[发明专利]一种实时路径规划方法

说明书

技术领域

本发明涉及交通流量研究领域，尤其涉及一种实时路径规划方法。

背景技术

蚁群算法，是一种用来在图中寻找优化路径的机率型算法。其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。

蚁群算法是受到自然界中真实蚁群集体行为研究成果的启发而提出的一种蚁群的模拟优化算法。目前已经成功解决了诸如TSP, QAP, JSP 等典型的优化问题。随着城市规模和相配套的城市交通变得日益庞大和复杂，与此同时，以车辆为载体的人们对出行质量的要求也越来越高。在这现实矛盾下，采用有效手段实时诱导车辆规划合理行车路线，降低出行成本就显得尤为重要。在路径规划研究中，核心是路径规划算法，一个算法的好坏直接影响着路径规划质量的优劣。

传统最优路径指的是车辆在起点和终点间选择一条距离最短的路径。这时道路权值仅和行车距离有关。目前很多最优路径搜索研究是基于图论以简单的距离长短来衡量路径是否最优，市场上绝大多数导航仪也是基于这个准则生产的。但实际中，如果我们知道下一时间段道路中的交通流量情况，这样我们就可以避免拥挤的路段，而规划出一条相对较优的路径，虽然不一定是路径长度最短的路径。

综上所述，本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

在现有技术中，由于现有的路径规划方法采用将车辆在起点和终点间选择一条距离最短的路径作为最优路径，而没有考虑交通拥堵的情况，所以，现有的路径规划方法存在设计不合理，没有考虑交通流量情况，导致城市网路负载不均衡，产生交通拥堵，无法避开交通车流量较大的路径，以及交通资源浪费的问题。

发明内容

本发明提供了一种实时路径规划方法，解决了现有的路径规划方法存在设计不合理，没有考虑交通流量情况，导致城市网路负载不均衡，产生交通拥堵，无法避开交通车流量较大的路径，以及交通资源浪费的问题，实现了道路车流量路况的准确性预测，能够避开道路拥堵，同时又保障最优线路的车流量最大化，从而在全局上避免路况的大幅度波动，产生合理的优化路径的技术效果。

为解决上述技术问题，本申请实施例提供了一种实时路径规划方法，所述方法包括：

根据路网中的路径状况定义路径代价，车辆根据所在路径产生信息素，并将所述信息素上报至服务器；

调用蚁群算法，根据各辆车的信息素计算出下一时间段路径的信息素浓度，所述信息素浓度为车流量的估计参数；

根据各路径车流量信息，选择合理的路径，避免拥塞。

进一步的，所述根据各路径车流量信息，选择合理的路径具体为：所述服务器根据各路径车流量信息，为车辆选择下一条要走的合理路径。

进一步的，所述根据各路径车流量信息，选择合理的路径具体为：所述服务器将各路径车流量信息发送给车辆导航设备，所述车辆导航设备根据所述各路径车流量信息选择下一条要走的合理路径。

进一步的，所述根据路网中的路径状况定义路径代价，车辆根据所在路径产生信息素具体包括：

定义 为i节点到j节点的距离，h(i,j) = 1/d_i,j 为每条路径的一个固定值；

利用反映路段拥塞情况的路阻函数模型公式来估计所述信息素分布情况，其中，所述路阻函数模型公式具体为：，其中 t 表示两交叉口之间的路段行驶时间，表示交通量为0时的 t ，v表示路段机动车交通量，c表示路段实用通行能力，为参数；

信息素浓度表示 t’时刻信息素浓度。

进一步的，所述调用蚁群算法，根据各辆车的信息素计算出下一时间段路径的信息素浓度包括：

下一时间段信息素浓度表示为：，其中，

，表示信息素挥发系数，1-表示挥发后还残留的信息素系数；表示第k个车辆在路径i-j上留下的信息素，表示第k辆汽车在t迭代时的路径，表示第k辆汽车所走过的路线长度；其中，；

其中，其他表示当(i,j)不属于时，表示下一时间段的信息素浓度，公式的第一项表示前一时间残留的信息素浓度，公式的第二项表示其它走过该路径的车辆留下的信息素。

进一步的，所述服务器根据各路径车流量信息，为车辆选择下一条要走的路径，具体包括：

根据传统的蚁群算法，按照概率规则选择下一条路径，所述概率规则具体为：