CN108981739B - 一种路径规划方法、装置、服务器及存储介质 - Google Patents
一种路径规划方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN108981739B CN108981739B CN201810585911.3A CN201810585911A CN108981739B CN 108981739 B CN108981739 B CN 108981739B CN 201810585911 A CN201810585911 A CN 201810585911A CN 108981739 B CN108981739 B CN 108981739B
- Authority
- CN
- China
- Prior art keywords
- path planning
- processed
- current
- historical
- path
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000003860 storage Methods 0.000 title claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 26
- 230000011218 segmentation Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 24
- 230000008569 process Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明实施例提供了一种路径规划方法、装置、服务器及存储介质,通过获取在预设时间周期内接收到的批次路径规划请求,根据获取的批次路径规划请求进行统一地图分层从全局地图中确定局部地图,然后根据历史路径规划信息将局部地图分割成多个初始局部子区域,通过分割得到的初始局部子区域规划路径规划请求中起始位置与目标位置之间的路径。本发明实施例能够减少响应路径规划请求时进行地图分层所需要的计算耗时,从而大幅度提高路径规划的总体效率。
Description
技术领域
本发明实施例涉及路径规划技术领域,尤其涉及一种路径规划方法、装置、服务器及存储介质。
背景技术
随着通信技术和全球定位技术的不断发展,导航技术得到了飞速发展,现如今导航软件在用户出行过程中起到越来越重要的作用,为用户的出行带来了很大的方便。导航软件的核心是路径规划,即寻找一条满足用户要求的从给定起点到给定终点的路径信息。
路径规划的效率对用户体验起到关键的作用,而全局地图过大会导致穷尽的路径规划搜索耗时巨大,造成计算效率低,无法及时响应用户的路径规划请求。为此,现有技术中通过地图分层处理的方式解决上述全局地图带来的问题,具体过程为:针对用户的每一条路径规划请求计算出该路径规划请求的路径可能涉及到的小范围局部地图,然后在小范围局部地图上根据路径规划请求进行路径规划,最后将路径规划的结果推送给用户。
在实现本发明的过程中,发明人发现现有技术中至少存在如下问题:
当服务器接收到大量的路径规划请求时,服务器需要针对每一次路径规划请求都进行一次地图分层处理,如果响应所有的路径规划请求得到路径规划结果就必须进行大量的地图分层处理,同时地图分层处理会需要相应的计算耗时,并且计算耗时会随着路径规划请求数量的增加而不断递增,降低了路径规划的总体效率。
发明内容
本发明实施例提供的一种路径规划方法、装置、服务器及存储介质,能够达到提高路径规划的总体效率。
第一方面,本发明实施例提供了一种路径规划方法,所述方法包括:
按照预设时间周期获取在当前预设时间周期内接收到的待处理路径规划请求;其中,所述待处理路径规划请求至少包括:当前起始位置和当前目标位置;
从全局地图中选取与所述待处理路径规划请求相匹配的局部地图,并根据历史路径规划信息将所述局部地图分割成多个初始局部子区域;
通过分割得到的初始局部子区域规划所述待处理路径规划请求中所述当前起始位置与所述当前目标位置之间的当前路径。
第二方面,本发明实施例还提供了一种路径规划装置,所述装置包括:
获取模块,用于按照预设时间周期获取在当前预设时间周期内接收到的待处理路径规划请求;其中,所述待处理路径规划请求至少包括:当前起始位置和当前目标位置;
分割模块,用于从全局地图中选取与所述待处理路径规划请求相匹配的局部地图,并根据历史路径规划信息将所述局部地图分割成多个初始局部子区域;
规划模块,用于通过分割得到的初始局部子区域规划所述待处理路径规划请求中所述当前起始位置与所述当前目标位置之间的当前路径。
第三方面,本发明实施例还提供了一种服务器,所述服务器包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一所述的路径规划方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一所述的路径规划方法。
本发明实施例提供了一种路径规划方法、装置、服务器及存储介质,通过获取在预设时间周期内接收到的批次路径规划请求,根据获取的批次路径规划请求进行统一地图分层从全局地图中确定局部地图,然后根据历史路径规划信息将局部地图分割成多个初始局部子区域,通过分割得到的初始局部子区域规划路径规划请求中起始位置与目标位置之间的路径。本发明实施例能够减少响应路径规划请求时进行地图分层所需要的计算耗时,从而大幅度提高路径规划的总体效率。
附图说明
图1示出了本发明实施例一提供的一种路径规划方法的流程示意图;
图2示出了本发明实施例一提供的将局部地图分割成多个初始局部子区域的分割示意图;
图3示出了本发明实施例一提供的在初始局部子区域中进行路径规划的示意图;
图4示出了本发明实施例二提供的一种路径规划方法的流程示意图;
图5示出了本发明实施例三提供的一种路径规划方法的流程示意图;
图6示出了本发明实施例三提供的从多个初始局部子区域确定目标局部子区域的示意图;
图7示出了本发明实施例三提供的合并初始局部子区域的示意图;
图8示出了本发明实施例三采用的环形图和扁平图;
图9a示出了本发明实施例三提供的MH算法代价下采用环形图的运行时间的结果示意图;
图9b示出了本发明实施例三提供的SP算法代价下采用环形图的运行时间的结果示意图;
图10a示出了本发明实施例三提供的MH算法代价下采用扁平图的运行时间的结果示意图;
图10b示出了本发明实施例三提供的SP算法代价下采用扁平图的运行时间的结果示意图;
图11示出了本发明实施例四提供的一种路径规划装置的结构示意图;
图12示出了本发明实施例五提供的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1示出了本发明实施例一提供的一种路径规划方法的流程示意图,本发明实施例可应用于响应路径规划请求进行路径规划的情况,该方法可由路径规划装置来执行,该装置可以采用软件和/或硬件的方式实现,该装置可以集成在任何具有网络通信功能用于进行路径规划的服务器中。
如图1所示,在本发明实施例中提供的路径规划方法可以包括:
步骤101、按照预设时间周期获取在当前预设时间周期内接收到的待处理路径规划请求;其中,待处理路径规划请求至少包括:当前起始位置和当前目标位置。
在进行路径规划时,服务器会根据每一条待处理路径规划请求进行一次地图分层,计算出待处理路径规划请求可能涉及到的最小地图,然后在最小地图上规划待处理路径规划请求的路径。当需要响应多个待处理路径规划进行路径规划时,就根据多个待处理路径规划请求分别进行多次地图分层得到多个最小地图,然后分别在多个最小地图上计算各个待处理路径规划请求对应的路径。但是在实现过程中会发现针对每一个待处理路径规划请求进行一次地图分层均会产生额外的计算耗时,并且地图分层的计算耗时会随着待处理路径规划请求的累积而不断增加,进而影响路径规划的总体效率。
在本发明实施例中,路径规划装置可以按照预设时间周期获取在当前预设时间周期内接收到的待处理路径规划请求。通过获取在当前的预设时间周期内接收到的批量待处理路径规划请求之后,可以针对批量的待处理路径规划请求可以统一进行一次地图分层。预设时间周期可以是路径规划装置设置的静态值,也可以是路径规划装置根据待处理路径规划请求的数量进行实时设置的动态值。例如,预设时间周期可以设置为预先设定的时间间隔,具体可以为,路径规划装置可以每隔T时间就获取在T时间内接收到的待处理路径规划请求。可以理解的是,由于待处理路径规划请求不断地大量到达路径规划装置,每间隔很短的时间周期都会存在数量非常可观的待处理路径规划请求,因此预设时间周期可以设置的非常小,比如可以将预设时间周期设置为0.01s。
在本发明实施例中,预设时间周期的起点时间和结束时间可以根据在当前状态下单位时间内到达路径规划装置的待处理路径规划请求的数量进行实时调整,保证路径规划装置可以获取稳定数量的待处理路径规划请求。可选的,由于待处理路径规划请求的发生时间可以在忙时,也可以在闲时,因此当单位时间内的到达路径规划装置的待处理路径规划请求的数量较多时,可以适当的调小预设时间周期的时间间隔值;当单位时间内的到达路径规划装置的待处理路径规划请求的数量较少时,可以适当的调大预设时间周期的时间间隔值。需要注意的是,由于在本实施例中需要对批量的待处理路径规划请求进行批量处理,因此预设时间周期的时间间隔值调整需要合适,如果时间间隔值过大那么必然会无法及时响应用户的待处理路径规划请求,如果时间间隔值过小,那么在预设时间周期内会获取过量的待处理路径规划请求,造成路径规划装置的过负荷,影响数据处理速度。
在本发明实施例中,各个用户均可以通过移动终端发送路径规划请求,路径规划装置可以按照预设时间周期获取在当前预设时间周期内接收到的批量待处理路径规划请求。例如,路径规划装置按照每隔0.01s的时间间隔获取在这0.01s时间间隔内接收到的全部待处理规划请求。可选的,每一个待处理路径规划请求中至少可以包括:当前起始位置和当前目标位置。其中,当前起始位置为当前用户需要规划的路径的起始点,当前目标位置为当前用户需要规划的路径的终点。另外,可选的,待处理路径规划请求中还可以包括:在发送待处理路径规划请求时,发送该待处理路径规划请求的终端所在的定位信息。
步骤102、从全局地图中选取与待处理路径规划请求相匹配的局部地图,并根据历史路径规划信息将局部地图分割成多个初始局部子区域。
在本发明实施例中,全局地图可以是一个大范围的地图,局部地图是一个小范围的地图。待处理路径规划请求中可以包含:当前起始位置和当前目标位置。根据待处理路径规划中的当前起始位置和当前目标位置可以从全局地图中确定与待处理路径规划请求相匹配的局部地图。该与待处理路径规划请求相匹配的局部地图可以是指局部地图中至少包括待处理路径规划请求的当前起始位置和当前目标位置。例如,以全局地图为中国地图为例,如果待处理路径规划中的当前起始位置为深圳的某一具体位置点,当前目标位置为东莞的某一个具体位置点,根据待处理路径规划中的当前起始位置和当前目标位置可以将广东省地图作为与待处理路径规划请求相匹配的局部地图,优选的可以将东莞市和深圳市的组合地图作为局部地图。
在本发明实施例中,可以理解的是,在从全局地图中选取局部地图时,并不是按照省份等行政区域进行划分,而是根据待处理路径规划请求中包含的当前起始位置和当前目标位置在全局地图中确定一个小范围的地图作为局部地图,原则上尽可能选取的局部地图是至少包含待处理路径规划请求中当前起始位置和当前目标位置的最小范围地图。例如,待处理路径规划请求中当前起始位置为汕头市的某一具体位置点,当前目标位置为厦门的某一具体位置点,此时在全局地图中确定的局部地图可以是包括厦门市和汕头市的组合地图,或者比厦门市和汕头市的组合地图范围更小的地图,当然了不论如何确定局部地图,局部地图中至少要包括当前起始位置和当前目标位置。
在本发明实施例中,图2示出了本发明实施例一提供的将局部地图分割成多个初始局部子区域的分割示意图。参见图2,左边的图为分割前的局部地图,右边的图为分割后的局部地图,从图2中可以看出局部地图被分为了多个初始局部子区域,例如,局部地图被分割成第一初始局部子区域202、第二初始局部子区域2和第三初始局部子区域203。需要说明的是,图2中的初始局部子区域的数量只是一种举例,局部地图可以被分割成的初始局部子区域的个数需要根据历史路径规划信息进行确定。
在上述实施例的基础上,可选的,从全局地图中选取与待处理路径规划请求相匹配的局部地图,可以具体包括:
根据待处理路径规划请求中包含的当前起始位置和当前目标位置对全局地图进行分层处理;
根据分层处理的结果从全局地图中选取与待处理路径规划请求相匹配的局部地图;其中,局部地图中至少包括待处理路径规划请求中的当前起始位置和当前目标位置。
具体地,待处理路径规划请求可以是指多个路径规划请求,当待处理路径规划请求包含多个路径规划请求时,待处理路径规划请求中可能会包括多个当前起始位置和多个当前目标位置,此时需要根据待处理路径规划请求中包含的多个当前起始位置和当前目标位置来对全局地图进行地图分层处理。其中,地图分层处理可以是指根据选定位置从全局地图中进行搜索得到包含选定位置的范围比较小的地图。在地图分层处理后,根据分层处理的结果从全局地图中选取与待处理路径规划请求相匹配的局部地图。
由于获取的批量待处理路径规划请求中的当前位置之间位置可能相差比较大,同样当前目标位置之间的位置也可能相差比较大,那么地图分层处理后得到的局部地图的范围也可能比较大。为此,在根据待处理路径规划请求中包含的当前起始位置和当前目标位置对全局地图进行分层处理时,可以根据待处理路径规划请求包含的当前起始位置和当前目标位置对待处理路径规划请求进行筛选处理,筛选处理后每一小组的待处理路径规划请求中包含的各个当前起始位置之间和各个当前目标位置之间尽可能距离比较近,此时可以进行多次地图分层得到多个局部地图。值得注意的,上述多次地图分层并不是针对每一个待处理路径规划请求均进行一次地图分层处理,而是将待处理路径规划请求分组后,针对每一组进行一次地图分层。
示例性的,假设有1000个待处理路径规划请求,其中,第一种:200个待处理路径规划请求的当前起始位置为深圳和当前目标位置为东莞;第二种:200个待处理路径规划请求的当前起始位置为深圳和当前目标位置为广州;第三种:200个待处理路径规划请求的当前起始位置为广州和当前目标位置为东莞;第四种:200个待处理路径规划请求的当前起始位置为天津和当前目标位置为北京;第五种:200个待处理路径规划请求的当前起始位置为天津和当前目标位置为石家庄,此时根据各个待处理路径规划请求中的各个当前起始位置和各个当前目标位置可以第一种、第二种和第三种归为一组,选取的局部地图可以是包括广州、东莞和深圳的组合地图;将第四种和第五种归为另外一组,选取的局部地图可以是包括北京、天津和河北的组合地图。这样做的好处在于:可以避免在从全局地图中选取局部地图时导致选取的局部地图范围过大,从而增加地图分层的难度。
步骤103、通过分割得到的初始局部子区域规划待处理路径规划请求中当前起始位置与当前目标位置之间的当前路径。
在本发明实施例中,在得到多个初始局部子区域之后,初始局部子区域中可以包含待处理路径规划请求中包含的当前起始位置和当前目标位置。因此可以在得到的初始局部子区域中规划待处理路径规划请求中当前起始位置与当前目标位置之间的当前路径。其中,当前路径可以是从当前起始位置到当前目标位置的路线。可选的,由于在本实施例中是批量的待处理路径规划请求,因此在步骤103中可以规划得到批量路径规划请求对应的批量路径。
示例性的,图3示出了本发明实施例一提供的在初始局部子区域中进行路径规划的示意图。参见图3,将局部地图分割成多个初始局部子区域之后,每一个初始局部子区域中均分布大量的节点以及节点与节点之间的交通线路,在交通网络中,上述各个节点可以是地理位置点,比如交通枢纽点、城市、商场、住宅地理位置点等,这些节点与节点之间的交通线路可以被称作路段,而一串连通的路段的有序排列就可以形成路径,比如上述路段可以是高速公路、城市主干道、街道等任何可能通行的交通线路。以第一初始局部子区域202为例,在第一初始局部子区域202规划待处理路径规划请求的当前路径,其中,第一初始局部子区域202中存在第一节点2011、第二节点2012和第三节点2013,其他节点就不在一一举出,第一节点2011与第三节点2013之间的连线以及第二节点2012与第三节点2013之间的连线均可以作为上述提到的路段。假设待处理路径规划请求的当前起始位置为第一节点2011,当前目标位置为第二节点2012,此时将第一节点2011与第三节点2013之间的连线和第二节点2012与第三节点2013之间的连线进行有序排列就形成了待处理路径规划请求中当前起始位置到当前目标位置的当前路径。当然,由于路径规划装置需要同时处理批量的待处理路径规划请求,为此可以将批量的路径规划请求进行分配到各个初始局部子区域中,比如如果有1000个待处理路径规划请求,其中可以将300个待处路径规划请求分配在第一初始局部子区域201进行路径规划,将300个待处路径规划请求分配在第二初始局部子区域202进行路径规划,以及将400个待处路径规划请求分配在第三初始局部子区域203进行路径规划。需要注意的的,具体在将待处理路径规划请求进行分配区域时需要根据实际情况进行分配。
可选的,待处理路径规划请求中还可以携带有路径规划请求者的标识信息,以便在规划得到待处理路径规划请求对应的当前起始位置与当前目标位置之间的当前路径之后,可以根据待处理路径规划请求中携带的标识信息将当前路径推送给路径规划请求者。
本发明实施例提供了一种路径规划方法,通过获取在预设时间周期内接收到的批次路径规划请求,根据获取的批次路径规划请求进行统一地图分层从全局地图中确定局部地图,然后根据历史路径规划信息将局部地图分割成多个初始局部子区域,通过分割得到的初始局部子区域规划路径规划请求中起始位置与目标位置之间的路径。本发明实施例能够减少响应路径规划请求时进行地图分层所需要的计算耗时,从而大幅度提高路径规划的总体效率。
实施例二
图4示出了本发明实施例二提供的一种路径规划方法的流程示意图,本实施例二在上述各实施例的基础上进行优化。在本实施例中,对根据历史路径规划信息将所述局部地图分割成多个初始局部子区域的步骤进一步优化。
如图4所示,在本发明实施例中提供的路径规划方法可以包括:
步骤401、按照预设时间周期获取在当前预设时间周期内接收到的待处理路径规划请求;其中,待处理路径规划请求至少包括:当前起始位置和当前目标位置。
步骤402、从全局地图中选取与待处理路径规划请求相匹配的局部地图。
可选的,从全局地图中选取与待处理路径规划请求相匹配的局部地图,可以包括:根据待处理路径规划请求中包含的当前起始位置和当前目标位置对全局地图进行分层处理;根据分层处理的结果从全局地图中选取与待处理路径规划请求相匹配的局部地图;其中,局部地图中至少包括待处理路径规划请求中的当前起始位置和当前目标位置。本发明实施例其他尚未详尽的内容请参考实施例一的解释说明。
步骤403、根据历史路径规划信息确定历史记录中已处理路径规划请求所对应的历史路径信息;其中,历史路径信息至少包括:历史起始位置与历史目标位置之间的历史路段信息。
在本发明实施例中,历史路径规划信息可以包括历史记录中已经处理完毕的多个历史路径规划请求和各个历史路径规划请求对应的历史路径信息。其中,已处理路径规划请求可以是历史上已经完成处理的路径规划请求。具体可以是,路径规划装置在处理完各个待处理路径规划请求之后,可以将已处理完毕的路径规划请求和已处理完毕的路径规划请求对应的路径规划进行关联,并存储在预设的路径规划数据库。进一步的,可以从路径数据库中获取历史路径规划信息,然后根据历史路径规划信息确定历史记录中已处理路径规划请求所对应的历史路径信息。
在本发明实施例中,历史路径信息可以包括:历史起始位置与历史目标位置之间的历史路段信息。由于在交通领域,路段是交通网络上相邻两个节点之间的交通线路,一串连通的路段的有序排列才可以形成最终的路径,因此历史路径信息中历史起始位置与历史目标位置之间的历史路段可能并不是由历史起始位置与历史目标位置连接形成的一条路段组成,历史起始位置到历史目标位置的历史路径中可能包含多条历史路段。因此,可选的,历史路径信息可以包括:历史起始位置、历史目标位置、历史起始位置与历史目标位置之间的多个历史路段信息,以及连接各个历史路段的位置节点。示例性的,参见图3,以第一初始局部子区域201中的一条历史路径为例,假设历史起始位置为第一节点2011和历史目标位置为第二节点2012,将第一节点2011、第三节点2013和第二节点2012依次连线可以生成一条历史路径。此时,该历史路径信息不仅可以包括第一节点2011与第三节点2013之间形成的历史路段和第三节点2013与第二节点2012之间形成的历史路段,还可以包括:第一节点2011、第三节点2013和第二节点2012的位置信息。
步骤404、根据历史路段信息将局部地图分割成多个初始局部子区域;其中,历史路段信息至少包括:路段优先级信息和路段两端位置点的位置信息。
在本发明实施例中,步骤403中的历史路径规划信息中可以包含多个历史路径规划请求对应的历史路径,而每一个历史路径中也可以包括多个历史路段,因此步骤404中的历史路段信息可以是由批量的历史路段所形成。即历史路段信息中可以包括各个历史路径规划对应的各个历史路段、各个历史路段的优先级和各个路段所在路段两端位置点的位置信息。在本步骤中,路段优先级可以用于表示路段的重要程度。具体可以是,路段的重要程度可以根据历史路段信息中记录的该路段在某一时间段内通行过的车辆数量进行确定。例如,如果在某一预设时间段内通行的车辆越多,则表明该路段越重要,相应的路段优先级越高;若在某一预设时间段内通行的车辆越少,则表明该路段越不重要,相应的路段优先级越低。为了定量分析路段的重要程度,可以预先设置一个车辆通行数量范围与路段重要程度的关联关系,因此只要确定了路段通行车辆的数量就可以根据预先设置的车辆通行数量范围与路段重要程度的关联关系确定路段的重要程度。
在本发明实施例中,由于历史路径规划信息的数量比较大,可能有成千上万条或甚至更多条,根据历史路径规划信息确定的历史路径的数量相应也比较大;同时由于每一个历史路径中也可以包括多个历史路段,那么必然造成得到的历史路段信息中会包含大量历史路段的路段信息。这些历史路段信息中可能存在一些路段并不在局部地图之内,那么对局部地图的分割就起不到任何作用。为此,可以先根据历史路段信息中的路段两端位置点的位置信息对历史路段信息进行筛选,将不符合位置条件历史路段对应的历史路段信息进行剔除。其中,利用路段两端位置点的位置信息可以确定哪些历史路段在局部地图内,哪些历史路段不在局部地图内,从而可以将不在局部地图内的历史路段的历史路段信息进行筛选剔除。在将历史路段信息中不符合位置条件的历史路段对应的历史路段信息剔除之后,可以根据历史路段信息中的各个路段的路段优先级将局部地图分割成多个初始局部子区域。
在本发明实施例中,在通过分析局部地图中各个路段的路段优先级,即确定各个路段的重要程度之后,可以根据各个路段的路段优先级将局部地图划分为多个初始局部子区域,使得每一个初始局部子区域中的各个路段均是优先级较高的路段,而各个初始局部子区域之间的路段优先级较低的路段。参见图2,在第一初始局部子区域201、第二初始局部子区域202和第三初始局部子区域203中的各个路段均是比较重要的路段,而在第一初始局部子区域201和第三初始局部子区域203之间的第一路段205,以及第一初始局部子区域201和第二初始局部子区域202之间的第二路段204均是不重要的路段,关于各初始局部子区域之间其他不重要的路段这里不再一一举例。
在上述方案的基础上,为了更好的理解如何将局部地图分割成多个初始局部子区域,可以将将局部地图分割成多个初始局部子区域建模成一个图像分割问题,下面采用数学描述的方式对图像分割问题进行详细解释说明。具体地,路径规划问题可以被抽象为在图G=(V,E,C,W)中寻找最短路径的问题。其中G是要计算路径的局部地图,其中包含了所有可能的节点集合V以及通过某一定点v∈V可能产生的代价C(v)∈R+,其中,节点集合V可以包括:城市、住宅、商场等任何可能的位置点,节点代价C可以是通过某一节点产生的时间、油耗等;边集合E以及通过某一条编e∈E可能产生的代价W(e)∈R+,其中,边集合E可以包括高速公路、城市主干道、街道等任何可能的同行路线,边代价W可以是通过某一边产生的时间、油耗等。图分割问题通过如下表达式进行表示为:
min∑i<jw(Eij),Eij={(u,v)|(u,v)∈E,u∈Vi,v∈Vj} (1)
其中,ε是一个超参数代表节点子集间的节点权重平衡程度。表达式(1)是目标函数,它最小化起始节点和目标节点位于不同的V的节点子集的边的总权重;表达式(2)表示分割结果{V1,V2,…,Vq}应该包括G的所有节点;表达式(3)表示它们不应该有的公共节点;表达式(4)表示每个节点子集都应该有相似的节点权重和。
上述关于图分割问题的工作有很多,包括确定性算法如谱分割与图增长、启发式算法如Kernighan-Lin algorithm和多层级方法如KaFFPa。可选的,在这些算法中,基于多层级分割方法的算法在大规模图上表现最好,因此,可以采用多层级方法KaFFPa进行图像分割。
步骤405、通过分割得到的初始局部子区域规划待处理路径规划请求中当前起始位置与当前目标位置之间的当前路径。
本发明实施例提供了一种路径规划方法,通过获取在预设时间周期内接收到的批次路径规划请求,根据获取的批次路径规划请求进行统一地图分层从全局地图中确定局部地图,能够根据历史路径规划信息中各个路段的优先级对局部地图进行图像分割处理,将局部地图分割成多个初始局部子区域,然后通过分割得到的初始局部子区域规划路径规划请求中起始位置与目标位置之间的路径。本发明实施例能够减少响应路径规划请求时进行地图分层所需要的计算耗时,从而大幅度提高路径规划的总体效率。
实施例三
图5示出了本发明实施例三提供的一种路径规划方法的流程示意图,本实施例三在上述各实施例的基础上进行优化。在本实施例中,对通过分割得到的初始局部子区域规划所述待处理路径规划请求中所述当前起始位置与所述当前目标位置之间的当前路径的步骤进一步优化。
如图5所示,在本发明实施例中提供的路径规划方法可以包括:
步骤501、按照预设时间周期获取在当前预设时间周期内接收到的待处理路径规划请求;其中,待处理路径规划请求至少包括:当前起始位置和当前目标位置。
步骤502、从全局地图中选取与待处理路径规划请求相匹配的局部地图,并根据历史路径规划信息将局部地图分割成多个初始局部子区域。
可选的,从全局地图中选取与待处理路径规划请求相匹配的局部地图,可以包括:根据待处理路径规划请求中包含的当前起始位置和当前目标位置对全局地图进行分层处理;根据分层处理的结果从全局地图中选取与待处理路径规划请求相匹配的局部地图;其中,局部地图中至少包括待处理路径规划请求中的当前起始位置和当前目标位置。本发明实施例其他尚未详尽的内容请参考实施例一的解释说明。
可选的,根据历史路径规划信息将局部地图分割成多个初始局部子区域,可以包括:根据历史路径规划信息确定历史记录中已处理路径规划请求所对应的历史路径信息;其中,历史路径信息至少包括:历史起始位置与历史目标位置之间的历史路段信息;根据历史路段信息将局部地图分割成多个初始局部子区域;其中,历史路段信息至少包括:路段优先级信息和路段两端位置点的位置信息。本发明实施例其他尚未详尽的内容请参考实施例一和实施例二的解释说明。
步骤503、根据待处理路径规划请求中的当前起始位置和当前目标位置在分割得到的多个初始局部子区域中确定目标局部子区域,并将目标局部子区域分配给待处理路径规划请求。
在本发明实施例中,在将局部地图分割成多个初始局部子区域之后,各个初始局部子区域中可以包含各个待处理路径路径规划请求中的各个当前起始位置和各个当前目标位置。因此,可以根据待处理路径规划请求中的当前起始位置和当前目标位置确定待处理路径规划请求需要在哪一个初始局部子区域中进行路径规划,将同一个待处理路径规划请求尽可能在同一个初始局部子区域中完成路径规划处理的任务。可选的,根据待处理路径规划请求中的当前起始位置和当前目标位置在分割得到的多个初始局部子区域中确定目标局部子区域。示例性的,图6示出了本发明实施例三提供的从多个初始局部子区域确定目标局部子区域的示意图。参见图6,假设一个待处理路径规划请求的当前起始位置在A点,当前目标位置在C点,在将局部地图分割成多个初始局部子区域之后,可以发现A点和B点均在第二初始局部子区域202中,因此可以将第二初始局部子区域202作为这一待处理路径规划请求的目标局部子区域,并将该目标局部子区域分配给这一待处理路径规划请求,以使这一待处理路径规划请求在第二初始局部子区域202进行路径规划。可以理解的是,在确定待处理路径规划请求对应的目标局部子区域时,尽可能使待处理路径规划请求的当前起始位置和当前目标位置在同一个初始局部子区域中。另外,当存在批量的待处理路径规划请求时,也可以采用上述方法并行处理确定目标局部子区域。
步骤504、通过路径规划算法在目标局部子区域中搜索与待处理路径规划请求相关的目标路段,并对目标路段进行规划得到当前路径;其中,目标路段的容量满足预先设置的路段容量阈值。
在本发明实施例中,在为所有的待处理路径规划请求分配目标局部子区域之后,可以通过路径规划算法在各个待处理路径规划请求对应的目标局部子区域中搜索对应的各个待处理路径规划请求的目标路段。由于在并行处理批量的待处理路径规划请求中可能会在同一时间为不同的待处理路径规划请求规划相同的路径,从而造成车辆的拥堵。为此,可以在通过路径规划算法搜索各个待处理路径规划请求的目标路段时需要对路段的容量进行判定,如果搜索到的待处理路径规划请求的目标路段的容量不符合路段容量要求则将不满足要求的路段进行滤除,或者在搜索过程中直接忽略不满足路段容量要求的目标路段。换言之,根据历史车流量情况,为每条路段自动设置一个容量上限,如果当前时间内,该路段当前车辆计数器已经达到该容量上限,则不会在该路段进行路径规划。采用上述方式的目的是使目标路段的容量满足预先设置的路段容量阈值,避免将不同的待处理路径规划请求的路径规划成相同的路径。
可选的,采用路径规划算法对待处理路径规划请求进行路径规划时,路径规划算法可以采用带宽约束路由算法,优选的可以采用CSPF(Constrained Shortest PathFirst)的带宽约束路由算法。路由算法可以为每一条路段设定代价,然后使用CSPF算法在目标局部子区域中寻找待处理路径规划中当前起始位置到当前目标位置的一条代价最小的可行路径。批量带宽约束路由问题的可以定义为:网络G=(V,E,C,W)是一张双向图,V代表节点集合,E代表边集合。δ:E→R>0定义了每条边的容量,其中K是一个路由请求集合,s代表起始节点,t代表目标节点,d代表要求的容量,这里举例可以简单设置为1,即一辆车。要求的输出是对应K的一个解集R,R的每一个元素可以是代表一条可行路径的一串节点,也可以是代表拒绝。R不能打破任何一条边的容量限制。示例性的,参见图6,节点结合可以包括:A点、B点、C点和D点,边集合可以包括:A点与B点之间的L1、A点与D点之间的L4,D点与B点之间的L5,C点与B点之间的L2,C点与D点之间的L3。
可选的,在通过路由规划算法确定路径时,还可以结合带宽吞吐量、拒绝率、平均路径长度、负载均衡以及最小化计算时间等指标来确定待处理路径规划请求中当前起始位置与当前目标位置之间的当前路径。
在上述方案的基础上,如果存在某一个待处理路径规划请求无法在同一个目标局部子区域中得到满足要求的路径,那么就认为该待处理路径规划请求在该目标局部子区域上是被拒绝的,无法在该目标局部子区域得到满足条件的当前路径。此时,可以将当前被拒绝的目标局部子区域与临近目标局部子区域的其它初始局部子区域进行合并形成新的目标局部子区域,然后通过路径规划算法在新的目标局部子区域上针对待处理路径规划请求进行路径规划。图7示出了本发明实施例三提供的合并初始局部子区域的示意图。参见图7,当无法在同一个初始局部子区域中对待处理路径规划请求进行路径规划时,即仅依靠第二初始局部子区域202无法完成对待处理路径规划请求中当前起始位置到当前目标位置的路径规划时,可以将第二初始局部子区域202与第二初始局部子区域202邻近的第三初始局部子区域203合并成一个新的目标局部子区域,并在新的目标局部子区域上进行路径规划。可以理解的是,关于目标局部子区域需要与哪一个初始局部子区域合并需要根据路径规划请求中的当前起始位置和当前目标位置进行确定。
在本发明上述实施例的基础上,还针对上述实施例的路径规划方法的效果进行理论分析和实验分析,具体参考如下:
理论分析:假设某个CSPF算法的时间复杂度是O(Np),p>1,其中,N代表图的节点数。让g代表图G=(V,E)的节点数,q代表对应的商圈Q=(VQ,EQ)的节点数,m代表每隔节点子集近似的节点数,有g≈qm。那么T0=O(gp)≈O(qpmp)是G上的运行时间,T1=O(qp)是Q上的运行时间。用l来代表Q上的一条路径的节点数,那么该路径代表的子图的节点数近似为h=lm。那么在子图上的运行时间为T2=O(hp)≈O(lpmp)。因为在算法中 存在如下关系:
因为l是Q上的一条路径的节点数,Q总共有q个节点,所以l≤q,而且绝大多数情况下l<<q,进而有T1+T2<<T0。这意味着对于一个路径规划请求本算法的路径计算时间基本上是少于原始的CSPF算法的。并且路径规划请求集合越大,节省的时间就越多。如果路径规划请求足够大,那么由图像分割操作引起的额外运行时间足够抵消,从而端到端的运行时间能够减少。
实验分析:实验评估本实施例算法对两种不同路由算法Minimum Hops和Shortest-dist Path的路经计算过程的加速效果,这两种算法都使用基于Dijkstra'salgorithm的CSPF算法来计算可行路径。图8示出了本发明实施例三采用的环形图和扁平图。参见图8,左边为环形图,右边为扁平图。针对环形图情况,环形图与其上的请求集合按照如下方式产生:
(1)用软件Brite根据Waxman模型产生20张扁平无向图,每张图有500个节点与1000条边。
(2)从20张图中各取10个节点,并组成一个环:使每一个从图i中取出的节点与图(i+1)%中取出的全部10个节点相连,i=1,2,3,…,20。
(3)每一条无向边都用相向的两条有向边代替,并且设置随机初始容量服从取值范围在[1000;5000]的均匀分布,于是能得到图G=(V;E)。
(4)随机选择两个不同节点s,t∈V,寻找从s到t的一条最短路径为path。产生一个随机数d,服从取值范围在[1000;5000]的均匀分布,path中的所有边的容量加上0.01d。重复该步骤1000000回以使G的容量设置更加合理。
(5)随机选择两个不同节点s,t∈V,并产生一个随机数d,服从取值范围在[1000;5000]的均匀分布,然后能够得到一个随机的请求(s,t,d)。重复此步骤100000回以获取请求K。
针对扁平图情况,扁平图与其上的请求集合按照如下方式产生:
(1)用软件Brite根据Waxman模型产生一张扁平无向图,该图有2000个节点与16000条边。
(2)每一条无向边都用相向的两条有向边代替,并且设置随机初始带容量从取值范围在[1000;5000]的均匀分布,于是能得到图G=(V,E)。
(3)随机选择两个不同节点s,t∈V,寻找从s到t的一条最短路径称为path。产生一个随机数d,服从取值范围在[1000,5000]的均匀分布,path中的所有边的容量加上0.01d。重复该步骤1000000回以使G的容量设置更加合理。
(4)随机选择两个不同节点s,t∈V,并产生一个随机数d,服从取值范围在[1000;5000]的均匀分布,然后能够得到一个随机的请求(s,t,d)。重复此步骤100000回以获取请求集合K。
图9a示出了本发明实施例三提供的MH算法代价下采用环形图的运行时间的结果示意图;图9b示出了本发明实施例三提供的SP算法代价下采用环形图的运行时间的结果示意图。图10a示出了本发明实施例三提供的MH算法代价下采用扁平图的运行时间的结果示意图;图10b示出了本发明实施例三提供的SP算法代价下采用扁平图的运行时间的结果示意图。上述实验结果都是运行10次取均值,采用原始的MH和SP算法处理所有100000个请求,每次运行过程中每隔2000个请求记录一下当时的结果数据作为其他请求集合大小时的实验结果。因为本实例算法是批量处理方式,所以不同大小的请求集合都有独立的运行。如图9a和图9b以及图10a和图10b所见,本发明实施例的方法使得MH和SP两种算法在两个场景中最多减少了69.1%的计算时间,达到了加速的效果。另外,本发明实施例的算法在环形图上有更好的表现,因为本实施例的算法假设图分割得到的节点子集代表了不同的域,即内部连通性非常好的子图,环形图上存在天然的域,而扁平图中没有。
实施例四
图11示出了本发明实施例四提供的一种路径规划装置的结构示意图,本发明实施例路径规划装置可适用于响应路径规划请求进行路径规划的情况,该装置可以采用软件和/或硬件的方式实现,该装置可以集成在任何具有网络通信功能用于进行路径规划的服务器中。
如图11所示,在本发明实施例中提供的路径规划装置可以包括:获取模块1101、分割模块1102和规划模块1103,其中:
获取模块1101,用于按照预设时间周期获取在当前预设时间周期内接收到的待处理路径规划请求;其中,所述待处理路径规划请求至少包括:当前起始位置和当前目标位置。
分割模块1102,用于从全局地图中选取与所述待处理路径规划请求相匹配的局部地图,并根据历史路径规划信息将所述局部地图分割成多个初始局部子区域。
规划模块1103,用于通过分割得到的初始局部子区域规划所述待处理路径规划请求中所述当前起始位置与所述当前目标位置之间的当前路径。
在上述方案的基础上,可选的,分割模块1102可以包括:全局地图分层单元和局部地图选取单元,其中:
全局地图分层单元,用于根据所述待处理路径规划请求中包含的当前起始位置和当前目标位置对所述全局地图进行分层处理。
局部地图选取单元,用于根据分层处理的结果从所述全局地图中选取与所述待处理路径规划请求相匹配的局部地图;其中,所述局部地图中至少包括所述待处理路径规划请求中的当前起始位置和当前目标位置。
在上述方案的基础上,可选的,分割模块1102还可以包括:历史信息确定单元和局部地图分割单元,其中:
历史信息确定单元,用于根据所述历史路径规划信息确定历史记录中已处理路径规划请求所对应的历史路径信息;其中,所述历史路径信息至少包括:历史起始位置与历史目标位置之间的历史路段信息。
局部地图分割单元,用于根据所述历史路段信息将所述局部地图分割成多个初始局部子区域;其中,所述历史路段信息至少包括:路段优先级信息和路段两端位置点的位置信息。
在上述方案的基础上,可选的,规划模块1103可以包括:区域分配单元和路径规划单元。
区域分配单元,用于根据所述待处理路径规划请求中的当前起始位置和当前目标位置在分割得到的多个初始局部子区域中确定目标局部子区域,并将所述目标局部子区域分配给所述待处理路径规划请求。
路径规划单元,用于通过路径规划算法对所述目标局部子区域中的目标路段进行规划得到所述当前路径;其中,所述目标路段为所述目标子区域中路段容量满足预先设置的路段容量阈值的路段。
本发明实施例中的上述路径规划装置可执行本发明任意实施例所提供的路径规划方法,并具备执行上述路径规划方法相应的功能模块和有益效果。
实施例五
图12示出了本发明实施例五提供的一种服务器的结构示意图。如图12所示,本发明实施例五提供的服务器可以包括:一个或多个处理器1210和存储装置1220;该服务器中的处理器1210可以是一个或多个,图12中以一个处理器1210为例;存储装置1220用于存储一个或多个程序;所述一个或多个程序被所述一个或多个处理器1210执行,使得所述一个或多个处理器1210实现如本发明实施例中任一实施例所述的路径规划方法。
所述服务器还可以包括:输入装置1230和输出装置1240。
服务器中的处理器1210、存储装置1220、输入装置1230和输出装置1240可以通过总线或其他方式连接,图12中以通过总线连接为例。
该服务器中的存储装置1220作为一种计算机可读存储介质,可用于存储一个或多个程序,所述程序可以是软件程序、计算机可执行程序以及模块,如本发明实施例上述任一实施例所提供路径规划方法对应的程序指令/模块(例如,附图11所示的路径规划装置中的模块,包括:获取模块1101、分割模块1102和规划模块1103)。处理器1210通过运行存储在存储装置1220中的软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中路径规划方法。
存储装置1220可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储装置1220可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置1220可进一步包括相对于处理器1210远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置1230可用于接收输入的数字或字符信息,以及产生与服务器的用户设置以及功能控制有关的键信号输入。输出装置1240可包括显示屏等显示设备。
并且,当上述服务器所包括一个或者多个程序被所述一个或者多个处理器1210执行时,程序进行如下操作:
按照预设时间周期获取在当前预设时间周期内接收到的待处理路径规划请求;其中,所述待处理路径规划请求至少包括:当前起始位置和当前目标位置;
从全局地图中选取与所述待处理路径规划请求相匹配的局部地图,并根据历史路径规划信息将所述局部地图分割成多个初始局部子区域;
通过分割得到的初始局部子区域规划所述待处理路径规划请求中所述当前起始位置与所述当前目标位置之间的当前路径。
此外,本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时用于执行一种路径规划方法,该方法包括:
按照预设时间周期获取在当前预设时间周期内接收到的待处理路径规划请求;其中,所述待处理路径规划请求至少包括:当前起始位置和当前目标位置;
从全局地图中选取与所述待处理路径规划请求相匹配的局部地图,并根据历史路径规划信息将所述局部地图分割成多个初始局部子区域;
通过分割得到的初始局部子区域规划所述待处理路径规划请求中所述当前起始位置与所述当前目标位置之间的当前路径。
可选的,该程序被处理器执行时还可以用于执行本发明任意实施例所提供的一种路径规划方法的技术方案。通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种路径规划方法,其特征在于,所述方法包括:
按照预设时间周期获取在当前预设时间周期内接收到的待处理路径规划请求,所述预设时间周期的起点时间和结束时间根据在当前状态下单位时间内到达路径规划装置的所述待处理路径规划请求的数量进行实时调整;其中,所述待处理路径规划请求至少包括:当前起始位置和当前目标位置;
从全局地图中选取与所述待处理路径规划请求相匹配的局部地图,并根据历史路径规划信息将所述局部地图分割成多个初始局部子区域;
通过分割得到的初始局部子区域规划所述待处理路径规划请求中所述当前起始位置与所述当前目标位置之间的当前路径。
2.根据权利要求1所述的方法,其特征在于,所述从全局地图中选取与所述待处理路径规划请求相匹配的局部地图,包括:
根据所述待处理路径规划请求中包含的当前起始位置和当前目标位置对所述全局地图进行分层处理;
根据分层处理的结果从所述全局地图中选取与所述待处理路径规划请求相匹配的局部地图;其中,所述局部地图中至少包括所述待处理路径规划请求中的当前起始位置和当前目标位置。
3.根据权利要求1所述的方法,其特征在于,所述根据历史路径规划信息将所述局部地图分割成多个初始局部子区域,包括:
根据所述历史路径规划信息确定历史记录中已处理路径规划请求所对应的历史路径信息;其中,所述历史路径信息至少包括:历史起始位置与历史目标位置之间的历史路段信息;
根据所述历史路段信息将所述局部地图分割成多个初始局部子区域;其中,所述历史路段信息至少包括:路段优先级信息和路段两端位置点的位置信息。
4.根据权利要求1所述的方法,其特征在于,所述通过分割得到的初始局部子区域规划所述待处理路径规划请求中所述当前起始位置与所述当前目标位置之间的当前路径,包括:
根据所述待处理路径规划请求中的当前起始位置和当前目标位置在分割得到的多个初始局部子区域中确定目标局部子区域,并将所述目标局部子区域分配给所述待处理路径规划请求;
通过路径规划算法在所述目标局部子区域中搜索与所述待处理路径规划请求相关的目标路段,并对所述目标路段进行规划得到所述当前路径;其中,目标路段的容量满足预先设置的路段容量阈值。
5.一种路径规划装置,其特征在于,所述装置包括:
获取模块,用于按照预设时间周期获取在当前预设时间周期内接收到的待处理路径规划请求,所述预设时间周期的起点时间和结束时间根据在当前状态下单位时间内到达路径规划装置的所述待处理路径规划请求的数量进行实时调整;其中,所述待处理路径规划请求至少包括:当前起始位置和当前目标位置;
分割模块,用于从全局地图中选取与所述待处理路径规划请求相匹配的局部地图,并根据历史路径规划信息将所述局部地图分割成多个初始局部子区域;
规划模块,用于通过分割得到的初始局部子区域规划所述待处理路径规划请求中所述当前起始位置与所述当前目标位置之间的当前路径。
6.根据权利要求5所述的装置,其特征在于,所述分割模块包括:
全局地图分层单元,用于根据所述待处理路径规划请求中包含的当前起始位置和当前目标位置对所述全局地图进行分层处理;
局部地图选取单元,用于根据分层处理的结果从所述全局地图中选取与所述待处理路径规划请求相匹配的局部地图;其中,所述局部地图中至少包括所述待处理路径规划请求中的当前起始位置和当前目标位置。
7.根据权利要求5所述的装置,其特征在于,所述分割模块还包括:
历史信息确定单元,用于根据所述历史路径规划信息确定历史记录中已处理路径规划请求所对应的历史路径信息;其中,所述历史路径信息至少包括:历史起始位置与历史目标位置之间的历史路段信息;
局部地图分割单元,用于根据所述历史路段信息将所述局部地图分割成多个初始局部子区域;其中,所述历史路段信息至少包括:路段优先级信息和路段两端位置点的位置信息。
8.根据权利要求5所述的装置,其特征在于,所述规划模块包括:
区域分配单元,用于根据所述待处理路径规划请求中的当前起始位置和当前目标位置在分割得到的多个初始局部子区域中确定目标局部子区域,并将所述目标局部子区域分配给所述待处理路径规划请求;
路径规划单元,用于通过路径规划算法对所述目标局部子区域中的目标路段进行规划得到所述当前路径;其中,所述目标路段为所述目标子区域中路段容量满足预先设置的路段容量阈值的路段。
9.一种服务器,其特征在于,所述服务器包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一项所述的路径规划方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-4中任一项所述的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810585911.3A CN108981739B (zh) | 2018-06-08 | 2018-06-08 | 一种路径规划方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810585911.3A CN108981739B (zh) | 2018-06-08 | 2018-06-08 | 一种路径规划方法、装置、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108981739A CN108981739A (zh) | 2018-12-11 |
CN108981739B true CN108981739B (zh) | 2022-02-22 |
Family
ID=64541047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810585911.3A Active CN108981739B (zh) | 2018-06-08 | 2018-06-08 | 一种路径规划方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108981739B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110207716B (zh) * | 2019-04-26 | 2021-08-17 | 纵目科技(上海)股份有限公司 | 一种参考行驶线快速生成方法、系统、终端和存储介质 |
CN110687923B (zh) * | 2019-11-08 | 2022-06-17 | 深圳市道通智能航空技术股份有限公司 | 无人机长距离循迹飞行方法、装置、设备及存储介质 |
CN113137972B (zh) * | 2020-01-16 | 2024-05-17 | 北京京东乾石科技有限公司 | 路径规划的方法和装置 |
CN113390423A (zh) * | 2020-03-13 | 2021-09-14 | 百度在线网络技术(北京)有限公司 | 一种导航路径规划方法、装置、服务器和存储介质 |
CN113408774A (zh) * | 2020-03-17 | 2021-09-17 | 北京京东振世信息技术有限公司 | 路线规划方法、装置、存储介质及电子设备 |
CN113469398A (zh) * | 2020-03-31 | 2021-10-01 | 广东博智林机器人有限公司 | 一种路径规划方法、装置、电子设备及存储介质 |
CN112382135B (zh) * | 2020-04-26 | 2021-07-09 | 北京三快在线科技有限公司 | 确定飞行路径的方法、装置、存储介质和电子设备 |
CN111813101B (zh) * | 2020-06-04 | 2024-04-02 | 深圳优地科技有限公司 | 机器人路径规划方法、装置、终端设备及存储介质 |
CN111750862A (zh) * | 2020-06-11 | 2020-10-09 | 深圳优地科技有限公司 | 基于多区域的机器人路径规划方法、机器人及终端设备 |
US11386784B2 (en) * | 2020-11-02 | 2022-07-12 | GM Global Technology Operations LLC | Systems and methods for vehicle pose prediction |
CN112686476A (zh) * | 2021-01-26 | 2021-04-20 | 广东省博瑞海曼科技有限公司 | 一种应用于地图的路径生成方法、系统、设备和存储介质 |
CN114489116B (zh) * | 2021-12-27 | 2024-04-05 | 北京理工大学 | 一种多机协同管理方法及系统 |
CN117474296B (zh) * | 2023-12-26 | 2024-04-16 | 深圳智者行天下科技有限公司 | 一种基于物联网实时称重的垃圾车智能调度系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101173862A (zh) * | 2006-06-23 | 2008-05-07 | 爱信艾达株式会社 | 地图信息发送系统 |
CN102483333A (zh) * | 2009-07-09 | 2012-05-30 | 通腾科技股份有限公司 | 使用具有路线搜索加速数据的地图数据的导航装置 |
CN102735239A (zh) * | 2011-03-29 | 2012-10-17 | 电装It研究所 | 导航装置、方法和系统 |
WO2015167220A1 (ko) * | 2014-05-02 | 2015-11-05 | 한화테크윈 주식회사 | 이동 로봇의 경로 계획 장치 및 이동 로봇의 경로 계획 방법 |
CN105387865A (zh) * | 2015-10-16 | 2016-03-09 | 上海博泰悦臻网络技术服务有限公司 | 一种基于交通道路数据的路径规划方法及系统 |
CN106408124A (zh) * | 2016-09-22 | 2017-02-15 | 西安科技大学 | 一种面向数据稀疏环境下的移动路径混合预测方法 |
CN106403970A (zh) * | 2016-06-27 | 2017-02-15 | 百度在线网络技术(北京)有限公司 | 一种路网数据处理方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4512676B2 (ja) * | 2007-12-25 | 2010-07-28 | 日本電気株式会社 | 経路探索システム、経路探索端末及び経路探索方法 |
JP5590950B2 (ja) * | 2010-04-12 | 2014-09-17 | アルパイン株式会社 | ナビゲーション装置および誘導経路探索方法 |
-
2018
- 2018-06-08 CN CN201810585911.3A patent/CN108981739B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101173862A (zh) * | 2006-06-23 | 2008-05-07 | 爱信艾达株式会社 | 地图信息发送系统 |
CN102483333A (zh) * | 2009-07-09 | 2012-05-30 | 通腾科技股份有限公司 | 使用具有路线搜索加速数据的地图数据的导航装置 |
CN102735239A (zh) * | 2011-03-29 | 2012-10-17 | 电装It研究所 | 导航装置、方法和系统 |
WO2015167220A1 (ko) * | 2014-05-02 | 2015-11-05 | 한화테크윈 주식회사 | 이동 로봇의 경로 계획 장치 및 이동 로봇의 경로 계획 방법 |
CN105387865A (zh) * | 2015-10-16 | 2016-03-09 | 上海博泰悦臻网络技术服务有限公司 | 一种基于交通道路数据的路径规划方法及系统 |
CN106403970A (zh) * | 2016-06-27 | 2017-02-15 | 百度在线网络技术(北京)有限公司 | 一种路网数据处理方法及装置 |
CN106408124A (zh) * | 2016-09-22 | 2017-02-15 | 西安科技大学 | 一种面向数据稀疏环境下的移动路径混合预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108981739A (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108981739B (zh) | 一种路径规划方法、装置、服务器及存储介质 | |
Lopez et al. | Spatiotemporal partitioning of transportation network using travel time data | |
Liu et al. | Think like a graph: Real-time traffic estimation at city-scale | |
WO2022227303A1 (zh) | 信息处理方法、装置、计算机设备及存储介质 | |
US8738559B2 (en) | Graph partitioning with natural cuts | |
CN101900565A (zh) | 路径确定方法和装置 | |
Aissat et al. | A priori approach of real-time ridesharing problem with intermediate meeting locations | |
CN105205052A (zh) | 一种数据挖掘方法及装置 | |
Alves Peixoto et al. | A framework for parallel map-matching at scale using Spark | |
CN117664168A (zh) | 一种园区车辆导航路径规划方法、介质及系统 | |
Yu et al. | Construct trip graphs by using taxi trajectory data | |
Yang et al. | Recommending profitable taxi travel routes based on big taxi trajectories data | |
CN105139328B (zh) | 面向车牌识别数据的旅行时间实时预测方法及装置 | |
CN110487293A (zh) | 一种基于大规模道路网络的高效且隐私的路径规划方法 | |
CN110245271B (zh) | 基于属性图的大规模关联数据划分方法及系统 | |
CN113569369A (zh) | 路网拓扑图的划分方法、装置、介质及设备 | |
Chandio et al. | An approach for map-matching strategy of GPS-trajectories based on the locality of road networks | |
US20220383349A1 (en) | System and method for partitioning geographical areas into logistical areas for dynamic pricing | |
CN112541624A (zh) | 一种揽投网点的选址方法、装置、介质及电子设备 | |
CN112269848A (zh) | 一种众包轨迹数据融合方法及装置 | |
CN114399124B (zh) | 路径数据处理、路径规划方法、装置和计算机设备 | |
CN106651010A (zh) | 一种基于最短路径的线网划分方法 | |
Mu et al. | Recommend taxi pick-up hotspots based on density-based clustering | |
CN114979134B (zh) | 边缘计算环境中服务迁移的路径选择方法 | |
Waury et al. | Assessing the accuracy benefits of on-the-fly trajectory selection in fine-grained travel-time estimation |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20181211 Assignee: Shenzhen lingque Intelligent Technology Co.,Ltd. Assignor: Southern University of Science and Technology Contract record no.: X2019440020023 Denomination of invention: Route planning method, device, server and storage medium License type: Exclusive License Record date: 20191030 |
|
GR01 | Patent grant | ||
GR01 | Patent grant |