一种动态路径规划方法技术

一种动态路径规划方法，该方法包括以下步骤：S1：接收用户输入出发点、目的地、期望耗时tu和接收时间；S2：在路网上标定起始节点和终止节点；S3：实时查询离线生成的路径数据字典来获取备选路径集；S4：预测备选路径集中的每一条备选路径的行程时间tr；S5：计算备选路径集中的每一条备选路径的概率权重，并选择路径概率权重最大的路径作为推荐路径给用户；S6：每隔一设定时间检测用户是否到达目的地；否则，执行步骤S7：动态刷新用户位置信息，即将新检测到的用户位置信息作为出发点。通过上述动态路径规划方法，在收到用户的查询时快速规划路径，实时性强，还具有为用户推荐预设时间内到达目的地可能性最大路径的方法。

【技术实现步骤摘要】

本专利技术涉及路径规划领域，具体涉及。
技术介绍
当前，动态路径规划的常用方法是利用当前的交通状态和路网拓扑结构或者只依 赖于路网拓扑结构来获取导航路径，这类方法主要采用一些理想统计模型来对交通状态进 行统计分析和费用映射。在此基础上再采用传统的路径寻优方法获取多条备选路径来选出 一条路径用于导航。 然而，现有动态路径规划方法随着路网拓扑结构复杂度提高，结合交通状态和路 网拓扑的实时路径搜索会面临巨大的运算压力，导致响应速度慢，实时性不强。同时，现有 动态路径规划方法不具有为用户推荐预设时间内到达目的地的方法，导致用户体验不佳。
技术实现思路
为解决现有动态路径规划方法响应速度慢，实时性不强的问题，本专利技术提出一种 动态路径规划方法。 本专利技术提供的，其特征在于，该方法的在线计算部分包括 以下步骤： S1:接收用户输入出发点、目的地、期望耗时tu和所述接收时间； S2:在路网上标定起始节点和终止节点； S3:实时查询离线生成的路径数据字典来获取备选路径集； S4:预测所述备选路径集中的每一条备选路径的行程时间 S5:计算所述备选路径集中的每一条备选路径的概率权重，并选择路径概率权重 最大的路径作为推荐路径给用户； S6:每隔一设定时间检测用户是否到达目的地;是则，结束;否则，执行步骤S7;及 S7:动态刷新用户位置信息，即将新检测到的用户位置信息作为出发点，然后转回 执行步骤S2至S5。 进一步的，该方法的离线计算部分包括以下步骤： S8:接收历史数据，对路网节点进行编号，对所述路径数据字典进行设置； S9:对路网拓扑结构进行优化分析和路径选取，获取备选路径集； S10:对所述路径数据字典中所有备选路径进行统计分析，提取任意一条路径的行 程时间概率分布等间距采样值序列； S11:计算所述备选路径集中的每一条备选路径的长时预测值序列； S12:更新所述路径数据字典，用于存储新的信息； S13:每隔一设定时间检测是否有新的路网行程时间数据:是则，执行下一步S14; 否则，执行步骤S15; S14:将新的路网行程时间数据添加进所述路径数据字典中，并转回执行步骤S10; 及 S15:每隔一设定时间检测路网拓扑结构是否改变:是则，转回执行步骤S8;否则， 结束。 进一步的，所述步骤S3具体包括:根据所述起始节点和所述终止节点，从所述路径 数据字典中实时查询并获取相应的备选路径集，备选路径集包括一个或多个备选路径，备 选路径集通过所述离线计算的方式形成的。 进一步的，所述步骤S4具体包括:针对所述备选路径集的每一条备选路径，用时间 序列自回归滑动平均模型(Auto-Regressive and Moving Average，ARMA)方法获得短时预 测值，从所述路径数据字典中读取某一路径的长时预测序列，并结合所述接收时间，用柳 条插值算法获得长时预测值t 2，偏差率设定为δ，该备选路径的行程时间tr为： 其中，所述路径数据字典中存储有各备选路径及其对应的长时预测值t2。 进一步的，所述步骤S5具体包括:针对所述备选路径集中的每一条备选路径，从所 述路径数据字典中读取某一路径行程时间的概率等间距采样序列值，通过柳条插值算法， 找到该备选路径的行程时间tr和期望耗时t u相对应的概率pr和pu，依据下式计算所有备选 路径的概率权重W，比较并选出概率权重最大的路径，进一步的，所述历史数据包括道路断面车辆交通数据、路网行程时间数据、地图拓 扑数据;通过地图拓扑数据，对路网节点进行编号，并以路网节点编号为主索引号，利用大 数据技术来规划和优化路径数据字典的存储结构。 进一步的，所述步骤S9具体包括:使用前K条最短路径搜索（K shortest paths， KSP)方法对路网进行搜索处理，获取任意两个不同路网节点之间不超过K条备选路径，来作 为备选路径集并存入所述路径数据字典之中。 进一步的，所述步骤S10具体包括：用核密度估计(Kernel Density Estimates， KDE)算法对每一条备选路径的所有行程时间数据进行全局统计分析，获其概率分布的等间 距采样序列值，该概率等间距采样序列值用于S5的概率查询。 进一步的，所述步骤S11具体包括:利用交通潮汐流理论，以天为循环周期，用核密 度估计(Kernel Density Estimates，KDE)算法对每一条备选路径在所有周期某个时刻对 应的行程时间数据进行全局统计分析，选取概率最大值对应的行程时间作为对应路径在该 时刻的行程时间长时预测值t 2,将该路径一个周期内所有时刻的长时预测值^按时序排列 成一个长时预测序列。进一步的，所述路径数据字典用于存储所述步骤S8获得的路网节点、所述步骤S9 获得的备选路径集、所述步骤S10获得的路径行程时间概率等间距采样序列和所述步骤S11 获得的路径行程时间长时预测序列。本专利技术的有益效果通过上述动态路径规划方法，在收到用户的查询时快速规划路 径，实时性非常强，还具有为用户推荐预设时间内到达目的地可能性最大路径的方法，提高 用户体验。【附图说明】 图1为本专利技术动态路径规划方法的在线计算部分一实施方式的流程图。 图2为本专利技术动态路径规划方法的离线计算部分一实施方式的流程图。【具体实施方式】 请参阅图1，为本专利技术动态路径规划方法的在线计算部分一实施方式的流程图。本 专利技术采用概率均衡原则计算路径行程时间的概率分布，能够大幅度降低运算复杂度，利用 路径行程时间的概率分布进行路径概率权重计算，能使路网交通逼近概率均衡，任意两个 不同路网节点的备选路径及其对应的行程时间概率分布形成有规律的路径数据字典，便于 查找和读写，能够快速响应用户实时性要求。离线自适应的更新路径数据字典的数据，在此 基础上进行动态路径选择，为用户快速实时的动态规划路径。 在步骤S1:接收用户输入出发点、目的地、期望耗时tu和接收的时间。 在步骤S2:在路网上标定起始节点和终止节点。在本实施方式中，路网中包括若干 节点，起始节点和终止节点可为一个或多个。 在步骤S3:实时查询离线生成的路径数据字典来获取备选路径集。在本实施方式 中，路径数据字典存储有各备选路径及其对应的行程时间概率分布。路径数据字典存储有 各备选路段及其对应的长时预测值t 2。 在步骤S4:预测备选路径集中的每一条备选路径的行程时间tr。在本实施方式中， 针对备选路径集的每一条备选路径，用时间序列自回归滑动平均模型(Auto-Regressive and Moving Average，ARMA)方法获得短时预测值ti，从路径数据字典中读取某一路径的长 时预测序列，并结合接收时间，用柳条插值算法获得长时预测值t 2，偏差率设定为δ，该备选 路径的行程时间为：从而实现实时预测与长时预测 融合处理，提高预测的响应实时性和预测精度。各备选路段的长时预测值t2是通过以下方 法得到的：用核密度估计(Kernel Density Estimates，KDE)算法对每一备选路段的行程时 间进行统计分析，获其概率分布的等间距采样值。再利用交通潮汐流理论，以天为循环周 期，对每一备选路段对应的时段的行程时间进行全局统计分析，选取概率最大值对应的行 程时间作为该时段行程时间的长时预测值t 2。在本实本文档来自技高网...

【技术保护点】
一种动态路径规划方法，其特征在于，该方法的在线计算部分包括以下步骤：S1：接收用户输入出发点、目的地、期望耗时tu和所述接收时间；S2：在路网上标定起始节点和终止节点；S3：实时查询离线生成的路径数据字典来获取备选路径集；S4：预测所述备选路径集中的每一条备选路径的行程时间tr；S5：计算所述备选路径集中的每一条备选路径的概率权重，并选择路径概率权重最大的路径作为推荐路径给用户；S6：每隔一设定时间检测用户是否到达目的地；是则，结束；否则，执行步骤S7；及S7：动态刷新用户位置信息，即将新检测到的用户位置信息作为出发点，然后转回执行步骤S2至S5。

【技术特征摘要】

【专利技术属性】
技术研发人员：付建胜，王少飞，祖晖，阮志敏，周欣，
申请(专利权)人：重庆云途交通科技有限公司，
类型：发明
国别省市：重庆;85