【技术实现步骤摘要】
本申请涉及区域路网交通，尤其涉及一种自动驾驶车队调度处理方法、设备及存储介质。
技术介绍
1、自动驾驶车队在调度时需要依据路网当前状态，其中，交叉口作为路网的重要组成部分，因为天气、事故等原因，会导致一个或几个交叉口拥堵，以致其性能无法发挥作用，还会引发与之存在联系的相邻交叉口或路段，产生级联失效反应，最终致使区域路网发生大面积的拥堵或崩溃，因此，这些拥堵的交叉口在路网中发挥重要作用，是确定路网当前状态的关键节点，但这些关键节点在分析时会存在众多评价指标，因而又涉及到选取哪些评价指标作为调度依据更为合理的问题。
2、现有调度依据主要是选取多个评价指标对关键节点进行识别分析后，再采用主观方法对路网关键节点的评价指标进行选取。
3、但上述主观选取方式对各评价指标之间相关性的研究较少，且过多评价指标的选择增加了计算的复杂度，尤其是各评价指标间若存在强相关性时，还会导致结果陷入局部最优，使选定的评价指标丧失全局代表性，进而无法为自动驾驶车队提供合适的调度依据。
技术实现思路
1、本申请提供一种自动驾驶车队调度处理方法、设备及存储介质，用以解决主观选取方式对各评价指标之间相关性的研究较少，且过多评价指标的选择增加了计算的复杂度，尤其是各评价指标间若存在强相关性时，还会导致结果陷入局部最优，使选定的评价指标丧失全局代表性，进而无法为自动驾驶车队提供合适的调度依据问题。
2、第一方面，本申请提供一种自动驾驶车队调度处理方法，包括：
3、获取每一节点
4、根据复杂网络特征评价指标和路网交通流特性评价指标对应的数据，计算每一评价指标的方差贡献率，并根据所述每一评价指标的方差贡献率和预设累计贡献率，确定第一目标评价指标；其中，所述第一目标评价指标为方差贡献率从大到小排序后累计值大于预设累计贡献率的最少数量的评价指标；
5、根据斯皮尔曼等级相关度和第一目标评价指标对应的数据，计算每一第一目标评价指标对应的相关度数值和第一目标评价指标对应的平均相关度数值，并根据第一目标评价指标对应的相关度数值和平均相关度数值，确定第二目标评价指标；其中，所述第二目标评价指标为第一目标评价指标中相关度数值小于平均相关度数值的评价指标；
6、将所述第二目标评价指标作为路网关键节点评价指标，用于自动驾驶车队调度处理的依据。
7、在一种可能的设计中，所述根据复杂网络特征评价指标和路网交通流特性评价指标对应的数据，计算每一评价指标的方差贡献率，包括：
8、根据复杂网络特征评价指标和路网交通流特性评价指标对应的数据x与评价指标对应的数据转置矩阵xt，采用如下公式：
9、r＝xtx
10、获取评价指标的相关系数矩阵r；
11、根据评价指标的相关系数矩阵r和n阶单位矩阵en，采用如下公式：
12、|r-λjen|＝0
13、获取相关系数矩阵的特征值λj；
14、根据相关系数矩阵的特征值λj，采用如下公式：
15、
16、获取评价指标的方差贡献率ωj。
17、在一种可能的设计中，所述根据所述每一评价指标的方差贡献率和预设累计贡献率，确定第一目标评价指标，包括：
18、将获取的评价指标的方差贡献率ωj从大到小排序后，采用如下公式：
19、
20、获取排序后前k个评价指标对应的n个总节点的累计方差贡献率θk；
21、若累计方差贡献率大于预设累计贡献率，则将累计方差贡献率对应的最小评价指标确定第一目标评价指标。
22、在一种可能的设计中，所述根据斯皮尔曼等级相关度和第一目标评价指标对应的数据，计算每一第一目标评价指标对应的相关度数值，包括：
23、根据降序排列后评价指标xi、平均指标xj对应的等级差值dij和路网节点个数m，采用如下公式：
24、
25、获取斯皮尔曼等级相关系数ρ；
26、根据斯皮尔曼等级相关系数ρ和评价指标xi与其余k-1个评价指标形成的子集di，(k-1)，采用如下公式：
27、
28、获取第一目标评价指标对应的相关度数值ri，其中，i＝1,2,3,…,k。
29、在一种可能的设计中，所述根据斯皮尔曼等级相关度和第一目标评价指标对应的数据，计算第一目标评价指标对应的平均相关度数值，包括：
30、根据第一目标评价指标对应的相关度数值ri和第一目标评价指标的个数k，采用如下公式：
31、
32、获取第一目标评价指标对应的平均相关度数值
33、在一种可能的设计中，所述根据第一目标评价指标对应的相关度数值和平均相关度数值，确定第二目标评价指标，包括：
34、若第一目标评价指标对应的相关度数值大于第一目标评价指标对应的平均相关度数值，则将大于平均相关度数值的第一目标评价指标确定为第二目标评价指标。
35、第二方面，本申请提供一种自动驾驶车队调度处理设备，包括：
36、获取模块，用于获取每一节点的复杂网络特征评价指标和路网交通流特性评价指标对应的数据；其中，所述复杂网络特征评价指标包括节点度、平均路径长度、网络效率、介数和接近度，所述路网交通流特性评价指标包括车均延误、平均排队长度、交通量、通行能力和饱和度。
37、处理模块，用于根据复杂网络特征评价指标和路网交通流特性评价指标对应的数据，计算每一评价指标的方差贡献率，并根据所述每一评价指标的方差贡献率和预设累计贡献率，确定第一目标评价指标；其中，所述第一目标评价指标为方差贡献率从大到小排序后累计值大于预设累计贡献率的最少数量的评价指标。
38、所述处理模块，还用于根据斯皮尔曼等级相关度和第一目标评价指标对应的数据，计算每一第一目标评价指标对应的相关度数值和第一目标评价指标对应的平均相关度数值，并根据第一目标评价指标对应的相关度数值和平均相关度数值，确定第二目标评价指标；其中，所述第二目标评价指标为第一目标评价指标中相关度数值小于平均相关度数值的评价指标。
39、调度模块，用于将所述第二目标评价指标作为路网关键节点评价指标，用于自动驾驶车队调度处理的依据。
40、第三方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；
41、所述存储器存储计算机执行指令；
42、所述处理器执行所述存储器存储的计算机执行指令，以实现自动驾驶车队调度处理方法。
43、第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处本文档来自技高网...
【技术保护点】
1.一种自动驾驶车队调度处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据复杂网络特征评价指标和路网交通流特性评价指标对应的数据，计算每一评价指标的方差贡献率，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述每一评价指标的方差贡献率和预设累计贡献率，确定第一目标评价指标，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据斯皮尔曼等级相关度和第一目标评价指标对应的数据，计算每一第一目标评价指标对应的相关度数值，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据斯皮尔曼等级相关度和第一目标评价指标对应的数据，计算第一目标评价指标对应的平均相关度数值，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据第一目标评价指标对应的相关度数值和平均相关度数值，确定第二目标评价指标，包括：
7.一种自动驾驶车队调度处理设备，其特征在于，包括：
8.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
9.一种计算机
10.一种自动驾驶车队，其特征在于，包括自动驾驶车辆和用于控制自动驾驶车辆在路网上调度位置的处理器，所述自动驾驶车辆与所述处理器信号连接，所述处理器用于执行时实现权利要求1至6中任一项所述的方法。
...【技术特征摘要】
1.一种自动驾驶车队调度处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据复杂网络特征评价指标和路网交通流特性评价指标对应的数据，计算每一评价指标的方差贡献率，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述每一评价指标的方差贡献率和预设累计贡献率，确定第一目标评价指标，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据斯皮尔曼等级相关度和第一目标评价指标对应的数据，计算每一第一目标评价指标对应的相关度数值，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据斯皮尔曼等级相关度和第一目标评价指标对应的数据，计算第一目标评价指标对应的平均相关度数值，包括：
<...【专利技术属性】
技术研发人员：马小琦，李志杰，田磊，郭银，赵玉超，杨孟，
申请(专利权)人：中国重汽集团济南动力有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。