CN117391575A - 一种基于路径分析的货车运输路线规划方法 - Google Patents
一种基于路径分析的货车运输路线规划方法 Download PDFInfo
- Publication number
- CN117391575A CN117391575A CN202311675328.9A CN202311675328A CN117391575A CN 117391575 A CN117391575 A CN 117391575A CN 202311675328 A CN202311675328 A CN 202311675328A CN 117391575 A CN117391575 A CN 117391575A
- Authority
- CN
- China
- Prior art keywords
- route
- planning
- road
- road network
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000000007 visual effect Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 19
- 101150087854 NEXN gene Proteins 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 230000003068 static 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于路径分析的货车运输路线规划方法,涉及货车运输路线规划技术领域,所述方法包括:收集运营范围内的道路网络数据,对道路网络数据进行网络建模形成道路网络模型;根据线路规划的目标与道路网络模型构建基于路径分析的路线规划模型;使用路线规划模型进行货车运输路线的规划,生成最优运输线路;以可视化的方式展示最优运输线路。结合动态道路网络模型,根据实时获取到的道路信息进行运输线路的规划,提高实时性,结合规划目标进行运输线路的规划,解决传统线路规划目标单一的问题,算法结合图的数据结构,提高路径分析的效率,减少算法复杂度。
Description
技术领域
本发明涉及货车运输路线规划技术领域,尤其涉及一种基于路径分析的货车运输路线规划方法。
背景技术
货车运输路线规划是物流领域的重要研究方向,目的是通过合理的路线规划来提高货车运输的效率和降低成本。在过去的几年里,这方面的研究取得了一些进展,但仍存在一些缺陷。
研究现状:
算法研究:研究者们提出了许多货车运输路线规划算法,包括基于启发式算法、遗传算法、模拟退火算法等。这些算法能够考虑到货车的容量、时间窗口、道路拥堵等因素,提供较为合理的路线规划方案。
数据驱动方法:利用大数据和机器学习技术,研究者们可以分析历史运输数据,预测未来的货物需求,从而优化货车运输路线。这种数据驱动的方法能够更加准确地预测货物流动,提高路线规划的效果。
研究缺陷:
复杂性:货车运输路线规划问题是一个NP-hard问题,随着问题规模的增大,算法的求解时间会呈指数级增长。目前的研究主要集中在小规模问题上,对于大规模问题的求解仍然存在困难。
实时性:现实中的货车运输需要考虑到实时的路况、交通拥堵等因素,这些因素的变化会对路线规划产生影响。目前的研究主要是基于静态数据进行路线规划,对于实时性的考虑还不够充分。
多目标优化:货车运输路线规划涉及到多个目标。现有的研究主要是针对单一目标进行优化,对于多目标优化的研究还相对较少。
综上所述,货车运输路线规划的研究取得了一定的进展,但仍存在一些挑战和缺陷。致力于解决算法复杂性、实时性和多目标优化等问题,以提高货车运输的效率和减少成本就成为了本领域人员的重要研究课题。
发明内容
本发明提供了一种基于路径分析的货车运输路线规划方法,包括:
步骤1、收集运营范围内的道路网络数据,对道路网络数据进行网络建模形成道路网络模型;
步骤2、根据线路规划的目标与道路网络模型构建基于路径分析的路线规划模型;
步骤3、使用路线规划模型进行货车运输路线的规划,生成最优运输线路;
步骤4、以可视化的方式展示最优运输线路。
如上所述的一种基于路径分析的货车运输路线规划方法,其中对道路网络数据进行网络建模,具体包括以下子步骤:
将交叉口作为节点,道路作为连接节点的边绘制道路网络模型;
为各个节点设置唯一标识,为各条边设置权重;
在道路网络模型中添加道路实时信息,实时更新道路信息,以实现道路网络模型的动态化。
如上所述的一种基于路径分析的货车运输路线规划方法,其中线路规划目标包括,最短线路、最快线路和最经济线路三种,其中最经济线路规划目标还需要为道路网络模型中的边添加一项运输费用属性,具体包括以下子步骤:
根据货车历史运输成本的记录,获取货车在不同道路上的标准运输成本;
获取各段道路在特殊路况下运输成本的增长率;
结合网络模型中的实时道路信息、货车在特殊路况时运输成本的增长率、货车在不同路段上的标准运输成本,实时计算货车在不同道路上的运输费用;
为道路网络模型中各边的运输费用属性动态赋值。
如上所述的一种基于路径分析的货车运输路线规划方法,其中构建基于路径分析的路线规划模型,具体包括以下子步骤:
结合道路网络模型设计包含多规划目标的代价函数;
基于代价函数设计路径分析算法;
基于路径分析算法构建路线规划模型。
如上所述的一种基于路径分析的货车运输路线规划方法,其中所述包含多规划目标的代价函数,根据设置的规划目标调整代价函数中对应的权重,从而实现代价函数的可调节性。
如上所述的一种基于路径分析的货车运输路线规划方法,其中使用路线规划模型进行货车运输路线的规划,生成最优运输线路,具体包括以下子步骤:
将起点、终点转化成道路网络模型中的起始节点、目标节点;
将规划目标转化为对应的权重;
输入起始节点、目标节点与规划目标对应的权重到路线规划模型中;
输出规划好的线路队列。
本发明实现的有益效果如下:结合动态道路网络模型,根据实时获取到的道路信息进行运输线路的规划,提高实时性,结合规划目标进行运输线路的规划,解决传统线路规划目标单一的问题,算法结合图的数据结构,提高路径分析的效率,减少算法复杂度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种基于路径分析的货车运输路线规划方法流程图。
具体实施方式
下面结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
如图1所示,本发明实施例一提供一种基于路径分析的货车运输路线规划方法,包括:
步骤S10:收集运营范围内的道路网络数据,对道路网络数据进行网络建模形成道路网络模型;
道路网络数据是指含有交叉口和道路信息在内的货车运输道路网络数据,包括交叉口的坐标、道路的长度、道路连接的交叉口等。
对道路网络数据进行网络建模,具体包括以下子步骤:
①将交叉口作为节点,道路作为连接节点的边绘制道路网络模型;
设置交叉口的坐标作为节点的附加信息,设置道路编码为边的附加信息,所述道路编码与电子地图中的道路标识一一对应。
②为各个节点设置唯一标识,为各条边设置权重;
节点的唯一标识符设置为递增序号,如第一个交叉口节点设置为1,第二个交叉口节点设置为2,以此类推,相比坐标作为唯一标识进行查询定位,序号的处理速度更快;
边的权重设置为道路的长度,边的附加信息中还可以添加限速、方向等道路属性。
③在道路网络模型中添加道路实时信息,实时更新道路信息,以实现道路网络模型的动态化;
道路实时信息包括道路的交通流量、道路的堵塞情况、事故报告等,同样添加在边的附加信息中以不同的属性表示,根据实时获取的道路信息对边的不同属性进行修改以实现道路信息的动态更新。
步骤S20:根据线路规划的目标与道路网络模型构建基于路径分析的路线规划模型;
线路规划的目标包括最短线路、最快线路和最经济线路三种,可设置为其中一种,或多种目标综合分析。其中最经济线路还需要为道路网络模型中的边添加一项运输费用属性,来表示通行一段道路时所需要的花费,具体通过以下步骤实现:
①根据货车历史运输成本的记录,获取货车在不同道路上的标准运输成本;
标准运输成本是指非节假日且道路通行相对顺畅无堵塞的情况下,货车运输全程后的运输成本,不同道路上的标准运输成本,就是用全程的运输成本根据不同道路占全程的比例计算得出,计算公式为:,其中stci为第i段道路的标准运输成本,wli为第i段道路的运输里程,i取值1~z,z为运输路程途径的道路总数,L为整个运输路程的里程,C为整个运输过程的运输成本,计算完成后再根据道路编号进行标识。道路标准运输成本与道路标号是一对一的关系,重复计算的道路运输成本(即多个计算结果标识的道路编号一致时)则取该道路所有计算结果的平均值,最后整理为数据集S1,,其中stc1~stcn分别表示不同道路的标准运输成本,wn1~wnn分别表示不同道路的道路编号。
②获取各段道路在特殊路况下运输成本的增长率;
收集货车行驶在拥堵路况或其他特殊路况下的道路所耗费的运输成本,再基于各道路的标准运输成本,计算各段道路在特殊路况下运输成本的增长率,例如某条道路在特殊路况下货车的运输成本为a,该道路的标准运输成本为b,则(a/b)-1,就是该条道路在特殊路况时运输成本的增长率。
将获取到的各段道路在特殊路况下运输成本的增长率加到S1集合中,表示为:,其中gr1~grn分别表示不同道路在特殊路况下运输成本的增长率。
③结合网络模型中的实时道路信息、货车在特殊路况时运输成本的增长率、货车在不同路段上的标准运输成本,实时计算货车在不同道路上的运输费用;
计算货车在不同道路上的运输费用公式为:,其中trci为不同道路上的运输费用,为分别计算i=1,i=2……i=n时求和项/>的值,n为运营范围内道路的总数,S1.stci为S1集合中,第i条道路的标准运输成本,S1.gri为S1集合中,第i条道路的运输成本增长率。计算结果放入S1集合中,此时S1表示为:。
④为道路网络模型中各边的运输费用属性动态赋值;
将计算的出的运输费用按照道路编号对道路网络模型中对应的边上的运输费用属性赋值,并随着道路信息的实时更新,运输费用属性也会被重新计算,重新赋值。
构建基于路径分析的路线规划模型,具体包括以下子步骤:
①结合道路网络模型设计包含多规划目标的代价函数;
道路网络模型中一个节点到相邻节点之间的边,权重为长度,还存有限速和运输费用属性,其中长度决定运输路线的长短,限速决定运输路线的耗时,运输费用决定运输路线的经济耗费,若要路线规划包含多规划目标就必须将这三项统一为一个可调节的代价函数,代价函数表示为:,其中cfun()为代价函数,μ0为边的权重,μ1为最快线路规划目标的权重,v为边上的限速属性值,μ2为最经济路线规划目标的权重,trc为边上的运输费用属性值。
根据规划目标的选择来调整最快线路规划目标的权重和最经济路线规划目标的权重,若规划目标更注重最短路线,则将其他权重调低,若规划目标更注重经济,则将最经济路线规划目标的权重调高,而最快线路规划目标的权重调低。
②基于代价函数设计路径分析算法;
基于代价函数的路径分析是寻找代价最小的线路作为运输线路,因此需要采用广度优先算法,例如货车需要从节点A到节点B,A节点出发,面临三个节点,节点E、节点D和节点C,使用代价函数计算到达这三个节点的代价,选取其中最小代价对应的节点作为下一节点,以此类推直至到达B节点,那么路径分析算法就可以表示为:,其中NL(δ)为计算下一最优节点的函数,只有一个参数δ,表示当前节点,sidej.μ0表示当前节点面临的第j个岔路上的边的权重,μ1为最快线路规划目标的权重,sidej.v表示第j个岔路上的边的限速属性值,μ2为最经济路线规划目标的权重,sidej.trc表示第j个岔路上的边的运输费用属性值,j取值1~m,m为当前节点面临的岔路总数,dt(δ,toN)为计算当前节点δ到目标节点toN直线距离的函数,argmin∑返回求和项最小时的nodej,nodej为当前节点面临的第j个岔路通向的节点,然后再将nodej作为当前节点重新计算下一最优节点,直至当前节点为目标节点。
③基于路径分析算法构建路线规划模型;
基于路径分析算法去构建路线规划模型时,还需要加上一些约束条件,用于避免封闭道路、交通限制、事故路段等情况,这些道路状况也实时标注与道路网络模型的边上。
构建出的路线规划模型表示为:,其中dountill()函数有两个部分,以逗号隔开,用于重复执行第二个部分,直到第一个部分中的表达式NL(δ)==toN成立;/>是指调用计算下一最优节点函数,返回值赋给nexN,δ为当前节点,默认为起始节点,if()函数是判断函数,若第一部分表达式/>成立,则执行第二部分,否则执行第三部分/>;/>函数用于检测当前节点δ到下一最优节点nexN之间的边是否符合约束条件,是则返回true,否则返回false;/>是用于将下一最优节点nexN放入规划路线队列LX中,δ=nexN是指将nexN的值赋给δ,意为将下一最优节点当成当前节点;ex(nexN)用于将下一最优节点nexN排除在计算过程外(即计算下一最优节点时首先排除该节点再进行计算)。
输出的LX队列在最前端插入起始节点形成完整的规划线路队列。
步骤S30:使用路线规划模型进行货车运输路线的规划,生成最优运输线路;
①将起点、终点转化成道路网络模型中的起始节点、目标节点;
起点、终点根据坐标可以查询到道路网络模型中的对应节点(节点的附加信息中包含坐标)。
②将规划目标转化为对应的权重;
根据设置的规划目标,最短线路、最快线路或最经济线路,为对应的权重进行预设,预设的权重比例可以是系统预设,也可以是手动拖动调节。
③输入起始节点、目标节点与规划目标对应的权重到路线规划模型中;
④输出规划好的线路队列。
步骤S40:以可视化的方式展示最优运输线路;
根据输出的线路队列,从道路网络模型中找到队列里的节点与节点之间的边,根据节点坐标与边上的道路编号形成完整的运输路径,结合电子地图进行可视化显示。
实施例二
本发明实施例二提供一种基于路径分析的货车运输路线规划系统,包括:道路网络模型构建模块,路线规划模型构建模块、路线规划模块;
(1)道路网络模型构建模块,用于收集运营范围内的道路网络数据,对道路网络数据进行网络建模形成道路网络模型;可以对道路网络模型中节点与边以及节点的附加信息、边的附加信息进行增删改查的操作。
(2)路线规划模型构建模块,用于根据线路规划的目标与道路网络模型构建基于路径分析的路线规划模型;
(3)路线规划模块,用于使用路线规划模型进行货车运输路线的规划,生成最优运输线路,并以可视化的方式展示。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (6)
1.一种基于路径分析的货车运输路线规划方法,包括:
步骤1、收集运营范围内的道路网络数据,对道路网络数据进行网络建模形成道路网络模型;
步骤2、根据线路规划的目标与道路网络模型构建基于路径分析的路线规划模型;
步骤3、使用路线规划模型进行货车运输路线的规划,生成最优运输线路;
步骤4、以可视化的方式展示最优运输线路。
2.根据权利要求1所述的一种基于路径分析的货车运输路线规划方法,其特征在于,对道路网络数据进行网络建模,具体包括以下子步骤:
将交叉口作为节点,道路作为连接节点的边绘制道路网络模型;
为各个节点设置唯一标识,为各条边设置权重;
在道路网络模型中添加道路实时信息,实时更新道路信息,以实现道路网络模型的动态化。
3.根据权利要求1所述的一种基于路径分析的货车运输路线规划方法,其特征在于,线路规划目标包括,最短线路、最快线路和最经济线路三种,其中最经济线路规划目标还需要为道路网络模型中的边添加一项运输费用属性,具体包括以下子步骤:
根据货车历史运输成本的记录,获取货车在不同道路上的标准运输成本;
获取各段道路在特殊路况下运输成本的增长率;
结合网络模型中的实时道路信息、货车在特殊路况时运输成本的增长率、货车在不同路段上的标准运输成本,实时计算货车在不同道路上的运输费用;
为道路网络模型中各边的运输费用属性动态赋值。
4.根据权利要求1所述的一种基于路径分析的货车运输路线规划方法,其特征在于,构建基于路径分析的路线规划模型,具体包括以下子步骤:
结合道路网络模型设计包含多规划目标的代价函数;
基于代价函数设计路径分析算法;
基于路径分析算法构建路线规划模型。
5.根据权利要求4所述的一种基于路径分析的货车运输路线规划方法,其特征在于,所述包含多规划目标的代价函数,根据设置的规划目标调整代价函数中对应的权重,从而实现代价函数的可调节性。
6.根据权利要求1所述的一种基于路径分析的货车运输路线规划方法,其特征在于,使用路线规划模型进行货车运输路线的规划,生成最优运输线路,具体包括以下子步骤:
将起点、终点转化成道路网络模型中的起始节点、目标节点;
将规划目标转化为对应的权重;
输入起始节点、目标节点与规划目标对应的权重到路线规划模型中;
输出规划好的线路队列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311675328.9A CN117391575B (zh) | 2023-12-08 | 2023-12-08 | 一种基于路径分析的货车运输路线规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311675328.9A CN117391575B (zh) | 2023-12-08 | 2023-12-08 | 一种基于路径分析的货车运输路线规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117391575A true CN117391575A (zh) | 2024-01-12 |
CN117391575B CN117391575B (zh) | 2024-03-22 |
Family
ID=89435893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311675328.9A Active CN117391575B (zh) | 2023-12-08 | 2023-12-08 | 一种基于路径分析的货车运输路线规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117391575B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2014221248A1 (en) * | 2011-10-26 | 2014-09-25 | The Regents Of The University Of California | Pathway recognition algorithm using data integration on genomic models (paradigm) |
CN108805360A (zh) * | 2018-06-19 | 2018-11-13 | 哈尔滨工业大学 | 一种将城市生物质载体运输至生物质发电厂的运输成本确定方法 |
CN112949177A (zh) * | 2021-02-26 | 2021-06-11 | 国网北京市电力公司 | 一种综合能源系统构建中的多优化目标赋权方法及系统 |
CN113298967A (zh) * | 2021-04-21 | 2021-08-24 | 东南大学 | 一种考虑出行者决策惯性的逐月动态拥堵收费方法 |
CN113344320A (zh) * | 2021-04-26 | 2021-09-03 | 山东师范大学 | 多目标下的物流机器人配送路径动态自动规划方法及系统 |
CN114117820A (zh) * | 2021-12-06 | 2022-03-01 | 福建工程学院 | 一种基于重启策略改进粒子群算法的机器人路径规划方法 |
CN114200936A (zh) * | 2021-12-06 | 2022-03-18 | 广东工业大学 | 基于最优控制及宽度学习的agv实时路径规划方法 |
US20230075758A1 (en) * | 2021-03-23 | 2023-03-09 | Tencent Technology (Shenzhen) Company Limited | Travel route planning method and travel route recommendation method |
KR102560208B1 (ko) * | 2023-01-27 | 2023-07-27 | (주)와이오엘 | 최적화된 수출입화물 운송경로의 운임 예측 시스템 |
CN116502827A (zh) * | 2023-03-14 | 2023-07-28 | 广东昊迪工程项目咨询有限公司 | 项目工程管理方法及其系统 |
CN116822769A (zh) * | 2023-06-29 | 2023-09-29 | 郑州轻工业大学 | 基于人工智能的智能交通路线优化系统 |
CN117053819A (zh) * | 2023-09-06 | 2023-11-14 | 南方电网互联网服务有限公司 | 一种基于gis的货车路线自动规划系统 |
-
2023
- 2023-12-08 CN CN202311675328.9A patent/CN117391575B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2014221248A1 (en) * | 2011-10-26 | 2014-09-25 | The Regents Of The University Of California | Pathway recognition algorithm using data integration on genomic models (paradigm) |
CN108805360A (zh) * | 2018-06-19 | 2018-11-13 | 哈尔滨工业大学 | 一种将城市生物质载体运输至生物质发电厂的运输成本确定方法 |
CN112949177A (zh) * | 2021-02-26 | 2021-06-11 | 国网北京市电力公司 | 一种综合能源系统构建中的多优化目标赋权方法及系统 |
US20230075758A1 (en) * | 2021-03-23 | 2023-03-09 | Tencent Technology (Shenzhen) Company Limited | Travel route planning method and travel route recommendation method |
CN113298967A (zh) * | 2021-04-21 | 2021-08-24 | 东南大学 | 一种考虑出行者决策惯性的逐月动态拥堵收费方法 |
CN113344320A (zh) * | 2021-04-26 | 2021-09-03 | 山东师范大学 | 多目标下的物流机器人配送路径动态自动规划方法及系统 |
CN114117820A (zh) * | 2021-12-06 | 2022-03-01 | 福建工程学院 | 一种基于重启策略改进粒子群算法的机器人路径规划方法 |
CN114200936A (zh) * | 2021-12-06 | 2022-03-18 | 广东工业大学 | 基于最优控制及宽度学习的agv实时路径规划方法 |
KR102560208B1 (ko) * | 2023-01-27 | 2023-07-27 | (주)와이오엘 | 최적화된 수출입화물 운송경로의 운임 예측 시스템 |
CN116502827A (zh) * | 2023-03-14 | 2023-07-28 | 广东昊迪工程项目咨询有限公司 | 项目工程管理方法及其系统 |
CN116822769A (zh) * | 2023-06-29 | 2023-09-29 | 郑州轻工业大学 | 基于人工智能的智能交通路线优化系统 |
CN117053819A (zh) * | 2023-09-06 | 2023-11-14 | 南方电网互联网服务有限公司 | 一种基于gis的货车路线自动规划系统 |
Non-Patent Citations (2)
Title |
---|
TRÄFF, JL: ""A simple parallel algorithm for the single-source shortest path problem on planar digraphs"", 《JOURNAL OF PARALLEL AND DISTRIBUTED COMPUTING》, vol. 60, no. 9, 30 September 2000 (2000-09-30), pages 1103 - 1124, XP004408293, DOI: 10.1006/jpdc.2000.1646 * |
李雷 等: ""动态最佳交通路径的一种高效算法"", 《江苏大学学报(自然科学版)》, vol. 25, no. 03, 30 May 2004 (2004-05-30), pages 252 - 256 * |
Also Published As
Publication number | Publication date |
---|---|
CN117391575B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Eco-driving system for connected automated vehicles: Multi-objective trajectory optimization | |
CN104102953B (zh) | 一种物流送货线路优化生成方法及系统 | |
CN107563566B (zh) | 一种基于支持向量机的公交站间运行时间区间预测方法 | |
US20170091350A1 (en) | Near real-time modeling of pollution dispersion | |
CN110766211B (zh) | 一种实时路况下的车辆路径规划问题模型创建方法 | |
CN102324128A (zh) | 基于ic卡记录的公交站间od客流预测方法及装置 | |
CN110288205B (zh) | 交通影响评价方法及装置 | |
CN104121918A (zh) | 一种实时路径规划的方法和系统 | |
CN103198104A (zh) | 一种基于城市智能公交系统的公交站点od获取方法 | |
CN110274609A (zh) | 一种基于行程时间预测的实时路径规划方法 | |
CN107194491A (zh) | 一种基于公交客流和站间行程时间预测的动态调度方法 | |
CN104992244A (zh) | 一种基于sarima和rbf神经网络集成组合模型的机场货运量预测分析方法 | |
CN108021686A (zh) | 一种快速匹配电子地图中公交线路与道路网络的方法 | |
CN109859505B (zh) | 高速站点的预警处理方法、装置、服务器和介质 | |
CN104715675A (zh) | 一种适用于物流配送路径优化的gis电子地图 | |
CN106251628B (zh) | 一种确定机动车的交通出行量的方法及装置 | |
CN107978148A (zh) | 一种基于多源交通数据动态可靠性的交通状态预测方法 | |
CN104598548B (zh) | 一种分析农产品价格空间关联性的方法及装置 | |
Zhong et al. | Bus travel time prediction based on ensemble learning methods | |
CN117391575B (zh) | 一种基于路径分析的货车运输路线规划方法 | |
CN115423841B (zh) | 一种面向大宗物流的运输终点校准方法及系统 | |
Chen et al. | Should optimal stop spacing vary by land use type?: New methodology | |
CN110264066A (zh) | 一种汽车产业转型升级信息监测系统 | |
CN108447258A (zh) | 一种基于城市交通虚拟平台的拥堵时间成本分区评价方法 | |
CN113988570A (zh) | 一种基于多目标进化算法的旅游大巴车调度优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |