CN116205392A - 车辆路线的确定方法、装置、计算机设备和存储介质 - Google Patents

车辆路线的确定方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN116205392A
CN116205392A CN202310185650.7A CN202310185650A CN116205392A CN 116205392 A CN116205392 A CN 116205392A CN 202310185650 A CN202310185650 A CN 202310185650A CN 116205392 A CN116205392 A CN 116205392A
Authority
CN
China
Prior art keywords
target vehicle
station
transmission
position information
target
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
Application number
CN202310185650.7A
Other languages
English (en)
Inventor
朱曙光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Apoco Blue Technology Co ltd
Original Assignee
Beijing Apoco Blue Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Apoco Blue Technology Co ltd filed Critical Beijing Apoco Blue Technology Co ltd
Priority to CN202310185650.7A priority Critical patent/CN116205392A/zh
Publication of CN116205392A publication Critical patent/CN116205392A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0645—Rental transactions; Leasing transactions
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉及一种车辆路线的确定方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取每个目标车辆的位置信息、每个目标车辆组的位置信息、多个车站的位置信息、以及每个目标车辆到每个车站的传输代价信息；根据各目标车辆的位置信息、以及各目标车辆在目标车辆组的位置信息，确定目标车辆的分散度；针对每个目标车辆，基于目标车辆的位置信息、各车站的位置信息、以及传输代价信息，计算目标车辆至每个车站的初始传输解，以及各初始传输解的传输代价值；返回上述步骤，直到满足预设迭代次数；并确定目标车辆对应的目标车站、以及目标车辆到目标车站的目标路线信息。采用本方法能够提升目标车辆至目标车站的运输效果。

Description

车辆路线的确定方法、装置、计算机设备和存储介质
技术领域
本申请涉及人工智能技术领域，特别是涉及一种车辆路线的确定方法、装置、计算机设备和存储介质。
背景技术
随着共享汽车的发展，共享汽车的运输逐渐成为该领域的研究重点，用户往往因为无法寻找到最合适的还车车站从而绕路、导航、或将该车辆还回取车的地方，因此给用户租借共享车辆提供了大量的运输压力。因此，当前需要一种车辆最优传输方法，从而优化用户的车辆运输路线。
传统的最优传输方法遵循“最低成本”的限制，通过Sinkhorn算法，随机筛选目标车辆对车站的直线路线作为目标车辆至车站的最优传输解，但是该方法对属于同组目标车辆的聚集程度没有要求。使得同组目标车辆至多车站中的目标车站的距离在地理上可能相距很远，从而导致目标车辆至目标车站的运输效果较差。
发明内容
基于此，有必要针对上述技术问题，提供一种车辆路线的确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种车辆传输方法。所述方法包括：
获取各目标车辆组中每个目标车辆的位置信息、每个目标车辆组的位置信息、多个车站的位置信息、以及每个目标车辆到每个车站的传输代价信息；所述目标车辆组的位置信息为所述目标车辆组的重心的位置信息；
根据各所述目标车辆的位置信息、以及各所述目标车辆在所述目标车辆组的位置信息，确定所述目标车辆的分散度；
针对每个目标车辆，基于所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆到各所述车站的传输代价信息，通过所述目标车辆到每个车站对应的分散约束最优传输算法，计算所述目标车辆至每个车站的初始传输解，并根据所述目标车辆的各初始传输解、以及所述目标车辆的分散度，计算所述目标车辆的各初始传输解的传输代价值；
在各所述传输代价值中，筛选最小传输代价值对应的分散约束最优传输算法的参数值，更新各所述目标车辆到每个所述车站对应的分散约束最优传输算法的参数值，并返回执行基于所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆到各所述车站的传输代价信息，通过所述目标车辆到每个车站对应的分散约束最优传输算法，计算所述目标车辆至每个车站的初始传输解步骤，直到满足预设迭代次数；
基于最后一次迭代得到的各传输代价值中的最小传输代价值对应的初始传输解，确定所述目标车辆对应的目标车站、以及所述目标车辆到所述目标车站的目标路线信息。
可选的，所述基于所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆到各所述车站的传输代价信息，通过所述目标车辆到每个车站对应的分散约束最优传输算法，计算所述目标车辆至每个车站的初始传输解，包括：
针对每个车站的位置信息，根据所述目标车辆的位置信息、以及所述车站的位置信息，确定所述目标车辆的传输距离；
基于所述传输距离、以及所述目标车辆到所述车站的传输代价信息，通过所述目标车辆到所述车站对应的分散约束最优传输算法，得到所述目标车辆至所述车站的初始传输解。
可选的，所述根据所述目标车辆的各初始传输解、以及所述目标车辆的分散度，计算所述目标车辆的各初始传输解的传输代价值，包括：
基于所述目标车辆的分散度、以及所述传输代价算法，确定所述目标车辆的代价值；
针对每个初始传输解，通过传输代价算法，计算所述初始传输解的代价值；
根据所述初始传输解的代价值、以及所述目标车辆的代价值，确定所述初始传输解的传输代价值。
可选的，所述方法还包括：
通过评价函数分别计算每个目标车辆的最优传输解的评价值；
在各所述评价值中筛选大于预设评价阈值的各评价值对应的目标最优传输解；
将各所述目标最优传输解、各所述目标最优传输解对应的第一目标车辆、各所述目标最优传输解对应的第一车站、以及各所述第一目标车辆到所述第一车站的传输代价信息，输入所述分散约束最优传输算法，并对所述分散约束最优传输算法进行训练，得到已优化的分散约束最优传输算法。
可选的，所述获取每个目标车辆组的位置信息，包括：
针对每个目标车辆组，将所述目标车辆组的所有目标车辆的位置信息相连接，得到所述目标车辆组的区域范围；
根据所述目标车辆组的区域范围、以及重心求解算法，确定所述目标车辆组的位置信息。
可选的，所述获取每个目标车辆到每个车站的传输代价信息，包括：
根据各所述目标车辆组中每个目标车辆的位置信息、以及各所述车站的位置信息，确定目标车辆至车站的传输范围，并获取所述传输范围的环境信息；
针对每个目标车辆，将所述目标车辆的位置信息与每个车站的位置信息分别连接，得到所述目标车辆到各所述车站的直线传输路线，并根据所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆至各所述车站所述传输范围的环境信息，确定所述目标车辆到各所述车站的实际传输路线；
针对每个车站，根据所述目标车辆到所述车站的直线传输路线、以及所述目标车辆到所述车站的实际传输路线，确定所述目标车辆到所述车站的传输代价信息。
第二方面，本申请还提供了一种车辆路线的确定装置。所述装置包括：
获取模块，用于获取各目标车辆组中每个目标车辆的位置信息、每个目标车辆组的位置信息、多个车站的位置信息、以及每个目标车辆到每个车站的传输代价信息；所述目标车辆组的位置信息为所述目标车辆组的重心的位置信息；
确定模块，用于根据各所述目标车辆的位置信息、以及各所述目标车辆在所述目标车辆组的位置信息，确定所述目标车辆的分散度；
计算模块，用于针对每个目标车辆，基于所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆到各所述车站的传输代价信息，通过所述目标车辆到每个车站对应的分散约束最优传输算法，计算所述目标车辆至每个车站的初始传输解，并根据所述目标车辆的各初始传输解、以及所述目标车辆的分散度，计算所述目标车辆的各初始传输解的传输代价值；
迭代模块，用于在各所述传输代价值中，筛选最小传输代价值对应的分散约束最优传输算法的参数值，更新各所述目标车辆到每个所述车站对应的分散约束最优传输算法的参数值，并返回执行基于所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆到各所述车站的传输代价信息，通过所述目标车辆到每个车站对应的分散约束最优传输算法，计算所述目标车辆至每个车站的初始传输解步骤，直到满足预设迭代次数；
筛选模块，用于基于最后一次迭代得到的各传输代价值中的最小传输代价值对应的初始传输解，确定所述目标车辆对应的目标车站、以及所述目标车辆到所述目标车站的目标路线信息。
可选的，所述计算模块，具体用于：
针对每个车站的位置信息，根据所述目标车辆的位置信息、以及所述车站的位置信息，确定所述目标车辆的传输距离；
基于所述传输距离、以及所述目标车辆到所述车站的传输代价信息，通过所述目标车辆到所述车站对应的分散约束最优传输算法，得到所述目标车辆至所述车站的初始传输解。
可选的，所述计算模块，具体用于：
基于所述目标车辆的分散度、以及所述传输代价算法，确定所述目标车辆的代价值；
针对每个初始传输解，通过传输代价算法，计算所述初始传输解的代价值；
根据所述初始传输解的代价值、以及所述目标车辆的代价值，确定所述初始传输解的传输代价值。
可选的，所述装置还包括：
评价模块，用于通过评价函数分别计算每个目标车辆的最优传输解的评价值；
判断模块，用于在各所述评价值中筛选大于预设评价阈值的各评价值对应的目标最优传输解；
优化模块，用于将各所述目标最优传输解、各所述目标最优传输解对应的第一目标车辆、各所述目标最优传输解对应的第一车站、以及各所述第一目标车辆到所述第一车站的传输代价信息，输入所述分散约束最优传输算法，并对所述分散约束最优传输算法进行训练，得到已优化的分散约束最优传输算法。
可选的，所述获取模块，具体用于：
针对每个目标车辆组，将所述目标车辆组的所有目标车辆的位置信息相连接，得到所述目标车辆组的区域范围；
根据所述目标车辆组的区域范围、以及重心求解算法，确定所述目标车辆组的位置信息。
可选的，所述获取模块，具体用于：
根据各所述目标车辆组中每个目标车辆的位置信息、以及各所述车站的位置信息，确定目标车辆至车站的传输范围，并获取所述传输范围的环境信息；
针对每个目标车辆，将所述目标车辆的位置信息与每个车站的位置信息分别连接，得到所述目标车辆到各所述车站的直线传输路线，并根据所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆至各所述车站所述传输范围的环境信息，确定所述目标车辆到各所述车站的实际传输路线；
针对每个车站，根据所述目标车辆到所述车站的直线传输路线、以及所述目标车辆到所述车站的实际传输路线，确定所述目标车辆到所述车站的传输代价信息。
第三方面，本申请提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面中任一项所述的方法的步骤。
第四方面，本申请提供了一种计算机可读存储介质。其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
第五方面，本申请提供了一种计算机程序产品。所述计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
上述车辆路线的确定方法、装置、计算机设备和存储介质，通过获取各目标车辆组中每个目标车辆的位置信息、每个目标车辆组的位置信息、多个车站的位置信息、以及每个目标车辆到每个车站的传输代价信息；所述目标车辆组的位置信息为所述目标车辆组的重心的位置信息；根据各所述目标车辆的位置信息、以及各所述目标车辆在所述目标车辆组的位置信息，确定所述目标车辆的分散度；针对每个目标车辆，基于所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆到各所述车站的传输代价信息，通过所述目标车辆到每个车站对应的分散约束最优传输算法，计算所述目标车辆至每个车站的初始传输解，并根据所述目标车辆的各初始传输解、以及所述目标车辆的分散度，计算所述目标车辆的各初始传输解的传输代价值；在各所述传输代价值中，筛选最小传输代价值对应的分散约束最优传输算法的参数值，更新分散约束最优传输算法的参数值，并返回执行基于所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆到各所述车站的传输代价信息，通过所述目标车辆到每个车站对应的分散约束最优传输算法，计算所述目标车辆至每个车站的初始传输解步骤，直到满足预设迭代次数；基于最后一次迭代得到的各传输代价值中的最小传输代价值对应的初始传输解，确定所述目标车辆对应的目标车站、以及所述目标车辆到所述目标车站的目标路线信息。通过基于同目标车辆组的每个目标车辆，计算目标车辆的分散度，并确定每个目标车辆的各初始传输解的传输代价值，从而调整每个目标车辆的初始传输解，得到每个目标车辆对应的最优传输解，避免同组目标车辆至多车站的距离存在较远的问题，提升了目标车辆至目标车站的运输效果。
附图说明
图1为一个实施例中车辆路线的确定方法的流程示意图；
图2为一个实施例中传输代价值的计算步骤的流程示意图；
图3为一个实施例中车辆传输示例的流程示意图；
图4为一个实施例中车辆传输装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的车辆路线的确定方法，可以应用于终端中，也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端可以包括但不限于是各种个人计算机、笔记本电脑、平板电脑等。该终端通过基于同目标车辆组的每个目标车辆，计算目标车辆的分散度，并确定每个目标车辆的各初始传输解的传输代价值，从而调整每个目标车辆的初始传输解，得到每个目标车辆对应的最优传输解，避免同组目标车辆至多车站的距离存在较远的问题，提升了目标车辆至目标车站的运输效果。
在一个实施例中，如图所示，提供了一种车辆路线的确定方法，以该方法应用于终端为例进行说明，包括以下步骤：
步骤S101，获取各目标车辆组中每个目标车辆的位置信息、每个目标车辆组的位置信息、多个车站的位置信息、以及每个目标车辆到每个车站的传输代价信息。
其中，目标车辆组的位置信息为目标车辆组的重心的位置信息
本实施例中，终端响应于用户的信息输入操作，获取用户输入的每组目标车辆组的各目标车辆的位置信息。其中目标车辆为需要传输到车站位置的物体，例如，大、中、小型的车辆，车站可以但不限于是车站、停泊点等。终端针对每个目标车辆组，计算该组目标车辆的位置信息。终端获取各车站的位置信息、以及每个目标车辆到每个车站的传输代价信息。其中，传输代价信息为需要从目标车辆到车站所需传输的传输成本信息，该成本信息包括传输的时间、路线长短、车辆的质量等信息。其中，位置信息为建立在大地坐标系下的三维坐标系。
步骤S102，根据各目标车辆的位置信息、以及各目标车辆在目标车辆组的位置信息，确定目标车辆的分散度。
本实施例中，终端通过分散度算法那，分别计算从每个目标车辆的位置信息与每个目标车辆所在的目标车辆组的位置信息的分散度。得到各目标车辆的分散度。其中，分散度表征为目标车辆在目标车辆所在的目标车辆组的分散情况，其中分散度越大，目标车辆相较于目标车辆所在的目标车辆组的重心越分散；分散度越小，目标车辆相较于目标车辆所在的目标车辆组的重心越紧凑。其中，分散度算法如下：
Figure BDA0004103773110000081
上式中，设i为目标车辆的编号，j为车站的编号，也是目标车辆分组编号，γij表示目标车辆i传输到目标j的传输代价信息中的车辆的质量。(xi,yi)表示目标车辆i的位置，(x′j,y′j)表示j组目标车辆重心位置，n为目标车辆的总数，m为车站的总数。其中tj表示第j组的所有车辆的质量之和，上式中L[(xi,yi),(x′j,y′j)]的计算方法如下：
Figure BDA0004103773110000082
步骤S103，针对每个目标车辆，基于目标车辆的位置信息、各车站的位置信息、以及目标车辆到各车站的传输代价信息，通过目标车辆到每个车站对应的分散约束最优传输算法，计算目标车辆至每个车站的初始传输解，并根据目标车辆的各初始传输解、以及目标车辆的分散度，计算目标车辆的各初始传输解的传输代价值。
本实施例中，针对每个目标车辆，终端将该目标车辆的位置信息、每个车站的位置信息、以及该目标车辆到各车站的传输代价信息，输入分散约束最优传输算法，通过该分散约束最优传输算法计算该目标车辆至每个车站的初始传输解，得到该目标车辆的多个初始传输解。终端针对该目标车辆的每个初始传输解，将该初始传输解、以及该目标车辆的分散度输入传输代价算法，得到该目标车辆的初始传输解的传输代价值。同样的，通过上述方案终端得到每个目标车辆的各初始传输解的传输代价值。其中分散约束最优传输算法包含分散度约束项参数，该分散度约束项参数的表达式如下：
Figure BDA0004103773110000091
上式中，d为分散度、γij表示目标车辆i传输到目标j的传输代价信息中的车辆的质量，i为目标车辆的编号，j为车站的编号，其中tj表示第j组的所有车辆的质量之和。
其中，分散约束最优传输算法为传统可以实现上述步骤的任意一种分散约束最优传输算法。具体的传输代价值计算过程后续将详细说明。
步骤S104，在各传输代价值中，筛选最小传输代价值对应的分散约束最优传输算法的参数值，更新各目标车辆到每个车站对应的分散约束最优传输算法的参数值，并返回执行基于目标车辆的位置信息、各车站的位置信息、以及目标车辆到各车站的传输代价信息，通过目标车辆到每个车站对应的分散约束最优传输算法，计算目标车辆至每个车站的初始传输解步骤，直到满足预设迭代次数。
本实施例中，终端在该目标车辆的各传输代价值中，筛选最小的传输代价值对应的初始传输解，并用该最小的传输代价值的初始传输解对应的分散约束最优传输算法的参数值，替换当前分散约束最优传输算法的参数值。终端预设迭代次数，并返回执行步骤S103，直到预设迭代次数时，终端停止返回执行操作。
步骤S105，基于最后一次迭代得到的各传输代价值中的最小传输代价值对应的初始传输解，确定目标车辆对应的目标车站、以及目标车辆到目标车站的目标路线信息。
本实施例中，终端在最后一次迭代得到的各传输代价值中，筛选最小的传输代价值对应的初始传输解，作为目标车辆的最优传输解。终端将该最优传输解对应的车站，作为该目标车辆对应的目标车站。终端将该最优传输解中的传输路线信息，作为该目标车辆到目标车站的目标路线信息。通过上述步骤，终端得到所有目标车辆对应的目标车站，以及所有目标车辆到目标车站的目标路线信息。
基于上述方案，通过基于同目标车辆组的每个目标车辆，计算目标车辆的分散度，并确定每个目标车辆的各初始传输解的传输代价值，从而调整每个目标车辆的初始传输解，得到每个目标车辆对应的最优传输解，避免同组目标车辆至多车站的距离存在较远的问题，提升了目标车辆至目标车站的运输效果。
可选的，基于目标车辆的位置信息、各车站的位置信息、以及目标车辆到各车站的传输代价信息，通过目标车辆到每个车站对应的分散约束最优传输算法，计算目标车辆至每个车站的初始传输解，包括：针对每个车站的位置信息，根据目标车辆的位置信息、以及车站的位置信息，确定目标车辆的传输距离；基于传输距离、以及目标车辆到车站的传输代价信息，通过目标车辆到车站对应的分散约束最优传输算法，得到目标车辆至车站的初始传输解。
本实施例中，终端针对每个车站的位置信息，根据该车站的位置信息到该目标车辆的位置信息的直线传输路线，并将该直线传输路线作为该目标车辆的传输距离。终端将该传输距离，以及该目标车辆到该车站的传输代价信息，输入分散约束最优传输算法，通过分散约束最优传输算法进行计算处理，得到该目标车辆至该车站的初始传输解。同样的，通过上述方案，终端得到所有目标车辆分别到每个车站的初始传输解。
基于上述方案，通过基础分散约束最优传输算法计算每个目标车辆到车站的初始传输解，为后续筛选初始传输解提供数据基础。
可选的，如图2所示，根据目标车辆的各初始传输解、以及目标车辆的分散度，计算目标车辆的各初始传输解的传输代价值，包括：
步骤S201，基于目标车辆的分散度、以及传输代价算法，确定目标车辆的代价值。
本实施例中，终端将该目标车辆的分散度输入传输代价算法，并进行计算处理，得到该目标车辆的代价值。
其中传输代价算法的公式如下：
Figure BDA0004103773110000111
Figure BDA0004103773110000112
上述公式中，γ*为初始传输解的传输代价值，M为目标车辆到车站的传输代价信息，Ω为预设的正则项，λ为预设的正则项系数，C为常数参数。i代表目标车辆的分散度，j代表目标车辆至车站的初始传输解。其中i和j在不同运算过程中，择一筛选，例如，在计算目标车辆的代价值时，上述算法不包括j的内容，在计算初始传输解的代价值时，上述算法不包括i的内容。
步骤S202，针对每个初始传输解，通过传输代价算法，计算初始传输解的代价值。
本实施例中，终端针对该目标车辆的每个初始传输解，将该初始传输解输入传输代价算法，并通过上述传输代价算法进行计算处理，得到该初始传输解的代价值。同样的，通过上述方案，终端对该目标车辆的所有初始传输解进行计算处理，得到该目标车辆的所有初始传输解的代价值。
步骤S203，根据初始传输解的代价值、以及目标车辆的代价值，确定初始传输解的传输代价值。
本实施例中，终端将每个初始传输解的代价值与目标车辆的代价值进行求和处理，得到初始传输解的传输代价值。其中，目标车辆的代价值为负数，初始传输解的代价值为正数。
基于上述方案，通过目标车辆的分散度以及初始传输解，计算每个初始传输解的传输代价值，为后续调整迭代时的分散约束最优传输算法，提供参考数据，从而提升了计算的最优传输解的精度。
可选的，方法还包括：通过评价函数分别计算每个目标车辆的最优传输解的评价值；在各评价值中筛选大于预设评价阈值的各评价值对应的目标最优传输解；将各目标最优传输解、各目标最优传输解对应的第一目标车辆、各目标最优传输解对应的第一车站、以及各第一目标车辆到第一车站的传输代价信息，输入分散约束最优传输算法，并对分散约束最优传输算法进行训练，得到已优化的分散约束最优传输算法。
本实施例中，终端预设评价阈值，并针对每个目标车辆，通过评价函数，计算该目标车辆的最优传输解的评价值。终端在每个目标车辆的最优传输解的评价值中，筛选大于预设评价阈值的评价值对应的最优传输解，作为目标最优传输解，并将该目标传输解对应的目标车辆作为第一目标车辆，将该目标最优传输解对应的车站作为第一车站。终端将每个目标最优传输解，以及每个目标最优传输解对应的第一目标车辆、每个目标最优传输解对应的第一车站、以及每个第一目标车辆到第一车站的传输代价信息，输入分散约束最优传输算法，并对分散约束最优传输算法进行训练，得到已优化的分散约束最优传输算法。其中，该评价函数为任意一种可以实现上述操作的评价函数。
基于上述方案，通过对分散约束最优传输算法进行优化处理，提升分散约束最优传输算法的计算精度。
可选的，获取每个目标车辆组重心的位置信息，包括：针对每个目标车辆组，将目标车辆组的所有目标车辆的位置信息相连接，得到目标车辆组的区域范围；根据目标车辆组的区域范围、以及重心求解算法，确定目标车辆组的位置信息。
本实施例中，终端针对每个目标车辆组，将该目标车辆组中每个目标车辆的位置信息在大地坐标系中通过直线进行两两相连。终端将所有连线所围成的区域，作为该目标车辆组的区域范围。终端将该区域范围边缘的连线作为该区域的边界线，终端将边界线所对应的目标车辆的位置信息输入中心求解算法进行重心求解处理，得到该目标车辆组的位置信息。
基于上述方案，通过计算该目标车辆组的位置信息，为后续计算每个目标车辆的分散度提供参考数据。
可选的，获取每个目标车辆到每个车站的传输代价信息，包括：根据各目标车辆组中每个目标车辆的位置信息、以及各车站的位置信息，确定目标车辆至车站的传输范围，并获取传输范围的环境信息；针对每个目标车辆，将目标车辆的位置信息与每个车站的位置信息分别连接，得到目标车辆到各车站的直线传输路线，并根据目标车辆的位置信息、各车站的位置信息、以及目标车辆至各车站传输范围的环境信息，确定目标车辆到各车站的实际传输路线；针对每个车站，根据目标车辆到车站的直线传输路线、以及目标车辆到车站的实际传输路线，确定目标车辆到车站的传输代价信息。
本实施例中，终端针对每个目标车辆、以及每个车站，根据该目标车辆的位置信息、以及该车站的位置信息，确定从该目标车辆至该车站的传输范围。终端获取每个传输范围的环境信息，其中，环境信息可以但不限于是坡度变化、红绿灯数量、道路拥堵程度、桥梁数量、街道数量、以及障碍物数量等信息。终端针对每个目标车辆，将该目标车辆与每个车站的位置信息进行直线连接处理，得到该目标车辆到每个车站的直线传输路线。终端根据该物体的位置信息到每个车站的位置信息的传输范围的环境，确定该目标车辆到每个车站的实际传输距离，终端针对每个车站，计算该目标车辆到该车站的直线传输路线，以及该目标车辆到该车站的实际传输路线的传输差值，其中该传输差值为不同特征的区别值差值，例如，直线传输路线的距离与实际传输路线的距离差、直线传输路线的距离与实际传输路线的障碍物数量差、直线传输路线的距离与实际传输路线的红绿灯数量差、直线传输路线的距离与实际传输路线的桥梁数量差、以及直线传输路线的距离与实际传输路线的街道数量差等。终端将该传输差值作为该目标车辆至该车站的传输代价信息。同样的通过上述方案，终端得到每个目标车辆到每个车站的传输代价信息。
基于上述方案，通过目标车辆到车站的直线传输路线、以及目标车辆到车站的实际传输路线，确定目标车辆到车站的传输代价信息，为后续计算最优传输解提供参考数据。
本申请还提供了一种车辆传输示例，如3所示，具体处理过程包括以下步骤：
步骤S301，获取各目标车辆组中每个目标车辆的位置信息、以及多个车站的位置信息。
步骤S302，针对每个目标车辆组，将目标车辆组的所有目标车辆的位置信息相连接，得到目标车辆组的区域范围。
步骤S303，根据目标车辆组的区域范围、以及重心求解算法，确定目标车辆组的位置信息。
步骤S304，根据各目标车辆组中每个目标车辆的位置信息、以及各车站的位置信息，确定目标车辆至车站的传输范围，并获取传输范围的环境信息。
步骤S305，针对每个目标车辆，将目标车辆的位置信息与每个车站的位置信息分别连接，得到目标车辆到各车站的直线传输路线，并根据目标车辆的位置信息、各车站的位置信息、以及目标车辆至各车站传输范围的环境信息，确定目标车辆到各车站的实际传输路线。
步骤S306，针对每个车站，根据目标车辆到车站的直线传输路线、以及目标车辆到车站的实际传输路线，确定目标车辆到车站的传输代价信息。
步骤S307，根据各目标车辆的位置信息、以及各目标车辆在目标车辆组的位置信息，确定目标车辆的分散度。
步骤S308，针对每个目标车辆，基于目标车辆的位置信息、各车站的位置信息、以及目标车辆到各车站的传输代价信息，通过目标车辆到每个车站对应的分散约束最优传输算法，计算目标车辆至每个车站的初始传输解。
步骤S309，针对每个车站的位置信息，根据目标车辆的位置信息、以及车站的位置信息，确定目标车辆的传输距离。
步骤S310，基于传输距离、以及目标车辆到车站的传输代价信息，通过目标车辆到车站对应的分散约束最优传输算法，得到目标车辆至车站的初始传输解。
步骤S311，基于目标车辆的分散度、以及传输代价算法，确定目标车辆的代价值。
步骤S312，针对每个初始传输解，通过传输代价算法，计算初始传输解的代价值。
步骤S313，根据初始传输解的代价值、以及目标车辆的代价值，确定初始传输解的传输代价值。
步骤S314，在各传输代价值中，筛选最小传输代价值对应的分散约束最优传输算法的参数值，更新各目标车辆到每个车站对应的分散约束最优传输算法的参数值，并返回执行步骤S309，直到满足预设迭代次数；
步骤S315，基于最后一次迭代得到的各传输代价值中的最小传输代价值对应的初始传输解，确定目标车辆对应的目标车站、以及目标车辆到目标车站的目标路线信息。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的车辆路线的确定方法的车辆传输装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个车辆路线的确定装置实施例中的具体限定可以参见上文中对于车辆传输方法的限定，在此不再赘述。
在一个实施例中，如图4所示，提供了一种车辆路线的确定装置，包括：获取模块410、确定模块420、计算模块430、迭代模块440和筛选模块450，其中：
获取模块410，用于获取各目标车辆组中每个目标车辆的位置信息、每个目标车辆组的位置信息、多个车站的位置信息、以及每个目标车辆到每个车站的传输代价信息；所述目标车辆组的位置信息为所述目标车辆组的重心的位置信息；
确定模块420，用于根据各所述目标车辆的位置信息、以及各所述目标车辆在所述目标车辆组的位置信息，确定所述目标车辆的分散度；
计算模块430，用于针对每个目标车辆，基于所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆到各所述车站的传输代价信息，通过所述目标车辆到每个车站对应的分散约束最优传输算法，计算所述目标车辆至每个车站的初始传输解，并根据所述目标车辆的各初始传输解、以及所述目标车辆的分散度，计算所述目标车辆的各初始传输解的传输代价值；
迭代模块440，用于在各所述传输代价值中，筛选最小传输代价值对应的分散约束最优传输算法的参数值，更新各所述目标车辆到每个所述车站对应的分散约束最优传输算法的参数值，并返回执行基于所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆到各所述车站的传输代价信息，通过所述目标车辆到每个车站对应的分散约束最优传输算法，计算所述目标车辆至每个车站的初始传输解步骤，直到满足预设迭代次数；
筛选模块450，用于基于最后一次迭代得到的各传输代价值中的最小传输代价值对应的初始传输解，确定所述目标车辆对应的目标车站、以及所述目标车辆到所述目标车站的目标路线信息。
可选的，所述计算模块430，具体用于：
针对每个车站的位置信息，根据所述目标车辆的位置信息、以及所述车站的位置信息，确定所述目标车辆的传输距离；
基于所述传输距离、以及所述目标车辆到所述车站的传输代价信息，通过所述目标车辆到所述车站对应的分散约束最优传输算法，得到所述目标车辆至所述车站的初始传输解。
可选的，所述计算模块430，具体用于：
基于所述目标车辆的分散度、以及所述传输代价算法，确定所述目标车辆的代价值；
针对每个初始传输解，通过传输代价算法，计算所述初始传输解的代价值；
根据所述初始传输解的代价值、以及所述目标车辆的代价值，确定所述初始传输解的传输代价值。
可选的，所述装置还包括：
评价模块，用于通过评价函数分别计算每个目标车辆的最优传输解的评价值；
判断模块，用于在各所述评价值中筛选大于预设评价阈值的各评价值对应的目标最优传输解；
优化模块，用于将各所述目标最优传输解、各所述目标最优传输解对应的第一目标车辆、各所述目标最优传输解对应的第一车站、以及各所述第一目标车辆到所述第一车站的传输代价信息，输入所述分散约束最优传输算法，并对所述分散约束最优传输算法进行训练，得到已优化的分散约束最优传输算法。
可选的，所述获取模块410，具体用于：
针对每个目标车辆组，将所述目标车辆组的所有目标车辆的位置信息相连接，得到所述目标车辆组的区域范围；
根据所述目标车辆组的区域范围、以及重心求解算法，确定所述目标车辆组的位置信息。
可选的，所述获取模块410，具体用于：
根据各所述目标车辆组中每个目标车辆的位置信息、以及各所述车站的位置信息，确定目标车辆至车站的传输范围，并获取所述传输范围的环境信息；
针对每个目标车辆，将所述目标车辆的位置信息与每个车站的位置信息分别连接，得到所述目标车辆到各所述车站的直线传输路线，并根据所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆至各所述车站所述传输范围的环境信息，确定所述目标车辆到各所述车站的实际传输路线；
针对每个车站，根据所述目标车辆到所述车站的直线传输路线、以及所述目标车辆到所述车站的实际传输路线，确定所述目标车辆到所述车站的传输代价信息。
上述车辆路线的确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种车辆路线的确定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现第一方面中任一项所述的方法的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种车辆路线的确定方法，其特征在于，所述方法包括：
获取各目标车辆组中每个目标车辆的位置信息、每个目标车辆组的位置信息、多个车站的位置信息、以及每个目标车辆到每个车站的传输代价信息；所述目标车辆组的位置信息为所述目标车辆组的重心的位置信息；
根据各所述目标车辆的位置信息、以及各所述目标车辆在所述目标车辆组的位置信息，确定所述目标车辆的分散度；
针对每个目标车辆，基于所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆到各所述车站的传输代价信息，通过所述目标车辆到每个车站对应的分散约束最优传输算法，计算所述目标车辆至每个车站的初始传输解，并根据所述目标车辆的各初始传输解、以及所述目标车辆的分散度，计算所述目标车辆的各初始传输解的传输代价值；
在各所述传输代价值中，筛选最小传输代价值对应的分散约束最优传输算法的参数值，更新各所述目标车辆到每个所述车站对应的分散约束最优传输算法的参数值，并返回执行基于所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆到各所述车站的传输代价信息，通过所述目标车辆到每个车站对应的分散约束最优传输算法，计算所述目标车辆至每个车站的初始传输解步骤，直到满足预设迭代次数；
基于最后一次迭代得到的各传输代价值中的最小传输代价值对应的初始传输解，确定所述目标车辆对应的目标车站、以及所述目标车辆到所述目标车站的目标路线信息。
2.根据权利要求1所述的方法，其特征在于，所述基于所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆到各所述车站的传输代价信息，通过所述目标车辆到每个车站对应的分散约束最优传输算法，计算所述目标车辆至每个车站的初始传输解，包括：
针对每个车站的位置信息，根据所述目标车辆的位置信息、以及所述车站的位置信息，确定所述目标车辆的传输距离；
基于所述传输距离、以及所述目标车辆到所述车站的传输代价信息，通过所述目标车辆到所述车站对应的分散约束最优传输算法，得到所述目标车辆至所述车站的初始传输解。
3.根据权利要求1所述的方法，其特征在于，所述根据所述目标车辆的各初始传输解、以及所述目标车辆的分散度，计算所述目标车辆的各初始传输解的传输代价值，包括：
基于所述目标车辆的分散度、以及所述传输代价算法，确定所述目标车辆的代价值；
针对每个初始传输解，通过传输代价算法，计算所述初始传输解的代价值；
根据所述初始传输解的代价值、以及所述目标车辆的代价值，确定所述初始传输解的传输代价值。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
通过评价函数分别计算每个目标车辆的最优传输解的评价值；
在各所述评价值中筛选大于预设评价阈值的各评价值对应的目标最优传输解；
将各所述目标最优传输解、各所述目标最优传输解对应的第一目标车辆、各所述目标最优传输解对应的第一车站、以及各所述第一目标车辆到所述第一车站的传输代价信息，输入所述分散约束最优传输算法，并对所述分散约束最优传输算法进行训练，得到已优化的分散约束最优传输算法。
5.根据权利要求1所述的方法，其特征在于，所述获取每个目标车辆组的位置信息，包括：
针对每个目标车辆组，将所述目标车辆组的所有目标车辆的位置信息相连接，得到所述目标车辆组的区域范围；
根据所述目标车辆组的区域范围、以及重心求解算法，确定所述目标车辆组的位置信息。
6.根据权利要求1所述的方法，其特征在于，所述获取每个目标车辆到每个车站的传输代价信息，包括：
根据各所述目标车辆组中每个目标车辆的位置信息、以及各所述车站的位置信息，确定目标车辆至车站的传输范围，并获取所述传输范围的环境信息；
针对每个目标车辆，将所述目标车辆的位置信息与每个车站的位置信息分别连接，得到所述目标车辆到各所述车站的直线传输路线，并根据所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆至各所述车站所述传输范围的环境信息，确定所述目标车辆到各所述车站的实际传输路线；
针对每个车站，根据所述目标车辆到所述车站的直线传输路线、以及所述目标车辆到所述车站的实际传输路线，确定所述目标车辆到所述车站的传输代价信息。
7.一种车辆路线的确定装置，其特征在于，所述装置包括：
获取模块，用于获取各目标车辆组中每个目标车辆的位置信息、每个目标车辆组的位置信息、多个车站的位置信息、以及每个目标车辆到每个车站的传输代价信息；所述目标车辆组的位置信息为所述目标车辆组的重心的位置信息；
确定模块，用于根据各所述目标车辆的位置信息、以及各所述目标车辆在所述目标车辆组的位置信息，确定所述目标车辆的分散度；
计算模块，用于针对每个目标车辆，基于所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆到各所述车站的传输代价信息，通过所述目标车辆到每个车站对应的分散约束最优传输算法，计算所述目标车辆至每个车站的初始传输解，并根据所述目标车辆的各初始传输解、以及所述目标车辆的分散度，计算所述目标车辆的各初始传输解的传输代价值；
迭代模块，用于在各所述传输代价值中，筛选最小传输代价值对应的分散约束最优传输算法的参数值，更新各所述目标车辆到每个所述车站对应的分散约束最优传输算法的参数值，并返回执行基于所述目标车辆的位置信息、各所述车站的位置信息、以及所述目标车辆到各所述车站的传输代价信息，通过所述目标车辆到每个车站对应的分散约束最优传输算法，计算所述目标车辆至每个车站的初始传输解步骤，直到满足预设迭代次数；
筛选模块，用于基于最后一次迭代得到的各传输代价值中的最小传输代价值对应的初始传输解，确定所述目标车辆对应的目标车站、以及所述目标车辆到所述目标车站的目标路线信息。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一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，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202310185650.7A 2023-02-21 2023-02-21 车辆路线的确定方法、装置、计算机设备和存储介质 Pending CN116205392A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310185650.7A CN116205392A (zh) 2023-02-21 2023-02-21 车辆路线的确定方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310185650.7A CN116205392A (zh) 2023-02-21 2023-02-21 车辆路线的确定方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN116205392A true CN116205392A (zh) 2023-06-02

Family

ID=86509189

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310185650.7A Pending CN116205392A (zh) 2023-02-21 2023-02-21 车辆路线的确定方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN116205392A (zh)

Similar Documents

Publication Publication Date Title
CN106844781B (zh) 数据处理的方法及装置
CN116363854B (zh) 共享出行车辆调度方法、装置和计算机设备
CN104867065A (zh) 处理订单的方法和设备
CN113918837A (zh) 城市兴趣点类别表示的生成方法及系统
CN116503098B (zh) 共享车辆车站的挖掘方法、装置、计算机设备和存储介质
CN117037482A (zh) 道路交通运行状态实时感知方法、系统、设备及存储介质
CN116205392A (zh) 车辆路线的确定方法、装置、计算机设备和存储介质
CN114872718B (zh) 车辆轨迹预测方法、装置、计算机设备和存储介质
CN116205391A (zh) 车辆路线的距离优化方法、装置、计算机设备和存储介质
CN116798234B (zh) 车站参数信息的确定方法、装置、计算机设备和存储介质
CN116644585B (zh) 基于目标车辆危险度的险态场景数据生成方法和装置
CN115601550B (zh) 模型确定方法、装置、计算机设备及计算机可读存储介质
CN115240401B (zh) 车辆位置确定方法、装置、设备、介质和产品
CN116089076B (zh) 数据处理方法、装置、计算机设备和存储介质
CN117853714B (zh) 停车区生成方法、装置、计算机设备和存储介质
CN116665455B (zh) 一种车辆站点选择方法、装置、计算机设备
CN117609412B (zh) 一种基于网络结构信息的空间对象关联方法及装置
Lin et al. Inferring spatial scale change in an isopleth map
CN110928975B (zh) 用于确定公交站点之间的距离的方法和装置
CN109036096B (zh) 一种地图沿线插点控制方法及装置
WO2023207364A1 (zh) 地图数据加载方法、装置、计算机设备和存储介质
CN116010538A (zh) 交通热力图生成方法、装置、设备、存储介质和程序产品
CN117876027A (zh) 数据处理方法、装置、计算机设备和存储介质
CN116681470A (zh) 门店选址方法、装置、计算机设备、存储介质和产品
CN116205281A (zh) 网络模型量化方法、装置、计算机设备及其存储介质

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