CN101944095B - 路径搜索方法和系统 - Google Patents

Abstract

本发明提供了一种路径搜索方法和系统，其中，方法包括以下步骤：将道路映射成交通网络拓扑图中的结点，将道路的端点映射成交通网络拓扑图中的弧段；从原结点和目标结点双向搜索得到多个当前结点；依次计算多个当前结点到原结点和目标结点的代价，得到从原结点到目标结点的代价最小的当前结点；根据代价最小的当前结点和原结点以及目标结点，得到从原结点到目标结点的路线方案。本发明克服了现有技术中采用邻接矩阵的Dijkstra方法来存储交通网络拓扑数据，虽然可以在O(1)时间内完成(i；j)是否是一条网络边的查询，但对最短路径搜索最关键的关联结点的查询，其复杂度均为O(n)，导致查询的复杂度较高的问题。

Description

路径搜索方法和系统

技术领域

本发明涉及交通领域，具体而言，涉及一种路径搜索方法和系统。

背景技术

在道路网络(简称路网)日益发达的今天，用户的出行已经不再容易。

路径搜索是帮助驾单车辆驶员在旅行前规划行驶路线的过程。它要解决的主要问题是在给定的道路网中寻找从出发点到目的地之间的最优路径。

现有技术提供了一种基于邻接矩阵的Dijkstra方法，用以解决上述路径搜索中的具有最小代价的最短路径问题。

在实现本发明过程中，发明人发现现有技术中采用邻接矩阵的Dijkstra方法来存储交通网络拓扑数据，虽然可以在O(1)时间内完成(i；j)是否是一条网络边的查询，但对最短路径搜索最关键的关联结点的查询，其复杂度均为O(n)，导致查询的复杂度较高。

发明内容

本发明旨在提供一种路径搜索方法和系统，能够解决现有技术中采用邻接矩阵的Dijkstra方法来存储交通网络拓扑数据，虽然可以在O(1)时间内完成(i；j)是否是一条网络边的查询，但对最短路径搜索最关键的关联结点的查询，其复杂度均为O(n)，导致查询的复杂度较高的问题。

在本发明的实施例中，提供了一种路径搜索方法，包括以下步骤：

将道路映射成交通网络拓扑图中的结点，将道路的端点映射成交通网络拓扑图中的弧段；

从原结点和目标结点双向搜索得到多个当前结点；

依次计算多个当前结点到原结点和目标结点的代价，得到从原结点到目标结点的代价最小的当前结点；

根据代价最小的当前结点和原结点以及目标结点，得到从原结点到目标结点的路线方案。

优选地，在上述路径搜索方法中，从原结点和目标结点双向搜索得到多个当前结点具体包括：

将在前向搜索和后向搜索中均搜索到的结点作为当前结点。

优选地，在上述路径搜索方法中，代价为费用代价或距离代价或时间代价。

优选地，在上述路径搜索方法中，依次计算多个当前结点到原结点和目标结点的费用代价，得到从原结点到目标结点的费用代价最小的当前结点具体包括：

计算从原结点到当前结点的费用g(n)，

g(n)＝g(n-1)+D(n)×R(n)+T(n)，

其中，g(n-1)为到达道路结点n-1所经过的弧段的实际费用值，D(n)为从道路结点n-1到达结点n的导航路径的长度，R(n)为从道路结点n-1到达结点n的路径的属性取值因子，

R(n)＝360/m_rtCost[layerType][distType][methodType][roadClass]

其中，360为经验值，layerType、distType、methodType和roadClass分别是结点n的道路层类型、道路长度类型、驾乘选项和道路功能等级属性，T(n)为从上一道路结点n-1进入结点n时经过的导航路径的转向耗费，T(n)＝m_turnCost[methodType][turnDirection]，其中methodType和turnDirection分别是结点n的驾乘选项和道路转向属性；

计算从结点n到目标结点的费用h′(n)：

h′(n)＝μ×O(n)×R′(n)，

其中，μ为耗费系数，其取值与原结点到目标结点的欧氏距离的平方相关；O(n)为结点n到目标结点的欧氏距离；R′(n)为道路结点n  的后续费用估算的比例因子：R′(n)＝360/m_toCost[layerType][distType][methodType]，其中360是经验值，layerType、distType、methodType分别是从道路结点n-1到达结点n的导航路径的道路层类型、道路长度类型和驾乘选项属性，

计算原结点到目标结点的总费用：

f′(n)＝g(n)+h′(n)；

将根据多个当前结点计算得到的多个总费用进行比较，得到路径总费用最小的当前结点。

优选地，在上述路径搜索方法中，当原结点到目标结点的欧氏距离的平方小于3000时，μ取值为0.2。

在本发明的实施例中，还提供了一种路径搜索系统，包括：

用户终端，用于接受用户对出发地点和目标地点的输入；

中间层模块，用于实时装载导航数据；

计算模块，用于根据出发地点和目标地点以及导航数据，双向搜索计算得出从出发地点到目标地点代价最小的路线方案。

在上述实施例中，通过采用双向搜索，即不仅进行从起始结点到目标结点的前向搜索，而且进行从目标结点到起始结点的后向搜索，提高了对当前结点的搜索效率，降低了路径搜索中搜索的复杂度，克服了现有技术中采用邻接矩阵的Dijkstra方法来存储交通网络拓扑数据，虽然可以在O(1)时间内完成(i；j)是否是一条网络边的查询，但对最短路径搜索最关键的关联结点的查询，其复杂度均为O(n)，导致查询的复杂度较高的问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了根据本发明一个实施例的路径搜索方法流程图；

图2示出了根据本发明一个实施例的路径搜索系统模块图；

图3示出了根据本发明一个实施例的在线导航服务平台运行过程示意图；

图4示出了根据本发明一个实施例的复合结点示意图；

图5示出了根据本发明一个实施例的二次网格示意图；

图6示出了根据本发明一个实施例的路径连接示意图；

图7示出了根据本发明一个实施例的ID号跨越网格示意图；

图8示出了根据本发明一个实施例的复合路口子结点示意图；

图9示出了根据本发明一个实施例的结点形态示意图。

具体实施方式

下面将参考附图并结合实施例，来详细说明本发明。

图1示出了根据本发明一个实施例的路径搜索方法流程图，包括以下步骤：

S102，将道路映射成交通网络拓扑图中的结点，将道路的端点映射成交通网络拓扑图中的弧段；

S104，从原结点和目标结点双向搜索得到多个当前结点；

S106，依次计算多个当前结点到原结点和目标结点的代价，得到从原结点到目标结点的代价最小的当前结点；

S108，根据代价最小的当前结点和原结点以及目标结点，得到从原结点到目标结点的路线方案。

在本实施例中，通过采用双向搜索，即不仅进行从起始结点到目标结点的前向搜索，而且进行从目标结点到起始结点的后向搜索，提高了对当前结点的搜索效率，降低了路径搜索中搜索的复杂度，克服了现有技术中采用邻接矩阵的Dijkstra方法来存储交通网络拓扑数据，虽然可以在O(1)时间内完成(i；j)是否是一条网络边的查询，但对最短路径搜索最关键的关联结点的查询，其复杂度均为O(n)，导致查询的复杂度较高的问题。

同时，通过将道路映射成交通网络拓扑图中的结点，将道路的端点映射成交通网络拓扑图中的弧段，在保证逻辑正确性的情况下极大的简化了距离因子值的计算，生成的最佳路径结果集直接就是可操作的导航弧段序列，而不是现有方法中生成的结点序列，因此无须再次由结点序列进行遍历和比对制作导航弧段序列，提高了路径搜索的效率。

在本实施例中，对导航路网进行矩形分幅，矩形分幅指按矩形地理网格范围(两条经线和两条纬线围成的区域)为单位组织一幅地图的数据集。空间尺度为城市图(制图比例尺1∶5000)时，有两种分幅规格，一个是一次网格的尺寸，一个是二次网格的尺寸，一次网格的大小是经差1°×纬差40’，二次网格则是在一次网格的基础上，再划分为八行八列，共64个二次网格，每个二次网格的大小是经差7.5’×纬差5’(相当于国家1∶2.5万基础地形图的分幅规格)。

优选地，在上述路径搜索方法中，从原结点和目标结点双向搜索得到多个当前结点具体包括：

将在前向搜索和后向搜索中均搜索到的结点作为当前结点。

对于前向后向搜索切换标准，可以只保持一次前向后向搜索的交替操作。搜索停止的条件，我们作如下限制：

搜索到这样一个结点iNodemin，它在前向后向搜索过程中均被标为scanned结点；gl iNodemin+g2 iNodemin确实是最小的，其中gl iNodemin表示从原结点到iNodemin的最小费用，g2 iNodemin表示从目标结点到iNodemin的最小费用。

如果只满足第一个条件就停止搜索，找到的最优路径不一定是最优的。只有加上第二个条件，才能确保找到最优的路径，但付出的代价是要多搜索几十个结点。

使用双向搜索，能有效地减少在搜索的过程中生成的开表和闭表的大小，降低在两表中的搜索用时，且配合估价费用函数的引入，可以更快地完成路径搜索的搜索。

优选地，在上述路径搜索方法中，代价为费用代价或距离代价或时间代价。

优选地，在上述路径搜索方法中，依次计算多个当前结点到原结点和目标结点的费用代价，得到从原结点到目标结点的费用代价最小的当前结点具体包括：

计算从原结点到当前结点的费用g(n)，

g(n)＝g(n-1)+D(n)×R(n)+T(n)，

其中，g(n-1)为到达道路结点n-1所经过的弧段的实际费用值，D(n)为从道路结点n-1到达结点n的路径的长度，R(n)为从道路结点n-1到达结点n的导航路线的属性取值因子；

R(n)＝360/m_rtCost[layerType][distType][methodType][roadClass]

其中，360为经验值，layerType、distType、methodType和roadClass分别是结点n的道路层类型、道路长度类型、驾乘选项和道路功能等级属性，T(n)为从上一道路结点n-1进入结点n时经过的导航路径的转向耗费，T(n)＝m_turnCost[methodType][turnDirection]，其中methodType和turnDirection分别是从道路结点n-1到达结点n的导航路线的驾乘选项和道路转向属性；

计算从结点n到目标结点的费用h′(n)：

h′(n)＝μ×O(n)×R′(n)，

其中，μ为耗费系数，其取值与原结点到目标结点的欧氏距离的平方相关；O(n)为结点n到目标结点的欧氏距离；R′(n)为道路结点n的后续费用估算的比例因子：R′(n)＝360/m_toCost[layerType][distType][methodType]，其中360是经验值，layerType、distType、methodType分别是从道路结点n-1到达结点n的导航路线的道路层类型、道路长度类型和驾乘选项属性，

计算原结点到目标结点的总费用：

f′(n)＝g(n)+h′(n)；

将根据多个当前结点计算得到的多个总费用进行比较，得到总费用最小的当前结点。

图2示出了根据本发明一个实施例的路径搜索系统模块图，包括：

用户终端10，用于接受用户对出发地点和目标地点的输入；

中间层模块20，用于预先装载导航数据；

计算模块30，用于根据出发地点和目标地点以及导航数据，双向搜索计算得出从出发地点到目标地点代价最小的路线方案。

在上述实施例中，通过采用双向搜索，即不仅进行从起始结点到目标结点的前向搜索，而且进行从目标结点到起始结点的后向搜索，提高了对当前结点的搜索效率，降低了路径搜索中搜索的复杂度，克服了现有技术中采用邻接矩阵的Dijkstra方法来存储交通网络拓扑数据，虽然可以在O(1)时间内完成(i；j)是否是一条网络边的查询，但对最短路径搜索最关键的关联结点的查询，其复杂度均为O(n)，导致查询的复杂度较高的问题。

为了可以在任何平台上通过http轻松访问导航服务，在本实施例中选择在Windows 2003上搭建一个Web服务。Web服务是利用SOAP(简单对象访问协议，Simple Object Access Protocol)在HTTP上直行远程调用的一种新方法。用户可以在网上，通过导航服务器提供的web服务通讯来取得导航方案。

图3示出了根据本发明一个实施例的在线导航服务平台运行过程，其过程如下：

导航服务启动首先要做的是装载导航数据；当数据装载完成后，服务将开始等待接入请求；用户通过网站上的自驾导航页面，选定需进行路径搜索的起始点和目的点，并向Web服务器发送查询请求；Web服务器接收到用户的请求，取得起始点和目的点的经纬度坐标，并生成一个Web服务实例来与导航服务器进行通讯，向其传入相应的参数，发起路径搜索请求；导航服务器接收到请求，调用导航路径搜索算法，生成相应的规划方案，并将方案的关键数据返回给Web服务器；Web服务器接收到导航服务的返回，取得其处理状态，若规划成功，则经过页面处理，以方便用户理解的方式返回给用户；否则，提示规划出错信息。

在本发明的实施例中，导航数据是这样生成的：

矩形分幅指按矩形地理网格范围(两条经线和两条纬线围成的区域)为单位组织一幅地图的数据集。空间尺度为城市图(制图比例尺1∶5000)时，有两种分幅规格，一个是一次网格的尺寸，一个是二次网格的尺寸，一次网格的大小是经差1°×纬差40’，二次网格则是在一次网格的基础上，再划分为八行八列，共64个二次网格，每个二次网格的大小是经差7.5’×纬差5’(相当于国家1∶2.5万基础地形图的分幅规格)。我们所使用的导航路网数据，都是根据这种矩形分幅来进行网格划分的。

导航道路路网线是导航地图的核心部分，详细描述了道路行车路线和路口交叉点的连通关系，是导航路径搜索的依据，通常简称为导航线，等价于GDF(Geographical Data File)标准中的Roads andFerries专题的Road Element线状要素，在这里，我们称一条导航线为一条link。导航道路路网组成行车的道路网络，因此跨水域的由渡口连接的轮渡线(水道线)也包含在内。其主要数据结构如表1所示：

表1

从导航道路路网线方向定义可以看出，每一条link都有其方向。对于带有隔离带的双向道路，在导航道路路网数据中，将会用两条link，来分别表示该道路的两种不同行车方向。

现实世界中的道路在导航道路路网数据中被抽象成多条link表示。并以属性点来进行link的分割。这种方式，使得路网中的link过于零散.于是。为有效提高长距离导航的效率，可以在此基础上，生成相应的复合道路，以将同属性的道路进行合并，方便路径的规划。

连接道路路段的结点(不是形状点)，等价于GDF标准中的Road sand Ferrie的Junction\interchange\intersection点状要素。其主要数据结构如表2所示：

表2

当字段Main_Node_ID、Sub_Nodes_ID、MN_Links、SN_Links所涉及的结点号或路段号，不在当前结点所在的网格内时，则对非本网格的结点号或路段号以括号的方式给出该号所在的格网号，括号内容尾随标识号的后面；复合结点中主结点外的均为子结点，则A中结点3，6，7为子结点；B中结点13，18，17，16，15为子结点。

图4示出了根据本发明一个实施例的复合结点示意图，如图4所示，A、B为复合结点，取组成复合结点中的任意一个结点作为主结点，若A、B分别取其中编号最小的结点作为主结点，则A中结点2为主结点；B中结点12为主结点。

在表2中，Adj_Mesh_ID为边界结点邻接的二次网格ID号；Adj_Mesh_NID为边界结点邻接的二次网格的结点ID号。

图5示出了根据本发明一个实施例的二次网格示意图，在图5中，道路a被ID号为51、52的网格打断，在网格的边界处产生两个node结点，ID号为51的网格中结点ID号为12，ID号为52的网格中结点的ID号为1。

对于ID号为51网格内的道路a的边界邻接结点12，它的Adj_Mesh_ID为52，Adj_Mesh_NID为1；反之，对于ID号为52网格内的道路a，它的Adj_Mesh_ID为51，Adj_Mesh_NID为12。51网格内的结点12与52网格内的结点1的几何位置相同。

图6示出了根据本发明一个实施例的路径连接示意图，在图6中，路口a抽象为右侧图形的形状，对于路口a的结点A、B、C、D来说，它们的MN_LinkNum与MN_Links是一致的，MN_LinkNum都为8，MN_Links都为“1；2；3；4；5；6；7；8”。SN_LinkNum：A、B、C、D分别为4；SN_Links：A的SN_Links为“2；3；11；10”，B的SN_Links为“11；4；5；12”，C的SN_Links为“12；6；7；9”，D的SN_Links为“9；8；1；10”。

当字段Main_Node_ID、Sub_Nodes_ID、MN_Links、SN_Links所涉及的ID号跨越网格时，对不在本网格的ID号，要以括号的方式添加所在的网格号。

图7示出了根据本发明一个实施例的ID号跨越网格示意图，如图7所示，主结点为70557，位于595653网格内，其关联的路口子结点有七个，其中70570和70664位于595654网格内，则在Sun_Node_ID字段中，以附加括号的方式给出70570(595654)和70664(595654)；其关联的路口路段号有八个，其中1754和645号路段位于595654网格内，则在Main_Links字段中，以附加括号的方式给出1754(595654)和645(595654)。

导航道路路网数据中的每一条导航link都有其相应的主引导记录mbr(Main Boot Record)，规定此link的作用范围。在路径搜索算法中的第一步搜索区域定位中，将会根据目标点的经纬度坐标，在这些mbr中进行定位，以确定导航搜索的起始link或终止link。为此，我们需要建立一个索引模块，以使得能实现快速定位。

由于导航数据是以矩形分幅的方式进行网格划分的，我们称这一个个的网格作parcel。这种分幅方式，正和上述规划算法的网格模型相似。而每个parcel也有相应的mbr值。

本索引模块采用R树空间区域索引技方法。R树是一种高度平衡的树，由中间结点和叶结点组成，实际数据对象的最小外接矩形存储在叶结点中，中间结点通过聚集其低层结点的外接矩形形成，包含所有这些外接矩形。其后，人们在此基础上针对不同空间运算提出了不同改进，才形成了一个繁荣的索引树族，是目前流行的空间索引。

结合上述情况，我们需要建立两种索引模块.一种是关于parcel的，这时以每个parcel的mbr为多边形存储于R树中，这时可实现根据查询点经纬度快速定位到相应的parcel中；另一种是关于parcel中的导航link的.我们将每一个parcel中的每一个导航link的mbr也作为一个多边形存储在R树中，按独立parcel的方式建立起相应的R树索引模块。即有多少个parcel，就对应建立起多少个R树索引模块。

查询时，将根据起点和终点的经纬度坐标，使用关于parcel的索引模块，确定其所属的parcel。再在此parcel相应的索引模块中，使用关于导航link的R树查找出包含此经纬度的所有mbr的对应的link。然后再对这些link进行点到线最短距离计算，找出和目标点最近的link。

Claims (2)

1.一种路径搜索方法，其特征在于，包括以下步骤：

A)将道路映射成交通网络拓扑图中的结点，将所述道路的端点映射成所述交通网络拓扑图中的弧段；

B)从原结点和目标结点双向搜索得到多个当前结点；

C)依次计算多个所述当前结点到所述原结点和所述目标结点的代价，得到从所述原结点到所述目标结点的代价最小的当前结点；

所述代价为费用代价或距离代价或时间代价；

D)根据所述代价最小的当前结点和所述原结点以及所述目标结点，得到从所述原结点到所述目标结点的路线方案；

其中所述步骤C)具体包括：

计算从所述原结点到多个所述当前结点的费用g(n)，g(n)＝g(n-1)+D(n)×R(n)+T(n)，

其中，g(n-1)为到达结点n-1所经过的弧段的实际费用值，D(n)为从结点n-1到达结点n的路径的长度，R(n)为从结点n-1到达结点n的路径的属性取值因子，

R(n)＝360/m_rtCost[layerType][distType][methodType][roadClass]

其中，360为经验值，layerType、distType、methodType和roadClass分别是所述结点n的道路层类型、道路长度类型、驾乘选项和道路功能等级属性，T(n)为从结点n-1进入所述结点n时经过的导航路径的转向耗费，m_rtCost为导航费用参数；

T(n)＝m_turnCost[methodType][turnDirection]，其中methodType和turnDirection分别是所述结点n的驾乘选项和道路转向属性，m_turnCost为转向费用参数；计算从所述结点n到所述目标结点的费用h′(n)：

h′(n)＝μ×O(n)×R′(n)，

其中，μ为耗费系数，其取值与所述原结点到所述目标结点的欧氏距离的平方相关；O(n)为所述结点n到所述目标结点的欧氏距离；R′(n)为所述结点n的后续费用估算的比例因子：R′(n)＝360/m_toCost[layerType][distType][methodType]，其中360是经验值，layerType、distType、methodType分别是从结点n-1到达所述结点n的导航路线的道路层类型、道路长度类型和驾乘选项属性，m_toCost为到达费用参数；

计算所述原结点到所述目标结点的总费用：

f′(n)＝g(n)+h′(n)；

将根据多个所述当前结点计算得到的多个所述总费用进行比较，得到所述总费用最小的当前结点。

2.根据权利要求1所述的路径搜索方法，其特征在于，从原结点和目标结点双向搜索得到多个当前结点具体包括：

将在前向搜索和后向搜索中均搜索到的结点作为当前结点。

Images