CN116194935A - 用于确定地理区域中的车辆的导航简档的方法和设备 - Google Patents
用于确定地理区域中的车辆的导航简档的方法和设备 Download PDFInfo
- Publication number
- CN116194935A CN116194935A CN202180051909.8A CN202180051909A CN116194935A CN 116194935 A CN116194935 A CN 116194935A CN 202180051909 A CN202180051909 A CN 202180051909A CN 116194935 A CN116194935 A CN 116194935A
- Authority
- CN
- China
- Prior art keywords
- road segment
- speed
- route
- training
- road
- 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 71
- 238000012549 training Methods 0.000 claims abstract description 114
- 238000012545 processing Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 description 12
- 230000007423 decrease Effects 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000029305 taxis 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
- G01C21/34—Route searching; Route guidance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0025—Planning or execution of driving tasks specially adapted for specific operations
- B60W60/00253—Taxi operations
-
- 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
- G01C21/3438—Rendez-vous, i.e. searching a destination where several users can meet, and the routes to this destination for these users; Ride sharing, i.e. searching a route such that at least two users can share a vehicle for at least part of the route
-
- 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
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/40—High definition maps
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
各方面涉及一种用于确定地理区域中的车辆的导航简档的方法,该方法包括:获得道路网络;通过向该道路网络的每个路段指派初始速度来初始化导航地图;通过以下操作使用包括用于多个不同行程中的每个行程的训练路线的训练数据来训练该导航地图:如果某一路段处于该训练路线中但不处于所确定的路线中的行程的数量高于第一阈值,则向该路段指派较高的速度,并且如果某一路段处于所确定的路线中但不处于该训练路线中的行程的数量高于第二阈值,则向该路段指派较低的速度;以及使用训练后的导航地图来确定包括用于该地理区域中的车辆的路线的导航简档。
Description
技术领域
本披露的各个方面涉及用于确定地理区域中的车辆的导航简档的方法和设备。
背景技术
使得客户能够使用智能手机来叫出租车的电子叫车(e-hailing)服务的质量在很大程度上取决于确定导航简档(即,电子叫车服务的车辆所采取或要采取的路线)的准确度,因为这些导航简档的确定是各种参数的基础,而这些参数对于如为行程分配车辆和车辆的导航等高效运行是必不可少的。然而,道路网络可能很复杂,并且可能有许多参数会影响是否针对行程采取某一道路或应当采取某一道路,例如,是否预计道路上有大量的交通流量、是否有速度限制、道路是否是私有的、道路是否需要支付通行费等。因此,期望用于确定导航简档、允许准确地预测所采取或应当采取的路线的方法。
发明内容
各个实施例涉及一种用于确定地理区域中的车辆的导航简档的方法,该方法包括:获得该地理区域的道路网络,该道路网络包括连接该地理区域中的位置的路段;通过向该道路网络的每个路段指派初始速度来初始化导航地图;通过以下操作使用包括用于多个不同行程中的每个行程的训练路线的训练数据来训练该导航地图:确定某一路段处于该训练路线中但不处于所确定的路线中的行程的数量是否高于第一阈值,并且如果某一路段处于该训练路线中但不处于所确定的路线中的行程的数量高于该第一阈值,则向该路段指派较高的速度,确定某一路段处于所确定的路线中但不处于该训练路线中的行程的数量是否高于第二阈值,并且如果某一路段处于所确定的路线中但不处于该训练路线中的行程的数量高于该第二阈值,则向该路段指派较低的速度;以及使用训练后的导航地图来确定包括用于该地理区域中的车辆的路线的导航简档。
根据一个实施例,该第一阈值和该第二阈值取决于该路段处于所确定的路线中、该训练路线中或这两者中的行程的数量。
根据一个实施例,该方法包括:确定某一路段处于该训练路线中但不处于所确定的路线中的行程的数量是否高于该第一阈值和第三阈值,并且如果某一路段处于该训练路线中但不处于所确定的路线中的行程的数量高于该第一阈值和该第三阈值,则向该路段指派较高的速度,以及确定某一路段处于所确定的路线中但不处于该训练路线中的行程的数量是否高于第二阈值和第四阈值,并且如果某一路段处于所确定的路线中但不处于该训练路线中的行程的数量高于该第二阈值和该第四阈值,则向该路段指派较低的速度,其中,该第一阈值和该第二阈值是绝对阈值,并且其中,该第三阈值和该第四阈值是取决于该路段处于所确定的路线中、该训练路线中或这两者中的行程的数量的相对阈值。
根据一个实施例,初始化该导航地图包括将该道路网络的每个路段指派给路段速度组;并且迭代地训练该导航地图包括:针对每个路段速度组,确定使用该导航地图确定的路线与这些训练路线之间的平均偏差,并调整该路段速度组的速度以减小该平均偏差,并且针对该路段速度组的每个路段,确定某一路段处于该训练路线中但不处于所确定的路线中的行程的数量是否高于第一阈值,并且如果该路段处于该训练路线中但不处于所确定的路线中的行程的数量高于第一阈值,则将该路段指派给速度高于该路段速度组的速度的路段速度组;以及确定某一路段处于所确定的路线中但不处于该训练路线中的行程的数量是否高于第二阈值,并且如果该路段处于所确定的路线中但不处于该训练路线中的行程的数量高于第二阈值,则将该路段指派给速度低于该路段速度组的速度的路段速度组。
根据一个实施例,该方法进一步包括:如果该路段处于该训练路线中但不处于所确定的路线中的行程的数量不高于该第一阈值且该路段处于所确定的路线中但不处于该训练路线中的行程的数量也不高于该第二阈值,则将该路段指派给与该路段所来自的路段速度组具有相同速度的路段速度组。
根据一个实施例,调整该路段速度组的速度包括在调整范围内调整该速度。
根据一个实施例,如果该路段速度组是较高速度的路段速度组,则调整该路段速度组的速度包括提高该路段速度组的速度。
根据一个实施例,如果该路段速度组是较低速度的路段速度组,则调整该路段速度组的速度包括降低该路段速度组的速度。
根据一个实施例,该方法包括生成具有针对每个路段速度组的节点的调整树,其中,迭代地训练该导航地图包括按深度优先搜索顺序遍历该调整树的这些节点,并且在遍历某一节点时执行以下操作:针对该节点的路段速度组,调整该路段速度组的速度;以及针对该节点的路段速度组的每个路段:确定某一路段处于该训练路线中但不处于所确定的路线中的行程的数量是否高于第一阈值,并且如果该路段处于该训练路线中但不处于所确定的路线中的行程的数量高于第一阈值,则将该路段指派给速度高于该路段速度组的速度的路段速度组;以及确定某一路段处于所确定的路线中但不处于该训练路线中的行程的数量是否高于第二阈值,并且如果该路段处于所确定的路线中但不处于该训练路线中的行程的数量高于第二阈值,则将该路段指派给速度低于该路段速度组的速度的路段速度组。
根据一个实施例,该方法包括:在遍历某一节点时,除了该调整树的叶节点之外,还生成较高速度的路段速度组的子节点,并生成较低速度的路段速度组的子节点。
根据一个实施例,该方法进一步包括:评估训练后的导航地图的平滑度,并且如果该平滑度在训练中或在该训练的预定迭代次数内已经恶化超过预定最大量,则重新训练该导航地图。
根据一个实施例,获得该地理区域的道路网络包括:获得关于道路在该地理区域中的位置的信息,以及将这些道路细分为路段。
根据一个实施例,该地理区域中由这些路段连接的位置是这些道路的交叉口,并且将这些道路细分为路段包括在这些交叉口处细分这些道路。
根据一个实施例,该方法进一步包括:通过所确定的导航简档来导航一个或多个车辆。
根据一个实施例,该方法进一步包括:将所确定的导航简档传输给某一车辆,并控制该车辆遵循包括在该导航简档中的路线。
根据一个实施例,提供了一种包括无线电接口、存储器接口和处理单元的服务器计算机,该服务器计算机被配置为执行上述实施例中任一项所述的方法。
根据一个实施例,提供了一种计算机程序元件,包括程序指令,这些程序指令在由一个或多个处理器执行时使该一个或多个处理器执行上述实施例中任一项所述的方法。
根据一个实施例,提供了一种计算机可读介质,包括程序指令,这些程序指令在由一个或多个处理器执行时使该一个或多个处理器执行上述实施例中任一项所述的方法。
附图说明
当结合非限制性示例和附图考虑时,参考具体实施方式将更好地理解本发明,在附图中:
-图1示出了用于使用电子叫车服务的包括智能手机和服务器的通信布置。
-图2展示了针对一组路段的路段速度调整。
-图3展示了针对道路网络的路段速度调整。
-图4示出了展示根据实施例的方法的流程图。
-图5示出了根据实施例的服务器计算机。
具体实施方式
以下具体实施方式参考了附图,这些附图通过说明的方式示出了具体细节和可以实践本披露内容的实施例。足够详细地描述了这些实施例,以使本领域技术人员能够实践本披露内容。可以利用其他实施例并且可以在不脱离本披露内容的范围的情况下进行结构改变和逻辑改变。各个实施例不一定是相互排斥的,因为一些实施例可以与一个或多个其他实施例组合以形成新的实施例。
在设备或方法中的一者的上下文中描述的实施例对于其他设备或方法是类似有效的。类似地,在设备的上下文中描述的实施例对于车辆或方法是类似有效的,反之亦然。
在实施例的上下文中描述的特征可以对应地适用于其他实施例中的相同或类似的特征。在实施例的上下文中描述的特征即使未在其他实施例中明确地描述也可以对应地适用于这些其他实施例。此外,如针对实施例的上下文中的特征所描述的添加和/或组合和/或替代可以对应地适用于其他实施例中的相同或类似的特征。
在各个实施例的上下文中,针对特征或元素所使用的冠词“一(a)”、“一个(an)”和“该(the)”包括对一个或多个特征或元素的引用。
如本文中所使用的,术语“和/或”包括相关联的列举项目中的一个或多个的任何和所有组合。
在下文中,将详细描述实施例。
通常在智能手机上使用的电子叫车app允许其用户通过他或她的智能手机针对行程来叫出租车(或私人驾驶员)。
图1示出了包括智能手机100和服务器(计算机)106的通信布置。
智能手机100的屏幕示出了电子叫车app的图形用户界面(GUI),智能手机用户先前已经将该电子叫车app安装在其智能手机上并且已经打开(即,启动)以电子呼叫乘车(出租车或私人驾驶员)。
GUI 101包括用户位置附近的地图102(该app可以基于定位服务(例如,基于GPS的定位服务)来确定该地图)。进一步地,GUI 101包括出发点框103(其可以被设置为从定位服务获得的用户当前位置)和用户可以触摸以输入目的地(例如,打开可能的目的地列表)的目的地框104。也可能存在允许用户选择各种选项的菜单(未示出),这些选项例如如何支付(现金、信用卡、电子叫车服务的信用余额)。当用户已经选择目的地并且做出了任何必要的选项选择时,他或她可以触摸“寻找汽车”按钮105以发起对合适汽车的搜索。
为此,电子叫车app经由无线电连接与电子叫车服务的服务器106通信。服务器106包括数据库107,该数据库具有关于注册车辆108的当前位置、关于这些车辆预计何时将是空闲的、关于交通拥堵等的信息。由此,服务器106的处理器110选择最合适的车辆(如果可用的话,即,如果可以满足请求),并提供驾驶员到那里接载用户的时间、乘车价格以及需要多久到达目的地的估计。服务器将该信息传送回智能手机100,并且智能手机100在GUI 101上显示该信息。然后,用户可以通过触摸对应的按钮来接受(即,预订)。如果用户接受,则服务器106通知所选择的车辆108(或等效地,其驾驶员),即,服务器106已分配以用于满足运输请求的车辆。
应当注意,尽管服务器106被描述为单个服务器,但是在实际应用中通常将由(例如,实施云服务的)多个服务器计算机的布置来提供其例如用于为整个城市提供电子叫车服务的功能。因此,服务器106所提供的以下描述的功能可以理解为由服务器或服务器计算机的布置来提供。
要确定所有与路线有关的信息,如最合适的驾驶员以及对驾驶员到那里接载用户的时间、乘车价格以及需要多久到达目的地的估计,处理器110访问存储有地图数据的数据库107,该地图数据包括例如一个或多个导航地图112,这些地图指示道路位于何处、所允许的行驶方向、速度限制等。
在该示例中,数据库107由服务器计算机106的本地存储器109实施。然而,数据库也可以至少部分地在服务器计算机106的外部(例如在云端)实施,并且可以通过访问外部数据库111(例如,开放路线地图信息数据库,如OSM(公开地图))来填充。
服务车辆108的导航质量对于打车服务(ride-hailing service)具有重要意义。准确的导航路线对于许多基于定位的服务至关重要,如计算准确的ETA/ETT(估计的到达/行驶时间)、定价、订单分派和多点出行整合。同时,由于更好的路线将节省时间、避免附加成本、避免交通流量、避免限制并提供定制路线,因此可以显著改善驾驶员和客户的体验。此外,车辆梯队的高效导航可以避免交通拥堵、发生事故的风险、减少燃料消耗等。
服务器106可以通过估计驾驶员将采取的路线来确定以上信息(如ETA和ETT)。服务器106使用存储在数据库107中的导航地图112来计算路线。
导航地图112可以变换为由点和加权线组成的大路线图。存在几种基于图中的所有权重确定最短路径的技术(服务器106可以使用这些技术来确定(起始位置与目的地之间的)行程的路线,如狄克斯特拉(Dijkstra)和收缩层次)用于搜索并计算从起点到目的地的路线。
然而,驾驶员不一定总是沿最短或最快的路径行进。有许多影响因素(例如交通流量、通行费、限制、熟悉程度、天气、交通信号灯、转弯等)可能影响驾驶员的选择。通常,可以将导航的影响因素映射到权重中,以调整道路的速度或增加道路(即,路线图的边)的时间/成本惩罚项。然而,知道每个驾驶员的偏好并考虑所有实际的本地地图条件通常是很困难的。因此,根据一个实施例,服务器106从历史数据中学习并调整导航地图112的道路速度。换言之,服务器106使用历史数据作为导航地图112的训练数据。这允许服务器106更准确地估计驾驶员所采取的路线。历史数据包括驾驶员采取的路线,并存储在数据库107中。可以将驾驶员针对某一行程所采取的路线从驾驶员的车辆108传送到服务器106(例如,以车辆轨迹或驾驶员轨迹的形式,例如GPS(全球定位系统)轨迹),并且服务器106可以将指定路线的信息存储在数据库107中以建立历史数据。
一种用于路线选择优化(即,用于改善所采取路线的估计(或预测或确定),或者换言之,从更好地适应实际地理环境的意义上改善导航地图112)的方法是从关于道路分类等级的历史数据中学习道路类型的速度,以学习例如考虑大约20种道路分类,如高速公路、主干道等(即使导航地图中可能有数百万条道路)。导航地图112可以包括速度简档,该速度简档为每个道路分类指定一个速度,这意味着服务器106将具有相同分类的所有道路视为具有相同的速度。服务器106可以例如通过网格搜索算法来调整道路分类的速度以改善路线确定。
尽管在道路分类等级上的路线选择优化可以改善对所采取的路线的预测(以及类似地在服务器106使用所确定的路线来对车辆106进行导航的情况下可以改善车辆导航),但是它是粗粒度的并且改善受到限制。实际上,并非相同道路分类的所有道路的速度都相同。例如,市区的高速公路速度和郊区的高速公路速度通常是不同的。在大多数情况下,由于交通流量原因,市区高速公路的速度要比郊区的速度慢。
此外,上述的道路分类等级路线选择优化方法不能解决道路属于私有区域道路或道路是收费道路的问题。通常,驾驶员将不会或不被允许通过私有区域。然而,这很难通过仅更改一个道路分类的速度来解决,因为私有区域中的道路可能具有不同的道路分类。进一步地,由于收费道路的附加成本,如果有替代的免费路线,则驾驶员可能不会选择收费道路。以相同的方式,收费道路可能具有不同的道路分类,因此这也很难通过上述路线选择优化方法来解决。
鉴于上述问题,根据各个实施例,提供了一种在速度分类等级下工作的更细粒度的路线选择优化方法来解决上述问题。速度分类等级是指可以将一个道路分类的速度分为若干个速度分类。根据各个实施例,将道路分成多个路段,并且调整各路段的速度。这允许以不同的速度处理不同的道路。相比而言,上述的道路分类等级优化方法不能将道路速度分为不同的路段速度,因为网格搜索仅调整道路速度,这意味着将同时调整道路的所有路段的速度。路段是构成道路的基本元素。例如,路段由地图编辑器生成以表示道路。路段的共同之处是很短。例如,从一个交叉口到下一个交叉口的一段短距离可能只有一个路段,但是如果存在(例如在地图(例如OSM地图)中观察到的)其他地图标记,则交叉口之间通常可能有两个或更多个路段。因此,路段可以不仅仅是从交叉口到交叉口,因为节点不仅可以指代交叉口,还可以承载其他道路属性(如交通信号灯、障碍物等)。可以将路段视为在拓扑上连接图上的两个节点。对于节点的定义,可以使用与OSM地图相同的概念。
根据一个实施例,为了将道路速度分为不同的路段速度,服务器106使用调整树、使用深度优先搜索顺序来探索一个道路分类的不同速度分类。调整树的每个树节点都具有若干路段,这些路段具有相同速度和相同道路分类。服务器106按照下文详细描述的统计和分类策略,针对该节点分别生成较高速度、相等速度和较低速度的三个子节点。服务器106将所有路段独立地分配给子节点。最后,服务器106为路段生成不同的速度分类。这种速度分类等级方法可以解决上文提到的道路分类等级方法的问题(主要是因为网格搜索无法很好地扩展到路段,但是调整树可以很好地扩展到路段,因为调整树引入了速度分类)。这允许改善路线预测(例如,在下文所述的offCourseRatio指标方面),以用于估计驾驶员将采取的路线(例如,用于确定ETA和ETT)或用于导航(例如,自主)车辆或用于这两者。此外,速度分类等级方法为每个道路分类生成分类信息,因为该方法为每个道路分类生成若干个速度分类。这为理解每种道路分类的行为提供了见解(例如,可能对于同一道路分类,市区地区的道路往往具有较低的速度)。此外,速度分类等级方法可以容易地应用并扩展到不同的城市。
如下文更详细描述的,服务器计算机106可以进一步使用正则化项来监视调整结果,以避免过拟合。
如上文所解释的,可以看出服务器106所应用的根据各个实施例的路线选择优化方法集中于速度分类等级。在给定了可能包含数百万个预订轨迹(即,所记录的预订行程的路线,下文中也称为“预订”)、包括道路网络的导航地图112的初始版本、以及根据一个实施例指定每个道路分类的速度的速度简档的训练数据的情况下,服务器106获取每个道路分类的速度、按深度优先搜索顺序调节每个路段的速度并生成调整树。该服务器将结果存储在定制的速度配置文件113中,该速度配置文件包含有关已调整的路段和与这些路段相关联的优化速度的信息。服务器106可以使用该速度配置文件113来进行比使用导航地图的初始版本(其不包含速度配置文件)进行的路线选择(路线预测和导航)更准确的路线选择。应当注意,速度配置文件113被视为导航地图112的一部分(但也可以是与导航地图112相关联的单独的文件)。除了来自速度配置文件113的信息之外,导航地图112还指定了道路网络,该道路网络包含其速度由速度配置文件113定义的路段。
根据各个实施例,路线选择优化方法包括称为offCourseRatio的指标。OffCourseRatio衡量所确定的轨迹(即,路线规划)与驾驶员轨迹(即,驾驶员所采取的路线)的偏离量。OffCourseRatio的值的范围是从0(完全相同)到1(完全偏离)。在速度分类的训练期间,可以定期检查offCourseRatio。例如,对于涉及多次调整迭代中的训练的大量训练数据,可以在每次调整迭代中检查offCourseRatio的平均值。
如上所述,路线选择优化的输入是训练数据和原始导航地图(可能具有原始道路速度分类)。训练数据是在导航地图所覆盖的地理区域内驾驶员所采取的历史路线(例如,驾驶员轨迹数据)。导航地图例如是用于城市的导航地图,其允许基于行程的起点和目的地点来确定行程的路线规划。
服务器106最初计算原始offCourseRatio(即,针对原始导航地图)。然后,该服务器生成一个伪根和几个子节点,这些子节点包含通过按原始速度的降序分隔开的一组地图路段。每个路段都与驾驶员轨迹覆盖该路段的预订相关。
其次,如上所述,其开始在速度最大的第一个子节点上进行搜索。搜索功能是使用一种策略来对节点的路段进行统计,并将所有节点的路段分类为三个子集,并例如也按速度降序将它们标记为三个子节点。这三个子集包括“较高”、“相等”和“较低”子集,这意味着移动到下一树层的路段的速度取决于其速度是较高、相等还是较低而被指派给下一层子集。
服务器106然后根据深度优先搜索来处理下一个节点。如果节点的速度属性是较高/较低,则服务器以调整量(在调整范围内)来提高/降低节点路段的速度,并更新速度配置文件113。接下来,服务器106使用更新的速度配置文件113来重建导航地图112,生成用于训练数据(即,包括在训练数据中的行程)的路线规划,并计算所得的offCourseRatio。如果所得的offCourseRatio小于调整速度之前的offCourseRatio,则服务器106对offCourseRatio进行更新并将更改后的(即,调整后的)速度写入速度配置文件113并存储。在调整范围内搜索调整量(这包括对于每个调整量,计算所得的offCourseRatio,并将其与先前调整量的所得offCourseRatio进行比较(从未调整的速度开始))之后,服务器106获得部分优化的路段速度。服务器重复执行统计和分类,以生成按速度降序的三个子节点,并继续进行到下一树层。
根据深度优先搜索,当向下搜索达到结束条件(如达到树深度阈值或没有任何路段被调整等)时,服务器106停止进行到更深层,但是继续处理当前节点(即,最后处理的节点)的兄弟节点。如果已经处理了其所有兄弟节点,则搜索节点将返回其父节点的兄弟节点,依此类推。
因此,服务器106生成大型树,该大型树的节点已经由该服务器按深度优先顺序进行了处理。当该遍历过程(包括调整节点的速度)完成时,速度配置文件113保存路段速度的最终结果。在该过程(其可以看作是对导航地图、具体地路段速度的训练)之后,为了防止过拟合,服务器106可以通过正则化项来评估所生成的导航地图相对于原始地图的平滑度,如下所述。如果平滑度不好,则服务器106可以调节输入参数(如调整范围)并重新训练导航地图112,直到变得更好为止。
作为导航地图训练的结果,
·所覆盖的路段被重新指派给多速度分类等级,而不是具有道路类型的速度。可用的训练数据越多,使用训练后的导航地图进行的路线预测就越准确。
·保证总体平均offCourseRatio要比训练前更好。实验表明,在大多数城市中,使用来自电子叫车服务的驾驶员轨迹的训练数据进行调整之后,在没有过拟合的情况下,offCourseRatio的改善超过15%。因此,可以改善电子叫车服务的关键OKR(目标和关键结果),如ETT(估计行程时间)和ETA(估计到达时间)/EDT(预计行程距离)。
·大多数私有区域的道路和收费道路可能会反映在训练后的导航地图中。通常,私有路段的速度将会降低,并且同时由于大多数驾驶员不会经过私有区域并绕行私有区域(例如与其平行),因此私有道路附近的路段的速度会增大。尽管收费道路的速度较高,但如果大多数驾驶员不选择收费道路,则该收费路段的速度将通常会降低,以避免被选择为路线。
导航地图训练具有可适配性,因此可以在不同条件下并使用不同参数来应用导航地图训练,这些参数例如:
·地图类型:城市地图、用于某些车辆的路线的地图(例如,4轮地图、2轮地图)、国家、甚至定制地图。
·训练数据的时间范围:一周的所有时间或仅高峰/非高峰时间。
·调整选项:如精度、树深度、统计决策条件等。
·筛选道路、初始道路顺序:可以筛选(例如,筛除)一些道路类型,或者可以使用不同的初始顺序来代替速度降序。
此外,可以容易地按比例放大导航地图训练(例如,放大到更多数量的道路类型),并且可以直观地解释调整过程。
在下文中,详细解释了路段速度调整过程(即,导航地图训练)的一个示例。
为此,首先描述了该导航地图训练中的输入数据和输出数据的表示。
1.道路网络(包含在导航地图112中)
道路网络是加权图G=(V,E,W),其中,顶点集V由节点组成,边集 构成路段,其中每个路段由有方向的起始节点和结束节点表示,并且W包含权重函数,该权重函数将每个路段映射到持续时间。在不失一般性的情况下,下文将忽略道路网络中的其他信息(如转弯限制、单行线等),因为它不会影响下文的解释。除道路网络之外,还将道路网络的元数据(包括节点和路段属性(节点位置、路段距离、每个路段的道路分类等))和拓扑信息存储在导航地图中。
2.路线规划
路线规划P=<v1,v2,...,vk>是一系列节点,其中,两个连续节点通过一条边连接。等效表示为P=<e1,e2,...,ek>,其中,对于任何两个连续路段ei=(oi,di)和ei+1=(oi+1,di+1),di=oi+1。
3.驾驶员的轨迹
驾驶员的轨迹是捕获了车辆108的移动的按时间顺序的GPS ping序列,其中,GPSping表示为三元组(ts,lat,lon),捕获了车辆在时间戳ts的位置(由纬度lat和经度lon组成)。假设两个位置之间的距离为半正矢(haversine)距离。两个连续的ping之间的时间间隔通常约为一秒。
4.速度简档
速度简档包含从道路分类到速度的映射。在OSM(公开地图)中,每个路段都包含用于识别道路类型(例如,高速公路、主要道路等)的道路分类。每个路段的权重(持续时间)可以容易地根据距离(起始节点与结束节点之间的长度)和(从基于路段所属的道路分类的速度简档中获得的)速度得出。
5.训练数据
训练数据D用于调整。其包含许多历史预订(即,电子叫车行程)ID、起点和终点、其驾驶员轨迹。可以使用原始(即,未经训练的)导航地图(即,使用道路速度简档而不是在训练过程中确定的路段速度)为每个预订确定原始路线规划。
6.配置文件
速度配置文件113是所得的定制路段等级速度文件。所得的定制路段等级速度文件是导航地图训练的结果文件。其包含多路段信息线。每条线均由路段的起点、终点和调整后的速度组成。为了确定路线,服务器的路线引擎首先加载导航地图112的速度简档以获得所有道路分类的速度。最初在该路段所属的道路分类的速度简档中为每个路段赋予了道路分类的速度。在训练之后,路段的速度由速度配置文件113中的速度给出。因此,相同道路分类的路段的路线速度可以具有不同的值,这可以生成更好的路线选择结果。
7.控制参数
控制参数是控制训练的一组参数。例如,控制参数包含训练数据时间范围、调整树深度、调整精度、道路分类白名单、调整最大速度、调整步骤、统计分布百分比阈值、最小预订、地图城市、地图轮数(map wheel)、地图版本、阶段(接载或下车)等等。控制参数可以使训练适应不同的城市、不同的时间和不同的训练请求。
是路线规划和驾驶员轨迹的相似度,该相似度由Jaccard相似度指数来衡量。len(e)表示边e的长度。SequentialOverlap的示例性实施方式在以下算法1中进行了描述。
所确定的路线与驾驶员的轨迹共享的边越多,这两条路径就越相似。由于路线规划中的边的序列是按时间顺序连接的,因此要求两条路径的重叠必须是连续的。
可以看出,offCourseRatio位于0到1之间。值为0意味着这两条路线完全相同,而值为1则意味着完全不同。可以使用导航地图的当前版本(从未经训练的版本开始,再到经过越来越全面的训练的导航地图),为训练数据集D中的每个预订确定offCourseRatio值。每个预订都是独立的,并且对导航地图进行了训练以通过训练数据来优化offCourseRatio的平均值。
这意味着通过训练求解的优化问题是
s.t.
D=训练数据集
N=D中的预订数
Pi=<e1,e2,...,ek>i//驾驶员轨迹
P′i=<e1,e2,...,ek>′i//由速度确定的路线规划
这意味着目标是使输入训练数据集的平均offCourseRatio最小化。offCourseRatio受服务器的路线引擎计算的路线规划的影响。路线引擎由速度简档和定制的速度配置文件113进行配置。在训练过程中,反复调整路段速度,并且每次针对当前调整都会启动路线引擎,以针对当前调整根据每个预订的起点和终点来计算路线规划。然后,服务器计算所确定的路线规划与根据训练数据确定的路线之间的offCourseRatio,并比较当前调整是否改善了offCourseRatio。如果有所改善,则将保持调整后的路段速度。否则,其将恢复为先前的值(当前调整之前的值)。
如上所述,服务器106执行统计(即,确定统计信息)并且在树数据结构中应用深度优先搜索,并且将道路分类的速度分类为若干个新的速度分类。
在树数据结构中,每个节点(除叶节点之外)具有三个子节点,每个速度分类“较高速度分类”、“相等速度分类”和“较低速度分类”对应一个子节点。表1示出了用于将每个路段分类为这些速度分类之一的分类策略。
表1
应当注意,服务器106在已经选择了训练数据的路线的驾驶员总是选择他们认为的最快路线的假设下执行导航地图训练。
如表1所示,对于在预订的上下文中出现的每个路段,存在三种情况。
YY:如果路段既处于预订的路线规划(由路线引擎确定)中,又处于预订的驾驶员轨迹(根据训练数据)中,则该路段的速度是准确的(相对于此预订)。
YN:如果路段处于预订的驾驶员轨迹中但不处于针对预订确定的路线规划中,则这意味着当前速度较慢,因此路线引擎未将此路段包括在路线中。因此,这表明应当提高速度。
NY:如果路段处于针对预定确定的路线规划中但不处于针对预订的驾驶员轨迹中,则这意味着当前速度很快,因此路线引擎选择该路段作为路线,但驾驶员实际上并未选择。因此,这表明应当降低路段的速度,以防止路线引擎选择该路段作为路线。
通常,某一路段将会出现在多个预订中(即,出现在多个预订的所确定路线中或驾驶员轨迹中或这两者中)。因此,服务器106对表1的三种情况YY、YN、NY执行统计,例如,分别计数该YY、YN和NY的预订数#YY、#YN和#NY,并比较该比例以确定是提高路段的速度、使其保持相等还是降低该速度。例如,将路段分类为速度分类的决策标准可以如下。
1.#YN/(#YY+#YN+#NY)>0.7且#YN>阈值如果YN比例高于70%且绝对数量高于预定(例如,输入)阈值,如100,则这意味着该路段速度应在大多数预订中提高。因此,将把该路段分配到较高的速度分类;
2.#NY/(#YY+#YN+#NY)>0.7且NY>阈值如果NY比例高于70%且绝对数量高于预定(例如,输入)阈值,如100,则这意味着该路段速度应在大多数预订中降低。因此,将把该路段分配到较低的速度分类;
3.否则,路段将被分配为相等速度分类,这意味着在该节点分类中不需要更改这些路段的速度。
应当注意,相对数阈值0.7的不等式也可以通过将两侧都乘以#YY+#YN+#NY(得出绝对数的阈值0.7*#YY+#YN+#NY)而视为绝对数#YN和#NY的不等式,其中,绝对数阈值取决于#YY+#YN+#NY。
分类的示例性实施方式在以下算法2中进行了描述。
在算法2中,操作Add(road segment)将路段添加到相应的子节点。
图2展示了针对调整树的一个节点200执行的路段速度调整。在处理开始时,节点包含具有相同(初始)速度的一组路段204(即,与该组路段相关联)。
为节点200定义了三个子节点201、202、203:较高速度分类节点201、相等速度分类节点202和较低速度分类节点203。节点200和子节点201、202、203中的每一个都具有标识(ID)。
在205中调整节点的速度(即,该组路段204的速度)。
对于调整,服务器106开始速度调整范围[x,y]的循环(例如,对于“高”/“相等”/“低”的调整方向,[x,y]为[-2,t]/[0,0]/[-t,2];2或-2仅用于保护;调整方向“相等”以及“原始”意味着不执行调整)。在循环的迭代中,从节点的初始速度开始,所有路段204的速度相对于原始速度在调整方向(“高”或“低”)上遍历速度调整范围。在循环的每次迭代中,服务器106更新速度配置文件,启动路线引擎以基于预订的起点和终点获得确定的路线规划,在208中计算offCourseRatio(使用来自预定的训练数据的驾驶员轨迹207)并在209中将其与先前的offCourseRatio进行比较(即,针对不进行当前迭代的调整的速度得出的offCourseRatio)。如果offCourseRatio得到改善,则将当前迭代的调整速度保持为节点的速度(可能在循环的后续迭代中进一步更改)。结果,在所有迭代之后,将获得节点的路段204的优化速度210。
在211中,在获得优化速度210之后,服务器106执行统计并通过以上参考表1和算法2描述的分类策略将路段204分类为三个子节点201、202、203的三个速度分类。服务器106将优化速度210赋予这三个子节点作为初始速度,并将调整方向“高”赋予较高速度分类节点201,将“相等”赋予相等速度分类节点202,并且将“低”赋予较低速度分类节点。
节点的速度调整的示例性实施方式在以下算法3中进行了描述。
图3展示了在整个调整树300上执行的路段速度调整。
在该示例中,调整树300在第一层中具有伪根301(不与任何路段相关联)并且具有第二层节点302、303、304和其他层,其中,如以上所解释的,从第二层开始,每个节点具有针对每个速度分类(高、相等和低)的三个子节点。在图3中,示出了第三层的子节点305、306、307,它们是第二层的最左节点302的子节点。进一步地,示出了第四层的子节点308、309、310,它们是第三层的最左节点304的子节点。
服务器106从根到叶对节点302至310执行速度调整(按深度优先搜索顺序,例如,前序遍历)。
根据一个实施例,在每一层上,这些节点被排序为使得其速度从左到右下降。
第二层的节点302、303、304与道路分类相关联,即,向第二层的每个节点302、303、304赋予了特定道路分类的道路的所有路段。因此,服务器106不对第二层节点302、303、304执行速度调整,因为它们的速度是与道路分类的速度简档中的速度一样的道路分类速度。假定高速公路的速度最高,并且对路线选择的影响最大。
每个树节点的初始速度和初始offCourseRatio由其父节点的优化速度以及与该优化速度相对应的offCourseRatio给出。因此,一旦遍历了整个树300,结果就是最终offCourseRatio和针对输入训练数据进行了优化的所有路段的路段速度分类。
对于相等速度分类节点306、309,服务器执行统计和分类,但不调整速度,因为这被父节点速度的调整所覆盖。
例如,在调整树中存在深度优先搜索的三个结束条件,即,在存在以下情况时,节点是叶:
1.节点的路段中的任一个均未被分配到较高/较低速度分类中。因此,无需进行调整。
2.已达到调整树深度阈值(其例如是输入参数)。
3.节点的调整方向为“相等”,并且其父节点也是“相等”速度分类节点,这意味着无需对路段执行统计和分类,因为父节点不会更改其速度,因此不会影响稍后的节点。
当遍历了整个树300时,每个叶节点表示一个速度分类。服务器106生成速度配置文件113,该速度配置文件包含每个调整后的路段的信息和速度。利用该速度配置文件,服务器106可以(借助于其路线引擎)更准确地预测路线。offCourseRatio针对训练数据进行了优化。
速度分类等级路线选择优化的示例性实施方式在以下算法4中进行了描述。其使用算法2的StatisticsAndClassification(统计和分类)和算法3的OneNodeTuning(一节点调整)。
通过以上过程,道路分类速度在调整后被分为若干个路段速度分类。使用这些速度分类的导航存在过拟合的风险,这意味着所确定的路线可能不平滑,从而导致驾驶员可能不得不多次转弯。因此,为了避免过拟合,根据一个实施例,使用衡量平滑度的正则化项:
如上文所示的公式,两个路段(i,j)和(k,l)在它们表示连续或相交的道路时称为“邻近”。邻近关系写为v(i,j)对应于路段(i,j)的速度(以公里每小时为单位)。d(i,j)表示路段(i,j)的长度(以米为单位)。/>表示在训练数据集中出现的路段中所有邻近路段对(i,j)和(k,l)的总和。加权因子2/(d(i,j)+d(k,l))确保连续性在较短的邻近道路(其中,恒定速度是更好的近似值)中比在较长的邻近道路中更为重要。换言之,平滑度因子越小,导航地图就越平滑。
如果在速度调整之后(在某些节点的速度调整之后或在执行完整的路线优化之后)平滑度因子变得更差,则服务器106可以调节控制参数并重新调整,直到平滑度因子变得更好为止。因此,其可以在优化道路网络导航的同时避免过拟合。
总之,根据各个实施例,提供了如图4中所展示的方法。
图4示出了流程图400,其展示了用于确定地理区域中的车辆的导航简档的方法。
在401中,获得该地理区域的道路网络,该道路网络包括连接该地理区域中的各位置的路段。
在402中,通过向该道路网络的每个路段指派初始速度来初始化导航地图(其中,初始速度例如由该路段所属的道路的道路分类的速度给出)。
在403中,通过以下操作使用包括用于多个不同行程中的每个行程的训练路线的训练数据来训练该导航地图:
确定某一路段处于该训练路线中但不处于所确定的路线中的行程的数量是否高于第一阈值,并且如果某一路段处于该训练路线中但不处于所确定的路线中的行程的数量高于该第一阈值,则向该路段指派较高的速度,以及
确定某一路段处于所确定的路线中但不处于该训练路线中的行程的数量是否高于第二阈值,并且如果某一路段处于所确定的路线中但不处于该训练路线中的行程的数量高于该第二阈值,则向该路段指派较低的速度。
在404中,使用训练后的导航地图来确定包括用于该地理区域中的车辆的路线的导航简档。
换言之,根据各个实施例,降低了驾驶员很少选择的路段的速度,而提高了驾驶员经常选择的路段的速度。因此,路段速度用作指示路段适合于行程的程度(或路段对于行程的受欢迎程度)的参数。已经训练了这些路段速度之后,便可以在整个地理区域中高效的进行导航。训练导航地图可以看作是从示范中学习,即,从示范中训练机器学习模型,其中,在此示例中,示范是驾驶员所采取的路线,并且机器学习模型被训练为自己针对行程提出路线。其可以借助于考虑了路段速度的最短路径算法(即,考虑到边的权重来计算顶点之间的最短路径的算法)根据训练后的导航地图确定行程的路线。因此,可以看出经过训练的机器学习模型包括导航地图和路线引擎,并且其被训练为可以提出与训练数据的路线相似的路线(并推广到未看到的行程)。
因此,图4的方法可以是用于控制车辆(或控制车辆的导航)的方法的一部分,其中,将训练后的导航数据提供给车辆,并且使用训练后的导航地图数据来控制车辆(或其导航系统)。
例如,可以由服务器106确定针对行程要采取的路线,并将其传输到相应的车辆108,即,指派给该行程的车辆,使得驾驶员可以遵循该路线。在自主车辆的情况下,可以根据所确定的路线来控制车辆。服务器106使用存储在数据库107中的导航地图来计算路线。
术语导航简档可以指代给予车辆以用于导航车辆的路线,或者指代对车辆将采取的路线的预测。
如导航地图、道路网络和训练数据等各种数据是电子数据,并且该方法可以是计算机实施的。
图4的方法例如由如图5中所展示的服务器计算机执行。
图5示出根据实施例的服务器计算机500。
服务器计算机500包括通信接口501(例如,被配置为接收驾驶员的轨迹或道路网络的规范,或者将导航地图数据或导航简档传输至另一服务器(例如,导航服务器)或车辆中的导航设备)。服务器计算机500进一步包括处理单元502和存储器503。存储器503可以由处理单元502用来存储例如驾驶员的轨迹和要处理的道路网络。服务器计算机被配置为执行图4的方法。
可以由一个或多个电路来执行本文描述的方法并实施本文描述的各种处理或计算单元和设备。在实施例中,“电路”可以理解为任何类型的逻辑实施实体,其可以是硬件、软件、固件或其任意组合。因此,在实施例中,“电路”可以是硬连线逻辑电路或可编程逻辑电路,诸如可编程处理器,例如微处理器。“电路”也可以是由处理器实施或执行的软件,例如,任何类型的计算机程序,例如使用虚拟机代码的计算机程序。根据替代性实施例,本文描述的各个功能的任何其他类型的实施方式也可以被理解为“电路”。
虽然已经参考具体实施例特别地示出和描述了本披露内容,但是本领域技术人员应当理解,在不脱离如所附权利要求所限定的本发明的精神和范围的情况下,可以在其中进行形式和细节的各种变化。因此,本发明的范围由所附权利要求指示,并且因此旨在涵盖属于权利要求的等同物的含义和范围内的所有改变。
Claims (18)
1.一种用于确定地理区域中的车辆的导航简档的方法,该方法包括:
获得该地理区域的道路网络,该道路网络包括连接该地理区域中的位置的路段;
通过向该道路网络的每个路段指派初始速度来初始化导航地图;
通过以下操作使用包括用于多个不同行程中的每个行程的训练路线的训练数据来训练该导航地图:
确定某一路段处于该训练路线中但不处于所确定的路线中的行程的数量是否高于第一阈值,并且如果某一路段处于该训练路线中但不处于所确定的路线中的行程的数量高于该第一阈值,则向该路段指派较高的速度,
确定某一路段处于所确定的路线中但不处于该训练路线中的行程的数量是否高于第二阈值,并且如果某一路段处于所确定的路线中但不处于该训练路线中的行程的数量高于该第二阈值,则向该路段指派较低的速度;以及
使用训练后的导航地图来确定包括用于该地理区域中的车辆的路线的导航简档。
2.如权利要求1所述的方法,其中,该第一阈值和该第二阈值取决于该路段处于所确定的路线中、该训练路线中或这两者中的行程的数量。
3.如权利要求1所述的方法,包括
确定某一路段处于该训练路线中但不处于所确定的路线中的行程的数量是否高于该第一阈值和第三阈值,并且如果某一路段处于该训练路线中但不处于所确定的路线中的行程的数量高于该第一阈值和该第三阈值,则向该路段指派较高的速度,以及
确定某一路段处于所确定的路线中但不处于该训练路线中的行程的数量是否高于第二阈值和第四阈值,并且如果某一路段处于所确定的路线中但不处于该训练路线中的行程的数量高于该第二阈值和该第四阈值,则向该路段指派较低的速度,
其中,该第一阈值和该第二阈值是绝对阈值,并且其中,该第三阈值和该第四阈值是取决于该路段处于所确定的路线中、该训练路线中或这两者中的行程的数量的相对阈值。
4.如权利要求1至3中任一项所述的方法,其中,初始化该导航地图包括将该道路网络的每个路段指派给路段速度组;
并且其中,迭代地训练该导航地图包括
针对每个路段速度组,
确定使用该导航地图确定的路线与这些训练路线之间的平均偏差,并调整该路段速度组的速度以减小该平均偏差,并且
针对该路段速度组的每个路段,
确定某一路段处于该训练路线中但不处于所确定的路线中的行程的数量是否高于第一阈值,并且如果该路段处于该训练路线中但不处于所确定的路线中的行程的数量高于第一阈值,则将该路段指派给速度高于该路段速度组的速度的路段速度组;以及
确定某一路段处于所确定的路线中但不处于该训练路线中的行程的数量是否高于第二阈值,并且如果该路段处于所确定的路线中但不处于该训练路线中的行程的数量高于第二阈值,则将该路段指派给速度低于该路段速度组的速度的路段速度组。
5.如权利要求4所述的方法,进一步包括:如果该路段处于该训练路线中但不处于所确定的路线中的行程的数量不高于该第一阈值且该路段处于所确定的路线中但不处于该训练路线中的行程的数量也不高于该第二阈值,则将该路段指派给与该路段所来自的路段速度组具有相同速度的路段速度组。
6.根据权利要求4或5所述的方法,其中调整该路段速度组的速度包括在调整范围内调整该速度。
7.如权利要求4至6中任一项所述的方法,其中,如果该路段速度组是较高速度的路段速度组,则调整该路段速度组的速度包括提高该路段速度组的速度。
8.如权利要求4至7中任一项所述的方法,其中,如果该路段速度组是较低速度的路段速度组,则调整该路段速度组的速度包括降低该路段速度组的速度。
9.如权利要求4至8中任一项所述的方法,包括生成具有针对每个路段速度组的节点的调整树,其中,迭代地训练该导航地图包括按深度优先搜索顺序遍历该调整树的这些节点,并且在遍历某一节点时执行以下操作:针对该节点的路段速度组,调整该路段速度组的速度;以及针对该节点的路段速度组的每个路段:确定某一路段处于该训练路线中但不处于所确定的路线中的行程的数量是否高于第一阈值,并且如果该路段处于该训练路线中但不处于所确定的路线中的行程的数量高于第一阈值,则将该路段指派给速度高于该路段速度组的速度的路段速度组;以及确定某一路段处于所确定的路线中但不处于该训练路线中的行程的数量是否高于第二阈值,并且如果该路段处于所确定的路线中但不处于该训练路线中的行程的数量高于第二阈值,则将该路段指派给速度低于该路段速度组的速度的路段速度组。
10.如权利要求9所述的方法,包括:在遍历某一节点时,除了该调整树的叶节点之外,还生成较高速度的路段速度组的子节点,并生成较低速度的路段速度组的子节点。
11.如权利要求1至10中任一项所述的方法,进一步包括评估训练后的导航地图的平滑度,并且如果该平滑度在训练中或在该训练的预定迭代次数内已经恶化超过预定最大量,则重新训练该导航地图。
12.如权利要求1至11中任一项所述的方法,其中,获得该地理区域的道路网络包括:获得关于道路在该地理区域中的位置的信息,以及将这些道路细分为路段。
13.如权利要求12所述的方法,其中,该地理区域中由这些路段连接的位置是这些道路的交叉口,并且将这些道路细分为路段包括在这些交叉口处细分这些道路。
14.如权利要求1至13中任一项所述的方法,进一步包括通过所确定的导航简档来导航一个或多个车辆。
15.如权利要求1至14中任一项所述的方法,进一步包括将所确定的导航简档传输给某一车辆,并控制该车辆遵循包括在该导航简档中的路线。
16.一种服务器计算机,包括无线电接口、存储器接口和处理单元,该处理单元被配置为执行如权利要求1至15中任一项所述的方法。
17.一种计算机程序元件,包括程序指令,这些程序指令当由一个或多个处理器执行时使该一个或多个处理器执行如权利要求1至15中任一项所述的方法。
18.一种计算机可读介质,包括程序指令,这些程序指令当由一个或多个处理器执行时使该一个或多个处理器执行如权利要求1至15中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
SG10202009324U | 2020-09-22 | ||
SG10202009324U | 2020-09-22 | ||
PCT/SG2021/050560 WO2022066098A1 (en) | 2020-09-22 | 2021-09-15 | Method and device for determining a navigation profile for a vehicle in a geographical area |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116194935A true CN116194935A (zh) | 2023-05-30 |
CN116194935B CN116194935B (zh) | 2024-02-20 |
Family
ID=80847040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180051909.8A Active CN116194935B (zh) | 2020-09-22 | 2021-09-15 | 用于确定地理区域中的车辆的导航简档的方法和设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US12013248B2 (zh) |
CN (1) | CN116194935B (zh) |
TW (1) | TW202217242A (zh) |
WO (1) | WO2022066098A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11988515B2 (en) * | 2021-09-28 | 2024-05-21 | Uber Technologies, Inc. | Penalizing difficult immediate maneuvers in routing cost functions |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170199048A1 (en) * | 2014-08-19 | 2017-07-13 | Motorola Solutions, Inc | Method of and system for determining route speed of a mobile navigation unit movable along a route segment of a route having a plurality of intersections |
US20170328725A1 (en) * | 2016-05-10 | 2017-11-16 | Microsoft Technology Licensing, Llc | Enhanced user efficiency in route planning using route preferences |
CN108431549A (zh) * | 2016-01-05 | 2018-08-21 | 御眼视觉技术有限公司 | 具有施加的约束的经训练的系统 |
CN109801491A (zh) * | 2019-01-18 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 基于风险评估的智能导航方法、装置、设备及存储介质 |
CN110108292A (zh) * | 2019-06-12 | 2019-08-09 | 山东师范大学 | 车辆导航路径规划方法、系统、设备及介质 |
CN110686686A (zh) * | 2019-06-04 | 2020-01-14 | 北京嘀嘀无限科技发展有限公司 | 用于地图匹配的系统和方法 |
CN110823235A (zh) * | 2018-08-07 | 2020-02-21 | 通用汽车环球科技运作有限责任公司 | 用于导出路段限速的智能车辆导航系统、方法以及控制逻辑 |
US20200132479A1 (en) * | 2016-03-11 | 2020-04-30 | Route4Me, Inc. | Methods and systems for detecting and verifying route deviations |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10128517A1 (de) | 2001-06-13 | 2003-01-02 | Vodafone Ag | Verfahren zum Erzeugen von Navigationsdaten für eine Routenführung sowie Navigationssystem |
DE102005004332A1 (de) | 2005-01-31 | 2006-08-03 | Robert Bosch Gmbh | Verfahren zur Routenberechnung für Navigationssysteme |
US7912628B2 (en) | 2006-03-03 | 2011-03-22 | Inrix, Inc. | Determining road traffic conditions using data from multiple data sources |
US8126641B2 (en) | 2006-06-30 | 2012-02-28 | Microsoft Corporation | Route planning with contingencies |
US7706964B2 (en) | 2006-06-30 | 2010-04-27 | Microsoft Corporation | Inferring road speeds for context-sensitive routing |
RU2489681C2 (ru) | 2007-10-26 | 2013-08-10 | Томтом Интернэшнл Б.В. | Способ и машина для генерирования картографических данных и способ и навигационное устройство для определения маршрута, используя картографические данные |
CN115485681A (zh) * | 2020-03-18 | 2022-12-16 | 伊莱克特拉车辆股份有限公司 | 用于管理速度配置文件的系统和方法 |
-
2021
- 2021-09-15 WO PCT/SG2021/050560 patent/WO2022066098A1/en active Application Filing
- 2021-09-15 US US18/026,248 patent/US12013248B2/en active Active
- 2021-09-15 CN CN202180051909.8A patent/CN116194935B/zh active Active
- 2021-09-17 TW TW110134894A patent/TW202217242A/zh unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170199048A1 (en) * | 2014-08-19 | 2017-07-13 | Motorola Solutions, Inc | Method of and system for determining route speed of a mobile navigation unit movable along a route segment of a route having a plurality of intersections |
CN108431549A (zh) * | 2016-01-05 | 2018-08-21 | 御眼视觉技术有限公司 | 具有施加的约束的经训练的系统 |
US20200132479A1 (en) * | 2016-03-11 | 2020-04-30 | Route4Me, Inc. | Methods and systems for detecting and verifying route deviations |
US20170328725A1 (en) * | 2016-05-10 | 2017-11-16 | Microsoft Technology Licensing, Llc | Enhanced user efficiency in route planning using route preferences |
CN110823235A (zh) * | 2018-08-07 | 2020-02-21 | 通用汽车环球科技运作有限责任公司 | 用于导出路段限速的智能车辆导航系统、方法以及控制逻辑 |
CN109801491A (zh) * | 2019-01-18 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 基于风险评估的智能导航方法、装置、设备及存储介质 |
CN110686686A (zh) * | 2019-06-04 | 2020-01-14 | 北京嘀嘀无限科技发展有限公司 | 用于地图匹配的系统和方法 |
CN110108292A (zh) * | 2019-06-12 | 2019-08-09 | 山东师范大学 | 车辆导航路径规划方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
US20230324187A1 (en) | 2023-10-12 |
TW202217242A (zh) | 2022-05-01 |
CN116194935B (zh) | 2024-02-20 |
WO2022066098A1 (en) | 2022-03-31 |
US12013248B2 (en) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11650066B2 (en) | Systems and methods for variable energy routing and tracking | |
US10794720B2 (en) | Lane-level vehicle navigation for vehicle routing and traffic management | |
EP3658857B1 (en) | Dynamically determining origin and destination locations for a vehicle communicating with a network system | |
US10160321B2 (en) | Methods, circuits, devices, systems and associated computer executable code for driver decision support | |
US11506507B2 (en) | Multimodal vehicle routing system and method with vehicle parking | |
US20190346275A1 (en) | Vehicle route guidance | |
EP3485337A1 (en) | Decision making for autonomous vehicle motion control | |
Liu et al. | Dynamic shared autonomous taxi system considering on-time arrival reliability | |
CN107305131A (zh) | 以节点为中心的导航优化 | |
US20090125229A1 (en) | Corridor mapping with alternative routes | |
Liu et al. | A distributed Markovian parking assist system | |
JP2024518683A (ja) | 車線レベルルートに対する説明可能性及びインターフェース設計 | |
CN112418514A (zh) | 一种运用蚁群系统优化校园公交线路规划的方法 | |
CN111862590A (zh) | 路况预测方法、装置及存储介质 | |
GB2556876A (en) | Vehicle route guidance | |
CN116194935B (zh) | 用于确定地理区域中的车辆的导航简档的方法和设备 | |
Lee et al. | Development of reinforcement learning-based traffic predictive route guidance algorithm under uncertain traffic environment | |
Castagna et al. | Demand-responsive rebalancing zone generation for reinforcement learning-based on-demand mobility | |
JP2023155476A (ja) | 情報処理システム、情報処理装置、情報処理方法及び情報処理プログラム | |
CN113706857A (zh) | 道路通行性的确定方法、装置、设备及存储介质 | |
Habibi et al. | Improvement of Multi-agent Routing Guidance with an Intelligent Traffic Light Scheduling and the Ability to Select Intermediate Destinations | |
Rahaman | Context-aware mobility analytics and trip planning | |
CN116844362B (zh) | 一种交通流数据处理方法 | |
Ghandeharioun | Optimization of shared on-demand transportation | |
CN116844362A (zh) | 一种交通流数据处理方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |