CN114185341A - 无人驾驶车辆路径规划方法、设备及计算机可读存储介质 - Google Patents

无人驾驶车辆路径规划方法、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN114185341A
CN114185341A CN202111360920.0A CN202111360920A CN114185341A CN 114185341 A CN114185341 A CN 114185341A CN 202111360920 A CN202111360920 A CN 202111360920A CN 114185341 A CN114185341 A CN 114185341A
Authority
CN
China
Prior art keywords
constraint condition
information
determining
vehicle
planned
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
CN202111360920.0A
Other languages
English (en)
Inventor
余剑峤
张世尧
马科斯·克里斯托斯
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.)
Southwest University of Science and Technology
Original Assignee
Southwest University of Science and Technology
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 Southwest University of Science and Technology filed Critical Southwest University of Science and Technology
Priority to CN202111360920.0A priority Critical patent/CN114185341A/zh
Publication of CN114185341A publication Critical patent/CN114185341A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供一种无人驾驶车辆路径规划方法，该方法包括：接收路网信息和车辆信息，根据路网信息和车辆信息为待规划无人驾驶车辆确定多条规划路径，获取待规划车辆的物流请求和乘车请求，根据物流请求和乘车请求确定物流运送信息和乘车信息，并根据物流运送信息确定第一约束条件，根据乘车信息确定第二约束条件，当多条规划路径中不满足第一或第二约束条件，即表明该路线不符合提供联合服务的条件，则删除该路线，直至从多条规划路径中找到都符合第一、第二约束条件的规划路径，从而得到最优路径。本申请在考虑到物流请求和乘车请求以及路网信息的情况下，确定乘车路线、乘车共享和包裹运送计划，有效减少交通拥堵且提供更经济有效的公共服务。

Description

无人驾驶车辆路径规划方法、设备及计算机可读存储介质
技术领域
本申请涉及无人驾驶技术领域，尤其是涉及一种无人驾驶车辆路径规划方法、设备及计算机可读存储介质。
背景技术
无人驾驶车辆的整合运用给智能交通系统带来了重大挑战。在大规模系统上自动协调复杂的无人驾驶车辆运营的能力对于提高核心交通服务的质量有着至关重要的作用，现有的研究只考虑了无人驾驶汽车在系统中提供的单一服务，无法利用无人驾驶车辆提供更经济有效的服务。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种无人驾驶车辆路径规划方法，能够提供乘车共享和物流运送联合服务，较现有技术更经济有效。
根据本申请的第一方面实施例的无人驾驶车辆路径规划方法，包括：
获取待规划车辆的车辆信息和所处区域的路网信息，根据所述车辆信息和所述路网信息得到待规划车辆的多条规划路径；
获取待规划车辆的物流请求和乘车请求，根据所述物流请求和所述乘车请求确定物流运送信息和乘车信息；
根据所述物流运送信息确定第一约束条件，根据所述乘车信息确定第二约束条件；
根据所述第一约束条件、所述第二约束条件和所述多条规划路径确定所述待规划车辆的最优路径。
根据本申请第一方面实施例的无人驾驶车辆路径规划方法，至少具有如下有益效果：
无人驾驶车辆路径规划方法由控制中心执行，且控制中心为服务器上运行的系统，控制中心接收路网信息和车辆信息，根据路网信息和车辆信息为待规划无人驾驶车辆确定多条规划路径，控制中心获取待规划车辆的物流请求和乘车请求，根据物流请求和乘车请求确定物流运送信息和乘车信息，并根据物流运送信息确定第一约束条件，根据乘车信息确定第二约束条件，当多条规划路径中不满足第一或第二约束条件，即表明该路线不符合提供联合服务的条件，则删除该路线，直至从多条规划路径中找到都符合第一、第二约束条件的规划路径，从而得到最优路径。本申请在考虑到物流请求和乘车请求以及路网信息的情况下，确定乘车路线、乘车共享和包裹运送计划，有效减少交通拥堵且提供更经济有效的公共服务。
根据本申请的一些实施例，所述方法还包括：
根据所述多条规划路径和预设单位成本得到多个总路径成本；
根据所述总路径成本确定第三约束条件；
根据所述第三约束条件、所述第一约束条件、所述第二约束条件和所述多条规划路径确定所述待规划车辆的最优路径。
根据本申请的一些实施例，所述根据所述多条规划路径和预设单位成本得到多个总路径成本，包括：
根据所述多条规划路径的总距离和预设单位路由成本得到多个总距离成本；
根据所述多条规划路径的行驶时间和预设单位时间成本得到多个总时间成本；
根据所述多个总距离成本和所述多个总时间成本得到多个总路径成本。
根据本申请的一些实施例，所述物流运送信息包括：物流目的地、装卸载包裹的总停留时间、运送包裹的时间，所述获取物流请求，根据所述物流运送信息确定第一约束条件，包括：
根据所述物流目的地、所述装卸载包裹的总停留时间和所述运送包裹的时间确定所述第一约束条件。
根据本申请的一些实施例，所述物流运送信息还包括包裹容量，所述根据所述物流运送信息确定第一约束条件还包括：
根据所述包裹容量、所述物流目的地、所述装卸载包裹的总停留时间和所述运送包裹的时间确定所述第一约束条件。
根据本申请的一些实施例，所述乘车信息包括：乘车目的地、接送乘客时间和乘车行驶时间，所述根据所述乘车信息确定第二约束条件，包括：
根据所述乘车目的地、所述接送乘客时间和所述乘车行驶时间确定所述第二约束条件。
根据本申请的一些实施例，所述乘车信息还包括乘客数量，所述根据所述乘车信息确定第二约束条件，还包括：
根据所述乘客数量、所述乘车目的地、所述接送乘客时间和所述乘车行驶时间确定所述第二约束条件。
根据本申请的一些实施例，所述路网信息包括限制车辆类型信息，所述方法还包括：
根据所述路网信息获取所述限制车辆类型信息；
根据所述限制车辆类型信息确定第四约束条件；
根据所述第四约束条件、所述第一约束条件、所述第二约束条件和所述多条规划路径确定所述待规划车辆的最优路径。
根据本申请的第二方面实施例的无人驾驶车辆路径规划设备，包括：
至少一个处理器，以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如本申请第一方面实施例的任一项所述的无人驾驶车辆路径规划方法。
根据本申请的第三方面实施例的计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如本申请第一方面实施例的任一项所述的无人驾驶车辆路径规划方法。
本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
下面结合附图和实施例对本申请做进一步的说明，其中：
图1是本申请一个实施例提供的无人驾驶车辆路径规划方法的流程图；
图2是本申请另一个实施例提供的无人驾驶车辆路径规划方法的流程图；
图3是本申请另一个实施例提供的无人驾驶车辆路径规划方法的流程图；
图4是本申请另一个实施例提供的无人驾驶车辆路径规划方法的流程图；
图5是本申请另一个实施例提供的无人驾驶车辆路径规划方法的流程图；
图6是本申请另一个实施例提供的无人驾驶车辆路径规划方法的流程图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。
在本申请的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
在本申请的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本申请的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本申请中的具体含义。
本申请的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
智慧城市模式已经开始逐渐提高城市地区的生活质量。在数据传感、通信和处理的最新进展的推动下，智慧城市必将改变广泛的核心交通运营和服务。智能交通系统旨在为用户提供可靠和高效的交通服务，同时优化并利用底层基础设施。利用无人驾驶车辆不仅可以促进城市交通系统更安全并有效减少交通拥堵，而且还可以改善关键公共服务提供，现有的研究只考虑了无人驾驶汽车在系统中提供的单一服务，无法利用无人驾驶车辆提供更经济有效的服务。
基于此，本申请提供一种无人驾驶车辆智能控制方法、设备及计算机可读存储介质，以综合的运行方式联合提供乘车共享和包裹递送服务。专注于如何在约束条件下和以经济有效的方式满足服务要求下安排乘车共享和包裹递送服务，有效减少交通拥堵且提供更经济有效的公共服务。
下面结合附图，对本申请实施例作进一步阐述。
参考图1，本申请的一个实施例提供了一种无人驾驶车辆路径规划方法，该方法包括但不限于步骤S110、步骤S120、步骤S130、步骤S140。
步骤S110，获取待规划车辆的车辆信息和所处区域的路网信息，根据车辆信息和路网信息得到待规划车辆的多条规划路径。
具体地，对交通网络进行建模，以表示在一个特定区域内从一个地点到另一个地点的物理距离，交通网络可被建模为一个有向图
Figure BDA0003358954500000051
可根据有向图得到带规划车辆所处区域的路网信息，其中节点集
Figure BDA0003358954500000052
表示由边集
Figure BDA0003358954500000053
连接的路段交叉点，进一步将dij,n定义n为在
Figure BDA0003358954500000054
中的每个路段从i到j的旅行距离。需要说明的是，dij,n可能不总是等于dji,n，因为路线规划之间可能存在不对称性。
其中，设AV为待规划车辆，且待规划车辆为无人驾驶车辆，让二元变量xij,n表示AV是否穿越路段如下：
Figure BDA0003358954500000055
AV至少要穿越一个路段才能到达最终目的地，表示为：
Figure BDA0003358954500000056
其中，
Figure BDA0003358954500000057
表示AV的运送点集合。
在本实施例中，路网信息中包含上述约束条件，即根据车辆信息和路网信息得到多条规划路径需要满足上述约束条件，需要说明的是，实际上，在不同的旅行过程中，AV可以多次访问同一个节点，在本实施例中，是假设每个AV最多可以访问交通网络的每个节点一次。
具体地，AV-n为第n个待规划车辆，
Figure BDA0003358954500000058
和
Figure BDA0003358954500000059
分别为道路流入和流出的流量。AV-n∈N的多个连续路段的连通性表示为：
Figure BDA00033589545000000510
其中，
Figure BDA00033589545000000511
和
Figure BDA00033589545000000512
代表AV-n的相应路线的出发点和目的地。
具体的，前两种情况确保如果AV-n接近节点j，在出发点和目的点之间应分别有一个流入的流量和流出的流量。例如，考虑到除出发点和目的点以外的所有道路互动，如果AV-n接近节点j，一个入流将导致一个出流，否则，AV的入流和出流的数量将是相同的。因此，公式(3)保证了车辆路线的连接性。如果不考虑AV的流入和流出数量，交通网络容易造成拥堵，本申请通过对道路流入和流出的流量进行把控，可以减少交通的拥堵，提供经济有效的公共服务。
具体的，在处理了来自道路传感器以及交通网络的交通流信息后得到路网信息，根据车辆信息和路网信息得到待规划车辆的多条规划路径。在本实施例中，根据道路传感器实时获取交通状况以更新路网信息，根据车辆信息和更新的路网信息更新待规划车辆的多条规划路径。
步骤S120，获取待规划车辆的物流请求和乘车请求，根据物流请求和乘车请求确定物流运送信息和乘车信息。
步骤S130，根据物流运送信息确定第一约束条件，根据乘车信息确定第二约束条件。
具体的，无人驾驶车辆路径规划方法由控制中心执行，且控制中心为服务器上运行的系统，控制中心可根据物流请求得到物流运送信息，并根据物流运送信息确定第一约束条件，控制中心根据乘车请求得到乘车信息，并根据乘车信息确定第二约束条件，目的是根据第一、第二约束条件对得到的多条规划路径进行约束，以得到最优路径。
步骤S140，根据第一约束条件、第二约束条件和多条规划路径确定待规划车辆的最优路径。
在步骤S140中，首先，控制中心接收路网信息和车辆信息，根据路网信息和车辆信息为待规划无人驾驶车辆确定多条规划路径，控制中心获取待规划车辆的物流请求和乘车请求，根据物流请求和乘车请求确定物流运送信息和乘车信息，并根据物流运送信息确定第一约束条件，根据乘车信息确定第二约束条件，当多条规划路径中不满足第一或第二约束条件，即表明该路线不符合提供联合服务的条件，则删除该路线，直至从多条规划路径中找到都符合第一、第二约束条件的规划路径，从而得到最优路径。本申请在考虑到物流请求和乘车请求以及路网信息的情况下，确定乘车路线、乘车共享和包裹运送计划，有效减少交通拥堵且提供更经济有效的公共服务。
参考图2，本申请的另一个实施例还提供了一种无人驾驶车辆路径规划方法，该方法还包括但不限于步骤S210、步骤S220、步骤S230。
步骤S210，根据多条规划路径和预设单位成本得到多个总路径成本；
步骤S220，根据总路径成本确定第三约束条件；
步骤S230，根据第三约束条件、第一约束条件、第二约束条件和多条规划路径确定待规划车辆的最优路径。
需要说明的是，路径规划除了考虑物流请求和乘车请求带来的约束条件以外，还需要考虑路径的成本，根据多条规划路径和预设单位成本得到多个总路径成本，总路径成本越小越好，把总路径成本作为第三约束条件，控制中心根据第三约束条件、第一约束条件、第二约束条件和多条规划路径确定待规划车辆的最优路径。把总路径成本作为第三约束条件，使得控制中心在提供物流运送服务和乘车共享服务时，还能减少运行成本。
参考图3，图3是图2中步骤S210的细化流程的另一个实施例的示意图，该步骤S210包括但不限于：
步骤S310，根据多条规划路径的总距离和预设单位路由成本得到多个总距离成本；
步骤S320，根据多条规划路径的行驶时间和预设单位时间成本得到多个总时间成本；
步骤S330，根据多个总距离成本和多个总时间成本得到多个总路径成本。
具体的，本申请提供联合乘车共享和包裹递送，考虑到两个主要的运行成本：总距离和总时间成本。
与距离相关的运营成本由以下方式描述：
Figure BDA0003358954500000071
其中，αn表示无人AV-n的单位路由成本，dij,n是AV-n从位置i到位置j的每个路段
Figure BDA0003358954500000072
的旅行距离。
与时间相关的运营成本由以下方式描述：
Figure BDA0003358954500000073
其中，βn表示AV-n的单位路由成本，Tij,n是AV-n从位置i到位置j的每个路段
Figure BDA0003358954500000074
的旅行时间。
具体的，控制中心根据得到的多条规划路径分别得到总距离成本和总时间成本，根据总距离成本和总时间成本得到多个总路径成本，将总路径成本作为约束条件进一步限制路径规划，以得到更经济有效的最优路径，提供更好的乘车共享和物流运送的联合服务。
参考图4，图4是图1中步骤S130的细化流程的另一个实施例的示意图，物流运送信息包括：物流目的地、装卸载包裹的总停留时间、运送包裹的时间，该步骤S130包括但不限于：
步骤S410，根据物流目的地、装卸载包裹的总停留时间和运送包裹的时间确定第一约束条件。
具体的，当AV-n在节点j装载或卸载包裹时，最小的停留时间表示dj,n为：
Figure BDA0003358954500000075
其中，Tj,n是第n个AV装载或卸载包裹的停留时间。
当AV-n穿越路线时，tj,n将不少于旅行所需的时间加上装载包裹的时间，其定义为：
Figure BDA0003358954500000076
其中，tj,n代表第n个AV到达节点j的时间，ti,n代表第n个AV到达节点i的时间，Tij,n表示AV-n从节点i到节点j的旅行时间，即运送包裹的时间。
具体的，根据物流目的地、装卸载包裹的总停留时间和运送包裹的时间确定第一约束条件，使得给无人驾驶车辆规划的路径能够满足提供物流运送的服务。
具体的，物流信息还包括包裹容量，当AV的装载容量大于包裹容量时，AV才能提供物流运送服务。
包裹的装载能力也被定义为在物流服务期间的考虑因素。我们定义hj,n为节点j处的AV-n的装载能力，表示为：
Figure BDA0003358954500000081
其中，
Figure BDA0003358954500000082
表示AV-n的最大装载能力。
参考图5，图5是图1中步骤S130的细化流程的另一个实施例的示意图，乘车信息包括：乘车目的地、接送乘客时间和乘车行驶时间，该步骤S130包括但不限于：
步骤S510，根据乘车目的地、接送乘客时间和乘车行驶时间确定第二约束条件。
具体的，乘客应该在预期的最早和最晚的接送时间内到达目的地，表示为：
Figure BDA0003358954500000083
其中，
Figure BDA0003358954500000084
为接送乘客最早时间，
Figure BDA0003358954500000085
为接送乘客最晚时间，tj,n为接送乘客时间，也是到达j的旅行时间。
还需要说明的是，除了时间限制外，定义AV-n的容量是为了考虑到它在骑行共享期间可以容纳的乘客数量。我们将定义为AV-n在节点j的容量。当AV-n通过提供乘车共享服务时，节点j的剩余容量应大于节点i的容量，
Figure BDA0003358954500000086
其中，qi,n表示节点i的乘客在涉及AV-n的乘车时的乘客数量。
具体的，为了鼓励提供共享出行服务，每个路段的自动驾驶汽车的数量都有一个最大容量的限制，表示为，
Figure BDA0003358954500000087
其中，Qij代表路段
Figure BDA0003358954500000088
的最大AV数。
参考图6，图6是图1中步骤S110的细化流程的另一个实施例的示意图，路网信息包括限制车辆类型信息，该步骤S110包括但不限于：
步骤S610，根据路网信息获取限制车辆类型信息；
步骤S620，根据限制车辆类型信息确定第四约束条件；
步骤S630，根据第四约束条件、第一约束条件、第二约束条件和多条规划路径确定待规划车辆的最优路径。
具体的，对某些车辆来说，进入一些道路可能受到限制。例如，私家车通常不允许在授权车辆的路段上行驶。为了考虑到这种现实情况，假设道路(i,j)的访问对AV-n来说是受限制的。这样的约束可以被建模为xij,n＝0，这意味着节点i和节点j之间没有连接道路。根据限制车辆类型信息确定第四约束条件，更符合实际生活中交通对车辆的限制，从而提供一种更符合实际的路径规划方法。
在一实施例中，考虑以下两种情况，情况1：如果xij,n＝0，AV-n不会从节点i开始通过访问节点j。因此，ti,n和tj,n之间没有关系，因为被限制在一个可行的区域内。同样地，Ci,n和Cj,n之间也没有直接关系。情况2：如果xij,n＝1，tj,n和Cj,n必须大于约束条件(7)和(10)的右侧。
然后，将约束条件(7)和(10)转化为其线性形式，如下所示：
Figure BDA0003358954500000091
Figure BDA0003358954500000092
其中，M是一个足够大的数字，以确保约束的可行性。
类似的，将约束条件(8)转化为线性形式，如下所示：
Figure BDA0003358954500000093
在本实施例中，本申请可根据上述线性形式的约束条件进行AV的路径规划，使得AV在满足路网信息带来的约束条件的同时，简化计算。
具体的，控制中心需处理多个约束条件，这些约束条件可以形成一个混合整数线性规划(MILP)问题。例如：
minimize(4)+(5) (15a)
subject to(2),(3),(9),(11),(12),(13),(14) (15b)
控制中心以集中的方式解决上述问题，随着系统中AV数量的增加，这个问题的计算时间将急剧增长。因此，实际的应用需要一个可扩展的方法来解决这个问题。为了解决这个问题，本申请实施例通过拉格朗日对偶分解法设计了一种分布式算法。
具体的，基于(15)，我们引入了一个拉格朗日乘数λi,j≥0。显然，除了公式(11)，所有的约束条件在
Figure BDA0003358954500000101
时都是可分离的。为了放松这个约束，部分拉格朗日的制定如下：
Figure BDA0003358954500000102
鉴于上述推导，对偶函数可以定义为：
Figure BDA0003358954500000103
其中λ是拉格朗日乘子的集合，inf{·}表示函数的最小化。
然后，可以通过对(15)的解耦来制定系统中第n个AV的子问题，得到公式(18)，如下所示：
Figure BDA0003358954500000104
subject to(2),(3),(9),(11),(12),(13),(14) (18b)
接着，通过公式(18)进行推导得到公式(19)，如下所示：
Figure BDA0003358954500000105
subject toλ≥0 (19b)
其中
Figure BDA0003358954500000106
表示(18)的最优结果。
接下来可以利用公式(19)的最优解来恢复主要问题公式(15)的解。为了有效地解决公式(19)，本申请实施例利用投影梯度衰减法来逼近次优解。首先，AVIS运营商向所有参与的AV广播初始信息，如城市交通网络和服务请求。在每次迭代中，每个AV都按照公式(19)解决自己的子问题。当通过解决公式(18)给出
Figure BDA0003358954500000107
的同时，公式(19)可以用投影梯度下降法有效解决，得到次优解，需要说明的是，投影梯度下降法是一种有效解决二元问题的迭代方法。具体来说，是通过在函数
Figure BDA0003358954500000108
的梯度方向上移动候选解来最小化目标函数。
接下来，次优解被传送到AVIS运算器，相应地更新拉格朗日乘数。拉格朗日乘法器的更新规则可以写成如下，
Figure BDA0003358954500000111
其中[·]+是指max(0,·)算子，γi,j是投影梯度下降的步长。
本申请实施例中设计了相应的算法，以分布式方式解决每个子问题。使用投影梯度下降法，得到序列
Figure BDA0003358954500000112
在第m次迭代的第一步，AVIS系统操作员将λi,j(m)广播给所有参与的AV。在第二步中，第n个AV解决每个子问题(18)以获得
Figure BDA0003358954500000113
然后在第三步中，每个AV将最优解返回给AVIS系统运营商。最后，系统操作员通过评估停止标准来确定最佳决策，这决定了该算法的收敛性，如下所示：
Figure BDA0003358954500000114
其中δ＝10-4。
具体的，拟议的分布式方法只在控制中心和参与的AV之间产生最小的信息交换。在算法的每次迭代中，第n个AV只向控制中心传输
Figure BDA0003358954500000115
的值，而不是报告所有决策变量。这种设计选择旨在避免传输大量冗余的交通信息和车辆数据，因为系统中有足够数量的参与的AV，此外，所提出的分布式方法可以大大减少计算时间。
此外，本申请的一个实施例还提供了一种无人驾驶车辆路径规划设备，包括：
至少一个处理器，以及，
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，使得上述一个或多个控制处理器执行本申请上述方法实施例中的无人驾驶车辆路径规划方法，例如，执行以上描述的图1中的方法步骤S110至S140、图2中的方法步骤S210至S230、图3中的方法步骤S310至S330、图4中的方法步骤S410、图5中的方法步骤S510、图6中的方法步骤S610至S630。
本实施例的设备，通过执行上述方法的步骤，可以接收路网信息和车辆信息，根据路网信息和车辆信息为待规划无人驾驶车辆确定多条规划路径，获取待规划车辆的物流请求和乘车请求，根据物流请求和乘车请求确定物流运送信息和乘车信息，并根据物流运送信息确定第一约束条件，根据乘车信息确定第二约束条件，当多条规划路径中不满足第一或第二约束条件，即表明该路线不符合提供联合服务的条件，则删除该路线，直至从多条规划路径中找到都符合第一、第二约束条件的规划路径，从而得到最优路径。本申请在考虑到物流请求和乘车请求以及路网信息的情况下，确定乘车路线、乘车共享和包裹运送计划，有效减少交通拥堵且提供更经济有效的公共服务。
此外，本申请的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个控制处理器执行，使得上述一个或多个控制处理器执行上述方法实施例中的无人驾驶车辆路径规划方法，例如，执行以上描述的图1中的方法步骤S110至S140、图2中的方法步骤S210至S230、图3中的方法步骤S310至S330、图4中的方法步骤S410、图5中的方法步骤S510、图6中的方法步骤S610至S630。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
上面结合附图对本申请实施例作了详细说明，但是本申请不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本申请宗旨的前提下作出各种变化。此外，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

Claims (10)

1.一种无人驾驶车辆路径规划方法，其特征在于，包括：
获取待规划车辆的车辆信息和所处区域的路网信息，根据所述车辆信息和所述路网信息得到待规划车辆的多条规划路径；
获取待规划车辆的物流请求和乘车请求，根据所述物流请求和所述乘车请求确定物流运送信息和乘车信息；
根据所述物流运送信息确定第一约束条件，根据所述乘车信息确定第二约束条件；
根据所述第一约束条件、所述第二约束条件和所述多条规划路径确定所述待规划车辆的最优路径。
2.根据权利要求1所述的无人驾驶车辆路径规划方法，其特征在于，所述方法还包括：
根据所述多条规划路径和预设单位成本得到多个总路径成本；
根据所述总路径成本确定第三约束条件；
根据所述第三约束条件、所述第一约束条件、所述第二约束条件和所述多条规划路径确定所述待规划车辆的最优路径。
3.根据权利要求2所述的无人驾驶车辆路径规划方法，其特征在于，所述根据所述多条规划路径和预设单位成本得到多个总路径成本，包括：
根据所述多条规划路径的总距离和预设单位路由成本得到多个总距离成本；
根据所述多条规划路径的行驶时间和预设单位时间成本得到多个总时间成本；
根据所述多个总距离成本和所述多个总时间成本得到多个总路径成本。
4.根据权利要求1所述的无人驾驶车辆路径规划方法，其特征在于，所述物流运送信息包括：物流目的地、装卸载包裹的总停留时间、运送包裹的时间，所述根据所述物流运送信息确定第一约束条件，包括：
根据所述物流目的地、所述装卸载包裹的总停留时间和所述运送包裹的时间确定所述第一约束条件。
5.根据权利要求4所述的无人驾驶车辆路径规划方法，其特征在于，所述物流运送信息还包括包裹容量，所述根据所述物流运送信息确定第一约束条件还包括：
根据所述包裹容量、所述物流目的地、所述装卸载包裹的总停留时间和所述运送包裹的时间确定所述第一约束条件。
6.根据权利要求1所述的无人驾驶车辆路径规划方法，其特征在于，所述乘车信息包括：乘车目的地、接送乘客时间和乘车行驶时间，所述根据所述乘车信息确定第二约束条件，包括：
根据所述乘车目的地、所述接送乘客时间和所述乘车行驶时间确定所述第二约束条件。
7.根据权利要求6所述的无人驾驶车辆路径规划方法，其特征在于，所述乘车信息还包括乘客数量，所述根据所述乘车信息确定第二约束条件，还包括：
根据所述乘客数量、所述乘车目的地、所述接送乘客时间和所述乘车行驶时间确定所述第二约束条件。
8.根据权利要求1所述的无人驾驶车辆路径规划方法，其特征在于，所述路网信息包括限制车辆类型信息，所述方法还包括：
根据所述路网信息获取所述限制车辆类型信息；
根据所述限制车辆类型信息确定第四约束条件；
根据所述第四约束条件、所述第一约束条件、所述第二约束条件和所述多条规划路径确定所述待规划车辆的最优路径。
9.一种无人驾驶车辆路径规划设备，其特征在于，包括：
至少一个处理器，以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至8任一项所述的无人驾驶车辆路径规划方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至8任一项所述的无人驾驶车辆路径规划方法。
CN202111360920.0A 2021-11-17 2021-11-17 无人驾驶车辆路径规划方法、设备及计算机可读存储介质 Pending CN114185341A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111360920.0A CN114185341A (zh) 2021-11-17 2021-11-17 无人驾驶车辆路径规划方法、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111360920.0A CN114185341A (zh) 2021-11-17 2021-11-17 无人驾驶车辆路径规划方法、设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN114185341A true CN114185341A (zh) 2022-03-15

Family

ID=80602131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111360920.0A Pending CN114185341A (zh) 2021-11-17 2021-11-17 无人驾驶车辆路径规划方法、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN114185341A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116993127A (zh) * 2023-09-14 2023-11-03 郑州大学 一种跨业务实时调度方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105788330A (zh) * 2016-04-29 2016-07-20 百度在线网络技术（北京）有限公司 无人驾驶车辆的实时路况预警方法和装置
CN107563786A (zh) * 2017-07-21 2018-01-09 闫凯 一种城市内乘客及货物协同运输的定价方法
CN107563683A (zh) * 2017-07-21 2018-01-09 闫凯 一种城市内乘客及货物协同运输方法及系统
CN109635971A (zh) * 2018-11-21 2019-04-16 北京智行者科技有限公司 一种人货共享用车服务方法
CN110580546A (zh) * 2019-08-26 2019-12-17 安徽师范大学 基于同种车辆运载人和货物的线路规划方法及系统
CN111307169A (zh) * 2018-11-22 2020-06-19 北京图森智途科技有限公司 一种路径规划方法、路径规划装置及无人驾驶车
CN113361990A (zh) * 2021-05-25 2021-09-07 深圳依时货拉拉科技有限公司 一种货运拼车方法、计算机可读存储介质及计算机设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105788330A (zh) * 2016-04-29 2016-07-20 百度在线网络技术（北京）有限公司 无人驾驶车辆的实时路况预警方法和装置
CN107563786A (zh) * 2017-07-21 2018-01-09 闫凯 一种城市内乘客及货物协同运输的定价方法
CN107563683A (zh) * 2017-07-21 2018-01-09 闫凯 一种城市内乘客及货物协同运输方法及系统
CN109635971A (zh) * 2018-11-21 2019-04-16 北京智行者科技有限公司 一种人货共享用车服务方法
CN111307169A (zh) * 2018-11-22 2020-06-19 北京图森智途科技有限公司 一种路径规划方法、路径规划装置及无人驾驶车
CN110580546A (zh) * 2019-08-26 2019-12-17 安徽师范大学 基于同种车辆运载人和货物的线路规划方法及系统
CN113361990A (zh) * 2021-05-25 2021-09-07 深圳依时货拉拉科技有限公司 一种货运拼车方法、计算机可读存储介质及计算机设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116993127A (zh) * 2023-09-14 2023-11-03 郑州大学 一种跨业务实时调度方法及系统

Similar Documents

Publication Publication Date Title
US11099566B2 (en) Systems and methods for providing a vehicle service via a transportation network for autonomous vehicles
CN112001064B (zh) 一种集装箱码头间全自主水上运输调度方法及系统
US20190043000A1 (en) System for pairing uav and truck to make uav complete goods delivey and method thereof
US10869066B2 (en) Media content delivery system
CN110275492B (zh) 一种基于巷道确定自动引导运输车行驶路径的方法和装置
AU2021232842A1 (en) Improved routing system
US20220171385A1 (en) Competitive and collaborative autonomous vehicle task performance
US20220171386A1 (en) Autonomous vehicle-to-autonomous vehicle coordination of collaborative tasks
CN111507500B (zh) 一种载具路线的生成方法和装置
JP2019219845A (ja) 車両管理システムおよび車両管理方法
CN114662929A (zh) 物流配载方法、系统、电子设备和计算机可读存储介质
CN114185341A (zh) 无人驾驶车辆路径规划方法、设备及计算机可读存储介质
CN110334976B (zh) 一种计算机实现的行李取送系统和方法
CN114971043B (zh) 一种基于非欧拉回路的邮递员问题路径优化方法
CN113838285B (zh) 一种车路协同环境下实现车辆群体决策的方法及装置
CN116307580A (zh) 运力调度方法、装置、电子设备及存储介质
US20210110326A1 (en) Route-based digital service management
KR101457375B1 (ko) 주차가이드 서버의 주차가이드 서비스 제공방법
CN114264313A (zh) 基于势能的车道级路径规划方法、系统、设备及存储介质
CN111833593B (zh) 控制车辆的方法和装置，及由车辆执行的控制方法和车辆
CN113988770A (zh) 运输车辆在途排队控制方法、装置以及电子设备
CN112258270A (zh) 一种拼车行程生成的方法及装置
CN112085340B (zh) 一种公交调度方法、系统、装置及存储介质
CN109886467A (zh) 一种城市uls和道路一体化货运网络配流系统及方法
CN114512011B (zh) 一种基于蚁群算法的拥堵路段应急通行方法及系统

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