CN115578879A - 一种基于物联网的车辆最优路径导航控制方法与系统 - Google Patents

Abstract

本发明提供了一种基于物联网的车辆最优路径导航控制方法与系统，车载终端上设置有车载导航设备，用于获取车辆所在道路状态信息；根据所述道路状态信息进行道路状态评估，得到路况评估信息；将目标距离、所需时间、所述路况评估信息融入到路径规划模型中，通过模糊规划方法获得每段路径的效益；结合所述每段路径效益，采用优化算法计算最优路径，用于实现对所述车辆的导航。本发明的方法能够提高路径导航的准确性。

Description

一种基于物联网的车辆最优路径导航控制方法与系统

技术领域

本发明属于交通控制技术领域，尤其涉及车辆传送导航指令领域，具体涉及一种基于物联网的车辆最优路径导航控制方法与系统。

背景技术

随着交通迅速发展，物流运输业已经成为新的经济增长点，而物流车辆的最优路线决定了物流的速度，需要避免出现由于各种外界因素、路线缺乏规划带来的影响。如何将物流车辆将要经过路段的交通信息同步给物流车辆，并给物流车辆推荐最佳路径方案成为当前研究的热点之一。通过视觉、感知雷达、惯导定位等组合传感器探知周围环境和自身位置，实现从指定的出发地至目的地的自定义的路线智能驾驶，全路段环境内实现主动避让障碍物(车辆、飞机、货柜、其他物体等)。车辆路径规划，可以在车辆配送环节，有效降低车辆使用数量和车辆行驶距离，提高配送的效率。

现有技术中，通常采用距离、路况、运输位置等信息采用最优化方法进行路径规划，然而并未综合考虑多种信息带来的权衡，不能满足物流车辆的路径规划需求。尤其涉及散装物流车所处路况复杂，常规导航方法并不适用。

针对相关技术中物流车辆路径规划方法效果不佳的问题，目前尚未提出有效的解决方案。

发明内容

本发明的目的在于解决上述现有技术中存在的难题，提供一种基于物联网的车辆最优路径导航控制方法与系统，以解决物流车辆导航效果不好的问题。

为了实现上述目的，本发明提供一种基于物联网的车辆最优路径导航控制方法，其特征在于：

步骤S1：获取车辆所在道路状态信息；

步骤S2：根据所述道路状态信息进行道路状态评估，得到路况评估信息；

步骤S3：将目标距离、所需时间、所述路况评估信息融入到路径规划模型中，通过模糊规划方法获得每段路径的效益；

步骤S4：结合所述每段路径的效益，采用优化算法计算最优路径；

步骤S5：将所述最优路径对应的车辆导航信息反馈至车载导航设备，用于实现对所述车辆的导航。

优选的，所述道路状态评估具体包括如下步骤：

采用直觉模糊集表示道路状态S＝<u,v>，其中u表示路况好的隶属度，v表示路况差的隶属度；

节点获得的信息包括车辆近期平均速度V，道路限速Vmax，与周围车辆之间前后平均间隔D，道路等级K，估算实时车流量Z，道路最大车流量Zmax；

其中路况好的隶属度u＝max{V/V_max,Z/Z_max}，式中，平均速度V小于道路限速Vmax，实时车流量Z小于道路最大车流量Zmax；

所述路况差的隶属度v＝D/(D_g*K)，式中Dg为最大车流量时道路车辆行驶平均间隔。

优选的，所述步骤S3具体包括：采用模糊规划方法将距离最短、时间最少、大路优先、避免拥堵路径偏好融入规划模型中得出最优路径。

优选的，所述每段路径的效益具体通过如下步骤得到：

所述每段路径用T′＝(A,B,S)表示，A为路网的交叉点集合，B为所有路段距离集合，S为各路段状态；

所述各路段状态通过市政路网数据获得，在有节点反馈数据时，对所述市政路网数据与所述节点反馈数据进行融合，得到所述各路段状态；

距离最短、时间最少、大路优先、避免拥堵的偏好信息用直觉模糊集表示为：P＝[<a₁,b₁>,<a₂,b₂>,<a₃,b₃>,<a₄,b₄>],a₁～a₄为四种偏好信息的支持隶属度，b₁～b₄为四种偏好信息的反对隶属度；

根据所述路况评估信息，融合决策者偏好，分别计算所述每段路径的效益Q，起始点和终点的直线距离记为L，每个路段的效益Q_ij采用下述公式进行计算，

Q_ij＝(<1,0>-B_ij/L·<a₁,b₁>)+(<1,0>-B_ij/v_max/T₀*S_ij·<a₂,b₂>)+β_ijB_ij·<a₃,b₃>+δ_ijS_ij·<a₄,b₄>，

式中v_max为该路段最大限速，T₀为全路段最长用时和，β_ij为道路等级信息因子，δ_ij为拥堵状态的影响因子,B_ij为各路段距离信息，S_ij为各路段状态信息；

采用直觉模糊集的计分函数进行去模糊化，

参数π＝1-u-v，u表示路况好的隶属度，v表示路况差的隶属度；

则路径转换为节点-效益模型T＝(A,Q′)，式中A为路网的交叉点集合，Q′表示所述每段路径的效益Q_ij经计分函数计算后的实数表示。

优选的，所述步骤S4中所述优化算法为A-star算法、Floyd算法、Dijkstra算法、蚁群算法中任一一种优化算法。

另一方面，本发明公开了一种基于物联网的车辆最优路径导航控制系统，用于执行如权利要求1-5任一项权利要求所述的导航控制方法，其特征在于：

所述导航控制系统包括导航控制中心，所述导航控制中心计算导航路径；

所述导航控制中心与多个车载终端进行通信，车载终端上设置有车载导航设备，上报信息给所述导航控制中心，所述导航控制中心将规划后的路径传输给所述车载终端；

所述车载导航设备实时呈现最优的路径导航信息，用于实现对车辆的路径导航规划。

优选的，所述车载导航设备包括采集单元、车载处理单元、物联网单元；车载处理单元用于处理相关导航信息，实现车侧的信息处理；采集单元用于采集相关导航数据信息；物联网单元构建用于支持车辆导航控制系统的闭环通信链路。

优选的，所述采集单元包括定位设备、车速传感器、路况感知设备、电池系统、V2V通信设备、交互设备；

定位设备用于获取车辆所处位置信息；车速传感器用于采集车辆速度信息及运动状态信息；路况感知设备用于感知所处的道路状态信息；电池系统用于为车载导航设备提供电力；V2V通信设备用于实现车辆之间的通信，车辆之间通过通信传输车辆信息，用于实现车辆之间车速、路况信息的同步，为车辆路径规划导航优化参数提供输入；交互设备用于获取路径导航规划信息。

与现有技术相比，本发明的有益效果是：本发明通过综合考核距离、时间、路况、避免拥堵等综合信息计算每段路径的效益，采用模糊规划方法进而计算选择最优路径，提高了路径规划的合理性。

附图说明

图1为本发明实施例一的车辆最优路径导航控制系统；

图2为本发明实施例一的车载导航设备结构；

图3为本发明实施例一的采集单元结构；

图4为本发明实施例二的车辆最优路径导航控制方法；

图5为本发明实施例二的路径效益示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

下面结合附图对本发明作进一步详细描述：

为了更好地理解本发明，下面结合附图来详细解释本发明的实施方式。

如图1所示，本发明实施例一提出了一种车辆最优路径导航控制系统。

导航控制系统包括导航控制中心，导航控制中心融合多源数据、计算导航路径；导航控制中心与多个车载终端进行通信，车载终端上设置有车载导航设备，上报信息给导航控制中心，上报信息包括道路状态、自身位置、运动状态、实际路径等信息，导航控制中心将规划后的路径传输给车载终端；车载终端上的车载导航设备实时呈现最优的路径导航信息，用于实现对车辆的路径导航规划。

每个车辆作为导航控制系统的一个节点，将自身位置、运动状态、导航路线及时上报导航控制中心，导航控制中心可根据路网信息以及节点上报信息，共同完成车辆路径规划。

附图2示出了车载导航设备的结构，包括采集单元、车载处理单元、物联网单元。

物联网单元采用IoT(Internet of Things，物联网)技术构建闭环通信链路，再通过所述云车路协同中间件根据所述闭环通信链路连接车端分别到边端和云端的通信链路，打通信息孤岛，构建用于支持车辆导航控制系统的闭环通信链路。

车载处理单元用于处理相关导航信息，实现车侧的信息处理。采集单元用于采集相关导航数据信息。

附图3示出了车载导航设备中采集单元结构，包括定位设备、车速传感器、路况感知设备、电池系统、V2V通信(车车通信)设备、交互设备。

定位设备用于获取车辆所处位置信息；

车速传感器用于采集车辆速度信息及运动状态信息；

路况感知设备用于感知所处的道路状态信息；

电池系统用于为车载导航设备提供电力；

V2V通信设备用于实现车辆之间的通信，车辆之间通过通信传输车辆信息，用于实现车辆之间车速、路况等信息的同步，为车辆路径规划导航优化参数提供输入；

交互设备用于获取路径导航规划信息。

本发明的实施例一的系统用于执行下述实施例二中最优路径导航控制方法。

附图4示出了本发明实施例二的基于物联网的车辆最优路径导航控制方法，应用于如实施例一的导航控制系统。

步骤S1:获取道路状态信息；

步骤S2：根据获取的道路状态信息进行道路状态评估；

道路状态能够为路径规划提供重要数据，为了便于表示道路状态，采用直觉模糊集表示S＝<u,v>，其中u表示路况好的隶属度，v表示路况差的隶属度，π＝1-u-v。；

设节点获得的信息如下，车辆近期平均速度V，道路限速Vmax，与周围车辆之间前后平均间隔D，道路等级K，估算实时车流量Z，道路最大车流量Zmax。

u＝max{V/V_max,Z/Z_max}

式中，平均速度V小于道路限速Vmax，实时车流量Z小于道路最大车流量Zmax。

v＝D/(D_g*K)

式中Dg为最大车流量时道路车辆行驶平均间隔，道路等级K越大，反对隶属度v越小。

步骤S3：采用模糊规划方法将目标距离、所需时间、路况信息融入到路径规划模型中，得到每段路径的效益；

采用模糊规划方法，把距离最短、时间最少、大路优先、避免拥堵等路径偏好融入规划模型中，推荐出最优路径。

路径用T′＝(A,B,S)表示，A为路网的交叉点集合，B为所有路段距离集合，S为各路段状态。

路段的状态可通过市政路网数据获得，在有节点反馈数据时，对二者进行融合，提高各个路段状态数据的准确性。

距离最短、时间最少、大路优先、避免拥堵的偏好信息用直觉模糊集表示为：a₁～a₄为四种偏好信息的支持隶属度，b₁～b₄为四种偏好信息的反对隶属度；

根据道路状态信息，融合决策者偏好，分别计算每段路径的效益Q。

附图5示出了路径效益计算示意图，起始点和终点的直线距离记为L，每个路段的效益Q_ij按照下式进行计算，

Q_ij＝(<1,0>-B_ij/L·<a₁,b₁>)+(<1,0>-B_ij/v_max/T₀*S_ij·<a₂,b₂>)+β_ijB_ij·<a₃,b₃>+δ_ijS_ij·<a₄,b₄>

式中v_max为该路段最大限速，T₀为全路段最长用时和，β_ij为道路等级信息因子，δ_ij为拥堵状态的影响因子，每个路段的效益Q_ij为直觉模糊数,B_ij为各路段距离信息，S_＞为各路段状态信息；式中前两项用<1,0>去减，目的是将成本型转化为效益型，便于计算。

每个路段的效益Q_ij为直觉模糊数，为了便于进行路径规划计算，采用直觉模糊集的计分函数，进行去模糊化，

则路径可转换为节点-效益模型

T＝(A,Q′)，

式中Q′表示，每个路段的效益Q_ij经计分函数计算后的实数表示。

步骤S4：结合每段路径效益，采用优化算法计算最优路径。

优化算法采用常规优化算法，可以是A*算法(A-star)、Floyd算法、Dijkstra算法及蚁群算法中的一种优化算法，计算选择最优路径。

步骤S5：将最优路径导航信息反馈至车载导航设备，用于实现对车辆的导航。

本申请实施例可以应用于服务器中，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明的描述中，除非另有说明，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

最后应说明的是，上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。

Claims (8)

1.一种基于物联网的车辆最优路径导航控制方法，其特征在于：

步骤S1：获取车辆所在道路状态信息；

步骤S2：根据所述道路状态信息进行道路状态评估，得到路况评估信息；

步骤S3：将目标距离、所需时间、所述路况评估信息融入到路径规划模型中，通过模糊规划方法获得每段路径的效益；

步骤S4：结合所述每段路径的效益，采用优化算法计算最优路径；

步骤S5：将所述最优路径对应的车辆导航信息反馈至车载导航设备，用于实现对所述车辆的导航。

2.根据权利要求1所述的导航控制方法，其特征在于所述道路状态评估具体包括如下步骤：

采用直觉模糊集表示道路状态S＝<u,v>，其中u表示路况好的隶属度，v表示路况差的隶属度；

节点获得的信息包括车辆近期平均速度V，道路限速Vmax，与周围车辆之间前后平均间隔D，道路等级K，估算实时车流量Z，道路最大车流量Zmax；

其中路况好的隶属度u＝max{V/V_max,Z/Z_max}，式中，平均速度V小于道路限速Vmax，实时车流量Z小于道路最大车流量Zmax；

所述路况差的隶属度v＝D/(D_g*K)，式中Dg为最大车流量时道路车辆行驶平均间隔。

3.根据权利要求2所述的导航控制方法，其特征在于所述步骤S3具体包括：采用模糊规划方法将距离最短、时间最少、大路优先、避免拥堵路径偏好融入规划模型中得出最优路径。

4.根据权利要求3所述的导航控制方法，其特征在于所述每段路径的效益具体通过如下步骤得到：

所述每段路径用T′＝(A,B,S)表示，A为路网的交叉点集合，B为所有路段距离集合，S为各路段状态；

所述各路段状态通过市政路网数据获得，在有节点反馈数据时，对所述市政路网数据与所述节点反馈数据进行融合，得到所述各路段状态；

距离最短、时间最少、大路优先、避免拥堵的偏好信息用直觉模糊集表示为：P＝[<a₁,b₁>,<a₂,b₂>,<a₃,b₃>,<a₄,b₄>],a₁～a₄为四种偏好信息的支持隶属度，b₁～b₄为四种偏好信息的反对隶属度；

根据所述路况评估信息，融合决策者偏好，分别计算所述每段路径的效益Q，起始点和终点的直线距离记为L，每个路段的效益Q_ij采用下述公式进行计算，

Q_ij＝(<1,0>-B_ij/L·<a₁,b₁>)+(<1,0>-B_ij/v_max/T₀*S_ij·<a₂,b₂>)+β_ijB_ij·<a₃,b₃>+δ_ijS_ij·<a₄,b₄>，

式中v_max为该路段最大限速，T₀为全路段最长用时和，β_ij为道路等级信息因子，δ_ij为拥堵状态的影响因子,B_ij为各路段距离信息，S_ij为各路段状态信息；

采用直觉模糊集的计分函数进行去模糊化，

参数π＝1-u-v，u表示路况好的隶属度，v表示路况差的隶属度；

则路径转换为节点-效益模型T＝(A,Q′)，式中A为路网的交叉点集合，Q′表示所述每段路径的效益Q_ij经计分函数计算后的实数表示。

5.根据权利要求4所述的导航控制方法，其特征在于所述步骤S4中所述优化算法为A-star算法、Floyd算法、Dijkstra算法、蚁群算法中任一一种优化算法。

6.一种基于物联网的车辆最优路径导航控制系统，用于执行如权利要求1-5任一项权利要求所述的导航控制方法，其特征在于：

所述导航控制系统包括导航控制中心，所述导航控制中心计算导航路径；

所述导航控制中心与多个车载终端进行通信，车载终端上设置有车载导航设备，上报信息给所述导航控制中心，所述导航控制中心将规划后的路径传输给所述车载终端；

所述车载导航设备实时呈现最优的路径导航信息，用于实现对车辆的路径导航规划。

7.根据权利要求6所述的导航控制系统，其特征在于：所述车载导航设备包括采集单元、车载处理单元、物联网单元；车载处理单元用于处理相关导航信息，实现车侧的信息处理；采集单元用于采集相关导航数据信息；物联网单元构建用于支持车辆导航控制系统的闭环通信链路。

8.根据权利要求7所述的导航控制系统，其特征在于：所述采集单元包括定位设备、车速传感器、路况感知设备、电池系统、V2V通信设备、交互设备；

定位设备用于获取车辆所处位置信息；车速传感器用于采集车辆速度信息及运动状态信息；路况感知设备用于感知所处的道路状态信息；电池系统用于为车载导航设备提供电力；V2V通信设备用于实现车辆之间的通信，车辆之间通过通信传输车辆信息，用于实现车辆之间车速、路况信息的同步，为车辆路径规划导航优化参数提供输入；交互设备用于获取路径导航规划信息。

Images