CN114137973B - 一种路径规划的方法、装置、设备及存储介质 - Google Patents

一种路径规划的方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114137973B
CN114137973B CN202111420501.1A CN202111420501A CN114137973B CN 114137973 B CN114137973 B CN 114137973B CN 202111420501 A CN202111420501 A CN 202111420501A CN 114137973 B CN114137973 B CN 114137973B
Authority
CN
China
Prior art keywords
path
path segment
optimal
time
determining
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
Application number
CN202111420501.1A
Other languages
English (en)
Other versions
CN114137973A (zh
Inventor
潘安金
张云龙
廖永健
杨鸿林
江吉兵
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.)
Hubei Eve Power Co Ltd
Original Assignee
Hubei Eve Power 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 Hubei Eve Power Co Ltd filed Critical Hubei Eve Power Co Ltd
Priority to CN202111420501.1A priority Critical patent/CN114137973B/zh
Publication of CN114137973A publication Critical patent/CN114137973A/zh
Application granted granted Critical
Publication of CN114137973B publication Critical patent/CN114137973B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Navigation (AREA)

Abstract

本申请公开一种路径规划的方法、装置、设备及存储介质,方法包括:确定起始位置及目标位置,获取起始位置与目标位置之间的多条移动路径;分别将各移动路径切分成路径片段,得到路径片段集合;从多条移动路径中确定最优移动路径;在目标对象按照最优移动路径移动的过程中,获取目标对象所在的实时路径片段;从路径片段集合中确定实时路径片段对应的下一路径片段集合,从下一路径片段集合中确定最优路径片段;若最优移动路径中位于实时路径片段的下一路径片段与最优路径片段不一致,则切换至最优路径片段。本申请将求取最佳移动路线问题转化为求最优路径片段问题,实现每个选择都是当前最佳的选择,可以为用户提供实时的、最优的规划路径。

Description

一种路径规划的方法、装置、设备及存储介质
技术领域
本申请实施例涉及导航处理技术,尤其涉及一种路径规划的方法、装置、设备及存储介质。
背景技术
目前,无论是陆地交通、其他类型的交通又或者是智能机器人等领域,对导航技术的依赖性越来越强。现有的导航技术中,通常是根据出发地和目的地,结合路况信息规划出最佳的导航路线供用户使用,属于一次性最优路径规划,但是路况信息是在动态变化的,例如道路拥堵的情况、道路充电桩空闲情况等。在用户进行移动的过程中,很可能因为路况信息改变,而原规划的导航路线已经不是最佳的导航路线。
发明内容
本申请提供一种路径规划的方法、装置、设备及存储介质,解决其他路径规划方案无法规避道路情况变化等因素带来的影响,保证导航路径的实时性和最优性,提升用户使用导航的满意度。
第一方面,本申请实施例提供了一种路径规划的方法,所述方法包括:
确定起始位置及目标位置,并获取从所述起始位置到达所述目标位置之间的多条移动路径;
分别将各移动路径切分成路径片段,得到路径片段集合;
从所述多条移动路径中确定最优移动路径;
在目标对象按照所述最优移动路径移动的过程中,获取所述目标对象所在的实时路径片段;
从所述路径片段集合中确定所述实时路径片段对应的下一路径片段集合,并从所述下一路径片段集合中确定最优路径片段;
若所述最优移动路径中位于所述实时路径片段的下一路径片段与所述最优路径片段不一致,则切换至所述最优路径片段。
第二方面,本申请实施例还提供了一种路径规划的装置,所述装置包括:
位置确定模块,用于确定起始位置及目标位置;
移动路径获取模块,用于获取从所述起始位置到达所述目标位置之间的多条移动路径;
路径片段集合组织模块,用于分别将各移动路径切分成路径片段,得到路径片段集合;
最优移动路径确定模块,用于从所述多条移动路径中确定最优移动路径;
实时路径片段获取模块,用于在目标对象按照所述最优移动路径移动的过程中,获取所述目标对象所在的实时路径片段;
最优路径片段确定模块,用于从所述路径片段集合中确定所述实时路径片段对应的下一路径片段集合,并从所述下一路径片段集合中确定最优路径片段;
最优路径片段切换模块,用于当所述最优移动路径中位于所述实时路径片段的下一路径片段与所述最优路径片段不一致,则切换至所述最优路径片段。
第三方面,本申请实施例还提供了一种电子设备,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,所述处理器执行所述程序时实现上述的方法。
第四方面,本申请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,该程序被处理器执行时实现上述的方法。
本申请具有如下有益效果:
通过对起始位置和目标位置之间的各移动路径进行切分成路径片段,得到路径片段集合,在目标对象按照多条移动路径中最优移动路径移动的过程中,获取目标对象所在的实时路径片段,从路径片段集合中确定实时路径片段对应的下一路径片段集合,并从下一路径片段集合中确定最优路径片段,当最优移动路径中位于实时路径片段的下一路径片段与最优路径片段不一致,则切换至最优路径片段,本申请将求取最佳移动路线问题转化为求解最优路径片段问题,实现每个选择都是当前最佳的选择,可以为用户提供动态的、实时的、最优的规划路径。
附图说明
图1是本申请实施例一提供的一种路径规划的方法实施例的流程图;
图2是本申请实施例一提供的一种车辆移动路径的示意图;
图3是本申请实施例二提供的一种路径规划的装置实施例的结构框图;
图4是本申请实施例三提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请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申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
实施例一
图1为本申请实施例一提供的一种路径规划的方法实施例的流程图,下面结合图1详细说明实施例一。本申请实施例一提供一种路径规划的方法,本实施例的方法可以由导航路线规划装置来执行,该装置可以由软件和/或硬件来实现,可以集成于导航服务器中,与地图类应用软件客户端配合使用。其目标对象可以是电动车、电单车、车辆、船舶、智能机器人、有人/无人飞机等。
如图1所示,本实施例可以包括如下步骤:
步骤110、确定起始位置及目标位置,并获取从起始位置到达目标位置之间的多条移动路径。
在该步骤中,起始位置和目标位置可以是通过接收用户在终端输入的地址信息得到。也可以是来自其他服务器中查询得到,例如,可以自动送货的机器人中的导航路线规划装置,可以根据客户下单的地址抓取目标位置,根据机器人本身的定位装置确定的当前位置得到起始位置。
在确定起始位置及目标位置之后,往往可以有多条移动路径实现从起始位置到达目标位置。在目前的导航技术中,根据起点和终点得到多条路径供用户选择的技术相对成熟,本实施例对此不做过多的解释。
参考图2的车辆移动路径的示意图,从车辆位置到旗子位置之间,可供车辆移动前往的路径可以有多条。
步骤120、分别将各移动路径切分成路径片段,得到路径片段集合。
该步骤中,对根据起点和终点而得到的多条移动路径,分别进行切分。切分的标准可以是按照一定的里程进行切分,例如每一千米切分为一个路径片段;可以是按照路径的属性变换点作为切分点,示例性的,路径的属性可以是上下行路、环岛、内部路等。
将各移动路径按照一定的切分标准进行切分,获得多个路径片段后,将路径片段组成路径片段集合。
在具体实现时,不同的移动路径可能存在有部分路径片段相同的情况,判断路径片段是否相同时,可以确定所有路径片段起点和终点以及路径片段的长度,如果存在起点和终点位置信息一致,且路径片段长度也相同的路径片段,则判断为路径片段相同。进一步,当判断出有相同的路径片段时,可以只把多个相同路径片段中的其中一个路径片段加入到路径片段集合中。
在另一种具体实现中,可以先把所有的路径片段都加入到路径片段集合中,再进行判断是否存在路径片段相同的情况,若存在,则对路径片段集合进行去重处理。
在一种实施例中,移动路径包括道路节点,步骤120包括如下步骤:
以道路节点为分割点,对移动路径进行切分,得到多个路径片段;
将所有移动路径的路径片段组织成路径片段集合。
在该步骤过程中,移动路径中通常存在着多个道路节点,例如在陆地交通的路网中,对道路节点的理解可以是交叉路口、高速路出入口、允许进行转向操作的位置等,而路径片段可以是两节点之间连接的弧。以道路节点为分割点对移动路径进行切分,可以保证每个路径片段都属于同样的道路属性,并且这样切分得到的路径片段可以尽可能地对移动路径进行合理的细分,以便供后续使用。对移动路径进行切分后,可以将对移动路径的分析转换成对各路径片段的分析,使分析的结果更加准确、实时和符合移动对象的需求。
对得到的多个路径片段组织成路径片段集合,同样的,可以对相同的路径片段进行判断,以实现路径片段集合中没有相同的路径片段重复,以减少后续利用路径片段集合时的计算量。
步骤130、从多条移动路径中确定最优移动路径。
该步骤中,在根据起始位置和目标位置确定了多条移动路径后,从多条移动路径中确定最优移动路径。最优移动路径可以是指用时最短,里程最短,收费最少或者红绿灯最少等,可以为不同特性的移动路径贴上其特性标签,然后通过终端展示给用户,供用户选择。
另外,也可以是按照提前预设好的考虑因素进行自动选择,例如设定时间最优,则自动为用户推送用时最短的移动路径作为移动路径;还可以是对不同的考虑因素设置权重或者设置评分规则,通过对各条移动路径的不同考虑因素进行比较和计算,最终确定最优移动路径。示例性的,考虑因素为预计时长和里程,移动路径有3条,对这3条移动路径的预计用时和路径里程长度进行排名,第一名的得分为50,第二名的得分为40,第三名的得分为30,如果这3条移动路径中,其中一条移动路径的预计用时最短,即排名第一,路径里程长度为3条路径中的第二短,即排名第二,则该条移动路径的得分为40分与30分的和,总得分为70分。计算出所有移动路径的得分,最高分的移动路径可以确定为最优移动路径。
步骤140、在目标对象按照最优移动路径移动的过程中,获取目标对象所在的实时路径片段。
该步骤中,在确定最优移动路径后,将其作为导航路线为目标对象提供导航服务,在目标对象移动过程中,可以根据目标对象的实时位置与路径片段集合中各路径片段的位置进行配对,来确定当前所在的实时路径片段。
步骤150、从路径片段集合中确定实时路径片段对应的下一路径片段集合,并从下一路径片段集合中确定最优路径片段。
该步骤中,在确定目标对象所在的实时路径片段后,可以根据实时路径片段的最末道路节点来确定对应的下一路径片段,即以实时路径片段的最末道路节点作为最初道路节点的路径片段,为对应的下一路径片段。
在确定了所有的实时路径片段对应的下一路径片段后,将其组成下一路径片段集合,在下一路径片段集合中,可以按照前面所提及的从多条移动路径中确定最优移动路径的多个方法,来确定其中的最优路径片段。
在一种实施例中,针对步骤150中从下一路径片段集合中确定最优路径片段,包括:
确定下一路径片段集合中各路径片段的路径长度,并将路径长度最短的路径片段确定为最优路径片段。
该步骤中,可以根据用户的需求来确定最优路径片段,其中,可以对下一路径片段集合所有的路径片段长度进行确定,然后对各路径片段长度进行比较,路径长度最短的路径片段可以确定为最优路径片段。将路径片段长度最短的片段作为最优路径片段来进行移动时,意味着耗费的能量例如汽油、电能等耗能较少。需要注意的是,路径片段长度最短并不意味着其通行时间也是最少,例如里程较短但是红绿灯较多,在等待红绿灯上耗费的时间更多,导致总体通过该路径片段的时间变长。
在另外一种实施例中,针对步骤150中从下一路径片段集合中确定最优路径片段,包括:
步骤150-1、确定下一路径片段集合中各路径片段的路径长度。
步骤150-2、获取各路径片段的路况信息,路况信息包括最大限速信息以及平均速度信息。
在该步骤中,各路径片段的最大限速信息可以通过相应的路网系统的数据库得到,还可以通过利用摄像设备对道路的指示牌进行信息的捕获而得到。
而平均速度信息可以是在该路径片段中存在的移动对象的平均速度,示例性的,如果路径片段为陆地上的道路片段,则平均速度信息为除了目标对象以外的,道路片段上的其他车辆的平均速度。如果路径片段为航海片段,则平均速度信息为除了目标对象以外的,航海片段上的其他船只的平均速度。另外,平均速度信息可以是通过路径片段的测速系统得到当前平均速度,也可以是当前平均速度结合历史以往的平均速度所得到的平均速度。获取平均速度信息对于后续的路径拥堵分析,目标对象的预计通行时间分析等都起到重要的作用。
步骤150-3、基于路径长度与最大限速信息,确定第一移动时长。
该步骤中,根据运动学基本公式,将路径长度与最大限速信息中的最大速度进行除法计算,可以得到第一移动时长,第一移动时长表示在符合道路规则的前提下,通过该路径长度所需要的最短时间。
步骤150-4、基于路径长度与平均速度信息,确定第二移动时长。
该步骤中,将路径长度与平均速度信息进行除法计算,可以得到第二移动时长,第二移动时长表示通过该路径长度所需要的平均时间。
步骤150-5、基于第一移动时长以及第二移动时长确定路径片段的理论通行时间。
该步骤中,在对目标对象在路径片段的理论通行时间进行计算时,需要对路况信息进行考虑,即第一移动时长以及第二移动时长会影响目标对象在路径片段的理论通行时间。
步骤150-6、将理论通行时间最短的路径片段确定为最优路径片段。
通过上述步骤得到了下一路径片段集合中各路径片段的理论通行时间,可以将理论通行时间最短的路径片段确定为最优路径片段,将其作为导航路线为用户提供导航服务。
在一种实施例中,路况信息还包括实时拥堵信息,步骤150-5包括如下步骤:
获取目标对象的移动属性信息,移动属性信息包括历史最大速度以及历史平均速度;
根据历史最大速度确定第一目标对象系数;
根据历史平均速度确定第二目标对象系数;
根据实时拥堵信息确定拥堵系数;
基于第一目标对象系数、第二目标对象系数、拥堵系数、第一移动时长以及第二移动时长,计算路径片段的理论通行时间。
在该过程中,计算路径片段的理论通行时间时,在考虑第一移动时长以及第二移动时长时,可以同时考虑实时拥堵信息以及目标对象的移动属性。
目标对象的移动属性信息可以通过对目标对象的历史运动情况进行记录而来,可以分别针对历史最大速度以及历史平均速度训练两个不同的计算模型,使得当分别输入历史最大速度和历史平均速度进入这两个不同的计算模型时,不同的两个计算模型输出第一目标对象系数以及第二目标对象系数。示例性的,根据历史最大速度确定的第一目标对象系数,第一目标对象系数可以是最快车速行驶时间系数,根据历史平均速度确定的第二目标对象系数,第二目标对象系数可以是平均车速行驶时间系数。
在实现时,可以针对实时拥堵信息训练计算模型,从而得到拥堵情况对理论通行时间的影响,即输出拥堵系数,示例性的,可以基于路径片段的车流量预估拥堵情况,在计算模型中可以用道路车流量与道路车辆承载量的比值,来表征道路拥堵情况;也可以用道路车辆进入流量与出来流量的比值,来表征道路拥堵情况。还可以基于道路的车速预估拥堵情况,在计算模型中,用道路片段的实时平均车速与该道路片段历史平均车速的比值,来表征拥堵情况。
示例性的,通过计算模型分别得到第一目标对象系数、第二目标对象系数、拥堵系数后,可以通过如下计算公式,来确定路径片段的理论通行时间Wayt:
Wayt=c(aWayL/Vmax+bWayL/Vave)/2
其中,a为第一目标对象系数(最快车速行驶时间系数),b为第二目标对象系数(平均车速行驶时间系数),c为拥堵系数,WayL/Vmax的值为第一移动时长,WayL/Vave的值为第二移动时长。
在另一种实现中,还可以通过预测目标对象在路径片段中速度,再根据路径长度来计算理论通行时间,例如,可以基于目标对象在历史行驶同一或类似道路属性的路径片段时的移动速度建立速度预测模型,还可以基于目标对象在近几个路径片段的移动速度建立速度预测模型,在速度预测模型输出预测速度后,通过路径长度与预测车速的比值,得到理论通行时间。其中,在速度预测模型中还可以加入拥堵系数,拥堵系数用于对预测速度做修正处理。
步骤160、若最优移动路径中位于实时路径片段的下一路径片段与最优路径片段不一致,则切换至最优路径片段。
在步骤中,在确定了最优路径片段后,可以对最优路径片段与实时路径片段的下一路径片段进行匹配,如果匹配的结果是最优路径片段与实时路径片段的下一路径片段实际上是同一个路径片段,即按照最优移动路径的导航继续前进,下一个路径片段是一个最优的选择。如果实时路径片段的下一路径片段与最优路径片段不一致,意味着即按照最优移动路径的导航继续前进,下一路径片段并不是最优的选择,则切换至最优路径片段继续提供导航服务。
在一种实施例中,在步骤160之前,还包括如下步骤:
确定最优移动路径中位于实时路径片段的下一路径片段与最优路径片段的差异信息;
若差异信息满足预设差异条件,则判定最优移动路径中位于实时路径片段的下一路径片段与最优路径片段一致;
若差异信息不满足预设差异条件,则判定最优移动路径中位于实时路径片段的下一路径片段与最优路径片段不一致。
在一种实现中,在判断实时路径片段的下一路径片段与最优路径片段是否一致时,还可以允许存在误差,即就算不是同一个路径片段,但是当实时路径片段的下一路径片段与最优路径片段之间的差异在一定的范围内,这时可以把实时路径片段的下一路径片段看作近似最优路径片段,可以让目标对象按照原规划的最优移动路径进行移动,在确保移动路径的优异性的同时减少导航路线的频繁变化,给用户带来更好的使用感。
在一种实施例中,差异包括时间差异及路径长度差异的至少一种,针对确定最优移动路径中位于实时路径片段的下一路径片段与最优路径片段的差异信息,包括:
分别确定最优移动路径中位于实时路径片段的下一路径片段以及最优路径片段的通行时间或路径长度;
将最优移动路径中位于实时路径片段的下一路径片段的通行时间、与最优路径片段的通行时间的差值,作为时间差异;
将最优移动路径中位于实时路径片段的下一路径片段的路径长度、与最优路径片段的路径长度的差值,作为路径长度差异。
在该过程中,可以基于在进行最优路径片段计算时的考虑因素来对差异信息的选择进行确认,可以只考虑时间差异,可以只考虑路径长度差异,还可以同时考虑时间差异和路径长度差异,通过设置权重等方式来确认。示例性的,当差异信息为时间差异,当最优路径片段的通行时间为R2t,设T为允许误差,则实时路径片段的下一路径片段的通行时间RXT,满足RXT-R2t≤T时,可认为实时路径片段的下一路径片段与最优路径片段一致。当差异信息为路径长度差异,当最优路径片段的通行时间为R2d,设D为允许误差,则实时路径片段的下一路径片段的路径长度RXD,满足RXD-R2d≤D时,可认为实时路径片段的下一路径片段与最优路径片段一致。
若相应的差值超出了允许误差的范围,则认为实时路径片段的下一路径片段与最优路径片段不一致。
在一种实施例中,还包括:
接收目标对象的告警系统发送的告警信息,告警信息包括告警类型;
确定位于实时路径片段预设范围内的、与告警类型匹配的一个或多个资源供给位置;
确定目标资源供给位置;
将目标对象的实时位置作为起始位置,将目标资源供给位置作为目标位置,并继续执行获取从起始位置到达目标位置之间的多条移动路径的步骤。
该过程中,目标对象的告警系统可以根据目标对象的资源情况,例如剩余油量的信息、剩余电量信息、剩余可移动里程等,设置触发发送告警信息的条件,在设置触发条件时,可以考虑为移动目标预留一定的可移动里程,避免剩余可移动里程刚好等于剩余需要移动的里程,防止车辆到达目的地后,目标对象剩余的可移动里程过低。示例性的,建立剩余可移动里程约束,当路线规划中,车辆剩余可移动里程≤X时,必须充电,即告警系统发出告警信息。
当接收到来自目标对象的告警系统发送的告警信息,根据告警信息中的告警类型,在一定范围内匹配资源供给位置,其中在确定范围时,可以是基于目标对象的实时位置为圆心,剩余可移动里程为半径来进行确定,另一种实现中,半径还可以是小于剩余可移动里程,这样可以避免到达资源供给位置后目标对象能源耗尽的情况出现。在确定目标资源供给位置时,可以是通过终端展示多个位置供用户进行选择,将用户选定的位置作为目标资源供给位置,还可以是根据前设定的考虑因素,直接自动决策目标,例如把与当前位置距离最近的资源供给位置作为目标。在具体实现时,如果在设定的范围内没有匹配出对应的资源供给位置,可以向用户发出提示信息以使用户做好应对的准备。另外还可以向用户提供在范围以外,但是为当前距离最近的前若干个供给位置以供用户选择。
在确定了目标资源供给位置以后,可以将目标对象的实时位置作为起始位置,将目标资源供给位置作为途经点,也就是当前的目标位置,并继续执行获取从起始位置到达目标位置之间的多条移动路径的步骤。
在完成了资源补给后,可以把当前的资源供给位置作为起始位置,执行获取从起始位置到达目标位置之间的多条移动路径的步骤,前往原始设定的目标位置。
在出现目标对象需要进行资源补给的情况下,为用户提供的导航路线可能会增加前往资源补给的路径片段,这时在将剩余移动路径预计时长、路径片段预计时长等信息展示给用户时,需要更新为考虑了资源补给的路径片段情况的信息。
示例性的,以需要进行充电的车辆为例,参考图2,用户可以自行设定最优的模式,在最初确定最优移动路径或者当在道路节点前需要选择是否切换路线时,按预设的模式进行判断,例如时间最优(用时最短)或油耗最优(里程最短)。在对移动路径或者剩余移动路径进行时长预计时,可以根据每条移动路径的路径片段的实时路况,先求出所有需要经过的路径片段的预计时长,最后将所有路径片段的预计时长合计起来,即为移动路径或者剩余移动路径的预计时长。对移动路径的里程计算可以直接按照目前路网系统的数据与定位技术直接获得移动路径的长度,也可以同预计时长的思路一样,先求出路径片段的长度,再求和得到移动路径的长度。预计时长和路径长度等信息通过终端展示给用户,展示形式可以是文字和语音的结合等。
在移动路径中需要增加充电路径片段时,在对移动路径预计时间进行计算,除了按照路径片段的用时计算方式得到前往充电路径片段的时间,还需要加上移动目标的预估充电时间,在对充电时间进行预估时,还可以考虑是否需要排队的情况,可以根据充电站的负荷情况,通过计算模型得到排队耗时系数。预估充电时间计算公式为:
Ct=a*t+C/P
其中,a为排队耗时系数,C为需要目标对象充电的容量,P为充电桩的功率。
一次性路径规划无法规避动态道路信息和动态的充电桩信息变化的影响,本实施例中的实时的计算可以排除动态道路信息和动态的充电桩信息变化的影响从而确定最优解决方案。
在另外一种实现中,还可以通过如下方式来实现动态获得实时最优移动路径进行导航:
确定起始位置及目标位置,并获取从起始位置到达目标位置之间的多条移动路径;
分别将各移动路径切分成路径片段,得到路径片段集合;
从多条移动路径中确定最优移动路径;
在目标对象按照最优移动路径移动的过程中,获取目标对象所在的实时路径片段;
分别从路径片段集合中确定实时路径片段所在的所有移动路径的剩余路径片段集合;
分别确定所有剩余路径片段集合中所包含的最优路径片段的数量;
将数量最大的移动路径作为实时最优移动路径,若实时最优移动路径与最优移动路径不一致,则切换至实时最优移动路径。
在具体实现时,剩余路径片段集合可以是从实时路径片段到目的地的剩余所有路径片段,也可以是预设数量的剩余路径片段,例如实时路径片段的下五个路径片段中,含最优路径片段数量最大的移动路径,确定为实时最优移动路径。
在本发明实施例中,通过对起始位置和目标位置之间的各移动路径进行切分成路径片段,得到路径片段集合,在目标对象按照多条移动路径中最优移动路径移动的过程中,获取目标对象所在的实时路径片段,从路径片段集合中确定实时路径片段对应的下一路径片段集合,并从下一路径片段集合中确定最优路径片段,当最优移动路径中位于实时路径片段的下一路径片段与最优路径片段不一致,则切换至最优路径片段,本申请将求取最佳移动路线问题转化为求解最优路径片段问题,实现每个选择都是当前最佳的选择,可以为用户提供动态的、实时的、最优的规划路径。
实施例二
图3为本申请一种路径规划的装置实施例的结构框图,所述装置包括:
位置确定模块310,用于确定起始位置及目标位置;
移动路径获取模块320,用于获取从所述起始位置到达所述目标位置之间的多条移动路径;
路径片段集合组织模块330,用于分别将各移动路径切分成路径片段,得到路径片段集合;
最优移动路径确定模块340,用于从所述多条移动路径中确定最优移动路径;
实时路径片段获取模块350,用于在目标对象按照所述最优移动路径移动的过程中,获取所述目标对象所在的实时路径片段;
最优路径片段确定模块360,用于从所述路径片段集合中确定所述实时路径片段对应的下一路径片段集合,并从所述下一路径片段集合中确定最优路径片段;
最优路径片段切换模块370,用于当所述最优移动路径中位于所述实时路径片段的下一路径片段与所述最优路径片段不一致,则切换至所述最优路径片段。
在一种实施例中,移动路径包括道路节点,路径片段集合组织模块330,包括如下子模块:
移动路径区分子模块,用于以所述道路节点为分割点,对所述移动路径进行切分,得到多个路径片段;
路径片段集合组织子模块,用于将所有移动路径的路径片段组织成路径片段集合。
在一种实施例中,针对最优路径片段确定模块360中从所述下一路径片段集合中确定最优路径片段,包括如下子模块:
最优路径片段确定子模块,用于确定下一路径片段集合中各路径片段的路径长度,并将路径长度最短的路径片段确定为最优路径片段。
在另一种实施例中,针对最优路径片段确定模块360中从所述下一路径片段集合中确定最优路径片段,包括如下子模块:
路径长度确定子模块,用于确定下一路径片段集合中各路径片段的路径长度;
路况信息获取子模块,用于获取各路径片段的路况信息,所述路况信息包括最大限速信息以及平均速度信息;
第一移动时长确定子模块,用于基于所述路径长度与所述最大限速信息,确定第一移动时长;
第二移动时长确定子模块,用于基于所述路径长度与平均速度信息,确定第二移动时长;
理论通行时间确定子模块,用于基于所述第一移动时长以及所述第二移动时长确定所述路径片段的理论通行时间;
最优路径片段确定子模块,用于将理论通行时间最短的路径片段确定为最优路径片段。
在一种实施例中,路况信息还包括实时拥堵信息,理论通行时间确定子模块包括如下单元:
移动属性信息获取单元,用于获取所述目标对象的移动属性信息,所述移动属性信息包括历史最大速度以及历史平均速度;
第一目标对象系数确定单元,用于根据所述历史最大速度确定第一目标对象系数;
第二目标对象系数确定单元,用于根据所述历史平均速度确定第二目标对象系数;
拥堵系数确定单元,用于根据所述实时拥堵信息确定拥堵系数;
理论通行时间计算单元,用于基于所述第一目标对象系数、所述第二目标对象系数、所述拥堵系数、第一移动时长以及所述第二移动时长,计算所述路径片段的理论通行时间。
在一种实施例中,还包括如下模块:
差异信息确定模块,用于确定所述最优移动路径中位于所述实时路径片段的下一路径片段与所述最优路径片段的差异信息;
路径片段判断模块,用于当所述差异信息满足预设差异条件,则判定所述最优移动路径中位于所述实时路径片段的下一路径片段与所述最优路径片段一致;当所述差异信息不满足预设差异条件,则判定所述最优移动路径中位于所述实时路径片段的下一路径片段与所述最优路径片段不一致。
在一种实施例中,差异包括时间差异及路径长度差异的至少一种,差异信息确定模块包括如下子模块:
通行时间或路径长度确定子模块,用于分别确定所述最优移动路径中位于所述实时路径片段的下一路径片段以及所述最优路径片段的通行时间或路径长度;
时间差异确定子模块,用于将所述最优移动路径中位于所述实时路径片段的下一路径片段的通行时间、与所述最优路径片段的通行时间的差值,作为所述时间差异;
路径长度差异确定子模块,用于将所述最优移动路径中位于所述实时路径片段的下一路径片段的路径长度、与所述最优路径片段的路径长度的差值,作为所述路径长度差异。
在一种实施例中,还包括如下模块:
告警信息接收模块,用于接收所述目标对象的告警系统发送的告警信息,所述告警信息包括告警类型;
资源供给位置确定模块,用于确定位于所述实时路径片段预设范围内的、与所述告警类型匹配的一个或多个资源供给位置;
目标资源供给位置确定模块,用于确定目标资源供给位置;
目标资源供给位置路径规划模块,用于将所述目标对象的实时位置作为所述起始位置,将所述目标资源供给位置作为所述目标位置,并继续调用移动路径获取模块320。
说明的是,本申请实施例所提供的上述路径规划的装置可执行本申实施例一所提供的路径规划的方法,具备执行方法相应的功能模块和有益效果。
实施例三
图4为本申请实施例三提供的一种电子设备的结构示意图,如图4所示,该电子设备包括处理器410、存储器420、输入装置430和输出装置440;电子设备中处理器410的数量可以是一个或多个,图4中以一个处理器410为例;电子设备中的处理器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,如本申请实施例中的方法实施例对应的程序指令模块。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,从而执行电子设备的各种功能应用以及数据处理,即实现上述的方法。
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电子设备。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,以及产生与一种电子设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例四
本申请实施例四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方法实施例中的方法。
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,本申请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,本申请的技术方案本质上或者说对目前的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(RandomAccess 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)执行本申请各个实施例所述的方法。
值得注意的是,上述装置的实施例中,所包括的各个模块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。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请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申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。

Claims (9)

1.一种路径规划的方法,其特征在于,所述方法包括:
确定起始位置及目标位置,并获取从所述起始位置到达所述目标位置之间的多条移动路径;
分别将各移动路径切分成路径片段,得到路径片段集合;
从所述多条移动路径中确定最优移动路径;
在目标对象按照所述最优移动路径移动的过程中,获取所述目标对象所在的实时路径片段;
从所述路径片段集合中确定所述实时路径片段对应的下一路径片段集合,并从所述下一路径片段集合中确定最优路径片段;
若所述最优移动路径中位于所述实时路径片段的下一路径片段与所述最优路径片段不一致,则切换至所述最优路径片段;
所述从所述下一路径片段集合中确定最优路径片段,包括:
确定下一路径片段集合中各路径片段的路径长度;
获取各路径片段的路况信息,所述路况信息包括最大限速信息以及平均速度信息;
基于所述路径长度与所述最大限速信息,确定第一移动时长;
基于所述路径长度与平均速度信息,确定第二移动时长;
基于所述第一移动时长以及所述第二移动时长确定所述路径片段的理论通行时间;
将理论通行时间最短的路径片段确定为最优路径片段;
所述路况信息还包括实时拥堵信息;
所述基于所述第一移动时长以及所述第二移动时长确定所述路径片段的理论通行时间,包括:
获取所述目标对象的移动属性信息,所述移动属性信息包括历史最大速度以及历史平均速度;
根据所述历史最大速度确定第一目标对象系数;其中,所述第一目标对象系数是最快车速行驶时间系数;
根据所述历史平均速度确定第二目标对象系数;其中,所述第二目标对象系数是平均车速行驶时间系数;
根据所述实时拥堵信息确定拥堵系数;
基于所述第一目标对象系数、所述第二目标对象系数、所述拥堵系数、所述第一移动时长以及所述第二移动时长,计算所述路径片段的理论通行时间;
通过如下计算公式,计算所述路径片段的理论通行时间:
Wayt=c(aWayL/Vmax+bWayL/Vave)/2
其中,Wayt为路径片段的理论通行时间,a为第一目标对象系数(最快车速行驶时间系数),b为第二目标对象系数(平均车速行驶时间系数),c为拥堵系数,WayL/Vmax的值为第一移动时长,WayL/Vave的值为第二移动时长。
2.根据权利要求1所述的方法,其特征在于,所述移动路径包括道路节点,所述分别将各移动路径切分成路径片段,得到路径片段集合,包括:
以所述道路节点为分割点,对所述移动路径进行切分,得到多个路径片段;
将所有移动路径的路径片段组织成路径片段集合。
3.根据权利要求1或2所述的方法,其特征在于,所述从所述下一路径片段集合中确定最优路径片段,包括:
确定下一路径片段集合中各路径片段的路径长度,并将路径长度最短的路径片段确定为最优路径片段。
4.根据权利要求1或2所述的方法,其特征在于,在所述若所述最优移动路径中位于所述实时路径片段的下一路径片段与所述最优路径片段不一致,则切换至所述最优路径片段之前,还包括:
确定所述最优移动路径中位于所述实时路径片段的下一路径片段与所述最优路径片段的差异信息;
若所述差异信息满足预设差异条件,则判定所述最优移动路径中位于所述实时路径片段的下一路径片段与所述最优路径片段一致;
若所述差异信息不满足预设差异条件,则判定所述最优移动路径中位于所述实时路径片段的下一路径片段与所述最优路径片段不一致。
5.根据权利要求4所述的方法,其特征在于,所述差异包括时间差异及路径长度差异的至少一种;
所述确定所述最优移动路径中位于所述实时路径片段的下一路径片段与所述最优路径片段的差异信息,包括:
分别确定所述最优移动路径中位于所述实时路径片段的下一路径片段以及所述最优路径片段的通行时间或路径长度;
将所述最优移动路径中位于所述实时路径片段的下一路径片段的通行时间、与所述最优路径片段的通行时间的差值,作为所述时间差异;
将所述最优移动路径中位于所述实时路径片段的下一路径片段的路径长度、与所述最优路径片段的路径长度的差值,作为所述路径长度差异。
6.根据权利要求1所述的方法,其特征在于,还包括:
接收所述目标对象的告警系统发送的告警信息,所述告警信息包括告警类型;
确定位于所述实时路径片段预设范围内的、与所述告警类型匹配的一个或多个资源供给位置;
确定目标资源供给位置;
将所述目标对象的实时位置作为所述起始位置,将所述目标资源供给位置作为所述目标位置,并继续执行所述获取从所述起始位置到达所述目标位置之间的多条移动路径的步骤。
7.一种路径规划的装置,其特征在于,所述装置包括:
位置确定模块,用于确定起始位置及目标位置;
移动路径获取模块,用于获取从所述起始位置到达所述目标位置之间的多条移动路径;
路径片段集合组织模块,用于分别将各移动路径切分成路径片段,得到路径片段集合;
最优移动路径确定模块,用于从所述多条移动路径中确定最优移动路径;
实时路径片段获取模块,用于在目标对象按照所述最优移动路径移动的过程中,获取所述目标对象所在的实时路径片段;
最优路径片段确定模块,用于从所述路径片段集合中确定所述实时路径片段对应的下一路径片段集合,并从所述下一路径片段集合中确定最优路径片段;
最优路径片段切换模块,用于当所述最优移动路径中位于所述实时路径片段的下一路径片段与所述最优路径片段不一致,则切换至所述最优路径片段;
所述最优路径片段确定模块,包括:
路径长度确定子模块,用于确定下一路径片段集合中各路径片段的路径长度;
路况信息获取子模块,用于获取各路径片段的路况信息,所述路况信息包括最大限速信息以及平均速度信息;
第一移动时长确定子模块,用于基于所述路径长度与所述最大限速信息,确定第一移动时长;
第二移动时长确定子模块,用于基于所述路径长度与平均速度信息,确定第二移动时长;
理论通行时间确定子模块,用于基于所述第一移动时长以及所述第二移动时长确定所述路径片段的理论通行时间;
最优路径片段确定子模块,用于将理论通行时间最短的路径片段确定为最优路径片段;
所述路况信息还包括实时拥堵信息;
所述理论通行时间确定子模块包括:
移动属性信息获取单元,用于获取所述目标对象的移动属性信息,所述移动属性信息包括历史最大速度以及历史平均速度;
第一目标对象系数确定单元,用于根据所述历史最大速度确定第一目标对象系数;其中,所述第一目标对象系数是最快车速行驶时间系数;
第二目标对象系数确定单元,用于根据所述历史平均速度确定第二目标对象系数;其中,所述第二目标对象系数是平均车速行驶时间系数;
拥堵系数确定单元,用于根据所述实时拥堵信息确定拥堵系数;
理论通行时间计算单元,用于基于所述第一目标对象系数、所述第二目标对象系数、所述拥堵系数、所述第一移动时长以及所述第二移动时长,计算所述路径片段的理论通行时间;
通过如下计算公式,计算所述路径片段的理论通行时间:
Wayt=c(aWayL/Vmax+bWayL/Vave)/2
其中,Wayt为路径片段的理论通行时间,a为第一目标对象系数(最快车速行驶时间系数),b为第二目标对象系数(平均车速行驶时间系数),c为拥堵系数,WayL/Vmax的值为第一移动时长,WayL/Vave的值为第二移动时长。
8.一种电子设备,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1-6中任一所述的方法。
9.一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1-6任一所述的方法。
CN202111420501.1A 2021-11-26 2021-11-26 一种路径规划的方法、装置、设备及存储介质 Active CN114137973B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111420501.1A CN114137973B (zh) 2021-11-26 2021-11-26 一种路径规划的方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111420501.1A CN114137973B (zh) 2021-11-26 2021-11-26 一种路径规划的方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN114137973A CN114137973A (zh) 2022-03-04
CN114137973B true CN114137973B (zh) 2024-05-07

Family

ID=80389055

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111420501.1A Active CN114137973B (zh) 2021-11-26 2021-11-26 一种路径规划的方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114137973B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115378866A (zh) * 2022-08-17 2022-11-22 深圳美克拉网络技术有限公司 移动通信数据传输方法、终端及系统
CN116798233B (zh) * 2023-08-25 2024-01-09 湖南天宇汽车制造有限公司 一种救护车快速通行引导系统

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008282161A (ja) * 2007-05-09 2008-11-20 Nippon Telegr & Teleph Corp <Ntt> 旅行時間推計方法,旅行時間推計装置,その方法を実装した旅行時間推計プログラム及びそのプログラムを格納した記録媒体、旅行時間予測方法,旅行時間予測装置,その方法を実装した旅行時間予測プログラム及びそのプログラムを格納した記録媒体
CN101739817A (zh) * 2009-11-26 2010-06-16 西北工业大学 一种动态起点的最短路径规划方法
JP2010272142A (ja) * 2010-08-27 2010-12-02 Nippon Telegr & Teleph Corp <Ntt> 旅行時間推計方法,旅行時間推計装置,その方法を実装した旅行時間推計プログラム及びそのプログラムを格納した媒体、旅行時間予測方法,旅行時間予測装置,その方法を実装した旅行時間予測プログラム及びそのプログラムを格納した媒体
CN103134505A (zh) * 2011-11-25 2013-06-05 天眼卫星科技有限公司 路径规划系统及其方法
CN105513400A (zh) * 2015-12-03 2016-04-20 四川长虹电器股份有限公司 动态规划出行路径的方法
CN106679685A (zh) * 2016-12-29 2017-05-17 鄂尔多斯市普渡科技有限公司 一种用于车辆导航的行车路径规划方法
CN107389076A (zh) * 2017-07-01 2017-11-24 兰州交通大学 一种适用于智能网联汽车的节能实时动态路径规划方法
CN108562301A (zh) * 2018-05-21 2018-09-21 北京石油化工学院 一种行驶路径的规划方法及装置
CN109035755A (zh) * 2017-06-12 2018-12-18 北京嘀嘀无限科技发展有限公司 路况分析方法、装置、服务器和计算机可读存储介质
CN109829573A (zh) * 2019-01-15 2019-05-31 宁波洁程汽车科技有限公司 一种融合用户驾驶习惯的智能路径规划方法
CN110657818A (zh) * 2019-10-17 2020-01-07 北京百度网讯科技有限公司 自动驾驶车辆的路径规划方法、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
CN111071259A (zh) * 2019-12-27 2020-04-28 清华大学 车速预测方法、装置、车辆控制装置和存储介质
CN111968396A (zh) * 2020-08-22 2020-11-20 刘秀萍 智能车联网驱动的应急救援车行驶优化方法
CN111967811A (zh) * 2020-07-08 2020-11-20 吉林大学 面向城市交通环境的混合动力物流车路径规划方法及系统
CN111986482A (zh) * 2020-08-24 2020-11-24 安徽科力信息产业有限责任公司 一种城市道路交叉口控制效率评价方法、系统及存储介质
CN113295177A (zh) * 2021-04-30 2021-08-24 长安大学 基于实时路况信息的动态路径规划方法及系统
CN113326641A (zh) * 2021-08-03 2021-08-31 腾讯科技(深圳)有限公司 路径规划方法、装置、计算机设备及存储介质

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008282161A (ja) * 2007-05-09 2008-11-20 Nippon Telegr & Teleph Corp <Ntt> 旅行時間推計方法,旅行時間推計装置,その方法を実装した旅行時間推計プログラム及びそのプログラムを格納した記録媒体、旅行時間予測方法,旅行時間予測装置,その方法を実装した旅行時間予測プログラム及びそのプログラムを格納した記録媒体
CN101739817A (zh) * 2009-11-26 2010-06-16 西北工业大学 一种动态起点的最短路径规划方法
JP2010272142A (ja) * 2010-08-27 2010-12-02 Nippon Telegr & Teleph Corp <Ntt> 旅行時間推計方法,旅行時間推計装置,その方法を実装した旅行時間推計プログラム及びそのプログラムを格納した媒体、旅行時間予測方法,旅行時間予測装置,その方法を実装した旅行時間予測プログラム及びそのプログラムを格納した媒体
CN103134505A (zh) * 2011-11-25 2013-06-05 天眼卫星科技有限公司 路径规划系统及其方法
CN105513400A (zh) * 2015-12-03 2016-04-20 四川长虹电器股份有限公司 动态规划出行路径的方法
CN106679685A (zh) * 2016-12-29 2017-05-17 鄂尔多斯市普渡科技有限公司 一种用于车辆导航的行车路径规划方法
CN109035755A (zh) * 2017-06-12 2018-12-18 北京嘀嘀无限科技发展有限公司 路况分析方法、装置、服务器和计算机可读存储介质
CN107389076A (zh) * 2017-07-01 2017-11-24 兰州交通大学 一种适用于智能网联汽车的节能实时动态路径规划方法
CN108562301A (zh) * 2018-05-21 2018-09-21 北京石油化工学院 一种行驶路径的规划方法及装置
CN109829573A (zh) * 2019-01-15 2019-05-31 宁波洁程汽车科技有限公司 一种融合用户驾驶习惯的智能路径规划方法
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
CN110657818A (zh) * 2019-10-17 2020-01-07 北京百度网讯科技有限公司 自动驾驶车辆的路径规划方法、装置、设备及存储介质
CN111071259A (zh) * 2019-12-27 2020-04-28 清华大学 车速预测方法、装置、车辆控制装置和存储介质
CN111967811A (zh) * 2020-07-08 2020-11-20 吉林大学 面向城市交通环境的混合动力物流车路径规划方法及系统
CN111968396A (zh) * 2020-08-22 2020-11-20 刘秀萍 智能车联网驱动的应急救援车行驶优化方法
CN111986482A (zh) * 2020-08-24 2020-11-24 安徽科力信息产业有限责任公司 一种城市道路交叉口控制效率评价方法、系统及存储介质
CN113295177A (zh) * 2021-04-30 2021-08-24 长安大学 基于实时路况信息的动态路径规划方法及系统
CN113326641A (zh) * 2021-08-03 2021-08-31 腾讯科技(深圳)有限公司 路径规划方法、装置、计算机设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
设置公交专用道的道路车速计算方法;徐大刚;;交通标准化;20071015(10);100-104 *

Also Published As

Publication number Publication date
CN114137973A (zh) 2022-03-04

Similar Documents

Publication Publication Date Title
CN104931063B (zh) 路径规划方法
CN114137973B (zh) 一种路径规划的方法、装置、设备及存储介质
CN112461256B (zh) 路径规划方法和装置
US10976170B2 (en) Electric vehicle routing system
CN112050824B (zh) 用于车辆导航的路线规划方法、装置、系统及电子设备
CN109795371A (zh) 基于移动终端路线规划的电动车辆充电提醒方法及装置
Wang et al. A multi-agent based vehicles re-routing system for unexpected traffic congestion avoidance
JP2019507334A (ja) ナビゲーションのシステム及び方法
CN110779530B (zh) 车辆路径生成方法、装置和存储介质
CN111223321A (zh) 自动驾驶规划的方法、设备及系统
JP4936124B2 (ja) ナビゲーション装置、及びハイブリッド車両
CN111612122A (zh) 实时需求量的预测方法、装置及电子设备
US20190101404A1 (en) Information processing method and electronic device
CN107203824A (zh) 一种拼车订单分配方法及装置
CN110782066B (zh) 一种行车路线确定方法、装置及介质
JP2018523126A (ja) 地図に基づくナビゲーション方法、装置及び記憶媒体
US20200393256A1 (en) Managing movement of vehicles through directional route corridors
JP2017096636A (ja) 推奨予定経路取得システム、方法およびプログラム
CN110136438A (zh) 基于人工智能的道路切换方法、装置、设备及存储介质
CN111341093B (zh) 车队的控制方法、装置、设备及存储介质
CN110057379A (zh) 车载导航的二次导航方法、装置和车辆
CN111664849A (zh) 无人船的自动返航方法及其装置
CN114676343A (zh) 一种充电站推荐方法、装置、电动汽车及终端
CN113942401A (zh) 充电站确定方法、装置、可移动载体及存储介质
CN113379159A (zh) 基于灰色模型和马尔可夫决策过程的出租车司机寻客路线推荐方法

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