一种基于深度学习的物流路径规划方法

本发明涉及一种基于深度学习的物流路径规划方法,快速引入道路路口交通实时情况,并能够基于此实时进行车辆最优路径的规划,其中,采用卷积神经网络的方法来实现交通视频中车辆目标的识别,并通过车辆间的bounding‑box的坐标来计算车辆间的拥堵情况,可以实时地获取当前交通中车况信息;如此根据实时获取到的交通信息,并综合车辆达到该路口的时间代价因素,来规划车辆的最优路径,可以为物流车辆规划一条高效的运输路径,提高了路径划化的效率。

专利类型: 发明专利
申请(专利)号: CN201710555838.0
申请日期: 2017年7月10日
公开(公告)日: 2017年12月1日
公开(公告)号: CN107424426A
主分类号: G08G1/0968,G08G1/00,G,G08,G08G,G08G1
分类号: G08G1/0968,G08G1/00,G,G08,G08G,G08G1
申请(专利权)人: 南京邮电大学
发明(设计)人: 赵学健,赵胜,孙知信
主申请人地址: 210003 江苏省南京市新模范马路66号
专利代理机构: 南京经纬专利商标代理有限公司 32200
代理人: 田凌涛
国别省市代码: 江苏;32
主权项: 一种基于深度学习的物流路径规划方法,用于针对物流车辆由起点至终点的路线进行实时规划,其特征在于,包括如下步骤:步骤A. 物流车辆由起点准备出发,将起点作为物流车辆的当前位置,并进入步骤B;步骤B. 获得当前位置至终点的各条导航规划路线,并进入步骤C;步骤C. 计算获得物流车辆由当前位置分别沿各条导航规划路线行驶至第一个路口的时长,并进入步骤D;步骤D. 分别获得各条导航规划路线中第一个路口的拥堵系数,并进入步骤E;步骤E. 分别计算当前位置分别沿各条导航规划路线行驶至第一个路口的时长,与对应第一个路口的拥堵系数之和,作为各条导航规划路线的代价,并进入步骤F;步骤F. 选择最小代价所对应的导航规划路线作为当前行驶路线,通知物流车辆沿当前行驶路线进行行驶,同时实时获得物流车辆的定位信息,当物流车辆行驶通过当前行驶路线中第一个路口时,进入步骤G;步骤G. 以物流车辆的定位信息更新物流车辆的当前位置,判断当前位置是否为终点,是则物流路线规划结束;否则返回步骤B。
法律状态: 公开,公开,公开,实质审查的生效,实质审查的生效,实质审查的生效