本發(fā)明涉及人工智能，特別是一種用于公路養(yǎng)護(hù)車(chē)的路徑規(guī)劃方法及系統(tǒng)。

背景技術(shù)：

1、公路養(yǎng)護(hù)的智能化轉(zhuǎn)型是現(xiàn)代交通管理的核心議題，近年來(lái)，隨著物聯(lián)網(wǎng)i?ot技術(shù)和5g通訊的迅猛發(fā)展，多模態(tài)數(shù)據(jù)采集與分析已成為可能，為公路養(yǎng)護(hù)車(chē)的高效運(yùn)行提供了數(shù)據(jù)基礎(chǔ)，5g網(wǎng)絡(luò)的低延遲和高帶寬特性，確保了實(shí)時(shí)數(shù)據(jù)傳輸?shù)目煽啃?，而多模態(tài)傳感器的應(yīng)用，如高清攝像頭、li?dar、gps、i?mu以及各類(lèi)環(huán)境監(jiān)測(cè)傳感器，全面捕捉了路況、交通流、車(chē)輛狀態(tài)等多元信息，為精細(xì)化管理奠定了堅(jiān)實(shí)基石，數(shù)據(jù)融合技術(shù)的進(jìn)步，使得來(lái)自不同傳感器的數(shù)據(jù)能夠被有效集成，形成統(tǒng)一的態(tài)勢(shì)感知，進(jìn)一步推動(dòng)了智能決策系統(tǒng)的完善。

2、然而，盡管現(xiàn)有技術(shù)在數(shù)據(jù)采集與傳輸層面取得了顯著進(jìn)展，但路徑規(guī)劃算法的局限性仍然制約著公路養(yǎng)護(hù)效率的全面提升，傳統(tǒng)路徑規(guī)劃算法，如di?jkstra和ai算法，雖在靜態(tài)環(huán)境下表現(xiàn)良好，卻難以應(yīng)對(duì)復(fù)雜的動(dòng)態(tài)路況和多變的養(yǎng)護(hù)需求，它們往往忽視了數(shù)據(jù)的多模態(tài)特性，導(dǎo)致路徑規(guī)劃不夠精準(zhǔn)，無(wú)法充分利用實(shí)時(shí)信息調(diào)整最優(yōu)路徑，此外，缺乏高效的實(shí)時(shí)路徑調(diào)整機(jī)制，使得養(yǎng)護(hù)車(chē)在面對(duì)突發(fā)狀況時(shí)反應(yīng)遲緩，影響了作業(yè)的連貫性和安全性，因此，亟需一種能夠快速處理多模態(tài)數(shù)據(jù)、具備實(shí)時(shí)優(yōu)化能力和高度適應(yīng)性的新型路徑規(guī)劃方法，以顯著提升公路養(yǎng)護(hù)的智能化水平和作業(yè)效率。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述現(xiàn)有存在的問(wèn)題，提出了本發(fā)明。

2、因此，本發(fā)明提供了一種用于公路養(yǎng)護(hù)車(chē)的路徑規(guī)劃方法及系統(tǒng)解決公路養(yǎng)護(hù)車(chē)路徑規(guī)劃中的數(shù)據(jù)融合、動(dòng)態(tài)優(yōu)化和智能化決策問(wèn)題。

3、為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明實(shí)施例提供了一種用于公路養(yǎng)護(hù)車(chē)的路徑規(guī)劃方法，其包括，通過(guò)傳感器和5g網(wǎng)絡(luò)收集公路養(yǎng)護(hù)車(chē)的多模態(tài)數(shù)據(jù)并上傳云端數(shù)據(jù)中心，進(jìn)行多模態(tài)數(shù)據(jù)融合；基于融合后的多模態(tài)數(shù)據(jù)，利用量子優(yōu)化算法，快速計(jì)算出最優(yōu)路徑集合；在計(jì)算出最優(yōu)路徑的基礎(chǔ)上，利用cadpoa算法進(jìn)行實(shí)時(shí)路徑預(yù)測(cè)和調(diào)整并利用5g網(wǎng)絡(luò)上傳至云端數(shù)據(jù)中心；公路養(yǎng)護(hù)車(chē)根據(jù)云端數(shù)據(jù)中心下發(fā)的最優(yōu)路徑指令，自行規(guī)劃行駛路線(xiàn)，執(zhí)行維護(hù)任務(wù)；對(duì)于在路上執(zhí)行任務(wù)的公路養(yǎng)護(hù)車(chē)，云端數(shù)據(jù)中心將持續(xù)接收反饋數(shù)據(jù)；完成任務(wù)后，云端數(shù)據(jù)中心將匯總公路養(yǎng)護(hù)車(chē)作業(yè)數(shù)據(jù)并進(jìn)行深入分析。

5、作為本發(fā)明所述用于公路養(yǎng)護(hù)車(chē)的路徑規(guī)劃方法的一種優(yōu)選方案，其中：所述通過(guò)傳感器和5g網(wǎng)絡(luò)收集公路養(yǎng)護(hù)車(chē)的多模態(tài)數(shù)據(jù)并上傳云端數(shù)據(jù)中心，進(jìn)行多模態(tài)數(shù)據(jù)融合，具體步驟為，

6、公路養(yǎng)護(hù)車(chē)通過(guò)多模態(tài)傳感器實(shí)時(shí)收集多模態(tài)數(shù)據(jù)；

7、將多模態(tài)數(shù)據(jù)進(jìn)行預(yù)處理；

8、把預(yù)處理后的多模態(tài)數(shù)據(jù)通過(guò)5g網(wǎng)絡(luò)實(shí)時(shí)上傳至云端數(shù)據(jù)中心；

9、采用ebffa算法對(duì)預(yù)處理后的數(shù)據(jù)集進(jìn)行融合。

10、作為本發(fā)明所述用于公路養(yǎng)護(hù)車(chē)的路徑規(guī)劃方法的一種優(yōu)選方案，其中：所述，基于融合后的多模態(tài)數(shù)據(jù)，利用量子優(yōu)化算法，快速計(jì)算出最優(yōu)路徑集合，具體步驟為，

11、基于融合后的多模態(tài)數(shù)據(jù)，運(yùn)用qemooa算法，在時(shí)間t下計(jì)算最優(yōu)路徑。作為本發(fā)明所述用于公路養(yǎng)護(hù)車(chē)的路徑規(guī)劃方法的一種優(yōu)選方案，其中：所述，在計(jì)算出最優(yōu)路徑的基礎(chǔ)上，利用cadpoa算法進(jìn)行實(shí)時(shí)路徑預(yù)測(cè)和調(diào)整并利用5g網(wǎng)絡(luò)上傳至云端數(shù)據(jù)中心，具體步驟為，

12、基于最優(yōu)路徑，使用cadpoa算法進(jìn)行實(shí)時(shí)路徑調(diào)整和預(yù)測(cè)；

13、將調(diào)整和預(yù)測(cè)后的實(shí)時(shí)路徑通過(guò)5g網(wǎng)絡(luò)上傳至云端數(shù)據(jù)中心。

14、作為本發(fā)明所述用于公路養(yǎng)護(hù)車(chē)的路徑規(guī)劃方法的一種優(yōu)選方案，其中：所述，公路養(yǎng)護(hù)車(chē)根據(jù)云端數(shù)據(jù)中心下發(fā)的最優(yōu)路徑指令，自行規(guī)劃行駛路線(xiàn)，執(zhí)行維護(hù)任務(wù)，具體步驟為，

15、公路養(yǎng)護(hù)車(chē)接收到云端數(shù)據(jù)中心下發(fā)的最優(yōu)路徑指令后，先解析指令，包括養(yǎng)護(hù)車(chē)需要執(zhí)行的維護(hù)任務(wù)詳情、預(yù)計(jì)的行駛路線(xiàn)、沿途的維護(hù)需求點(diǎn)、預(yù)計(jì)的到達(dá)時(shí)間，以及安全提示和預(yù)警信息；

16、基于解析的指令，公路養(yǎng)護(hù)車(chē)的車(chē)載導(dǎo)航將自動(dòng)規(guī)劃行駛路線(xiàn)；

17、并生成一個(gè)詳細(xì)的行駛計(jì)劃，包括出發(fā)時(shí)間、預(yù)計(jì)到達(dá)時(shí)間、轉(zhuǎn)彎點(diǎn)、減速區(qū)、加速區(qū)和維護(hù)點(diǎn)的停留時(shí)間；

18、養(yǎng)護(hù)車(chē)根據(jù)規(guī)劃好的路線(xiàn)執(zhí)行維護(hù)任務(wù)，車(chē)載軟件監(jiān)控車(chē)輛的實(shí)時(shí)狀態(tài)。

19、作為本發(fā)明所述用于公路養(yǎng)護(hù)車(chē)的路徑規(guī)劃方法的一種優(yōu)選方案，其中：所述，對(duì)于在路上執(zhí)行任務(wù)的公路養(yǎng)護(hù)車(chē)，云端數(shù)據(jù)中心將持續(xù)接收反饋數(shù)據(jù)，具體步驟為，

20、云端數(shù)據(jù)中心實(shí)時(shí)分析在路上執(zhí)行任務(wù)的公路養(yǎng)護(hù)車(chē)上傳的數(shù)據(jù)；

21、動(dòng)態(tài)調(diào)整路徑規(guī)劃并對(duì)其性能做出評(píng)估，包括行程時(shí)間、燃料效率、安全性指標(biāo)、路徑偏離度、任務(wù)完成率；

22、當(dāng)實(shí)際行程時(shí)間超過(guò)預(yù)期時(shí)間的10％，觸發(fā)路徑重規(guī)劃；

23、當(dāng)燃料效率低于每升汽油行駛12公里時(shí)，調(diào)整速度；

24、當(dāng)安全性指標(biāo)惡化時(shí)，應(yīng)采取預(yù)防措施。

25、作為本發(fā)明所述用于公路養(yǎng)護(hù)車(chē)的路徑規(guī)劃方法的一種優(yōu)選方案，其中：所述，完成任務(wù)后，云端數(shù)據(jù)中心將匯總公路養(yǎng)護(hù)車(chē)作業(yè)數(shù)據(jù)并進(jìn)行深入分析，具體步驟為，

26、公路養(yǎng)護(hù)車(chē)任務(wù)完成后，云端數(shù)據(jù)中心匯總所有公路養(yǎng)護(hù)車(chē)的作業(yè)數(shù)據(jù)，包括車(chē)輛狀態(tài)、作業(yè)效率、環(huán)境因素、路況信息、作業(yè)路徑、安全指標(biāo)、任務(wù)完成率；

27、將匯總的數(shù)據(jù)進(jìn)行預(yù)處理；

28、構(gòu)建分析框架，針對(duì)不同的性能指標(biāo)進(jìn)行深度分析；

29、利用時(shí)間序列模型識(shí)別不同時(shí)間段的效率，并通過(guò)方差分析檢驗(yàn)不同作業(yè)類(lèi)型之間平均效率；

30、計(jì)算單位成本帶來(lái)的收益，比較不同作業(yè)類(lèi)型和車(chē)輛的成本效益；

31、使用地理信息g?i?s工具比較實(shí)際與規(guī)劃路徑的地理坐標(biāo)，并通過(guò)交叉引用實(shí)時(shí)路況數(shù)據(jù)，分析交通狀況、天氣變化；

32、利用決策樹(shù)模型，預(yù)測(cè)未來(lái)路況下的最佳路徑，和使用移動(dòng)平均，識(shí)別安全指標(biāo)隨時(shí)間變化的趨勢(shì)；

33、通過(guò)統(tǒng)計(jì)測(cè)試識(shí)別異常的安全事件，最后使用kap?l?an-me?i?er生存曲線(xiàn)估計(jì)維護(hù)效果的持續(xù)時(shí)間。

34、第二方面，本發(fā)明提供了一種用于公路養(yǎng)護(hù)車(chē)的路徑規(guī)劃系統(tǒng)，包括，數(shù)據(jù)采集模塊、融合模塊、路徑計(jì)算模塊、預(yù)測(cè)調(diào)整模塊、執(zhí)行反饋模塊、分析優(yōu)化模塊；所述數(shù)據(jù)采集模塊用于通過(guò)傳感器和5g網(wǎng)絡(luò)收集公路養(yǎng)護(hù)車(chē)的多模態(tài)數(shù)據(jù)并上傳云端數(shù)據(jù)中心，進(jìn)行多模態(tài)數(shù)據(jù)融合；所述融合模塊用于基于融合后的多模態(tài)數(shù)據(jù)，利用量子優(yōu)化算法，快速計(jì)算出最優(yōu)路徑集合；所述路徑計(jì)算模塊用于在計(jì)算出最優(yōu)路徑的基礎(chǔ)上，利用cadpoa算法進(jìn)行實(shí)時(shí)路徑預(yù)測(cè)和調(diào)整并利用5g網(wǎng)絡(luò)上傳至云端數(shù)據(jù)中心；所述預(yù)測(cè)調(diào)整模塊用于公路養(yǎng)護(hù)車(chē)根據(jù)云端數(shù)據(jù)中心下發(fā)的最優(yōu)路徑指令，自行規(guī)劃行駛路線(xiàn)，執(zhí)行維護(hù)任務(wù)；所述執(zhí)行反饋模塊用于對(duì)于在路上執(zhí)行任務(wù)的公路養(yǎng)護(hù)車(chē)，云端數(shù)據(jù)中心將持續(xù)接收反饋數(shù)據(jù)；所述分析優(yōu)化模塊用于完成任務(wù)后，云端數(shù)據(jù)中心將匯總公路養(yǎng)護(hù)車(chē)作業(yè)數(shù)據(jù)并進(jìn)行深入分析。

35、第三方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本發(fā)明第一方面所述的用于公路養(yǎng)護(hù)車(chē)的路徑規(guī)劃方法的任一步驟。

36、第四方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本發(fā)明第一方面所述的用于公路養(yǎng)護(hù)車(chē)的路徑規(guī)劃方法的任一步驟。

37、本發(fā)明有益效果為：本發(fā)明通過(guò)集成多模態(tài)傳感器與5g網(wǎng)絡(luò)，實(shí)現(xiàn)了養(yǎng)護(hù)車(chē)周?chē)h(huán)境的全方位實(shí)時(shí)監(jiān)測(cè)，為路徑規(guī)劃提供了詳實(shí)數(shù)據(jù)，利用量子優(yōu)化算法，該方法能在多目標(biāo)約束下快速計(jì)算出最優(yōu)路徑集合，顯著減少了養(yǎng)護(hù)作業(yè)的行駛時(shí)間和燃料消耗，同時(shí)提升了安全性，借助cadpoa算法，路徑規(guī)劃具備了實(shí)時(shí)調(diào)整與預(yù)測(cè)的能力，確保養(yǎng)護(hù)車(chē)面對(duì)突發(fā)狀況時(shí)仍能保持高效作業(yè)，養(yǎng)護(hù)車(chē)根據(jù)云端數(shù)據(jù)中心下發(fā)的最優(yōu)路徑指令，自動(dòng)化執(zhí)行維護(hù)任務(wù)，提升了作業(yè)的標(biāo)準(zhǔn)化與安全性，整個(gè)系統(tǒng)通過(guò)持續(xù)接收反饋數(shù)據(jù)，動(dòng)態(tài)調(diào)整路徑規(guī)劃，保證了養(yǎng)護(hù)工作的連續(xù)性和高質(zhì)量。