路径规划方法、路径规划系统、电子设备及计算机存储介质技术方案

本发明专利技术公开了一种路径规划方法、路径规划系统、电子设备及计算机存储介质，通过在训练阶段对训练区域的道路数据归一化标准，提取历史轨迹的路径集合并添加了时间相符程度，训练满足历史轨迹下的最优回报函数值；在路径恢复阶段用所得最优回报函数值计算相邻道路之间的转移概率，并将道路与道路之间的转移概率作为边权值创建图论，同时加入了交叉口的方向补偿，对车辆掉头选择做出了优化补偿，在更新后的图论基础上采用最短路径法对缺失路径恢复，使得在多道路的缺失下依然能保持恢复的准确度。度。度。

【技术实现步骤摘要】
路径规划方法、路径规划系统、电子设备及计算机存储介质


[0001]本专利技术涉及路径轨迹数据处理
，尤其涉及一种路径规划方法、路径规划系统、电子设备及计算机存储介质。

技术介绍

[0002]随着自动化的兴起，地图导航成为研究的热点，现在的地图导航一般首先是基于已有地图规划出一条最优全局路线，该过程称之为路径规划，然后车辆沿着该路线从出发点自动驾驶到目的点，在此过程中，车辆根据各类传感器检测到的外界交通状况，结合轨迹计算在对应交通状况下，如何保证车辆的准确性直接影响了服务的质量。然而，由于各种因素，卫星导航定位数据的采样往往采用低采样率的卫星导航定位采样，这样采样获得的轨迹数据直接带来了用户行驶路径的缺失，这些数据的缺失将会极大地影响基于位置的服务质量。对于这些缺失路径的轨迹数据，如果能够利用剩下的部分高采样率的轨迹数据对其缺失部分进行恢复，那么毫无疑问将会提高数据的利用率。
[0003]现有路径恢复技术中的热门路径恢复方法，通过从历史数据中找出需要恢复路径的首尾路段之间的最热门路径来作为缺失路径的恢复结果。然而，这种方法在长距离的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种路径规划方法，其特征在于，所述方法包括：获取起始轨迹路径和终止轨迹路径；以及，根据所述起始轨迹路径、所述终止轨迹路径与已训练模型参数恢复所述起始轨迹路径与所述终止轨迹路径之间的缺失路径；所述获取起始轨迹路径和终止轨迹路径包括：定义马尔科夫决策过程MDP模型，获取所述起始轨迹路径至所述终止轨迹路径的所有道路状态s，所有道路构成状态集合S*；所述训练模型参数的获取方法包括：S01，对所述所有道路构成状态集合S*进行归一化处理，获得所有道路构成状态归一化集合S；S02，每两条相邻道路之间的状态转移动作定义为状态转移矩阵A，所述集合S中道路之间的状态转变需所述状态转移矩阵A参与，所述集合S中道路之间的转变经所述状态转移矩阵A作用转移到相邻道路的概率分布定义为P
ss
；S03，将所述集合S每条道路长度的负数作为所述道路的初始回报函数r，总的回报函数集合为R＝-S，衰减因子定义为γ；S04，初始化最优值函数V，采用迭代算法公式：计算所有状态集合S获得收敛最优值函数V
*
(s)；其中，k为迭代当前状态；S05，根据所有历史轨迹的路径，选择重复次数超过预设次数L的路径作为历史轨迹，对于任意一条历史轨迹tr＝s1→
s2→…→
s
q
，所述任意一条历史轨迹的训练集合为M；S06，根据历史轨迹的训练集合M，计算其行程时间相符程度：当Max
j∈M
(|t
j-t
k
|)≠Min
j∈M
(|t
j-t
k
|)时，当Max
j∈M
(|t
j-t
k
|)＝Min
j∈M
(|t
j-t
k
|)时，x(tr)＝1；其中，t
i
为历史轨迹的计算路径行程时间，t
j
为历史轨迹的统计路径行程时间，t
k
为历史轨迹的平均路径行程时间；S07，根据历史轨迹的训练集合M，将每相邻两条道路的状态定义为s
i
、s
j
，计算s
i
转移至s
j
最优值函数：Q(s
i
→
s
j
)＝R(s
i
)+γV
*
(s
j
)S08，根据所述最优值函数求取s
i
至s
j
的转移概率：其中，s
k
为s
i
相邻状态；S09，计算历史轨迹tr在当前回报函数集合R和行程时间相符程度校正下的联合概率：
其中，m为大于1的历史轨迹的数量；S10，重复步骤S05—S09，计算n条用于训练的历史轨迹在当前回报值集合R下的联合概率：S11，对当前回报值集合R下的每个状态的初始回报函数r在(r
-△
,r+
△
)区间进行采样，得到回报值集合R的新的回报值集合R
*
；S12，重复步骤S05—S09计算所有历史轨迹tr在新的回报函数集合R
*
和行程时间相符程度校正下的联合概率：其中，m为大于1的历史轨迹的数量；S13，根据联合概率P2(tr...

【专利技术属性】
技术研发人员：王涛，刘承堃，王晨，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：