路网生成方法、装置、设备与存储介质

技术领域

本申请涉及地图技术领域，尤其涉及路网生成方法、装置、设备与存储介质。

背景技术

优质的路网权重是好的路网生成服务的基础，它是一个复杂的综合性指标，对路网权重的刻画的越准确，路网生成越接近真实，路网权重的好坏决定了路网生成效果的上限。

而采用现有的权重方案生成路网效果较差，进而导致路径规划精度低的问题，因此，亟待提出一种高精度的路网生成方法。

发明内容

本申请实施例的主要目的在于提供一种路网生成方法、装置、设备与存储介质，旨在提高路网权重在实际场景下应用的有效性，获得高精度的路网。所述技术方案如下：

第一方面，本申请实施例提供了一种路网生成方法，包括：

基于路网中道路的通行时间代价，确定所述道路的基础权重；

按照所述道路的道路类型在所述路网中对所述道路进行场景归类，以得到场景路网；

基于所述基础权重和道路特征数据，确定所述道路在所述场景路网中的场景权重；

基于所述场景权重获取所述道路在所述路网中的路网权重，并将所述路网权重代入至所述路网，以得到带权重路网。

第二方面，本申请实施例提供一种路网生成装置，包括：

基础权重获取模块，用于基于路网中道路的通行时间代价，确定所述道路的基础权重；

场景分类模块，用于按照所述道路的道路类型在所述路网中对所述道路进行场景归类，以得到场景路网；

权重修正模块，用于基于所述基础权重和道路特征数据，确定所述道路在所述场景路网中的场景权重；

权重生成模块，用于基于所述场景权重获取所述道路在所述路网中的路网权重，并将所述路网权重代入至所述路网，以得到带权重路网。

第三方面，本申请实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述方法的步骤。

第四方面，本申请实施例提供一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述的方法的步骤。

在本申请实施例中，通过路网中道路的通行时间代价，来确定道路的基础权重，按照道路的道路类型在路网中对道路进行场景归类，以得到场景路网，再基于基础权重和道路特征数据，确定道路在场景路网中的场景权重，基于场景权重获取道路在路网中的路网权重，并将路网权重代入至路网，以得到带权重路网。通过道路特征数据分场景修正道路基础权重，得到修正后道路在路网中的路网权重，实现了不同场景下对道路特征数据的有效使用，可以在最大程度上保证路网权重在实际场景下应用的有效性，提高了基于带权重路网进行路径规划时的精度。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，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说明书的一些实施例，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他的附图。

图1是本申请实施例提供的一种路网生成方法的举例示意图；

图2是本申请实施例提供的一种路网生成方法的流程示意图；

图3是本申请实施例提供的一种路网生成方法中确认基础权重的细化流程示意图；

图4是本申请实施例提供的一种路网生成方法中某地区某段时间内有流量道路的分布图；

图5是本申请实施例提供的一种路网生成方法的一权重调整前的路径规划图；

图6是本申请实施例提供的一种路网生成方法的一权重调整后的路径规划图；

图7是本申请实施例提供的一种路网生成方法的又一权重调整前的路径规划图；

图8是本申请实施例提供的一种路网生成方法的又一权重调整后的路径规划图；

图9是本申请实施例提供的一种路网生成方法的AOI内部路网场景下的细化流程示意图；

图10是本申请实施例提供的一种路网生成方法的另一权重调整前后的路径规划图；

图11是本申请实施例提供的一种路网生成方法的总体流程示意图；

图12是本申请实施例提供的一种路网生成装置的结构示意图；

图13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

下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。

路网生成装置可以为手机、电脑、平板电脑、智能手表或车载设备等终端设备，也可以为终端设备中用于实现路网生成方法的模块，路网生成装置可以基于路网中道路的通行时间代价，确定道路的基础权重；按照道路的道路类型在路网中对道路进行场景归类，以得到场景路网；基于基础权重和道路特征数据，确定道路在场景路网中的场景权重；基于场景权重获取道路在路网中的路网权重，并将路网权重代入至路网，以得到带权重路网。

请一并参见图1，为本说明书实施例提供了一种路网生成方法的应用场景示意图，路网生成装置可以是后台终端或者服务器，当骑手在终端设备上的应用程序中接收到派送任务时，服务器根据派送任务获取骑手位置以及订单中的取货位置和派送位置，根据路网中道路的通行时间代价，确定道路的基础权重，按照道路的道路类型在路网中对道路进行场景归类，以得到场景路网，再基于基础权重和道路特征数据，确定道路在场景路网中的场景权重，基于场景权重获取道路在路网中的路网权重，并将路网权重代入至路网，以得到带权重路网，基于带权重路网为骑手规划路线。可以理解的是，路网生成装置也可以提前根据上述路网生成方法生成带权重路网，根据派送任务调用带权重路网进行路线规划，将路线通过应用程序中预设的显示方式呈现在骑手的移动终端。

下面结合具体的实施例对本申请提供的路网生成方法进行详细说明。

请参见图2，为本说明书实施例提供了一种路网生成方法的流程示意图。如图2所示，本申请实施例的所述方法可以包括以下步骤S101-S104。

S101，基于路网中道路的通行时间代价，确定所述道路的基础权重；

S102，按照所述道路的道路类型在所述路网中对所述道路进行场景归类，以得到场景路网；

S103，基于所述基础权重和道路特征数据，确定所述道路在所述场景路网中的场景权重；

S104，基于所述场景权重获取所述道路在所述路网中的路网权重，并将所述路网权重代入至所述路网，以得到带权重路网。

本申请实施例中的路网生成方法主要用于路径规划服务以及距离预估服务中。传统路径规划服务(业界)生产路网权重的主要难点在于需要确定路网属性数据的准确度、动态事件数据的准确度、通行难度数据的准确度等，还需要考虑如何将路网属性、动态事件及通行难度融合在一起，并且这种路网权重生产方式主要适用于速度比较均匀、交通规则比较严谨明确的四轮车场景。随着即时配送服务新模式的崛起，即时配送主要关心的是两轮车的路径规划场景，两轮车路径规划场景具有道路等级差异较小、对实时路况不敏感、通行时间差异较小、较少受动态事件影响等特点，因此传统路径规划使用的路网权重在应用于即时配送领域时仍然面临着许多问题，尤其是其路径规划的路线和距离在即时配送场景下不一定符合骑手实走最优的需求。

所以，针对即时配送场景特点结合两轮车路径规划的特点，提出一种特定的路网权重生成框架(也即本申请中的路网生成方法)，本框架将生产路网权重的多个步骤(如道路等级、道路属性、交通规则、动态事件、通行难度等)合并优化，使得路网权重的生产流程简单直接，将该框架应用在的路网权重生产及路线召回中，能够大幅缩小与骑手高精度实走轨迹之间的差异，大幅提升路径规划精度，有着比较大的应用价值。

以下将对各个步骤进行详细说明：

S101，基于路网中道路的通行时间代价，确定所述道路的基础权重；

可以理解的，由于路网主要是用于路径规划服务中的，本申请中路径规划是对于给定的起点和终点，基于路网中每条道路的权重，寻找一条路径，而这条路径的所经过的道路的权重之和是最小的，即最佳路径。其中，权重也即通行代价，是通过该道路需要耗费的代价，用以刻画道路、路口、路线的优劣，比如用时间做权重，通过这条道路所耗费的代价就是时间代价，权重决定了道路在路径规划过程中所占有的比重，是路径规划的基础。

因此，要得到最佳路径就需要为路网中每条道路设置合适的权重。基础权重反映的是道路基本通行代价，是路网权重的基础数据。本实施例中将通行时间代价作为基础路网权重，具体的，根据道路的长度、通行的平均时间、道路拥堵情况等来确定通过一条道路所耗费的时间，并基于耗费的时间生成路网中道路的基础权重。

需要说明的是，路网指的是在一定区域内，由各种道路组成的相互联络、交织成网状分布的道路系统，其中，区域的大小可以根据实际情况进行选择。

S102，按照所述道路的道路类型在所述路网中对所述道路进行场景归类，以得到场景路网；

根据道路类型，将道路划分到所属于的场景，再基于同一场景中的道路得到场景路网。其中，道路类型可以根据路网属性来确认，路网属性是每条道路上的基础特征，如道路等级、是否可步行、是否可骑行、车道数、是否双向通行等，其中道路等级用于衡量道路在路网中的地位，比如高速公路、城市快速路、城市主干道、城市次干道等；此外，道路类型还可以包括道路是学校道路，机场道路，小区道路等等，根据地图获取道路周边环境、建筑类型等对到道路类型进行确认。可以理解的，由于路网中的道路有很多，逐一进行权重调整的效率较低，因此，本申请实施例中根据场景对路网进行划分，将路网中的道路分为多个场景，以分场景对道路的基本权重进行修正。

示例性的，在即时配送场景下的路径规划可以细分多种场景，分场景来进行路网权重的估计更具有针对性，但是如果场景过多又过于复杂，难以维护和调整。比如划分为：禁行路网、AOI内部路网、步行路网和非步行路网。禁行路网：理论上不可通行的路网；AOI内部路网：路网中技术人员的感兴趣区域，一定程度上按照按照商业区、居民区等划分；步行路网：理论上仅能步行的路网；非步行路网：理论上不能步行只能供两轮车或四轮车行驶的路网。需要说明的是，不同的路网之间会有交叉，例如有些道路既属于步行路网，又属于AOI内部路网。例如基于道路的道路类型，确认某条道路为小区花园步道，该道路仅供行人行走，则该条道路属于步行路网。而该小区属于AOI区域，此条道路属于AOI内部道路，则此条路属于AOI内部路网。

S103，基于所述基础权重和道路特征数据，确定所述道路在所述场景路网中的场景权重；

可以理解的是，相较于采用的机器学习方法进行路径规划，由于机器学习的方法主要是采用最优化理论、强化学习等优化策略进行计算最优路径，但是这需要海量数据，并且黑盒化严重，针对具体场景难以得到理想的解释，也难以使用临时交通条件等快速场景的迭代优化，在即时配送领域仍面临许多挑战。按照上述划分的一类或多类场景，基本权重并不能满足骑手在这些特殊场景下的路径规划需求，需要针对各场景路网在基础权重的基础上设计定制化的权重修正策略，得到不同场景下的路网权重，使最终的路径规划更加符合骑手实走。因此，本申请中根据道路特征数据和对应的场景来修正基础权重。

具体的，道路特征数据为表征道路特点的数据，如历史流量信息，可以用于表征道路的拥挤程度已经通行频率；又如路网属性，路网属性除了用于场景划分以外，也可以用作基础权重的修正。根据不同场景下的修正需求，修正需求可以为人为设定的针对某一特定的场景中道路的修正方向，根据预设的修正需求生成该场景下所需要从道路特征数据中获取的数据，再基于获取到的数据生成修正系数，将修正系数乘以基础权重得到场景权重。

参照图3，图3为本申请实施例提供的一种路网生成方法的路径规划示意图，如上述小区花园道路的例子，假设派送起点为A，终点为B，A处位于小区门口出处，小区中花园道路的基础权重为1，在实际派送中如图3路径所示骑手可能会穿过A点所在小区到达B，但是基于安全等考虑不建议引导骑手走AOI内部路，因此，在AOI内部路网场景下会对小区花园道路的权重进行惩罚(乘一个大于1的系数)，来提高通行代价，如将小区花园道路的AOI内部场景权重设置为1.1；进一步地，步行路网理论上是骑手不能通行的，但是在实际情况下有些步行道路是可以用来规划的，具体的，步行路网可以分为不同的骑行等级(可适当规划、不建议规划、不能规划等)，然后按照不同的等级对步行路网权重进行惩罚(乘一个大于1的系数)，如1.02；同时，该道路属于步行道路，对于步行道路的权重修正可以基于历史流量信息，在流量较大的步行路网，在基础权重上再进行一个奖励(乘一个小于1的系数)，则根据上述小区花园道路的历史流量信息判断若该小区花园道路的流量较大(可能是由于小区外部路口处红绿灯等待时间较长)，则在步行路网场景下对小区花园道路权重进行奖励，如0.8，得到小区花园道路的步行场景权重为1.1*0.8*1.02。

S104，基于所述场景权重获取所述道路在所述路网中的路网权重，并将所述路网权重代入至所述路网，以得到带权重路网。

根据道路的场景权重，将场景权重赋值到路网的道路中，生成带权重路网。具体的，当确定场景权重后，将上述不同场景下的路网组合在一起就可以得到最终的路网权重用于路径规划，组合的方式为各道路上各种场景下的权重相加。当得到带权重路网后，基于带权重路网可以提供路径规划服务、距离预估服务等。此外，由于各用户在导航过程中回传的用户轨迹信息是在不断更新的，那么相应地，各路段的道路权重也会发生更新，为此，可周期性地执行上述操作更新路网权重。

在本申请实施例中，通过路网中道路的通行时间代价，来确定道路的基础权重，按照道路的道路类型在路网中对道路进行场景归类，以得到场景路网，再基于基础权重和道路特征数据，确定道路在场景路网中的场景权重，基于场景权重获取道路在路网中的路网权重，并将路网权重代入至路网，以得到带权重路网。通过道路特征数据分场景修正道路基础权重，得到修正后道路在路网中的路网权重，实现了不同场景下对道路特征数据的有效使用，提高了获取到的路网权重的准确度，进而提高带权重路网的准确度，以及带权重路网在实际应用中的精确度。

请参见图3，为本申请实施例提供了一种路网生成方法中的确认基础权重的细化流程示意图。如图3所示，本申请实施例的所述方法可以包括以下步骤S201-S203。

S201，基于道路等级统计所述路网中道路的历史平均速度；

S202，基于所述历史平均速度和所述道路的道路长度，生成所述道路的通行时间；

S203，基于所述道路长度和所述通行时间生成所述道路的通行时间代价，并基于所述通行时间代价确定所述道路的基础权重。

在一实施例中，分不同城市按照道路等级统计历史平均速度信息，作为各道路等级道路的历史平均速度，然后使用道路长度与道路通行时间相加的方式作为基础路网权重，具体公式如下：

wgt

式中，wgt

在一种实施方式中，所述按照所述道路的道路类型在所述路网中对所述道路进行场景归类，以得到场景路网，包括：

S301，按照所述道路的道路类型，确认所述道路的路网属性；

S302，基于所述路网属性在所述路网中对所述道路进行场景归类，以得到场景路网，所述场景路网包括禁行路网、步行路网和非步行路网。

具体的，从道路的道路类型中获取路网属性，再根据路网属性对道路进行场景归类，从而得到场景路网，场景路网包括禁行路网、步行路网和非步行路网。

需要说明的是，其他未包括的路网类型也可以用路网属性来归类。

在一种实施方式中，所述基于所述路网属性在所述路网中对所述道路进行场景归类，以得到场景路网，包括：

S401，基于所述道路的历史流量信息，从所述路网中筛选出流量低于预设阈值的低流量道路；

具体的，在即时配送场景下，有些路对于两轮车是不适合的，如果规划了这些路就有可能造成一些事故，例如索道、观光车路线、高速公路、地下停车场、轮渡等。可以理解的，这些禁行路通常没有什么流量，也即通常不会有骑手经过，因此，首先从路网中筛选出流量低于预设阈值的低流量道路，再根据低流量道路来确认禁行道路。其中，预设阈值可以根据实际需求设置，例如设置为0。

S402，统计所述低流量道路对应的路网属性，以得到所述低流量道路的路网属性统计结果；

具体的，获取低流量道路的路网属性，并进行统计，得到对应的路网属性统计结果。路网属性统计结果是通过统计所有低流量道路的路网属性类型，得到的每一类的路网属性的统计值，例如统计得到低流量道路中路网属性为高速公路的有10条，为观光车路线的有8条，地下停车场的为2条，则这些就可以作为路网属性统计结果。

S403，在所述路网中筛选出路网属性与所述路网属性统计结果相匹配的禁行道路，基于所述禁行道路生成禁行路网。

具体的，基于道路的路网属性，将与路网属性统计结果中的路网属性一致的道路选取出来，作为禁行道路。可以理解的，由于一些道路可能没有历史流量信息，比如是新开发的，那么在统计低流量道路的时候由于没有历史信息，则无法判断是否是禁行道路，因此，根据统计到的低流量道路的路网属性统计结果，找到和这些低流量道路的路网属性一致的，将这些道路归为禁行道路。例如将统计结果中统计值最高的前五类路网属性对应的道路作为禁行道路。

进一步地，在一种实施方式中，所述基于所述道路的历史流量信息，从所述路网中筛选出流量低于预设阈值的低流量道路之前，包括：

S501，获取所述路网对应的骑手历史行驶轨迹；

具体的，骑手历史行驶轨迹也即骑手实走轨迹，是在骑手配送过程中，骑手从起点到终点的实际行走所经过的轨迹；而有时候会有骑手无故的绕路，这类轨迹称为噪声；去掉这些噪声后的骑手实走轨迹称为高质量骑手实走轨迹。通过当骑手携带移动设备进行派送时，在获取授权的前提下可以每3-5秒采集因此骑手的位置信息，进而得到骑手历史行驶轨迹。

S502，基于所述骑手历史行驶轨迹统计所述道路上经过的骑手数量，基于所述骑手数量生成所述道路的流量值；

S503，基于所述流量值生成所述道路的历史流量信息。

具体的，使用地图匹配技术，将过去一段时间内的骑手实走轨迹匹配搭配基础路网的具体道路上，统计每条道路上经过的骑手数量作为该道路的流量值，如骑手1在取订单1的时候经过了道路1、道路2、道路3，在送订单1的时候经过了道路3、道路4、道路5、道路6，骑手2在取订单2的时候经过了道路2、道路4、道路5，在送订单2的时候经过了道路4、道路5、道路7、道路8，那么道路1的流量为1，道路2的流量为2，道路3的流量为3，道路4的流量为3。当然，因为即时配送场景的骑手路线在空间上会有一定的聚集性，某段时间内城市中大部分道路很有可能是没有骑手通行的，如图4所示，图4为本申请实施例提供的一种路网生成方法中某地区某段时间内有流量道路的分布图，图中浅色道路表示这段时间没有骑手经过，深色道路表示这段时间有骑手经过，没有骑手通行的道路的流量就为0。根据上述方法就可以得到整个路网中道路的流量，也即道路的历史流量信息。

进一步地，在一种实施方式中，所述基于所述路网属性在所述路网中对所述道路进行场景归类，以得到场景路网，包括：

S601，若所述路网属性为步行属性，则将所述道路确定为步行道路，基于所述步行道路生成步行路网；

S602，若所述路网属性为非步行属性，则将所述道路确定为非步行道路，基于所述非步行道路生成非步行路网。

具体的，根据路网属性的步行属性来确认道路是否为步行道路，步行属性即道路可步行，非步行属性也即道路仅供骑行以及驾驶，不可以步行，基于步行属性和非步行属性，分为步行道路和非步行道路，再基于步行道路得到，基于非步行道路得到非步行路网。

进一步地，在一种实施方式中，所述道路特征数据为路网属性，所述基于所述基础权重和道路特征数据，确定所述道路在所述场景路网中的场景权重，包括：

S701，基于所述步行路网中道路的路网属性和所述非步行路网中道路的路网属性，分别生成所述步行路网和所述非步行路网的禁行路网权重惩罚系数；

禁行路网的权重策略主要针对两轮车的禁行场景，依据路网属性对步行路网和非步行路网的部分道路设置较高的权重，如步行路网中的地铁通道、索道、观光车路线等，非步行路网中的高速公路、地下停车场、轮渡等，提高禁行路网的道路通行代价，也就是在基础权重的基础上加一个很大的数或者乘一个系数，主要作用是拉大禁行路与非禁行路在权重数值上的差距。

S702，基于所述禁行路网中道路的基础权重和所述禁行路网权重惩罚系数生成所述禁行路网中道路的场景权重。

具体的，得到禁行路网权重惩罚系数后，与基础权重一起生成禁行路网中道路的场景权重，公式如下：

wgt

进一步地，在一实施例中，所述道路特征数据为历史流量信息，所述基于所述基础权重和道路特征数据，确定所述道路在所述场景路网中的场景权重，包括：

S801，基于所述道路的历史流量信息，生成所述非步行路网中道路的非步行奖励系数；

具体的，非步行路网的权重策略主要针对骑行路网(非步行路网中可骑行的部分路网)，在正常条件下，这部分路网并不需要进行过多的处理，但是依然需要考虑历史流量，通过历史流量来考虑骑手的偏好，历史上走的骑手人越多越推荐。在流量较大的非步行路网权重的基础上进行一个奖励(乘一个小于1的系数)，也就是对骑手常走的道路进行推荐。

S802，基于所述非步行路网中道路的基础权重和所述非步行奖励系数，确定所述道路在所述非步行路网中的场景权重。

具体的，可以根据下式得到非步行路网中的场景权重：

wgt

式中，wgt

参照图5和图6，分别为本申请实施例提供的一种路网生成方法的权重调整前后的路径规划效果图，图5为非步行路网权重策略调整前的骑手实走轨迹1与规划路线2；图6为非步行路网权重策略调整后的规划路线3，与骑手实走轨迹1基本一致。

进一步地，在一实施例中，所述道路特征数据为历史流量信息和路网属性，所述基于所述道路的历史流量信息和所述基础权重，确定所述道路在所述场景路网中的场景权重，包括：

S901，根据所述路网属性，获取步行路网中各步行道路对应的骑行等级；

可以理解的，一般不会允许规划步行路网的道路供四轮车和两轮车通行，但是实际上许多外卖骑手难免在紧急情况下会穿越较短的步行路，因此需要在对步行路网做严格限制的情况下适当放开。首先会针对步行路网做基本的分类，例如步行路网中的行人道路、人行横道是属于相对来说可以适当规划的道路，而过街天桥、阶梯这类路网就属于相对来说不能规划的路网，这就可以将步行路网分为不同的骑行等级(可适当规划、不建议规划、不能规划等)。

S902，根据所述骑行等级，生成所述步行道路的道路等级惩罚系数；

具体的，按照不同的等级对步行路网权重进行惩罚，也即根据骑行等级生存道路等级惩罚系数(乘一个大于1的系数)，不同的等骑行级下惩罚系数也会有所不同。例如，可适当规划的惩罚系数为1.1、不建议规划的惩罚系数为1.2、不能规划的惩罚系数为1.3。

S903，根据所述道路的历史流量信息，生成所述步行道路的流量奖励系数；

具体的，根据历史流量信息来决定骑行等级的合理性，在流量较大的步行路网权重的基础上再进行一个奖励(乘一个小于1的系数)，生成流量奖励系数。例如，对流量大于流量阈值的道路进行奖励，奖励系数的大小依据超过流量阈值的多少决定。

S904，根据所述步行道路的道路长度，生成所述步行道路的道路长度惩罚系数；

具体的，只规划较短的一段步行道路给骑手通行，对道路长度较长的步行路网权重进行一个惩罚(乘一个大于1的系数)，因此，再根据步行道路的道路长度生成相应的道路长度惩罚系数。

S905，基于所述步行路网中道路的基础权重、所述道路等级惩罚系数和所述步行道路流量奖励系数和所述道路长度惩罚系数，确认所述道路在所述步行路网中的场景权重。

具体的，根据下式生成步行路网中道路的场景权重：

wgt

式中，wgt

参照图7和图8，分别为本申请实施例提供的一种路网生成方法的权重调整前后的路径规划图，图7中示出的为步行路网权重策略调整前的骑手实走轨迹1(黑色实线)与规划路线2，可以看到图8中步行路网权重策略调整后的规划路线3与骑手实走轨迹1基本一致。

在本实施例中，通过基于道路的道路长度和通行时间生成道路的通行时间代价，并根据通行时间代价确定了道路的基础权重；再基于路网属性对场景进行划分，将道路划分到对应的场景路网中，进一步针对性地对各场景路网中道路的基础权重进行修正，通过路网属性和/或历史流量信息的得到修正后的场景权重，从而提高调整后路网在规划路线时的准确性。本实施例中无需考虑过多的环境条件、通行难度等数据，可以在数据量较少的情况下(路网属性数据及过去较短时间内的流量数据)，很短的时间内就能得到精度比较高的路网权重。

请参见图9，为本申请实施例提供的一种路网生成方法AOI内部路网场景下的细化流程示意图。如图9所示，本申请实施例的所述方法可以包括以下步骤S1001-S1004。

S1001，若所述道路类型指示所述道路位于AOI区域中，则将所述道路确定为AOI内部道路，基于所述AOI内部道路生成AOI内部路网。

具体的，在本实施例中场景路网包括感兴趣区域AOI内部路网，根据道路类型来确认道路是否位于AOI区域中，如果是则将道路确认为AOI内部道路，其余路网作为AOI外部路，再根据AOI内部道路得到AOI内部路网。示例性的，可以获取预设的AOI边界，基于AOI边界生成道路类型，进而根据道路获取道路是否在AOI区域内的信息。

进一步地，在一种实施方式中，所述道路特征数据为历史流量信息，所述基于所述路网中道路的历史流量信息和所述基础权重，确定所述道路在所述场景路网中的场景权重，包括：

S1002，获取所述AOI内部路网中AOI内部道路的基本惩罚系数；

可以理解的，一般场景下的路径规划是不会考虑穿越AOI内部路的，但是即时配送一般是一种从AOI到AOI的配送，同时考虑即时配送的时间有限，骑手在配送过程中间难免会穿越AOI内部路，因此，首先会针对AOI内部路的权重做基本的惩罚(乘一个大于1的系数)，先拉开AOI内部路与AOI外部路在权重上的差距，主要目的是为了在规划时不建议引导骑手走AOI内部路。

S1003，基于所述道路的历史流量信息，生成所述AOI内部道路的AOI内部路流量奖励系数；

具体的，根据多数骑手的实际情况进行甄别，也即根据历史流量信息来决定末端路(如主路之间的支路、进入小区的入户路，端头路等)能不能进、是否可穿行，在流量较大的AOI内部路网权重的基础上再进行一个奖励，也即生成内部路流量奖励系数(乘一个小于1的系数)，这样就保证了可穿行AOI内部路与不可穿行AOI内部路之间的差异性，保证在多数骑手都会走的情况下也会适当规划AOI内部路。

S1004，基于所述AOI内部道路的基础权重、所述AOI内部路基本惩罚系数和所述AOI内部路流量奖励系数，确认所述道路在所述AOI内部路网中的场景权重。

具体的，根据下式生成AOI内部路网中道路的场景权重：

wgt

式中，wgt

参照图10，图10为本申请实施例提供的一种路网生成方法的权重调整前后的路径规划图，图10中左边为AOI内部路网权重策略调整前的骑手实走轨迹1与规划路线2；右边为AOI内部路网权重策略调整后的规划路线3，可以看到调整后的规划路线3与骑手实走轨迹基本一致。

进一步地，在一种实施方式中，所述基于所述场景权重获取所述道路在所述路网中的路网权重，并将所述路网权重代入至所述路网，以得到带权重路网之后，包括：

S1201，当接收到路径规划测试请求时，基于所述路径规划测试请求和所述带权重路网生成测试路径，并获取对应的骑手实际轨迹数据；

可以理解的，带权重路网生成后可以用其应用的效果来评估路网的效果，因此当接收到路径规划测试请求时，根据路径规划测试请求中起点和终点信息以及生产的带权重路网规划测试路径，然后获取此测试请求对应的骑手的实际轨迹数据，进行对比，如果测试路径与实际轨迹数据更加接近，则说明生成的带权重路网效果好。同时，还可以采用路径耗时等数据来评估带权重路网的效果。需要说明的是，骑手的实际轨迹数据可以是历史的骑手轨迹轨迹，获取历史的骑手所接收派送任务生成路径规划测试请求，将根据带权重路网生成的测试路径与历史的骑手实际轨迹进行对比，优化测试轨迹中道路在对应的场景路网中的场景权重，并基于优化后的场景权重生成优化后的带权重路网。

具体的，依据上述过程生产的路网权重，根据高质量骑手实走轨迹数据集做测试，根据测试结果分场景迭代优化。并且可以使用自动化的方式进行，因此效率也极高。

参照图11，图11为本申请实施例提供的一种路网生成方法的总体流程示意图，首先获取路网对应的骑手历史行驶轨迹，基于骑手历史行驶轨迹统计道路上经过的骑手数量，基于骑手数量生成所述道路的流量值，基于地图匹配得到路网流量，再基于路网中道路的通行时间代价，确定道路的基础权重；按照道路的道路类型在路网中对所述道路进行场景归类，以得到场景路网；基于基础权重和道路特征数据，确定道路在场景路网中的场景权重；将上述不同场景下的路网组合在一起就可以得到最终的路网权重用于路径规划，组合的方式为各道路上4种场景下的权重相加，

wgt

式中，wgt

在本申请实施例中，通过道路类型确认道路是否位于AOI区域中，来将道路确定为AOI内部道路，基于所述AOI内部道路生成AOI内部路网；并根据历史流量信息和基础权重，确定AOI内部道路在AOI内部路网中的场景权重，并在得到带权重路网后，基于路径规划测试请求和带权重路网生成测试路径，并获取对应的骑手实际轨迹数据持续优化路网权重。

下面将结合附图12，对本申请实施例提供的路网生成装置进行详细介绍。需要说明的是，附图12中的路网生成装置，用于执行本说明书图2-图11所示实施例的方法，为了便于说明，仅示出了与本说明书实施例相关的部分，具体技术细节未揭示的，请参照本说明书图2-图11所示的实施例。

请参见图12，其示出了本申请一个示例性实施例提供的路网生成装置的结构示意图。该路网生成装置可以通过软件、硬件或者两者的结合实现成为装置的全部或一部分。该装置1包括基础权重获取模块10、场景分类模块20、权重修正模块30、权重生成模块40。

基础权重获取模块10，用于基于路网中道路的通行时间代价，确定所述道路的基础权重；

场景分类模块20，用于按照所述道路的道路类型在所述路网中对所述道路进行场景归类，以得到场景路网；

权重修正模块30，用于基于所述基础权重和道路特征数据，确定所述道路在所述场景路网中的场景权重；

权重生成模块40，用于基于所述场景权重获取所述道路在所述路网中的路网权重，并将所述路网权重代入至所述路网，以得到带权重路网。

可选的，所述基础权重获取模块10具体用于基于道路等级统计所述路网中道路的历史平均速度；

基于所述历史平均速度和所述道路的道路长度，生成所述道路的通行时间；

基于所述道路长度和所述通行时间生成所述道路的通行时间代价，并基于所述通行时间代价确定所述道路的基础权重。

可选的，所述场景分类模块20具体用于按照所述道路的道路类型，确认所述道路的路网属性；

基于所述路网属性在所述路网中对所述道路进行场景归类，以得到场景路网，所述场景路网包括禁行路网、步行路网和非步行路网。

可选的，所述场景分类模块20具体用于基于所述道路的历史流量信息，从所述路网中筛选出流量低于预设阈值的低流量道路；

统计所述低流量道路对应的路网属性，以得到所述低流量道路的路网属性统计结果；

在所述路网中筛选出路网属性与所述路网属性统计结果相匹配的禁行道路，基于所述禁行道路生成禁行路网。

可选的，所述场景分类模块20具体用于获取所述路网对应的骑手历史行驶轨迹；

基于所述骑手历史行驶轨迹统计所述道路上经过的骑手数量，基于所述骑手数量生成所述道路的流量值；

基于所述流量值生成所述道路的历史流量信息。

可选的，所述场景分类模块20还包括：

流量获取单元21，具体用于基于所述道路的历史流量信息，从所述路网中筛选出流量低于预设阈值的低流量道路；

统计所述低流量道路对应的路网属性，以得到所述低流量道路的路网属性统计结果；

在所述路网中筛选出路网属性与所述路网属性统计结果相匹配的禁行道路，基于所述禁行道路生成禁行路网。

可选的，所述场景分类模块20具体用于若所述路网属性为步行属性，则将所述道路确定为步行道路，基于所述步行道路生成步行路网；

若所述路网属性为非步行属性，则将所述道路确定为非步行道路，基于所述非步行道路生成非步行路网。

可选的，所述场景分类模块20具体用于若所述道路类型指示所述道路位于AOI区域中，则将所述道路确定为AOI内部道路，基于所述AOI内部道路生成AOI内部路网。

可选的，所述权重修正模块30具体用于基于所述步行路网中道路的路网属性和所述非步行路网中道路的路网属性，分别生成所述步行路网和所述非步行路网的禁行路网权重惩罚系数；

基于所述禁行路网中道路的基础权重和所述禁行路网权重惩罚系数生成所述禁行路网中道路的场景权重。

可选的，所述权重修正模块30具体用于基于所述道路的历史流量信息，生成所述非步行路网中道路的非步行奖励系数；

基于所述非步行路网中道路的基础权重和所述非步行奖励系数，确定所述道路在所述非步行路网中的场景权重。

可选的，所述权重修正模块30具体用于根据所述路网属性，获取步行路网中各步行道路对应的骑行等级；

根据所述骑行等级，生成所述步行道路的道路等级惩罚系数；

根据所述道路的历史流量信息，生成所述步行道路的流量奖励系数；

根据所述步行道路的道路长度，生成所述步行道路的道路长度惩罚系数；

基于所述步行路网中道路的基础权重、所述道路等级惩罚系数和所述步行道路流量奖励系数和所述道路长度惩罚系数，确认所述道路在所述步行路网中的场景权重。

可选的，所述权重修正模块30具体用于获取所述AOI内部路网中AOI内部道路的基本惩罚系数；

基于所述道路的历史流量信息，生成所述AOI内部道路的AOI内部路流量奖励系数；

基于所述AOI内部道路的基础权重、所述AOI内部路基本惩罚系数和所述AOI内部路流量奖励系数，确认所述道路在所述AOI内部路网中的场景权重。

可选的，所述装置1还包括轮训模块50，所述轮训模块50具体用于当接收到路径规划测试请求时，基于所述路径规划测试请求和所述带权重路网生成测试路径，并获取对应的骑手实际轨迹数据；

根据所述测试路径和所述骑手实际轨迹数据，迭代优化所述测试路径中道路在对应的场景路网中的场景权重，并基于所述优化后的场景权重生成优化后的带权重路网。

需要说明的是，上述实施例提供的路网生成装置在执行路网生成方法时，仅以上述各功能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模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的路网生成装置与路网生成方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。

上述本说明书实施例序号仅仅为了描述，不代表实施例的优劣。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书实施例还提供了一种存储介质，所述存储介质上存储有路网生成程序，所述路网生成程序被处理器执行时实现如上述图2-图12所示实施例的所述路网生成方法，具体执行过程可以参见图2-图12所示实施例的具体说明，在此不进行赘述。

请参考图13，其示出了本说明书一个示例性实施例提供的电子设备的结构示意图。本申请中的电子设备可以包括一个或多个如下部件：处理器110、存储器120、输入装置130、输出装置140和总线150。处理器110、存储器120、输入装置130和输出装置140之间可以通过总线150连接。

处理器110可以包括一个或者多个处理核心。处理器110利用各种接口和线路连接整个电子设备内的各个部分，通过运行或执行存储在存储器120内的指令、程序、代码集或指令集，以及调用存储在存储器120内的数据，执行终端100的各种功能和处理数据。可选地，处理器110可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器110可集成中央处理器(CentralProcessing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户页面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器110中，单独通过一块通信芯片进行实现。

存储器120可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-OnlyMemory，ROM)。可选地，该存储器120包括非瞬时性计算机可读介质(Non-Transitory Computer-Readable Storage Medium)。存储器120可用于存储指令、程序、代码、代码集或指令集。存储器120可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等，该操作系统可以是安卓(Android)系统，包括基于Android系统深度开发的系统、苹果公司开发的IOS系统，包括基于IOS系统深度开发的系统或其它系统。

存储器120可分为操作系统空间和用户空间，操作系统即运行于操作系统空间，原生及第三方应用程序即运行于用户空间。为了保证不同第三方应用程序均能够达到较好的运行效果，操作系统针对不同第三方应用程序为其分配相应的系统资源。然而，同一第三方应用程序中不同应用场景对系统资源的需求也存在差异，比如，在本地资源加载场景下，第三方应用程序对磁盘读取速度的要求较高；在动画渲染场景下，第三方应用程序则对GPU性能的要求较高。而操作系统与第三方应用程序之间相互独立，操作系统往往不能及时感知第三方应用程序当前的应用场景，导致操作系统无法根据第三方应用程序的具体应用场景进行针对性的系统资源适配。

为了使操作系统能够区分第三方应用程序的具体应用场景，需要打通第三方应用程序与操作系统之间的数据通信，使得操作系统能够随时获取第三方应用程序当前的场景信息，进而基于当前场景进行针对性的系统资源适配。

其中，输入装置130用于接收输入的指令或数据，输入装置130包括但不限于键盘、鼠标、摄像头、麦克风或触控设备。输出装置140用于输出指令或数据，输出装置140包括但不限于显示设备和扬声器等。在一个示例中，输入装置130和输出装置140可以合设，输入装置130和输出装置140为触摸显示屏。

所述触摸显示屏可被设计成为全面屏、曲面屏或异型屏。触摸显示屏还可被设计成为全面屏与曲面屏的结合，异型屏与曲面屏的结合，本说明书实施例对此不加以限定。

除此之外，本领域技术人员可以理解，上述附图所示出的电子设备的结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，电子设备中还包括射频电路、输入单元、传感器、音频电路、WiFi模块、电源、蓝牙模块等部件，在此不再赘述。

在图12所示的电子设备中，处理器110可以用于调用存储器120中存储的计算机程序，并具体执行以下操作：

基于路网中道路的通行时间代价，确定所述道路的基础权重；

按照所述道路的道路类型在所述路网中对所述道路进行场景归类，以得到场景路网；

基于所述基础权重和道路特征数据，确定所述道路在所述场景路网中的场景权重；

基于所述场景权重获取所述道路在所述路网中的路网权重，并将所述路网权重代入至所述路网，以得到带权重路网。

在一个实施例中，所述处理器110在执行基于路网中道路的通行时间代价，确定所述道路的基础权重时，具体执行以下操作：

基于道路等级统计所述路网中道路的历史平均速度；

基于所述历史平均速度和所述道路的道路长度，生成所述道路的通行时间；

基于所述道路长度和所述通行时间生成所述道路的通行时间代价，并基于所述通行时间代价确定所述道路的基础权重。

在一个实施例中，所述处理器110在执行按照所述道路的道路类型在所述路网中对所述道路进行场景归类，以得到场景路网时，具体执行以下操作：

按照所述道路的道路类型，确认所述道路的路网属性；

基于所述路网属性在所述路网中对所述道路进行场景归类，以得到场景路网，所述场景路网包括禁行路网、步行路网和非步行路网。

在一个实施例中，所述处理器110在执行基于所述路网属性在所述路网中对所述道路进行场景归类，以得到场景路网时，具体执行以下操作：

基于所述道路的历史流量信息，从所述路网中筛选出流量低于预设阈值的低流量道路；

统计所述低流量道路对应的路网属性，以得到所述低流量道路的路网属性统计结果；

在所述路网中筛选出路网属性与所述路网属性统计结果相匹配的禁行道路，基于所述禁行道路生成禁行路网。

在一个实施例中，所述处理器110在执行基于所述道路的历史流量信息，从所述路网中筛选出流量低于预设阈值的低流量道路之前，还执行以下操作：

获取所述路网对应的骑手历史行驶轨迹；

基于所述骑手历史行驶轨迹统计所述道路上经过的骑手数量，基于所述骑手数量生成所述道路的流量值；

基于所述流量值生成所述道路的历史流量信息。

在一个实施例中，所述处理器110在执行基于所述路网属性在所述路网中对所述道路进行场景归类，以得到场景路网时，具体执行以下操作：

若所述路网属性为步行属性，则将所述道路确定为步行道路，基于所述步行道路生成步行路网；

若所述路网属性为非步行属性，则将所述道路确定为非步行道路，基于所述非步行道路生成非步行路网。

在一个实施例中，所述处理器110在执行按照所述道路的道路类型在所述路网中对所述道路进行场景归类，以得到场景路网时，具体执行以下操作：

若所述道路类型指示所述道路位于AOI区域中，则将所述道路确定为AOI内部道路，基于所述AOI内部道路生成AOI内部路网。

在一个实施例中，所述处理器110在执行基于所述基础权重和道路特征数据，确定所述道路在所述场景路网中的场景权重时，具体执行以下操作：

基于所述步行路网中道路的路网属性和所述非步行路网中道路的路网属性，分别生成所述步行路网和所述非步行路网的禁行路网权重惩罚系数；

基于所述禁行路网中道路的基础权重和所述禁行路网权重惩罚系数生成所述禁行路网中道路的场景权重。

在一个实施例中，所述处理器110在执行基于所述基础权重和道路特征数据，确定所述道路在所述场景路网中的场景权重时，具体执行以下操作：

基于所述道路的历史流量信息，生成所述非步行路网中道路的非步行奖励系数；

基于所述非步行路网中道路的基础权重和所述非步行奖励系数，确定所述道路在所述非步行路网中的场景权重。

在一个实施例中，所述处理器110在执行基于所述基础权重和道路特征数据，确定所述道路在所述场景路网中的场景权重时，具体执行以下操作：

根据所述路网属性，获取步行路网中各步行道路对应的骑行等级；

根据所述骑行等级，生成所述步行道路的道路等级惩罚系数；

根据所述道路的历史流量信息，生成所述步行道路的流量奖励系数；

根据所述步行道路的道路长度，生成所述步行道路的道路长度惩罚系数；

基于所述步行路网中道路的基础权重、所述道路等级惩罚系数和所述步行道路流量奖励系数和所述道路长度惩罚系数，确认所述道路在所述步行路网中的场景权重。

在一个实施例中，所述处理器110在执行基于所述基础权重和道路特征数据，确定所述道路在所述场景路网中的场景权重时，具体执行以下操作：

获取所述AOI内部路网中AOI内部道路的基本惩罚系数；

基于所述道路的历史流量信息，生成所述AOI内部道路的AOI内部路流量奖励系数；

基于所述AOI内部道路的基础权重、所述AOI内部路基本惩罚系数和所述AOI内部路流量奖励系数，确认所述道路在所述AOI内部路网中的场景权重。

在一个实施例中，所述处理器110在执行基于所述场景权重获取所述道路在所述路网中的路网权重，并将所述路网权重代入至所述路网，以得到带权重路网之后，还执行以下操作：

当接收到路径规划测试请求时，基于所述路径规划测试请求和所述带权重路网生成测试路径，并获取对应的骑手实际轨迹数据；

根据所述测试路径和所述骑手实际轨迹数据，迭代优化所述测试路径中道路在对应的场景路网中的场景权重，并基于所述优化后的场景权重生成优化后的带权重路网。

在本申请实施例中，通过路网中道路的通行时间代价，来确定道路的基础权重，按照道路的道路类型在路网中对道路进行场景归类，以得到场景路网，再基于基础权重和道路特征数据，确定道路在场景路网中的场景权重，基于场景权重获取道路在路网中的路网权重，并将路网权重代入至路网，以得到带权重路网。通过道路特征数据分场景修正道路基础权重，得到修正后道路在路网中的路网权重，实现了不同场景下对道路特征数据的有效使用，提高了获取到的路网权重的准确度，进而提高带权重路网的准确度，以及带权重路网在实际应用中的精确度。并且通过基于道路的道路长度和通行时间生成道路的通行时间代价，并根据通行时间代价确定了道路的基础权重；再基于路网属性对场景进行划分，将道路划分到对应的场景路网中，进一步针对性地对各场景路网中道路的基础权重进行修正，通过路网属性和/或历史流量信息的得到修正后的场景权重，从而提高调整后路网在规划路线时的准确性。本实施例中无需考虑过多的环境条件、通行难度等数据，可以在数据量较少的情况下(路网属性数据及过去较短时间内的流量数据)，很短的时间内就能得到精度比较高的路网权重。此外，通过道路类型确认道路是否位于AOI区域中，来将道路确定为AOI内部道路，基于所述AOI内部道路生成AOI内部路网；并根据历史流量信息和基础权重，确定AOI内部道路在AOI内部路网中的场景权重，并在得到带权重路网后，基于路径规划测试请求和带权重路网生成测试路径，并获取对应的骑手实际轨迹数据持续优化路网权重。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

以上所揭露的仅为本说明书较佳实施例而已，当然不能以此来限定本说明书之权利范围，因此依本说明书权利要求所作的等同变化，仍属本说明书所涵盖的范围。