CN116703016B - 一种运输任务路径的存储、使用方法及装置 - Google Patents

一种运输任务路径的存储、使用方法及装置 Download PDF

Info

Publication number
CN116703016B
CN116703016B CN202310480161.4A CN202310480161A CN116703016B CN 116703016 B CN116703016 B CN 116703016B CN 202310480161 A CN202310480161 A CN 202310480161A CN 116703016 B CN116703016 B CN 116703016B
Authority
CN
China
Prior art keywords
path
slope
task
priority
preferred
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.)
Active
Application number
CN202310480161.4A
Other languages
English (en)
Other versions
CN116703016A (zh
Inventor
许京奕
熊杏林
王佳绪
李梓煜
王华英
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 Big Data Advanced Technology Research Institute
Original Assignee
Beijing Big Data Advanced Technology Research Institute
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 Big Data Advanced Technology Research Institute filed Critical Beijing Big Data Advanced Technology Research Institute
Priority to CN202310480161.4A priority Critical patent/CN116703016B/zh
Publication of CN116703016A publication Critical patent/CN116703016A/zh
Application granted granted Critical
Publication of CN116703016B publication Critical patent/CN116703016B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Data Exchanges In Wide-Area Networks (AREA)
  • Navigation (AREA)

Abstract

本申请涉及一种运输任务路径的存储、使用方法及装置。其中方法包括:统计常用子网,将所述常用子网加入常规子网;根据任务的不同类别,划分任务优先级;将所述任务优先级与所述常规子网结合,作为存储粒度;所述一个存储粒度对应一条优选路径;根据每一个存储粒度,计算对应的优选路径集合;将所述优选路径集合中的每一条优选路径,按照其对应的斜率划分优先级,并按照优先级进行存储。采用本方法能够实现覆盖多种运输任务场景下的运输路径规划,提高多类别任务的存储路径的可用性,减少对新的运输任务重新规划路线的概率,提高多类别任务的路径规划的效率。

Description

一种运输任务路径的存储、使用方法及装置
技术领域
本申请涉及路径规划领域,特别是涉及一种运输任务路径的存储、使用方法及装置。
背景技术
路径规划在很多领域都具有广泛的应用。在运输领域的路径规划实践中,对于一个运输任务,给定起始点和目标点,需要规划该任务从起始点到目标点的最优路径。“最优”的标准根据任务的不同有所不同,如果一个任务只关注路径最短,在运输路径规划任务中,最常用的是通过最短路径算法规划任务出发地到目的地的最短路线,目前最短路径算法均以Dijsktra算法为基础,在任务的行进过程中,选择不同的路径就对应了不同的成本,而最终任务到达目的地的时间不同则对应了任务的不同收益。
在对运输任务的路径规划中,将规划好的路径进行存储,在下一次再执行同样的运输任务时,能够直接使用存储好的规划路线,从而提高运输任务路径规划的效率。目前的路径存储方案中,由于存储空间的限制,相关平台往往只会存储关键路径的数据,或者按照划分剖分的节点进行存储。这种存储路径的方法对于单一类别的任务是有效的,但是在多类别任务的场景下存在限制。很多时候路径的规划与任务本身相关。例如,任务本身的重要性可能造成不同的路径选择,当时间紧、任务重时,花费更高的费用走高速公路显然比走路程短但十分拥堵的马路更加合适。此外,存储的路径的可用性与当地的交通网络息息相关。例如,在铁路运输任务中,无法使用存储的公路的路径数据。因此,需要找到一种适用于多类别任务的路径存储方案,并且能够根据任务类别和交通网络进行分类,在执行运输任务时,能够根据任务类别或交通网络进行查询,提高存储的路径的可用性。
发明内容
有鉴于此,本申请旨在提出一种运输任务路径的存储、使用方法及装置,以解决目前运输路径存储方案在多类别任务的场景下存在限制,并且无法根据任务类别和交通网络进行分类查找,存储的路径可用性低的问题。
为达到上述目的,本申请的技术方案是这样实现的:
本申请实施例第一方面提供一种运输任务路径的存储方法,所述方法包括:
统计常用子网,将所述常用子网加入常规子网;所述常用子网为任务经常使用的交通线路网络,按照不同的组合运输方式进行划分;
根据任务的不同类别,划分任务优先级;所述每个任务对应唯一的优先级;
将所述任务优先级与所述常规子网结合,作为存储粒度;所述一个存储粒度对应一个优选路径的集合;所述一个存储粒度对应一条优选路径;所述优选路径对应一段斜率适用范围,所述斜率适用范围影响任务在运行过程中的路径选择;
根据每一个存储粒度,计算对应的优选路径集合;所述优选路径为任务在运行过程中获得最大收益的路径;所述收益与任务在每一个路段中运行的斜率有关,所述斜率表示任务在所述路段中运行的单位时间内收益的变化;
将所述优选路径集合中的每一条优选路径,按照其对应的斜率划分优先级,并按照优先级进行存储;所述优选路径集合中,负斜率对应的优选路径优先级高于正斜率对应的优选路径,斜率值靠近0的优选路径,优先级高于斜率值远离0的优选路径。
可选地,根据每一个存储粒度,计算对应的优选路径集合,包括:
构建初始为空的优先级负值计算队列与初始为空的优先级正值计算队列;
根据任务在路径中运行的路径代价,获取任务的初始斜率适用范围,将所述初始斜率适用范围加入所述优先级负值计算队列,设置代表斜率的初始值为0;
构建初始为空的优先级队列,所述优先级队列用于存储路径网络中的路径点;构建初始为空的最小值映射字典;所述最小值映射字典用于存储路径中所有路径点的路径累加权重;所述路径累加权重为任务起点至当前路径点所经过的所有路段的路径权重之和;
执行基于斜率的Dijsktra算法,将所述优先级负值计算队列中的斜率适用范围依次出队,计算所述优先级负值计算队列中,每一段斜率适用范围所对应的优选路径;
当所述优先级负值计算队列为空时,将所述优先级正值计算队列中的斜率适用范围依次出队,计算所述优先级正值计算队列中,每一段斜率适用范围所对应的优选路径。
可选地,计算所述优先级负值计算队列中,每一段斜率适用范围所对应的优选路径,包括:
将所述任务起点作为第一个路径点,从所述第一个路径点开始依次出队,直到所有路径点都在所述优先级队列中;每一次出队时,选择所述最小值映射字典中,当前的路径累加权重最小的路径点出队;所述出队的路径点为所述最小值映射字典中,除标记点以外的路径点;所述标记点为已经出队的路径点;
将所述出队的路径点添加到所述优先级队列的末尾;
若所述路径点不是所述任务终点,则获取所述当前出队的路径点可以直达的所有相关指向点,根据每一个相关指向点分别更新对应的斜率适用范围;
若所述路径点是任务终点,将所述当前出队的路径点的路径累加权重对应的路径作为优选路径,记录所述优选路径所对应的斜率适用范围。
可选地,根据每一个相关指向点分别更新对应的斜率适用范围,包括:
判断所述相关指向点是否存在于所述最小值映射字典中;
若所述相关指向点的路径累加权重在所述最小值映射字典中没有更新过,将所述相关指向点添加到所述最小值映射字典的末尾,并记录所述相关指向点的路径累加权重;
若所述相关指向点的路径累加权重在所述最小值映射字典中已经更新过,则计算所述相关指向点作为下一个标记点时,对应的斜率取值范围;根据所述斜率取值范围,更新所述当前出队的斜率适用范围;
将所述相关指向点作为新增标记点,添加到所述优先级队列的末尾;根据所述更新后的斜率适用范围,更新所述最小值映射字典中所述相关指向点的路径累加权重。
可选地,根据所述斜率取值范围,更新所述当前出队的斜率适用范围,包括:
判断所述斜率取值范围与所述当前出队的斜率适用范围,是否存在交集;
若二者不存在交集,则继续遍历所述出队的路径点的其余相关指向点;
若二者存在交集,则将所述当前出队的斜率适用范围更新为所述二者的交集;修改所述路径点所对应的路径的代表斜率到所述当前出队的斜率适用范围中。
可选地,所述运输任务路径的存储方法,还包括:
将所述相关指向点作为新增标记点,添加到所述优先级队列中时,计算所述新增标记点对应的路径作为优选路径时,对应的斜率比较区间;
将所述斜率比较区间与所述当前出队的斜率适用范围做交集,更新所述当前出队的斜率适用范围;
计算每一次新增的标记点对应的斜率比较区间,与所述当前出队的斜率适用范围做交集,更新所述当前出队的斜率适用范围。
可选地,计算所述新增标记点对应的路径作为优选路径时,对应的斜率比较区间,包括:
将路径代价作为路径的权重,进行比较,所述权重更小的路径更优;所路径代价与路径成本、斜率和所述任务在路径上的累计通行时间有关;
根据所述任务在路径上的累计通行时间和所述路径成本,计算所述斜率比较区间。
可选地,所述运输任务路径的存储方法,还包括:
获取斜率的初始适用范围中,当前的优选路径集合所对应的斜率适用范围的补集;所述补集由多个范围段组成;
将所述斜率适用范围的补集中,取值范围最大值小于0的范围段加入所述优先级负值计算队列;
将所述斜率适用范围的补集中,取值范围最小值大于0的范围段加入所述优先级正值计算队列;
将所述斜率适用范围的补集中,取值范围包括0的范围段加入所述优先级负值计算队列。
根据本申请实施例的第二方面,提供一种运输任务路径存储的使用方法,使用本申请实施例的第一方面所提供的方法存储的路径,所述方法包括:
获取任务可运行的可行子网;所述可行子网为所述任务实际可以通行的交通网络;根据所述可行子网,获取包含所述可行子网的最小常规子网;所述常用子网为任务经常使用的交通线路网络,按照不同的组合运输方式进行划分;
从存储的优选路径集合中,获取与所述最小常规子网对应的优选路径集合,并根据任务当前的斜率从所述优选路径集合中,获取对应的优选路径;
当存储的优选路径集合中,不存在与所述任务当前的斜率对应的优选路径时,采用最短路径算法,根据路径中路段的权重计算所述优选路径;所述最短路径算法,包括所述基于斜率的Dijsktra算法。
根据本申请实施例的第三方面,提供一种运输任务路径的存储装置,用于实现本申请实施例的第一方面所提供的运输任务路径的存储方法,所述装置包括:
运输网络划分模块,被配置为统计常用子网,将所述常用子网加入常规子网;所述常用子网为任务经常使用的交通线路网络,按照不同的组合运输方式进行划分;
任务优先级划分模块,被配置为根据任务的不同类别,划分任务优先级;所述每个任务对应唯一的优先级;
存储粒度生成模块,被配置为将所述任务优先级与所述常规子网结合,作为存储粒度;所述一个存储粒度对应一条优选路径;所述优选路径的集合中,每一条优选路径对应一段斜率适用范围;所述斜率适用范围影响任务在运行过程中的路径选择;
优选路径计算模块,被配置为根据每一个存储粒度,计算对应的优选路径集合;所述优选路径为任务在运行过程中获得最大收益的路径;所述收益与任务在每一个路段中运行的斜率有关,所述斜率表示任务在所述路段中运行的单位时间内收益的变化;
存储模块,被配置为将所述优选路径集合中的每一条优选路径,按照其对应的斜率划分优先级,并按照优先级进行存储;所述优选路径集合中,负斜率对应的优选路径优先级高于正斜率对应的优选路径,斜率值靠近0的优选路径,优先级高于斜率值远离0的优选路径。
本申请所提供的运输任务路径的存储方法,将不同类任务划分优先级,与常规子网结合,形成若干组合,将这些组合作为存储粒度。根据每个存储粒度对应计算得到一条优选路径作为该粒度的待存储的优选路径。在获得所有存储粒度对应的优选路径集合后,对优选路径集合中的优选路径按照其对应的斜率进行优先级划分,将优先级高的路径先存储,优先级低的路径后存储。斜率值为负的优选路径的优先级高于斜率值为正的优选路径的优先级,斜率值靠近0的优选路径的优先级高于斜率值远离0的优选路径。
本申请将任务类别和常规子网的组合形成多个存储粒度进程路径存储,能够覆盖多种运输任务场景下的运输路径规划,提高多类别任务的存储路径的可用性,通过对各种粒度的优选路径进行优先级排序,并且按照优先级进行存储,在有限的存储空间中优先存储可能性更高的路径规划方案,进而减少对新的运输任务重新规划路线的概率,提高多类别任务的路径规划的效率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,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是本申请一实施例提出的运输任务路径的存储方法的流程图;
图2是本申请一实施例提出的运输任务路径存储的使用方法的流程图;
图3是本申请一实施例提出的运输任务路径的存储装置的示意图;
图4是本申请一实施例提出的运输任务路径的存储方法中计算优选路径集合的流程图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本申请的各种实施例中,应理解,下述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
本申请提供一种细粒度的路径存储方案,从任务与网络两个维度进行路径存储。在任务维度,对不同类别的任务划分不同的优先级,并在计算路径权值时考虑优先级的影响,在网络维度,将所有交通网络归为常规子网、常用子网和可行子网,选择常规子网作为本申请方案的网络维度的存储粒度。
本实施例中,将交通网络划分为常规子网、常用子网和可行子网,其中,常规子网为按照不同运输方式进行组合的交通网络;常用子网是指经常使用的交通网络,例如,全部的公路网加局部铁路网;可行子网指任务实际能够运行的交通网络,例如,在多条高速路组成的常规子网中,目前只有4条国道组成的可行子网能够被当前任务选择。任意的可行子网都是某个常规子网的子集,在实际使用中,只要获取到的存储路径都在可行子网中,那么其仍然可用。
本申请中,在进行优选路径的计算时,考虑任务在路径中运行的代价与收益,任务选择不同的路径进行,代表了任务运行中的选择的不同代价,而任务到达目的地的时间,则反映了任务完成后获得的收益,任务完成的时间越早则收益越大,任务完成时间越晚则收益越小,任务在路径中获得的收益越大则该路径越优。将任务在路径中运行的代价,转换为任务在路径网络中所选择的边上的代价,则任务完成后所获得的的收益为:
收益=任务最大价值-任务的路径代价
由上述表达式可知,任务的收益受到任务运行过程中路径代价的影响,路径代价的变化引起收益的变化,其中,任务的路径代价包括:路径本身的成本以及任务在路径中运行产生的动态路径代价。路径代价与任务在路径中的通行时间有关,因此将上述表达式转换为:
收益=任务最大价值-(路径本身的成本+单位时间的动态路径代价×通行时间)
上述表达式中,任务的路径代价可表示为a+bk的形式,其中a表示路径本身的成本,b表示任务在路径中的通行时间,k表示单位时间内的动态路径代价。由于任务最大价值与路径本身的成本通常是固定的,因此k也反映了单位时间内收益的变化。
将上述收益函数转换为函数曲线的形式,从中可以看出,单位时间内收益的变化k,即为该函数曲线的斜率k。其中,当斜率k小于0时,意味着任务比预期的到达时间更晚,斜率k大于0时,任务比预期的到达时间更早。需要明确的是,由于任务运行过程中的路径代价必然大于0,因此可以根据a+bk>0,获得正常情况下的斜率k的初始斜率适用范围。
本实施例中,将路径代价作为路径的权重。在所有路径规划过程中,路径的选择都涉及路径之间权重的比较,对于两条路径来说,路径代价更小使得收益更大,因此路径代价更小的路径更优。具体地,假设路径1用a1+b1k表示,路径2用a2+b2k表示,那么当a1+b1k>a2+b2k时,路径2更优,当a1+b1k<a2+b2k时,路径1更优。在路径2作为更优的路径的情况下,路径2的斜率k具有对应的斜率适用范围,即在这个斜率适用范围内,才能保证a1+b1k>a2+b2k,即路径2的路径代价小于路径1的路径代价。
下面将参考附图并结合实施例来详细说明本申请。
图1是本申请一实施例提出的运输任务路径的存储方法的流程图。
如图1所示,该方法包括:
S11:统计常用子网,将所述常用子网加入常规子网;所述常用子网为任务经常使用的交通线路网络,按照不同的组合运输方式进行划分。
本实施例中,可选地,按照如下方式划分为35个常规子网:
1号子网:单一空运;
2号子网:单一铁路运输;
3号子网:单一水路运输;
4号子网:单一高速公路运输;
5号子网:单一一级公路运输;
6号子网:一二级公路运输;
7号子网:一二三级公路运输;
8号子网:非高速公路运输;
9号子网:4号子网+5号子网;
10号子网:4号子网+6号子网;
11号子网:4号子网+7号子网;
12号子网:4号子网+8号子网;
13号子网:2号子网+4号子网;
14号子网:2号子网+4号子网+5号子网;
15号子网:2号子网+4号子网+6号子网;
16号子网:2号子网+4号子网+7号子网;
17号子网:2号子网+4+8;
18号子网:3号子网+2号子网;
19号子网:3号子网+2号子网+4号子网;
20号子网:3号子网+2号子网+4号子网+5号子网;
21号子网:3号子网+2号子网+4号子网+6号子网;
22号子网:3号子网+2号子网+4号子网+7号子网;
23号子网:3号子网+2号子网+4号子网+8号子网;
24号子网:1号子网+2号子网;
25号子网:1号子网+2号子网+4号子网;
26号子网:1号子网+2号子网+4号子网+5号子网;
27号子网:1号子网+2号子网+4号子网+6号子网;
28号子网:1号子网+2号子网+4号子网+7号子网;
29号子网:1号子网+2号子网+4号子网+8号子网;
30号子网:1号子网+2号子网+3号子网;
31号子网:1号子网+2号子网+3号子网+4号子网;
32号子网:1号子网+2号子网+3号子网+4号子网+5号子网;
33号子网:1号子网+2号子网+3号子网+4号子网+6号子网;
34号子网:1号子网+2号子网+3号子网+4号子网+7号子网;
35号子网:1号子网+2号子网+3号子网+4号子网+8号子网。
S12:根据任务的不同类别,划分任务优先级;所述每个任务对应唯一的优先级。
本实施例中,每个任务对应唯一的优先级,所述优先级可设定为离散数值,通过离散数值将不同的任务进行区分。例如,将任务按照优先级为1、2、3划分为三类任务。
S13:将所述任务优先级与所述常规子网结合,作为存储粒度;所述一个存储粒度对应一条优选路径;所述优选路径对应一段斜率适用范围,所述斜率适用范围影响任务在运行过程中的路径选择;
S14:根据每一个存储粒度,计算对应的优选路径集合;所述优选路径为任务在运行过程中获得最大收益的路径;所述收益与任务在每一个路段中运行的斜率有关,所述斜率表示任务在所述路段中运行的单位时间内收益的变化。
本实施例中,存储粒度为任务优先级与常规子网的结合,例如,将优先级1与9号常规子网结合,作为一个存储粒度;将优先级1与10号常规子网结合,作为另一个存储粒度。根据每一个存储粒度都能够获得一条优选路径(即这个存储粒度下收益最大的路径),每一条优选路径都对应了一段斜率k的适用范围,即,这条路径的斜率k只有在这一段适用范围内时,才能保证该路径为优选路径。
需要明确的是,实际的任务运输过程中,斜率k并不是完全不变的,一条优选路径中存在多个路段组成,任务在每个路段中运行的斜率是实时变化的,本实施例中为了方便计算,假设任务在一条优选路径中具有一个对应的代表斜率ku,即任务在所有的路段上行进时的斜率k都以代表斜率ku计算,基于代表斜率进行路径权重的比较。
S15:将所述优选路径集合中的每一条优选路径,按照其对应的斜率划分优先级,并按照优先级进行存储;所述优选路径集合中,负斜率对应的优选路径优先级高于正斜率对应的优选路径,斜率值靠近0的优选路径,优先级高于斜率值远离0的优选路径。
本实施例中,获得了每个存储粒度对应的优选路径集合后,将集合内的优选路径按照优先级排序。大部分情况下,任务运输过程中的斜率都是小于0的,即任务在运行过程中的路径代价总体上是增加的,任务的收益总体在下降。因此,将斜率k小于0的优选路径作为优先级更高的优选路径,斜率k大于0的优选路径作为优先级更低的优选路径。此外,斜率k越接近0说明该任务的运行情况更接近预期,即,任务按照预期的时间完成后能获得最大的收益,此时斜率k的值为0。因此,同时将斜率k更接近0的优选路径作为优先级更高的优选路径,将斜率k远离0的优选路径作为优先级更低的优选路。在存储空间有限的情况下,按照优先级从高到低存储优选路径,即优先级高的优选路径先存储,剩余的存储空间再存储优先级低的优选路径。
可选地,根据每一个存储粒度,计算对应的优选路径集合,包括:
构建初始为空的优先级负值计算队列与初始为空的优先级正值计算队列;
根据任务在路径中运行的路径代价,获取任务的初始斜率适用范围,将所述初始斜率适用范围加入所述优先级负值计算队列,设置代表斜率的初始值为0。
本实施例中,构建初始为空的优先级负值计算队列L1,与初始为空的优先级正值计算队列L2,队列L1中的斜率适用范围优先级大于队列L2中的斜率适用范围,因此,先根据队列L1计算其对应的一条或多条优选路径。根据正常情况下路径代价必然大于0,即a+bk>0,计算得到斜率k的初始适用范围为(-∞,C),将这个初始的斜率适用范围(-∞,C)加入初始为空的队列L1中,并且设置初始时路径的代表斜率ku为0,即任务按照能够获得最大的收益的预期行进。
构建初始为空的优先级队列,所述优先级队列用于存储路径网络中的路径点;构建初始为空的最小值映射字典;所述最小值映射字典用于存储路径中所有路径点的路径累加权重;所述路径累加权重为任务起点至当前路径点所经过的所有路段的路径权重之和;
执行基于斜率的Dijsktra算法,将所述优先级负值计算队列中的斜率适用范围依次出队,计算所述优先级负值计算队列中,每一段斜率适用范围所对应的优选路径;
当所述优先级负值计算队列为空时,将所述优先级正值计算队列中的斜率适用范围依次出队,计算所述优先级正值计算队列中,每一段斜率适用范围所对应的优选路径。
本实施例中,构建初始为空的优先级队列U,和初始为空的最小值映射字典D。从优先级负值计算队列L1中出队斜率的适用范围,记为[a1,b1],此时令当前的代表斜率ku在范围[a1,b1]中(例如,初始的斜率适用范围为(-∞,3),令代表斜率ku为0)计算当前的优选路径。当队列L1中的斜率k的适用范围计算完毕后,再计算优先级正值计算队列L2中的斜率k的适用范围,即先计算负斜率的适用范围对应的优选路径,再计算正斜率的适用范围对应的优选路径。最小值映射字典D中记录了所有路径点的路径累加权重,对于某个路径点e,该的路径累加权重即为任务起点s到该点经过的所有路段的路径权重之和。本实施例中,将路径代价(即a+bk)作为边的权重,执行Dijsktra最短路径算法。
可选地,计算所述优先级负值计算队列中,每一段斜率适用范围所对应的优选路径,包括:
将所述任务起点作为第一个路径点,从所述第一个路径点开始依次出队,直到所有路径点都在所述优先级队列中;每一次出队时,选择所述最小值映射字典中,当前的路径累加权重最小的路径点出队;所述出队的路径点为所述最小值映射字典中,除标记点以外的路径点;所述标记点为已经出队的路径点。
图4是本申请一实施例提出的运输任务路径的存储方法中计算优选路径集合的流程图,如图4所示,从路径网络中依次出队路径点加入优先级队列U,设置第一个出队的路径点为任务的起点s。字典D记录每一个路径点的路径累加权重的最小值,当计算过程中得到比当前字典D中记录的路径累加权重的值更小的值时,就用更小的值替换掉当前的值。对于还没有计算过的路径点,令其在字典D中路径累加权重的值默认为正无穷。
本实施例中,在选择下一个出队的路径点时,在字典D中除去已经出队的路径累加权重最小的点(例如起点s),在剩下的点中选择路径累加权重最小的路径点出队。例如,第一个累加权重最小的点为s(s-s的路径累加权重为0),当起点s出队以后,将s作为标记点,更新字典D中所有路径点的路径累加权重。下一个出队的点为字典D中,当前路径累加权重最小的路径点e,即路径点e当前的路径累加权重小于其他路径点当前的路径累加权重,将e作为标记点,再次更新字典D中所有路径点的路径累加权重。
将所述出队的路径点添加到所述优先级队列的末尾;
若所述路径点不是所述任务终点,则获取所述当前出队的路径点可以直达的所有相关指向点,根据每一个相关指向点分别更新对应的斜率适用范围;若所述路径点是任务终点,将所述当前出队的路径点的路径累加权重对应的路径作为优选路径,记录所述优选路径所对应的斜率适用范围。
本实施例中,相关指向点表示当前出队的路径点可以直达的下一个路径点。例如,当前出队的路径点e可以直达3个路径点j、l、m,则路径点j、l、m即为当前出队的路径点s的相关指向点。每一个出队的路径点e,可能对应一个或多个相关指向点,根据每一个相关指向点分别进行优选路径的计算,更新对应的斜率适用范围。
可选地,根据每一个相关指向点分别更新对应的斜率适用范围,包括:
判断所述相关指向点是否存在于所述最小值映射字典中;
若所述相关指向点的路径累加权重在所述最小值映射字典中没有更新过,将所述相关指向点添加到所述最小值映射字典的末尾,并记录所述相关指向点的路径累加权重;
若所述相关指向点的路径累加权重在所述最小值映射字典中已经更新过,则计算所述相关指向点作为下一个标记点时,对应的斜率取值范围;根据所述斜率取值范围,更新所述当前出队的斜率适用范围。
本实施例中,当前出队的路径点的相关指向点可能是字典D中已经更新过路径累加权重的点。
例如,当前出队的路径点e的相关指向点j在字典D中的路径累加权重已经更新过,当前的值不是正无穷(即之前已经有路径可以从s到j),则计算能使路径点j的路径累加权重更小的情况下,斜率k的适用范围。即,通过D(e)+(ej)<D(j)求解对应的斜率k的适用范围,得到斜率k的适用范围[a2,b2]。
例如,相关指向点l在字典D中的当前路径累加权重没有更新过,当前的值为正无穷(即之前没有能够从s到l的路径),则将el这一个路段的路径权重,加到e的路径累加权重上,作为路径点l的路径累加权重。即
D(l)=D(e)+(el)。
将所述相关指向点作为新增标记点,添加到所述优先级队列的末尾;根据所述更新后的斜率适用范围,更新所述最小值映射字典中所述相关指向点的路径累加权重。
本实施例中,在根据相关指向点更新了对应的路径累加权重之后,将相关指向点(例如,路径点j)作为新增的标记点,添加到优先级队列U的末尾。
可选地,根据所述斜率取值范围,更新所述当前出队的斜率适用范围,包括:
判断所述斜率取值范围与所述当前出队的斜率适用范围,是否存在交集;若二者不存在交集,则继续遍历所述出队的路径点的其余相关指向点;若二者存在交集,则将所述当前出队的斜率适用范围更新为所述二者的交集;修改所述路径点所对应的路径的代表斜率到所述当前出队的斜率适用范围中。
本实施例中,根据新加入优先级队列U的相关指向点j所对应的斜率k的适用范围[a2,b2]判断这个范围与当前队列L1中出队的斜率适用范围(例如,初始适用范围(-∞,C))是否有交集,若存在交集则对应的将当前队列L1中出队的斜率适用范围缩小至交集的范围,即,缩小后的斜率k的适用范围能够保证新加入的路径点j的路径累加权重在当前的字典D中最小。例如,缩小后的斜率k的适用范围为[a1,f],则更新代表斜率ku到[a1,f]这个范围内,即在缩小后的斜率适用范围[a1,f]设定一个值作为更新的代表斜率ku,此时根据更新的代表斜率ku,再次更新路径点j的路径累加权重D(j)。
可选地,所述运输任务路径的存储方法还包括:
将所述相关指向点作为新增标记点,添加到所述优先级队列中时,计算所述新增标记点对应的路径作为优选路径时,对应的斜率比较区间;
将所述斜率比较区间与所述当前出队的斜率适用范围做交集,更新所述当前出队的斜率适用范围;
计算每一次新增的标记点对应的斜率比较区间,与所述当前出队的斜率适用范围做交集,更新所述当前出队的斜率适用范围。
本实施例中,当路径点j加入优先级队列U后,路径点j的路径累加权重为D(j)。将新增的路段e-j作为优选的路段的前提条件是,e-j这个路段的路径代价小于e到其他相关指向点的路径代价,此时可以对应获取e-j路段作为优选路段的斜率的比较区间。
可选地,计算所述新增标记点对应的路径作为优选路径时,对应的斜率比较区间,包括:
将路径代价作为路径的权重,进行比较,所述权重更小的路径更优;所路径代价与路径成本、斜率和所述任务在路径上的累计通行时间有关;
根据所述任务在路径上的累计通行时间和所述路径成本,计算所述斜率比较区间。
本实施例中,将任意两个路段进行比较时,能够获得一段斜率k的比较区间。例如,当路径点j加入优先级队列U的末尾时,e-j路段对应的路径代价为c1+d1k,而e-l路段的路径代价为c2+d2k,当e-j路段作为优选路段时,则有c1+d1k<c2+d2k,其中:
当d1=d2时,斜率k的比较区间为(-∞,C);
当d1<d2时,斜率k的比较区间为((c1-c2)/(d2-d1),C);
当d1>d2时,斜率k的比较区间为((-∞,(c1-c2)/(d2-d1));
将这些比较区间分别与之前更新的斜率k的适用范围(例如,[a1,C])做交集,再次调整斜率k的适用范围。当路径网络中所有的路径点都出队完毕,即获得了一条从起点s到目的地t的优选路径,此时记录下这条s-t的优选路径所对应的斜率k的一段适用范围(例如,k的范围为[a3,b3])。
可选地,所述的运输任务路径的存储方法还包括:
获取斜率的初始适用范围中,当前的优选路径集合所对应的斜率适用范围的补集;所述补集由多个范围段组成;
将所述斜率适用范围的补集中,取值范围最大值小于0的范围段加入所述优先级负值计算队列;
将所述斜率适用范围的补集中,取值范围最小值大于0的范围段加入所述优先级正值计算队列;
将所述斜率适用范围的补集中,取值范围包括0的范围段加入所述优先级负值计算队列。
本实施例中,在第一次计算得到一条优选路径对应的斜率k的适用范围后,将该范围的补集加入队列L1和队列L2,继续计算剩下的斜率范围对应的优选路径。例如,第一次计算得到的优选路径的斜率k的适用范围为[a3,b3],则将[a3,b3]在斜率的初始适用范围(-∞,C)中求其补集,根据补集的范围与0的关系,将补集加入计算队列等待出队,根据补集中每个斜率适用范围段的代表斜率ku继续计算补集所对应的优选路径集合。在队列L1、队列L2为空时,即所有斜率的适用范围都计算完毕,获得了s-t的优选路径集合,该集合中每一条优选路径都对应了一段斜率k的适用范围。将该集合中的优选路径按照斜率适用范围划分优先级,其中,斜率适用范围为负值的优选路径优先级高于斜率范围为正值的优选路径,斜率适用范围靠近0的优选路径的优先级,高于斜率适用范围远离0的优选路径的优先级。
通过上述方法,在计算每个存储粒度对应的s-t优选路径集合之后,根据每个集合中优选路径的优先级从高到低存储优选路径,即优先级高的优选路径先存储,剩余的存储空间再存储优先级低的优选路径。
基于同一发明构思,本申请一实施例提供一种运输任务路径存储的使用方法,使用上述任一运输任务路径的存储方法存储的优选路径。图2为本申请一实施例提出的运输任务路径存储的使用方法的流程图。
如图2所示,该方法包括:
S21:获取任务可运行的可行子网;所述可行子网为所述任务实际可以通行的交通网络;
S22:根据所述可行子网,获取包含所述可行子网的最小常规子网;所述常用子网为任务经常使用的交通线路网络,按照不同的组合运输方式进行划分;
S23:从存储的优选路径集合中,获取与所述最小常规子网对应的优选路径集合,并根据任务当前的斜率从所述优选路径集合中,获取对应的优选路径;
S24:若存储的优选路径集合中,不存在与所述任务当前的斜率对应的优选路径,则采用最短路径算法,根据路径中路段的权重计算所述优选路径;所述最短路径算法,包括所述基于斜率的Dijsktra算法。
在本实施例中,存储完每个存储粒度对应的优选路径以后,在对存储的路径进行使用时,根据任务在运行过程中所属的可行子网,获取对应的优选路径集合,再根据当前任务运行的斜率k获取对应的优选路径。例如,根据当前任务的状态:优先级为3,且只在高速路上运输;获取到当前所属的4号子网,进而获取对应的存储粒度为:优先级3*4号子网;进而获取到该存储粒度对应的优选路径的集合。然后,根据当前任务运行的斜率k,获取到对应的一条优选路径。需要注意的是,当存储的优选路径中找不到符合当前任务状态的优选路径时,则需要采用基于路径权重的最短路径算法,即根据路径权重计算当前的优选路径。采用的最短路径算法,可以是本申请中提到的基于斜率的Dijsktra算法,也可以是其他的最短路径算法。
基于同一发明构思,本申请一实施例提供一种运输任务路径的存储装置。参考图3,图3本申请一实施例提出的运输任务路径的存储装置300的示意图。如图3所示,该装置包括:
运输网络划分模块301,被配置为统计常用子网,将所述常用子网加入常规子网;所述常用子网为任务经常使用的交通线路网络,按照不同的组合运输方式进行划分;
任务优先级划分模块302,被配置为根据任务的不同类别,划分任务优先级;所述每个任务对应唯一的优先级;
存储粒度生成模块303,被配置为将所述任务优先级与所述常规子网结合,作为存储粒度;所述一个存储粒度对应一条优选路径;所述优选路径的集合中,每一条优选路径对应一段斜率适用范围;所述斜率适用范围影响任务在运行过程中的路径选择;
优选路径计算模块304,被配置为根据每一个存储粒度,计算对应的优选路径集合;所述优选路径为任务在运行过程中获得最大收益的路径;所述收益与任务在每一个路段中运行的斜率有关,所述斜率表示任务在所述路段中运行的单位时间内收益的变化;
存储模块305,被配置为将所述优选路径集合中的每一条优选路径,按照其对应的斜率划分优先级,并按照优先级进行存储;所述优选路径集合中,负斜率对应的优选路径优先级高于正斜率对应的优选路径,斜率值靠近0的优选路径,优先级高于斜率值远离0的优选路径。
可选地,所述优选路径计算模块304,还包括:
斜率计算队列构建模块,被配置为构建初始为空的优先级负值计算队列与初始为空的优先级正值计算队列;
初始设定模块,被配置为根据任务在路径中运行的路径代价,获取任务的初始斜率适用范围,将所述初始斜率适用范围加入所述优先级负值计算队列,设置代表斜率的初始值为0;
路径优先级构建模块,被配置为构建初始为空的优先级队列,所述优先级队列用于存储路径网络中的路径点;构建初始为空的最小值映射字典;所述最小值映射字典用于存储路径中所有路径点的路径累加权重;所述路径累加权重为任务起点至当前路径点所经过的所有路段的路径权重之和;
优选路段计算模块,被配置为执行基于斜率的Dijsktra算法,将所述优先级负值计算队列中的斜率适用范围依次出队,计算所述优先级负值计算队列中,每一段斜率适用范围所对应的优选路径;当所述优先级负值计算队列为空时,将所述优先级正值计算队列中的斜率适用范围依次出队,计算所述优先级正值计算队列中,每一段斜率适用范围所对应的优选路径。
可选地,所述优选路段计算模块,还包括斜率范围调整模块,被配置为执行以下步骤:
将所述任务起点作为第一个路径点,从所述第一个路径点开始依次出队,直到所有路径点都在所述优先级队列中;每一次出队时,选择所述最小值映射字典中,当前的路径累加权重最小的路径点出队;所述出队的路径点为所述最小值映射字典中,除标记点以外的路径点;所述标记点为已经出队的路径点;
将所述出队的路径点添加到所述优先级队列的末尾;
若所述路径点不是所述任务终点,则获取所述当前出队的路径点可以直达的所有相关指向点,根据每一个相关指向点分别更新对应的斜率适用范围;
若所述路径点是任务终点,将所述当前出队的路径点的路径累加权重对应的路径作为优选路径,记录所述优选路径所对应的斜率适用范围。
可选地,所述斜率范围调整模块,还被配置为执行以下步骤:
判断所述相关指向点是否存在于所述最小值映射字典中;
若所述相关指向点的路径累加权重在所述最小值映射字典中没有更新过,将所述相关指向点添加到所述最小值映射字典的末尾,并记录所述相关指向点的路径累加权重;
若所述相关指向点的路径累加权重在所述最小值映射字典中已经更新过,则计算所述相关指向点作为下一个标记点时,对应的斜率取值范围;根据所述斜率取值范围,更新所述当前出队的斜率适用范围;
将所述相关指向点作为新增标记点,添加到所述优先级队列的末尾;根据所述更新后的斜率适用范围,更新所述最小值映射字典中所述相关指向点的路径累加权重。
可选地,所述斜率范围调整模块,还被配置为执行以下步骤:
判断所述斜率取值范围与所述当前出队的斜率适用范围,是否存在交集;
若二者不存在交集,则继续遍历所述出队的路径点的其余相关指向点;
若二者存在交集,则将所述当前出队的斜率适用范围更新为所述二者的交集;修改所述路径点所对应的路径的代表斜率到所述当前出队的斜率适用范围中。
可选地,所述斜率范围调整模块,还被配置为执行以下步骤:
将所述相关指向点作为新增标记点,添加到所述优先级队列中时,计算所述新增标记点对应的路径作为优选路径时,对应的斜率比较区间;
将所述斜率比较区间与所述当前出队的斜率适用范围做交集,更新所述当前出队的斜率适用范围;
计算每一次新增的标记点对应的斜率比较区间,与所述当前出队的斜率适用范围做交集,更新所述当前出队的斜率适用范围。
可选地,所述斜率范围调整模块,还被配置为执行以下步骤:
将路径代价作为路径的权重,进行比较,所述权重更小的路径更优;所路径代价与路径成本、斜率和所述任务在路径上的累计通行时间有关;
根据所述任务在路径上的累计通行时间和所述路径成本,计算所述斜率比较区间。
可选地,所述优选路段计算模块还包括候选范围生成模块,被配置为执行以下步骤:
获取斜率的初始适用范围中,当前的优选路径集合所对应的斜率适用范围的补集;所述补集由多个范围段组成;
将所述斜率适用范围的补集中,取值范围最大值小于0的范围段加入所述优先级负值计算队列;
将所述斜率适用范围的补集中,取值范围最小值大于0的范围段加入所述优先级正值计算队列;
将所述斜率适用范围的补集中,取值范围包括0的范围段加入所述优先级负值计算队列。
基于同一发明构思,本申请一实施例提供一种运输任务路径存储的使用装置。该装置包括:
存储粒度获取模块,被配置为获取任务可运行的可行子网;所述可行子网为所述任务实际可以通行的交通网络;根据所述可行子网,获取包含所述可行子网的最小常规子网;所述常用子网为任务经常使用的交通线路网络,按照不同的组合运输方式进行划分;
优选路径获取模块,被配置为从存储的优选路径集合中,获取与所述最小常规子网对应的优选路径集合,并根据任务当前的斜率从所述优选路径集合中,获取对应的优选路径;
在线计算模块,被配置为当存储的优选路径集合中,不存在与所述任务当前的斜率对应的优选路径时,采用最短路径算法,根据路径中路段的权重计算所述优选路径;所述最短路径算法,包括所述基于斜率的Dijsktra算法。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和部件并不一定是本申请所必须的。
本领域内的技术人员应明白,本申请实施例可提供为方法、装置、或计算机程序产品。因此,本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的运输任务路径的存储、使用方法及装置进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种运输任务路径的存储方法,其特征在于,包括:
统计常用子网,将所述常用子网加入常规子网;所述常用子网为任务经常使用的交通线路网络,按照不同的组合运输方式进行划分;
根据任务的不同类别,划分任务优先级;每个任务对应唯一的优先级;
将所述任务优先级与所述常规子网结合,作为存储粒度;一个存储粒度对应一条优选路径;所述优选路径对应一段斜率适用范围,所述斜率适用范围影响任务在运行过程中的路径选择;
根据每一个存储粒度,计算对应的优选路径集合;所述优选路径为任务在运行过程中获得最大收益的路径;所述收益与任务在每一个路段中运行的斜率有关,所述斜率表示任务在所述路段中运行的单位时间内收益的变化;
将所述优选路径集合中的每一条优选路径,按照其对应的斜率划分优先级,并按照优先级进行存储;所述优选路径集合中,负斜率对应的优选路径优先级高于正斜率对应的优选路径,斜率值靠近0的优选路径,优先级高于斜率值远离0的优选路径;其中,负斜率表示:任务在运行过程中的路径代价增加,任务的收益下降;斜率值靠近0表示:任务的运行情况更接近预期。
2.根据权利要求1所述的运输任务路径的存储方法,其特征在于,根据每一个存储粒度,计算对应的优选路径集合,包括:
构建初始为空的优先级负值计算队列与初始为空的优先级正值计算队列;
根据任务在路径中运行的路径代价,获取任务的初始斜率适用范围,将所述初始斜率适用范围加入所述优先级负值计算队列,设置代表斜率的初始值为0;
构建初始为空的优先级队列,所述优先级队列用于存储路径网络中的路径点;构建初始为空的最小值映射字典;所述最小值映射字典用于存储路径中所有路径点的路径累加权重;所述路径累加权重为任务起点至当前路径点所经过的所有路段的路径权重之和;
执行基于斜率的Dijsktra算法,将所述优先级负值计算队列中的斜率适用范围依次出队,计算所述优先级负值计算队列中,每一段斜率适用范围所对应的优选路径;
当所述优先级负值计算队列为空时,将所述优先级正值计算队列中的斜率适用范围依次出队,计算所述优先级正值计算队列中,每一段斜率适用范围所对应的优选路径。
3.根据权利要求2所述的运输任务路径的存储方法,其特征在于,计算所述优先级负值计算队列中,每一段斜率适用范围所对应的优选路径,包括:
将所述任务起点作为第一个路径点,从所述第一个路径点开始依次出队,直到所有路径点都在所述优先级队列中;每一次出队时,选择所述最小值映射字典中,当前的路径累加权重最小的路径点出队;所述出队的路径点为所述最小值映射字典中,除标记点以外的路径点;所述标记点为已经出队的路径点;
将所述出队的路径点添加到所述优先级队列的末尾;
若所述路径点不是所述任务终点,则获取所述当前出队的路径点可以直达的所有相关指向点,根据每一个相关指向点分别更新对应的斜率适用范围;
若所述路径点是任务终点,将所述当前出队的路径点的路径累加权重对应的路径作为优选路径,记录所述优选路径所对应的斜率适用范围。
4.根据权利要求3所述的运输任务路径的存储方法,其特征在于,根据每一个相关指向点分别更新对应的斜率适用范围,包括:
判断所述相关指向点是否存在于所述最小值映射字典中;
若所述相关指向点的路径累加权重在所述最小值映射字典中没有更新过,将所述相关指向点添加到所述最小值映射字典的末尾,并记录所述相关指向点的路径累加权重;
若所述相关指向点的路径累加权重在所述最小值映射字典中已经更新过,则计算所述相关指向点作为下一个标记点时,对应的斜率取值范围;根据所述斜率取值范围,更新所述当前出队的斜率适用范围;
将所述相关指向点作为新增标记点,添加到所述优先级队列的末尾;根据所述更新后的斜率适用范围,更新所述最小值映射字典中所述相关指向点的路径累加权重。
5.根据权利要求4所述的运输任务路径的存储方法,其特征在于,根据所述斜率取值范围,更新所述当前出队的斜率适用范围,包括:
判断所述斜率取值范围与所述当前出队的斜率适用范围,是否存在交集;
若二者不存在交集,则继续遍历所述出队的路径点的其余相关指向点;
若二者存在交集,则将所述当前出队的斜率适用范围更新为所述二者的交集;修改所述路径点所对应的路径的代表斜率到所述当前出队的斜率适用范围中。
6.根据权利要求5所述的运输任务路径的存储方法,其特征在于,还包括:
将所述相关指向点作为新增标记点,添加到所述优先级队列中时,计算所述新增标记点对应的路径作为优选路径时,对应的斜率比较区间;
将所述斜率比较区间与所述当前出队的斜率适用范围做交集,更新所述当前出队的斜率适用范围;
计算每一次新增的标记点对应的斜率比较区间,与所述当前出队的斜率适用范围做交集,更新所述当前出队的斜率适用范围。
7.根据权利要求6所述的运输任务路径的存储方法,其特征在于,计算所述新增标记点对应的路径作为优选路径时,对应的斜率比较区间,包括:
将路径代价作为路径的权重,进行比较,所述权重更小的路径更优;所路径代价与路径成本、斜率和所述任务在路径上的累计通行时间有关;
根据所述任务在路径上的累计通行时间和所述路径成本,计算所述斜率比较区间。
8.根据权利要求3所述的运输任务路径的存储方法,其特征在于,还包括:
获取斜率的初始适用范围中,当前的优选路径集合所对应的斜率适用范围的补集;所述补集由多个范围段组成;
将所述斜率适用范围的补集中,取值范围最大值小于0的范围段加入所述优先级负值计算队列;
将所述斜率适用范围的补集中,取值范围最小值大于0的范围段加入所述优先级正值计算队列;
将所述斜率适用范围的补集中,取值范围包括0的范围段加入所述优先级负值计算队列。
9.一种运输任务路径存储的使用方法,其特征在于,使用权利要求1-8中任一所述的方法存储的路径,包括:
获取任务可运行的可行子网;所述可行子网为所述任务实际可以通行的交通网络;
根据所述可行子网,获取包含所述可行子网的最小常规子网;所述常用子网为任务经常使用的交通线路网络,按照不同的组合运输方式进行划分;
从存储的优选路径集合中,获取与所述最小常规子网对应的优选路径集合,并根据任务当前的斜率从所述优选路径集合中,获取对应的优选路径;
当存储的优选路径集合中,不存在与所述任务当前的斜率对应的优选路径时,采用最短路径算法,根据路径中路段的权重计算所述优选路径;所述最短路径算法,包括基于斜率的Dijsktra算法。
10.一种运输任务路径的存储装置,其特征在于,包括:
运输网络划分模块,被配置为统计常用子网,将所述常用子网加入常规子网;所述常用子网为任务经常使用的交通线路网络,按照不同的组合运输方式进行划分;
任务优先级划分模块,被配置为根据任务的不同类别,划分任务优先级;每个任务对应唯一的优先级;
存储粒度生成模块,被配置为将所述任务优先级与所述常规子网结合,作为存储粒度;一个存储粒度对应一条优选路径;所述优选路径的集合中,每一条优选路径对应一段斜率适用范围;所述斜率适用范围影响任务在运行过程中的路径选择;
优选路径计算模块,被配置为根据每一个存储粒度,计算对应的优选路径集合;所述优选路径为任务在运行过程中获得最大收益的路径;所述收益与任务在每一个路段中运行的斜率有关,所述斜率表示任务在所述路段中运行的单位时间内收益的变化;
存储模块,被配置为将所述优选路径集合中的每一条优选路径,按照其对应的斜率划分优先级,并按照优先级进行存储;所述优选路径集合中,负斜率对应的优选路径优先级高于正斜率对应的优选路径,斜率值靠近0的优选路径,优先级高于斜率值远离0的优选路径;其中,负斜率表示:任务在运行过程中的路径代价增加,任务的收益下降;斜率值靠近0表示:任务的运行情况更接近预期。
CN202310480161.4A 2023-04-28 2023-04-28 一种运输任务路径的存储、使用方法及装置 Active CN116703016B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310480161.4A CN116703016B (zh) 2023-04-28 2023-04-28 一种运输任务路径的存储、使用方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310480161.4A CN116703016B (zh) 2023-04-28 2023-04-28 一种运输任务路径的存储、使用方法及装置

Publications (2)

Publication Number Publication Date
CN116703016A CN116703016A (zh) 2023-09-05
CN116703016B true CN116703016B (zh) 2023-12-26

Family

ID=87830146

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310480161.4A Active CN116703016B (zh) 2023-04-28 2023-04-28 一种运输任务路径的存储、使用方法及装置

Country Status (1)

Country Link
CN (1) CN116703016B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107727099A (zh) * 2017-09-29 2018-02-23 山东大学 一种工厂内物料运输多agv调度及路径规划方法
CN109978213A (zh) * 2017-12-28 2019-07-05 北京京东尚科信息技术有限公司 一种任务路径规划方法和装置
CN110400012A (zh) * 2019-07-17 2019-11-01 北京三快在线科技有限公司 一种确定配送路径的方法及装置
CN110516913A (zh) * 2019-07-31 2019-11-29 智久(厦门)机器人科技有限公司 一种多台自动导引装置的任务分配方法、装置及存储器
CN110989582A (zh) * 2019-11-26 2020-04-10 北京卫星制造厂有限公司 基于路径预先占用的多agv自动避让式智能调度方法
CN112384759A (zh) * 2018-08-14 2021-02-19 宝马股份公司 用于为车辆路线规划确定路线的方法和设备
CN113848888A (zh) * 2021-09-08 2021-12-28 广州杰赛科技股份有限公司 一种agv叉车路径规划方法、装置、设备及存储介质
CN113850407A (zh) * 2020-06-28 2021-12-28 北京三快在线科技有限公司 路径规划方法、装置、存储介质及电子设备
CN113865589A (zh) * 2021-08-18 2021-12-31 上海海洋大学 一种基于地形坡度的长距离快速路径规划方法
CN114862065A (zh) * 2022-07-05 2022-08-05 杭州数询云知科技有限公司 社工任务规划方法、装置、电子设备及存储介质
CN114866460A (zh) * 2022-04-27 2022-08-05 抖动科技(深圳)有限公司 基于人工智能的路径规划方法及相关设备
CN115203440A (zh) * 2022-09-16 2022-10-18 北京大数据先进技术研究院 面向时空动向数据的事件图谱构建方法、装置及电子设备
CN115371691A (zh) * 2022-08-22 2022-11-22 京东方科技集团股份有限公司 一种路径规划方法、电子设备及调度系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI533211B (zh) * 2013-11-14 2016-05-11 財團法人資訊工業策進會 用於任務排程之電腦系統,方法及電腦可讀取記錄媒體
US9823949B2 (en) * 2015-06-29 2017-11-21 Genesys Telecommunications Laboratories, Inc. System and method for intelligent task management and routing

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107727099A (zh) * 2017-09-29 2018-02-23 山东大学 一种工厂内物料运输多agv调度及路径规划方法
CN109978213A (zh) * 2017-12-28 2019-07-05 北京京东尚科信息技术有限公司 一种任务路径规划方法和装置
CN112384759A (zh) * 2018-08-14 2021-02-19 宝马股份公司 用于为车辆路线规划确定路线的方法和设备
CN110400012A (zh) * 2019-07-17 2019-11-01 北京三快在线科技有限公司 一种确定配送路径的方法及装置
CN110516913A (zh) * 2019-07-31 2019-11-29 智久(厦门)机器人科技有限公司 一种多台自动导引装置的任务分配方法、装置及存储器
CN110989582A (zh) * 2019-11-26 2020-04-10 北京卫星制造厂有限公司 基于路径预先占用的多agv自动避让式智能调度方法
CN113850407A (zh) * 2020-06-28 2021-12-28 北京三快在线科技有限公司 路径规划方法、装置、存储介质及电子设备
CN113865589A (zh) * 2021-08-18 2021-12-31 上海海洋大学 一种基于地形坡度的长距离快速路径规划方法
CN113848888A (zh) * 2021-09-08 2021-12-28 广州杰赛科技股份有限公司 一种agv叉车路径规划方法、装置、设备及存储介质
CN114866460A (zh) * 2022-04-27 2022-08-05 抖动科技(深圳)有限公司 基于人工智能的路径规划方法及相关设备
CN114862065A (zh) * 2022-07-05 2022-08-05 杭州数询云知科技有限公司 社工任务规划方法、装置、电子设备及存储介质
CN115371691A (zh) * 2022-08-22 2022-11-22 京东方科技集团股份有限公司 一种路径规划方法、电子设备及调度系统
CN115203440A (zh) * 2022-09-16 2022-10-18 北京大数据先进技术研究院 面向时空动向数据的事件图谱构建方法、装置及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"基于蚁群算法的AGV控制系统应用研究";吴丹丹;《中国优秀硕士学位论文全文数据库信息科技辑》;I140-157 *
"面向空中侦察调度的机场重要性分析";杨国利等;《指挥与控制学报》;第184-191页 *

Also Published As

Publication number Publication date
CN116703016A (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
CN107944605B (zh) 一种基于数据预测的动态交通路径规划方法
CN108846623B (zh) 基于多目标蚁群算法的整车物流调度方法及装置、存储介质、终端
Rhodes et al. Smart routing: A novel application of collaborative path-finding to smart parking systems
CN103309917B (zh) 路径搜索方法和路径搜索装置
US20150327135A1 (en) Apparatus and method for dynamic hybrid routing in sdn networks to avoid congestion and balance loads under changing traffic load
Baum et al. Dynamic time-dependent route planning in road networks with user preferences
US7756021B2 (en) Method for finding minimal cost paths under uncertainty
US7869936B2 (en) Routing method and system
JP2017096636A (ja) 推奨予定経路取得システム、方法およびプログラム
CN110095134A (zh) 一种以用户的偏好为核心的路径规划和导航的方法及系统
Nannicini et al. Shortest paths on dynamic graphs
Alaia et al. Optimization of the multi-depot & multi-vehicle pickup and delivery problem with time windows using genetic algorithm
CN116703016B (zh) 一种运输任务路径的存储、使用方法及装置
CN114186410A (zh) 随机gis网络驱动的交通最短可靠路径方法
CN112179370B (zh) 一种基于动态路网的持续最优路线规划方法
Zavin et al. Towards developing an intelligent system to suggest optimal path based on historic and real-time traffic data
US20230022899A1 (en) Methods of handling one or more vessels and/or equipment in a terminal, and related devices and systems
CN108627163B (zh) 权值表维护方法、装置及导航路线规划方法、装置
Delling et al. Traffic-aware routing in road networks
CN110930092B (zh) 一种配送路线调整方法、装置、电子设备和存储介质
Jachimowski et al. Vehicle routing problem with heterogeneous customers demand and external transportation costs
Yadav et al. Comparative analysis of route planning algorithms on road networks
CN112347216B (zh) 一种基于动态路网的初始线路搜索方法
US20230314147A1 (en) Path generation apparatus, path planning apparatus, path generation method, path planning method, and non-transitory computer readable medium
Messaoud et al. Hybrid ant colony system algorithm for the vehicle routing problem with dynamic customers and traffic factors

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