车辆路径规划方法、装置、电子设备及存储介质

技术领域

本申请涉及路径规划技术领域，尤其涉及一种车辆路径规划方法、装置、电子设备及存储介质。

背景技术

目前在车辆路径规划的使用方面，往往是直接通过专业的导航软件实现的。常见的导航方法要么是基于耗时，按照耗时长短向用户推荐路径；要么是基于路程，按照路程长短向用户推荐路径。实际上，在导航时，除了考虑耗时和路程，还需要考虑其它方面的因素，比如能耗、路径中交通信号灯数量和车辆数量等。能耗会影响车辆续航，路径中交通信号灯数量会影响红灯等待时间长短，路径中车辆数量也和驾驶安全以及堵车有关，所以除了考虑耗时和路程，还考虑能耗、路径中交通信号灯数量和车辆数量等因素是有必要的，但是目前的导航方法并没有综合考虑生活中常见的各种因素。

发明内容

有鉴于此，本申请实施例提供了一种车辆路径规划方法、装置、电子设备及存储介质，以解决现有技术中，车辆路径规划没有综合考虑车辆驾驶中的常见因素，导致路径规划结果适用性低的问题。

本申请实施例的第一方面，提供了一种车辆路径规划方法，包括：获取车辆的起始位置以及本次路径规划的终止位置，并获取起始位置和终止位置之间的多条路段的道路信息，其中，道路信息，包括：路段的长度、路段所需的耗时和能耗、路段中的交通信号灯数量和当前时刻路段中的车辆数量；以总路程所需的总能耗最少为最优化目标，以总路程中选择的路段为变量，以总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量为约束，建立第一路径规划模型；将起始位置、终止位置以及起始位置和终止位置之间的各条路段的道路信息输入第一路径规划模型，通过分支定界算法确定从起始位置开始至终止位置结束的最优待选组合。

本申请实施例的第二方面，提供了一种车辆路径规划装置，包括：获取模块，被配置为获取车辆的起始位置以及本次路径规划的终止位置，并获取起始位置和终止位置之间的多条路段的道路信息，其中，道路信息，包括：路段的长度、路段所需的耗时和能耗、路段中的交通信号灯数量和当前时刻路段中的车辆数量；建模模块，被配置为以总路程所需的总能耗最少为最优化目标，以总路程中选择的路段为变量，以总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量为约束，建立第一路径规划模型；确定模块，被配置为将起始位置、终止位置以及起始位置和终止位置之间的各条路段的道路信息输入第一路径规划模型，通过分支定界算法确定从起始位置开始至终止位置结束的最优待选组合。

本申请实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述方法的步骤。

本申请实施例的第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如权利要求上述任一项方法的步骤。

本申请实施例与现有技术相比存在的有益效果至少包括：本申请实施例通过以总路程所需的总能耗最少为最优化目标，以总路程中选择的路段为变量，以总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量为约束，建立第一路径规划模型，将起始位置、终止位置以及起始位置和终止位置之间的各条路段的道路信息输入第一路径规划模型，通过分支定界算法确定从起始位置开始至终止位置结束的最优待选组合，所以，采用上述技术手段，可以解决现有技术中车辆路径规划没有综合考虑车辆驾驶中的常见因素，导致路径规划结果适用性低的问题，进而提高路径规划结果的适用性，提升用户驾驶体验和满意度。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本申请实施例提供的一种车辆路径规划方法的流程示意图；

图2是本申请实施例提供的另一种车辆路径规划方法的流程示意图；

图3是本申请实施例提供的一种车辆路径规划装置的结构示意图；

图4是本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

图1是本申请实施例提供的一种车辆路径规划方法的流程示意图。图1的车辆路径规划方法可以由计算机或服务器，或者计算机或服务器上设置的处理器，或者计算机或普通服务器上的软件执行。该车辆路径规划方法包括：

S101，获取车辆的起始位置以及本次路径规划的终止位置，并获取起始位置和终止位置之间的多条路段的道路信息，其中，道路信息，包括：路段的长度、路段所需的耗时和能耗、路段中的交通信号灯数量和当前时刻路段中的车辆数量；

S102，以总路程所需的总能耗最少为最优化目标，以总路程中选择的路段为变量，以总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量为约束，建立第一路径规划模型；

S103，将起始位置、终止位置以及起始位置和终止位置之间的各条路段的道路信息输入第一路径规划模型，通过分支定界算法确定从起始位置开始至终止位置结束的最优待选组合。

交通信号灯就是常说的红绿灯。能耗包括电耗和油耗，对于纯电动汽车仅有电耗，对于纯燃油汽车仅有油耗，对于油电混动汽车有电耗和油耗，增程式电动汽车属于油电混动汽车。分支定界算法是branch and bound算法，分支定界算法是一种优化算法，用于在数学方法建模得到的数学模型中求解最优解。本申请中的各个路径规划模型均属于数学模型。

以选择的路段为变量，实际上是将本次路径规划中选择的一组路段作为变量，将就是将后文中的路段组合作为变量。

进一步地，获取起始位置和终止位置之间的多条路段的道路信息之前，方法还包括：以交叉路口为划分节点，将起始位置和终止位置之间的路程划分为多条路段，其中，每条路段的两个端点位置皆为交叉路口。

交叉路口是指两条或者两条以上道路在同一平面相交的部位，因为交叉路口可以选择接下来的行驶的新路段，且交叉路口因为复杂的交通环境，通过交叉路口往往比普通路段需要更多的时间，所以将交叉路口作为划分节点，将起始位置和终止位置之间的路程划分为多条路段。相当于将起始位置至终止位置的所有路程都进行划分，得到了一条条路段，接下来就是挑选最优的路段，进而得到从起始位置开始至终止位置结束的最优待选组合。

进一步地，获获取起始位置和终止位置之间的多条路段的道路信息之前，方法还包括：每条路段所需的耗时是统计该条路段在每天相同的车辆数量的情况下多个用户驾驶车辆通过该条路段所花费的时间得到的；每条路段所需的能耗是统计该条路段在每天相同的车辆数量的情况下多个用户驾驶车辆通过该条路段所消耗的能源得到的。

每条路段所需的耗时相当于相同的车辆数量的情况下多个用户驾驶车辆通过该条路段所花费的时间的平均值；每条路段所消耗的能源相当于相同的车辆数量的情况下多个用户驾驶车辆通过该条路段所消耗的能源的平均值。

根据本申请实施例提供的技术方案，获取车辆的起始位置以及本次路径规划的终止位置，并获取起始位置和终止位置之间的多条路段的道路信息，其中，道路信息，包括：路段的长度、路段所需的耗时和能耗、路段中的交通信号灯数量和当前时刻路段中的车辆数量；以总路程所需的总能耗最少为最优化目标，以总路程中选择的路段为变量，以总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量为约束，建立第一路径规划模型；将起始位置、终止位置以及起始位置和终止位置之间的各条路段的道路信息输入第一路径规划模型，通过分支定界算法确定从起始位置开始至终止位置结束的最优待选组合。采用上述技术手段，可以解决现有技术中车辆路径规划没有综合考虑车辆驾驶中的常见因素，导致路径规划结果适用性低的问题，进而提高路径规划结果的适用性，提升用户驾驶体验和满意度。

进一步地，将起始位置、终止位置以及起始位置和终止位置之间的各条路段的道路信息输入第一路径规划模型，通过分支定界算法确定从起始位置开始至终止位置结束的最优待选组合，包括：根据起始位置和终止位置之间的各条路段的道路信息，以总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量为约束，从起始位置和终止位置之间的多条路段中确定出从起始位置开始至终止位置结束的多个待选组合；通过以总路程所需的总能耗最少的最优化目标，从多个待选组合中确定出最优待选组合。

也即是说，通过总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量四个约束，确定出多个待选组合，每个待选组合皆可以从起始位置终止位置，该过程中通过分支定界算法求出多个最优解(多个待选组合)。最后通过最优化目标从多个待选组合中确定出最优待选组合，该过程中通过分支定界算法从之前得出的多个最优解中再确定出一个最优解。最优待选组合多个待选组合中总能耗最少的。该实施例是利用分支定界算法分段求解，将四个约束和最优化目标各自发挥作用分为两个阶段看待。

也可以将以总路程所需的总能耗最少的最优化目标看作一个约束，通过分支定界算法确定五个约束下的最优解，该最优解即是最优待选组合。该实施例是利用分支定界算法整体求解，将四个约束和最优化目标各自发挥作用整体看待。

需要说明的是，总路程对应一个完整的路段组合或者待选组合，总长度和总耗时分别是该待选组合中所有路段长度和耗时的总和，交通信号灯数量和车辆数量分别是该待选组合中所有路段的交通信号灯的数量和当前时刻行驶车辆的数量。

更进一步地，根据终止位置之间的各条路段的道路信息，以总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量为约束，从起始位置和终止位置之间的多条路段中确定出从起始位置开始至终止位置结束的多个待选组合，包括：从起始位置和终止位置之间的多条路段中确定出从起始位置开始至终止位置结束的N个路段组合；根据终止位置之间的各条路段的道路信息，对各个路段组合分别在总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量的维度上确定得分，对各个路段组合四个维度上的得分进行加权求和，得到各个路段组合的总分；根据各个路段组合的总分从N个路段组合中确定出多个待选组合；其中，总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量分别和其自身维度的得分成反比。

从多条路段中确定出从N个路段组合，是随机将多个路段确定为一个路段组合，只需要确定出的路段组合满足可以起始位置开始至终止位置结束，确定出的路段组合内部是具有顺序的多条路段，也就是驾驶车辆依次通过路段组合内部的多条路段，可以从起始位置开车至终止位置，N是多条路段随机组合得到从起始位置至终止位置的路段组合的最大数量。

本申请实施例，分别通过在总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量四个维度上的评分，实现总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量四个维度上的约束。一个路段组合的总分越高，其被选择的优先级越高，通过该方法从N个路段组合中确定出多个待选组合。总路程的总长度越短、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量越少，则对应维度的得分越高。

更进一步地，根据终止位置之间的各条路段的道路信息，以总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量为约束，从起始位置和终止位置之间的多条路段中确定出从起始位置开始至终止位置结束的多个待选组合，包括：以总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量为约束分别为min(A)、min(B)、min(C)和min(D)，其中，A、B、C和D分别表示总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量，min()函数为取最小值函数；在确定多个待选组合时，各个约束发挥作用的大小由其自身的权重确定，各个约束的权重可调。

可以理解为通过下述公式从N个路段组合中确定出多个待选组合。

M＝Emin(A)+Fmin(B)+Gmin(C)+Hmin(D)

E、F、G和H分别表示min(A)、min(B)、min(C)和min(D)的权重，E、F、G和H的和为一，四个权重均为零至一之间的数，M表示总约束。每个约束的权重越大，该约束越重要。每个约束的权重可以根据具体情境自行设置。

每个路段组合均会对应一个M，从N个路段组合中确定M较小的多个待选组合。

图2是本申请实施例提供的另一种车辆路径规划方法的流程示意图，如图2所示，包括：

S201，以总路程中选择的路段为变量，以总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量为约束，建立第二路径规划模型；

S202，将起始位置、终止位置以及起始位置和终止位置之间的各条路段的道路信息输入第二路径规划模型，通过分支定界算法确定从起始位置开始至终止位置结束的多个待选组合；

S203，通过粒子群算法从多个待选组合中确定出最优待选组合。

第二路径规划模型实现如下作用：根据起始位置和终止位置之间的各条路段的道路信息，以总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量为约束，从起始位置和终止位置之间的多条路段中确定出从起始位置开始至终止位置结束的多个待选组合。

粒子群算法是Particle Swarm Optimization算法，粒子群算法用于从多个解(多个待选组合)中找到一个全局最优解(最优待选组合)。通过粒子群算法可以避免最优待选组合仅是部分约束上最优，可以确保最优待选组合是整体上最优的(四个约束综合效果上最优)。本申请实施例是更加全面的考虑了总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量四个约束上的效果(本申请实施例没有考虑总能耗，通过第一路径规划模型确定最优待选组合的实施例考虑了总能耗，但是综合效果没有本申请实施例好)。

进一步地，获取车辆的起始位置以及本次路径规划的终止位置，并获取起始位置和终止位置之间的多条路段的道路信息之后，方法还包括：当车辆为增程式电动汽车：以总路程中选择的路段为变量，以总路程的总长度、总路程所需的总耗时、总路程所需的电耗和油耗、总路程中的红灯数量和车辆数量为约束，建立第三路径规划模型，各个约束发挥作用的大小由其自身的权重确定，各个约束的权重可调，以总路程所需的电耗为约束的权重最大；将起始位置、终止位置以及起始位置和终止位置之间的各条路段的道路信息输入第三路径规划模型，通过分支定界算法确定从起始位置开始至终止位置结束的多个待选组合；通过粒子群算法从多个待选组合中确定出最优待选组合。

第三路径规划模型是专门针对增程式电动汽车的模型，增程式电动汽车是以电驱动为主，燃油发电驱动为辅的车辆，通常人们更希望增程式电动汽车是通过电驱动，因为这样成本最低舒适度最高，所以第三路径规划模型中以总路程所需的电耗为约束的权重最大，可以着重考虑电耗的影响。

上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。

下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。

图3是本申请实施例提供的一种车辆路径规划装置的示意图。如图3所示，该车辆路径规划装置包括：

获取模块301，被配置为获取车辆的起始位置以及本次路径规划的终止位置，并获取起始位置和终止位置之间的多条路段的道路信息，其中，道路信息，包括：路段的长度、路段所需的耗时和能耗、路段中的交通信号灯数量和当前时刻路段中的车辆数量；

建模模块302，被配置为以总路程所需的总能耗最少为最优化目标，以总路程中选择的路段为变量，以总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量为约束，建立第一路径规划模型；

确定模块303，被配置为将起始位置、终止位置以及起始位置和终止位置之间的各条路段的道路信息输入第一路径规划模型，通过分支定界算法确定从起始位置开始至终止位置结束的最优待选组合。

在一些实施例中，获取模块301还被配置为以交叉路口为划分节点，将起始位置和终止位置之间的路程划分为多条路段，其中，每条路段的两个端点位置皆为交叉路口。

在一些实施例中，获取模块301还被配置为每条路段所需的耗时是统计该条路段在每天相同的车辆数量的情况下多个用户驾驶车辆通过该条路段所花费的时间得到的；每条路段所需的能耗是统计该条路段在每天相同的车辆数量的情况下多个用户驾驶车辆通过该条路段所消耗的能源得到的。

根据本申请实施例提供的技术方案，获取车辆的起始位置以及本次路径规划的终止位置，并获取起始位置和终止位置之间的多条路段的道路信息，其中，道路信息，包括：路段的长度、路段所需的耗时和能耗、路段中的交通信号灯数量和当前时刻路段中的车辆数量；以总路程所需的总能耗最少为最优化目标，以总路程中选择的路段为变量，以总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量为约束，建立第一路径规划模型；将起始位置、终止位置以及起始位置和终止位置之间的各条路段的道路信息输入第一路径规划模型，通过分支定界算法确定从起始位置开始至终止位置结束的最优待选组合。采用上述技术手段，可以解决现有技术中车辆路径规划没有综合考虑车辆驾驶中的常见因素，导致路径规划结果适用性低的问题，进而提高路径规划结果的适用性，提升用户驾驶体验和满意度。

在一些实施例中，确定模块303还被配置为根据起始位置和终止位置之间的各条路段的道路信息，以总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量为约束，从起始位置和终止位置之间的多条路段中确定出从起始位置开始至终止位置结束的多个待选组合；通过以总路程所需的总能耗最少的最优化目标，从多个待选组合中确定出最优待选组合。

在一些实施例中，确定模块303还被配置为从起始位置和终止位置之间的多条路段中确定出从起始位置开始至终止位置结束的N个路段组合；根据终止位置之间的各条路段的道路信息，对各个路段组合分别在总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量的维度上确定得分，对各个路段组合四个维度上的得分进行加权求和，得到各个路段组合的总分；根据各个路段组合的总分从N个路段组合中确定出多个待选组合；其中，总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量分别和其自身维度的得分成反比。

在一些实施例中，确定模块303还被配置为以总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量为约束分别为min(A)、min(B)、min(C)和min(D)，其中，A、B、C和D分别表示总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量，min()函数为取最小值函数；在确定多个待选组合时，各个约束发挥作用的大小由其自身的权重确定，各个约束的权重可调。

在一些实施例中，确定模块303还被配置为以总路程中选择的路段为变量，以总路程的总长度、总路程所需的总耗时、总路程中的交通信号灯数量和车辆数量为约束，建立第二路径规划模型；将起始位置、终止位置以及起始位置和终止位置之间的各条路段的道路信息输入第二路径规划模型，通过分支定界算法确定从起始位置开始至终止位置结束的多个待选组合；通过粒子群算法从多个待选组合中确定出最优待选组合。

在一些实施例中，确定模块303还被配置为当车辆为增程式电动汽车：以总路程中选择的路段为变量，以总路程的总长度、总路程所需的总耗时、总路程所需的电耗和油耗、总路程中的红灯数量和车辆数量为约束，建立第三路径规划模型，各个约束发挥作用的大小由其自身的权重确定，各个约束的权重可调，以总路程所需的电耗为约束的权重最大；将起始位置、终止位置以及起始位置和终止位置之间的各条路段的道路信息输入第三路径规划模型，通过分支定界算法确定从起始位置开始至终止位置结束的多个待选组合；通过粒子群算法从多个待选组合中确定出最优待选组合。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

图4是本公开实施例提供的电子设备4的示意图。如图4所示，该实施例的电子设备4包括：处理器401、存储器402以及存储在该存储器402中并且可在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者，处理器401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。

电子设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解，图4仅仅是电子设备4的示例，并不构成对电子设备4的限定，可以包括比图示更多或更少的部件，或者不同的部件。

处理器401可以是中央处理单元(Central Processing Unit，CPU)，也可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器402可以是电子设备4的内部存储单元，例如，电子设备4的硬盘或内存。存储器402也可以是电子设备4的外部存储设备，例如，电子设备4上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。存储器402还可以既包括电子设备4的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及电子设备所需的其它程序和数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。