技术领域
[0001] 本
发明涉及交通信息技术领域,特别涉及一种高精度、高拓展性的用于规划交通最优路径的方法。
背景技术
[0002] 交通最优路径问题是车辆行驶路径问题的一种,是交通工程学与地理信息科学的一个重要研究方向,其概念最早由Dantzig和Ramser于1959年提出。在交通路网体系庞大且复杂的城市中,如何从错综复杂、多变的交通路网中规划一条实时的、最优的行驶路径,成为人们出行时切实关注的问题。路径规划技术是车辆导航的核心,路网模型以及路径规划
算法的实时性和精确性影响着整个导航的
质量。
[0003] 目前在交通最优路径选择的研究中,大多只考虑静态的交通路网场景,且忽略了通过交叉口时的代价,造成计算结果和实际行驶的代价之间误差较大。目前使用的路径规划算法主要有Dijkstra算法、A*算法和D*算法等,这些算法的核心在于对图的搜索,但是随着
节点规模的进一步增大,效率和拓展性有所不足。综上所述,设计高效、高精度、高拓展性的用于规划交通最优路径的方法提高导航的效率和精度,对现代城市交通以及无人驾驶场景具有重大的意义。
发明内容
[0004] 本发明的目的在于提供一种高精度、高拓展性的用于规划交通最优路径的方法,以解决上述背景技术中提出的问题。
[0005] 为实现上述目的,本发明提供如下技术方案:一种高精度、高拓展性的用于规划交通最优路径的方法包括交通路网的建模方法和求解最优路径的算法,所述的交通路网的建模方法中首先建立用于分析交通最优路径的交通模型,该模型除了道路之外,还考虑
信号交叉口的影响,对于道路部分,根据距离和平均车流速度来计算代价;对于信号交叉口部分,根据城市及交叉口交通特性的不同,采用不同的延误提取公式计算车辆通过信号交叉口的代价。
[0006] 作为优选,所述的求解最优路径的算法使用针对交通场景改进的精英蚁群算法,所述改进的精英蚁群算法在
信息素初始化时和全局信息素更新加入了两个优化,首先,在信息素初始化时加入主干道引导和行车方向引导的优化;其次,在全局信息素更新时采用双精英策略进行优化,以相互约束的形式更新全局路径上的信息素浓度。
[0007] 与
现有技术相比,本发明的有益效果是:通过考虑信号交叉口的影响,提高了交通模型的精确度,改进的精英蚁群算法也大大提升了求解效率,同时该方法可以根据不用的信号交叉口场景以及车辆行驶需求进行拓展,这些使得本发明在现代城市交通及无人驾驶的车辆导航中具有广泛的运用前景。
附图说明
[0008] 图1为本发明的
实施例中交通模型中的道路模型;
[0009] 图2为本发明实施例中的交通模型中的信号交叉口模型;
[0010] 图3为本发明实施例中的行车方向引导中的原理图。
具体实施方式
[0011] 下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
[0012] 本实施例中:首先在交通路网建模时,分别建立基于Perti网的交通道路模型和信号交叉口模型。如图1,在交通道路模型中,所有的路口节点的集合用P表示,则Pd(d=1,2,…,n)表示第d个路口;所有的路段集合用T表示,则Tj(j=1,2,…,m)表示路段j;i(Pd,Tj)从节点d经过路段Tj到达下一个路口的代价;o(Pd,Tj)从上一个节点经过路段Tj到达节点d的代价。为了便于表示和分析,本文用Tds和W(Tds)分别节点d到节点s的路段和相应的代价(单位:秒)。不同于路径问题的理论研究,在实际的交通路径问题中,Tds和Tsd有着完全不一样的意义,即双向车道的交通场景及路况通常相差悬殊,行驶的代价W(Tds)与W(Tsd)也不同。
[0013] 如图2,在信号交叉口模型中,交叉口的进口道和出口道的集合用P表示,则Pxy(x=n,s,w,e;y=l,c,r)表示x方向道路的y进口道,而Pxo则表示x方向道路的出口道(本文将出口道抽象成一条车道);所有的交叉口转向或直行用集合T表示; 表示从进口道通过交叉口行驶到出口道 的转向或直行;Tx表示从x方向的上一个节点到该交叉口进口道入口的路段;Txo表示从该交叉口x方向的出口道到下一个节点的路段; 从进口道Pxy经过转向或直行 到达下一个路口的代
价; 从上一个节点经过转向或直行 到达出口道Pxo的代价。和道路
模型一样,本文为了便于描述和分析,使用对应进口道到出口道转向或直行的代价用表示。
[0014] 车辆在信号交叉口口,从进口道到出口的转向或直行受到信号灯的控制,即信号灯的
颜色或者标志触发对应的行驶动作。例如车辆北方向即将进入进口道,如果需要左转行驶到东方向的出口道,须进入左转进口道Pnl,当左转绿灯亮起时,左转Tnl_eo被触发,车辆消耗一定的代价之后进入出口道Peo,随后沿着东方向驶向下一个路口节点。
[0015] 上述中的代价可以使用距离,时间或者与其他多种因素的综合权值,本发明使用时间作为评价标准。车辆在道路上的行驶时间通过距离和平均车速求得,信号交叉口的通过时间根据城市及交叉口的交通特性的不同采用合适的延误计算公式。
[0016] 在交通车辆出行中,车道数多、车流速度快的主干道容易被人们选择,而车道数少、车流速度慢的路段则相对较少被选择,因为经验证明大多数情况下,前者的行驶时间、道路情况、意外事件等成本会更低。根据这一思路,本文提出在信息素初始化时加入主干道引导规则,即对于多车道、高车速的主干道给予更多的初始信息素浓度。另一方面,考虑到几何学规则,车辆在行驶过程中,行车方向越趋近于终点方向,则行驶距离越短。如图3,若沿着路段Tij行驶,S和E分别为出发
位置和目的位置,θ1、θ2分别为E和节点j相对S的方向
角;Δθ为E、j和S形成的夹角,Δθ越小,则沿着路段Tij的行驶方向越靠近终点E,行驶距离越短,在其他条件相同的情况下,相应消耗的代价也越小。根据此原理,本发明在信息素初始化时加入行车方向引导,即如果某个节点与出发位置、目的位置形成的几何夹角越小,该节点所在的道路将获得更多的初始信息素。方向角θ1和θ2可根据下式计算得到:
[0017]
[0018] 其中,φ1和φ2分别为两个节点的纬度,Δλ为两个节点的经度之差。
[0019] 综合上述两个优化,将初始化信息素公式
修改为:
[0020]
[0021] 其中,一项为固定部分;第二项为主干道引导带来的信息素增量,n、 分别为当前路段Rij的车道数和路网平均车道数,v、分别为当前路段Rij的车流速度和路网平均车流速度;第三项为行车方向引导带来的信息素增量,0≤Δθ≤π。
[0022] 在全局信息素更新时,采用双精英蚂蚁策略,并采用相互约束的方式更新两只精英蚂蚁所选路径上的信息素浓度,进一步降低过早陷入停滞的概率。同时,在新的交通路网模型中,最优路径的规划考虑的是多个因素,双精英蚂蚁策略使得算法最终能得到两个最优结果,这两个结果中各个因素的量化权值可能不同。在本文中,仅考虑了出行时间和行驶距离,亦可拓展到路面状况、过路费以及路段意外事故概率等多个因素,所以这一策略还能够满足车辆出行的差异化需求。所以,整个蚁群完成一次循环后,对两只精英蚂蚁搜索到的最优路径按一下公式进行信息素更新:
[0023]
[0024] 其中,Wgb1和Wgb2分别为全局最优路径1和2的权值之和,Wgb1≤Wgb2。采用上式的方式分别增加两条全局最优路径的信息素浓度,可以使得最优路径1相较于最优路径2上的信息素浓度得到更多的增量,同时又相互约束,避免由于偶然性造成的算法过早停滞。
[0025] 尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附
权利要求及其等同物限定。