一种基于通行时间和车速预测的动态路径规划算法和系统

技术领域

本申请涉及智慧交通技术领域，具体地说是一种基于通行时间和车速预测的动态路径规划算法及系统。

背景技术

随着城市服务建设的缓慢与人们生活水平的提高，目前的城市公共服务已经无法满足人们的日常需求，为保障和改善民生服务、创新社会管理、维护网络安全，要建成一批具有鲜明特色的智慧城市。

由此可见，智慧城市已经成为未来发展的主流趋势，智能交通作为智慧城市极其重要的组成部分，同样占据着战略性的地位。能够有效缓解道路压力、降低事故发生率、减少特种车辆行驶时间的动态路线规划算法一直都是智能交通的核心关键。实际生活中，道路状态是会发生改变的，自然因素诸如雨雪、大风、大雾等，人为因素诸如上下班高峰、交通事故等，都会对道路状态产生影响，进而影响到车辆的通行情况。在进行路径规划时，依据动态的道路状态计算不同时间、不同路段的通行状态，以此来进行路径规划的方法，称为动态路径规划算法。

随着V2I通信网络的兴起，实时道路数据获取变得更为便捷，出现了大批基于实时路况数据的优化方法。

刘等人对A-star算法的启发式函数进行了改进，将路权由距离改为通行时长，但是对于路权改变之后，从当前节点到终点的估计值计算函数并没有明确给出解决方案；吴依据过去时段的道路信息提出一种累加的权值更新方法以及改进的Dijkstra算法，但他的权值累加只关注局部单个路段的拥堵状况，并未考虑到从车辆位置到达目的地的整体路况；王等人针对道路拥堵状况，提出一种引入实时路况的动态疏散路径规划算法，在道路拥堵情况下相比传统规划算法可以更快的疏散道路拥堵，但不适用于正常交通状况，无法为车辆规划最快行驶路线。

戚等人使用聚类算法，将时空距离比较接近的顾客(车辆)进行划分，将他们尽可能加入到同样的行驶路径当中，加快了路径规划效率，减少了算法的搜索范围，但是效率增加，却并不能规划出最优路径。

Chmiel等人为了更好的反应道路实时状况，使用路段通行时间区间来代替平均通行时间，提供了更多的信息量，但是使用这样的区间数据很难规划出一条最优路径；Kanoh针对动态交通环境，提出使用基于遗传算法的动态路线规划算法，在动态环境下效果优于Dijkstra算法，但是该算法以准最优路线为规划目标，并不能提供最优路线；

D*算法是Stentz提出的一种广为人知的动态路径规划算法，同样也是火星探测器采用的寻路算法，但是相对于已知交通环境的城市，该算法更适用于在未知环境中进行寻路。

以上方法虽然使用了实时路况来优化路径选择，但依旧无法很好地应对未来路段通行情况的变化。

发明内容

本发明的目的是提供一种基于通行时间和车速预测的动态路径规划算法及系统。算法依据汽车行驶过程中未来路径预测通行时间数据，实时动态地规划车辆行驶路径，以使车辆在复杂路径中通行时间最短，从而实现智慧交通。本发明适用于路面信息不断发生变化的交通路网，结合实时数据与预测数据，边行驶边规划出一条耗时最短的车辆行驶路线，以达到最短时间内到达目的地。一定程度上减少了交通拥堵的发生以及缓解交通拥堵带来的影响。

本发明第一方面在于提供一种基于通行时间和车速预测的动态路径规划算法，包括下层算法OptSub和上层算法DyPath，

其中：

所述下层算法OptSub：用于基于路段平均车速预测的实时路径而优化产生当前最佳通行交通路口，以供所述上层算法DyPath进行路径更新、在行驶过程中实时地规划出最快通行路径；

所述上层算法DyPath：用于通过在行驶过程中，实时更新交通网络路径通行时间来获得不断变化的道路状态。

优选地，所述下层算法OptSub用于产生当前最佳通行交通路口，以供所述上层算法DyPath进行路径更新、在行驶过程中实时地规划出最快通行路径，具体包括如下步骤：

步骤一：获取出发地、目的地以及两者之间的交通路网图；

步骤二：获取当前时刻的道路预计通行时间数据；并根据实时道路预计通行时间数据规划出当前时刻的全局最优通行路径；

步骤三：使用步骤二中得到的实时全局最优通行路径，用于指导车辆在下一路段的行驶；

步骤四：重复执行步骤二和三，直至车辆到达目的地。

优选地，所述上层算法DyPath通过在行驶过程中，实时更新交通网络路径通行时间来获得不断变化的道路状态，具体包括如下步骤：

步骤一：根据城市限速标准，预设车辆响应距离；

步骤二：根据当前路段长度l(m,n)和下一子路段长度l(n,n′)与响应距离的大小关系，更新下次算法调用时间：

若l(m,n)>50，l(n,n′)>50，算法下次调用时间：距离下一子路段n′50米时；

若l(m,n)<50，l(n,n′)>50，算法下次调用时间：距离下一子路段n′50米时；

若l(m,n)>50，l(n,n′)<50，算法下次调用时间：到达路口n时；

若l(m,n)<50，l(n,n′)<50，算法下次调用时间：到达路口n时；

其中：

m为当前车辆所在路段的起始路口；n为当前车辆所在路段的结束路口，也是下一路段的起始路口；n′为算法预测的下一路段结束路口；l(m,n)表示路段(m,n)的长度，l(n,n′)表示路段(n,n′)的长度。

本发明第二方面在于提供一种基于通行时间和车速预测的动态路径规划系统，包括下层算法OptSub子系统和上层算法DyPath子系统，其中：

所述下层算法OptSub子系统：用于基于路段平均车速预测的实时路径而优化产生当前最佳通行交通路口，以供所述上层算法DyPath子系统进行路径更新、在行驶过程中实时地规划出最快通行路径；

所述上层算法DyPath子系统：用于通过在行驶过程中，实时更新交通网络路径通行时间来获得不断变化的道路状态。

优选地，所述下层算法OptSub子系统包括通讯连接的第一储存器和第一执行器，所述第一储存器上储存有可供第一执行器执行的下层算法OptSub。

优选地，所述上层算法DyPath子系统包括通讯连接的第二储存器和第二执行器，所述第二储存器上储存有可供第二执行器执行的上层算法DyPath。

与现有技术相比较，本申请能够带来如下技术效果：

1、本发明提供的算法依据汽车行驶过程中未来路径预测通行时间数据，实时动态地规划车辆行驶路径，以使车辆在复杂路径中通行时间最短，从而实现智慧交通；

2、本发明适用于路面信息不断发生变化的交通路网，结合实时数据与预测数据，边行驶边规划出一条耗时最短的车辆行驶路线，以达到最短时间内到达目的地，一定程度上减少了交通拥堵的发生以及缓解交通拥堵带来的影响；

3、本发明在行驶过程中结合各路段实时平均车速与预测的未来平均车速，计算路段的实时通行时长，预测未来一段时间内的通行时长，动态地对路径进行调整。现有的传统预测算法使用实时路况来优化路径选择，却无法应对未来路段通行情况变化；

4、本发明具有正确性、有效性和适用性，在道路状态变化频繁的环境下，提高车辆道路通行能力，为城市交通带来便利。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明动态路径规划算法的组成结构示意图；

图2为本发明下层算法OptSub的算法流程图；

图3为本发明上层算法DyPath的算法流程图；

图4位本发明动态路径规划系统的组成结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、算法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、算法、产品或设备固有的其它步骤或单元。

在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。

并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。

另外，术语“多个”的含义应为两个以及两个以上。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

本发明中的实时动态路径规划算法以汽车行驶过程中未来路径预测通行时间数据为依据，实时动态地规划车辆行驶路径，从而实现智慧交通。如附图1所示，算法具体分为两层：下层算法OptSub和上层算法DyPath。

如附图2所示，为本发明下层算法OptSub的算法流程图：

下层算法OptSub结合实时数据与预测数据，规划从节点n到终点end的通行路径，通过动态规划的方式维护最快到达时间数组time以及最优父节点指向数组parent，更新结束后，通过回溯父节点指向，得到当前时刻t下的最快通行路径path，其中节点n的直接后继节点即为待求最优直接后继n′。

此外，由于交通状况不是突变的，且预留安全距离所需行驶时间较短，故该算法以当前时刻t作为从节点n规划路径的起始时间，其对应的实时数据作为从节点n出发时的实时数据，结合对其他路段的预测数据，规划当前时间的最快通行路径。

如附图3所示，为本发明上层算法DyPath的算法流程图：

上层算法DyPath负责产生交通网络路径更新时刻t，在更新时刻t时获得交通网络中各路段预测通行时间，获得交通网络的实时权值矩阵与其他相关参数，并传给下层算法。

算法具体步骤如下：车辆在实际行驶过程中，实时进行选择当前路口的后继路口，达到时间最快的路径规划，行车时驾驶员能在时间上恰好地决定当前路口选择哪个行车道——是左转、右转、还是直行。算法提前做好准备，给出选择，而这种选择依赖于当前路口(节点)的后继路口(节点)的选择，因此，设置了恰当的响应机制。

结合上述对下层算法OptSub和上层算法DyPath的流程图，本发明提供了两种实施方案实施例1和实施例2。

本发明通过预留离当前路口一定距离来满足这种响应机制需求，以上海城市限速标准为依据，距离将被设置为50米。

实施例1

本发明第一方面在于提供一种基于通行时间和车速预测的动态路径规划算法，包括下层算法OptSub和上层算法DyPath，

其中：

所述下层算法OptSub：用于基于路段平均车速预测的实时路径而优化产生当前最佳通行交通路口，以供所述上层算法DyPath进行路径更新、在行驶过程中实时地规划出最快通行路径；

下层算法OptSub通过在行驶过程中，根据交通路网实时交通数据产生当前最佳通行子路段，直至抵达终点时，无需再进行路径更新，算法终止。

所述上层算法DyPath：用于通过在行驶过程中，实时更新交通网络路径通行时间来获得不断变化的道路状态；

上层算法DyPath通过在行驶过程中实时更新交通网络路径通行时间来获得不断变化的道路状态。

优选地，所述下层算法OptSub用于产生当前最佳通行交通路口，以供所述上层算法DyPath进行路径更新、在行驶过程中实时地规划出最快通行路径，具体包括如下步骤：

步骤一：获取出发地、目的地以及两者之间的交通路网图；

步骤二：获取当前时刻的道路预计通行时间数据；并根据实时道路预计通行时间数据规划出当前时刻的全局最优通行路径；

步骤三：使用步骤二中得到的实时全局最优通行路径，用于指导车辆在下一路段的行驶；

步骤四：重复执行步骤二和三，直至车辆到达目的地。

优选地，所述上层算法DyPath通过在行驶过程中，实时更新交通网络路径通行时间来获得不断变化的道路状态，具体包括如下步骤：

步骤一：根据城市限速标准，预设车辆响应距离；

根据上海城市限速标准，设置本实时路径优化算法的车辆响应距离为50米；

步骤二：根据当前路段长度l(m，n)和下一子路段长度l(n,n′)与响应距离的大小关系，更新下次算法调用时间：

若l(m,n)>50，l(n,n′)>50，算法下次调用时间：距离下一子路段n′50米时；

若l(m,n)<50，l(n,n′)>50，算法下次调用时间：距离下一子路段n′50米时；

若l(m,n)>50，l(n,n′)<50，算法下次调用时间：到达路口n时；

若l(m，n)<50，l(n，n′)<50，算法下次调用时间：到达路口n时；

其中：

m为当前车辆所在路段的起始路口；n为当前车辆所在路段的结束路口，也是下一路段的起始路口；n′为算法预测的下一路段结束路口；l(m，n)表示路段(m，n)的长度，l(n,n′)表示路段(n，n′)的长度。

基于上述提供的一种基于通行时间和车速预测的动态路径规划算法，如附图4所示，本发明对应提供一种算法系统而用于执行上述算法，

本发明第二方面在于提供一种基于通行时间和车速预测的动态路径规划系统，包括下层算法OptSub子系统和上层算法DyPath子系统，其中：

所述下层算法OptSub子系统：用于基于路段平均车速预测的实时路径而优化产生当前最佳通行交通路口，以供所述上层算法DyPath子系统进行路径更新、在行驶过程中实时地规划出最快通行路径；

所述上层算法DyPath子系统：用于通过在行驶过程中，实时更新交通网络路径通行时间来获得不断变化的道路状态。

优选地，所述下层算法OptSub子系统包括通讯连接的第一储存器和第一执行器，所述第一储存器上储存有可供第一执行器执行的下层算法OptSub。

优选地，所述上层算法DyPath子系统包括通讯连接的第二储存器和第二执行器，所述第二储存器上储存有可供第二执行器执行的上层算法DyPath。

实施例2

一种基于通行时间和车速预测的动态路径规划算法，包括下层算法OptSub和上层算法DyPath，

其中：

所述下层算法OptSub：用于基于路段平均车速预测的实时路径而优化产生当前最佳通行交通路口，以供所述上层算法DyPath进行路径更新、在行驶过程中实时地规划出最快通行路径；

所述上层算法DyPath：用于通过在行驶过程中，实时更新交通网络路径通行时间来获得不断变化的道路状态。

优选地，所述下层算法OptSub还用于结合实时数据与预测数据，规划从交通路口到目的地的通行路径，通过动态规划的方式不断更新最优路径和最快到达时间，更新结束后，得到当前时刻下的最快通行路径，包括：

步骤一：获取出发地和目的地两者之间的交通路网图以及对应的实时道路状态预测数据；

步骤二：根据实时道路状态预测数据规划出当前时刻的全局最优通行路径；

步骤三：使用步骤二中得到的实时全局最优通行路径，用于指导车辆在下一路段的行驶；

步骤四：重复执行步骤二和三，直至车辆到达目的地。

优选地，所述上层算法DyPath通过在行驶过程中，实时更新交通网络路径通行时间来获得不断变化的道路状态，具体包括如下步骤：

步骤一：根据城市限速标准，预设车辆响应距离；

步骤二：根据当前路段长度l(m，n)和下一子路段长度l(n，n′)与车辆响应距离的大小关系，更新下次算法调用时间：

若当前路段长度和下一路段长度均大于50米时(即l(m，n)>50，l(n，n′)>50)，下次算法调用时间t′为——距离下一子路段n′50米时，具体计算公式如下：

若当前路段长度小于50米，下一路段长度大于50米时(即l(m，n)<50，l(n，n′)>50)，下次算法调用时间t′为——距离下一子路段n′50米时，具体计算公式如下：

若当前路段长度大于50米，下一路段长度小于50米时(即l(m,n)>50，l(n,n′)<50)，算法下次调用时间t′为——到达路口n时，具体计算公式如下：

若当前路段长度和下一路段长度均小于50米时(l(m,n)<50，l(n,n′)<50)，算法下次调用时间t′为——到达路口n时，具体计算公式如下：

其中：

m为当前车辆所在路段的起始路口；n为当前车辆所在路段的结束路口，也是下一路段的起始路口；n′为算法预测的下一路段结束路口；t为当前时刻；t

基于上述提供的一种基于通行时间和车速预测的动态路径规划算法，如附图4所示，本发明对应提供一种算法系统而用于执行上述算法，

本发明第二方面在于提供一种基于通行时间和车速预测的动态路径规划系统，包括下层算法OptSub子系统和上层算法DyPath子系统，其中：

所述下层算法OptSub子系统：用于基于路段平均车速预测的实时路径而优化产生当前最佳通行交通路口，以供所述上层算法DyPath子系统进行路径更新、在行驶过程中实时地规划出最快通行路径；

所述上层算法DyPath子系统：用于通过在行驶过程中，实时更新交通网络路径通行时间来获得不断变化的道路状态。

优选地，所述下层算法OptSub子系统包括通讯连接的第一储存器和第一执行器，所述第一储存器上储存有可供第一执行器执行的下层算法OptSub。

优选地，所述上层算法DyPath子系统包括通讯连接的第二储存器和第二执行器，所述第二储存器上储存有可供第二执行器执行的上层算法DyPath。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例算法可借助软件加必需的通用硬件平台的方式来实现，子系统包括的储存器和执行器可以直接应用实现上述程序、算法和步骤等；当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的算法。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。