CN114254210A - 任务活动威胁代价评估中时空协同路径搜索优化方法及系统 - Google Patents
任务活动威胁代价评估中时空协同路径搜索优化方法及系统 Download PDFInfo
- Publication number
- CN114254210A CN114254210A CN202111412111.XA CN202111412111A CN114254210A CN 114254210 A CN114254210 A CN 114254210A CN 202111412111 A CN202111412111 A CN 202111412111A CN 114254210 A CN114254210 A CN 114254210A
- Authority
- CN
- China
- Prior art keywords
- space
- time
- voxel
- point
- path
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于任务环境路径优化技术领域,特别涉及一种任务活动威胁代价评估中时空协同路径搜索优化方法及系统,在时空坐标系中任务可到达时空棱镜范围内,对时空综合环境影响模型栅格化,将沿坐标轴以相同空间和时间间隔分割的时空单元立方体作为时空体素,并按照时间间隔以时空体素几何中心为节点,通过匀速直线运动连接不同时刻的时间点来构建时空路径区段;通过调整时空体素空间间隔来筛选目标时空体素中心点,将每个起始时空点与对应筛选后的目标体素中心点之间路径作为候选路径;通过路径搜索来查找所有时间段内起始时空点与目标体素中心点之间的最小代价路径,进而得到任务综合威胁代价最优路径,可有效降低计算量,提高任务路径规划效率。
Description
技术领域
本发明属于任务环境路径优化技术领域,特别涉及一种任务活动威胁代价评估中时空协同路径搜索优化方法及系统。
背景技术
在特定领域下,任务是指在物理空间的单阶段行动。任务是一个广泛的概念,是在一定的环境和时空约束下,行动单元为完成所承担的责任或达到特定的目的,而进行的一系列相互关联的行动有序集合,包括在物理空间和非物理空间的多个阶段的行动,及各阶段之间的关联和协同。各阶段行动之间存在相互的影响或依赖关系,是一个复杂的联合体,除了基础的环境影响外,更重要的是巧妙的策略。面向作战任务的时空环境效能评估不是任何一个领域知识能够单独解决的复杂问题,涉及众多环境问题、分析方法、解决方案,以及相关领域的知识。环境影响分析的主要目的是分析环境因素的客观影响规律,相应的分析结论与具体的任务没有直接关系,但其结果可以为进一步针对具体任务的综合影响分析做支撑。时空棱镜问题研究的是人类活动的边界问题,即一段时间范围内,人类移动速度受环境影响下,能够出现的最大的时空范围。在越野活动中研究时空棱镜可以从整体上对越野可到达性进行评估,分析越野活动可能出现的时空范围大小,关键点,时空容差能力等一系列问题,从而达到从整体上对任务效能进行评估的目的。在时空中进行全局路径规划的目的就是需要找到一条连接起始和目标时空点的连续时空路径。与最短时间路径规划一样,可以用若干段首尾相接的空间直线来逼近。这个过程中比较重要的一步是构造路径搜索备选时空路径区段。在最短时间路径中,为达到时间代价最小的目的,可采用在每个体素中的最大安全速度构造相应时空直线段作为备选路线段。对于基于体素的最小综合威胁代价时空路径情况,尽管路径选择在局部受到最大速度限制,在整体上受到时空棱镜的限制,由于综合威胁程度代价不是边界问题,在可行区域内的可选路径可能性非常多,同时由于同时需要在空间和时间范围内搜索代价最小路径,计算量非常大,且耗时。
发明内容
为此,本发明提供一种任务活动威胁代价评估中时空协同路径搜索优化方法及系统,利用时空坐标系中任务活动时空轨迹来获取任务执行方案综合威胁代价的可选路径,调整时空体素空间间隔在以时空棱镜划定的可行时空域内进行最小代价搜索来选取任务活动最优路径,通过时空棱镜内部体素数量和时空体素空间间隔来限制可选路径,能够有效控制计算量,提升任务综合威胁代价评估效率,以达到任务活动中科学、有效选取最优方案的目的。
按照本发明所提供的设计方案,提供一种任务活动威胁代价评估中时空协同路径搜索优化方法,包含:
在时空坐标系中任务可到达时空棱镜范围内,对用于描述时空环境影响规律的时空综合环境影响模型进行栅格化处理,将沿时空坐标系坐标轴以相同空间和时间间隔分割的时空单元立方体作为时空体素,并按照时间间隔以时空体素几何中心为节点,通过匀速直线运动连接不同时刻的时间点来构建时空路径区段;
在时空路径区段内,通过调整时空体素空间间隔来筛选起始时空点对应的目标时空体素中心点,将每个起始时空点与对应筛选后的目标时空体素中心点之间的路径作为候选路径;
针对候选路径,将时间间隔作为计算时间段,从第一个时间段开始,以计算时间段为层级,通过分层的路径搜索来查找所有计算时间段内起始时空点与目标时空体素中心点之间的最小代价路径,依据所有计算时间段内的最小代价路径来获取任务活动起始和达到的终点之间的综合威胁代价最优路径。
作为本发明任务活动威胁代价评估中时空协同路径搜索优化方法,进一步地,所述时空综合环境影响模型在空间环境代价规律基础上扩展时间维,利用时空坐标系记录空间点随时间点的环境、态势及能力因素对任务执行中环境代价累计增长率,其中,时空坐标系通过确定地表一点为原点、以向东方向为X轴、向北方向为Y轴、并以时间T为竖直向上的Z轴建立三维直角坐标系,以该三维直角坐标系作为时空坐标系。
作为本发明任务活动威胁代价评估中时空协同路径搜索优化方法,进一步地,模型栅格化处理中,分别沿时空坐标系的X轴和Y轴,以相同的空间间隔将空间栅格化,每个空间栅格确定一个空间栅格中心;沿T轴以相同的时间间隔分割,将时间和空间栅格化后的最小时空单元作为用于简化环境空间变化和时间变化复杂性的时空体素。
作为本发明任务活动威胁代价评估中时空协同路径搜索优化方法,进一步地,在栅格化后的时空体素环境中,依据沿空间直线时刻按照环境允许的最大安全速度行进并到达目标空间栅格中心所需要的最短时间获取对应时空点到临近空间栅格中心所需最短时间,求解每个空间栅格中心位置的最早到达时空点来近似表达时空棱镜的下棱锥表面,并求解每个空间栅格中心位置的最晚停留时空点来近似表达时空棱镜的上棱锥表面;并将求解过程中相应段运动的时空轨迹作为连接当前时空点和目标空间栅格中心、且首尾相接的多个时空直线段构成的连续时空轨迹;每一时空直线段处于不同时空体素中,且除当前时空点和目标空间栅格中心外,每段的时空起始点和结束点为时空轨迹穿入和穿出时空体素的时空坐标;时空轨迹追踪按序依次根据上一次穿出时空体素的时空坐标作为下一段时空直线段运动的时空起始点,结合空间移动方向、时空体素时空范围及在时空体素内按特定方向行驶的最大速度计算穿出时空体素时的时空坐标,直至在空间上到达目标空间栅格中心来获取用于描述目标对象可达区域范围的时空棱镜。
作为本发明任务活动威胁代价评估中时空协同路径搜索优化方法,进一步地,利用时空体素在时空综合环境影响模型中追踪任务活动时空轨迹,任务执行进入或穿出时空体素时空点的时空坐标来获取时空轨迹上途经每个时空体素内行进长度和停留时间,通过时空轨迹经过的各时空体素代价增长率及对应时空体素内停留时间、和行进长度来获取任务执行方案的综合环境代价;并依据时空轨迹途径每个时空体素时产生的代价值之和来获取用于评估任务活动方案优劣程度的总的代价累积值。
作为本发明任务活动威胁代价评估中时空协同路径搜索优化方法,进一步地,调整时空体素空间间隔中,利用等间距采样或降低时空体素的时空分辨率来增加时空体素的空间间隔。
作为本发明任务活动威胁代价评估中时空协同路径搜索优化方法,进一步地,调整时空体素空间间隔中,在时空坐标系的空间上以整数倍的时空体素空间间隔作为掩膜基准长度,利用掩膜方法对目标时空体素中心点进行采样,并将采样点的空间坐标记录在掩膜上;在掩膜上追加并记录包含关键位置信息的时空体素中心点;在掩膜的记录中选取起始时空点和目标体素中心点来获取用于时空路径搜索的候选路径。
进一步地,本发明还提供一种任务活动威胁代价评估中时空协同路径搜索优化系统,包含:区域构建模块、节点筛选模块和路径选取模块,其中,
区域构建模块,用于在时空坐标系中任务可到达时空棱镜范围内,对用于描述时空环境影响规律的时空综合环境影响模型进行栅格化处理,将沿时空坐标系坐标轴以相同空间和时间间隔分割的时空单元立方体作为时空体素,并按照时间间隔以时空体素几何中心为节点,通过匀速直线运动连接不同时刻的时间点来构建时空路径区段;
节点筛选模块,用于在时空路径区段内,通过调整时空体素空间间隔来筛选起始时空点对应的目标时空体素中心点,将每个起始时空点与对应筛选后的目标时空体素中心点之间的路径作为候选路径;
路径选取模块,用于针对候选路径,将时间间隔作为计算时间段,从第一个时间段开始,以计算时间段为层级,通过分层的路径搜索来查找所有计算时间段内起始时空点与目标时空体素中心点之间的最小代价路径,依据所有计算时间段内的最小代价路径来获取任务活动起始和达到的终点之间的综合威胁代价最优路径。
本发明的有益效果:
本发明在时空棱镜内部以体素几何中心为节点、以体素单位时间间隔的整数倍为时间间隔、并以匀速直线运动连接起点与目标时空点的方法来构建搜索备选时空路径区段,利用时空棱镜内部体素数量来限制可选路径,在可行时空域内进行最小代价搜索时,计算量会随着越野任务最大安全速度及其越野时间长度增长,且在应用中最大安全速度变化有限,越野任务时间长度要受任务需求控制,难以预测,本案通过调整时空体素空间间隔来控制最小代价路径搜索中的计算量;进一步通过空间位置掩膜或降低时空体素分辨率的方法来控制计算量,实现时空一体的最优路径规划,相较于人工规划方法,更加科学、优化,且效率更高,具有较好的应用前景。
附图说明:
图1为实施例中任务活动威胁代价评估中时空协同路径搜索优化流程示意;
图2为实施例中时空坐标系示意;
图3为实施例中栅格化处理后的时空环境模型示意;
图4为实施例中时空轨迹计算流程示意;
图5为实施例中时空路径与时空棱镜空间示意;
图6为实施例中时空路径搜索节点的待选时空路径区段示意;
图7为实施例中通过空间位置掩膜降低计算量流程示意;
图8为实施例中时空最小代价路径规划耗时与起始目标点之间时间差关系示意;
图9为实施例中B133实验结果示意。
具体实施方式:
为使本发明的目的、技术方案和优点更加清楚、明白,下面结合附图和技术方案对本发明作进一步详细的说明。
本发明实施例,提供一种任务活动威胁代价评估中时空协同路径搜索优化方法,参见图1所示,包含:
S101、在时空坐标系中任务可到达时空棱镜范围内,对用于描述时空环境影响规律的时空综合环境影响模型进行栅格化处理,将沿时空坐标系坐标轴以相同空间和时间间隔分割的时空单元立方体作为时空体素,并按照时间间隔以时空体素几何中心为节点,通过匀速直线运动连接不同时刻的时间点来构建时空路径区段;
S102、在时空路径区段内,通过调整时空体素空间间隔来筛选起始时空点对应的目标时空体素中心点,将每个起始时空点与对应筛选后的目标时空体素中心点之间的路径作为候选路径;
S103、针对候选路径,将时间间隔作为计算时间段,从第一个时间段开始,以计算时间段为层级,通过分层的路径搜索来查找所有计算时间段内起始时空点与目标时空体素中心点之间的最小代价路径,依据所有计算时间段内的最小代价路径来获取任务活动起始和达到的终点之间的综合威胁代价最优路径。
通过在时空棱镜内部以体素几何中心为节点、以体素单位时间间隔的整数倍为时间间隔、并以匀速直线运动连接起点与目标时空点的方法来构建搜索备选时空路径区段,利用时空棱镜内部体素数量来限制可选路径,在可行时空域内进行最小代价搜索时,计算量会随着越野任务最大安全速度及其越野时间长度增长,且在应用中最大安全速度变化有限,越野任务时间长度要受任务需求控制,难以预测,本案通过调整时空体素空间间隔来控制最小代价路径搜索中的计算量。
进一步的,本案实施例中在构建基于时空体素的环境综合影响模型时,在任务环境空间代价规律基础上扩展时间维度来实现空间任意点与该点在时间上连续变化的情形,通过对模型进行栅格化处理来获取任务执行方案时空轨迹上的综合环境代价,较全面、合理进行任务方案综合环境评估,以达到任务执行中的科学、有效选取对应策略的目的,利用时空棱镜内部体素数量来限制可选路径,有效控制计算量。
二维空间环境影响模型能够表现出不同空间的环境代价规律,但无法体现环境随时间变化带来的影响。为此,本案实施例中,时空综合环境影响模型在空间环境代价规律基础上扩展时间维,利用时空坐标系记录空间点随时间点的环境、态势及能力因素对任务执行中环境代价累计增长率,其中,时空坐标系通过确定地表一点为原点、以向东方向为X轴、向北方向为Y轴、并以时间T为竖直向上的Z轴建立三维直角坐标系,以该三维直角坐标系作为时空坐标系。
如图2所示,(a)表示二维空间的时空坐标系,(b)表示三维空间的空间坐标系,两种坐标系均是三维坐标系,但坐标含义完全不同。二维空间的时空坐标系定义与时空地理学中类似坐标系一致。为统一表达空间环境随时间的动态变化,本案实施例中通过时空综合环境影响模型,建立于图2中所述的时空坐标系,以记录任意时空的环境影响规律。在时空坐标系中任意位置(x,y,t)记录环境综合代价的时空增长率以记录在空间点(x,y)处t时刻环境、态势、能力对任务执行的代价累积的速度变化率。的含义与代价有关,对于最短时间规划而言,是移动单位距离所需的最少时间,即最短时间消耗代价率而对于路径综合代价分析而言,是时空综合威胁代价率
沿时空坐标系坐标轴以相同空间和时间间隔将时空分割为时空单元立方体,将时空单元立方体作为时空体素。
任务沿Lm的总体时空代价适用于沿任意时空轨迹移动的任务执行方案。通过总体时空代价公式进行积分,即可获得相关环境代价,但环境在时间和空间的变化都是非规律的,实际运算过程中存在困难。为此,本案实施例中,通过对时空环境进行栅格化处理,如图3所示,沿着X-Y-T三轴分别以相同的空间和时间间隔将时空分割为时空单元立方体(时空体素,简称体素)。近似地认为在同一个时空单元中环境综合代价的时空增长率是一致的。栅格化过程中的环境隶属问题可设定为:在空间上,栅格化后的环境隶属于为对任务影响最大的一部分的环境,在时间上,环境的状态隶属于体素所在几何中心的环境状态。表达的是代价累积的时空速率,除了与时空环境有关外,还可能与其它因素有关,如任务执行中的行驶方向,历史轨迹等。故即使环境栅格化后,也不一定是一个数值,而是代表一种代价累积规律。
理论上,对环境影响的认识过程就是对每个体素的计算过程。但事实上对考察时空区域内所有体素的都进行一遍计算是不现实的,且进行如此巨量的环境评估开销是巨大的,会导致计算过程中的爆炸问题。针对这个问题,本案实施例中,可利用时空轨迹,即在评估过程中用到哪个体素生成哪个体素,用多少,环境评估多少。
离散化的意义在于简化复杂的变化规律。当栅格化的时空间隔大小合适时,可近似地认为在其所代表的时空内环境相似,其所有代价规律也一致。如图3所示,若(x0,y0,t0)为图示绿色体素的几何中心点,w′(·)为代价w(·)在体素内的近似表达,那么w近似可用如下公式表示:
作为本发明实施例中任务活动威胁代价评估中时空协同路径搜索优化方法,进一步地,在栅格化后的时空体素环境中,依据沿空间直线时刻按照环境允许的最大安全速度行进并到达目标空间栅格中心所需要的最短时间获取对应时空点到临近空间栅格中心所需最短时间,求解每个空间栅格中心位置的最早到达时空点来近似表达时空棱镜的下棱锥表面,并求解每个空间栅格中心位置的最晚停留时空点来近似表达时空棱镜的上棱锥表面;并将求解过程中相应段运动的时空轨迹作为连接当前时空点和目标空间栅格中心、且首尾相接的多个时空直线段构成的连续时空轨迹;每一时空直线段处于不同时空体素中,且除当前时空点和目标空间栅格中心外,每段的时空起始点和结束点为时空轨迹穿入和穿出时空体素的时空坐标;时空轨迹追踪按序依次根据上一次穿出时空体素的时空坐标作为下一段时空直线段运动的时空起始点,结合空间移动方向、时空体素时空范围及在时空体素内按特定方向行驶的最大速度计算穿出时空体素时的时空坐标,直至在空间上到达目标空间栅格中心来获取用于描述目标对象可达区域范围的时空棱镜。利用时空体素在时空综合环境影响模型中追踪任务活动时空轨迹,任务执行进入或穿出时空体素时空点的时空坐标来获取时空轨迹上途经每个时空体素内行进长度和停留时间,通过时空轨迹经过的各时空体素代价增长率及对应时空体素内停留时间、和行进长度来获取任务执行方案的综合环境代价;并依据时空轨迹途径每个时空体素时产生的代价值之和来获取用于评估任务活动方案优劣程度的总的代价累积值。
基于时空综合环境影响模型对任务执行方案代价进行评估,首先需要获取已知方案会穿过哪些时空体素,以及在每个时空体素中停留的时间长度和移动的空间距离,此过程即为移动轨迹的时空追踪过程。在时空环境综合影响模型中的移动可以看作连续的若干段直线运动,任何复杂运动轨迹都可以通过这种方式逼近。如图4所示为一段时空中从时空点S至时空点E的直线运动,图中绘制出一部分体素A0,B0,B1,其中,A0,B0空间相邻时间一致,B0,B1空间一致时间相邻。时空点S为空间点A在其时空轨迹LA上的一个时空点;时空点E为空间点B在其时空轨迹LB上的一个时空点。假设任务执行方案从S出发以沿图示时空轨迹,途经时空点M0,M1到达E。具体方案中各直线段端点的时空坐标是已知的(如图中S,E的时空坐标是已知的),相应这一段任务行程的行驶速度和方向就已知,如果再求出每个进入或穿出体素的时空点的时空坐标(如图中M0,M1的时空坐标),即可求出时空轨迹在途径的每个体素(如图中A0,B0,B1途径的三个体素)内的行进长度和停留时间。
具体模型求解计算时,行驶方向i可通过A,B的空间坐标利用公式i=arctan((yB-yA)/(xB-xB))计算出来,该值在这两点之间的各个体素移动时均不会变化,在x,y轴方向的速度根据方案可得。设upper(x),floor(x)分别为向下和向上取整函数,可定义forward(x),backward(x)分别为向后和向前取整函数,记x,y,t轴的栅格间隔分别为dx,dy,dt,设在第j个时空体素内开始移动时的坐标标记为(xj,yj,tj),在该体素内最大剩余移动时间和体素的几何中心坐标可表示为:
在这段时间内,不考虑体素的空间边界的情况下,在x,y轴方向最大行驶距离分别为不考虑时空体素时间边界的情况下,在x,y轴方向最大行驶距离分别为如不考虑其它轴,记分别从T轴,X轴,Y轴穿出的最短时间分别为对应公式为 那么最早穿出时间Δtj表示为轴向为最短时间对应轴向。
通过上述方法即可完成直线段运动在体素中的追踪,获取时空轨迹进入和穿出每一个体素时的时空坐标。轨迹在体素内是匀速直线运动,即连接进入体素和穿出体素的时空点的直线段(如图4中直线段M0M1),通过上述内容即可追踪出具体越野方案会穿过哪些体素,以及在每个体素中停留的时间长度和移动的空间距离。
假如通过移动轨迹追踪得到任务执行方案的时空轨迹将依次通过n个时空体素。记在第i个时空体素代价增长率为轨迹在该时空体素中停留了时间行进空间长度为则任务执行方案在模型第i个体素中将产生的代价Wi为整个方案的总体代价W为
时间地理学是是一种理解人类、自然和技术之间相互依存关系的普遍方法,其一般在一个包含n维的空间与1维的时间的概念坐标系下进行研究,时间与空间是正交的,个体的活动在时间维上是单向不可逆的。时间地理学基本要素是时空路径和时空棱镜。时空棱镜问题研究的是人类活动的边界问题,即一段时间范围内,人类移动速度受环境影响下,能够出现的最大的时空范围。在越野活动中研究时空棱镜可以从整体上对越野可到达性进行评估,分析越野活动可能出现的时空范围大小,关键点,时空容差能力等一系列问题,从而达到从整体上对任务效能进行评估的目的。
如图5所示,一个静止物体的时空轨迹在时空坐标系中可以表示为一条与时间轴平行的直线(如Ls);一个连续移动物体的时空路径呈现为连续的曲线(如Lm);时空点P′Start与P′end之间的时空区域U称为由出发时空点和到达时空点P′end确定的时空棱镜,表达移动的对象在这段时间内可能出现的时空范围,P′end P′Start分别称为时空棱镜的上下锚点;PPA是Potential Path Area的缩写,代表了在时间预算内个体可能出现的空间范围。如果PA(xA,yA,tA),PB(xB,yB,tB)两点之间为匀速直线运动,其速度的计算公式为:
该值正好是Lm与空间面的斜率,斜率值越小代表在空间中移动的速度越快。如Ls所示,如果一个对象如果是静止的,那么它应当呈现为一条平行于时间轴的直线。
时空棱镜对可到达性的表达主要基于这样的原理:如果从出发的时空点处,以任意不超过最大速度的时空轨迹能到达的时空区域记为N;以任意不超过最大速度的时空轨迹行进,能在规定时间前到达终点的区域所可能经过的时空区域记为R,则如下所示:
U={(x,y,t)|(x,y,t)∈N∩(x,y,t)∈R}
锚点PS′tart与Pe′nd确定的时空棱镜U是即满足在指定时刻从指定起点出发能到达的时空,又满足能在另一指定时刻之前到达终点的时空。其反映了个体在起点、终点和一定的时间预算内旅行和活动的可能性。时空棱镜所表达的时空区域就是本案中任务活动可到达时空区域,不在该范围的时空区域受时间预算、环境影响和规则限制,或不可能从起点到达,或不可能按时到达终点。通过时空棱镜获取在可预测时空条件下任务执行方案中可达区域范围,利用时空棱镜来表示任务执行方案中可能出现的时空边界,便于评价任务在相应时空执行时的可行性、可靠性、时空冗余度等问题,考虑环境随时间的连续变化,不会导致大量无效计算,解决传统算法存在大量时空实际在变化的环境中是不可能到达的情形。
本案方案中,在时空棱镜内部以体素几何中心为节点,以体素单位时间间隔的整数倍为时间间隔,以匀速直线运动连接起点与目标时空点的方法构建搜索备选时空路径区段,进行时空路径搜索。由于在时空棱镜内部体素的数量有限,选择的路径有限,能够有效控制计算量。在对某体素中心进行下一步路径搜索时,参见图6所示,可以选择的时空路径区段可按照如下步骤进行构造:
(1)以起始时空点为出发点,以整数倍体素单位时间间隔为一个计算时间段,计算该段时间内起始时空点能够到达的时空边界范围;
(1)在起始时空点可到达的空间范围内,且在整体的越野可到达时空域内,找出所有包含目标时刻的体素,以这些体素的几何中心点作为目标体素中心点;
(2)用时空直线(匀速直线运动)连接起始时空点至所有目标时空点,相应的连接线即从为在起始时空点进行下一步搜索时的备选时空轨迹;
针对本案实施例获取的时空路径区段,以其作为候选时空路径区段,利用候选时空直线的斜率计算行驶速度和方向等信息,沿时空直线计算出途径相关时空体素的时空轨迹;可以近似认为在一个时空体素内的环境影响规律是不变的。记候选路径线段H在第i个时空体素代价增长率为轨迹在该时空体素中停留了时间行进空间长度为故在第i个体素中将产生的代价如果H穿过了q个体素,且H的上一段H-1的累积综合威胁代价为DH-1,那么H的累积综合威胁程度代价DH按照计算。DH代表从任务活动出发点开始,途径H到达当前计算的目标体素中心点所要付出的最小的累积综合威胁程度代价。
在进行路径搜索时,可按计算时间段分层计算。从可到达域内部第一个计算时间段开始,按照以下步骤计算:以该时间段内可到达域下边界各节点为起点,计算到该时间段目标体素中心点的备选时空路径,如本计算时间段不是第一个时间段,还应计算上一个计算时间段所有目标体素中心点到该时间段目标体素中心点的备选路径;评估位于当前计算时间段的每个目标体素中心点会有多个备选路径与之连接,仅保留其中一条累积综合威胁代价最小的路径,抛弃其它备选路径,结合相应起点的最小综合威胁代价评估到当前目标体素中心点的最小累积威胁代价;如果在一个计算时间段内,可到达时空域包含一部分时空棱镜上边界,则将上边界上各节点作为目标体素中心点参与上述计算,并评估从上边界相应节点至越野最终目标点的总体累积综合威胁代价,并记录;进入下一计算时间段,直至完成可到达域内的所有计算;找出所有到达越野终点路径的累积综合威胁代价最小的一条,即是代价最优路径。
由于需要在空间和时间范围内搜索代价最小路径,计算量非常大。本案申请中,设定场景为各向同速且不随时间改变的经典场景,该场景与态势无关,向各方向行驶的速度相同,速度也不随时间改变。环境设定为:平缓的各向同速环境,地势平坦,无障碍,任何任务承担者向各方向行驶的速度均为1m/s,且不随时间改变。态势设定为:无态势,环境中仅考虑任务承担人员。能力设定为:用于场景分析的设定,行驶速度与方向无关,由环境指定;越野过程中不休息,不进食。任务类型设定为:非战争行动,越野行动仅受环境影响,主要考虑经济消耗相关的问题,考虑风险较少,与态势无关。并假设起点和目标点空间位置相同,越野时间长度为2T,体素的时空间隔分别标记为Δt,Δx,计算时间段长度选取为nΔt,越野最大安全速度为v。那么在一个计算时间长度内,某起始时空点最多可能的待选时空轨迹段数量设定为m,m=floor(π(vnΔt/Δx)2),则在下半棱锥的第k个计算时间段(k=1,2,...,floor(T/(nΔt)))可能有待选路径数量为Mk=m·floor(π(kvnΔt/Δx)2)。故整个时空棱镜内部需要评估综合威胁代价的路径总数量M的等价关系式为M~(v/Δx)4T3nΔt,其计算复杂度是(v/Δx)的4阶,半程时间T的3阶,nΔt的1阶。
以上是在时空棱镜为正棱锥时进行最小代价路径搜索的计算量等价公式,斜棱锥以及其它异形棱锥的时空棱镜计算量会更加小。整体来说,在以时空棱镜划定的可行时空域内进行最小代价搜索,其计算量会随着v,T的增长迅速增长,随着Δx的变大迅速减少。而在一般应用中v,n,Δt变化有限,但T的变化主要受任务需求控制,难以预测,可能很大,只能通过增加Δx来实现计算量的降低,Δx的量阶大于T的量阶。尽管增加Δx会导致规划的细节程度降低,但是降低的速度快于计算量增长的速度。这就意味着,无论T多大,通过调整Δx,在一定计算量内,一定可以获得保持总细节程度不变的方案(比如构成路径直线段的数量不变)。因此,本案实施例中,调整时空体素空间间隔中,进一步利用等间距采样或降低时空体素的时空分辨率来增加时空体素的空间间隔,进而通过筛选时空体素中心点来获取用于时空路径搜索的候选路径,以达到增加Δx的效果。
搜索计算量过高的主要原因是每个起始时空点对应大量目标体素中心点,但这些待选路径之间的代价在大部分情况下差异并不大。故可以采取舍去部分目标体素中心点中非关键目标点的方法快速减少计算量,这种方法类似于增加了两个目标体素中心点之间的间距,间接达到了增加Δx的效果。最简单的排除目标体素中心点的方法是等间距对目标体素中心点采样,但由于规律地排除某些点容易导致关键信息丢失,比如桥梁,渡河等关键节点丢失。进一步地,本案实施例中,通过空间位置掩膜降低计算量的方法,搜索计算量过高的主要原因是每个起始时空点对应大量目标体素中心点,但这些待选路径之间的代价在大部分情况下差异并不大。故可以采取舍去部分目标体素中心点中非关键目标点的方法快速减少计算量,这种方法类似于增加了两个目标体素中心点之间的间距,间接达到增加Δx的效果。具体如图7所示:在空间上以整数倍Δx间距(本文称为掩膜基准长度,记为Δy),对体素的空间中心点采样,并将采样点空间坐标记录在掩膜上;补充包含关键位置信息的体素中心点坐标,并追加记录在掩膜上;在时空路径搜索过程中,选择起始时空点和目标体素中心点时,仅考虑在掩膜上有记录的空间坐标位置。
通过降低分辨率的方法降低时空路径搜索计算量,与通过掩膜的方法相比,更为直接的方法是降低体素的时空分辨率。降低分辨率的方法直接增加了Δx,又降低了在每一条路径上进行综合威胁代价评估的计算量,以4阶的速度迅速降低了计算量,但与通过掩膜的方法相比缺点是精度较差。
进一步地,基于上述的方法,本发明实施例还提供一种任务活动威胁代价评估中时空协同路径搜索优化系统,包含:区域构建模块、节点筛选模块和路径选取模块,其中,
区域构建模块,用于在时空坐标系中任务可到达时空棱镜范围内,对用于描述时空环境影响规律的时空综合环境影响模型进行栅格化处理,将沿时空坐标系坐标轴以相同空间和时间间隔分割的时空单元立方体作为时空体素,并按照时间间隔以时空体素几何中心为节点,通过匀速直线运动连接不同时刻的时间点来构建时空路径区段;
节点筛选模块,用于在时空路径区段内,通过调整时空体素空间间隔来筛选起始时空点对应的目标时空体素中心点,将每个起始时空点与对应筛选后的目标时空体素中心点之间的路径作为候选路径;
路径选取模块,用于针对可到达时空棱镜划定的可达到域范围内的候选路径,将时间间隔作为计算时间段,从第一个时间段开始,以计算时间段为单位层级,通过分层的路径搜索来查找出所有计算时间段内起始时空点与目标时空体素中心点之间的最小代价路径,依据所有计算时间段内的最小代价路径来获取任务活动起始和达到的终点之间的综合威胁代价最优路径。
本案方案能够通过时空综合环境影响模型体现连续变化的环境、态势、能力等综合因素的影响,利用时空棱镜可达域分析能够支持空间重叠和交叉的路径,巧妙利用时间差解决空间冲突问题,能够支持偏好各异的各类任务,以实现对任务活动综合威胁代价最佳表现的评估,并在空间和时间范围内搜索代价最小路径时,通过调整时空体素空间间隔对节点进行筛选来控制其计算量,计算效率高,便于实现和实际场景中的应用。
为验证本案方案有效性,下面结合计算量对比实验对本案方案有效性做进一步解释说明,实验共8个,具体参数如表1所示。
表1最小综合威胁代价路径分析的计算量对比实验详情一览表
其中,本次对比时间中,经典场景与前述场景设定相同,不再赘述。长距离越野复杂仿真环境设定如下:与态势无关,各向异速,场景数据量较大的复杂仿真场景。环境会随时间连续变化,轮渡通过性会有周期性变化,考虑生物习性。用于对受环境及生物习性影响下的复杂通行性变化情况进行验证。包含以下组合:
环境设定:综合仿真环境,该环境设定采用的地形为ASTER GDEM 2DEM数据,经纬度范围为E 120°~121°,N 41°~42°。河流、湖泊和人工建筑设施数据从OpenStreetMap采集,相关的四种土质的粘土含量的设想情况如表2所示。
表2环境设定中的土质设定
参考Anderson相关研究,设定研究区域预计在8:30~11:30降暴雨,之后气象条件良好,在雨后28小时内土质含水量逐步恢复原来水平。上述四种土质在降雨、气温、地形植被等条件的共同作用下的含水量变化预测如表3所示,在给定时刻之间的含水量可按照时间内插得到。
表3四种土质的含水量变化预测值
在部分河流区段有轮渡,轮渡仅在服务时间段内可通过,服务时间表如表4所示;桥梁在任意时段均可使用(桥梁限速vb:40km/h)。
表4轮渡服务时间表
真实环境比上述仿真环境更加复杂,但本设定已经能够在一定程度上代表各类环境影响类型,更复杂的环境构成只会表现出不同的规律,不会影响对实验结果的科学性判定。为了便于数据生成和控制环境变量,将不再设定更加复杂的环境。
态势设定:同前述无态势设定相同。能力设定:长距离越野部队仿真能力设定。
越野装备主要性能参数如表5所示,其中VCI1和VCI50是越野车辆的机动车圆锥指数,分别指只通过1次最少需要土壤满足的额定圆锥指数,和通过50次至少需要土壤满足的额定圆锥指数。当土质的额定圆锥指数(RCI)小于VCI1时车辆无法通过,大于VCI50时,车辆的通过性不受土质限制。平地行驶速度是指在路况良好的情况下,该车一般行驶的速度,最低速度指车辆长时间行驶能够接受的最低速度。最大爬坡度是指车辆面向坡度方向能行驶的最大坡度,为保证行驶安全和动力充沛,防止侧翻,规定无论行驶方向,坡度须小于最大爬坡度。由于车辆性质原因,本设定不允许车辆通过人工建筑设施。
表5机动车越野参数
根据Choi等对大型露天矿自卸汽车的寻路研究,车辆在上坡和下坡时速度影响不同。如表6,由于安全需要和生理需要,通常在长途越野期间还需适时安排餐饮及休息。除此之外,每行驶55分钟,休息5分钟。
表6餐饮及休息安排
任务类型:非战争性能,越野行动仅受环境影响,主要考虑经济消耗相关的问题,考虑风险较少,与态势无关。
高空间分辨率,低时间分辨率:空间分辨率:90米;时间分辨率120秒。
低空间分辨率,低时间分辨率:空间分辨率:500米;时间分辨率:120秒。
基于上述实验条件和参数设定后,实验A011、A012、A013、A014、A015是为了验证综合威胁代价路径总数量等价关系式M~(v/Δx)4T3nΔt而设计的,它们的差异仅在于起点和终点之间的时间差长度不同。可对前7个实验各进行5次重复,所消耗的计算时间列入表7,且将前5个实验的计算耗时与T的关系绘制为统计图8。从图中可以看出,随着T变大,计算耗时增长非常快,其拟合后正好呈三次关系,且符合程度非常高(拟合曲线的R2非常接近1),实验验证了M~(v/Δx)4T3nΔt的准确性。
表7相关实验重复5次的平均计算耗时
实验A035和A115分别实现采用掩膜的计算量降低方法和采用降低分辨率的方法,从实验结果来看,可以得出:通过直接或间接增加Δx的方法能够快速有效地降低计算量;对比A035和A115可知,通过掩膜的方法能够保证一定的精度,但是计算量降低的速度不如直接降低分辨率的方法快;对比A011、A015和A115可知,体素的空间分辨率Δx增加导致的计算量降低速度快于因T增加导致的计算量升高的速度。
与前7个实验不同,实验B133是通过掩膜的方法在长距离越野复杂仿真环境场景中进行实验的,其目的是为了验证掩膜的方法不会导致重要空间信息节点丢失。如图9,越野的起点和终点在河流的两侧,仅通过狭窄的桥梁相连,如果单纯地采用间隔一定空间间距的方法对目标体素中心点进行采样,桥梁可能正好被排除,导致最终无法到达目的地。但是由于生成空间掩膜时,通过掩膜将桥梁作为关键点保留,则可以参与到路径搜索过程中。图9中浅色细线代表通过实验B133规划的时空路径,半透明的时空棱镜为越野的可到达域,从结果图(c)可以看出,路线通过桥梁连接了起点和目标点,结果较为合理。
基于上述的系统,本发明实施例还提供一种服务器,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述的方法。
基于上述的系统,本发明实施例还提供一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现上述的方法。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述系统实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述系统实施例中相应内容。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述系统实施例中的对应过程,在此不再赘述。
在这里示出和描述的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制,因此,示例性实施例的其他示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、系统和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和系统,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述系统的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种任务活动威胁代价评估中时空协同路径搜索优化方法,其特征在于,包含如下内容:
在时空坐标系中任务可到达时空棱镜范围内,对用于描述时空环境影响规律的时空综合环境影响模型进行栅格化处理,将沿时空坐标系坐标轴以相同空间和时间间隔分割的时空单元立方体作为时空体素,并按照时间间隔以时空体素几何中心为节点,通过匀速直线运动连接不同时刻的时间点来构建时空路径区段;
在时空路径区段内,通过调整时空体素空间间隔来筛选起始时空点和目标时空体素中心点,将每个起始时空点与对应筛选后的目标时空体素中心点之间的路径作为候选路径;
针对候选路径,将时间间隔作为计算时间段,从第一个时间段开始,以计算时间段为层级,通过分层的路径搜索来查找所有计算时间段内起始时空点与目标时空体素中心点之间的最小代价路径,依据所有计算时间段内的最小代价路径来获取任务活动起始和达到的终点之间的综合威胁代价最优路径。
2.根据权利要求1所述的任务活动威胁代价评估中时空协同路径搜索优化方法,其特征在于,所述时空综合环境影响模型在空间环境代价规律基础上扩展时间维,利用时空坐标系记录空间点随时间点的环境、态势及能力因素对任务执行中环境代价累计增长率,其中,时空坐标系通过确定地表一点为原点、以向东方向为X轴、向北方向为Y轴、并以时间T为竖直向上的Z轴建立三维直角坐标系,以该三维直角坐标系作为时空坐标系。
3.根据权利要求1或2所述的任务活动威胁代价评估中时空协同路径搜索优化方法,其特征在于,模型栅格化处理中,分别沿时空坐标系的X轴和Y轴,以相同的空间间隔将空间栅格化,每个空间栅格确定一个空间栅格中心;沿T轴以相同的时间间隔分割,将时间和空间栅格化后的最小时空单元作为用于简化环境空间变化和时间变化复杂性的时空体素。
4.根据权利要求3所述的任务活动威胁代价评估中时空协同路径搜索优化方法,其特征在于,在栅格化后的时空体素环境中,依据沿空间直线时刻按照环境允许的最大安全速度行进并到达目标空间栅格中心所需要的最短时间获取对应时空点到临近空间栅格中心所需最短时间,求解每个空间栅格中心位置的最早到达时空点来近似表达时空棱镜的下棱锥表面,并求解每个空间栅格中心位置的最晚停留时空点来近似表达时空棱镜的上棱锥表面;并将求解过程中相应段运动的时空轨迹作为连接当前时空点和目标空间栅格中心、且首尾相接的多个时空直线段构成的连续时空轨迹;每一时空直线段处于不同时空体素中,且除当前时空点和目标空间栅格中心外,每段的时空起始点和结束点为时空轨迹穿入和穿出时空体素的时空坐标;时空轨迹追踪按序依次根据上一次穿出时空体素的时空坐标作为下一段时空直线段运动的时空起始点,结合空间移动方向、时空体素时空范围及在时空体素内按特定方向行驶的最大速度计算穿出时空体素时的时空坐标,直至在空间上到达目标空间栅格中心来获取用于描述目标对象可达区域范围的时空棱镜。
5.根据权利要求1所述的任务活动威胁代价评估中时空协同路径搜索优化方法,其特征在于,利用时空体素在时空综合环境影响模型中追踪任务活动时空轨迹,任务执行进入或穿出时空体素时空点的时空坐标来获取时空轨迹上途经每个时空体素内行进长度和停留时间,通过时空轨迹经过的各时空体素代价增长率及对应时空体素内停留时间、和行进长度来获取任务执行方案的综合环境代价;并依据时空轨迹途径每个时空体素时产生的代价值之和来获取用于评估任务活动方案优劣程度的总的代价累积值。
6.根据权利要求1所述的任务活动威胁代价评估中时空协同路径搜索优化方法,其特征在于,调整时空体素空间间隔中,利用等间距采样或降低时空体素的时空分辨率来增加时空体素的空间间隔。
7.根据权利要求1所述的任务活动威胁代价评估中时空协同路径搜索优化方法,其特征在于,调整时空体素空间间隔中,在时空坐标系的空间上以整数倍的时空体素空间间隔作为掩膜基准长度,利用掩膜方法对目标时空体素中心点进行采样,并将采样点的空间坐标记录在掩膜上;在掩膜上追加并记录包含关键位置信息的时空体素中心点;仅在掩膜的记录中的空间位置选取起始时空点和目标体素中心点来获取用于时空路径搜索的候选路径。
8.一种任务活动威胁代价评估中时空协同路径搜索优化系统,其特征在于,包含:区域构建模块、节点筛选模块和路径选取模块,其中,
区域构建模块,用于在时空坐标系中任务可到达时空棱镜范围内,对用于描述时空环境影响规律的时空综合环境影响模型进行栅格化处理,将沿时空坐标系坐标轴以相同空间和时间间隔分割的时空单元立方体作为时空体素,并按照时间间隔以时空体素几何中心为节点,通过匀速直线运动连接不同时刻的时间点来构建时空路径区段;
节点筛选模块,用于在时空路径区段内,通过调整时空体素空间间隔来筛选起始时空点对应的目标时空体素中心点,将每个起始时空点与对应筛选后的目标时空体素中心点之间的路径作为候选路径;
路径选取模块,用于针对候选路径,将时间间隔作为计算时间段,从第一个时间段开始,以计算时间段为层级,通过分层的路径搜索来查找所有计算时间段内起始时空点与目标时空体素中心点之间的最小代价路径,依据所有计算时间段内的最小代价路径来获取任务活动起始和达到的终点之间的综合威胁代价最优路径。
9.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器之行时,使得所述处理器执行如权利要求1~7任一项所述地方法的步骤。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1~7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111412111.XA CN114254210A (zh) | 2021-11-25 | 2021-11-25 | 任务活动威胁代价评估中时空协同路径搜索优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111412111.XA CN114254210A (zh) | 2021-11-25 | 2021-11-25 | 任务活动威胁代价评估中时空协同路径搜索优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114254210A true CN114254210A (zh) | 2022-03-29 |
Family
ID=80793297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111412111.XA Pending CN114254210A (zh) | 2021-11-25 | 2021-11-25 | 任务活动威胁代价评估中时空协同路径搜索优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114254210A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115795697A (zh) * | 2023-01-31 | 2023-03-14 | 中国电子科技集团公司第二十八研究所 | 一种基于空间网格的复杂环境下野外机动通道生成方法 |
-
2021
- 2021-11-25 CN CN202111412111.XA patent/CN114254210A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115795697A (zh) * | 2023-01-31 | 2023-03-14 | 中国电子科技集团公司第二十八研究所 | 一种基于空间网格的复杂环境下野外机动通道生成方法 |
CN115795697B (zh) * | 2023-01-31 | 2023-04-21 | 中国电子科技集团公司第二十八研究所 | 一种基于空间网格的复杂环境下野外机动通道生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111859800A (zh) | 用于pm2.5浓度分布的时空估算和预测的方法 | |
CN102880186A (zh) | 基于稀疏a*算法和遗传算法的航迹规划方法 | |
US20110046837A1 (en) | System and method for resource allocation and management | |
CN107748942B (zh) | 基于速度场感知网络的雷达回波外推预测方法和系统 | |
El-Tantawy et al. | Towards multi-agent reinforcement learning for integrated network of optimal traffic controllers (MARLIN-OTC) | |
CN112556686B (zh) | 可预测动态时空环境的最短时间路径规划方法 | |
CN110488842A (zh) | 一种基于双向内核岭回归的车辆轨迹预测方法 | |
Khalkhali et al. | Vehicle tracking with Kalman filter using online situation assessment | |
CN113048981B (zh) | 一种面向dem的无道路区域路径规划算法的方法 | |
Zhang et al. | A unified framework integrating decision making and trajectory planning based on spatio-temporal voxels for highway autonomous driving | |
Schroer et al. | Data-driven competitor-aware positioning in on-demand vehicle rental networks | |
CN114254875A (zh) | 面向任务的多维度效能评估方法 | |
CN114254210A (zh) | 任务活动威胁代价评估中时空协同路径搜索优化方法及系统 | |
Lo et al. | Toward optimizing static target search path planning | |
He et al. | Station importance evaluation in dynamic bike-sharing rebalancing optimization using an entropy-based TOPSIS approach | |
Zheng et al. | A novel approach to coordinating green wave system with adaptation evolutionary strategy | |
Wei et al. | Study of self-organizing control of traffic signals in an urban network based on cellular automata | |
Xu et al. | Trajectory prediction for autonomous driving with topometric map | |
CN114254808A (zh) | 面向任务的时空最优路径评估方法及系统 | |
CN114169659A (zh) | 一种犯罪时空风险预测及决策调度方法和装置 | |
Ara et al. | Ride Hailing Service Demand Forecast by Integrating Convolutional and Recurrent Neural Networks. | |
Luo et al. | A Practical Online Incremental Learning Framework for Precipitation Nowcasting | |
Feng et al. | AGCN‐T: A Traffic Flow Prediction Model for Spatial‐Temporal Network Dynamics | |
CN114254874A (zh) | 基于时空体素的任务方案综合环境代价评估方法及系统 | |
Motorin et al. | A study of a trajectory synthesis method for a cyclic changeable target in an environment with periodic dynamics of properties |
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 |