CN112129306A - 路线生成方法、装置、计算机设备和存储介质 - Google Patents

路线生成方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN112129306A
CN112129306A CN202011015613.4A CN202011015613A CN112129306A CN 112129306 A CN112129306 A CN 112129306A CN 202011015613 A CN202011015613 A CN 202011015613A CN 112129306 A CN112129306 A CN 112129306A
Authority
CN
China
Prior art keywords
travel
network
sub
road
public transportation
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.)
Granted
Application number
CN202011015613.4A
Other languages
English (en)
Other versions
CN112129306B (zh
Inventor
李大韦
宋玉晨
杨敏
刘向龙
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.)
Tencent Technology Shenzhen Co Ltd
Southeast University
Original Assignee
Tencent Technology Shenzhen Co Ltd
Southeast 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 Tencent Technology Shenzhen Co Ltd, Southeast University filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202011015613.4A priority Critical patent/CN112129306B/zh
Publication of CN112129306A publication Critical patent/CN112129306A/zh
Application granted granted Critical
Publication of CN112129306B publication Critical patent/CN112129306B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3423—Multimodal routing, i.e. combining two or more modes of transportation, where the modes can be any of, e.g. driving, walking, cycling, public transport
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Navigation (AREA)

Abstract

本申请涉及一种路线生成方法、装置、计算机设备和存储介质。所述方法涉及融合多种出行方式的路径规划技术，所述方法包括：获取出行信息及出行偏好信息；确定所述出行信息所涉及的地理位置对应的多层交通网络，所述多层交通网络包括道路子网络、步行子网络和公共交通子网络；查询所述多层交通网络的不同子网络中各个网络结点之间的通行时长；基于所述多层交通网络，根据所述出行偏好信息、所述通行时长生成与所述出行信息匹配的出行路线，其中，所述出行路线采用的多种出行方式对应的出行方式标识所构成的序列是出行方式状态转移模型中的可行序列。采用本方法能够生成考虑多种出行方式的出行路线。

Description

路线生成方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种路线生成方法、装置、计算机设备和存储介质。
背景技术
随着智能交通技术的快速发展，市面上一些地图软件能够基于用户需求生成出行路径。具体而言，用户可以按照自己的需要设置起点和终点，这些地图软件所采用的路径规划算法可以按照最短通行时间、最短路程或最少换乘次数为用户生成相应的出行路径。
然而，上述方式生成的路径通常只涉及到单一的出行方式，忽略了现实生活中人们可以采用多种出行方式的组合。上述方式由于没有考虑到用户可以组合多种出行方式，导致无法为用户提供通行效率更好的最优路径。
发明内容
基于此，有必要针对上述技术问题，提供一种能够考虑多种出行方式的路线生成方法、装置、计算机设备和存储介质。
一种路线生成方法，所述方法包括：
获取出行信息及出行偏好信息；
确定所述出行信息所涉及的地理位置对应的多层交通网络，所述多层交通网络包括道路子网络、步行子网络和公共交通子网络；
查询所述多层交通网络的不同子网络中各个网络结点之间的通行时长；
基于所述多层交通网络，根据所述出行偏好信息、所述通行时长生成与所述出行信息匹配的出行路线，其中，所述出行路线采用的多种出行方式对应的出行方式标识所构成的序列是出行方式状态转移模型中的可行序列。
一种路线生成装置，所述装置包括：
获取模块，用于获取出行信息及出行偏好信息；
确定模块，用于确定所述出行信息所涉及的地理位置对应的多层交通网络，所述多层交通网络包括道路子网络、步行子网络和公共交通子网络；
查询模块，用于查询所述多层交通网络的不同子网络中各个网络结点之间的通行时长；
生成模块，用于基于所述多层交通网络，根据所述出行偏好信息、所述通行时长生成与所述出行信息匹配的出行路线，其中，所述出行路线采用的多种出行方式对应的出行方式标识所构成的序列是出行方式状态转移模型中的可行序。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取出行信息及出行偏好信息；
确定所述出行信息所涉及的地理位置对应的多层交通网络，所述多层交通网络包括道路子网络、步行子网络和公共交通子网络；
查询所述多层交通网络的不同子网络中各个网络结点之间的通行时长；
基于所述多层交通网络，根据所述出行偏好信息、所述通行时长生成与所述出行信息匹配的出行路线，其中，所述出行路线采用的多种出行方式对应的出行方式标识所构成的序列是出行方式状态转移模型中的可行序列。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取出行信息及出行偏好信息；
确定所述出行信息所涉及的地理位置对应的多层交通网络，所述多层交通网络包括道路子网络、步行子网络和公共交通子网络；
查询所述多层交通网络的不同子网络中各个网络结点之间的通行时长；
基于所述多层交通网络，根据所述出行偏好信息、所述通行时长生成与所述出行信息匹配的出行路线，其中，所述出行路线采用的多种出行方式对应的出行方式标识所构成的序列是出行方式状态转移模型中的可行序列。
上述路线生成方法、装置、计算机设备和存储介质，多层交通网络包括道路子网络、步行子网络和公共交通子网络，能够为生成包括多种不同的出行方式的出行路线提供支持；出行方式状态转移模型定义了合理可行的多种出行方式对应的组合序列，保证了生成的包括多种出行方式的出行路线是符合人们出行习惯的。在获取到用户的出行信息及出行偏好信息后，查询该多层交通网络的不同子网络中各个网络结点之间的通行时长，这样就可以基于该多层交通网络，根据各个网络结点之间的通行时长进行路径规划，路径规划时不仅会考虑用户的出行偏好信息，还会考虑多种出行方式以及该多种出行方式之间变换的可行性，使得生成的与出行信息匹配的路线是符合用户偏好并且高效可行的。
附图说明
图1为一个实施例中路线生成方法的应用环境图；
图2为一个实施例中路线生成方法的流程示意图；
图3为一个实施例中交通网络的示意图；
图4为一个实施例中生成的多层交通网络的示意图；
图5为一个实施例中定义的超路段的示意图；
图6为一个实施例中出行方式状态转移模型的示意图；
图7为一个实施例中利用标号修正法进行路径规划的示意图；
图8为一个实施例中路段列表更新过程的示意图；
图9为一个实施例中出行路线的生成方法的框架示意图
图10为一个具体的实施例中生成的多层交通网络的示意图；
图11为一个路线生成装置的结构框图；
图12为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的路线生成方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。终端102可以获取用户输入的出行信息及出行偏好信息后发送至服务器104，服务器104接收终端102发送的出行信息及出行偏好信息，确定出行信息所涉及的地理位置对应的多层交通网络，多层交通网络包括道路子网络、步行子网络和公共交通子网络；查询多层交通网络的不同子网络中各个网络结点之间的通行时长；基于多层交通网络，根据出行偏好信息、通行时长生成与出行信息匹配的出行路线，其中，出行路线采用的多种出行方式对应的出行方式标识所构成的序列是出行方式状态转移模型中的可行序列。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。服务器104可以是MaaS(Mobility as a Service，出行即服务)平台的服务器。
在一个具体的应用场景中，用户可以通过地图客户端输入出行信息及自己的出行偏好信息，地图客户端将用户输入的出行信息及出行偏好信息发送至服务器后，服务器返回相应的出行路线。
可以理解的是，在服务器进行路线规划之前，需要生成交通网络，获取交通网络中各个网络结点之间的路段对应的通行距离、通行时长、不同出行方式对应的出行费用等等，基于这些信息，才能为用户规划出合理的出行路线。
在一个实施例中，如图2所示，提供了一种路线生成方法，以该方法应用于图1中的计算机设备(终端102或服务器104)为例进行说明，包括以下步骤：
步骤202，获取出行信息及出行偏好信息。
其中，出行信息是包括至少一组出行数据的信息，出行数据包括出行的起点和终点。出行信息可以仅包括一组出行数据，该出行数据包括用户出行计划的起点和终点。出行信息也可以是用户全天的出行信息，全天的出行信息包括多组出行数据，这多组出行数据串联起来构成了用户全天的出行过程，在前的出行数据的终点即为在后出行数据的起点，例如，第一组出行数据为：从地点A到地点B，第二组出行数据为从地点B到地点C，第三组出行数据为从地点C到地点A。为了能够更准确地为用户规划出行路线，出行信息还可以包括与出行数据对应的时间窗，时间窗即起止时间，也就是从该出行数据中的起点出发的起始时间和到达该出行数据的终点的到达时间。出行数据的起点及终点，均可以用经纬度来表示。
出行偏好信息是与用户出行偏好相关的信息。出行偏好信息可以包括用户是否使用私家车、是否骑行私家单车、出发时是否需要去停车场取车和返程时是否需要去泊车点停车，等等，这类出行偏好信息关系到用户出行过程，有了这些信息，可以为用户生成更为详尽的、符合用户属性的出行路线。出行偏好信息还可以包括用户可接受的换乘次数上限值、出行费用上限值、步行距离上限值和骑行距离上限值中的至少一种，这类出行偏好信息可以用于生成符合用户出行需求的出行路线。需要说明的是，上述的出行偏好信息可以是针对整体出行信息设置的，例如，用户可以要求全天的出行费用不能超过设置的出行费用上限值；上述出行偏好信息也可以是针对出行信息中各个出行数据设置的，例如，用户可以要求出行信息中的某一组出行数据的出行费用不能超过设置的出行费用上限值。
具体地，计算机设备可以获取用户输入的出行信息及出行偏好信息，也可以获取其他计算机设备发送的出行信息及出行偏好信息。计算机设备还可以通过定位装置获取用户当前所在位置，将用户当前所在位置作为出行信息中的起点，再获取用户输入的终点。计算机设备根据获得的出行信息及用户的出行偏好信息进行后续的路径规划。
步骤204，确定出行信息所涉及的地理位置对应的多层交通网络，多层交通网络包括道路子网络、步行子网络和公共交通子网络。
其中，当本申请实施例应用于城市内的路径规划时，出行信息所涉及的地理位置可以是一个目标城市，相应的多层交通网络是与该目标城市对应的路网。当本申请实施例应用于跨城市的路径规划时，出行信息所涉及的地理位置可以是一个目标省，相应的多层交通网络是与该目标省对应的路网，目标省对应的多层交通网络可以是通过连接该省内的多个城市对应的多层交通网络得到的。本申请实施例主要以城市内的路径规划为例进行说明。
在传统路径规划技术中使用的交通网络是单一的，仅考虑了用户自驾及用户乘坐公共交通服务需要经过的路线，与传统路径规划技术中所使用的单一的交通路网不同，本申请中的多层交通网络考虑了多种出行方式所需要使用到的路网，这样可以在进行路径规划时考虑到所有的出行方式。多层交通网络包括道路子网络、步行子网络和公共交通子网络。公共交通子网络可以包括公交车子网络和地铁子网络。道路子网络中的网络结点是道路结点，道路结点包括道路停靠点和泊车点，道路结点与道路结点之间用路段连接。步行子网络中的网络结点是步行结点，步行结点包括道路停靠点、泊车点和公共交通站点，步行结点与步行结点之间用路段连接。公共交通子网络中的网络结点是公共交通结点，公共交通结点包括公共交通站点，例如公交站点和地铁站点，公共交通结点与公共交通结点之间用路段连接。
在根据用户的出行信息生成出行路线之前，需要预先构建与出行信息所涉及的地理位置对应的多层交通网络，生成的多层交通网络能够为生成包括多种不同出行方式的出行路线提供支持。在一个实施例中，路线生成方法还包括构建多层交通网络的步骤，该步骤包括：
获取地理位置的地图数据；根据地图数据生成道路子网络，道路子网络包括道路结点及道路结点之间的路段，道路结点包括道路停靠点和泊车点；根据地图数据生成步行子网络，步行子网络包括步行结点及步行结点之间的路段，步行结点包括道路停靠点、泊车点和公共交通站点；根据地图数据及公共交通线路数据生成公共交通子网络，公共交通子网络包括公共交通结点及公共交通结点之间的路段，公共交通结点包括公共交通站点；根据道路停靠点和泊车点将道路子网络与步行子网络连接，以及根据公共交通站点将步行子网络与公共交通子网络连接后，获得多层交通网络。
计算机设备可以获取目标地理位置的地图数据，根据地图数据获得地图上的各个地点及道路的位置所呈现的连接关系，从而生成多层交通路网。具体地，可以根据地图数据中道路停靠点、泊车点之间的连接关系生成道路子网络，根据地图数据中道路停靠点、泊车点和公共交通站点两两之间的连接关系生成步行子网络，根据地图数据及公共交通线路数据中呈现的公共交通站点之间的连接关系生成公共交通子网络。步行子网络是在道路子网络的基础上生成的，用户可以在道路停靠点、泊车点和公共交通站点形成的任意闭环内行走，公共交通子网络需要与道路子网络匹配。在一个实施例中，计算机设备可以根据OpenStreet Map的开源地图服务，获得目标地理位置的地图数据。
在一个实施例中，根据地图数据及公共交通线路数据生成公共交通子网络，包括：根据公共交通线路数据获取公共交通线路的公共交通站点的顺序；根据地图数据获取公共交通线路的公共交通站点的地理坐标；根据顺序及地理坐标将公共交通站点与道路子网络匹配后，生成包括公共交通站点及公共交通站点之间的路段的公共交通子网络。
公共交通站点的地理坐标可以用经纬度坐标来表示，计算机设备可以从网络上获取公共交通线路数据，公共交通线路数据包括公共交通站点的经纬度及公共交通线路上公共交通站点之间的先后顺序，计算机设备需要将这些公共交通站点与道路子网络中相应的地点匹配，也就是将这些公共交通站点映射至道路子网络中的相应道路结点后，生成实际的公共交通线路，根据实际的公共交通线路及公共交通站点生成公共交通子网络。需要说明的是，对于公交车线路而言，公共交通站点之间的通行时长可能不是固定的，而对于地铁线路而言，地铁站点之间的通行时长通常是固定值。
如图3所示，为一个实施例中交通网络的示意图，参照图3，该交通网络包括六个道路停靠点1至6、一个泊车点7、六个公共交通站点a1、a2、b1、b2、c1、c2，其中六个公共交通站点对应了两条公共交通线路a-b与a-c。
如图4所示，为一个实施例中生成的多层交通网络的示意图，该多层交通网络是根据图3中的交通网络生成的，首先，根据道路停靠点1至6、泊车点7及它们之间的路段生成道路子网络，根据道路停靠点1至6、泊车点7、六个公共交通站点及它们之间的路段生成步行子网络，根据六个公共交通站点及它们之间路段生成公共交通子网络，然后通过道路停靠点1至6、泊车点7将道路子网络与步行子网络连接，通过公共交通站点a1、a2、b1、b2、c1、c2将步行子网络与公共交通子网络连接后，获得多层交通网络。
在本实施例中，多层交通网络考虑了多种出行方式所需要使用到的路网，包括道路子网络、步行子网络与公共交通子网络，这样可以在进行路径规划时考虑到多样的出行方式。
在上述实施例中，多层交通网络包括利用公共交通工具、私人交通工具、步行等出行方式所对应的子网络，即公共交通子网络、道路子网络和步行子网络。在另一些实施例中，多层交通网络还可以包括利用其他公司提供的私营出行服务(private transportservice)对应的子网络，称之为私营交通子网络，这些私营交通子网络与步行子网络连接。私营子网络的私营交通结点也属于步行子网络中的步行结点，私营子网络可以与道路子网络类似，通过私营交通结点与步行子网络连接，也可以与公共交通子网络类似，通过公共交通站点与步行子网络连接。
在一个实施例中，步行子网络中的步行结点还包括私营交通结点，上述方法还包括：获取私营交通服务对应的私营交通道路数据；根据私营交通道路数据生成私营交通子网络，私营交通子网络包括私营交通结点和私营交通结点之间的路段；根据道路停靠点和泊车点将道路子网络与步行子网络连接，以及根据公共交通站点将步行子网络与公共交通子网络连接后，获得多层交通网络，包括：根据道路停靠点和泊车点将道路子网络与步行子网络连接，根据公共交通站点将步行子网络与公共交通子网络连接，以及根据私营交通结点将私营交通子网络与步行子网络连接后，获得多层交通网络。
其中，私营交通服务数据是涉及到私营出行服务过程的数据，用于生成私营交通子网络。例如，当私营交通服务为私营租车服务时，私营交通服务数据包括车辆租赁点的地理位置和车辆租赁费用，具体地，私营租车服务可以为用户提供租车服务，当用户需要通过租车这种方式出行时，需要先去私营租车服务的租赁点承租车辆，因此计算机设备可以将这些租赁点作为私营交通结点，并根据私营交通结点的地理位置生成与私营租车服务对应的私营交通子网络，将生成的私营交通子网络通过租赁点与步行子网络连接，其中车辆租赁费用用于计算采用这种出行方式对应的出行费用。
又例如，当私营交通服务为私营打车服务时，私营交通服务数据包括该私营打车服务所服务范围内的道路停靠点和泊车点，还包括定价规则，具体地，私营打车服务可以为用户提供打车服务，当用户需要通过打车这种方式出行时，需要步行至道路停靠点或泊车点打车，因此，该私营交通子网络与道路子网络类似，计算机设备可以将服务范围内的道路停靠点和泊车点作为私营交通结点，并根据私营交通结点的地理位置生成与私营打车服务对应的私营交通子网络，将该私营交通子网络通过道路停靠点和泊车点与步行子网络连接，其中定价规则用于计算采用这种出行方式对应的出行费用。
再例如，当私营交通服务为向用户提供的定制班车服务时，私营交通服务数据包括该定制班车对应的路线和费用，路线中的停靠点和路段用于生成相应的私营交通子网络，与公共交通子网络类型，这种私营交通子网络通过路线中的停靠点与步行子网络链接。
在本实施例中，通过获取不同私营交通服务提供的私营交通服务数据生成相应的私营交通子网络，并将生成的私营交通子网络与道路子网络或步行子网络连接，可以获得包括丰富的出行方式的多层交通网络，这样，在路径规划时，能够考虑到这些丰富的出行方式，为用户提供尽可能多的出行选择。
多层交通网络包括网络结点及网络结点与网络结点之间的路段，路段可以理解为网络结点与网络结点之间的边，当两个网络结点通过边连接时，则说明该两个网络结点是相邻的。由于本申请实施例进行路径规划时虽然会考虑到很多限制条件但主要仍是以最短通行时长为目标进行路径规划的，所以网络结点与网络结点之间的边的权重是采用对应不同方式的通行时长来表示的。例如，在道路子网络中，道路停靠点与道路停靠点之间的边的权重可以是采用驾车方式通行时对应的通行时长，还可以是采用步行方式通行时对应的通行时长，还可以是采用骑行方式通行时对应的通行时长。
在一个实施例中，可以采用邻接矩阵、邻接表或是链表等数据结构存储多层交通网络中的网络结点与网络结点之间的连接关系及网络结点之间的路段的权重。例如，可以使用一个二维矩阵来表示多层交通网络的拓扑关系，二维矩阵的行和列均表示多层交通网络中的网络结点，若矩阵的行pm与矩阵的列pn交叉点处存在值，则说明网络结点pm与网络结点pn是相邻的网络结点，且该值表示从网络结点v到网络结点w的边的权重；若矩阵的行pm与矩阵的列pn交叉点处不存在值，则说明网络结点pm与网络结点pn是不相邻的网络结点。又例如，可以使用邻接表实现多层交通网络的拓扑关系，表头所对应的网络结点a若存在相邻的网络结点b，则把相邻的网络结点b依次存放于表头所指向的单向链表中，并在单向链表中记录网络结点a与该网络结点b之间的边的权重。
步骤206，查询多层交通网络的不同子网络中各个网络结点之间的通行时长。
如前文所提到的，由于本申请实施例在进行路径规划时，虽然会考虑到很多限制条件，但主要仍是以最短通行时长为目标进行路径规划的，因此在利用规划算法进行路径规划时，需要获取多层交通网络中各个网络结点之间的通行时长，以在满足用户出行偏好的前提下，找到通行时长最短的出行路线。
需要说明的是，通行时长可以是根据数据统计得到的广义的通行时长，例如，对于驾车方式而言，路段的通行时长可以是按照该路段的平均通行时间所确定的一个值，对于步行方式而言，通行时长可以是基于大量用户的平均步速所确定的一个值，对于骑行方式而言，通行时长可以是基于大量用户的平均骑行速度所确定的一个值。在另一些实施例中，对于驾车方式而言，通行时长也可以是根据实时道路通行状况所查询到的实时通行时长，对于步行方式而言，通行时长可以是根据当前用户本身的历史步行数据确定当前用户的步速后根据路段长度所确定的一个值，对于骑行方式而言，通行时长可以是根据当前用户本身的历史骑行数据确定当前用户的步速后根据路段的长度所确定的一个值。
在一个实施例中，查询多层交通网络的不同子网络中各个网络结点之间的通行时长，包括：查询多层交通网络的道路子网络中各道路结点之间的通行时长；查询多层交通网络的步行子网络中各步行结点之间的通行时长；查询多层交通网络的公共交通子网络中公共交通结点之间的行驶时长和每条公共交通线路的车辆频率，并根据行驶时长和每条公共交通线路的车辆频率计算公共交通结点之间的通行时长。
具体地，计算机设备可以通过一些地图实时服务获取道路子网络中各道路结点之间的通行时长，例如可以利用高德开放平台提供的Web API服务得到当前时刻或用户的出行信息中出行时间对应的通行时长，可以利用该开放平台的数据库存储或计算道路的通行时长。步行子网络中各步行结点之间的通行时长可以根据步行距离和广义步行速度计算得到，然后将该通行时长作为步行结点之间的边的权重记录到步行子网络中。
当公共交通子网络为地铁轨道子网络时，公共交通结点即为地铁站点，各个公共交通结点即地铁站点之间的通行时长通常是固定值，计算机设备可以从网络上查询地铁线路各站点之间的通行时长后，将其作为公共交通结点之间的边的权重记录至地铁轨道子网络中。
当公共交通子网络为公交线路子网络时，由于公交站点与公交站点之间可能存在多种公交线路可达的情况，用户在公交站点等待时，通常会乘坐优先到达的公交线路，但具体哪条公交线路会优先到达该公交站点是不确定的，导致公交站点与公交站点之间的通行时长是不确定的，因此需要重新定义公交线路子网络中公交站点之间的通行时长。
针对两个公共交通站点之间存在多条可达公共交通线路的情况，计算机设备将这两个公共交通站点之间的路段的类型定义为超路段，即从公共交通站点i出发至另一公共交通站点j的路段ei存在多条可达公共交通线路时，该路段ei的通行时长是不确定的，该路段ei被定义为超路段。如图5所示，为一个实施例中定义的超路段的示意图，在公交站点i处存在三条公交线路j1、j2和j3可行驶至用户的目的地点j。
在一个实施例中，根据行驶时长和每条公共交通线路的车辆频率计算公共交通结点之间的通行时长，包括：当从公共交通子网络中的第一站点至公共交通子网络中的第二站点之间存在多条公共交通线路时，则将公共交通子网络中从第一站点至第二站点的路段标记为超路段；获取多条公共交通线路中的每条公共交通线路的车辆频率；获取每条公共交通线路从第一站点至第二站点的行驶时长；根据每条公共交通线路的车辆频率，得到超路段的联合车辆频率；根据联合车辆频率确定第一站点对应的平均等待时间；根据每条公共交通线路的车辆频率及联合车辆频率确定每条公共交通线路作为第一个到达第一站点的线路的概率；根据平均等待时间、概率及行驶时长计算从第一站点至第二站点之间的超路段的通行时长。
具体地，第一站点与第二站点之间存在多条公共交通线路时，计算机设备可以根据结合每条公共交通线路的车辆频率及通过每条公共交通线路从第一站点与行驶至第二站点的行驶时长来确定这两个站点之间的超路段的通行时长。将一个从第一站点i出发至第二站点j的路段定义为ei，ei＝(i，j)，第一站点i与第二站点j之间存在多条公交线路，在用户乘车的过程中，假定用户随机到达每个公共交通站点，且用户乘坐第一辆到达到达该公共交通站点的公共交通线路，这多条公共交通线路相互独立，则这多条公共交通线路到达该公共交通站点服从指数分布。
用ei表示第一站点i至第二站点j之间的超路段，θk表示公共交通线路k的车辆频率，c(i,jk)表示公共交通线路k的车辆从第一站点i行驶至第二站点j的行驶时长，则
f(ei)＝∑θk；
w(ei)＝1/f(ei)；
p(ei,k)＝θk/f(ei)；
Figure BDA0002698952680000121
其中，f(ei)表示第一站点i与第二站点i之间多条可达公共交通线路的联合车辆频率，w(ei)表示用户在第一站点i等候到达第二站点j的车辆的平均等待时间；p(ei,k)表示公共交通线路k是第一个到达第一站点i的线路的概率；
Figure BDA0002698952680000122
表示第一站点i至第二站点j之间的超路段ei的期望通行时长；Vj表示从第二站点j至终点的最短通行时长，Vi表示从第一站点i至终点的最短通行时长。计算机设备在进行路径规划时，在获得第二站点j至终点的最短通行时长Vj后，可以通过查询第一站点i与第二站点j之间的超路段的通行时长计算得到第一站点i至终点的最短通行时长Vi。
在一个实施例中，根据行驶时长和每条公共交通线路的车辆频率计算公共交通结点之间的通行时长，包括：当从公共交通子网络中的第一站点至公共交通子网络中的第二站点之间仅存在一条公共交通线路时，则将公共交通子网络中从第一站点至第二站点的路段标记为普通路段；获取从第一站点至第二站点的行驶时长；将行驶时长作为从第一站点至第二站点之间的普通路段的通行时长。
具体地，针对两个公共交通站点之间仅存在一条可达公共交通线路的情况，计算机设备将这两个公共交通站点之间的路段的类型定义为普通路段，这种情况下第一站点至第二站点之间的路段的通行时长可以直接用该公共交通线路的车辆的行驶时长C(i，j)来表示，那么，第一站点i至终点的最短通行时长Vi可以用以下公式来表示：
Vi＝Vj+C(i，j)。
在上述实施例中，联合第一站点与第二站点之间超路段对应的多条公交线路的车辆频率及行驶时长确定这两个站点之间的通行时长，能够更为准确地表示公共交通子网络中公共交通结点之间的边的权重，为生成更合理的出行路线提供支持。
步骤208，基于多层交通网络，根据出行偏好信息、通行时长生成与出行信息匹配的出行路线，其中，出行路线采用的多种出行方式对应的出行方式标识所构成的序列是出行方式状态转移模型中的可行序列。
其中，出行方式状态转移模型用于约束不同的出行方式之间变换，其本质是多种可行的出行方式对应的标识所组成的可能的序列。为了支持采用多种出行方式生成出行路线，计算机设备可以预先构建该出行方式状态转移模型，以在。构建好出行方式状态转移模型后，就可以基于预先生成的多层交通网络、该出行方式状态转移模型及用户的出行信息、出行偏好信息以最短通行时长为目标进行路径规划，生成与出行信息匹配的出行路线。
在一个实施例中，上述方法还包括生成出行方式状态转移模型的步骤：获取与预设的各类出行方式对应的出行方式标识；获取用于约束出行过程中更换出行方式的转移限制条件；将满足转移限制条件的出行方式标识序列，作为可行序列；根据可行序列生成出行方式状态转移模型。
其中，预设的各类出行方式是人们出行时常用的出行方式，可以包括步行、私人单车、共享单车、地铁轨道交通、路面公交、私家车、共享汽车和换乘等出行方式，其中换乘是指在地铁轨道交通的站点之间换乘、路面公交的站点之间换乘或是地铁轨道交通的站点与路面公交的站点之间换乘。理论上这些出行方式之间可以有非常多的组合方式，但根据用户的出行习惯，为了生成合理的出行路线，在这些预设的出行方式之间是存在转移限制条件，这些转移限制条件用于排除一些不合理的出行方式的组合。转移限制条件可以包括以下中的至少一种：私人单车、私家车仅能在起点、终点或泊车点开始使用或停放，且一个出行数据只能使用一次私人单车或私家车；共享汽车、共享单车仅能在指定的地点开始使用或停放；私人单车与共享单车不能连续使用。
出行方式标识用于表示相应的出行方式，不同出行方式对应的出行方式标识不同。多种出行方式对应的出行方式标识按顺序排列得到的序列即表示用户依次使用这多种出行方式出行。计算机设备将满足转移限制条件的出行方式标识序列作为可行序列，并根据可行序列生成出行方式状态转移模型，用户的出行所采用的出行方式的组合需要满足该出行方式状态转移模型中的任意一种可行序列。如图6所示，为一个实施例中出行方式状态转移模型的示意图，参照图6，图中的数字表示出行方式，字母表示出行状态，出行状态标记着用户当前所使用的出行方式的种类及顺序，出行状态是可行序列的子集。例如，字母f所对应的出行状态表示用户先步行(1)再骑共享单车(3)；字母g所对应的出行状态表示用户先步行(1)再乘坐地铁轨道交通(4)，还可以表示用户先步行(1)再乘坐路面公交(5)，还可以表示用户先步行(1)再骑共享单车(3)接着乘坐地铁轨道交通(4)，还可以表示用户先步行(1)再骑共享单车(3)接着乘坐路面公交(5)。可以理解的是，字母a所对应的出行状态是路径规划的初始状态。
在一个实施例中，基于多层交通网络，根据出行偏好信息、通行时长生成与出行信息匹配的出行路线，包括：获取出行信息中各组出行数据的起止地点和起止时间；对于每组出行数据，基于多层交通网络并以最短通行时长为目标进行路径规划，获得通行路径符合起止地点、通行时长符合起止时间、通行过程符合出行偏好信息、出行方式符合出行方式状态转移模型的出行路线；其中，出行偏好信息包括换乘次数上限值、乘车费用上限值、步行距离上限值及骑行距离上限值；连接每组出行数据对应的出行路线连接后，获得全天的出行路线。
具体地，计算机设备可以根据出行数据中的起止地点，即起点与终点，从多层交通网络中确定与该起点、终点对应的网络结点，这样才可以从多层交通网络中确定出一条从该起点至终点的出行路线。计算机设备还需要根据出行数据中的起止时间，确定该出行数据的通行时长的上限值，该上限值用于在路径规划时对出行路线的通行时长进行约束，即生成的出行路线的通行时长需要小于根据起止时间确定的通行时长。计算机设备还需要在路径规划过程中考虑到用户的出行偏好信息，如用户不想骑行，则为用户生成的出行路线则不会使用骑行这种出行方式，如用户返程需要泊车，则需要为用户生成包括泊车路径的出行路线，如用户不想换乘，则需要为用户生成不包括换乘的出行路线。计算机设备还需要在路径规划时考虑到出行方式状态转移模型，保证出行路线所采用的出行方式对应的出行方式标识组成的序列是该出行方式转移模型中的可行序列。也就是说，出行数据、出行偏好信息及出行方式状态转移模型将会共同影响生成的出行路线，以保证出行路线是既满足用户的需求、又是合理可行、且是通行效率较优的。
在一个实施例中，出行信息包括用户全天出行所涉及的多组出行数据，那么，计算机设备可以按照上述方法获得每一组出行数据对应的出行路线，并按照出行数据的起止地点将相应的出行路线连接起来，获得全天出行信息对应的全天出行路线。
在需要生成出行路线时，计算机设备获取事先构建的多层交通网络，多层交通网络中的网络结点表示各个地点，两个相邻的网络结点表示对应的两个地点之间存在可以通行的路段，网络结点与网络结点之间的边的权重表示对应的两个地点之间通行时长。计算机设备还获取事先构建的出行方式状态转移矩阵。计算机设备还获取事先确定的用于表示多层交通网络中的路段的路线类型(超路段或是普通路段)的数据。计算机设备还获取用户的出行信息、出行偏好信息。计算机设备将上述获取的多层交通网络、出行方式状态转移矩阵、多层交通网络中各路段的路段类型、出行信息、出行偏好信息均作为输入，然后采用路径规划算法基于上述输入信息进行路径规划，输出相应的出行路线。
计算机设备可以采用标号修正法(Label Correcting Algorithm)在考虑到上述输入信息的情况下以最短通行时长为目标进行路径规划。如图7所示，为一个实施例中利用标号修正法以最短通行时间进行路径规划的示意图，参照图7，多层交通网络包括ABCDEF这6个结点，结点与结点之间的边的权重代表通行时长，即图中边上的数字。假设终点是A结点，起点是F结点，计算机设备需要规划从终点A至起点F的最短通行时间的路径。定义路段列表中存放结点到起点的最短通行时长首先，从该多层交通网络中确定以A为头结点的路段，即AB、AC、AD，以结点-通行时长对的方式记录该路径，即将B-7、C-9、D-11，将结点-通行时长对添加到路段列表中；接着从路段列表中选取通行时长最短的结点-通行时长对，即结点B，此时从多层交通网络中到达终点A的最短通行时长的路径，即从A至B，所以计算机设备标记A为已处理的结点；然后计算机设备继续迭代，从该多层交通网络中确定以起点B为头结点的路段，即BC、BF，由于路段BF的尾结点F通过结点B与A连接，所以此时结点F到A的最短通行时长为AB+BC＝27，将F-27添加到路段列表中，而由于路段BC的尾结点C与起点A直连，所以需要比较尾结点AB+BC与路段列表中记录的AC＝9进行比较后AC对应的通行时长更短，因此不更新C-9，此时，该多层交通网络中以B结点为中间结点到达终点A的所有结点的最短通行时长已被确定，所以计算机设备标记B为已处理的结点。然后计算机设备继续迭代，当前未被标记且到A的通行时长最短的结点是C，从该多层交通网络中确定以起点C为头结点的路段即CE，将E-15添加到路段列表中，此时，该多层交通网络中以C结点为中间结点到达终点A的所有结点的最短通行时长已被确定，所以计算机设备标记C为已处理的结点。以此类推，计算机设备继续更新路段列表，将E-15更新为E-14，将F-27更新为F-15，此时所有的结点已经都被标记，则直接根据路段列表中记录的F距离A的最短通行时长为15，对应的路径是ADEF，也就确定了从起点F到终点A的路径为FEDA。
在一个实施例中，多层交通网络中的路段通过头结点和尾结点表示，对于每组出行数据，基于多层交通网络并以最短通行时长为目标进行路径规划，包括：获取出行数据中的起点和终点；从多层交通网络中确定以终点为头结点的所有路段；遍历确定的每个路段，根据出行方式状态转移模型获取当前遍历的路段的尾结点i的出行状态Si，根据出行状态Si确定当前遍历的路段的出行方式，当出行方式所对应的出行参数符合出行偏好信息时，将当前遍历的路段的尾结点i及尾结点i的出行状态Si所构成的结点状态对[i，Si]添加至路段列表中；遍历结束后，迭代的执行以下步骤直至路段列表为空：从路段列表中选取到达终点d的通行时长最短的尾结点k对应的结点状态对[k，Sk]，并从路段列表中剔除选取的结点状态对[k，Sk]，存储采用出行状态Sk所对应的通行方式从结点k到终点d的通行时间；从多层交通网络确定以结点k为头结点的所有路段；遍历确定的每个路段，根据出行方式状态转移模型获取当前遍历的路段的尾结点i的出行状态Si；根据出行状态Si确定当前遍历的路段的出行方式，当出行方式所对应的出行参数符合出行偏好信息时，将当前遍历的路段的尾结点i及尾结点i的出行状态Si所构成的结点状态对[i，Si]添加至路段列表中；迭代结束后，获取起点对应的出行状态，并根据起点对应的出行状态从起点回溯至终点，获得与出行数据匹配的出行路线。
在本实施例中，多层交通网络中的路段可以定义为e＝(i，j)，i表示路段e的尾结点，j表示路段e的头结点。获取了出行数据中的起点a和终点d之后，从出行数据中的终点d开始进行路径规划，依次确定多层交通网络中各个结点到该终点d的最短通行时长，当确定了起点a到该终点d的最短通行时长时，相应的出行路线也就确定了。当然也可以从出行数据中的起点a开始进行路径规划，本申请实施例主要以从出行数据中的终点开始进行路径规划为例进行说明。在路径规划开始之前，计算机设备还需要初始化各项数据，例如，可以将多层交通网络中所有网络结点在所有出行状态下到终点的出行时间初始化为无穷，出行花费初始化为无穷，换乘数初始化为0，出行状态初始化为a，即。
结点j到终点d的最短通行时长可以用Vj来表示，在规划过程中，结点j是多层交通网络中不断变化的任意一个结点；路段列表中存放了结点状态对[i，Si]，该结点状态对中的结点i是该多层交通网络中尚未确定与终点d的最短通行时长的结点，该结点状态对中的状态Si是结点i的出行状态。
计算机设备先从多层交通网络中确定以终点d为头结点的所有路段，这样就找到确定的每个路段的尾结点i，例如此时确定的尾结点的数量为m个，则依次遍历确定这m个路段。由于终点d的出行状态是初始状态a(如图6所示，a代表初始的出行状态)，根据出行方式状态转移模型获取当前遍历的路段的尾结点i的出行状态Si，如图6所示，在出行方式状态转移模型中，与出行状态相邻的出行状态可以包括b、c、d、e，根据出行状态Si确定当前遍历的路段的出行方式，依次为步行、私人单车、私家车和共享汽车，当出行方式所对应的出行参数符合出行偏好信息时，例如若采用步行的方式，且步行距离小于用户设置的步行距离最大值，又例如若采用私人单车的方式，且骑行距离小于用户设置的骑行距离上限值，又例如若用户允许采用开车的出行方式，则可以将当前遍历的路段的尾结点i及尾结点i的出行状态Si所构成的结点状态对[i，Si]添加至路段列表中，也就是将可行的出行路径及出行方式保留下来。当然，不同的尾结点能够采用的出行方式是不同的，例如，若确定尾结点i是公交站点，那么用户需要步行至该公交站点，对应的出行方式是步行，若确定的路段的尾结点i是停车场，那么用户需要步行至该停车场，对应的出行方式是步行，若确定的路段的尾结点是某个道路停靠点，则对应的出行方式可以是私人单车、私家车或共享汽车。
根据上面的步骤，计算机设备确定了从终点开始所有可行的路径和出行方式，接着，计算机设备从路段列表中选取到达终点d的通行时长最短的尾结点k对应的结点状态对[k，Sk]，并从路段列表中剔除选取的结点状态对[k，Sk]，存储采用出行状态Sk所对应的通行方式从结点k到终点d的通行时间，这个步骤就确定了多层交通网络中与终点d相邻的所有网络结点中通行时长最短且符合用户的出行偏好信息的结点，即尾结点k，从终点d到该尾结点k的出行方式已被确定，所以从路段列表中剔除该尾结点k对应的结点状态对。接下来，计算机设备需要确定多层交通网络与尾结点k相邻的所有网络结点中通行时长最短且符合用户的出行偏好信息的结点，以确定下一个结点后更新路段列表。
具体地，计算机设备迭代地执行以下步骤：从多层交通网络确定以结点k为头结点的所有路段，遍历确定的每个路段，根据出行方式状态转移模型获取当前遍历的路段的尾结点i的出行状态Si，例如，若前述步骤确定了结点k的出行状态为b，则参照图6，理论上当前遍历的路段的尾结点i的状态可以是f、g、l、m中的至少一种，但计算机设备不仅需要从这些出行状态中排除一些不符合尾结点i的类型的出行状态，还需要根据用户的出行偏好信息进行排除，即根据出行状态Si确定当前遍历的路段的出行方式，当出行方式所对应的出行参数符合出行偏好信息时，也就是当出行方式涉及到骑行距离、步行距离、换乘次数、出行费用时，计算机设备都需要判断尾结点的出行方式更新这些出行参数，判断更新后的出行参数是否满足用户的出行偏好信息中所设置的上限值，若满足，则将当前遍历的路段的尾结点i及尾结点i的出行状态Si所构成的结点状态对[i，Si]添加至路段列表中，不断地更新路段列表中的结点状态对。迭代停止条件可以是多层交通网络中的结点都遍历过，或是路段列表为空，迭代结束后，计算机设备获取起点对应的出行状态，并根据起点对应的出行状态从起点回溯至终点，获得与出行数据匹配的出行路线。
此外，在迭代的过程中，计算机设备还会判断路段的类型，根据类型确定的超路段或普通路段，若是超路段，则计算机设备需要更新换乘次数。
如图8所示，为一个实施例中路段列表更新过程的示意图，参照图7，计算机设备从路段列表中选取通行时长最短的结点-状态对[k，Sk]，记录结点k到终点的最短通行时长后从路段列表中剔除该结点-状态对[k，Sk]；从多层交通网络中选取以k为头结点的m个路段[i，k]，遍历这m个路段的尾结点，根据出行方式状态转移模型获得尾结点i的出行状态Si，根据出行状态Si所对应的出行方式更新出行参数，判断更新后的出行参数是否满足用户出行偏好信息，若满足，则将该尾结点i及对应的出行状态Si添加到路段队列中，若不满足，则遍历这m个路段中下个路段的尾结点i，直至m个路段遍历结束后，返回从路段列表中选取通行时长最短的结点-状态对[k，Sk]继续执行，直至路段列表为空。
如图9所示，为一个实施例中出行路线的生成方法的框架示意图。参照图9，该方法涉及到的数据包括根据地图数据生成的道路子网络、步行子网络、公共交通子网络，还包括根据私营交通道路数据及私营交通服务与出行相关的服务信息生成的私营交通子网络，然后利用各个网络中共同的网络结点连接各个子网络得到考虑多种出行方式的多层交通网络。该方法涉及到的模型包括定义的超路径、出行方式的组合构成的可行序列及出行方式状态转移模型。有了数据和模型后，利用路径规划算法生成出行路线，从道路实时服务获取通行时长，并采用改进的标号修正法，在规划过程中考虑出行状态和各个出行数据的出行方式的连接，得到合理的出行路线的集合。
上述路线生成方法，多层交通网络包括道路子网络、步行子网络和公共交通子网络，能够为生成包括多种不同的出行方式的出行路线提供支持；出行方式状态转移模型定义了合理可行的多种出行方式对应的组合序列，保证了生成的包括多种出行方式的出行路线是符合人们出行习惯的。在获取到用户的出行信息及出行偏好信息后，查询该多层交通网络的不同子网络中各个网络结点之间的通行时长，这样就可以基于该多层交通网络，根据各个网络结点之间的通行时长进行路径规划，路径规划时不仅会考虑用户的出行偏好信息，还会考虑多种出行方式以及该多种出行方式之间变换的可行性，使得生成的与出行信息匹配路线是符合用户偏好并且高效可行的。
以南京为例验证本申请实施例提供的路线生成方法：首先生成多层交通网络，由于数据的限制，只考虑公共交通公司提供的服务，即公交和地铁，没有考虑到一些私营交通服务。如图10所示，生成的可视化的多层交通网络中，道路子网络有40710条道路，16427个结点，公交子网络有1321条线路，30443个站点，地铁线路有10条。设定用户的出行偏好信息为：步行最大距离为3km，骑行最大距离为10km，最大换乘数为3，出行信息为：早上8:00从四牌楼校东住宅区(经纬度：118.797385，32.053281)出发，早上10:00-10:20到达东南大学九龙湖校区(经纬度：118.8269，31.892234)；下午19:00从东南大学九龙湖校区到秣周东路幽谷(经纬度：118.828123，31.867818)出发，晚上22:00之前返回四牌楼校东住宅区，可以开私家车，返程需取车。生成的出行路线有两种方案：
方案一：第一段、步行至太平北路，开车至东南大学九龙湖校区北门，再步行至目的地，共用时46min，花费65元。第二段、步行至东南大学九龙湖校区北门，开车至终点，花费11元，用时12min。第三段、开车返程至太平北路，停车。用时65min，花费80元。
方案二：第一段、步行至浮桥地铁站，3B口上车乘三号线至东南大学九龙湖校区站，2号口下车，再步行至终点，共用时102min，花费5元。第二段、步行至东南大学九龙湖校区站，2号口上车，乘3号线至秣周东路站3号口下车，步行至终点，花费2元，用时32min；或者，第二段、步行至东南大学九龙湖校区东门，乘838路至秣陵场站，下车步行至终点，花费2元，用时38min。第三段、步行至秣周东路站，乘三号线至浮桥站下车，步行至终点，用时93min，花费5元。
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图11所示，提供了一种路线生成装置1100，该装置可以采用软件模块或硬件模块，或者是二者的结合成为计算机设备的一部分，该装置具体包括：获取模块1102、确定模块1104、查询模块1106和生成模块1108，其中：
获取模块1102，用于获取出行信息及出行偏好信息；
确定模块1104，用于确定出行信息所涉及的地理位置对应的多层交通网络，多层交通网络包括道路子网络、步行子网络和公共交通子网络；
查询模块1106，用于查询多层交通网络的不同子网络中各个网络结点之间的通行时长；
生成模块1108，用于基于多层交通网络，根据出行偏好信息、通行时长生成与出行信息匹配的出行路线，其中，出行路线采用的多种出行方式对应的出行方式标识所构成的序列是出行方式状态转移模型中的可行序。
在一个实施例中，装置还包括路网构建模块，用于获取地理位置的地图数据；根据地图数据生成道路子网络，道路子网络包括道路结点及道路结点之间的路段，道路结点包括道路停靠点和泊车点；根据地图数据生成步行子网络，步行子网络包括步行结点及步行结点之间的路段，步行结点包括道路停靠点、泊车点和公共交通站点；根据地图数据及公共交通线路数据生成公共交通子网络，公共交通子网络包括公共交通结点及公共交通结点之间的路段，公共交通结点包括公共交通站点；根据道路停靠点和泊车点将道路子网络与步行子网络连接，以及根据公共交通站点将步行子网络与公共交通子网络连接后，获得多层交通网络。
在一个实施例中，路网构建模块，还用于根据公共交通线路数据获取公共交通线路的公共交通站点的顺序；根据地图数据获取公共交通线路的公共交通站点的地理坐标；根据顺序及地理坐标将公共交通站点与道路子网络匹配后，生成包括公共交通站点及公共交通站点之间的路段的公共交通子网络。
在一个实施例中，步行子网络中的步行结点还包括私营交通结点，路网构建模块，还用于获取私营交通服务对应的私营交通道路数据；根据私营交通道路数据生成私营交通子网络，私营交通子网络包括私营交通结点和私营交通结点之间的路段；根据道路停靠点和泊车点将道路子网络与步行子网络连接，根据公共交通站点将步行子网络与公共交通子网络连接，以及根据私营交通结点将私营交通子网络与步行子网络连接后，获得多层交通网络。
在一个实施例中，装置还包括出行方式状态转移模型生成模块，用于获取与预设的各类出行方式对应的出行方式标识；获取用于约束出行过程中更换出行方式的转移限制条件；将满足转移限制条件的出行方式标识序列，作为可行序列；根据可行序列生成出行方式状态转移模型。
在一个实施例中，查询模块1106还用于查询多层交通网络的道路子网络中各道路结点之间的通行时长；查询多层交通网络的步行子网络中各步行结点之间的通行时长；查询多层交通网络的公共交通子网络中公共交通结点之间的行驶时长和每条公共交通线路的车辆频率，并根据行驶时长和每条公共交通线路的车辆频率计算公共交通结点之间的通行时长。
在一个实施例中，查询模块1106还用于当从公共交通子网络中的第一站点至公共交通子网络中的第二站点之间存在多条公共交通线路时，则将公共交通子网络中从第一站点至第二站点的路段标记为超路段；获取多条公共交通线路中的每条公共交通线路的车辆频率；获取每条公共交通线路从第一站点至第二站点的行驶时长；根据每条公共交通线路的车辆频率，得到超路段的联合车辆频率；根据联合车辆频率确定第一站点对应的平均等待时间；根据每条公共交通线路的车辆频率及联合车辆频率确定每条公共交通线路作为第一个到达第一站点的线路的概率；根据平均等待时间、概率及行驶时长计算从第一站点至第二站点之间的超路段的通行时长。
在一个实施例中，查询模块1106还用于当从公共交通子网络中的第一站点至公共交通子网络中的第二站点之间仅存在一条公共交通线路时，则将公共交通子网络中从第一站点至第二站点的路段标记为普通路段；获取从第一站点至第二站点的行驶时长；将行驶时长作为从第一站点至第二站点之间的普通路段的通行时长。
在一个实施例中，生成模块1108还用于获取出行信息中各组出行数据的起止地点和起止时间；对于每组出行数据，基于多层交通网络并以最短通行时长为目标进行路径规划，获得通行路径符合起止地点、通行时长符合起止时间、通行过程符合出行偏好信息、出行方式符合出行方式状态转移模型的出行路线；其中，出行偏好信息包括换乘次数上限值、乘车费用上限值、步行距离上限值及骑行距离上限值；连接每组出行数据对应的出行路线连接后，获得全天的出行路线。
在一个实施例中，生成模块1108还用于获取出行数据中的起点和终点；从多层交通网络中确定以终点为头结点的所有路段；遍历确定的每个路段，根据出行方式状态转移模型获取当前遍历的路段的尾结点i的出行状态Si，根据出行状态Si确定当前遍历的路段的出行方式，当出行方式所对应的出行参数符合出行偏好信息时，将当前遍历的路段的尾结点i及尾结点i的出行状态Si所构成的结点状态对[i，Si]添加至路段列表中；遍历结束后，迭代的执行以下步骤直至路段列表为空：从路段列表中选取到达终点d的通行时长最短的尾结点k对应的结点状态对[k，Sk]，并从路段列表中剔除选取的结点状态对[k，Sk]，存储采用出行状态Sk所对应的通行方式从结点k到终点d的通行时间；从多层交通网络确定以结点k为头结点的所有路段；遍历确定的每个路段，根据出行方式状态转移模型获取当前遍历的路段的尾结点i的出行状态Si；根据出行状态Si确定当前遍历的路段的出行方式，当出行方式所对应的出行参数符合出行偏好信息时，将当前遍历的路段的尾结点i及尾结点i的出行状态Si所构成的结点状态对[i，Si]添加至路段列表中；迭代结束后，获取起点对应的出行状态，并根据起点对应的出行状态从起点回溯至终点，获得与出行数据匹配的出行路线。
上述路线生成装置1100，多层交通网络包括道路子网络、步行子网络和公共交通子网络，能够为生成包括多种不同的出行方式的出行路线提供支持；出行方式状态转移模型定义了合理可行的多种出行方式对应的组合序列，保证了生成的包括多种出行方式的出行路线是符合人们出行习惯的。在获取到用户的出行信息及出行偏好信息后，查询该多层交通网络的不同子网络中各个网络结点之间的通行时长，这样就可以基于该多层交通网络，根据各个网络结点之间的通行时长进行路径规划，路径规划时不仅会考虑用户的出行偏好信息，还会考虑多种出行方式以及该多种出行方式之间变换的可行性，使得生成的与出行信息匹配路线是符合用户偏好并且高效可行的。
关于路线生成装置的具体限定可以参见上文中对于路线生成方法的限定，在此不再赘述。上述路线生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图12所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储多层交通网络的数据和通行时长的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种路线生成方法。
本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法实施例中的步骤。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (15)

1.一种路线生成方法，其特征在于，所述方法包括：
获取出行信息及出行偏好信息；
确定所述出行信息所涉及的地理位置对应的多层交通网络，所述多层交通网络包括道路子网络、步行子网络和公共交通子网络；
查询所述多层交通网络的不同子网络中各个网络结点之间的通行时长；
基于所述多层交通网络，根据所述出行偏好信息、所述通行时长生成与所述出行信息匹配的出行路线，其中，所述出行路线采用多种出行方式生成，各所述出行方式对应的出行方式标识所构成的序列，是出行方式状态转移模型中的可行序列。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述地理位置的地图数据；
根据所述地图数据生成道路子网络，所述道路子网络包括道路结点及所述道路结点之间的路段，所述道路结点包括道路停靠点和泊车点；
根据所述地图数据生成步行子网络，所述步行子网络包括步行结点及所述步行结点之间的路段，所述步行结点包括道路停靠点、泊车点和公共交通站点；
根据所述地图数据及公共交通线路数据生成公共交通子网络，所述公共交通子网络包括公共交通结点及所述公共交通结点之间的路段，所述公共交通结点包括公共交通站点；
根据所述道路停靠点和所述泊车点将所述道路子网络与所述步行子网络连接，以及根据所述公共交通站点将所述步行子网络与所述公共交通子网络连接后，获得所述多层交通网络。
3.根据权利要求2所述的方法，其特征在于，所述根据所述地图数据及公共交通线路数据生成公共交通子网络，包括：
根据所述公共交通线路数据获取公共交通线路的公共交通站点的顺序；
根据所述地图数据获取公共交通线路的公共交通站点的地理坐标；
根据所述顺序及所述地理坐标将所述公共交通站点与所述道路子网络匹配后，生成包括所述公共交通站点及所述公共交通站点之间的路段的公共交通子网络。
4.根据权利要求2所述的方法，其特征在于，所述步行子网络中的步行结点还包括私营交通结点，所述方法还包括：
获取私营交通服务对应的私营交通道路数据；
根据所述私营交通道路数据生成私营交通子网络，所述私营交通子网络包括私营交通结点和所述私营交通结点之间的路段；
所述根据所述道路停靠点和所述泊车点将所述道路子网络与所述步行子网络连接，以及根据所述公共交通站点将所述步行子网络与所述公共交通子网络连接后，获得多层交通网络，包括：
根据所述道路停靠点和所述泊车点将所述道路子网络与所述步行子网络连接，根据所述公共交通站点将所述步行子网络与所述公共交通子网络连接，以及根据所述私营交通结点将所述私营交通子网络与所述步行子网络连接后，获得所述多层交通网络。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取与预设的各类出行方式对应的出行方式标识；
获取用于约束出行过程中更换出行方式的转移限制条件；
将满足所述转移限制条件的出行方式标识序列，作为所述可行序列；
根据所述可行序列生成所述出行方式状态转移模型。
6.根据权利要求1所述的方法，其特征在于，所述查询所述多层交通网络的不同子网络中各个网络结点之间的通行时长，包括：
查询所述多层交通网络的道路子网络中各道路结点之间的通行时长；
查询所述多层交通网络的步行子网络中各步行结点之间的通行时长；
查询所述多层交通网络的公共交通子网络中公共交通结点之间的行驶时长和每条公共交通线路的车辆频率，并根据所述行驶时长和每条公共交通线路的车辆频率计算所述公共交通结点之间的通行时长。
7.根据权利要求6所述的方法，其特征在于，所述根据所述行驶时长和每条公共交通线路的车辆频率计算公共交通结点之间的通行时长，包括：
当从所述公共交通子网络中的第一站点至所述公共交通子网络中的第二站点之间存在多条公共交通线路时，则将所述公共交通子网络中从所述第一站点至所述第二站点的路段标记为超路段；
获取所述多条公共交通线路中的每条公共交通线路的车辆频率；
获取所述每条公共交通线路从所述第一站点至所述第二站点的行驶时长；
根据所述每条公共交通线路的车辆频率，得到所述超路段的联合车辆频率；
根据所述联合车辆频率确定所述第一站点对应的平均等待时间；
根据所述每条公共交通线路的车辆频率及所述联合车辆频率确定每条公共交通线路作为第一个到达所述第一站点的线路的概率；
根据所述平均等待时间、所述概率及所述行驶时长计算从所述第一站点至所述第二站点之间的超路段的通行时长。
8.根据权利要求6所述的方法，其特征在于，所述根据所述行驶时长和每条公共交通线路的车辆频率计算公共交通结点之间的通行时长，包括：
当从所述公共交通子网络中的第一站点至所述公共交通子网络中的第二站点之间仅存在一条公共交通线路时，则将所述公共交通子网络中从所述第一站点至所述第二站点的路段标记为普通路段；
获取从所述第一站点至所述第二站点的行驶时长；
将所述行驶时长作为从所述第一站点至所述第二站点之间的普通路段的通行时长。
9.根据权利要求1至8任一项所述的方法，其特征在于，所述基于所述多层交通网络，根据所述出行偏好信息、所述通行时长生成与所述出行信息匹配的出行路线，包括：
获取所述出行信息中各组出行数据的起止地点和起止时间；
对于每组出行数据，基于所述多层交通网络并以最短通行时长为目标进行路径规划，获得通行路径符合所述起止地点、通行时长符合所述起止时间、通行过程符合所述出行偏好信息及出行方式符合所述出行方式状态转移模型的出行路线；其中，所述出行偏好信息包括换乘次数上限值、乘车费用上限值、步行距离上限值及骑行距离上限值；
连接每组出行数据对应的出行路线连接后，获得全天的出行路线。
10.根据权利要求9所述的方法，其特征在于，所述多层交通网络中的路段通过头结点和尾结点表示，所述对于每组出行数据，基于所述多层交通网络并以最短通行时长为目标进行路径规划，包括：
获取出行数据中的起点和终点；
从所述多层交通网络中确定以所述终点为头结点的所有路段；
遍历确定的每个路段，根据出行方式状态转移模型获取当前遍历的路段的尾结点i的出行状态Si，根据出行状态Si确定当前遍历的路段的出行方式，当所述出行方式所对应的出行参数符合所述出行偏好信息时，将所述当前遍历的路段的尾结点i及所述尾结点i的出行状态Si所构成的结点状态对[i，Si]添加至路段列表中；
遍历结束后，迭代地执行路段列表更新步骤，直至所述路段列表为空；所述路段列表更新步骤包括：从所述路段列表中选取到达终点d的通行时长最短的尾结点k对应的结点状态对[k，Sk]，并从所述路段列表中剔除选取的结点状态对[k，Sk]，存储采用出行状态Sk所对应的通行方式从结点k到终点d的通行时间，从所述多层交通网络确定以结点k为头结点的所有路段，遍历确定的每个路段，根据出行方式状态转移模型获取当前遍历的路段的尾结点i的出行状态Si，根据出行状态Si确定当前遍历的路段的出行方式，当所述出行方式所对应的出行参数符合所述出行偏好信息时，将当前遍历的路段的尾结点i及所述尾结点i的出行状态Si所构成的结点状态对[i，Si]添加至路段列表中；
迭代结束后，获取所述起点对应的出行状态，并根据所述起点对应的出行状态从起点回溯至终点，获得与所述出行数据匹配的出行路线。
11.一种路线生成装置，其特征在于，所述装置包括：
获取模块，用于获取出行信息及出行偏好信息；
确定模块，用于确定所述出行信息所涉及的地理位置对应的多层交通网络，所述多层交通网络包括道路子网络、步行子网络和公共交通子网络；
查询模块，用于查询所述多层交通网络的不同子网络中各个网络结点之间的通行时长；
生成模块，用于基于所述多层交通网络，根据所述出行偏好信息、所述通行时长生成与所述出行信息匹配的出行路线，其中，所述出行路线采用多种出行方式生成，各所述出行方式对应的出行方式标识所构成的序列，是出行方式状态转移模型中的可行序。
12.根据权利要求11所述的装置，其特征在于，所述装置还包括路网构建模块，用于获取所述地理位置的地图数据；根据所述地图数据生成道路子网络，所述道路子网络包括道路结点及所述道路结点之间的路段，所述道路结点包括道路停靠点和泊车点；根据所述地图数据生成步行子网络，所述步行子网络包括步行结点及所述步行结点之间的路段，所述步行结点包括道路停靠点、泊车点和公共交通站点；根据所述地图数据及公共交通线路数据生成公共交通子网络，所述公共交通子网络包括公共交通结点及所述公共交通结点之间的路段，所述公共交通结点包括公共交通站点；根据所述道路停靠点和所述泊车点将所述道路子网络与所述步行子网络连接，以及根据所述公共交通站点将所述步行子网络与所述公共交通子网络连接后，获得所述多层交通网络。
13.根据权利要求11所述的装置，其特征在于，所述装置还包括出行方式状态转移模型生成模块，用于获取与预设的各类出行方式对应的出行方式标识；获取用于约束出行过程中更换出行方式的转移限制条件；将满足所述转移限制条件的出行方式标识序列，作为所述可行序列；根据所述可行序列生成所述出行方式状态转移模型。
14.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至12中任一项所述的方法的步骤。
15.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至12中任一项所述的方法的步骤。
CN202011015613.4A 2020-09-24 2020-09-24 路线生成方法、装置、计算机设备和存储介质 Active CN112129306B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011015613.4A CN112129306B (zh) 2020-09-24 2020-09-24 路线生成方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011015613.4A CN112129306B (zh) 2020-09-24 2020-09-24 路线生成方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN112129306A true CN112129306A (zh) 2020-12-25
CN112129306B CN112129306B (zh) 2024-05-28

Family

ID=73839617

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011015613.4A Active CN112129306B (zh) 2020-09-24 2020-09-24 路线生成方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN112129306B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884235A (zh) * 2021-03-04 2021-06-01 腾讯科技（深圳）有限公司 出行推荐方法、出行推荐模型的训练方法、装置
CN113326956A (zh) * 2021-05-10 2021-08-31 东南大学 面向MaaS***的一体化票务方案生成方法及装置
CN113551683A (zh) * 2021-07-21 2021-10-26 上海连尚网络科技有限公司 一种用于生成路线信息的方法、设备、介质及程序产品
CN114282800A (zh) * 2021-12-22 2022-04-05 成都智元汇信息技术股份有限公司 一种基于MaaS的无缝组合出行方法
CN114572054A (zh) * 2022-02-25 2022-06-03 智己汽车科技有限公司 车辆补电方法及设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1434946A (zh) * 2000-07-21 2003-08-06 交通预测.Com公司 一种提供旅行时间预测的方法
CN101608926A (zh) * 2009-07-24 2009-12-23 厦门大学 多层次多模态寻径导航方法
CN101614551A (zh) * 2009-07-21 2009-12-30 中国科学院地理科学与资源研究所 步行网建立方法及装置、路径搜索方法及装置
KR20130020192A (ko) * 2011-08-19 2013-02-27 명지대학교 산학협력단 복합 환승 경로 탐색 방법 및 그 방법에 대한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
CN103364002A (zh) * 2012-03-30 2013-10-23 北京掌城科技有限公司 结合实时路况及公共交通运营信息的路线规划***和方法
CN110009205A (zh) * 2019-03-21 2019-07-12 东南大学 一种区域综合交通一体化的方式划分与交通分配方法
CN110414833A (zh) * 2019-07-26 2019-11-05 东南大学 一种城市多模式交通网络运能协调评价方法
CN110580404A (zh) * 2019-07-26 2019-12-17 东南大学 一种基于城市多模式交通网络的网络运能确定方法
CN110599760A (zh) * 2019-10-17 2019-12-20 东南大学 一种多模式交通网络下的出行行为模拟方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1434946A (zh) * 2000-07-21 2003-08-06 交通预测.Com公司 一种提供旅行时间预测的方法
CN101614551A (zh) * 2009-07-21 2009-12-30 中国科学院地理科学与资源研究所 步行网建立方法及装置、路径搜索方法及装置
CN101608926A (zh) * 2009-07-24 2009-12-23 厦门大学 多层次多模态寻径导航方法
KR20130020192A (ko) * 2011-08-19 2013-02-27 명지대학교 산학협력단 복합 환승 경로 탐색 방법 및 그 방법에 대한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
CN103364002A (zh) * 2012-03-30 2013-10-23 北京掌城科技有限公司 结合实时路况及公共交通运营信息的路线规划***和方法
CN110009205A (zh) * 2019-03-21 2019-07-12 东南大学 一种区域综合交通一体化的方式划分与交通分配方法
CN110414833A (zh) * 2019-07-26 2019-11-05 东南大学 一种城市多模式交通网络运能协调评价方法
CN110580404A (zh) * 2019-07-26 2019-12-17 东南大学 一种基于城市多模式交通网络的网络运能确定方法
CN110599760A (zh) * 2019-10-17 2019-12-20 东南大学 一种多模式交通网络下的出行行为模拟方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
陈少沛;丘健妮;: "多模式城市交通网络拓扑集成模型及出行路径分析", 测绘科学, no. 06, 15 April 2013 (2013-04-15) *
马捷 等: "考虑超级网络广义重叠的路径选择建模", 深圳大学学报理工版, 30 November 2019 (2019-11-30), pages 667 - 673 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884235A (zh) * 2021-03-04 2021-06-01 腾讯科技（深圳）有限公司 出行推荐方法、出行推荐模型的训练方法、装置
CN112884235B (zh) * 2021-03-04 2022-02-22 腾讯科技（深圳）有限公司 出行推荐方法、出行推荐模型的训练方法、装置
CN113326956A (zh) * 2021-05-10 2021-08-31 东南大学 面向MaaS***的一体化票务方案生成方法及装置
CN113551683A (zh) * 2021-07-21 2021-10-26 上海连尚网络科技有限公司 一种用于生成路线信息的方法、设备、介质及程序产品
CN114282800A (zh) * 2021-12-22 2022-04-05 成都智元汇信息技术股份有限公司 一种基于MaaS的无缝组合出行方法
CN114282800B (zh) * 2021-12-22 2023-02-14 成都智元汇信息技术股份有限公司 一种基于MaaS的无缝组合出行方法
CN114572054A (zh) * 2022-02-25 2022-06-03 智己汽车科技有限公司 车辆补电方法及设备

Also Published As

Publication number Publication date
CN112129306B (zh) 2024-05-28

Similar Documents

Publication Publication Date Title
CN112129306B (zh) 路线生成方法、装置、计算机设备和存储介质
Sun et al. Discovering time-dependent shortest path on traffic graph for drivers towards green driving
Garcia et al. Integrating public transportation in personalised electronic tourist guides
CA2806774C (en) Method and system for generating viable pattern-transfers for an itinerary-planning system
CN103838846B (zh) 一种基于大数据的面向个人的应急引导方法及***
Liu et al. Location awareness through trajectory prediction
Kirchler Efficient routing on multi-modal transportation networks
Bessler et al. Routing EV users towards an optimal charging plan
Raubal et al. Time geography for ad-hoc shared-ride trip planning in mobile geosensor networks
Bucher et al. A heuristic for multi-modal route planning
CN110473422B (zh) 一种室外公共区域地面停车位导航装置
CN110222786A (zh) 基于出行信息的动态拼车方法及***
US11430335B2 (en) Method and apparatus for providing large scale vehicle routing
Li et al. A dynamic and scalable user-centric route planning algorithm based on polychromatic sets theory
CN103793763A (zh) 基于大数据与云计算的最优公交乘车路径挖掘***
CN115112136A (zh) 出行路径规划方法和出行路径推荐方法
CN111898793A (zh) 一种组合出行方式下考虑用户感知差异性的路径选择方法
Taherkhani et al. BlueParking: An IoT based parking reservation service for smart cities
CN111862590A (zh) 路况预测方法、装置及存储介质
Aissat et al. Dynamic ridesharing with intermediate locations
Jelokhani-Niaraki et al. A hybrid ridesharing algorithm based on GIS and ant colony optimization through geosocial networks
Li et al. Benefits of short-distance walking and fast-route scheduling in public vehicle service
Rybarsch et al. Cooperative parking search: Reducing travel time by information exchange among searching vehicles
EP3654260A1 (en) Method and apparatus for determining and presenting a spatial-temporal mobility pattern of a vehicle with respect to a user based on user appointments
CN113824641A (zh) 车联网路由方法、***、设备及存储介质

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