【技术实现步骤摘要】
本专利技术涉及路径规划技术，尤其涉及基于ai算法的景区小车智能路径建立规划方法及系统。
技术介绍
1、随着旅游业的快速发展，景区内部交通管理日益复杂。传统的景区小车路径规划方法主要依赖于静态地图和固定路线，难以适应景区内复杂多变的交通状况。虽然近年来gps导航技术得到广泛应用，但在景区这种特殊环境中仍存在诸多不足。
2、首先，现有的路径规划系统往往忽视了景区道路的特殊性。景区道路与城市道路有很大差异，如道路宽度、坡度、转弯曲率等因素对小车通行能力的影响更为显著。然而，当前的规划方法未能充分考虑这些特征，导致生成的路径可能不适合景区小车行驶。
3、其次，传统路径规划方法缺乏实时性和动态调整能力。景区内的交通状况可能因游客流量、天气变化等因素而迅速改变。静态的路径规划无法及时反映这些变化，可能导致小车陷入拥堵或遇到临时封闭的道路，影响游客体验。
4、最后，现有技术还未能充分利用人工智能和大数据技术来优化路径规划。虽然一些系统开始采用简单的数据分析，但缺乏深度学习和强化学习等先进算法的支持，无法从海量的历史数据和实时信息中学习最优决策策略，难以实现真正智能化的路径规划。
5、这些不足限制了景区小车交通管理的效率和服务质量，亟需一种更加智能、动态和适应性强的路径规划方法来解决这些问题。
技术实现思路
1、本专利技术实施例提供基于ai算法的景区小车智能路径建立规划方法及系统，能够解决现有技术中的问题。
2、本专利技术实施例的第一方面
3、提供基于ai算法的景区小车智能路径建立规划方法，包括：
4、采集景区内所有道路的地理信息数据，将所述地理信息数据转换为数字路网拓扑结构；基于深度学习神经网络对所述数字路网拓扑结构进行特征提取，提取道路宽度参数、道路坡度参数、道路转弯曲率参数和道路路况参数；将所述道路宽度参数、道路坡度参数、道路转弯曲率参数和道路路况参数输入预设的路网评估模型，生成景区道路通行能力评分，建立包含道路通行能力评分的加权路网模型；
5、采集景区内所有小车的实时gps定位数据和车载传感器数据，基于所述gps定位数据获取小车的当前位置信息、行驶速度信息和行驶方向信息；利用所述车载传感器数据获取小车周边的障碍物分布信息和道路拥堵程度信息；将所述当前位置信息、行驶速度信息、行驶方向信息、障碍物分布信息和道路拥堵程度信息输入预设的强化学习模型，结合所述加权路网模型，生成实时最优路径规划策略；
6、基于所述实时最优路径规划策略，计算得到初始推荐路径；实时监测所述初始推荐路径上的道路状况变化，当检测到道路状况发生变化时，将变化后的道路状况数据重新输入所述强化学习模型；所述强化学习模型基于路径奖惩机制对当前路径进行实时评估和动态调整，输出更新后的最优路径方案，并将所述更新后的最优路径方案发送至景区小车的导航系统进行路径导航。
7、所述方法还包括：
8、通过激光雷达点云数据采集道路宽度信息，采用ransac算法提取路面边界并进行宽度参数计算，在道路每隔五米设置采样点，利用滑动窗口法对采样点进行局部平均处理得到道路宽度参数矩阵；基于高程数据采用三次样条插值方法构建连续坡度曲线，在所述连续坡度曲线上进行等间隔采样获取离散坡度值形成道路坡度参数矩阵；利用道路中心线通过最小二乘法拟合圆弧计算曲率半径得到道路转弯曲率参数矩阵。
9、将所述道路宽度参数、道路坡度参数、道路转弯曲率参数和道路路况参数输入预设的路网评估模型，生成景区道路通行能力评分，建立包含道路通行能力评分的加权路网模型包括：
10、将地面图像识别结果与车载传感器数据相结合，构建包含路面平整度参数、摩擦系数参数和损坏程度参数的路况评估指标矩阵；
11、针对所述道路宽度参数矩阵建立宽度评估子网络，针对所述道路坡度参数矩阵建立坡度评估子网络，针对所述道路转弯曲率参数矩阵建立曲率评估子网络，针对所述路况评估指标矩阵建立路况评估子网络；所述评估子网络均采用软注意力机制进行特征权重的动态调整，通过多头注意力机制实现多个关键特征的协同作用；
12、将所述评估子网络输出的特征权重与对应的标准化特征值和环境修正系数进行加权求和得到道路通行能力评分，其中所述环境修正系数通过贝叶斯优化方法根据天气状况和时段信息进行实时更新；所述道路通行能力评分采用0-100的标准化尺度；
13、基于所述道路通行能力评分构建加权路网图结构，将路网节点信息构建为顶点集合，将路段信息构建为边集合，将基于通行能力评分的权重信息构建为边权重矩阵；所述边权重矩阵采用时变权重机制，通过时间因子和天气因子对基础评分进行动态调整；在边权重计算中引入指数衰减函数模拟长距离通行的累积效应。
14、将所述当前位置信息、行驶速度信息、行驶方向信息、障碍物分布信息和道路拥堵程度信息输入预设的强化学习模型，结合所述加权路网模型，生成实时最优路径规划策略包括：
15、通过定位传感器获取车辆当前位置信息，通过车载速度传感器获取车辆行驶速度信息，通过车载方向传感器获取车辆行驶方向信息，通过车载激光雷达扫描获取障碍物分布信息，通过路网监测设备获取道路拥堵程度信息；将所述当前位置信息、所述行驶速度信息、所述行驶方向信息映射至状态空间，将所述障碍物分布信息、所述道路拥堵程度信息映射至环境空间；
16、构建双重q学习网络结构，包括评估网络与目标网络，所述评估网络输入状态空间信息与环境空间信息，输出动作价值评估结果，所述目标网络基于历史评估数据计算目标q值；采用优先级经验回放机制存储并抽样训练数据，根据时间差分误差确定训练样本优先级，优先选择具有较大时间差分误差的样本进行网络更新；
17、将所述动作价值评估结果与预先构建的加权路网模型进行融合，基于蒙特卡洛树搜索方法对路径决策进行采样与评估，在搜索过程中结合所述目标q值对搜索树进行剪枝优化；针对每个候选路径计算综合评分，所述综合评分包含路径通行时间、路径安全性与路径稳定性三个评价维度；
18、基于所述综合评分选择最优决策路径，并采用递进式动态规划方法对所述最优决策路径进行局部优化，在优化过程中考虑车辆转向约束与加减速约束，确保规划路径满足车辆动力学特性；所述递进式动态规划方法通过滚动时域对路径进行分段优化，实现对环境动态变化的实时响应。
19、基于所述综合评分选择最优决策路径，并采用递进式动态规划方法对所述最优决策路径进行局部优化，在优化过程中考虑车辆转向约束与加减速约束，确保规划路径满足车辆动力学特性；所述递进式动态规划方法通过滚动时域对路径进行分段优化，实现对环境动态变化的实时响应包括：
20、建立车辆动力学模型，包含车辆质心运动状态参数、转向系统参数与动力系统参数，通过车载传感器实时采集车辆横向加速度、纵向加速度、侧偏角速度、转向角速度与轮速数据，基于扩展卡尔曼滤波算法对动力学模型参数进行在线辨识与更新；
21、构建路径优化目标本文档来自技高网...
【技术保护点】
1.基于AI算法的景区小车智能路径建立规划方法，其特征在于，包括：
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：
3.根据权利要求2所述的方法，其特征在于，将所述道路宽度参数、道路坡度参数、道路转弯曲率参数和道路路况参数输入预设的路网评估模型，生成景区道路通行能力评分，建立包含道路通行能力评分的加权路网模型包括：
4.根据权利要求1所述的方法，其特征在于，将所述当前位置信息、行驶速度信息、行驶方向信息、障碍物分布信息和道路拥堵程度信息输入预设的强化学习模型，结合所述加权路网模型，生成实时最优路径规划策略包括：
5.根据权利要求4所述的方法，其特征在于，基于所述综合评分选择最优决策路径，并采用递进式动态规划方法对所述最优决策路径进行局部优化，在优化过程中考虑车辆转向约束与加减速约束，确保规划路径满足车辆动力学特性；所述递进式动态规划方法通过滚动时域对路径进行分段优化，实现对环境动态变化的实时响应包括：
6.根据权利要求1所述的方法，其特征在于，所述强化学习模型基于路径奖惩机制对当前路径进行实时评估和动态调整，
7.基于AI算法的景区小车智能路径建立规划系统，用于实现前述权利要求1-6中任一项所述的方法，其特征在于，包括：
8.一种电子设备，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。
...【技术特征摘要】
1.基于ai算法的景区小车智能路径建立规划方法，其特征在于，包括：
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：
3.根据权利要求2所述的方法，其特征在于，将所述道路宽度参数、道路坡度参数、道路转弯曲率参数和道路路况参数输入预设的路网评估模型，生成景区道路通行能力评分，建立包含道路通行能力评分的加权路网模型包括：
4.根据权利要求1所述的方法，其特征在于，将所述当前位置信息、行驶速度信息、行驶方向信息、障碍物分布信息和道路拥堵程度信息输入预设的强化学习模型，结合所述加权路网模型，生成实时最优路径规划策略包括：
5.根据权利要求4所述的方法，其特征在于，基于所述综合评分选择最优决策路径，并采用递进式动态规划方法对所述最优决策路径进行局部优化，...
【专利技术属性】
技术研发人员：俞晨，崔家菘，
申请(专利权)人：北京苏博立方科技有限责任公司，
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。