CN112985443A - 路径规划方法、装置及终端设备 - Google Patents
路径规划方法、装置及终端设备 Download PDFInfo
- Publication number
- CN112985443A CN112985443A CN202110298473.4A CN202110298473A CN112985443A CN 112985443 A CN112985443 A CN 112985443A CN 202110298473 A CN202110298473 A CN 202110298473A CN 112985443 A CN112985443 A CN 112985443A
- Authority
- CN
- China
- Prior art keywords
- road network
- node
- network layer
- path
- level
- 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
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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
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)
Abstract
本申请适用于导航技术领域,提供了路径规划方法、装置及终端设备,包括:获取起点信息和终点信息,所述起点信息在预生成的多层重叠路网图对应的节点作为起始节点,所述终点信息在所述多层重叠路网图对应的节点作为终止节点;若所述起始节点和所述终止节点不是均在层级最低的路网层,则根据所述起始节点和所述终止节点,在所述多层重叠路网图中进行路径搜索,得到虚拟的最优路径;根据所述虚拟的最优路径以及预存的路径表,确定实际的最优路径并输出,其中,所述预存的路径表至少存储所述多层重叠路网图中除了层级最低的路网层之外的各个路网层中任意两个节点之间的最优路径。通过上述方法,能够提高路径规划的速度。
Description
技术领域
本申请属于导航技术领域,尤其涉及路径规划方法、装置、终端设备及计算机可读存储介质。
背景技术
目前的智能设备(如手机、车载终端等)通常支持导航功能。当用户在智能设备输入起点和终点后,智能设备通过路径规划算法进行路径搜索,能够搜索出从起点出发到达终点的一个或多个路径。
传统的路径规划算法如迪杰斯特拉(Dijkstra)算法、A*算法(A*算法是启发式搜索,是一种尽可能基于现有信息的搜索策略)的搜索效率无法满足实际应用中对大规模路网的即时的路径规划要求。
发明内容
本申请实施例提供了路径规划方法,可以解决现有的路径规划的速度较低的问题。
第一方面,本申请实施例提供了一种路径规划方法,包括:
获取起点信息和终点信息,所述起点信息在预生成的多层重叠路网图对应的节点作为起始节点,所述终点信息在所述多层重叠路网图对应的节点作为终止节点,其中,所述多层重叠路网图包括至少2个路网层,不同的路网层对应的层级不同,且高层级的路网层的虚拟边为与所述高层级的路网层相邻的低层级的路网层的内部节点与边界节点之间的最优路径,一个层级的路网层的边界节点为能够与层级高于本层级的路网层的节点连接的节点,同一层级的路网层中,除了作为所述边界节点的节点,其余节点均作为对应层级的路网层的内部节点;
若所述起始节点和所述终止节点不是均在层级最低的路网层,则根据所述起始节点和所述终止节点,在所述多层重叠路网图中进行路径搜索,得到虚拟的最优路径;
根据所述虚拟的最优路径以及预存的路径表,确定实际的最优路径并输出,其中,所述预存的路径表至少存储所述多层重叠路网图中除了层级最低的路网层之外的各个路网层中任意两个节点之间的最优路径。
第二方面,本申请实施例提供了一种路径规划装置,包括:
起点信息和终点信息获取单元,用于获取起点信息和终点信息,所述起点信息在预生成的多层重叠路网图对应的节点作为起始节点,所述终点信息在所述多层重叠路网图对应的节点作为终止节点,其中,所述多层重叠路网图包括至少2个路网层,不同的路网层对应的层级不同,且高层级的路网层的虚拟边为与所述高层级的路网层相邻的低层级的路网层的内部节点与边界节点之间的最优路径,一个层级的路网层的边界节点为能够与层级高于本层级的路网层的节点连接的节点,同一层级的路网层中,除了作为所述边界节点的节点,其余节点均作为对应层级的路网层的内部节点;
路网层判断单元,用于若所述起始节点和所述终止节点不是均在层级最低的路网层,则根据所述起始节点和所述终止节点,在所述多层重叠路网图中进行路径搜索,得到虚拟的最优路径;
最优路径输出单元,用于根据所述虚拟的最优路径以及预存的路径表,确定实际的最优路径并输出,其中,所述预存的路径表至少存储所述多层重叠路网图中除了层级最低的路网层之外的各个路网层中任意两个节点之间的最优路径。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面所述的方法。
本申请实施例与现有技术相比存在的有益效果是:
本申请实施例中,预先生成多层重叠路网图,当进行在线路径规划且起始节点和终止节点不是均在层级最低的路网层时,只需在线搜索出起始节点到终止节点所需要经过的不同层级的路网层中的虚拟边(即虚拟的最优路径),再根据预先存储的路径表查询出该虚拟边对应的最优路径,查询出的最优路径即为起始节点到终止节点的最优路径。由于高层级的路网层的虚拟边为与高层级的路网层相邻的低层级的路网层的内部节点与边界节点之间的最优路径,因此,搜索起始节点到终止节点所需要经过的不同层级的路网层中的虚拟边,相当于搜索该虚拟边对应的边界节点,又由于边界节点为能够与层级高于本层级的路网层的节点连接的节点,因此跨层级的路网层之间的最优路径的搜索只需要一个搜索步骤,而路径表至少存储多层重叠路网图中除了层级最低的路网层之外的各个路网层中任意两个节点之间的最优路径,即预先确定出了多数节点对应的最优路径,也即在线搜索所需要执行的搜索步骤很少,从而能够极大提高在线路径规划的速度,进而能够满足对大规模路网的即时的路径规划要求。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本申请实施例一提供的第一种路径规划方法的流程示意图;
图2是本申请实施例一提供的第二种路径规划方法的流程示意图;
图3是本申请实施例一提供的一种路网层数为3的多层重叠路网图的示意图;
图4是本申请实施例一提供的一种路网数据为广东省的多层重叠路网图的流程示意图;
图5是本申请实施例一提供的一种多层重叠路网图的生成示意图;
图6是本申请实施例一提供的另一种路径规划方法的流程示意图;
图7是本申请实施例二提供的一种路径规划装置的结构示意图;
图8是本申请实施例三提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。
实施例一:
在现有的路径规划算法中,如Dijkstra算法,先确定连接两个节点之间的边的权重(或距离),若起始节点与终止节点之间没有直接连接的边,则从与起始节点连接的节点中,选择最小的权重的边所对应的节点,若选择的节点与终止节点存在直接相连的边,则起始节点、选择的节点以及终止节点之间的边将作为确定的最短路径。由于在确定起始节点与终止节点之间的最短路径时,需要分别比较起始节点与其他节点之间的距离,因此,当路网中的节点的数量较多时,将需要耗费较长的时间。为了解决上述技术问题,本申请实施例提供了一种路径规划方法,在该路径规划方法中,在线搜索起始节点和终止节点的对应的最优路径时,只需要毫秒级的时间,下面结合附图对该路径规划方法进行描述。
图1示出了本申请实施例提供的第一种路径规划方法的流程示意图,详述如下:
步骤S11,获取起点信息和终点信息,起点信息在预生成的多层重叠路网图对应的节点作为起始节点,终点信息在多层重叠路网图对应的节点作为终止节点,其中,多层重叠路网图包括至少2个路网层,不同的路网层对应的层级不同,且高层级的路网层的虚拟边为与高层级的路网层相邻的低层级的路网层的内部节点与边界节点之间的最优路径,一个层级的路网层的边界节点为能够与层级高于本层级的路网层的节点连接的节点,同一层级的路网层中,除了作为边界节点的节点,其余节点均作为对应层级的路网层的内部节点。
其中,起点信息是指需要导航的起点位置所对应的信息,终点信息是指需要导航的终点位置所对应的信息,例如,假设用户需要导航,在智能设备上输入“地王大厦”,则该智能设备默认该“地王大厦”作为终点信息,且将该智能设备当前所在的位置所对应的信息作为起点信息。
本实施例中,预先生成一个多层重叠路网图,该多层重叠路网图包括至少2个路网层,比如,一个多层重叠路网图包括4个路网层:第0路网层、第1路网层、第2路网层、第3路网层,且上述4个路网层的层级按照从高到低排列。当然,上述4个路网层的层级也可以按照从低到高排列,此处不作限定。
本实施例中,每一路网层包括多个节点,一个节点对应一个位置信息。对每一路网层的节点,若该节点存在与层级高于本路网层的节点连接的边,则该节点为该路网层的边界节点,否则,该节点为该路网层的内部节点,且边界节点和内部节点之间的最优路径(比如边界节点到内部节点的最优路径,以及,内部节点到边界节点的最优路径)将作为与该路网层相邻的且层级较高的路网层的虚拟边,该边界节点也作为与该路网层相邻的且层级较高的路网层的节点。例如,假设节点A是第1路网层的边界节点(即节点A能够与第0路网层的节点连接),节点B是第1路网层的内部节点,则该节点A和节点B之间的最优路径将作为第0路网层(假设第0路网层的层级高于第1路网层的层级)的虚拟边,且该节点A也作为第0路网层的节点。由于较高层级的路网层的节点即为与其相邻的较低层级的路网层的边界节点,而边界节点的数量必然少于(边界节点+内部节点),因此,层级越高的路网层的节点数量必然越少。
步骤S12,若起始节点和终止节点不是均在层级最低的路网层,则根据起始节点和终止节点,在多层重叠路网图中进行路径搜索,得到虚拟的最优路径。
本实施例中,若起始节点在层级最低的路网层但终止节点不在层级最低的路网层,或者,若终止节点在层级最低的路网层但起始节点不在层级最低的路网层,或者,终止节点和起始节点均不在层级最低的路网层,则根据起始节点和终止节点在多层重叠路网图中进行路径搜索后,得到的虚拟的最优路径与虚拟边对应。
步骤S13,根据虚拟的最优路径以及预存的路径表,确定实际的最优路径并输出,其中,预存的路径表至少存储多层重叠路网图中除了层级最低的路网层之外的各个路网层中任意两个节点之间的最优路径。
其中,本实施例的最优路径主要指最短路径。
本实施例中,实际的最优路径的输出方式包括语音和/或文字和/或图像等方式的输出。预先确定多层重叠路网图中各个路网层中任意两个节点的最优路径,并在路径表中存入节点与最优路径的对应关系,或者,预先确定多层重叠路网图中除了层级最低的路网层之外的其他路网层中任意两个节点的最优路径,并在路径表中存入节点与最优路径的对应关系,或者,预先确定多层重叠路网图中除了层级最低的路网层之外的其他路网层中任意两个节点的最优路径,以及,确定层级最低的路网层中边界节点与内部节点之间的最优路径,并在路径表中存入节点与最优路径的对应关系。需要指出的是,这里的节点包括内部节点和边界节点,即在路径表中能够确定与虚拟边对应的最优路径,进而能够根据确定的虚拟边得到起始节点到终止节点的实际的最优路径。
本申请实施例中,预先生成多层重叠路网图,当进行在线路径规划且起始节点和终止节点不是均在层级最低的路网层时,只需在线搜索出起始节点到终止节点所需要经过的不同层级的路网层中的虚拟边(即虚拟的最优路径),再根据预先存储的路径表查询出该虚拟边对应的最优路径,查询出的最优路径即为起始节点到终止节点的最优路径。由于高层级的路网层的虚拟边为与高层级的路网层相邻的低层级的路网层的内部节点与边界节点之间的最优路径,因此,搜索起始节点到终止节点所需要经过的不同层级的路网层中的虚拟边,相当于搜索该虚拟边对应的边界节点,又由于边界节点为能够与层级高于本层级的路网层的节点连接的节点,因此跨层级的路网层之间的最优路径的搜索只需要一个搜索步骤,而路径表至少存储多层重叠路网图中除了层级最低的路网层之外的各个路网层中任意两个节点之间的最优路径,即预先确定出了多数节点对应的最优路径,也即在线搜索所需要执行的搜索步骤很少,从而能够极大提高在线路径规划的速度,进而能够满足对大规模路网的即时的路径规划要求。
在一些实施例中,上述步骤S12中,在多层重叠路网图中进行路径搜索时,具体包括:
在多层重叠路网图中按照低层级的路网层向高层级的路网层进行路径搜索。
本实施例中,由于高层级的路网层的节点数量少于低层级的路网层的节点数量,因此,当按照低层级的路网层向高层级的路网层进行路径搜索时,有利于提高后面的搜索速度。并且,由于限定按照低层级的路网层向高层级的路网层进行路径搜索,即只有一个搜索方向(而不是向多个搜索方向进行搜索),因此,也有利于搜索速度的提高。
在一些实施例中,上述在多层重叠路网图中按照低层级的路网层向高层级的路网层进行路径搜索,包括:
根据双向广度优先遍历算法,在多层重叠路网图中按照低层级的路网层向高层级的路网层进行路径搜索。
本实施例中,采用双向广度优先遍历算法,从起始节点和终止节点同时进行节点搜索和扩展,每步遍历的节点所在的路网层的层级高于当前节点所在的路网层的层级,即基于预先生成的多层重叠路网图,针对一个路网层的内部节点,仅需一步即可到达该路网层的边界节点,因此,全部遍历步数最多为(n-1),其中,n为多层重叠路网图所包含的路网层的层数。
在本实施例中,将从起始节点进行搜索得到的所有路径组合存储至正向路径拓展集合中,将从终止节点进行搜索得到的所有路径组合存储至反向路径拓展集合中,最后返回所有正向路径末尾节点和反向路径末尾节点存在相连边的完整路径集合,并选取权重最小的路径作为最优路径,其中,权重最小的路径表明该路径对应的距离最小。
图2示出了本申请实施例提供的第二种路径规划方法的流程示意图,在本实施例,增加了生成多层重叠路网图的步骤,而步骤S22、S23、S24分别与上面的步骤S11、S12、S13相同,此处不再赘述:
步骤S21,确定路网层数以及各个路网层中的单元所包含的最大的节点数量,依据路网层数以及各个路网层中的单元所包含的最大的节点数量,生成多层重叠路网图。
具体地,按照路网数据量的大小,设置多层重叠路网图的路网层数,且设置各个路网层的各个单元所包含的最大的节点数量。
本实施例中,以对路网数据量进行三次分割,得到包含4个路网层的多层重叠路网图为例来描述多层重叠路网图的生成过程:
Step1、设置路网层的层数为4,假设第0路网层为L0,第1路网层为L1,第2路网层为L2,第3路网层为L3,各个路网层中的单元所包含的最大的节点数量分别如下:U0=2^15,U1=2^11,U2=2^7,U2=2^8)。
在一些实施例中,为了保证搜索速度,则设置层级最低的路网层的各个单元所包含的最大的节点数量小于或等于2^8。
Step2、自上而下循环调用分割算法对路网数据按照道路的拓扑关系进行划分(如对路网数据按照区域进行划分等),共计三次循环。首先进行第0层的单元(cell)的划分,分割成若干个子cell;再分别对各个子cell进行划分,得到该各个子cell的子cell,依次类推。
其中,L0的层级最高,其只有一个cell,L1、L2包含至少2个单元,L3包含至少2个节点。图3示出了路网层数为3的多层重叠路网图,L0的单元只有1个,L1包含3个单元,L2包含12个单元。
在一些实施例中,该分割算法为punch分割算法,该punch分割算法利用路网中的自然分割进行启发式的分割,相比其他分割算法效果更好。依据路网数据量大小,对不同层级的路网层的单元的最大的节点数量进行设置,最终获得分割出的各个cell相连通的分割边(cut_edge)和各个cell内包含的节点(node_cluster)。
Step3、存储分割得到的各层级的各cell数据。
其中,cell数据包括该cell所包含的节点以及用于连接这些节点的边。
在一些实施例中,数据存储方式可采用多级树文件夹结构进行各层级各cell数据的存储和组织,该方法使得各个cell数据相对独立,便于查找和后续算法步骤的读取。具体地,将cell数据以一个cell为单位,并按照该cell在分割后所在的层进行独立存储。例如,假设第0层为广东省所对应的各个路网数据,第1层对应的cell包括深圳市和广州市所分别对应的各个路网数据,第2层中的深圳市对应的cell包括罗湖区和福田区所分别对应的各个路网数据,第2层中的广州市对应的cell包括越秀区和天河区所分别对应的各个路网数据。则采用多级树文件夹结构对各层级各cell数据进行存储时具体为:广东省文件夹内包含:深圳市文件夹、广州市文件夹和佛山市文件夹;深圳市文件夹内包含罗湖区文件夹和福田区文件夹;广州市文件夹内包含越秀区文件夹和天河区文件夹。其中,广东省文件夹用于存储广东省所对应的各个路网数,深圳市文件夹用于存储深圳市对应的路网数据,其余文件夹的功能类似,此处不再赘述。
Step4、确定多层重叠路网图中不同路网层所包含的节点。
具体的,确定各个节点的等级,即对划分出的各层各cell的内部节点和边界节点进行等级划分。首先对于各层的每个cell找出它们的边界节点(boundary_vertex):每个cell的边界节点为本层级以上所有分割边(cut_edges)中的端点在该cell中的点,其节点等级上升一级。最底层(即层级最低的路网层L3)的cell的内部节点为原始节点,原始节点的等级通常设为L3,但该最底层cell的边界节点的等级上升一级,变为L2,即L3路网层的边界节点作为第2路网层L2的节点(比如为内部节点);第2路网层L2的cell内部节点的等级为L2,但该L2的边界节点的等级上升一级,变为L1,该L2的边界节点作为第1路网层L1的节点;该L1的cell的边界节点等级上升一级,变为L0,该L1的cell的边界节点作为第0路网层的节点;由于第0路网层L0的层级最高,因此L0的cell的边界节点也作为该L0的节点。由此,组成多层重叠路网图的节点全部设置完全,从最底层到最上层的路网层的节点数量层层递减,后续的在线路径规划仅需搜索很少数量的节点即可获得最优路径。
结合上述Step1~Step4可知,多层重叠路网图是通过对原始路网数据进行层层简化得到,在确定每个路网层的节点后,对该多层重叠图的虚拟边的权重进行预处理,详述如下:
Step1’、首先对最底层(L3)各个cell的边的权重进行预处理:采用单向标准Dijkstra算法计算出各个cell的内部节点到边界节点之间的最优路径,以及,计算出边界节点到内部节点之间的最优路径,得到的最优路径作为L2路网层的虚拟边(该虚拟边即为最短路径(shortcut_edge))。一个虚拟边的权重为该虚拟边对应的最优路径的权重累加之和,在路径表中记录该虚拟边的权重和对应的最优路径。
其中,该L3路网层的虚拟边(shortcut_edge)和该L3路网层各个cell的分割边(cut_edge)共同组织成上一路由层(L2)的边。
Step2’、对L2路网层的边进行权重预处理:采用单向标准Dijkstra算法在L2路网层上计算该层每个cell内部所有节点两两之间的最优路径,并将内部节点到边界节点之间的最优路径和边界节点到内部节点之间的最优路径作为L1路网层的虚拟边,每条最优路径的权重为对应最优路径的权重累加之和,在路径表中记录下所有节点两两之间的最优路径的权重和对应的最优路径。
其中,该L2路网层的虚拟边(shortcut_edge)和L2各个cell的分割边(cut_edge)共同组织成上一路网层(L1)的边。
与Step2’类似,自下而上依次进行L1、L0路网层的边的权重的预处理,并在路径表中存储权重和对应的最优路径。
通过上述Step1’和Step2’,能够在路径表中至少存储了L2、L1、L0路网层中所有节点两两之间的最优路径及对应的权重、存储了L3路网层中的内部节点到边界节点的最优路径及对应的权重,以及,存储了L3路网层中的边界节点到内部节点的最优路径及对应的权重。
步骤S22,获取起点信息和终点信息,起点信息在预生成的多层重叠路网图对应的节点作为起始节点,终点信息在多层重叠路网图对应的节点作为终止节点,其中,多层重叠路网图包括至少2个路网层,不同的路网层对应的层级不同,且高层级的路网层的虚拟边为与高层级的路网层相邻的低层级的路网层的内部节点与边界节点之间的最优路径,一个层级的路网层的边界节点为能够与层级高于本层级的路网层的节点连接的节点,同一层级的路网层中,除了作为边界节点的节点,其余节点均作为对应层级的路网层的内部节点。
步骤S23,若起始节点和终止节点不是均在层级最低的路网层,则根据起始节点和终止节点,在多层重叠路网图中进行路径搜索,得到虚拟的最优路径。
当然,该步骤S23在进行路径搜索时,可具体根据双向广度优先遍历算法,在多层重叠路网图中按照低层级的路网层向高层级的路网层进行路径搜索。
步骤S24,根据虚拟的最优路径以及预存的路径表,确定实际的最优路径并输出,其中,预存的路径表至少存储多层重叠路网图中除了层级最低的路网层之外的各个路网层中任意两个节点之间的最优路径。
本申请实施例中,由于对原始路网数据进行分层、分单元预处理,因此使得得到的多层重叠路网图的各个路网层的节点,从下往上,依次减少,从而有效降低在线遍历的节点数量和遍历步数。并且,由于预先在路径表中至少存储了除层级最低的路网层之外的其他路网层中所有节点两两之间的最优路径及对应的权重、存储了层级最低的路网层中的内部节点到边界节点的最优路径及对应的权重,以及,存储了该层级最低的路网层中的边界节点到内部节点的最优路径及对应的权重,因此,能够根据搜索得到的虚拟的最优路径以及该路径表,快速比对出该虚拟的最优路径所对应的实际的最优路径,从而大大提升在线路径规划的算法效率,对于在线规划时间可降低至5ms以下。
在一些实施例中,上述预存的路径表不存储多层重叠路网图中层级最低的路网层中任意两个内部节点的最优路径,此时,若起始节点和终止节点均在预生成的多层重叠路网图中的层级最低的路网层,且起始节点和终止节点存在直接相连的边,则将存在的直接相连的边作为实际的最优路径并输出。
其中,直接相连的边为原始边,即不是虚拟边。
本申请实施例中,由于层级最低的路网层(即最底层的路网层)的节点数量较多,因此,不存储层级最低的路网层中任意两个内部节点的最优路径(即只存储除层级最低的路网层之外的其他路网层中所有节点两两之间的最优路径及对应的权重、存储了层级最低的路网层中的内部节点到边界节点的最优路径及对应的权重,以及,存储了该层级最低的路网层中的边界节点到内部节点的最优路径及对应的权重)能够有效减少存储空间。此外,由于路径表已存储了大部分节点之间的最优路径,因此,当起始节点和终止节点同时在层级最低的路网层(即不一定在同一个单位)时,该起始节点和终止节点之间可能存在的节点的数量通常较少,从而能够快速判断出该起始节点和终止节点之间是否存在直接相连的边,进而能够快速确定该起始节点到终止节点对应的实际的最优路径。
在一些实施例中,路径规划方法还包括:
若起始节点和终止节点不存在直接相连的边,且起始节点和终止节点在同一路网层的同一单元中,则在起始节点所在的单元中进行路径搜索,确定实际的最优路径并输出。
当然,若起始节点和终止节点不存在直接相连的边,且起始节点和终止节点也不在同一路网层的同一单元中,则跳转至步骤S12。
具体地,在起始节点所在的单元中进行路径搜索时可采用单向Dijstra搜索算法,通常从起始节点开始往终止节点方向进行搜索。
本申请实施例中,当起始节点和终止节点均在层级最低的路网层,且该起始节点和终止节点存在直接相连的边时,则该直接相连的边将作为实际的最优路径。而当判断出起始节点和终止节点均在层级最低的路网层,该起始节点和终止节点分别在不同的单元内,且该起始节点和终止节点不存在直接相连的边时,则在多层重叠路网图中进行路径搜索,比如,根据双向广度优先遍历算法,在多层重叠路网图中按照低层级的路网层向高层级的路网层进行路径搜索,以得到虚拟的最优路径。由于各个路网层、各个路网层中的cell数据是以多级树文件夹结构进行存储,因此,能够快速判断出起始节点和终止节点所在的路网层是否为层级最低的路网层,是否在同一单元,以及是否具有直接相连的边,进而能够根据判断结果快速确定出实际的最优路径。
在一些实施例中,路径规划方法还包括:
若多层重叠路网图需要对节点进行更新,则确定需要更新的节点对应的单元,仅更新路径表中与需要更新的节点对应的单元中的最优路径。
其中,这里的更新包括需要在多层重叠路网图中新增节点,也包括该多层重叠路网图中的原始节点的变更。
参考图4,L0路网层为广东省对应的路网数据,L1路网层的单元包括“深圳市”和“广州市”,其中,“深圳市”路网层的单元包括“罗湖区”和“福田区”;“广州市”路网层的单元包括“越秀区”和“天河区”。假设“罗湖区”中的节点需要更新,那么只需更新“罗湖区”所在的单元,“深圳市”所在的单元以及“广东省”所在的单元,即只需要重新计算“罗湖区”所在的单元,“深圳市”所在的单元以及“广东省”所在的单元所对应的最优路径,并存入路径表,以实现该路径表的更新。而“福田区”、“天河区”、越秀区、“广州市”所在的单元均不用更新,从而能够极大提高更新效率。
为了更清楚地描述本申请实施例提供的路径规划方法,下面结合图5、图6进一步进行说明,其中,图5是生成多层重叠路网图的示意图,图6是另一种路径规划方法的流程示意图。
在图5中:
路网分割52对原始路网数据51进行路网分割,具体地,对单层的路网层分割成若干个单元,设定不同路网层的单元所包含的最大的节点数量,使得在给定单元大小(即给定单元所包含的最大的节点数量)的情况下,连通单元的分割边(cut-edge)数越少,分割效果越好。其中,路网分割是离线执行。
路网分层53自上而下对路网分割52得到的每个路网层进行分层预处理,包括确定每个路网层的节点的等级。其中,路网分层是离线执行。
多层重叠图的虚拟边的权重的预处理54用于确定各个路网层各个单元的内部节点与边界节点之间的最优路径,并作为上一路网层的虚拟边存储。
生成多层重叠路网图55用于根据多层重叠图的虚拟边的权重的预处理54得到的虚拟边以及路网分割52得到的节点的等级,生成对应的多层重叠路网图。
当然,若多层重叠路网图需要更新56判断出需要进行更新,则更新相应节点的等级以及虚拟边,再根据更新后的节点的等级和虚拟边生成新的多层重叠路网图。
在图6中:
步骤S61,获取起始节点和终止节点。
步骤S62,判断起始节点和终止节点是否均在最底层(即层级最低的路网层),若是,执行步骤S63,否则,执行步骤S67。
步骤S63,判断起始节点和终止节点是否有直接相连的原始边,若是,执行步骤S64,否则,执行步骤S65。
步骤S64,返回原始边。
步骤S65,判断起始节点和终止节点是否在同一单元内,若是,执行步骤S66,否则,执行步骤S67。
步骤S66,采用标准Dijkstra算法计算起始节点和终止节点的最优路径。
步骤S67,采用双向广度优先搜索遍历生成的多层重叠路网图,得到虚拟的最优路径。
步骤S68,将该虚拟路径与预存的路径表比对,以还原出实际的最优路径。
步骤S69,结束。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
实施例二:
对应于上文实施例一的路径规划方法,图7示出了本申请实施例提供的路径规划装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图7,该路径规划装置7包括:起点信息和终点信息获取单元71、路网层判断单元72、最优路径输出单元73,其中:
起点信息和终点信息获取单元71,用于获取起点信息和终点信息,起点信息在预生成的多层重叠路网图对应的节点作为起始节点,终点信息在多层重叠路网图对应的节点作为终止节点,其中,多层重叠路网图包括至少2个路网层,不同的路网层对应的层级不同,且高层级的路网层的虚拟边为与高层级的路网层相邻的低层级的路网层的内部节点与边界节点之间的最优路径,一个层级的路网层的边界节点为能够与层级高于本层级的路网层的节点连接的节点,同一层级的路网层中,除了作为边界节点的节点,其余节点均作为对应层级的路网层的内部节点。
路网层判断单元72,用于若起始节点和终止节点不是均在层级最低的路网层,则根据起始节点和终止节点,在多层重叠路网图中进行路径搜索,得到虚拟的最优路径。
最优路径输出单元73,用于根据虚拟的最优路径以及预存的路径表,确定实际的最优路径并输出,其中,预存的路径表至少存储多层重叠路网图中除了层级最低的路网层之外的各个路网层中任意两个节点之间的最优路径。
其中,实际的最优路径的输出方式包括语音和/或文字和/或图像等方式的输出。
本申请实施例中,由于高层级的路网层的虚拟边为与高层级的路网层相邻的低层级的路网层的内部节点与边界节点之间的最优路径,因此,搜索起始节点到终止节点所需要经过的不同层级的路网层中的虚拟边,相当于搜索该虚拟边对应的边界节点,又由于边界节点为能够与层级高于本层级的路网层的节点连接的节点,因此跨层级的路网层之间的最优路径的搜索只需要一个搜索步骤,而路径表至少存储多层重叠路网图中除了层级最低的路网层之外的各个路网层中任意两个节点之间的最优路径,即预先确定出了多数节点对应的最优路径,也即在线搜索所需要执行的搜索步骤很少,从而能够极大提高在线路径规划的速度,进而能够满足对大规模路网的即时的路径规划要求。
在一些实施例中,路网层判断单元72在多层重叠路网图中进行路径搜索时,具体用于:
在多层重叠路网图中按照低层级的路网层向高层级的路网层进行路径搜索。
在一些实施例中,路网层判断单元72在多层重叠路网图中按照低层级的路网层向高层级的路网层进行路径搜索时,具体用于:
根据双向广度优先遍历算法,在多层重叠路网图中按照低层级的路网层向高层级的路网层进行路径搜索。
在一些实施例中,该路径规划装置7还包括:
多层重叠路网图生成单元,用于确定路网层数以及除了最低层级的路网层中的单元所包含的最大的节点数量,依据路网层数以及除了最低层级的路网层中的单元所包含的最大的节点数量,生成多层重叠路网图。
在一些实施例中,预存的路径表不存储多层重叠路网图中层级最低的路网层中任意两个内部节点的最优路径。此时,该路径规划装置7还包括:
原始边输出单元,用于若起始节点和终止节点均在预生成的多层重叠路网图中的层级最低的路网层,且起始节点和终止节点存在直接相连的边,则将存在的直接相连的边作为实际的最优路径并输出。
在一些实施例中,该路径规划装置7还包括:
同一单元的节点的最优路径搜索单元,用于若起始节点和终止节点不存在直接相连的边,且起始节点和终止节点在同一路网层的同一单元中,则在起始节点所在的单元中进行路径搜索,确定实际的最优路径并输出。
具体地,在起始节点所在的单元中进行路径搜索时可采用单向Dijstra搜索算法,通常从起始节点开始往终止节点方向进行搜索。
在一些实施例中,该路径规划装置7还包括:
最优路径更新单元,用于若多层重叠路网图需要对节点进行更新,则确定需要更新的节点对应的单元,仅更新路径表中与需要更新的节点对应的单元中的最优路径。
其中,这里的更新包括需要在多层重叠路网图中新增节点,也包括该多层重叠路网图中的原始节点的变更。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
实施例三:
图8为本申请一实施例提供的终端设备的结构示意图。如图8所示,该实施例的终端设备8包括:至少一个处理器80(图8中仅示出一个处理器)、存储器81以及存储在所述存储器81中并可在所述至少一个处理器80上运行的计算机程序82,所述处理器80执行所述计算机程序82时实现上述实施例一种各个方法实施例中的步骤。
所述终端设备8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。该终端设备可包括,但不仅限于,处理器80、存储器81。本领域技术人员可以理解,图8仅仅是终端设备8的举例,并不构成对终端设备8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,例如还可以包括输入输出设备、网络接入设备等。
所称处理器80可以是中央处理单元(Central Processing Unit,CPU),该处理器80还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器81在一些实施例中可以是所述终端设备8的内部存储单元,例如终端设备8的硬盘或内存。所述存储器81在另一些实施例中也可以是所述终端设备8的外部存储设备,例如所述终端设备8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(Flash Card)等。进一步地,所述存储器81还可以既包括所述终端设备8的内部存储单元也包括外部存储设备。所述存储器81用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种网络设备,该网络设备包括:至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
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,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例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同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种路径规划方法,其特征在于,包括:
获取起点信息和终点信息,所述起点信息在预生成的多层重叠路网图对应的节点作为起始节点,所述终点信息在所述多层重叠路网图对应的节点作为终止节点,其中,所述多层重叠路网图包括至少2个路网层,不同的路网层对应的层级不同,且高层级的路网层的虚拟边为与所述高层级的路网层相邻的低层级的路网层的内部节点与边界节点之间的最优路径,一个层级的路网层的边界节点为能够与层级高于本层级的路网层的节点连接的节点,同一层级的路网层中,除了作为所述边界节点的节点,其余节点均作为对应层级的路网层的内部节点;
若所述起始节点和所述终止节点不是均在层级最低的路网层,则根据所述起始节点和所述终止节点,在所述多层重叠路网图中进行路径搜索,得到虚拟的最优路径;
根据所述虚拟的最优路径以及预存的路径表,确定实际的最优路径并输出,其中,所述预存的路径表至少存储所述多层重叠路网图中除了层级最低的路网层之外的各个路网层中任意两个节点之间的最优路径。
2.如权利要求1所述的路径规划方法,其特征在于,所述在所述多层重叠路网图中进行路径搜索,包括:
在所述多层重叠路网图中按照低层级的路网层向高层级的路网层进行路径搜索。
3.如权利要求2所述的路径规划方法,其特征在于,所述在所述多层重叠路网图中按照低层级的路网层向高层级的路网层进行路径搜索,包括:
根据双向广度优先遍历算法,在所述多层重叠路网图中按照低层级的路网层向高层级的路网层进行路径搜索。
4.如权利要求1至3任一项所述的路径规划方法,其特征在于,在所述获取起点信息和终点信息之前,包括:
确定路网层数以及除了最低层级的路网层中的单元所包含的最大的节点数量,依据所述路网层数以及所述除了最低层级的路网层中的单元所包含的最大的节点数量,生成所述多层重叠路网图。
5.如权利要求4所述的路径规划方法,其特征在于,所述预存的路径表不存储多层重叠路网图中层级最低的路网层中任意两个内部节点的最优路径;
若起始节点和终止节点均在预生成的多层重叠路网图中的层级最低的路网层,且所述起始节点和所述终止节点存在直接相连的边,则将存在的直接相连的边作为所述实际的最优路径并输出。
6.如权利要求5所述的路径规划方法,其特征在于,所述路径规划方法还包括:
若所述起始节点和所述终止节点不存在直接相连的边,且所述起始节点和所述终止节点在同一路网层的同一单元中,则在所述起始节点所在的单元中进行路径搜索,确定实际的最优路径并输出。
7.如权利要求4所述的路径规划方法,其特征在于,所述路径规划方法还包括:
若所述多层重叠路网图需要对节点进行更新,则确定需要更新的节点对应的单元,仅更新所述路径表中与所述需要更新的节点对应的单元中的最优路径。
8.一种路径规划装置,其特征在于,包括:
起点信息和终点信息获取单元,用于获取起点信息和终点信息,所述起点信息在预生成的多层重叠路网图对应的节点作为起始节点,所述终点信息在所述多层重叠路网图对应的节点作为终止节点,其中,所述多层重叠路网图包括至少2个路网层,不同的路网层对应的层级不同,且高层级的路网层的虚拟边为与所述高层级的路网层相邻的低层级的路网层的内部节点与边界节点之间的最优路径,一个层级的路网层的边界节点为能够与层级高于本层级的路网层的节点连接的节点,同一层级的路网层中,除了作为所述边界节点的节点,其余节点均作为对应层级的路网层的内部节点;
路网层判断单元,用于若所述起始节点和所述终止节点不是均在层级最低的路网层,则根据所述起始节点和所述终止节点,在所述多层重叠路网图中进行路径搜索,得到虚拟的最优路径;
最优路径输出单元,用于根据所述虚拟的最优路径以及预存的路径表,确定实际的最优路径并输出,其中,所述预存的路径表至少存储所述多层重叠路网图中除了层级最低的路网层之外的各个路网层中任意两个节点之间的最优路径。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110298473.4A CN112985443B (zh) | 2021-03-19 | 2021-03-19 | 路径规划方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110298473.4A CN112985443B (zh) | 2021-03-19 | 2021-03-19 | 路径规划方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112985443A true CN112985443A (zh) | 2021-06-18 |
CN112985443B CN112985443B (zh) | 2022-05-10 |
Family
ID=76334127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110298473.4A Active CN112985443B (zh) | 2021-03-19 | 2021-03-19 | 路径规划方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112985443B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113990093A (zh) * | 2021-11-22 | 2022-01-28 | 大连理工大学 | 一种无人驾驶电动出租车动态合乘调度系统及方法 |
CN116539056A (zh) * | 2023-04-28 | 2023-08-04 | 北京大数据先进技术研究院 | 一种路径规划方法、装置和电子设备 |
CN117575452A (zh) * | 2024-01-17 | 2024-02-20 | 湖南蓝天智能物流装备有限公司 | 基于节点动态寻址的路径规划方法、装置、设备和介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100222995A1 (en) * | 2009-02-28 | 2010-09-02 | Ihung Tu | Link promotion method and apparatus for improving route search performance for navigation system |
CN102081658A (zh) * | 2011-01-13 | 2011-06-01 | 北京超图软件股份有限公司 | 基于分层路网的路径搜索方法和装置 |
CN103047990A (zh) * | 2012-12-24 | 2013-04-17 | 北京交通发展研究中心 | 基于骨干路网分层的多路径选择方法 |
CN104266656A (zh) * | 2014-09-03 | 2015-01-07 | 清华大学 | 用于道路网的最短路径搜索方法及装置 |
CN107092978A (zh) * | 2017-04-05 | 2017-08-25 | 武汉大学 | 一种面向虚拟地球的最短路径分层规划方法 |
CN108267150A (zh) * | 2018-01-31 | 2018-07-10 | 武汉光庭信息技术股份有限公司 | 一种解决分层路线规划线路合理性的方法及系统 |
CN110084393A (zh) * | 2018-01-26 | 2019-08-02 | 北京搜狗科技发展有限公司 | 一种路径信息的处理方法、装置及电子设备 |
CN110530391A (zh) * | 2019-09-29 | 2019-12-03 | 武汉中海庭数据技术有限公司 | 一种基于分层路网的路径规划方法及装置 |
-
2021
- 2021-03-19 CN CN202110298473.4A patent/CN112985443B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100222995A1 (en) * | 2009-02-28 | 2010-09-02 | Ihung Tu | Link promotion method and apparatus for improving route search performance for navigation system |
CN102081658A (zh) * | 2011-01-13 | 2011-06-01 | 北京超图软件股份有限公司 | 基于分层路网的路径搜索方法和装置 |
CN103047990A (zh) * | 2012-12-24 | 2013-04-17 | 北京交通发展研究中心 | 基于骨干路网分层的多路径选择方法 |
CN104266656A (zh) * | 2014-09-03 | 2015-01-07 | 清华大学 | 用于道路网的最短路径搜索方法及装置 |
CN107092978A (zh) * | 2017-04-05 | 2017-08-25 | 武汉大学 | 一种面向虚拟地球的最短路径分层规划方法 |
CN110084393A (zh) * | 2018-01-26 | 2019-08-02 | 北京搜狗科技发展有限公司 | 一种路径信息的处理方法、装置及电子设备 |
CN108267150A (zh) * | 2018-01-31 | 2018-07-10 | 武汉光庭信息技术股份有限公司 | 一种解决分层路线规划线路合理性的方法及系统 |
CN110530391A (zh) * | 2019-09-29 | 2019-12-03 | 武汉中海庭数据技术有限公司 | 一种基于分层路网的路径规划方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113990093A (zh) * | 2021-11-22 | 2022-01-28 | 大连理工大学 | 一种无人驾驶电动出租车动态合乘调度系统及方法 |
CN116539056A (zh) * | 2023-04-28 | 2023-08-04 | 北京大数据先进技术研究院 | 一种路径规划方法、装置和电子设备 |
CN116539056B (zh) * | 2023-04-28 | 2024-03-01 | 北京大数据先进技术研究院 | 一种路径规划方法、装置和电子设备 |
CN117575452A (zh) * | 2024-01-17 | 2024-02-20 | 湖南蓝天智能物流装备有限公司 | 基于节点动态寻址的路径规划方法、装置、设备和介质 |
CN117575452B (zh) * | 2024-01-17 | 2024-03-26 | 湖南蓝天智能物流装备有限公司 | 基于节点动态寻址的路径规划方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112985443B (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112985443B (zh) | 路径规划方法、装置及终端设备 | |
JP4227304B2 (ja) | 概略配線方法及び装置並びに概略配線プログラムを格納した記録媒体 | |
Yeh et al. | OBDD-based evaluation of k-terminal network reliability | |
Ortega-Arranz et al. | The shortest-path problem: Analysis and comparison of methods | |
Liu et al. | Finding top-k optimal sequenced routes | |
CN104266656A (zh) | 用于道路网的最短路径搜索方法及装置 | |
US20120310523A1 (en) | Customizable route planning | |
CN108645411A (zh) | 基于粒子群算法的机器人路径规划方法、装置及终端设备 | |
Klunder et al. | The shortest path problem on large‐scale real‐road networks | |
CN108876024A (zh) | 路径规划、路径实时优化方法及装置、存储介质 | |
CN112902970A (zh) | 一种巡检路径规划方法和巡检机器人 | |
US20120192138A1 (en) | Graph partitioning with natural cuts | |
Schulz et al. | Better process mapping and sparse quadratic assignment | |
CN112990538A (zh) | 一种山地光伏电站集电线路确定方法、装置及设备 | |
CN104268243A (zh) | 一种位置数据处理方法及装置 | |
CN105302838A (zh) | 分类方法、查找方法和设备 | |
CN112729323B (zh) | 路径规划方法及设备 | |
Reif et al. | Randomized algorithms for binary search and load balancing with geometric applications | |
CN116522844B (zh) | 电路划分方法、电路节点电压计算方法、终端及存储介质 | |
CN117034051B (zh) | 基于birch算法的水利信息聚合方法、装置及介质 | |
CN115779424B (zh) | 一种导航网格寻路方法、装置、设备及介质 | |
CN116036604B (zh) | 数据处理方法、装置、计算机及可读存储介质 | |
White | Lower bounds in the preprocessing and query phases of routing algorithms | |
CN114399124B (zh) | 路径数据处理、路径规划方法、装置和计算机设备 | |
CN107818113A (zh) | 文件访问位置的确定方法及装置 |
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 |