CN113715020A - 一种机器人的出行方法、装置、设备及存储介质 - Google Patents

一种机器人的出行方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113715020A
CN113715020A CN202111014649.5A CN202111014649A CN113715020A CN 113715020 A CN113715020 A CN 113715020A CN 202111014649 A CN202111014649 A CN 202111014649A CN 113715020 A CN113715020 A CN 113715020A
Authority
CN
China
Prior art keywords
travel
candidate
road section
historical
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.)
Granted
Application number
CN202111014649.5A
Other languages
English (en)
Other versions
CN113715020B (zh
Inventor
李翔远
黄泽
阳叶文
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.)
Shanghai Keenlon Intelligent Technology Co Ltd
Original Assignee
Shanghai Keenlon 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 Shanghai Keenlon Intelligent Technology Co Ltd filed Critical Shanghai Keenlon Intelligent Technology Co Ltd
Priority to CN202111014649.5A priority Critical patent/CN113715020B/zh
Publication of CN113715020A publication Critical patent/CN113715020A/zh
Application granted granted Critical
Publication of CN113715020B publication Critical patent/CN113715020B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B25J13/087—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices for sensing other physical parameters, e.g. electrical or chemical properties
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1679—Programme controls characterised by the tasks executed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本发明实施例公开了一种机器人的出行方法、装置、设备及存储介质。该方法包括：为目标机器人规划至少两个候选出行路径；确定所述候选出行路径中候选路段在历史同期的历史出行速度；确定所述候选路段的当前人流量；根据所述候选路段的历史出行速度和所述当前人流量，从所述至少两个候选出行路径中为所述目标机器人选择目标出行路径。本发明实施例解决了人为因素等场景信息对机器人出行过程产生的干扰问题，解决了机器人出行过程中的拥堵问题，提高机器人的出行效率。

Description

一种机器人的出行方法、装置、设备及存储介质
技术领域
本发明实施例涉及自动控制技术，尤其涉及一种机器人的出行方法、装置、设备及存储介质。
背景技术
随着智能机器人技术的不断发展，移动机器人路径规划技术研究得到了人们的高度重视，而机器人面对各种不同场景下的路径规划问题变得尤为重要。
在以往的研究当中，可以为机器人规划路径，使机器人按照规划的路径前往目的地。但是，在机器人出行环境较为复杂的情况下，尤其是餐厅场景中人为因素多变的情况下，如何为机器人规划出行路径十分重要。
发明内容
本发明提供一种机器人的出行方法、装置、设备及存储介质，可以提高机器人的出行效率。
第一方面，本发明实施例提供了一种机器人的出行方法，包括：
为目标机器人规划至少两个候选出行路径；
确定所述候选出行路径中候选路段在历史同期的历史出行速度；
确定所述候选路段的当前人流量；
根据所述候选路段的历史出行速度和所述当前人流量，从所述至少两个候选出行路径中为所述目标机器人选择目标出行路径。
第二方面，本发明实施例还提供了一种机器人的出行装置，该装置包括：
路径规划模块，用于为目标机器人规划至少两个候选出行路径；
历史速度确定模块，用于确定所述候选出行路径中候选路段在历史同期的历史出行速度；
人流量确定模块，用于确定所述候选路段的当前人流量；
路径选择模块，用于根据所述候选路段的历史出行速度和所述当前人流量，从所述至少两个候选出行路径中为所述目标机器人选择目标出行路径。
第三方面，本发明实施例还提供了一种机器人的出行设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如本发明实施例中任一所述的机器人的出行方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如本发明实施例中任一所述的机器人的出行方法。
本发明实施例通过结合候选出行路径中候选路段的历史出行速度和当前人流量，从候选出行路径中为目标机器人选择目标出行路径，能够反映人为因素等场景信息对机器人出行过程的干扰，从而能够减少机器人出行过程中的拥堵，提高机器人出行效率。
附图说明
图1是本发明实施例一中的一种机器人的出行方法的流程图；
图2是本发明实施例二中的一种机器人的出行方法的流程图；
图3是本发明实施例三中的一种机器人的出行装置的结构示意图；
图4是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种机器人的出行方法的流程图，本实施例可适用于餐厅等人为因素较复杂场景中机器人的出行情况，该方法可以由机器人的出行装置来执行，该装置可采用软件和/或硬件的方式实现。如图1所示，该方法具体包括如下步骤：
S110，为目标机器人规划至少两个候选出行路径。
其中，候选出行路径可以从目标机器人的起始位置到达目标位置。机器人所属出行场景可以包括不同路段，每个路段有自身的行驶方向、长度等属性信息，可以根据目标机器人的起始位置所属路段、目标位置所属路段，以及不同路段之间的连接关系，各路段的属性信息等，为目标机器人规划至少两个候选出行路径。需要说明的是，候选出行路径为初步路径规划步骤生产路径，后续还通过S120-S140从至少两个候选出行路径中为目标机器人选择目标出行路径，目标机器人可以按照目标出行路径从起始位置移动到目标位置。可选地，机器人在运行过程中，根据路段的通行状况可以实时调整局部路径。
需要说明的是，本申请实施例对机器人的路径规划方式不做具体限定，可以通过本地服务器或云端服务器进行规划，并将规划后的目标出行路径下发给目标机器人，要求目标机器人按照目标出行路径移动；也可以联合场景地图将地图上路段的出行属性下发给目标机器人，由目标机器人通过地图自己选择目标出行路径，其中出行属性可以为通行或禁行。可选地，机器人根据目标点信息和路段状况信息根据预设规则计算出目标出行路径。
S120，确定所述候选出行路径中候选路段在历史同期的历史出行速度。
其中，候选路段是指候选出行路径所包括的路段，历史同期是指在目标机器人的出行时间之前且与出行时间呈现周期性规律的时间段。以出行时间为某周六中午1点至2点时间段为例，则历史同期可以为其他日期的周六中午1点至2点时间段。
具体的，历史出行速度可以通过如下方式确定：获取历史同期行驶于候选路段的各历史机器人，以及各历史机器人的出行速度，并根据各历史机器人在该时间段的出行速度确定候选路段的历史出行速度。
S130，确定所述候选路段的当前人流量。
其中，候选路段可以属于人流量采集装置的采集范围，通过人流量采集装置可以实时采集候选路段的人流量信息。在机器人出行场景中尤其是餐厅场景，人为因素是影响候选路段中路况的关键因素。人流量采集装置可以为人流量计数器，也可以通过红外传感器检测人流量；人流量传感器也可以为图像传感器，通过采集候选路段的图像，并对图像进行识别得到人流量。本申请实施例对人流量采集装置不做具体限定。
每个候选路段可以设置有自身的人流量采集装置，可以直接将自身的人流量采集装置所确定的人流量作为自身的人流量。也可以一个人流量采集装置的采集区域覆盖多个候选路段，还需要根据人流量采集装置所确定的人流量确定所覆盖的各候选路段的人流量。
在一种可选实施方式中，所述确定所述候选路段的当前人流量，包括：获取人流量采集器所采集的初始人流量数据；根据所述人流量采集器的位置和候选路段的位置，对所述初始人流量数据进行分析，得到所述候选路段的当前人流量。
具体的，在获取人流量采集器所采集的初始人流量数据后，还根据人流量采集器的位置和人流量采集器所覆盖区域中各候选路段的位置，确定人流量采集器与候选路段之间的位置关系如距离和方向，并根据位置关系将初始人流量数据划分到各候选路段，得到各候选路段的当前人流量。通过根据人流量采集器与候选路段之间的位置关系将通过人流量采集器所采集的初始人流量数据划分到各候选路段得到各候选路段的当前人流量，能够提高候选路段的当前人流量的准确度，并且通过单个人流量采集器覆盖多个候选路段相比于每个候选路段均设置人流量采集器，还能够减少人流量采集器数量，降低成本。
S140，根据所述候选路段的历史出行速度和所述当前人流量，从所述至少两个候选出行路径中为所述目标机器人选择目标出行路径。
其中，所述目标出行路径可以为至少两个候选出行路径中耗时最短的出行路径。每一候选出行路径的耗时可以通过对该候选出行路径中各候选路况的耗时进行累加得到。其中，候选路段的耗时可以根据拥堵程度、历史出行速度、历史人流量等确定。
具体的，可以根据候选路段的历史出行速度、当前人流量，确定候选路段的当前出行时长，并对候选出行路径中各候选路段的当前出行时长进行累加得到候选出行路径的当前耗时，根据各候选出行路径的当前耗时对各候选出行路径进行排序，并根据排序结果从各候选出行路径中选择目标出行路径，例如将当前耗时最短的候选出行路径作为目标出行路径。通过历史出行速度能够反映候选路段的周期性路况特征，通过当前人流量反映候选路段的实时路况特征，结合候选路段的历史出行速度、当前人流量确定候选路段的当前出行时长，能够提高当前出行时长的准确度，从而提高目标出行路径的准确度。
本实施例方案通过根据候选出行路径中候选路段在历史同期的历史出行速度、候选路段的当前人流量确定候选出行路径所耗费的时长，并根据候选出行路径所耗费的时长为目标机器人选择目标出行路径，由于在路径选择过程中融入了候选路段的周期性路况特征、实时路段特征，能够提高目标机器人的出行效率。
在一种可选实施方式中，所述确定所述候选出行路径中候选路段在历史同期的历史出行速度，包括：
A、确定营业类型和营业时间段，其中，所述营业类型为工作日或节假日。
其中，营业时间段可以根据机器人所处场景确定，仍以餐厅场景为例，营运时间段可以为午餐、下午茶、晚餐等。结合营业类型和营业时间段，可以将机器人的工作时间划分为多个工作周期，如工作日午餐、工作日下午茶、工作日晚餐、节假日午餐、节假日下午茶、节假日晚餐等。
B、根据所述营业类型和所述营业时间段，选择历史机器人在历史同期的历史出行数据。
其中，历史出行数据可以在历史机器人的出行过程中预先记录得到，并且历史出行数据可以标注有营业类型、营业时间段、出行路段等。具体的，获取目标机器人在当前工作周期的营业类型和营业时间段后，选择营业类型和营业时间段相同的历史工作周期作为历史同期，并根据历史出行数据的标注信息选择历史机器人在历史同期的历史出行数据。
C、根据所述历史出行数据，确定所述历史出行速度。
具体的，针对每一历史机器人，可以根据该历史机器人的历史出行数据确定该历史机器人的出行速度；对各历史机器人的出行速度求均值得到历史平均速度，且将历史平均速度作为历史出行速度。
通过根据营业类型和营业时间段，选择历史机器人在历史同期的历史出行数据，并根据各历史机器人的历史出行数据得到历史平均速度，且将历史平均速度作为历史出行速度，能够更准确的反映候选路段的周期性出行规律，进一步提高后续根据候选路段的历史出行速度、当前人流量选择目标出行路径的准确度。
实施例二
图2为本发明实施例二提供的一种机器人的出行方法的流程图，本实施例以上述实施例为基础进行细化，如图2所示，该方法包括以下具体步骤：
S210，为目标机器人规划至少两个候选出行路径。
S220，确定所述候选出行路径中候选路段在历史同期的历史出行速度。
S230，确定所述候选路段的当前人流量。
S240，根据所述候选路段的当前人流量，确定所述候选路段是否发生拥堵。
具体的，可以根据候选路段的当前人流量确定候选路段是否符合拥堵条件，在符合拥堵条件的情况下，确定候选路段发生拥堵；否则，确定候选路段未发生拥堵。
在一种可选实施方式中，S240可以包括：比较所述候选路段的当前人流量和所述候选路段的人流量阈值；若所述当前人流量大于所述人流量阈值，则确定所述候选路段发生拥堵。
其中，所述人流量阈值在每个候选路径的每个候选路段不同，人流量阈值可以人为设定，例如可以基于该候选路段的地理位置、路段类型以及受人为因素干扰的程度对人流量阈值按经验进行设置。人流量阈值也可以通过对候选路段的历史出行数据尤其是历史出行速度、历史人流量进行统计得到。
具体的，将获取到的当前人流量同人流量阈值进行比较；若当前人流量小于人流量阈值，则确定所述候选路段未发生拥堵，若当前人流量大于人流量阈值，则确定所述候选路段发生拥堵。通过比较候选路段的当前人流量和候选路段的人流量阈值，确定候选路段是否发生拥堵，能够准确地预先判断候选路段当前的路况，提高了候选路段路况判断的准确性。
S250，若所述候选路段发生拥堵，则确定所述候选路段的当前拥堵程度。
其中，拥堵程度可以根据候选路段的当前人流量确定，也可以根据其他机器人在所述候选路段的当前平均速度来确定。
在一种可选实施方式中，确定所述候选路段的当前拥堵程度包括：根据其他机器人在所述候选路段的当前速度，确定所述候选路段的当前平均速度；根据所述候选路段的当前人流量和/或所述当前平均速度，确定所述候选路段的当前拥堵程度。
服务器获取其他机器人的数据信息可以包括其他机器人的所在位置、其他机器人的当前速度等信息，确定其他机器人在候选路段的当前速度，并根据其他机器人在候选路段的当前速度计算出候选路段的当前平均速度；根据候选路段的当前人流量或当前平均速度，确定候选路段的当前拥堵程度。
具体的，候选路段当前人流量与拥堵程度呈正比关系，当前人流量越大，拥堵程度越大，当前人流量越小，拥堵程度越小。相反的，候选路段当前平均速度与拥堵程度呈反比关系，当前平均速度越小，拥堵程度越大，当前平均速度越大，拥堵程度越小。服务器可以根据当前人流量来确定候选路段的当前拥堵程度，也可以根据当前平均速度来确定候选路段的当前拥堵程度。通过候选路段的当前人流量或当前平均速度，确定候选路段的当前拥堵程度，能够准确的判断出拥堵路段的拥堵程度，从而提高拥堵的候选路段出行时长的准确性。
S260，根据所述候选路段的历史出行速度和所述当前拥堵程度，从所述至少两个候选出行路径中为所述目标机器人选择目标出行路径。
具体的，通过历史出行速度确定目标机器人通过候选路段的常规时长，通过候选路段的当前拥堵程度确定通过候选路段的拥堵耗时。
在一种可选实施方式中，根据所述候选路段的历史出行速度和所述当前拥堵程度，从所述至少两个候选出行路径中为所述目标机器人选择目标出行路径包括：
A、根据所述候选路段的当前拥堵程度，以及所述候选路段的历史拥堵耗时与历史拥堵程度之间的关联关系，确定所述候选路段的当前拥堵耗时。
其中，候选路段的当前拥堵程度与历史拥堵程度可以采用相同的确定方式。例如，若采用候选路段的当前人流量的方式确定拥堵程度，则当前拥堵程度与历史拥堵程度均采用当前人流量的方式确定，同理，若采用候选路段的当前平均速度确定拥堵程度，则当前拥堵程度与历史拥堵程度均采用当前平均速度确定。
具体的，所述历史拥堵耗时与历史拥堵程度之间的关系可以按照提前预设好的某一规则进行关联，也可以通过机器学习的方式，对大量历史出行数据，包括历史拥堵耗时、历史拥堵程度等，通过相关算法进行学习，最终得到历史拥堵耗时与历史拥堵程度之间的关联关系。同理，通过相同预设规则或者机器学习的方式根据当前拥堵程度确定候选路段的当前拥堵耗时。
B、根据所述历史出行速度，确定候选路段的常规耗时。
具体的，通过候选路段的历史出行速度与候选路段长度确定候选路段的常规耗时。
C、根据所述候选路段的当前拥堵耗时和所述常规耗时，确定所述候选路段的当前出行时长。
具体的，候选路段的当前出行时长为候选路段的常规耗时与当前拥堵耗时的叠加。
D、根据所述候选路段的当前出行时长，从所述至少两个候选出行路径中为所述目标机器人选择目标出行路径。
具体的，候选出行路径时长为各候选路段的时长叠加，目标出行路径为候选路段时长叠加后的用时最短的路径。通过候选路段的拥堵程度以及候选路段的历史拥堵耗时与历史拥堵程度之间的关联关系，确定候选路段的当前拥堵耗时，能够准确的确定候选出行路径的出行时长，提高候选出行路径出行时长的准确度，从而更加准确的选择目标出行路径。
需要说明的是，若候选路段未发生拥堵，则可以直接根据候选路段的历史出行速度确定候选路段的常规耗时，并根据候选路段的常规耗时，从至少两个候选出行路径中选择目标出行路径。
本实施例通过确定候选路段是否发生拥堵以及当前拥堵程度来确定各个候选路段通行时长，并根据各候选路段确定候选路径通行时长，最后从候选路径中确定目标出行路径。解决了如何为目标机器人规划出行路径的问题，实现了目标机器人在最短时间内到达终点的目的，提高了机器人的工作效率。
实施例三
图3为本发明实施例三提供的一种机器人的出行装置的结构示意图。本发明实施例所提供的一种机器人的出行装置可执行本发明任意实施例所提供的一种机器人的出行方法，具备执行方法相应的功能模块和有益效果。该装置可采用软件和/或硬件的方式实现，如图3所示，所述机器人的出行装置具体包括：路径规划模块310、历史速度确定模块320、人流量确定模块330、路径选择模块340。
其中，路径规划模块310，用于为目标机器人规划至少两个候选出行路径。
历史速度确定模块320，用于确定所述候选出行路径中候选路段在历史同期的历史出行速度。
人流量确定模块330，用于确定所述候选路段的当前人流量。
路径选择模块340，用于根据所述候选路段的历史出行速度和所述当前人流量，从所述至少两个候选出行路径中为所述目标机器人选择目标出行路径。
可选的，路径选择模块340包括：
拥堵路段检测单元，用于根据所述候选路段的当前人流量，确定所述候选路段是否发生拥堵。
拥堵程度确定单元，用于所述候选路段发生拥堵时，确定所述候选路段的当前拥堵程度。
目标路径选择单元，用于根据所述候选路段的历史出行速度和所述当前拥堵程度，从所述至少两个候选出行路径中为所述目标机器人选择目标出行路径。
可选的，拥堵路段检测单元具体用于：
比较所述候选路段的当前人流量和所述候选路段的人流量阈值；
通过比较所述候选路段的当前人流量和所述候选路段的人流量阈值确定所述候选路段是否发生拥堵。
可选的，拥堵程度确定单元具体用于：
根据其他机器人在所述候选路段的当前速度，确定所述候选路段的当前平均速度；
根据所述候选路段的当前人流量和/或所述当前平均速度，确定所述候选路段的当前拥堵程度。
可选的，目标路径选择单元具体用于：
根据所述候选路段的当前拥堵程度，以及所述候选路段的历史拥堵耗时与历史拥堵程度之间的关联关系，确定所述候选路段的当前拥堵耗时；
根据所述历史出行速度，确定候选路段的常规耗时；
根据所述候选路段的当前拥堵耗时和所述常规耗时，确定所述候选路段的当前出行时长；
根据所述候选路段的当前出行时长，从所述至少两个候选出行路径中为所述目标机器人选择目标出行路径。
可选的，历史速度确定模块320具体用于：
确定营业类型和营业时间段；其中，所述营业类型为工作日或节假日；
根据所述营业类型和所述营业时间段，选择历史机器人在历史同期的历史出行数据；
根据所述历史出行数据，确定所述历史出行速度。
可选的，人流量确定模块330具体用于：
获取人流量采集器所采集的初始人流量数据；
根据所述人流量采集器的位置和候选路段的位置，对所述初始人流量数据进行分析，得到所述候选路段的当前人流量。
本实施例方案通过根据候选出行路径中候选路段在历史同期的历史出行速度、候选路段的当前人流量确定候选出行路径所耗费的时长，并根据候选出行路径所耗费的时长为目标机器人选择目标出行路径，由于在路径选择过程中融入了候选路段的周期性路况特征、实时路段特征，能够提高目标机器人的出行效率。
实施例四
图4为本发明实施例四提供的一种计算机设备的结构示意图，如图4所示，该计算机设备包括处理器410、存储器420、输入装置430和输出装置440；设备中处理器410的数量可以是一个或多个，图4中以一个处理器410为例；设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的机器人的出行方法对应的程序指令/模块(路径规划模块310、历史速度确定模块320、人流量确定模块330、路径选择模块340)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的机器人的方法。
存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种机器人的出行方法，该方法包括：
为目标机器人规划至少两个候选出行路径；
确定所述候选出行路径中候选路段在历史同期的历史出行速度；
确定所述候选路段的当前人流量；
根据所述候选路段的历史出行速度和所述当前人流量，从所述至少两个候选出行路径中为所述目标机器人选择目标出行路径。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的机器人的出行方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明实施例可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明实施例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，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明实施例各个实施例所述的方法。
值得注意的是，上述机器人的出行装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种机器人的出行方法，其特征在于，包括：
为目标机器人规划至少两个候选出行路径；
确定所述候选出行路径中候选路段在历史同期的历史出行速度；
确定所述候选路段的当前人流量；
根据所述候选路段的历史出行速度和所述当前人流量，从所述至少两个候选出行路径中为所述目标机器人选择目标出行路径。
2.根据权利要求1所述的方法，其特征在于，所述根据所述候选路段的历史出行速度和所述当前人流量，从所述至少两个候选出行路径中为所述目标机器人选择目标出行路径，包括：
根据所述候选路段的当前人流量，确定所述候选路段是否发生拥堵；
若所述候选路段发生拥堵，则确定所述候选路段的当前拥堵程度；
根据所述候选路段的历史出行速度和所述当前拥堵程度，从所述至少两个候选出行路径中为所述目标机器人选择目标出行路径。
3.根据权利要求2所述的方法，其特征在于，所述根据所述候选路段的当前人流量，确定所述候选路段是否发生拥堵，包括：
比较所述候选路段的当前人流量和所述候选路段的人流量阈值；
若所述当前人流量大于所述人流量阈值，则确定所述候选路段发生拥堵。
4.根据权利要求2所述的方法，其特征在于，所述确定所述候选路段的当前拥堵程度，包括：
根据其他机器人在所述候选路段的当前速度，确定所述候选路段的当前平均速度；
根据所述候选路段的当前人流量和/或所述当前平均速度，确定所述候选路段的当前拥堵程度。
5.根据权利要求2所述的方法，其特征在于，所述根据所述候选路段的历史出行速度和所述当前拥堵程度，从所述至少两个候选出行路径中为所述目标机器人选择目标出行路径，包括：
根据所述候选路段的当前拥堵程度，以及所述候选路段的历史拥堵耗时与历史拥堵程度之间的关联关系，确定所述候选路段的当前拥堵耗时；
根据所述历史出行速度，确定候选路段的常规耗时；
根据所述候选路段的当前拥堵耗时和所述常规耗时，确定所述候选路段的当前出行时长；
根据所述候选路段的当前出行时长，从所述至少两个候选出行路径中为所述目标机器人选择目标出行路径。
6.根据权利要求1所述的方法，其特征在于，所述确定所述候选出行路径中候选路段在历史同期的历史出行速度，包括：
确定营业类型和营业时间段；其中，所述营业类型为工作日或节假日；
根据所述营业类型和所述营业时间段，选择历史机器人在历史同期的历史出行数据；
根据所述历史出行数据，确定所述历史出行速度。
7.根据权利要求1所述的方法，其特征在于，所述确定所述候选路段的当前人流量，包括：
获取人流量采集器所采集的初始人流量数据；
根据所述人流量采集器的位置和候选路段的位置，对所述初始人流量数据进行分析，得到所述候选路段的当前人流量。
8.一种机器人的出行装置，其特征在于，包括：
路径规划模块，用于为目标机器人规划至少两个候选出行路径；
历史速度确定模块，用于确定所述候选出行路径中候选路段在历史同期的历史出行速度；
人流量确定模块，用于确定所述候选路段的当前人流量；
路径选择模块，用于根据所述候选路段的历史出行速度和所述当前人流量，从所述至少两个候选出行路径中为所述目标机器人选择目标出行路径。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1-7中任一所述的机器人的出行方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的机器人的出行方法。
CN202111014649.5A 2021-08-31 2021-08-31 一种机器人的出行方法、装置、设备及存储介质 Active CN113715020B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111014649.5A CN113715020B (zh) 2021-08-31 2021-08-31 一种机器人的出行方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111014649.5A CN113715020B (zh) 2021-08-31 2021-08-31 一种机器人的出行方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113715020A true CN113715020A (zh) 2021-11-30
CN113715020B CN113715020B (zh) 2023-03-21

Family

ID=78679942

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111014649.5A Active CN113715020B (zh) 2021-08-31 2021-08-31 一种机器人的出行方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113715020B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009210532A (ja) * 2008-03-06 2009-09-17 Navitime Japan Co Ltd 地図表示システム、経路探索サーバおよび経路探索方法ならびに端末装置
JP2011203828A (ja) * 2010-03-24 2011-10-13 Nec System Technologies Ltd 渋滞回避装置、車載装置、渋滞回避システム、渋滞回避方法およびプログラム
CN103512581A (zh) * 2012-06-28 2014-01-15 北京搜狗科技发展有限公司 一种路径规划方法和装置
WO2016019688A1 (zh) * 2014-08-05 2016-02-11 华为技术有限公司 一种路径导航方法、服务器及移动终端
CN105387865A (zh) * 2015-10-16 2016-03-09 上海博泰悦臻网络技术服务有限公司 一种基于交通道路数据的路径规划方法及系统
US9910487B1 (en) * 2013-08-16 2018-03-06 Ca, Inc. Methods, systems and computer program products for guiding users through task flow paths
US20190219413A1 (en) * 2018-01-12 2019-07-18 Ford Global Technologies, Llc Personalized roadway congestion notification
CN110345953A (zh) * 2018-04-03 2019-10-18 国民技术股份有限公司 车辆路线确定方法、服务器及计算机可读存储介质
CN110378525A (zh) * 2019-07-15 2019-10-25 腾讯科技（深圳）有限公司 出行计划确定方法、装置、设备及存储介质
CN110702129A (zh) * 2019-05-31 2020-01-17 北京嘀嘀无限科技发展有限公司 用于路径规划的系统和方法
CN111380530A (zh) * 2018-12-28 2020-07-07 青岛云天励飞科技有限公司 导航方法及相关产品
CN111858786A (zh) * 2019-06-06 2020-10-30 北京嘀嘀无限科技发展有限公司 用于在路径规划中提供通行时间置信度的系统和方法
CN112461256A (zh) * 2021-02-03 2021-03-09 中智行科技有限公司 路径规划方法和装置
CN112489433A (zh) * 2020-12-17 2021-03-12 华为技术有限公司 交通拥堵分析方法及装置

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009210532A (ja) * 2008-03-06 2009-09-17 Navitime Japan Co Ltd 地図表示システム、経路探索サーバおよび経路探索方法ならびに端末装置
JP2011203828A (ja) * 2010-03-24 2011-10-13 Nec System Technologies Ltd 渋滞回避装置、車載装置、渋滞回避システム、渋滞回避方法およびプログラム
CN103512581A (zh) * 2012-06-28 2014-01-15 北京搜狗科技发展有限公司 一种路径规划方法和装置
US9910487B1 (en) * 2013-08-16 2018-03-06 Ca, Inc. Methods, systems and computer program products for guiding users through task flow paths
WO2016019688A1 (zh) * 2014-08-05 2016-02-11 华为技术有限公司 一种路径导航方法、服务器及移动终端
CN105387865A (zh) * 2015-10-16 2016-03-09 上海博泰悦臻网络技术服务有限公司 一种基于交通道路数据的路径规划方法及系统
US20190219413A1 (en) * 2018-01-12 2019-07-18 Ford Global Technologies, Llc Personalized roadway congestion notification
CN110345953A (zh) * 2018-04-03 2019-10-18 国民技术股份有限公司 车辆路线确定方法、服务器及计算机可读存储介质
CN111380530A (zh) * 2018-12-28 2020-07-07 青岛云天励飞科技有限公司 导航方法及相关产品
CN110702129A (zh) * 2019-05-31 2020-01-17 北京嘀嘀无限科技发展有限公司 用于路径规划的系统和方法
CN111858786A (zh) * 2019-06-06 2020-10-30 北京嘀嘀无限科技发展有限公司 用于在路径规划中提供通行时间置信度的系统和方法
CN110378525A (zh) * 2019-07-15 2019-10-25 腾讯科技（深圳）有限公司 出行计划确定方法、装置、设备及存储介质
CN112489433A (zh) * 2020-12-17 2021-03-12 华为技术有限公司 交通拥堵分析方法及装置
CN112461256A (zh) * 2021-02-03 2021-03-09 中智行科技有限公司 路径规划方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵青等: "一种融合行人预测信息的局部路径规划算法", 《武汉大学学报(信息科学版)》 *

Also Published As

Publication number Publication date
CN113715020B (zh) 2023-03-21

Similar Documents

Publication Publication Date Title
US10242568B2 (en) Adjustment of a learning rate of Q-learning used to control traffic signals
CN108133611A (zh) 车辆行驶轨迹监测方法及系统
WO2018217806A1 (en) Road traffic control system, method, and electronic device
US11195410B2 (en) System and method for generating a traffic heat map
CN109993969A (zh) 一种路况判定信息获取方法、装置及设备
CN110363984B (zh) 交通流量预测方法和设备
CN112200830A (zh) 一种目标跟踪方法及设备
CN112885130B (zh) 呈现道路信息的方法和装置
CN113807270A (zh) 道路拥堵检测方法、装置及电子设备
CN115497331B (zh) 一种泊车方法、装置、设备及车辆
CN110598917A (zh) 一种基于路径轨迹的目的地预测方法、系统及存储介质
RU2664034C1 (ru) Способ и система создания информации о трафике, которая будет использована в картографическом приложении, выполняемом на электронном устройстве
CN112149471A (zh) 一种基于语义点云的回环检测方法及装置
CN113715020B (zh) 一种机器人的出行方法、装置、设备及存储介质
CN110827537A (zh) 一种潮汐车道的设置方法、装置及设备
WO2024099113A1 (zh) 机器人的限速方法、装置及电子设备
CN113733086A (zh) 一种机器人的出行方法、装置、设备及存储介质
US20190360834A1 (en) Method and Device For Determining Geographical Location For User to Take Bus
CN112985440A (zh) 行驶轨迹偏移的检测方法、装置、存储介质及程序产品
CN116794619A (zh) 雷达调试处理方法、装置、电子设备以及存储介质
CN110986992A (zh) 无人售卖车辆的导航方法、装置、电子设备和存储介质
CN111243266B (zh) 一种车辆信息的确定方法、装置及电子设备
Chandio et al. Towards adaptable and tunable cloud-based map-matching strategy for GPS trajectories
CN115497298A (zh) 交通监测方法、装置、电子设备和存储介质
CN113850837B (zh) 视频处理方法、装置、电子设备、存储介质及计算机产品

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