一种基于大数据云计算的车辆导航系统及方法与流程

本发明涉及车辆导航领域，尤其涉及一种基于大数据云计算的车辆导航系统和一种基于大数据云计算的车辆导航方法。
背景技术：
：随着人们生活水平的日益提高，汽车已经在人们工作和生活中扮演者越来越重要的角色，而汽车工业的不断发展，车载导航技术成为发展最为快速的
技术领域：
之一。然而导航装置在提供导航路线时往往规划多条路线，在选择路线时，仅给出路线长度和估算的到达时间，没有结合车辆行驶过程中路况等因素进行分析，这样的估计到达时间不够准确。尤其是对于长途路线，由于路线长、路况比较复杂，估计到达时间与实际到达时间偏差较大，这会降低用户的使用感受度。技术实现要素：本发明设计开发了一种基于大数据云计算的车辆导航系统，通过设置在物流点的云检测识别采集终端，接口转换服务器和云端资源计算模块以网络为载体构成云计算系统，对数据进行整合，规划出行驶路线，并通过导航装置管理车辆的路线，运算速度快，安全可靠性好。本发明还设计开发了一种基于基于大数据云计算的车辆导航方法，通过计算每条路线的路线指标值和拥堵率，给出路线的决策算法，能够成功的规划出最优路线，节省了决策时间，准确性好。本发明提供的技术方案为：一种基于大数据云计算的车辆导航系统，包括：云检测识别采集终端，其设置在交叉路口内，包括速度传感器、距离传感器和加速度传感器；接口转换服务器，其连接所述云检测识别采集终端，用于存储所述云检测识别采集终端采集到的电信号；云端资源计算模块，其连接所述接口转换服务器，能够根据所述电信号规划车辆路线；导航装置，其连接所述云端资源计算模块，并设置在车辆内，能够向系统内车辆发出路线指令。优选的是，所述导航装置通过无线装置连接所述云端资源计算模块。优选的是，所述无线装置包括：处理电路，将数据与导航信息复用到传输信息中；以及发送单元，在导航时段中将所述传输信息发送到所述无线通信网络中的另一无线设备。优选的是，还包括解码器，其连接所述处理电路，能够抵御对来自所述传输信息的数据进行解码。一种基于大数据云计算的车辆导航方法，包括：根据路线起点到路线送终点规划路线条数，并计算出每条路线的路线指标值和每条路线的拥堵率；将所述每条路线的路线指标值、拥堵率输入模糊控制器，获得表示路线优选值的向量群；将所述路线评价值按照数值大小降序排列；将所述路线评价值的最大值对应路线作为规划的结果路线输出，将所述路线评价值的次大值对应路线作为备选路线输出。优选的是，所述路线指标值计算公式为：其中，fi为第i条路线的路线指标值，n为第i条路线内车辆行驶需经过的交叉路口数量，fij为车辆行驶在第i条路线内经过第j个路口的路线指标值，k为比例系数；为第i条路线内第j个路口与路线起点的距离，为车辆从路线起点行驶到第j个路口的平均车速，为车辆从路线起点行驶到第j个路口的平均加速度，为车辆从路线起点行驶到第j个路口的用时。优选的是，所述拥堵率的计算公式为：其中，yi为第i条路线的路线的拥堵率，n为第i条路线内车辆行驶需经过的交叉路口数量，为车辆行驶在第i条路线内经过第j个路口的拥堵率，k为比例系数；为第i条路线内第j个路口与路线起点的距离，为车辆从路线起点行驶到第j个路口的平均车速，为车辆从路线起点行驶到第j个路口的平均加速度，为车辆从路线起点行驶到第j个路口的用时。优选的是，所述模糊控制器工作过程为：将路线指标值与预设路线指标值比较得到放电能力系数偏差信号，将拥堵率与预设拥堵率比较得到供电能力系数偏差信号；将路线指标值偏差信号经过微分计算得到路线指标值变化率信号，拥堵率偏差信号经过微分计算得到拥堵率变化率信号；将路线指标值变化率信号和拥堵率变化率信号共同经过放大后输入模糊控制器，输出为路线优选值。优选的是，所述路线指标值与拥堵率的模糊集为：{nb，nm，ns，zr，ps，pm，pb}，nb表示负大，nm表示负中，ns表示负小，zr表示零，ps表示正小，pm表示正中，pb表示正大，它们的论域为：{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}。本发明所述的有益效果本发明设计开发了一种基于大数据云计算的车辆导航系统，通过设置在物流点的云检测识别采集终端，接口转换服务器和云端资源计算模块以网络为载体构成云计算系统，对数据进行整合，规划出行驶路线，并通过导航装置管理车辆的路线，运算速度快，安全可靠性好。本发明还设计开发了一种基于基于大数据云计算的车辆导航方法，通过计算每条路线的路线指标值和拥堵率，给出路线的决策算法，能够成功的规划出最优路线，节省了决策时间，准确性好。附图说明图1为本发明所述的基于大数据云计算的车辆导航系统的结构示意图。图2为本发明所述的基于大数据云计算的车辆导航系统方法流程图。具体实施方式下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。如图1所示，本发明提供的基于大数据云计算的车辆导航系统，包括：云检测识别采集终端110、接口转换服务器120、云资源计算模块130和导航装置140。路线中具有多个交叉信号灯路口，云检测识别采集终端110放置在交叉信号灯路口内，云检测识别采集终端110包括速度传感器111、距离传感器112和加速度传感器113，速度传感器111用于检测车辆的行进速度，距离传感器112用于检测车辆的行进距离，加速度传感器传感器113用于检测车辆的行驶加速度；接口转换服务器120连接云检测识别采集终端110，用于存储云检测识别采集终端110采集到的电信号，并将其解码转换为数字信号；云端资源计算模块130连接接口转换服务器120，能够根据数字信号规划导航路线；导航装置140连接云端资源计算模块130，并连接系统内车辆，能够向系统内车辆发出路线指令。作为一种优选，导航装置140通过无线装置连接云资源计算模块130，其中，无线装置包括：处理电路，将数据与导航消息复用到传输信息中；以及发送单元，在导航时段中将传输信息发送到无线通信网络中的另一无线设备，导航消息用于指示该导航时段中或先前导航时段中的数据传输资源。解码器连接处理电路，能够抵御对来自所述传输信息的数据进行解码。一种基于大数据云计算的车辆导航方法，包括：步骤s210、将车辆驾驶的起点和终点输入导航系统，并根据路线起点到路线送终点规划路线条数；步骤s220、计算出每条路线的路线指标值：其中，路线指标值计算公式为：其中，fi为第i条路线的路线指标值，n为第i条路线内车辆行驶需经过的交叉路口数量，fij为车辆行驶在第i条路线内经过第j个路口的路线指标值，k为比例系数；为第i条路线内第j个路口与路线起点的距离，为车辆从路线起点行驶到第j个路口的平均车速，为车辆从路线起点行驶到第j个路口的平均加速度，为车辆从路线起点行驶到第j个路口的用时。计算每条路线的拥堵率，拥堵率的计算公式为：其中，yi为第i条路线的路线的拥堵率，n为第i条路线内车辆行驶需经过的交叉路口数量，为车辆行驶在第i条路线内经过第j个路口的拥堵率，k为比例系数；为第i条路线内第j个路口与路线起点的距离，为车辆从路线起点行驶到第j个路口的平均车速，为车辆从路线起点行驶到第j个路口的平均加速度，为车辆从路线起点行驶到第j个路口的用时。步骤s230、将第i条路线的路线指标值fi、第i条路线的拥堵率yi输入模糊控制器，获得表示第i条路线优选值的向量群；将路线指标值fi与预设路线指标值比较得到第i条路线指标值偏差信号将路线将路线指标值偏差信号δfi经过微得到路线指标值变化率信号将路线拥堵率yi与预设路线拥堵率比较得到第i条路线拥堵率偏差信号路线拥堵率偏差信号δyi经过微分计算得到拥堵率变化率信号b(fi)、b(yi)的实际变化范围分别为[0.1,0.6]，[0.2,0.8]，fi、yi的离散论域均为{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}则比例因子k1＝0.5/6k2＝0.6/6定义模糊子集及隶属度函数把路线指标值变化率信号b(fi)分为七个模糊状态：pb(正大)，pm(正中)，ps(正小)，0(零)，ns(负小)，nm(负中)，nb(负大)，结合经验得出线指标值变化率信号b(fi)的隶属度函数表，如表1所示。表1线指标值变化率信号b(fi)的隶属度函数表b(fi)-6-5-4-3-2-10123456pb0000000000000pm00000.20.4000.20000ps0000.20.40.6000.40.20000000.20.40.60.81.000.60.40.400nb0.20.40.40.80.80000.80.80.80.20.4nm0.60.80.800000001.00.60.8ns0.81.01.000000000.10.81.0把拥堵率变化率信号b(yi)分为七个模糊状态：pb(正大)，pm(正中)，ps(正小)，0(零)，ns(负小)，nm(负中)，nb(负大)，结合经验得出拥堵率变化率信号b(yi)的隶属度函数表，如表2所示。表2拥堵率变化率信号b(yi)的隶属度函数表b(yi)-6-5-4-3-2-10123456pb0000000000000pm00000.20.4000.20000ps0000.20.60.6000.40.20000000.20.60.60.81.000.60.40.400nb0.20.40.40.80.80000.80.80.80.20.4nm0.60.80.800000001.00.60.8ns0.81.01.000000000.10.81.0获得模糊推理过程必须执行复杂的矩阵运算，计算量非常大，在线实施推理很难满足控制系统实时性的要求，本发明采用查表法进行模糊推理运算，模糊推理决策采用二输入单输出的方式，通过经验可以总结出模糊控制器的初步控制规则，模糊控制器根据得出的模糊值对输出信号进行解模糊化，得到故障等级γ，求模糊控制查询表，由于论域是离散的，模糊控制规则及可以表示为一个模糊矩阵，采用单点模糊化，得出路线优选值qi控制规则见表3。表3为模糊控制规则表步骤s240、将qi路线评价值按照数值大小降序排列；将路线评价值的最大值max{qi}对应路线作为规划的结果路线输出，将所述路线评价值的次大值smax{qi}对应路线作为备选路线输出。实施以基于云计算的城市导航路线规划方法为例，作进一步说明输入导航路线起点和终点，导航路线内包括仓5个交叉路口，规划3个行驶路线，计算出每条路线指标值：其中，fi为第i条路线的路线指标值，n为第i条路线内车辆行驶需经过的交叉路口数量，fij为车辆行驶在第i条路线内经过第j个路口的路线指标值，k为比例系数；为第i条路线内第j个路口与路线起点的距离，为车辆从路线起点行驶到第j个路口的平均车速，为车辆从路线起点行驶到第j个路口的平均加速度，为车辆从路线起点行驶到第j个路口的用时。计算求得f1＝23.69，f2＝22.02，f3(xi)＝28.02；计算每条路线的拥堵率，拥堵率的计算公式为：其中，yi为第i条路线的路线的拥堵率，n为第i条路线内车辆行驶需经过的交叉路口数量，为车辆行驶在第i条路线内经过第j个路口的拥堵率，k为比例系数；为第i条路线内第j个路口与路线起点的距离，为车辆从路线起点行驶到第j个路口的平均车速，为车辆从路线起点行驶到第j个路口的平均加速度，为车辆从路线起点行驶到第j个路口的用时。计算求得g1＝43.29，g2＝42.02，g3＝38.02；将每条路线的路线指标值fi、每路线的拥堵率yi输入模糊控制器，获得表示每条路线优选值的向量群{q1，q2，q3}；将路线优选值{q1，q2，q3}，并按照数值大小降序排列；得到集合{6,5,4}；求得最大值max{qi}＝6,对用路线为第2条路线，次大值为5对应路线为第1条路线。本发明设计开发了一种基于大数据云计算的车辆导航系统，通过设置在物流点的云检测识别采集终端，接口转换服务器和云端资源计算模块以网络为载体构成云计算系统，对数据进行整合，规划出行驶路线，并通过导航装置管理车辆的路线，运算速度快，安全可靠性好。本发明还设计开发了一种基于基于大数据云计算的车辆导航方法，通过计算每条路线的路线指标值和拥堵率，给出路线的决策算法，能够成功的规划出最优路线，节省了决策时间，准确性好。尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。当前第1页12