CN117053819B - 一种基于gis的货车路线自动规划系统 - Google Patents
一种基于gis的货车路线自动规划系统 Download PDFInfo
- Publication number
- CN117053819B CN117053819B CN202311145007.8A CN202311145007A CN117053819B CN 117053819 B CN117053819 B CN 117053819B CN 202311145007 A CN202311145007 A CN 202311145007A CN 117053819 B CN117053819 B CN 117053819B
- Authority
- CN
- China
- Prior art keywords
- route
- truck
- individual
- information
- route planning
- 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
Links
- 238000013439 planning Methods 0.000 title claims abstract description 102
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 54
- 241000251468 Actinopterygii Species 0.000 claims abstract description 31
- 238000007726 management method Methods 0.000 claims abstract description 7
- 238000013523 data management Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 7
- 230000002431 foraging effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000012804 iterative process Methods 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及物流运输技术领域,尤指一种基于GIS的货车路线自动规划系统,包括:货车信息管理模块,用于获取路线规划请求,路线规划请求包含起始地信息、目的地信息和货车信息;地图数据管理模块,用于获取GIS的地图数据,地图数据包括地形图信息、道路网络信息和交通流量信息;路线规划模块,用于根据路线规划请求和地图数据,通过A‑star算法和人工鱼群算法计算货车规划路线;路线展示和导航模块,用于通过地图界面将货车规划路线呈现给司机,同时将货车当前位置与货车规划路线进行对比,并根据对比结果输出导航指引。本发明通过A‑star算法和人工鱼群算法的应用,能够提高货车路线规划的效率和质量。
Description
技术领域
本发明涉及物流运输技术领域,尤指一种基于GIS的货车路线自动规划系统。
背景技术
在物流行业中,对于那些需要一次性运输大量、体积庞大、重量巨大货物的客户,货物的特点决定了必须使用中型或大型货车来提取这些货物。然而,现有的路线规划服务通常基于小型轿车通行的标准来进行,从而规划取货的路线。然而,实际情况是,很多道路并不适合或不允许大型货车通行。例如,有一些立交桥可能限制高度在3米以下,而大多数货车的高度超过了3米,因此无法通过;也有一些桥梁有重量限制,超重的货车将无法通过。
随着经济的发展,道路建设越来越多,路网也变得越来越复杂,对货车通行的限制也随之增多。如果因为路线规划的原因,货车进入了受限区域,就可能会被交通摄像头捕捉到,产生电子罚单,或者被交警现场处罚。此外,如果在行驶过程中遇到了物理限制,比如高度或重量限制,司机可能因为未注意而导致道路设施损坏或车辆受损。即使司机注意到了限制,但无法通过,只能退回或寻找其他道路,这会带来诸多交通安全隐患和浪费时间。
发明内容
本发明提供一种基于GIS的货车路线自动规划系统,以解决现有路线规划方案规划的路线不适用于货车通行的问题。
为实现上述目的,本发明采用的技术方案是:
一种基于GIS的货车路线自动规划系统,包括:
货车信息管理模块,用于获取路线规划请求,所述路线规划请求包含起始地信息、目的地信息和货车信息,所述货车信息包括车牌号、车型、载重量;
地图数据管理模块,用于获取GIS的地图数据,所述地图数据包括地形图信息、道路网络信息和交通流量信息;
路线规划模块,用于根据所述路线规划请求和地图数据,通过A-star算法和人工鱼群算法计算货车规划路线;
路线展示和导航模块,用于通过地图界面将货车规划路线呈现给司机,同时将货车当前位置与货车规划路线进行对比,并根据对比结果输出导航指引。
进一步,还包括:实时交通监测模块,所述实时交通监测模块与所述路线规划模块连接,所述实时交通监测模块用于获取货车当前行驶区域内的实时交通数据,并将所述实时交通数据反馈所述路线规划模块,以便所述路线规划模块对货车规划路线进行调整。
进一步,还包括:数据分析和报表模块,所述数据分析和报表模块与所述路线规划模块连接,所述数据分析和报表模块用于对所述货车规划路线进行分析,并根据分析结果生成各种报表和图表。
进一步,所述根据所述路线规划请求和地图数据,通过A-star算法和人工鱼群算法计算货车规划路线,包括:
获取路线规划请求和地图数据;
利用地图数据中的道路网络信息,在地图上建立道路网图,将道路分为节点和边,形成一个图结构,其中,每个节点表示一个交叉路口或路段的连接点,边表示两个节点之间的道路;
基于所述图结构,通过A-star算法对所述路线规划请求进行路线规划,得到初始路线。
进一步,所述根据所述路线规划请求和地图数据,通过A-star算法和人工鱼群算法计算货车规划路线,还包括:
通过人工鱼群算法对所述初始路线进行优化,得到所述货车规划路线。
进一步,所述基于所述图结构,通过A-star算法对所述路线规划请求进行路线规划,得到初始路线,具体包括以下步骤:
将起始地设置为起始节点,将目的地设置为目标节点,创建一个空的开放列表和关闭列表,将起始节点添加到开放列表;
通过启发式函数在开放列表中选择具有最低预估成本的节点,将其作为当前节点,对当前节点的相邻节点进行遍历,计算每个相邻节点的代价函数,并将其添加到开放列表中;
判断目标节点是否在开放列表中,
若是,
则从目标节点开始,通过父节点指针回溯路径,得到所述初始路线。
进一步,所述通过人工鱼群算法对所述初始路线进行优化,得到所述货车规划路线,具体包括以下步骤:
随机生成一定数量的初始鱼群个体,每个个体代表一条路径,与所述初始路线相对应;
计算每个个体的适应度值;
对每个个体进行迭代;
在每轮迭代之后,重新计算每个个体的适应度值,以反映优化后的路径的质量;
从所有个体中选择适应度较高的个体作为下一代的基础;
当达到预设的迭代次数或优化目标时,停止迭代,并输出优化后的货车规划路线。
进一步,所述适应度值基于路径的成本进行评估,所述路径的成本的影响因素包括距离、时间和交通费。
进一步,所述适应度值的计算公式如下:
F=α/(β1×L+β2×T+β3×C);
上式中,F表示适应度值,α表示总权重系数,β1表示距离因素的权重系数,L表示路径上的总距离数值,β2表示时间因素的权重系数,T表示路径上的总时间数值,β3表示交通费因素的权重系数,C表示路径上的总交通费数值。
进一步,所述对每个个体进行迭代的迭代过程包括以下步骤中的至少一个:
个体移动操作:针对每个个体,根据其适应度值和周围个体的信息,进行随机的个体移动操作,较差的个体更有可能进行探索,而适应度较高的个体可能更趋向于保持或寻找更优的路径;
个体觅食操作:随机选择一部分个体,对每个个体进行觅食操作,在个体周围搜索其他个体,寻找适应度更高的路径,如果找到更优的路径则更新个体路径;
个体追随操作:随机选择一部分个体,对每个个体进行追随操作,观察周围其他个体的行动,尝试跟随适应度更高的个体的路径进行更新;
个体随机移动操作:随机选择一部分个体,对每个个体进行随机移动操作,以引入一定的随机性,便于发现更优路径。
本发明的有益效果在于:
1.提高货车路线规划的效率:利用A-star算法和人工鱼群算法,能够快速计算出最优的货车规划路线,减少了手动计算的时间和人力成本。
2.提高货车路线规划的质量:综合应用A-star算法和人工鱼群算法,可以对初始路线进行优化,得到更适合实际情况的货车规划路线,并提高货车运输效率。
3.减少成本和时间:通过自动化的货车路线规划系统,能够减少人工操作的错误和时间成本,提高货车运输的效率,降低了成本和时间。
综上所述,基于GIS的货车路线自动规划系统通过A-star算法和人工鱼群算法的应用,能够提高货车路线规划的效率和质量,减少成本和时间。
附图说明
图1是本发明的基于GIS的货车路线自动规划系统的结构示意图。
具体实施方式
请参阅图1所示,本发明关于一种基于GIS的货车路线自动规划系统,包括:货车信息管理模块、地图数据管理模块、路线规划模块和路线展示和导航模块,所述路线规划模块与所述货车信息管理模块、地图数据管理模块以及路线展示和导航模块连接。基于GIS的货车路线自动规划系统通过A-star算法找到初始路线,然后通过人工鱼群算法可以对A-star算法得到的初始路线进行优化,得到更优的货车规划路线,最终输出更适合实际情况的货车规划路线,这种综合算法的应用可以提高货车路线规划的效率和质量,减少成本和时间。具体地,
货车信息管理模块,用于获取路线规划请求,所述路线规划请求包含起始地信息、目的地信息和货车信息,所述货车信息包括车牌号、车型、载重量;通过该模块,系统可以根据货车的特征(车牌号、车型、载重量)来进行路线规划的个性化设置;
地图数据管理模块,用于获取GIS的地图数据,所述地图数据包括地形图信息、道路网络信息和交通流量信息;需要说明的是,
GIS(GeographicalInformationSystem,地理信息系统),是本世纪60年代开始迅速发展起来的地理学研究新技术,是多种学科交叉的产物,它以地理空间数据为基础,采用地理模型分析方法,实时提供多种空间的和动态的地理信息,是一种为地理研究和地理决策服务的计算机技术系统。地理信息系统的外观,表现为计算机硬件系统;其内涵却是由计算机程序和地理数据组织而成的地理空间信息模型,一个逻辑缩小的、高度信息化的地理系统,从视觉、计量和逻辑上对地理系统进行模拟,信息的流动以及信息流动的结果,完全由计算机程序的运行和数据的变换来仿真,地理学家可以在GIS支持下提取地理系统各不同侧面、不同层次的空间和时间特征,也可以快速地模拟自然过程的演变和思维过程的结果,取得地理预测或“实验”的结果,选择优化方案,这种信息模拟可以在很大程度上避免错误决策带来的损失。
路线规划模块,用于根据所述路线规划请求和地图数据,通过A-star算法和人工鱼群算法计算货车规划路线;本实施例能够根据起始地、目的地和地图数据(包括道路的限高、限重等信息)来评估不同路线的优劣,以及考虑到货车的特性(如重量、车型)来选择最佳的路线。
路线展示和导航模块,用于通过地图界面将货车规划路线呈现给司机,同时将货车当前位置与货车规划路线进行对比,并根据对比结果输出导航指引;此处限定的目的在于,可以帮助司机实时了解规划路线和自己的位置,并根据导航指引进行行驶,提高行车效率和安全性。
综上所述,该基于GIS的货车路线自动规划系统通过管理货车信息、获取地图数据、计算路线和呈现导航指引等技术配合,能够帮助货车司机有效规划路线、提高行驶效率和安全性。
进一步地,
还包括:数据分析和报表模块,所述数据分析和报表模块与所述路线规划模块连接,所述数据分析和报表模块用于对所述货车规划路线进行分析,并根据分析结果生成各种报表和图表。通过这个模块,系统可以提供数据分析的功能,帮助用户了解货车运输情况、优化路线规划,以及进行决策和评估。
还包括:实时交通监测模块,所述实时交通监测模块与所述路线规划模块连接,所述实时交通监测模块用于获取货车当前行驶区域内的实时交通数据,并将所述实时交通数据反馈所述路线规划模块,以便所述路线规划模块对货车规划路线进行调整。此处限定的目的在于,可以获取货车当前行驶区域内的实时交通数据,并将这些数据反馈给路线规划模块。通过收集实时交通数据,系统能够实时了解道路上的交通情况,如拥堵情况、交通事故等,从而可以对货车的规划路线进行优化调整,避开拥堵和危险区域,提高路线的效率和安全性。
综上所述,数据分析和报表模块能够对货车规划路线进行分析和报表生成,帮助用户进行决策和评估;而实时交通监测模块能够获取实时交通数据,为路线规划模块提供优化调整的依据,提高路线的效率和安全性。从而提升货车路线自动规划系统的功能和性能。
所述根据所述路线规划请求和地图数据,通过A-star算法和人工鱼群算法计算货车规划路线,包括:
获取路线规划请求和地图数据;
利用地图数据中的道路网络信息,在地图上建立道路网图,将道路分为节点和边,形成一个图结构,其中,每个节点表示一个交叉路口或路段的连接点,边表示两个节点之间的道路;
基于所述图结构,通过A-star算法对所述路线规划请求进行路线规划,得到初始路线。
其中,所述基于所述图结构,通过A-star算法对所述路线规划请求进行路线规划,得到初始路线,具体包括以下步骤:
将起始地设置为起始节点,将目的地设置为目标节点,创建一个空的开放列表和关闭列表,将起始节点添加到开放列表;
通过启发式函数在开放列表中选择具有最低预估成本的节点,将其作为当前节点,对当前节点的相邻节点进行遍历,计算每个相邻节点的代价函数,并将其添加到开放列表中;
判断目标节点是否在开放列表中,
若是,
则从目标节点开始,通过父节点指针回溯路径,得到所述初始路线。
进一步地,所述根据所述路线规划请求和地图数据,通过A-star算法和人工鱼群算法计算货车规划路线,还包括:
通过人工鱼群算法对所述初始路线进行优化,得到所述货车规划路线,具体包括以下步骤:
随机生成一定数量的初始鱼群个体,每个个体代表一条路径,与所述初始路线相对应;
计算每个个体的适应度值;
对每个个体进行迭代;
在每轮迭代之后,重新计算每个个体的适应度值,以反映优化后的路径的质量;
从所有个体中选择适应度较高的个体作为下一代的基础;
当达到预设的迭代次数或优化目标时,停止迭代,并输出优化后的货车规划路线。
进一步地,所述适应度值基于路径的成本进行评估,所述路径的成本的影响因素包括距离、时间和交通费。所述适应度值的计算公式如下:
F=α/(β1×L+β2×T+β3×C);
上式中,F表示适应度值,α表示总权重系数,β1表示距离因素的权重系数,L表示路径上的总距离数值,β2表示时间因素的权重系数,T表示路径上的总时间数值,β3表示交通费因素的权重系数,C表示路径上的总交通费数值。
需要说明的是,
距离可以使用路径上的距离来表示,可以根据道路网络或其他交通网络的距离信息来计算路径的总距离。
时间可以使用路径上的时间来表示,可以根据道路网络或其他交通网络的特定速度来计算路径的总时间。
交通费可以使用路径上的交通费用来表示,这可以根据燃料费用、道路通行费或其他相关因素来计算路径的总交通费。
通过综合考虑距离、时间和交通费的权重,我们可以得到一个综合评估的总成本,可以在路径规划等问题中用作适应度值的计算依据。通过将路径的总成本作为适应度值的反比进行计算对比,可以使得较优的路径具有较高的适应度值,从而更有可能被选择和保留。这样可以促进人工鱼群算法在路径规划等问题中寻找更优解。
进一步地,所述对每个个体进行迭代的迭代过程包括以下步骤中的至少一个:
个体移动操作:针对每个个体,根据其适应度值和周围个体的信息,进行随机的个体移动操作,较差的个体更有可能进行探索,而适应度较高的个体可能更趋向于保持或寻找更优的路径;
个体觅食操作:随机选择一部分个体,对每个个体进行觅食操作,在个体周围搜索其他个体,寻找适应度更高的路径,如果找到更优的路径则更新个体路径;
个体追随操作:随机选择一部分个体,对每个个体进行追随操作,观察周围其他个体的行动,尝试跟随适应度更高的个体的路径进行更新;
个体随机移动操作:随机选择一部分个体,对每个个体进行随机移动操作,以引入一定的随机性,便于发现更优路径。
本实施例根据所述的路线规划请求和地图数据,通过A-star算法和人工鱼群算法计算货车规划路线的具体步骤可以总结为以下有益效果:
1.通过A-star算法进行路线规划:A-star算法是一种常用的启发式搜索算法,可以高效地找到最优路径。它通过利用启发函数来评估节点的代价,并根据预估成本选择下一个节点进行扩展。通过A-star算法,可以基于地图数据中的道路网络信息,找到初始的货车规划路线。
2.通过人工鱼群算法对初始路线进行优化:人工鱼群算法是一种模拟自然鱼群行为的优化算法,可以在搜索空间中进行全局优化。通过随机生成一定数量的初始鱼群个体代表路径,计算每个个体的适应度值,然后对每个个体进行迭代,不断优化路径。在每轮迭代之后,重新计算每个个体的适应度值,选择适应度较高的个体作为下一代的基础。通过人工鱼群算法,本实施例可以进一步优化初始路线,得到更优的货车规划路线。
3.输出优化后的货车规划路线:根据设定的迭代次数或优化目标,当达到停止条件时,停止迭代,并输出优化后的货车规划路线。经过A-star算法和人工鱼群算法的循环迭代,本实施例可以得到最优的货车规划路线,使货车在最短的时间内到达目的地。
总之,本实施例所述路线规划模块可以通过A-star算法找到初始路线,再通过人工鱼群算法对初始路线进行优化,最终得到最优的货车规划路线。这样可以提高货车的运输效率,减少时间成本,对物流运输业务具有重要的意义。
以上实施方式仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通工程技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明的权利要求书确定的保护范围内。
Claims (1)
1.一种基于GIS的货车路线自动规划系统,其特征在于,包括:
货车信息管理模块,用于获取路线规划请求,所述路线规划请求包含起始地信息、目的地信息和货车信息,所述货车信息包括车牌号、车型、载重量;
地图数据管理模块,用于获取GIS的地图数据,所述地图数据包括地形图信息、道路网络信息和交通流量信息;
路线规划模块,用于根据所述路线规划请求和地图数据,通过A-star算法和人工鱼群算法计算货车规划路线;
路线展示和导航模块,用于通过地图界面将货车规划路线呈现给司机,同时将货车当前位置与货车规划路线进行对比,并根据对比结果输出导航指引;
其中,
所述根据所述路线规划请求和地图数据,通过A-star算法和人工鱼群算法计算货车规划路线,包括:
获取路线规划请求和地图数据;
利用地图数据中的道路网络信息,在地图上建立道路网图,将道路分为节点和边,形成一个图结构,其中,每个节点表示一个交叉路口或路段的连接点,边表示两个节点之间的道路;
基于所述图结构,通过A-star算法对所述路线规划请求进行路线规划,得到初始路线;
所述根据所述路线规划请求和地图数据,通过A-star算法和人工鱼群算法计算货车规划路线,还包括:
通过人工鱼群算法对所述初始路线进行优化,得到所述货车规划路线;
所述基于所述图结构,通过A-star算法对所述路线规划请求进行路线规划,得到初始路线,具体包括以下步骤:
将起始地设置为起始节点,将目的地设置为目标节点,创建一个空的开放列表和关闭列表,将起始节点添加到开放列表;
通过启发式函数在开放列表中选择具有最低预估成本的节点,将其作为当前节点,对当前节点的相邻节点进行遍历,计算每个相邻节点的代价函数,并将其添加到开放列表中;
判断目标节点是否在开放列表中,
若是,
则从目标节点开始,通过父节点指针回溯路径,得到所述初始路线;
所述通过人工鱼群算法对所述初始路线进行优化,得到所述货车规划路线,具体包括以下步骤:
随机生成一定数量的初始鱼群个体,每个个体代表一条路径,与所述初始路线相对应;
计算每个个体的适应度值;
对每个个体进行迭代;
在每轮迭代之后,重新计算每个个体的适应度值,以反映优化后的路径的质量;
从所有个体中选择适应度较高的个体作为下一代的基础;
当达到预设的迭代次数或优化目标时,停止迭代,并输出优化后的货车规划路线;
所述适应度值的计算公式如下:
F=α/(β1×L+β2×T+β3×C);
上式中,F表示适应度值,α表示总权重系数,β1表示距离因素的权重系数,L表示路径上的总距离数值,β2表示时间因素的权重系数,T表示路径上的总时间数值,β3表示交通费因素的权重系数,C表示路径上的总交通费数值;
所述适应度值基于路径的成本进行评估,所述路径的成本的影响因素包括距离、时间和交通费;其中,距离是根据道路网络或其他交通网络的路径距离信息计算得到,时间是根据道路网络或其他交通网络的特定速度来计算路径的总时间,交通费包括燃料费用和道路通行费;
所述基于GIS的货车路线自动规划系统还包括:实时交通监测模块,所述实时交通监测模块与所述路线规划模块连接,所述实时交通监测模块用于获取货车当前行驶区域内的实时交通数据,并将所述实时交通数据反馈所述路线规划模块,以便所述路线规划模块对货车规划路线进行调整;
所述基于GIS的货车路线自动规划系统还包括:数据分析和报表模块,所述数据分析和报表模块与所述路线规划模块连接,所述数据分析和报表模块用于对所述货车规划路线进行分析,并根据分析结果生成各种报表和图表;
所述对每个个体进行迭代的迭代过程包括以下步骤中的至少一个:
个体移动操作:针对每个个体,根据其适应度值和周围个体的信息,进行随机的个体移动操作,较差的个体更有可能进行探索,而适应度较高的个体可能更趋向于保持或寻找更优的路径;
个体觅食操作:随机选择一部分个体,对每个个体进行觅食操作,在个体周围搜索其他个体,寻找适应度更高的路径,如果找到更优的路径则更新个体路径;
个体追随操作:随机选择一部分个体,对每个个体进行追随操作,观察周围其他个体的行动,尝试跟随适应度更高的个体的路径进行更新;
个体随机移动操作:随机选择一部分个体,对每个个体进行随机移动操作,以引入一定的随机性,便于发现更优路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311145007.8A CN117053819B (zh) | 2023-09-06 | 2023-09-06 | 一种基于gis的货车路线自动规划系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311145007.8A CN117053819B (zh) | 2023-09-06 | 2023-09-06 | 一种基于gis的货车路线自动规划系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117053819A CN117053819A (zh) | 2023-11-14 |
CN117053819B true CN117053819B (zh) | 2024-05-03 |
Family
ID=88669263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311145007.8A Active CN117053819B (zh) | 2023-09-06 | 2023-09-06 | 一种基于gis的货车路线自动规划系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117053819B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117291492A (zh) * | 2023-11-23 | 2023-12-26 | 江苏东燃机电科技有限公司 | 一种基于边缘协同的货物进出口路线规划系统和方法 |
CN117391575B (zh) * | 2023-12-08 | 2024-03-22 | 青岛盈智科技有限公司 | 一种基于路径分析的货车运输路线规划方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101197077A (zh) * | 2006-12-07 | 2008-06-11 | 厦门雅迅网络股份有限公司 | 一种汽车行驶路线分析、统计方法 |
CN110672113A (zh) * | 2019-10-31 | 2020-01-10 | 圆通速递有限公司 | 一种车辆导航辅助系统和方法 |
CN110689180A (zh) * | 2019-09-18 | 2020-01-14 | 科大国创软件股份有限公司 | 一种基于地理位置的智能路线规划方法及系统 |
CN112161636A (zh) * | 2020-08-28 | 2021-01-01 | 深圳市跨越新科技有限公司 | 一种基于单向模拟的货车路线规划方法及系统 |
-
2023
- 2023-09-06 CN CN202311145007.8A patent/CN117053819B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101197077A (zh) * | 2006-12-07 | 2008-06-11 | 厦门雅迅网络股份有限公司 | 一种汽车行驶路线分析、统计方法 |
CN110689180A (zh) * | 2019-09-18 | 2020-01-14 | 科大国创软件股份有限公司 | 一种基于地理位置的智能路线规划方法及系统 |
CN110672113A (zh) * | 2019-10-31 | 2020-01-10 | 圆通速递有限公司 | 一种车辆导航辅助系统和方法 |
CN112161636A (zh) * | 2020-08-28 | 2021-01-01 | 深圳市跨越新科技有限公司 | 一种基于单向模拟的货车路线规划方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于改进人工鱼群算法的机器人路径规划;张毅等;《控制工程》;第第27卷卷(第第7期期);第1158-1160页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117053819A (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kerimov et al. | Model of multi-level system managing automated traffic enforcement facilities recording traffic violations | |
CN117053819B (zh) | 一种基于gis的货车路线自动规划系统 | |
Ericsson et al. | Optimizing route choice for lowest fuel consumption–potential effects of a new driver support tool | |
Pinto et al. | Traffic data in air quality modeling: A review of key variables, improvements in results, open problems and challenges in current research | |
US9020760B2 (en) | System for classifying streets for vehicle navigation | |
Jha | Criteria-based decision support system for selecting highway alignments | |
Sharman et al. | Analysis of freight global positioning system data: Clustering approach for identifying trip destinations | |
Shatnawi et al. | Optimization of bus stops locations using GIS techniques and artificial intelligence | |
Liao | Generating Reliable Freight Performance Measures with Truck GPS Data: Case Study in Twin Cities Metropolitan Area, Minnesota | |
CN112991743A (zh) | 基于行驶路径的实时交通风险ai预测方法及其系统 | |
Ding et al. | Role of exposure in bicycle safety analysis: Effect of cycle path choice | |
Gomes et al. | Portuguese mainland road network safety performance indicator | |
Plank et al. | Ready for robots? assessment of autonomous delivery robot operative accessibility in german cities | |
William et al. | Edge based Web Computing for Traffic Control Management for Distributed Environment Conditions | |
Ugirumurera et al. | A modeling framework for designing and evaluating curbside traffic management policies at Dallas-Fort Worth International Airport | |
Cokyasar et al. | Analyzing Energy and Mobility Impacts of Privately-owned Autonomous Vehicles | |
Torrisi et al. | The microsimulation modeling as a tool for transport policies assessment: an application to a real case study | |
Zhao et al. | Urban end distribution optimization under e-commerce environment | |
Ozbay et al. | Evaluating highway capacity investments using a geographic information systems-based tool: Trip-based full marginal cost approach | |
Li et al. | Transportation networks, case-based reasoning and traffic collision analysis: A methodology for the 21st century | |
Zoghi et al. | Usage of ITS in the in-vehicle signing system with RFID tags and vehicle routing and road traffic simulation | |
Guo et al. | Information technology used to evaluate nontraditional traffic monitoring systems | |
Makler et al. | Arriving next on track 1: Online archive for geospatial transit performance data | |
Shemyakin et al. | The architecture of a mesoscopic model of the real-time transport corridor in projects of intelligent transport system | |
Chandrasena et al. | A Study of Finding Choice Modle for Class-Wise Railway Passenger Demand for Sri Lanka Railways |
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 |