【技术实现步骤摘要】
本专利技术涉及路径规划，具体涉及一种基于大数据的路径规划方法及系统。
技术介绍
1、在智能物流和自动化运输系统中，自动引导车（agv）的路径规划是一个关键技术问题。传统的路径规划方法往往针对agv进行优化，在面对动态变化的交通流量和复杂多变的路况时，可能造成路网的整体效用降低，无法提供最优的路径选择。
2、因此，有必要从路网的整体视角合理规划agv的路径，通过分配各条路段上agv的流量，提高整体路网的通行效率。
技术实现思路
1、本专利技术目的在于提供一种基于大数据的路径规划方法及系统，以提高整体路网的通行效率。
2、为了实现上述目的，本专利技术提供以下技术方案：
3、第一方面，本专利技术实施例提供了一种基于大数据的路径规划方法，所述方法包括以下步骤：
4、s100，获取路网中每条路段在最近监测时段的流量采样序列；其中，所述路网包括m条路段，所述流量采样序列包括n个流量值，n为监测时段内时间段的总数，所述流量值包括时间段内进入路段的流量值和驶出该路段的流量值；
5、s200，获取m条路段的饱和度指数，基于路段的流量采样序列中的n个流量值确定所述路段的流量趋势指数，基于所述路段的流量趋势指数和饱和度指数确定所述路段的通畅指数；
6、s300，获取agv在路网地图中的起点和终点，基于所述通畅指数从所述路网中选取从所述起点到终点的路段，得到agv的规划路径。
7、可选地，s200中，所述获取m条路段的饱和
8、s210，获取路网中m条路段在n个时间段的第一行车数量和第二行车数量；其中，所述第一行车数量表示在时间段的起始时间对路段监测到的行车数量，所述第二行车数量表示在时间段的结束时间对路段监测到的行车数量；
9、s220，基于m条路段在n个时间段的第一行车数量和第二行车数量分别确定m条所述路段在n个时间段的饱和度指数；
10、s230，对于每条路段，获取该路段在n个时间段的最大流量，基于该路段在n个时间段的最大流量、进入该路段的流量值和驶出该路段的流量值确定该路段在n个时间段的流量趋势指数；
11、s240，基于该路段在n个时间段的饱和度指数和流量趋势指数确定该路段的通畅指数。
12、可选地，所述饱和度指数通过公式计算得到：
13、；
14、其中，表示第j条路段在第i个时间段的饱和度指数，表示在第i个时间段的起始时间对第j条路段监测到的行车数量，表示在第i个时间段的结束时间对第j条路段监测到的行车数量，为第j条路段的最大行车数量，饱和度指数的取值区间为。
15、可选地，所述路段的通畅指数通过公式计算得到：
16、；
17、其中，表示第j条路段的通畅指数，normal表示线性归一化处理，通畅指数的取值区间为，。
18、可选地，s300中，所述获取agv在路网地图中的起点和终点，基于所述通畅指数和预测饱和度指数从所述路网中确定所述起点到终点的路段，得到agv的规划路径，包括：
19、s310，获取m条路段在下一时间段的预测饱和度指数，根据所述预测饱和度指数构建路网饱和度矩阵；其中，所述路网饱和度矩阵包括路网中m条路段的预测饱和度指数；
20、s320，获取agv在路网地图中的起点和终点，基于所述起点和终点确定agv在所述路网地图中全部的可通行路径，将全部所述可通行路径中的路段均加入查询列表；其中，所述可通行路径具有至少一条，每条所述可通行路径包括至少一条路段；
21、s330，将所述起点所在的路径作为agv的起始路段，遍历查询每条起始路段在当前时间段的饱和度指数，查找饱和度指数最小的路段，记为优选路段；
22、s340，将所述优选路段从所述查询列表转移到路径列表中，确定agv的终点是否在所述优选路段上，当终点不在所述优选路段上时，执行s350；当终点在所述优选路段上时，执行s380；
23、s350、从所述查询列表中搜索与所述优选路段连通的路段，作为邻接路段；
24、s360，获取当前路网中的agv总数量，并输入预先训练得到的饱和度预测模型，预测得到agv经过所述优选路段后，各条邻接路段的预测饱和度指数；其中，所述饱和度预测模型的输入数据为行驶在路网中的agv总数量，输出数据为m条路段的预测饱和度指数；
25、s370，将邻接路段的通畅指数和对应的预测饱和度指数相乘，得到各条邻接路段的路段权值，选取路段权值最大的邻接路段设置为优选路段后，跳转到s340；
26、s380、将所述路径列表中的优选路段按转移到路径列表的先后顺序依次连接，得到该agv的规划路径。
27、可选地，所述饱和度预测模型通过以下方式预先训练得到：
28、s310，获取在n个时间段的起始时间，行驶在路网中的agv总数量以及m条路段的饱和度指数；
29、s320，构建预测模型，将所述行驶在路网中的agv总数量作为所述预测模型的输入数据，将所述m条路段的饱和度指数作为所述预测模型的输出数据；
30、s320，将所述输入数据和对应的输出数据作为样本数据，将n个所述样本数据输入到所述预测模型进行训练，得到训练好的预测模型，作为饱和度预测模型。
31、第二方面，本专利技术实施例提供了一种基于大数据的路径规划系统，所述系统包括：
32、至少一个处理器；
33、至少一个存储器，用于存储至少一个程序；
34、当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如上述任意一项所述的方法。
35、本专利技术的有益效果是：本专利技术公开一种基于大数据的路径规划方法及系统，通过实时分析路网流量分布，为agv提供最优路径建议。提高了路径规划的准确性，优化了交通流量分布，提高了路网的利用率。通过实时监测和数据分析，能够及时发现并应对交通状况的变化，实现路网中agv的均衡分布，提高路网的利用率。
本文档来自技高网...【技术保护点】
1.一种基于大数据的路径规划方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，S200中，所述获取M条路段的饱和度指数，基于路段的流量采样序列中的N个流量值确定所述路段的流量趋势指数，基于所述路段的流量趋势指数和饱和度指数确定所述路段的通畅指数，包括：
3.根据权利要求2所述的方法，其特征在于，所述饱和度指数通过公式计算得到：
4.根据权利要求3所述的方法，其特征在于，所述路段的通畅指数通过公式计算得到：
5.根据权利要求1所述的方法，其特征在于，S300中，所述获取AGV在路网地图中的起点和终点，基于所述通畅指数和预测饱和度指数从所述路网中确定所述起点到终点的路段，得到AGV的规划路径，包括：
6.根据权利要求5所述的方法，其特征在于，所述饱和度预测模型通过以下方式预先训练得到：
7.一种基于大数据的路径规划系统，其特征在于，所述系统包括：
【技术特征摘要】
1.一种基于大数据的路径规划方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，s200中，所述获取m条路段的饱和度指数，基于路段的流量采样序列中的n个流量值确定所述路段的流量趋势指数，基于所述路段的流量趋势指数和饱和度指数确定所述路段的通畅指数，包括：
3.根据权利要求2所述的方法，其特征在于，所述饱和度指数通过公式计算得到：
4.根据权利要求3所述的方法，...
【专利技术属性】
技术研发人员：陈翠松，李静，赵静，苏国晖，李志杰，
申请(专利权)人：广东机电职业技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。