KR20230035227A

KR20230035227A - 내비게이션 경로 계획 방법, 장치, 설비 및 저장 매체

Info

Publication number: KR20230035227A
Application number: KR1020227039521A
Authority: KR
Inventors: 지저우 황; 커자오 리; 보 저우; 판 왕; 징저우 허; 하이펑 왕
Original assignee: 베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드
Priority date: 2021-08-31
Filing date: 2022-04-28
Publication date: 2023-03-13
Also published as: CN113758494B; US20230243661A1; WO2023029534A1; EP4174442A1; JP2023542576A; CN113758494A

Abstract

본 개시는 내비게이션 경로 계획 방법, 장치, 설비 및 저장 매체를 제공한다. 내비게이션 경로 계획 방법은, 목표 영역 중 적어도 2명의 목표 사용자 중의 각 목표 사용자를 위한 적어도 두 개의 도달 가능한 내비게이션 경로를 계획하는 단계; 및 상기 목표 영역의 전역 통행 특징을 결정하고, 상기 목표 영역의 전역 통행 특징에 따라, 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서 하나의 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 선택하여 상기 각 목표 사용자에게 추천하는 단계를 포함한다.

Description

내비게이션 경로 계획 방법, 장치, 설비 및 저장 매체

본 출원은 2021년 08월 31일에 중국 특허청에 제출된 출원 번호가 202111015963.5인 중국 특허 출원의 우선권을 주장하는바, 상기 출원의 전부 내용은 참조로서 본 출원에 포함된다.

본 개시는 컴퓨터 기술분야에 관한 것으로서, 지능형 교통, 전자 지도 및 강화 학습 등 인공지능 기술분야에 관한 것이고, 예를 들어, 내비게이션 경로 계획 방법, 장치, 전자 설비 및 컴퓨터 판독 가능 저장 매체에 관한 것이다.

교통 정체는 도시 발전 과정에서 점점 심각해지고 있는 문제이다. 매년 교통 정체로 인한 경제적 손실은 약 국내 총생산(Gross Domestic Product, GDP)의 5%를 차지하게 되고, 교통 효율의 향상은 크나큰 사회적 효익을 가져다 줄 수 있다.

내비게이션 제품은 사용자가 외출할 때 사용하는 사용 빈도가 높은 보조 도구 중 하나로서, 사용자가 외출할 때, 특히, 사용자가 낯선 환경에 있을 때, 사용자가 출발하는 출발점과 가려고 하는 종점에 따라, 사용자를 위한 경로를 계획할 수 있다.

본 개시는 목표 영역의 출행 효율을 향상시킬 수 있는 내비게이션 경로 계획 방법, 장치, 설비 및 저장 매체를 제공한다.

본 개시의 일 측면에 따르면, 내비게이션 경로 계획 방법을 제공하고, 상기 방법은,

목표 영역 중 적어도 2명의 목표 사용자 중의 각 목표 사용자를 위한 적어도 두 개의 도달 가능한 내비게이션 경로를 계획하는 단계; 및

상기 목표 영역의 전역 통행 특징을 결정하고, 상기 목표 영역의 전역 통행 특징에 따라, 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서 하나의 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 선택하여 상기 각 목표 사용자에게 추천하는 단계를 포함한다.

본 개시의 다른 측면에 따르면, 내비게이션 경로 계획 장치를 제공하고, 상기 장치는,

목표 영역 중 적어도 2명의 목표 사용자 중의 각 목표 사용자를 위한 적어도 두 개의 도달 가능한 내비게이션 경로를 계획하도록 구성된 도달 가능한 경로 계획 모듈; 및

상기 목표 영역의 전역 통행 특징을 결정하고, 상기 목표 영역의 전역 통행 특징에 따라, 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서 하나의 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 선택하여 상기 각 목표 사용자에게 추천하도록 구성된 추천 경로 선택 모듈; 을 포함한다.

본 개시의 또 다른 측면에 따르면, 전자 설비를 제공하고, 상기 전자 설비는,

적어도 하나의 프로세서; 및

상기 적어도 하나의 프로세서와 통신적으로 연결되는 메모리; 를 포함하되, 여기서,

상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되고, 상기 명령이 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서가 상기 내비게이션 경로 계획 방법을 수행할 수 있도록 한다.

본 개시의 또 다른 측면에 따르면, 컴퓨터 명령이 저장되어 있는 비일시적 컴퓨터 판독 가능 저장 매체를 제공하고, 여기서, 상기 컴퓨터 명령은 상기 컴퓨터가 상기 내비게이션 경로 계획 방법을 수행하도록 한다.

본 개시의 또 다른 측면에 따르면, 컴퓨터 프로그램 제품을 제공하고, 해당 컴퓨터 프로그램 제품은 컴퓨터 프로그램/명령을 포함하며, 상기 컴퓨터 프로그램/명령이 프로세서에 의해 실행될 때, 상기 내비게이션 경로 계획 방법을 구현한다.

도 1a는 본 개시에 따른 실시예에 의해 제공되는 내비게이션 경로 계획 방법의 개략도이다.
도 1b는 관련 기술의 내비게이션 경로 계획 효과의 개략도이다.
도 1c는 본 개시에 따른 실시예에 의해 제공되는 내비게이션 경로 계획 효과의 개략도이다.
도 2는 본 개시에 따른 실시예에 의해 제공되는 다른 내비게이션 경로 계획 방법의 개략도이다.
도 3은 본 개시에 따른 실시예에 의해 제공되는 또 다른 내비게이션 경로 계획 방법의 개략도이다.
도 4는 본 개시에 따른 실시예에 의해 제공되는 또 다른 내비게이션 경로 계획 방법의 개략도이다.
도 5는 본 개시에 따른 실시예에 의해 제공되는 내비게이션 경로 계획 장치의 개략도이다.
도 6은 본 개시에 따른 실시예에 의해 제공되는 추천 경로 선택 모듈의 개략도이다.
도 7은 본 개시에 따른 실시예에 의해 제공되는 후보 경로 그룹 유닛의 개략도이다.
도 8은 본 개시에 따른 실시예에 의해 제공되는 다른 내비게이션 경로 계획 장치의 개략도이다.
도 9는 본 개시에 따른 실시예에 의해 제공되는 전역 통행 트리거 모듈의 개략도이다.
도 10은 본 개시에 따른 실시예에 의해 제공되는 다른 내비게이션 경로 계획 장치의 개략도이다.
도 11은 본 개시에 따른 실시예에 의해 제공되는 목표 속도 모듈의 개략도이다.
도 12는 본 개시에 따른 실시예에 의해 제공되는 다른 추천 경로 선택 모듈의 개략도이다.
도 13은 본 개시에 따른 실시예에 의해 제공되는 다른 추천 경로 선택 모듈의 개략도이다.
도 14는 본 개시에 따른 실시예의 내비게이션 경로 계획 방법을 구현하기 위한 전자 설비의 블록도이다.

이하, 도면을 결합하여 본 개시의 예시적인 실시예를 설명하도록 한다. 여기서, 본 개시의 실시예를 포함하는 각종 상세한 설명은 이해를 돕기 위한 것이며, 이들을 예시적인 것으로 간주하여야 한다. 명확하고 간결하게 하기 위해, 이하의 설명에서는 공지된 기능과 구조 및 하기 실시예와의 연관성이 낮은 기능과 구조에 대한 설명을 생략하도록 한다.

이하, 도면에 결합하여 본 개시에 따른 실시예에 의해 제공되는 방안을 설명한다.

도 1a는 본 개시에 따른 실시예에 의해 제공되는 내비게이션 경로 계획 방법의 개략도이고, 본 개시의 실시예는 전자 지도에 기반하여 사용자에게 추천 경로를 제공하는 경우에 적용될 수 있다. 해당 방법은 내비게이션 경로 계획 장치에 의해 수행될 수 있고, 해당 장치는 하드웨어 및/또는 소프트웨어의 방식으로 구현될 수 있으며, 전자 설비에 구성될 수 있다. 도 1a를 참조하면, 해당 방법은 다음과 같은 단계를 포함한다.

단계(S110), 목표 영역 중 적어도 2명의 목표 사용자 중의 각 목표 사용자를 위한 적어도 두 개의 도달 가능한 내비게이션 경로를 계획한다.

단계(S120), 상기 목표 영역의 전역 통행 특징을 결정하고, 상기 목표 영역의 전역 통행 특징에 따라, 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서 하나의 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 선택하여 상기 각 목표 사용자에게 추천한다.

본 개시의 실시예에서, 도로 네트워크 토폴로지 정보에 기반하여 영역을 분할함으로써 복수의 영역을 얻을 수 있고, 도로 네트워크 토폴로지 정보는 인접 행렬법(Adjacency Matrix), 그래프 신경망법(Graph Neural Network) 등을 응용하여 구축할 수 있으며, 본 개시의 실시예는 이에 대해 한정하지 않는다. 목표 사용자는 내비게이션이 필요한 사용자이고, 적어도 2명의 목표 사용자를 포함하는 영역을 목표 영역으로 한다.

목표 영역의 각 목표 사용자에 대해, 경로 계획 알고리즘을 채택하여, 해당 목표 사용자의 출발점 정보 및 종점 정보에 따라, 해당 목표 사용자를 위한 목표 영역 내의 출발점으로부터 종점까지의 적어도 두 개의 도달 가능한 내비게이션 경로를 계획할 수 있다. 경로 계획 알고리즘은 예를 들어, 다익스트라(Dijkstra) 알고리즘, A*발견적 검색(Heuristically Search) 알고리즘, D*역방향 점진적 검색 알고리즘, 인생 계획 A* 알고리즘(Life Planning A*, LPA*), 모델 알고리즘 등일 수 있다. 상이한 목표 사용자는 상이한 차량에 대응될 수 있고, 다중 사용자 내비게이션 경로 계획은 다중 차량 내비게이션 경로 계획이다.

목표 영역의 전역 통행 특징은 목표 영역 중 단일 목표 사용자의 국부 통행 특징을 의미하는 것이 아니라, 목표 영역 중 다수의 목표 사용자의 전체 통행 특징을 의미하고, 목표 영역의 전역 통행 시간을 목표로 하여 협력 경로 계획을 수행하는데 사용된다.

관련 기술에서는, 단일 목표 사용자의 통행 시간에 따라 경로를 계획하고, 목표 영역의 기타 사용자의 영향을 고려하지 않는다. 예를 들어, 각 목표 사용자에 대해, 해당 목표 사용자의 각 도달 가능한 내비게이션 경로의 통행 시간을 결정하고, 통행 시간이 가장 짧은 도달 가능한 내비게이션 경로를 해당 목표 사용자의 추천 내비게이션 경로로 한다. 다음과 같은 출행 수요를 예로 든다. 목표 영역에서, 6명의 목표 사용자의 출발점은 모두 A지점이고, 종점은 모두 B지점이며, 도달 가능한 내비게이션 경로는 경로 1, 경로 2 및 경로 3을 포함하고, 경로 2, 경로 3, 경로 1의 통행 시간은 순차적으로 증가된다. 도 1b를 참조하면, 관련 기술에서는 통행 시간이 가장 짧은 경로 2를 추천 내비게이션 경로로서 각 목표 사용자에게 추천하기 때문에, 경로 2가 과부하로 인해 혼잡해지게 되어, 경로 2의 각 사용자의 통행 효율을 저하시킴으로써, 경로 2의 각 사용자의 통행 시간을 증가시킨다.

그러나, 본 개시의 실시예는 목표 영역의 전역 통행 특징을 결정하고, 목표 영역의 다수의 사용자의 전역 통행 시간을 최적화하는 것을 목표로 하여 추천 내비게이션 경로를 결정하며, 즉, 목표 영역의 전역 이익을 목표로 하여 내비게이션 경로를 계획한다. 여전히 상기 출행 수요를 예로 들면, 도 1c를 참조하면, 6명의 사용자의 전역 통행 시간을 감소시키기 위해, 일부 사용자를 경로 1 또는 경로 3에 적합하게 할당할 수 있고, 예를 들어, 목표 영역에서 경로 2를 추천 내비게이션 경로로서 3명의 사용자에게 추천하고, 경로 3을 추천 내비게이션 경로로서 2명의 사용자에게 추천하며, 경로 1을 추천 내비게이션 경로로서 1명의 사용자에게 추천한다. 전역 이익에 기반한 내비게이션 경로 계획을 통해, 전체 교통 자원의 합리적인 동적 관리를 구현함으로써, 교통 네트워크 부하를 보다 균일하게 하여, 교통 혼잡을 완화하므로, 다수의 목표 사용자의 평균 통행 시간을 감소시키고, 목표 영역의 평균 출행 효율을 향상시킨다.

본 개시에 따른 실시예의 기술방안은, 전역 이익에 기반한 내비게이션 경로 계획을 통해, 목표 영역의 전역 통행 시간을 고려하여, 전역 통근 효율의 측면에서 다수의 사용자에게 합리적인 추천 내비게이션 경로를 제공할 수 있으므로, 목표 영역의 전체 통근 효율 및 출행 효율의 향상에 더 도움이 된다.

도 2는 본 개시에 따른 실시예에 의해 제공되는 다른 내비게이션 경로 계획 방법의 개략도이다. 본 실시예는 상기 실시예에 기초하여 제공되는 선택적인 방안이다. 도 2를 참조하면, 본 실시예에 의해 제공되는 내비게이션 경로 계획 방법은 다음과 같은 단계를 포함한다.

단계(S210), 목표 영역 중 적어도 2명의 목표 사용자 중의 각 목표 사용자를 위한 적어도 두 개의 도달 가능한 내비게이션 경로를 계획한다.

단계(S220), 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서, 상기 각 목표 사용자를 위한 하나의 도달 가능한 내비게이션 경로를 후보 내비게이션 경로로 각각 선택하여, 모든 목표 사용자의 후보 내비게이션 경로를 포함하는 후보 내비게이션 경로 그룹을 획득하고; 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서, 상기 각 목표 사용자를 위한 하나의 도달 가능한 내비게이션 경로를 후보 내비게이션 경로로 각각 선택하여, 모든 목표 사용자의 후보 내비게이션 경로를 포함하는 후보 내비게이션 경로 그룹을 획득하는 조작을 반복적으로 수행하여, 목표 영역의 다수의 후보 내비게이션 경로 그룹을 획득한다.

단계(S230), 상기 목표 영역의 각 후보 내비게이션 경로 그룹에 따라, 상기 후보 내비게이션 경로 그룹의 전역 통행 시간을 결정한다.

단계(S240), 각 후보 내비게이션 경로 그룹의 전역 통행 시간에 따라, 상기 다수의 후보 내비게이션 경로 그룹으로부터 하나의 후보 내비게이션 경로 그룹을 추천 내비게이션 경로 그룹으로 선택하고, 상기 추천 내비게이션 경로 그룹에 따라 각 목표 사용자의 추천 내비게이션 경로를 얻는다.

후보 내비게이션 경로 그룹은 각 목표 사용자를 위해 선택한 후보 내비게이션 경로를 포함하고, 후보 내비게이션 경로 그룹 중의 후보 내비게이션 경로의 수는 목표 사용자의 수와 동일하다. 예를 들어, 목표 영역의 각 목표 사용자의 경우, 해당 목표 사용자를 위한 적어도 두 개의 도달 가능한 내비게이션 경로를 계획할 수 있고; 해당 목표 사용자의 적어도 두 개의 도달 가능한 내비게이션 경로에서, 해당 목표 사용자를 위한 하나의 도달 가능한 내비게이션 경로를 후보 내비게이션 경로로 선택하여, 모든 목표 사용자의 후보 내비게이션 경로를 포함하는 후보 내비게이션 경로 그룹을 얻는다. 본 개시의 실시예는 후보 내비게이션 경로 그룹의 수를 한정하지 않으며, 목표 영역에 3명의 목표 사용자가 존재하고, 각 목표 사용자가 3 개의 도달 가능한 내비게이션 경로를 갖고 있는 경우를 예로 들면, 후보 내비게이션 경로 그룹의 최대 수는 27이다.

후보 내비게이션 경로 그룹의 전역 통행 시간은 다음과 같은 방식으로 결정될 수 있다. 후보 내비게이션 경로 그룹 중의 각 후보 내비게이션 경로에 대해, 해당 후보 내비게이션 경로 중의 각 도로 구간의 길이 및 목표 타임 윈도우에서의 해당 도로 구간의 목표 통행 속도에 따라, 해당 후보 내비게이션 경로의 통행 시간을 결정하고; 후보 내비게이션 경로 그룹 중의 다수의 후보 내비게이션 경로의 통행 시간을 합산하여, 목표 영역의 전역 통행 특징으로서 후보 내비게이션 경로 그룹의 전역 통행 시간을 얻는다. 목표 타임 윈도우는 현재 타임 윈도우 뒤에 위치할 수 있고, 예를 들어, 다음 타임 윈도우일 수 있고, 단일 타임 윈도우의 길이는 한정되지 않으며, 예를 들어, 30분 또는 1시간 등일 수 있다. 여기서, 목표 타임 윈도우는 모든 사용자가 하나의 경로 또는 도로 구간에서 통행하는 경우를 가정하면, 통행 과정에서 대응되는 하나의 시간대로 이해될 수 있고; 현재 타임 윈도우는 실제 상황에서 사용자가 도로 구간에서 통행하는 현재 시간대로 이해될 수 있으며, 현재 타임 윈도우에 대응되는 도로 구간의 현재 통행 속도는 실제로 모니터링되는 도로 구간의 통행 속도일 수 있다.

또한, 각 후보 내비게이션 경로 그룹의 전역 통행 시간에 따라, 다수의 후보 내비게이션 경로 그룹으로부터 하나의 후보 내비게이션 경로 그룹을 추천 내비게이션 경로 그룹으로 선택할 수 있고, 예를 들어, 전역 통행 시간이 가장 짧은 후보 내비게이션 경로 그룹을 추천 내비게이션 경로 그룹으로 하고, 추천 내비게이션 경로 그룹 중의 각 목표 사용자의 후보 내비게이션 경로를 해당 목표 사용자의 추천 내비게이션 경로로 할 수 있다. 중앙 제어 알고리즘을 채택하여, 전역 이익에 기반하여 다수의 사용자 내비게이션 경로를 계획할 수 있다. 목표 영역의 전체 교통 통행 시간을 목표로 하여, 목표 영역의 전역 도로 상황 특징에 따라 각 후보 내비게이션 경로 그룹의 전역 통행 시간을 결정하고, 전역 통행 시간에 따라 다수의 후보 내비게이션 경로 그룹으로부터 하나의 후보 내비게이션 경로 그룹을 추천 내비게이션 경로 그룹으로 선택하여, 목표 사용자의 추천 내비게이션 경로를 얻음으로써, 목표 영역의 전역 최적화를 구현하고, 전체 통행 효율을 향상시킨다.

하나의 선택적인 실시형태에서, 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서, 상기 각 목표 사용자를 위한 하나의 도달 가능한 내비게이션 경로를 후보 내비게이션 경로로 각각 선택하여, 모든 목표 사용자의 후보 내비게이션 경로를 포함하는 후보 내비게이션 경로 그룹을 획득하는 단계는, 목표 영역으로부터 제1 개수의 목표 사용자를 제1 유형 사용자로 선택하고, 목표 영역에서 제1 유형 사용자 이외의 목표 사용자를 제2 유형 사용자로 하는 단계; 목표 타임 윈도우에서의 각 도달 가능한 내비게이션 경로의 통행 시간을 결정하는 단계; 및 통행 시간이 가장 짧은 제1 유형 사용자의 도달 가능한 내비게이션 경로 이외의 도달 가능한 내비게이션 경로에서, 상기 제1 유형 사용자를 위한 도달 가능한 내비게이션 경로를 후보 내비게이션 경로로 선택하고, 통행 시간이 가장 짧은 제2 유형 사용자의 도달 가능한 내비게이션 경로를 상기 제2 유형 사용자의 후보 내비게이션 경로로 하여, 목표 영역의 후보 내비게이션 경로 그룹을 얻는 단계를 포함한다.

제1 개수는 목표 사용자의 총 수와 제1 비례 임계값에 따라 결정될 수 있고, 예를 들어, 목표 사용자의 총 수와 제1 비례 임계값의 곱을 제1 개수로 사용할 수 있다. 제1 비례 임계값은 30%와 같은 고정값일 수 있다. 또한, 컴퓨팅 파워를 절약하기 위해, 제1 개수는 고정값일 수 있으므로, 제1 비례 임계값은 목표 사용자의 총 수와 제1 개수에 의해 동적으로 결정될 수 있다.

제2 유형 사용자의 경우, 통행 시간이 가장 짧은 도달 가능한 내비게이션 경로를 후보 내비게이션 경로로 할 수 있고, 즉, 제2 유형 사용자의 후보 내비게이션 경로는 고정되며; 제1 유형 사용자의 경우, 통행 시간이 가장 짧은 도달 가능한 내비게이션 경로 이외의 경로에서 도달 가능한 내비게이션 경로를 후보 내비게이션 경로로 선택하고, 즉, 제1 유형 사용자의 후보 내비게이션 경로는 하나 이상일 수 있다. 통행 시간이 가장 짧은 제2 유형 사용자의 도달 가능한 내비게이션 경로를 제2 유형 사용자의 후보 내비게이션 경로로 하고, 제1 유형 사용자를 위한 후보 내비게이션 경로를 동적으로 선택하여, 목표 영역의 후보 내비게이션 경로 그룹의 수를 감소시킬 수 있음으로써, 컴퓨팅 파워를 절약하고, 내비게이션 경로 계획 효율을 향상시킨다.

본 개시에 따른 실시예의 기술방안은, 목표 영역의 다수의 후보 내비게이션 경로 그룹을 결정하고, 각 후보 내비게이션 경로 그룹의 전역 통행 시간에 따라 다수의 후보 내비게이션 경로 그룹으로부터 하나의 후보 내비게이션 경로 그룹을 추천 내비게이션 경로 그룹으로 선택하여, 목표 사용자의 추천 내비게이션 경로를 얻음으로써, 목표 영역의 전역 최적화를 구현하고, 전체 통행 효율을 향상시킨다.

도 3은 본 개시에 따른 실시예에 의해 제공되는 또 다른 내비게이션 경로 계획 방법의 개략도이다. 본 실시예는 상기 실시예에 기초하여 제공되는 선택적인 방안이다. 도 3을 참조하면, 본 실시예에 의해 제공되는 내비게이션 경로 계획 방법은 다음과 같은 단계를 포함한다.

단계(S310), 목표 영역 중 적어도 2명의 목표 사용자 중의 각 목표 사용자를 위한 적어도 두 개의 도달 가능한 내비게이션 경로를 계획한다.

단계(S320), 목표 경로 결정 모델을 목표 영역의 전역 통행 특징으로 사용한다.

목표 경로 결정 모델은 다음과 같은 방식으로 결정된다. 다중 에이전트 강화 학습에 기반하여, 적어도 두 개의 대안 경로 결정 모델을 트레이닝하고; 각 대안 경로 결정 모델에 기반하여, 테스트 영역 중 다수의 테스트 사용자의 전역 통행 시간을 결정하며; 각 대안 경로 결정 모델에 기반하여 결정된 상기 테스트 영역의 전역 통행 시간에 따라, 적어도 두 개의 대안 경로 결정 모델로부터 하나의 대안 경로 결정 모델을 목표 경로 결정 모델로 선택한다.

단계(S330), 상기 목표 영역의 전역 통행 특징에 따라, 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서 하나의 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 선택하여 상기 각 목표 사용자에게 추천한다.

목표 경로 결정 모듈은 다중 에이전트 알고리즘에 의해 트레이닝되어 얻어질 수 있다. 목표 영역의 단일 목표 사용자와 모든 목표 사용자를 포함하는 전체 환경 사이의 인터랙션을 연구 대상으로 하면, 목표 사용자는 에이전트(agent)이고, 목표 영역의 모든 사용자를 자율 시스템(autonomous system)으로 하며, 보상 신호를 할당하여 단일 에이전트가 자동적으로 강화 학습을 수행하도록 함으로써, 개체의 이익을 최적화하면서 전체 환경의 이익을 겸하여 고려하고, 즉, 목표 영역의 전역 이익을 겸하여 고려한다. 다중 에이전트 알고리즘의 상태 공간 및 동작 공간은 사용자 수의 영향을 받지 않고, 중앙 제어 알고리즘의 상태 공간 및 동작 공간에 비하여, 사용자 수가 기하급수적으로 증가함에 따라, 컴퓨팅 자원을 절약하게 되므로, 내비게이션 경로 계획 효율을 향상시킨다.

대안 경로 결정 모델의 입력은 샘플 영역의 전역 도로 상황 특징, 샘플 사용자의 현재 위치 정보, 샘플 사용자의 출발점 정보 및 종점 정보일 수 있고, 대안 경로 결정 모델의 출력은 도달 가능한 내비게이션 경로에서 샘플 사용자를 위해 선택한 추천 내비게이션 경로일 수 있으며, 대안 경로 결정 모델의 보상 함수는 샘플 사용자의 통행 시간과 역으로 관련될 수 있다. 다중 에이전트 강화 학습에 기반하여, 적어도 두 개의 대안 경로 결정 모델을 트레이닝할 수 있고, 여기서, 상이한 대안 경로 결정 모델의 보상 함수는 상이하다.

대안 경로 결정 모델의 트레이닝이 완료된 후, 대안 경로 결정 모델에 기반하여 테스트 영역의 테스트 사용자에 대한 경로 계획을 수행하여 테스트 영역의 전역 통행 시간을 얻을 수도 있고; 상이한 대안 경로 결정 모델에 연관된 전역 통행 시간을 비교하고, 비교 결과에 따라 다수의 대안 경로 결정 모델로부터 하나의 대안 경로 결정 모델을 목표 경로 결정 모델로 선택하며, 예를 들어, 가장 짧은 전역 통행 시간에 연관된 대안 경로 결정 모델을 목표 경로 결정 모델로 한다. 본 개시의 실시예는 다중 에이전트 알고리즘을 한정하지 않는다. 예를 들어, 다중 에이전트의 마르코프 결정 프로세스(Markov decision process)를 구축할 수 있고, 보상 극대화를 통해 모델 파라미터를 조정한다.

하나의 선택적인 실시형태에서, 상기 목표 영역의 전역 통행 특징에 따라, 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서 하나의 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 선택하여 상기 각 목표 사용자에게 추천하는 단계는, 상기 목표 영역의 전역 도로 상황 특징, 각 목표 사용자의 현재 위치 정보, 상기 각 목표 사용자의 출발점 정보 및 종점 정보를 상기 목표 경로 결정 모델의 입력으로 하여, 상기 목표 경로 결정 모델이 상기 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서 선택한 하나의 도달 가능한 내비게이션 경로를 얻고, 상기 하나의 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 하여 상기 각 목표 사용자에게 추천하는 단계를 포함한다.

본 개시의 실시예에서, 목표 경로 결정 모델은 목표 영역의 전역 통행 특징으로서, 개체 이익의 최적화 및 목표 영역의 전역 이익의 최적화를 겸하여 고려할 수 있다. 목표 영역의 각 목표 사용자의 경우, 목표 영역의 전역 도로 상황 특징, 해당 목표 사용자의 현재 위치 정보, 해당 목표 사용자의 출발점 정보 및 종점 정보를 목표 경로 결정 모델의 입력으로 하여 목표 경로 결정 모델이 해당 목표 사용자를 위해 선택한 추천 내비게이션 경로를 얻는다.

목표 영역의 전역 도로 상황 특징은 도로 네트워크 토폴로지 정보, 도로 상황 정보, 도로 정보, 환경 정보를 포함하지만, 이에 한정되지 않는다. 여기서, 도로 상황 정보는 도로 구간의 입도를 나타내는 정보이고, 혼잡 레벨, 사용자 측면의 과거 통행 시간 등을 포함한다. 도로 정보는 차선, 지리적 위치, 간섭 정보 등을 포함하고, 차선 정보는 차선의 수, 제한 속도 정보 등일 수 있으며, 지리적 정보는 경위도 정보 등일 수 있고, 간섭 정보는 교통 통제 정보 등일 수 있으며, 환경 정보는 도로와 무관한 날씨, 시간대, 공휴일 등과 같은 정보를 의미할 수 있다.

본 개시에 따른 실시예의 기술방안은, 다중 에이전트 알고리즘을 통해 모든 개체를 자율 시스템으로 하고, 보상 신호를 할당하여 각 개체가 자동적으로 학습하도록 함으로써 개체 이익을 최대화하면서 시스템 이익을 최대화한다.

하나의 선택적인 실시형태에서, 목표 영역의 전역 통행 특징을 결정하는 단계 이전에, 목표 타임 윈도우에서의 목표 영역 중의 도로 구간의 목표 통행 속도에 따라, 목표 타임 윈도우에서의 각 도달 가능한 내비게이션 경로의 혼잡 정도를 결정하는 단계; 및 목표 타임 윈도우에서의 각 도달 가능한 내비게이션 경로의 혼잡 정도에 따라, 전역 통행 특징을 결정하는 조작을 수행할지 여부를 결정하는 단계를 더 포함한다.

도달 가능한 내비게이션 경로 중의 도로 구간의 목표 통행 속도와 혼잡 상황 관계를 비교하고, 비교 결과에 따라, 목표 타임 윈도우에서의 도달 가능한 내비게이션 경로의 혼잡 정도를 결정할 수 있으며, 여기서, 혼잡 상황 관계는 미리 결정될 수 있고, 예를 들어, 0-20km/h는 혼잡을 나타내고, 20-40km/h는 서행을 나타내며, 40 km이상은 원활한 통행을 나타낸다.

또한, 목표 타임 윈도우에서의 도달 가능한 내비게이션 경로의 혼잡 정도가 혼잡 차선 변경 조건을 만족하는 경우, 전역 통행 특징을 결정하는 조작을 수행하여, 전역 이익에 기반한 다중 차량 협력 경로 계획을 수행하고; 목표 타임 윈도우에서의 도달 가능한 내비게이션 경로의 혼잡 정도가 혼잡 차선 변경 조건을 만족하지 않는 경우, 전역 통행 특징을 결정하는 조작을 수행할 필요가 없이, 통행 시간이 가장 짧은 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 할 수 있다. 혼잡 차선 변경 조건은 도달 가능한 내비게이션 경로의 혼잡 비율이 비례 임계값보다 큰 것일 수 있다. 혼잡 차선 변경 조건을 만족하는 경우, 전역 이익에 기반하여 내비게이션 경로 계획을 수행하고, 혼잡 차선 변경 조건을 만족하지 않는 경우, 여전히 개체 이익에 기반하여 내비게이션 경로 계획을 수행함으로써, 통행 효율과 경로 계획의 컴퓨팅 자원 소모 간의 균형을 구현할 수 있고, 즉, 통행 효율과 자원 소모를 겸하여 고려할 수 있다.

하나의 선택적인 실시형태에서, 목표 타임 윈도우에서의 각 도달 가능한 내비게이션 경로의 혼잡 정도를 결정하는 단계 이전에, 현재 타임 윈도우에서의 목표 영역 중의 도로 구간의 현재 통행 속도를 결정하는 단계; 및 상기 도로 구간의 과거 유동량 데이터, 환경 정보, 도로 간섭 정보 및 현재 타임 윈도우에서의 도로 구간의 현재 통행 속도에 따라, 목표 타임 윈도우에서의 도로 구간의 목표 통행 속도를 결정하는 단계를 더 포함한다.

목표 영역의 전역 도로 상황 특징, 목표 사용자의 현재 위치 정보에 따라, 현재 타임 윈도우에서의 목표 영역 중의 도로 구간의 평균 주행 속도를 결정할 수 있고; 익스트림 그레이디언트 부스팅(Extreme Gradient Boosting, XGBoost) 알고리즘 또는 기타 회귀 알고리즘에 기반하여 회귀 장치(regression device)를 트레이닝할 수 있으며; 회귀 장치를 사용하여, 도로 구간의 과거 유동량 데이터, 환경 정보, 도로 간섭 정보 및 현재 타임 윈도우에서의 도로 구간의 현재 통행 속도에 따라, 목표 타임 윈도우에서의 도로 구간의 목표 통행 속도를 결정할 수 있다. 여기서, 목표 통행 속도는 도로 구간의 통행 시간을 산출하여, 목표 영역의 전역 통행 시간을 결정하는데 사용된다. 회귀 알고리즘을 통해 목표 타임 윈도우에서의 도로 구간의 목표 통행 속도를 결정하여, 목표 통행 속도의 정확도를 향상시킬 수 있으므로, 도로 구간, 도달 가능한 내비게이션 경로, 후보 내비게이션 경로, 전역 통행 시간의 정확도를 향상시킨다.

도 4는 본 개시에 따른 실시예에 의해 제공되는 또 다른 내비게이션 경로 계획 방법의 개략도이다. 본 실시예는 상기 실시예에 기초하여 제공되는 선택적인 방안이다. 도 4를 참조하면, 본 실시예에 의해 제공되는 내비게이션 경로 계획 방법은 다음과 같은 단계를 포함한다.

단계(S410), 목표 영역의 도로 상황 특징을 추출한다.

도로 상황 특징은 도로 네트워크 토폴로지, 도로 상황 정보, 도로 정보 및 환경 정보를 포함하지만, 이에 한정되지 않는다.

단계(S420), 목표 타임 윈도우에서의 목표 영역 중의 도로 구간의 목표 통행 속도를 결정한다.

단계(S430), 목표 영역 중 적어도 2명의 목표 사용자 중의 각 목표 사용자를 위한 적어도 두 개의 도달 가능한 내비게이션 경로를 계획한다.

단계(S440), 목표 타임 윈도우에서의 목표 영역 중의 도로 구간의 목표 통행 속도에 따라, 목표 타임 윈도우에서의 각 도달 가능한 내비게이션 경로의 혼잡 정도를 결정한다.

단계(S450), 목표 타임 윈도우에서의 각 도달 가능한 내비게이션 경로의 혼잡 정도에 따라, 전역 통행 특징을 결정하는 조작을 수행할지 여부를 결정하고; 전역 통행 특징을 결정하는 조작을 수행하면, 계속하여 단계(S460)을 수행하며; 전역 통행 특징을 결정하는 조작을 수행하지 않으면, 개체 이익에 기반하여, 통행 시간이 가장 짧은 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 한다.

단계(S460), 목표 영역의 전역 통행 특징을 결정하고, 상기 목표 영역의 전역 통행 특징에 따라, 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서 하나의 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 선택하여 상기 각 목표 사용자에게 추천한다.

다음과 같은 방식으로 목표 영역의 전역 통행 시간을 결정할 수 있다.

G는 목표 영역의 전역 통행 시간이고, n은 목표 영역 중의 사용자의 수이며, L(a _i , r _selected )는 사용자a _i 가 선택한 후보 내비게이션 경로의 길이이고,

는 사용자a _i 가 선택한 후보 내비게이션 경로 중의 도로 구간의 속도이다. 전역 통행 시간에 대해 최소화 처리를 수행하여, 목표 영역 중 다수의 사용자의 전체 통행 시간을 감소시킨다.

중앙 제어 알고리즘, 다중 에이전트 알고리즘 등을 채택하여 전역 이익의 최적화에 기반한 추천 내비게이션 경로의 선택을 구현할 수 있고, 개체 이익과 전역 이익을 충분히 균형시킬 수 있으며, 상이한 사용자의 경로 선택을 균형하게 함으로써, 전체 최적화를 목표로 하여 실질적인 개체 평균 최적화를 구현할 수 있다. 중앙 제어 알고리즘은 목표 영역에 중앙 제어 장치를 도입하여, 중앙 제어 장치를 통해 목표 영역의 전역 도로 상황 특징에 따라, 목표 영역 중의 각 사용자를 위한 추천 내비게이션 경로를 전체적으로 선택한다. 다중 에이전트 알고리즘은 목표 영역의 단일 사용자와 전체 환경의 인터랙션을 연구 대상으로 하고, 단일 사용자를 위한 추천 내비게이션 경로를 선택하며, 중앙 제어 알고리즘에 비하여, 결정 공간과 상태 공간이 감소되어, 컴퓨팅 자원을 절약할 수 있다.

다중 에이전트 알고리즘은 모든 개체(즉, 모든 사용자)를 자율 시스템으로 하고, 보상 신호를 할당하여 각 개체가 자동적으로 강화 학습을 수행하도록 함으로써, 개체 이익을 최대화하면서 전역 이익을 최대화한다. 목표 영역의 각 사용자를 하나의 에이전트로 할 수 있고, 목표 영역의 사용자 집합은 다중 에이전트 집합이며, 다중 에이전트 마르코프 결정 프로세스를 구축하고, 다중 에이전트 알고리즘을 통해 각 에이전트의 가치 함수를 최적화할 수 있으며, 즉, 각 에이전트의 기대 누적 보상을 최적화한다.

(1)

여기서, v는 누적 보상이고, E는 기대 연산자이며, γ는 보상 감소 인자이고, P는 상태 전이 함수이며, R는 보상 함수이고, 아래 첨자 i는 제i 번째 에이전트를 나타내며, 아래 첨자-i는 제i 번째 에이전트 이외의 기타 에이전트를 나타내고,

는 각 에이전트의 책략이며, s는 현재 에이전트의 상태이고, u는 현재 동작이며, T는 총 시간 스텝(total time step)이고, t는 현재 시간이다.

다중 에이전트 강화 학습 과정에서, 각 에이전트는 자신의 누적 보상을 최대화하여 자신의 최적 응답 책략을 얻는다.

(2)

여기서,

는 제i 번째 에이전트의 최적 책략이다.

강화 학습이 완료된 후, 즉, 다중 에이전트 알고리즘을 통해 트레이닝하여 성공적으로 가치 네트워크 모델(즉, 대안 경로 결정 모델)을 얻은 후, 다중 에이전트는 마르코프 내쉬 균형(Nash equilibrium)에 도달하고, 즉, 어떠한 에이전트도 일방적으로 그 전략을 벗어나 자신의 보상 할당을 향상시킬 수 없다.

(3)

는 응답 책략

이외의 기타 응답 책략을 의미하고,

는 다중 에이전트의 책략 집합이며, S는 다중 에이전트의 상태 집합이고, N은 다중 에이전트의 인덱스 집합이다.

상기 다중 에이전트 강화 학습을 통해 얻어진 대안 경로 결정 모델은 처리될 영역의 사용자를 위한 추천 내비게이션 경로를 선택하기 위한 것이다. 대안 경로 결정 모델의 입력은 처리될 영역의 전역 도로 상황 특징, 처리될 영역 중의 사용자의 현재 위치 정보 및 사용자의 출발점 정보와 종점 정보일 수 있고, 대안 경로 결정 모델의 출력은 해당 사용자의 추천 내비게이션 경로일 수 있다.

상기 다중 에이전트 강화 학습에 기반하여, 트레이닝하여 적어도 두 개의 대안 경로 결정 모델을 얻을 수 있고; 각 대안 경로 결정 모델의 경우, 테스트 영역의 각 테스트 사용자를 위한 추천 내비게이션 경로를 선택할 수 있고, 각 테스트 사용자의 추천 내비게이션 경로에 따라 해당 대안 경로 결정 모델에 연관된 테스트 영역의 전역 통행 시간을 얻는다. 또한, 각 대안 경로 결정 모델에 연관된 테스트 영역의 전역 통행 시간에 따라, 적어도 두 개의 대안 경로 결정 모델로부터 하나의 대안 경로 결정 모델을 목표 경로 결정 모델로 선택하고, 예를 들어, 전역 통행 시간이 가장 짧은 대안 경로 결정 모델을 목표 경로 결정 모델로 할 수 있다. 목표 경로 결정 모델은 다중 에이전트 강화 학습을 통해 트레이닝되어 얻어지고, 다수의 사용자의 비협동 게임에서 에이전트의 보상 함수를 합리적으로 할당하여, 다수의 에이전트의 기대 누적 보상을 반복적으로 최대화하여, 개인 이익을 최적화하면서 전체 이익을 겸하여 고려하고; 또한, 목표 경로 결정 모델은 테스트 영역의 전역 통행 시간에 따라 선별되어 얻어지므로, 목표 영역의 전체 통근 효율을 향상시킬 수 있다.

경로 계획 과정에서, 목표 영역의 전역 통행 특징, 목표 사용자의 현재 위치 정보 및 목표 사용자의 출발점 정보와 종점 정보를 목표 경로 결정 모델에 입력하여, 목표 경로 결정 모델이 목표 사용자를 위해 선택한 추천 내비게이션 경로를 얻을 수 있다.

본 개시에 따른 실시예에 의해 제공되는 기술방안은, 목표 영역 중의 다수의 사용자의 전체 통행 시간 즉 전역 이익에 기반한 내비게이션 계획 방안을 제공하는데, 이는 단일 사용자의 내비게이션 방안에 비하여, 전역 통근 효율 측면에서 목표 영역 중의 각 사용자에게 합리적인 통행 경로를 제공할 수 있으므로, 목표 영역의 전체 통근 효율의 향상에 더 도움이 된다.

도 5는 본 개시에 따른 실시예에 의해 제공되는 내비게이션 경로 계획 장치의 개략도이고, 본 실시예는 전자 지도에 기반하여 사용자에게 추천 경로를 제공하는 경우에 적용될 수 있다. 해당 장치는 전자 설비에 구성되고, 해당 전자 설비는 스캐닝 펜일 수 있으며, 본 개시의 임의의 실시예에 따른 내비게이션 경로 계획 방법을 구현할 수 있다. 도 5를 참조하면, 해당 내비게이션 경로 계획 장치(500)는,

목표 영역 중 적어도 2명의 목표 사용자 중의 각 목표 사용자를 위한 적어도 두 개의 도달 가능한 내비게이션 경로를 계획하도록 구성된 도달 가능한 경로 계획 모듈(510); 및 상기 목표 영역의 전역 통행 특징을 결정하고, 상기 목표 영역의 전역 통행 특징에 따라, 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서 하나의 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 선택하여 상기 각 목표 사용자에게 추천하도록 구성된 추천 경로 선택 모듈(520); 을 포함한다.

하나의 선택적인 실시형태에서, 도 6에 도시된 바와 같이, 상기 추천 경로 선택 모듈(520)은,

각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서, 상기 각 목표 사용자를 위한 하나의 도달 가능한 내비게이션 경로를 후보 내비게이션 경로로 각각 선택하여, 모든 목표 사용자의 후보 내비게이션 경로를 포함하는 후보 내비게이션 경로 그룹을 획득하고; 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서, 상기 각 목표 사용자를 위한 하나의 도달 가능한 내비게이션 경로를 후보 내비게이션 경로로 각각 선택하여, 모든 목표 사용자의 후보 내비게이션 경로를 포함하는 후보 내비게이션 경로 그룹을 획득하는 조작을 반복적으로 수행하여, 상기 목표 영역의 다수의 후보 내비게이션 경로 그룹을 획득하도록 구성된 후보 경로 그룹 유닛(610); 상기 목표 영역의 각 후보 내비게이션 경로 그룹에 따라, 상기 후보 내비게이션 경로 그룹의 전역 통행 시간을 결정하도록 구성된 전역 시간 유닛(620); 및 각 후보 내비게이션 경로 그룹의 전역 통행 시간에 따라, 상기 다수의 후보 내비게이션 경로 그룹으로부터 하나의 후보 내비게이션 경로 그룹을 추천 내비게이션 경로 그룹으로 선택하고, 상기 추천 내비게이션 경로 그룹에 따라 각 목표 사용자의 추천 내비게이션 경로를 얻도록 구성된 추천 경로 그룹 선택 유닛(630); 을 포함한다.

하나의 선택적인 실시형태에서, 도 7에 도시된 바와 같이, 상기 후보 경로 그룹 유닛(610)은,

상기 목표 영역으로부터 제1 개수의 목표 사용자를 제1 유형 사용자로 선택하고, 상기 목표 영역에서 상기 제1 유형 사용자 이외의 목표 사용자를 제2 유형 사용자로 하도록 구성된 사용자 선택 서브 유닛(710), 여기서, 제1 개수는 목표 사용자의 총 수와 제1 비례 임계값에 따라 결정되고; 목표 타임 윈도우에서의 각 도달 가능한 내비게이션 경로의 통행 시간을 결정하도록 구성된 통행 시간 서브 유닛(720); 및 통행 시간이 가장 짧은 제1 유형 사용자의 도달 가능한 내비게이션 경로 이외의 도달 가능한 내비게이션 경로에서, 상기 제1 유형 사용자를 위한 도달 가능한 내비게이션 경로를 후보 내비게이션 경로로 선택하고, 통행 시간이 가장 짧은 제2 유형 사용자의 도달 가능한 내비게이션 경로를 상기 제2 유형 사용자의 후보 내비게이션 경로로 하여, 상기 후보 내비게이션 경로 그룹을 얻도록 구성된 경로 그룹 서브 유닛(730); 을 포함한다.

하나의 선택적인 실시형태에서, 도 8 및 도 9에 도시된 바와 같이, 해당 내비게이션 경로 계획 장치(500)는 전역 통행 트리거 모듈(530)을 더 포함하고, 상기 전역 통행 트리거 모듈(530)은,

목표 타임 윈도우에서의 상기 목표 영역 중의 도로 구간의 목표 통행 속도에 따라, 상기 목표 타임 윈도우에서의 각 도달 가능한 내비게이션 경로의 혼잡 정도를 결정하도록 구성된 혼잡 결정 유닛(910); 및 상기 목표 타임 윈도우에서의 각 도달 가능한 내비게이션 경로의 혼잡 정도에 따라, 상기 전역 통행 특징을 결정하는 조작을 수행할지 여부를 결정하도록 구성된 전역 통행 트리거 유닛(920); 을 포함한다.

하나의 선택적인 실시형태에서, 도 10 및 도 11에 도시된 바와 같이, 해당 내비게이션 경로 계획 장치(500)는 목표 속도 모듈(540)을 더 포함하고, 상기 목표 속도 모듈(540)은,

현재 타임 윈도우에서의 상기 목표 영역 중의 도로 구간의 현재 통행 속도를 결정하도록 구성된 현재 속도 유닛(1110); 및 상기 도로 구간의 과거 유동량 데이터, 환경 정보, 도로 간섭 정보 및 현재 타임 윈도우에서의 상기 도로 구간의 현재 통행 속도에 따라, 상기 목표 타임 윈도우에서의 상기 도로 구간의 목표 통행 속도를 결정하도록 구성된 목표 속도 유닛(1120); 을 포함한다.

하나의 선택적인 실시형태에서, 도 12에 도시된 바와 같이, 상기 추천 경로 선택 모듈(520)은 전역 특징 유닛(640)을 포함하고, 전역 특징 유닛(640)은,

다중 에이전트 강화 학습에 기반하여, 적어도 두 개의 대안 경로 결정 모델을 트레이닝하고; 각 대안 경로 결정 모델에 기반하여, 테스트 영역 중 다수의 테스트 사용자의 전역 통행 시간을 결정하며; 각 대안 경로 결정 모델에 기반하여 결정된 상기 테스트 영역의 전역 통행 시간에 따라, 상기 적어도 두 개의 대안 경로 결정 모델로부터 하나의 대안 경로 결정 모델을 목표 경로 결정 모델로 선택하고; 상기 목표 경로 결정 모델을 상기 목표 영역의 전역 통행 특징으로 사용한다.

하나의 선택적인 실시형태에서, 도 13에 도시된 바와 같이, 상기 추천 경로 선택 모듈(520)은,

상기 목표 영역의 전역 도로 상황 특징, 각 목표 사용자의 현재 위치 정보, 상기 각 목표 사용자의 출발점 정보 및 종점 정보를 상기 목표 경로 결정 모델의 입력으로 하여, 상기 목표 경로 결정 모델이 상기 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서 선택한 하나의 도달 가능한 내비게이션 경로를 얻고, 상기 하나의 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 하여 상기 각 목표 사용자에게 추천하도록 구성된 추천 경로 유닛(650); 을 더 포함한다.

본 실시예의 기술방안은, 내비게이션 최적 경로 선택의 한계에 따라, 목표 영역 중의 다수의 사용자의 전체 통행 시간, 즉, 전역 이익에 기반한 내비게이션 계획 방안으로서, 전역 통근 효율 측면에서 목표 영역 중의 각 사용자에게 합리적인 통행 경로를 제공할 수 있으므로, 목표 영역의 전체 통근 효율의 향상에 더 도움이 된다.

본 개시의 기술방안에서, 언급된 사용자 개인 정보의 수집, 저장, 사용, 가공, 전송, 제공 및 공개 등 처리는 모두 관련 법규의 규정에 부합되고, 공서양속을 위반하지 않는다.

본 개시의 실시예에 따르면, 본 개시는 전자 설비, 판독 가능 저장 매체 및 컴퓨터 프로그램 제품을 더 제공한다.

도 14는 본 개시에 따른 실시예의 예시를 실시하기 위한 전자 설비(600)의 예시적인 블록도를 도시한다. 전자 설비(600)는 다양한 형태의 디지털 컴퓨터, 예를 들어, 랩톱 컴퓨터, 데스크톱 컴퓨터, 워크테이블, 개인용 정보 단말기, 서버, 블레이드 서버, 대형 컴퓨터 및 기타 적합한 컴퓨터를 나타낸다. 전자 설비(600)는 다양한 형태의 모바일 장치, 예를 들어, 개인 디지털 처리, 휴대 전화기, 스마트폰, 웨어러블 설비 및 기타 유사한 컴퓨팅 장치를 나타낼 수도 있다. 본 문에서 설명된 컴포넌트, 이들의 연결과 관계 및 이들의 기능은 단지 예시적인 것일 뿐, 본 문에서 기술 및/또는 요구한 본 개시의 구현을 제한하려는 의도가 아니다.

도 14에 도시된 바와 같이, 전자 설비(600)는 컴퓨팅 유닛(601)을 포함하되, 컴퓨팅 유닛(601)은 롬(Read-Only Memory, ROM)(602)에 저장된 컴퓨터 프로그램 또는 저장 유닛(608)으로부터 램(Random Access Memory, RAM)(603)에 로딩되는 컴퓨터 프로그램에 따라, 각종 적합한 동작 및 처리를 수행할 수 있다. RAM(603)에는 전자 설비(600)의 조작에 필요한 각종 프로그램 및 데이터가 저장될 수도 있다. 컴퓨팅 유닛(601), ROM(602) 및 RAM(603)은 버스(604)를 통해 서로 연결된다. 입력/출력(Input/Output, I/O) 인터페이스(605)도 버스(604)에 연결된다.

전자 설비(600) 중의 복수의 컴포넌트는 I/O 인터페이스(605)에 연결되고, 해당 컴포넌트는 예를 들어 키패드, 마우스 등과 같은 입력 유닛(606); 예를 들어 각종 유형의 표시장치, 스피커 등과 같은 출력 유닛(607); 예를 들어 자기디스크, 광디스크 등과 같은 저장 유닛(608); 및 예를 들어 네트워크 카드, 모뎀, 무선통신 트랜시버 등과 같은 통신 유닛(609)을 포함한다. 통신 유닛(609)은 전자 설비(600)가 인터넷과 같은 컴퓨터 네트워크 및/또는 각종 전기 통신망을 통해 기타 설비와 정보/데이터를 교환하는 것을 허용한다.

컴퓨팅 유닛(601)은 처리 및 컴퓨팅 능력을 갖는 각종 범용 및/또는 전용 처리 컴포넌트일 수 있다. 컴퓨팅 유닛(601)의 일부 예시는 중앙 처리 유닛(Central Processing Unit, CPU), 그래픽 처리 유닛(Graphics Processing Unit, GPU), 각종 전용 인공 지능(Artificial Intelligence, AI) 컴퓨팅 칩, 기계 러닝 모델 알고리즘을 수행하는 각종 컴퓨팅 유닛, 디지털 정보 프로세서(Digital Signal Processing, DSP) 및 임의의 적합한 프로세서, 컨트롤러, 마이크로 컨트롤러 등을 포함하지만, 이에 한정되지 않는다. 컴퓨팅 유닛(601)은 위에서 설명한 복수의 방법 및 처리를 수행하고, 예를 들어, 내비게이션 경로 계획 방법을 수행한다. 예를 들어, 일부 실시예에서, 내비게이션 경로 계획 방법은 컴퓨터 소프트웨어 프로그램으로 구현될 수 있고, 이는 저장 유닛(608)과 같은 기계 판독 가능 매체에 유형적으로 포함된다. 일부 실시예에서, 컴퓨터 프로그램의 일부 또는 전체는 ROM(602) 및/또는 통신 유닛(609)에 의해 전자 설비(600)에 로딩 및/또는 장착될 수 있다. 컴퓨터 프로그램이 RAM(603)에 로딩되어 컴퓨팅 유닛(601)에 의해 실행되는 경우, 위에서 설명한 내비게이션 경로 계획 방법의 하나 이상의 단계를 수행할 수 있다. 대안적으로, 기타 실시예에서, 컴퓨팅 유닛(601)은 기타 임의의 적합한 방식(예를 들어, 펌웨어를 통해)을 통해 내비게이션 경로 계획 방법을 수행하도록 구성될 수 있다.

본 문에서 상술한 시스템 및 기술의 각종 실시형태는 디지털 전자 회로 시스템, 집적 회로 시스템, 필드 프로그래머블 게이트 어레이(Field Programmable Gate Array, FPGA), 주문형 집적 회로(Application Specific Integrated Circuit, ASIC), 특정 용도 표준 제품(Application Specific Standard Parts, ASSP), 시스템온칩(System on Chip, SoC), 복합 프로그래머블 로직 설비(Complex Programmable Logic Device, CPLD), 컴퓨터 하드웨어, 펌웨어, 소프트웨어 및/또는 이들의 조합으로 구현될 수 있다. 이러한 각종 실시형태는 하나 이상의 컴퓨터 프로그램에서 실시되는 것을 포함할 수 있고, 해당 하나 이상의 컴퓨터 프로그램은 적어도 하나의 프로그램 가능한 프로세서를 포함하는 프로그램 가능한 시스템에서 실행 및/또는 해석(interpretating)될 수 있으며, 해당 프로그램 가능한 프로세서는 전용 또는 범용 프로그램 가능한 프로세서일 수 있고, 저장 시스템, 적어도 하나의 입력 장치 및 적어도 하나의 출력 장치로부터 데이터 및 명령을 수신할 수 있으며, 데이터 및 명령을 상기 저장 시스템, 상기 적어도 하나의 입력 장치 및 상기 적어도 하나의 출력 장치로 전송한다.

본 개시의 방법을 실시하기 위한 프로그램 코드는 하나 이상의 프로그래밍 언어의 임의의 조합을 사용하여 작성될 수 있다. 이러한 프로그램 코드는 범용 컴퓨터, 전용 컴퓨터 또는 기타 프로그램 가능한 데이터 처리 장치의 프로세서 또는 컨트롤러에 제공되어, 프로그램 코드가 프로세서 또는 컨트롤러에 의해 실행되면, 흐름도 및/또는 블록도에 규정된 기능/조작이 실시될 수 있도록 한다. 프로그램 코드는 전체가 기계에서 실행되거나, 일부가 기계에서 실행되고, 독립적인 소프트웨어 패키지로서 일부가 기계에서 실행되고 일부가 원격 기계에서 실행되거나, 전부가 원격 기계 또는 서버에서 실행될 수 있다.

본 개시의 전문에서, 기계 판독 가능 매체는 유형 매체(tangible medium)일 수 있고, 이는 명령 실행 시스템, 장치 또는 설비에 의해 사용되거나, 명령 실행 시스템, 장치 또는 설비와 결합하여 사용되는 프로그램을 포함하거나 저장할 수 있다. 기계 판독 가능 매체는 기계 판독 가능 신호 매체 또는 기계 판독 가능 저장 매체일 수 있다. 기계 판독 가능 매체는 전자, 자기, 광학, 전자기, 적외선 또는 반도체 시스템, 장치 또는 설비, 또는 상기 내용의 임의의 적합한 조합을 포함할 수 있지만 이에 한정되지 않는다. 기계 판독 가능 저장 매체의 예시는 하나 이상의 와이어에 기반한 전기적 연결, 휴대용 컴퓨터 디스크, 하드디스크, RAM, ROM, 소거 및 프로그램 가능한 판독전용 메모리(Erasable Programmable Read-Only Memory, EPROM 또는 플래시 메모리), 광섬유, 휴대용 콤팩트 디스크 판독전용 메모리(Compact Disc Read-Only Memory, CD-ROM), 광학 저장 설비, 자기 저장 설비 또는 상기 내용의 임의의 적합한 조합을 포함한다.

사용자와의 인터랙션을 제공하기 위해, 여기서 설명된 시스템 및 기술을 컴퓨터에서 실시할 수 있고, 해당 컴퓨터는 사용자에게 정보를 표시하기 위한 표시장치(예를 들어, 음극선관(Cathode Ray Tube, CRT) 또는 액정 표시장치(Liquid Crystal Display, LCD) 모니터), 키보드 및 방향지시 장치(예를 들어, 마우스 또는 트랙볼)를 구비하며, 사용자는 해당 키보드 및 해당 방향지시 장치를 통해 컴퓨터에 입력을 제공할 수 있다. 기타 유형의 장치는 사용자와의 인터랙션을 제공할 수도 있고, 예를 들어, 사용자에게 제공되는 피드백은 임의의 형태의 센싱 피드백(예를 들어, 시각 피드백, 청각 피드백 또는 촉각 피드백)일 수 있으며, 임의의 형태(사운드 입력, 음성 입력 또는 촉각 입력을 포함함)로 사용자로부터의 입력을 수신할 수 있다.

여기서 설명된 시스템 및 기술은 백엔드 컴포넌트를 포함하는 컴퓨팅 시스템(예를 들어, 데이터 서버), 또는 미들웨어 컴포넌트를 포함하는 컴퓨팅 시스템(예를 들어, 애플리케이션 서버), 또는 프런트엔드 컴포넌트를 포함하는 컴퓨팅 시스템(예를 들어, 그래픽 사용자 인터페이스 또는 웹브라우저를 구비하는 사용자 컴퓨터, 사용자는 해당 그래픽 사용자 인터페이스 또는 해당 웹브라우저를 통해 여기서 설명된 시스템 및 기술의 실시형태와 인터랙션할 수 있음), 또는 이러한 백엔드 컴포넌트, 미들웨어 컴포넌트, 또는 프런트엔드 컴포넌트를 포함하는 임의의 조합의 컴퓨팅 시스템에서 실시될 수 있다. 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들어, 통신 네트워크)으로 시스템의 컴포넌트를 서로 연결할 수 있다. 통신 네트워크의 예시는 근거리 통신망(Local Area Network, LAN), 광역 네트워크(Wide Area Network, WAN), 블록체인 네트워크 및 인터넷을 포함한다.

컴퓨터 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트 및 서버는 일반적으로 서로 멀리 떨어져 있고, 통상적으로 통신 네트워크를 통해 인터랙션을 수행한다. 클라이언트와 서버의 관계는 상응하는 컴퓨터에서 작동되고 서로 클라이언트-서버 관계를 갖는 컴퓨터 프로그램에 의해 발생된다. 서버는 클라우드 컴퓨팅 서버라고도 칭하는 클라우드 서버 또는 클라우드 컴퓨팅 서비스 체계 중의 호스트 제품인 클라우드 호스트일 수 있고, 종래의 물리적 호스트와 가상 사설 서버(Virtual Private Server, VPS) 서비스에 존재하는 관리 난이도가 크고, 비즈니스 확장성이 약한 결함을 해결한다. 서버는 분산 시스템의 서버일 수도 있거나, 블록 체인에 결합된 서버일 수도 있다.

상술한 각종 형태의 프로세스를 사용하여 단계의 순서재배정, 추가 또는 삭제를 수행할 수 있다. 예를 들어, 본 개시에 기재된 복수의 단계는 병렬로 수행될 수 있거나 순차적으로 수행될 수도 있거나 서로 다른 순서로 수행될 수도 있으며, 본 개시에서 개시한 기술방안이 희망하는 결과를 달성하기만 하면 되기 때문에, 본 문에서는 이에 대해 한정하지 않는다.

Claims

목표 영역 중 적어도 2명의 목표 사용자 중의 각 목표 사용자를 위한 적어도 두 개의 도달 가능한 내비게이션 경로를 계획하는 단계; 및
상기 목표 영역의 전역 통행 특징을 결정하고, 상기 목표 영역의 전역 통행 특징에 따라, 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서 하나의 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 선택하여 상기 각 목표 사용자에게 추천하는 단계를 포함하는 것을 특징으로 하는 내비게이션 경로 계획 방법.
제1항에 있어서,
상기 목표 영역의 전역 통행 특징을 결정하고, 상기 목표 영역의 전역 통행 특징에 따라, 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서 하나의 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 선택하여 상기 각 목표 사용자에게 추천하는 단계는,
각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서, 상기 각 목표 사용자를 위한 하나의 도달 가능한 내비게이션 경로를 후보 내비게이션 경로로 각각 선택하여, 모든 목표 사용자의 후보 내비게이션 경로를 포함하는 후보 내비게이션 경로 그룹을 획득하고; 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서, 상기 각 목표 사용자를 위한 하나의 도달 가능한 내비게이션 경로를 후보 내비게이션 경로로 각각 선택하여, 모든 목표 사용자의 후보 내비게이션 경로를 포함하는 후보 내비게이션 경로 그룹을 획득하는 조작을 반복적으로 수행하여, 상기 목표 영역의 다수의 후보 내비게이션 경로 그룹을 획득하는 단계;
상기 목표 영역의 각 후보 내비게이션 경로 그룹에 따라, 상기 후보 내비게이션 경로 그룹의 전역 통행 시간을 결정하는 단계; 및
각 후보 내비게이션 경로 그룹의 전역 통행 시간에 따라, 상기 다수의 후보 내비게이션 경로 그룹으로부터 하나의 후보 내비게이션 경로 그룹을 추천 내비게이션 경로 그룹으로 선택하고, 상기 추천 내비게이션 경로 그룹에 따라 각 목표 사용자의 추천 내비게이션 경로를 얻는 단계를 포함하는 것을 특징으로 하는 내비게이션 경로 계획 방법.
제2항에 있어서,
각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서, 상기 각 목표 사용자를 위한 하나의 도달 가능한 내비게이션 경로를 후보 내비게이션 경로로 각각 선택하여, 모든 목표 사용자의 후보 내비게이션 경로를 포함하는 후보 내비게이션 경로 그룹을 획득하는 단계는,
상기 목표 영역으로부터 제1 개수의 목표 사용자를 제1 유형 사용자로 선택하고, 상기 목표 영역에서 상기 제1 유형 사용자 이외의 목표 사용자를 제2 유형 사용자로 하는 단계, 여기서, 상기 제1 개수는 목표 사용자의 총 수와 제1 비례 임계값에 따라 결정되고;
목표 타임 윈도우에서의 각 도달 가능한 내비게이션 경로의 통행 시간을 결정하는 단계; 및
통행 시간이 가장 짧은 제1 유형 사용자의 도달 가능한 내비게이션 경로 이외의 도달 가능한 내비게이션 경로에서, 상기 제1 유형 사용자를 위한 도달 가능한 내비게이션 경로를 후보 내비게이션 경로로 선택하고, 통행 시간이 가장 짧은 제2 유형 사용자의 도달 가능한 내비게이션 경로를 상기 제2 유형 사용자의 후보 내비게이션 경로로 하여, 상기 후보 내비게이션 경로 그룹을 얻는 단계를 포함하는 것을 특징으로 하는 내비게이션 경로 계획 방법.
제1항에 있어서,
상기 목표 영역의 전역 통행 특징을 결정하는 단계 이전에,
목표 타임 윈도우에서의 상기 목표 영역 중의 도로 구간의 목표 통행 속도에 따라, 상기 목표 타임 윈도우에서의 각 도달 가능한 내비게이션 경로의 혼잡 정도를 결정하는 단계; 및
상기 목표 타임 윈도우에서의 각 도달 가능한 내비게이션 경로의 혼잡 정도에 따라, 상기 전역 통행 특징을 결정하는 조작을 수행할지 여부를 결정하는 단계를 더 포함하는 것을 특징으로 하는 내비게이션 경로 계획 방법.
제4항에 있어서,
상기 목표 타임 윈도우에서의 각 도달 가능한 내비게이션 경로의 혼잡 정도를 결정하는 단계 이전에,
현재 타임 윈도우에서의 상기 목표 영역 중의 도로 구간의 현재 통행 속도를 결정하는 단계; 및
상기 도로 구간의 과거 유동량 데이터, 환경 정보, 도로 간섭 정보 및 현재 타임 윈도우에서의 상기 도로 구간의 현재 통행 속도에 따라, 상기 목표 타임 윈도우에서의 상기 도로 구간의 목표 통행 속도를 결정하는 단계를 더 포함하는 것을 특징으로 하는 내비게이션 경로 계획 방법.
제1항에 있어서,
상기 목표 영역의 전역 통행 특징을 결정하는 단계는,
다중 에이전트 강화 학습에 기반하여, 적어도 두 개의 대안 경로 결정 모델을 트레이닝하는 단계;
각 대안 경로 결정 모델에 기반하여, 테스트 영역 중 다수의 테스트 사용자의 전역 통행 시간을 결정하는 단계;
각 대안 경로 결정 모델에 기반하여 결정된 상기 테스트 영역의 전역 통행 시간에 따라, 상기 적어도 두 개의 대안 경로 결정 모델로부터 하나의 대안 경로 결정 모델을 목표 경로 결정 모델로 선택하는 단계; 및
상기 목표 경로 결정 모델을 상기 목표 영역의 전역 통행 특징으로 사용하는 단계를 포함하는 것을 특징으로 하는 내비게이션 경로 계획 방법.
제6항에 있어서,
상기 목표 영역의 전역 통행 특징에 따라, 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서 하나의 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 선택하여 상기 각 목표 사용자에게 추천하는 단계는,
상기 목표 영역의 전역 도로 상황 특징, 각 목표 사용자의 현재 위치 정보, 상기 각 목표 사용자의 출발점 정보 및 종점 정보를 상기 목표 경로 결정 모델의 입력으로 하여, 상기 목표 경로 결정 모델이 상기 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서 선택한 하나의 도달 가능한 내비게이션 경로를 얻고, 상기 하나의 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 하여 상기 각 목표 사용자에게 추천하는 단계를 포함하는 것을 특징으로 하는 내비게이션 경로 계획 방법.
목표 영역 중 적어도 2명의 목표 사용자 중의 각 목표 사용자를 위한 적어도 두 개의 도달 가능한 내비게이션 경로를 계획하도록 구성된 도달 가능한 경로 계획 모듈; 및
상기 목표 영역의 전역 통행 특징을 결정하고, 상기 목표 영역의 전역 통행 특징에 따라, 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서 하나의 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 선택하여 상기 각 목표 사용자에게 추천하도록 구성된 추천 경로 선택 모듈; 을 포함하는 것을 특징으로 하는 내비게이션 경로 계획 장치.
제8항에 있어서,
상기 추천 경로 선택 모듈은,
각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서, 상기 각 목표 사용자를 위한 하나의 도달 가능한 내비게이션 경로를 후보 내비게이션 경로로 각각 선택하여, 모든 목표 사용자의 후보 내비게이션 경로를 포함하는 후보 내비게이션 경로 그룹을 획득하고; 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서, 상기 각 목표 사용자를 위한 하나의 도달 가능한 내비게이션 경로를 후보 내비게이션 경로로 각각 선택하여, 모든 목표 사용자의 후보 내비게이션 경로를 포함하는 후보 내비게이션 경로 그룹을 획득하는 조작을 반복적으로 수행하여, 상기 목표 영역의 다수의 후보 내비게이션 경로 그룹을 획득하도록 구성된 후보 경로 그룹 유닛;
상기 목표 영역의 각 후보 내비게이션 경로 그룹에 따라, 상기 후보 내비게이션 경로 그룹의 전역 통행 시간을 결정하도록 구성된 전역 시간 유닛; 및
각 후보 내비게이션 경로 그룹의 전역 통행 시간에 따라, 상기 다수의 후보 내비게이션 경로 그룹으로부터 하나의 후보 내비게이션 경로 그룹을 추천 내비게이션 경로 그룹으로 선택하고, 상기 추천 내비게이션 경로 그룹에 따라 각 목표 사용자의 추천 내비게이션 경로를 얻도록 구성된 추천 경로 그룹 선택 유닛; 을 포함하는 것을 특징으로 하는 내비게이션 경로 계획 장치.
제9항에 있어서,
상기 후보 경로 그룹 유닛은,
상기 목표 영역으로부터 제1 개수의 목표 사용자를 제1 유형 사용자로 선택하고, 상기 목표 영역에서 상기 제1 유형 사용자 이외의 목표 사용자를 제2 유형 사용자로 하도록 구성된 사용자 선택 서브 유닛, 여기서, 제1 개수는 목표 사용자의 총 수와 제1 비례 임계값에 따라 결정되고;
목표 타임 윈도우에서의 각 도달 가능한 내비게이션 경로의 통행 시간을 결정하도록 구성된 통행 시간 서브 유닛; 및
통행 시간이 가장 짧은 제1 유형 사용자의 도달 가능한 내비게이션 경로 이외의 도달 가능한 내비게이션 경로에서, 상기 제1 유형 사용자를 위한 도달 가능한 내비게이션 경로를 후보 내비게이션 경로로 선택하고, 통행 시간이 가장 짧은 제2 유형 사용자의 도달 가능한 내비게이션 경로를 상기 제2 유형 사용자의 후보 내비게이션 경로로 하여, 상기 후보 내비게이션 경로 그룹을 얻도록 구성된 경로 그룹 서브 유닛; 을 포함하는 것을 특징으로 하는 내비게이션 경로 계획 장치.
제8항에 있어서,
전역 통행 트리거 모듈을 더 포함하고, 상기 전역 통행 트리거 모듈은,
목표 타임 윈도우에서의 상기 목표 영역 중의 도로 구간의 목표 통행 속도에 따라, 상기 목표 타임 윈도우에서의 각 도달 가능한 내비게이션 경로의 혼잡 정도를 결정하도록 구성된 혼잡 결정 유닛; 및
상기 목표 타임 윈도우에서의 각 도달 가능한 내비게이션 경로의 혼잡 정도에 따라, 상기 전역 통행 특징을 결정하는 조작을 수행할지 여부를 결정하도록 구성된 전역 통행 트리거 유닛; 을 포함하는 것을 특징으로 하는 내비게이션 경로 계획 장치.
제11항에 있어서,
목표 속도 모듈을 더 포함하고, 상기 목표 속도 모듈은,
현재 타임 윈도우에서의 상기 목표 영역 중의 도로 구간의 현재 통행 속도를 결정하도록 구성된 현재 속도 유닛; 및
상기 도로 구간의 과거 유동량 데이터, 환경 정보, 도로 간섭 정보 및 현재 타임 윈도우에서의 상기 도로 구간의 현재 통행 속도에 따라, 상기 목표 타임 윈도우에서의 상기 도로 구간의 목표 통행 속도를 결정하도록 구성된 목표 속도 유닛; 을 포함하는 것을 특징으로 하는 내비게이션 경로 계획 장치.
제8항에 있어서,
상기 추천 경로 선택 모듈은 전역 특징 유닛을 포함하고, 상기 전역 특징 유닛은,
다중 에이전트 강화 학습에 기반하여, 적어도 두 개의 대안 경로 결정 모델을 트레이닝하고;
각 대안 경로 결정 모델에 기반하여, 테스트 영역 중 다수의 테스트 사용자의 전역 통행 시간을 결정하며;
각 대안 경로 결정 모델에 기반하여 결정된 상기 테스트 영역의 전역 통행 시간에 따라, 상기 적어도 두 개의 대안 경로 결정 모델로부터 하나의 대안 경로 결정 모델을 목표 경로 결정 모델로 선택하고;
상기 목표 경로 결정 모델을 상기 목표 영역의 전역 통행 특징으로 사용하는 것을 특징으로 하는 내비게이션 경로 계획 장치.
제13항에 있어서,
상기 추천 경로 선택 모듈은,
상기 목표 영역의 전역 도로 상황 특징, 상기 각 목표 사용자의 현재 위치 정보, 상기 각 목표 사용자의 출발점 정보 및 종점 정보를 상기 목표 경로 결정 모델의 입력으로 하여, 상기 목표 경로 결정 모델이 상기 각 목표 사용자에 대응되는 적어도 두 개의 도달 가능한 내비게이션 경로에서 선택한 하나의 도달 가능한 내비게이션 경로를 얻고, 상기 하나의 도달 가능한 내비게이션 경로를 추천 내비게이션 경로로 하여 상기 각 목표 사용자에게 추천하도록 구성된 추천 경로 유닛을 더 포함하는 것을 특징으로 하는 내비게이션 경로 계획 장치.
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서와 통신적으로 연결되는 메모리; 를 포함하되, 여기서,
상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되고, 상기 명령이 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서가 제1항 내지 제7항 중 어느 한 항에 따른 내비게이션 경로 계획 방법을 수행하도록 하는 것을 특징으로 하는 전자 설비.
컴퓨터 명령이 저장되어 있는 비일시적 컴퓨터 판독 가능 저장 매체에 있어서,
상기 컴퓨터 명령이 프로세서에 의해 실행될 때, 제1항 내지 제7항 중 어느 한 항에 따른 내비게이션 경로 계획 방법을 구현하는 것을 특징으로 하는 컴퓨터 명령이 저장되어 있는 비일시적 컴퓨터 판독 가능 저장 매체.
컴퓨터 프로그램/명령을 포함하는 컴퓨터 프로그램 제품에 있어서,
상기 컴퓨터 프로그램/명령이 프로세서에 의해 실행될 때, 제1항 내지 제7항 중 어느 한 항에 따른 내비게이션 경로 계획 방법을 구현하는 것을 특징으로 하는 컴퓨터 프로그램 제품.