CN112985413B - 基于改进a*算法的景区路径规划方法及装置 - Google Patents
基于改进a*算法的景区路径规划方法及装置 Download PDFInfo
- Publication number
- CN112985413B CN112985413B CN202110291550.3A CN202110291550A CN112985413B CN 112985413 B CN112985413 B CN 112985413B CN 202110291550 A CN202110291550 A CN 202110291550A CN 112985413 B CN112985413 B CN 112985413B
- Authority
- CN
- China
- Prior art keywords
- scenic spot
- node
- top view
- end point
- scenic
- 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.)
- Expired - Fee Related
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000005094 computer simulation Methods 0.000 claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 28
- 238000004088 simulation Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 66
- 238000012545 processing Methods 0.000 claims description 36
- 238000013499 data model Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012876 topography Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims 1
- 238000012360 testing method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种基于改进A*算法的景区路径规划方法、装置、设备及存储介质，属于旅游规划技术领域，该方法包括:获取虚拟景区俯视图，确定游客的起点位置和预设到达的终点位置，构建景区动态仿真模型，基于改进A*算法查找估价函数最小值对应的路径节点，首先对A*算法的启发函数进行加权，提高算法的运算效率；然后在估价函数中引入路况水平和景点热度两个影响因子，考虑景区的实用性；最后通过仿真试验进行最优旅游路径规划，本申请通过上述旅游规划方法，不仅能够为游客快速规划景区旅游路径，而且也考虑到降低时间损耗的同时又能浏览到较多的景点。
Description
技术领域
本申请涉及旅游规划技术领域，尤其涉及一种基于改进A*算法的景区路径规划方法、装置、设备及存储介质。
背景技术
随着社会经济的发展，人民生活水平显著提高，旅游成为人们闲暇之余最热衷的方式之一，对于游客而言，在景区的游览时间是十分有限的，往往不能够充分游览全部景点，游客更关心的是如何在降低时间损耗的同时又能浏览到较多的景点，同时，对于景区来说，高效的游览路径也能够降低景区拥堵状况，提升景区的资源利用率，有利于景区的持续健康发展，因此，合理的游览路线规划对于游客的体验来说至关重要。
路径规划在物流、旅游、导航等领域都有广泛的应用，传统解决路径规划问题的算法包括Floyd算法、Dijkstra算法、启发式搜索、蚁群算法以及遗传算法等，A*算法是在Dijkstra算法的基础上建立的启发式搜索算法和广度优先搜索算法，传统A*算法中的估价函数中实际代价是从源点走到节点的总距离，现代人们的旅游需求若仅仅考虑距离或者时间已经远远不够，对于路径规划，已经从最初的满足导航路径的通达性上升到要满足游客的安全性和舒适性等更多体验性条件上，因此，现有技术在进行旅游路径规划中存在景区旅游路径规划不够快速和规划处的路径耗损旅游时间过多的问题。
发明内容
本申请实施例的目的在于提出一种基于改进A*算法的景区路径规划方法、装置、设备及存储介质，以解决现有技术在进行旅游路径规划中存在景区旅游路径规划不够快速和规划处的路径耗损旅游时间过多的问题。
为了解决上述技术问题，本申请实施例提供一种基于改进A*算法的景区路径规划方法，采用了如下所述的技术方案：
一种基于改进A*算法的景区路径规划方法，包括：
基于预设高空俯视拍摄设备，获取景区俯视图，对所述景区俯视图进行二值化处理，获取一张n×m个单元栅格的虚拟景区俯视图，其中，n为虚拟景区俯视图长度方向上的单元栅格数量，m为虚拟景区俯视图宽度方向上的单元栅格数量，n和m为大于0的正整数；
获取游客在景区中的当前位置信息A和计划将要到达的终点位置信息B，将所述当前位置信息A和所述终点位置信息B分别作为起点和终点标识于所述虚拟景区俯视图中，获取所述起点在所述虚拟景区俯视图中的坐标值记为A(n1,m1)，获取所述终点在所述虚拟景区俯视图中的坐标值记为B(n2,m2)；
基于所述虚拟景区俯视图、起点、终点、实时景区路况水平和景点热度作为第一参数集，构建景区动态路网数据模型，获取景区动态仿真模型；
将所述实时景区路况水平和景区热度作为估计函数中的影响因子，并基于改进后的A*算法公式：
获取从所述起点A(n1,m1)到所述终点B(n2,m2)之间景区路径中不同节点在所述景区动态仿真模型中的估价函数,并对测定估计函数的不同节点进行区别标记，其中，式中b1为从当前节点到终点经过的模拟路段个数，p(n)为景区路况水平代价，q(n)为景点热度代价，wp为所述景区路况水平代价在实际代价中的加权系数，wq为所述景点热度代价在实际代价中的加权系数，exp[h(n)]为当前节点距离终点的估计代价在所述估价函数中的权重值，h(n)为当前节点距离终点的估计代价，h(p)为当前节点的父节点到终点的距离；
确定从所述起点A(n1,m1)到所述终点B(n2,m2)之间景区路径中进行区别标记的第一节点和所述第一节点在所述景区动态仿真模型中的估价函数构建一一对应的哈希表；
预先设定集合open和集合close区别待进行遍历的节点和已经遍历后的节点,将所述起点作为集合open中的初始节点，获取经基于改进后的A*算法公式f(a1)获取后的估计函数中的最小值对应的节点，判断所述最小值对应的节点是否为终点，若所述最小值对应的节点为终点，则沿着所述终点的父节点进行路径回溯，获取从所述起点到所述终点的节点路径，作为最优旅游规划路径，若所述最小值对应的节点不是终点，则将所述最小值对应的节点加入到集合close中，获取当前节点的邻居节点中f(a1)为最小值的节点，作为参考节点，并判断所述参考节点是否为终点，若为，则沿着所述终点的父节点进行路径回溯，获取从所述起点到所述终点的节点路径，作为最优旅游规划路径，否则，循环执行上述终点查询步骤，直到确定终点，完成最优旅游路径规划。
进一步获取景区俯视图，对所述景区俯视图进行二值化处理，具体包括：
预设特定拍摄高度值k，并在景区垂直高空k值处，等间距拍摄任多张景区第一俯视图，对所述等间距拍摄的任多张景区第一俯视图进行全景拼接，获取第一景区俯视图；
基于预设轮廓提取模型，确定所述第一景区俯视图中景区范围，对所述第一景区俯视图中的非景区范围区域进行纯黑处理，获取第二景区俯视图；
基于预设第一训练集，确定所述第二景区俯视图中的任多条道路路径，并对所述任多条道路路径进行纯白处理，获取第三景区俯视图；
对所述第三景区俯视图中非纯黑区域或者非纯白区域进行灰值化处理，确定景区内景点群或者建筑群区域，获取虚拟景区俯视图。
进一步获取一张n×m个单元栅格的虚拟景区俯视图，具体方式为：
基于所述虚拟景区俯视图中的纯白处理结果，确定所述景区内任多条道路路径对应的白色线条，并将所述白色线条的宽度j作为单元栅格的单位值；
以所述单元栅格的单位值对所述虚拟景区俯视图进行单元栅格划分，获取n×m个大小为j×j的单元栅格对应的虚拟景区俯视图，并使用Zn,m的形式标识不同单元栅格。
基于所述虚拟景区俯视图、起点、终点、景区路况水平和景点热度作为第一参数集，构建景区动态路网数据模型，获取景区动态仿真模型，包括：
获取所述虚拟景区俯视图对应的预设特定拍摄高度值k、单元栅格的宽度j、起点值A(n1,m1)、终点值B(n2,m2)、实时景区路况水平f(x)和景点热度f(y)，作为第一参数集，
其中，基于预设算法的实时景区路况水平f(x)的获取公式为：f(x)＝(c*r+d)x+b，确定所述实时景区路况水平，其中，c、d、b为固定的预设参数，r为道路地形起伏度，x为道路的实际距离，即道路路径对应的白色线条长度与单元栅格宽度的模值，
其中，基于预设算法的景点热度f(y)的获取公式为：f(y)＝ey+g，确定所述景点热度，其中，g为固定的预设参数，e为景点的推荐等级，y为道路的实际距离，即道路路径对应的白色线条长度与单元栅格宽度的模值；
将所述第一参数集作为配置参数，构建景区动态路网数据模型，获取景区动态仿真模型。
进一步将所述实时景区路况水平和景区热度作为估计函数中的影响因子，包括：
设置所述实时景区路况水平f(x)为所述景区路况水平代价p(n)；
设置所述景点热度f(y)为所述景点热度代价q(n)。
进一步确定从所述起点A(n1,m1)到所述终点B(n2,m2)之间景区路径中进行区别标记的第一节点和所述第一节点在所述景区动态仿真模型中的估价函数构建一一对应的哈希表，包括：
获取所述虚拟景区俯视图中任多条道路路径对应的白色线条，并确定所述任多条道路路径对应的白色线条所对应的单元栅格集；
将所述单元栅格集中元素作为景区路径全节点；
基于所述区别标记，确定测定估计函数的所有第一节点，构建第一节点集，获取所述第一节点集中元素分别对应的单元栅格标识Zn,m，将标识Zn,m作为哈希表中的key值，将标识Zn,m对应的第一节点所对应的估计函数f(a1)作为value值生成哈希表。
其特征在于，所述纯白处理、纯黑处理和灰值化处理，包括：
使用二值化处理中的RGB值设定方式，在进行纯白处理时，将所述第二景区俯视图中的任多条道路路径的RGB值设定为(255、255、255)，在进行纯黑处理时，将所述第一景区俯视图中的非景区范围区域RGB值设定为(0、0、0)，在进行灰值化处理时，将所述第三景区俯视图中非纯黑区域或者非纯白区域的RGB值设定为(127、127、127)。
为了解决上述技术问题，本申请实施例还提供了一种基于改进A*算法的景区路径规划装置，采用了如下所述的技术方案：
一种基于改进A*算法的景区路径规划装置，包括：
景区俯视图获取模块，用于基于预设高空俯视拍摄设备，获取景区俯视图，对所述景区俯视图进行二值化处理，获取一张n×m个单元栅格的虚拟景区俯视图，其中，n为虚拟景区俯视图长度方向上的单元栅格数量，m为虚拟景区俯视图宽度方向上的单元栅格数量，n和m为大于0的正整数；
起始点确定模块，用于获取游客在景区中的当前位置信息A和计划将要到达的终点位置信息B，将所述当前位置信息A和所述终点位置信息B分别作为起点和终点标识于所述虚拟景区俯视图中，获取所述起点在所述虚拟景区俯视图中的坐标值记为A(n1,m1)，获取所述终点在所述虚拟景区俯视图中的坐标值记为B(n2,m2)；
景区动态仿真模型构建模块，用于基于所述虚拟景区俯视图、起点、终点、实时景区路况水平和景点热度作为第一参数集，构建景区动态路网数据模型，获取景区动态仿真模型；
改进A*算法模块，用于将所述实时景区路况水平和景区热度作为估计函数中的影响因子，并基于改进后的A*算法公式：
获取从所述起点A(n1,m1)到所述终点B(n2,m2)之间景区路径中不同节点在所述景区动态仿真模型中的估价函数,并对测定估计函数的不同节点进行区别标记，其中，式中b1为从当前节点到终点经过的模拟路段个数，p(n)为景区路况水平代价，q(n)为景点热度代价，wp为所述景区路况水平代价在实际代价中的加权系数，wq为所述景点热度代价在实际代价中的加权系数，exp[h(n)]为当前节点距离终点的估计代价在所述估价函数中的权重值，h(n)为当前节点距离终点的估计代价，h(p)为当前节点的父节点到终点的距离；
哈希表生成模块，用于确定从所述起点A(n1,m1)到所述终点B(n2,m2)之间景区路径中进行区别标记的第一节点和所述第一节点在所述景区动态仿真模型中的估价函数构建一一对应的哈希表；
最优旅游路径规划模块，用于预先设定集合open和集合close区别待进行遍历的节点和已经遍历后的节点,将所述起点作为集合open中的初始节点，获取经基于改进后的A*算法公式f(a1)获取后的估计函数中的最小值对应的节点，判断所述最小值对应的节点是否为终点，若所述最小值对应的节点为终点，则沿着所述终点的父节点进行路径回溯，获取从所述起点到所述终点的节点路径，作为最优旅游规划路径，若所述最小值对应的节点不是终点，则将所述最小值对应的节点加入到集合close中，获取当前节点的邻居节点中f(a1)为最小值的节点，作为参考节点，并判断所述参考节点是否为终点，若为，则沿着所述终点的父节点进行路径回溯，获取从所述起点到所述终点的节点路径，作为最优旅游规划路径，否则，循环执行上述终点查询步骤，直到确定终点，完成最优旅游路径规划。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现本申请实施例中提出的一种基于改进A*算法的景区路径规划方法的步骤。
为了解决上述技术问题，本申请实施例还提供一种非易失性计算机可读存储介质，采用了如下所述的技术方案：
一种非易失性计算机可读存储介质，计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例中提出的一种基于改进A*算法的景区路径规划方法的步骤。
与现有技术相比，本申请实施例主要有以下有益效果：
本申请实施例公开了基于改进A*算法的景区路径规划方法、装置、设备及存储介质，通过获取虚拟景区俯视图，确定游客的起点位置和预设到达的终点位置，构建景区动态仿真模型，基于改进A*算法查找估价函数最小值对应的路径节点，首先对A*算法的启发函数进行加权，提高算法的运算效率；然后在估价函数中引入路况水平和景点热度两个影响因子，考虑景区的实用性；最后通过仿真试验进行最优旅游路径规划，本申请通过上述旅游规划方法，不仅能够为游客快速规划景区旅游路径，同时也考虑到降低时间损耗的同时又能浏览到较多的景点。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例可以应用于其中的示例性系统架构图；
图2为本申请实施例中景区动态仿真图；
图3为本申请实施例中进行最优旅游路径规划时的一个执行逻辑流程图；
图4为本申请实施例中使用改进A*算法进行景区路径规划时，仿真地图上节点查找示意图；
图5为本申请实施例中所述基于改进A*算法的景区路径规划装置的一个实施例的结构示意图；
图6为本申请实施例中计算机设备的一个实施例的结构示意图；
具体实施方式
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；本文在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着：结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的基于改进A*算法的景区路径规划方法一般由服务器/终端设备执行，相应地，基于改进A*算法的景区路径规划装置一般设置于服务器/终端设备中。
图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
基于改进A*算法的景区路径规划方法是本申请的的一个实施例，所述的基于改进A*算法的景区路径规划方法包括以下步骤：
步骤201，基于预设高空俯视拍摄设备，获取景区俯视图，对所述景区俯视图进行二值化处理，获取一张n×m个单元栅格的虚拟景区俯视图，其中，n为虚拟景区俯视图长度方向上的单元栅格数量，m为虚拟景区俯视图宽度方向上的单元栅格数量，n和m为大于0的正整数。
在本申请实施例中，所述获取景区俯视图，对所述景区俯视图进行二值化处理，具体包括：预设特定拍摄高度值k，并在景区垂直高空k值处，等间距拍摄任多张景区第一俯视图，对所述等间距拍摄的任多张景区第一俯视图进行全景拼接，获取第一景区俯视图；基于预设轮廓提取模型，确定所述第一景区俯视图中景区范围，对所述第一景区俯视图中的非景区范围区域进行纯黑处理，获取第二景区俯视图；基于预设第一训练集，确定所述第二景区俯视图中的任多条道路路径，并对所述任多条道路路径进行纯白处理，获取第三景区俯视图；对所述第三景区俯视图中非纯黑区域或者非纯白区域进行灰值化处理，确定景区内景点群或者建筑群区域，获取虚拟景区俯视图。
解释：所述等间距拍摄任多张景区第一俯视图，考虑景区范围过大时，一张图片无法覆盖全景区，考虑采用同高度等间距拍摄法，拍摄任多张景区第一俯视图，通过图片拼接的方式，完成第一景区俯视图，即全景景区图片。
解释：确定所述第一景区俯视图中景区范围，对所述第一景区俯视图中的非景区范围区域进行纯黑处理，获取第二景区俯视图，首先，确定景区范围，景区范围外的区域，进行纯黑处理，用于区别第一景区俯视图中的景区占地范围和第一景区俯视图中的非景区占地范围；所述预设轮廓提取模型，包括：基于matabl线条提取技术，提取景区的外墙或者外侧道路对应的线条，基于所述线条，确定景区范围和非景区范围。
解释：基于预设第一训练集，确定所述第二景区俯视图中的任多条道路路径，并对所述任多条道路路径进行纯白处理，获取第三景区俯视图，具体包括：通过建筑物体识别技术，确定所述第二景区俯视图中的建筑物，进而确定建筑物间的任多条道路路径；所述预设第一训练集包括：基于大数据和网络抓取技术整合全国范围内的景区建筑俯视图片，通过预训练构成由景区建筑俯视图片构成的第一训练集。
解释：对所述第三景区俯视图中非纯黑区域或者非纯白区域进行灰值化处理，确定景区内景点群或者建筑群区域，获取虚拟景区俯视图，具体可以为：基于上述预设第一训练集，确定景区内景点群或者建筑群区域；还可以直接通过确定所述第三景区俯视图中的非纯黑区域或者非纯白区域，将所述第三景区俯视图中的非纯黑区域或者非纯白区域指定为景区内景点群或者建筑群区域。
在本申请实施例中，所述获取一张n×m个单元栅格的虚拟景区俯视图，具体方式为：基于所述虚拟景区俯视图中的纯白处理结果，确定所述景区内任多条道路路径对应的白色线条，并将所述白色线条的宽度j作为单元栅格的单位值；以所述单元栅格的单位值对所述虚拟景区俯视图进行单元栅格划分，获取n×m个大小为j×j的单元栅格对应的虚拟景区俯视图，并使用Zn,m的形式标识不同单元栅格。
在本申请实施例中，所述纯白处理、纯黑处理和灰值化处理，包括：使用二值化处理中的RGB值设定方式，在进行纯白处理时，将所述第二景区俯视图中的任多条道路路径的RGB值设定为(255、255、255)，在进行纯黑处理时，将所述第一景区俯视图中的非景区范围区域RGB值设定为(0、0、0)，在进行灰值化处理时，将所述第三景区俯视图中非纯黑区域或者非纯白区域的RGB值设定为(127、127、127)。
步骤202，获取游客在景区中的当前位置信息A和计划将要到达的终点位置信息B，将所述当前位置信息A和所述终点位置信息B分别作为起点和终点标识于所述虚拟景区俯视图中，获取所述起点在所述虚拟景区俯视图中的坐标值记为A(n1,m1)，获取所述终点在所述虚拟景区俯视图中的坐标值记为B(n2,m2)。
步骤203，基于所述虚拟景区俯视图、起点、终点、实时景区路况水平和景点热度作为第一参数集，构建景区动态路网数据模型，获取景区动态仿真模型。
在本申请实施例中，基于所述虚拟景区俯视图、起点、终点、景区路况水平和景点热度作为第一参数集，构建景区动态路网数据模型，获取景区动态仿真模型，包括：获取所述虚拟景区俯视图对应的预设特定拍摄高度值k、单元栅格的宽度j、起点值A(n1,m1)、终点值B(n2,m2)、实时景区路况水平f(x)和景点热度f(y)作为第一参数集，其中，基于预设算法的实时景区路况水平f(x)的获取公式为：f(x)＝(c*r+d)x+b，确定所述实时景区路况水平，其中，c、d、b为固定的预设参数，r为道路地形起伏度，x为道路的实际距离，即道路路径对应的白色线条长度与单元栅格宽度的模值，其中，基于预设算法的景点热度f(y)的获取公式：f(y)＝ey+g，确定所述景点热度，其中，g为固定的预设参数，e为景点的推荐等级，y为道路的实际距离，即道路路径对应的白色线条长度与单元栅格宽度的模值；将所述第一参数集作为配置参数，构建景区动态路网数据模型，获取景区动态仿真模型。
图2为本申请实施例中景区动态仿真图，图中显示出了景区动态路网数据模型图和经栅格化和二值化处理后的景区仿真图。
步骤204，将所述实时景区路况水平和景区热度作为估计函数中的影响因子，并基于改进后的A*算法公式：
获取从所述起点A(n1,m1)到所述终点B(n2,m2)之间景区路径中不同节点在所述景区动态仿真模型中的估价函数,并对测定估计函数的不同节点进行区别标记，其中，式中b1为从当前节点到终点经过的模拟路段个数，p(n)为景区路况水平代价，q(n)为景点热度代价，wp为所述景区路况水平代价在实际代价中的加权系数，wq为所述景点热度代价在实际代价中的加权系数，exp[h(n)]为当前节点距离终点的估计代价在所述估价函数中的权重值，h(n)为当前节点距离终点的估计代价，h(p)为当前节点的父节点到终点的距离。
在本申请实施例中，所述将所述实时景区路况水平和景区热度作为估计函数中的影响因子，包括：设置所述实时景区路况水平f(x)为所述景区路况水平代价p(n)；设置所述景点热度f(y)为所述景点热度代价q(n)。
解释：在估价函数中加入路况水平代价q(n)和景点热度代价p(n)，并引入加权系数wp和wq控制路况水平代价和景点热度代价在实际代价中所占的比例，即公式(1)：
其中，b1表示从起点到终点经过的路段个数，wp和wq表示加权的不同参数的系数，且wp+wq＝1，q(n)和p(n)均可设为线性函数f(x)＝ax+b，其中x表示道路的实际距离，在此对于不同路况的地形，可以令地形起伏度为r，根据r通过函数计算得到a的数值，令此计算函数为a＝c*r+d；此处令c＝0.2，d＝1，b＝1，可得公式(2)：f(x)＝(0.2r+1)x+1；
解释：对于景点热度可分为强烈推荐、推荐、一般推荐三个等级，分别令e＝1、e＝1.5、e＝2；g＝0，可得公式(3)：f(y)＝ey；
由上式(1)、(2)、(3)可得道路通行代价函数式为：
改进后的估价函数中实际代价g(n)由路况水平代价p(n)和景点热度代价q(n)组成，wp和wq分别控制路况水平和景点热度代价在实际代价中所占的比例，大小可根据景区具体情况设定，估计代价h(n)则可用根据指数加权的方式进行设定，由上述公式进行整合，改进后的A*算法的估价函数可表示为：
步骤205，确定从所述起点A(n1,m1)到所述终点B(n2,m2)之间景区路径中进行区别标记的第一节点和所述第一节点在所述景区动态仿真模型中的估价函数构建一一对应的哈希表。
在本申请实施例中，所述确定从所述起点A(n1,m1)到所述终点B(n2,m2)之间景区路径中进行区别标记的第一节点和所述第一节点在所述景区动态仿真模型中的估价函数构建一一对应的哈希表，包括：获取所述虚拟景区俯视图中任多条道路路径对应的白色线条，并确定所述任多条道路路径对应的白色线条所对应的单元栅格集；将所述单元栅格集中元素作为景区路径全节点；基于所述区别标记，确定测定估计函数的所有第一节点，构建第一节点集，获取所述第一节点集中元素分别对应的单元栅格标识Zn,m，将标识Zn,m作为哈希表中的key值，将标识Zn,m对应的第一节点所对应的估计函数f(a1)作为value值生成哈希表。
步骤206，预先设定集合open和集合close区别待进行遍历的节点和已经遍历后的节点,将所述起点作为集合open中的初始节点，获取经基于改进后的A*算法公式f(a1)获取后的估计函数中的最小值对应的节点，判断所述最小值对应的节点是否为终点，若所述最小值对应的节点为终点，则沿着所述终点的父节点进行路径回溯，获取从所述起点到所述终点的节点路径，作为最优旅游规划路径，若所述最小值对应的节点不是终点，则将所述最小值对应的节点加入到集合close中，获取当前节点的邻居节点中f(a1)为最小值的节点，作为参考节点，并判断所述参考节点是否为终点，若为，则沿着所述终点的父节点进行路径回溯，获取从所述起点到所述终点的节点路径，作为最优旅游规划路径，否则，循环执行上述终点查询步骤，直到确定终点，完成最优旅游路径规划。
具体参考图3，图3为本申请实施例中进行最优旅游路径规划时的一个执行逻辑流程图，图中示出了预先设定集合open和集合close区别待进行遍历的节点和已经遍历后的节点,将所述起点作为集合open中的初始节点，获取经基于改进后的A*算法公式f(a1)获取后的估计函数中的最小值对应的节点，判断所述最小值对应的节点是否为终点，若所述最小值对应的节点为终点，则沿着所述终点的父节点进行路径回溯，获取从所述起点到所述终点的节点路径，作为最优旅游规划路径，若所述最小值对应的节点不是终点，则将所述最小值对应的节点加入到集合close中，获取当前节点的邻居节点中f(a1)为最小值的节点，作为参考节点，并判断所述参考节点是否为终点，若为，则沿着所述终点的父节点进行路径回溯，获取从所述起点到所述终点的节点路径，作为最优旅游规划路径，否则，循环执行上述终点查询步骤，直到确定终点，完成最优旅游路径规划。
具体参考图4，图4为本申请实施例中使用改进A*算法进行景区路径规划时，仿真地图上节点查找示意图。图中单元栅格上的蓝色部分示出了查找到的路径节点。
本申请实施例的整体步骤具体为：首先根据景区环境和游客自身因素来提出的通过引入路况水平和景点热度更新数据网络中边的权值，构建景区动态路网数据模型，使得路网数据更贴合游客体验，然后，通过指数加权对启发函数进行改进，最后确定路径规划的起始点，利用改进的A*算法进行路径规划，输入数据进行仿真实验地图构建，采用一片80×80的虚拟景区俯视图，获取如图2所示的景区动态路网数据模型图和经栅格化和二值化处理后的景区仿真图，取地图左上角为坐标原点，起点设定为A(1,1)，终点设定为B(62,53)，在地图中分别用绿色和黄色点表示，设定wp＝0.3，wq＝0.7，则获取到如图4的使用改进A*算法进行景区路径规划时，仿真地图上节点查找示意图。
本申请实施例中所述的基于改进A*算法的景区路径规划方法，可以通过获取虚拟景区俯视图，确定游客的起点位置和预设到达的终点位置，构建景区动态仿真模型，基于改进A*算法查找估价函数最小值对应的路径节点，首先对A*算法的启发函数进行加权，提高算法的运算效率；然后在估价函数中引入路况水平和景点热度两个影响因子，考虑景区的实用性；最后通过仿真试验进行最优旅游路径规划，本申请通过上述旅游规划方法，不仅能够为游客快速规划景区旅游路径，同时也考虑到降低时间损耗的同时又能浏览到较多的景点。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图5，作为对上述基于改进A*算法的景区路径规划方法的实现，本申请提供了一种基于改进A*算法的景区路径规划装置的一个实施例，该装置实施例与基于改进A*算法的景区路径规划方法的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例所述的基于改进A*算法的景区路径规划装置5包括：景区俯视图获取模块501、起始点确定模块502、景区动态仿真模型构建模块503、改进A*算法模块504、哈希表生成模块505和最优旅游路径规划模块506。其中：
景区俯视图获取模块501，用于基于预设高空俯视拍摄设备，获取景区俯视图，对所述景区俯视图进行二值化处理，获取一张n×m个单元栅格的虚拟景区俯视图，其中，n为虚拟景区俯视图长度方向上的单元栅格数量，m为虚拟景区俯视图宽度方向上的单元栅格数量，n和m为大于0的正整数；
起始点确定模块502，用于获取游客在景区中的当前位置信息A和计划将要到达的终点位置信息B，将所述当前位置信息A和所述终点位置信息B分别作为起点和终点标识于所述虚拟景区俯视图中，获取所述起点在所述虚拟景区俯视图中的坐标值记为A(n1,m1)，获取所述终点在所述虚拟景区俯视图中的坐标值记为B(n2,m2)；
景区动态仿真模型构建模块503，用于基于所述虚拟景区俯视图、起点、终点、实时景区路况水平和景点热度作为第一参数集，构建景区动态路网数据模型，获取景区动态仿真模型；
改进A*算法模块504，用于将所述实时景区路况水平和景区热度作为估计函数中的影响因子，并基于改进后的A*算法公式：
获取从所述起点A(n1,m1)到所述终点B(n2,m2)之间景区路径中不同节点在所述景区动态仿真模型中的估价函数,并对测定估计函数的不同节点进行区别标记，其中，式中b1为从当前节点到终点经过的模拟路段个数，p(n)为景区路况水平代价，q(n)为景点热度代价，wp为所述景区路况水平代价在实际代价中的加权系数，wq为所述景点热度代价在实际代价中的加权系数，exp[h(n)]为当前节点距离终点的估计代价在所述估价函数中的权重值，h(n)为当前节点距离终点的估计代价，h(p)为当前节点的父节点到终点的距离；
哈希表生成模块505，用于确定从所述起点A(n1,m1)到所述终点B(n2,m2)之间景区路径中进行区别标记的第一节点和所述第一节点在所述景区动态仿真模型中的估价函数构建一一对应的哈希表；
最优旅游路径规划模块506，用于预先设定集合open和集合close区别待进行遍历的节点和已经遍历后的节点,将所述起点作为集合open中的初始节点，获取经基于改进后的A*算法公式f(a1)获取后的估计函数中的最小值对应的节点，判断所述最小值对应的节点是否为终点，若所述最小值对应的节点为终点，则沿着所述终点的父节点进行路径回溯，获取从所述起点到所述终点的节点路径，作为最优旅游规划路径，若所述最小值对应的节点不是终点，则将所述最小值对应的节点加入到集合close中，获取当前节点的邻居节点中f(a1)为最小值的节点，作为参考节点，并判断所述参考节点是否为终点，若为，则沿着所述终点的父节点进行路径回溯，获取从所述起点到所述终点的节点路径，作为最优旅游规划路径，否则，循环执行上述终点查询步骤，直到确定终点，完成最优旅游路径规划。
本申请实施例所述的基于改进A*算法的景区路径规划装置，通过获取虚拟景区俯视图，确定游客的起点位置和预设到达的终点位置，构建景区动态仿真模型，基于改进A*算法查找估价函数最小值对应的路径节点，首先对A*算法的启发函数进行加权，提高算法的运算效率；然后在估价函数中引入路况水平和景点热度两个影响因子，考虑景区的实用性；最后通过仿真试验进行最优旅游路径规划，本申请通过上述旅游规划方法，不仅能够为游客快速规划景区旅游路径，同时也考虑到降低时间损耗的同时又能浏览到较多的景点。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图6，图6为本实施例计算机设备基本结构框图。
所述计算机设备6包括通过系统总线相互通信连接存储器6a、处理器6b、网络接口6c。需要指出的是，图中仅示出了具有组件6a-6c的计算机设备6，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field-Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器6a至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器6a可以是所述计算机设备6的内部存储单元，例如该计算机设备6的硬盘或内存。在另一些实施例中，所述存储器6a也可以是所述计算机设备6的外部存储设备，例如该计算机设备6上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(FlashCard)等。当然，所述存储器6a还可以既包括所述计算机设备6的内部存储单元也包括其外部存储设备。本实施例中，所述存储器6a通常用于存储安装于所述计算机设备6的操作系统和各类应用软件，例如基于改进A*算法的景区路径规划方法的程序代码等。此外，所述存储器6a还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器6b在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器6b通常用于控制所述计算机设备6的总体操作。本实施例中，所述处理器6b用于运行所述存储器6a中存储的程序代码或者处理数据，例如运行所述基于改进A*算法的景区路径规划方法的程序代码。
所述网络接口6c可包括无线网络接口或有线网络接口，该网络接口6c通常用于在所述计算机设备6与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式，即提供一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有基于改进A*算法的景区路径规划程序，所述基于改进A*算法的景区路径规划程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的基于改进A*算法的景区路径规划方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。
Claims (9)
1.一种基于改进A*算法的景区路径规划方法，其特征在于，包括下述步骤：
基于预设高空俯视拍摄设备，获取景区俯视图，对所述景区俯视图进行二值化处理，获取一张n×m个单元栅格的虚拟景区俯视图，其中，n为虚拟景区俯视图长度方向上的单元栅格数量，m为虚拟景区俯视图宽度方向上的单元栅格数量，n和m为大于0的正整数；
获取游客在景区中的当前位置信息A和计划将要到达的终点位置信息B，将所述当前位置信息A和所述终点位置信息B分别作为起点和终点标识于所述虚拟景区俯视图中，获取所述起点在所述虚拟景区俯视图中的坐标值记为A(n1,m1)，获取所述终点在所述虚拟景区俯视图中的坐标值记为B(n2,m2)；
基于所述虚拟景区俯视图、起点、终点、实时景区路况水平和景点热度作为第一参数集，构建景区动态路网数据模型，获取景区动态仿真模型；
将所述实时景区路况水平和景区热度作为估价函数中的影响因子，并基于改进后的A*算法公式：
获取从所述起点A(n1,m1)到所述终点B(n2,m2)之间景区路径中不同节点在所述景区动态仿真模型中的估价函数,并对测定估价函数的不同节点进行区别标记，其中，式中b1为从当前节点到终点经过的模拟路段个数，p(n)为景区路况水平代价，q(n)为景点热度代价，wp为景区路况水平代价在实际代价中的加权系数，wq为景点热度代价在实际代价中的加权系数，exp[h(n)]为当前节点距离终点的估计代价在估价函数中的权重值，h(n)为当前节点距离终点的估计代价，h(p)为当前节点的父节点到终点的距离；
确定从所述起点A(n1,m1)到所述终点B(n2,m2)之间景区路径中进行区别标记的第一节点和所述第一节点在所述景区动态仿真模型中的估价函数构建一一对应的哈希表；
预先设定集合open和集合close区别待进行遍历的节点和已经遍历后的节点,将所述起点作为集合open中的初始节点，获取经基于改进后的A*算法公式f(a1)获取后的估价函数中的最小值对应的节点，判断所述最小值对应的节点是否为终点，若所述最小值对应的节点为终点，则沿着所述终点的父节点进行路径回溯，获取从所述起点到所述终点的节点路径，作为最优旅游规划路径，若所述最小值对应的节点不是终点，则将所述最小值对应的节点加入到集合close中，获取当前节点的邻居节点中f(a1)为最小值的节点，作为参考节点，并判断所述参考节点是否为终点，若为，则沿着所述终点的父节点进行路径回溯，获取从所述起点到所述终点的节点路径，作为最优旅游规划路径，否则，循环执行上述终点查询步骤，直到确定终点，完成最优旅游路径规划。
2.根据权利要求1所述的基于改进A*算法的景区路径规划方法，其特征在于，所述获取景区俯视图，对所述景区俯视图进行二值化处理，具体包括：
预设特定拍摄高度值k，并在景区垂直高空k值处，等间距拍摄任多张景区第一俯视图，对所述等间距拍摄的任多张景区第一俯视图进行全景拼接，获取第一景区俯视图；
基于预设轮廓提取模型，确定所述第一景区俯视图中景区范围，对所述第一景区俯视图中的非景区范围区域进行纯黑处理，获取第二景区俯视图；
基于预设第一训练集，确定所述第二景区俯视图中的任多条道路路径，并对所述任多条道路路径进行纯白处理，获取第三景区俯视图；
对所述第三景区俯视图中非纯黑区域或者非纯白区域进行灰值化处理，确定景区内景点群或者建筑群区域，获取虚拟景区俯视图。
3.根据权利要求2所述的基于改进A*算法的景区路径规划方法，其特征在于，所述获取一张n×m个单元栅格的虚拟景区俯视图，具体方式为：
基于所述虚拟景区俯视图中的纯白处理结果，确定所述景区内任多条道路路径对应的白色线条，并将所述白色线条的宽度j作为单元栅格的单位值；
以所述单元栅格的单位值对所述虚拟景区俯视图进行单元栅格划分，获取n×m个大小为j×j的单元栅格对应的虚拟景区俯视图，并使用Zn,m的形式标识不同单元栅格。
4.根据权利要求3所述的基于改进A*算法的景区路径规划方法，其特征在于，所述基于所述虚拟景区俯视图、起点、终点、景区路况水平和景点热度作为第一参数集，构建景区动态路网数据模型，获取景区动态仿真模型，包括：
获取所述虚拟景区俯视图对应的预设特定拍摄高度值k、单元栅格的宽度j、起点值A(n1,m1)、终点值B(n2,m2)、实时景区路况水平f(x)和景点热度f(y)作为第一参数集，
其中，实时景区路况水平f(x)的获取方式为，基于预设算法公式：f(x)＝(c*r+d)x+b，确定所述实时景区路况水平，其中，c、d、b为固定的预设参数，r为道路地形起伏度，x为道路的实际距离，即道路路径对应的白色线条长度与单元栅格宽度的模值，
其中，景点热度f(y)的获取方式为，基于预设算法公式：f(y)＝ey+g，确定所述景点热度，其中，g为固定的预设参数，e为景点的推荐等级，y为道路的实际距离，即道路路径对应的白色线条长度与单元栅格宽度的模值；
将所述第一参数集作为配置参数，构建景区动态路网数据模型，获取景区动态仿真模型。
5.根据权利要求4所述的基于改进A*算法的景区路径规划方法，其特征在于，将所述实时景区路况水平和景区热度作为估价函数中的影响因子，包括：
设置所述实时景区路况水平f(x)为所述景区路况水平代价p(n)；
设置所述景点热度f(y)为所述景点热度代价q(n)。
6.根据权利要求5所述的基于改进A*算法的景区路径规划方法，其特征在于，确定从所述起点A(n1,m1)到所述终点B(n2,m2)之间景区路径中进行区别标记的第一节点和所述第一节点在所述景区动态仿真模型中的估价函数构建一一对应的哈希表，包括：
获取所述虚拟景区俯视图中任多条道路路径对应的白色线条，并确定所述任多条道路路径对应的白色线条所对应的单元栅格集；
将所述单元栅格集中元素作为景区路径全节点；
基于所述区别标记，确定测定估价函数的所有第一节点，构建第一节点集，获取所述第一节点集中元素分别对应的单元栅格标识Zn,m，将标识Zn,m作为哈希表中的key值，将标识Zn,m对应的第一节点所对应的估价函数f(a1)作为value值生成哈希表。
7.根据权利要求2至6任一项所述的基于改进A*算法的景区路径规划方法，其特征在于，所述纯白处理、纯黑处理和灰值化处理，包括：
使用二值化处理中的RGB值设定方式，在进行纯白处理时，将所述第二景区俯视图中的任多条道路路径的RGB值设定为(255、255、255)，在进行纯黑处理时，将所述第一景区俯视图中的非景区范围区域RGB值设定为(0、0、0)，在进行灰值化处理时，将所述第三景区俯视图中非纯黑区域或者非纯白区域的RGB值设定为(127、127、127)。
8.一种基于改进A*算法的景区路径规划装置，其特征在于，包括：
景区俯视图获取模块，用于基于预设高空俯视拍摄设备，获取景区俯视图，对所述景区俯视图进行二值化处理，获取一张n×m个单元栅格的虚拟景区俯视图，其中，n为虚拟景区俯视图长度方向上的单元栅格数量，m为虚拟景区俯视图宽度方向上的单元栅格数量，n和m为大于0的正整数；
起始点确定模块，用于获取游客在景区中的当前位置信息A和计划将要到达的终点位置信息B，将所述当前位置信息A和所述终点位置信息B分别作为起点和终点标识于所述虚拟景区俯视图中，获取所述起点在所述虚拟景区俯视图中的坐标值记为A(n1,m1)，获取所述终点在所述虚拟景区俯视图中的坐标值记为B(n2,m2)；
景区动态仿真模型构建模块，用于基于所述虚拟景区俯视图、起点、终点、实时景区路况水平和景点热度作为第一参数集，构建景区动态路网数据模型，获取景区动态仿真模型；
改进A*算法模块，用于将所述实时景区路况水平和景区热度作为估价函数中的影响因子，并基于改进后的A*算法公式：
获取从所述起点A(n1,m1)到所述终点B(n2,m2)之间景区路径中不同节点在所述景区动态仿真模型中的估价函数,并对测定估价函数的不同节点进行区别标记，其中，式中b1为从当前节点到终点经过的模拟路段个数，p(n)为景区路况水平代价，q(n)为景点热度代价，wp为所述景区路况水平代价在实际代价中的加权系数，wq为所述景点热度代价在实际代价中的加权系数，exp[h(n)]为当前节点距离终点的估计代价在所述估价函数中的权重值，h(n)为当前节点距离终点的估计代价，h(p)为当前节点的父节点到终点的距离；
哈希表生成模块，用于确定从所述起点A(n1,m1)到所述终点B(n2,m2)之间景区路径中进行区别标记的第一节点和所述第一节点在所述景区动态仿真模型中的估价函数构建一一对应的哈希表；
最优旅游路径规划模块，用于预先设定集合open和集合close区别待进行遍历的节点和已经遍历后的节点，将所述起点作为集合open中的初始节点，获取经基于改进后的A*算法公式f(a1)获取后的估价函数中的最小值对应的节点，判断所述最小值对应的节点是否为终点，若所述最小值对应的节点为终点，则沿着所述终点的父节点进行路径回溯，获取从所述起点到所述终点的节点路径，作为最优旅游规划路径，若所述最小值对应的节点不是终点，则将所述最小值对应的节点加入到集合close中，获取当前节点的邻居节点中f(a1)为最小值的节点，作为参考节点，并判断所述参考节点是否为终点，若为，则沿着所述终点的父节点进行路径回溯，获取从所述起点到所述终点的节点路径，作为最优旅游规划路径，否则，循环执行上述终点查询步骤，直到确定终点，完成最优旅游路径规划。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的基于改进A*算法的景区路径规划方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110291550.3A CN112985413B (zh) | 2021-03-18 | 2021-03-18 | 基于改进a*算法的景区路径规划方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110291550.3A CN112985413B (zh) | 2021-03-18 | 2021-03-18 | 基于改进a*算法的景区路径规划方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112985413A CN112985413A (zh) | 2021-06-18 |
| CN112985413B true CN112985413B (zh) | 2022-06-10 |
Family
ID=76334415
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110291550.3A Expired - Fee Related CN112985413B (zh) | 2021-03-18 | 2021-03-18 | 基于改进a*算法的景区路径规划方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112985413B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113920768A (zh) * | 2021-10-09 | 2022-01-11 | 四川智胜慧旅科技有限公司 | 一种适用于自驾型景区的车辆调度方法及系统 |
| CN114527788A (zh) * | 2022-01-12 | 2022-05-24 | 华南理工大学 | 基于动态权重的a星算法改进方法、系统、装置及介质 |
| CN115235495B (zh) * | 2022-07-20 | 2023-05-30 | 广西壮族自治区自然资源遥感院 | 一种基于游客兴趣的景区三维导航方法及系统 |
| CN115507857B (zh) * | 2022-11-23 | 2023-03-14 | 常州唯实智能物联创新中心有限公司 | 高效机器人运动路径规划方法及系统 |
| CN117232548B (zh) * | 2023-11-10 | 2024-03-01 | 北京赛目科技股份有限公司 | 一种路径规划方法、装置、电子设备及存储介质 |
| CN117608437B (zh) * | 2024-01-17 | 2024-04-02 | 山东省国土空间生态修复中心(山东省地质灾害防治技术指导中心、山东省土地储备中心) | 适用于地质公园的文旅展示方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109409612A (zh) * | 2018-11-12 | 2019-03-01 | 平安科技（深圳）有限公司 | 一种路径规划方法、服务器及计算机存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101270375B1 (ko) * | 2012-02-20 | 2013-06-05 | 부경대학교 산학협력단 | 도로와 도로 이외의 지형을 함께 고려한 최적 경로 분석 방법 |
| CN107832872A (zh) * | 2017-10-19 | 2018-03-23 | 金华航大北斗应用技术有限公司 | 用于景区路线的动态规划方法 |
| CN109063923A (zh) * | 2018-08-21 | 2018-12-21 | 湖北文理学院 | 一种基于经济成本的旅游路线规划方法 |
| CN111047066B (zh) * | 2018-10-12 | 2022-05-17 | 清华大学 | 游览路线规划方法、装置、计算机设备和存储介质 |
| CN112348291B (zh) * | 2020-12-07 | 2022-08-26 | 福州灵和晞科技有限公司 | 旅游出行信息管理方法 |
-
2021
- 2021-03-18 CN CN202110291550.3A patent/CN112985413B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109409612A (zh) * | 2018-11-12 | 2019-03-01 | 平安科技（深圳）有限公司 | 一种路径规划方法、服务器及计算机存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112985413A (zh) | 2021-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112985413B (zh) | 基于改进a*算法的景区路径规划方法及装置 | |
| CN112116155A (zh) | 基于智能决策的人口流动预测方法、装置及计算机设备 | |
| CN107490385A (zh) | 出行路线规划方法及其装置 | |
| US11861919B2 (en) | Text recognition method and device, and electronic device | |
| CN112861972B (zh) | 一种展业区域的选址方法、装置、计算机设备和介质 | |
| CN112035549B (zh) | 数据挖掘方法、装置、计算机设备及存储介质 | |
| CN108320323A (zh) | 一种建筑物三维建模方法及装置 | |
| CN105096353A (zh) | 一种图像处理方法及装置 | |
| CN109658033A (zh) | 货源路线相似度计算方法、系统、设备及存储介质 | |
| CN108151744A (zh) | 基于a-star算法的室内导航系统 | |
| CN107481054A (zh) | 酒店优惠信息的推送及装置、电子设备、存储介质 | |
| CN111522838A (zh) | 地址相似度计算方法及相关装置 | |
| CN113220734A (zh) | 课程推荐方法、装置、计算机设备及存储介质 | |
| CN112686778B (zh) | 基于大数据的旅游路线规划方法、装置及设备 | |
| CN111311485A (zh) | 图像处理方法及相关装置 | |
| CN113886721B (zh) | 个性化兴趣点推荐方法、装置、计算机设备及存储介质 | |
| CN112381118A (zh) | 一种大学舞蹈考试测评方法及装置 | |
| CN108509828A (zh) | 一种人脸识别方法和人脸识别装置 | |
| CN105677843A (zh) | 一种自动获取宗地四至属性的方法 | |
| CN112700464B (zh) | 地图信息的处理方法、装置、电子设备以及存储介质 | |
| CN112395450B (zh) | 图片文字检测方法、装置、计算机设备及存储介质 | |
| CN108055638A (zh) | 获取目标位置的方法、装置、计算机可读介质及设备 | |
| CN108256818A (zh) | 薪资计算方法、应用服务器及计算机可读存储介质 | |
| CN110136258B (zh) | 一种环境空间标识的确定方法、装置、设备及存储介质 | |
| CN111737374B (zh) | 位置坐标确定方法、装置、电子设备及存储介质 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220610 |