本发明属于智能交通技术领域，具体涉及一种基于目的地状态的车辆导航系统和导航方法。
背景技术
随着科学技术的发展进步,汽车已成为人们日常生活中不可或缺的重要工具,而伴随着车辆普及率的快速提高,交通拥挤、交通堵塞、交通事故等交通问题频繁发生,给人们的正常生活带来极大的困扰,同时也造成了巨大的经济损失。面对这一系列问题,车辆导航系统(vehiclelocationsystem-vls)应运而生。车辆导航将全球定位系统技术、地理信息系统技术、电子技术及计算机技术等各种高新技术融合在一起,是现代智能交通的一个分支。汽车通过车载的导航仪器接收卫星数据,在电子地图上显示车辆的当前位置、行驶方向和离目的地的距离等信息,根据距离最短准则在当前已知路网范围内选择最优的行驶路线。目前,投入市场应用的成熟车辆导航系统大多基于静态的路径规划,然而面对存在众多不稳定因素的交通现实,用户并不满足于现有的系统。尤其是发生交通事故和交通堵塞时,静态路径规划不能及时改变路线。因此,车辆导航动态路径规划就成为新一代智能车辆导航系统的研究热点问题。车辆动态路径规划基于历史的、当前的交通信息数据对未来交通流量进行预测,并用于及时调整和更新最佳行车路线,从而有效减少道路阻塞和交通事故。近几年,在国内外的车辆导航研究中,交通信息预测的重要性逐渐凸显出来,越来越多的研究学者们应用卡尔曼滤波方法、时间序列方法、神经网络法等对交通信息预测进行了深入研究。除交通信息智能预测以外,路网模型和路径规划算法也是基于实时交通信息的车辆动态路径规划系统的研究重点。通过构建路网模型可以将物理上的道路网络抽象成一个使计算机能够处理的数据模型,将道路上的各种因素都数据化。选取恰当的路径规划算法可以在路网模型上结合交通信息按照一定的最优目标规划最佳出行路线。
现有技术中，车辆导航一般仅考虑了导航起始地、途径地和目的地，而未将目的地的状态作为考虑因素。导致使用者虽然被成功导航至目的地，但有可能遇到景点暂停服务、停车位不足、餐厅无空座等情况，给使用者带来了较多的不便。
技术实现要素：
本发明的目的在于提供实现根据目的地当前或未来状态为用户规划合理路线的一种基于目的地状态的车辆导航系统和导航方法。
本发明的目的通过如下技术方案来实现：
一种基于目的地状态的车辆导航系统，包括导航命令接收模块、数据收集模块、分布式消息队列模块、目的地状态预测模块、路径规划模块以及展示模块；
导航命令接收模块布置于车辆或使用者的移动终端上，用于接收使用者给出的导航指令，具体包括导航目的地、途径地以及停留时间等，并将导航指令通过restfulapi接口以json格式发送至路径规划模块；
数据收集模块布置于各个被监测目的地中，如景点、餐厅和停车场等，用于收集该目的地当前状态信息，如景点人数、餐厅空座数和可用停车位等数据，并将状态信息通过restfulapi接口以json格式发送至分布式消息队列模块；
分布式消息队列模块布置于云平台，用于接收来自各个被监测目的地中数据收集模块发送的流式状态信息；
目的地状态预测模块布置于云平台中，用于从分布式消息队列模块中读取json格式的目的地历史数据，用时间序列分析方法预测各对应目的地未来一段时间的状态信息；
路径规划模块部署于车辆或使用者的移动终端上，用于从导航命令接收模块接收数据同时从目的地状态预测模块获取json格式的数据，并依据接收到的数据规划最优路线，并将规划结果发送到展示模块；
展示模块布置于车辆或使用者的移动终端上，用于从路径规划模块读取规划结果并向使用者展示导航路径。
一种基于目的地状态的车辆导航方法，步骤如下：
步骤1.导航命令接收模块布置于车辆或使用者的移动终端上，用于接收使用者给出的导航指令，具体包括导航目的地、途径地以及停留时间等，并将导航指令通过restfulapi接口以json格式发送至路径规划模块；
步骤2.数据收集模块布置于各个被监测目的地中，如景点、餐厅和停车场等，用于收集该目的地当前状态信息，如景点人数、餐厅空座数和可用停车位等数据，并将状态信息通过restfulapi接口以json格式发送至分布式消息队列模块；
步骤3.分布式消息队列模块布置于云平台，用于接收来自各个被监测目的地中数据收集模块发送的流式状态信息；
步骤4.目的地状态预测模块布置于云平台中，用于从分布式消息队列模块中读取json格式的目的地历史数据，用时间序列分析方法预测各对应目的地未来一段时间的状态信息；
步骤5.路径规划模块部署于车辆或使用者的移动终端上，用于从导航命令接收模块接收数据同时从目的地状态预测模块获取json格式的数据，并依据接收到的数据规划最优路线，并将规划结果发送到展示模块；
步骤5.1将未被规划的目的地存放于列表l1中，规划起始位置直接到达各个目的地的路线，计算行驶时间并将列表l1按行驶时间ti,i＝1,2,…,n，从小到大排序，n为未被规划的目的地数；
步骤5.2按照行驶时间从小到大遍历表l1，根据目的地状态预测模块提供的数据，选出首个在tj,j＝1,2,…,n时间后仍可用的目的地dj,j＝1,2,…,n，将其添加到最优规划线路中，并从列表l1中删除该目的地；
步骤5.3将时间点向后推移tj+dj，其中dj为使用者拟在目的地dj停留的时长，起始位置更新为dj所在位置；
步骤5.4重复上述步骤5.1～5.3，直至列表l1为空，此时得到的最优规划线路即为最终规划线路；
步骤6.展示模块布置于车辆或使用者的移动终端上，用于从路径规划模块读取规划结果并向使用者展示导航路径。
本发明的有益效果在于：
导航命令接收模块将使用者下达的导航命令发送给路径规划模块，数据收集模块收集各个目的地的状态信息，并将状态信息上传至消息队列模块，之后根据消息队列模块中的目的状态地历史数据预测其未来状态，依据预测结果和导航命令规划合理路线，使用者可由展示模块获取最优规划结果。
附图说明
图1为车辆导航系统架构图；
图2为车辆导航系统的导航方法流程图；
图3为目的地状态预测实现流程图；
图4为路径规划算法实现流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明：
具体实施例一：
一种基于目的地状态的车辆导航系统，包括导航命令接收模块、数据收集模块、分布式消息队列模块、目的地状态预测模块、路径规划模块以及展示模块；
导航命令接收模块布置于车辆或使用者的移动终端上，接收使用者给出的导航指令，并将导航指令通过restfulapi接口以json格式发送至路径规划模块；
数据收集模块布置于各个被监测目的地中，用于收集该目的地当前状态信息，并将状态信息通过restfulapi接口以json格式发送至分布式消息队列模块；
分布式消息队列模块布置于云平台，用于接收来自各个被监测目的地中数据收集模块发送的流式状态信息；
目的地状态预测模块布置于云平台中，从分布式消息队列模块中读取json格式的目的地历史数据，用时间序列分析方法预测各对应目的地未来一段时间的状态信息；
路径规划模块部署于车辆或使用者的移动终端上，从导航命令接收模块接收数据同时从目的地状态预测模块获取json格式的数据，并依据接收到的数据规划最优路线，并将规划结果发送到展示模块；
展示模块布置于车辆或使用者的移动终端上，用于从路径规划模块读取规划结果并向使用者展示导航路径。
一种基于目的地状态的车辆导航方法，包括如下步骤：
(1)导航命令接收模块接收使用者给出的导航指令，并将导航指令通过restfulapi接口以json格式发送至路径规划模块；
(2)数据收集模块收集该目的地当前状态信息，并将状态信息通过restfulapi接口以json格式发送至分布式消息队列模块；
(3)分布式消息队列接收来自各个被监测目的地中数据收集模块发送的流式状态信息；
(4)目的地状态预测模块从分布式消息队列模块中读取json格式的目的地历史数据，用时间序列分析方法预测各对应目的地未来一段时间的状态信息；
(5)路径规划模块从导航命令接收模块接收数据同时从目的地状态预测模块获取json格式的数据，并依据接收到的数据规划最优路线，并将规划结果发送到展示模块；
(6)展示模块从路径规划模块读取规划结果并向使用者展示导航路径。
所述的步骤(5)具体包括：
(5.1)将未被规划的目的地存放于列表l1中，规划起始位置直接到达各个目的地的路线，计算行驶时间并将列表l1按行驶时间ti,i＝1,2,…,n，从小到大排序，n为未被规划的目的地数；
(5.2)按照行驶时间从小到大遍历表l1，根据目的地状态预测模块提供的数据，选出首个在tj,j＝1,2,…,n时间后仍可用的目的地dj,j＝1,2,…,n，将其添加到最优规划线路中，并从列表l1中删除该目的地；
(5.3)将时间点向后推移tj+dj，其中dj为使用者拟在目的地dj停留的时长，起始位置更新为dj所在位置；
(5.4)重复上述步骤，直至列表l1为空，此时得到的最优规划线路即为最终规划线路。
具体实施例二：
图1示出了本发明设计的一种基于目的地状态的车辆导航系统，该系统具体包括被监测目的地11、数据收集模块12、分布式消息队列模块13、目的地状态预测模块14、导航命令接收模块15、路径规划模块16以及展示模块17等部分；其中在各个被监测目的地11上分别布置数据收集模块12；
各个被监测目的地11上的数据收集模块12用于收集该目的地的状态信息，具体包括景点人数、餐厅空座数和可用停车位等数据，并将数据通过restfulapi接口以json格式发送至分布式消息队列模块13；
分布式消息队列模块13布置于云平台，用于接收来自各个被监测目的地11上数据收集模块12发送的流式状态信息；
目的地状态预测模块14从分布式消息队列模块13中读取json格式的目的地状态历史数据，用时间序列分析方法预测各对应目的地未来一段时间的状态；
导航命令接收模块15布置于车辆或使用者的移动终端上，用于接收使用者给出的导航指令，具体包括导航目的地、途径地以及停留时间等，并将导航指令通过restfulapi接口以json格式发送至路径规划模块16；
路径规划模块16部署于车辆或使用者的移动终端上，用于从导航命令接收模块15接收数据同时从目的地状态预测模块14获取json格式的数据，并依据接收到的数据规划最优路线，并将规划结果发送到展示模块17；
展示模块17布置于车辆或使用者的移动终端上，用于从路径规划模块读取规划结果并向使用者展示导航路径。
图2示出了本发明所设计的一种基于目的地状态的车辆导航系统的导航方法流程图，详述如下：
在s201中，导航命令接收模块接收使用者给出的导航指令，具体包括导航目的地、途径地以及停留时间等，并将导航指令通过restfulapi接口以json格式发送至路径规划模块；
在s202中，数据收集模块收集目的地当前状态信息，如景点人数、餐厅空座数和可用停车位等数据，并将状态信息通过restfulapi接口以json格式发送至分布式消息队列模块；
在s203中，分布式消息队列模块接收来自各个被监测目的地中数据收集模块发送的流式状态信息；
在s204中，目的地状态预测模块从分布式消息队列模块中读取json格式的目的地历史数据，用时间序列分析方法预测各对应目的地未来一段时间的状态信息；
在s205中，路径规划模块从导航命令接收模块接收数据同时从目的地状态预测模块获取json格式的数据，并依据接收到的数据规划最优路线，并将规划结果发送到展示模块；
在s206中，展示模块布置于车辆或使用者的移动终端上，用于从路径规划模块读取规划结果并向使用者展示导航路径。
图3示出了本发明实施例提供的目的地状态预测实现流程图，详述如下：
在s301中，目的地状态预测模块从分布式消息队列模块中读取各个目的地的状态历史数据，并以每个目的地为单位，将历史数据转换为相应的时间序列数据；
在s302中，根据得到的时间序列数据，使用经验模态分解法(emd)将时间序列数据分解为若干个imf序列数据以及一个残差序列数据；
在s303中，使用arima算法分别对每个imf序列数据进行预测；使用二次多项式对残差序列数据进行预测；
在s304中，将s303中得到的各个imf和残差序列的预测结果进行求和，得到最终的预测结果。
图4示出了本发明实施例提供的路径规划算法实现流程图，详述如下：
在s401中，将未被规划的目的地存放于列表l1中，规划起始位置直接到达各个目的地的路线，计算行驶时间并将列表l1按行驶时间ti,i＝1,2,…,n，从小到大排序，n为未被规划的目的地数；
在s402中，按照行驶时间从小到大遍历表l1，根据目的地状态预测模块提供的数据，选出首个在tj,j＝1,2,…,n时间后仍可用的目的地dj,j＝1,2,…,n，将其添加到最优规划线路中，并从列表l1中删除该目的地；
在s403中，将时间点向后推移tj+dj，其中dj为使用者拟在目的地dj停留的时长，起始位置更新为dj所在位置；
在s404中，判断列表l1是否为空，若不为空则重复上述s401～s403，若为空则输出最终规划路线。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。