CN115238525A - 一种用于行人仿真客流组织的可行路径搜索方法 - Google Patents
一种用于行人仿真客流组织的可行路径搜索方法 Download PDFInfo
- Publication number
- CN115238525A CN115238525A CN202211126607.5A CN202211126607A CN115238525A CN 115238525 A CN115238525 A CN 115238525A CN 202211126607 A CN202211126607 A CN 202211126607A CN 115238525 A CN115238525 A CN 115238525A
- Authority
- CN
- China
- Prior art keywords
- line
- line segment
- feasible
- point
- variable
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种用于行人仿真客流组织的可行路径搜索方法,包括:获取行人仿真的矢量化地图数据集,将数据集中线段所在的二维坐标区域划分为多个子区域,依据数据集中每条线段所处位置将线段归类到相应的子区域;其中,所述线段表示地图中障碍物的外轮廓线;建立可行线段集合,用于存储路径搜索过程中的可行线段;设定行人仿真的路径起点和终点位置,建立起点和终点的起讫线,进入路径搜索的父循环流程;当变量拐点内、外角都存在以变量拐点为端点的线段,则进入路径搜索的子循环流程;筛选出可行线段集合中首坐标端点为行人仿真的路径起点、末坐标端点为终点的可行线段并简化可行线段,简化后的所有可行线段即为从起点到终点的可行路径集合。
Description
技术领域
本发明涉及路径规划技术领域,具体涉及一种用于行人仿真客流组织的可行路径搜索方法。
背景技术
路径规划算法是移动机器人导航、无人机避障飞行、车辆自动驾驶以及行人仿真等应用的关键技术。在全局静态路径规划传统算法中,有基于构建可视地图的可视图法,有在Dijkstra算法基础上发展而来的A*算法等。近些年来,智能算法、传统与智能相结合的算法相继产生,种类增多,但各自有其优劣性。
A*算法是路径规划的典型代表,是一种在网格化地图中搜索最短路径的方法,其适用范围广,尤其是游戏开发、机器人导航等领域;但在行人仿真实际应用中,对于大规模且复杂的交通枢纽场景,仿真所需的地图精度较高,而地图精度越高,A*算法耗时越长,致使整个行人仿真系统运行效率下降,而采用缩小地图的做法,则会损失地图精度,且容易丢失交通站场内一些体积较小的关键服务设施。此外,A*算法单一的优化路径并不能满足密集型客流时行人交通组织多路线的需求。在节假日、大型活动及恶劣天气出现密集型客流的情况下,受限于交通站场内空间结构,单一的通行路径并不能承受大量客流,而规划出多条较优的可通行路径进行分流是有效解决方法。
现有的同类算法存在以下技术问题:
可视图算法使用的是穷举法,算法效率低下。
A*算法需进行网格化处理,面对大规模和复杂场景时,其计算规模仍然较大,导致其计算时间较长。A*算法提供的起终点之间最优路径,难以满足快速产生起终点之间较优的路径集合这一需求。
智能算法,如神经网络算法、遗传算法等,对硬件要求普遍较高,参数调节相对困难,有时存在局部最优和收敛问题。
发明内容
本发明的目的是提供一种用于行人仿真客流组织的可行路径搜索方法,以较低的计算量和时间快速产生起终点之间较优的路径集合,为行人仿真中客流组织等应用提供大致的可行路径参考。
为了实现上述任务,本发明采用以下技术方案:
一种用于行人仿真客流组织的可行路径搜索方法,包括:
获取行人仿真的矢量化地图数据集,将数据集中线段所在的二维坐标区域划分为多个子区域,依据数据集中每条线段所处位置将线段归类到相应的子区域;其中,所述线段表示地图中障碍物的外轮廓线;
建立可行线段集合,用于存储路径搜索过程中的可行线段;
设定行人仿真的路径起点和终点位置,建立起点和终点的起讫线,进入路径搜索的父循环流程;在该流程中,通过判断所述起讫线所在子区域,根据子区域中线段集合是否与所述起讫线相交,确定可行线段并添加到所述可行线段集合中;其中,当存在相交情况时,首先确定与起讫线相交且与起点直线距离最短的线段,令该线段的两个端点作为变量拐点,构造起点-变量拐点-终点的折线集合,通过判断折线集合内折线的变量拐点内、外角是否都存在以变量拐点为端点的线段来确定是否存在可行线段;
当变量拐点内、外角都存在以变量拐点为端点的线段,则进入路径搜索的子循环流程;在该流程中,根据变量拐点所在子区域的线段集合确定以变量拐点作为其一个端点的所有线段的另一端点,组合成端点集合;构造起点-变量拐点-端点集合中的端点的折线集合;通过判断折线集合内折线的变量拐点内、外角是否都存在以变量拐点为端点的线段来确定是否存在可行线段;
筛选出可行线段集合中首坐标端点为行人仿真的路径起点、末坐标端点为终点的可行线段并简化可行线段,简化后的所有可行线段即为从起点到终点的可行路径集合。
进一步地,所述将数据集中线段所在的二维坐标区域划分为多个子区域,依据数据集中每条线段所处位置将线段归类到相应的子区域,包括:
进一步地,所述建立可行线段集合,用于存储路径搜索过程中的可行线段,包括:
若当前需要添加的可行线段为,而集合R中已有的可行线段记为 ;若 已在集合R中则结束,否则将添加到集合,同时遍历集合R,若的末坐标端点与 的首坐标端点重合,则将与 的末坐标端点组合,组成新的可行线段添加到集合R,否则结束。
进一步地,所述通过判断所述起讫线所在子区域,根据子区域中线段集合是否与所述起讫线相交,确定可行线段并添加到所述可行线段集合中,包括:
步骤3.1,将路径搜索的起点O坐标值赋值给变量o,终点D坐标值赋值给变量d,以变量o为起点、变量d为终点,两点相连构造起讫线L od ,判断起讫线L od 所在的子区域,提取出起讫线L od 所在的子区域对应的线段集合;
步骤3.2,遍历步骤3.1提取出的若个线段集合内的线段,判断线段是否与起讫线L od 相交;当不存在相交时,认为起讫线L od 是可行线段,该可行线段需要添加到集合R中,父循环程序结束。
进一步地,所述当存在相交情况时,首先确定与起讫线相交且与起点直线距离最短的线段,令该线段的两个端点作为变量拐点,构造起点-变量拐点-终点的折线集合,通过判断折线集合内折线的变量拐点内、外角是否都存在以变量拐点为端点的线段来确定是否存在可行线段,包括:
步骤3.3,在提取出的若个线段集合中,寻找与起讫线L od 相交且与起点o直线距离最短的线段L i ,若存在多条线段L i 则任取其一;线段L i 的两个端点记为 ,此时令变量拐点,分别以o为起点、为拐点、d为终点依序相连形成折线 ,组成折线集合;
提取出变量拐点所在子区域对应的线段集合,在该集合中寻找线段,若存在以拐点 为端点的线段,则逐一计算基准线 线段的顺时针夹角,组成夹角集合 ;令夹角值 ,若,则将 添加到内角集合 ;若,则将 添加到外角集合 ;逐一添加完成后,判断 、 是否为空集:
进一步地,所述根据变量拐点所在子区域的线段集合确定以变量拐点作为其一个端点的所有线段的另一端点,组合成端点集合;构造起点-变量拐点-端点集合中的端点的折线集合;通过判断折线集合内折线的变量拐点内、外角是否都存在以变量拐点为端点的线段来确定是否存在可行线段,包括:
步骤4.1,提取出变量拐点所在子区域对应的线段集合,在该集合中寻找以变量拐点 作为其一个端点的所有线段的另一端点,组合成端点集合 ,令端点,此时变量终点d更新为端点 ,分别以o为起点、为拐点、 为终点依序相连形成折线 、…,组合成折线集合 ;
步骤4.4,判断步骤4.3中折线的变量拐点内、外角是否都存在以变量拐点为端点的线段;
进一步地,所述筛选出可行线段集合中首坐标端点为行人仿真的路径起点、末坐标端点为终点的可行线段并简化可行线段,包括:
经过路径搜索后,可行线段集合R中有首坐标端点为起点O、末坐标端点为终点D的可行线段,记为可行路径;将筛选出的可行路径组成可行路径集 ,令且 ;简化可行路径,是判断可行路径 中间端点能否省略,具体简化过程如下:
经过以上循环过程,得到从起点到终点的可行路径集合。
一种仿真设备,包括处理器、存储器以及存储在所述存储器中的计算机程序;处理器执行计算机程序时,实现所述用于行人仿真客流组织的可行路径搜索方法的步骤。
一种计算机可读存储介质,所述可读存储介质中存储有计算机程序;计算机程序被处理器执行时,实现所述用于行人仿真客流组织的可行路径搜索方法的步骤。
与现有技术相比,本发明具有以下技术特点:
本方法能快速产生起终点之间较优的可行路径集合,包含最优路径;本方案将各个线段分类到子区域的方法,使得路径搜索时只需考虑当前所处的子区域内的线段,很大程度降低计算量,提高搜索效率;本方案基于矢量化地图数据,无需考虑空间复杂性,在路径搜索过程中进一步缩减计算量。
附图说明
图1为将数据集划分为子区域的示意图;
图2为路径搜索的父循环、子循环过程;
图3为基准线绕拐点旋转所形成的角度区间的示意图;
图4为添加可行线段到集合R中的流程示意图。
具体实施方式
本发明提供了一种用于行人仿真客流组织的可行路径搜索方法。该方法是基于矢量化地图数据集搜索,而地图矢量化是在二维直角坐标中用x、y坐标精确地表示地图图形或地理实体的位置和形状,因此该方法能确保地图精度不损失。可行路径是从起始点出发,沿着目标点的可行方向进行搜索的过程中所产生的可通行的路径,包括最优路径。本方案能满足密集型客流时行人交通组织多路线的需求,提供行人仿真时除最优路径外的可行路径以便客流分开行走;同时,该方法速度快的原因在于搜索过程基于矢量化地图的点线结构,无需考虑空间复杂性,且划分子区域后只需考虑当前所处的子区域内的线段,很大程度降低计算量,有助于提高仿真系统的运行效率。
参见附图,本发明的一种用于行人仿真客流组织的可行路径搜索方法,包括以下步骤:
矢量化地图数据集,数据集是由行人仿真系统将所研究区域地图中的障碍物矢量化成多边形所产生的,其中线段表示数据集中的第K条线段;在地图中,线段表示地图中多边形障碍物的外轮廓线,是两个二维坐标端点相连的线段;例如对于地图中的建筑物,通过外轮廓拟合,可以将该建筑物以其外轮廓表示,其外轮廓的每一条边将作为一条线段。
遍历数据集 中各条线段端点,将端点的x坐标值的最小值记为 、最大值记为 ,将端点的y坐标值的最小值记为、最大值记为,由以上四个最值构成线段所在的二维坐标区域,将 划分为个子区域,每个子区域记为 ,其中, ,如图1所示。每个子区域的 坐标范围表示如下:
该步骤中建立了每个子区域对应的线段集合,目的是在后续的路径搜索过程中,作为路径搜索主要考虑的对象;相比于传统路径规划的穷举法,本方案这样设计很大程度上降低搜索过程的计算量,从而便于行人仿真系统的高效运行。
步骤2,建立可行线段集合R,用于存储路径搜索过程中的可行线段。
可行线段表示仿真中行人可通行的路径。添加可行线段到集合R方法:假设当前需要添加的可行线段为,而集合R中已有的可行线段记为,即 。是在路径搜索过程中产生的,规定由两个二维坐标端点以列表的形式构成,而 由两个或两个以上的二维坐标端点以列表的形式构成,如表1所示,表示第e个二维坐标端点。
表1
如图4所示,若 已在集合R中则该步骤结束,否则将添加到集合,同时遍历集合R,若 的末坐标端点(即的最后一个坐标端点)与的首坐标端点(即 的第一个坐标端点)重合,则将 与 的末坐标端点组合,组成新的可行线段添加到集合R,否则该步骤结束。
显然,经过端点组合形成的可行线段添加到集合R,更新后的集合R中,既有由两个二维坐标端点以列表的形式构成的可行线段,也有由两个以上的二维坐标端点以列表的形式构成的可行线段,故 由两个或两个以上的二维坐标端点以列表的形式构成。
该步骤中建立了可行线段集合R,目的是在后续的路径搜索过程中,及时添加路径搜索过程中产生的可行线段。这使得搜索出的可行线段有序拼接,从而便于形成仿真中行人可通行且完备的路径。
步骤3,设定行人仿真的路径起点和终点位置,建立起点和终点的起讫线,进入路径搜索的父循环流程;在该流程中,通过判断所述起讫线所在子区域,根据子区域中线段集合是否与所述起讫线相交,确定可行线段并添加到所述可行线段集合R中;其中,当存在相交情况时,首先确定与起讫线相交且与起点直线距离最短的线段,令该线段的两个端点作为变量拐点,构造起点-变量拐点-终点的折线集合,通过判断折线集合内折线的变量拐点内、外角是否都存在以变量拐点为端点的线段来确定是否存在可行线段。
该步骤中,依据行人仿真系统实际需求,初始化路径搜索的起点变量o和终点变量d,将路径搜索的起点O坐标值赋值给变量o,终点D坐标值赋值给变量d。如图2父循环所示,路径搜索的父循环程序如下:
步骤3.1,以变量o为起点、变量d为终点,两点相连构造起讫线L od ,与步骤1方法相同,判断起讫线L od 所在的子区域,提取出起讫线L od 所在的子区域对应的线段集合。例如,子区域 对应的线段集合为 ,线段集合已在步骤1产生。
步骤3.2,遍历步骤3.1提取出的若个线段集合内的线段,判断线段是否与起讫线L od 相交;当不存在相交时,认为起讫线L od 是可行线段,该可行线段需要添加到集合R中,则当前需要添加的可行线段为,依据步骤2的方法将到添加集合R,父循环程序结束。
若存在相交,进入步骤3.3。
步骤3.3,在步骤3.1提取出的若个线段集合中,寻找与起讫线L od 相交且与起点o直线距离最短的线段L i ,若存在多条线段L i 则任取其一。线段L i 的两个端点记为 ,此时令变量拐点 ,分别以o为起点、为拐点、d为终点依序相连形成折线,组成折线集合 。
以折线中线段为基准线,线段 为分界线,设定基准线 绕拐点 顺时针方向旋转到分界线 所形成的角度区间 为内角,而角度区间 设定为外角,如图3所示,其中为基准线与分界线的顺时针夹角, 是指o与 连接形成的线段。
与步骤1方法相同,提取出变量拐点 所在子区域对应的线段集合,在该集合中寻找线段,若存在以拐点为端点的线段,则逐一计算基准线线段的顺时针夹角,组成夹角集合 。令夹角值,若,则将 添加到内角集合,若 ,则将 添加到外角集合。逐一添加完成后,判断、是否为空集。
若内、外角都存在以拐点为端点的线段,即内、外角集合都不为空集,即 且 ,说明拐点无法直接到达终点d,则跳转到步骤4子循环程序。否则,此时变量起点o更新为拐点,变量终点d依旧为初始终点D,继续父循环程序,回到步骤3.1。
步骤3中建立了路径搜索的父循环程序,其主要目的是实现沿着初始终点的可行方向快速搜索的功能;相比于A*路径规划算法,本方案这样设计可以省去沿着初始终点搜索过程中不必要的计算量,从而较大提高路径搜索的效率。
步骤4,当变量拐点内、外角都存在以拐点为端点的线段,则进入路径搜索的子循环流程;在该流程中,根据变量拐点所在子区域的线段集合确定以变量拐点 作为其一个端点的所有线段的另一端点,组合成端点集合;构造起点-变量拐点-端点集合中的端点的折线集合;通过判断折线集合内折线的变量拐点内、外角是否都存在以变量拐点为端点的线段来确定是否存在可行线段。
步骤4.1,如图2子循环所示,与步骤1方法相同,提取出变量拐点 所在子区域对应的线段集合,在该集合中寻找以变量拐点 作为其一个端点的所有线段(除线段L i 外)的另一端点,组合成端点集合 ,令端点 ,此时变量终点d更新为端点,分别以o为起点、为拐点、为终点依序相连形成折线 、等等,组合成折线集合 。
若内、外角都存在以变量拐点(即端点)为端点的线段,即内、外角集合都不为空集,即且 ,说明端点无法直接到达终点d,则继续子循环程序,变量拐点仍为端点,回到步骤4.1进行循环。否则,变量起点o更新为,变量终点d依旧为初始终点D跳转到父循环程序,回到步骤3.1。
步骤4中建立了路径搜索的子循环程序,其目的是路径搜索过程中避开障碍物。避障是路径搜索的关键步骤,而本方案是基于矢量化地图的点线结构进行路径搜索实现避障,这样子设计可以忽略空间的复杂性,从而加快路径搜索的速度。
步骤5,路径搜索程序结束后,筛选出可行线段集合R中首坐标端点为初始起点O、末坐标端点为初始终点D的可行线段并简化可行线段,简化后的所有可行线段即为从起点到终点的可行路径集合。
经过路径搜索后,可行线段集合R中有首坐标端点为起点O、末坐标端点为终点D的可行线段,记为可行路径。将筛选出的可行路径组成可行路径集 ,令且 ; 为路径中的其中一个中间端点;简化可行线段,即简化可行路径,是判断可行路径中间端点能否省略,中间端点表示 中除初始起点O和初始终点D外的二维坐标端点。具体简化过程如下:
若 中任意线段与线段不相交,或相交但交点为的前后端点且折线的拐点 的内、外角不都存在以拐点为端点的线段,即 ,使得 ,或 但 且 或,则 可省略,将端点从可行路径中删除,更新可行路径 ,循环继续判断下一端点 ,此时,端点 前一端点为 ,直至循环结束。其中,折线是由端点依序相连形成的。
进一步地,在可行路径集合中,可通过以下方法来确定最优路径:
该步骤中建立了可行路径集合并简化可行路径,其目的是进一步缩短可行路径的长度,使其更加符合仿真中行人行走路径。本方案这样子设计可以使搜索出的可行路径更加贴切行人仿真系统,从而为客流组织的决策提供更高的参考价值。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种用于行人仿真客流组织的可行路径搜索方法,其特征在于,包括:
获取行人仿真的矢量化地图数据集,将数据集中线段所在的二维坐标区域划分为多个子区域,依据数据集中每条线段所处位置将线段归类到相应的子区域;其中,所述线段表示地图中障碍物的外轮廓线;
建立可行线段集合,用于存储路径搜索过程中的可行线段;
设定行人仿真的路径起点和终点位置,建立起点和终点的起讫线,进入路径搜索的父循环流程;在该流程中,通过判断所述起讫线所在子区域,根据子区域中线段集合是否与所述起讫线相交,确定可行线段并添加到所述可行线段集合中;其中,当存在相交情况时,首先确定与起讫线相交且与起点直线距离最短的线段,令该线段的两个端点作为变量拐点,构造起点-变量拐点-终点的折线集合,通过判断折线集合内折线的变量拐点内、外角是否都存在以变量拐点为端点的线段来确定是否存在可行线段;
当变量拐点内、外角都存在以变量拐点为端点的线段,则进入路径搜索的子循环流程;在该流程中,根据变量拐点所在子区域的线段集合确定以变量拐点作为其一个端点的所有线段的另一端点,组合成端点集合;构造起点-变量拐点-端点集合中的端点的折线集合;通过判断折线集合内折线的变量拐点内、外角是否都存在以变量拐点为端点的线段来确定是否存在可行线段;
筛选出可行线段集合中首坐标端点为行人仿真的路径起点、末坐标端点为终点的可行线段并简化可行线段,简化后的所有可行线段即为从起点到终点的可行路径集合。
4.根据权利要求1所述的用于行人仿真客流组织的可行路径搜索方法,其特征在于,所述通过判断所述起讫线所在子区域,根据子区域中线段集合是否与所述起讫线相交,确定可行线段并添加到所述可行线段集合中,包括:
步骤3.1,将路径搜索的起点O坐标值赋值给变量o,终点D坐标值赋值给变量d,以变量o为起点、变量d为终点,两点相连构造起讫线L od ,判断起讫线L od 所在的子区域,提取出起讫线L od 所在的子区域对应的线段集合;
步骤3.2,遍历步骤3.1提取出的若个线段集合内的线段,判断线段是否与起讫线L od 相交;当不存在相交时,认为起讫线L od 是可行线段,该可行线段需要添加到集合R中,父循环程序结束。
5.根据权利要求1所述的用于行人仿真客流组织的可行路径搜索方法,其特征在于,所述当存在相交情况时,首先确定与起讫线相交且与起点直线距离最短的线段,令该线段的两个端点作为变量拐点,构造起点-变量拐点-终点的折线集合,通过判断折线集合内折线的变量拐点内、外角是否都存在以变量拐点为端点的线段来确定是否存在可行线段,包括:
步骤3.3,在提取出的若个线段集合中,寻找与起讫线L od 相交且与起点o直线距离最短的线段L i ,若存在多条线段L i 则任取其一;线段L i 的两个端点记为,此时令变量拐点,分别以o为起点、为拐点、d为终点依序相连形成折线,组成折线集合;
提取出变量拐点所在子区域对应的线段集合,在该集合中寻找线段,若存在以拐点为端点的线段,则逐一计算基准线线段的顺时针夹角,组成夹角集合;令夹角值,若,则将添加到内角集合;若,则将添加到外角集合;逐一添加完成后,判断、是否为空集:
6.根据权利要求1所述的用于行人仿真客流组织的可行路径搜索方法,其特征在于,所述根据变量拐点所在子区域的线段集合确定以变量拐点作为其一个端点的所有线段的另一端点,组合成端点集合;构造起点-变量拐点-端点集合中的端点的折线集合;通过判断折线集合内折线的变量拐点内、外角是否都存在以变量拐点为端点的线段来确定是否存在可行线段,包括:
步骤4.1,提取出变量拐点所在子区域对应的线段集合,在该集合中寻找以变量拐点作为其一个端点的所有线段的另一端点,组合成端点集合,令端点,此时变量终点d更新为端点,分别以o为起点、为拐点、为终点依序相连形成折线、…,组合成折线集合;
步骤4.4,判断步骤4.3中折线的变量拐点内、外角是否都存在以变量拐点为端点的线段;
7.根据权利要求1所述的用于行人仿真客流组织的可行路径搜索方法,其特征在于,所述筛选出可行线段集合中首坐标端点为行人仿真的路径起点、末坐标端点为终点的可行线段并简化可行线段,包括:
经过路径搜索后,可行线段集合R中有首坐标端点为起点O、末坐标端点为终点D的可行线段,记为可行路径;将筛选出的可行路径组成可行路径集,令且;简化可行路径,是判断可行路径中间端点能否省略,具体简化过程如下:
经过以上循环过程,得到从起点到终点的可行路径集合。
8.一种仿真设备,包括处理器、存储器以及存储在所述存储器中的计算机程序;其特征在于,处理器执行计算机程序时,实现根据权利要求1-7任一项所述用于行人仿真客流组织的可行路径搜索方法的步骤。
9.一种计算机可读存储介质,所述可读存储介质中存储有计算机程序;其特征在于,计算机程序被处理器执行时,实现根据权利要求1-7任一项所述用于行人仿真客流组织的可行路径搜索方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211126607.5A CN115238525B (zh) | 2022-09-16 | 2022-09-16 | 一种用于行人仿真客流组织的可行路径搜索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211126607.5A CN115238525B (zh) | 2022-09-16 | 2022-09-16 | 一种用于行人仿真客流组织的可行路径搜索方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115238525A true CN115238525A (zh) | 2022-10-25 |
CN115238525B CN115238525B (zh) | 2023-04-18 |
Family
ID=83681357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211126607.5A Active CN115238525B (zh) | 2022-09-16 | 2022-09-16 | 一种用于行人仿真客流组织的可行路径搜索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115238525B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10333746A (ja) * | 1997-05-28 | 1998-12-18 | Shinryo Corp | 移動ロボットの経路作成方法 |
JP2001117487A (ja) * | 1999-10-14 | 2001-04-27 | Zenrin Co Ltd | ポリゴン道路網データ作成装置及び方法 |
US20010034588A1 (en) * | 2000-03-17 | 2001-10-25 | Maneesh Agrawals | System and method for abstracting and visualizing a rout map |
WO2009092327A1 (zh) * | 2008-01-17 | 2009-07-30 | Tencent Technology (Shenzhen) Company Limited | 一种地图寻路方法及系统 |
JP2009281942A (ja) * | 2008-05-23 | 2009-12-03 | Sony Computer Entertainment Inc | 経路探索装置、経路探索方法及びプログラム |
CN106156898A (zh) * | 2016-08-23 | 2016-11-23 | 吕建正 | 一种基于MoCD算法的商品配送路径规划方法 |
CN109443363A (zh) * | 2018-11-09 | 2019-03-08 | 厦门大学 | 分治确定性路径寻优算法 |
WO2022056770A1 (zh) * | 2020-09-17 | 2022-03-24 | 华为技术有限公司 | 一种路径规划方法和路径规划装置 |
-
2022
- 2022-09-16 CN CN202211126607.5A patent/CN115238525B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10333746A (ja) * | 1997-05-28 | 1998-12-18 | Shinryo Corp | 移動ロボットの経路作成方法 |
JP2001117487A (ja) * | 1999-10-14 | 2001-04-27 | Zenrin Co Ltd | ポリゴン道路網データ作成装置及び方法 |
US20010034588A1 (en) * | 2000-03-17 | 2001-10-25 | Maneesh Agrawals | System and method for abstracting and visualizing a rout map |
WO2009092327A1 (zh) * | 2008-01-17 | 2009-07-30 | Tencent Technology (Shenzhen) Company Limited | 一种地图寻路方法及系统 |
JP2009281942A (ja) * | 2008-05-23 | 2009-12-03 | Sony Computer Entertainment Inc | 経路探索装置、経路探索方法及びプログラム |
CN106156898A (zh) * | 2016-08-23 | 2016-11-23 | 吕建正 | 一种基于MoCD算法的商品配送路径规划方法 |
CN109443363A (zh) * | 2018-11-09 | 2019-03-08 | 厦门大学 | 分治确定性路径寻优算法 |
WO2022056770A1 (zh) * | 2020-09-17 | 2022-03-24 | 华为技术有限公司 | 一种路径规划方法和路径规划装置 |
Non-Patent Citations (3)
Title |
---|
SAIFEI CHEN,HUI FU AND ETC,.: "Route Choice Behavior Modeling for Emergency Evacuation and Efficiency Analysis Based on Type-II Fuzzy Theory" * |
傅惠,陈恺宇: "基于工作流网的应急资源配置与路径规划集成优化" * |
吴少健; 江秋枫; 卢洁楚; 李子晗; 朱润峰: "公交车到站时间预测模型研究" * |
Also Published As
Publication number | Publication date |
---|---|
CN115238525B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108151751B (zh) | 一种基于高精度地图和传统地图结合的路径规划方法及装置 | |
CN109828607B (zh) | 一种面向不规则障碍物的无人机路径规划方法及系统 | |
CN110220521B (zh) | 一种高精地图的生成方法和装置 | |
CN110823241B (zh) | 基于可通行区域骨架提取的机器人路径规划方法及系统 | |
EP3109842B1 (en) | Map-centric map matching method and apparatus | |
CN111811514B (zh) | 一种基于正六边形栅格跳点搜索算法的路径规划方法 | |
CN110823240B (zh) | 一种具有航向约束的跟随机器人路径规划方法及系统 | |
CN108444490B (zh) | 基于可视图和a*算法深度融合的机器人路径规划方法 | |
CN109145171A (zh) | 一种多尺度地图数据更新方法 | |
CN111880561B (zh) | 城市环境下基于改进鲸鱼算法的无人机三维路径规划方法 | |
CN112325892A (zh) | 一种基于改进a*算法的类三维路径规划方法 | |
CN115164907B (zh) | 基于动态权重的a*算法的森林作业机器人路径规划方法 | |
CN108334080A (zh) | 一种针对机器人导航的虚拟墙自动生成方法 | |
CN111272179B (zh) | 一种基于种子搜索的建筑空间无人机航线规划方法 | |
CN114440916B (zh) | 一种导航方法、装置、设备及存储介质 | |
CN115200585A (zh) | 基于空域网格的无人机航迹规划方法、装置及电子设备 | |
Wu et al. | A Non-rigid hierarchical discrete grid structure and its application to UAVs conflict detection and path planning | |
CN116958316B (zh) | 拓扑图生成方法、装置、计算机设备及存储介质 | |
CN115238525B (zh) | 一种用于行人仿真客流组织的可行路径搜索方法 | |
Si et al. | TOM-odometry: A generalized localization framework based on topological map and odometry | |
CN116839609A (zh) | 全覆盖路径规划方法、装置及计算机可读存储介质 | |
CN115143980A (zh) | 基于剪枝Voronoi图的增量式拓扑地图构建方法 | |
CN115631476A (zh) | 一种车道数据处理方法、系统、电子设备及存储介质 | |
US20230099772A1 (en) | Lane search for self-driving vehicles | |
CN116089557A (zh) | 数据处理方法、装置及存储介质 |
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 |