路径规划、交通路径规划以及路径规划模型训练方法

路径规划、交通路径规划以及路径规划模型训练方法实质审查发明

技术领域

[0001] 本说明书实施例涉及计算机技术领域，特别涉及路径规划、交通路径规划以及路径规划模型训练方法。

具体实施方式

[0053] 在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。

[0054] 在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

[0055] 应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

[0056] 此外，需要说明的是，本说明书一个或多个实施例所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。

[0057] 首先，对本说明书一个或多个实施例涉及的名词术语进行解释。

[0058] 生成式人工智能：生成式人工智能(AIGC，AI Generated Content)是指基于生成对抗网络、大型预训练模型等人工智能的技术方法，通过已有数据的学习和识别，以适当的泛化能力生成相关内容的技术。

[0059] 扩散模型：扩散模型(DM，Diffusion Model)是一种先进的生成模型，专注于生成高品质样本，在复杂的生成任务中展现出巨大潜力。扩散模型本质上基于概率分布，利用一系列迭代步骤来逐渐构造样本。扩散模型的核心机制借鉴了马尔可夫链蒙特卡洛(MCMC，Markov Chain Monte Carlo)采样，在每个迭代步骤中根据当前状态预测下一状态。通过连续的局部转换，扩散模型能够将一个简单的初始状态逐步“扩散”至符合目标概率分布的复杂样本。更具体地，扩散模型定义了一个转移概率函数，这个函数指导了从当前状态到下一状态的演变。在连续迭代的过程中，扩散模型根据当前状态提出新的候选样本，并不断调整这些样本，使其更加接近所希望得到的目标概率分布。

[0060] 扩散生成：扩散生成是一种典型的人工智能生成技术，基于扩散模型为原理，把一个内容数据通过不断的加入噪声，得到一组数据，然后用来训练一个深度神经网络，使这个网络可以用来生成新的内容。

[0061] 通行时间预测：通行时间预测(ETA，Estimated Time of Arrival)是交通出行领域中一项重要的技术应用，它通过实时或历史数据、路况信息、天气状况等复杂的算法模型来预估车辆从当前位置到达目的地所需的预计时间。

[0062] 变分自编码器：变分自编码器(VAE，variational autoencoder)是一种深度学习模型，主要用于概率生成和无监督学习。变分自编码器结合了自编码器的思想与变分推断方法，可以对数据分布进行建模，并生成新的、与训练数据类似的数据样本。

[0063] 流模型：流模型(Flow‑based Model)是生成式深度学习中的一个类别，主要用于概率密度建模和随机变量的高效采样。在机器学习中，流模型通过一系列可逆变换将简单的概率分布转换为复杂的潜在数据分布。具体来说，流模型通过设计一组连续且可微的、易于采样的变量到变量的映射(这些映射通常由神经网络实现)，将基础分布(如标准正态分布或均匀分布)逐步转化为与数据集中的观测值相匹配的复杂分布。

[0064] 参见图1，图1示出了一种传统的路径规划方法的流程图，如图1所示，传统地图服务中的路径规划，在地图路网的基础上，首先需要实时收集多种来源的各种车辆的历史路径，然后根据历史路径进行实时路况计算，也即计算每条路段的实时车速、车流量信息，通过实时路况对路段进行赋权，其权重一般就是该路段的通行时间，最后基于赋权得到的权重网络，利用最短路径规划算法，基于起终点和权重网络进行路径规划，得到规划路径。同时，路径规划过程中还可以参考通过ETA预测得到的起终点通行时间，共同决定最终的规划路径。然而，传统的路径规划方法需要预先计算整个地图网络的实时的权重，道路赋权过程需要根据实际地图路网设计不同的赋权策略，导致路径规划效率低下，可扩展性弱。

[0065] 为了解决上述问题，本说明书实施例提出了一种基于机器学习的路径规划方案，无需预先计算整个地图网络实时的权重，而是通过大量历史路径训练一个机器学习模型，即路径规划模型，利用路径规划模型实现全自动的路径规划。具体地，获取路径规划需求信息，其中，路径规划需求信息包括路径起点和路径终点；将路径起点和路径终点输入路径规划模型，获得路径起点和路径终点之间的多个参考路径和多个参考路径分别对应的第一决策信息，其中，路径规划模型基于路径预测损失和约束条件损失训练得到；根据多个参考路径和第一决策信息，确定路径规划需求信息对应的目标规划路径。

[0066] 值得说明的是，由于路径规划模型训练过程中考虑了约束条件损失，从而在训练过程中融入了先验知识，提高了路径规划模型的精确性，因此，通过利用路径规划模型自动生成目标规划路径，路径规划链路简单，保证了路径规划的稳定性和服务性能，并且，由于路径规划过程中无需手动设计不同的地图路网权重，提高了路径规划的效率和可扩展性。

[0067] 在本说明书中，提供了一种路径规划方法，本说明书同时涉及一种交通路径规划方法，一种路径规划模型训练方法，一种路径规划装置，一种交通路径规划装置，一种路径规划模型训练装置，一种计算设备，以及一种计算机可读存储介质，在下面的实施例中逐一进行详细说明。

[0068] 参见图2，图2示出了本说明书一个实施例提供的一种路径规划系统的架构图，路径规划系统可以包括客户端100和服务端200；

[0069] 客户端100，用于向服务端200发送路径规划需求信息，其中，路径规划需求信息包括路径起点和路径终点；

[0070] 服务端200，用于将路径起点和路径终点输入路径规划模型，获得路径起点和路径终点之间的多个参考路径和多个参考路径分别对应的第一决策信息，其中，路径规划模型基于路径预测损失和约束条件损失训练得到；根据多个参考路径和第一决策信息，确定路径规划需求信息对应的目标规划路径；向客户端100发送目标规划路径；

[0071] 客户端100，还用于接收服务端200发送的目标规划路径。

[0072] 应用本说明书实施例的方案，由于路径规划模型训练过程中考虑了约束条件损失，从而在训练过程中融入了先验知识，提高了路径规划模型的精确性，因此，通过利用路径规划模型自动生成目标规划路径，路径规划链路简单，保证了路径规划的稳定性和服务性能，并且，由于路径规划过程中无需手动设计不同的地图路网权重，提高了路径规划的效率和可扩展性。

[0073] 参见图3，图3示出了本说明书一个实施例提供的另一种路径规划系统的架构图，路径规划系统可以包括多个客户端100以及服务端200，其中，客户端100可以包括端侧设备，服务端200可以包括云侧设备。多个客户端100之间通过服务端200可以建立通信连接，在路径规划场景中，服务端200即用来在多个客户端100之间提供路径规划服务，多个客户端100可以分别作为发送端或接收端，通过服务端200实现通信。

[0074] 用户通过客户端100可与服务端200进行交互以接收其它客户端100发送的数据，或将数据发送至其它客户端100等。在路径规划场景中，可以是用户通过客户端100向服务端200发布数据流，服务端200根据该数据流生成目标规划路径，并将目标规划路径推送至其他建立通信的客户端中。

[0075] 其中，客户端100与服务端200之间通过网络建立连接。网络为客户端100与服务端200之间提供了通信链路的介质。网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。客户端100所传输的数据可能需要经过编码、转码、压缩等处理之后才发布至服务端200。

[0076] 客户端100可以为浏览器、APP(Application，应用程序)、或网页应用如H5(HyperText Markup Language5，超文本标记语言第5版)应用、或轻应用(也被称为小程序，一种轻量级应用程序)或云应用等，客户端100可以基于服务端200提供的相应服务的软件开发工具包(SDK，Software Development Kit)，如基于实时通信(RTC，Real Time Communication)SDK开发获得等。客户端100可以部署在电子设备中，需要依赖设备运行或者设备中的某些APP而运行等。电子设备例如可以具有显示屏并支持信息浏览等，如可以是个人移动终端如手机、平板电脑、个人计算机等。在电子设备中通常还可以配置各种其它类应用，例如人机对话类应用、模型训练类应用、文本处理类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

[0077] 服务端200可以包括提供各种服务的服务器，例如为多个客户端提供通信服务的服务器，又如为客户端上使用的模型提供支持的用于后台训练的服务器，又如对客户端发送的数据进行处理的服务器等。需要说明的是，服务端200可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器也可以是云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(CDN，Content Delivery Network)以及大数据和人工智能平台等基础云计算服务的云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。

[0078] 值得说明的是，本说明书实施例中提供的路径规划方法一般由服务端执行，但是，在本说明书的其它实施例中，客户端也可以与服务端具有相似的功能，从而执行本说明书实施例所提供的路径规划方法。在其它实施例中，本说明书实施例所提供的路径规划方法还可以是由客户端与服务端共同执行。

[0079] 参见图4，图4示出了本说明书一个实施例提供的一种路径规划方法的流程图，具体包括以下步骤：

[0080] 步骤402：获取路径规划需求信息，其中，路径规划需求信息包括路径起点和路径终点。

[0081] 本说明书一个或多个实施例中，路径规划时，可以获取路径规划需求信息，从而基于路径规划需求信息生成准确的目标规划路径。

[0082] 具体地，路径规划需求信息用于表征用户的路径规划意图。路径规划需求信息可以是不同场景的路径规划需求信息，如虚拟游戏场景中的路径规划需求信息、智能交通场景中的路径规划需求信息。路径规划需求信息包括但不限于路径起点、路径终点、路径规划条件。路径规划条件中包括用户的个性化规划信息，如通行时间、收费信息、地形条件等等。路径起点是指路径的开始位置。路径终点是指路径的目标位置或目的地。路径起点和路径终点可以是地图中的地点，如某某大厦，也可以是地理坐标，具体根据实际情况进行设置，本说明书实施例对此不做任何限定。其中，路径规划方法可以应用于和被使用于各种使用地图服务的应用场景，例如电子地图、导航、智能交通、出行服务、智慧城市等各种应用。

[0083] 实际应用中，获取路径规划需求信息的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不做任何限定。本说明书一种可能的实现方式中，可以接收用户发送的路径规划需求信息。本说明书另一种可能的实现方式中，可以从其他数据获取设备或数据库中读取路径规划需求信息。

[0084] 步骤404：将路径起点和路径终点输入路径规划模型，获得路径起点和路径终点之间的多个参考路径和多个参考路径分别对应的第一决策信息，其中，路径规划模型基于路径预测损失和约束条件损失训练得到。

[0085] 本说明书一个或多个实施例中，获取路径规划需求信息之后，进一步地，可以将路径起点和路径终点输入路径规划模型，获得路径起点和路径终点之间的多个参考路径和多个参考路径分别对应的第一决策信息，其中，路径规划模型基于路径预测损失和约束条件损失训练得到。

[0086] 具体地，路径规划模型可以是各种基于海量历史路径训练得到的生成式模型，如变分自编码器、扩散模型、流模型等等。由于路径规划模型训练过程中没有融入路径生成条件，因此，路径规划模型可以理解为无条件生成模型。在路径规划模型训练过程中，可以基于路径预测损失和约束条件损失调整初始路径规划模型的模型参数。路径预测损失用于描述初始路径规划模型生成的预测恢复路径和历史路径之间的偏差。约束条件损失用于描述初始路径规划模型生成的预测恢复路径和路径规划约束条件之间的偏差。参考路径可以理解为路径起点和路径终点之间连续的地图轨迹。第一决策信息用于表征对应的参考路径被选中的可能性，可以是决策概率。

[0087] 需要说明的是，将路径起点和路径终点输入路径规划模型中，路径规划模型可以对地图路网噪声图像进行恢复预测，得到位于路径起点和路径终点之间的多个参考路径和多个参考路径分别对应的第一决策信息。

[0088] 步骤406：根据多个参考路径和第一决策信息，确定路径规划需求信息对应的目标规划路径。

[0089] 本说明书一个或多个实施例中，获取路径规划需求信息；将路径起点和路径终点输入路径规划模型，获得路径起点和路径终点之间的多个参考路径和多个参考路径分别对应的第一决策信息之后，进一步地，可以根据多个参考路径和第一决策信息，确定路径规划需求信息对应的目标规划路径。

[0090] 具体地，目标规划路径是指符合路径规划需求信息的规划路径。目标规划路径可以是不包括路径终点的路段，也可以是包括路径终点的完整路径，具体根据实际情况进行选择，本说明书实施例对此不做任何限定。

[0091] 实际应用中，根据多个参考路径和第一决策信息，确定路径规划需求信息对应的目标规划路径的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不做任何限定。本说明书一种可能的实现方式中，可以根据各参考路径对应的第一决策信息，对多个参考路径进行排序，进一步将第一决策信息较大的、排序靠前的参考路径确定为目标规划路径。本说明书另一种可能的实现方式中，可以获取预设决策条件，将多个参考路径分别对应的第一决策信息和预设决策条件进行对比，从满足预设决策条件的参考路径随机选择目标规划路径。其中，预设决策条件如决策概率大于0.8，具体根据实际情况进行设置。

[0092] 应用本说明书实施例的方案，由于路径规划模型训练过程中考虑了约束条件损失，从而在训练过程中融入了先验知识，提高了路径规划模型的精确性，因此，通过利用路径规划模型自动生成目标规划路径，路径规划链路简单，保证了路径规划的稳定性和服务性能，并且，由于路径规划过程中无需手动设计不同的地图路网权重，提高了路径规划的效率和可扩展性。

[0093] 本说明书一种可选的实施例中，上述根据多个参考路径和第一决策信息，确定路径规划需求信息对应的目标规划路径之后，还可以包括以下步骤：

[0094] 接收用户基于目标规划路径发送的路径调整信息，并根据路径调整信息调整路径规划模型的模型参数。

[0095] 需要说明的是，确定目标规划路径之后，可以将目标规划路径发送给用户。用户接收到目标规划路径之后，可以判断目标规划路径是否满足实际需求，若目标规划路径不满足实际需求，则可以基于目标规划路径发送路径调整信息。路径调整信息包括但不限于用户基于实际需求更新后的目标规划路径、更新后的路径起点、更新后的路径终点，具体根据实际情况进行选择，本说明书实施例对此不做任何限定。

[0096] 进一步地，接收用户基于目标视频发送的视频调整信息之后，可以基于路径调整信息调整路径规划模型的模型参数，也可以基于路径调整信息调整条件生成模型的模型参数。对路径规划模型的模型参数或条件生成模型的模型参数进行调整的方式可以参考路径规划模型的训练方式或条件生成模型的训练方式，本说明书实施例便不再进行赘述。

[0097] 应用本说明书实施例的方案，接收用户基于目标规划路径发送的路径调整信息，并根据路径调整信息调整路径规划模型的模型参数，实现了与用户之间的数据交互，提高了用户体验度。

[0098] 本说明书一种可选的实施例中，由于路径规划过程中，用户对路径规划的需求可能不仅限于路径起点和路径终点，因此，可以额外基于路径规划条件进行路径规划，也即，路径规划需求信息包括路径规划条件；上述将路径起点和路径终点输入路径规划模型，获得路径起点和路径终点之间的多个参考路径和多个参考路径分别对应的第一决策信息之后，还可以包括以下步骤：

[0099] 将路径起点、路径终点和路径规划条件输入条件生成模型，获得多个候选路径和多个候选路径分别对应的第二决策信息；

[0100] 根据多个参考路径和第一决策信息，确定路径规划需求信息对应的目标规划路径，可以包括以下步骤：

[0101] 根据多个参考路径、多个候选路径、第一决策信息和第二决策信息，确定目标规划路径。

[0102] 具体地，路径规划条件是指路径规划过程所需要考虑的一系列条件因素。路径规划条件中包括用户的个性化规划信息，如通行时间、收费信息、地形条件等等。候选路径是指在路径规划条件、路径起点和路径终点限制下得到的路径。候选路径可以是不包括路径终点的路段，也可以是包括路径终点的完整路径，具体根据实际情况进行选择，本说明书实施例对此不做任何限定。第二决策信息用于表征对应的候选路径被选中的可能性，可以是决策概率。

[0103] 条件生成模型可以是常规的预测模型，也即给定路径规划条件预测路径的决策模型。条件生成模型可以基于多个历史路径和多个历史路径分别对应的历史路径规划条件对初始条件生成模型训练得到，初始条件生成模型可以是机器学习模型，也可以是深度神经网络模型。其中，机器学习模型如梯度提升决策(GBDT，Gradient Boosting Decision Tree)模型，因子分解(FM，Factorization Machines)模型。

[0104] 实际应用中，根据多个参考路径、多个候选路径、第一决策信息和第二决策信息，确定目标规划路径的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不做任何限定。本说明书一种可能的实现方式中，可以确定属于同一地图轨迹的第一候选路径和第一参考路径，并根据第一候选路径对应的第一决策信息和第一参考路径对应的第二决策信息，确定第一候选路径对应的第三决策信息；根据多个候选路径分别对应的第三决策信息，从多个候选路径中筛选出目标规划路径。本说明书另一种可能的实现方式中，可以确定属于同一地图轨迹的第一候选路径和第一参考路径，并根据第一候选路径对应的第一决策信息和第一参考路径对应的第二决策信息，确定第一参考路径对应的第四决策信息；根据多个参考路径分别对应的第四决策信息，从多个参考路径中筛选出目标规划路径。

[0105] 应用本说明书实施例的方案，将路径起点、路径终点和路径规划条件输入条件生成模型，获得多个候选路径和多个候选路径分别对应的第二决策信息；根据多个参考路径、多个候选路径、第一决策信息和第二决策信息，确定目标规划路径。实现了将路径规划问题转换为条件抽样问题，从而在路径规划过程融入路径规划条件，提高了路径规划的灵活性和可扩展性。

[0106] 本说明书一种可选的实施例中，上述根据多个参考路径、多个候选路径、第一决策信息和第二决策信息，确定目标规划路径之后，还可以包括以下步骤：

[0107] 在目标规划路径不包括路径终点的情况下，根据目标规划路径更新路径规划条件，获得更新后的路径规划条件，并返回执行将路径起点、路径终点和路径规划条件输入条件生成模型，获得多个候选路径和多个候选路径分别对应的第二决策信息的步骤，直至目标规划路径包括路径终点，获得目标规划路径。

[0108] 需要说明的是，若目标规划路径是不包括路径终点的规划路径，说明基于目标规划路径无法到达路径终点，还需要继续进行路径规划。此时，可以根据目标规划路径更新路径规划条件，对路径规划条件进行更新，从而在目标规划路径的基础上，进行二次路径规划。

[0109] 实际应用中，根据目标规划路径更新路径规划条件时，可以直接将目标规划路径作为已经行走的路段添加至路径规划条件中，获得更新后的路径规划条件。也可以根据目标规划路径在路径更新规划条件中添加路径途经点，更新路径规划条件的方式具体根据实际情况进行选择，本说明书实施例对此不做任何限定。

[0110] 应用本说明书实施例的方案，在目标规划路径不包括路径终点的情况下，根据目标规划路径更新路径规划条件，获得更新后的路径规划条件，并返回执行将路径起点、路径终点和路径规划条件输入条件生成模型，获得多个候选路径和多个候选路径分别对应的第二决策信息的步骤，直至目标规划路径包括路径终点，获得目标规划路径，保证了目标规划路径的完整性，提高了路径规划的灵活性。

[0111] 本说明书一种可选的实施例中，上述根据多个参考路径、多个候选路径、第一决策信息和第二决策信息，确定目标规划路径，可以包括以下步骤：

[0112] 针对第一候选路径，从多个参考路径中筛选出第一参考路径，其中，第一候选路径为多个候选路径中的任一个，第一候选路径和第一参考路径属于同一地图轨迹；

[0113] 根据第一参考路径对应的第一决策信息和第一候选路径对应的第二决策信息，确定第一候选路径对应的第三决策信息；

[0114] 根据多个候选路径分别对应的第三决策信息，从多个候选路径中筛选出目标规划路径。

[0115] 需要说明的是，根据第一参考路径对应的第一决策信息和第一候选路径对应的第二决策信息，确定第一候选路径对应的第三决策信息时，可以将第一决策信息和第二决策信息相乘，即可得到第三决策信息。

[0116] 实际应用中，根据多个候选路径分别对应的第三决策信息，从多个候选路径中筛选出目标规划路径的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不做任何限定。本说明书一种可能的实现方式中，可以根据多个候选路径分别对应的第三决策信息，对多个候选路径进行排序，进一步将第三决策信息较大的、排序靠前的候选路径确定为目标规划路径。本说明书另一种可能的实现方式中，可以获取预设决策条件，将多个候选路径分别对应的第三决策信息和预设决策条件进行对比，从满足预设决策条件的候选路径随机选择目标规划路径。

[0117] 应用本说明书实施例的方案，针对第一候选路径，从多个参考路径中筛选出第一参考路径；根据第一参考路径对应的第一决策信息和第一候选路径对应的第二决策信息，确定第一候选路径对应的第三决策信息；根据多个候选路径分别对应的第三决策信息，从多个候选路径中筛选出目标规划路径，在无条件生成模型和条件生成模型的共同预测下，提高了目标规划路径的精准性。

[0118] 实际应用中，针对第一候选路径，从多个参考路径中筛选出第一参考路径的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不做任何限定。本说明书一种可能的实现方式中，可以对所有参考路径和第一候选路径的地理坐标进行比对，从多个参考路径中筛选出与第一候选路径地理坐标相同的第一参考路径。

[0119] 本说明书另一种可能的实现方式中，可以对所有参考路径和第一候选路径的地图轨迹进行比对，从多个参考路径中筛选出与第一候选路径地图轨迹相同的第一参考路径，也即，上述针对第一候选路径，从多个参考路径中筛选出第一参考路径，可以包括以下步骤：

[0120] 在预设地图路网上，确定第一候选路径对应的第一地图轨迹和多个参考路径分别对应的参考地图轨迹；

[0121] 从多个参考地图轨迹中，筛选出与第一地图轨迹相同的目标参考地图轨迹；

[0122] 将目标参考地图轨迹对应的参考路径确定为第一参考路径。

[0123] 具体地，预设地图路网可以是虚拟游戏场景中的地图路网，也可以是实际交通场景中的地图路网。地图路网(Map Road Network)是指在地图上表示的一系列相互连接的道路系统，包括但不限于街道、高速公路、桥梁、隧道、环线、辅路和支路等，可以描绘道路的实际地理位置和形状，还可以反映道路之间的空间关系，如交叉路口、立交桥、出入口等连接点。地图轨迹是指在预设地图路网上记录或描绘的一系列连续点，这些点按照时间顺序连接起来形成对象在地理空间中移动的路径。

[0124] 需要说明的是，在预设地图路网上，确定第一候选路径对应的第一地图轨迹的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不做任何限定。本说明书一种可能的实现方式中，可以获取第一候选路径中所有点的地理坐标，在预设地图路网上确定这些点的位置，进一步根据时间顺序连接这些点，得到第一地图轨迹。本说明书另一种可能的实现方式中，可以将第一候选路径和预设地图路网输入轨迹生成模型中，输出第一地图轨迹。本说明书实施例中，确定参考路径分别对应的参考地图轨迹的方式与确定第一候选路径对应的第一地图轨迹的实现方式相同，本说明书实施例便不再进行赘述。

[0125] 实际应用中，从多个参考地图轨迹中，筛选出与第一地图轨迹相同的目标参考地图轨迹的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不做任何限定。本说明书一种可能的实现方式中，可以将参考地图轨迹中与第一地图轨迹重叠的轨迹确定为目标参考地图轨迹。本说明书另一种可能的实现方式中，可以将第一地图轨迹和多个参考地图轨迹输入轨迹分析模型中，获得与第一地图轨迹相同的目标参考地图轨迹。

[0126] 应用本说明书实施例的方案，在预设地图路网上，确定第一候选路径对应的第一地图轨迹和多个参考路径分别对应的参考地图轨迹；从多个参考地图轨迹中，筛选出与第一地图轨迹相同的目标参考地图轨迹；将目标参考地图轨迹对应的参考路径确定为第一参考路径，保证了第一参考路径的准确性。

[0127] 本说明书一种可选的实施例中，将路径起点和路径终点输入路径规划模型，获得路径起点和路径终点之间的多个参考路径和多个参考路径分别对应的第一决策信息之前，还可以包括以下步骤：

[0128] 获取多个历史路径；

[0129] 经初始路径规划模型，对多个历史路径进行扰动，获得多个历史路径分别对应的噪声数据，并对噪声数据进行恢复，获得多个历史路径分别对应的预测恢复路径；

[0130] 根据多个历史路径和多个历史路径分别对应预测恢复路径，计算路径预测损失；

[0131] 根据路径预测损失，调整初始路径规划模型的模型参数，获得训练完成的路径规划模型。

[0132] 具体地，多个历史路径可以是任何浮动车的历史行驶路径，其中，浮动车可以是安装了车载定位装置并行驶在城市主干道上的公交汽车和出租车。获取多个历史路径的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不做任何限定。本说明书一种可能的实现方式中，可以接收用户发送的多个历史路径。本说明书另一种可能的实现方式中，可以从其他数据获取设备或数据库中读取多个历史路径。

[0133] 进一步地，为了保证模型训练的精准性，获取多个历史路径之后，可以对多个历史路径进行过滤，如过滤掉未行使的历史路径、过滤掉绕圈的历史路径等等。

[0134] 需要说明的是，路径规划模型的训练过程为无监督训练。针对不同的初始路径规划模型，对历史路径扰动的方式可以不同。示例性地，若初始路径规划模型为变分自编码器，则可以对历史路径进行特征压缩实现随机扰动，获得噪声数据；若初始路径规划模型为扩散模型，则可以对历史路径添加随机噪声实现随机扰动，获得噪声数据；若初始路径规划模型为流模型，则可以对历史路径进行特征压缩或者添加噪声，获得噪声数据，但扰动时是通过给定的压缩或者给定的噪声进行扰动。

[0135] 实际应用中，根据多个历史路径和多个历史路径分别对应预测恢复路径，计算路径预测损失的函数有多种，如交叉熵损失函数、L1范数损失函数、L2范数损失函数、KL散度(Kullback‑Leibler divergence)等，具体根据实际情况进行选择，本说明书实施例对此不做任何限定。进一步地，根据路径预测损失，调整初始路径规划模型的模型参数，直至达到第一预设停止条件，获得训练完成的路径规划模型。

[0136] 本说明书一种可能的实现方式中，第一预设停止条件包括路径预测损失小于或等于第一预设阈值。根据多个历史路径和多个历史路径分别对应预测恢复路径，计算路径预测损失之后，将路径预测损失与第一预设阈值进行比较。

[0137] 具体地，若路径预测损失大于第一预设阈值，则说明历史路径和预测恢复路径之间的差异较大，初始路径规划模型对于路径的预测能力较差，此时可以调整初始路径规划模型的模型参数，继续对初始路径规划模型进行训练，直至路径预测损失小于或等于第一预设阈值，说明历史路径和预测恢复路径的差异较小，达到第一预设停止条件，获得完成训练的路径规划模型。

[0138] 本说明书另一种可能的实现方式中，除了比较路径预测损失和第一预设阈值的大小关系之外，还可以结合迭代次数，确定当前的初始路径规划模型是否训练完成。

[0139] 具体地，若路径预测损失大于第一预设阈值，则调整初始路径规划模型的模型参数，继续对初始路径规划模型进行训练，直至达到第一预设迭代次数的情况下，停止迭代，得到完成训练的路径规划模型，其中，第一预设阈值和第一预设迭代次数具体根据实际情况进行选择，本说明书实施例对此不做任何限定。

[0140] 应用本说明书实施例的方案，根据路径预测损失，调整初始路径规划模型的模型参数，获得训练完成的路径规划模型，通过不断对初始路径规划模型的模型参数进行调整，能使最终得到的路径规划模型更加精准。

[0141] 参见图5，图5示出了本说明书一个实施例提供的一种路径规划方法中路径规划模型的训练流程图，如图5所示，获取多个历史路径，将多个历史路径输入初始路径规划模型，在初始路径规划模型中对历史路径进行特征提取，获得多个历史路径分别对应的历史路径特征，对历史路径特征进行扰动恢复，得到预测恢复路径，根据多个历史路径和多个历史路径分别对应预测恢复路径，计算路径预测损失；根据路径预测损失，调整初始路径规划模型的模型参数，获得训练完成的路径规划模型。

[0142] 本说明书一种可选的实施例中，可以基于先验知识对初始路径规划模型进行训练，保证路径规划模型的精准性，也即，上述经初始路径规划模型，对多个历史路径进行扰动，获得多个历史路径分别对应的噪声数据，并对噪声数据进行恢复，获得多个历史路径分别对应的预测恢复路径之后，还可以包括以下步骤：

[0143] 获取路径规划约束条件，其中，路径规划约束条件包括路径连贯条件、路径通行条件、路径合规条件中的至少一种；

[0144] 根据路径规划约束条件和预测恢复路径，计算约束条件损失；

[0145] 根据路径预测损失，调整初始路径规划模型的模型参数，获得训练完成的路径规划模型，包括：

[0146] 根据路径预测损失和约束条件损失，调整初始路径规划模型的模型参数，获得训练完成的路径规划模型。

[0147] 具体地，路径规划约束条件可以理解路径规划场景中的先验知识。路径连贯条件用于约束路径的连贯性，路径通行条件用于约束路径的可行性，路径合规条件用于约束路径的合规性，如路径是否满足交规、是否绕圈等等。

[0148] 实际应用中，获取路径规划约束条件的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不做任何限定。本说明书一种可能的实现方式中，可以接收用户发送的获取路径规划约束条件。本说明书另一种可能的实现方式中，可以从其他数据获取设备或数据库中读取获取路径规划约束条件。

[0149] 需要说明的是，“根据路径预测损失和约束条件损失，调整初始路径规划模型的模型参数，获得训练完成的路径规划模型”的实现方式可以参考上述“根据路径预测损失，调整初始路径规划模型的模型参数，获得训练完成的路径规划模型”的实现方式，本说明书实施例便不再进行赘述。

[0150] 进一步地，根据路径规划约束条件和预测恢复路径，计算约束条件损失时，可以定义一系列与路径规划约束条件相关的惩罚函数，根据惩罚函数计算约束条件损失。例如，若路径距离障碍物过近，则可以定义一个距离约束损失函数，该函数随着距离减小而增大。

[0151] 应用本说明书实施例的方案，获取路径规划约束条件；根据路径规划约束条件和预测恢复路径，计算约束条件损失；根据路径预测损失和约束条件损失，调整初始路径规划模型的模型参数，获得训练完成的路径规划模型，由于路径规划模型训练过程中考虑了约束条件损失，从而在训练过程中融入了先验知识，提高了路径规划模型的精确性。

[0152] 本说明书一种可选的实施例中，上述将路径起点、路径终点和路径规划条件输入条件生成模型，获得多个候选路径和多个候选路径分别对应的第二决策信息之前，还可以包括以下步骤：

[0153] 获取多个历史路径和多个历史路径分别对应的历史路径规划条件；

[0154] 将多个历史路径和多个历史路径分别对应的历史路径规划条件输入初始条件生成模型，获得多个历史路径分别对应的预测路径；

[0155] 根据历史路径和预测路径，计算条件生成损失；

[0156] 根据条件生成损失，调整初始条件生成模型的模型参数，获得训练完成的条件生成模型。

[0157] 具体地，获取多个历史路径和多个历史路径分别对应的历史路径规划条件之后，可以对获取多个历史路径和多个历史路径分别对应的历史路径规划条件进行过滤，保证初始条件生成模型训练的准确性。

[0158] 需要说明的是，“获取多个历史路径和多个历史路径分别对应的历史路径规划条件”的方式可以参考上述“获取多个历史路径”的实现方式；“将多个历史路径和多个历史路径分别对应的历史路径规划条件输入初始条件生成模型，获得多个历史路径分别对应的预测路径”的方式可以参考上述“将路径起点、路径终点和路径规划条件输入条件生成模型，获得多个候选路径和多个候选路径分别对应的第二决策信息”的实现方式；“根据条件生成损失，调整初始条件生成模型的模型参数，获得训练完成的条件生成模型”的方式可以参考上述“根据路径预测损失，调整初始路径规划模型的模型参数，获得训练完成的路径规划模型”的实现方式，本说明书实施例对此便不再进行赘述。

[0159] 实际应用中，根据历史路径和预测路径，计算条件生成损失的函数有多种，如交叉熵损失函数、L1范数损失函数、L2范数损失函数、KL散度等，具体根据实际情况进行选择，本说明书实施例对此不做任何限定。

[0160] 应用本说明书实施例的方案，根据条件生成损失，调整初始条件生成模型的模型参数，获得训练完成的条件生成模型，通过不断对初始条件生成模型的模型参数进行调整，能使最终得到的条件生成模型更加精准。

[0161] 参见图6，图6示出了本说明书一个实施例提供的一种路径规划方法中条件生成模型的训练流程图，如图6所示，获取多个历史路径和多个历史路径分别对应的历史路径规划条件(如发生时间和其他个性化规划信息)；将多个历史路径和多个历史路径分别对应的历史路径规划条件输入初始条件生成模型，在初始条件生成模型中，对历史路径、发生时间、其他个性化规划信息进行特征提取，获得历史路径特征、发生时间特征和其他个性化规划特征；对历史路径特征、发生时间特征和其他个性化规划特征进行特征融合，获得融合特征；根据融合特征，生成历史路径对应的预测路径；根据历史路径和预测路径，计算条件生成损失；根据条件生成损失，调整初始条件生成模型的模型参数，获得训练完成的条件生成模型。

[0162] 本说明书一种可选的实施例中，初始条件生成模型包括特征提取单元、特征融合单元和预测单元；上述将多个历史路径和多个历史路径分别对应的历史路径规划条件输入初始条件生成模型，获得多个历史路径分别对应的预测路径，可以包括以下步骤：

[0163] 针对第一历史路径，经特征提取单元，对第一历史路径和第一历史路径规划条件进行特征提取，获得第一历史路径特征和第一历史路径规划条件特征，其中，第一历史路径为多个历史路径中的任一个，第一历史路径规划条件为第一历史路径对应的历史路径规划条件；

[0164] 经特征融合单元，对第一历史路径特征和第一历史路径规划条件特征进行融合，获得第一融合特征；

[0165] 经预测单元，根据第一融合特征，生成第一历史路径对应的第一预测路径。

[0166] 需要说明的是，特征融合单元对第一历史路径特征和第一历史路径规划条件特征进行融合的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不做任何限定。本说明书一种可能的实现方式中，可以直接拼接第一历史路径特征和第一历史路径规划条件特征，获得第一融合特征。本说明书另一种可能的实现方式中，可以分别对第一历史路径特征和第一历史路径规划条件特征设置权重，进一步对第一历史路径特征和第一历史路径规划条件特征进行加权融合，获得第一融合特征。

[0167] 应用本说明书实施例的方案，针对第一历史路径，经特征提取单元，对第一历史路径和第一历史路径规划条件进行特征提取，获得第一历史路径特征和第一历史路径规划条件特征；经特征融合单元，对第一历史路径特征和第一历史路径规划条件特征进行融合，获得第一融合特征；经预测单元，根据第一融合特征，生成第一历史路径对应的第一预测路径，从而在路径预测过程中融入了历史路径规划条件，提高了路径预测的灵活性和可扩展性。

[0168] 下述结合附图7，以本说明书提供的路径规划方法在智慧交通的应用为例，对所述路径规划方法进行进一步说明。其中，图7示出了本说明书一个实施例提供的一种交通路径规划方法的流程图，具体包括以下步骤：

[0169] 步骤702：获取交通路径规划需求信息，其中，交通路径规划需求信息包括路径起点和路径终点。

[0170] 步骤704：将路径起点和路径终点输入路径规划模型，获得路径起点和路径终点之间的多个参考路径和多个参考路径分别对应的第一决策信息，其中，路径规划模型基于路径预测损失和约束条件损失训练得到。

[0171] 步骤706：根据多个参考路径和第一决策信息，确定交通路径规划需求信息对应的目标交通规划路径。

[0172] 需要说明的是，步骤702至步骤706的实现方式可以参考上述步骤402至步骤406的实现方式，本说明书实施例便不再进行赘述。

[0173] 应用本说明书实施例的方案，由于路径规划模型训练过程中考虑了约束条件损失，从而在训练过程中融入了先验知识，提高了路径规划模型的精确性，因此，通过利用路径规划模型自动生成目标交通规划路径，路径规划链路简单，保证了交通路径规划的稳定性和服务性能，并且，由于交通路径规划过程中无需手动设计不同的地图路网权重，提高了交通路径规划的效率和可扩展性。

[0174] 参见图8，图8示出了本说明书一个实施例提供的一种路径规划模型训练方法的流程图，路径规划模型训练方法应用于云侧设备，具体包括以下步骤：

[0175] 步骤802：获取多个历史路径。

[0176] 步骤804：将多个历史路径输入初始路径规划模型，获得多个历史路径分别对应的预测恢复路径。

[0177] 步骤806：根据多个历史路径和多个历史路径分别对应预测恢复路径，计算路径预测损失。

[0178] 步骤808：根据路径规划约束条件和多个历史路径分别对应的预测恢复路径，计算约束条件损失。

[0179] 步骤810：根据路径预测损失和约束条件损失，调整初始路径规划模型的模型参数，获得训练完成的路径规划模型。

[0180] 需要说明的是，步骤802至步骤810的实现方式可以参考上述路径规划方法中路径规划模型的训练方式，本说明书实施例便不再进行赘述。

[0181] 实际应用中，获得训练完成的路径规划模型之后，可以将训练完成的路径规划模型的模型参数发送至端侧设备，以使用户基于模型参数在本地构建路径规划模型，利用路径规划模型进行路径规划。

[0182] 应用本说明书实施例的方案，根据路径预测损失和约束条件损失，调整初始路径规划模型的模型参数，获得训练完成的路径规划模型，通过在路径规划模型的训练过程中考虑约束条件损失，从而在训练过程中融入了先验知识，提高了路径规划模型的精确性。

[0183] 参见图9，图9示出了本说明书一个实施例提供的一种路径规划方法的处理过程训练流程图，基于地图路网，利用路径规划模型和条件生成模型，基于给定的路径规划条件，不断的生成新的路径，并且衡量路径的概率，选择概率最大的，并且符合路径规划约束条件的路径来作为最终的目标规划路径。具体地，将路径起点和路径终点(起终点)输入路径规划模型进行路径规划，获得路径起点和路径终点之间的多个参考路径和多个参考路径分别对应的第一决策信息；将路径起点、路径终点和路径规划条件输入条件生成模型，获得多个候选路径和多个候选路径分别对应的第二决策信息；根据多个参考路径、多个候选路径、第一决策信息和第二决策信息，确定目标规划路径。

[0184] 需要说明的是，仅通过路径规划模型和条件生成模型进行路径生成，不需要调用过多的系统，可以不依赖于实时路况计算和ETA预测，整体系统链路简单，因此稳定性和服务性能都有比较好的提升。并且，路径规划可扩展空间较大，对于不同需求的路径规划可以通过给条件生成模型加入不同的路径规划条件来实现，路径规划可扩展空间较大。

[0185] 参见图10，图10示出了本说明书一个实施例提供的另一种路径规划方法的处理过程训练流程图，基于地图路网，在路径规划模型和条件生成模型的基础上，利用实时路况计算和ETA预测作为更充分的前提和条件，实现更精准的路径规划。具体地，将路径起点和路径终点(起终点)输入路径规划模型进行路径规划，获得路径起点和路径终点之间的多个参考路径和多个参考路径分别对应的第一决策信息；将路径起点、路径终点和路径规划条件(包括实时路况计算和ETA预测结果)输入条件生成模型，获得多个候选路径和多个候选路径分别对应的第二决策信息；根据多个参考路径、多个候选路径、第一决策信息和第二决策信息，确定目标规划路径。

[0186] 与上述路径规划方法实施例相对应，本说明书还提供了路径规划装置实施例，图11示出了本说明书一个实施例提供的一种路径规划装置的结构示意图。如图11所示，该装置包括：

[0187] 第一获取模块1102，被配置为获取路径规划需求信息，其中，路径规划需求信息包括路径起点和路径终点；

[0188] 第一输入模块1104，被配置为将路径起点和路径终点输入路径规划模型，获得路径起点和路径终点之间的多个参考路径和多个参考路径分别对应的第一决策信息，其中，路径规划模型基于路径预测损失和约束条件损失训练得到；

[0189] 第一确定模块1106，被配置为根据多个参考路径和第一决策信息，确定路径规划需求信息对应的目标规划路径。

[0190] 可选地，路径规划需求信息包括路径规划条件；该装置还包括：第四输入模块，被配置为将路径起点、路径终点和路径规划条件输入条件生成模型，获得多个候选路径和多个候选路径分别对应的第二决策信息；第一确定模块1106，进一步被配置为根据多个参考路径、多个候选路径、第一决策信息和第二决策信息，确定目标规划路径。

[0191] 可选地，第一确定模块1106，进一步被配置为针对第一候选路径，从多个参考路径中筛选出第一参考路径，其中，第一候选路径为多个候选路径中的任一个，第一候选路径和第一参考路径属于同一地图轨迹；根据第一参考路径对应的第一决策信息和第一候选路径对应的第二决策信息，确定第一候选路径对应的第三决策信息；根据多个候选路径分别对应的第三决策信息，从多个候选路径中筛选出目标规划路径。

[0192] 可选地，第一确定模块1106，进一步被配置为在预设地图路网上，确定第一候选路径对应的第一地图轨迹和多个参考路径分别对应的参考地图轨迹；从多个参考地图轨迹中，筛选出与第一地图轨迹相同的目标参考地图轨迹；将目标参考地图轨迹对应的参考路径确定为第一参考路径。

[0193] 可选地，该装置还包括：更新模块，被配置为在目标规划路径不包括路径终点的情况下，根据目标规划路径更新路径规划条件，获得更新后的路径规划条件，并返回执行将路径起点、路径终点和路径规划条件输入条件生成模型，获得多个候选路径和多个候选路径分别对应的第二决策信息的步骤，直至目标规划路径包括路径终点，获得目标规划路径。

[0194] 可选地，该装置还包括：接收模块，被配置为接收用户基于目标规划路径发送的路径调整信息，并根据路径调整信息调整路径规划模型的模型参数。

[0195] 可选地，该装置还包括：路径规划模型训练模块，被配置为获取多个历史路径；经初始路径规划模型，对多个历史路径进行扰动，获得多个历史路径分别对应的噪声数据，并对噪声数据进行恢复，获得多个历史路径分别对应的预测恢复路径；根据多个历史路径和多个历史路径分别对应预测恢复路径，计算路径预测损失；根据路径预测损失，调整初始路径规划模型的模型参数，获得训练完成的路径规划模型。

[0196] 可选地，该装置还包括：第三计算模块，被配置为获取路径规划约束条件，其中，路径规划约束条件包括路径连贯条件、路径通行条件、路径合规条件中的至少一种；根据路径规划约束条件和预测恢复路径，计算约束条件损失；路径规划模型训练模块，进一步被配置为根据路径预测损失和约束条件损失，调整初始路径规划模型的模型参数，获得训练完成的路径规划模型。

[0197] 可选地，将该装置还包括：条件生成模型训练模块，被配置为获取多个历史路径和多个历史路径分别对应的历史路径规划条件；将多个历史路径和多个历史路径分别对应的历史路径规划条件输入初始条件生成模型，获得多个历史路径分别对应的预测路径；根据历史路径和预测路径，计算条件生成损失；根据条件生成损失，调整初始条件生成模型的模型参数，获得训练完成的条件生成模型。

[0198] 可选地，初始条件生成模型包括特征提取单元、特征融合单元和预测单元；进一步条件生成模型训练模块，被配置为针对第一历史路径，经特征提取单元，对第一历史路径和第一历史路径规划条件进行特征提取，获得第一历史路径特征和第一历史路径规划条件特征，其中，第一历史路径为多个历史路径中的任一个，第一历史路径规划条件为第一历史路径对应的历史路径规划条件；经特征融合单元，对第一历史路径特征和第一历史路径规划条件特征进行融合，获得第一融合特征；经预测单元，根据第一融合特征，生成第一历史路径对应的第一预测路径。

[0199] 应用本说明书实施例的方案，由于路径规划模型训练过程中考虑了约束条件损失，从而在训练过程中融入了先验知识，提高了路径规划模型的精确性，因此，通过利用路径规划模型自动生成目标规划路径，路径规划链路简单，保证了路径规划的稳定性和服务性能，并且，由于路径规划过程中无需手动设计不同的地图路网权重，提高了路径规划的效率和可扩展性。

[0200] 上述为本实施例的一种路径规划装置的示意性方案。需要说明的是，该路径规划装置的技术方案与上述的路径规划方法的技术方案属于同一构思，路径规划装置的技术方案未详细描述的细节内容，均可以参见上述路径规划方法的技术方案的描述。

[0201] 与上述交通路径规划方法实施例相对应，本说明书还提供了交通路径规划装置实施例，图12示出了本说明书一个实施例提供的一种交通路径规划装置的结构示意图。如图12所示，该装置包括：

[0202] 第二获取模块1202，被配置为获取交通路径规划需求信息，其中，交通路径规划需求信息包括路径起点和路径终点；

[0203] 第二输入模块1204，被配置为将路径起点和路径终点输入路径规划模型，获得路径起点和路径终点之间的多个参考路径和多个参考路径分别对应的第一决策信息，其中，路径规划模型基于路径预测损失和约束条件损失训练得到；

[0204] 第二确定模块1206，被配置为根据多个参考路径和第一决策信息，确定交通路径规划需求信息对应的目标交通规划路径。

[0205] 应用本说明书实施例的方案，由于路径规划模型训练过程中考虑了约束条件损失，从而在训练过程中融入了先验知识，提高了路径规划模型的精确性，因此，通过利用路径规划模型自动生成目标交通规划路径，路径规划链路简单，保证了交通路径规划的稳定性和服务性能，并且，由于交通路径规划过程中无需手动设计不同的地图路网权重，提高了交通路径规划的效率和可扩展性。

[0206] 上述为本实施例的一种交通路径规划装置的示意性方案。需要说明的是，该交通路径规划装置的技术方案与上述的交通路径规划方法的技术方案属于同一构思，交通路径规划装置的技术方案未详细描述的细节内容，均可以参见上述交通路径规划方法的技术方案的描述。

[0207] 与上述路径规划模型训练方法实施例相对应，本说明书还提供了路径规划模型训练装置实施例，图13示出了本说明书一个实施例提供的一种路径规划模型训练装置的结构示意图。如图13所示，该装置应用于云侧设备，包括：

[0208] 第三获取模块1302，被配置为获取多个历史路径；

[0209] 第三输入模块1304，被配置为将多个历史路径输入初始路径规划模型，获得多个历史路径分别对应的预测恢复路径；

[0210] 第一计算模块1306，被配置为根据多个历史路径和多个历史路径分别对应预测恢复路径，计算路径预测损失；

[0211] 第二计算模块1308，被配置为根据路径规划约束条件和多个历史路径分别对应的预测恢复路径，计算约束条件损失；

[0212] 第一调整模块1310，被配置为根据路径预测损失和约束条件损失，调整初始路径规划模型的模型参数，获得训练完成的路径规划模型。

[0213] 应用本说明书实施例的方案，根据路径预测损失和约束条件损失，调整初始路径规划模型的模型参数，获得训练完成的路径规划模型，通过在路径规划模型的训练过程中考虑约束条件损失，从而在训练过程中融入了先验知识，提高了路径规划模型的精确性。

[0214] 上述为本实施例的一种路径规划模型训练装置的示意性方案。需要说明的是，该路径规划模型训练装置的技术方案与上述的路径规划模型训练方法的技术方案属于同一构思，路径规划模型训练装置的技术方案未详细描述的细节内容，均可以参见上述路径规划模型训练方法的技术方案的描述。

[0215] 图14示出了本说明书一个实施例提供的一种计算设备的结构框图。该计算设备1400的部件包括但不限于存储器1410和处理器1420。处理器1420与存储器1410通过总线
1430相连接，数据库1450用于保存数据。

[0216] 计算设备1400还包括接入设备1440，接入设备1440使得计算设备1400能够经由一个或多个网络1460通信。这些网络的示例包括公用交换电话网(PSTN，Public Switched Telephone Network)、局域网(LAN，Local Area Network)、广域网(WAN，Wide Area Network)、个域网(PAN，Personal Area Network)或诸如因特网的通信网络的组合。接入设备1440可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC，Network Interface Card))中的一个或多个，诸如IEEE802.11无线局域网(WLAN，Wireless Local Area Networks)无线接口、全球微波互联接入(Wi‑MAX，World Interoperability for Microwave Access)接口、以太网接口、通用串行总线(USB，Universal Serial Bus)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC，Near Field Communication)接口，等等。

[0217] 在本说明书的一个实施例中，计算设备1400的上述部件以及图14中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图14所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。

[0218] 计算设备1400可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或个人计算机(PC，Personal Computer)的静止计算设备。计算设备1400还可以是移动式或静止式的服务器。

[0219] 其中，处理器1420用于执行如下计算机可执行指令，该计算机可执行指令被处理器执行时实现上述路径规划方法或者交通路径规划方法或者路径规划模型训练方法的步骤。

[0220] 上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的路径规划方法、交通路径规划方法和路径规划模型训练方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述路径规划方法或者交通路径规划方法或者路径规划模型训练方法的技术方案的描述。

[0221] 本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现上述路径规划方法或者交通路径规划方法或者路径规划模型训练方法的步骤。

[0222] 上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的路径规划方法、交通路径规划方法和路径规划模型训练方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述路径规划方法或者交通路径规划方法或者路径规划模型训练方法的技术方案的描述。

[0223] 本说明书一实施例还提供一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述路径规划方法或者交通路径规划方法或者路径规划模型训练方法的步骤。

[0224] 上述为本实施例的一种计算机程序的示意性方案。需要说明的是，该计算机程序的技术方案与上述的路径规划方法、交通路径规划方法和路径规划模型训练方法的技术方案属于同一构思，计算机程序的技术方案未详细描述的细节内容，均可以参见上述路径规划方法或者交通路径规划方法或者路径规划模型训练方法的技术方案的描述。

[0225] 上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

[0226] 所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read‑Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据专利实践的要求进行适当的增减，例如在某些地区，根据专利实践，计算机可读介质不包括电载波信号和电信信号。

[0227] 需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本说明书实施例并不受所描述的动作顺序的限制，因为依据本说明书实施例，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本说明书实施例所必须的。

[0228] 在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

[0229] 以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书实施例的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书实施例的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。

查看完整全部详细技术资料

当前第1页第1页第2页第3页