CN116822756A - 多路径的生成方法、装置、设备以及存储介质 - Google Patents
多路径的生成方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN116822756A CN116822756A CN202210260007.1A CN202210260007A CN116822756A CN 116822756 A CN116822756 A CN 116822756A CN 202210260007 A CN202210260007 A CN 202210260007A CN 116822756 A CN116822756 A CN 116822756A
- Authority
- CN
- China
- Prior art keywords
- path
- paths
- recommended
- path generation
- node
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 173
- 230000008569 process Effects 0.000 claims abstract description 110
- 230000004044 response Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 49
- 238000004590 computer program Methods 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 7
- 230000037361 pathway Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000003993 interaction Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
- G01C21/26—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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
-
- 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
- G01C21/3885—Transmission of map data to client devices; Reception of map data by client devices
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
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)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Signal Processing For Digital Recording And Reproducing (AREA)
- Automatic Disk Changers (AREA)
- Input Circuits Of Receivers And Coupling Of Receivers And Audio Equipment (AREA)
- Mobile Radio Communication Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开实施例提供了多路径的生成方法、装置、设备以及存储介质,涉及人工智能领域,尤其涉及智能交通领域。具体实现方案为:响应于路径生成请求,生成由起始结点到目的结点之间的M个推荐路径,其中,M个推荐路径为经过m次路径生成过程生成的,在第i次路径生成过程中,基于构建的搜索树,生成ni个推荐路径,并针对ni个推荐路径中的每个推荐路径,根据惩罚因子,确定推荐路径中各路段在第i+1次路径生成过程中的通行代价,通行代价与路径的推荐优先级相关联,m≥i≥1,M>ni>1。本公开提高了推荐路径的多样性以及路径生成效率。
Description
技术领域
本公开涉及人工智能中的智能交通领域,尤其涉及一种多路径的生成方法、装置、设备以及存储介质。
背景技术
交通路网的不断优化,为用户驾车出行提供了丰富的可选择路径。当用户存在出行需求时,基于人工智能的路径生成系统可以根据用户设定的起点和终点,生成由起点到终点的可选择路径。
目前,路径生成系统常基于惩罚模型通过多次迭代生成多条路径,惩罚模型在一次迭代过程中生成一条由起点到终点的路径,并对生成的路径进行惩罚,即改变该路径途径路段的权值,再进行下一次迭代过程,使得下一次迭代过程生成起点到终点的另一条路径,然而基于惩罚模型实现路径生成时,生成多路径的耗时较长,且多次迭代生成的路径的重复性较高,导致路径多样性较差。
发明内容
本公开实施例提供了一种用于多路径的生成方法、装置、设备以及存储介质。
根据本公开的第一方面,提供了一种多路径的生成方法,包括:响应于路径生成请求,生成由起始结点到目的结点之间的M个推荐路径,该起始结点为该路径生成请求中的路径起点在交通拓扑网络中映射的结点,该目的结点为该路径生成请求中的路径终点在该交通拓扑网络中映射的结点;其中,该M个推荐路径为经过m次路径生成过程生成的,在第i次路径生成过程中,基于构建的搜索树,生成ni个推荐路径,并针对该ni个推荐路径中的每个推荐路径,根据惩罚因子,确定该推荐路径中各路段在第i+1次路径生成过程中的通行代价,该通行代价与路径的推荐优先级相关联;其中,m≥i≥1,M>ni>1。
根据本公开的第二方面,提供了一种多路径的生成装置,包括:路径生成单元,用于响应于路径生成请求,生成由起始结点到目的结点之间的M个推荐路径,该起始结点为该路径生成请求中的路径起点在交通拓扑网络中映射的结点,该目的结点为该路径生成请求中的路径终点在该交通拓扑网络中映射的结点;其中,该M个推荐路径为经过m次路径生成过程生成的,在第i次路径生成过程中,基于构建的搜索树,生成ni个推荐路径,并针对该ni个推荐路径中的每个推荐路径,根据惩罚因子,确定该推荐路径中各路段在第i+1次路径生成过程中的通行代价,该通行代价与路径的推荐优先级相关联;其中,m≥i≥1,M>ni>1。
根据本公开的第三方面,提供了一种电子设备,包括:至少一个处理器;以及与该至少一个处理器通信连接的存储器;其中,该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行第一方面提供的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,该计算机指令用于使该计算机执行根据第一方面提供的方法。
根据本公开的第五方面,提供了一种计算机程序产品,该计算机程序产品包括:计算机程序,该计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从该可读存储介质读取该计算机程序,该至少一个处理器执行该计算机程序使得电子设备执行第一方面该的方法。
根据本公开的技术提高了推荐路径的多样性以及路径生成效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开实施例提供的一种路径生成系统100的结构示意图;
图2为本公开实施例提供的一种多路径的生成方法200的流程示意图;
图3为本公开实施例提供的一种搜索树的结构示意图;
图4为本公开实施例提供的另一种多路径的生成方法300的流程示意图;
图5为本公开实施例提供的一种多路径的生成装置400的示意性框图;
图6为本公开实施例提供的另一种多路径的生成装置的示意性框图;
图7示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开实施例提供的多路径的生成方法可以应用于任一需要进行生成路径的领域中,尤其适用于智能交通、深度学习、大数据、车联网领域。
本公开的执行主体可以是一种电子设备,本公开中提到的路径生成相关的方法均可以由该电子设备或其中部署的功能模块执行。该电子设备可以是任一终端设备,例如导航设备、手机、电脑、平板、智能可穿戴等。或者,该电视设备可以是智能车辆,该智能车辆可以是具有自动驾驶功能的车辆。本公开实施例提供的智能车辆能够利用多种传感器、地图数据库、全球定位系统(Global Positioning System,GPS)等,实现车辆的自动驾驶。本公开对于智能车辆的外形不做限制,即任一具有自动驾驶功能的可移动设备也属于本公开的保护范围。
上述电子设备还可以是服务器。通过服务器执行本公开提供的多路径的生成方法,更便于获取路径生成所需的交通拓扑网络数据,并且能够为路径生成提供较佳的算力。在本公开中服务器可以与上述终端设备或智能车辆进行交互,例如服务器获取用户通过终端设备或智能车辆输入的路径生成请求,根据该路径生成请求进行路径生成,又例如服务器将生成的推荐路径推送至终端设备或智能车辆,以通过终端设备或智能车辆向用户显示推荐路径。
服务器例如可以实现为服务器或者服务器集群。在一些实施例中,服务器可以实现为云服务器或云服务器集群,云服务器集群中可以部署云存储服务器和云计算服务器中的至少一种。
其中,云计算服务器用于提供云计算服务,云计算(cloud computing)作为一种计算模式,将计算任务分布在大量计算机构成的资源池上,使各种应用系统能够根据需要获取计算力、存储空间和信息服务。
云存储服务器用于提供云存储服务,云存储(cloud storage)是在云计算概念上延伸和发展出来的,将网络中大量不同类型的存储设备(存储设备也称之为存储节点)通过应用软件或应用接口集合起来协同工作,共同对外提供数据存储和业务访问功能的一个存储系统。
针对路径生成效率较低、生成的路径的多样性较差的问题,本公开实施例提供一种多路径的生成方法,引入搜索树进行路径搜索,在每次路径生成过程中基于构建的搜索树生成多个推荐路径,并通过迭代执行多次路径生成过程,得到多个推荐路径,丰富了路径的多样性,并提高了路径生成的效率。
图1为本公开实施例提供的一种路径生成系统100的结构示意图。本公开实施例提供的方法可应用于如图1所示的路径生成系统100,该系统100可以包括上述终端设备110和服务器120,终端设备110和服务器120通过有线或者无线的方式连接。
终端设备110部署有人机交互模块111,终端设备110通过人机交互模块111接收用户输入的路径生成请求;终端设备110还可以通过人机交互界面111向用户显示推荐路径。
服务器120接收终端设备110发送的路径生成请求,并根据该路径生成请求生成推荐路径,再将推荐路径发送至终端设备110。
需要说明的是,图1中的路径生成系统100可以不包括服务器120,在路径生成系统不包括服务器120时,由终端设备110执行上述服务器120执行的过程。
下面通过具体实施例详述本公开的技术方案。
图2为本公开实施例提供的一种多路径的生成方法200的流程示意图。本公开实施例的执行主体可以是上述实施例中的电子设备,例如图1中的服务器120。如图2所示,该方法200包括:
S210,响应于路径生成请求,生成由起始结点到目的结点之间的M个推荐路径,起始结点为路径生成请求中的路径起点在交通拓扑网络中映射的结点,目的结点为路径生成请求中的路径终点在交通拓扑网络中映射的结点。
本公开实施例中的交通拓扑网络为交通路网的抽象表示,在不考虑形状和大小的情况下,根据交通路网中路段、路口的位置关系进行映射,得到交通拓扑网络。例如,交通路网中的路口可以映射为结点、交通路网中的路段可以映射为结点之间的边。当然,还可以将交通路网中一些特殊位置映射为结点,例如将需要进行路径规划的起点映射为起始结点、将需要进行路径规划的终点映射为目的结点等。
需要说明的是,路径生成请求可以是电子设备接收用户输入的请求,例如,用户通过在人机交互界面中输入起点和终点,并选中路径查询控件,以输入路径生成请求;或者,路径生成请求可以是电子设备接收其他设备输入的请求,例如图1中的服务器120接收终端设备110发送的路径生成请求,当然,终端设备110可以基于用户的输入获取路径生成请求或接收其他设备发送的路径生成请求,本公开对此不作限定。
针对上述S210需要说明的是,M个推荐路径为经过m次路径生成过程生成的。下面以第i次路径生成过程为例,对M个推荐路径的迭代生成过程进行示例性的说明,应理解,第i次路径生成过程为m次路径生成过程中的任意一次。
在第i次路径生成过程中,基于构建的搜索树,生成ni个推荐路径。在路径生成过程中,搜索树的任一树节点对应交通拓扑网络中的一个结点,结合图3所示,搜索树两端的树结点分别对应于交通拓扑网络中的起始结点和目的结点,搜索树中两端的树结点之外的树结点分别对应于交通拓扑网络中起始结点和目的结点之间的各结点。电子设备可以基于搜索树,在一次路径生成过程中生成ni个推荐路径,相比于现有技术中每次生成一个推荐路径来说,本公开提高了路径的生成效率。
接续上述示例,在第i次路径生成过程中,针对ni个推荐路径中的每个推荐路径,根据惩罚因子,确定推荐路径中各路段在第i+1次路径生成过程中的通行代价。使得电子设备可以根据该通行代价在第i+1次路径生成过程中生成ni+1个推荐路径。需要说明的是,该通行代价用于表征对应的路段的通行耗时、通行费用、通行难度等,通行代价或者可以表述为路段的权重。而根据推荐路径上各路段的通行代价可以确定推荐路径的通行代价,因此,各路段的通行代价可以用于确定下一次路径生成过程生成的推荐路径的通行代价,也即通行代价与路径的推荐优先级相关联。
基于上述迭代过程,电子设备可以在m次路径生成过程中生成M个推荐路径。该M个推荐路径可以是m次路径生成过程生成的推荐路径的总和,例如或者,M个推荐路径可以是基于/>个推荐路径确定的。本公开对此不作限定。
本公开实施例中:m≥i≥1,M>ni>1。一般来说,构建搜索树可以得到多个相遇点,也即在一次路径生成过程中,可以生成不止一个推荐路径,所以,M>n。当然本公开也不排斥M=m或M<n的情况。
在一些实施例中,电子设备可以向用户推送该M个推荐路径,例如,通过终端设备的显示屏显示该M个推荐路径;或者电子设备可以向其他设备推送该M个推荐路径,例如图1中的服务器120向终端设备110推送M个推荐路径(如图1中所示的起点至终点之间的实线或虚线所标注的路径),当然,终端设备110可以通过显示屏向用户显示该M个推荐路径,本公开对此不作限定。
本公开实施例提供的一种多路径的生成方法,应用于人工智能领域中的智能交通、深度学习、大数据、车联网领域,以提高推荐路径多样性以及提高路径生成效率。
本公开实施例中,根据惩罚因子确定路段的通信代价,可以简单表述为,根据惩罚因子对路段进行惩罚,其所表达的内容一致,二者可以交替使用。
在一些实施例中,上述M个推荐路径中各推荐路径可以对应一组惩罚因子,各推荐路径对应的一组惩罚因子可以相同也可以不同,本公开对此不作限定。
在一些实施例中,上述推荐路径包括的多个路段中,每个路段对应的惩罚因子可以不同。在上述第i次路径生成过程中,根据惩罚因子,确定推荐路径中各路段在第i+1次路径生成过程中的通行代价,具体可以实现为:根据各推荐路径的多个路段中每个路段对应的惩罚因子,确定对应路段在第i+1次路径生成过程中的通行代价,以实现对每个路段细粒度的惩罚。
惩罚因子与路段的通行代价可以是正相关的,例如惩罚因子的值越大,经过惩罚得到的通行代价越大。
进一步地,在一个推荐路径中,各路段对应的惩罚因子可以根据该路段在推荐路径中的位置确定。例如,靠近推荐路径的边缘路段(如路径入边和/或路径出边),其对应的惩罚因子的值较大,而越远离推荐路径边缘的路段,其对应的惩罚因子的值越小。此种情况下,在第i+1次路径生成过程中,选择该边缘路段的可能性较低,使得第i+1次路径生成过程中生成的推荐路径与第i次路径生成过程中生成的推荐路径的差异更大,有利于丰富推荐路径的多样性。
在一些实施例中,在第i次路径生成过程中,电子设备可以构建由起始结点到目的结点之间的搜索树。结合图3所示,搜索树包括Ni个相遇点,Ni≥ni,Ni个相遇点分别为起始结点到目的结点之间的Ni个路径上的一个途径结点,途径结点为起始结点到目的结点之间形成的路径上途径的结点。
目前,电子设备构建搜索树通常是基于双进程单向搜索实现的。例如,电子设备在一个搜索进程中,由起始结点开始向目的结点进行搜索,另一个搜索进程由目的结点开始向起始结点进行搜索,再根据两个搜索进程形成的相遇点得到路径。然而,电子设备在两个搜索进程中均需要完成起始结点和目的结点之间的路径搜索,搜索空间较大,导致搜索效率较低。
本公开实施例中,电子设备构建由起始结点到目的结点之间的搜索树可以是基于单进程双向搜索实现的。需要说明的是,单进程双向搜索为一种可能的命名,本公开并不对此进行限定,其他命名方式下与本公开采用了类似的技术也属于本公开的保护范围。例如,结合图3所示,电子设备在一个搜索进程中,分别由起始结点和目的结点开始,进行搜索,当形成搜索树的Ni个相遇点时,结束搜索进程,也即完成搜索树的构建进程,图3中粗线标识Ni个路径。
本公开仅以单进程为例进行说明,不应理解为对本公开的任何限定,例如电子设备也可以在通过两个搜索进程进行搜索,一个搜索进程由起始结点开始搜索,另一个搜索进程由目的结点开始搜索,当形成搜索树的Ni个相遇点时,结束两个搜索进程,也即完成搜索树的构建进程。
接续上述实施例,在第i次路径生成过程中,电子设备可以构建由起始结点到目的结点之间的搜索树后,电子设备根据Ni个路径分别对应的通行代价,确定ni个推荐路径。示例性的,针对Ni个路径中的每个路径,电子设备可以对路径的多个路段分别对应的通行代价进行求和,得到路径的通行代价,并按照通行代价由小到大的顺序,对Ni个路径排序,将前ni个路径作为ni个推荐路径。
在一些实施例中,电子设备可以响应于第一触发事件,结束迭代过程。该第一触发事件包括但不限于以下至少之一:
i大于或等于预设迭代次数;执行时间大于或等于预设迭代时间,执行时间的起始时刻为第1次路径生成过程的起始时刻,执行时间的结束时刻为第i次路径生成过程的结束时刻;前i次路径生成过程生成的推荐路径的数量总和大于或等于预设路径数量。例如,电子设备确定i大于或等于预设迭代次数,则停止执行第i+1次路径生成过程。
作为一种示例,上述任一实施例中的处理过程可以基于途经点模型和惩罚模型实现。例如,在第i次路径生成过程中,构建搜索树,以及生成ni个推荐路径,可以由途经点模型实现,该途经点模型为基于第一网络模型训练得到的;根据惩罚因子,确定ni个推荐路径中各推荐路径的各路段在第i+1次路径生成过程中的通信代价,可以由惩罚模型实现,该惩罚模型为基于第二网络模型训练得到的。
作为另一种示例,上述任一实施例中的处理过程可以基于路径生成模型实现,该路径生成模型可以基于输入的起始结点和目的结点,得到M个推荐路径。该路径生成模型可以是基于第三网络模型训练得到的。
图4为本公开实施例提供的另一种多路径的生成方法300的流程示意图。如图4所示,该方法300包括以下S310至S340中的部分或者全部过程。
S310,获取路径生成请求。
S320,经过m次路径生成过程,生成由起始结点到目的结点之间的个推荐路径。
S330,根据第一比值,确定目标区域是否为道路稀疏区域,目标区域包括起始结点和目的结点,第一比值为有效路径生成过程的次数与m的比值。
在目标区域为道路稀疏区域时,依次执行如下S340和S350;在目标区域非道路稀疏区域时,执行如下S350。
S340,修正合并参数。
S350,根据合并参数,对个推荐路径进行合并,得到M个推荐路径。
S360,对M个推荐路径进行毛刺区域识别,并对毛刺区域进行修正。
S370,推送M个推荐路径。
其中,S310、S320和S370与图2所示实施例中对应的过程具有相同或者相似的实现方式以及技术效果,此处不再赘述。
在上述S330中,目标区域可以是进行路径搜索的区域。针对上述m次路径生成过程中的每次路径生成过程,确定其是否为有效路径生成过程。以第i次路径生成过程为例,若ni个推荐路径中推荐优先级最高的推荐路径,非前i-1次推荐路径生成过程中生成的推荐路径,换言之,ni个推荐路径中推荐优先级最高的推荐路径,没有在前i-1次推荐路径生成过程中生成,确定第i次路径生成过程为有效路径生成过程;若ni个推荐路径中推荐优先级最高的推荐路径,是前i-1次推荐路径生成过程中生成过的推荐路径,确定第i次路径生成过程为无效路径生成过程。基于此,电子设备根据m次路径生成过程中有效路径生成过程的次数与m的比值作为第一比值,可以在第一比值大于或等于预设比值(例如30%、40%、50%等等)时,确定目标区域中的路径较少,也即目标区域为道路稀疏区域;反之,电子设备可以在第一比值小于预设比值时,确定目标区域中的路径较多,也即目标区域非道路稀疏区域。
进一步地,当目标区域为道路稀疏区域时,相比于非道路稀疏区域,需要尽量少的对迭代生成的推荐路径进行合并,以丰富推荐路径的多样性。基于此,上述S340中电子设备需要在目标路径为道路稀疏区域时,修正合并参数,以使得基于修正后的合并参数进行路径合并时可以保留较多的推荐路径。
针对上述S360需要说明的是,任一推荐路径中可能存在毛刺区域(或称作badcase),例如推荐路径中存在两个时序小于预设时间的采样点,且该两个采样点均位于交通拓扑网络中的同一结点,表明推荐路径中可能存在绕路、拥堵等异常的路段,这些异常路段组成的区域即为毛刺区域,修正这些毛刺区域使得推荐路径更加合理。
上文结合图2至图4,详细描述了本公开的方法实施例,下文结合图5至图6,详细描述本公开的装置实施例,应理解,装置实施例与方法实施例相互对应,类似的描述可以参照方法实施例。
图5为本公开实施例提供的一种多路径的生成装置400的示意性框图。如图5所示,该多路径的生成装置400包括:
路径生成单元410,用于响应于路径生成请求,生成由起始结点到目的结点之间的M个推荐路径,该起始结点为该路径生成请求中的路径起点在交通拓扑网络中映射的结点,该目的结点为该路径生成请求中的路径终点在该交通拓扑网络中映射的结点;
其中,该M个推荐路径为经过m次路径生成过程生成的,在第i次路径生成过程中,基于构建的搜索树,生成ni个推荐路径,并针对该ni个推荐路径中的每个推荐路径,根据惩罚因子,确定该推荐路径中各路段在第i+1次路径生成过程中的通行代价,该通行代价与路径的推荐优先级相关联;其中,m≥i≥1,M>ni>1。
在一些实施例中,装置400还包括推送单元420,用于推送该M个推荐路径。
在图5所示实施例的基础上,图6为本公开实施例提供的另一种多路径的生成装置的示意性框图。下面结合图6所示,对装置400进行说明:
在一些实施例中,装置400还包括第一迭代处理单元430,该第一迭代处理单元430包括第一迭代处理模块431;该第一迭代处理模块431用于根据该多个路段中每个路段对应的惩罚因子,确定该路段在第i+1次路径生成过程中的通行代价。
在一些实施例中,该第一迭代处理单元430还包括第二迭代处理模块432;该第二迭代处理模块432用于根据该推荐路径的多个路段在该推荐路径中的位置,确定该推荐路径的多个路段分别对应的惩罚因子。
在一些实施例中,该装置400包括第二迭代处理单元440,该第二迭代处理单元440包括第三迭代处理模块441和第四迭代处理模块442;该第三迭代处理模块441用于构建由该起始结点到该目的结点之间的搜索树,该搜索树包括Ni个相遇点,Ni≥ni,该Ni个相遇点分别为该起始结点到该目的结点之间的Ni个路径上的一个途径结点;该第四迭代处理模块442用于根据该Ni个路径分别对应的通行代价,确定该ni个推荐路径。
在一些实施例中,该第三迭代处理模块441具体用于:分别从该起始结点和该目标结点开始,构建该搜索树,并在形成该搜索树的Ni个相遇点时结束该搜索树构建进程。
在一些实施例中,该第四迭代处理模块442包括第一迭代处理子模块4421和第二迭代处理子模块4422:该第一迭代处理子模块4421用于针对该Ni个路径中的每个路径,对该路径的多个路段分别对应的通行代价进行求和,得到该路径的通行代价;该第二迭代处理子模块4422用于按照通行代价由小到大的顺序,对该Ni个路径排序,将前ni个路径作为该ni个推荐路径。
在一些实施例中,该装置400还包括:第三迭代处理单元450,用于响应于第一触发事件,停止执行第i+1次路径生成过程;其中,该第一触发事件包括以下至少之一:
i大于或等于预设迭代次数;
执行时间大于或等于预设迭代时间,该执行时间的起始时刻为第1次路径生成过程的起始时刻,该执行时间的结束时刻为第i次路径生成过程的结束时刻;
前i次路径生成过程生成的推荐路径的数量总和大于或等于预设路径数量。
在一些实施例中,该路径生成单元410包括第一路径生成模块411;该第一路径生成模块411用于根据合并参数,对m次路径生成过程生成的个推荐路径进行合并,得到该M个推荐路径。
在一些实施例中,该路径生成单元410还包括第二路径生成模块412,该第二路径生成模块412包括第一路径生成子模块4121和第二路径生成子模块4122;该第一路径生成子模块4121用于根据第一比值,确定目标区域是否为道路稀疏区域,该目标区域包括该起始结点和该目的结点,该第一比值为有效路径生成过程的次数与m的比值;该第二路径生成子模块4122用于在该目标区域为道路稀疏区域时,修正该合并参数。
在一些实施例中,该第二路径生成模块412包括第三路径生成子模块4123:该第三路径生成子模块4123用于若ni个推荐路径中推荐优先级最高的推荐路径,非前i-1次推荐路径生成过程中生成的推荐路径,确定该第i次路径生成过程为有效路径生成过程。
在一些实施例中,该路径生成单元410还包括第三路径生成模块413;该第三路径生成模块413用于对该M个推荐路径进行毛刺区域识别,并对该毛刺区域进行修正。
上述图5和图6实施例提供的装置,可以执行上述方法实施例智能车辆侧的技术方案,其实现原理和技术效果类似,此处不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图7示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。电子设备还可以表示一种具有自动驾驶功能的车辆,例如智能车辆。电子设备还可以表示一种服务器。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文各实施例所描述的多路径的生成方法。例如,在一些实施例中,多路径的生成方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM503并由计算单元501执行时,可以执行上文描述的多路径的生成方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行多路径的生成方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (25)
1.一种多路径的生成方法,包括:
响应于路径生成请求,生成由起始结点到目的结点之间的M个推荐路径,所述起始结点为所述路径生成请求中的路径起点在交通拓扑网络中映射的结点,所述目的结点为所述路径生成请求中的路径终点在所述交通拓扑网络中映射的结点;
其中,所述M个推荐路径为经过m次路径生成过程生成的,在第i次路径生成过程中,基于构建的搜索树,生成ni个推荐路径,并针对所述ni个推荐路径中的每个推荐路径,根据惩罚因子,确定所述推荐路径中各路段在第i+1次路径生成过程中的通行代价,所述通行代价与路径的推荐优先级相关联;其中,m≥i≥1,M>ni>1。
2.根据权利要求1所述的方法,其中,所述ni个推荐路径中每个推荐路径包括多个路段,所述多个路段分别对应多个惩罚因子;
所述根据惩罚因子,确定所述推荐路径中各路段在第i+1次路径生成过程中的通行代价,包括:
根据所述多个路段中每个路段对应的惩罚因子,确定所述路段在第i+1次路径生成过程中的通行代价。
3.根据权利要求2所述的方法,其中,所述方法还包括:
根据所述推荐路径的多个路段在所述推荐路径中的位置,确定所述推荐路径的多个路段分别对应的惩罚因子。
4.根据权利要求1至3任一项所述的方法,其中,所述基于构建的搜索树,生成ni个推荐路径,包括:
构建由所述起始结点到所述目的结点之间的搜索树,所述搜索树包括Ni个相遇点,Ni≥ni,所述Ni个相遇点分别为所述起始结点到所述目的结点之间的Ni个路径上的一个途径结点;
根据所述Ni个路径分别对应的通行代价,确定所述ni个推荐路径。
5.根据权利要求4所述的方法,其中,所述构建由所述起始结点到所述目的结点之间构建搜索树,包括:
分别从所述起始结点和所述目的结点开始,构建所述搜索树,并在形成所述搜索树的Ni个相遇点时结束所述搜索树构建进程。
6.根据权利要求4所述的方法,其中,所述Ni个路径中每个路径包括多个路段;
所述根据所述Ni个路径分别对应的通行代价,确定ni个推荐路径,包括:
针对所述Ni个路径中的每个路径,对所述路径的多个路段分别对应的通行代价进行求和,得到所述路径的通行代价;
按照通行代价由小到大的顺序,对所述Ni个路径排序,将前ni个路径作为所述ni个推荐路径。
7.根据权利要求1至3任一项所述的方法,其中,所述方法还包括:
响应于第一触发事件,停止执行第i+1次路径生成过程;其中,
所述第一触发事件包括以下至少之一:
i大于或等于预设迭代次数;
执行时间大于或等于预设迭代时间,所述执行时间的起始时刻为第1次路径生成过程的起始时刻,所述执行时间的结束时刻为第i次路径生成过程的结束时刻;
前i次路径生成过程生成的推荐路径的数量总和大于或等于预设路径数量。
8.根据权利要求1至3任一项所述的方法,其中,所述生成由起始结点到目的结点之间的M个推荐路径,包括:
根据合并参数,对m次路径生成过程生成的个推荐路径进行合并,得到所述M个推荐路径。
9.根据权利要求8所述的方法,其中,所述方法还包括:
根据第一比值,确定目标区域是否为道路稀疏区域,所述目标区域包括所述起始结点和所述目的结点,所述第一比值为有效路径生成过程的次数与m的比值;
在所述目标区域为道路稀疏区域时,修正所述合并参数。
10.根据权利要求9所述的方法,其中,所述方法还包括:
若ni个推荐路径中推荐优先级最高的推荐路径,非前i-1次推荐路径生成过程中生成的推荐路径,确定所述第i次路径生成过程为有效路径生成过程。
11.根据权利要求1至3任一项所述的方法,其中,所述方法还包括:
对所述M个推荐路径进行毛刺区域识别,并对所述毛刺区域进行修正。
12.一种多路径的生成装置,包括:
路径生成单元,用于响应于路径生成请求,生成由起始结点到目的结点之间的M个推荐路径,所述起始结点为所述路径生成请求中的路径起点在交通拓扑网络中映射的结点,所述目的结点为所述路径生成请求中的路径终点在所述交通拓扑网络中映射的结点;
其中,所述M个推荐路径为经过m次路径生成过程生成的,在第i次路径生成过程中,基于构建的搜索树,生成ni个推荐路径,并针对所述ni个推荐路径中的每个推荐路径,根据惩罚因子,确定所述推荐路径中各路段在第i+1次路径生成过程中的通行代价,所述通行代价与路径的推荐优先级相关联;其中,m≥i≥1,M>ni>1。
13.根据权利要求12所述的装置,其中,所述ni个推荐路径中每个推荐路径多个路段,所述多个路段分别对应多个惩罚因子;所述装置还包括第一迭代处理单元,所述第一迭代处理单元包括第一迭代处理模块;
所述第一迭代处理模块用于根据所述多个路段中每个路段对应的惩罚因子,确定所述路段在第i+1次路径生成过程中的通行代价。
14.根据权利要求13所述的装置,其中,所述第一迭代处理单元还包括第二迭代处理模块;
所述第二迭代处理模块用于根据所述推荐路径的多个路段在所述推荐路径中的位置,确定所述推荐路径的多个路段分别对应的惩罚因子。
15.根据权利要求12至14任一项所述的装置,其中,所述装置包括第二迭代处理单元,所述第二迭代处理单元包括第三迭代处理模块和第四迭代处理模块;
所述第三迭代处理模块用于构建由所述起始结点到所述目的结点之间的搜索树,所述搜索树包括Ni个相遇点,Ni≥ni,所述Ni个相遇点分别为所述起始结点到所述目的结点之间的Ni个路径上的一个途径结点;
所述第四迭代处理模块用于根据所述Ni个路径分别对应的通行代价,确定所述ni个推荐路径。
16.根据权利要求15所述的装置,其中,所述第三迭代处理模块具体用于:
分别从所述起始结点和所述目的结点开始,构建所述搜索树,并在形成所述搜索树的Ni个相遇点时结束所述搜索树构建进程。
17.根据权利要求15所述的装置,其中,所述第四迭代处理模块包括第一迭代处理子模块和第二迭代处理子模块:
所述第一迭代处理子模块用于针对所述Ni个路径中的每个路径,对所述路径的多个路段分别对应的通行代价进行求和,得到所述路径的通行代价;
所述第二迭代处理子模块用于按照通行代价由小到大的顺序,对所述Ni个路径排序,将前ni个路径作为所述ni个推荐路径。
18.根据权利要求12至14任一项所述的装置,其中,所述装置还包括:
第三迭代处理单元,用于响应于第一触发事件,停止执行第i+1次路径生成过程;其中,
所述第一触发事件包括以下至少之一:
i大于或等于预设迭代次数;
执行时间大于或等于预设迭代时间,所述执行时间的起始时刻为第1次路径生成过程的起始时刻,所述执行时间的结束时刻为第i次路径生成过程的结束时刻;
前i次路径生成过程生成的推荐路径的数量总和大于或等于预设路径数量。
19.根据权利要求12至14任一项所述的装置,其中,所述路径生成单元包括第一路径生成模块;
所述第一路径生成模块用于根据合并参数,对m次路径生成过程生成的个推荐路径进行合并,得到所述M个推荐路径。
20.根据权利要求19所述的装置,其中,所述路径生成单元还包括第二路径生成模块,所述第二路径生成模块包括第一路径生成子模块和第二路径生成子模块;
所述第一路径生成子模块用于根据第一比值,确定目标区域是否为道路稀疏区域,所述目标区域包括所述起始结点和所述目的结点,所述第一比值为有效路径生成过程的次数与m的比值;
所述第二路径生成子模块用于在所述目标区域为道路稀疏区域时,修正所述合并参数。
21.根据权利要求20所述的装置,其中,所述第二路径生成模块包括第三路径生成子模块:
所述第三路径生成子模块用于若ni个推荐路径中推荐优先级最高的推荐路径,非前i-1次推荐路径生成过程中生成的推荐路径,确定所述第i次路径生成过程为有效路径生成过程。
22.根据权利要求12至14任一项所述的装置,其中,所述路径生成单元还包括第三路径生成模块;
所述第三路径生成模块用于对所述M个推荐路径进行毛刺区域识别,并对所述毛刺区域进行修正。
23.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至11中任一项所述的方法。
24.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至11中任一项所述的方法。
25.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至11中任一项所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210260007.1A CN116822756A (zh) | 2022-03-16 | 2022-03-16 | 多路径的生成方法、装置、设备以及存储介质 |
US17/818,375 US20220381574A1 (en) | 2022-03-16 | 2022-08-09 | Multipath generation method, apparatus, device and storage medium |
KR1020220101801A KR20220122565A (ko) | 2022-03-16 | 2022-08-16 | 멀티 경로 생성 방법, 장치, 기기 및 저장매체 |
JP2022151272A JP2022177223A (ja) | 2022-03-16 | 2022-09-22 | 複数の経路の生成方法、装置、機器及び記憶媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210260007.1A CN116822756A (zh) | 2022-03-16 | 2022-03-16 | 多路径的生成方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116822756A true CN116822756A (zh) | 2023-09-29 |
Family
ID=83281001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210260007.1A Pending CN116822756A (zh) | 2022-03-16 | 2022-03-16 | 多路径的生成方法、装置、设备以及存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220381574A1 (zh) |
JP (1) | JP2022177223A (zh) |
KR (1) | KR20220122565A (zh) |
CN (1) | CN116822756A (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08240437A (ja) * | 1995-03-03 | 1996-09-17 | Mitsubishi Electric Corp | 車両経路案内装置 |
JP2005114552A (ja) * | 2003-10-08 | 2005-04-28 | Xanavi Informatics Corp | ナビゲーション装置の経路探索方法 |
JP5183354B2 (ja) * | 2008-08-08 | 2013-04-17 | クラリオン株式会社 | ナビゲーション装置 |
EP3611470B1 (en) * | 2018-08-14 | 2021-04-07 | Bayerische Motoren Werke Aktiengesellschaft | Method and devices for determining routes for routing a vehicle |
CN112683287A (zh) * | 2019-10-18 | 2021-04-20 | 上海商汤临港智能科技有限公司 | 路径生成方法及装置、电子设备和存储介质 |
-
2022
- 2022-03-16 CN CN202210260007.1A patent/CN116822756A/zh active Pending
- 2022-08-09 US US17/818,375 patent/US20220381574A1/en not_active Abandoned
- 2022-08-16 KR KR1020220101801A patent/KR20220122565A/ko unknown
- 2022-09-22 JP JP2022151272A patent/JP2022177223A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
KR20220122565A (ko) | 2022-09-02 |
JP2022177223A (ja) | 2022-11-30 |
US20220381574A1 (en) | 2022-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11740102B2 (en) | Method, apparatus, device and storage medium for determining point of interest area | |
US20230103040A1 (en) | Vehicle travel control method and apparatus | |
US20230243661A1 (en) | Navigation path planning method and apparatus, device, and storage medium | |
US11593384B2 (en) | Parking lot free parking space predicting method, apparatus, electronic device and storage medium | |
CN114281823B (zh) | 表格处理方法、装置、设备、存储介质及产品 | |
CN113739811B (zh) | 关键点检测模型的训练和高精地图车道线的生成方法设备 | |
CN114357105A (zh) | 地理预训练模型的预训练方法及模型微调方法 | |
CN114661842B (zh) | 地图匹配方法、装置和电子设备 | |
CN114626169A (zh) | 交通路网优化方法、装置、设备、可读存储介质及产品 | |
KR20170032366A (ko) | 지도 중의 후보 주소 정보를 획득하기 위한 방법 및 장치 | |
CN113033194B (zh) | 语义表示图模型的训练方法、装置、设备和存储介质 | |
CN112539761A (zh) | 数据处理方法、装置、设备、存储介质及计算机程序产品 | |
CN115495248B (zh) | 一种推理卡的内存分配方法、装置、电子设备及存储介质 | |
CN115691206B (zh) | 车位推荐方法、装置、设备以及存储介质 | |
CN113706857A (zh) | 道路通行性的确定方法、装置、设备及存储介质 | |
CN116822756A (zh) | 多路径的生成方法、装置、设备以及存储介质 | |
CN115547087A (zh) | 基于两阶段法与方向诱导的城市路网最短路径获取方法及应用 | |
CN112559881B (zh) | 步行路线确定方法、装置、电子设备及存储介质 | |
CN112528156B (zh) | 建立排序模型的方法、查询自动补全的方法及对应装置 | |
CN111782748B (zh) | 地图检索方法、信息点poi语义向量的计算方法和装置 | |
JP7173310B2 (ja) | 経路探索装置、経路探索方法、及び経路探索プログラム | |
US11313697B2 (en) | Systems and apparatuses for generating a geometric shape and travel time data | |
CN110399997B (zh) | 多途经点的路径规划方法、系统、电子设备、存储介质 | |
CN114461923B (zh) | 社群发现方法、装置、电子设备和存储介质 | |
CN114459494B (zh) | 可达区域的获取方法、装置、电子设备以及存储介质 |
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 |