TWI639812B - 路線規劃方法及其系統 - Google Patents

路線規劃方法及其系統 Download PDF

Info

Publication number
TWI639812B
TWI639812B TW106132074A TW106132074A TWI639812B TW I639812 B TWI639812 B TW I639812B TW 106132074 A TW106132074 A TW 106132074A TW 106132074 A TW106132074 A TW 106132074A TW I639812 B TWI639812 B TW I639812B
Authority
TW
Taiwan
Prior art keywords
route
routes
information
vehicle
cost
Prior art date
Application number
TW106132074A
Other languages
English (en)
Other versions
TW201915447A (zh
Inventor
陳志華
許榮財
林佳宏
官大勝
羅坤榮
Original Assignee
中華電信股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 中華電信股份有限公司 filed Critical 中華電信股份有限公司
Priority to TW106132074A priority Critical patent/TWI639812B/zh
Application granted granted Critical
Publication of TWI639812B publication Critical patent/TWI639812B/zh
Publication of TW201915447A publication Critical patent/TW201915447A/zh

Links

Landscapes

  • Navigation (AREA)

Abstract

一種路線規劃方法及其系統，係於兩地點之間的複數路線中選擇路線，其先提供該些路線之路況資訊及估計油耗對照表，且預估其它車輛之行駛路線，再依據該路況資訊、該估計油耗對照表及其它車輛行駛路線之預估情況，並結合賽局理論，以分析出各該路線之油耗成本，供駕駛員選擇油耗成本最低之路線。

Description

路線規劃方法及其系統
本發明係有關一種路線規劃技術，尤其指一種具預估功能之路線規劃方法及其系統。
據統計，運輸業(如汽車貨運業及汽車客運業)的成本結構比例中，燃油料成本皆佔24%~29%，使其成為主要成本。特別是在汽車貨運業中，燃油料成本更高於薪資及福利津貼成本，且高居成本結構的最高項目。有鑒於此，遂發展出能監控燃油料消耗的技術，以期解決上述問題。
習知技術中，係利用歷史資料之車輛種類、油表電壓、行車速度來取得並校正油量值的技術，亦有利用偵測電瓶電壓並用以運算出車輛油耗的技術，或是診斷油箱的回饋油量數據的技術等。
惟，上述習知技術中，其各自皆缺少有效的即時回饋方法，或無法掌握即時車流狀況及駕駛員差異等因素，因而無法進行綜合性評估運輸業所需的燃油料成本，導致無法有效降低運輸業的燃油料成本，進而難以提升運輸業的競爭力。
因此，如何克服習知技術之種種問題，實為一重要課 題。
鑑於上述習知技術之種種缺失，本發明揭露一種目標車輛之路線規劃方法，係於兩地點之間的複數路線中選擇路線，其包括：提供該些路線之路況資訊及該目標車輛用之項目對照資訊，且預估參考車輛之行駛路線；以及依據該路況資訊、該項目對照資訊及該參考車輛之行駛路線之預估情況，分析該目標車輛行駛於該些路線上之需求項目，以獲取所需之路線，其中，該需求項目係對應該項目對照資訊。
前述之路線規劃方法中，該項目對照資訊係為成本之對照資訊，例如，該成本係為能源消耗或排碳量，且該成本的量化係對應車輛速度。
前述之路線規劃方法中，該參考車輛之行駛路線係選擇該些路線中之最短路線。
前述之路線規劃方法中，該參考車輛之行駛路線係選擇該些路線中之最快路線，例如，該選擇係依據該些路線中之路徑長度。
前述之路線規劃方法中，該需求項目係為成本項目，例如，該成本係為能源消耗或排碳量。
前述之路線規劃方法中，係結合賽局理論以分析該目標車輛行駛於該些路線上之該需求項目。
此外，本發明另揭露一種目標車輛之路線規劃系統，係於兩地點之間的複數路線中選擇路線，其包括：提供該 些路線之路況資訊及該目標車輛用之項目對照資訊且預估參考車輛之行駛路線的資訊提供模組；以及依據該路況資訊、該項目對照資訊及該參考車輛之行駛路線之預估情況，分析該目標車輛行駛於該些路線上之需求項目，以獲取所需之路線的分析模組，其中，該需求項目係對應該項目對照資訊。
由上可知，本發明之路線規劃方法及其系統中，主要藉由考量路況資訊、提供該目標車輛用之項目對照資訊及預估該參考車輛之行駛路線，以分析出行駛每一路線上之需求項目，俾供駕駛員選擇所需之路線，故相較於習知技術，本發明能有效的即時回饋，且掌握即時車流狀況，並考量各駕駛員之差異，以分析出運輸業所需的燃油料成本，因而能大幅降低燃油料成本。
10‧‧‧路線規劃系統
12‧‧‧資料提供模組
14‧‧‧分析模組
R1‧‧‧第一路線
R2‧‧‧第二路線
第1圖係為本發明之目標車輛之路線規劃系統之示意圖；第2圖係為本發明之目標車輛之路線規劃方法之示意流程圖；第3A圖係為第2圖之第一實施例的流程圖；第3B圖係為第3A圖之環境限制之示意圖；第3C圖係為第3A圖之項目對照資訊之圖表；第3D圖係為賽局理論之賽局樹；以及第4圖係為第2圖之第二實施例的流程圖。
以下藉由特定的具體實施例說明本揭露之實施方式，熟悉此技藝之人士可由本說明書所揭示之內容輕易地瞭解本揭露之其他優點及功效。
須知，本說明書所附圖式所繪示之結構、比例、大小等，均僅用以配合說明書所揭示之內容，以供熟悉此技藝之人士之瞭解與閱讀，並非用以限定本揭露可實施之限定條件，故不具技術上之實質意義，任何結構之修飾、比例關係之改變或大小之調整，在不影響本揭露所能產生之功效及所能達成之目的下，均應仍落在本揭露所揭示之技術內容得能涵蓋之範圍內。同時，本說明書中所引用之如「第一」、「第二」及「一」等之用語，亦僅為便於敘述之明瞭，而非用以限定本揭露可實施之範圍，其相對關係之改變或調整，在無實質變更技術內容下，當亦視為本揭露可實施之範疇。
第1圖係為本發明之目標車輛之路線規劃系統10之示意圖，其中，該路線規劃系統係於兩地點之間的複數路線中選擇其中一條路線。路線規劃系統10至少包括資料提供模組12及分析模組14，其中，資料提供模組12係提供該些路線之路況資訊及該目標車輛用之項目對照資訊(該項目對照資訊係為成本之對照資訊，例如，能源消耗之對照資訊或排碳量之對照資訊)，且預估參考車輛之行駛路線；分析模組14係依據該路況資訊、該項目對照資訊及該參考車輛之行駛路線之預估情況，利用賽局理論分析該目標車輛行駛於該些路線上之需求項目(對應該項目對照資訊)， 以進行路線規劃而獲取所需之路線。
此外，該路線規劃系統10係藉由軟體、韌體或硬體等實現並利用下述內容一併說明之。
第2圖係為本發明之目標車輛之路線規劃方法之示意流程圖，其中，該路線規劃方法係於兩地點之間的複數路線中選擇其中一條路線。
如第2圖所示，所述之路線規劃方法係先提供該些路線之路況資訊及該目標車輛用之項目對照資訊(例如，能源消耗之對照資訊或排碳量之對照資訊)，且預估參考車輛之行駛路線。接著，依據該路況資訊、該項目對照資訊及該參考車輛之行駛路線之預估情況，利用賽局理論分析該目標車輛行駛於該些路線上之需求項目(對應該項目對照資訊)，以進行路線規劃而獲取所需之路線。
於本實施例中，該參考車輛之行駛路線係選擇該些路線中之最短路線或該些路線中之最快路線。
第3A圖係為本發明之目標車輛之路線規劃方法之第一實施例的流程圖。於本實施例中，如第3A及3B圖所示，係於第一地點與第二地點之間係定義有兩條路線，即第一路線R1與第二路線R2，使該路線規劃方法係於兩條路線中選擇其中一條路線。
首先，提供第一路線R1與第二路線R2之即時路況資訊及該目標車輛之項目對照資訊，其中，如第3C圖所示，該項目對照資訊係為成本之對照資訊，如能源消耗。
於本實施例中，該能源消耗係為如駕駛行為之估計油 耗(亦可為電能消耗)，且該項目對照資訊係為經統計(大數據)或演算(如基因演算法)所得的參考數據，其可內建於車輛系統資料庫中或儲存於雲端資料庫中。
再者，該第一路線R1之即時路況資訊係包含距離(或路徑長度d1)、速度u1與車輛數k1，且該第二路線R2之即時路況資訊係包含距離(或路徑長度d2)、車速u2與車輛數k2，其中，i代表某一路線之編號，d i 代表某一路徑長度(單位：公里)，u i 代表某一路線之平均速度(單位：公里/小時)，k i 代表某一路線之車輛數，例如，d1代表該第一路線R1之路徑長度，d2代表該第二路線R2之路徑長度。
再者，本實施例可定義有三種駕駛行為(即第一至第三駕駛行為)，具體如下所述。
所述之第一駕駛行為係駕駛該參考車輛，且藉由傳統不具即時路況功能的導航軟體規劃行駛路線，以選擇該第一路線R1與第二路線R2中之其中一條作為最短路線。
所述之第二駕駛行為係駕駛該參考車輛，且藉由具即時路況功能的導航軟體(如Google Map)規劃行駛路線，以選擇該第一路線R1與第二路線R2中之其中一條作為最快路線。
所述之第三駕駛行為係駕駛該目標車輛，且藉由本發明之路線規劃方法規劃行駛路線，以選擇最低能源消耗成本之路線。
又，本實施例中所用到的相關限制條件，具體如下所述：
第1項、該第一駕駛行為在選擇路線上不會因路線上的車輛數k i 而改變。
第2項、該第二駕駛行為在選擇路線上會因路線上的車輛數k i 而改變，故該第二駕駛行為會參考該第一駕駛行為的行駛路線(最佳反應曲線)作選擇。
第3項、第一及第二駕駛行為皆依路線規劃行駛，且該參考車輛依當時路況保持在預期的車速。
第4項、第一及第二駕駛行為所駕駛之參考車輛的市場佔有率的總和趨近於1，即p1+p2≒1，其中，p代表市場佔有率，p1代表該第一駕駛行為所駕駛之參考車輛之市場佔有率，p2代表該第二駕駛行為所駕駛之參考車輛之市場佔有率。
第5項、該第三駕駛行為所駕駛之目標車輛之市場佔有率p3不大，即p3趨近於零(p3≒0)，故不會影響該第二駕駛行為作選擇。
第6項、假設p1、p2為已知，且Q為已知，其中，Q代表總車輛數(或該參考車輛之數量)。
第7項、假設該路徑長度d i 為已知，且d1>d2。
第8項、假設s i =u i /2，其中，s代表車輛之間的安全距離(單位：公尺)，即s1代表該第一路線R1之安全距離，s2代表該第二路線R2之安全距離。因此，可得到所需之方程式a,b,c,d，具體如下所述。
所述之方程式a係為某一條路線上每台車輛所需之空 間(單位：公尺)，其為，其中，l為車輛長度(單位：公尺)。
所述之方程式b係為某一條路線上的車輛數，其為
所述之方程式c係為某一條路線上的平均速度，其為
所述之方程式d係為某一條路線上的行駛時間(單位：小時)，其為
接著，預估該參考車輛之行駛路線，且依據賽局理論定義每一種駕駛行為的成本函數，如第3D圖所示之賽局理論之賽局樹。
於本實施例中，該第一駕駛行為選擇該第一路線R1的成本函數為d1，且選擇該第二路線R2的成本函數為d2。具體地，依據上述限制條件第7項(d1>d2)，由於該第一路線R1之路徑長度d1大於該第二路線R2之路徑長度d2，故該第一駕駛行為會選擇最短的路徑長度d2之第二路線R2，其成本函數為d2。因此，該第一駕駛行為所駕駛之該參考車輛中，行駛於第二路線R2上之車輛數k2為p1‧Q。
再者，該第二駕駛行為選擇該第一路線R1的成本函 數為t1，且選擇該第二路線R2的成本函數為t2。具體地，由於該第二駕駛行為會參考該第一駕駛行為的行駛路線(或最佳反應曲線)作選擇，故將該第二駕駛行為所駕駛之參考車輛區分成兩類別，即選擇第一路線R1之車輛數k1之比例定義為q，而選擇第二路線R2之車輛數k2之比例則定義為1-q。因此，該第二駕駛行為所用之目標公式將考量該第一駕駛行為之最佳選擇與最小化行駛時間，以計算出最佳q值，其中，該目標公式(1)係如下所列：
再以此計算最佳q值，如下所示： ，其中，因下等式呈負值而不合，故第一路線R1之車輛數k1之比例為上等式(如下所列之q等式)，以取得該第二駕駛行為所駕駛之參考車輛之預估路線，且將此q值代入該目標公式(1)中，以取得該第二駕駛行為的最佳反 應。
之後，依據該路況資訊、該項目對照資訊及該參考車輛之行駛路線之預估情況，分析該目標車輛(或該第三駕駛行為)行駛於該些路線上之需求項目(即油耗成本)。
於本實施例中，該第三駕駛行為選擇該第一路線R1的成本函數為f1，且選擇該第二路線R2的成本函數為f2，如下所示之公式(2)：f 1=t 1×g(u 1)=t 1×c 1
f 2=t 2×g(u 2)=t 2×c 2
其中，油耗量g(u i )函數係為車速與油耗量的對應關係，其於平均速度u i 時的油耗量g(u i )等於c i ，如第2C圖所示，且g函數可由最佳油耗估計技術(如基因演算法)取得。
再者，依據該第二駕駛行為的最佳q值，可得到各路線的預估總車輛數k1,k2，以計算出預期速度與行駛時間(依據上述方程式c及方程式d)，故該第三駕駛行為依據該預期速度u1,u2對應的油耗量g(u1),g(u2)(如第2C圖所示)配合行駛時間t1,t2，以計算出成本函數f1,f2。
最後，比較計算後的成本函數f1,f2，選擇油耗成本最低之路線作為所需之路線。
接下來，依據上述說明，代入假想參數以具體舉例說明整個分析流程，其中，如上述限制條件第6及7項所述 之已知參數，即參考車輛的總車量數Q=3000(輛)、p1=0.4、p2=0.6、d1=15(公里)、d2=12(公里)，且假設車輛長度l=5(公尺)。
因此，該第一駕駛行為之參考車輛為1200輛，其均選擇第二路線R2，且該第二駕駛行為之參考車輛為1800輛，並經計算q值後，約1667輛選擇第一路線R1，而約133輛選擇第二路線R2，故3000輛的參考車輛中，共計1667輛行駛第一路線R1、1533輛行駛第二路線R2，如下表所示。
接著，依據上述方程式c計算出預期的速度u1=8(公里/小時)、u2=5.45(公里/小時)，且依據上述方程式d計算出行駛時間t1=1.875(小時)、t2=2.202(小時)，故對應第2C圖後可知，該目標車輛之預估油耗量g1=2.400、g2=2.400，使該目標車輛依據公式(2)得到預估成本函數f1=4.5、f2=5.28，具體如下表所示。
因此，該第三駕駛行為之目標車輛將選擇油耗成本最低(成本函數f1=4.5)的第一路線R1。
本發明之路線規劃方法及其系統藉由考量即時路況、預估其它車輛(即該參考車輛)之移動狀況及預測路況等資訊，並結合賽局理論分析方法，以分析出行駛每一路線所需之成本，供駕駛員選擇，故相較於習知技術，本發明能有效的即時回饋，且藉由預估該參考車輛之動態以掌握即時車流狀況及掌握各駕駛員之選擇差異，以分析出運輸業所需的燃油料成本，因而能大幅降低燃油料成本，進而能提升運輸業的競爭力。
另外，有關該需求項目之種類可依需求而定，例如第4圖所示之排碳量(將g函數改為車速與二氧化碳排碳量的對應關係，即可作為最低二氧化碳排碳量路線規劃)或其它種類，並不限於上述油耗量，且不論該需求項目之種類，均會提供相關的項目對照資訊，以利於分析計算。
綜上所述，本發明之路線規劃方法及其系統主要藉由預估該參考車輛之行駛路線，並結合賽局理論，故能大幅 降低運輸業的成本，因而能提升運輸業的競爭力。
上述實施例係用以例示性說明本揭露之原理及其功效，而非用於限制本揭露。任何熟習此項技藝之人士均可在不違背本揭露之精神及範疇下，對上述實施例進行修改。因此本揭露之權利保護範圍，應如後述之申請專利範圍所列。

Claims (7)

  1. 一種目標車輛之路線規劃方法，係於兩地點之間的複數路線中選擇路線，其包括：提供該些路線之路況資訊及該目標車輛用之項目對照資訊，且預估參考車輛之行駛路線；以及依據該路況資訊、該項目對照資訊及該參考車輛之行駛路線之預估情況，利用賽局理論分析該目標車輛行駛於該些路線上之需求項目，以獲取最低能源消耗成本之路線，其中，該項目對照資訊係為成本之對照資訊，該需求項目係對應該項目對照資訊。
  2. 如申請專利範圍第1項所述之路線規劃方法，其中，該成本係為能源消耗或排碳量。
  3. 如申請專利範圍第1項所述之路線規劃方法，其中，該成本的量化係對應車輛速度。
  4. 如申請專利範圍第1項所述之路線規劃方法，其中，該參考車輛之行駛路線係選擇該些路線中之最短路線。
  5. 如申請專利範圍第1項所述之路線規劃方法，其中，該參考車輛之行駛路線係選擇該些路線中之最快路線。
  6. 如申請專利範圍第5項所述之路線規劃方法，其中，該選擇係依據該些路線中之路徑長度。
  7. 一種目標車輛之路線規劃系統，係於兩地點之間的複數路線中選擇路線，其包括：資訊提供模組，係提供該些路線之路況資訊及該目標車輛用之項目對照資訊，且預估參考車輛之行駛 路線；以及分析模組，係依據該路況資訊、該項目對照資訊及該參考車輛之行駛路線之預估情況，利用賽局理論分析該目標車輛行駛於該些路線上之需求項目，以獲取最低能源消耗成本之路線，其中，該項目對照資訊係為成本之對照資訊，該需求項目係對應該項目對照資訊。
TW106132074A 2017-09-19 2017-09-19 路線規劃方法及其系統 TWI639812B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW106132074A TWI639812B (zh) 2017-09-19 2017-09-19 路線規劃方法及其系統

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW106132074A TWI639812B (zh) 2017-09-19 2017-09-19 路線規劃方法及其系統

Publications (2)

Publication Number Publication Date
TWI639812B true TWI639812B (zh) 2018-11-01
TW201915447A TW201915447A (zh) 2019-04-16

Family

ID=65034103

Family Applications (1)

Application Number Title Priority Date Filing Date
TW106132074A TWI639812B (zh) 2017-09-19 2017-09-19 路線規劃方法及其系統

Country Status (1)

Country Link
TW (1) TWI639812B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI313348B (en) * 2007-01-19 2009-08-11 Mitac Int Corp Vehicle navigation system and method thereof
TWI395928B (zh) * 2009-05-20 2013-05-11 Mitac Int Corp 人工智慧規劃導航路線之方法
CA2867447A1 (en) * 2012-03-15 2013-09-19 Spireon, Inc. Geospatial data based assessment of driver behavior and performance
CN105825358A (zh) * 2016-03-16 2016-08-03 上海久耶供应链管理有限公司 货物配送的车辆调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI313348B (en) * 2007-01-19 2009-08-11 Mitac Int Corp Vehicle navigation system and method thereof
TWI395928B (zh) * 2009-05-20 2013-05-11 Mitac Int Corp 人工智慧規劃導航路線之方法
CA2867447A1 (en) * 2012-03-15 2013-09-19 Spireon, Inc. Geospatial data based assessment of driver behavior and performance
CN105825358A (zh) * 2016-03-16 2016-08-03 上海久耶供应链管理有限公司 货物配送的车辆调度方法

Also Published As

Publication number Publication date
TW201915447A (zh) 2019-04-16

Similar Documents

Publication Publication Date Title
US10215576B2 (en) Energy-optimized vehicle route selection
Zeng et al. Prediction of vehicle CO2 emission and its application to eco-routing navigation
US8290695B2 (en) Method for computing an energy efficient route
US8874367B2 (en) Method for estimating and displaying range of a vehicle
EP2764504B1 (en) Vehicle fleet routing system
CA2840479C (en) System and method for generating vehicle drive cycle profiles
CN106163862A (zh) 具有能源约束的行程规划
CN109578155A (zh) 考虑实际使用确定关于移动性的污染性质的指示符的方法
US20130069803A1 (en) Vehicle fleet work order management system
US8989999B2 (en) Vehicle range analysis using driving environment information with optional continuous averaging
US20160349075A1 (en) Method and system of route scheduling and presenting route-based fuel information
CN109421698A (zh) 用于交通工具能量管理的系统和方法
US20110320113A1 (en) Generating driving route traces in a navigation system using a probability model
JP2009529186A5 (zh)
CN109141456A (zh) 导航路径规划方法及服务器
JP2009259158A (ja) 交通状態シミュレーション装置及びプログラム
CN102944887A (zh) 基于油耗与尾气排放的车辆三维导航方法
CN106097717A (zh) 基于两类浮动车数据融合的信号交叉口平均通行时间估计方法
WO2013073297A1 (ja) 航続可能距離予測装置、航続可能距離予測システム及び航続可能距離予測方法
Bandeira et al. Assessing the importance of vehicle type for the implementation of eco-routing systems
TWI639812B (zh) 路線規劃方法及其系統
Hoffman et al. Empirical model for truck route fuel economy
CN109520517B (zh) 路线规划方法及其系统
Bing et al. Sustainable highway design: Disentangling the effects of geometric-related and traffic-related factors on urban highway traffic emissions
Demestichas et al. Advanced driver assistance system supporting routing and navigation for fully electric vehicles