CN101739817B - 一种动态起点的最短路径规划方法 - Google Patents

Abstract

本发明公开了一种动态起点的最短路径规划方法，属于智能交通系统中动态路径诱导技术领域，用于对车辆行进路线的优化。该方法始终以车辆当前位置为起点，按照车辆行驶时间多次预测有关路段和交叉口的交通流量等路况信息，无请求式定时按照路径规划算法求解最短路径，从而求得更符合路网实时情况的时间最短路径，在车辆导航系统屏幕上直接显示。更新操作量小，从而缩短了计算时间。

Description

一种动态起点的最短路径规划方法

技术领域

本发明涉及一种路径规划方法，特别涉及动态起点的最短路径规划方法，属于智能交通系统中动态路径诱导技术领域。 

背景技术

动态路径诱导作为先进的交通信息服务系统(ATIS)的组成之一，建立在完善的智能交通信息平台之上，旨在根据路网中实时交通状况合理引导车辆，减少行车延误，使得路网流量趋于平衡。当前国内外动态路径诱导系统的主要工作方式包括实时交通信息发布和动态路径导航两种。 

在动态路径导航系统中，车辆动态行车路线的选取，以更切合实际的行程时间为衡量标准，用于降低因道路交通事故、路段改造等突发情况或单行、禁行、禁左等交通管制措施所造成的行车延误，提高行程效率。而对于车辆动态时间最短路径的求取，并无十分精确的求解方案。国际上比较常用的方法是将各条路段的车流速度按不同时间段进行分类，设置成不同的常数，如高峰时段设置为0.3miles/min，其它时段设置为1miles/min，或设置为某一已知的时变函数。在此基础上，利用最短路径算法，求解不同出发时刻，路网两节点间的时间最短路径。而实际路网的交通状况远比这要复杂，某一路段在各个时间段的车流速度并非一个常量，也无固定的函数表达式。故而不能直接用于工程实践。 

目前常用的最短路径算法有Dijkstra、A*、D*Lite、LPA*等。A*算法在启发因子的“引导”下，有针对性地进行节点的扩展，避免了Dijkstra算法的盲目性，从而使得搜寻时间小于Dijkstra算法。D*Lite算法与LPA*算法相似，前者是沿着目标节点至起始节点的方向进行搜索的，它的启发因子表示的是当前节点到目标节点最小代价值的估值，后者正好相反。LPA*算法只能用于指定起始点的路径规划，而D*Lite算法虽然可用于变起点的动态路径寻优，但由于路网中各路段权值的变化，会引起各个节点参数值的改变，从而需要进行大量的更新操作，计算时间较长，不能满足工程应用实时性要求。 

发明内容

为了克服现有技术更新操作量大而导致计算时间长的不足，本发明提出了一种动态起点的最短路径规划方法，该方法始终以车辆当前位置为起点，按照车辆行驶时间多次预测有关路段和交叉口的交通流量等路况信息，无请求式定时按照路径规划算法求解最短路径，从而求得更符合路网实时情况的时间最短路径，在车辆导航系统屏幕上直接显示。更新操作量小，缩短了计算时间。 

本发明解决其技术问题采用的技术方案是，一种智能交通系统中动态起点的最短路径规划方法，其特点是包括以下步骤： 

(a)通过MAPX数据集集合对象，将用户的属性数据与电子地图的空间数据连接，将电子地图中的路段图层上传至后台数据库，数据库中实时交通流量值与电子地图路段权值进行绑定，生成“路段绑定表”，将电子地图路段图层与数据库中“路段绑定表”的绑定，对“路段绑定表”随着路段流量表的实时变化而进行及时更新，根据电子地图路段图层中各路段的实时权值，执行动态起点的交通诱导算法； 

(b)实时读取车载导航设备中的GPS信息，与预存的路网中各个路口的GPS信息比较，判断是否与路网中某个路口的距离接近X，当车辆与某个路口的距离小于等于X时，将该路口作为动态起点； 

(c)根据当前节点与目标节点的经纬度，得出两点之间的物理长度，由于要找到最优解的前提条件是启发因子的值小于等于当前点到目标点的实际代价值，故取启发因子的值为当前节点到目标节点的物理长度与城市路网中所允许的最大行车速度的比值； 

(d)设定一个变化阈值，即与前一时间段相比，只有在当前时段路段的权值的变化超过一定的比例的情况下，才认为该路段的权值发生了改变； 

(e)在初始时刻t_o，节点v_o，根据当前各条路段的行程时间，求取一条至目标点的时间最短路径，沿着该路线，在车辆即将到达每个节点v_x时，根据各路段的实时权值g′_ij(t_x)，进一步修正时间最短路径，重新规划v_x至目标节点v_d的行程路线，步骤(e)的过程不断重复，直至车辆到达目标节点。 

本发明的有益效果是：路径优化结果好，节约车辆行驶时间和能源。交通路径诱导考虑车辆当前的行驶位置，当车辆前行比掉头改变路径更有效时，车辆在下一个路口才可能更改路线。在通过每一个可选路线的路口时，交通信息的预测值能够实时更新，更新操作量小，缩短了计算时间，且大幅度减小预测误差。因此，路径优化结果会更好，所求得的时间最短路径更符合动态变化路网的实际情况。 

下面结合具体实施方式对本发明作详细说明。 

具体实施方式

1.数据库中实时交通流量值与电子地图路段权值的绑定。 

通过MAPX数据集集合(Datasets)对象，将用户的属性数据与电子地图的空间数据连接起来。使用MapInfo的EasyLoader工具将电子地图中的路段图层上传至后台数据库，生成“路段绑定表”，利用路段名称的一致性，实现电子地图路段图层与数据库中“路段绑定表”的绑定。同时利用数据库的触发器机制，实现“路段绑定表”随着路段流量表的实时变化而进行及时更新。系统实现时，根据电子地图路段图层中各路段的实时权值，执行动态起点的交通诱导算法。 

2.动态起点的实时输入。 

预先存储路网中各个路口的GPS信息，实时读取车载导航设备中的GPS信息，判断是否与路网中某个路口的位置接近(取临界值为30米)。一旦车辆与某个路口的距离小于等于30米时，便将该路口作为计算的起始路口。 

3.算法中启发因子的选取。 

由于动态时间最短路径基于车辆行程时间，启发因子的取值应该也是一个时间值。在实际的电子地图中，每个路口节点都有实际的经纬度。根据当前节点与目标节点的经纬度，可以推算出两点之间的物理长度。由于要找到最优解的前提条件是启发因子的值小于等于当前点到目标点的实际代价值)，故取启发因子的值为当前节点到目标节点的物理长度与城市路网中所允许的最大行车速度的比值。 

4.路段权值变化的判定。 

严格意义上，各路段的权值在实时地发生着改变，但某些变化并未超出驾驶员的容忍范围。系统设计时，设定一个变化阈值，即与前一时间段相比，只有在当前时段路段的权值的变化超过一定的比例的情况下，才认为该路段的权值发生了改变。 

5.动态时间最短路径的求取 

首先在初始时刻t_o，节点v_o，根据当前各条路段的行程时间，求取一条至目标点的时间最短路径。之后，沿着该路线，在车辆即将到达每个节点v_x时，根据各路段的实时权值g′_ij(t_x)，进一步修正时间最短路径，重新规划v_x至目标节点v_d的行程路线。此更新过程不断重复，直至车辆到达目标节点。在动态计算时间最短路径过程中，采用基于路网权值变化的动态路径规划策略，节省了运算时间。 

Claims (2)

1.一种智能交通系统中动态起点的最短路径规划方法，其特征在于包括下述步骤：

(a)通过MAPX数据集集合对象，将用户的属性数据与电子地图的空间数据连接，将电子地图中的路段图层上传至后台数据库，数据库中实时交通流量值与电子地图路段权值进行绑定，生成“路段绑定表”，实现电子地图路段图层与数据库中“路段绑定表”的绑定，对“路段绑定表”随着路段流量表的实时变化而进行及时更新，根据电子地图路段图层中各路段的实时权值，执行动态起点的交通诱导算法；

(b)实时读取车载导航设备中的GPS信息，与预存的路网中各个路口的GPS信息比较，判断是否与路网中某个路口的距离接近X，当车辆与某个路口的距离小于等于X时，将该路口作为动态起点；

(c)根据当前节点与目标节点的经纬度，得出两点之间的物理长度，由于要找到最优解的前提条件是启发因子的值小于等于当前点到目标点的实际代价值，故取启发因子的值为当前节点到目标节点的物理长度与城市路网中所允许的最大行车速度的比值；

(d)设定一个变化阈值，即与前一时间段相比，只有在当前时段路段的权值的变化超过一定的比例的情况下，才认为该路段的权值发生了改变；

(e)在初始时刻t_o，节点v_o，根据当前各条路段的行程时间，求取一条至目标点的时间最短路径，沿着该路线，在车辆即将到达每个节点v_x时，根据各路段的实时权值g′_ij(t_x)，进一步修正时间最短路径，重新规划v_x至目标节点v_d的行程路线，步骤(e)的过程不断重复，直至车辆到达目标节点。

2.根据权利要求1所述的智能交通系统中动态起点的最短路径规划方法，其特征在于：所述X的优选值是30米。