CN109612488A - 基于大数据微服务的混合出行方式路径规划系统及方法 - Google Patents

Abstract

本发明提供基于大数据微服务的混合出行方式路径规划系统及方法，涉及大数据服务与微服务技术领域。本发明步骤如下：步骤1：对用户请求中的出行参数进行解析，将参数转换成符合核心算法函数的输入参数；步骤2：根据参数中的出行出发点和目的地确定出行涉及到的范围；步骤3：根据出行范围，从本地数据库中提取基础路网数据和交通信息；步骤4：处理数据和信息，得到带有出行方式权值的邻接矩阵；步骤5：根据用户给定的标准和邻接矩阵，生成最优的多条推荐路径；步骤6：根据步骤5生成多个符合条件的最优出行方案将数据响应给用户。本方法摆脱了以公交为基础出行方式的生成限制，可根据用户出行方式需求，最终形成符合条件的最优组合。

Description

基于大数据微服务的混合出行方式路径规划系统及方法

技术领域

本发明涉及大数据服务与微服务技术领域，尤其涉及基于大数据微服务的混合出行方式路径规划系统及方法。

背景技术

随着科技和信息的发展，尤其是大数据的广泛应用，智能交通系统(IntelligentTransportation System，简称ITS)越来越被人们所需要，已经成为未来交通系统的重要发展方向。智能交通系统是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的、实时、准确、高效的综合交通运输管理系统，使得人、车、路之间的联系更加紧密，从而实现出行目标更加准确，出行效率更加高效，出行方式更加安全和节能等。

出行规划服务是智能交通系统中的一个重要应用，旨在为用户出行提供一套可靠的出行方案。目前，出行规划主要以主流的地图/导航软件为主，目的是为用户计算并推荐采用特定出行方式(驾车、乘坐出租车、地铁或公交、以及步行和骑车等)从出发地到目的地的路线，并预估出路线的相关属性(预计全程或分段时间花费、乘坐公交车、地铁或者出租车的费用、换乘的次数和步行距离等)，以便用户根据计算结果挑选适合的出行路线。

然而，在实际出行中，多种方式的混合出行已经成为了当前人们主流的出行方式。例如，出行者为了节省出行时间和花费，可能选择驾车到附近地铁站，再乘坐地铁到达指定目的地，或者为了顺利乘坐地铁或者公交车，选择先骑行一段距离避开拥挤的站点(比如拥挤站点的前一站)。遗憾的是，目前主流的地图/导航软件并未实现对多种出行方式灵活组合的混合出行方案的有效支持，而严格区分用车、驾车、公交、步行和骑行等单一出行方式的路线规划，仅在公交出行中采用了地铁、公交、步行的三者组合。

此外，在出行路线的选择上，当前地图/导航软件大多通过提供全程/分段行程时间、全程/分段花费、全程/分段步行距离和换乘次数等方面属性的历史统计值，对实际出行时刻的路面交通状况不够敏感，难以给出精准的推荐出行方案。例如，即使同一路段在不同的出行时刻都可能由于路面车辆流量、站点乘客流量、天气情况和路面情况(修路、道路湿滑、是否发生交通事故等)等诸多因素而不同，在出行者有严格的出行时间要求时，不能保证其能够准确到达。此外，当前地图/导航服务也较少提供各种出行方案的对比和综合性的最优方案推荐，大多需要出行者自行计算、对比和选择，从而增加了出行者在制定出行方案上的投入；目前交通状况日益复杂，人们的时间日益紧张的情况下，人们的出行时间和地点的不确定性越来越大，这种基于公交的组合出行方案逐渐无法满足人们任意时刻情况下出行的更高的需求。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供基于大数据微服务的混合出行方式路径规划系统及方法，本方法摆脱了以公交为基础出行方式的生成限制，可根据用户出行方式需求，最终形成符合条件的最优组合。

为解决上述技术问题，本发明所采取的技术方案是：

一方面，本发明提供基于大数据微服务的混合出行方式路径规划系统，包括用户模块，用户数据管理模块，出行模块和出行质量查询模块；

所述用户模块用于管理用户的主要信息，包括管理用户账号基本信息和用户偏好设置信息；该模块提供给用户自身信息的查看和修改的权限，同时为用户的出行提供了预设条件，将数据信息传输至用户轨迹信息存储功能模块；

所述用户数据管理模块包括用户轨迹信息存储功能模块和用户轨迹信息处理功能模块；所述用户轨迹信息存储功能模块用于收集用户轨迹信息并存储在数据库中，并将数据传输至用户轨迹信息处理功能模块；所述用户轨迹信息处理功能模块用于读取用户使用该系统时收集起来的轨迹数据，并进行批量数据的轨迹清洗，得到符合道路的规整轨迹信息，并将该信息传输至出行模块；

所述出行模块用于计算最优出行方案，以根据用户需求提供对应的多个最优出行方案，将方案需要的信息输出至出行质量查询模块；

所述出行质量查询模块包括步行出行质量查询子模块、自行车出行质量查询子模块、自驾车出行质量查询子模块、公交车出行质量查询子模块、出租车出行质量查询子模块、地铁出行质量查询子模块；所述步行出行质量查询子模块用于负责步行出行方式的质量查询并生成该出行方式在出行方案中的权重；所述自行车出行质量查询子模块用于负责自行车出行方式的质量查询并生成该出行方式在出行方案中的权重；所述自驾车出行质量查询子模块用于负责自驾车出行方式的质量查询并生成该出行方式在出行方案中的权重；所述公交车出行质量查询用于负责公交车出行方式的质量查询并生成该出行方式在出行方案中的权重；所述出租车出行质量查询子模块用于负责出租车出行方式的质量查询并生成该出行方式在出行方案中的权重；所述地铁出行质量查询子模块用于负责地铁出行方式的质量查询生成该出行方式在出行方案中的权重；每个子模块负责单个出行方式的出行质量查询，子模块的调度顺序由出行模块决定，并将所需要的信息输出至出行模块。

另一方面，基于大数据微服务的混合出行方式路径规划方法，通过所述的基于大数据微服务的混合出行方式路径规划系统实现，包括以下步骤：

步骤1：首先对用户请求中的出行参数进行解析，通过解析函数将参数转换成符合核心算法函数的输入参数；

步骤2：根据步骤1得到参数中的出行出发点和目的地，确定出行涉及到的范围；

步骤3：根据步骤2中得到的出行范围，从本地数据库中提取基础路网数据和交通信息；

步骤4：处理步骤3中得到的数据和信息，通过出行质量查询模块生成带有出行方式权值的邻接矩阵；

步骤5：根据用户给定的标准以及步骤4中生成的邻接矩阵，计算最优路径，生成最优的多条推荐路径；

步骤6：通过步骤5中得到的最优的多条推荐路径，生成多个符合条件的最优出行方案，并将数据响应给用户；

所述步骤4包括如下子步骤：

步骤4.1：处理路网大数据，将gps轨迹、花费时间、最大速度、车流量等信息附着到路网上；

步骤4.2：根据步骤2中得出的出行范围，从路网中确定合适的范围，根据该范围形成网格，通过网格形成用于执行多目标优化算法的邻接矩阵。

所述步骤5包括如下子步骤：

步骤5.1：根据步骤4求得的邻接矩阵使用改进的带约束的迪杰斯特拉算法，额外添加人为规定的最大换乘次数作为约束，计算出每个标准下的最优路径，其中的标准包括时间、路程、花费；

步骤5.2：使用Yen算法给出每个标准下的前k条最短路径和各项标准值；

步骤5.3：计算出在上述的每个标准下的最短路集合中都出现的路线集合，形成最优的多条推荐路径。

采用上述技术方案所产生的有益效果在于：本发明提供的基于大数据微服务的混合出行方式路径规划系统及方法，该方法的基本思想是利用网格化思想将所有可行到达轨迹进行网格化，每个网格携带网格内一小段轨迹的信息：轨迹点方向，消耗时间，花费时间，出行方式等。随后通过多目标优化算法，根据一定的条件，对这些网格进行选择和组合，最终形成符合条件的最优组合，即最优合理的几条可行路径。综上所述，由于每个网格携带出行方式信息，该方法能够突破以公交为基础的出行方式生成限制，根据用户出行方式需求，生成混合出行方式的出行方案，提升路径规划的灵活性和有效性。。

附图说明

图1为本发明实施例提供的系统模块图；

图2为本发明实施例提供的方法流程图；

图3为本发明实施例提供的出行质量查询模块中子模块的调用逻辑示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

为了满足人们任意时刻情况下出行的更高的需求，形成一套更智能、更综合的出行规划服务，需要准确评估采用不同交通方式在指定路段和指定时间段上的行程时间，合理划分从出发地到目的地之间可能的各条通行路线上可以采用不同出行方式的路段，进行合理的组合，并优化生成最终的出行方案及相应的预估服务质量(时间和花费开销、换乘次数、方案可靠性等)。借助大数据分析技术，可以基于对历史个体出行数据的分析形成满足对上述基础出行数据的预测。进而，考虑到出行方式的变化和技术的更新，可采用微服务技术封装上述大数据分析服务并形成一套灵活、敏捷的体系结构，支持后台服务快速的随需应变，形成一套基于大数据分析与微服务组合的混合出行方式路径规划系统，提升路径规划的灵活性和有效性。

如图1所示，本实施例的方法如下所述。

一方面，本发明提供基于大数据微服务的混合出行方式路径规划系统，包括用户模块，用户数据管理模块，出行模块和出行质量查询模块；

所述用户模块用于管理用户的主要信息，包括管理用户账号基本信息和用户偏好设置信息；该模块提供给用户自身信息的查看和修改的权限，同时为用户的出行提供了预设条件，将数据信息传输至用户轨迹信息存储功能模块；

所述用户数据管理模块包括用户轨迹信息存储功能模块和用户轨迹信息处理功能模块；所述用户轨迹信息存储功能模块用于收集用户轨迹信息并存储在数据库中，并将数据传输至用户轨迹信息处理功能模块；所述用户轨迹信息处理功能模块用于读取用户使用该系统时收集起来的轨迹数据，并进行批量数据的轨迹清洗，得到符合道路的规整轨迹信息，并将该信息传输至出行模块；

所述出行模块用于计算最优出行方案，以根据用户需求提供相应的多个最优出行方案；

所述出行质量查询模块包括步行出行质量查询子模块、自行车出行质量查询子模块、自驾车出行质量查询子模块、公交车出行质量查询子模块、出租车出行质量查询子模块、地铁出行质量查询子模块；所述步行出行质量查询子模块用于负责步行出行方式的质量查询并生成该出行方式在出行方案中的权重；所述自行车出行质量查询子模块用于负责自行车出行方式的质量查询并生成该出行方式在出行方案中的权重；所述自驾车出行质量查询子模块用于负责自驾车出行方式的质量查询并生成该出行方式在出行方案中的权重；所述公交车出行质量查询用于负责公交车出行方式的质量查询并生成该出行方式在出行方案中的权重；所述出租车出行质量查询子模块用于负责出租车出行方式的质量查询并生成该出行方式在出行方案中的权重；所述地铁出行质量查询子模块用于负责地铁出行方式的质量查询bong生成该出行方式在出行方案中的权重；每个子模块负责单个出行方式的出行质量查询，子模块的调度顺序由出行模块决定，并将所需要的信息输出至出行模块；

最优出行方案的计算逻辑为对路网生成的邻接矩阵，采用多目标优化算法进行处理，最终生成最优路径；

出行质量查询模块中的子模块负责出行质量查询，即生成邻接矩阵中交通信息的出行方式权重，其调用逻辑如图3所示；

另一方面，基于大数据微服务的混合出行方式路径规划方法，通过所述的基于大数据微服务的混合出行方式路径规划系统实现，如图2所示，包括以下步骤：

步骤1：首先对用户请求中的出行参数进行解析，通过解析函数将参数转换成符合核心算法函数的输入参数；

步骤2：根据步骤1得到参数中的出行出发点和目的地，确定出行涉及到的范围；

步骤3：根据步骤2中得到的出行范围，从本地数据库中提取基础路网数据和交通信息；

步骤4：处理步骤3中得到的数据和信息，通过出行质量查询模块生成带有出行方式权值的邻接矩阵；具体步骤如下：

步骤4.1：处理路网大数据，将gps轨迹、花费时间、最大速度、车流量等信息附着到路网上；

步骤4.2：根据步骤2中得出的出行范围，从路网中确定合适的范围，根据该范围形成网格，通过网格形成用于执行多目标优化算法的邻接矩阵。

步骤5：根据用户给定的标准以及步骤4中生成的邻接矩阵，计算最优路径，生成最优的多条推荐路径；

原有迪杰斯特拉算法是根据指定的权值计算出起点到其它点的最优路径。改进的带约束的迪杰斯特拉算法是在原有的迪杰斯特拉算法的基础上，进行了添加约束条件和指定多组权值的扩展。

具体步骤如下：

步骤5.1：根据步骤4求得的邻接矩阵使用改进的带约束的迪杰斯特拉算法，额外添加人为规定的最大换乘次数作为约束，计算出每个标准下的最优路径，其中的标准包括时间、路程、花费；

步骤5.2：使用Yen算法给出每个标准下的前k条最短路径和各项标准值；

步骤5.3：计算出在上述的每个标准下的最短路集合中都出现的路线集合，形成最优的多条推荐路径。

步骤6：通过步骤5中得到的最优的多条推荐路径，生成多个符合条件的最优出行方案，并将数据响应给用户；

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (4)

1.基于大数据微服务的混合出行方式路径规划系统，其特征在于：包括用户模块，用户数据管理模块，出行模块和出行质量查询模块；

所述用户模块用于管理用户的主要信息，包括管理用户账号基本信息和用户偏好设置信息；该模块提供给用户自身信息的查看和修改的权限，同时为用户的出行提供了预设条件，将数据信息传输至用户轨迹信息存储功能模块；

所述用户数据管理模块包括用户轨迹信息存储功能模块和用户轨迹信息处理功能模块；所述用户轨迹信息存储功能模块用于收集用户轨迹信息并存储在数据库中，并将数据传输至用户轨迹信息处理功能模块；所述用户轨迹信息处理功能模块用于读取用户使用该系统时收集起来的轨迹数据，并进行批量数据的轨迹清洗，得到符合道路的规整轨迹信息，并将该信息传输至出行模块；

所述出行模块用于计算最优出行方案，以根据用户需求提供对应的多个最优出行方案，将方案需要的信息输出至出行质量查询模块；

所述出行质量查询模块包括步行出行质量查询子模块、自行车出行质量查询子模块、自驾车出行质量查询子模块、公交车出行质量查询子模块、出租车出行质量查询子模块、地铁出行质量查询子模块；所述步行出行质量查询子模块用于负责步行出行方式的质量查询并生成该出行方式在出行方案中的权重；所述自行车出行质量查询子模块用于负责自行车出行方式的质量查询并生成该出行方式在出行方案中的权重；所述自驾车出行质量查询子模块用于负责自驾车出行方式的质量查询并生成该出行方式在出行方案中的权重；所述公交车出行质量查询用于负责公交车出行方式的质量查询并生成该出行方式在出行方案中的权重；所述出租车出行质量查询子模块用于负责出租车出行方式的质量查询并生成该出行方式在出行方案中的权重；所述地铁出行质量查询子模块用于负责地铁出行方式的质量查询生成该出行方式在出行方案中的权重；每个子模块负责单个出行方式的出行质量查询，子模块的调度顺序由出行模块决定，并将所需要的信息输出至出行模块。

2.基于大数据微服务的混合出行方式路径规划方法，通过权利要求1所述的基于大数据微服务的混合出行方式路径规划系统实现，包括以下步骤：

步骤1：首先对用户请求中的出行参数进行解析，通过解析函数将参数转换成符合核心算法函数的输入参数；

步骤2：根据步骤1得到参数中的出行出发点和目的地，确定出行涉及到的范围；

步骤3：根据步骤2中得到的出行范围，从本地数据库中提取基础路网数据和交通信息；

步骤4：处理步骤3中得到的数据和信息，通过出行质量查询模块生成带有出行方式权值的邻接矩阵；

步骤5：根据用户给定的标准以及步骤4中生成的邻接矩阵，计算最优路径，生成最优的多条推荐路径；

步骤6：通过步骤5中得到的最优的多条推荐路径，生成多个符合条件的最优出行方案，并将数据响应给用户。

3.根据权利要求2所述的基于大数据微服务的混合出行方式路径规划方法，其特征在于：所述步骤4包括如下子步骤：

步骤4.1：处理路网大数据，将gps轨迹、花费时间、最大速度、车流量等信息附着到路网上；

步骤4.2：根据步骤2中得出的出行范围，从路网中确定合适的范围，根据该范围形成网格，通过网格形成用于执行多目标优化算法的邻接矩阵。

4.根据权利要求2或3所述的基于大数据微服务的混合出行方式路径规划方法，其特征在于：所述步骤5包括如下子步骤：

步骤5.1：根据步骤4求得的邻接矩阵使用改进的带约束的迪杰斯特拉算法，额外添加人为规定的最大换乘次数作为约束，计算出每个标准下的最优路径，其中的标准包括时间、路程、花费；

步骤5.2：使用Yen算法给出每个标准下的前k条最短路径和各项标准值；

步骤5.3：计算出在上述的每个标准下的最短路集合中都出现的路线集合，形成最优的多条推荐路径。