CN117848365A - 一种基于北斗定位的导航路线规划系统 - Google Patents
一种基于北斗定位的导航路线规划系统 Download PDFInfo
- Publication number
- CN117848365A CN117848365A CN202311709442.9A CN202311709442A CN117848365A CN 117848365 A CN117848365 A CN 117848365A CN 202311709442 A CN202311709442 A CN 202311709442A CN 117848365 A CN117848365 A CN 117848365A
- Authority
- CN
- China
- Prior art keywords
- influence
- area
- route
- preset
- building
- 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
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 26
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 claims description 2
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于北斗定位的导航路线规划系统,属于导航路线规划技术领域,具体包括:路线初始模块,用于获取当前货车的地理位置信息和目标的地理位置信息并生成若干规划路线;数据采集模块,用于统计任一规划路线Yi所经过的预设区域,并获取所述预设区域的参数;路线选择模块,计算得出每条规划路线所对应的影响分数,影响分数差异过大,则选取MinP所对应的规划路线作为最优路线;路线优化模块,计算得出每个处理规划路线的评价分数H,选取评价分数最小的规划路线作为最优路线,本发明实现了货车路线的优化,最大限度的减少了货车运输过程中对周围环境的噪声污染,同时提高了货车的运输效率。
Description
技术领域
本发明涉及导航路线规划技术领域,具体涉及一种基于北斗定位的导航路线规划系统。
背景技术
随着人们生活水平的提高,汽车的使用越发广泛。如令,人们出行通常会借助导航软件进行导航,以提高通行效率。特别是对于大型货车司机而言,导航系统生成的路线规划会考虑限高、限重和限行限制道路,确保所规划的路线适合当前货车通行,有效地避免因路线不符而引发交通事故或造成交通拥堵,确保了交通的顺畅与安全。
但是,大型货车由于视野盲区大、车声长、体型大的问题,经常会发生交通事故,并且很容易挤占其他车道,不仅容易造成交通拥堵,还容易在与它车会车时发生剐蹭,影响货运安全;同时大型货车运输过程中产生的噪音是巨大的,会对周围的住宅区域、学校区域等造成巨大噪音污染,因此,需要对大型货车的导航路线进行规划,缓解交通拥堵并减少噪音污染对周围居民的影响,确保其安全有效运输的同时最大限度地减少对周围环境的影响。
发明内容
本发明的目的在于提供一种基于北斗定位的导航路线规划系统,解决以下技术问题:
大型货车运输过程中产生的噪音是巨大的,会对周围的住宅区域、学校区域等造成巨大噪音污染,因此,需要对大型货车的导航路线进行规划,缓解交通拥堵并减少噪音污染对周围居民的影响,确保其安全有效运输的同时最大限度地减少对周围环境的影响。
本发明的目的可以通过以下技术方案实现:
一种基于北斗定位的导航路线规划系统,包括:
路线初始模块,用于获取当前货车的地理位置信息和目标的地理位置信息,根据所述地理位置信息和目标的地理位置信息生成若干规划路线并标记为Y1,Y2,…,Yn;
数据采集模块,用于统计任一规划路线Yi所经过的预设区域;并获取所述预设区域的参数;所述预设区域为学校区域、医院区域和住宅区域;所述预设区域参数为预设区域建筑类型、预计到达每个预设区域的时间点、建筑数量;
路线选择模块,用于根据每条规划路线所经过预设区域的数量和参数,计算得出每条规划路线所对应的影响分数并标记为P1,P2,…,Pn,筛选出影响分数P小于预设阈值所对应的规划路线并标记为待处理规划路线,将最小的影响分数标记为MinP,若MinP与所有影响分数Pi的差值均大于预设差异阈值,则选取MinP所对应的规划路线作为最优路线;若存在与MinP的差值小于等于预设差异阈值的影响分数Pi,则将MinP和该影响分数标记为优选分数;
路线优化模块,用于分别计算所有优选分数对应的规划路线的路况C,根据优选分数和路况C,计算得出每个处理规划路线的评价分数H,选取评价分数最小的规划路线作为最优路线。
作为本发明进一步的方案:所述数据采集模块中,统计任一规划路线Yi所经过的预设区域的具体过程为:
获取货车运行时存在的噪音量并标记为dB货,根据城市环境噪声标准得到噪声音量阈值并标记为dB标,计算货车运行噪音量dB货和噪声音量阈值dB标的差值dB差,通过公式dB差=10log(πR2/4)计算得出影响半径R,基于GIS技术获取每个规划路线Yi的地图数据,以任一路线点为中心,影响半径R画圆得到噪音影响范围,提取噪音影响范围涉及的所有建筑区域的名称,对每个建筑区域的名称进行关键词匹配,识别得出学校区域、医院区域和住宅区域,即为预设区域。
作为本发明进一步的方案:还包括对识别得出的预设区域进行再筛选,根据噪音影响范围,获取任一预设区域内所有处于噪音影响范围内的建筑并标记为影响建筑,若任一预设区域内不存在影响建筑,则将该预设区域剔除。
作为本发明进一步的方案:所述数据采集模块中,若存在部分处于影响范围内的建筑,则获取该建筑的俯视面积S,同时将处于影响范围内的该建筑的俯视面积标记为影响面积S1,预设阈值,若该建筑的影响面积S1与俯视面积S的比值大于预设阈值,则判定该建筑为影响建筑,若该建筑的影响面积S1与俯视面积S的比值小于预设阈值,则判定该建筑不为影响建筑。
作为本发明进一步的方案:所述数据采集模块,获取预设区域参数的具体过程为:
获取任一规划路线所经过的预设区域的地理位置坐标,计算到达每个预设区域的预计行驶时间,获取当前货车出发时刻t初,计算得出到达每个预设区域的预计到达时刻并标记为t1,t2,...,te,获取每个预设区域内影响建筑的数量k和每个影响建筑的中心地理坐标,计算任一预设区域内所有影响建筑中心到该规划路线的最短距离的均值并标记为Lv。
作为本发明进一步的方案:还包括将所有预设区域的名称带入地理信息数据库中得到每个预设区域的建筑类型,将建筑类型分为高层建筑区域、中层建筑区域和底层建筑区域。
作为本发明进一步的方案:所述路线选择模块中,影响分数P具体计算过程为:
P白i=A*ki*Δy/Lvi;
P夜i=B*ki*Δy/Lvi;
其中,A为预设白天噪声影响系数,B为预设夜晚噪声影响系数,且A小于B,ki为任一预设区域内处于所述影响范围内的建筑数量,Lvi为任一预设区域内处于影响范围内的建筑中心到规划路线最短距离均值,Δy表示不同建筑类型对应的预设系数,其中,α大于β大于γ;
n为该规划路线中预计到达时刻属于白天的数量,m为该规划路线中预计到达时刻属于夜晚的数量,Pi白为任一处于白天的预设区域影响分数,Pq夜为任一处于夜晚的预设区域影响分数。
作为本发明进一步的方案:若存在任一预设区域内的影响建筑存在多种建筑类型,则该预设区域的影响分数P特的计算过程为:
P特=A*(k1*α+k2*β+k3*γ)/Lv特;
P特=B*(k1*α+k2*β+k3*γ)/Lv特;
其中,k1为该区域内高层影响建筑的数量,k2为该区域内中层影响建筑的数量,k3为该区域内低层影响建筑的数量。
作为本发明进一步的方案:所述路线选择模块还包括,若所有规划路线的影响分数P均大于等于预设阈值,则选取最小影响分数所对应的规划路线作为最优路线,同时,实时获取货车运行的实时地理位置和货车周围建筑信息,若货车周围存在预设区域,则对驾驶员发出反馈,提醒驾驶员减缓车速,减少鸣笛。
作为本发明进一步的方案:所述路线优化模块中,评价分数H的计算过程为:
计算当前时刻每个优选分数对应的规划路线的路况C=μ*Qi*Vi;其中μ为预设修正系数,Qi任一规划路线的当前时刻的道路拥挤系数,Vi为任一规划路线所需行驶拐弯次数,将路况C和优选分数相加得到评价分数H。
本发明的有益效果:
通过获取货车当前的地理位置信息和目标地理位置信息,生成了若干规划路线,通过GIS技术获取每个规划路线的地图数据,并根据货车运行时噪音量计算得出影响半径,进而得到噪音影响范围,提取噪音范围内的所有建筑名称,对建筑名称进行关键词匹配,从而识别得到任一规划路线中经过的所有预设区域,并根据每个规划路线中预设区域的数量和参数,计算得出每个规划路线的噪音影响分数,若规划路线之间影响分数差异较大则从所有规划路线中选取影响分数最小的规划路线作为最优路线,若影响分数差异较小则考虑实际道路情况对路线选择的影响,计算评价分数,选取评价分数最小的规划路线作为最优路线,本发明实现了货车路线的优化,最大限度的减少了货车运输过程中对周围环境的噪声污染,同时提高了货车的运输效率。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的流程示意图。
具体实施方式
下面将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,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种基于北斗定位的导航路线规划系统,包括:
路线初始模块,用于获取当前货车的地理位置信息和目标的地理位置信息,根据所述地理位置信息和目标的地理位置信息生成若干规划路线并标记为Y1,Y2,…,Yn;
数据采集模块,用于统计任一规划路线Yi所经过的预设区域;并获取所述预设区域的参数;所述预设区域为学校区域、医院区域和住宅区域;所述预设区域参数为预设区域建筑类型、预计到达每个预设区域的时间点、建筑数量;
路线选择模块,用于根据每条规划路线所经过预设区域的数量和参数,计算得出每条规划路线所对应的影响分数并标记为P1,P2,...,Pn,筛选出影响分数P小于预设阈值所对应的规划路线并标记为待处理规划路线,将最小的影响分数标记为MinP,若MinP与所有影响分数Pi的差值均大于预设差异阈值,则选取MinP所对应的规划路线作为最优路线;若存在与MinP的差值小于等于预设差异阈值的影响分数Pi,则将MinP和该影响分数标记为优选分数;
路线优化模块,用于分别计算所有优选分数对应的规划路线的路况C,根据优选分数和路况C,计算得出每个处理规划路线的评价分数H,选取评价分数最小的规划路线作为最优路线。
通过获取货车当前的地理位置信息和目标地理位置信息,生成了若干规划路线,通过GIS技术获取每个规划路线的地图数据,并根据货车运行时噪音量计算得出影响半径,进而得到噪音影响范围,提取噪音范围内的所有建筑名称,对建筑名称进行关键词匹配,从而识别得到任一规划路线中经过的所有预设区域,并根据每个规划路线中预设区域的数量和参数,计算得出每个规划路线的噪音影响分数,若规划路线之间影响分数差异较大则从所有规划路线中选取影响分数最小的规划路线作为最优路线,若影响分数差异较小则考虑实际道路情况对路线选择的影响,计算评价分数,选取评价分数最小的规划路线作为最优路线,本发明实现了货车路线的优化,最大限度的减少了货车运输过程中对周围环境的噪声污染,同时提高了货车的运输效率。
在本发明的一种优选的实施例中,所述数据采集模块中,统计任一规划路线Yi所经过的预设区域的具体过程为:
获取货车运行时存在的噪音量并标记为dB货,根据城市环境噪声标准得到噪声音量阈值并标记为dB标,计算货车运行噪音量dB货和噪声音量阈值dB标的差值dB差,通过公式dB差=10log(πR2/4)计算得出影响半径R,基于GIS技术获取每个规划路线Yi的地图数据,以任一路线点为中心,影响半径R画圆得到噪音影响范围,提取噪音影响范围涉及的所有建筑区域的名称,对每个建筑区域的名称进行关键词匹配,识别得出学校区域、医院区域和住宅区域,即为预设区域。
通过当前货车运行时的实际噪音量和城市噪音标准值,可以计算得到货车运行时产生的噪音影响范围,提取影响范围内的建筑名称,再通过关键词匹配可以准确识别出该规划路线中所有预设区域,再通过获取处于影响范围内的实际建筑数量从而得到货车噪声对不同区域的实际影响程度,为后续的路线规划提供更合理科学的规划。
在本发明的一种优选的实施例中,对识别得出的预设区域进行再筛选,根据噪音影响范围,获取任一预设区域内所有处于噪音影响范围内的建筑并标记为影响建筑,若任一预设区域内不存在影响建筑,则将该预设区域剔除。
初次识别得到的预设区域中,可能该预设区域只有一小部分存在影响范围,实际上并没有受到货车噪声影响,例如存在一个预设区域只有边缘地区建筑部分存在在影响范围内,若将该预设区域也算入的,会影响实际规划路线的影响分数,因此需要对识别得到的预设区域进行筛选,确保能够合理准确的得到每条规划路线的影响分数。
在本发明的一种优选的实施例中,所述数据采集模块中,若存在部分处于影响范围内的建筑,则获取该建筑的俯视面积S,同时将处于影响范围内的该建筑的俯视面积标记为影响面积S1,预设阈值,若该建筑的影响面积S1与俯视面积S的比值大于预设阈值,则判定该建筑为影响建筑,若该建筑的影响面积S1与俯视面积S的比值小于预设阈值,则判定该建筑不为影响建筑。
通过获取建筑的俯视面积和影响面积,对处于影响范围内的建筑进行判定,能欧筛选出符合影响建筑条件的建筑物,可以更加准确地确定哪些建筑受到了货车运行的影响,从而对后续的货车路线选择最优路线时,能够考虑到对影响建筑的最小化影响,从而提高方案的可行性和实用性。
在本发明的另一种优选的实施例中,所述数据采集模块,获取预设区域参数的具体过程为:
获取任一规划路线所经过的预设区域的地理位置坐标,计算到达每个预设区域的预计行驶时间,获取当前货车出发时刻t初,计算得出到达每个预设区域的预计到达时刻并标记为t1,t2,...,te,获取每个预设区域内影响建筑的数量k和每个影响建筑的中心地理坐标,计算任一预设区域内所有影响建筑中心到该规划路线的最短距离的均值并标记为Lv。
声音是随着距离的增大而衰减的,距离规划路线越近,那么所受到的噪声影响也就越大,距离规划路线越远,那么所受到的噪声影响也就越小,同时,影响建筑的数量的多少也代表了该预设区域的受影响程度,影响建筑的数量越多,说明居民数越多,该预设区域的受影响程度也就越严重。
在本发明的另一种优选的实施例中,还包括识别得出学校区域、医院区域和住宅区域后,分别提取所有预设区域的名称,将所有预设区域的名称带入地理信息数据库中得到每个预设区域的建筑类型,将建筑类型分为高层建筑区域、中层建筑区域和底层建筑区域。
高层建筑区域、中层建筑区域和底层建筑区域代表了居民的人口数量,楼层越高,那么所能承载的居民数也就越多,居民数越多,那么受到货车行驶时的噪音影响程度也就越大。
在本发明的另一种优选的实施例中,所述路线选择模块中,影响分数P具体计算过程为:
P白i=A*ki*Δy/Lvi;
P夜i=B*ki*Δy/Lvi;
其中,A为预设白天噪声影响系数,B为预设夜晚噪声影响系数,且A小于B,ki为任一预设区域内处于所述影响范围内的建筑数量,Lvi为任一预设区域内处于影响范围内的建筑中心到规划路线最短距离均值,Δy表示不同建筑类型对应的预设系数,其中,α大于β大于γ;
n为该规划路线中预计到达时刻属于白天的数量,m为该规划路线中预计到达时刻属于夜晚的数量,Pi白为任一处于白天的预设区域影响分数,Pq夜为任一处于夜晚的预设区域影响分数。
夜晚通常是人们休息的时间,相对于白天而言,噪声因素较少。因此,在同一预设区域内,货车行驶时会对夜晚造成比白天更大的噪音干扰。这是因为在夜晚,城市环境相对安静,人们对噪声更敏感,噪音传播距离也相对较远。而白天由于人口活动增加、交通流量高和建筑工地等活动密集,导致白天受到更多的噪音因素影响,所以白天噪声影响系数要小于夜晚噪声影响系数。
在本发明的另一种优选的实施例中,若存在任一预设区域内的影响建筑存在多种建筑类型,则该预设区域的影响分数P特的计算过程为:
P特=A*(k1*α+k2*β+k3*γ)/Lv特;
P特=B*(k1*α+k2*β+k3*γ)/Lv特;
其中,k1为该区域内高层影响建筑的数量,k2为该区域内中层影响建筑的数量,k3为该区域内低层影响建筑的数量。
在本发明的另一种优选的实施例中,所述路线选择模块还包括,若所有规划路线的影响分数P均大于等于预设阈值,则选取最小影响分数所对应的规划路线作为最优路线,同时,实时获取货车运行的实时地理位置和货车周围建筑信息,若货车周围存在预设区域,则对驾驶员发出反馈,提醒驾驶员减缓车速,减少鸣笛。
选取影响分数最小的路线作为最优路线,这样可以最大限度地避免货车经过噪音敏感区域,降低对居民和环境的噪音干扰,同时通过实时获取货车的地理位置和周围建筑信息,可以更准确地判断货车是否进入预设的敏感区域,通过向驾驶员发送反馈信息,提醒他们减缓车速和减少鸣笛,可以增强驾驶员的意识,促使他们主动采取措施来降低货车的噪音污染,能够减少货车噪音对居民和环境的影响,提高交通运输的环境友好性。
在本发明的另一种优选的实施例中,所述路线优化模块中,评价分数H的计算过程为:
计算当前时刻每个优选分数对应的规划路线的路况C=μ*Qi*Vi;其中μ为预设修正系数,Qi任一规划路线的当前时刻的道路拥挤系数,Vi为任一规划路线所需行驶拐弯次数,将路况C和优选分数相加得到评价分数H。
通过计算所有优选分数对应的规划路线的路况C,可以考虑实际道路情况对路线选择的影响。这样可以避免选择在交通拥堵或施工区域等路况不佳的路线,减少货车行驶中的延迟和不确定性,同时考虑到影响分数P这样可以确保在综合考虑各种因素后,选择出最优路线,既保证最大限度的减少对周围环境产生的噪声影响也提高了货车运输的效率。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (10)
1.一种基于北斗定位的导航路线规划系统,其特征在于,包括:
路线初始模块,用于获取当前货车的地理位置信息和目标的地理位置信息,根据所述地理位置信息和目标的地理位置信息生成若干规划路线并标记为Y1,Y2,…,Yn;
数据采集模块,用于统计任一规划路线Yi所经过的预设区域;并获取所述预设区域的参数;所述预设区域为学校区域、医院区域和住宅区域;所述预设区域参数为预设区域建筑类型、预计到达每个预设区域的时间点、建筑数量;
路线选择模块,用于根据每条规划路线所经过预设区域的数量和参数,计算得出每条规划路线所对应的影响分数并标记为P1,P2,...,Pn,筛选出影响分数P小于预设阈值所对应的规划路线并标记为待处理规划路线,将最小的影响分数标记为MinP,若MinP与所有影响分数Pi的差值均大于预设差异阈值,则选取MinP所对应的规划路线作为最优路线;若存在与MinP的差值小于等于预设差异阈值的影响分数Pi,则将MinP和该影响分数标记为优选分数;
路线优化模块,用于分别计算所有优选分数对应的规划路线的路况C,根据优选分数和路况C,计算得出每个处理规划路线的评价分数H,选取评价分数最小的规划路线作为最优路线。
2.根据权利要求1所述的一种基于北斗定位的导航路线规划系统,其特征在于,所述数据采集模块中,统计任一规划路线Yi所经过的预设区域的具体过程为:
获取货车运行时存在的噪音量并标记为dB货,根据城市环境噪声标准得到噪声音量阈值并标记为dB标,计算货车运行噪音量dB货和噪声音量阈值dB标的差值dB差,通过公式dB差=10log(πR2/4)计算得出影响半径R,基于GIS技术获取每个规划路线Yi的地图数据,以任一路线点为中心,影响半径R画圆得到噪音影响范围,提取噪音影响范围涉及的所有建筑区域的名称,对每个建筑区域的名称进行关键词匹配,识别得出学校区域、医院区域和住宅区域,即为预设区域。
3.根据权利要求2所述的一种基于北斗定位的导航路线规划系统,其特征在于,还包括对识别得出的预设区域进行筛选,根据噪音影响范围,获取任一预设区域内所有处于噪音影响范围内的建筑并标记为影响建筑,若任一预设区域内不存在影响建筑,则将该预设区域剔除。
4.根据权利要求1所述的一种基于北斗定位的导航路线规划系统,其特征在于,所述数据采集模块中,若存在部分处于影响范围内的建筑,则获取该建筑的俯视面积S,同时将处于影响范围内的该建筑的俯视面积标记为影响面积S1,预设阈值,若该建筑的影响面积S1与俯视面积S的比值大于预设阈值,则判定该建筑为影响建筑,若该建筑的影响面积S1与俯视面积S的比值小于预设阈值,则判定该建筑不为影响建筑。
5.根据权利要求1所述的一种基于北斗定位的导航路线规划系统,其特征在于,所述数据采集模块,获取预设区域参数的具体过程为:
获取任一规划路线所经过的预设区域的地理位置坐标,计算到达每个预设区域的预计行驶时间,获取当前货车出发时刻t初,计算得出到达每个预设区域的预计到达时刻并标记为t1,t2,...,te,获取每个预设区域内影响建筑的数量k和每个影响建筑的中心地理坐标,计算任一预设区域内所有影响建筑中心到该规划路线的最短距离的均值并标记为Lv。
6.根据权利要求2所述的一种基于北斗定位的导航路线规划系统,其特征在于,还包括将所有预设区域的名称带入地理信息数据库中得到每个预设区域的建筑类型,将建筑类型分为高层建筑区域、中层建筑区域和底层建筑区域。
7.根据权利要求1所述的一种基于北斗定位的导航路线规划系统,其特征在于,所述路线选择模块中,影响分数P具体计算过程为:
P白i=A*ki*Δy/Lvi;
P夜i=B*ki*Δy/Lvi;
其中,A为预设白天噪声影响系数,B为预设夜晚噪声影响系数,且A小于B,ki为任一预设区域内处于所述影响范围内的建筑数量,Lvi为任一预设区域内处于影响范围内的建筑中心到规划路线最短距离均值,Δy表示不同建筑类型对应的预设系数,其中,α大于β大于γ;
n为该规划路线中预计到达时刻属于白天的数量,m为该规划路线中预计到达时刻属于夜晚的数量,Pi白为任一处于白天的预设区域影响分数,Pq夜为任一处于夜晚的预设区域影响分数。
8.根据权利要求6所述的一种基于北斗定位的导航路线规划系统,其特征在于,若存在任一预设区域内的影响建筑存在多种建筑类型,则该预设区域的影响分数P特的计算过程为:
P特=A*(k1*α+k2*β+k3*γ)/Lv特;
P特=B*(k1*α+k2*β+k3*γ)/Lv特;
其中,k1为该区域内高层影响建筑的数量,k2为该区域内中层影响建筑的数量,k3为该区域内低层影响建筑的数量。
9.根据权利要求1所述的一种基于北斗定位的导航路线规划系统,其特征在于,所述路线选择模块还包括,若所有规划路线的影响分数P均大于等于预设阈值,则选取最小影响分数所对应的规划路线作为最优路线同时,实时获取货车运行的实时地理位置和货车周围建筑信息,若货车周围存在预设区域,则对驾驶员发出反馈,提醒驾驶员减缓车速,减少鸣笛。
10.根据权利要求1所述的一种基于北斗定位的导航路线规划系统,其特征在于,所述路线优化模块中,评价分数H的计算过程为:
计算当前时刻每个优选分数对应的规划路线的路况C=μ*Qi*Vi;其中μ为预设修正系数,Qi任一规划路线的当前时刻的道路拥挤系数,Vi为任一规划路线所需行驶拐弯次数,将路况C和优选分数相加得到评价分数H。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311709442.9A CN117848365B (zh) | 2023-12-12 | 一种基于北斗定位的导航路线规划系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311709442.9A CN117848365B (zh) | 2023-12-12 | 一种基于北斗定位的导航路线规划系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117848365A true CN117848365A (zh) | 2024-04-09 |
CN117848365B CN117848365B (zh) | 2024-07-05 |
Family
ID=
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE202016003883U1 (de) * | 2016-06-21 | 2016-07-15 | Adrienne Baisch | Applikation (App), bewegungsprogrammiertes, regelungsökonomisches Organisations- und Steuerungsverfahren, mit individuelier Einflußnahme in Personen-Lift-/ bzw. Waren-Aufzug-Fahrzeit-Rhythmik in Hochhaus-/Wohn- und Bürotürmen, u.a. zur signifikanten Reduzierung von Wartzezeiten, sowie hiermit in Symbiose stehenden, bewegungsprogrammierten Parkhaus-Etagen-Leit-/Systemen, mit individueller Einflußnahme, für ökonomisch-ökologisch, verfahrensgesteuerte Parkflächen Zielanfahrten, eines individuell verbesserten Zeitmanagements. |
US20170262790A1 (en) * | 2016-03-11 | 2017-09-14 | Route4Me, Inc. | Complex dynamic route sequencing for multi-vehicle fleets using traffic and real-world constraints |
CN108334726A (zh) * | 2017-08-17 | 2018-07-27 | 中山大学 | 一种城市区域道路噪声分布预测方法 |
CN109886502A (zh) * | 2019-03-06 | 2019-06-14 | 北京工业大学 | 一种减少夜间配送噪音影响的路线选择方法 |
CN111428285A (zh) * | 2020-03-12 | 2020-07-17 | 深圳小库科技有限公司 | 一种噪音评估方法、装置及存储介质 |
CN114021384A (zh) * | 2021-11-25 | 2022-02-08 | 福州大学 | 一种基于bim和gis的道路噪声可视化评价方法 |
US20220402521A1 (en) * | 2021-06-16 | 2022-12-22 | Waymo Llc | Autonomous path generation with path optimization |
JP2023045814A (ja) * | 2021-09-22 | 2023-04-03 | 株式会社Jvcケンウッド | ナビゲーション装置、ナビゲーション方法及びプログラム |
CN116595717A (zh) * | 2023-04-18 | 2023-08-15 | 北京市科学技术研究院城市安全与环境科学研究所 | 一种城市交通噪声分级评估方法和系统 |
CN116976539A (zh) * | 2023-09-21 | 2023-10-31 | 交通运输部科学研究院 | 基于交通噪声的路线布局优化方法、装置及设备 |
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170262790A1 (en) * | 2016-03-11 | 2017-09-14 | Route4Me, Inc. | Complex dynamic route sequencing for multi-vehicle fleets using traffic and real-world constraints |
DE202016003883U1 (de) * | 2016-06-21 | 2016-07-15 | Adrienne Baisch | Applikation (App), bewegungsprogrammiertes, regelungsökonomisches Organisations- und Steuerungsverfahren, mit individuelier Einflußnahme in Personen-Lift-/ bzw. Waren-Aufzug-Fahrzeit-Rhythmik in Hochhaus-/Wohn- und Bürotürmen, u.a. zur signifikanten Reduzierung von Wartzezeiten, sowie hiermit in Symbiose stehenden, bewegungsprogrammierten Parkhaus-Etagen-Leit-/Systemen, mit individueller Einflußnahme, für ökonomisch-ökologisch, verfahrensgesteuerte Parkflächen Zielanfahrten, eines individuell verbesserten Zeitmanagements. |
CN108334726A (zh) * | 2017-08-17 | 2018-07-27 | 中山大学 | 一种城市区域道路噪声分布预测方法 |
CN109886502A (zh) * | 2019-03-06 | 2019-06-14 | 北京工业大学 | 一种减少夜间配送噪音影响的路线选择方法 |
CN111428285A (zh) * | 2020-03-12 | 2020-07-17 | 深圳小库科技有限公司 | 一种噪音评估方法、装置及存储介质 |
US20220402521A1 (en) * | 2021-06-16 | 2022-12-22 | Waymo Llc | Autonomous path generation with path optimization |
JP2023045814A (ja) * | 2021-09-22 | 2023-04-03 | 株式会社Jvcケンウッド | ナビゲーション装置、ナビゲーション方法及びプログラム |
CN114021384A (zh) * | 2021-11-25 | 2022-02-08 | 福州大学 | 一种基于bim和gis的道路噪声可视化评价方法 |
CN116595717A (zh) * | 2023-04-18 | 2023-08-15 | 北京市科学技术研究院城市安全与环境科学研究所 | 一种城市交通噪声分级评估方法和系统 |
CN116976539A (zh) * | 2023-09-21 | 2023-10-31 | 交通运输部科学研究院 | 基于交通噪声的路线布局优化方法、装置及设备 |
Non-Patent Citations (1)
Title |
---|
马蔚纯, 林健枝, 沈家, 陈立民, 余澍滨: "高密度城市道路交通噪声的典型分布及其在战略环境评价(SEA)中的应用", 环境科学学报, no. 04, 26 July 2002 (2002-07-26) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2020230354B2 (en) | Using prediction models for scene difficulty in vehicle routing | |
US11009364B2 (en) | Vehicular communications network and methods of use and manufacture thereof | |
US8160811B2 (en) | Method and system to estimate driving risk based on a hierarchical index of driving | |
US11378955B2 (en) | Planning autonomous motion | |
US10281920B2 (en) | Planning for unknown objects by an autonomous vehicle | |
US11680820B2 (en) | Map information system | |
US20210269023A1 (en) | Agent prioritization for autonomous vehicles | |
US10540895B2 (en) | Management of mobile objects | |
CN105074793A (zh) | 用于车辆路径规划和交通管理的车道级车辆导航 | |
CN112767683B (zh) | 一种基于反馈机制的路径诱导方法 | |
US20200320869A1 (en) | Method for un-signalized intersection traffic flow management | |
JP2024518931A (ja) | 車両の運転行動を検出すること | |
JP2020060369A (ja) | 地図情報システム | |
CN110361028A (zh) | 一种基于自动驾驶循迹的路径规划结果生成方法及系统 | |
CN113692373A (zh) | 自动驾驶车辆服务的滞留和范围分析 | |
US20240085193A1 (en) | Automated dynamic routing unit and method thereof | |
CN117848365B (zh) | 一种基于北斗定位的导航路线规划系统 | |
CN117848365A (zh) | 一种基于北斗定位的导航路线规划系统 | |
US11928962B2 (en) | Location risk determination and ranking based on vehicle events and/or an accident database | |
US20220292954A1 (en) | System and method for providing decision suggestions to an operator of a vehicle and a computer program product | |
WO2022230144A1 (ja) | 集計装置、集計方法及び集計プログラム | |
Mon et al. | GPS Data Enrichment for Detecting Driver’s Real-time Behaviour in Myanmar | |
US20230331256A1 (en) | Discerning fault for rule violations of autonomous vehicles for data processing | |
JP2023043074A (ja) | 車両制御システムおよび電子制御装置 | |
CN118097942A (zh) | 交通热点区域的确定方法、装置、设备、存储介质及产品 |
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 |