CN113673919A - 多车协同路径确定方法及装置、电子设备和存储介质 - Google Patents
多车协同路径确定方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113673919A CN113673919A CN202010414137.7A CN202010414137A CN113673919A CN 113673919 A CN113673919 A CN 113673919A CN 202010414137 A CN202010414137 A CN 202010414137A CN 113673919 A CN113673919 A CN 113673919A
- Authority
- CN
- China
- Prior art keywords
- driving
- vehicle
- determining
- path
- road network
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000003860 storage Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000004891 communication Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 17
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开是关于一种多车协同路径确定方法及装置、电子设备以及计算机可读存储介质,涉及自动驾驶技术领域,可以应用于对多个无人驾驶车辆进行路由寻径的场景。该多车协同路径确定方法包括:获取预先构建的道路网络连通图;其中,道路网络连通图包括多个行车路段的行车代价;获取多个车辆的车辆信息,根据多个车辆信息确定各车辆的车辆优先级;根据各车辆优先级和各行车代价对各车辆进行序贯式路径确定处理,以在道路网络连通图中确定多个车辆分别对应的行车路径。本公开可以综合多个无人驾驶车辆的优先级和道路拥堵情况对多个车辆进行协同路由寻径处理。
Description
技术领域
本公开涉及自动驾驶技术领域,具体而言,涉及一种多车协同路径确定方法、多车协同路径确定装置、电子设备以及计算机可读存储介质。
背景技术
无人驾驶汽车主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目的。随着无人驾驶技术的快速发展,无人驾驶技术已经运用于人们日常生活中的方方面面。
目前,无人驾驶技术已经运用于物流配送领域,例如,无人配送车。无人配送车可以实现针对城市环境下办公楼、小区便利店等订单集中场所进行批量送货,将大幅提升快递的配送效率。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种多车协同路径确定方法、多车协同路径确定装置、电子设备以及计算机可读存储介质,进而至少在一定程度上克服常见的路由寻径方法仅针对单一车辆进行,无法实现对多车进行协同路由寻径的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本发明的实践而习得。
根据本公开的第一方面,提供一种多车协同路径确定方法,包括:获取预先构建的道路网络连通图;其中,道路网络连通图包括多个行车路段的行车代价;获取多个车辆的车辆信息,根据多个车辆信息确定各车辆的车辆优先级;根据各车辆优先级和各行车代价对各车辆进行序贯式路径确定处理,以在道路网络连通图中确定多个车辆分别对应的行车路径。
可选的,根据多个车辆信息确定各车辆的车辆优先级,包括:从车辆信息中确定各车辆分别对应的起点坐标和终点坐标;分别确定各车辆对应的起点坐标和终点坐标之间的曼哈顿距离,并根据曼哈顿距离确定车辆优先级。
可选的,根据各车辆优先级和各行车代价对各车辆进行序贯式路径确定处理,以在道路网络连通图中确定多个车辆分别对应的行车路径,包括:根据车辆优先级从多个车辆中确定第一车辆;确定道路网络连通图中各行车路段的初始行车代价;根据初始行车代价从道路网络连通图中确定第一车辆的行车路径,作为第一行车路径;根据第一行车路径和车辆优先级在道路网络连通图中确定第二车辆的第二行车路径;其中,第二车辆包括多个车辆中除第一车辆以外的其他车辆。
可选的,确定道路网络连通图中各行车路段的初始行车代价,包括:确定道路网络连通图中包括的多个节点,根据多个节点确定多个行车路段;分别获取各行车路段的拥堵系数和路段长度,并根据拥堵系数和路段长度确定各行车路段的初始行车代价。
可选的,根据第一行车路径和车辆优先级在道路网络连通图中确定第二车辆的第二行车路径,包括:根据第一行车路径更新初始行车代价,以生成当前行车代价;根据车辆优先级从第二车辆中逐一选取待处理车辆,并对待处理车辆进行下述步骤,直至确定出各第二车辆的第二行车路径:根据当前行车代价在道路网络连通图中确定待处理车辆的第二行车路径;根据确定出的待处理车辆的行车路径更新当前行车代价。
可选的,根据第一行车路径更新初始行车代价,以生成当前行车代价,包括:确定第一行车路径包括的行车路段作为第一行车路段;获取第一行车路段当前对应的拥堵系数作为第一拥堵系数,并对第一拥堵系数进行更新,以生成第二拥堵系数;根据第二拥堵系数更新初始行车代价,以生成当前行车代价。
可选的,根据当前行车代价在道路网络连通图中确定待处理车辆的第二行车路径,包括:获取待处理车辆的目标起点坐标和目标终点坐标;根据目标起点坐标和目标终点坐标从道路网络连通图中确定与待处理车辆相关的多个候选行车路径;确定各候选行车路径的分别对应的候选行车代价,根据候选行车代价确定第二行车路径;其中,第二行车路径对应的行车代价最小。
根据本公开的第二方面,提供一种多车协同路径确定装置,包括:连通图获取模块,用于获取预先构建的道路网络连通图;其中,道路网络连通图包括多个行车路段的行车代价;优先级确定模块,用于获取多个车辆的车辆信息,根据多个车辆信息确定各车辆的车辆优先级;行车路径确定模块,用于根据各车辆优先级和各行车代价对各车辆进行序贯式路径确定处理,以在道路网络连通图中确定多个车辆分别对应的行车路径。
可选的,优先级确定模块包括优先级确定单元,用于从车辆信息中确定各车辆分别对应的起点坐标和终点坐标;分别确定各车辆对应的起点坐标和终点坐标之间的曼哈顿距离,并根据曼哈顿距离确定车辆优先级。
可选的,行车路径确定模块包括行车路径确定单元,用于根据车辆优先级从多个车辆中确定第一车辆;确定道路网络连通图中各行车路段的初始行车代价;根据初始行车代价从道路网络连通图中确定第一车辆的行车路径,作为第一行车路径;根据第一行车路径和车辆优先级在道路网络连通图中确定第二车辆的第二行车路径;其中,第二车辆包括多个车辆中除第一车辆以外的其他车辆。
可选的,行车路径确定单元包括初始代价确定单元,用于确定道路网络连通图中包括的多个节点,根据多个节点确定多个行车路段;分别获取各行车路段的拥堵系数和路段长度,并根据拥堵系数和路段长度确定各行车路段的初始行车代价。
可选的,行车路径确定单元包括行车路径确定子单元,用于根据第一行车路径更新初始行车代价,以生成当前行车代价;根据车辆优先级从第二车辆中逐一选取待处理车辆,并对待处理车辆进行下述步骤,直至确定出各第二车辆的第二行车路径:根据当前行车代价在道路网络连通图中确定待处理车辆的第二行车路径;根据确定出的待处理车辆的行车路径更新当前行车代价。
可选的,行车路径确定子单元包括代价更新子单元,用于确定第一行车路径包括的行车路段作为第一行车路段;获取第一行车路段当前对应的拥堵系数作为第一拥堵系数,并对第一拥堵系数进行更新,以生成第二拥堵系数;根据第二拥堵系数更新初始行车代价,以生成当前行车代价。
可选的,行车路径确定子单元包括路径确定子单元,用于获取待处理车辆的目标起点坐标和目标终点坐标;根据目标起点坐标和目标终点坐标从道路网络连通图中确定与待处理车辆相关的多个候选行车路径;确定各候选行车路径的分别对应的候选行车代价,根据候选行车代价确定第二行车路径;其中,第二行车路径对应的行车代价最小。
根据本公开的第三方面,提供一种电子设备,包括:处理器;以及存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的多车协同路径确定方法。
根据本公开的第四方面,提供一种计算机可读存储介质,其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根据上述任意一项所述的多车协同路径确定方法。
本公开提供的技术方案可以包括以下有益效果:
本公开的示例性实施例中的多车协同路径确定方法,获取预先构建的道路网络连通图;其中,道路网络连通图包括多个行车路段的行车代价;获取多个车辆的车辆信息,根据多个车辆信息确定各车辆的车辆优先级;根据各车辆优先级和各行车代价对各车辆进行序贯式路径确定处理,以在道路网络连通图中确定多个车辆分别对应的行车路径。一方面,根据道路网络连通图中多个行车路段的行车代价确定车辆的行车路径,使得确定出的行车路径对应最小的行车代价,可以提高车辆的行车效率。另一方面,根据车辆优先级和行车代价对多个车辆进行序贯式路径确定处理,因此,在确定一个车辆的行车路径时,均已将优先级较高的车辆的行车路径折算在该车辆的行车代价中,使得确定出的多个车辆的行车路径具有全局性和统一性。又一方面,通过在行车路径确定阶段将多个车辆调拨开,可以避免多个车辆在同一区域驻车的现象,提升车辆资源的利用率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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。在附图中:
图1示意性示出了根据本公开的示例性实施方式的多车协同路径确定方法的流程图;
图2示意性示出了根据本公开的示例性实施方式的包含不同行车路段的行车代价的道路网络连通图;
图3示意性示出了根据本公开的示例性实施方式确定第一个车辆的行车路径时的道路网络连通图的状态图;
图4示意性示出了根据本公开的示例性实施方式确定第二个车辆的行车路径时的道路网络连通图的状态图;
图5示意性示出了根据本公开的示例性实施方式确定第三个车辆的行车路径时的道路网络连通图的状态图;
图6示意性示出了根据本公开的示例性实施方式确定第四个车辆的行车路径时的道路网络连通图的状态图;
图7示意性示出了根据本公开的示例性实施方式的多车协同路径确定装置的方框图;
图8示意性示出了根据本公开一示例性实施例的电子设备的框图;
图9示意性示出了根据本公开一示例性实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
目前,无人驾驶技术已经运用于物流配送领域,例如,无人配送车。无人配送车可以实现针对城市环境下办公楼、小区便利店等订单集中场所进行批量送货。然而,目前常见的路由寻径方法均针对单一车辆。在无人配送车未来量产后将具备较大规模,因此,有可能存在多个无人车在拥挤的隔离桩区域驻车等待绿灯的奇怪现象。而现有的路由寻径方法中,还缺乏可以同时调拨多个无人车,且协同确定多个无人车的行车路径的有效方法。
基于此,在本示例实施例中,首先提供了一种多车协同路径确定方法,可以利用服务器来实现本公开的用多车协同路径确定方法,也可以利用终端设备来实现本公开所述的方法,其中,本公开中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant,PDA)、导航装置等移动终端,以及诸如台式计算机等固定终端。图1示意性示出了根据本公开的一些实施例的多车协同路径确定方法流程的示意图。参考图1,该多车协同路径确定方法可以包括以下步骤:
步骤S110,获取预先构建的道路网络连通图;其中,道路网络连通图包括多个行车路段的行车代价。
步骤S120,获取多个车辆的车辆信息,根据多个车辆信息确定各车辆的车辆优先级。
步骤S130,根据各车辆优先级和各行车代价对各车辆进行序贯式路径确定处理,以在道路网络连通图中确定多个车辆分别对应的行车路径。
根据本示例实施例中的多车协同路径确定方法,一方面,根据道路网络连通图中多个行车路段的行车代价确定车辆的行车路径,使得确定出的行车路径对应最小的行车代价,可以提高车辆的行车效率。另一方面,根据车辆优先级和行车代价对多个车辆进行序贯式路径确定处理,因此,在确定一个车辆的行车路径时,均已将优先级较高的车辆的行车路径折算在该车辆的行车代价中,使得确定出的多个车辆的行车路径具有全局性和统一性。又一方面,通过在行车路径确定阶段将多个车辆调拨开,可以避免多个车辆在同一区域驻车的现象,提升车辆资源的利用率。
下面,将对本示例实施例中的多车协同路径确定方法进行进一步的说明。
在步骤S110中,获取预先构建的道路网络连通图;其中,道路网络连通图包括多个行车路段的行车代价。
在本公开的一些示例性实施方式中,道路网络连通图可以是基于道路网络构建的连通图。行车路段可以是道路网络连通图车辆可以行走的路段。行车代价可以是车辆在某一行车路段行车时所对应的代价,行车代价可以根据该行车路段的拥堵程度、该行车路段的路段长度等因素确定。
参考图2所示,图2示意性示出了根据本公开的示例性实施方式的包含不同行车路段的行车代价的道路网络连通图。在确定车辆的行车路径之前,可以通过调用接口获取预先构建的道路网络连通图200,道路网络连通图200中可以包括获取到道路网络连通图时,该连通图中各行车路段对应的行车代价。举例而言,在道路网络连通图200中,可以包括坐标210和坐标220,从坐标210到坐标220可以包括多条行车路径,例如,行车路径230、行车路径240和行车路径250。不同的行车路径对应的行车代价不同,图2中通过不同的线条类型示出了各个行车路段的行车代价,行车路径230、行车路径240和行车路径250对应的行车代价分别为行车代价1、行车代价2和行车代价3。
在步骤S120中,获取多个车辆的车辆信息,根据多个车辆信息确定各车辆的车辆优先级。
在本公开的一些示例性实施方式中,车辆信息可以是表示某一车辆的行车目的的信息,车辆信息可以包括该车辆的运送的货物类型、车辆类型、起点坐标和终点坐标等等。车辆优先级可以是表示确定不同车辆的行车路径时的所采用的优先级,可以对不同车辆的车辆优先级进行逐个编号。
在确定不同车辆的车辆优先级之前,可以先获取各个车辆的车辆信息,根据获取到的车辆信息可以确定出多个车辆分别对应的车辆优先级,以便根据车辆优先级逐个确定各个车辆的行车路径。
根据本公开的一些示例性实施例,从车辆信息中确定各车辆分别对应的起点坐标和终点坐标;分别确定各车辆对应的起点坐标和终点坐标之间的曼哈顿距离,并根据曼哈顿距离确定车辆优先级。起点坐标可以是某一车辆的起始点对应的坐标。终点坐标可以是某一车辆的终点对应的坐标。曼哈顿距离(Manhattan Distance)可以是用以标明某一车辆的起始点和终点在标准坐标系上的绝对轴距总和。
参考图2,某一车辆对应的起点坐标210可以是(x1,y1),终点坐标220可以是(x2,y2),则起点坐标210和终点坐标220之间的曼哈顿距离可以是d(1,2)=|x1-x2|+|y1-y2|。例如,起点坐标210和终点坐标220之间的曼哈顿距离可以是线段230对应的长度,线段240对应的长度也可以是起点坐标210和终点坐标220之间的曼哈顿距离,而线段250对应的是等效的曼哈顿距离。采用上述方法可以确定出各个不同车辆的起点坐标和终点坐标之间的曼哈顿距离,根据确定出的曼哈顿距离可以确定各车辆的车辆优先级。当某一车辆对应的曼哈顿距离越小时,该车辆对应的车辆优先级越高。如果两个不同车辆对应的曼哈顿距离相同,则可以根据车辆运送货物的重要程度、车辆类型等因素确定车辆优先级,例如,车辆1对应的曼哈顿距离与车辆2对应的曼哈顿距离相同,车辆1运送货物的重要程度为非常重要,车辆2运送货物的重要程度为重要,则确定车辆1的车辆优先级大于车辆2的车辆优先级。
在步骤S130中,根据各车辆优先级和各行车代价对各车辆进行序贯式路径确定处理,以在道路网络连通图中确定多个车辆分别对应的行车路径。
在本公开的一些示例性实施方式中,序贯式算法是求解目标规划的一种早期算法,其核心是根据优先级的先后次序,将目标规划问题分解成一系列的单目标规划问题,然后再依次求解。序贯式路径确定处理可以是将已确定出的车辆的行车路径折合计算到道路网络连通图中,作为各行车路段的行车代价的单位化增量,以在更新了各行车路段的行车代价的道路网络连通图中确定待处理车辆的行车路径的处理方式。行车路径(route)可以是从各车辆的起点到终点确定出的各车辆的路径,本公开中的行车路径是指形成路端级别的行车路线,例如高德地图中导航路径规划成功的路径,与局部路径规划技术中提到的路径(path)不同。
根据确定出的车辆优先级和各行车路段的行车代价,对上述多个车辆进行序贯式路径确定处理,可以在道路网络连通图中确定出各车辆分别对应的行车路径。参考图2,某一车辆从起点坐标210到终点坐标220可以有路径230、路径240和路径250三条路径可供选择,这三条路径分别对应不同的行车代价(图2中采用不同的线条类型标出),则在确定最终的行车路径时,可以选取一条行车代价最小的路径作为与该车辆对应的行车路径。在本公开中,对某一车辆进行寻径时采用的算法可以是迪杰斯特拉(Dijkstra)算法,还可以是A*算法(A-star algorithm),本公开对路由寻径时采用的算法不作任何特殊限定。具体的,序贯式路径确定处理方式可以是:在针对第一辆车寻径时,在道路网络连通图中只需结合实际的交通拥堵程度进行寻径;随后,针对第二辆车进行路由寻径时,将第一辆车的路由寻径方案折算到道路网络连通图中作为拥堵程度的单位化增量,据此在更新过后的道路网络连通图中进行路由寻径,以此类推,直至确定出所有车辆的行车路径。
根据本公开的一些示例性实施例,根据车辆优先级从多个车辆中确定第一车辆;确定道路网络连通图中各行车路段的初始行车代价;根据初始行车代价从道路网络连通图中确定第一车辆的行车路径,作为第一行车路径;根据第一行车路径和车辆优先级在道路网络连通图中确定第二车辆的第二行车路径;其中,第二车辆包括多个车辆中除第一车辆以外的其他车辆。第一车辆可以是根据车辆优先级从多个车辆中确定出的一个当前车辆优先级最高的车辆。初始行车代价可以是在确定第一车辆的第一行车路径之前,道路网络连通图中各行车路段对应的行车代价。第一行车路径可以是第一车辆从起点到终点对应的行车路径。第二车辆可以是待确定行车路径的多个车辆中除第一车辆以外的其他车辆,第二车辆的车辆优先级低于第一车辆的车辆优先级,第二车辆的数量可以是一个或多个。第一行车路径可以是第二车辆从起点到终点对应的行车路径。
在确定出多个车辆分别对应的车辆优先级后,可以从多个车辆中选取一个车辆优先级最高的车辆作为第一车辆。在获取到的道路网络连通图之后,可以根据道路网络连通图中各行车路段的拥堵程度和路段长度,计算出各行车路段对应的初始行车代价。在确定出道路网络连通图中各行车路段的初始行车代价之后,可以从道路网络连通图确定出第一车辆从起点到终点的第一行车路径。确定出第一行车路径之后,可以根据车辆优先级从多个车辆中确定出一个第二车辆,并结合第一行车路径在道路网络连通图中确定出第二车辆对应的第二行车路径。
参考图3,图3示意性示出了根据本公开的示例性实施方式确定第一个车辆的行车路径时的道路网络连通图的状态图。在图3中,第一车辆对应的起点坐标为坐标210,终点坐标为坐标311,根据起点坐标和终点坐标从道路网络连通图中确定出第一车辆对应的第一行车路径为线段310。多个车辆中还可以包括多个第二车辆,如第二车辆1对应的起点坐标为坐标210,终点坐标为坐标311;第二车辆2对应的起点坐标为坐标210,终点坐标为坐标312;第二车辆3对应的起点坐标为坐标210,终点坐标为坐标313,第二车辆4对应的起点坐标为坐标210,终点坐标为坐标314等。可以根据上述方法逐个确定出第二车辆分别对应的第二行车路径。
根据本公开的一些示例性实施例,确定道路网络连通图中包括的多个节点,根据多个节点确定多个行车路段;分别获取各行车路段的拥堵系数和路段长度,并根据拥堵系数和路段长度确定各行车路段的初始行车代价。道路网络连通图中节点可以表示实际道路中的一个路口、一个隔离桩等。将两个节点之间的连接线段可以是道路网络连通图中的行车路段。拥堵系数可以是表示某一行车路段的拥堵程度的参数,拥堵系数可以用数字0、1、2、3、4、5等等表示,拥堵系数的数值越大,则代表该行车路段的拥堵程度越高。路段长度可以是某一行车路段的长度。
根据道路网络连通图中包括的多个节点,可以确定出道路网络连通图中包括的多个行车路段。参考图2,图2中每个方格均可以对应一个节点(图中未全部示出),不同节点之间的连接线即为道路网络连通图中的行车路段。对于某一行车路段,可以根据车辆的运行情况确定该行车路段的拥堵系数,例如,某一行车路段为拥堵系数为0,则代表该行车路段无车辆行走,未发生拥堵情况。并获取该行车路段的路段长度,对路段长度和拥堵系数进行归一化和加权相加处理后,可以得到该行车路段对应的初始行车代价。
根据本公开的一些示例性实施例,根据第一行车路径更新初始行车代价,以生成当前行车代价;根据车辆优先级从第二车辆中逐一选取待处理车辆,并对待处理车辆进行下述步骤,直至确定出各第二车辆的第二行车路径:根据当前行车代价在道路网络连通图中确定待处理车辆的第二行车路径;根据确定出的待处理车辆的行车路径更新当前行车代价。待处理车辆可以是根据车辆优先级从第二车辆中确定出的,当前用于确定行车路径的车辆。当前行车代价可以是将第一行车路径折合计算到初始行车代价中,对初始行车代价进行更新后得到的道路网络连通图中各行车路段对应的行车代价,即将第一行车路径的路径方案折算至道路网络连通图中作为拥堵系数的单位化增量。
在确定出第一行车路径之后,可以从第二车辆中选取一个车辆优先级最高的车辆作为待处理车辆,并确定该待处理车辆的第二行车路径。具体的,确定该待处理车辆的第二行车路径的具体步骤如下:参考图4,图4示意性示出了根据本公开的示例性实施方式确定第二个车辆的行车路径时的道路网络连通图的状态图。在确定出第一车辆对应的第一行车路径之后,则根据第一行车路径对道路网络连通图中的初始行车代价进行更新,例如,第一车辆的第一行车路径对应的行车路段310,则在确定出第一行车路径后,在道路网络连通图中将行车路段310折合至初始行车代价中,对初始行车代价进行更新,生成当前行车代价。根据更新后的当前行车代价确定待处理车辆的第二行车路径。
根据本公开的一些示例性实施例,确定第一行车路径包括的行车路段作为第一行车路段;获取第一行车路段当前对应的拥堵系数作为第一拥堵系数,并对第一拥堵系数进行更新,以生成第二拥堵系数;根据第二拥堵系数更新初始行车代价,以生成当前行车代价。第一行车路段可以是第一行车路径在道路网络连通图中对应的所有行车路段。第一拥堵系数可以是在折合计算第一行车路径产生的行车代价之前,第一行车路段对应的拥堵系数。第二拥堵系数可以是将第一行车路径产生的行车代价进行折合计算之后,第一行车路段对应的拥堵系数。当前行车代价可以是将已经确定出的车辆的行车路径对应的行车代价进行折合计算之后,道路网络连通图中各行车路段对应的行车代价。每次确定出一个车辆的行车路径之后,均可以根据确定出的行车路径对当前行车代价进行更新。
根据本公开的一些示例性实施例,获取待处理车辆的目标起点坐标和目标终点坐标;根据目标起点坐标和目标终点坐标从道路网络连通图中确定与待处理车辆相关的多个候选行车路径;确定各候选行车路径的分别对应的候选行车代价,根据候选行车代价确定第二行车路径;其中,第二行车路径对应的行车代价最小。目标起点坐标可以是待处理车辆对应的起点坐标。目标终点坐标可以是待处理车辆对应的终点坐标。候选行车路径可以是从目标起点坐标到目标终点坐标的所有行车路径。候选行车代价可以是各候选行车路径分别对应的行车代价。由于候选行车路径中可能包含多个行车路段,不同行车路段可以对应不同的行车代价,因此,可以确定出各行车路段分别对应的行车代价。
参考图4,在确定出第一车辆对应的第一行车路径之后,则从第二车辆中获取第二车辆2作为待处理车辆,该待处理车辆对应的起点坐标为坐标(即目标起点坐标)210,终点坐标为坐标(即目标终点坐标)312。得到目标起点坐标和目标终点坐标后,可以在道路网络连通图中确定从从目标起点坐标到目标终点坐标之间的候选行车路径,候选行车路径可以包括候选行车路径1和候选行车路径2,候选行车路径1为从坐标210起始,经坐标411和坐标412到达坐标312;候选行车路径2为从坐标210起始,经坐标311和坐标412到达坐标312。图4中采用不同类型的线条示出了候选行车路径1和候选行车路径2分别对应的候选行车代价。在确定出第一行车路径后,第一行车路段310对应的行车代价为1,而候选行车路径1中包括三个行车路段,分别为行车路段1(坐标210到坐标411)、行车路段2(坐标411到坐标412)、行车路段3(坐标412到坐标312),且每个行车路段的行车代价均为2;而候选行车路径2同样包括三个行车路段,分别为行车路段1’(坐标210到坐标311)、行车路段2’(坐标311到坐标412)、行车路段3’(坐标412到坐标312),且行车路段1’、行车路段2’和行车路段3’分别对应的行车代价为1、2、2。由此可知,候选行车路径2对应的候选行车代价小于候选行车路径1对应的候选行车代价,因此,可以将候选行车路径2作为待处理车辆(第二车辆2)对应的第二行车路径410。在确定出第二车辆2对应的第二行车路径之后,可以对第二路径中包含的行车路段的行车代价进行更新,得到道路网络连通图对应的当前行车代价。
参考图5,图5示意性示出了根据本公开的示例性实施方式确定第三个车辆的行车路径时的道路网络连通图的状态图。从第二车辆获取第二车辆3,第二车辆3对应的目标起点坐标为坐标210,目标终点坐标为坐标313。根据图5所示,第二车辆3可以包括候选行车路径1和候选行车路径2,候选行车路径1为从坐标210起始,经坐标311和坐标412到达坐标313;候选行车路径2为从坐标210起始,经坐标311和坐标312到达坐标313。候选行车路径1中包括三个行车路段,分别为行车路段1(坐标210到坐标311)、行车路段2(坐标311到坐标412)、行车路段3(坐标412到坐标313),且行车路段1、行车路段2和行车路段3分别对应的行车代价为2、2、1;而候选行车路径2同样包括三个行车路段,分别为行车路段1’(坐标210到坐标311)、行车路段2’(坐标311到坐标312)、行车路段3’(坐标312到坐标313),且行车路段1’、行车路段2’和行车路段3’分别对应的行车代价为2、1、1。由此可知,候选行车路径2对应的候选行车代价小于候选行车路径1对应的候选行车代价,因此,可以将候选行车路径2作为第二车辆3对应的第二行车路径510,并根据确定出的第二行车路径更新道路网络连通图中各行车路段的当前行车代价。
在确定出第二车辆3对应的第二行车路径之后,从第二车辆中获取第二车辆4,并确定第二车辆4对应的行车路径。参考图6,图6示意性示出了根据本公开的示例性实施方式确定第四个车辆的行车路径时的道路网络连通图的状态图。第二车辆4对应的目标起点坐标为坐标210,对应的目标终点坐标为坐标314,可以采用上述方式,确定出第二车辆4对应的行车路径610,并根据确定出的第二行车路径更新道路网络连通图中各行车路段的当前行车代价。以此类推,直至确定出所有车辆对应的行车路径。
需要说明的是,本公开所使用的术语“第一”、“第二”等,仅是为了区分不同的车辆、不同的行车路径、不同的拥堵系数,并不应对本公开造成任何限制。
综上所述,本公开的多车协同路径确定方法,获取预先构建的道路网络连通图;其中,道路网络连通图包括多个行车路段的行车代价;获取多个车辆的车辆信息,根据多个车辆信息确定各车辆的车辆优先级;根据各车辆优先级和各行车代价对各车辆进行序贯式路径确定处理,以在道路网络连通图中确定多个车辆分别对应的行车路径。一方面,根据道路网络连通图中多个行车路段的行车代价确定车辆的行车路径,使得确定出的行车路径对应最小的行车代价,可以提高车辆的行车效率。另一方面,根据车辆优先级和行车代价对多个车辆进行序贯式路径确定处理,因此,在确定一个车辆的行车路径时,均已将优先级较高的车辆的行车路径折算在该车辆的行车代价中,使得确定出的多个车辆的行车路径具有全局性和统一性。又一方面,通过在行车路径确定阶段将多个车辆调拨开,可以避免多个车辆在同一区域驻车的现象,提升车辆资源的利用率。
需要说明的是,尽管在附图中以特定顺序描述了本发明中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
此外,在本示例实施例中,还提供了一种多车协同路径确定装置。参考图7,该多车协同路径确定装置700可以包括:连通图获取模块710、优先级确定模块720以及行车路径确定模块730。
具体的,连通图获取模块710用于获取预先构建的道路网络连通图;其中,道路网络连通图包括多个行车路段的行车代价;优先级确定模块720用于获取多个车辆的车辆信息,根据多个车辆信息确定各车辆的车辆优先级;行车路径确定模块730用于根据各车辆优先级和各行车代价对各车辆进行序贯式路径确定处理,以在道路网络连通图中确定多个车辆分别对应的行车路径。
多车协同路径确定装置700根据道路网络连通图中多个行车路段的行车代价确定车辆的行车路径,使得确定出的行车路径对应最小的行车代价,可以提高车辆的行车效率;根据车辆优先级和行车代价对多个车辆进行序贯式路径确定处理,在确定一个车辆的行车路径时,将优先级较高的车辆的行车路径折算在该车辆的行车代价中,使得确定出的多个车辆的行车路径具有全局性和统一性;将多个车辆调拨开,可以避免多个车辆在同一区域驻车的现象,可以提升车辆资源的利用率,是一种行之有效的多车协同路径确定装置。
在本公开的一种示例性实施方案中,优先级确定模块包括优先级确定单元,用于从车辆信息中确定各车辆分别对应的起点坐标和终点坐标;分别确定各车辆对应的起点坐标和终点坐标之间的曼哈顿距离,并根据曼哈顿距离确定车辆优先级。
在本公开的一种示例性实施方案中,行车路径确定模块包括行车路径确定单元,用于根据车辆优先级从多个车辆中确定第一车辆;确定道路网络连通图中各行车路段的初始行车代价;根据初始行车代价从道路网络连通图中确定第一车辆的行车路径,作为第一行车路径;根据第一行车路径和车辆优先级在道路网络连通图中确定第二车辆的第二行车路径;其中,第二车辆包括多个车辆中除第一车辆以外的其他车辆。
在本公开的一种示例性实施方案中,行车路径确定单元包括初始代价确定单元,用于确定道路网络连通图中包括的多个节点,根据多个节点确定多个行车路段;分别获取各行车路段的拥堵系数和路段长度,并根据拥堵系数和路段长度确定各行车路段的初始行车代价。
在本公开的一种示例性实施方案中,行车路径确定单元包括行车路径确定子单元,用于根据第一行车路径更新初始行车代价,以生成当前行车代价;根据车辆优先级从第二车辆中逐一选取待处理车辆,并对待处理车辆进行下述步骤,直至确定出各第二车辆的第二行车路径:根据当前行车代价在道路网络连通图中确定待处理车辆的第二行车路径;根据确定出的待处理车辆的行车路径更新当前行车代价。
在本公开的一种示例性实施方案中,行车路径确定子单元包括代价更新子单元,用于确定第一行车路径包括的行车路段作为第一行车路段;获取第一行车路段当前对应的拥堵系数作为第一拥堵系数,并对第一拥堵系数进行更新,以生成第二拥堵系数;根据第二拥堵系数更新初始行车代价,以生成当前行车代价。
在本公开的一种示例性实施方案中,行车路径确定子单元包括路径确定子单元,用于获取待处理车辆的目标起点坐标和目标终点坐标;根据目标起点坐标和目标终点坐标从道路网络连通图中确定与待处理车辆相关的多个候选行车路径;确定各候选行车路径的分别对应的候选行车代价,根据候选行车代价确定第二行车路径;其中,第二行车路径对应的行车代价最小。
上述中各多车协同路径确定装置的虚拟模块的具体细节已经在对应的多车协同路径确定方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了多车协同路径确定装置的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施例、完全的软件实施例(包括固件、微代码等),或硬件和软件方面结合的实施例,这里可以统称为“电路”、“模块”或“系统”。
下面参考图8来描述根据本发明的这种实施例的电子设备800。图8显示的电子设备800仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于:上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830、显示单元840。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元810执行,使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
存储单元820可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)821和/或高速缓存存储单元822,还可以进一步包括只读存储单元(ROM)823。
存储单元820可以包括具有一组(至少一个)程序模块825的程序/实用工具824,这样的程序模块825包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备870(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备800交互的设备通信,和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且,电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器860通过总线830与电子设备800的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备800使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图9所示,描述了根据本发明的实施例的用于实现上述方法的程序产品900,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (10)
1.一种多车协同路径确定方法,其特征在于,包括:
获取预先构建的道路网络连通图;其中,所述道路网络连通图包括多个行车路段的行车代价;
获取多个车辆的车辆信息,根据多个所述车辆信息确定各所述车辆的车辆优先级;
根据各所述车辆优先级和各所述行车代价对各所述车辆进行序贯式路径确定处理,以在所述道路网络连通图中确定所述多个车辆分别对应的行车路径。
2.根据权利要求1所述的多车协同路径确定方法,其特征在于,所述根据多个所述车辆信息确定各所述车辆的车辆优先级,包括:
从所述车辆信息中确定各所述车辆分别对应的起点坐标和终点坐标;
分别确定各所述车辆对应的起点坐标和终点坐标之间的曼哈顿距离,并根据所述曼哈顿距离确定所述车辆优先级。
3.根据权利要求1所述的多车协同路径确定方法,其特征在于,所述根据各所述车辆优先级和各所述行车代价对各所述车辆进行序贯式路径确定处理,以在所述道路网络连通图中确定所述多个车辆分别对应的行车路径,包括:
根据各所述车辆优先级从所述多个车辆中确定第一车辆;
确定所述道路网络连通图中各所述行车路段的初始行车代价;
根据所述初始行车代价从所述道路网络连通图中确定所述第一车辆的行车路径,作为第一行车路径;
根据所述第一行车路径和所述车辆优先级在所述道路网络连通图中确定第二车辆的第二行车路径;其中,所述第二车辆包括所述多个车辆中除所述第一车辆以外的其他所述车辆。
4.根据权利要求3所述的多车协同路径确定方法,其特征在于,所述确定所述道路网络连通图中各所述行车路段的初始行车代价,包括:
确定所述道路网络连通图中包括的多个节点,根据所述多个节点确定多个所述行车路段;
分别获取各所述行车路段的拥堵系数和路段长度,并根据所述拥堵系数和所述路段长度确定各所述行车路段的初始行车代价。
5.根据权利要求3所述的多车协同路径确定方法,其特征在于,所述根据所述第一行车路径和所述车辆优先级在所述道路网络连通图中确定第二车辆的第二行车路径,包括:
根据第一行车路径更新所述初始行车代价,以生成当前行车代价;
根据所述车辆优先级从所述第二车辆中逐一选取待处理车辆,并对所述待处理车辆进行下述步骤,直至确定出各所述第二车辆的第二行车路径:
根据所述当前行车代价在所述道路网络连通图中确定所述待处理车辆的第二行车路径;
根据确定出的所述待处理车辆的行车路径更新所述当前行车代价。
6.根据权利要求5所述的多车协同路径确定方法,其特征在于,所述根据第一行车路径更新所述初始行车代价,以生成当前行车代价,包括:
确定所述第一行车路径包括的行车路段作为第一行车路段;
获取所述第一行车路段当前对应的拥堵系数作为第一拥堵系数,并对所述第一拥堵系数进行更新,以生成第二拥堵系数;
根据所述第二拥堵系数更新所述初始行车代价,以生成所述当前行车代价。
7.根据权利要求5所述的多车协同路径确定方法,其特征在于,所述根据所述当前行车代价在所述道路网络连通图中确定所述待处理车辆的第二行车路径,包括:
获取所述待处理车辆的目标起点坐标和目标终点坐标;
根据所述目标起点坐标和所述目标终点坐标从所述道路网络连通图中确定与所述待处理车辆相关的多个候选行车路径;
确定各所述候选行车路径的分别对应的候选行车代价,根据所述候选行车代价确定所述第二行车路径;其中,所述第二行车路径对应的行车代价最小。
8.一种多车协同路径确定装置,其特征在于,包括:
连通图获取模块,用于获取预先构建的道路网络连通图;其中,所述道路网络连通图包括多个行车路段的行车代价;
优先级确定模块,用于获取多个车辆的车辆信息,根据多个所述车辆信息确定各所述车辆的车辆优先级;
行车路径确定模块,用于根据各所述车辆优先级和各所述行车代价对各所述车辆进行序贯式路径确定处理,以在所述道路网络连通图中确定所述多个车辆分别对应的行车路径。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据权利要求1至7中任一项所述的多车协同路径确定方法。
10.一种计算机可读存储介质,其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根据权利要求1至7中任一项所述的多车协同路径确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010414137.7A CN113673919A (zh) | 2020-05-15 | 2020-05-15 | 多车协同路径确定方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010414137.7A CN113673919A (zh) | 2020-05-15 | 2020-05-15 | 多车协同路径确定方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113673919A true CN113673919A (zh) | 2021-11-19 |
Family
ID=78537732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010414137.7A Pending CN113673919A (zh) | 2020-05-15 | 2020-05-15 | 多车协同路径确定方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113673919A (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245347A (zh) * | 2012-02-13 | 2013-08-14 | 腾讯科技(深圳)有限公司 | 基于路况预测的智能导航方法及系统 |
CN106970648A (zh) * | 2017-04-19 | 2017-07-21 | 北京航空航天大学 | 城市低空环境下无人机多目标路径规划联合搜索方法 |
CN107817000A (zh) * | 2017-10-25 | 2018-03-20 | 广州汽车集团股份有限公司 | 无人驾驶车辆的路径规划方法、装置及计算机设备 |
CN107843267A (zh) * | 2017-10-25 | 2018-03-27 | 广州汽车集团股份有限公司 | 施工路段无人驾驶车辆的路径生成方法及装置 |
CN107958302A (zh) * | 2017-11-17 | 2018-04-24 | 中南大学 | 基于虚拟拓扑交通网络的经验路径规划方法 |
CN108399690A (zh) * | 2018-02-27 | 2018-08-14 | 北京摩拜科技有限公司 | 车辆管理方法、车库管理设备及车辆系统 |
CN109724614A (zh) * | 2019-02-22 | 2019-05-07 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的速度规划方法、装置和存储介质 |
CN110084390A (zh) * | 2019-03-26 | 2019-08-02 | 河南科技学院 | 一种基于改进型果蝇算法的多车协同拼车路径优化方法 |
CN110138441A (zh) * | 2019-05-15 | 2019-08-16 | 贵州师范大学 | 基于序贯和概率邻接矩阵乘法的簇飞行航天器网络算法 |
US20190286151A1 (en) * | 2018-03-14 | 2019-09-19 | GM Global Technology Operations LLC | Automated driving systems and control logic for cloud-based scenario planning of autonomous vehicles |
CN110264748A (zh) * | 2019-07-08 | 2019-09-20 | 紫光云技术有限公司 | 一种基于城市大脑和v2x的行车精确路由策略 |
CN110362096A (zh) * | 2019-08-13 | 2019-10-22 | 东北大学 | 一种基于局部最优性的无人驾驶车辆动态轨迹规划方法 |
CN110398254A (zh) * | 2019-08-23 | 2019-11-01 | 福建工程学院 | 一种减缓交通拥挤的方法及系统 |
CN110514217A (zh) * | 2019-09-27 | 2019-11-29 | 百度在线网络技术(北京)有限公司 | 用于辅助自动驾驶的方法和装置 |
CN110530388A (zh) * | 2019-09-05 | 2019-12-03 | 苏宁云计算有限公司 | 多agv的路径规划方法及系统 |
US20200003577A1 (en) * | 2018-06-29 | 2020-01-02 | International Business Machines Corporation | Comparative priority and target destination based lane assignment of autonomous vehicles |
CN110782092A (zh) * | 2019-10-25 | 2020-02-11 | 北京京东乾石科技有限公司 | 无人配送车在非结构化场景中的轨迹规划方法及装置 |
CN111044060A (zh) * | 2018-10-12 | 2020-04-21 | 株式会社日立制作所 | 多车辆路径规划方法及多车辆路径规划系统 |
-
2020
- 2020-05-15 CN CN202010414137.7A patent/CN113673919A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245347A (zh) * | 2012-02-13 | 2013-08-14 | 腾讯科技(深圳)有限公司 | 基于路况预测的智能导航方法及系统 |
CN106970648A (zh) * | 2017-04-19 | 2017-07-21 | 北京航空航天大学 | 城市低空环境下无人机多目标路径规划联合搜索方法 |
CN107817000A (zh) * | 2017-10-25 | 2018-03-20 | 广州汽车集团股份有限公司 | 无人驾驶车辆的路径规划方法、装置及计算机设备 |
CN107843267A (zh) * | 2017-10-25 | 2018-03-27 | 广州汽车集团股份有限公司 | 施工路段无人驾驶车辆的路径生成方法及装置 |
CN107958302A (zh) * | 2017-11-17 | 2018-04-24 | 中南大学 | 基于虚拟拓扑交通网络的经验路径规划方法 |
CN108399690A (zh) * | 2018-02-27 | 2018-08-14 | 北京摩拜科技有限公司 | 车辆管理方法、车库管理设备及车辆系统 |
US20190286151A1 (en) * | 2018-03-14 | 2019-09-19 | GM Global Technology Operations LLC | Automated driving systems and control logic for cloud-based scenario planning of autonomous vehicles |
US20200003577A1 (en) * | 2018-06-29 | 2020-01-02 | International Business Machines Corporation | Comparative priority and target destination based lane assignment of autonomous vehicles |
CN111044060A (zh) * | 2018-10-12 | 2020-04-21 | 株式会社日立制作所 | 多车辆路径规划方法及多车辆路径规划系统 |
CN109724614A (zh) * | 2019-02-22 | 2019-05-07 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的速度规划方法、装置和存储介质 |
CN110084390A (zh) * | 2019-03-26 | 2019-08-02 | 河南科技学院 | 一种基于改进型果蝇算法的多车协同拼车路径优化方法 |
CN110138441A (zh) * | 2019-05-15 | 2019-08-16 | 贵州师范大学 | 基于序贯和概率邻接矩阵乘法的簇飞行航天器网络算法 |
CN110264748A (zh) * | 2019-07-08 | 2019-09-20 | 紫光云技术有限公司 | 一种基于城市大脑和v2x的行车精确路由策略 |
CN110362096A (zh) * | 2019-08-13 | 2019-10-22 | 东北大学 | 一种基于局部最优性的无人驾驶车辆动态轨迹规划方法 |
CN110398254A (zh) * | 2019-08-23 | 2019-11-01 | 福建工程学院 | 一种减缓交通拥挤的方法及系统 |
CN110530388A (zh) * | 2019-09-05 | 2019-12-03 | 苏宁云计算有限公司 | 多agv的路径规划方法及系统 |
CN110514217A (zh) * | 2019-09-27 | 2019-11-29 | 百度在线网络技术(北京)有限公司 | 用于辅助自动驾驶的方法和装置 |
CN110782092A (zh) * | 2019-10-25 | 2020-02-11 | 北京京东乾石科技有限公司 | 无人配送车在非结构化场景中的轨迹规划方法及装置 |
Non-Patent Citations (2)
Title |
---|
J.P. VAN DEN BERG等: ""Prioritized motion planning for multiple robots"", 《IEEE》, 5 December 2005 (2005-12-05), pages 1 - 6 * |
郭敏;马昌喜;何彦刚;: "路段通行时间不确定下取送货车辆路径优化研究", 西部交通科技, no. 12, 30 December 2017 (2017-12-30) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111678527B (zh) | 路径网络图生成方法及装置、电子设备和存储介质 | |
US20230243661A1 (en) | Navigation path planning method and apparatus, device, and storage medium | |
JP2012511721A (ja) | 目的地を判定するためのベクトルを有する地図データベース、及びベクトル判定方法 | |
CN113160607B (zh) | 停车位导航方法、装置、电子设备、存储介质及产品 | |
EP4119896A2 (en) | Method and apparatus for processing high-definition map data, electronic device, medium and product | |
CN114626169A (zh) | 交通路网优化方法、装置、设备、可读存储介质及产品 | |
JP2023027233A (ja) | 道路データ融合の地図生成方法、装置及び電子機器 | |
WO2024104189A1 (zh) | 车辆定位方法、装置、电子设备、存储介质 | |
JP7145184B2 (ja) | ナビゲーションに用いられる方法、装置、デバイス、及びコンピュータが読み取り可能な記憶媒体 | |
WO2023173831A1 (zh) | 引导点的关联信息的更新方法和装置 | |
US20220164723A1 (en) | Method for determining boarding information, electronic device, and storage medium | |
CN113673919A (zh) | 多车协同路径确定方法及装置、电子设备和存储介质 | |
CN112685531B (zh) | 车辆匹配方法和装置、计算设备以及计算机可读存储介质 | |
CN113344277B (zh) | 预测模型训练方法、状态更新方法、装置、设备和介质 | |
CN112333626B (zh) | 位置确定方法与装置、计算机可读存储介质、电子设备 | |
CN113624245B (zh) | 导航方法及装置、计算机存储介质、电子设备 | |
CN114330807A (zh) | 路线的确定方法、装置和电子设备 | |
CN117740021B (zh) | 园区导航任务执行方法、装置、电子设备及可读存储介质 | |
CN112197785B (zh) | 行驶路线生成方法、装置、可移动载体及存储介质 | |
CN113868532B (zh) | 一种地点推荐方法、装置、电子设备及存储介质 | |
US20220026227A1 (en) | Navigation route determination method, device, and storage medium | |
CN114579889B (zh) | 订单热力图的推荐方法、装置、设备及存储介质 | |
CN115310728B (zh) | 泊车路线生成方法、装置、设备和计算机可读介质 | |
CN113850429A (zh) | 雾天路径决策方法及装置、存储介质及电子设备 | |
CN117128996A (zh) | 路径确定方法、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 |