一种基于车路协同感知下的自适应动态路径规划方法技术

本发明专利技术涉及一种基于车路协同感知下的自适应动态路径规划方法，首先建立根据路网、交通特征矩阵和属性矩阵预测未来时段交通信息的机器学习模型；属性矩阵包括固有属性矩阵和非固有属性矩阵；然后建立包括反应历史交通速度的交通特征矩阵、反应路段周围信息点类型的固有属性矩阵、根据历史天气状况构造的非固有属性矩阵的训练集；利用训练集对机器学习模型进行训练，得到城市交通流量预测模型；最后采集当前真实数据，根据城市交通流量预测模型得到交通流预测结果，使用迪杰斯特拉算法计算最优路径。本发明专利技术通过对卷积神经网络进行训练，实现对交通流量进行预测，从而改善现有省时路径规划依赖于当前时刻路况，规划的路径容易失去最佳性的问题。去最佳性的问题。去最佳性的问题。

【技术实现步骤摘要】
一种基于车路协同感知下的自适应动态路径规划方法


[0001]本专利技术涉及一种路径规划方法，属于智能交通领域，具体涉及了一种基于车路协同感知下的自适应动态路径规划方法。

技术介绍

[0002]在国民经济和科学技术全速发展的背景下，随着城市的高速发展，城市的交通道路网也日趋复杂，为了应对复杂的道路网和多变的交通路况，车辆导航设备的使用频率逐渐增加。在这样的大背景下，近年来，国内外众多学者和管理者已经开始关注和研究城市交通拥堵问题的解决方案，许多国家投入了大量的资源进行相关的研究和实验。
[0003]传统的路径规划算法大多以提供最短距离路径为目标，没有考虑交通流量的时变性和分析道路拥堵情况，并且具有搜索效率低、运行速度慢等缺点，随着交通系统的迅速发展，这些路径规划方法已经无法满足现有需求。

技术实现思路

[0004]本专利技术的目的是提供一种基于车路协同感知下的自适应动态路径规划方法，用以解决现有路径规划方法依赖于当前时刻路况，规划路径容易失去最佳性的问题。
[0005]为实现上述目的，本专利技术的方案包括：
...

【技术保护点】

【技术特征摘要】
1.一种基于车路协同感知下的自适应动态路径规划方法，其特征在于，包括如下步骤:1)建立根据路网、交通特征矩阵和属性矩阵预测未来时段交通信息的机器学习模型；所述属性矩阵包括固有属性矩阵和非固有属性矩阵；2)建立训练集，所述训练集包括：根据历史交通数据中，所述路网对应路段交通速度形成的交通特征矩阵；将对应路段周围信息点的类型作为路段的特征得到的固有属性矩阵；根据历史交通数据中，天气状况构造的非固有属性矩阵；3)设置超参数，计算损失函数，利用所述训练集对机器学习模型进行训练，得到城市交通流量预测模型；4)采集当前真实数据，根据城市交通流量预测模型得到交通流预测结果，使用迪杰斯特拉算法计算最优路径。2.根据权利要求1所述的基于车路协同感知下的自适应动态路径规划方法，其特征在于，步骤1)中，所述机器学习模型为图卷积网络子模型与门控循环单元子模型相结合建立的；将由交通特征矩阵和属性矩阵融合后的强化矩阵作为图卷积网络子模型的输入，得到预测结果y；将预测结果y的特征序列用作门控循环单元子模型的输入，对时间依赖性进行建模并推导出交通流预测结果。3.根据权利要求1所述的基于车路协同感知下的自适应动态路径规划方法，其特征在于，所述交通特征矩阵为：根据出租车轨迹获得的对应路段的交通速度时间序列形成的，其中行由路段索引，列由时间戳索引。4.根据权利要求1所述的基于车路协同感知下的自适应动态路径规划方法，其特征在于，步骤2)中，所述信息点的类型包括如下的一种或多种：餐饮服务、企业、购物服务、交通设施、教育...

【专利技术属性】
技术研发人员：刘亚菲，王玉龙，王少参，李思颖，陈子涵，赵建波，李冠峰，
申请(专利权)人：中国船舶集团有限公司第七一三研究所，
类型：发明
国别省市：