一种多途经点导航路线规划方法和系统的制作方法
【技术领域】 本发明涉及道路导航规划，优化调度领域，具体来说，涉及针对多途经点（多目的地）、 多影响因子情境下的路线规划及影响因子权重确定的方法和系统。
[0002]
【背景技术】 近年来，随着交通工具的普及以及人们出行尤其是远距离出行的增多，运行在各类导 航仪、移动终端上的路线导航系统(包含汽车、自行车、步行导航)得到快速发展。尤其是安 装在移动终端的利用GPS的电子地图程序，凭借其低廉的价格、实时更新的地图数据以及与 其他应用软件方便结合的能力，给人们出行的方案带来了一场革命。用户只需要在电子地 图上标出起点和终点，就可以方便的找到出行的路线。
[0003]在当前背景下，导航路线的自动、优化规划算法成为热门研究领域。国内外地图、 位置、导航等领域的服务厂商均投入大量精力进行导航算法的优化改进。国外较著名的包 括谷歌地图和苹果地图等，国内较著名的有百度地图、高德地图等，以及各类导航仪生产商 家自己生产制作的地图服务系统。从用户体验度来说，在最短的时间内提供出使用者所认 为的最优化的道路行驶方案是该领域的终极目标。
[0004]对于这个目标可从两个方面来看，首先是"最短时间"，这是指从用户输入起点和 目的地到生成一条规划路线的时间。这主要取决于软件的操作界面人性化程度以及后台优 化算法的效率。目前而言，各厂商的操作界面大同小异，均提供手动输入、地图点取、常用地 址等多种方法便于确定起点目的地。各厂商的差异主要集中在作为商业秘密的优化算法。 对此各厂商存在较大差异。比如同时运行在相同硬件上的谷歌地图路线规划速度较大多厂 商有明显优势。且在行驶过程中不间断计算新的最优路线，供用户选择。当用户出现路线偏 移时，能迅速给出新的路线。如何优化算法，在"最短计算时间"内提供路线是当前各厂商研 究的主要内容。
[0005]上述目标的第二个方面是"使用者所认为的最优化道路"。通常而言用户出行的目 的是快速到达目的地，因此这个最优化道路一般是指最短路径或者最短行驶时间的路线。 对此各厂商也提出了多种解决方案。比如谷歌地图会凭借其巨大用户数通过大数据分析， 在决定路线的时考虑一系列因素，并依赖于某一特定地区的可用数据流。这些因素包括道 路的官方最高限速、建议驾驶速度、某一道路类型的实际行驶速度、某段时间内的历史平均 速度(谷歌地图有时会调取这一路段的行驶速度平均值，有时则会调取某一天内特定时间 的行驶速度）、此前用户的实际行驶时间以及实时路况等信息。在获得这些信息后，谷歌地 图会将这些不同来源的数据进行整合，并给出自己最好的判断。事实上，大部分提供路线导 航服务的厂家都会将预测驾驶时间与实际结果进行对比，从而帮助自己不断改进算法和数 据源。而在这一方面做得较好的公司则往往是那些拥有巨大用户使用量的企业，他们往往 可以在长期内提供最好的路线推荐。除此之外，考虑到有时用户的需求并不是最快的到达 目的地，因此"最优路线"并不单指最快的路线。对此，部分厂家也进行了研究。比如雅虎实 验室的员工日前开发出了一套导航算法。在新算法下，地图导航的依据不再是两点间最短 的距离，而是哪条路线沿途的风景更"亮丽"。在用户输入起点和终点信息后，算法会搜索所 有可能的路线，把各路线沿途地点的景致得分相加，通过比较找到一条最美丽的行程。雅虎 员工表示，"美丽"的路线平均下来会比那些最短的路线长12%。但该规划策略一般适用于步 行导航而非汽车导航。
[0006] 其实在某些情境下"用户所认为的最优路线"并非最短、最快路线的情况比比皆 是。而对此当前厂商所提供的服务几乎空白。绝大多数导航软件只提供最短时间、最短路 程、避开高速三种规划策略。因此不能满足用户的个性化路线需求。比较突出的一种情景是 用户对于途经点的需求。这一需求在快递服务、送餐服务、接送服务等涉及到多个目的地的 领域显得特别突出。虽然当前部分厂家提供在道路规划开始前添加途经点(waypoint)，以 强制要求路线必须经过这些点，但是并不能考虑到这些途经点之间的优先级差异性。这个 优先级一般又是由多种因素隐式决定的，因情况改变的，因此也并不能强制规定路线途经 顺序。对于这一需求，当前使用者采取的方法是先在电脑端利用一些多目的地路线规划辅 助软件进行人工的路线规划，然后按顺序输入移动端导航软件，从而得到用户所需求的路 线。但是这不仅费时费力，在某些情况下更是不可实现的。比如送餐司机在执行多个目的地 送达时，不可能预先规划好每个客户的送餐顺序并手动输入导航仪。
[0007] 综上，从"在最短的时间内提供出使用者所认为的最优化的道路行驶方案是该领 域的终极目标"这句话来看，找到使用者所认为的最优路线这一点并未得到很好实现。尤其 是在多目的地路线规划时，导航算法并不能综合考虑用户需求。因此，本发明旨在提出一种 面向非同等优先级的多途经点道路导航规划算法(似￥丨881:;[0114]^〇1'；[1:11111€(^11111:;[-wayPoints with Different Priority (NAMPDIP))。该发明在考虑两点之间的属性(时间 和距离)之外，考虑点上的属性(该点重要程度）。可应用于但不限于应用于多任务多目的地 送餐服务、多人拼车的接送服务、多目的地自驾游导航服务、多目的地的上门维修服务等。 以多任务送餐服务举例，各途经点的优先级的影响因素可能包括:该点客户所加小费数量、 该点客户的会员身份级别、该点客户所点菜品的最佳使用时间等。同时针对算法中多重影 响因子的权重设定问题，本发明提出了一种基于机器学习的最优权重确定方案。此外，本发 明还提出了一种多途经点导航路线规划系统。
[0008]
【发明内容】
本发明提供一种面向非同等优先级的多途经点导航路线规划方法，包含以下步骤： 步骤1、任务初始化:任务调度中心向导航用户终端发送模型系数设定方案，并分配非 同等优先级的多途经点的多重导航任务，其中所述多途经点个数为n，当导航用户终端选择 接受该任务时，将该任务中的途经点与用户终端已有任务中的途经点共同组成新的当前任 务，则该当前任务下共有η!条备选路线;其中η!表示η的全排列； 步骤2、计算导航模型权重:所述导航模型为面向非同等优先级的多途经点的多点模 型，模型公式为：
其中，I为多条可供选择的路线，画为第I条路线的权重，_为判定函数，I为路线总耗时 的权重J为路线总长度的权重，|为总途经点的个数，为从第个途经点到达第匿 个途经点的分路段耗时肩_|4为从第III个途经点到达第|个途经点的分路段距离，|为 途经点优先级影响因素的个数，HI表示车辆出发时刻距抵达第k个途经点的时间，u表示 第k个途经点的第j个影响因素的值，I表示第j个影响因素的权重，关系运算符I可以是乘 法、加法或是其他关系表达方式； 步骤3、路线规划:用户终端的地图导航系统提供任意两个途经点间的分路段距离和分 路段耗时，自动根据上述模型及设置的权重计算全部备选路线的权重值，并按权重值由大 到小进行排序，将权重值最大的规划路线设为第一优选路线； 步骤4、输出规划结果并导航:将全部备选路线的权重值输出给UI交互模块，用户可选 择默认接受第一优选路线或自主选择其他优选路线，并根据选择结果开始导航。
[0009]优选地，其中步骤1中所述的模型系数设定方案可通过机器学习的方法获得，该方 法流程包括： 步骤1.1、影响因子定量化:对优先级有影响的全部因子用数字进行定量化； 步骤1.2、训练样本的采集:随机生成多组非同等优先级的多途经点的路线规划问题， 每个问题中均提供全部参考信息，包括各点之间的距离和时间，各点的各权重因子的级别， 供训练者按照自己的需求人工选择出每个问题中的最优路线； 步骤1.3、构建代价函数:构建代价函数如下：
计算机会不断调整模型系数a，b，Cj，当cost最小时或者达到最大迭代次数时，迭代停 止，此时的系数即为最优系数组合； 步骤1.4:初值设定及迭代停止判断:将初值设定为:a=l，b=l，Cj=0.2,设定迭代停止条 件为:cost〈5%或总迭代次数大于10000; 步骤1.5 :训练结果评价与使用:完成上述训练后，最终的模型预测不一致性将作为模 型训练的评价指标，该指标告知用户采用该组系数会有多大的可能性仍得不到用户认为的 最优路线，将训练完毕的系数带入模型，即可用于用户针对于此类路线规划