多技术方案，然而在实际应用过程中，在有多个乘客预约时，并不是行车路线最短就是最优的，需要综合考虑当前路况、乘客优先级、燃油资源等不同因素，那么在此基础上，如何为多乘客预约的无人巴士规划最合适的行车线路是目前亟需解决的问题。

现有一种汽车动态环保出行路径规划方法，由实际车载实验、建立排放测算模型、Dijkstra算法优化、形成ArcGIS矢量地图、路径规划仿真几个步骤组成。运用M A HAMETDH6.3完成实际车载实验，获取实时车辆排放数据；运用上述数据基于VSP建立乘用车排放测算模型；利用ArcGIS平台依照城市真实城市道路地图搭建路网矢量地图，将矢量地图的路网数据入MATLAB中，运用优化后的Dijkstra算法结合排放测算模型、动态交通信息仿真求解动态最优路径；使得搭建的动态环保出行路径规划模型能够较好地规划不同优化目标的路线方案，判断不同路线、不同指标的差异，并应用到实际道路行车中，协助驾驶员完成最优路径规划，实现适用于与动态交通耦合的环保出行路径规划。

该方法中仅将车辆的排放量最优作为规划目标，并没有涉及在多个乘客预约时如何实现车辆的排放量最优的路径规划，也不曾涉及在多个乘客预约时其他规划目标(时间最短、路径最短等)下如何实现车辆的路径规划。此外，该方法采用的是Dijkstra(迪杰特斯拉)算法，该算法在当路况复杂或者乘客人数较多时，遍历计算量会很大，对处理器计算要求较高。

另有一种基于实时行程安排的路径规划方法，通过比较基于实时行程安排数据所生成的实时规划路径和基于初始行程安排数据所生成的初始规划路径，并基于比较结果信息判断是否满足路径更换条件；若满足路径更换条件，则变更初始规划路径为实时规划路径。该方法是在设定目的地后生成一个初始规划路径，随着外部环境的变化而做出及时的反馈，并适应性的改变初始规划路径，以获得更合理的行驶线路，提升用户体验度。

但该方法仅规划了起点到终点(已设定目的地)的行车路线，是在中间根据外部环境变化进行了适当的调整，本质上还是起点到终点的行车路线的规划，并没有涉及在多个乘客预约时有多个目的地时如何实现巴士行驶路线的最优规划，也不曾涉及在多个乘客预约且需求不同规划目标(时间最短、路径最短等)下如何实现巴士行驶路线的最优规划。

基于前述的现有技术可知，目前在无人驾驶路径规划规划方面有很多技术方案，比如以车辆的排放量最优作为规划目标的路径规划方案；再比如根据当前的车位位置，考虑地图道路信息和障碍物等因素，规划从起点到终点的行车线路的方案；但现有的路径规划方案没有考虑到无人巴士需要接送的乘客众多，其需要综合考虑每个乘客的上车地点，动态规划行车线路，在保证能够接到每个乘客的条件下，还要考虑在不同的规划目标，比如行车路径最短、或者行车时间最短(因为每天道路拥堵情况不同)、油耗最少(选择不同道路油耗也不尽相同，比如有上坡或者下坡)等情况下，如何实现巴士行驶路线的最优规划。

发明内容

本发明要解决的技术问题是：提供一种多乘客模式的无人巴士路线规划方法，用于解决无人巴士在多个不同地点停靠的行车轨迹规划问题。

本发明为解决上述技术问题所采取的技术方案为：一种多乘客模式的无人巴士路线规划方法，包括以下步骤：

S1：当有乘客发送预约信息时，接收乘客的预约信息并判断是否接受乘客，若接受则更新乘客列表，并基于更新的乘客列表更新乘客位置节点集；若不接受则告知乘客预约不成功，按照已经规划的路径行驶，重复执行本步骤；

S2：确定行车模式，并基于行车模式确定更新后的乘客位置节点集中的每两个位置节点之间的属性以及属性值；

S3：采用A*算法对赋予属性值后的乘客位置节点集进行路径规划。

按上述方案，所述的步骤S1中，预约信息包括预约接站位置、预约终点、期待优先级、期待上车时间。

进一步的，所述的步骤S1中，判断是否接受乘客的条件包括：判断车辆乘客是否已满员、判断预约接站地点距离是否大于预设阈值、判断能否在设定时间内接站、判断预约终点是否为本车终点；判断车辆乘客是否已满员具体为：判断车辆是否有空位；判断预约接站地点距离是否大于预设阈值具体为：判断预约接站位置与车辆当前位置的距离是否大于预设阈值，若小于等于预设阈值则接收预约；若大于预设阈值则告知乘客预约失败；判断能否在设定时间内接站具体为：根据期待优先级、预约接站位置和车辆当前位置，判断在期待上车时间能否接到乘客，若能则接收预约；若不能则告知乘客预约失败；判断预约终点是否为本车终点具体为：判预约终点的位置坐标是否与本车终点的位置坐标相同，若是则接收预约；若不是则告知乘客预约失败。

按上述方案，所述的步骤S1中，乘客位置节点集是位置节点的集合，位置节点为预约到达同一目的地的乘客的接站位置。

进一步的，所述的步骤S1中，乘客列表包括已接站乘客列表和待接站乘客列表；已接站乘客列表中乘客的位置节点不再出现在乘客位置节点集中，仅用于计算已上车的乘客数量；待接站乘客列表中乘客的位置节点作为更新后的乘客位置节点集中待到达的位置节点。

按上述方案，所述的步骤S2中，行车模式包括路径最短、时间最短、按照优先级接送乘客、油耗最低；属性是在不同行车模式下要达到某种行车模式的优化所采用的参数，属性的权重高低根据所选择行车模式的不同来赋予；行车模式为路径最短时，两个位置节点之间的距离属性的权重高；行车模式为时间最短时，两个位置节点之间的时间属性的权重高；行车模式为按照优先级接送乘客时，两个位置节点之间的优先级属性的权重高。

按上述方案，所述的步骤S3中，采用A*算法规划出起点到终点的最短路径的具体步骤为：

S31：将赋予属性值后的乘客位置节点集中的所有乘客的位置节点保存为中间必经位置节点集；

S32：采用A*算法深度优先遍历分别计算起点到每一个乘客的最短路径；

S33：将步骤S31得到的中间必经位置节点集中可达的位置节点进行全排列；

S34：按照全排列中每一个乘客的顺序采用A*算法依次计算乘客到乘客之间的路径距离值；

S35：将得到的所有路径中最短的路径作为接乘客路线。

进一步的，还包括以下步骤：若中途收到新的乘客请求，以当前节点为起点执行步骤S1重新计算路径。

一种计算机存储介质，其内存储有可被计算机处理器执行的计算机程序，该计算机程序执行一种多乘客模式的无人巴士路线规划方法。

本发明的有益效果为：

1.本发明的一种多乘客模式的无人巴士路线规划方法，通过按目的地划分乘客位置节点集，在确定规划目标后对赋值的节点集规划路径，并根据节点集的更新实时更新对路径的规划，实现了有新预约乘客时重新进行路径规划，在不同最优规划目标下对无人巴士在多个不同地点停靠的行车轨迹规划功能。

2.本发明优化后的行车路线，减少了不必要的行车轨迹，节省了能耗。

3.本发明降低了单位时间内运行在路上的车辆数量，避免了交通拥堵，为无人巴士的使用过程带来了较好的用户体验。

附图说明

图1是本发明实施例的流程图。

图2是本发明实施例的无人小巴运营区域图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细的说明。

在预约的乘客到达同一目的地的情况下，将每个预约的乘客看作一个位置节点，形成乘客位置节点集；确定的行车模式(最优规划目标)，对乘客位置节点集中的每两个位置节点之间赋予属性值，然后基于A*算法对赋予属性值后的乘客位置节点集进行路径规划，并且当有新预约乘客时，不断的重新进行路径规划，就可以实现不同最优规划目标(比如距离最短or油耗最低or时间最短or乘客优先级)的路径规划。

参见图1，本发明的实施例提供的一种多乘客模式的无人巴士路线规划方法的流程如下：

S1：接收新预约乘客的预定信息，并根据所述预定信息判断是否接受所述新预约乘客，获得判断结果；其中，所述预定信息至少包括预约接站地点、预约终点、期待优先级以及期待上车时间；

采用以下标准判断是否接受所述新预约乘客：

判断车辆乘客是否已经满员，具体为，在接收到预定信息后，确定车辆是否有空位，若有空位，接收预约；若没有，告知所述新预约乘客预约失败；

判断预约接站地点距离是否过远，具体为：基于新预约乘客的预约接站地点和该车辆所处当前位置，判断所述新预约乘客的预约接站地点与该车辆所处当前位置之间的距距离是否大于预设阈值，在不大于预设阈值时，接收预约；在大于预设阈值时，告知所述新预约乘客预约失败；

乘客紧急度如果较高，需要计算能否在需求时间内完成接站，具体为，基于所述期待优先级、新预约乘客的预约接站地点和该车辆所处当前位置确定在所述期待上车时间是否能够接到所述新预约乘客，若能，接收预约；若不能，告知所述新预约乘客预约失败。

判断预约终点是否在本车的终点，具体为判断所述预约终点是否为预设目的地，若是，接收预约；若不是，告知所述新预约乘客预约失败。

S2：在所述判断结果为接受所述新预约乘客的情况下，更新乘客列表；并基于更新的乘客列表更新乘客位置节点集；

其中，所述乘客位置节点集中每一个乘客所需待接位置为一个位置节点。为方便维护乘客位置节点集，乘客列表应分为已完成接站乘客列表和待接站乘客列表；已完成接站乘客列表中的每位乘客的位置节点不再出现在乘客位置节点集中，仅用用于计算上车乘客数量；待接站乘客列表中每位乘客的位置节点作为更新后的乘客位置节点集中的待到达位置节点(当有新的乘客加进来就需要更新一次乘客位置节点集)。

S3：确定行车模式，并基于所述行车模式确定更新的乘客位置节点集中的每两个位置节点之间的属性以及属性值。

需要说明的是，行车模式可以是指希望什么因素最优，如希望行车路径最短，希望行车时间最短，希望乘客按照优先级接送等模式等，也即：行车模式可以包括：路径最短、时间最短、油耗最低等等。属性可以是指在不同行车模式下，要达到该行车模式的优化所采用的的参数，比如，行车模式为路径最短时，其属性就是两个位置节点之间的距离，而属性值就是两个位置节点之间的距离的值；再如，当行车模式为时间最短时，其属性就是两个位置节点之间的时间，而属性值就是两个位置节点之间的时间值。可以给乘客位置节点集中的位置节点的各属性重新赋予权重，如需要路程最短，距离信息就赋予较高权重；如乘客具有优先级，则节点优先级权重更高；如希望行车时间最短，可以通过更改拥堵道路和畅通道路的群众来满足此优化目标。如此更新网络权重则可完成不同的行车模式。

S4：基于A*算法对赋予属性值后的乘客位置节点集进行路径规划。

其中，路径规划可以采用A*算法，该算法为启发式算法，不用遍历整个运营区域地图，计算量较小。

以下举例说明基于A*算法对赋予属性值后的乘客位置节点集进行路径规划的步骤。

在图2中，乘客1，乘客2，乘客3这三个节点均有乘客预约接站。4，5为地图中两个站点，但是没有乘客预约在此上车。

路径规划部分算法步骤描述：以行车模式为最短路径为例进行说明。

A*算法可以规划出图中起点到终点的最短路径，是点到点的路径规划经典算法。采用贪婪算法将待接众多乘客分解为接一个乘客的子问题。

1.首先将赋予属性值后的乘客位置节点集中的所有乘客的位置节点保存为中间必经位置节点集。

如图2中，中间必经位置节点集为：[乘客1，乘客2，乘客3]

采用A*算法深度优先遍历分别计算起点到每一个乘客的最短路径。

2.将步骤一中可达中间必经位置节点集中可达的位置节点进行全排列

例如：

乘客1→乘客2→乘客3

乘客1→乘客3→乘客2

乘客2→乘客1→乘客3

乘客2→乘客3→乘客1

乘客3→乘客1→乘客2

乘客3→乘客2→乘客1

按照全排列中每一个乘客顺序采用A*算法依次计算乘客到乘客之间的路径距离值，将上述六条路径中最短的路径作为接乘客路线。

3.如中途收到新的乘客请求，以当前节点为起点重复步骤S1～步骤S4重新计算路径。

不同的行车模式：路径最短，油耗最少，时间最短等模式转换，将点到点的边上加载不同的权重，即为不同的优化目标。如边上的权重为A点到B点的距离，则行车模式为路径最短；A点到B点边上的权重为两点的可达时间，则行车模式为时间最短模式。

S5：在所述判断结果为不接受所述新预约乘客的情况下，通知乘客预约不成功，巴士按照已经规划的路径行驶。

以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。

Claims (9)

1.一种多乘客模式的无人巴士路线规划方法，其特征在于：包括以下步骤：

S1：当有乘客发送预约信息时，接收乘客的预约信息并判断是否接受乘客，若接受则更新乘客列表，并基于更新的乘客列表更新乘客位置节点集；若不接受则告知乘客预约不成功，按照已经规划的路径行驶，重复执行本步骤；

S2：确定行车模式，并基于行车模式确定更新后的乘客位置节点集中的每两个位置节点之间的属性以及属性值；

S3：采用A*算法对赋予属性值后的乘客位置节点集进行路径规划。

2.根据权利要求1所述的一种多乘客模式的无人巴士路线规划方法，其特征在于：所述的步骤S1中，预约信息包括预约接站位置、预约终点、期待优先级、期待上车时间。

3.根据权利要求2所述的一种多乘客模式的无人巴士路线规划方法，其特征在于：所述的步骤S1中，判断是否接受乘客的条件包括：判断车辆乘客是否已满员、判断预约接站地点距离是否大于预设阈值、判断能否在设定时间内接站、判断预约终点是否为本车终点；

判断车辆乘客是否已满员具体为：判断车辆是否有空位；

判断预约接站地点距离是否大于预设阈值具体为：判断预约接站位置与车辆当前位置的距离是否大于预设阈值，若小于等于预设阈值则接收预约；若大于预设阈值则告知乘客预约失败；

判断能否在设定时间内接站具体为：根据期待优先级、预约接站位置和车辆当前位置，判断在期待上车时间能否接到乘客，若能则接收预约；若不能则告知乘客预约失败；

判断预约终点是否为本车终点具体为：判预约终点的位置坐标是否与本车终点的位置坐标相同，若是则接收预约；若不是则告知乘客预约失败。

4.根据权利要求1所述的一种多乘客模式的无人巴士路线规划方法，其特征在于：所述的步骤S1中，乘客位置节点集是位置节点的集合，位置节点为预约到达同一目的地的乘客的接站位置。

5.根据权利要求4所述的一种多乘客模式的无人巴士路线规划方法，其特征在于：所述的步骤S1中，乘客列表包括已接站乘客列表和待接站乘客列表；

已接站乘客列表中乘客的位置节点不再出现在乘客位置节点集中，仅用于计算已上车的乘客数量；

待接站乘客列表中乘客的位置节点作为更新后的乘客位置节点集中待到达的位置节点。

6.根据权利要求1所述的一种多乘客模式的无人巴士路线规划方法，其特征在于：所述的步骤S2中，

行车模式包括路径最短、时间最短、按照优先级接送乘客、油耗最低；

属性是在不同行车模式下要达到某种行车模式的优化所采用的参数，属性的权重高低根据所选择行车模式的不同来赋予；

行车模式为路径最短时，两个位置节点之间的距离属性的权重高；

行车模式为时间最短时，两个位置节点之间的时间属性的权重高；

行车模式为按照优先级接送乘客时，两个位置节点之间的优先级属性的权重高。

7.根据权利要求1所述的一种多乘客模式的无人巴士路线规划方法，其特征在于：所述的步骤S3中，采用A*算法规划出起点到终点的最短路径的具体步骤为：

S31：将赋予属性值后的乘客位置节点集中的所有乘客的位置节点保存为中间必经位置节点集；

S32：采用A*算法深度优先遍历分别计算起点到每一个乘客的最短路径；

S33：将步骤S31得到的中间必经位置节点集中可达的位置节点进行全排列；

S34：按照全排列中每一个乘客的顺序采用A*算法依次计算乘客到乘客之间的路径距离值；

S35：将得到的所有路径中最短的路径作为接乘客路线。

8.根据权利要求7所述的一种多乘客模式的无人巴士路线规划方法，其特征在于：还包括以下步骤：若中途收到新的乘客请求，以当前节点为起点执行步骤S1重新计算路径。

9.一种计算机存储介质，其特征在于：其内存储有可被计算机处理器执行的计算机程序，该计算机程序执行如权利要求1至权利要求8中任意一项所述的一种多乘客模式的无人巴士路线规划方法。

Images