一种基于深度学习的物流路径规划方法技术

本发明专利技术涉及一种基于深度学习的物流路径规划方法，快速引入道路路口交通实时情况，并能够基于此实时进行车辆最优路径的规划，其中，采用卷积神经网络的方法来实现交通视频中车辆目标的识别，并通过车辆间的bounding‑box的坐标来计算车辆间的拥堵情况，可以实时地获取当前交通中车况信息；如此根据实时获取到的交通信息，并综合车辆达到该路口的时间代价因素，来规划车辆的最优路径，可以为物流车辆规划一条高效的运输路径，提高了路径划化的效率。

A method of logistics path planning based on depth learning

The invention relates to a logistics path planning method based on deep learning, the rapid introduction of road traffic real-time, and can real-time optimal vehicle path planning based on this, the recognition method using convolutional neural network to realize the vehicle target in traffic video, and through the coordinate between vehicles to calculate box bounding congestion between vehicles, can get the real-time information of the current traffic condition; so according to the real-time traffic information acquired, and integrated vehicle reaches the intersection of the time cost, to plan the optimal path of the vehicle, can plan an efficient transport path for logistics vehicles, improve the efficiency of path planning.

【技术实现步骤摘要】
一种基于深度学习的物流路径规划方法
本专利技术涉及一种基于深度学习的物流路径规划方法，属于物流路径规划

技术介绍
随着公共交通运输业和电子商务的快速发展，物流运输业已经成为新的经济增长点，人们在享受物流行业带来的便利的同时，也收到物流配送延迟等问题的困扰。其根本原因是物流车辆在物流运输过程中常常收到交通状况等因素的影响，不能及时获知前方交通状况，从而导致物流配送环节中超时配送问题的出现，因此，如何提前将物流车辆将要经过路段的交通信息同步给物流车辆，并给物流车辆推荐最佳路径方案成为当前研究的热点之一。Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。但是Dijkstra算法的计算复杂度较高，执行效率低，在实际应用中无法很好得到很好的应用。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于深度学习的物流路径规划方法，快速引入道路路口交通实时情况，并能够基于此实时进行车辆最优路径的规划，提高路径划化效率。本专利技术为了解决上述技术问题采用以下技术方案：本专利技术设计了本文档来自技高网...

【技术保护点】
一种基于深度学习的物流路径规划方法，用于针对物流车辆由起点至终点的路线进行实时规划，其特征在于，包括如下步骤：步骤A. 物流车辆由起点准备出发，将起点作为物流车辆的当前位置，并进入步骤B；步骤B. 获得当前位置至终点的各条导航规划路线，并进入步骤C；步骤C. 计算获得物流车辆由当前位置分别沿各条导航规划路线行驶至第一个路口的时长，并进入步骤D；步骤D. 分别获得各条导航规划路线中第一个路口的拥堵系数，并进入步骤E；步骤E. 分别计算当前位置分别沿各条导航规划路线行驶至第一个路口的时长，与对应第一个路口的拥堵系数之和，作为各条导航规划路线的代价，并进入步骤F；步骤F. 选择最小代价所对应的导航规...

【技术特征摘要】
1.一种基于深度学习的物流路径规划方法，用于针对物流车辆由起点至终点的路线进行实时规划，其特征在于，包括如下步骤：步骤A.物流车辆由起点准备出发，将起点作为物流车辆的当前位置，并进入步骤B；步骤B.获得当前位置至终点的各条导航规划路线，并进入步骤C；步骤C.计算获得物流车辆由当前位置分别沿各条导航规划路线行驶至第一个路口的时长，并进入步骤D；步骤D.分别获得各条导航规划路线中第一个路口的拥堵系数，并进入步骤E；步骤E.分别计算当前位置分别沿各条导航规划路线行驶至第一个路口的时长，与对应第一个路口的拥堵系数之和，作为各条导航规划路线的代价，并进入步骤F；步骤F.选择最小代价所对应的导航规划路线作为当前行驶路线，通知物流车辆沿当前行驶路线进行行驶，同时实时获得物流车辆的定位信息，当物流车辆行驶通过当前行驶路线中第一个路口时，进入步骤G；步骤G.以物流车辆的定位信息更新物流车辆的当前位置，判断当前位置是否为终点，是则物流路线规划结束；否则返回步骤B。2.根据权利要求1所述一种基于深度学习的物流路径规划方法，其特征在于：所述步骤D中，分别提取各条导航规划路线中第一个路口实时交通图像帧，通过深度学习方法针对交通图像帧中车辆进行识别，从而分别获得各条导航规划路线中第一个路口的拥堵系数。3.根据权利要求2所述一种基于深度学习的物流路径规划方法，其特征在于：所述步骤D中，分别提取各条导航规划路线中第一个路口实时交通图像帧，通过卷积神...

【专利技术属性】
技术研发人员：赵学健，赵胜，孙知信，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32