专利名称：一种面向海量交通信息的路径选择方法
技术领域：
本发明涉及海量交通信息的路径规划问题，主要利用人工智能算法获得交通网络路径，大幅度提高最优交通路径问题的求解速度，提高交通地理信息系统的运算效率，属于智能交通管理和人工智能的交叉技术应用领域。
背景技术：
交通基础设施是一种高度复杂的网络，如何在该网络规划出最优的行车路径是一个重要的问题。通常利用通讯工具、全球定位系统(GPS)和移动通信技术等构建车辆的导 航系统，该导航系统的核心算法是最短路径搜索算法。一般来说，随着道路数量的不断增力口，最短路径搜索算法的软件实现将产生大量计算开销。因此，汽车导航系统的整体执行效率会降低，并且由于增加搜索最短路径的时间和扰动远程信息操作的处理时间，这种性能的下降最终会影响到对用户的导航。如上所述，传统最短路径算法在软件实现将产生巨大的开销。随着信息科学的发展，地理信息系统(GIS)广泛应用于人们生产和生活的各个领域，在各类的GIS应用中，交通地理信息系统(GIS -T)又是其中的一个热点研究领域。当代世界各发达国家和部分发展中国家都在积极发展智能交通系统(ITS)，以缓解由于经济发展导致的出行需求增长和由于交通智能化不够导致的出行需求不能得到较好满足之间的矛盾。在ITS所包含的6个高级交通系统中，有4个与GIS-T支持下的交通网络分析直接相关。交通网络分析的一个重要组成部分是路径分析，而路经分析的核心为最优路径算法。因此，对最优路径问题的研究不但具有重要的理论价值，而且具有重要的应用价值。矢量地图是电子地图的一种，多数GIS应用(如定位、导航、监控等)的基础。相比栅格地图，矢量地图具有数据量小、可随意缩放且不会失真、方便进行
全局或者局部校正以及便于更新等优点。矢量地图可看作由点线、面这三种几何对象以及它们的属性数据构成的集合。这里引入地图矢量库和地图数据库两个概念。矢量库是一组图形描述数据，保存了地图的几何数据；数据库是一组描述数据，保存地图各种几何对象的属性数据，二者之间可通过对象的序号建立起索引关系。矢量地图是大多数GIS应用(如定位、导航、监控等等)的基�。嵌允导式煌ㄍ缤仄说囊桓鼋品从�。从而，我们可将在交通网络分析中的最优路径问题的研究转化为在矢量地图中求解最优路径算法的研究。目前GIS应用领域中，用于解单源点多汇点的最优路径和所有顶点对之间的最优路径，如者的典型代表如Di jkstra算法，后者的典型代表如Floyd算法。从搜索算法是否具有智能性的角度，可将其分为两大类，即盲目搜索和启发式搜索。前者如BFS算法、DFS算法、IDS算法等，其中也包括了 Dijkstra算法。后者主要是一些人工智能领域的研究成果，包括遗传算法、A*算法等。普遍认为启发搜索算法比盲目搜索算法的效率要高，因为启发搜索引入了问题域的相关信息，从而使得搜索更具针对性，这一点在稠密图搜索中表现得尤其明显。
Dijkstra (迪杰斯特拉)算法是典型的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。但是随着网络空间数据量的增大，网络结点数的增加，直接使用Dijkstra算法效率显著下降。其原因在于，算法在一个给定的状态空间中穷举，这在状态空间不大的情况下是很合适的算法，可是当状态空间十分大，且不预测的情况下就不可取了。他的效率实在太低，甚至不可完成。要想处理大数据量的最短路径分析，必须进行优化或者采用效率更高的搜索算法。A^(A-Star)算法是一种静态路网中求解最短路有效的方法，它对于最短路径求解问题具有很高的效率，A*算法也是一种最好优先的算法，只不过要加上一些约束条件。由于在一些问题求解时，我们希望能够高效的求解出状态空间搜索的最短路径，也就是用最快的方法求解问题，A*算法能够发挥很大的作用，本发明的方法是基于A*算法的。现代交通越来越发达，道路信息纷繁复杂，其数据规模之大是可以想见的。选择最优路径时需要考虑影响道路通行的多个因素，这样使得问题变得更加复
杂，本发明主要考虑了道路长度、道路阻塞程度、道路通行难度这三个主要因素，这样使得本发明所产生的结果能具有较高的参考价值。
发明内容
技术问题本发明运用人工智能中的启发式搜索算法来求解海量交通信息中的最 优路径，解决传统算法的在最优路径规划中的效率问题。技术方案本发明对原有交通信息进行特定的处理，采用基于人工智能的搜索策略，利用启发函数的启发性质，保证最优路径的搜索始终向着终点的方向进行，达到很高的路径搜索效率。在矢量地图中，采用两点间的欧式距离来表示节点的启发值，节点间的估计距离必然小于等于实际距离，保证求解的为最优解。面向海量交通信息的路径选择方法包含的步骤为
步骤I.地图初始化过程
采用压缩的思想来降低所需处理信息的维度，减小海量信息的数据规模，也降低了核心算法的执行难度；根据这些因素之间的影响，叠加性采用简单和式作为压缩公式，得到道路的综合权值，然后利用道路的综合权值来构建城市地点之间的联系图，供核心算法程序调用；
步骤2.核心算法执行过程
从起点开始逐步拓展节点，每一步预先估计从该节点到目标节点的代价，从已经选出的节点中选取最佳节点进行下一步拓展，本发明核心算法中所选取的估价函数公式为f (i)=g(i)+h(i)，对该公式有如下几点说明
①f(i)是从初始点经由节点i到目标点的估价函数；
②g(i)是在状态空间中从初始节点到目标节点的实际代价；
③h(i)是从节点i到目标节点最佳路径的估计代价，所述的静态路网选取两节点间欧几理德距离即直线距离作为估价值；
具体算法流程
步骤21):先将起点添加到开启列表中，步骤22):开启列表中有节点的话，选取第一个节点，即估价函数f值最小的节点
a、判断此节点是否是目标点，是则找到了，跳出；否则，根据此节点取得可拓展方向上的节点，分别求出各节点的实际代价g值，估计代价h值，估价函数f值；
b、判断每个节点在地图中是否能通过，不能通过则加入关闭列表中，跳出；判断每个节点是否在关闭列表中，在则跳出；
C、判断每个节点是否在开启列表中，在则更新各点的实际代价g值，估价函数f值，还更新其父节点；不在则将其添加到开启列表中计算该节点实际代价g值，估计代价h值，估价函数f值，在开启列表中添加该节点；
步骤23):把步骤22)中选中的节点从开启列表中删除，再添加到关闭列表中；
步骤24):把开启列表中按照估价函数f值对节点进行排序，使f值最小的节点在开启列表中第一个；
步骤25):重复22)、23)、24)步骤，直到目标点在开启列表中，即找到了 ；目标点不在开启列表中，开启列表为空，即没找到；
步骤3.后期维护过程
通过实际考察获取变动的城市地图信息，计算出对应的综合权值，同步到地图初始化过程中所构建出的地图中。有益效果在矢量地图中，本发明采用两点间的欧式距离来表示节点的启发值，节点间的估计距离小于等于实际距离，从而本方法是可接纳的，而矢量图也满足前述对图的要求。传统用来处理这一问题的Dijkstra方法的一般时间复杂度为0(n~2)，在n很大时效率低下，而本算法的时间和和空间复杂度仅为0(n’)，其中n’为扩展节点数，具有很明显的优势。Dijkstra方法及其简化BFS方法、本发明方法在相同规模模静态方格网络(200*200)中的运行时间比较如表I所示。表I
权利要求
1. 一种面向海量交通信息的路径选择方法，其特征在于该方法包含的步骤为 步骤I.地图初始化过程 采用压缩的思想来降低所需处理信息的维度，减小海量信息的数据规模，也降低了核心算法的执行难度；根据这些因素之间的影响，叠加性采用简单和式作为压缩公式，得到道路的综合权值，然后利用道路的综合权值来构建城市地点之间的联系图，供核心算法程序调用； 步骤2.核心算法执行过程 从起点开始逐步拓展节点，每一步预先估计从该节点到目标节点的代价，从已经选出的节点中选取最佳节点进行下一步拓展，本发明核心算法中所选取的估价函数公式为f (i)=g(i)+h(i)，对该公式有如下几点说明 ①f(i)是从初始点经由节点i到目标点的估价函数； ②g(i)是在状态空间中从初始节点到目标节点的实际代价； ③h(i)是从节点i到目标节点最佳路径的估计代价，所述的静态路网选取两节点间欧几理德距离即直线距离作为估价值； 具体算法流程 步骤21):先将起点添加到开启列表中， 步骤22):开启列表中有节点的话，选取第一个节点，即估价函数f值最小的节点 a、判断此节点是否是目标点，是则找到了，跳出；否则，根据此节点取得可拓展方向上的节点，分别求出各节点的实际代价g值，估计代价h值，估价函数f值； b、判断每个节点在地图中是否能通过，不能通过则加入关闭列表中，跳出；判断每个节点是否在关闭列表中，在则跳出； C、判断每个节点是否在开启列表中，在则更新各点的实际代价g值，估价函数 f值，还更新其父节点；不在则将其添加到开启列表中计算该节点实际代价g值，估计代价h值，估价函数f值，在开启列表中添加该节点； 步骤23):把步骤22)中选中的节点从开启列表中删除，再添加到关闭列表中； 步骤24):把开启列表中按照估价函数f值对节点进行排序，使f值最小的节点在开启列表中第一个； 步骤25):重复22)、23)、24)步骤，直到目标点在开启列表中，即找到了；目标点不在开启列表中，开启列表为空，即没找到； 步骤3.后期维护过程 通过实际考察获取变动的城市地图信息，计算出对应的综合权值，同步到地图初始化过程中所构建出的地图中。
全文摘要
基于人工智能的面向海量交通信息的路径选择方法，该方法是一种面向海量数据的搜索方法，在搜索的过程中加入人工决策的思想。本发明首先处理对象为海量交通信息，对每一条道路的描述采用多维形式，即决定一条道路的好坏看多个方面因素；然后采用降低信息维度的方法以降低处理难度，通过公式将道路信息的后三维降为一维，即利用综合权值来构图；最后，可在两地之间选择交通路径，从起点出发，每走一步均进行一次决策，选择最优路径走向终点。本发明中的路径搜索过程涉及到从起点走向终点的整个优化过程，很大程度避免了多余的搜索；同时在最后一个阶段对方法进行适应性的维护，同步地图信息的变化，进一步保证了所访问到地图信息的可靠性。
文档编号G01C21/34GK102749084SQ20121023713
公开日2012年10月24日 申请日期2012年7月10日 优先权日2012年7月10日
发明者丁燚, 刘舸, 岳文静, 平丹, 张亚萍, 陈志 申请人:南京邮电大学
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
