CN113593240B - 一种用于车路协同的车辆路径规划方法及系统 - Google Patents
一种用于车路协同的车辆路径规划方法及系统 Download PDFInfo
- Publication number
- CN113593240B CN113593240B CN202111139372.9A CN202111139372A CN113593240B CN 113593240 B CN113593240 B CN 113593240B CN 202111139372 A CN202111139372 A CN 202111139372A CN 113593240 B CN113593240 B CN 113593240B
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- road section
- path planning
- vehicles
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Optimization (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种用于车路协同的车辆路径规划方法及系统,具体涉及交通控制领域,包括:将指定区域内的其中一个子区域作为目标区域;将以所述目标区域内的位置作为导航目的地的车辆归类为目标群组,所述目标群组包括位于所述目标区域内的若干辆内部车辆和位于所述目标区域外的若干辆外部车辆;对所述若干辆内部车辆中的任意一辆内部车辆基于花费时间进行路径规划;对所述若干辆外部车辆中的任意一辆外部车辆基于空间分布均衡性进行路径规划。该车辆路径规划方法用于对导航目的地为目标区域内且车辆位于目标区域外的车辆的导航路径规划,可降低车辆在目标区域外发生新的堵塞的概率,保证车辆的通行顺畅。
Description
技术领域
本发明涉及交通控制领域,具体涉及一种用于车路协同的车辆路径规划方法及系统。
背景技术
车路协同是一种全方位实施车车、车路动态实时信息交互的道路交通系统,车路协同在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人、车、路之间的有效协同,保证交通安全,提高通行效率。
汽车导航路线调控是车路协同中的其中一个基本内容,通过统计发现,在城市环境中,不同时段的人员(车辆)流向具有明显的差异性,对于车辆流向较为多的区域,不可避免的会在该区域内造成拥堵。
目前的导航系统仅会根据当前的交通情况,基于路程最短、花费时间最短等简单参数进行导航路径的规划;如果导航路径的规划方向与该时段的车辆流向方向一致,则会导致大量车辆在行车中途发生堆积,从而形成新的拥堵,不利于车辆通行。
发明内容
本发明提供了一种用于车路协同的车辆路径规划方法及系统,该用于车路协同的车辆路径规划方法及系统主要是用于对导航目的地为目标区域内且车辆位于目标区域外的车辆的导航路径规划,可降低车辆在目标区域外发生新的堵塞的概率,保证车辆的通行顺畅。
相应的,本发明提供了一种用于车路协同的车辆路径规划方法,包括:
将指定区域内的其中一个子区域作为目标区域;
将以所述目标区域内的位置作为导航目的地的车辆归类为目标群组,所述目标群组包括位于所述目标区域内的若干辆内部车辆和位于所述目标区域外的若干辆外部车辆;
对所述若干辆内部车辆中的任意一辆内部车辆基于花费时间进行路径规划;
对所述若干辆外部车辆中的任意一辆外部车辆基于空间分布均衡性进行路径规划,所述空间分布均衡性为所述目标区域外的道路的车流密度差异性大小的评价数据。
可行的实施方式,对所述若干辆外部车辆中的任意一辆外部车辆基于空间分布均衡性进行路径规划包括:
基于分叉口将位于所述指定区域内且位于所述目标区域外的道路划分为若干个路段;
以路段作为距离单位,根据外部车辆到达所述目标区域的最短距离将所述若干辆外部车辆划分若干个子分组;
分别对所述若干个子分组中的任意一个子分组进行基于空间分布均衡性进行整体路径规划。
可行的实施方式,分别对所述若干个子分组中的任意一个子分组进行基于空间分布均衡性进行整体路径规划包括:
所述子分组所对应的最短距离为a,以[a,a+b]作为限制区间,分别求出每一辆外部车辆的若干条可能行车轨迹,b为预设常数;
选取所述第一分组中的每一辆外部车辆的其中一条可能行车轨迹进行组合并形成虚拟轨迹方案,求出所述虚拟轨迹方案对应的空间分布均衡性;
遍历求出所有虚拟轨迹方案的空间分布均衡性并基于空间分布均衡性选择最优的虚拟轨迹方案作为实际方案;
基于所述实际方案对每一辆外部车辆进行路径规划。
可行的实施方式,对所述若干辆外部车辆中的任意一辆外部车辆基于空间分布均衡性进行路径规划还包括:
全局路网规划:对位于所述目标区域的边界范围上的每一条入口道路分别进行局部路网规划;
所述局部路网规划包括:
路段编号初始化:以所述分叉口作为变化节点并以对应的入口道路作为路段编号的起点,依次递增对每一个路段进行路段编号的初始化生成,每一个路段具有若干个初始化路段编号;
路段编号局部固化:在任意一个所述路段中,所述路段所具有的若干个初始化路段编号中的最小值为所述路段的局部固化路段编号;
汇总所有入口道路的局部路网规划得到全局路网规划,任意一个所述路段所具有的若干个局部固化路段编号中的最小值为所述路段的路段编号;
所述若干条可能行车轨迹中的任一条可能行车轨迹中的相邻两个路段的路段编号相同,或在所述若干条可能行车轨迹中的任一条可能行车轨迹的相邻两个路段中,相对后者的路段的路段编号小于相对前者的路段的路段编号。
可行的实施方式,所述求出所述虚拟轨迹方案对应的空间分布均衡性包括:
统计对应的子分组内的外部车辆的所有可能行车轨迹所涉及的k个路段;
基于路段编号对所述k个路段进行分类,具有同一路段编号的路段归类为一个种群;
基于对应的虚拟轨迹方案对所述k个路段中的第x个路段赋予评价值nx/n,其中,n为对应的子分组内的车辆数量,nx为经过第x个路段的可能行车轨迹数目,x=1,2,……,k;
计算每一个所述种群中的评价值的方差,并将每一个所述种群的方差的集合作为所述虚拟轨迹方案对应的空间分布均衡性的评价数据。
可行的实施方式,所述基于空间分布均衡性选择最优的虚拟轨迹方案作为实际方案包括:
遍历比较所有虚拟轨迹方案中的任意两个虚拟轨迹方案的评价数据。
可行的实施方式,所述遍历比较所有虚拟轨迹方案中的任意两个虚拟轨迹方案的评价数据包括单次比较;
所述单次比较包括:
选取任意两个虚拟轨迹方案作为比较对象;
从路段编号最小的种群开始,按照递增顺序,依次对所述两个虚拟轨迹方案中的具有相同路段编号的种群进行比较,所述比较的停止条件为所述两个虚拟轨迹方案中的具有相同路段编号的种群的方差大小不同;
以最后一次所述比较中方差较小值所对应的虚拟轨迹方案作为所述两个虚拟轨迹方案中的较优虚拟轨迹方案。
可行的实施方式,所述遍历比较所有虚拟轨迹方案中的任意两个虚拟轨迹方案的评价数据包括单次比较;
可行的实施方式,在两个虚拟轨迹方案的比较中,若存在所有对应的种群的方差值均相同的比较结果,随意选取其中一个所述虚拟轨迹方案作为较优虚拟轨迹方案。
相应的,本发明还提供了一种用于车路协同的车辆路径规划系统,用于实现所述的用于车路协同的车辆路径规划方法。
综上,本发明提供了一种用于车路协同的车辆路径规划方法及系统,该车辆路径规划方法,对外部车辆基于空间分布均衡性进行路径规划,可避免汽车堵塞的提前发生;以路段为距离单位,可大幅度降低运算量,提高运算效率;以距离对外部车辆进行分组后再进行空间分布均衡性的计算,可更实际的反映出实体车辆的时间性限制条件和空间性限制条件,避免进行无用计算;对同一子分组内的外部车辆的行车轨迹空间分布情况则采用忽略时间性限制条件和空间性限制条件的方式,可简化运算量并可利用方差数据反映出车辆对路段的利用率,具有良好的实用性。
附图说明
图1为本发明实施例的用于车路协同的车辆路径规划方法流程图。
图2为本发明实施例的对所述若干辆外部车辆中的任意一辆外部车辆基于空间分布均衡性进行路径规划方法流程图。
图3为本发明实施例的分别对所述若干个子分组中的任意一个子分组进行基于空间分布均衡性进行整体路径规划方法流程图。
图4为本发明实施例的目标区域外的道路网格示意图。
图5为本发明实施例的求出所述虚拟轨迹方案对应的空间分布均衡性的方法流程图。
图6为本发明实施例的单次比较方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1示出了本发明实施例的用于车路协同的车辆路径规划方法流程图。
基本的,本发明实施例提供了一种用于车路协同的车辆路径规划方法,包括:
S101:将指定区域内的其中一个子区域作为目标区域;
在步骤S101中,存在着两个区域指代,两个区域指代分别为指定区域和目标区域;
具体的,指定区域是指一个较大的地理范围,指定区域包括若干个子区域,每一个子区域在不同时间段的车辆流入数量不同,在本发明实施例中,可根据实际需求选择其中一个子区域作为目标区域,其他子区域则作为非目标区域。
S102:将以所述目标区域内的位置作为导航目的地的车辆归类为目标群组;
在指定目标区域之后,将导航目的地为目标区域内的位置的车辆归类为目标群组,本发明实施例所提供的用于车路协同的车辆路径规划方法的路径规划对象为目标群组内的每一辆车辆。
具体的,所述目标群组包括位于所述目标区域内的若干辆内部车辆和位于所述目标区域外的若干辆外部车辆;将目标群组内的车辆划分为内部车辆和外部车辆,分别对不同类型的车辆基于不同的路径规划路径进行规划,以更符合实际应用需求。
S103:对所述若干辆内部车辆中的任意一辆内部车辆基于花费时间进行路径规划;
S104:对所述若干辆外部车辆中的任意一辆外部车辆基于空间分布均衡性进行路径规划。
具体的,假设当前是时段为17点至19点的下班高峰时间段,目标区域为小区密布的住宅区,对于目标区域内的道路网而言,任意两个位置之间的可供选择的导航路线较少,此外,由于单位时间内流入目标区域的车辆较多,车辆数量超过道路网承载量是不可解决的客观限制条件,因此,对于目标区域内而言,更换导航路线并不会带来更佳的道路优化收益,因此,对于内部车辆而言,可直接基于花费时间进行路线规划,以花费时间最小的导航路径作为其实际行进路径。
对于外部车辆而言,外部车辆从目标区域外行进至目标区域中,由于外部汽车的行进方向较为统一(行进方向为目标区域的入口道路),在车辆行进的过程中,在未到达入口道路前,容易因为提前聚集而发生新的堵塞,一方面会导致车辆的行车时间变长,另一方面会导致造成目标区域外的地区的堵塞。
因此,在本发明实施例中,对于外部车辆而言,对所述若干辆外部车辆中的任意一辆外部车辆基于空间分布均衡性进行路径规划。
具体的,虚拟一理论模型,将目标区域视为一个固定空间点,位于目标区域边界上的道路为入口道路,根据路网特性,从入口道路开始反向推导,由路网的组成可知,从入口道路相对于固定空间点的另一端会产生分支,依次类推,从目标区域外到达入口道路的路径有多条,但在实际导航规划中,由于限制条件较为简单,不会对目标区域外的路网进行更好的利用,从而导致了车辆堵塞的提前发生。
在现有技术下,用于对汽车流量和汽车密度进行描述的数据量为车流密度,车流密度是指在单位长度道路上,一个车道或一个方向上某一瞬时的车辆数,可用以表示一条道路上的车辆的密集程度。在本发明实施例中,目标区域外的每一条道路都拥有对应的车流密度的数据;本发明实施例所述的空间分布均衡性,实质上可理解为所述目标区域外的道路的车流密度差异性大小的评价数据,当道路的车流密度趋于相同时,目标区域外的路网中的道路利用率较高,车辆在目标区域外分布得较为均匀,车辆发生堵塞的可能性降低。
具体的,本发明所述的空间分布均衡性可通俗的理解为对目标区域外的道路空间利用率的一种评估,从整体统计的方向出发,当空间分布均衡性趋于最优时,车辆在目标区域外的分布趋于平均,从而使得目标区域外的路网系统中的车辆尽可能的分布均匀,路网系统的利用率尽可能的高,以避免外部车辆提前发生不必要的堵塞。
基本的,所述目标区域外的道路的车流密度差异性大小的评价数据可以为方差、均差、极差等数据,在本发明实施例中,为了更好的针对实际道路情况进行车辆路径规划,提供了一种特殊的用于所述目标区域外的道路的车流密度差异性大小的评价数据。
图2示出了本发明实施例的对所述若干辆外部车辆中的任意一辆外部车辆基于空间分布均衡性进行路径规划方法流程图。
具体的,针对空间分布均衡性,本发明提供了一种可行的方式以供计算,具体的,对所述若干辆外部车辆中的任意一辆外部车辆基于空间分布均衡性进行路径规划包括:
S201:基于分叉口将位于所述指定区域内且位于所述目标区域外的道路划分为若干个路段;
具体的,在本发明实施例中,仅以路段的形式对道路进行标识,每一个路段的两端均为道路的分叉口,每一个分叉口连接着三段以上的路段;
S202:以路段作为距离单位,根据外部车辆到达所述目标区域的最短距离将所述若干辆外部车辆划分若干个子分组;
S203:分别对所述若干个子分组中的任意一个子分组进行基于空间分布均衡性进行整体路径规划。
具体的,在本发明实施例中,将路段作为距离单位,忽略路段自身的长度等数据,以大幅度降低数据的处理量;根据外部车辆到达所述目标区域的最短距离(即外部车辆到达所述目标区域的所需的最少路段数量)将所述若干辆外部车辆划分若干个子分组;在每一个子分组中的外部车辆具有同样的到达所述目标区域的最短距离。
具体的,该步骤的目的一方面是通过将路段作为距离单位大幅度降低了数据的处理量,另一方面是通过以“距离”对外部车辆进行分组,以反映外部车辆实际行驶时所存在的时间性限制条件和空间性限制条件;具体的,所述的时间性限制条件和空间性限制条件主要体现在只有在同一分组中的车辆才具有在同一时间段内发生相互干扰的可能性,不同分组中的车辆,在理论上,发生相互干扰的可能性极低;在理论上,不同分组中的外部车辆如果要跨越分组,则需要发生理论上的瞬间移动才能达成。因此,通过以“距离”对外部车辆进行分组,从理论层面出发,将发生相互干扰可能性更大的外部车辆进行分组,然后再以分组为单位对外部车辆进行路线规划,该实施方式具有更佳的现实意义。
相应的,本发明实施例提供了一种对子分组进行基于空间分布均衡性进行整体路径规划的一种实施方式。
图3示出了本发明实施例的分别对所述若干个子分组中的任意一个子分组进行基于空间分布均衡性进行整体路径规划方法流程图。
图4示出了本发明实施例的目标区域外的道路网格示意图,其中,Z1-P2路段和Z2-P3路段为入口道路。
具体的,分别对所述若干个子分组中的任意一个子分组进行基于空间分布均衡性进行整体路径规划包括:
S301:所述子分组所对应的最短距离为a,以[a,a+b]作为限制区间,分别求出每一辆外部车辆的若干条可能行车轨迹,b为预设常数;
具体的,当子分组完成后,为了获取可能的行车路径,需要对外部车辆的可允许的行车路段数量进行适量的条件放宽。
具体的,参考图4,若其中一个外部车辆从P6节点出发(该外部车辆是位于P6-P10路段上),其最短的进入目标区域的路线为经过P2-P6路段到达Z1-P2路段,其最短行车距离为2;在距离条件放宽后,如b为2,则该外部车辆的可能行车轨迹为依次经过P5-P6路段、P1-P5路段、P1-P2路段到达Z1-P2路段,该可能行车轨迹的行车距离为4;可能行车轨迹还可以为经过P6-P7路段和P3-P7路段后到达Z2-P3路段,该可能行车轨迹的行车距离为3;由此可见,b的数值越大,每一辆外部汽车的可能行车轨迹越多,因此,始终需要根据路网需求进行设定,以避免数据量的暴增。
进一步的,为了避免车辆走回头路的情况,对于行车路径的规划,可遵循下列方法,具体的,对所述若干辆外部车辆中的任意一辆外部车辆基于空间分布均衡性进行路径规划还包括:
全局路网规划:对位于所述目标区域的边界范围上的每一条入口道路分别进行局部路网规划;
所述局部路网规划包括:
路段编号初始化:以所述分叉口作为变化节点并以对应的入口道路作为路段编号的起点,依次递增对每一个路段进行路段编号的初始化生成,每一个路段具有若干个初始化路段编号;
路段编号局部固化:在任意一个所述路段中,所述路段所具有的若干个初始化路段编号中的最小值为所述路段的局部固化路段编号;
汇总所有入口道路的局部路网规划得到全局路网规划,任意一个所述路段所具有的若干个局部固化路段编号中的最小值为所述路段的路段编号;
所述若干条可能行车轨迹中的任一条可能行车轨迹中的相邻两个路段的路段编号相同,或在所述若干条可能行车轨迹中的任一条可能行车轨迹的相邻两个路段中,相对后者的路段的路段编号小于相对前者的路段的路段编号。
参照附图图4示意,任意一个路段上的标线数量表示其路段编号,按照本发明实施例关于行车轨迹的逻辑定义规则,路段的路段编号可以相应的反应出该路段相对于目标区域的地位(重要性),可避免汽车走回头路以及远离目标区域向“后”行走。
S302:选取所述第一分组中的每一辆外部车辆的其中一条可能行车轨迹进行组合并形成虚拟轨迹方案,求出所述虚拟轨迹方案对应的空间分布均衡性;
具体的,通过对分组中所有外部车辆进行可能行车轨迹的组合,可得到虚拟轨迹方案,虚拟轨迹方案中包括每一辆车辆的一条可能行车轨迹。
S303:遍历求出所有虚拟轨迹方案的空间分布均衡性并基于空间分布均衡性选择最优的虚拟轨迹方案作为实际方案;
通过对不同的虚拟轨迹方案对应的空间分布均衡性的评价的比较,可判断虚拟轨迹方案之间的相对优劣性,从而得到所需的最佳的虚拟轨迹方案。
S304:基于所述实际方案对每一辆外部车辆进行路径规划。
图5示出了本发明实施例的求出所述虚拟轨迹方案对应的空间分布均衡性的方法流程图。
具体的,所述求出所述虚拟轨迹方案对应的空间分布均衡性包括:
S501:统计对应的子分组内的外部车辆的所有可能行车轨迹所涉及的k个路段;
S502:基于路段编号对所述k个路段进行分类,具有同一路段编号的路段归类为一个种群;
S503:基于对应的虚拟轨迹方案对所述k个路段中的第x个路段赋予评价值nx/n;
其中,n为对应的子分组内的车辆数量,nx为经过第x个路段的可能行车轨迹数目,x=1,2,……,k;
S504:计算每一个所述种群中的评价值的方差,并将每一个所述种群的方差的集合作为所述虚拟轨迹方案对应的空间分布均衡性的评价数据。
具体的,同一个种群中的路段具有同一路段编号,表明同一种群中的路段具有同样的重要性;重要性主要体现在路段与入口道路的远近,只要充分对具有同样重要性的道路进行利用,才能实现车流的合理通行。
具体的,由于时间性和空间性的限制,如果需要实时对每一辆外部车辆进行计算,将耗费大量的算力,因此,在本发明实施例中,对于道路均衡性的数据采集,解除有关时间性和空间性的限制,将车辆的通行轨迹当做一个瞬间可完成的动作,从而利用通行轨迹的交叠情况反映可能出现的堵塞概率。
每一个种群内的评价值的方差,可反映该种群内的车辆的行车轨迹的道路利用率,方差越小,道路利用率越高。
具体的,针对于本发明实施例所采用的关于虚拟轨迹方案的评价指标,所述基于空间分布均衡性选择最优的虚拟轨迹方案作为实际方案包括:
遍历比较所有虚拟轨迹方案中的任意两个虚拟轨迹方案的评价数据。
相应的,本发明实施例提供了一种相关的用于比较两个虚拟轨迹方案的评价数据的方法。
图6示出了本发明实施例的单次比较的方法流程图。
所述遍历比较所有虚拟轨迹方案中的任意两个虚拟轨迹方案的评价数据包括单次比较;
所述单次比较包括:
S601:选取任意两个虚拟轨迹方案作为比较对象;
S602:从路段编号最小的种群开始,按照递增顺序,依次对所述两个虚拟轨迹方案中的具有相同路段编号的种群进行比较,所述比较的停止条件为所述两个虚拟轨迹方案中的具有相同路段编号的种群的方差大小不同;
S603:以最后一次所述比较中方差较小值所对应的虚拟轨迹方案作为所述两个虚拟轨迹方案中的较优方案。
该比较方法是根据路段重要性进行的,从较为重要的路段(路段编号较小的路段)开始比较,直至得到一个可评价优劣的结果。若比较至最后,所有对应的种群的方差值均相同,则只需任选其中一种即可。
所述遍历比较所有虚拟轨迹方案中的任意两个虚拟轨迹方案的评价数据包括单次比较;
所述单次比较包括:
选取任意两个虚拟轨迹方案作为比较对象;
从路段编号最小的种群开始,按照递增顺序,依次对所述两个虚拟轨迹方案中的具有相同路段编号的种群进行比较,所述比较的停止条件为所述两个虚拟轨迹方案中的具有相同路段编号的种群的方差大小不同;
以最后一次所述比较中方差较小值所对应的虚拟轨迹方案作为所述两个虚拟轨迹方案中的较优方案。
相应的,本发明实施例还提供了一种用于车路协同的车辆路径规划系统,用于实现以上所述的用于车路协同的车辆路径规划方法。
综上,本发明提供了一种用于车路协同的车辆路径规划方法及系统,该车辆路径规划方法,对外部车辆基于空间分布均衡性进行路径规划,可避免汽车堵塞的提前发生;通过距离单位的划定,以路段为距离单位,可大幅度降低运算量,提高运算效率;以距离对外部车辆进行分组后再进行空间分布均衡性的计算,可更实际的反映出实体车辆的时间性限制条件和空间性限制条件,避免进行无用计算;对同一子分组内的外部车辆的行车轨迹空间分布情况则采用忽略时间性限制条件和空间性限制条件的方式,可简化运算量并可利用方差数据反映出车辆对路段的利用率,具有良好的实用性。
以上对本发明实施例进行了详细介绍,本文中应采用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种用于车路协同的车辆路径规划方法,其特征在于,包括:
将指定区域内的其中一个子区域作为目标区域;
将以所述目标区域内的位置作为导航目的地的车辆归类为目标群组,所述目标群组包括位于所述目标区域内的若干辆内部车辆和位于所述目标区域外的若干辆外部车辆;
对所述若干辆内部车辆中的任意一辆内部车辆基于花费时间进行路径规划;
对所述若干辆外部车辆中的任意一辆外部车辆基于空间分布均衡性进行路径规划,所述空间分布均衡性为所述目标区域外的道路的车流密度差异性大小的评价数据;
对所述若干辆外部车辆中的任意一辆外部车辆基于空间分布均衡性进行路径规划包括:
基于分叉口将位于所述指定区域内且位于所述目标区域外的道路划分为若干个路段;
以路段作为距离单位,根据外部车辆到达所述目标区域的最短距离将所述若干辆外部车辆划分若干个子分组;
分别对所述若干个子分组中的任意一个子分组进行基于空间分布均衡性进行整体路径规划;
分别对所述若干个子分组中的任意一个子分组进行基于空间分布均衡性进行整体路径规划包括:
所述子分组所对应的最短距离为a,以[a,a+b]作为限制区间,分别求出每一辆外部车辆的若干条可能行车轨迹,b为预设常数;
选取所述子分组中的每一辆外部车辆的其中一条可能行车轨迹进行组合并形成虚拟轨迹方案,求出所述虚拟轨迹方案对应的空间分布均衡性;
遍历求出所有虚拟轨迹方案的空间分布均衡性并基于空间分布均衡性选择最优的虚拟轨迹方案作为实际方案;
基于所述实际方案对每一辆外部车辆进行路径规划。
2.如权利要求1所述的用于车路协同的车辆路径规划方法,其特征在于,对所述若干辆外部车辆中的任意一辆外部车辆基于空间分布均衡性进行路径规划还包括:
全局路网规划:对位于所述目标区域的边界范围上的每一条入口道路分别进行局部路网规划;
所述局部路网规划包括:
路段编号初始化:以所述分叉口作为变化节点并以对应的入口道路作为路段编号的起点,依次递增对每一个路段进行路段编号的初始化生成,每一个路段具有若干个初始化路段编号;
路段编号局部固化:在任意一个所述路段中,所述路段所具有的若干个初始化路段编号中的最小值为所述路段的局部固化路段编号;
汇总所有入口道路的局部路网规划得到全局路网规划,任意一个所述路段所具有的若干个局部固化路段编号中的最小值为所述路段的路段编号;
所述若干条可能行车轨迹中的任一条可能行车轨迹中的相邻两个路段的路段编号相同,或在所述若干条可能行车轨迹中的任一条可能行车轨迹的相邻两个路段中,相对后者的路段的路段编号小于相对前者的路段的路段编号。
3.如权利要求2所述的用于车路协同的车辆路径规划方法,其特征在于,所述求出所述虚拟轨迹方案对应的空间分布均衡性包括:
统计对应的子分组内的外部车辆的所有可能行车轨迹所涉及的k个路段;
基于路段编号对所述k个路段进行分类,具有同一路段编号的路段归类为一个种群;
基于对应的虚拟轨迹方案对所述k个路段中的第x个路段赋予评价值nx/n,其中,n为对应的子分组内的车辆数量,nx为经过第x个路段的可能行车轨迹数目,x=1,2,……,k;
计算每一个所述种群中的评价值的方差,并将每一个所述种群的方差的集合作为所述虚拟轨迹方案对应的空间分布均衡性的评价数据。
4.如权利要求3所述的用于车路协同的车辆路径规划方法,其特征在于,所述基于空间分布均衡性选择最优的虚拟轨迹方案作为实际方案包括:
遍历比较所有虚拟轨迹方案中的任意两个虚拟轨迹方案的评价数据。
5.如权利要求4所述的用于车路协同的车辆路径规划方法,其特征在于,所述遍历比较所有虚拟轨迹方案中的任意两个虚拟轨迹方案的评价数据包括单次比较;
所述单次比较包括:
选取任意两个虚拟轨迹方案作为比较对象;
从路段编号最小的种群开始,按照递增顺序,依次对所述两个虚拟轨迹方案中的具有相同路段编号的种群进行比较,所述比较的停止条件为所述两个虚拟轨迹方案中的具有相同路段编号的种群的方差大小不同;
以最后一次所述比较中方差较小值所对应的虚拟轨迹方案作为所述两个虚拟轨迹方案中的较优虚拟轨迹方案。
6.如权利要求5所述的用于车路协同的车辆路径规划方法,其特征在于,在两个虚拟轨迹方案的比较中,若存在所有对应的种群的方差值均相同的比较结果,随意选取其中一个所述虚拟轨迹方案作为较优虚拟轨迹方案。
7.一种用于车路协同的车辆路径规划系统,其特征在于,用于实现权利要求1至6任一项所述的用于车路协同的车辆路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111139372.9A CN113593240B (zh) | 2021-09-28 | 2021-09-28 | 一种用于车路协同的车辆路径规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111139372.9A CN113593240B (zh) | 2021-09-28 | 2021-09-28 | 一种用于车路协同的车辆路径规划方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113593240A CN113593240A (zh) | 2021-11-02 |
CN113593240B true CN113593240B (zh) | 2021-12-21 |
Family
ID=78242435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111139372.9A Active CN113593240B (zh) | 2021-09-28 | 2021-09-28 | 一种用于车路协同的车辆路径规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113593240B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114937249B (zh) * | 2022-07-21 | 2022-11-11 | 合肥工业大学 | 一种基于网格化管理的车路协同视觉感知处理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108109416A (zh) * | 2016-11-25 | 2018-06-01 | 沈阳美行科技有限公司 | 一种规划路线的推荐方法及装置 |
CN113188562A (zh) * | 2021-07-01 | 2021-07-30 | 新石器慧通(北京)科技有限公司 | 可行驶区域的路径规划方法、装置、电子设备及存储介质 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005077187A (ja) * | 2003-08-29 | 2005-03-24 | Alpine Electronics Inc | 車載用ナビゲーション装置及び経路案内方法 |
JP4501619B2 (ja) * | 2004-09-24 | 2010-07-14 | アイシン・エィ・ダブリュ株式会社 | ナビゲーションシステム |
TWI290619B (en) * | 2006-11-06 | 2007-12-01 | Sin Etke Technology Co Ltd | Vehicle dynamic navigation method and system |
JP5105902B2 (ja) * | 2007-02-28 | 2012-12-26 | アルパイン株式会社 | ナビゲーション装置及びその経路案内方法 |
CN101852621B (zh) * | 2009-03-31 | 2014-05-07 | 阿尔派株式会社 | 导航装置和导航装置的路径探索方法 |
CN103968854B (zh) * | 2014-05-27 | 2016-04-27 | 四川汇源吉迅数码科技有限公司 | 一种路径聚类规划方法 |
CN110375762B (zh) * | 2019-08-13 | 2021-06-11 | 福建工程学院 | 一种协助规划导航路径的方法及装置 |
CN110398254B (zh) * | 2019-08-23 | 2021-10-01 | 福建工程学院 | 一种减缓交通拥挤的方法及系统 |
CN110517492B (zh) * | 2019-08-27 | 2020-12-01 | 中国科学院自动化研究所 | 基于平行集成学习的交通路径推荐方法、系统、装置 |
CN110954119B (zh) * | 2019-11-11 | 2022-02-18 | 广东振业优控科技股份有限公司 | 一种基于大数据的城市道路机动车最优线路诱导方法 |
CN112461256B (zh) * | 2021-02-03 | 2021-04-13 | 中智行科技有限公司 | 路径规划方法和装置 |
-
2021
- 2021-09-28 CN CN202111139372.9A patent/CN113593240B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108109416A (zh) * | 2016-11-25 | 2018-06-01 | 沈阳美行科技有限公司 | 一种规划路线的推荐方法及装置 |
CN113188562A (zh) * | 2021-07-01 | 2021-07-30 | 新石器慧通(北京)科技有限公司 | 可行驶区域的路径规划方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
"基于改进触须算法的智能汽车局部路径规划研究";王济宁;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20210215;正文全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113593240A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A multi-agent based vehicles re-routing system for unexpected traffic congestion avoidance | |
CN103281742B (zh) | 基于自主获取道路信息车载自组织网络路由方法 | |
Cordeau et al. | Analysis and branch-and-cut algorithm for the time-dependent travelling salesman problem | |
CN113947900B (zh) | 一种智能网联快速路匝道协同控制系统 | |
CN113593240B (zh) | 一种用于车路协同的车辆路径规划方法及系统 | |
Papamichail et al. | Balancing of queues or waiting times on metered dual-branch on-ramps | |
CN112629533A (zh) | 基于路网栅格化道路车流预测的精细化路径规划方法 | |
Knoop et al. | An area-aggregated dynamic traffic simulation model | |
Isa et al. | A review on recent traffic congestion relief approaches | |
CN114550482A (zh) | 一种基于低碳目标的导航方法及停车场导航方法 | |
Shi et al. | There is a will, there is a way: A new mechanism for traffic control based on VTL and VANET | |
CN105337899A (zh) | 一种灵活调整预留型业务传输带宽的光网络节能路由方法 | |
CN109191847A (zh) | 基于城市卡口数据的自适应干线协调控制方法及系统 | |
Elbery et al. | Eco-routing: an ant colony based approach | |
CN114519933B (zh) | 基于无过饱和状态的约定出行管控方法、装置及存储介质 | |
Nadembega et al. | An integrated predictive mobile-oriented bandwidth-reservation framework to support mobile multimedia streaming | |
Hu et al. | Using bi-directional information exchange to improve decentralized schedule-driven traffic control | |
Rezgui et al. | Smart traffic light scheduling algorithms | |
Li et al. | A perimeter control strategy for oversaturated network preventing queue spillback | |
CN112562325B (zh) | 基于块坐标下降的大规模城市交通网络流量监测方法 | |
CN113408189A (zh) | 基于可变元胞的城市多点循环式紧急疏散与仿真推演方法 | |
Liu et al. | An intersection-based geographic routing with transmission quality guaranteed in urban VANETs | |
Elbery et al. | A novel stochastic linear programming feedback eco-routing traffic assignment system | |
CN113645589B (zh) | 一种基于反事实策略梯度的无人机集群路由计算方法 | |
Nahar et al. | OBQR: orientation-based source QoS routing in VANETs |
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 |