CN110442624B - 一种时间依赖路网中服务时间受限的聚合近邻查询方法 - Google Patents

Abstract

本发明属于时空数据管理技术领域，具体涉及一种基于增量网络扩展并使用A*算法引导的时间依赖路网中服务时间受限的聚合近邻查询方法。本发明采用的基于分段下界图的hub labeling预计算方法，主要分为三部分，包括预计算、生成候选点和验证求精；本方法可加快在线计算两点间的路径代价，并使计算得到的路径代价下界更接近实际路径代价，能够更加明确候选兴趣点的位置。改进的A*启发式函数不仅考虑了等待服务的时间还考虑了分段路径代价下界，使得节点到兴趣点的乐观估计值更加接近实际服务代价，减少了路网搜索空间，进而提高了查询效率，有效的解决了时间依赖路网中服务时间受限的聚合近邻查询。

Description

一种时间依赖路网中服务时间受限的聚合近邻查询方法

技术领域

本发明属于时空数据管理技术领域，具体涉及一种基于增量网络扩展并使用A*算法引导的时间依赖路网中服务时间受限的聚合近邻查询方法。

背景技术

近年来，在移动互联网大发展的趋势下，各类应用在蓬勃发展，特别是嵌入了位置服务(LBS)功能后的应用，更实现了爆发式增长，微信、微博、移动阅读、移动游戏等，为百姓生活提供着极大的便利。移动位置服务成为移动互联网应用的重要突破口，与此同时对于位置服务的需求也随之提高，伴随而来的是位置服务技术的不断革新。因此，研究位置服务相关的问题，满足用户需求具有重要意义，已经成为当前近邻查询技术的热点问题。

现有的聚合近邻查询技术主要解决了静态路网中的聚合最近邻查询、聚合k近邻查询、合并集合聚合最近邻查询以及时间依赖路网中的聚合最近邻查询。静态路网中的聚合最近邻查询常用方法有IER(增量欧几里得约束)、TE、CE、M-tree、SPB-tree。由于时间依赖路网中边的权值随时间的变化而变化，因此以上方法不适用于时间依赖路网下的聚合最近邻查询。目前对于时间依赖路网下的解决方法有TD-ANNQPLB、TD-ANNHL。但这两种方法并没有考虑兴趣点存在服务时间限制的因素，因此无法适用于时间依赖路网中服务时间受限的聚合近邻查询

发明内容

为了解决边的权值随时间变化且兴趣点具有服务时间限制的聚合近邻查询问题，本发明提出了一种基于增量网络扩展并使用A*算法引导的方法来解决时间依赖路网中服务时间受限的聚合近邻查询，包括以下步骤：

预计算出时间依赖路网的分段下界图，目的是使得估计值更加接近实际值，然后基于分段下界图的hub labeling预计算方法，来为路网中的每个节点建立多个前向标签和后向标签，用于高效的计算分段下界图中任意两个节点之间的最短路径代价；

在分段下界图中计算出聚合服务代价最小的兴趣点作为候选点cdp，在此过程中考虑兴趣点的服务时间限制因素，过滤掉在下界图中到达兴趣点时已经停止服务的兴趣点；

基于增量网络扩展使用A*算法引导网络向候选点cdp扩展，直到查找到聚合最近邻点，具体包括以下步骤：

3.1、考察每个查询点的邻接点，使用A*算法计算邻接点到候选集中兴趣点的乐观估计，并加入到待扩展节点的优先队列中，队列中的节点按照乐观估计值从小到大的顺序排列；

3.2、从优先队列中取出第一个节点，判断该节点是否为兴趣点并且被所有查询点访问到，是则执行步骤3.3，否则执行步骤3.4；

3.3、计算聚合服务代价。及时更新当前最近邻点、当前最优聚合服务代价以及候选集中聚合服务代价的乐观估计值。判断当前最优聚合服务代价是否大于等于聚合服务代价的乐观估计，是则执行步骤3.5，否则执行步骤3.4；

3.4、考察当前扩展节点的邻接点，使用A*算法计算乐观估计，并加入到优先队列中，判断此时聚合服务代价是否大于下一个候选点的乐观估计值，如果大于，说明下一个候选点有可能更好，因此将下一个候选点加入到每个查询点的候选集中，更新每个查询点的待扩展节点的优先队列，执行步骤3.2；

3.5、算法结束，返回当前聚合最近邻点。

步骤3.4中A*算法的启发式函数中考虑兴趣点服务时间限制因素，启发式函数如下：

其中AT(q_i,v_j,t)在t时刻，从查询点q_i到达节点v_j的时刻；L(v_j,p_k)表示在下界图中从节点v_j到兴趣点p_k最短路径花费的旅行时间；WT(p_k,t+L(v_j,p_k)表示在AT(q_i,v_j,t)时刻到达兴趣点p_k后等待兴趣点提供服务的时间。

本发明的有益效果

本发明的时间依赖路网是指边的权值随着时间变化而不断改变的路网，服务时间受限是指被查询的兴趣点有指定的服务(营业)时间。给定查询点Q集和兴趣点集P以及出发时间t，时间依赖路网中服务时间受限的聚合近邻查询返回兴趣点集中的一个兴趣点，使得所有查询点到达该兴趣点的聚合服务代价最小。所提方法主要分为三部分，包括预计算、生成候选点和验证求精。预计算阶段主要计算并保存路网中任意两点之间的最小路径代价，由于路网中边权值具有时间依赖特性，为了使最小路径代价接近实际路径代价，提出了基于分段下界图的hub labeling预计算方法，来为路网中的每个节点建立多个前向标签和后向标签。生成候选点阶段主要利用预计算的标签集合，快速找到有可能成为查询结果的候选兴趣点，查找过程中结合等待服务时间过滤掉不能提供服务的兴趣点，进一步明确候选兴趣点的位置。验证求精阶段将精确计算出所有查询点到候选点的路径代价，并在计算过程中找到其他潜在的查询结果，本阶段采用的是增量网络扩展与A*算法结合的方式，引导网络向能够尽快提供服务的候选兴趣点方向扩展，提高查询效率。本发明采用的基于分段下界图的hub labeling预计算方法，可加快在线计算两点间的路径代价，并使计算得到的路径代价下界更接近实际路径代价，能够更加明确候选兴趣点的位置。改进的A*启发式函数不仅考虑了等待服务的时间还考虑了分段路径代价下界，使得节点到兴趣点的乐观估计值更加接近实际服务代价，减少了路网搜索空间，进而提高了查询效率，有效的解决了时间依赖路网中服务时间受限的聚合近邻查询。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明的总流程示意图；

图2为本发明所述的时间依赖路网；

图3是每条边的权值函数；

图4是本发明的分段下界图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。下面结合附图1-4对本发明一种实施例做进一步说明。

1、结合图2中的时间依赖路网以及图3对应图2中每条边的权值函数，预计算出时间依赖路网的分段下界图，计算路网中每个节点的前向标签和后向标签。首先我们将下界图分割为四个时间段[00:00-06:00]、[06:00-12:00]、[12:00-18:00]、[18:00-24:00]，其中[06:00-12:00]时间段下界图如图4所示。然后预计算出分段下界图中每个节点的前向标签与后向标签，从而可以快速计算任意两个节点之间的最短路径代价。

2、在分段下界图中计算出聚合服务代价最小的兴趣点作为候选点。LBTS_sum(Q,p₁,08:00)＝TS(b,p₁,08:00)+TS(a,p₁,08:00)＝42，LBTS_sum(Q,p₃,08:00)＝TS(b,p₃,08:00)+TS(a,p₃,08:00)＝50，由于AT(b,p₂,08:00)＝08:40，此时兴趣点p₂已经停止提供服务，兴趣点p₂被过滤掉，因此将p₁作为候选点cdp，p₂作为次候选点nextcdp。

3、基于增量网络扩展使用A*算法引导网络向候选点扩展，直到查找到聚合最近邻点，包括以下步骤：

将cdp加入到候选集合C中，下一个候选点p_next＝nextcdp，初始化每个查询点的候选集合C_a＝p₁、C_b＝p₁。将a插入查询点a的待扩展节点的优先队列PQ_a:(a,AT_a＝08:00,TT_a＝0,LB_a＝22)中，其中LB_a＝22为在下届图中查询点a到兴趣点p₁的最短旅行时间加上到达p₁后的等待时间，同样的，将b插入查询点b的待扩展节点的优先队列PQ_b:(b,AT_b＝08:00,TT_b＝0,LB_b＝20)中。由于两个优先队列中LB_b最小，将b从优先队列PQ_b中移除。扩展b并将其邻接点v₁、p₂和p₃加入到

中，此时从查询点a和b到兴趣点p₁的乐观聚合服务代价LBTS＝52>LBTS_sum(Q,p₃,08:00)＝50，所以将p3加入到每个查询点的候选集中并更新待扩展节点的优先队列。C_a＝p₁,p₃、C_b＝p₁,p₃，优先队列PQ_a：(a,AT_a＝08:00,TT_a＝0,LB_a＝22)，优先队列

接着取出两个优先队列中乐观估计最小的节点p₃，由于p₃是兴趣点，因此将p₃从查询点b的候选集中移除C_b＝p₁，更新

考察p₃的邻接点，由于b已经被PQ_b中移除，因此不考察邻接点b，邻接点

由于v₁已存在于PQ_b且乐观估计值较大，所以只将邻接点v₃和v₄加入

中。接着取出两个优先队列中乐观估计最小的节点a，将a的邻接点v₃和v₄加入队列

中，然后将v₁从优先队列PQ_b中移除，扩展v₁节点，考察其邻接点

由于p₃已经存在于PQ_b中但是乐观估计值较大，所以更新

然后两个队列中的最乐观估计值最小的p₁出队，由于p₁为兴趣点，所以将p₁从C_b中移除，此时

记录兴趣点p₁被查询点b遍历。v₄出队，考察v₄的邻接点后将p₁、p₃加入队列

接着兴趣点p₁出队，将p₁从C_a中移除，此时C_a＝p₃，更新

此时兴趣点p₁被所有查询点遍历到，计算兴趣点p₁的聚合服务代价TS_sum(Q,p₁,08:00)＝64，当前最优服务代价bestTS＝64，此时LBTS＝64，LBTS＝bestTS，所以算法停止，p₁为聚合最近邻点。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种时间依赖路网中服务时间受限的聚合近邻查询方法，其特征在于，包括以下步骤：

步骤1、预计算出时间依赖路网的分段下界图，在每个下界图中分别计算路网中每个节点的前向标签和后向标签；

步骤2、在分段下界图中计算出聚合服务代价最小的兴趣点作为候选点cdp；

步骤3、在时间依赖路网中，基于增量网络扩展使用A*算法引导网络向候选点cdp扩展，直到查找到聚合最近邻点；

所述步骤3在时间依赖路网中，基于增量网络扩展使用A*算法引导网络向候选点cdp扩展，直到查找到聚合最近邻点，具体包括如下步骤：

步骤3.1、考察每个查询点的邻接点并加入到待扩展节点的优先队列中；

步骤3.2、从优先队列中取出第一个节点，判断该节点是否为兴趣点并且被所有查询点访问到，是则执行步骤3.3，否则执行步骤3.4；

步骤3.3、计算聚合服务代价；判断当前最优聚合服务代价是否大于等于聚合服务代价的乐观估计，是则执行步骤3.5，否则执行步骤3.4；

步骤3.4、考察当前扩展节点的邻接点，使用A*算法计算乐观估计，并加入到优先队列中，执行步骤3.2；

步骤3.5、算法结束，返回当前聚合最近邻点；

所述步骤3.4中A*算法的启发式函数中考虑兴趣点服务时间限制因素，启发式函数如下：

其中AT(q_i,v_j,t)表示在t时刻，从查询点q_i到达节点v_j的时刻；L(v_j,p_k)表示在下界图中从节点v_j到兴趣点p_k最短路径花费的旅行时间；WT(p_k,t+L(v_j,p_k)表示在AT(q_i,v_j,t)时刻到达兴趣点p_k后等待兴趣点提供服务的时间。

Images