[发明专利]基于车联网的车辆最优路径导航方法

说明书

技术领域

本发明涉及智能交通系统领域，具体涉及一种基于车联网的车辆最优路径导航方法。

背景技术

近十几年来，随着国家经济发展和人民生活水平的不断提高，城市道路上的车辆迅速增加，这给发展相对滞后的城市交通建设带来很大的压力。据统计，美国39个城市每年因交通堵塞而造成的经济损失约410亿美元。交通拥堵已经成为大中城市亟待解决的一个问题。智能运输系统（ITS）是一个比较有效的解决方案，其将先进的信息技术、网络技术、自动控制技术以及计算机技术等高新技术有效地运用于整个交通管理体系，可提高运输效率，减少交通事故，降低环境污染，建立起一种实时、准确、高效的交通综合运输体系。

车辆最优路径导航是ITS中一个重要领域，针对如何使车辆在城市复杂的道路系统中以最快的速度到达目的地的问题。车辆最优路径导航是建立在图论基础上，将实际路网抽象为网络拓扑结构，应用联络矩阵网表示络拓扑结构中节点和路段之间结合关系，通过对联络矩阵进行各种运算来表示交通网络结构的运算。

现有的动态道路导航技术，是根据导航系统中事先已有的电子地图信息结合道路系统中采集的实时交通信息建立数学模型，以行程时间最短为目的求解最优路径。这类方法所需输入的实时交通信息采集难度很大，对硬件要求高，实现成本高，且导航精度与成本的几何级数成正比。例如，发明专利《一种智能交通监测和行车实时导航系统》（CN1783162A）所阐述的系统利用安装在路侧的多普勒探测感应器和无线传感器，计算获取车辆的速度信息，并利用设备监测驾驶员手机所处的蜂窝移动电话网络的数据进行导航，该系统结构复杂，硬件投资极大，且手机信号稳定性较差，实际应用很困难。并且，现有的动态道路导航所采用的最优路径算法均是基于预测和估计——如串行动态最短路径算法，A^*算法，双向搜索法等。它们都是先对系统内车辆起点-终点（Origin-Destination）信息（OD信息）进行估计，进而根据估计的OD信息按照图论的方法求解出最优路径，实现动态最优路径导航。

由于估计的OD矩阵信息的不准确性，在优化过程中，前面的运算结果会对部分后续运算结果产生不可忽略的不良干扰，还需要在车辆运行过程中多次运算多次修正。

发明内容

本发明基于车联网技术，以确定的、实时的OD信息代替估计的OD信息，上述问题便不复存在，并且可使最优路径算法更为简单、可靠。在算法上，本发明采用改进的“蚁群算法”，对行驶在某路网系统内的所有车辆进行最优路径导航。其具体方法包括如下3个步骤：

1.获取所有车辆的起始-终止信息（OD信息）；

2.建立动态联络矩阵；

3.求解每辆车的最优路径，实施交通导航。

其中，上述1中的OD信息，是一个规模为N×N的二维矩阵，N为网络节点数目。这个矩阵可以反映出网络中每辆车的起始点和终止点位置。

上述2中的动态联络矩阵，反映的则是整个网络的连接状况——哪些节点之间有通路；这些通路之间的距离（时间距离）各自为多长。

上述3则是在前面两个步骤基础之上，应用改进的“蚁群算法”，对网络中的每辆车计算最优路径，从而实现车辆导航。

这3个步骤的具体内容分别如下。

获取车辆的OD信息

对处于车联网系统中的任一车辆，一旦该车辆启动，其车载GPS系统可立即自动获取该车辆的初始位置信息，随后以无线通讯的手段将该初始位置信息发送至交通监控中心，从而获取车联网系统中该车辆的起点(Origin)位置信息。

另一方面，驾驶员在出发前通过车载GPS系统输入本次行程的目的地位置信息，车载GPS系统随后以无线通讯的手段将该目的地位置信息发送至交通监控中心，从而得到车联网系统中该车辆的终点(Destination)位置信息。

由于常见的车载GPS系统在确定车辆初始位置时是基于NMEA0183协议的，其得到的初始位置信息是在WGS-84坐标系下的信息，我国的电子地图普遍使用的是BJ-54坐标系。因此在本方法中，当车辆初始位置信息被发送至交通监控中心之后，需对其进行坐标转换和地图匹配的处理。交通监控中心通过采用平面四参数法对初始位置信息进行转换，再利用Kalman滤波的地图匹配方法进行匹配，能够获取该车联网系统中该车辆的起点位置信息。对于终点位置信息，驾驶员输入的目的地位置信息已是在BJ-54坐标系下，交通监控中心对其进行Kalman滤波的地图匹配处理即可得到该车联网系统中该车辆的终点位置信息。