CN102629417A - 一种基于定位查询的限行管制网络数据组织与交通诱导路径优化方法 - Google Patents
一种基于定位查询的限行管制网络数据组织与交通诱导路径优化方法 Download PDFInfo
- Publication number
- CN102629417A CN102629417A CN2012101253291A CN201210125329A CN102629417A CN 102629417 A CN102629417 A CN 102629417A CN 2012101253291 A CN2012101253291 A CN 2012101253291A CN 201210125329 A CN201210125329 A CN 201210125329A CN 102629417 A CN102629417 A CN 102629417A
- Authority
- CN
- China
- Prior art keywords
- limit
- traffic
- data
- node
- network data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于定位查询的限行管制网络数据组织与交通诱导路径优化方法,涉及城市道路交通网络管理及交通诱导领域,包括建立限行管制网络数据组织结构并存到网络数据文件中、限行管制网络数据定位查询及基于定位查询的交通诱导路径优化计算三个步骤。本发明能够利用限行管制和网络数据组织提升交通诱导路径优化计算效率,且有普遍适用性,可以应用于各种复杂道路交通网络和改进各种最优路径,为驾驶员提供快捷可靠的行驶路线。
Description
技术领域
本发明涉及城市道路交通网络管理及交通诱导领域,具体涉及一种交通限行管制及交通诱导路径优化方法。
技术背景
交通诱导路径优化计算是根据道路交通网络实时信息求解道路交通网络中任一起讫点之间的最优路径,以为驾驶员提供避开拥挤的最佳出行路线。在城市交通拥挤问题日益加剧的今天,单行线、交叉口转向限制及单双号通行等限行管制策略被广泛应用于各大中城市的道路交通网络管理中,限行管制下的道路交通网络已成为一种带约束的有向加权图。而传统的交通诱导诱导路径优化计算方法仅将道路交通网络抽象为由节点和连接线构成的简单图,通过邻接矩阵法或链表法来进行节点编号、边编号、节点和节点之间以及节点和边之间的连接关系的网络数据存储,路径优化计算过程中较少考虑这些限行管制信息,致使路径优化计算结果不符合道路交通管制,经常给驾驶员造成错误的路径引导和经济损失。
目前解决上述问题的方法主要包括两种:即对原有网络的改造和增设转向费用两种方法。其中对原有网络的改造方法包括增设虚拟边法、对偶法及它们的改进方法,但是这类方法均需要在原有网络中增设一定数量的节点或边来实现,因此,增加了原有网络的复杂性。增设转向费方法是通过增设节点与下游节点间连接边的转向费用属性实现对转向限制的表达与存储,但无形中增加了路径搜索过程中对转向限制的判别过程和转向费用的处理时间。加上现有网络数据组织方法本身在数据查询过程中均存在一定的遍历式搜索特点,随着网络规模的增大,上述方法将直接导致网络数据组织的复杂化,以及网络数据查询时间和路径优化计算复杂度的增加。
因此,如何将限行管制信息在不增加计算复杂度的前提下有机地引入到网络数据组织结构设计及交通诱导路径优化计算方法中是目前交通诱导领域理论研究和工程应用的重点和难点问题。
发明内容
本发明要解决的技术问题是提供一种基于定位查询的限行管制网络数据组织与交通诱导路径优化方法,从而利用限行管制和巧妙地网络数据组织提升交通诱导路径优化计算效率,且普遍适用于交通诱导路径优化的各种最短路。
本发明的技术解决方案:
一种基于定位查询的限行管制网络数据组织与交通诱导路径优化计算方法,其特点在于通过以下步骤实现:
1.建立限行管制网络数据组织结构并存到网络数据文件中
本发明首先将道路交通网络抽象为由节点、边、节点和边之间的拓扑关系及边权值构成的带约束有向加权图,这里的节点通常是指交叉口,边是每条路段允许行驶的一个方向(非实际的路段或图的连接线),任意一条边都是由两个不相同的节点确定。对图中所有节点和边分别进行编号,每个节点和每条边均有且仅有唯一的编号,编号均从1开始递增,进而构成节点集合N,边集合E。如图1(a)所示的简单网络共包括四个节点(节点1、节点2、节点3、节点4)和五条边(边1:4→2、边2:1→2、边3:2→1、边4:2→3、边5:3→2)。然后,建立一个数据文件用于存储限行管制下的道路交通网络数据,该数据文件共包括如下三列数据:
第一列数据名称为ADJLINE,用来按边编号的大小顺序依次存储各边的所有可达邻接节点编号,这里的可达是指边到邻接边之间是单方向连通的,以便有效考虑单行线、转向限制和单双号通行等限行管制对网络连通性造成的影响。具体处理方法如下示例:
单行线管制:如图1(a)所示,路段2-4是单行线且方向为由4到2,其边编号为1,路段1-2是双向行驶路段,包括边2和边3两条边,路段2-3是双向行驶的路段,包括边4和边5两条边。因此,当车辆在边2上时,仅边4是可达的,即边2的可达邻接边为4,同理,边5的可达邻接边仅为边3,边1的可达邻接边为边3和边4。
转向限制管制:图1(b)中边2上的车辆在节点2处禁止左转弯,则边2的可达邻接边仅为边4,边5的可达邻接边为边3和边6,边1的可达邻接边为边3和边4。
单双号通行管制:图1(c)中对于牌照尾号为单号的车辆允许在路段2-4上通行,则对于尾号为单号的车辆,边2的可达邻接边为边6和边4,边5的可达邻接边为边3和边6,边1的可达邻接边为边3和边4;对于尾号为双号的车辆,边1和边均6为非可达,边2的可达邻接边为边4,边5的可达邻接边为边3。由于单双号是随着日期改变的,因此对于可以提前制定两套方案,双号通行与单号通行的设定方法原理相同。
第二列数据名称分别为POSITION,用来按边编号的大小顺序依次存储各边的所有可达邻接边在第一列中的存储位置,该列中每相邻的两个数据分别存储各边的所有可达邻接边在第二列中存储的起始位置和终止位置。
第三列数据名称为WEIGHT,用来存储与第二列相对应的邻接边的权重,即路径优化计算过程中的路段阻抗,可以是路段长度及路段行程时间等。
2.限行管制网络数据定位查询
本发明根据上述三列数据组织特点,给定任意边编号n,则该边的所有可达邻接边为ADJLINE(POSITION(2n-1)~(POSITION(2n)),其中,POSITION(2n-1)和POSITION(2n)分别表示第二列数据中的第2n-1行和第2n行的数据,则该边的所有可达邻接边为ADJLINE数据列中的第POSITION(2n-1)行到第POSITION(2n)行所存储的数据。很明显,对单行线、转向限制及单双号通行等限行管制的考虑能够有效减少图中各节点的邻接节点数量,而且在交通诱导路径优化计算中仅需通过边编号即可直接确定该边的所有可达邻接边集合,不需要对数据文件进行遍历式搜索,邻接边搜索速度非常快,这对提升现有交通诱导路径优化计算方法的计算效率具有重要的应用价值。
3.基于定位查询的交通诱导路径优化计算
本发明基于步骤1中所建立的限行管制网路数据文件和步骤2中所给出的邻接边定位查询方法,设计了一个计算单个节点到其他所有节点的交通诱导路径优化计算方法,共包括以下几个分步骤:
分步骤一:初始化,确定起始边为u,为每条边i(i∈E)分别定义一个长度标号d(i)、前驱边标号p(i)、状态标号s(i),其中s(i)=1表示从起始边到该边为最优路径,s(i)=0表示从起始边到该边为非最优路径,且d(u)=0,,对于i≠u的其他边的d(i)=+∞;
分步骤二:在所有s(i)=0的边中,令长度标号最小的边b的状态标号s(b)=1;
分步骤三:根据数据文件和定位查询方法,确定边b的所有可达邻接边为ADJLINE(POSITION(2b-1)~(POSITION(2b)),邻接边权值为WEIGHT(POSITION(2b-1)~(POSITION(2b)),针对其中的每条邻接边j分别判断d(j)> d(b)+WEIGHT(j)是否成立,如果成立,则d(j)= d(b)+WEIGHT(j),否则,d(j)不变,同时令p(j)=b;
分步骤四:转至步骤二,重复步骤二和步骤三的计算,直到所有边的状态编号全部为1才停止计算。
分步骤五:根据所有边的前驱边标号获取从起始边u到其他所有边的最优路径。
本发明能够利用限行管制和网络数据组织提升交通诱导路径优化计算效率,且有普遍适用性,可以应用于各种复杂道路交通网络和改进各种最优路径,为驾驶员提供快捷可靠的行驶路线。
附图说明
图1(a)、图1(b)及图1(c)分别为单行线、车辆转向限制、单号通行的限行管制示例图;
图2为限行管制下的网络示例图;
图3为图2所示网络的网络数据文件;
图4为图2所示网络的所有节点的前驱边矩阵;
图5为本发明的流程图。
具体实施方式
以图2所示限行管制网络为例说明本发明的实现步骤,图中边编号及权值的表示方法为:边编号(权值),双向行驶路段的两条边权值相同。
1. 建立限行管制网络数据组织结构并存到网络数据文件中,见图3;
图2所示网络共包括10个节点和24条边(13条路段)。该网络限行管制实施情况如下:
(1) 两条路段实施单向行驶管制:节点1和节点4之间的路段为单向行驶路段,且行驶方向为从节点1到节点4;节点2和节点6之间的路段为单向行驶路段,且行驶方向为从节点6到节点2。
(2) 两处实施禁止左转弯管制:边9上的车辆在节点5处禁止左转弯,边18上的车辆在节点6处禁止左转弯。
(3) 一条路段实施单双号通行管制:节点7和节点10之间的路段为单双号通行管制路段。
(4) 两处允许掉头:边11和边23允许车辆掉头。
如图3所示,第一列数据名称为ADJNODE,按顺序存储第一列中各边的可达邻接边。第二列按边编号从小到大递增的顺序依次存储各边的可达邻接边在第一列中的起始位置和终点位置。
如:由于节点2和节点6之间的路段为单向行驶路段,因此边1的可达邻接边仅为边3,即需要在ADJNODE数据列的第一行存储数据3,在POSITION数据列的第一行和第二行均存储数据1,在WEIGHT数据列存储边3的权值为5。
由于节点1到节点4之间的路段也为单行线,则边2的邻接边为边5,即需要在ADJNODE数据列的第二行存储数据5,在POSITION数据列的第三行和第四行均存储数据2,在WEIGHT数据列存储边5的权值为8。
依次存储,对于转向限制的情况如边9上的车辆在节点5处禁止左转,因此相对于边9,边15是不可达的,则此时边9的邻接边仅为边11。
由于边18的车辆在节点6处禁止左转弯,从节点6到节点2为单向行驶路段,因此边18的可达邻接边为边6和边12。
对于单双号通行管制的情况如边23上的车辆,由于节点7和节点10之间的路段为单双号管制路段,车辆在节点10处允许调头,如果当前日期为单号,而车辆尾号为双号,则边23的可达邻接边仅为边24。
2. 基于定位查询的交通诱导路径优化计算
建立三个一维数组ADJNODE、POSITION、ADJLINE及WEIGHT,分别用于存储网络数据文件中的ADJLINE数据列、POSITION数据列及WEIGHT数据列的所有数据。计算边1上的车辆到其他所有边的最优路径。
步骤一:初始化,确定起始边为1,为每条边i(i=1,2,…,10)分别定义一个长度标号d(i)、前驱边标号p(i)、状态标号s(i),其中s(i)=1表示从起始边到该边为最优路径,s(i)=0表示从起始边到该边为非最优路径,且d(1)=0,对于其他边均令d(i)=+∞;
步骤二:在所有s(i)=0的边中,所有节点中长度标号最小的边为1,令s(1)=1;
步骤三:根据图3所示数据文件和定位查询方法,确定边1的所有可达邻接边为ADJLINE(POSITION(2×1-1)~(POSITION(2×1))={3},邻接边权值为WEIGHT(POSITION(2×1-1)~(POSITION(2×1))={5},由于d(3)=+∞> d(1)+WEIGHT(3)=5,令d(3)= 5,同时令p(3)=1;
步骤四:转至步骤二,由于此时在所有s(i)=0的边中,所有节点中长度标号最小的边为3,令s(3)=1,转至步骤三,确定边3的所有可达邻接边为ADJLINE(POSITION(2×3-1)~(POSITION(2×3))={7},邻接边权值为WEIGHT(POSITION(2×3-1)~(POSITION(2×3))={8},由于d(7)=+∞> d(3)+WEIGHT(7)=13,令d(7)=13,同时令p(7)=3,再转至步骤二,直到所有边的状态编号全部为1才停止计算。
步骤五:根据所有边的前驱边标号获取从起始边1到其他所有边的最优路径,图4为图2所示网络中所有节点到其他所有节点的最优路径的前驱标号矩阵,其中第k行存储了第k条边到其他边的前驱边编号,如查询从边9到边15的最优路径,在第9行中,首先查第15列,即边15的前驱边编号为12,再查该行第12列确定边12的前驱边编号为边11,再查该行第11列确定边11的前驱边编号为9,因此从边9到边15的最优路径为9-11-12-15,且该路径是一条完全符合限行管制的最佳路径。
Claims (1)
1.一种基于定位查询的限行管制网络数据组织与交通诱导路径优化方法,其特征在于由以下步骤实现:
(1)建立限行管制网络数据组织结构并存到网络数据文件中
首先将道路交通网络抽象为由节点、边、节点和边之间的拓扑关系及边权值构成的带约束有向加权图,这里的节点通常是指交叉口,边是每条路段允许行驶的一个方向,任意一条边都是由两个不相同的节点确定,对图中所有节点和边分别进行编号,每个节点和每条边均有且仅有唯一的编号,编号均从1开始递增,进而构成节点集合N,边集合E,然后,建立一个数据文件用于存储限行管制下的道路交通网络数据,该数据文件共包括如下三列数据:
第一列数据名称为ADJLINE,用来按边编号的大小顺序依次存储各边的所有可达邻接节点编号,这里的可达是指边到邻接边之间是单方向连通的;
第二列数据名称分别为POSITION,用来按边编号的大小顺序依次存储各边的所有可达邻接边在第一列中的存储位置,该列中每相邻的两个数据分别存储各边的所有可达邻接边在第二列中存储的起始位置和终止位置;
第三列数据名称为WEIGHT,用来存储与第二列相对应的邻接边的权重,即路径优化计算过程中的路段阻抗,可以是路段长度及路段行程时间;
(2)限行管制网络数据定位查询
根据上述三列数据组织特点,给定任意边编号n,则该边的所有可达邻接边为ADJLINE(POSITION(2n-1)~(POSITION(2n)),其中,POSITION(2n-1)和POSITION(2n)分别表示第二列数据中的第2n-1行和第2n行的数据,则该边的所有可达邻接边为ADJLINE数据列中的第POSITION(2n-1)行到第POSITION(2n)行所存储的数据;
(3)基于定位查询的交通诱导路径优化计算
基于步骤1中所建立的限行管制网路数据文件和步骤2中所给出的邻接边定位查询方法,设计了一个计算单个节点到其他所有节点的交通诱导路径优化计算方法,共包括以下几个分步骤:
分步骤一:初始化,确定起始边为u,为每条边i(i∈E)分别定义一个长度标号d(i)、前驱边标号p(i)、状态标号s(i),其中s(i)=1表示从起始边到该边为最优路径,s(i)=0表示从起始边到该边为非最优路径,且d(u)=0,,对于i≠u的其他边的d(i)=+∞;
分步骤二:在所有s(i)=0的边中,令长度标号最小的边b的状态标号s(b)=1;
分步骤三:根据数据文件和定位查询方法,确定边b的所有可达邻接边为ADJLINE(POSITION(2b-1)~(POSITION(2b)),邻接边权值为WEIGHT(POSITION(2b-1)~(POSITION(2b)),针对其中的每条邻接边j分别判断d(j)> d(b)+WEIGHT(j)是否成立,如果成立,则d(j)= d(b)+WEIGHT(j),否则,d(j)不变,同时令p(j)=b;
分步骤四:转至步骤二,重复步骤二和步骤三的计算,直到所有边的状态编号全部为1才停止计算;
分步骤五:根据所有边的前驱边标号获取从起始边u到其他所有边的最优路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210125329.1A CN102629417B (zh) | 2012-04-26 | 2012-04-26 | 一种基于定位查询的限行管制网络数据组织与交通诱导路径优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210125329.1A CN102629417B (zh) | 2012-04-26 | 2012-04-26 | 一种基于定位查询的限行管制网络数据组织与交通诱导路径优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102629417A true CN102629417A (zh) | 2012-08-08 |
CN102629417B CN102629417B (zh) | 2015-07-29 |
Family
ID=46587672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210125329.1A Expired - Fee Related CN102629417B (zh) | 2012-04-26 | 2012-04-26 | 一种基于定位查询的限行管制网络数据组织与交通诱导路径优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102629417B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680775A (zh) * | 2013-11-28 | 2015-06-03 | 中国科学院深圳先进技术研究院 | 基于海量交通数据的路网实时最优路径的并行提取方法 |
CN105335413A (zh) * | 2014-07-31 | 2016-02-17 | 国际商业机器公司 | 生成查询索引以及基于该查询索引进行查询的方法和装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108627163B (zh) * | 2017-03-22 | 2020-11-03 | 阿里巴巴(中国)有限公司 | 权值表维护方法、装置及导航路线规划方法、装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101330457A (zh) * | 2008-07-24 | 2008-12-24 | 安徽大学 | 一种基于商空间覆盖模型的最短路径搜索方法 |
DE102007058210A1 (de) * | 2007-12-04 | 2009-06-10 | Siemens Ag | Anzeigevorrichtung für Wahrscheinlichkeiten von Verkehrszuständen in einem Verkehrswegenetz |
CN101488158A (zh) * | 2009-02-13 | 2009-07-22 | 同济大学 | 一种基于道路元素的路网建模方法 |
CN101739836A (zh) * | 2009-12-18 | 2010-06-16 | 吉林大学 | 大规模路网下中心式实时动态交通诱导路径优化方法 |
CN102169637A (zh) * | 2010-12-08 | 2011-08-31 | 北京大学 | 面向城市交通的动态路径诱导方法 |
-
2012
- 2012-04-26 CN CN201210125329.1A patent/CN102629417B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007058210A1 (de) * | 2007-12-04 | 2009-06-10 | Siemens Ag | Anzeigevorrichtung für Wahrscheinlichkeiten von Verkehrszuständen in einem Verkehrswegenetz |
CN101330457A (zh) * | 2008-07-24 | 2008-12-24 | 安徽大学 | 一种基于商空间覆盖模型的最短路径搜索方法 |
CN101488158A (zh) * | 2009-02-13 | 2009-07-22 | 同济大学 | 一种基于道路元素的路网建模方法 |
CN101739836A (zh) * | 2009-12-18 | 2010-06-16 | 吉林大学 | 大规模路网下中心式实时动态交通诱导路径优化方法 |
CN102169637A (zh) * | 2010-12-08 | 2011-08-31 | 北京大学 | 面向城市交通的动态路径诱导方法 |
Non-Patent Citations (1)
Title |
---|
龚勃文 等: "中心式诱导路径优化计算方法", 《交通运输工程学报》, vol. 11, no. 6, 31 December 2011 (2011-12-31), pages 106 - 113 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680775A (zh) * | 2013-11-28 | 2015-06-03 | 中国科学院深圳先进技术研究院 | 基于海量交通数据的路网实时最优路径的并行提取方法 |
CN104680775B (zh) * | 2013-11-28 | 2018-06-22 | 中国科学院深圳先进技术研究院 | 基于海量交通数据的路网实时最优路径的并行提取方法 |
CN105335413A (zh) * | 2014-07-31 | 2016-02-17 | 国际商业机器公司 | 生成查询索引以及基于该查询索引进行查询的方法和装置 |
CN105335413B (zh) * | 2014-07-31 | 2019-10-22 | 国际商业机器公司 | 生成查询索引以及基于该查询索引进行查询的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102629417B (zh) | 2015-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107389079B (zh) | 高精度路径规划方法和系统 | |
CN102880642A (zh) | 一种基于加权有向网络模型的公交换乘方法 | |
Galle et al. | The stochastic container relocation problem | |
CN104090962B (zh) | 面向海量分布式数据库的嵌套查询方法 | |
CN103323018A (zh) | 基于时段的热点路径的特征识别与快速搜索方法 | |
CN101488158A (zh) | 一种基于道路元素的路网建模方法 | |
CN102880641B (zh) | 一种考虑近距离步行站点对的参数化公交换乘方法 | |
CN101976245A (zh) | 网络中节点重要性的排序方法 | |
CN108475212A (zh) | 使用动态分区来处理数据 | |
CN102629417A (zh) | 一种基于定位查询的限行管制网络数据组织与交通诱导路径优化方法 | |
CN102890719B (zh) | 一种对车牌号进行模糊搜索的方法及装置 | |
CN105740964A (zh) | 一种城市路网数据组织与最短路径快速计算方法 | |
CN110619426A (zh) | 一种路网模型的构建方法、装置、设备和存储介质 | |
CN104268243B (zh) | 一种位置数据处理方法及装置 | |
CN109696909A (zh) | 足式机器人路径规划方法及装置 | |
CN110807931A (zh) | 基于转向关系的交通路网有向图路径模型构建及求解方法 | |
Dingyi et al. | State-of-the-art and trends of autonomous driving technology | |
CN104301212B (zh) | 一种功能链组合方法 | |
CN100520300C (zh) | 城际导航路径的计算方法 | |
CN108009061A (zh) | 一种改变复杂网络中节点控制类别的方法 | |
CN105698796B (zh) | 一种多机器人调度系统的路径搜索方法 | |
CN104794551A (zh) | 一种带时间窗口的旅行路线自动优化系统及方法 | |
CN105117395A (zh) | 基于位置线索平衡二叉树的相邻车辆的查询算法 | |
Duan et al. | Revealing taxi driver route choice characteristics based on GPS data | |
CN116523345A (zh) | 一种城市道路拓扑网络连通性评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150729 Termination date: 20170426 |
|
CF01 | Termination of patent right due to non-payment of annual fee |