CN114485695A - 路径规划方法、装置、服务器、车辆及存储介质 - Google Patents
路径规划方法、装置、服务器、车辆及存储介质 Download PDFInfo
- Publication number
- CN114485695A CN114485695A CN202111563792.XA CN202111563792A CN114485695A CN 114485695 A CN114485695 A CN 114485695A CN 202111563792 A CN202111563792 A CN 202111563792A CN 114485695 A CN114485695 A CN 114485695A
- Authority
- CN
- China
- Prior art keywords
- path
- energy consumption
- initial
- vehicle
- road section
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3469—Fuel consumption; Energy use; Emission aspects
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本公开涉及一种路径规划方法、装置、服务器、车辆及存储介质。该方法包括:接收路径规划请求,路径规划请求携带有起始位置和终点位置;基于起始位置和终点位置进行路径规划,得到多条初始路径;针对每条初始路径,计算初始路径对应的路径能耗参数;根据路径能耗参数,从初始路径中选择目标路径。根据本公开实施例,在车辆基于目标路径由实时位置行驶至终点位置的过程中,可以降低车辆的能耗,因此,可以满足用户节能减排的需求。
Description
技术领域
本公开涉及路径导航技术领域,尤其涉及一种路径规划方法、装置、服务器、车辆及存储介质。
背景技术
路径规划是车辆导航的基本环节之一,它是按照某个性能指标,规划从起始点到目的地的最优路径。
为了对车辆进行路径规划,已有的路径规划方法一般基于最短路径或者最短时间等性能指标,生成最优路径。但是,已有的路径规划方法生成的最优路径所需的车辆能耗往往较高,浪费了车辆能源,难以满足用户节能减排的需求。
发明内容
为了解决上述技术问题,本公开提供了一种路径规划方法、装置、服务器、车辆及存储介质。
第一方面,本公开提供了一种路径规划方法,该方法包括:
接收路径规划请求,路径规划请求携带有起始位置和终点位置;
基于起始位置和终点位置进行路径规划,得到多条初始路径;
针对每条初始路径,计算初始路径对应的路径能耗参数;
根据路径能耗参数,从初始路径中选择目标路径。
在本公开一些实施例中,初始路径包括多个路段;
其中,计算初始路径对应的路径能耗参数,包括:
在预先存储的多个路段能耗参数中,查询每个路段对应的路段能耗参数;
将多个路段对应的路段能耗参数之和作为路径能耗参数。
在本公开一些实施例中,在接收路径规划请求之前,该方法还包括:
针对每个路段,获取路段对应的多个历史能耗值,一个历史能耗值为一个参考车辆发送的在路段上行驶时所耗费的能耗值,参考车辆为在预设时间段内行驶过路段的车辆;
对每个路段对应的多个历史能耗值进行归一化处理,得到每个路段对应的多个归一化能耗参数;
针对每个路段,将路段对应的多个归一化能耗参数的均值作为路段对应的路段能耗参数。
在本公开一些实施例中,对每个路段对应的多个历史能耗值进行归一化处理,得到每个路段对应的多个归一化能耗参数,包括:
基于预设的标定能耗值,对每个路段对应的多个历史能耗值进行归一化处理,得到每个路段对应的多个归一化能耗参数。
在本公开一些实施例中,路径规划请求还携带有车辆类型,预先存储的多个路段能耗参数包括每个车辆类型对应的能耗参数。
在本公开一些实施例中,基于起始位置和终点位置进行路径规划,得到多条初始路径,包括:
基于所述起始位置和所述终点位置进行路径规划,得到多条候选路径;
获取每条所述候选路径对应的非能耗参数;
根据每条所述候选路径对应的非能耗参数,在所述多条候选路径中确定所述多条初始路径。
在本公开一些实施例中,路径规划请求还携带有路径规划策略;
其中,根据路径能耗参数,从初始路径中选择目标路径,包括:
若路径规划策略为能耗参数策略,将路径能耗参数最小的初始路径作为目标路径。
在本公开一些实施例中,路径规划请求还携带有路径规划策略;
其中,根据路径能耗参数,从初始路径中选择目标路径,包括:
若路径规划策略为与能耗参数相关的综合参数策略,获取每条初始路径对应的非能耗参数;
针对每条初始路径,基于各个参数对应的权重值,对每条初始路径对应的路径能耗参数和初始路径对应的非能耗参数进行加权求和,得到每条初始路径对应的综合评分;
将综合评分最高的初始路径作为目标路径。
在本公开一些实施例中,各个参数对应的权重值根据多个历史路径选择数据对预设的卷积神经网络进行训练得到,历史路径选择数据包括参考车辆选择的历史路径对应的各个历史参数。
第二方面,本公开提供了一种路径规划装置,该装置包括:
路径规划请求接收模块,用于接收路径规划请求,路径规划请求携带有起始位置和终点位置;
初始路径规划模块,用于基于起始位置和终点位置进行路径规划,得到多条初始路径;
路径能耗参数计算模块,用于针对每条初始路径,计算初始路径对应的路径能耗参数;
目标路径选择模块,用于根据路径能耗参数,从初始路径中选择目标路径。
第三方面,本公开实施例还提供了一种服务器,该服务器包括:
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第一方面所提供的路径规划方法。
第四方面,本公开实施例还提供了一种车辆,该车辆包括:处理器和存储器;
存储器,用于存储可执行指令;
其中,所述处理器用于从所述存储器中读取所述可执行指令,并执行所述可执行指令以实现上述第一方面中任一项所述的路径规划方法。
第五方面,本公开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,该计算机程序被处理器执行时实现第一方面所提供的路径规划方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点:
本公开实施例的一种路径规划方法、装置、服务器、车辆及存储介质,在接收路径规划请求之后,路径规划请求携带有起始位置和终点位置,能够基于起始位置和终点位置进行路径规划,得到多条初始路径,并针对每条初始路径,计算初始路径对应的路径能耗参数,然后根据路径能耗参数,从初始路径中选择目标路径,使得规划的导航路径所需的车辆能耗较低,由此,在车辆基于目标路径由起始位置行驶至终点位置的过程中,可以降低车辆的能耗,因此,可以满足用户节能减排的需求。
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。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本开实施例提供的一种路径规划方法的流程示意图;
图2为本公开实施例提供的另一种路径规划方法的流程示意图;
图3为本公开实施例提供的又一种路径规划方法的流程示意图;
图4为本公开实施例提供的一种路径规划装置的结构示意图;
图5为本公开实施例提供的一种服务器的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
为了对车辆进行路径规划,已有的车辆路径规划方法一般基于最短路径或者最短时间等性能指标,生成最优路径,或者,基于躲避拥堵、少收费、不走高速、高速优先、大路优先、避开限行等性能指标,生成最优路径。然而,由于已有的路径规划方法没有考虑能耗进行路径规划,在用户不是很关心驾驶时间、道路状况的情况下,规划的路径所需的车辆能耗往往较高,无法使得用户选择最节约能耗的路径,浪费了车辆能源,难以满足用户节能减排的需求。
为了解决上述问题,本公开实施例提供了一种能够考虑车辆能源的路径规划方法、装置、服务器、车辆及存储介质。
下面,首先结合图1至图3对本公开实施例提供的路径规划方法进行说明。图1至图3所提供的路径规划方法可以由服务器或车辆执行。服务器可以是云服务器或者服务器集群等具有存储及计算功能的设备。
下面,首先以服务器为例对路径规划方法进行说明。
图1示出了本公开实施例提供的一种路径规划方法的流程示意图。
如图1所示,该路径规划方法可以包括如下步骤。
S110、接收路径规划请求,路径规划请求携带有起始位置和终点位置。
在本公开实施例中,当车辆具有路径规划需求时,可以向服务器发送路径规划请求。服务器可以接收路径规划请求,以进一步利用路径规划请求中的起始位置和终点位置对车辆进行路径规划。
在本公开实施例中,路径规划请求可以是用于规划车辆的行驶路径的请求。
在本公开实施例中,起始位置可以是进行路径规划的规划起始点。
在一些实施例中,起始位置可以是车辆行驶的起始点。
在另一些实施例中,起始位置可以是车辆的实时行驶位置。
在本公开实施例中,终点位置可以是进行路径规划的规划终点。
S120、基于起始位置和终点位置进行路径规划,得到多条初始路径。
在本公开实施例中,在服务器接收到路径规划请求之后,可以根据起始位置和终点位置,对车辆进行路径规划,得到多条初始路径。
在本公开实施例中,初始路径可以是未结合能耗参数生成的规划路径。
在本公开一些实施例中,S120具体可以包括如下步骤:
根据起始位置和终点位置分别对应的路段的道路拓扑关系,以及由起始位置至终点位置的待行驶路段的路段长度,生成多条初始路径。
具体的,服务器可以确定起始位置对应的道路拓扑关系,确定终点位置对应的道路拓扑关系,根据起始位置和终点位置分别对应的路段的道路拓扑关系,生成初始路径。
在本公开另一些实施例中,S120具体可以包括如下步骤:
基于起始位置和终点位置进行路径规划,得到多条候选路径;
获取每条候选路径对应的非能耗参数;
根据每条候选路径对应的非能耗参数,在多条候选路径中确定多条初始路径。
具体的,服务器可以确定起始位置对应的道路拓扑关系,确定终点位置对应的道路拓扑关系,根据起始位置和终点位置分别对应的路段的道路拓扑关系,生成多条候选路径,并获取每条候选路径对应的非能耗参数,根据每条候选路径对应的非能耗参数,在多条候选路径中确定多条初始路径。
可选的,非能耗参数可以包括:行驶时间、拥堵数量、路径长度、所经高速的数量、所经大路的数量等中的至少一种。
以非能耗参数为行驶时间为例,服务器可以根据起始位置和终点位置分别对应的路段的道路拓扑关系,生成多条候选路径,并获取每条候选路径对应的非能耗参数,然后根据每条候选路径对应的非能耗参数,在多条候选路径中选择行驶时间较短的路径,作为初始路径,由此,可以减小车辆的行驶时间。
以非能耗参数为行驶时间和拥堵数量为例,服务器可以根据起始位置和终点位置分别对应的路段的道路拓扑关系,生成多条候选路径,并获取每条候选路径对应的非能耗参数,然后根据每条候选路径对应的非能耗参数,在多条候选路径中选择行驶时间较短以及拥堵数量较小的路径,作为初始路径,由此,可以减小车辆的行驶时间并避开拥堵路段。
由此,在本公开实施例中,可以只基于起始位置和终点位置确定初始路径,也可以基于起始位置、终点位置和非能耗参数,确定初始路径,因此,提高了初始路径确定的灵活性。
S130、针对每条初始路径,计算初始路径对应的路径能耗参数。
在本公开实施例中,在服务器得到多条初始路径之后,针对每条初始路径,可以计算每条初始路径对应的路径能耗参数,使得进一步根据路径能耗参数,从初始路径中选择用于进行车辆导航的目标路径。
具体的,服务器可以根据在初始路径上已行驶过的所有参考车辆的历史路径能耗参数确定初始路径对应的路径能耗参数。
在一些实施例中,历史路径能耗参数可以是所有参考车辆的实际能耗的平均值。
在另一些实施例中,历史路径能耗参数可以是根据所有参考车辆的实际能耗和标定能耗确定的归一化能耗。
在一些实施例中,路段能耗参数可以是在初始路径上已行驶过的所有参考车辆的历史路段能耗参数的平均值,使得得到的路径能耗参数对应唯一的路径能耗参数。
在另一些实施例中,路段能耗参数以包括所有车辆类型的参考车辆的历史路段能耗参数的平均值,使得得到的路径能耗参数包括所有车辆类型的参考车辆对应的路径能耗参数。
具体的,针对每条初始路径,服务器可以计算初始路径上所有路段的路段能耗参数的和,将所有路段的路段能耗参数的和作为对应的初始路径的路径能耗参数。
由此,在本公开实施例中,可以采用不同的方式,计算每条初始路径对应的路径能耗参数,提高了路径能耗参数的计算灵活性。
S140、根据路径能耗参数,从初始路径中选择目标路径。
在本公开实施例中,在服务器计算得到初始路径对应的路径能耗参数之后,可以根据路径能耗参数,选择路径能耗参数最小的初始路径,作为目标路径,使得车辆基于目标路径行驶过程中,所需的能耗参数较小。
在本公开实施例中,目标路径可以是用于为车辆进行车辆导航的路径。具体的,目标路径可以是路径能耗参数较小的路径。
在一些实施例中,可以仅根据路径能耗参数,从初始路径中选择路径能耗参数最小的初始路径,作为车辆对应的目标路径。
在另一些实施例中,可以获取非能耗参数,并根据路径能耗参数和非能耗参数,计算各个初始路径的综合评分,将综合评分最高的初始路径,作为目标路径。
可选的,非能耗参数可以包括路径长度、车辆行驶时间、拥堵数量等参数,在此不做限制。
需要说明的是,如果至少两条的初始路径的综合评分相等,则从综合评分相等的初始路径中,进一步选择路径能耗参数最小的初始路径,作为目标路径。
进一步的,在S140之后,服务器还可以将目标路径发送至生成路径规划请求的车辆,即将目标路径发送至需要进行车辆导航的车辆,使得车辆基于目标路径从起始位置行驶至终点位置。
在本公开实施例中,在接收路径规划请求之后,路径规划请求携带有起始位置和终点位置,能够基于起始位置和终点位置进行路径规划,得到多条初始路径,并针对每条初始路径,计算初始路径对应的路径能耗参数,然后根据路径能耗参数,从初始路径中选择目标路径,使得规划的导航路径所需的车辆能耗较低,由此,在车辆基于目标路径由起始位置行驶至终点位置的过程中,可以降低车辆的能耗,因此,可以满足用户节能减排的需求。
在本公开另一种实施方式中,可以根据预先存储的多个路段能耗参数,计算每条初始路径的路径能耗参数。
在本公开一些实施例中,初始路径包括多个路段,每个路段可以对应唯一的路段能耗参数。
图2示出了本公开实施例提供的另一种路径规划方法的流程示意图。
S210、针对每个路段,获取路段对应的多个历史能耗值。
在本公开实施例中,针对每个初始路径上的每个路段,服务器可以从已存储信息中查找路段对应的多个历史能耗值。
在本公开实施例中,一个历史能耗值可以为一个参考车辆发送的在路段上行驶时所耗费的能耗值,参考车辆为在预设时间段内行驶过路段的车辆。
具体的,参考车辆在路段上行驶的过程中,可以采用众包方式,将实时能耗和实时位置发送至服务器,使得服务器根据实时位置确定参考车辆所行驶的路段,则可以确定每个路段对应的历史能耗值。
S220、对每个路段对应的多个历史能耗值进行归一化处理,得到每个路段对应的多个归一化能耗参数。
在本公开实施例中,可选的,S220具体可以包括如下步骤:
基于预设的标定能耗值,对每个路段对应的多个历史能耗值进行归一化处理,得到每个路段对应的多个归一化能耗参数。
在本公开实施例中,预设的标定能耗值可以是厂家标定能耗值。
具体的,针对每个路段上的每个参考车辆,服务器可以将该路段上每个参考车辆对应的历史能耗值除以预设的标定能耗值,得到每个参考车辆在该路段上的归一化能耗参数,由此,可以得到每个路段对应的多个归一化能耗参数。
其中,每个路段对应的多个归一化能耗参数可以包括所有车辆分别对应的归一化能耗参数。
可选的,归一化能耗参数的计算公式可以通过如下方式计算得到:
N=E/F
其中,N为归一化能耗参数,E为每个参考车辆对应的历史能耗值,F为预设的标定能耗值。
为了避免因道路的老化、破坏、修缮等影响路径规划的准确性,归一化能耗参数可以是接收到路径规划请求时刻之前的最近时间段内的归一化能耗参数,以得到最近时间段内的归一化能耗参数。
可选的,最近时间段可以是接收到路径规划请求时刻之前的10天、20天等时间段,在此不做限制。
可选的,最近时间段内的归一化能耗参数的计算公式可以通过如下方式计算得到:
其中,MAN为最近时间段内的归一化能耗参数,n为天数,Ni为最近时间段内第i天的归一化能耗参数。
S230、针对每个路段,将路段对应的多个归一化能耗参数的均值作为路段对应的路段能耗参数。
在本公开实施例中,针对每个路段,服务器可以计算所有参考车辆对应的归一化能耗参数的平均值,将路段对应的多个归一化能耗参数的均值,作为路段对应的路段能耗参数,并将每个路段对应的路段能耗参数进行存储,使得在接收到路径规划请求时,从预先存储的数据中查找初始路径上各个路段对应的路径能耗参数。
其中,归一化能耗参数可以是最近时间段内的归一化能耗参数。
由此,在本公开实施例中,可以根据每个车辆的预设的标定能耗值和历史能耗值,准确的计算每个车辆的归一化能耗参数,并将所有车辆的归一化能耗参数的平均值,作为每个路段对应的路段能耗参数,路段能耗参数的计算方法简单且准确性高,避免单一数据的不稳定性,有利于进行推广应用。
S240、接收路径规划请求,路径规划请求携带有起始位置和终点位置。
S250、基于起始位置和终点位置进行路径规划,得到多条初始路径。
其中,S240~S250与S110~S120相似,在此不做赘述。
S260、针对每条初始路径,计算初始路径对应的路径能耗参数。
在本公开实施例中,可选的,S260具体可以包括如下步骤:
S2601、在预先存储的多个路段能耗参数中,查询每个路段对应的路段能耗参数;
S2602、将多个路段对应的路段能耗参数之和作为路径能耗参数。
具体的,针对每条初始路径,服务器可以确定初始路径上的所有路段,并从预先存储的多个路段能耗参数中,查询每个路段对应的路段能耗参数,使得进一步计算多个路段对应的路段能耗参数之和,得到每条初始路径的路径能耗参数。
由此,在本公开实施例中,可以将预先存储的多个路段能耗参数的和,作为每条初始路径的路径能耗参数,这种方式简单且准确,有利于推广应用。
S270、根据路径能耗参数,从初始路径中选择目标路径。
其中,S270与S140相似,在此不做赘述。
在本公开另一些实施例中,初始路径包括多个路段,并且,路径规划请求还携带有车辆类型,预先存储的多个路段能耗参数包括每个车辆类型对应的能耗参数。
图3示出了本公开实施例提供的又一种路径规划方法的流程示意图。
S310、获取每个车辆类型的参考车辆在每个路段上的历史能耗值。
在本公开实施例中,针对每个初始路径上的每个路段,服务器可以获取每个车辆类型的参考车辆在每个路段上的历史能耗值,以得到每个路段上所有车辆类型的参考车辆的历史能耗值。
可选的,车辆类型可以为纯电动车类型,也可以为燃油车、混合动力车,在此不做限制。
S320、对每个车辆类型的参考车辆在每个路段上的历史能耗值分别进行归一化处理,得到每个车辆类型的参考车辆在每个路段上的归一化能耗参数。
在本公开实施例中,可选的,S320具体可以包括如下步骤:
基于每个车辆类型对应的预设的标定能耗值,对每个路段对应的每个车辆类型的参考车辆的历史能耗值分别进行归一化处理,得到每个车辆类型的参考车辆在每个路段上的归一化能耗参数。
为了避免因道路的老化、破坏、修缮等影响路径规划的准确性,每个车辆类型的参考车辆在每个路段上的归一化能耗参数可以是接收到路径规划请求时刻之前的最近时间段内归一化能耗参数,以得到最近时间段内的归一化能耗参数。可选的,最近时间段内的归一化能耗参数的计算公式可以参见前述描述,在此不做赘述。
S330、将每个车辆类型的参考车辆在每个路段上的归一化能耗参数的均值,作为每个路段上每个车辆类型对应的路段能耗参数。
在本公开实施例中,针对每个路段,服务器可以计算每个车辆类型的参考车辆在每个路段上的归一化能耗参数的均值,将每个车辆类型的均值作为每个路段上每个车辆类型对应的路段能耗参数。
其中,归一化能耗参数可以是最近时间段内的每个车辆类型的参考车辆在每个路段上的归一化能耗参数。
由此,在本公开实施例中,针对每个路段,可以根据每个车辆类型的参考车辆的预设的标定能耗值和历史能耗值,准确的计算每个车辆类型的参考车辆的归一化能耗参数,并将每个车辆类型的参考车辆在每个路段上的归一化能耗参数的均值,作为每个路段上每个车辆类型对应的路段能耗参数,路段能耗参数的计算方法简单且准确性高,避免利用单一数据进行计算,导致计算结果不稳定,因此,有利于进行推广应用。
S340、接收路径规划请求,路径规划请求携带有起始位置和终点位置。
S350、基于起始位置和终点位置进行路径规划,得到多条初始路径。
其中,S340~S350与S110~S120相似,在此不做赘述。
S360、针对每条初始路径,计算初始路径对应的路径能耗参数。
在本公开实施例中,可选的,S360具体可以包括如下步骤:
S3601、在预先存储的多个路段能耗参数中,查询每个路段上每个车辆类型的参考车辆对应的路段能耗参数;
S3602、针对每条初始路径,将每个车辆类型的参考车辆在各个路段上的归一化能耗参数分别相加,得到每个车辆类型的参考车辆在每条初始路径的目标能耗值。
具体的,服务器生成多条初始路径之后,从预先存储的多个路段能耗参数中,查询每个路段上每个车辆类型的参考车辆对应的路段能耗参数,并将每条初始路径上的每个车辆类型的参考车辆在各个路段上的归一化能耗参数分别相加,以得到每个车辆类型的参考车辆在每条初始路径的目标能耗值。
由此,在本公开实施例中,可以将预先存储的多个路段上每个车辆类型的参考车辆的路段能耗参数的和,作为每条初始路径上每个车辆类型的参考车辆的路径能耗参数,路径能耗参数的确定方法简单且准确,对于不同的车辆类型车辆,可以准确的确定该车辆类型的车辆对应的路径能耗参数。
S370、根据路径能耗参数,从初始路径中选择目标路径。
在本公开实施例中,可选的,S370具体可以包括如下步骤:
S3701、确定车辆对应的目标车辆类型;
S3702、确定每条初始路径上目标车辆类型的参考车辆的路径能耗参数;
S3703、根据每条初始路径上目标车辆类型的参考车辆的路径能耗参数,从初始路径中选择车辆对应的目标路径。
具体的,服务器可以从每条初始路径上的各个车辆类型的路径能耗参数中,查找目标车辆类型的参考车辆的路径能耗参数,并根据目标车辆类型的参考车辆的路径能耗参数,从初始路径中选择车辆对应的目标路径。
由此,在本公开实施例中,可以从每条初始路径上选择车辆对应的目标车辆类型的参考车辆的路径能耗参数,并根据该路径能耗参数,从初始路径中选择目标路径。
在本公开又一种实施方式中,初始路径可以采用不同的策略确定,由此,可以采用不同的路径规划策略,从初始路径中选择目标路径。
在本公开一些实施例中,若初始路径直接根据起始位置和终点位置确定,则可以根据路径能耗参数,从初始路径中选择目标路径,即利用能耗参数策略,从初始路径中选择目标路径;或者,根据路径能耗参数和非能耗参数,从初始路径中选择目标路径,即利用综合参数策略,从初始路径中选择目标路径。
在一些实施例中,路径规划请求还携带有路径规划策略。可以根据每个初始路径对应的路径能耗参数,从初始路径中选择目标路径。
相应的,S140具体可以包括如下步骤:
若路径规划策略为能耗参数策略,将路径能耗参数最小的初始路径作为目标路径。
其中,路径规划策略可以是用于从初始路径中选择目标路径的策略。
具体的,在服务器生成初始路径之后,如果路径规划策略为能耗参数策略,可以选择路径能耗参数最小的初始路径,作为目标路径。
在另一些实施例中,路径规划请求还携带有路径规划策略。并且,可以根据初始路径上车辆对应的车辆类型的路径能耗参数,从初始路径中选择目标路径。
相应的,S140具体可以包括如下步骤:
若路径规划策略为能耗参数策略,将车辆对应的车辆类型的参考车辆的路径能耗参数最小的初始路径作为目标路径。
具体的,在服务器生成初始路径之后,可以确定该车辆对应的车辆类型的参考车辆,将参考车辆的路径能耗参数最小的初始路径作为目标路径。
在又一些实施例中,路径规划请求还携带有路径规划策略。并且,可以根据初始路径的路径能耗参数和非能耗参数,从初始路径中选择目标路径。
相应的,S140该方法具体可以包括如下步骤:
若路径规划策略为与能耗参数相关的综合参数策略,获取每条初始路径对应的非能耗参数;
针对每条初始路径,基于各个参数对应的权重值,对每条初始路径对应的路径能耗参数和初始路径对应的非能耗参数进行加权求和,得到每条初始路径对应的综合评分;
将综合评分最高的初始路径作为目标路径。
其中,非能耗参数可以是除了路径能耗参数之外的用于从初始路径中选择目标路径的其他参数。
可选的,非能耗参数可以包括行驶时间、拥堵数量、路径长度、所经高速的数量、所经大路的数量等中的至少一种。
具体的,若服务器确定路径规划策略为与能耗参数相关的综合参数策略,可以获取每条初始路径的非能耗参数,针对每条初始路径,基于各个参数对应的权重值,对每条初始路径对应的路径能耗参数和初始路径对应的非能耗参数进行加权求和,得到每条初始路径对应的综合评分,并将综合评分最高的初始路径作为目标路径。
在本公开实施例中,可选的,各个参数对应的权重值根据多个历史路径选择数据对预设的卷积神经网络进行训练得到,历史路径选择数据包括参考车辆选择的历史路径对应的各个历史参数。
由此,在本公开实施例中,在S110之前,还可以计算各个参数对应的权重值。
在本公开实施例中,可选的,各个参数对应的权重值的计算方法,具体可以包括如下步骤:
S101、获取多个历史路径选择数据,历史路径选择数据包括参考车辆选择的历史路径对应的各个历史参数;
S102、将历史路径选择数据作为正样本,训练预设的卷积神经网络,得到各个参数对应的权重值。
其中,历史参数可以包括历史路径的能耗参数、非能耗参数以及将历史路径作为目标路径的标签。可选的,历史路径的标签可以是1,并将历史路径的标签是1的历史选择数据,作为正样本。
具体的,服务器可以获取多个历史路径选择数据,将历史路径选择数据作为正样本,具体可以将历史路径的能耗参数和非能耗参数作为卷积神经网络的输入数据,将目标路径的标签作为卷积神经网络的输出数据,基于输入数据和输出数据训练预设的卷积神经网络,以迭代调整预设卷积神经网络的权重值,直至输入数据和输出数据之间的损失值小于预设的损失阈值,得到各个参数对应的权重值。
其中,预设的损失阈值可以是用于判断是否结束调整卷积神经网络的权重值的损失值。
由此,在本公开实施例中,在初始路径直接根据起始位置和终点位置确定时,可以将路径能耗参数最小的初始路径,直接作为目标路径,也可以先确定车辆对应的车辆类型的参考车辆,将参考车辆对应已行驶的路径能耗参数最小的初始路径作为目标路径,也可以将综合评分最高的初始路径作为目标路径。因此,目标路径的确定方式可以适应多种场景,提高了目标路径选择的灵活性。
在本公开另一些实施例中,若初始路径根据起始位置、终点位置和部分的非能耗参数确定,则可以根据路径能耗参数,从初始路径中选择目标路径,即利用能耗参数策略,从初始路径中选择目标路径;或者,根据路径能耗参数以及除确定初始路径之外的另一部分的非能耗参数,从初始路径中选择目标路径,即利用综合参数策略,从初始路径中选择目标路径。
在一些实施例中,路径规划请求还携带有路径规划策略。可以根据每个初始路径对应的路径能耗参数,从初始路径中选择目标路径。
相应的,S140具体可以包括如下步骤:
若路径规划策略为能耗参数策略,将路径能耗参数最小的初始路径作为目标路径。
其中,本实施例从初始路径中选择目标路径的具体方法可以参照前述描述,在此不做赘述。
在另一些实施例中,路径规划请求还携带有路径规划策略。并且,可以根据初始路径上车辆对应的车辆类型的路径能耗参数,从初始路径中选择目标路径。
相应的,S140具体可以包括如下步骤:
若路径规划策略为能耗参数策略,将车辆对应的车辆类型的参考车辆的路径能耗参数最小的初始路径作为目标路径。
其中,本实施例从初始路径中选择目标路径的具体方法可以参照前述描述,在此不做赘述。
在又一些实施例中,路径规划请求还携带有路径规划策略。并且,可以根据初始路径的路径能耗参数以及除确定初始路径之外的其他的非能耗参数,从初始路径中选择目标路径。
相应的,S140具体可以包括如下步骤:
若路径规划策略为与能耗参数相关的综合参数策略,获取除确定初始路径之外的另一部分的非能耗参数;
针对每条初始路径,基于各个参数对应的权重值,对每条初始路径对应的路径能耗参数和除确定初始路径之外的另一部分的非能耗参数进行加权求和,得到每条初始路径对应的综合评分;
将综合评分最高的初始路径作为目标路径。
具体的,若服务器根据起始位置、终点位置和部分的非能耗参数确定初始路径,且服务器确定路径规划策略为与能耗参数相关的综合参数策略,可以获取除确定初始路径之外的另一部分的非能耗参数,并针对每条初始路径,基于各个参数对应的权重值,对每条初始路径对应的路径能耗参数和除确定初始路径之外的另一部分的非能耗参数进行加权求和,得到每条初始路径对应的综合评分,将综合评分最高的初始路径作为目标路径。
其中,各个参数对应的权重值的具体确定方式可以参见前述描述,在此不做赘述。
其中,本实施例从初始路径中选择目标路径的具体方法可以参照前述描述,在此不做赘述。
在一些实施例中,若部分的非能耗参数包括拥堵数量,则除确定初始路径之外的另一部分的非能耗参数可以包括行驶时间、路径长度、所经高速的数量以及所经大路的数量中的至少一种。
在另一些实施例中,若部分的非能耗参数包括拥堵数量和行驶时间,则除确定初始路径之外的另一部分的非能耗参数可以包括路径长度、所经高速的数量以及所经大路的数量中的至少一种。
在本公开实施例中,可选的,各个参数对应的权重值根据多个历史路径选择数据对预设的卷积神经网络进行训练得到,历史路径选择数据包括参考车辆选择的历史路径对应的各个历史参数。
由此,在本公开实施例中,在初始路径根据起始位置终点位置和部分的非能耗参数确定时,可以将路径能耗参数最小的初始路径,直接作为目标路径,也可以先确定车辆对应的车辆类型的参考车辆,将参考车辆对应已行驶的路径能耗参数最小的初始路径作为目标路径,也可以将综合评分最高的初始路径,作为目标路径。因此,目标路径的确定方式可以适应多种场景,提高了目标路径选择的灵活性。
综上,在本公开实施例中,可以仅根据能耗参数策略,从初始路径中选择目标路径,也可以根据综合参数策略,从初始路径中选择目标路径,提高了目标路径选择的准确性。
下面,再以车辆为执行主体,对上述实施例所述的方法进行解释。其中,车辆可以通过车辆的主控制器执行路径规划方法,也可以通过车辆上装载的电子设备执行路径规划方法。其中,电子设备可以为诸如智能手机、平板电脑(PAD)、车载设备、可穿戴设备等设备中的一种。
在本公开实施例中,车辆可以执行以下步骤:
S1、接收路径规划请求,路径规划请求携带有起始位置和终点位置;
S2、基于起始位置和终点位置进行路径规划,得到多条初始路径;
S3、针对每条初始路径,计算初始路径对应的路径能耗参数;
S4、根据路径能耗参数,从初始路径中选择目标路径。
具体的,当用户想要对车辆进行路径规划时,可以向车辆发出路径规划指令。车辆可以接收路径规划指令对应的路径规划请求,并基于路径规划请求中的起始位置和终点位置进行路径规划,得到多条初始路径,针对每条初始路径,计算初始路径对应的路径能耗参数,并根据路径能耗参数,从初始路径中选择目标路径。
在本公开实施例中,车辆能够接收路径规划指令对应的路径规划请求,路径规划请求携带有起始位置和终点位置,基于起始位置和终点位置进行路径规划,得到多条初始路径,并针对每条初始路径,计算初始路径对应的路径能耗参数,然后根据路径能耗参数,从初始路径中选择目标路径,使得规划的导航路径所需的车辆能耗较低,由此,在车辆基于目标路径由起始位置行驶至终点位置的过程中,可以降低车辆的能耗,因此,可以满足用户节能减排的需求。
在本公开实施例中,初始路径包括多个路段;
相应的,S3中的计算初始路径对应的路径能耗参数,具体包括如下步骤:
S31、在预先存储的多个路段能耗参数中,查询每个路段对应的路段能耗参数;
S32、将多个路段对应的路段能耗参数之和作为路径能耗参数。
具体的,在车辆确定初始路径之前,可以从服务器获取多个路段能耗参数,并对多个路段能耗参数进行存储,其中,多个路段能耗参数可以由参考车辆在路段上行驶时发送至服务器。在车辆确定初始路径之后,针对每条初始路径,可以从预先存储的多个路段能耗参数中,查询每个路段对应的路段能耗参数,并将多个路段对应的路段能耗参数相加,将多个路段对应的路段能耗参数之和作为路径能耗参数。
在本公开实施例中,在S1之前,该方法还可以包括如下步骤:
S01、针对每个路段,获取路段对应的多个历史能耗值,一个历史能耗值为一个参考车辆发送的在路段上行驶时所耗费的能耗值,参考车辆为在预设时间段内行驶过路段的车辆;
S02、对每个路段对应的多个历史能耗值进行归一化处理,得到每个路段对应的多个归一化能耗参数;
S03、针对每个路段,将路段对应的多个归一化能耗参数的均值作为路段对应的路段能耗参数。
具体的,在车辆接收路径规划请求之前,可以从服务器获取每个参考车辆在路段上行驶时所耗费的能耗值,每个参考车辆在路段上行驶时所耗费的能耗值可以由参考车辆在路段上行驶时发送至服务器。在车辆确定初始路径之后,针对每个路段,可以获取路段对应的多个历史能耗值,并对每个路段对应的多个历史能耗值进行归一化处理,得到每个路段对应的多个归一化能耗参数,然后,针对每个路段,将路段对应的多个归一化能耗参数的均值作为路段对应的路段能耗参数。
在本公开实施例中,S02具体可以包括如下步骤:
S021、基于预设的标定能耗值,对每个路段对应的多个历史能耗值进行归一化处理,得到每个路段对应的多个归一化能耗参数。
具体的,在车辆接收路径规划请求之前,可以从服务器获取预设的标定能耗值,其中,预设的标定能耗值可以由服务器预先存储。在车辆确定初始路径之后,可以根据预设的标定能耗值,对每个路段对应的多个历史能耗值进行归一化处理,得到每个路段对应的多个归一化能耗参数。
在本公开实施例中,路径规划操作还携带有车辆类型,预先存储的多个路段能耗参数包括每个车辆类型对应的能耗参数。
在本公开实施例中,S2具体可以包括如下步骤:
S21、基于起始位置和终点位置进行路径规划,得到多条候选路径;
S22、获取每条候选路径对应的非能耗参数;
S23、根据每条候选路径对应的非能耗参数,在多条候选路径中确定多条初始路径。
具体的,在车辆接收路径规划请求之后,可以根据路径规划请求中的起始位置和终点位置进行路径规划,得到多条候选路径,并从服务器获取每条候选路径对应的非能耗参数,然后根据每条候选路径对应的非能耗参数,在多条候选路径中确定多条初始路径,其中,每条候选路径对应的非能耗参数可以由参考车辆在候选路径上行驶时发送至服务器。
在本公开实施例中,路径规划请求还携带有路径规划策略;
相应的,S23具体可以包括如下步骤:
S231、若路径规划策略为能耗参数策略,将路径能耗参数最小的初始路径作为目标路径。
具体的,在车辆获取到每条候选路径对应的非能耗参数之后,可以确定路径规划策略是否为能耗参数策略,若路径规划策略为能耗参数策略,则将路径能耗参数最小的初始路径作为目标路径。
在本公开实施例中,路径规划请求还携带有路径规划策略;
相应的,S23具体可以包括如下步骤:
S232、若路径规划策略为与能耗参数相关的综合参数策略,获取每条初始路径对应的非能耗参数;
S233、针对每条初始路径,基于各个参数对应的权重值,对每条初始路径对应的路径能耗参数和初始路径对应的非能耗参数进行加权求和,得到初始路径对应的综合评分;
S234、将综合评分最高的初始路径作为目标路径。
具体的,在车辆获取到每条候选路径对应的非能耗参数之后,可以确定路径规划策略是否为综合参数策略,若路径规划策略为综合参数策略,可以从服务器获取每条初始路径对应的非能耗参数,每条初始路径对应的非能耗参数可以由参考车辆在每条初始路径上行驶时发送至服务器。进一步的,针对每条初始路径,车辆可以基于各个参数对应的权重值,对每条初始路径对应的路径能耗参数和初始路径对应的非能耗参数进行加权求和,得到初始路径对应的综合评分,并将综合评分最高的初始路径作为目标路径。
在本公开实施例中,各个参数对应的权重值根据多个历史路径选择数据对预设的卷积神经网络进行训练得到,历史路径选择数据包括参考车辆选择的历史路径对应的各个历史参数。
具体的,在车辆接收路径规划请求之前,可以从服务器获取各个参数对应的权重值,其中,服务器可以根据多个历史路径选择数据对预设的卷积神经网络进行训练,得到各个参数对应的权重值。进一步的,针对每条初始路径,车辆可以基于各个参数对应的权重值,对每条初始路径对应的路径能耗参数和初始路径对应的非能耗参数进行加权求和,得到初始路径对应的综合评分,并将综合评分最高的初始路径作为目标路径。
进一步的,在得到目标路径之后,车辆可以基于目标路径进行导航,使得基于目标路径进行行驶。
本公开实施例还提供了一种用于实现上述的路径规划方法的路径规划装置,下面结合图4进行说明。在本公开一些实施例中,该路径规划装置可以为服务器。服务器可以是云服务器或者服务器集群等具有存储及计算功能的设备。在本公开另一些实施例中,该路径规划装置可以为车辆,具体可以为主控制器或者电子设备。电子设备可以为诸如智能手机、平板电脑(PAD)、车载设备、可穿戴设备等设备中的一种。
图4示出了本公开实施例提供的一种路径规划装置的结构示意图。
如图4所示,路径规划装置400可以包括:路径规划请求接收模块410、初始路径规划模块420、路径能耗参数计算模块430和目标路径选择模块440。
路径规划请求接收模块410,用于接收路径规划请求,路径规划请求携带有起始位置和终点位置;
初始路径规划模块420,用于基于起始位置和终点位置进行路径规划,得到多条初始路径;
路径能耗参数计算模块430,用于针对每条初始路径,计算初始路径对应的路径能耗参数;
目标路径选择模块440,用于根据路径能耗参数,从初始路径中选择目标路径。
在本公开实施例中,在接收路径规划请求之后,路径规划请求携带有起始位置和终点位置,能够基于起始位置和终点位置进行路径规划,得到多条初始路径,并针对每条初始路径,计算初始路径对应的路径能耗参数,然后根据路径能耗参数,从初始路径中选择目标路径,使得规划的导航路径所需的车辆能耗较低,由此,在车辆基于目标路径由实时位置行驶至终点位置的过程中,可以降低车辆的能耗,因此,可以满足用户节能减排的需求。
在本公开一些实施例中,初始路径包括多个路段;
路径能耗参数计算模块430包括:路段能耗参数查询单元和路段能耗参数确定单元;
路段能耗参数查询单元,可以用于在预先存储的多个路段能耗参数中,查询每个路段对应的路段能耗参数;
路段能耗参数确定单元,可以将多个路段对应的路段能耗参数之和作为路径能耗参数。
在本公开一些实施例中,该装置还可以包括:历史能耗值获取模块、归一化能耗参数确定模块和路段能耗参数确定模块;
历史能耗值获取模块,可以用于针对每个路段,获取路段对应的多个历史能耗值,一个历史能耗值为一个参考车辆发送的在路段上行驶时所耗费的能耗值,参考车辆为在预设时间段内行驶过路段的车辆;
归一化能耗参数确定模块,可以用于对每个路段对应的多个历史能耗值进行归一化处理,得到每个路段对应的多个归一化能耗参数;
路段能耗参数确定模块,可以用于针对每个路段,将路段对应的多个归一化能耗参数的均值作为路段对应的路段能耗参数。
在本公开一些实施例中,归一化能耗参数确定模块还可以用于,基于预设的标定能耗值,对每个路段对应的多个历史能耗值进行归一化处理,得到每个路段对应的多个归一化能耗参数。
在本公开一些实施例中,路径规划请求还携带有车辆类型,预先存储的多个路段能耗参数包括每个车辆类型对应的能耗参数。
在本公开一些实施例中,初始路径规划模块420还可以用于,基于起始位置和终点位置进行路径规划,得到多条候选路径;
获取每条候选路径对应的非能耗参数;
根据每条候选路径对应的非能耗参数,在多条候选路径中确定多条初始路径。
在本公开一些实施例中,路径规划请求还携带有路径规划策略;
目标路径选择模块440还可以用于,若路径规划策略为能耗参数策略,将路径能耗参数最小的初始路径作为目标路径。
在本公开一些实施例中,路径规划请求还携带有路径规划策略;
该装置还可以包括:非能耗参数获取模块;
非能耗参数获取模块,可以用于若路径规划策略为与能耗参数相关的综合参数策略,获取每条初始路径对应的非能耗参数;
相应的,目标路径选择模块440还可以用于,针对每条初始路径,基于各个参数对应的权重值,对每条初始路径对应的路径能耗参数和初始路径对应的非能耗参数进行加权求和,得到每条初始路径对应的综合评分;
将综合评分最高的初始路径作为目标路径。
在本公开一些实施例中,各个参数对应的权重值根据多个历史路径选择数据对预设的卷积神经网络进行训练得到,历史路径选择数据包括参考车辆选择的历史路径对应的各个历史参数。
需要说明的是,图4所示的路径规划装置400可以执行图1至图3所示的方法实施例中的各个步骤,并且实现图1至图3所示的方法实施例中的各个过程和效果,在此不做赘述。
图5示出了本公开实施例提供的一种服务器的结构示意图。
如图5所示,该服务器可以包括处理器501以及存储有计算机程序指令的存储器502。
具体地,上述处理器501可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器502可以包括用于信息或指令的大容量存储器。举例来说而非限制,存储器502可以包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个及其以上这些的组合。在合适的情况下,存储器502可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器502可在综合网关设备的内部或外部。在特定实施例中,存储器502是非易失性固态存储器。在特定实施例中,存储器502包括只读存储器(Read-Only Memory,ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable ROM,PROM)、可擦除PROM(Electrical Programmable ROM,EPROM)、电可擦除PROM(Electrically ErasableProgrammable ROM,EEPROM)、电可改写ROM(Electrically Alterable ROM,EAROM)或闪存,或者两个或及其以上这些的组合。
处理器501通过读取并执行存储器502中存储的计算机程序指令,以执行本公开实施例所提供的路径规划方法的步骤。
在一个示例中,该服务器还可包括收发器503和总线504。其中,如图5所示,处理器501、存储器502和收发器503通过总线504连接并完成相互间的通信。
总线504包括硬件、软件或两者。举例来说而非限制,总线可包括加速图形端口(Accelerated Graphics Port,AGP)或其他图形总线、增强工业标准架构(ExtendedIndustry Standard Architecture,EISA)总线、前端总线(Front Side BUS,FSB)、超传输(Hyper Transport,HT)互连、工业标准架构(Industrial Standard Architecture,ISA)总线、无限带宽互连、低引脚数(Low Pin Count,LPC)总线、存储器总线、微信道架构(MicroChannel Architecture,MCA)总线、外围控件互连(Peripheral Component Interconnect,PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial Advanced TechnologyAttachment,SATA)总线、视频电子标准协会局部(Video Electronics StandardsAssociation Local Bus,VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线504可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
在本公开实施例中,还提供了一种车辆,车辆可以包括处理器以及存储有计算机程序指令的存储器。
需要说明的是,车辆可以通过车辆的主控制器执行路径规划方法,也可以通过车辆上装载的电子设备执行路径规划方法。其中,电子设备可以为诸如智能手机、PAD、车载设备、可穿戴设备等设备中的一种。其中,主控制器和电子设备的结构与服务器的结构一致,在此不做赘述。
以下是本公开实施例提供的计算机可读存储介质的实施例,该计算机可读存储介质与上述各实施例的路径规划方法属于同一个发明构思,在计算机可读存储介质的实施例中未详尽描述的细节内容,可以参考上述路径规划方法的实施例。
本实施例提供一种包含计算机可执行指令的存储介质,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路径规划方法,该方法包括:
接收路径规划请求,路径规划请求携带有起始位置和终点位置;
基于起始位置和终点位置进行路径规划,得到多条初始路径;
针对每条初始路径,计算初始路径对应的路径能耗参数;
根据路径能耗参数,从初始路径中选择目标路径。
当然,本公开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,还可以执行本公开任意实施例所提供的路径规划方法中的相关操作。
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,本公开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,本公开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(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云平台(可以是个人计算机,服务器,或者网络云平台等)执行本公开各个实施例所提供的路径规划方法。
注意,上述仅为本公开的较佳实施例及所运用技术原理。本领域技术人员会理解,本公开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公开的保护范围。因此,虽然通过以上实施例对本公开进行了较为详细的说明,但是本公开不仅仅限于以上实施例,在不脱离本公开构思的情况下,还可以包括更多其他等效实施例,而本公开的范围由所附的权利要求范围决定。
Claims (13)
1.一种路径规划方法,其特征在于,包括:
接收路径规划请求,所述路径规划请求携带有起始位置和终点位置;
基于所述起始位置和所述终点位置进行路径规划,得到多条初始路径;
针对每条所述初始路径,计算所述初始路径对应的路径能耗参数;
根据所述路径能耗参数,从所述初始路径中选择目标路径。
2.根据权利要求1所述的方法,其特征在于,所述初始路径包括多个路段;
其中,所述计算所述初始路径对应的路径能耗参数,包括:
在预先存储的多个路段能耗参数中,查询每个所述路段对应的路段能耗参数;
将多个所述路段对应的路段能耗参数之和作为所述路径能耗参数。
3.根据权利要求2所述的方法,其特征在于,在所述接收路径规划请求之前,所述方法还包括:
针对每个所述路段,获取所述路段对应的多个历史能耗值,一个所述历史能耗值为一个参考车辆发送的在所述路段上行驶时所耗费的能耗值,所述参考车辆为在预设时间段内行驶过所述路段的车辆;
对每个所述路段对应的多个历史能耗值进行归一化处理,得到每个所述路段对应的多个归一化能耗参数;
针对每个所述路段,将所述路段对应的多个归一化能耗参数的均值作为所述路段对应的路段能耗参数。
4.根据权利要求3所述的方法,其特征在于,所述对每个所述路段对应的多个历史能耗值进行归一化处理,得到每个所述路段对应的多个归一化能耗参数,包括:
基于预设的标定能耗值,对每个所述路段对应的多个历史能耗值进行归一化处理,得到每个所述路段对应的多个归一化能耗参数。
5.根据权利要求2所述的方法,其特征在于,所述路径规划请求还携带有车辆类型,所述预先存储的多个路段能耗参数包括每个所述车辆类型对应的能耗参数。
6.根据权利要求1所述的方法,其特征在于,所述基于所述起始位置和所述终点位置进行路径规划,得到多条初始路径,包括:
基于所述起始位置和所述终点位置进行路径规划,得到多条候选路径;
获取每条所述候选路径对应的非能耗参数;
根据每条所述候选路径对应的非能耗参数,在所述多条候选路径中确定所述多条初始路径。
7.根据权利要求1或6所述的方法,其特征在于,所述路径规划请求还携带有路径规划策略;
其中,所述根据所述路径能耗参数,从所述初始路径中选择目标路径,包括:
若所述路径规划策略为能耗参数策略,将路径能耗参数最小的初始路径作为所述目标路径。
8.根据权利要求1所述的方法,其特征在于,所述路径规划请求还携带有路径规划策略;
其中,所述根据所述路径能耗参数,从所述初始路径中选择目标路径,包括:
若所述路径规划策略为与能耗参数相关的综合参数策略,获取每条所述初始路径对应的非能耗参数;
针对每条所述初始路径,基于各个参数对应的权重值,对每条所述初始路径对应的路径能耗参数和所述初始路径对应的非能耗参数进行加权求和,得到所述初始路径对应的综合评分;
将综合评分最高的初始路径作为所述目标路径。
9.根据权利要求8所述的方法,其特征在于,所述各个参数对应的权重值根据多个历史路径选择数据对预设的卷积神经网络进行训练得到,所述历史路径选择数据包括参考车辆选择的历史路径对应的各个历史参数。
10.一种路径规划装置,其特征在于,包括:
路径规划请求接收模块,用于接收路径规划请求,所述路径规划请求携带有起始位置和终点位置;
初始路径规划模块,用于基于所述起始位置和所述终点位置进行路径规划,得到多条初始路径;
路径能耗参数计算模块,用于针对每条所述初始路径,计算所述初始路径对应的路径能耗参数;
目标路径选择模块,用于根据所述路径能耗参数,从所述初始路径中选择目标路径。
11.一种服务器,其特征在于,包括:
处理器;
存储器,用于存储可执行指令;
其中,所述处理器用于从所述存储器中读取所述可执行指令,并执行所述可执行指令以实现上述权利要求1-9中任一项所述的路径规划方法。
12.一种车辆,其特征在于,包括:
处理器;
存储器,用于存储可执行指令;
其中,所述处理器用于从所述存储器中读取所述可执行指令,并执行所述可执行指令以实现上述权利要求1-9中任一项所述的路径规划方法。
13.一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,所述存储介质存储有计算机程序,当所述计算机程序被处理器执行时,使得处理器实现上述权利要求1-9中任一项所述的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111563792.XA CN114485695A (zh) | 2021-12-20 | 2021-12-20 | 路径规划方法、装置、服务器、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111563792.XA CN114485695A (zh) | 2021-12-20 | 2021-12-20 | 路径规划方法、装置、服务器、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114485695A true CN114485695A (zh) | 2022-05-13 |
Family
ID=81494401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111563792.XA Pending CN114485695A (zh) | 2021-12-20 | 2021-12-20 | 路径规划方法、装置、服务器、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114485695A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115200604A (zh) * | 2022-09-16 | 2022-10-18 | 广州小鹏自动驾驶科技有限公司 | 转弯路径规划方法、设备、车辆及存储介质 |
CN115482660A (zh) * | 2022-09-02 | 2022-12-16 | 江苏中寰卫星导航通信有限公司 | 路径确定方法、装置、设备及存储介质 |
CN116045982A (zh) * | 2022-12-23 | 2023-05-02 | 中国船舶集团有限公司综合技术经济研究院 | 一种面向紧急救援情况的船上路径规划方法以及装置 |
CN116433269A (zh) * | 2023-06-13 | 2023-07-14 | 四川交通职业技术学院 | 基于大数据的片区式无人驾驶车辆停车场收费方法及装置 |
-
2021
- 2021-12-20 CN CN202111563792.XA patent/CN114485695A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115482660A (zh) * | 2022-09-02 | 2022-12-16 | 江苏中寰卫星导航通信有限公司 | 路径确定方法、装置、设备及存储介质 |
CN115200604A (zh) * | 2022-09-16 | 2022-10-18 | 广州小鹏自动驾驶科技有限公司 | 转弯路径规划方法、设备、车辆及存储介质 |
CN116045982A (zh) * | 2022-12-23 | 2023-05-02 | 中国船舶集团有限公司综合技术经济研究院 | 一种面向紧急救援情况的船上路径规划方法以及装置 |
CN116433269A (zh) * | 2023-06-13 | 2023-07-14 | 四川交通职业技术学院 | 基于大数据的片区式无人驾驶车辆停车场收费方法及装置 |
CN116433269B (zh) * | 2023-06-13 | 2023-08-18 | 四川交通职业技术学院 | 基于大数据的片区式无人驾驶车辆停车场收费方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114485695A (zh) | 路径规划方法、装置、服务器、车辆及存储介质 | |
KR102282753B1 (ko) | 주행 속도 제어 방법, 장치, 컴퓨팅 기기 및 저장 매체 | |
CN104931063B (zh) | 路径规划方法 | |
CN108932470B (zh) | 图像处理系统、图像处理方法、信息处理装置和记录介质 | |
JP5989622B2 (ja) | 区間取得システム、区間取得方法および区間取得プログラム | |
CN111375205B (zh) | 游戏中寻路路径的处理方法、装置、电子设备及存储介质 | |
CN112595337B (zh) | 避障路径规划方法、装置、电子装置、车辆及存储介质 | |
JP2013190218A (ja) | 経路探索方法、経路探索装置、及びプログラム | |
CN113758494B (zh) | 导航路径规划方法、装置、设备和存储介质 | |
CN109916421B (zh) | 路径规划方法及装置 | |
CN111476389A (zh) | 一种预估接单等待时长的方法及装置 | |
CN117146844A (zh) | 路径规划中参考线平滑优化方法、装置、设备及介质 | |
JP7048444B2 (ja) | 経路探索システムおよび経路探索プログラム | |
CN112857382A (zh) | 一种出行路线选择方法及装置 | |
CN116442787A (zh) | 一种电动汽车能耗预警方法、装置、介质及设备 | |
CN108877210B (zh) | 一种实时路况数据生产方法及车载终端 | |
KR20120061683A (ko) | 내비게이션 시스템에서의 경로 설정 장치 및 그 방법 | |
US20220101209A1 (en) | Information processing device, information processing system, and method of information processing | |
JP6492760B2 (ja) | 経路案内システム、方法およびプログラム | |
JP2016071695A (ja) | 移動経路統合方法、装置、及びプログラム | |
JP2007192581A (ja) | 道路の曲率算定方法及びナビゲーション装置 | |
CN115454042A (zh) | 巡检机器人的路径决策方法、装置、设备及存储介质 | |
JP6936673B2 (ja) | 地図データ更新システムおよび地図データ更新プログラム | |
CN109708652B (zh) | 信息处理设备、信息提供系统和方法及存储介质 | |
JP2020003339A (ja) | 燃費が最良となる経路を探索する経路探索装置、経路探索システム及び経路探索方法 |
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 |