一种多途经点导航路线规划方法和系统技术方案

本发明专利技术提供了一种针对多途径点（多目的地）、且途经点在多因素影响下具有非同等优先级的实际需求情境下的路线规划方法和系统。该方法包括一个基于权重评分的最优线路确定模型和一套基于机器学习的多影响因子权重系数确定方法。具体来说，首先设计了一种面向非同等优先级的多途经点的多点道路规划模型；对于模型中的系数确定，提出了一种基于机器学习的影响因子权重系数确定的方法；进而得到一种可以广泛推广到众多领域的多点道路规划系统。本发明专利技术为多影响因子的多途经点路线导航提供了一种新的解决方案，使得线路规划变得更加智能、高效、动态和自动化。

【技术实现步骤摘要】

本专利技术涉及道路导航规划，优化调度领域，具体来说，涉及针对多途经点（多目的地）、多影响因子情境下的路线规划及影响因子权重确定的方法和系统。
技术介绍
近年来，随着交通工具的普及以及人们出行尤其是远距离出行的增多，运行在各类导航仪、移动终端上的路线导航系统（包含汽车、自行车、步行导航）得到快速发展。尤其是安装在移动终端的利用GPS的电子地图程序，凭借其低廉的价格、实时更新的地图数据以及与其他应用软件方便结合的能力，给人们出行的方案带来了一场革命。用户只需要在电子地图上标出起点和终点，就可以方便的找到出行的路线。在当前背景下，导航路线的自动、优化规划算法成为热门研究领域。国内外地图、位置、导航等领域的服务厂商均投入大量精力进行导航算法的优化改进。国外较著名的包括谷歌地图和苹果地图等，国内较著名的有百度地图、高德地图等，以及各类导航仪生产商家自己生产制作的地图服务系统。从用户体验度来说，在最短的时间内提供出使用者所认为的最优化的道路行驶方案是该领域的终极目标。对于这个目标可从两个方面来看，首先是“最短时间”，这是指从用户输入起点和目的地到生成一条规划路线的时间。这主要取决于软件的操作界面人性化程度以及后台优化算法的效率。目前而言，各厂商的操作界面大同小异，均提供手动输入、地图点取、常用地址等多种方法便于确定起点目的地。各厂商的差异主要集中在作为商业秘密的优化算法。对此各厂商存在较大差异。比如同时运行在相同硬件上的谷歌地图路线规划速度较大多厂商有明显优势。且在行驶过程中不间断计算新的最优路线，供用户选择。当用户出现路线偏移时，能迅速给出新的路线。如何优化算法，在“最短计算时间”内提供路线是当前各厂商研究的主要内容。上述目标的第二个方面是“使用者所认为的最优化道路”。通常而言用户出行的目的是快速到达目的地，因此这个最优化道路一般是指最短路径或者最短行驶时间的路线。对此各厂商也提出了多种解决方案。比如谷歌地图会凭借其巨大用户数通过大数据分析，在决定路线的时考虑一系列因素，并依赖于某一特定地区的可用数据流。这些因素包括道路的官方最高限速、建议驾驶速度、某一道路类型的实际行驶速度、某段时间内的历史平均速度(谷歌地图有时会调取这一路段的行驶速度平均值，有时则会调取某一天内特定时间的行驶速度)、此前用户的实际行驶时间以及实时路况等信息。在获得这些信息后，谷歌地图会将这些不同来源的数据进行整合，并给出自己最好的判断。事实上，大部分提供路线导航服务的厂家都会将预测驾驶时间与实际结果进行对比，从而帮助自己不断改进算法和数据源。而在这一方面做得较好的公司则往往是那些拥有巨大用户使用量的企业，他们往往可以在长期内提供最好的路线推荐。除此之外，考虑到有时用户的需求并不是最快的到达目的地，因此“最优路线”并不单指最快的路线。对此，部分厂家也进行了研究。比如雅虎实验室的员工日前开发出了一套导航算法。在新算法下，地图导航的依据不再是两点间最短的距离，而是哪条路线沿途的风景更“亮丽”。在用户输入起点和终点信息后，算法会搜索所有可能的路线，把各路线沿途地点的景致得分相加，通过比较找到一条最美丽的行程。雅虎员工表示，“美丽”的路线平均下来会比那些最短的路线长12%。但该规划策略一般适用于步行导航而非汽车导航。其实在某些情境下“用户所认为的最优路线”并非最短、最快路线的情况比比皆是。而对此当前厂商所提供的服务几乎空白。绝大多数导航软件只提供最短时间、最短路程、避开高速三种规划策略。因此不能满足用户的个性化路线需求。比较突出的一种情景是用户对于途经点的需求。这一需求在快递服务、送餐服务、接送服务等涉及到多个目的地的领域显得特别突出。虽然当前部分厂家提供在道路规划开始前添加途经点（waypoint），以强制要求路线必须经过这些点，但是并不能考虑到这些途经点之间的优先级差异性。这个优先级一般又是由多种因素隐式决定的，因情况改变的，因此也并不能强制规定路线途经顺序。对于这一需求，当前使用者采取的方法是先在电脑端利用一些多目的地路线规划辅助软件进行人工的路线规划，然后按顺序输入移动端导航软件，从而得到用户所需求的路线。但是这不仅费时费力，在某些情况下更是不可实现的。比如送餐司机在执行多个目的地送达时，不可能预先规划好每个客户的送餐顺序并手动输入导航仪。综上，从“在最短的时间内提供出使用者所认为的最优化的道路行驶方案是该领域的终极目标”这句话来看，找到使用者所认为的最优路线这一点并未得到很好实现。尤其是在多目的地路线规划时，导航算法并不能综合考虑用户需求。因此，本专利技术旨在提出一种面向非同等优先级的多途经点道路导航规划算法（NavigationAlgorithmforMulti-wayPointswithDIfferentPriority(NAMPDIP)）。该专利技术在考虑两点之间的属性（时间和距离）之外，考虑点上的属性（该点重要程度）。可应用于但不限于应用于多任务多目的地送餐服务、多人拼车的接送服务、多目的地自驾游导航服务、多目的地的上门维修服务等。以多任务送餐服务举例，各途经点的优先级的影响因素可能包括：该点客户所加小费数量、该点客户的会员身份级别、该点客户所点菜品的最佳使用时间等。同时针对算法中多重影响因子的权重设定问题，本专利技术提出了一种基于机器学习的最优权重确定方案。此外，本发明还提出了一种多途经点导航路线规划系统。
技术实现思路
本专利技术提供一种面向非同等优先级的多途经点导航路线规划方法，包含以下步骤：步骤1、任务初始化：任务调度中心向导航用户终端发送模型系数设定方案，并分配非同等优先级的多途经点的多重导航任务，其中所述多途经点个数为n，当导航用户终端选择接受该任务时，将该任务中的途经点与用户终端已有任务中的途经点共同组成新的当前任务，则该当前任务下共有n!条备选路线；其中n!表示n的全排列；步骤2、计算导航模型权重：所述导航模型为面向非同等优先级的多途经点的多点模型，模型公式为：其中，为多条可供选择的路线，为第条路线的权重，为判定函数，为路线总耗时的权重，为路线总长度的权重，为总途经点的个数，为从第个途经点到达第个途经点的分路段耗时，为从第个途经点到达第个途经点的分路段距离，为途经点优先级影响因素的个数，表示车辆出发时刻距抵达第k个途经点的时间，表示第k个途经点的第j个影响因素的值，表示第j个影响因素的权重，关系运算符?可以是乘法、加法或是其他关系表达方式；步骤3、路线规划：用户终端的地图导航系统提供任意两个途经点间的分路段距离和分路段耗时，自动根据上述本文档来自技高网...

【技术保护点】
一种面向非同等优先级的多途经点导航路线规划方法，其特征在于包含以下步骤：步骤1、任务初始化：任务调度中心向导航用户终端发送模型系数设定方案，并分配非同等优先级的多途经点的多重导航任务，其中所述多途经点个数为n，当导航用户终端选择接受该任务时，将该任务中的途经点与用户终端已有任务中的途经点共同组成新的当前任务，则该当前任务下共有n!条备选路线；其中n!表示n的全排列；步骤2、计算导航模型权重：所述导航模型为面向非同等优先级的多途经点的多点模型，模型公式为：（1）（2）其中，为多条可供选择的路线，为第条路线的权重，为判定函数，为路线总耗时的权重，为路线总长度的权重，为总途经点的个数，为从第个途经点到达第个途经点的分路段耗时，为从第个途经点到达第个途经点的分路段距离，为途经点优先级影响因素的个数，表示车辆出发时刻距抵达第k个途经点的时间，表示第k个途经点的第j个影响因素的值，表示第j个影响因素的权重，关系运算符∎可以是乘法、加法或是其他关系表达方式；步骤3、路线规划：用户终端的地图导航系统提供任意两个途经点间的分路段距离和分路段耗时，自动根据上述模型及设置的权重计算全部备选路线的权重值，并按权重值由大到小进行排序，将权重值最大的规划路线设为第一优选路线；步骤4、输出规划结果并导航：将全部备选路线的权重值输出给UI交互模块，用户可选择默认接受第一优选路线或自主选择其他优选路线，并根据选择结果开始导航。...

【技术特征摘要】
1.一种面向非同等优先级的多途经点导航路线规划方法，其特征在于包含以下步骤：
步骤1、任务初始化：任务调度中心向导航用户终端发送模型系数设定方案，并分配非
同等优先级的多途经点的多重导航任务，其中所述多途经点个数为n，当导航用户终端选择
接受该任务时，将该任务中的途经点与用户终端已有任务中的途经点共同组成新的当前任
务，则该当前任务下共有n!条备选路线；其中n!表示n的全排列；
步骤2、计算导航模型权重：所述导航模型为面向非同等优先级的多途经点的多点模
型，模型公式为：
（1）
（2）
其中，为多条可供选择的路线，为第条路线的权重，为判定函数，为路线总耗时的
权重，为路线总长度的权重，为总途经点的个数，为从第个途经点到达第个途经
点的分路段耗时，为从第个途经点到达第个途经点的分路段距离，为途经点优
先级影响因素的个数，表示车辆出发时刻距抵达第k个途经点的时间，表示第k个途经
点的第j个影响因素的值，表示第j个影响因素的权重，关系运算符?可以是乘法、加法或是
其他关系表达方式；
步骤3、路线规划：用户终端的地图导航系统提供任意两个途经点间的分路段距离和分
路段耗时，自动根据上述模型及设置的权重计算全部备选路线的权重值，并按权重值由大
到小进行排序，将权重值最大的规划路线设为第一优选路线；
步骤4、输出规划结果并导航：将全部备选路线的权重值输出给UI交互模块，用户可选
择默认接受第一优选路线或自主选择其他优选路线，并根据选择结果开始导航。
2.如权利要求1所述的导航路线规划方法，其特征在于：
步骤1中所述的模型系数设定方案可通过机器学习的方法获得，该方法流程包括：
步骤1.1、影响因子定量化：对优先级有影响的全部因子用数字进行定量化；
步骤1.2、训练样本的采集：随机生成多组非同等优先级的多途经点的路线规划问题，
每个问题中均提供全部参考信息，包括各点之间的距离和时间，各点的各权重因子的级别，
供训练者按照自己的需求人工选择出每个问题中的最优路线；
步骤1.3、构建代价函数：构建代价函数如下：
（3）
计算机会不断调整模型系数a，b，cj，当cost最小时或者达到最大迭代次数时，迭代停
止，此时的系数即为最优系数组合；
步骤1.4：初值设定及迭代停止判断：将初值设定为：a=1，b=1，cj=0.2，设定迭代停止条
件为：cost<5%或总迭代次数大于10000；
步骤1.5：训练结果评价与使用：完成上述训练后，最终的模型预测不一致性将作为模
型训练的评价指标，该指标告知用户采用该组系数会有多大的可能性仍得不到用户认为的
最优路线，将训练完毕的系数带入模型，即可用于用户针对于此类路线规划问题使用；
步骤1.6：模型系数优化调整：上述训练完毕的系数用于实际规划使用时所给出的第一
优选方案仍可能不是最优路线，此时用户放弃系统推荐的第一路线而从备选路线中选择路
线，同时该规划情景的数据将被存入Log文件并上传之后台服务器，当服务器累积存储的该
类规划情景达到一定阈值，则系统启动模型系数再次优化调整功能，即利用服务器中所存
储的规划情景以及当时用户所做出的人工选择构成新的训练数据集，该数据集连同步骤
1.2所采集到的数据集构成系数调整训练数据集，按照上述步骤1.3-1.5重新训练得到模型
系数。
3.如权利要求2所述的导航路线规划方法，其特征在于，其中步骤1.1中将对优先级有
影响的全部因子定量化，分为1-5五个级别，1为最低，5为最高。
4.如权利要求2所述的导航路线规划方法，其特征在于，其中步骤1.2中生成100组非同
等优先级的多途经点的路线规划问题；其中步骤1.6中用于模型系数优化调整的数据集来
自于步骤1.2生成的模拟数据和实际使用过程中的用户的使用记录。
5.一种面向非同等优先级的多途经点导航路线规划系统，该系统包括当前位置获取模
块、参数配置模块、权重设置模块、路线规划模块、UI交互模块、任务管理模块、数据通信模
块，其特征在于：
当前位置获取模块被配置用于通过读取用户终端上的GPS数据或基站定位信息获取用
户当前位置；
参数配置模块被配置用于用户自定义多因子个数、名称及其量化等级；
权重设置模块被配置用于设置面向非同等优先级的多途经点的多点模型的系数a，b，,
其中面向非同等优先级的多途经点的多点模型为：
（4）
（5）
其中，为多条可供选择的路线，为第条路线的权重，为判定函数，为路线...

【专利技术属性】
技术研发人员：闫凯，刘钊，
申请(专利权)人：闫凯，刘钊，
类型：发明
国别省市：北京;11