[发明专利]行驶方案优化方法、负载均衡分析器、智能驾驶优化系统

权利要求书

1.一种行驶方案优化方法，其特征在于，包括：

接收各驾驶终端发送的行驶需求；

根据各个所述行驶需求和深度分析方法确定各驾驶终端对应的各个行驶方案；

判断各个所述行驶方案的信息数据是否满足预设的评价条件；

若存在至少一个行驶方案的信息数据不满足所述评价条件，通过迭代方式，按照深度分析方法分别对不满足所述评价条件的行驶方案进行优化分析，直到优化后的各个行驶方案均满足所述评价条件；

所述行驶方案的信息数据至少包括：交通枢纽的负载均衡度、驾驶终端能耗与总里程数的比值；

每个所述行驶方案以二维向量的形式存储为：其中，k为当前迭代次数，(i,j,t)为三维坐标，i∈[1,m]，j∈[1,n]，t∈[1,q]，所述行驶方案基于所述三维坐标与所述行驶需求对应；和分别为第k次迭代过程中，三维坐标为(i,j,t)的交通枢纽的负载均衡度、驾驶终端能耗与总里程数的比值；

所述按照深度分析方法分别对不满足所述评价条件的行驶方案进行优化分析步骤，包括：

根据驾驶终端的当前行驶方案和历史行驶方案，依照预设的无监督学习方法对所述当前行驶方案进行优化，得到所述驾驶终端的多个优化后的行驶方案；

从所述各个优化后的行驶方案中，选择一个满足预设的最优化条件的优化后的行驶方案；

所述根据驾驶终端的当前行驶方案和历史行驶方案，依照预设的无监督学习方法对所述当前行驶方案进行优化，得到所述驾驶终端的多个优化后的行驶方案步骤，包括：

根据公式(1)计算第k+1次深度无监督学习加强因子

根据公式(2)计算第k+1次迭代得到的优化后的对应三维坐标为(i,j,t)的行驶方案M_ijt^k+1：

其中，δ和μ为可调参数，为当前第k次迭代过程中交通枢纽的负载均衡度，C^maxG为历史最大交通枢纽负载均衡度，为当前第k次迭代过程中的驾驶终端能耗与总里程数的比值，W^minG为历史最小驾驶终端能耗与总里程数的比值，为第k次迭代得到的优化后的对应三维坐标为(i,j,t)的行驶方案。

2.根据权利要求1所述的行驶方案优化方法，其特征在于，所述行驶需求包括：源位置、途径位置和目标位置；按照以下公式选择一个满足预设的最优化条件的优化后的行驶方案：

其中，最小Z^k对应的方案为所述优化后的行驶方案，为第k次迭代过程中与三维坐标(i,j,t)对应的行驶需求中的所述目标位置的经度值、为第k次迭代过程中与三维坐标(i,j,t)对应的行驶需求中的所述途径位置的经度值、为第k次迭代过程中与三维坐标(i,j,t)对应的行驶需求中的所述目标位置的纬度值、为第k次迭代过程中与三维坐标(i,j,t)对应的行驶需求中的所述途径位置的纬度值，为第k次迭代过程中与三维坐标(i,j,t)对应的行驶需求中的所述源位置的经度值，为第k次迭代过程中与三维坐标(i,j,t)对应的行驶需求中的所述源位置的纬度值。

3.根据权利要求1-2任一项所述的行驶方案优化方法，其特征在于，所述评价条件包括：

其中，i∈[1,m]，j∈[1,n]，t∈[1,q]，k为当前迭代次数。