CN114485705B - 一种基于路网地图的清扫路径确定方法及*** - Google Patents
一种基于路网地图的清扫路径确定方法及*** Download PDFInfo
- Publication number
- CN114485705B CN114485705B CN202210030072.5A CN202210030072A CN114485705B CN 114485705 B CN114485705 B CN 114485705B CN 202210030072 A CN202210030072 A CN 202210030072A CN 114485705 B CN114485705 B CN 114485705B
- Authority
- CN
- China
- Prior art keywords
- node
- cleaning
- access
- determining
- path
- 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
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 162
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000009977 dual effect Effects 0.000 claims abstract description 14
- 230000007717 exclusion Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000010408 sweeping Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 5
- 241001417527 Pempheridae Species 0.000 description 3
- 208000024780 Urticaria Diseases 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3863—Structures of map data
- G01C21/387—Organisation of map data, e.g. version management or database structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Automation & Control Theory (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于路网地图的清扫路径确定方法及***,包括:基于目标清扫区域的路网地图,构建目标清扫区域对应的目标拓扑图;获取目标清扫区域对应的清扫任务,并基于清扫任务和所述目标拓扑图,确定所有的访问节点以及每个访问节点的访问次数;基于访问节点以及每个访问节点的访问次数,选出所有代表不同含义的双节点组合;根据每个双节点组合建立一个最优路径搜索问题,并基于最优路径搜索问题,确定每个双节点组合的最优路径以及每个最优路径的代价;基于每个双节点组合的最优路径以及每个最优路径的代价,确定最优清扫路径。本发明能够精准规划无人驾驶清扫车的行驶路径,使全自动灵活清扫作业成为可能。
Description
技术领域
本发明涉及路径规划技术领域,特别是涉及一种基于路网地图的清扫路径确定方法及***。
背景技术
目前,很多无人驾驶清扫车的清扫路径都是人工提前规划好的,即根据清扫要求人工规划出无人驾驶清扫车的行进路线及行进路线中各路段的清扫方式。这种方法有如下几个弊端:
1)效率低下;
2)无法保证最后规划出的路径按照某种指标是最优的(比如,清扫总路程最短);
3)提前规划的路径无法灵活应对道路布局的各种可能的变化;
4)提前规划的路径无法灵活应对待清扫道路的各种可能的组合和清扫要求的各种可能;
5)提前规划的路径无法灵活应对清扫车的起始点和终止点的各种可能;
6)无法实现全自动清扫作业。
发明内容
本发明的目的一种基于路网地图的清扫路径确定方法及***,能够精准规划无人驾驶清扫车的行驶路径,使全自动灵活清扫作业成为可能。
为实现上述目的,本发明提供了如下方案:
一种基于路网地图的清扫路径确定方法,包括:
基于目标清扫区域的路网地图,构建所述目标清扫区域对应的目标拓扑图;所述路网地图包括多个车道段以及车道段之间的关系;所述目标拓扑图的节点表示车道段;所述目标拓扑图的边表示车道段之间的关系;
获取目标清扫区域对应的清扫任务,并基于所述清扫任务和所述目标拓扑图,确定所有的访问节点以及每个所述访问节点的访问次数;所述清扫任务包括待清扫道路以及所述待清扫道路对应的清扫模式;
基于所述访问节点以及每个所述访问节点的访问次数,选出所有代表不同含义的双节点组合;
根据每个所述双节点组合建立一个最优路径搜索问题,并基于所述最优路径搜索问题,确定每个所述双节点组合的最优路径以及每个所述最优路径的代价;
基于每个所述双节点组合的最优路径以及每个所述最优路径的代价,确定最优清扫路径。
可选的,所述基于目标清扫区域的路网地图,构建所述目标清扫区域对应的目标拓扑图,具体包括:
获取目标清扫区域的路网地图;所述路网地图为代表目标清扫区域交通路径的高精度地图;所述路网地图包括车道段、车道段类型、车道段宽度、车道段的左右边界线、以及车道段之间的关系;
在所述路网地图上筛选出所有完整车道段,并将一个所述完整车道段对应一个节点,以构建所述目标拓扑图的节点;
基于所述节点,构建所述目标拓扑图的边;
所述完整车道段具体指的是以下任意一种:
(1)相邻路口之间,从一个路口开始到另一个路口结束的连续完整的车道;
(2)如果一条车道在实际道路的起点不是从路口开始,而是从实际道路的中间开始,那么这条车道也是一条完整车道段,该完整车道段的起点是该完整车道段在实际道路上的起点;
(3)如果一条车道在实际车道的终点不是路口,而是从实际道路中间结束,那么这条车道也是一条完整车道段,该完整车道段的终点是该完整车道段在实际道路上的终点;
(4)如果一条车道在实际道路上的起点和终点都不在路口,这也是一条完整车道段,该完整车道段的起点是该完整车道段在实际道路上的起点,该完整车道段的终点是该完整车道段在实际道路上的终点。
可选的,所述基于所述节点,构建所述目标拓扑图的边,具体包括:
对于任意节点A和节点B,若满足第一约束条件,则在所述节点A和所述节点B之间建立一条从所述节点A指向所述节点B的边,进而构建出所述目标拓扑图的所有边;
所述第一约束条件为:
1)节点A和节点B相邻,且可以从节点A变道变到节点B;
或者,2)节点A和节点B相接,且经过节点A后无需变道就可直接到达节点B。
可选的,所述基于所述清扫任务和所述目标拓扑图,确定所有的访问节点以及每个所述访问节点的访问次数,具体包括:
基于待清扫道路和所述目标拓扑图,确定所有的访问节点;
基于所述待清扫道路对应的清扫模式和所述访问节点,确定每个所述访问节点的访问次数。
可选的,所述基于所述访问节点以及每个所述访问节点的访问次数,选出所有代表不同含义的双节点组合,具体包括:
基于所述访问节点以及每个所述访问节点的访问次数,确定两两节点配对组合;
从所述两两节点配对组合中,筛选出具有互斥特性的组合;所述具有互斥特性的组合为代表不同含义的双节点组合;
所述互斥特性为:一个所述双节点组合经由的清扫路径与另一个所述双节点组合经由的清扫路径不同。
可选的,根据每个所述双节点组合建立一个最优路径搜索问题,并基于所述最优路径搜索问题,确定每个所述双节点组合的最优路径以及每个所述最优路径的代价,具体包括:
将所述双节点组合中的第一节点作为一个最优路径搜索问题的起点,将所述双节点组合中的第二个节点作为一个最优路径搜索问题的终点,确定每个所述双节点组合对应的最优路径搜索问题;
采用最优路径搜索算法依次解决每个所述最优路径搜索问题,确定每个所述双节点组合的最优路径以及每个所述最优路径的代价。
可选的,所述基于每个所述双节点组合的最优路径以及每个所述最优路径的代价,确定最优清扫路径,具体包括:
根据每个所述双节点组合的最优路径以及每个所述最优路径的代价,构建一个N×N的矩阵M;N表示所有访问节点的总访问次数;
利用TSP算法和所述矩阵M,确定所述双节点组合中节点的最优访问顺序;
基于所述双节点组合中节点的最优访问顺序和所述目标拓扑图,确定所述最优清扫路径。
一种基于路网地图的清扫路径确定***,包括:
目标拓扑图构建模块,用于基于目标清扫区域的路网地图,构建所述目标清扫区域对应的目标拓扑图;所述路网地图包括多个车道段以及车道段之间的关系;所述目标拓扑图的节点表示车道段;所述目标拓扑图的边表示车道段之间的关系;
访问节点和访问次数确定模块,用于获取目标清扫区域对应的清扫任务,并基于所述清扫任务和所述目标拓扑图,确定所有的访问节点以及每个所述访问节点的访问次数;所述清扫任务包括待清扫道路以及所述待清扫道路对应的清扫模式;
双节点组合确定模块,用于基于所述访问节点以及每个所述访问节点的访问次数,选出所有代表不同含义的双节点组合;
最优路径和代价计算模块,用于根据每个所述双节点组合建立一个最优路径搜索问题,并基于所述最优路径搜索问题,确定每个所述双节点组合的最优路径以及每个所述最优路径的代价;
最优清扫路径计算模块,用于基于每个所述双节点组合的最优路径以及每个所述最优路径的代价,确定最优清扫路径。
可选的,所述访问节点和访问次数确定模块,具体包括:
访问节点确定单元,用于基于待清扫道路和所述目标拓扑图,确定所有的访问节点;
访问次数确定单元,用于基于所述待清扫道路对应的清扫模式和所述访问节点,确定每个所述访问节点的访问次数。
可选的,所述双节点组合确定模块,具体包括:
配对单元,用于基于所述访问节点以及每个所述访问节点的访问次数,确定两两节点配对组合;
双节点组合确定单元,用于从所述两两节点配对组合中,筛选出具有互斥特性的组合;所述具有互斥特性的组合为代表不同含义的双节点组合;
所述互斥特性为:一个所述双节点组合经由的清扫路径与另一个所述双节点组合经由的清扫路径不同。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明的目的一种基于路网地图的清扫路径确定方法及***,在路网地图上,基于待清扫车道、清扫模式、无人驾驶清扫车的起始点、无人驾驶清扫车的终止点以及清扫路径的优化指标,自动计算出最优的清扫路径,由无人驾驶清扫车跟随。本发明没有上述人工规划的各种弊端,使全自动灵活清扫作业成为可能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为清扫路径示例一图;
图2为清扫路径示例二图;
图3为本发明一种基于路网地图的清扫路径确定方法的流程示意图;
图4为本发明节点配对组合图;
图5为本发明矩阵M示例图;
图6为本发明一种基于路网地图的清扫路径确定***的结构示意图。
具体实施方式
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。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
基于给定地图上的一块区域和给定清扫模式要求(比如,贴边清扫,全覆盖清扫),首先规划出一个全局的清扫路径,之后无人驾驶清扫车沿着这条全局清扫路径前进,如果实际有需要,再进行绕障贴边等局部的轨迹调整。图1和图2给出了同一道路布局下(lane1~5都是单向车道,lane1~4的总长大于lane5),根据不同清扫组合要求规划出的清扫路径示例。如图1所示,清扫要求是:从黑圆点出发,两侧贴边清扫lane1,终点是黑方点。如图2所示,清扫要求是:从黑圆点出发,两侧贴边清扫lane1~4,终点也是黑圆点。而本发明介绍的基于路网地图的清扫路径确定方法,不包含局部轨迹调整,具体参见下述实施例。
实施例一
参见图3,本实施例提供了一种基于路网地图的清扫路径确定方法,具体包括如下步骤。
步骤301:基于目标清扫区域的路网地图,构建所述目标清扫区域对应的目标拓扑图;所述路网地图包括多个车道段以及车道段之间的关系;所述目标拓扑图的节点表示车道段;所述目标拓扑图的边表示车道段之间的关系。
在步骤301中,首先获取目标清扫区域的高精度地图,然后将这个高精度地图抽象成一个拓扑图,即graph(V,E),V是节点,E是边,节点是车道段的抽象表达,边是车道段之间关系的抽象表达(包括变道和前后相接等关系)。
注意:实际道路中的一条完整的车道,在高精度地图上可能被表示成连续相接的多条车道段,每个车道段都含有一个独特的标记lane_id,同时还包含和这条车道段有关的其他属性,比如前后相接车道段、左右相邻车道段、车道段中心线和车道段两边的边界线之类的。
具体过程如下:
步骤A:获取目标清扫区域的高精度地图,即路网地图。
输入一个按照某种格式且代表目标清扫区域交通路径的高精度地图,包括车道段、车道段类型、车道段宽度、车道段的左右边界线、以及车道段之间的关系等等。注意:这里的车道段指的是一条仅供单车行驶的车道,请与多条车道共存的“道路”相区别。
步骤B:构建节点,即graph(V,E)中的V。
在高精度地图上寻找所有完整车道段,然后每条这样的完整车道段都对应成一个节点,这个节点就是目标拓扑图中的节点V。节点里含有关于车道段的、在后面搜索最优路径时需要的一些信息,比如车道段的长度等。
这里,“完整车道段”具体指的是以下任意一种:
(1)相邻路口之间,从一个路口开始到另一个路口结束的连续完整的车道;
(2)如果一条车道在实际道路的起点不是从路口开始,而是从实际道路的中间开始,那么这条车道也是一条完整车道段,该完整车道段的起点是该完整车道段在实际道路上的起点;
(3)如果一条车道在实际车道的终点不是路口,而是从实际道路中间结束,那么这条车道也是一条完整车道段,该完整车道段的终点是该完整车道段在实际道路上的终点;
(4)如果一条车道在实际道路上的起点和终点都不在路口,这也是一条完整车道段,该完整车道段的起点是该完整车道段在实际道路上的起点,该完整车道段的终点是该完整车道段在实际道路上的终点。
这样做主要是为了后面进行TSP算法时能够尽可能的减少算力需求。
步骤C:基于所述节点,构建所述目标拓扑图的边,即graph(V,E)中的E,具体为:
对于任意节点A和节点B,若满足第一约束条件,则在所述节点A和所述节点B之间建立一条从所述节点A指向所述节点B的边,进而构建出所述目标拓扑图的所有边;
所述第一约束条件为:
1)节点A和节点B相邻,且可以从节点A变道变到节点B;
或者,2)节点A和节点B相接,且经过节点A后无需变道就可直接到达节点B。
这里的边也记录了后面搜索最优路径时需要的信息,比如,连接的始末节点的序列号、两条车道段关系的类型、此关系在起始车道段上开始的距离范围以及在终止车道段上终止的距离范围,等等。
步骤302:获取目标清扫区域对应的清扫任务,并基于所述清扫任务和所述目标拓扑图,确定所有的访问节点以及每个所述访问节点的访问次数;所述清扫任务包括待清扫道路以及所述待清扫道路对应的清扫模式。
在这里,是将清扫任务中的待清扫道路对应到目标拓扑图的节点上。清扫哪些道路就相当于是在目标拓扑图中访问哪些节点。虽然清扫任务里面的道路一般只有一条,但是按照清扫模式的要求,该道路可能需要清扫多次。
处理方法为:在拓扑图graph(V,E)上,找到给定的待清扫道路对应的节点,最后得到的节点为,比如,V1,V2,V3。接下来,根据每个节点对应的车道段的清扫模式,计算每个节点需要访问的次数,也相当于进一步确定,在待访问的若干个节点中,每个节点的个数。比如,节点V1对应的车道段需要左右贴边各清扫一趟,那么节点V1就需要访问两次;而节点V2对应的车道段需要全覆盖清扫,根据车的清扫宽度和道路的宽度计算得到需要清扫三次,那么节点V2就要访问三次。最后,节点V3对应的车道段的清扫模式是只左贴边,所以节点V3只需要访问一次即可。综上所述,需要访问的节点为V1,V1,V2,V2,V2,V3。注意这个次序并不代表节点的访问顺序。
上述仅仅确定了所有的访问节点以及每个访问节点的访问次数。
步骤302具体包括:
基于待清扫道路和所述目标拓扑图,确定所有的访问节点;
基于所述待清扫道路对应的清扫模式和所述访问节点,确定每个所述访问节点的访问次数。
步骤303:基于所述访问节点以及每个所述访问节点的访问次数,选出所有代表不同含义的双节点组合。具体为:
基于所述访问节点以及每个所述访问节点的访问次数,确定两两节点配对组合;从所述两两节点配对组合中,筛选出具有互斥特性的组合;所述具有互斥特性的组合为代表不同含义的双节点组合;所述互斥特性为:一个所述双节点组合经由的清扫路径与另一个所述双节点组合经由的清扫路径不同。
一个示例为:
步骤A:已知待访问的节点为V1,V1,V2,V2,V2,V3。
步骤B:在这些节点中找出所有可能的两两配对组合,如图4所示。
步骤C:在图4所示的组合中选出所有具有互斥特性的组合。
最后得到的组合为:V1V1,V1V2,V1V3,V2V1,V2V2,V2V3,V3V1,V3V2,V3V3。这里,需要的注意是:
1)起终节点是同一个节点的组合,比如,V1V1。它的含义是,在访问完节点V1后,再次访问节点V1,即从头到尾清扫完节点V1对应的车道段后,再次通过一个路径回到该车道段的起点,重新从头到尾再清扫一遍。所以,从节点V1到节点V1是需要经由一条路径的,所以从节点V1到节点V1也构成一个搜索最优路径的问题。
2)起终节点相反的组合,比如,V1V2和V2V1,这两个组合是不一样的。因为很可能,先从头到尾清扫节点V1后再从头到尾清扫节点V2,与相反的清扫顺序,即V2V1相比,中间经由的路径是不一样的。
VnVm与VkVj互斥的标准是:从头到尾清扫完节点Vn后,再从头到尾清扫节点Vm,相较于,从头到尾清扫完节点Vk后,再从头到尾清扫完节点Vj,中间(包括首末)经过的路径可能不一样。所以可得,V1V1与V1V2肯定是互斥的,V1V2与V1V2就不是互斥的,而是相同的。
步骤304:根据每个所述双节点组合建立一个最优路径搜索问题,并基于所述最优路径搜索问题,确定每个所述双节点组合的最优路径以及每个所述最优路径的代价。具体为:
首先将所述双节点组合中的第一节点作为一个最优路径搜索问题的起点,将所述双节点组合中的第二个节点作为一个最优路径搜索问题的终点,确定每个所述双节点组合对应的最优路径搜索问题;然后用最优路径搜索算法依次解决每个最优路径搜索问题,确定每个所述双节点组合的最优路径以及每个所述最优路径的代价。
很多经典的路径搜索算法都适用于这个问题,这里以经典的A*算法为例,给出这个算法在清扫任务路径搜索问题中面临的问题及解决方案。其它算法也会遇到同样的问题,这里不再赘述。经典A*算法的步骤请参见Aformal basis for the HeuristicDetermination of minimum cost paths.作者:Peter Hart,Nils Nilssion,andBertramRaphael。详细内容如下:
面临的问题为:
1)每个待访问节点代表的都是需要从头到尾清扫完的车道段。比如双节点组合V1V2,它的含义是,将节点V1对应的车道段清扫完毕后,再经过某条路径,使得清扫车到达节点V2对应的车道段的起点,因为这样才能够使节点V2从头到尾被清扫。假设节点V2对应的车道段是节点V1对应的车道段的邻车道段。如果在节点V1清扫完毕后,在节点V1对应的车道段快要结束时经由换道到达节点V2,那么这时已经在节点V2对应的车道段的末端,不能对节点V2进行从头到尾的清扫。因此,这时虽然访问了节点V2,但是并不是按照实际需求(从头到尾的清扫)那样访问。所以,还是等于没有访问到节点V2。然而,在经典的A*算法里,只关注“是否访问到”,并不关注“以何种方式访问到”。
2)前面提到,双节点组合中会出现两个节点是同一个节点的可能。然而,在经典的A*算法里,一个节点只能被访问一次。注意,这里的访问节点,在A*中,指的是节点被放在close set里面,即,从起点到该点的最优路径已经搜索完毕,不需要再更新。
解决方案为:
在搜索过程中,凡是新搜索扩展到的节点,都给附加一个额外的清扫类型属性,这个属性包含三种不同的类型:start_node,can_be_cleaning_node和via_node,只有当两个节点各自代表的拓扑图中的节点和属性都一样的时候,才认为这两个节点是同一个节点,适用于算法里所有涉及到判断两个节点是否是同一个节点的操作。这个属性的具体应用如下:
1)只有起始节点的清扫属性才能是start_node。
2)通过上一个节点的属性和上一个节点到达当前节点的边的类型可以确定,当前节点的清扫属性是什么。比如,如果上一个节点是start_node,根据start_node是从头到尾清扫的节点的限制,如果当前节点是start_node的邻车道段,那么当前节点只能是via_node,即不能从头走到尾的节点,因为start_node清扫完已经到了路的末端,再变到邻车道段时,在邻车道段的起始点也只能是邻车道段的末端,因此不可能在当前节点上进行从头到尾清扫了。从当前节点再出发,下一个节点如果是当前节点的邻车道段,那么同样的道理,该节点也只能是via_node。然而,如果上一个节点是can_be_cleaning_node,即这个节点只是必须从车道段的起始点开始的,但可以在任意可能的点结束。这样的话,当前节点如果是上一个节点的邻车道段,那么当前节点也是can_be_cleaning_node。因为上一个can_be_cleaning_node的节点可以在车道端的开始就变道,变到当前节点,那么这时当前节点可以算是从车道端的起点开始的,也就可以是can_be_cleaning_node了。所有类型的节点的下一个前后相接关系的节点,都是can_be_cleaning_mode。
3)以V1V1举例说明。第一个节点V1的清扫属性是start_node,第二个节点V1,即end_node的清扫属性是can_be_cleaning_node。把第一个节点V1从open set里取出时,与end_node进行比较,发现类型不一样,因而不是同一个节点,也就是说并不能结束搜索。之后就继续搜索扩展节点,把新的节点放入open set里面,或者用新的更低的cost来更新已存在open set里面的节点。这里,判断节点是否是新的以及判断节点是否与当前已在Openset里的节点是同一个节点的方法,都遵从前面所讲的,拓扑节点和附加清扫属性必须全部一致的判断方法。当从open set里取出一个清扫属性是can_be_cleaning_node的节点时,发现这个节点及其清扫属性与end_node都相同,这时,就认为搜索到了end_node。到此,关于该双节点组合的搜索就可以结束了。
步骤305:基于每个所述双节点组合的最优路径以及每个所述最优路径的代价,确定最优清扫路径。具体为:
基于每个所述双节点组合的最优路径以及每个所述最优路径的代价,构建一个N×N的矩阵M;N表示所有访问节点的总访问次数;接下来就需要解一个TSP(Travelingsalesman’s problem)问题,即有N个节点以及N个节点之间的边的代价,寻找这N个节点的最优的访问顺序。注意这里的边不是目标拓扑图里的边,而是双节点组里两个节点之间的路径。现在根据问题的规模和需要的实时程度来选择合适的解TSP问题的算法即可,本实施例选择简单的naive算法,即利用naive算法和所述矩阵M,确定所述双节点组合中节点的最优访问顺序;最后基于所述双节点组合中节点的最优访问顺序和所述目标拓扑图,确定所述最优清扫路径。
以待清扫节点是V1,V1,V2,V2,V2,V3为例子,详细介绍一下最优清扫路径的确定。
假设刚才的案例中还有两个清扫节点,节点S和节点E。节点S为清扫任务的起点,E为清扫任务的终点,那么最终得到的清扫车需要途经的节点是{S,V1,V1,V2,V2,V2,V3,E}。关于起始终止点,这里需要强调以下两点:
1)起点S和终点E都可以存在或者不存在。起点S存在的话,规划的路径就必需从S点出发;E存在的话,规划的路径就必需在E点结束。
2)而如果起点S或终点E不存在,规划的路径从{V1,V2,V3}中的哪个节点开始或结束,由TSP问题最终的解决定。
具体过程为:
步骤A:根据节点{S,V1,V1,V2,V2,V2,V3,E}对应的每个所述双节点组合的最优路径以及每个所述最优路径的代价,构建如图5所示的矩阵M。
针对矩阵M详细说明一下:
1)关于矩阵M里的元素(i,j):矩阵M里的元素(i,j)存储的是在前一步骤已经计算得到的双节点组中的两个节点之间的最小代价。注意:对角线上的元素,比如V1V1,与非对角线上的V1V1不是同一个概念。非对角线上的V1V1分别代表着是在同一条车道段上以不同的清扫方式进行清扫,而对角线上的V1V1中的两个节点V1是以相同的方式清扫,所以只清扫一次就可以了,也就是如果已经访问了一次节点V1,再访问一次完全相同的节点V1,车可以不动,所以cost是0。
2)关于XS与EX:在这里,用X来表示节点V1,节点V2或节点V3。由于TSP问题的最终解算的路径只可能是从节点S出发,即,最后在{S,V1,V1,V2,V2,V2,V3,E}的排列顺序中,只可能存在SX,不可能存在XS。故而,可以将XS都设为代价为无穷,这样在TSP问题的最优解中,就不会出现XS这样的节点顺序。当然,也可以采用其他方式将起点和终点的存在形式传达给TSP问题的算法,这里给出的只是其中一种可能的方式。
步骤B:解TSP问题的算法就是解决节点组中的所有节点的最优访问顺序(A*算法解决的是节点组中的每两个节点之间的最短路径。)。最简单的TSP算法(Naive TSPSolver)就是找到这些节点的全部的排列组合,然后找出其中cost最小的那一个。具体的,对于{S,V1,V1,V2,V2,V2,V3,E}这个例子,不算起点S和终点E(因为起点S和终点E永远在每个组合的首尾),有6个节点,其中,有3个和2个相同的节点。那么整个8个节点的排列组合就是个组合。比如{S,V1,V1,V2,V2,V2,V3,E},{S,V1,V1,V2,V2,V3,V2,E}等等。每个排列组合的cost就是这个排列的节点cost相加可得。比如针对{S,V1,V1,V2,V2,V2,V3,E}这个排列,cost=cost(S,V1)+cost(V1,V1)+cost(V1,V2)+cost(V2,V2)+cost(V2,V2)+cost(V2,V3)+cost(V3,E)。注意这里每两个节点之间的cost(比如,cost(V1,V2))已经由步骤304(A*)计算出来了。
如果没有给定起始点和终点,那节点组就是{V1,V1,V2,V2,V2,V3},从这些节点的排列组合中找到cost最小的那一个。比如cost最小的那一个排列是{V1,V1,V2,V2,V2,V3},那么这时起点就是节点V1,终点就是节点V3。实际上,起点S可以从车道段上任意点开始,而终点E可以从车道段上任意点结束。这样,可能产生的现象为:以该完整车道段为节点的某些进入边和外出边,由于它们的起点或终点在节点S或节点E对应的车道段之外,所以这些边代表的节点的连接关系可能无法实现。这样的话,就需要将这样的起点和终点在原本的车道节点上作一些特殊处理,比如,将原本属于该车道段但无法基于起点位置和终点位置实现的连接关系变成无效。
步骤C:基于得到的这些节点的访问顺序,以及每个节点之间的连接路径,就可以将这些节点再映射回车道,并根据车道清扫模式要求给出清扫一条车道时,清扫车的参考线和以参考线为基准的横向偏移,这样就完成了全局路径清扫规划问题。
注意,在最后形成完整清扫路径时,不仅要给出按照什么顺序清扫这些节点,还要给出每条节点对应的车道需要以怎样的横向偏移进行清扫,偏移的基准是什么。比如,对节点V3的清扫模式是只贴左边沿清扫,那么对节点V3的访问方式可以是:以左车道边缘为参照线,横向向右偏移半个车宽。而节点V2需要全覆盖清扫,需要清扫三次,那么对节点V2访问的方式就可以是:第一次,以右车道边缘为参照线,横向向左偏移半个车宽;第二次,以右车道边缘为参照线,横向向左偏移1.5个车宽;第三次,以左车道边缘为参照线,横向向右偏移半个车宽。在给出每个待清扫节点的访问方式之后,把在上述步骤中计算过的两个待清扫节点之间的具体路径的中间节点代入,这样就得到完整的清扫路径了。
实施例二
如图6所示,本实施例提供了一种基于路网地图的清扫路径确定***,包括:
目标拓扑图构建模块601,用于基于目标清扫区域的路网地图,构建所述目标清扫区域对应的目标拓扑图;所述路网地图包括多个车道段以及车道段之间的关系;所述目标拓扑图的节点表示车道段;所述目标拓扑图的边表示车道段之间的关系。
访问节点和访问次数确定模块602,用于获取目标清扫区域对应的清扫任务,并基于所述清扫任务和所述目标拓扑图,确定所有的访问节点以及每个所述访问节点的访问次数;所述清扫任务包括待清扫道路以及所述待清扫道路对应的清扫模式。
双节点组合确定模块603,用于基于所述访问节点以及每个所述访问节点的访问次数,选出所有代表不同含义的双节点组合。
最优路径和代价计算模块604,用于根据每个所述双节点组合建立一个最优路径搜索问题,并基于所述最优路径搜索问题,确定每个所述双节点组合的最优路径以及每个所述最优路径的代价。
最优清扫路径计算模块605,用于基于每个所述双节点组合的最优路径以及每个所述最优路径的代价,确定最优清扫路径。
其中,所述访问节点和访问次数确定模块602,具体包括:
访问节点确定单元,用于基于待清扫道路和所述目标拓扑图,确定所有的访问节点;访问次数确定单元,用于基于所述待清扫道路对应的清扫模式和所述访问节点,确定每个所述访问节点的访问次数。
所述双节点组合确定模块603,具体包括:
配对单元,用于基于所述访问节点以及每个所述访问节点的访问次数,确定两两节点配对组合;双节点组合确定单元,用于从所述两两节点配对组合中,筛选出具有互斥特性的组合;所述具有互斥特性的组合为代表不同含义的双节点组合;所述互斥特性为:一个所述双节点组合经由的清扫路径与另一个所述双节点组合经由的清扫路径不同。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于路网地图的清扫路径确定方法,其特征在于,包括:
基于目标清扫区域的路网地图,构建所述目标清扫区域对应的目标拓扑图;所述路网地图包括多个车道段以及车道段之间的关系;所述目标拓扑图的节点表示车道段;所述目标拓扑图的边表示车道段之间的关系;
获取目标清扫区域对应的清扫任务,并基于所述清扫任务和所述目标拓扑图,确定所有的访问节点以及每个所述访问节点的访问次数;所述清扫任务包括待清扫道路以及所述待清扫道路对应的清扫模式;
基于所述访问节点以及每个所述访问节点的访问次数,选出所有代表不同含义的双节点组合;具体包括:基于所述访问节点以及每个所述访问节点的访问次数,确定两两节点配对组合;从所述两两节点配对组合中,筛选出具有互斥特性的组合;所述具有互斥特性的组合为代表不同含义的双节点组合;所述互斥特性为:一个所述双节点组合经由的清扫路径与另一个所述双节点组合经由的清扫路径不同;
根据每个所述双节点组合建立一个最优路径搜索问题,并基于所述最优路径搜索问题,确定每个所述双节点组合的最优路径以及每个所述最优路径的代价;
基于每个所述双节点组合的最优路径以及每个所述最优路径的代价,确定最优清扫路径。
2.根据权利要求1所述的一种基于路网地图的清扫路径确定方法,其特征在于,所述基于目标清扫区域的路网地图,构建所述目标清扫区域对应的目标拓扑图,具体包括:
获取目标清扫区域的路网地图;所述路网地图为代表目标清扫区域交通路径的高精度地图;所述路网地图包括车道段、车道段类型、车道段宽度、车道段的左右边界线、以及车道段之间的关系;
在所述路网地图上筛选出所有完整车道段,并将一个所述完整车道段对应一个节点,以构建所述目标拓扑图的节点;
基于所述节点,构建所述目标拓扑图的边;
所述完整车道段具体指的是以下任意一种:
相邻路口之间,从一个路口开始到另一个路口结束的连续完整的车道;
如果一条车道在实际道路的起点不是从路口开始,而是从实际道路的中间开始,那么这条车道也是一条完整车道段,该完整车道段的起点是该完整车道段在实际道路上的起点;
如果一条车道在实际车道的终点不是路口,而是从实际道路中间结束,那么这条车道也是一条完整车道段,该完整车道段的终点是该完整车道段在实际道路上的终点;
如果一条车道在实际道路上的起点和终点都不在路口,这也是一条完整车道段,该完整车道段的起点是该完整车道段在实际道路上的起点,该完整车道段的终点是该完整车道段在实际道路上的终点。
3.根据权利要求2所述的一种基于路网地图的清扫路径确定方法,其特征在于,所述基于所述节点,构建所述目标拓扑图的边,具体包括:
对于任意节点A和节点B,若满足第一约束条件,则在所述节点A和所述节点B之间建立一条从所述节点A指向所述节点B的边,进而构建出所述目标拓扑图的所有边;
所述第一约束条件为:
节点A和节点B相邻,且可以从节点A变道变到节点B;
或者,节点A和节点B相接,且经过节点A后无需变道就可直接到达节点B。
4.根据权利要求1所述的一种基于路网地图的清扫路径确定方法,其特征在于,所述基于所述清扫任务和所述目标拓扑图,确定所有的访问节点以及每个所述访问节点的访问次数,具体包括:
基于待清扫道路和所述目标拓扑图,确定所有的访问节点;
基于所述待清扫道路对应的清扫模式和所述访问节点,确定每个所述访问节点的访问次数。
5.根据权利要求1所述的一种基于路网地图的清扫路径确定方法,其特征在于,根据每个所述双节点组合建立一个最优路径搜索问题,并基于所述最优路径搜索问题,确定每个所述双节点组合的最优路径以及每个所述最优路径的代价,具体包括:
将所述双节点组合中的第一节点作为一个最优路径搜索问题的起点,将所述双节点组合中的第二个节点作为一个最优路径搜索问题的终点,确定每个所述双节点组合对应的最优路径搜索问题;
采用最优路径搜索算法依次解决每个所述最优路径搜索问题,确定每个所述双节点组合的最优路径以及每个所述最优路径的代价。
6.根据权利要求1所述的一种基于路网地图的清扫路径确定方法,其特征在于,所述基于每个所述双节点组合的最优路径以及每个所述最优路径的代价,确定最优清扫路径,具体包括:
根据每个所述双节点组合的最优路径以及每个所述最优路径的代价,构建一个N×N的矩阵M;N表示所有访问节点的总访问次数;
利用TSP算法和所述矩阵M,确定所述双节点组合中节点的最优访问顺序;
基于所述双节点组合中节点的最优访问顺序和所述目标拓扑图,确定所述最优清扫路径。
7.一种基于路网地图的清扫路径确定***,其特征在于,包括:
目标拓扑图构建模块,用于基于目标清扫区域的路网地图,构建所述目标清扫区域对应的目标拓扑图;所述路网地图包括多个车道段以及车道段之间的关系;所述目标拓扑图的节点表示车道段;所述目标拓扑图的边表示车道段之间的关系;
访问节点和访问次数确定模块,用于获取目标清扫区域对应的清扫任务,并基于所述清扫任务和所述目标拓扑图,确定所有的访问节点以及每个所述访问节点的访问次数;所述清扫任务包括待清扫道路以及所述待清扫道路对应的清扫模式;
双节点组合确定模块,用于基于所述访问节点以及每个所述访问节点的访问次数,选出所有代表不同含义的双节点组合;所述双节点组合确定模块,具体包括:
配对单元,用于基于所述访问节点以及每个所述访问节点的访问次数,确定两两节点配对组合;
双节点组合确定单元,用于从所述两两节点配对组合中,筛选出具有互斥特性的组合;所述具有互斥特性的组合为代表不同含义的双节点组合;
所述互斥特性为:一个所述双节点组合经由的清扫路径与另一个所述双节点组合经由的清扫路径不同;
最优路径和代价计算模块,用于根据每个所述双节点组合建立一个最优路径搜索问题,并基于所述最优路径搜索问题,确定每个所述双节点组合的最优路径以及每个所述最优路径的代价;
最优清扫路径计算模块,用于基于每个所述双节点组合的最优路径以及每个所述最优路径的代价,确定最优清扫路径。
8.根据权利要求7所述的一种基于路网地图的清扫路径确定***,其特征在于,所述访问节点和访问次数确定模块,具体包括:
访问节点确定单元,用于基于待清扫道路和所述目标拓扑图,确定所有的访问节点;
访问次数确定单元,用于基于所述待清扫道路对应的清扫模式和所述访问节点,确定每个所述访问节点的访问次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210030072.5A CN114485705B (zh) | 2022-01-12 | 2022-01-12 | 一种基于路网地图的清扫路径确定方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210030072.5A CN114485705B (zh) | 2022-01-12 | 2022-01-12 | 一种基于路网地图的清扫路径确定方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114485705A CN114485705A (zh) | 2022-05-13 |
CN114485705B true CN114485705B (zh) | 2024-05-14 |
Family
ID=81512069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210030072.5A Active CN114485705B (zh) | 2022-01-12 | 2022-01-12 | 一种基于路网地图的清扫路径确定方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114485705B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107389079A (zh) * | 2017-07-04 | 2017-11-24 | 广州海格星航信息科技有限公司 | 高精度路径规划方法和*** |
CN109547938A (zh) * | 2019-01-11 | 2019-03-29 | 西南大学 | 无线传感器网络中无人机的轨迹规划方法 |
CN110426966A (zh) * | 2019-07-31 | 2019-11-08 | 驭势(上海)汽车科技有限公司 | 一种虚拟车辆寻路的方法、装置、存储介质和电子设备 |
CN111595358A (zh) * | 2020-06-05 | 2020-08-28 | 百度在线网络技术(北京)有限公司 | 导航数据处理方法、路径诱导方法、设备及存储介质 |
CN111947678A (zh) * | 2020-08-27 | 2020-11-17 | 重庆智行者信息科技有限公司 | 一种针对结构化道路的自动驾驶导航方法及*** |
CN112833899A (zh) * | 2020-12-31 | 2021-05-25 | 吉林大学 | 一种用于无人环卫车的全覆盖路径规划方法 |
CN113074745A (zh) * | 2021-02-24 | 2021-07-06 | 南京泛析交通科技有限公司 | 一种城市道路保洁车辆路径规划方法及装置 |
KR20210107328A (ko) * | 2020-02-24 | 2021-09-01 | 삼육대학교산학협력단 | Top-n 스카이라인 질의를 이용한 다차원 속성 기반 최적 경로 탐색 방법 |
CN113496375A (zh) * | 2020-04-08 | 2021-10-12 | 富士通株式会社 | 信息处理装置、信息处理方法以及计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010044637A (ja) * | 2008-08-14 | 2010-02-25 | Just Syst Corp | データ処理装置、方法、及びプログラム |
-
2022
- 2022-01-12 CN CN202210030072.5A patent/CN114485705B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107389079A (zh) * | 2017-07-04 | 2017-11-24 | 广州海格星航信息科技有限公司 | 高精度路径规划方法和*** |
CN109547938A (zh) * | 2019-01-11 | 2019-03-29 | 西南大学 | 无线传感器网络中无人机的轨迹规划方法 |
CN110426966A (zh) * | 2019-07-31 | 2019-11-08 | 驭势(上海)汽车科技有限公司 | 一种虚拟车辆寻路的方法、装置、存储介质和电子设备 |
KR20210107328A (ko) * | 2020-02-24 | 2021-09-01 | 삼육대학교산학협력단 | Top-n 스카이라인 질의를 이용한 다차원 속성 기반 최적 경로 탐색 방법 |
CN113496375A (zh) * | 2020-04-08 | 2021-10-12 | 富士通株式会社 | 信息处理装置、信息处理方法以及计算机可读存储介质 |
CN111595358A (zh) * | 2020-06-05 | 2020-08-28 | 百度在线网络技术(北京)有限公司 | 导航数据处理方法、路径诱导方法、设备及存储介质 |
CN111947678A (zh) * | 2020-08-27 | 2020-11-17 | 重庆智行者信息科技有限公司 | 一种针对结构化道路的自动驾驶导航方法及*** |
CN112833899A (zh) * | 2020-12-31 | 2021-05-25 | 吉林大学 | 一种用于无人环卫车的全覆盖路径规划方法 |
CN113074745A (zh) * | 2021-02-24 | 2021-07-06 | 南京泛析交通科技有限公司 | 一种城市道路保洁车辆路径规划方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114485705A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11768076B2 (en) | Alignment of standard-definition and high-defintion maps | |
CN102538806B (zh) | 一种路径规划方法以及相关设备 | |
CN101694749B (zh) | 一种路径推测方法及装置 | |
JP4513073B2 (ja) | ナビゲーション装置およびプログラム | |
CN110619426B (zh) | 一种路网模型的构建方法、装置、设备和存储介质 | |
CN108120448A (zh) | 引导路径设定装置以及引导路径设定方法 | |
CN109959388A (zh) | 一种基于栅格扩展模型的智能交通精细化路径规划方法 | |
CN107389079A (zh) | 高精度路径规划方法和*** | |
CN109612496A (zh) | 一种路径规划方法、装置及车辆 | |
CN101358855A (zh) | 基于分层双向启发式路线规划方法的导航装置 | |
Holmberg | The (over) zealous snow remover problem | |
CN111028511A (zh) | 一种交通拥堵预警方法及装置 | |
CN111314857A (zh) | 一种基于过车视频数据的车辆实时出行轨迹获取方法 | |
US20020016670A1 (en) | Data formats and usage for massive point-to-point route calculation | |
Bozhenyuk et al. | Flows finding in networks in fuzzy conditions | |
Ghatee et al. | Generalized minimal cost flow problem in fuzzy nature: an application in bus network planning problem | |
CN114485705B (zh) | 一种基于路网地图的清扫路径确定方法及*** | |
CN100520300C (zh) | 城际导航路径的计算方法 | |
Nannicini et al. | Fast paths in large-scale dynamic road networks | |
CN116523345B (zh) | 一种城市道路拓扑网络连通性评价方法 | |
WO2014171070A1 (ja) | 地図データ、地図表示装置、地図データ使用方法 | |
CN116729453A (zh) | 轨道交通控制方法、装置、电子设备及存储介质 | |
JPH08240437A (ja) | 車両経路案内装置 | |
Parsons et al. | FS-ACO: An Algorithm for Unsafe U-Turn Detours in Service Vehicle Route Optimization Applications | |
Kim et al. | Finding realistic shortest path in road networks with lane changing and turn restriction |
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 |