CN113673821A - 一种园区道路清扫车的智能调度方法及系统 - Google Patents

一种园区道路清扫车的智能调度方法及系统 Download PDF

Info

Publication number
CN113673821A
CN113673821A CN202110797726.2A CN202110797726A CN113673821A CN 113673821 A CN113673821 A CN 113673821A CN 202110797726 A CN202110797726 A CN 202110797726A CN 113673821 A CN113673821 A CN 113673821A
Authority
CN
China
Prior art keywords
road
sweeper
road section
intersection
current
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.)
Pending
Application number
CN202110797726.2A
Other languages
English (en)
Inventor
苏晓聪
王猛
吴鑫
陈珏璇
刘雄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Guangyu Mingsheng Intelligent Technology Co ltd
Original Assignee
Wuhan Guangyu Mingsheng Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Guangyu Mingsheng Intelligent Technology Co ltd filed Critical Wuhan Guangyu Mingsheng Intelligent Technology Co ltd
Priority to CN202110797726.2A priority Critical patent/CN113673821A/zh
Publication of CN113673821A publication Critical patent/CN113673821A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种园区道路清扫车的智能调度方法及系统，方法包括：建立园区道路的抽象化道路网络模型；根据道路网络模型，输入当前清扫任务信息；基于当前清扫任务信息，以LSR为基本元素对行驶路线进行编码，模拟生物进化过程建立进化模型，利用遗传算法求解清扫车的最优行驶路线。通过本发明为园区道路清扫车进行智能调度的方法，能够为园区内的清扫车自动规划合理的行驶路线，避免园区清扫作业的资源浪费，提高园区清扫的效率。

Description

一种园区道路清扫车的智能调度方法及系统
技术领域
本发明涉及车辆调度管理领域，更具体地，涉及一种园区道路清扫车的智能调度方法及系统。
背景技术
现代化的工业园区通常具备标准的道路交通网络，适宜于开展基于自动驾驶的道路自动清扫作业。具有自动驾驶功能的道路清扫车能够实现基本的寻迹行驶和自动清扫功能，但缺少了全局的调度管理功能，无法合理规划整个园区的清扫路线。
通常，调度员或司机根据自己的经验进行路线选择，往往存在重复清扫、超远道等情况，造成资源的浪费，也使得清扫效率低下。一些远程管理平台或云调度平台能够实现车辆调度功能，为车辆自动规划行驶路线，但是没有考虑到工业园区道路清扫车的实际场景需求。例如，常规调度方法规划路线没有考虑不同宽度道路的清扫问题，对于较宽道路清扫，需要多次重复清扫才能覆盖所有路面。
发明内容
本发明针对现有技术中存在的技术问题，提供一种园区道路清扫车的智能调度方法及系统，能够克服现有的人工调度无法合理规划整个园区的清扫路线的问题。
根据本发明的第一方面，提供了一种园区道路清扫车的智能调度方法，包括：建立园区道路的抽象化道路网络模型；根据所述道路网络模型，输入当前清扫任务信息；基于当前清扫任务信息，以LSR为基本元素对行驶路线进行编码，模拟生物进化过程建立进化模型，利用遗传算法求解清扫车的最优行驶路线。
根据本发明的第二方面，提供一种园区道路清扫车的智能调度系统，包括：建立模块，用于建立园区道路的抽象化道路网络模型；以及基于当前清扫任务信息，以LSR为基本元素对行驶路线进行编码，模拟生物进化过程建立进化模型；输入模块，用于根据所述道路网络模型，输入当前清扫任务信息；求解模块，用于利用遗传算法求解清扫车的最优行驶路线。
根据本发明的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现园区道路清扫车的智能调度方法的步骤。
根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现园区道路清扫车的智能调度方法的步骤。
本发明提供的一种园区道路清扫车的智能调度方法及系统，能够为园区内的清扫车自动规划合理的行驶路线，避免园区清扫作业的资源浪费，提高园区清扫的效率。
附图说明
图1为本发明提供的一种园区道路清扫车的智能调度方法流程图；
图2为园区道路网络模型示意图；
图3为本发明提供的一种园区道路清扫车的智能调度系统的结构示意图；
图4为本发明提供的一种可能的电子设备的硬件结构示意图；
图5为本发明提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
图1为本发明提供的一种园区道路清扫车的智能调度方法流程图，如图1所示，方法包括：S1，建立园区道路的抽象化道路网络模型；S2，根据道路网络模型，输入当前清扫任务信息；S3，基于当前清扫任务信息，以LSR为基本元素对行驶路线进行编码，模拟生物进化过程建立进化模型，利用遗传算法求解清扫车的最优行驶路线。
可以理解的是，为了解决背景技术中的问题，本发明实施例提供了一种具有智能路线规划的车辆调度方法，为清扫车规划近似最优的行驶路线，以满足园区特殊的清扫任务。
首先，将园区道路抽象化为道路网络模型，根据当前清扫任务信息和道路网络模型，对清扫车的行驶路线进行编码，模拟生物进化过程建立进化模型，并利用遗传算法对进化模型进行求解，得到清扫车的最优行驶路线。
本发明提供的一种园区道路清扫车的智能调度方法，能够为园区内的清扫车自动规划合理的行驶路线，避免园区清扫作业的资源浪费，提高园区清扫的效率。
在一种可能的实施例方式中，步骤S1中将园区道路抽象化为道路网络模型时，将工业园区地图抽象化为由路段集合、路段长度集合、路口集合。将园区整体平面地图进行抽象化为数学模型，将存在交叉口的地方定义为路口，将两个路口之间的道路定义为路段。为区分不同的路段和路口，对园区道路的所有路段按顺序进行编号，构成路段集合A＝{1,2,…，i，…，m}，m为路段总数量，1≤i≤m。对每个路口按顺序进行编号，构成路口集合B＝{1,2,……，j，……，n}，n为路口总数量，1≤j≤n。各路段具有不同的长度，定义每个路段对应的路段长度为d1,d2,…,di,……,dm，构成数组变量D＝[d1,d2,…,di,……,dm]，其中，di表示编号为i路段的长度。
以路口的空间位置为参考，以点阵形式布置抽象化后的路口，用相应的路段连接路口，构成抽象化的道路网络模型。其中，抽象化后的道路交通网络包含十字路口和丁字路口，十字路口有左转、直行、右转共3个可行路段。对于丁字路口定义一下3种类型：(1)左转直行型；(2)左转右转型；(3)直行右转型。对于(1)型丁字路口，令清扫车右转可行路段为直行路段；对于(2)型丁字路口，令清扫车直行可行路段为右转路段；对于(3)型丁字路口，令清扫车左转可行路段为直行路段。其中，构建的道路网络模型示意图可参见图2。
在一种可能的实施例方式中，根据建立的抽象化的道路网络模型，调度员可输入当前清扫任务信息，其中，当前清扫任务信息包括需要清扫的路段编号和每一路段需要清扫的次数。
其中，输入的需要清扫的路段编号为i1，i2，…，ip，…，iP，构成数组Req＝[i1，i2，…，ip，…，iP]，p为数组元素的序号，P为调度员输入路段的总数量，1≤p≤P，ip∈A，Req(p)＝ip表示编号为ip的路段是需要清扫的路段；
调度员依次输入对应路段需要清扫的次数为r1，r2，…，rp，…，rP，构成数组Num＝[r1，r2，…，rp，…，rP]，其中，Num(p)＝rp表示编号为Req(p)的路段需要清扫Num(p)次。
在一种可能的实施例方式中，基于当前清扫任务信息，以LSR为基本元素对行驶路线进行编码，模拟生物进化过程建立进化模型，利用遗传算法求解清扫车的最优行驶路线，包括：基于清扫车当前所处的起始路段和起点路口，以及输入的当前清扫任务信息，以LSR为基本元素对行驶路线进行编码，生成初始代种群；以清扫车完成指定路段清扫次数并返回指定的终点路段，所行驶的总路程为目标函数，计算种群中每一个个体的目标函数值；利用遗传算法计算近似最优解，将近似最优解解码输出，作为清扫车的行驶路线。
可以理解的是，调度员基于道路网络模型，输入清扫车当前所处的起点路段和起点路口，以及完成清扫任务后的终点路段。定义起点路段编号为Astart，起点路口为Bstart，终点路段为Bend。
其中，基于清扫车当前所处的起始路段和起点路口，以及输入的当前清扫任务信息，以LSR为基本元素对行驶路线进行编码，生成初始代种群，具体包括：以一串LSR字符构成的编码V表示一个行驶路线，令V的长度为：
VNum＝k1(Num(1)+Num(2)+…+Num(P))；(1)
其中，k1为编码长度系数，当VNum＜VNummin时，令VNum＝VNummin，VNummin为编码长度的最小值，Num(1)、Num(2)、…、Num(P)为每一路段需要清扫的次数。V中每一位编码表示清扫车经过当前路口时，选择L进入左转路段，或S进入直行路段、或R进入右转路段。对于左转直行型丁字路口，选择R进入直行路段；对于左转右转型丁字路口，选择S进入右转路段；对于直行右转型丁字路口，选择L进入直行路段。
将一个行驶路线编码V作为一个个体，随机生成初始代种群，种群数量为N＝k2m，其中，k2为种群数量系数，当N＜Nmin时，令N＝Nmin，Nmin为种群个体的最小值，则初始代种群的编码分别为V1、V2、…、VN。
生成了初始代种群后，需要找到最优个体，在求解最优个体时，首先，确定目标函数，本发明实施例以清扫车完成指定路段清扫次数并返回指定的终点路段，所行驶的总路程作为目标函数，计算每个个体的目标函数值。
具体的，定义清扫车当前所处的路段编号为ACurrent，当前所处的路口编号为BCurrent，对于种群中的任意一个个体Vx，以初始状态：起点路段ACurrent＝Astart，起点路口当前所处的路段编号为BCurrent＝Bstart开始，清扫车按照Vx编码的路线行驶，集合A中各路段被清扫的次数记录在数组Done＝[Done1，Done2，…，Donei，…Donem]中，其中，Done(i)＝Donei表示编号为i的路段被清扫的次数，每经过一个路口，更新ACurrent和BCurrent。
当需要清扫的路段都达到需要清扫的次数，并且清扫车行驶到指定的终点路段时，清扫任务完成，即：
Done(Req(p))≥Num(p),p＝1,2,3,…,P；(2)
ACurrent＝Bend。(3)
当满足公式(2)和公式(3)时，清扫车即完成了各路段的清扫工作，计算此时个体Vx的目标函数值为：
d(x)＝Done1d1+Done2d2+,…,+Donemdm；(4)
其中，Done1，Done2，…，Donei，…Donem表示每一路段清扫的次数，d1,d2,…,di,……,dm表示每一路段的长度，d(x)表示按Vx编码行驶路线的总路程。
在一种可能的实施例方式中，对于初始代种群，需要从中找到最优个体，本发明实施例利用遗传算法计算近似最优解，将近似最优解解码输出，作为清扫车的行驶路线，包括：用目标函数值最小的个体编码替换目标函数值最大的个体编码，并进行交叉变异操作；如此循环迭代M次后，选择目标函数值最小的个体Voptimal，其中，M＝k3N，k3为循环迭代系数；将Voptimal作为近似最优解输出，解码成为清扫车的最优行驶路线。清扫车按照求解出的最优行驶路线对园区内的道路进行清扫，行驶的总路程为最小。
图3为本发明实施例提供的一种园区道路清扫车的智能调度系统结构图，如图3所示，一种园区道路清扫车的智能调度系统，包括建立模块301、输入模块302和求解模块303，其中：
建立模块301，用于建立园区道路的抽象化道路网络模型；以及基于当前清扫任务信息，以LSR为基本元素对行驶路线进行编码，模拟生物进化过程建立进化模型；输入模块302，用于根据所述道路网络模型，输入当前清扫任务信息；求解模块303，用于利用遗传算法求解清扫车的最优行驶路线。
可以理解的是，本发明提供的一种园区道路清扫车的智能调度系统与前述各实施例提供的园区道路清扫车的智能调度方法相对应，园区道路清扫车的智能调度系统的相关技术特征可参考园区道路清扫车的智能调度方法的相关技术特征，在此不再赘述。
请参阅图4，图4为本发明实施例提供的电子设备的实施例示意图。如图4所示，本发明实施例提了一种电子设备400，包括存储器410、处理器420及存储在存储器410上并可在处理器420上运行的计算机程序411，处理器420执行计算机程序411时实现以下步骤：建立园区道路的抽象化道路网络模型；根据所述道路网络模型，输入当前清扫任务信息；基于当前清扫任务信息，以LSR为基本元素对行驶路线进行编码，模拟生物进化过程建立进化模型，利用遗传算法求解清扫车的最优行驶路线。
请参阅图5，图5为本发明提供的一种计算机可读存储介质的实施例示意图。如图5所示，本实施例提供了一种计算机可读存储介质500，其上存储有计算机程序511，该计算机程序511被处理器执行时实现如下步骤：建立园区道路的抽象化道路网络模型；根据所述道路网络模型，输入当前清扫任务信息；基于当前清扫任务信息，以LSR为基本元素对行驶路线进行编码，模拟生物进化过程建立进化模型，利用遗传算法求解清扫车的最优行驶路线。
本发明实施例提供的一种园区道路清扫车的智能调度方法及系统，为园区内的清扫车提供了一种智能化路线规划方法，避免了因人工调度造成的重复清扫和无用清扫情况，解决了常规调度方法无法解决较宽道路需要重复清扫的问题。本发明能够有效降低园区清扫作业的资源浪费，提高园区清扫的效率。
需要说明的是，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细描述的部分，可以参见其它实施例的相关描述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (10)

1.一种园区道路清扫车的智能调度方法，其特征在于，包括：
建立园区道路的抽象化道路网络模型；
根据所述道路网络模型，输入当前清扫任务信息；
基于当前清扫任务信息，以LSR为基本元素对行驶路线进行编码，模拟生物进化过程建立进化模型，利用遗传算法求解清扫车的最优行驶路线。
2.根据权利要求1所述的智能调度方法，其特征在于，所述园区道路由多个路口和路口间的路段组成，所述将园区道路抽象化为道路网络模型，包括：
对园区道路的所有路段按顺序进行编号，构成路段集合A＝{1,2,…，i，…，m}，m为路段总数量，1≤i≤m；
对每个路口按顺序进行编号，构成路口集合B＝{1,2,……，j，……，n}，n为路口总数量，1≤j≤n；
定义每个路段对应的路段长度为d1,d2,…,di,……,dm，构成数组变量D＝[d1,d2,…,di,……,dm]，其中，di表示编号为i路段的长度；
以路口的空间位置为参考，以点阵形式布置抽象化后的路口，用相应的路段连接路口，构成抽象化的道路网络模型。
3.根据权利要求1或2所述的智能调度方法，其特征在于，所述抽象化后的道路网络模型包括十字路口和丁字路口，所述十字路口包括左转、直行和右转三种类型的可行路段，所述丁字路口包括：左转直行型、左转右转型和直行右转型，其中，左转直行型包括左转、直行两种类型的可行路段，左转右转型包括左转、右转两种类型的可行路段，直行右转型包括直行、右转两种类型的可行路段。
4.根据权利要求3所述的智能调度方法，其特征在于，所述当前清扫任务信息包括需要清扫的路段编号和每一路段需要清扫的次数；
其中，需要清扫的路段编号为i1，i2，…，ip，…，iP，构成数组Req＝[i1，i2，…，ip，…，iP]，p为数组元素的序号，P为调度员输入路段的总数量，1≤p≤P，ip∈A，Req(p)＝ip表示编号为ip的路段是需要清扫的路段；
对应路段需要清扫的次数为r1，r2，…，rp，…，rP，构成数组Num＝[r1，r2，…，rp，…，rP]，其中，Num(p)＝rp表示编号为Req(p)的路段需要清扫Num(p)次。
5.根据权利要求4所述的智能调度方法，其特征在于，所述基于当前清扫任务信息，以LSR为基本元素对行驶路线进行编码，模拟生物进化过程建立进化模型，利用遗传算法求解清扫车的最优行驶路线，包括：
基于清扫车当前所处的起始路段和起点路口，以及输入的当前清扫任务信息，以LSR为基本元素对行驶路线进行编码，生成初始代种群；
以清扫车完成指定路段清扫次数并返回指定的终点路段，所行驶的总路程为目标函数，计算种群中每一个个体的目标函数值；
利用遗传算法计算近似最优解，将近似最优解解码输出，作为清扫车的行驶路线。
6.根据权利要求5所述的智能调度方法，其特征在于，所述基于清扫车当前所处的起始路段和起点路口，以及输入的当前清扫任务信息，以LSR为基本元素对行驶路线进行编码，生成初始代种群，包括：
以一串LSR字符构成的编码V表示一个行驶路线，令V的长度为：
VNum＝k1(Num(1)+Num(2)+…+Num(P))
其中，k1为编码长度系数，当VNum＜VNummin时，令VNum＝VNummin，Nummin为编码长度的最小值；V中每一位编码表示清扫车经过当前路口时，选择L进入左转路段，或S进入直行路段、或R进入右转路段，对于左转直行型丁字路口，选择R进入直行路段；对于左转右转型丁字路口，选择S进入右转路段；对于直行右转型丁字路口，选择L进入直行路段；
将一个行驶路线编码作为一个个体，随机生成初始代种群，种群数量为N＝k2m。其中，k2为种群数量系数，当N＜Nmin时，令N＝Nmin，Nmin为种群个体的最小值。则初始代种群的编码分别为V1、V2、…、VN。
7.根据权利要求6所述的智能调度方法，其特征在于，所述以清扫车完成指定路段清扫次数并返回指定的终点路段，所行驶的总路程为目标函数，计算种群中每一个个体的目标函数值，包括：
定义清扫车当前所处的路段编号为ACurrent，当前所处的路口编号为BCurrent；
对于种群中的任意一个个体Vx，以初始状态：起点路段ACurrent＝Astart，起点路口当前所处的路段编号为BCurrent＝Bstart开始，清扫车按照Vx编码的路线行驶，集合A中各路段被清扫的次数记录在数组Done＝[Done1，Done2，…，Donei，…Donem]中，其中，Done(i)＝Donei表示编号为i的路段被清扫的次数，每经过一个路口，更新ACurrent和BCurrent；
当需要清扫的路段都达到需要清扫的次数，并且清扫车行驶到指定的终点路段时，清扫任务完成，有：
Done(Req(p))≥Num(p),p＝1,2,3,…,P
ACurrent＝Bend；
计算此时个体Vx的目标函数值为：
d(x)＝Done1d1+Done2d2+,…,+Donemdm。
8.根据权利要求7所述的智能调度方法，其特征在于，所述利用遗传算法计算近似最优解，将近似最优解解码输出，作为清扫车的行驶路线，包括：
用目标函数值最小的个体编码替换目标函数值最大的个体编码，并进行交叉变异操作；
如此循环迭代M次后，选择目标函数值最小的个体Voptimal，其中，M＝k3N，k3为循环迭代系数；
将Voptimal作为近似最优解输出，解码成为清扫车的行驶路线。
9.一种园区道路清扫车的智能调度系统，其特征在于，包括：
建立模块，用于建立园区道路的抽象化道路网络模型；以及基于当前清扫任务信息，以LSR为基本元素对行驶路线进行编码，模拟生物进化过程建立进化模型；
输入模块，用于根据所述道路网络模型，输入当前清扫任务信息；
求解模块，用于利用遗传算法求解清扫车的最优行驶路线。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现如权利要求1-8任一项所述的园区道路清扫车的智能调度方法的步骤。
CN202110797726.2A 2021-07-14 2021-07-14 一种园区道路清扫车的智能调度方法及系统 Pending CN113673821A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110797726.2A CN113673821A (zh) 2021-07-14 2021-07-14 一种园区道路清扫车的智能调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110797726.2A CN113673821A (zh) 2021-07-14 2021-07-14 一种园区道路清扫车的智能调度方法及系统

Publications (1)

Publication Number Publication Date
CN113673821A true CN113673821A (zh) 2021-11-19

Family

ID=78539330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110797726.2A Pending CN113673821A (zh) 2021-07-14 2021-07-14 一种园区道路清扫车的智能调度方法及系统

Country Status (1)

Country Link
CN (1) CN113673821A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114485714A (zh) * 2022-02-21 2022-05-13 苏州挚途科技有限公司 清扫路径生成的方法、装置及电子设备
CN117311368A (zh) * 2023-11-23 2023-12-29 武汉光昱明晟智能科技有限公司 自动预标线机器人系统及其作业方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2859643A1 (en) * 2013-08-20 2015-02-20 Amadeus S.A.S. Contextualized travel offers
CN109459052A (zh) * 2018-12-28 2019-03-12 上海大学 一种扫地机全覆盖路径规划方法
CN111583652A (zh) * 2020-05-21 2020-08-25 北京易华录信息技术股份有限公司 一种交通路网的拓扑建模方法及系统
CN112833899A (zh) * 2020-12-31 2021-05-25 吉林大学 一种用于无人环卫车的全覆盖路径规划方法
CN112859857A (zh) * 2021-01-12 2021-05-28 武汉光庭信息技术股份有限公司 自动驾驶横向控制方法、系统、电子设备及存储介质
RU2803671C1 (ru) * 2021-12-29 2023-09-19 Китайский Университет Горного Дела И Технологии Метод определения зоны движения и самостоятельного объезда препятствий для беспилотного транспортного оборудования в подземных замкнутых пространствах

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2859643A1 (en) * 2013-08-20 2015-02-20 Amadeus S.A.S. Contextualized travel offers
CN109459052A (zh) * 2018-12-28 2019-03-12 上海大学 一种扫地机全覆盖路径规划方法
CN111583652A (zh) * 2020-05-21 2020-08-25 北京易华录信息技术股份有限公司 一种交通路网的拓扑建模方法及系统
CN112833899A (zh) * 2020-12-31 2021-05-25 吉林大学 一种用于无人环卫车的全覆盖路径规划方法
CN112859857A (zh) * 2021-01-12 2021-05-28 武汉光庭信息技术股份有限公司 自动驾驶横向控制方法、系统、电子设备及存储介质
RU2803671C1 (ru) * 2021-12-29 2023-09-19 Китайский Университет Горного Дела И Технологии Метод определения зоны движения и самостоятельного объезда препятствий для беспилотного транспортного оборудования в подземных замкнутых пространствах

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114485714A (zh) * 2022-02-21 2022-05-13 苏州挚途科技有限公司 清扫路径生成的方法、装置及电子设备
CN114485714B (zh) * 2022-02-21 2024-04-12 苏州挚途科技有限公司 清扫路径生成的方法、装置及电子设备
CN117311368A (zh) * 2023-11-23 2023-12-29 武汉光昱明晟智能科技有限公司 自动预标线机器人系统及其作业方法
CN117311368B (zh) * 2023-11-23 2024-04-09 武汉光昱明晟智能科技有限公司 自动预标线机器人系统及其作业方法

Similar Documents

Publication Publication Date Title
CN100578152C (zh) 用于处理大规模浮动车数据的启发式路径匹配方法
CN113673821A (zh) 一种园区道路清扫车的智能调度方法及系统
CN104266656B (zh) 用于道路网的最短路径搜索方法及装置
Althoff et al. Automatic conversion of road networks from opendrive to lanelets
CN110802601B (zh) 一种基于果蝇优化算法的机器人路径规划方法
CN113415288B (zh) 分段式纵向车速规划方法、装置、设备及存储介质
Gora A genetic algorithm approach to optimization of vehicular traffic in cities by means of configuring traffic lights
CN106910350A (zh) 一种寻找信号控制交叉口群关键路径的方法
CN110909961A (zh) 基于bim的室内路径查询方法及装置
CN107728639A (zh) 一种时间窗约束下的异构多auv系统任务协调方法
Kanoh et al. Knowledge based genetic algorithm for dynamic route selection
CN115373384A (zh) 一种基于改进rrt的车辆动态路径规划方法及系统
CN115204455A (zh) 适用于高速与环路交通场景的长时域驾驶行为决策方法
CN113255088B (zh) 一种卡口过车记录的数据补全方法及系统
CN111507499B (zh) 预测用模型的构建方法、测试方法、装置及系统
CN109752952A (zh) 一种获取多维随机分布及强化控制器的方法和装置
CN115560767B (zh) 机器人路径的生成方法及装置、存储介质、电子设备
Zhang et al. Conditional random fields for multi-agent reinforcement learning
CN114419877B (zh) 基于道路特征的车辆轨迹预测数据处理方法和装置
CN115824242A (zh) 基于Yen算法与蚁群算法融合的路径规划方法
Rakkesh et al. Traffic light optimization solutions using multimodal, distributed and adaptive approaches
Zhang et al. Solving multi-class traffic assignment problem with genetic algorithm
Holliday et al. Augmenting Transit Network Design Algorithms with Deep Learning
Willemse Heuristics for large-scale Capacitated Arc Routing Problems on mixed networks
Liu et al. Intention-aware denoising diffusion model for trajectory prediction

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