一种路径规划方法和装置以及一种云平台与流程

1.本发明属于路径规划技术领域，具体涉及一种路径规划方法和装置以及一种云平台。


背景技术：

2.无人驾驶车辆车作为智慧物流实现的基础和重要组成部分，具备不受场地、道路和空间限制等优势，可在机场、码头、工业园区、生活园区等场景下实现配送的智慧化、品质化。与一般道路不同，此类园区设计了通行道路、交互节点等该空间资源，道路上通常允许采用直行、变道、后退等动作，且路口处一般不会设置红绿灯等控制措施。路径规划作为无人驾驶系统关键技术之一，目标是根据环境地图和起点、终点信息，生成一条最优可行驶路径，实现无人驾驶系统在复杂环境下的导航功能。
3.在传统非云架构下的路径规划已有诸多成熟方案，但是对于大规模的无人物流车队来说，存在管理困难、调度效率低等问题。随着云计算技术的发展，在智慧物流领域基于云平台环境构建高效的智能配送路径规划技术方案，可以提高路径规划效率、降低管理成本，保证物流调度任务高效、稳定的开展。
4.但无论是传统非云架构下的路径规划还是云架构下的路径规划，很多还是依据高精地图来实现，以保证路径规划的精度。例如，申请公布号为cn113654570a的中国发明专利公开了一种路径规划方法、服务端及系统，该路径规划方法首先需要依据地图服务模块确定初始规划路径，然后依据遥感影像确定初始规划路径区域中的地质灾害区域，在地质灾害区域与初始路径区域无交集时将初始规划路径确定为最终规划路径。也就是说，该方法的实现不仅依赖于高精度的地图服务模块，还依赖于遥感影像，高精度的地图服务模块和遥感影像不仅占用了服务端中大量的数据存储资源，还使得整个路径规划方法的执行速度变慢。


技术实现要素：

5.本发明的目的在于提供一种路径规划方法和装置以及一种云平台，用以解决现有技术中路径规划使用高精度地图造成的数据存储资源占用空间大且路径规划方法执行速度慢的问题。
6.为解决上述技术问题，本发明所提供的技术方案以及技术方案对应的有益效果如下：
7.本发明的一种路径规划方法，包括人工调度式路径规划方法，所述人工调度式路径规划方法包括如下步骤：
8.1)获取某一车辆的路径规划请求，依据路径规划请求中车辆所处的初始位置和任务目标位置所涉及的区域，调用相应存储的导航地图文件；
9.每个导航地图文件均包括路口和用于连接路口的道路，与道路可行驶方向相照应的道路的起点和终点均称为节点，导航地图文件还包括起点信息和终点信息，起点信息包
括起点位置，终点信息包括终点位置；其中，不同的路口以不同的路口序号进行区分，不同的道路以不同的道路序号进行区分，不同的节点以不同的节点序号进行区分，节点序号包括起点序号和终点序号；而且，对于某一起点，定义与该起点位于同一路口的节点、以及与该起点所处道路可行驶方向相对应的终点为该起点的相邻节点，对于某一终点，定义与该终点位于同一路口的节点为该终点的相邻节点；
10.2)从车辆所处的初始位置所对应的初始节点开始访问导航地图文件中的节点，并将初始节点作为访问节点；
11.3)根据设置的估价函数从访问节点的相邻节点中匹配出下一节点进行访问，将下一节点作为访问节点，重复步骤3)，直至访问至请求的任务目标位置所对应的目标节点，以规划出该车辆的最短路径，并作为该车辆的最优路径，使车辆依据规划的最优路径行驶。
12.上述技术方案的有益效果为：本发明将路径规划时所使用的高精地图进行数字化精简操作，即将高精地图转换为导航地图文件进行存储，导航地图文件中存储有路口、道路、道路的起点和终点(统称为节点)、以及节点信息，进一步的，为了简化这些信息，不同的路口、道路、节点分别以不同的路口序号、道路序号、节点序号加以区分，从而依据这些信息以及信息之间的关系，采用启发式路径规划搜索算法便可规划出车辆的最短路径。该方法有效减少了高精地图中的大量用处不大的信息，减少了地图数据量，减少了数据存储空间，而且，在执行启发式路径规划搜索算法时有效减少了搜索信息的时间，保证算法精度的同时提高了算法的执行速度。
13.对上述方法进一步改进，步骤3)中，所述估价函数为：f(n)＝g(n)+h(n)，f(n)表示估价函数，g(n)表示从访问节点到该访问节点的相邻节点n的代价，h(n)表示从相邻节点n到目标节点的最小代价，且代价值按照道路距离计算。
14.上述技术方案的有益效果为：按照道路距离设计估计函数，保证规划出的最优路径为最短路径。
15.对上述方法进一步改进，在计算两个节点之间的距离时，若两个节点为处于同一路口的两个节点，且两个节点中处于规划路径中的后一节点为起点，则两个节点之间的距离设置为0；若两个节点为处于同一路口的两个节点，且两个节点中处于规划路径中的后一节点为终点，则两个节点之间的距离设置为无穷大。
16.上述技术方案的有益效果为：面对两个节点为处于同一路口的两个节点的情况，在两个节点中的后一节点为起点的情况下将两个节点之间的距离设置为0，意在忽略路口内的距离，从而提高了启发式路径规划搜索算法的执行效率与速度，在两个节点中的后一节点为终点的情况下将两个节点之间的距离设置为无穷大，意在表示这两个节点之间不可通过上一节点至下一节点的方式进行连通访问。
17.对上述方法进一步改进，步骤1)中，存储的导航地图文件以道路为数据集单元进行存储，每一数据集单元用于存储一条道路的有关信息，所述有关信息包括该条道路的道路序号，以及与该条道路对应的起点序号、终点序号、起点信息、终点信息、起点路口序号和终点路口序号。
18.上述技术方案的有益效果为：将导航地图文件直接以道路为数据集单元进行存储，将众多的导航地图文件中的数据进行归纳分类存储，且能够体现出节点、路口、道路之间的关系，方便找到需要的信息，提高了启发式路径规划搜索算法的执行效率与速度。
19.对上述方法进一步改进，若某条道路的可行驶方向包括两个方向，则采用不同的道路序号来区分行驶方向为两个方向的同一条道路。
20.上述技术方案的有益效果为：将可行驶方向为两个方向的道路通过不同的道路序号加以区分，为车辆的反向行驶及倒车提供可能性。
21.对上述方法进一步改进，每一数据集单元还包括该条道路的道路长度。
22.上述技术方案的有益效果为：直接存储有道路长度，从而在计算节点与节点之间距离时无需再计算，直接从存储的数据集单元中查找即可，提高了启发式路径规划搜索算法的执行效率与速度。
23.对上述方法进一步改进，所述起点信息还包括起点航向角，所述终点信息还包括终点航向角，步骤3)之前还包括精简访问节点的相邻节点的步骤，则步骤3)中根据设置的估价函数从访问节点的精简后的相邻节点中匹配出下一节点进行访问；所述精简访问节点的相邻节点的步骤包括：计算访问节点与访问节点的相邻节点的航向角偏差δ：δ＝|yaw_n-yaw_i|，yaw_i表示访问节点的航向角，yaw_n表示访问节点的相邻节点的航向角；若航向角偏差δ满足δ≥δmax则访问节点的相邻节点n不参与后续节点匹配工作，δmax表示设定的航向角偏差阈值。
24.上述技术方案的有益效果为：在进行节点匹配之前，先利用航向角进行节点精简操作，进一步提高启发式路径规划搜索算法的执行效率与速度。
25.对上述方法进一步改进，还包括云控调度式路径规划方法，所述云控调度式路径规划方法包括如下步骤：a)按照同人工调度方法相同的方法规划出每个车辆的最短路径；b)计算每条最短路径的总代价函数，选择代价函数最小的最短路径作为最优路径，使该最优路径所对应的车辆依据规划的最优路径行驶；所述总代价函数为：cost(i)＝c(1)*cost1(i)+c(2)*cost2(i)+
……
+c(k)*costk(i)，cost(i)表示总代价函数，cost1(i)、cost2(i)、
……
、costk(i)表示与各种信息相关的代价函数，c(1)、c(2)、
……
、c(k)表示与各代价函数对应的权重，且c(1)+c(2)+
……
+c(k)＝1，k≥1；且所述总代价函数包括与规划路径距离信息有关的代价函数、与行驶时间信息有关的代价函数和与车辆电量信息有关的代价函数中的至少一种。
26.上述技术方案的有益效果为：针对云控调度式路径规划方法采用了同人工调度式路径规划方法相似的方法，对多个空闲车辆规划出各自的最短路径，进而利用每条最短路径的多项信息，可以为规划路径距离、行驶时间、车辆电量等计算每条最短路径的总代价函数，从中挑选出最优路径。当总代价函数参考的信息较多时，不仅考虑到路径最优，还考虑到例如电池电量的其他信息，更有利于调度合理高效执行。实现了支持灵活多变的业务场景，对不同需求采用不同的应对方式，且均可高效完成路径规划。
27.本发明的一种路径规划装置，包括存储器和处理器，所述处理器用于执行存储在存储器中的指令以实现上述介绍的路径规划方法，并达到与该方法相同的有益效果。
28.本发明的一种云平台，包括存储器和处理器，存储器中存储有导航地图文件和计算机指令，所述处理器用于执行存储在存储器中的计算机指令以实现上述介绍的路径规划方法，并达到与该方法相同的有益效果。
附图说明
29.图1是本发明的路径规划方法的流程图；
30.图2是本发明的双向拓扑地图的示意图；
31.图3是本发明的路径规划装置的结构图。
具体实施方式
32.下面结合附图和实施例，对本发明的一种路径规划方法、一种路径规划装置和一种云平台进行详细说明。
33.方法实施例：
34.本发明的一种路径规划方法实施例，其运营环境是多园区，实现多园区的无人物流配送，所有的车辆为无人驾驶车辆。实施该方法的整体流程如图1所示，下面具体介绍。
35.步骤一，获取运营环境高精地图。
36.采集高精地图数据并标注路口标识、道路标识、道路长度、节点标识、节点坐标等信息。
37.步骤二，道路网络拓扑地图创建。
38.将道路的路口标识、道路标识、道路长度、节点标识、节点坐标等信息按照特定的格式制作成为道路网络拓扑数字地图。由于本实施例所针对的是园区，园区中的道路一般都比较窄，很多道路均是可以正向行驶又可以反向行驶的，且车辆还可以倒车，为了满足车辆在道路上双向行驶及倒车的应用需求，将拓扑地图制作为双向拓扑地图。
39.制作的双向拓扑地图包括多个路口和用于连接路口的道路，与道路可行驶方向相照应的道路的起点和终点均称为节点，不同的路口通过不同的路口序号进行区分，不同的道路通过不同的道路序号进行区分，不同的节点通过不同的节点序号进行区分，节点序号包括起点序号和终点序号。如图2所示，中括号【k】表示路口k；箭头
→
表示道路且箭头所指方向为道路的行驶方向，小括号(k)表示道路k；数字k表示节点k，包括道路的起点和终点。而且，本实施例图2中部分路口之间的两个相反方向箭头所表示的两条道路在实际运营环境中是一条道路，因为该条道路两个方向均可以行驶，因而在图2中直接用两个相反方向的箭头来表示。例如，图2的双向拓扑地图中显示的路口【1】和路口【2】之间的道路包括道路(1)和道路(12)，而在实际运营环境中，道路(1)和道路(12)实际上为一条道路。本实施例将这种可行驶方向为两个方向的道路在双向拓扑地图中直接采用两条不同的道路来表示，相应的，两条道路的道路序号不同，这两条道路的起点和终点分别采用不同的节点序号表示，例如，图2中道路(1)的起点为节点1，道路(1)的终点为节点2，道路(12)的起点为节点23，道路(12)的终点为节点24，而实际运营环境中，节点1和节点24的实际地理位置相同，节点23和节点2的实际地理位置也相同。
40.步骤三，导航地图文件的制作与存储。
41.将步骤二中的双向拓扑地图的道路信息数据按照一定的形式制作为以道路为数据集单元的导航地图文件。每一数据集单元l(i)(i＝1,2,
……
,k，k表示导航地图文件中道路的总数)用于存储一条道路的有关信息，有关信息包括该条道路的道路序号、道路长度、起点信息、终点信息、起点路口序号和终点路口序号。本实施例中，起点信息包括起点位置和起点航向角，起点位置又包括起点横坐标和起点纵坐标，终点信息包括终点位置和终点
航向角，终点位置又包括终点横坐标和终点纵坐标，设置的导航地图文件的存储格式如下表1所示，即依次存储有道路序号、道路长度、起点序号、起点横坐标、起点纵坐标、起点航向角、起点路口序号、终点序号、终点横坐标、终点纵坐标、终点航向角和终点路口序号。
42.所有节点的航向角均以同一方向为基准来计算得到，例如均以北向为基准。而且，这里各项信息的存储顺序可以变化，而且，起点横坐标和起点纵坐标可存储在一起，终点横坐标和终点纵坐标可以存储在一起，
43.表1
[0044][0045]
将生成的导航地图文件集map(k)(k＝1,2,
……
,l，l表示导航地图文件总数)存储至云平台作为路径规划的地图数据库。
[0046]
对于存在多个场景运营需求的情况，可将多个导航地图文件分别命名存储并按需调用。例如，可以一个园区对应设置一个导航地图文件，在某一园区较大的情况下，也可一个园区对应设置两个甚至多个导航地图文件。
[0047]
步骤四，调度及路径规划请求。
[0048]
根据业务场景需求，分为人工调度方式和云控调度方式。
[0049]
1、人工调度方式：用户在车端或移动端发送特定车辆的调度任务需求，自动驾驶车辆将当前所处的初始位姿(x_st,y_st,yaw_st)和任务目标位姿(x_ed,y_ed,yaw_ed)及路径规划请求request发送至云平台。其中，x_st、y_st、yaw_st分别表示初始横坐标、初始纵坐标和初始航向角，x_ed、y_ed、yaw_ed分别表示任务目标横坐标、任务目标纵坐标和任务目标航向角。
[0050]
2、云控调度方式：云平台实时获取任务目标位姿(x_ed,y_ed,yaw_ed)、车辆当前所处的初始位姿(x_st(i),y_st(i),yaw_st(i))(i＝1,2,
……
,n，n表示车辆总数)、车辆空闲及作业状态(state＝1时车辆处于空闲状态，state＝0时车辆处于作业状态)，所有空闲车辆发出路径规划请求request(i)(i＝1,2,
……
,m，m表示空闲车辆总数)总数至云平台。
[0051]
步骤五，云平台接收路径规划请求，基于改进的启发式路径规划搜索算法执行路径规划。
[0052]
具体过程如下：
[0053]
1)根据车辆路径规划请求所涉及的区域，云平台调用相应导航地图文件map(k)(k＝1,2,
……
,num，num表示需调用的导航地图文件总个数)，获取导航地图文件中map(k)中的数据集单元集l(1)、l(2)、
……
、l(k)，k表示导航地图文件中道路的总数。
[0054]
2)从车辆所处的初始位置所对应的初始节点开始访问导航地图文件中的节点，并将初始节点作为访问节点。
[0055]
3)确定访问节点n的相邻节点i(i＝1,2,
……
,z，z表示相邻节点的总数)。若访问节点为起点，则定义与该起点位于同一路口的节点、以及与该起点所处道路可行驶方向相对应的终点为该起点的相邻节点；若访问节点为终点，定义与该终点位于同一路口的节点
为该终点的相邻节点。例如，对于图2中的节点1(为起点)，其相邻节点包括节点24、节点13、节点12和节点2，对于图2中的节点26(为终点)，其相邻节点包括节点27、节点8、节点17、节点16和节点9。
[0056]
4)计算访问节点i与相邻节点n的航向角偏差δ：δ＝|yaw_n-yaw_i|，yaw_i表示访问节点i的航向角，yaw_n表示访问节点的相邻节点n的航向角；若航向角偏差δ满足δ≥δmax则访问节点的相邻节点i不参与后续节点匹配工作，若航向角偏差δ满足δ＜δmax则访问节点的相邻节点i可以参与后续节点匹配工作(即执行步骤5))，δmax表示设定的航向角偏差阈值。从而实现了访问节点的精简，该步骤在从访问节点的相邻节点中匹配下一节点之前先利用航向角进行了相邻节点的精简工作，可提高运算效率。
[0057]
5)根据设置的估价函数从该访问节点i的精简后的相邻节点中匹配出下一节点进行访问。具体的：
[0058]
设置的估价函数为：f(n)＝g(n)+h(n)，f(n)表示估价函数，g(n)表示从访问节点i到相邻节点n的代价，h(n)表示从相邻节点n到任务目标位置所对应的目标节点的最小代价，且代价值按照道路总距离计算，最小代价即最短距离。
[0059]
也即，该步骤的手段为：先确定访问节点i到相邻节点n之间的距离g(n)，再确定从相邻节点n到任务目标位姿所对应的目标节点之间的最短距离h(n)(该最短距离需多次尝试与计算得到)，两者相加得到相邻节点n的估价函数。按照该方法可计算出精简后的每一个相邻节点所对应的估价函数，从中挑选出估价函数最小的相邻节点作为下一节点，即匹配出的下一节点。
[0060]
而且，在计算节点与节点之间的距离时，若两个节点为一条道路的起点和终点，则这两个节点之间的距离为道路长度；若两个节点处于同一路口，且两个节点中处于规划的路径中的后一节点为起点，则这两个节点之间的距离为零，意将路口内的距离忽略不计以提高运算效率；若两个节点处于同一路口，且两个节点中处于规划的路径中的后一节点为终点，则这两个节点之间的距离为∞，意表示这两个节点之间不可行驶。依据该原则可计算出估计函数。例如，节点1的相邻节点包括节点2、节点12、节点13和节点24，道路(1)的道路长度为dis1，则节点1到节点2、节点12、节点13、节点24的距离分别为dis1、∞、0、∞。
[0061]
6)将下一节点作为访问节点，重复步骤5)，进行多次计算后，直至访问至任务目标位姿所对应的目标节点，从而规划出该车辆的最短路径。
[0062]
步骤六，基于不同的调度方式选择最优路径：
[0063]
1、人工调度方式：按照步骤五的方法计算得到的最优路径作为该车辆的最优路径。
[0064]
2、云控调度方式：
①
按照步骤五的方法为所有空闲车辆计算得到其最短路径，分别为road(1),road(2),
……
,road(m)。
②
计算road(i)(i＝1,2,
……
,m)的路程、行驶时间、车辆电量等信息分别作为其代价函数costk(i)(k表示代价函数个数)。其中，时间代价可以按照路程/速度的方式计算，按照室内、室外、倒车、转弯、路口等区分出不同的场景，并采用不同的限速值，计算出不同场景下需要耗费的时间，总和即为总时间代；车辆电量可通过云平台实时获取，当电量大于最低电量阈值时，可将电量代价值置为0，低于电量阈值时，代价值按电量大小排序得到。当然，每一种代价函数也可采用其他方式计算。
③
根据总代价函数cost(i)＝c(1)*cost1(i)+c(2)*cost2(i)+
……
+c(k)*costk(i)，计算每条最短路径所对
应的总代价函数。cost1(i)、cost2(i)、
……
、costk(i)表示与各种信息相关的代价函数，c(1)、c(2)、
……
、c(k)表示与各代价函数对应的权重，且c(1)+c(2)+
……
+c(k)＝1。
④
选择总代价函数最小的最短路径作为最优路径，使该最优路径所对应的车辆依据规划的最优路径行驶。
[0065]
步骤七，云平台下发规划的最优路径文件至相应车辆。
[0066]
将步骤六计算得到的最优路径下发至相应的自动驾驶车辆，即完成全局路径规划，车辆可依此进行循线行驶。在行驶过程中如遇到环境发生变化或出现动态障碍物时，车端再进行局部路径规划即可保证车辆的安全行驶。
[0067]
至此，便完成本发明的路径规划方法。
[0068]
本实施例在步骤五的步骤5)中，在两个节点位于同一路口且两个节点中处于规划路径中的后一节点为起点的情况下，将两个节点之间的距离设置为0，采用忽略路口内距离的方式来提高启发式路径规划搜索算法的执行效率与速度。作为其他实施方式，还可不忽略这两个节点之前的距离，可利用这两个节点的位姿计算出这两个节点之间的距离，这个距离可直接在导航地图文件中直接存储起来，在需要时直接用即可，也可在需要时利用两个节点的位姿进行计算，此时必然会导致算法的执行速度与效率降低，但会提高路径规划的精度。
[0069]
本实施例中的导航地图文件以道路为数据集单元进行存储，每一个数据集单元存储的是与该条道路有关的信息，该种存储方式可以快速找到所需要的信息。作为其他实施方式，还可不以道路为数据集单元进行存储，还可以直接将所需的所有信息直接存储在导航地图文件中。
[0070]
本实施例中的导航地图文件以道路为数据集单元进行存储，且每一数据集单元中均直接存储有道路长度，这样可以提高启发式路径规划搜索算法的执行效率与速度。作为其他实施方式，还可不存储道路长度，在执行启发式路径规划搜索算法的过程中直接依据各个节点的位置信息计算得到，这样势必降低了启发式路径规划搜索算法的执行速度，但降低了导航地图文件所占用的存储空间。
[0071]
综上，该方法具有如下特点：
[0072]
1)利用高精地图来创建双向拓扑地图，并以导航地图文件形式进行存储，不仅可以减少地图数据量，提高算法执行速度，减少数据存储空间，还可为车辆的反向行驶及倒车提供可能。
[0073]
2)本发明在云端存储地图文件数据库，并部署路径规划方法，即采用启发式路径规划搜索算法自动生成路径，不耗费车端资源，仅通过数据传输实现对车辆的导航。
[0074]
3)结合自动驾驶车辆实际运行特点，对人工调度方式和云控调度方式区别处理，支持灵活多变的业务场景，对不同应用需求采用不同的应对方式，且均可高效完成路径规划。
[0075]
4)针对云调度方式，综合考虑多种因素，对行驶路径进行评价，选择综合评分最高的作为最优行驶路径，使得规划路径综合性能好，不仅考虑到路径最优，还考虑到电池电量等其他信息，更有利于调度合理高效执行。
[0076]
装置实施例：
[0077]
本发明的一种路径规划装置实施例，其结构如图3所示，包括存储器、处理器和内
部总线，处理器、存储器之间通过内部总线完成相互间的通信和数据交互。存储器包括至少一个存储于存储器中的软件功能模块，处理器通过运行存储在存储器中的软件程序/各种模块，执行各种功能应用以及数据处理，实现本发明的方法实施例中介绍的一种路径规划方法。
[0078]
其中，处理器可以为微处理器mcu、可编程逻辑器件fpga等处理装置。存储器可为利用电能方式存储信息的各式存储器，例如ram、rom等；也可为利用磁能方式存储信息的各式存储器，例如硬盘、软盘、磁带、磁芯存储器、磁泡存储器、u盘等；还可为利用光学方式存储信息的各式存储器，例如cd、dvd等；当然，还可为其他方式的存储器，例如量子存储器、石墨烯存储器等。
[0079]
云平台实施例：
[0080]
本发明的一种云平台实施例，云平台包括路径规划装置，路径规划装置的结构如图3所示，包括存储器、处理器和内部总线，处理器、存储器之间通过内部总线完成相互间的通信和数据交互。存储器中存储有导航地图文件和计算机指令，处理器用于执行存储在存储器中的计算机指令可以实现本发明的路径规划方法。关于导航地图文件以及本发明的路径规划方法已在方法实施例中做了详细介绍，这里不再赘述。

技术特征：
1.一种路径规划方法，其特征在于，包括人工调度式路径规划方法，所述人工调度式路径规划方法包括如下步骤：1)获取某一车辆的路径规划请求，依据路径规划请求中车辆所处的初始位置和任务目标位置所涉及的区域，调用相应存储的导航地图文件；每个导航地图文件均包括路口和用于连接路口的道路，与道路可行驶方向相照应的道路的起点和终点均称为节点，导航地图文件还包括起点信息和终点信息，起点信息包括起点位置，终点信息包括终点位置；其中，不同的路口以不同的路口序号进行区分，不同的道路以不同的道路序号进行区分，不同的节点以不同的节点序号进行区分，节点序号包括起点序号和终点序号；而且，对于某一起点，定义与该起点位于同一路口的节点、以及与该起点所处道路可行驶方向相对应的终点为该起点的相邻节点，对于某一终点，定义与该终点位于同一路口的节点为该终点的相邻节点；2)从车辆所处的初始位置所对应的初始节点开始访问导航地图文件中的节点，并将初始节点作为访问节点；3)根据设置的估价函数从访问节点的相邻节点中匹配出下一节点进行访问，将下一节点作为访问节点，重复步骤3)，直至访问至请求的任务目标位置所对应的目标节点，以规划出该车辆的最短路径，并作为该车辆的最优路径，使车辆依据规划的最优路径行驶。2.根据权利要求1所述的路径规划方法，其特征在于，步骤3)中，所述估价函数为：f(n)＝g(n)+h(n)，f(n)表示估价函数，g(n)表示从访问节点到该访问节点的相邻节点n的代价，h(n)表示从相邻节点n到目标节点的最小代价，且代价值按照道路距离计算。3.根据权利要求2所述的路径规划方法，其特征在于，在计算两个节点之间的距离时，若两个节点为处于同一路口的两个节点，且两个节点中处于规划路径中的后一节点为起点，则两个节点之间的距离设置为0；若两个节点为处于同一路口的两个节点，且两个节点中处于规划路径中的后一节点为终点，则两个节点之间的距离设置为无穷大。4.根据权利要求1所述的路径规划方法，其特征在于，步骤1)中，存储的导航地图文件以道路为数据集单元进行存储，每一数据集单元用于存储一条道路的有关信息，所述有关信息包括该条道路的道路序号，以及与该条道路对应的起点序号、终点序号、起点信息、终点信息、起点路口序号和终点路口序号。5.根据权利要求4所述的路径规划方法，其特征在于，若某条道路的可行驶方向包括两个方向，则采用不同的道路序号来区分行驶方向为两个方向的同一条道路。6.根据权利要求4所述的路径规划方法，其特征在于，每一数据集单元还包括该条道路的道路长度。7.根据权利要求1所述的路径规划方法，其特征在于，所述起点信息还包括起点航向角，所述终点信息还包括终点航向角，步骤3)之前还包括精简访问节点的相邻节点的步骤，则步骤3)中根据设置的估价函数从访问节点的精简后的相邻节点中匹配出下一节点进行访问；所述精简访问节点的相邻节点的步骤包括：计算访问节点与访问节点的相邻节点的航向角偏差δ：δ＝|yaw_n-yaw_i|，yaw_i表示访问节点的航向角，yaw_n表示访问节点的相邻节点的航向角；若航向角偏差δ满足δ≥δmax则访问节点的相邻节点n不参与后续节点匹配工作，δmax表示设定的航向角偏差阈值。
8.根据权利要求1所述的路径规划方法，其特征在于，还包括云控调度式路径规划方法，所述云控调度式路径规划方法包括如下步骤：a)按照同人工调度方法相同的方法规划出每个车辆的最短路径；b)计算每条最短路径的总代价函数，选择代价函数最小的最短路径作为最优路径，使该最优路径所对应的车辆依据规划的最优路径行驶；所述总代价函数为：cost(i)＝c(1)*cost1(i)+c(2)*cost2(i)+
……
+c(k)*costk(i)，cost(i)表示总代价函数，cost1(i)、cost2(i)、
……
、costk(i)表示与各种信息相关的代价函数，c(1)、c(2)、
……
、c(k)表示与各代价函数对应的权重，且c(1)+c(2)+
……
+c(k)＝1，k≥1；且所述总代价函数包括与规划路径距离信息有关的代价函数、与行驶时间信息有关的代价函数和与车辆电量信息有关的代价函数中的至少一种。9.一种路径规划装置，其特征在于，包括存储器和处理器，所述处理器用于执行存储在存储器中的计算机指令以实现如权利要求1～8任一项所述的路径规划方法。10.一种云平台，其特征在于，包括存储器和处理器，存储器中存储有导航地图文件和计算机指令，所述处理器用于执行存储在存储器中的计算机指令以实现如权利要求1～8任一项所述的路径规划方法。

技术总结
本发明属于路径规划技术领域，具体涉及一种路径规划方法和装置以及一种云平台。该方法首先调用导航地图文件，导航地图文件中的不同路口、道路、节点分别以不同的路口序号、道路序号、节点序号加以区分，且存储有节点信息，然后利用导航地图文件中存储的各种信息以及信息之间的关系，采用启发式路径规划搜索算法来规划出车辆的最短路径。本发明有效减少了高精地图中的大量用处不大的信息，减少了地图数据量，减少了数据存储空间，而且，在执行启发式路径规划搜索算法时有效减少了搜索信息的时间，保证算法精度的同时提高了算法的执行速度。保证算法精度的同时提高了算法的执行速度。保证算法精度的同时提高了算法的执行速度。


技术研发人员：曹鹭萌 黄琨 王小娟 刘国荣 闫孟洋 何亮 李涛
受保护的技术使用者：宇通客车股份有限公司
技术研发日：2022.03.16
技术公布日：2023/9/22