CN114877901A - 基于地图栅格化融合与A-star搜索的城市应急路径规划方法 - Google Patents
基于地图栅格化融合与A-star搜索的城市应急路径规划方法 Download PDFInfo
- Publication number
- CN114877901A CN114877901A CN202210346822.XA CN202210346822A CN114877901A CN 114877901 A CN114877901 A CN 114877901A CN 202210346822 A CN202210346822 A CN 202210346822A CN 114877901 A CN114877901 A CN 114877901A
- Authority
- CN
- China
- Prior art keywords
- area
- node
- value
- areas
- connectivity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000004927 fusion Effects 0.000 title claims abstract description 16
- 238000010606 normalization Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000001788 irregular Effects 0.000 claims description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
-
- 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
- G01C21/3476—Special cost functions, i.e. other than distance or default speed limit of road segments using point of interest [POI] information, e.g. a route passing visible POIs
-
- 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
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
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
本发明公开了基于地图栅格化融合与A‑star搜索的城市应急路径规划方法,通过将城市地图进行六边形网格化填充,利用每个网格内的信息对网格进行融合并使融合后的多边形网格成为路网中的一个节点,最终使用A‑star搜索策略针对路网中的节点进行路径规划,得到最终路径。
Description
技术领域
本发明属于数据挖掘领域,涉及一种基于地图栅格化融合与A-star搜索策略的城市应急路径规划方法。
背景技术
随着我国城市路网的日趋复杂,道路的拥堵程度也有所增加。如果道路发生了紧急突发状况,附近的车辆将在一段时间内出现大面积拥堵。因此,城市的应急路径规划变得越来越重要,例如某个城市区域内发生突发状况,该区域将变得不再安全,需要将该区域的车辆疏散到安全的区域,但目前的导航基本采取的是点对点的寻路,在城市应急情况下,点对点的路径导航限制了非安全区域内车辆的疏散速度,使得待疏散的车辆过于拥挤在某个路段,耽误了车辆疏散避险的进度,浪费了城市的道路资源。
地图栅格化融合操作主要应用在路网中的节点构造过程,该操作的核心是在城市地图的正中心点开始用正六边形网格进行填充,待地图填充完毕后,根据每一个六边形区域内的人口密度、区域连通性和区域的主要POI(Point of Information)类型进行六边形融合,融合完毕得到的多边形区域成为路网中的一个节点。其中每个六边形区域的区域连通性是基于该六边形内现存的道路网络所得到;每个六边形区域的主要POI类型是根据各个POI类型在该分区的数量占比所得到。
A-star搜索策略是一种流行的启发式路径规划方法,常用于寻找静态路网中的最短路径,也是解决众多搜索问题的有效方法。该搜索策略是在每次寻路时对路网中的每个节点计算其代价值f(n),f(n)是两个代价估计函数g(n)与h(n)的和,f(n)值最小的节点为下一步所要途径的节点,其中g(n)是在路网中从初始节点到节点n的最小代价,h(n)是在路网中从节点n到最终节点路径的最小估计代价。目前,A-star搜索策略被广泛应用,如在机器人的路径规划、即时战略类游戏中。
城市中的紧急情况通常会造成不同程度的财产损失和人员伤亡,如若没有及时疏散导致路口拥堵,附近的车辆在一定时间内无法移动,这不仅浪费了大量的道路资源,而且延误了处理紧急情况的最佳时机。因此,如何在最短的时间内有效地将车辆疏散到安全区,已成为当前城市应急导航研究的重点。
此外,目前的路径导航系统大多没有考虑到城市应急导航,仍然是基于普通的点对点路径规划,没有考虑到在紧急情况下众多待疏散的车辆可能都选择同一条导航,导致这些车辆同时涌入同一道路的情况。为此,我们提出了科学合理的路径规划方法来解决上述问题。
发明内容
本发明提供一种基于地图栅格化融合与A-star搜索策略的城市应急路径规划方法,通过将城市地图进行六边形网格化填充,利用每个网格内的信息对网格进行融合并使融合后的多边形网格成为路网中的一个节点,最终使用A-star搜索策略针对路网中的节点进行路径规划,得到最终路径。
本发明方法的基本原理如下:本发明将城市地图使用六边形区域进行填充,使得城市地图内部成为一个个独立的多边形区域,接着根据每个区域内部包含的POI种类以及数量占比给区域一个整体的POI类型,并获取各区域的人口密度和交通点连通性信息,随后根据区域的整体POI类型、人口密度和连通性进行区域融合。完成上述融合过程得到的多边形区域成为路网中的一个节点,使用A-star搜索策略对路网节点进行路径规划,得到一条从区域到区域的路径。
一种基于地图栅格化融合与A-star搜索策略的城市应急路径规划方法,其发明包括以下步骤:
步骤一:收集所选城市行政区边界数据集、行政区内路口交通点数据集、行政区内POI数据集、行政区内人口分布数据集,所述的数据集都要包含准确的经纬度信息。
步骤二:将城市行政区内使用正六边形进行填充,使得整个城市行政区内是由众多正六边形区域以及边缘的不规则多边形区域组成。
步骤三:统计每个区域内的人口密度、POI数据、连通性数据,其中每个区域的POI类型为该区域内占比最多并且在该区域内占比大于0.4的POI类型,否则设置该区域的POI类型为None;每个区域的连通性由该区域的交通点关系所得到:即区域A与区域B相邻且区域A中的一个交通点a和区域B的交通点b之间有路径相通,那么区域A和区域B两者的连通性都加1。
步骤四:每个区域的人口密度以及连通性都做归一化处理,归一化过程如公式(1)及(2)所示:
其中(1)式中的Num'i为第i个区域内的原始人口密度值,Numi为归一化后的密度值,Minp为全部区域中最低的原始人口密度值,Maxp为全部区域中最高的原始人口密度值。
其中(2)式中的Link'i为第i个区域内的原始连通性值,Linki为归一化后的连通性值,Minp为全部区域中最低的原始连通性数值,Maxp为全部区域中最高的原始连通性数值。
步骤五:根据各个区域的POI类型、人口密度和区域间的连通关系合并区域。若区域C和区域D的POI类型一致,且均不为None,两个区域的人口密度比在0.75—1.25之间,彼此之间有交通点路径相连,则将两个区域合并为一个整体区域X,整体区域X的人口密度为区域C与区域D的人口密度均值;重复此合并过程,最大限度进行区域合并,合并完的每一个区域都视为路网中的一个节点。
步骤六:基于A-star搜索策略,设定某一区域A为非安全区域,某一区域B为安全区域,搜索从初始区域节点A至终止区域节点B的区域路径,即由其他可连通的区域组成的路径。A-star搜索策略在搜索前先创建两个列表,即OPEN表和CLOSED表,OPEN表保存所有已生成而未考察的节点,CLOSED表中记录已访问过的节点。在寻路前,需要将初始区域节点A放置到OPEN表中,接着将区域节点A所关联的其他区域节点放置到OPEN表中,并将这些区域节点的父节点设置为A,然后将区域节点A放置在CLOSED表中,并在OPEN表中删除;随后每次在OPEN表中寻找下一步要走的区域节点时,都要计算当前OPEN表中每个区域节点的代价值f(n),f(n)的计算过程如公式(3)所示,OPEN表中f(n)最小的区域节点N为下一步所要途径的区域节点,随后将区域节点N相关联的、且不在OPEN表中的区域节点放置到OPEN表中,若与节点N相邻的节点M已经在OPEN表中,则需要计算其按照当前路径的新g(n)值,当新g(n)值小于原OPEN表中的g(n)值时,则相邻节点M以节点N为父节点,更新节点M的h(n)值,在OPEN表中删除更新前的相邻节点M,放置更新后的相邻节点M,并将节点N在OPEN表中删除,放置到CLOSED表中;不断重复寻找下一步要走的区域节点,直至区域节点B被放置在OPEN表中,搜索结束,由区域节点B向上逐级追溯父节点,追溯至初始区域节点A,此时各节点组成的路径即为A-star搜索策略生成的最优路径。
f(n)=g(n)+h(n) (3)
其中(3)式中f(n)是初始区域节点经由区域节点n到终止区域节点的最小代价估计,g(n)是从初始区域节点到区域节点n所经过的区域数,是从区域节点n到终止区域节点的最小估计代价,其计算过程如(4)式所示。
其中(4)式中Numn是该区域归一化处理后的人口密度,Lenn是该区域节点至终止区域节点的切比雪夫距离,linkn是该区域归一化处理后的连通性数值。
本发明具有一下明显的创新和突出优势:
本发明基于地图栅格化融合的操作,在为非安全区域的车辆进行路径规划时,不再仅仅考虑点到点的传统路径,而是通过区域到区域的整体规划,为车辆提供疏散的大致方向,提供给待疏散车辆所要经过的各个区域信息,让待疏散车辆对疏散方向和所要途径的区域有了大致了解,缓解疏散路径过于集中而导致道路拥堵、车辆人员难以尽快疏散的问题。此外本发明在搜索路径时不仅考虑区域间的距离,还考虑到了各个区域的人口密度程度以及区域内部的交通连通性,并使用了启发式的搜索策略为城市应急情况提供路径规划。
附图说明
图1为本发明提供的确定区域POI类型的流程图。
图2为本发明提供的基于地图栅格化融合与A-star搜索策略的城市应急路径规划方法的流程图。
图3为本发明提供的路径规划结果。
具体实施方式
下面结合相关附图对本发明进行解释和阐述:
本发明采用的数据集是城市行政区边界数据集、行政区内路口交通点数据集、行政区内POI数据集、行政区内人口分布数据集,所述的数据集都要包含准确的经纬度信息,基于地图栅格化融合与A-star搜索策略的算法流程图如图2所示,其特征在于包含以下几个步骤。
步骤一:收集城市行政区边界经纬度坐标,行政区内各个路口交通点的经纬度坐标以及连通数据、行政区内POI的经纬度坐标、行政区内人口分布数据集。
步骤二:在城市中心以1km为外接圆半径构造正六边形,使得六边形区域填充满整个城市,每个六边形区域记录其编号及经纬度边界信息。
步骤三:收集城市行政区内的POI数据,若区域A中“商业住宅”类POI类型的数量占该区域所有POI类型数量的40%及以上,则区域A的POI类型定位为“商业住宅”,若某区域中任一类POI的数量占比都没有到达40%,则该区域的POI类型为None;与此同时收集城市行政区内的人口分布数据和交通点数据,计算得出每一个区域的人口密度和连通性。
步骤四:根据公式(1)和公式(2)将得到的每个区域的人口密度和连通性数值进行归一化处理,取消各个区域数值相差较大所引起的误差。
步骤五:根据各个区域的POI类型、人口密度和区域间的连通关系将区域进行合并。若任意两个彼此有交通点路径相连的区域的POI类型一致且均不为None时,计算这两个区域的人口密度比,密度比在0.75—1.25之间就将两个区域合并为一个整体区域,整体区域的人口密度为先前两个区域的人口密度均值;不断地查找可合并的区域,重复区域合并过程,最大限度地进行区域合并,最终合并完的每一个区域都视为路网中的一个节点。
步骤六:规定区域A为非安全区域,区域B为安全区域,使用A-star搜索策略从区域节点A开始进行寻路至区域B,搜索策略使用的代价估计函数如公式(3)所示。
下面给出一个应用本发明对城市应急情况下进行路径规划的实例:
本发明采用的数据集是北京市的行政区边界数据、人口分布数据、路网交通点数据和POI类型数据,数据中均要包含准确的经纬度信息。
根据公式(1)和公式(2)计算每个区域归一化后的人口密度以及连通性数值,并根据区域的POI类型进行区域合并,将公式(3)作为A-star搜索策略的代价估计函数,进行路径规划,最终得到的路径如图3所示。
本发明为在城市应急情况下的车辆疏散提供了一种区域至区域的路径规划,其目的是大限度利用道路资源,避免带疏散车辆过于集中在某一疏散路段,完善城市的应急处理能力,促进城市道路网络的快速发展。我们通过地图栅格化融合操作与A-star搜索策略,将城市分割为多个六边形区域,并根据区域内部的人口交通等信息进行区域融合,融合后的区域作为路网中的节点,进行启发式路径规划,该方法可为决策者提供城市应急情况下用于疏散车辆的区域路径。
Claims (1)
1.基于地图栅格化融合与A-star搜索策略的城市应急路径规划方法,其特征在于:该方法包括以下步骤:
步骤一:收集所选城市行政区边界数据集、行政区内路口交通点数据集、行政区内POI数据集、行政区内人口分布数据集,所述的数据集都要包含准确的经纬度信息;
步骤二:将城市行政区内使用正六边形进行填充,使得整个城市行政区内是由众多正六边形区域以及边缘的不规则多边形区域组成;
步骤三:统计每个区域内的人口密度、POI数据、连通性数据,其中每个区域的POI类型为该区域内占比最多并且在该区域内占比大于0.4的POI类型,否则设置该区域的POI类型为None;每个区域的连通性由该区域的交通点关系所得到:即区域A与区域B相邻且区域A中的一个交通点a和区域B的交通点b之间有路径相通,那么区域A和区域B两者的连通性都加1;
步骤四:每个区域的人口密度以及连通性都做归一化处理,归一化过程如公式(1)及(2)所示:
其中(1)式中的Num'i为第i个区域内的原始人口密度值,Numi为归一化后的密度值,Minp为全部区域中最低的原始人口密度值,Maxp为全部区域中最高的原始人口密度值;
其中(2)式中的Link'i为第i个区域内的原始连通性值,Linki为归一化后的连通性值,Minp为全部区域中最低的原始连通性数值,Maxp为全部区域中最高的原始连通性数值;
步骤五:根据各个区域的POI类型、人口密度和区域间的连通关系合并区域;若区域C和区域D的POI类型一致,且均不为None,两个区域的人口密度比在0.75—1.25之间,彼此之间有交通点路径相连,则将两个区域合并为一个整体区域X,整体区域X的人口密度为区域C与区域D的人口密度均值;重复此合并过程,最大限度进行区域合并,合并完的每一个区域都视为路网中的一个节点;
步骤六:基于A-star搜索策略,设定某一区域A为非安全区域,某一区域B为安全区域,搜索从初始区域节点A至终止区域节点B的区域路径,即由其他可连通的区域组成的路径;A-star搜索策略在搜索前先创建两个列表,即OPEN表和CLOSED表,OPEN表保存所有已生成而未考察的节点,CLOSED表中记录已访问过的节点;在寻路前,需要将初始区域节点A放置到OPEN表中,接着将区域节点A所关联的其他区域节点放置到OPEN表中,并将这些区域节点的父节点设置为A,然后将区域节点A放置在CLOSED表中,并在OPEN表中删除;随后每次在OPEN表中寻找下一步要走的区域节点时,都要计算当前OPEN表中每个区域节点的代价值f(n),f(n)的计算过程如公式(3)所示,OPEN表中f(n)最小的区域节点N为下一步所要途径的区域节点,随后将区域节点N相关联的、且不在OPEN表中的区域节点放置到OPEN表中,若与节点N相邻的节点M已经在OPEN表中,则需要计算其按照当前路径的新g(n)值,当新g(n)值小于原OPEN表中的g(n)值时,则相邻节点M以节点N为父节点,更新节点M的h(n)值,在OPEN表中删除更新前的相邻节点M,放置更新后的相邻节点M,并将节点N在OPEN表中删除,放置到CLOSED表中;不断重复寻找下一步要走的区域节点,直至区域节点B被放置在OPEN表中,搜索结束,由区域节点B向上逐级追溯父节点,追溯至初始区域节点A,此时各节点组成的路径即为A-star搜索策略生成的最优路径;
f(n)=g(n)+h(n) (3)
其中(3)式中f(n)是初始区域节点经由区域节点n到终止区域节点的最小代价估计,g(n)是从初始区域节点到区域节点n所经过的区域数,是从区域节点n到终止区域节点的最小估计代价,其计算过程如(4)式所示;
其中(4)式中Numn是该区域归一化处理后的人口密度,Lenn是该区域节点至终止区域节点的切比雪夫距离,linkn是该区域归一化处理后的连通性数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210346822.XA CN114877901B (zh) | 2022-03-31 | 2022-03-31 | 基于地图栅格化融合与A-star搜索的城市应急路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210346822.XA CN114877901B (zh) | 2022-03-31 | 2022-03-31 | 基于地图栅格化融合与A-star搜索的城市应急路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114877901A true CN114877901A (zh) | 2022-08-09 |
CN114877901B CN114877901B (zh) | 2024-05-28 |
Family
ID=82668822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210346822.XA Active CN114877901B (zh) | 2022-03-31 | 2022-03-31 | 基于地图栅格化融合与A-star搜索的城市应急路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114877901B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116337104A (zh) * | 2023-05-29 | 2023-06-27 | 佳都科技集团股份有限公司 | 一种区域路径导航方法、系统、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103954278A (zh) * | 2014-05-08 | 2014-07-30 | 中国科学院软件研究所 | 一种基于多数据融合的应急逃离引导方法和系统 |
WO2019173009A1 (en) * | 2018-03-06 | 2019-09-12 | Here Global B.V. | Automatic identification of roadside objects for localization |
CN111337044A (zh) * | 2020-03-24 | 2020-06-26 | 北京交通发展研究院 | 一种基于通行权值的城市道路路径规划方法 |
WO2020134082A1 (zh) * | 2018-12-28 | 2020-07-02 | 歌尔股份有限公司 | 一种路径规划方法、装置和移动设备 |
CN111811514A (zh) * | 2020-07-03 | 2020-10-23 | 大连海事大学 | 一种基于正六边形栅格跳点搜索算法的路径规划方法 |
CN112629533A (zh) * | 2020-11-11 | 2021-04-09 | 南京大学 | 基于路网栅格化道路车流预测的精细化路径规划方法 |
CN112947406A (zh) * | 2021-01-14 | 2021-06-11 | 华南理工大学 | 一种基于FLOYD和Astar的混合路径规划方法 |
-
2022
- 2022-03-31 CN CN202210346822.XA patent/CN114877901B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103954278A (zh) * | 2014-05-08 | 2014-07-30 | 中国科学院软件研究所 | 一种基于多数据融合的应急逃离引导方法和系统 |
WO2019173009A1 (en) * | 2018-03-06 | 2019-09-12 | Here Global B.V. | Automatic identification of roadside objects for localization |
WO2020134082A1 (zh) * | 2018-12-28 | 2020-07-02 | 歌尔股份有限公司 | 一种路径规划方法、装置和移动设备 |
CN111337044A (zh) * | 2020-03-24 | 2020-06-26 | 北京交通发展研究院 | 一种基于通行权值的城市道路路径规划方法 |
CN111811514A (zh) * | 2020-07-03 | 2020-10-23 | 大连海事大学 | 一种基于正六边形栅格跳点搜索算法的路径规划方法 |
CN112629533A (zh) * | 2020-11-11 | 2021-04-09 | 南京大学 | 基于路网栅格化道路车流预测的精细化路径规划方法 |
CN112947406A (zh) * | 2021-01-14 | 2021-06-11 | 华南理工大学 | 一种基于FLOYD和Astar的混合路径规划方法 |
Non-Patent Citations (3)
Title |
---|
ZHI CAI; XUERUI CUI; XING SU; QING MI; LIMIN GUO; ZHIMING DING: "A Novel Vector-Based Dynamic Path Planning Method in Urban Road Network", IEEE ACCESS, vol. 8, 30 April 2020 (2020-04-30) * |
才智;: "大数据技术在智能交通中的应用分析", 城市建设理论研究(电子版), no. 30, 25 October 2017 (2017-10-25) * |
漆阳华;杨战平;黄清华;: "A*的改进路径规划算法", 信息与电子工程, no. 04, 25 August 2009 (2009-08-25) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116337104A (zh) * | 2023-05-29 | 2023-06-27 | 佳都科技集团股份有限公司 | 一种区域路径导航方法、系统、设备及存储介质 |
CN116337104B (zh) * | 2023-05-29 | 2023-08-18 | 佳都科技集团股份有限公司 | 一种区域路径导航方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114877901B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105258704B (zh) | 基于快速路网建模的多尺度时空热点路径探测方法 | |
CN109686091B (zh) | 一种基于多源数据融合的交通流量填补算法 | |
CN110111574B (zh) | 一种基于流量树分析的城市交通不平衡评价方法 | |
CN106909692B (zh) | 一种计算城市公共设施覆盖辐射指数的方法 | |
CN107241512A (zh) | 基于手机数据的城际交通出行方式判断方法和设备 | |
CN105841709B (zh) | 一种汽车行驶路径规划方法 | |
CN102147260A (zh) | 电子地图匹配方法和装置 | |
CN110648022A (zh) | 一种考虑站点全覆盖的接驳地铁的社区公交线网与发车频率同步优化方法 | |
CN105160889B (zh) | 一种城市内涝情景下路网交通流的多源点协同疏导方法 | |
CN108549952B (zh) | 车辆搭载无人机双层路径的优化方法及装置 | |
CN110631601B (zh) | 一种基于非显示拓扑矢量地图的路径规划方法 | |
CN107092978B (zh) | 一种面向虚拟地球的最短路径分层规划方法 | |
CN104731963A (zh) | 一种基于车联网的网格化路径推荐方法及系统 | |
CN108280463B (zh) | 车辆搭载无人机双层路径的优化方法及装置 | |
CN103679286A (zh) | 路径优化方法及装置 | |
CN109840452A (zh) | 一种栅格覆盖场景自动识别方法及装置 | |
CN114877901A (zh) | 基于地图栅格化融合与A-star搜索的城市应急路径规划方法 | |
CN114550482A (zh) | 一种基于低碳目标的导航方法及停车场导航方法 | |
CN114386536B (zh) | 区域确定方法、装置、计算设备以及存储介质 | |
Yang et al. | A novel urban emergency path planning method based on vector grid map | |
CN107978219B (zh) | 一种构建数字地图的道路网的方法及装置 | |
CN110798802B (zh) | 一种共享自行车骨架网络提取方法 | |
CN114880819B (zh) | 基于城镇节点重要度与交通区位线研究的空间优化方法 | |
CN115146840A (zh) | 一种基于数据驱动的轨道交通新线接入客流预测方法 | |
Jagadeesh et al. | Route computation in large road networks: a hierarchical approach |
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 |