CN110334863B - 一种地面移动单元路网区域巡逻问题建模与轨迹生成方法 - Google Patents

一种地面移动单元路网区域巡逻问题建模与轨迹生成方法 Download PDF

Info

Publication number
CN110334863B
CN110334863B CN201910593888.7A CN201910593888A CN110334863B CN 110334863 B CN110334863 B CN 110334863B CN 201910593888 A CN201910593888 A CN 201910593888A CN 110334863 B CN110334863 B CN 110334863B
Authority
CN
China
Prior art keywords
mobile unit
ground mobile
point
road
monitoring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910593888.7A
Other languages
English (en)
Other versions
CN110334863A (zh
Inventor
黄攀峰
王通
董刚奇
宋梦实
周合
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN201910593888.7A priority Critical patent/CN110334863B/zh
Publication of CN110334863A publication Critical patent/CN110334863A/zh
Application granted granted Critical
Publication of CN110334863B publication Critical patent/CN110334863B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047Optimisation of routes or paths, e.g. travelling salesman problem
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种地面移动单元路网区域巡逻问题建模与轨迹生成方法,形成无向图,通过探测点到无人车中心相对距离d的分段概率函数来构造无人车监测准确度模型,并计算态势不确定度,当无人车处于某个兴趣点时,计算监视收益值,找出无人车往最大监视收益位置的最短路径,沿着规划路径移动一个时间单位,直至抵达V中的其中一个点。本发明得到的无向图更具有通用性,更能满足实际监视任务需求,并可实现对异构***合作巡逻的处理;可实现已知监视能力的单个无人车在真实路网环境下的巡逻。本发明特别适用于真实地面路网环境的移动持续监视任务。

Description

一种地面移动单元路网区域巡逻问题建模与轨迹生成方法
技术领域
本发明涉及路径规划领,尤其是一种区域巡逻问题建模与轨迹生成方法。
背景技术
以不间断更新目标区域信息为目标的移动持续监视,对战场搜索、入侵检测、安防、局部战斗等具有重要意义。大面积路网区域的安防与移动监控任务,是一种特殊的路网巡逻问题。在任务中,区域内各处的事件发生概率未知,要求在满足重点区域的监控等级要求下,尽可能以均匀访问频率对各处进行监控,同时移动单元的轨迹要随机以防止敌渗透。
尽管存在众多巡逻轨迹生成方法,但巡逻模型几乎完全相同。目前的巡逻问题建模方式均采用将环境抽象为无向图的形式,无向图是由离散的点和与点相连的边组成,图中点的选取与划分原则是:在区域内随机放置多个虚拟的传感器,虚拟传感器的覆盖范围与执行巡逻任务的地面移动单元实际传感器的覆盖范围相同,当设置的虚拟传感器恰好能完全覆盖所有目标区域时,取各传感器的中心为无向图的点。同时,巡逻的目的是最小化巡逻点间的访问时间间隔,其性能的度量采用区域内最大间隔时间、平均间隔时间、间隔时间方差或数字信息素等参数。这在实际路网区域移动持续监视任务的应用中将存在有三点问题:
a)环境离散困难:在真实复杂环境中,由于环境建模的难度高,在巡逻无向图中点的设置中,很难找到任务区域完全覆盖的最优解;
b)模型通用性不足:无向图会随传感器覆盖范围变化,改变地面移动单元传感器覆盖范围,无向图将重新生成,因此模型通用性不佳;
c)模型过于理想化:巡逻轨迹生成过程未考虑地面移动单元监测准确度,存在“点到即覆盖”的假设,忽略了地面移动单元沿路网移动时的动态覆盖情况。
发明内容
为了克服现有技术的不足,本发明提供地面移动单元路网区域巡逻问题建模与轨迹生成方法。本发明的目的在于,提供一种地面移动单元路网区域巡逻问题建模方法和基于该模型的地面移动单元巡逻轨迹生成方法,使用该建模方法可将无向图生成过程独立于地面移动单元的传感器覆盖范围,能更真实的反映覆盖情况并可实现异构***的巡逻,同时,使用该轨迹生成方法可实现地面移动单元在真实路网环境中的巡逻任务。
本发明解决其技术问题所采用的技术方案包括如下步骤:
步骤1:进行建模;
步骤1.1:首先形成无向图,无向图生成的步骤如下:
给定一张路网平面地图,按照实际路网的拓扑结构,沿道路中心线将路网中的道路标出,将所有道路表示为集合形式,计W={W1,…,Wm},表示m条道路,将所有道路所连接的两侧端点表示为集合形式,计I={I1,…,Iu},表示u个点;取最小事件发生范围为直径de的圆形区域,并取le=a·de为允许建模偏差,其中a取大于0小于1的任意数;对于道路集合W中的任意道路Wi,记其连接的两侧端点分别为Ii,1和Ii,2,将Ii,1和Ii,2连接成线段Li,若Li与实际道路Wi间的建模偏差li不大于允许建模偏差le,则直接以Li替换Wi,若li大于le,则取道路Wi的中点Ii,m,将Wi分为两段,再分别比较两段的直线段和对应实际道路的建模偏差,若有一段的建模偏差不大于le,则用直线段替换该段道路,若有一段的建模偏差仍大于le,则再取该段中点,重复判断,直至道路Wi离散成的直线段与对应各段道路的建模偏差li均不大于le,将所得的所有线段,加入集合W中,并在W中删除Wi,同时将新增的所有中点加入I;重复所有Wi直至完成W中所有道路的离散,使所有道路离散为直线段,计新的道路集合为WN,新的端点集合为IN;对于WN中的任意直线段道路WNi,若其长度大于de,则将其均匀分成s段,使每段长度恰好不大于de;重复所有WNi直至完成WN中所有道路的离散,可使所有道路离散为长度不大于de的直线段,计新的道路集合为E,新的端点集合为V;将V和E联合,构造路网的无向图,V中所有端点构成无向图中的点,各点的坐标以实际地理经纬度坐标表示,E中的所有道路构成无向图中的边,无向图中的边权重表示两点间的实际路程;
步骤1.2:通过探测点到地面移动单元中心相对距离d的分段概率函数来构造地面移动单元监测准确度模型:
Figure BDA0002116997890000021
其中,d表示探测点到地面移动单元中心相对距离,dc表示地面移动单元的完全覆盖范围的直径,dl表示地面移动单元的可覆盖的直径极限;
步骤1.3:态势不确定度计算公式为:
Figure BDA0002116997890000031
其中,δi即为i点态势不确定度,σi表示i点监视权重,tk表示当前时间,tlvi表示无向图中第i个点上次被完全识别时的时间,Mf为态势不确定度系数,Ri为覆盖第i个监测点的地面移动单元个数,fcr为第r个地面移动单元对第i个监测点的传感器监视准确度,通过公式(1)求得;
步骤2:生成地面移动单元轨迹;
步骤2.1:当地面移动单元处于某个兴趣点时,计算此时该地面移动单元到其他所有点i的监视收益值Ai,计算方法为:
Ai=δi-qw·dmin (3)
其中,qw表示收益系数,dmin为到完全覆盖到目标点的所有监视点中的最短路径,即为可覆盖最短路径;
收益系数qw自适应调整公式为:
Figure BDA0002116997890000032
其中,qwl为最小收益系数,qwh为最大收益系数,umax为最大态势不确定度,uA为许用最小态势不确定度均值,ua为当前各点平均态势不确定度,um为当前各点最大态势不确定度;
步骤2.2:找出地面移动单元往最大监视收益位置的最短路径,若最短路径中需要地面移动单元原路折返,则根据无向图中,地面移动单元所处的兴趣点所连接的边数p,确定地面移动单元在该点的折返概率,取折返的概率为:当点的连通路径数为1,概率为1,当点的连通路径数为p,其中p>1,概率为0.4/p;取概率阈值为q,将折返概率p与概率阈值q进行比较,如p大于q,则地面移动单元原则其他路径移动至最短路径的终点,如p小于等于q,则地面移动单元按照所规划的最短路径到达终点;
步骤2.3:沿着步骤2.2规划的路径移动一个时间单位,直至抵达V中的其中一个点。
本发明的有益效果在于由于在无向图生成时仅考虑实际路网曲率和事件发生范围,无向图生成设置独立于传感器覆盖范围,得到的无向图更具有通用性;传感器的覆盖范围和态势不确定度度量的加入,更能满足实际监视任务需求,并可实现对异构***合作巡逻的处理;同时,本发明考虑了地面移动单元实际巡逻过程中的监控能力,可实现已知监视能力的单个地面移动单元在真实路网环境下的巡逻。本发明特别适用于真实地面路网环境的移动持续监视任务。
附图说明
图1为本发明无向图生成过程的曲线段离散示意图。
图2为本发明建模与轨迹生成方法流程图。
图3为本发明实施例所用实际路网平面图。
图4为采用本发明所述路网离散方法所得路网模型。
图5为本发明实施例中规划出的地面移动单元轨迹。
图6为本发明实施例中监测点平均态势不确定度随时间关系。
具体实施方式
下面结合附图和实施例对本发明进一步说明。如图2所示。本发明具体实施步骤如下:
为了解决上述存在的技术问题,本发明提出了一种地面移动单元路网区域巡逻问题建模与轨迹生成方法,其中,建模方法包括如下步骤:地面移动单元监测准确度模型构造、态势不确定度计算;
轨迹生成方法包括如下步骤:地面移动单元位置识别、地面移动单元到所有点的最短覆盖路径计算、全局最大监视收益位置计算、收益系数自适应调整、地面移动单元路径折返监测、下一时刻地面移动单元位置计算。
步骤1:进行建模;
步骤1.1:首先形成无向图,无向图生成的步骤如下:
给定一张路网平面地图,按照实际路网的拓扑结构,沿道路中心线将路网中的道路标出,将所有道路表示为集合形式,计W={W1,…,Wm},表示m条道路,将所有道路所连接的两侧端点表示为集合形式,计I={I1,…,Iu},表示u个点;取最小事件发生范围为直径de的圆形区域,并取le=a·de为允许建模偏差(如图1所示),其中a取大于0小于1的任意数;对于道路集合W中的任意道路Wi,记其连接的两侧端点分别为Ii,1和Ii,2,将Ii,1和Ii,2连接成线段Li,若Li与实际道路Wi间的建模偏差li不大于允许建模偏差le,则直接以Li替换Wi(如图1),本发明取最小事件发生范围为直径de=10m的圆形区域,并取le=0.2·de=2m为允许建模偏差;若li大于le,则取道路Wi的中点Ii,m,将Wi分为两段,再分别比较两段的直线段和对应实际道路的建模偏差,若有一段的建模偏差不大于le,则用直线段替换该段道路,若有一段的建模偏差仍大于le,则再取该段中点,重复判断,直至道路Wi离散成的直线段与对应各段道路的建模偏差li均不大于le,将所得的所有线段,加入集合W中,并在W中删除Wi,同时将新增的所有中点加入I;重复所有Wi直至完成W中所有道路的离散,使所有道路离散为直线段,计新的道路集合为WN,新的端点集合为IN;对于WN中的任意直线段道路WNi,若其长度大于de,则将其均匀分成s段,使每段长度恰好不大于de;重复所有WNi直至完成WN中所有道路的离散,可使所有道路离散为长度不大于de的直线段,计新的道路集合为E,新的端点集合为V;将V和E联合,构造路网的无向图,如图4所示,V中所有端点构成无向图中的点,共64个,各点的坐标以实际地理经纬度坐标表示,E中的所有道路构成无向图中的边,共71条,无向图中的边权重表示两点间的实际路程;
步骤1.2:通过探测点到地面移动单元中心相对距离d的分段概率函数来构造地面移动单元监测准确度模型:
Figure BDA0002116997890000051
其中,d表示探测点到地面移动单元中心相对距离,dc表示地面移动单元的完全覆盖范围的直径,dl表示地面移动单元的可覆盖的直径极限;
本发明设完全探测范围dc=10m,可探测极限dl=20m,根据公式(1)构造地面移动单元监测准确度模型fc
Figure BDA0002116997890000061
步骤1.3:态势不确定度是不同于最大间隔时间、平均间隔时间等现有度量的一种新度量方式,涉及地面移动单元覆盖范围、间隔时间、监视权重,计算公式可构造为:
Figure BDA0002116997890000062
其中,δi即为i点态势不确定度,σi表示i点监视权重,tk表示当前时间,tlvi表示无向图中第i个点上次被完全识别时的时间,Mf为态势不确定度系数,Ri为覆盖第i个监测点的地面移动单元个数,fcr为第r个地面移动单元对第i个监测点的传感器监视准确度,通过公式(1)求得;
本发明设置各点监视权重σ,表示被完全覆盖的频率:σ=[σ1,...σi,...σ64]。
根据公式(2)计算64个点中第i个点的态势不确定度δi
Figure BDA0002116997890000063
其中,σi表示i点监视权重,tk表示当前***时间,tlvi表示第i个点上次被完全识别时的***时间,Mf为态势不确定度系数,Ri为覆盖第i监测点的地面移动单元个数,fcr为第r个地面移动单元对i点的传感器监视准确度。
步骤2:生成地面移动单元轨迹;
地面移动单元位置判断:取地面移动单元当前位置,判断是否处于64个点中,若处于64个点中,则进行轨迹规划,否则,将沿着此前方向一直移动直至到达64个点中的一个;
步骤2.1:当地面移动单元处于某个兴趣点时,计算此时该地面移动单元到其他所有点i的监视收益值Ai,该收益值是考虑当前点的态势不确定度与地面移动单元抵达该点的时间消耗成本构造的决策度量,其计算方法为:
Ai=δi-qw·dmin (3)
其中,qw表示收益系数,dmin为到完全覆盖到目标点的所有监视点中的最短路径,即为可覆盖最短路径;
计算收益值:根据公式(3)计算此时地面移动单元去往第i点的收益值:
Ai=δi-qw·dmin (7)
其中,qw表示收益系数,dmin为到完全覆盖到目标点的所有监视点中的最短路径,即为可覆盖最短路径。
收益系数qw自适应调整公式为:
Figure BDA0002116997890000071
其中,qwl为最小收益系数,qwh为最大收益系数,umax为最大态势不确定度,uA为许用最小态势不确定度均值,ua为当前各点平均态势不确定度,um为当前各点最大态势不确定度;
本发明取最小收益系数qwl=0.1,最大收益系数qwh=10,最大态势不确定度umax=1000,最小平均态势不确定度uA=200:
Figure BDA0002116997890000072
步骤2.2:找出地面移动单元往最大监视收益位置的最短路径,若最短路径中需要地面移动单元原路折返,则根据无向图中,地面移动单元所处的兴趣点所连接的边数p,确定地面移动单元在该点的折返概率,取折返的概率为:当点的连通路径数为1,概率为1,当点的连通路径数为p(p>1),概率为0.4/p;取概率阈值为q,将折返概率p与概率阈值q进行比较,如p大于q,则地面移动单元原则其他路径移动至最短路径的终点,如p小于等于q,则地面移动单元按照所规划的最短路径到达终点;
步骤2.3:沿着步骤2.2规划的路径移动一个时间单位,直至抵达V中的其中一个点。
如图5、图6所示,图5中圆点表示任务周期内地面移动单元的轨迹,图6中纵坐标表示某时刻无向图的平均态势不确定度与最大态势不确定度的比率。可见,通过以上方法,本实施例中路网平均态势不确定度随时间推移达到稳定状态,表明实现了在真实地面路网环境的移动传感器持续态势感知任务。

Claims (1)

1.一种地面移动单元路网区域巡逻问题建模与轨迹生成方法,其特征在于包括下述步骤:
步骤1:进行建模;
步骤1.1:首先形成无向图,无向图生成的步骤如下:
给定一张路网平面地图,按照实际路网的拓扑结构,沿道路中心线将路网中的道路标出,将所有道路表示为集合形式,计W={W1,…,Wm},表示m条道路,将所有道路所连接的两侧端点表示为集合形式,计I={I1,…,Iu},表示u个点;取最小事件发生范围为直径de的圆形区域,并取le=a·de为允许建模偏差,其中a取大于0小于1的任意数;对于道路集合W中的任意道路Wi,记其连接的两侧端点分别为Ii,1和Ii,2,将Ii,1和Ii,2连接成线段Li,若Li与实际道路Wi间的建模偏差li不大于允许建模偏差le,则直接以Li替换Wi,若li大于le,则取道路Wi的中点Ii,m,将Wi分为两段,再分别比较两段的直线段和对应实际道路的建模偏差,若有一段的建模偏差不大于le,则用直线段替换该段道路,若有一段的建模偏差仍大于le,则再取该段中点,重复判断,直至道路Wi离散成的直线段与对应各段道路的建模偏差li均不大于le,将所得的所有线段,加入集合W中,并在W中删除Wi,同时将新增的所有中点加入I;重复所有Wi直至完成W中所有道路的离散,使所有道路离散为直线段,计新的道路集合为WN,新的端点集合为IN;对于WN中的任意直线段道路WNi,若其长度大于de,则将其均匀分成s段,使每段长度恰好不大于de;重复所有WNi直至完成WN中所有道路的离散,可使所有道路离散为长度不大于de的直线段,计新的道路集合为E,新的端点集合为V;将V和E联合,构造路网的无向图,V中所有端点构成无向图中的点,各点的坐标以实际地理经纬度坐标表示,E中的所有道路构成无向图中的边,无向图中的边权重表示两点间的实际路程;
步骤1.2:通过探测点到地面移动单元中心相对距离d的分段概率函数来构造地面移动单元监测准确度模型:
Figure FDA0004141597280000011
其中,d表示探测点到地面移动单元中心相对距离,dc表示地面移动单元的完全覆盖范围的直径,dl表示地面移动单元的可覆盖的直径极限;
步骤1.3:态势不确定度计算公式为:
Figure FDA0004141597280000021
其中,δi即为i点态势不确定度,σi表示i点监视权重,tk表示当前时间,tlvi表示无向图中第i个点上次被完全识别时的时间,Mf为态势不确定度系数,Ri为覆盖第i个监测点的地面移动单元个数,fcr为第r个地面移动单元对第i个监测点的传感器监视准确度,通过公式(1)求得;
步骤2:生成地面移动单元轨迹;
步骤2.1:当地面移动单元处于某个兴趣点时,计算此时该地面移动单元到其他所有点i的监视收益值Ai,计算方法为:
Ai=δi-qw·dmin (3)
其中,qw表示收益系数,dmin为到完全覆盖到目标点的所有监视点中的最短路径,即为可覆盖最短路径;
收益系数qw自适应调整公式为:
Figure FDA0004141597280000022
其中,qwl为最小收益系数,qwh为最大收益系数,umax为最大态势不确定度,uA为使用最小态势不确定度均值,ua为当前各点平均态势不确定度,um为当前各点最大态势不确定度;
步骤2.2:找出地面移动单元往最大监视收益位置的最短路径,若最短路径中需要地面移动单元原路折返,则根据无向图中,地面移动单元所处的兴趣点所连接的边数p,确定地面移动单元在该点的折返概率,取折返的概率为:当点的连通路径数为1,概率为1,当点的连通路径数为p,其中p>1,概率为0.4/p;取概率阈值为q,将折返概率p与概率阈值q进行比较,如p大于q,则地面移动单元原则其他路径移动至最短路径的终点,如p小于等于q,则地面移动单元按照所规划的最短路径到达终点;
步骤2.3:沿着步骤2.2规划的路径移动一个时间单位,直至抵达V中的其中一个点。
CN201910593888.7A 2019-07-03 2019-07-03 一种地面移动单元路网区域巡逻问题建模与轨迹生成方法 Active CN110334863B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910593888.7A CN110334863B (zh) 2019-07-03 2019-07-03 一种地面移动单元路网区域巡逻问题建模与轨迹生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910593888.7A CN110334863B (zh) 2019-07-03 2019-07-03 一种地面移动单元路网区域巡逻问题建模与轨迹生成方法

Publications (2)

Publication Number Publication Date
CN110334863A CN110334863A (zh) 2019-10-15
CN110334863B true CN110334863B (zh) 2023-05-02

Family

ID=68144009

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910593888.7A Active CN110334863B (zh) 2019-07-03 2019-07-03 一种地面移动单元路网区域巡逻问题建模与轨迹生成方法

Country Status (1)

Country Link
CN (1) CN110334863B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111242373B (zh) * 2020-01-13 2023-05-30 腾讯科技(深圳)有限公司 巡逻路线确定方法、装置、可读存储介质和计算机设备
CN111352421B (zh) * 2020-03-04 2022-08-12 西北工业大学 一种多移动单元协同巡查的轨迹生成方法
CN113496065B (zh) * 2021-06-29 2023-04-18 西北工业大学 一种快速高精度的网络区域动态覆盖轨迹生成方法
CN117079454B (zh) * 2023-07-27 2024-05-28 盈乾家智能科技(武汉)有限公司 智慧城市安全管理方法和***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103455847A (zh) * 2012-05-30 2013-12-18 国际商业机器公司 一种确定路径的方法、装置
EP3384243A1 (en) * 2015-12-03 2018-10-10 Graf Plessen, Mogens Max Sophus Edzard Path planning for area coverage
CN108873907A (zh) * 2018-07-11 2018-11-23 山东大学 基于向量场的多非完整型机器人巡逻护航任务的协同控制方法
CN109572694A (zh) * 2018-11-07 2019-04-05 同济大学 一种考虑不确定性的自动驾驶风险评估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103455847A (zh) * 2012-05-30 2013-12-18 国际商业机器公司 一种确定路径的方法、装置
EP3384243A1 (en) * 2015-12-03 2018-10-10 Graf Plessen, Mogens Max Sophus Edzard Path planning for area coverage
CN108873907A (zh) * 2018-07-11 2018-11-23 山东大学 基于向量场的多非完整型机器人巡逻护航任务的协同控制方法
CN109572694A (zh) * 2018-11-07 2019-04-05 同济大学 一种考虑不确定性的自动驾驶风险评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
冷哲等.A Rapid Path Planner for Autonomous Ground Vehicle Using Section Collision Detection.《Journal of Shanghai Jiaotong University(Science)》.2009,全文. *
孟中杰等.基于混沌遗传的巡航导弹实时规划技术.《计算机仿真》.2009,全文. *

Also Published As

Publication number Publication date
CN110334863A (zh) 2019-10-15

Similar Documents

Publication Publication Date Title
CN110334863B (zh) 一种地面移动单元路网区域巡逻问题建模与轨迹生成方法
Shu et al. Gradient-based fingerprinting for indoor localization and tracking
Tao et al. A novel system for WiFi radio map automatic adaptation and indoor positioning
Zhang et al. Landscape-3D; a robust localization scheme for sensor networks over complex 3D terrains
CN111492202B (zh) 车辆运行的位置确定
US9173056B2 (en) Hybrid method for high accuracy and cost-effective prediction of mobile device positions through mobile networks
CN105704652A (zh) 一种wlan/蓝牙定位中的指纹库采集和优化方法
CN108966120B (zh) 一种用于动态集群网络改进的组合三边定位方法及***
Zhao et al. GraphIPS: Calibration-free and map-free indoor positioning using smartphone crowdsourced data
CN110736456B (zh) 稀疏环境下基于特征提取的二维激光实时定位方法
CN103491591A (zh) 无线传感器网络复杂区域划分方法和节点定位方法
CN109033239B (zh) 一种基于最小二乘优化的路网结构生成方法
Marinelli et al. A Fuzzy set-based method to identify the car position in a road lane at intersections by smartphone GPS data
Shit et al. AI-enabled fingerprinting and crowdsource-based vehicle localization for resilient and safe transportation systems
Shi et al. A 3D node localization scheme for wireless sensor networks
Ahammed et al. LICA: robust localization using cluster analysis to improve GPS coordinates
Sha et al. A type of energy-efficient target tracking approach based on grids in sensor networks
CN108414977A (zh) 基于无线传感器网络实现移动机器人定位的方法
Ahammed et al. Vloci2: Improving 2d location coordinates using distance measurements in gps-equipped vanets
CN108924734B (zh) 一种三维传感器节点定位方法及***
CN108398661B (zh) 一种在无线传感器网络中基于历史坐标数据分析的节点精确实时定位方法
Meng et al. 3-D localization in WSNs using UAVs
CN112880699B (zh) 一种基于脑选择性注意机制的车辆协作定位方法
Huang et al. Toward C-V2X Enabled Connected Transportation System: RSU-Based Cooperative Localization Framework for Autonomous Vehicles
Monakhov et al. Improving the accuracy of local positioning for mobile network nodes using satellite navigation systems

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant