CN111879329A - 基于a*算法的定制公交可通行最短路径计算方法 - Google Patents

Abstract

本发明属于定制公交可通行最短路径计算方法技术领域，具体涉及一种基于分层算法和A*算法的定制公交可通行最短路径计算方法，主要针对城市道路网络进行计算起点和终点的最短路径。首先将道路网络进行分层，然后针对不同的起点和终点所在道路网络的不同层级进行灵活的选取经典A*算法和双向A*算法进行加速计算起点和终点之间的最短距离；计算出最短路径的时间要比单纯采用A*算法的时间要短，更为准确，大大加快了计算速度，可执行性高。

Description

基于A*算法的定制公交可通行最短路径计算方法

技术领域

本发明属于定制公交可通行最短路径计算方法技术领域，具体涉及一种基于A*算法的定制公交可通行最短路径计算方法。

背景技术

据专家估算，2020年全国的城市人口将要达到60％，这意味着将有9亿人口进城，传统的交通模式将面临挑战。目前自动驾驶、智能网联与非网联、无人驾驶、有人驾驶混合交通常态化的交通时代，车联和电动化、智能化和共享化的发展已经成为当前和未来的主要趋势，尤其是人、车、路、物这种互联互通共享移动的出行模式，已经成为当前汽车业智能网联研发创新的新领域。

定制公交和共享化的公交需求，导致公交司机需要熟悉常规线路以外的线路出行，这需要公交司机增加道路熟悉程度，以及计算机辅助的最短路径规划，道路是否具备公交通行能力，从场站出发到完成定制公交的共享化订单返回场站，亟需一整套公交可通行最短路径规划方案。

目前学者针对可通行最短路径进行规划主要可以采用蚁群算法、遗传算法、粒子群算法、人工势场法、量子粒子群算法等。安健等人在《快速公交路径优化设计模型及算法研究》一文中提出了BRT网络设计的双层规划模型，并且基于遗传算法和粒子群算法优化，设计了求解双层规划模型的混合启发式算法。蔡念等人在《一种公交网络最优路径新算法》一文中提出了一种公交网络最优路径新算法，并从出行者的实际情况出发，提出了步行愿望系数，综合考虑最小换乘次数、最短时间、以及最小费用等因素进行网络设计。邓连波等人在《基于换乘网络的城市轨道交通关联公交接驳线网优化》一文中以最小化乘客出行成本和常规公交运营者开行成本为优化目标，建立基于换乘网络的接驳线网优化模型并表明客流分布对接驳线网结构具有明显影响。

但是目前大部分有关于公交的路径规划仍属于数学建模方案，并没有考虑到公交企业的运营成本与乘客的等待成本的平衡。而且由于共享定制公交车(网约公交车)的路径规划，相较于一般式的公交车辆路径规划主要有以下两点不同：(1)服务于公众的公交车辆有既定路线，必须按照规划开设的公交线路进行行驶，在运行期间并不能随意更改线路，常规公交车辆对乘客的数量并不做具体要求，即使没有乘客公交也需按照既定路线进行行驶，而网约公交则需要先募集乘客，并且乘客数量到达最小接受数量才会进行行驶。(2)不同线路的常规公交车辆的起始点与终止点都有着明确且固定的位置，但是网约公交的起始点和终止点并不确定而是随着乘客的位置进行实时调整。由于定制公交的特殊性，需要快速的制定出起点到终点的最短可行路径。但是多数现存方案或者没有考虑到公交可通行的路线或者不具备快速制定起点到终点的最短可通行路径的能力，这一实际问题仍亟需解决。

发明内容

针对目前现存方案没有考虑到公交可通行的路线或者不具备快速制定起点到终点的最短可通行路径的能力的缺陷和问题，本发明提供一种基于A*算法的定制公交可通行最短路径计算方法。

本发明解决其技术问题所采用的方案是：一种基于A*算法的定制公交可通行最短路径计算方法，

首先，获取矢量道路网，将道路网抽象成不同细节程度的路网层，选择合适的路网层进行路径搜索；

然后，读取路网层信息，输入起点A和终点B，获取起点A所属路网层层级S_i和终点B所属路网层层级S_j，根据起点和终点的路网层级选择寻路算法类型，求出最短路径，选择方法为：

(1)若起点所属路网层级较低，采用经典A*算法搜索起点和终点的最短路径；

(2)若终点的路网层级较低采用经典A*算法搜索起点和终点的最短路径；

(3)若起点和终点不在顶层且相距较远采用双向启发式A*算法搜索起点和终点的最短路径，设置搜索终止条件和搜索切换条件完成起点至终点以及终点至起点的双向搜索；

最后，加载最短路径路线，显示完整的最短路径并输出完整最短路径和距离信息。

上述的基于A*算法的定制公交可通行最短路径计算方法，是以道路功能为依据将道路分成三层，R₀为一般道路，其中一般道路包括街道，R₁为二级公交道路，R₂为一级公交道路，从而采用分层网络将道路网络抽象为由低到高的三层路网，分别为H₀＝R₀∪R₁∪R₂，H₁＝R₁∪R₂，H₂＝R₂。

上述的基于A*算法的定制公交可通行最短路径计算方法，所述搜索终止条件为：

(1)正向搜索到终点，即

(2)逆向搜索到起点，即

(3)双向搜索汇合；

(4)正向节点与逆向节点都扩展完即搜索失败针对当前起点和终点无法寻找到可行路径，即

其中d为起点、s为终点，F为正向搜索closelist；G为逆向搜索 closelist；W为正向openlist；V为逆向openlist。

上述的基于A*算法的定制公交可通行最短路径计算方法，所述搜索切换条件为始终选择openlist元素较少的一方进行搜索，每次只搜索一步。

上述的基于A*算法的定制公交可通行最短路径计算方法，若起点A所属路网层级S_i较低，找到底层网络到高层网络代价估计值最低的节点作为新的起点，在层S_i正向搜索入口A'，如果搜索失败则退出循环，否则使用入口更新起点，即A＝A'，i＝i+1进行搜索。

上述的基于A*算法的定制公交可通行最短路径计算方法，如果终点B所在层次较低，即j<i，找到底层网络到高层网络代价估计值最低的节点作为新的起点，在层S_j逆向搜索出口B'，如果搜索失败则退出循环，否则使用出口更新终点，即B＝B'，j＝j+1进行搜索。

上述的基于A*算法的定制公交可通行最短路径计算方法，如果起点A和终点B不在顶层且相距较远，同时搜索入口A'和出口B'，如果搜索失败则退出循环；如果双向汇合则找到最短路径，拼接各阶段路径形成完整最短路径；如果搜索到入口和出口则使用入口更新起点即A＝A'，i＝i+1，使用出口更新终点即B＝B'，j＝j+1，重新搜索入口和出口。

本发明的有益效果：

1、本发明通过分层网络过滤掉大部分不合格的路网数据，使算法在计算最短路径的过程中更加专注于可通行的合格路网道路上，避免不合格路径浪费计算时间，大大加快了计算速度。

2、融合经典A*算法和双向A*算法，根据不同的起点和终点所在道路网络的层级选择何时采用经典A*算法、何时采用双向A*算法，计算出最短路径的时间要比单纯采用A*算法的时间要短，同时可执行性高。

3、本发明设置搜索成功的条件可以判断出枢纽点是否与上层枢纽点相对应，所在路段是否与上层路段相对应，可以有效避免虽然枢纽点相互对应但是现实会出现道路允许通行方向却相反的情况出现，更为准确。

4、本发明的计算方法会根据起点和终点层级的高低自动寻找到从起点到终点的最短路径并呈现到可视化地图上，可以兼顾到公交可通行道路以及道路的有向性，不会出现公交路径出现逆行的情况发生。

5、针对同样的起始站和终止点的路径规划，本发明可以在较短的时间内寻找到较理想的结果，而且本发明的总搜索节点数明显低于 A*算法以及双向A*算法，用时短、效率高，准确性高，能满足网约公交的路径规划需求。

附图说明

图1为本发明整体算法基本流程图。

图2为具有若干节点的路网图。

图3为本发明双向启发式A*算法计算最短路径流程图。

图4为起点和终点距离较近时的最短路径结果。

图5为起点和终点距离较远时的最短路径结果。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

实施例1：由于定制公交的特殊性，在对定制公交进行线路规划是不仅要考虑公交可通行的路线，还要考虑运营成本和乘客的等待成本。如图2可以看出，定制公交可通行最短路径的规划其实是在一个带有权值的路网图中找出制定节点间的一个具有最小权值的最短路线。根据不同地区的习惯、政策的不同可以分为距离最短、时间最短、拥挤程度最小、道路可通行质量较优等不同指标的问题，本发明主要考虑距离最短的可通行路径规划，并在计算最短路径的过程中实现灵活选取合适算法提升运算速度，快速制定出起点到终点的最短可通行路径。整体算法基本流程如图1所示。

首先我们可以获取全国道路网数据，但是全国道路网数据往往是比较全面的其中包含公交车、出租车、行人等各种出行方式均适合到道路。而发明则主要针对公交可通行道路进行路径规划。所以此处我们采用的道路信息校正原则为过滤掉道路宽度小于5.5M的道路信息。同时一个城市的道路数据量过于庞大所以针对这种情况我们需要进行分层算法，具体流程如下所示：

1.城市首先以区为划分单位进行划分，譬如郑州市可以划分为高新区，中原区等行政单位；

2.在区单位中以街区进行划分实现更细粒度的划分单位，实现道路的全覆盖；

3.在完成街区覆盖之后按照道路等级进行划分实现道路等级的可达性搜索。

完成分层聚类之后接下来便是实现道路可通行的入库操作此时由于公交道路具有单向可通行，双向可通行，则此时需要针对该情况进行相关方面的映射，实现道路拓扑对的入库操作，最终存储到图数据库中。

读取城市的道路信息网，将道路网抽象成不同细节程度的路网层，选择合适的路网层进行路径搜索。一般情况下进行道路分层主要是以道路功能为依据进行分层。本实施例根据道路功能将道路分为三层， R₀为一般道路(包括街道)，R₁为二级公交道路，R₂为一级公交道路，从而采用分层网络将道路网络抽象为由低到高的三层路网，分别为H₀＝R₀∪R₁∪R₂，H₁＝R₁∪R₂，H₂＝R₂，即底层为现实道路网络，最为详细，而顶层最为粗略；通过分层能够实现对道路网的过滤，滤除不可通行的道路，保证后期制作定制公交最短路径的过程中所有道路均可通行。而且由于现有地区的道路信息往往比较齐全，数据量很大，如果将其全部数据录入进行算法计算比较费时，而通过分层网络在滤除不可通行道路的同时还能实现道路信息的分离，利于后期快速计算。

本发明用于处理最短路径的算法主要采用双向启发式A*算法以及经典A*算法。

经典A*算法即对搜索过程中遇到的每个新节点，先按启发函数计算出它的代价估计值，接着选出当时估计值最小的节点，并且从该状态继续开始搜索。

而双向启发式A*算法就是将搜索阶段划分成两个搜索阶段并且两个阶段同时进行，即从起点正向搜索阶段与从终点反向搜索阶段同时进行，但是如何设定终止条件以及如何设定切换条件是关键问题。

将道路分层后，我们得到的最终结果的候选集均是一段段的道路，所以可以理解为将整个路程分为多个阶段，每个阶段分别包括起点和终点，计算每个阶段起点和终点的最短路径，拼接各个阶段的最短路径后形成完整的最短路径；中间过程的起点为上一道路的终点，中间过程的终点为下一道路的起点。

本实施例设任意指定道路网络中的两个节点A和B，其中A为起点，B为终点，设计分层路径规划算法流程如下所示。

1、加载路网数据，采用分层算法将路网数据进行网格化，获得 A和B所在路网层的层级；本实施例假定起点A所在的层为S_i，终点B所在的层为S_j。

2、如果起点A所在路网层层级较低，采用经典A*算法，找到底层路网到高层路网代价估计值最低的节点作为新的起点，则在层 S_i正向搜索入口A'，如果搜索失败则退出循环。

代价估计值的计算公式为：F＝G+H。

其中G为起点移动到指定节点的代价损失，H为从指定节点移动到终点的代价损失。

否则

a)使用入口更新起点，即A＝A'，i＝i+1；

b)转向步骤2；否则，进行第3步。

3、如果终点节点B所在层次较低，即j<i，采用经典A*算法，找到底层路网到高层路网代价估计值最低的节点作为新的节点，则在层S_i逆向搜索出口B'，如果搜索失败则退出循环，否则：

a)使用出口更新终点，即B＝B'，j＝j+1；

b)转向步骤2；否则，进行第4步。

4、如果路网起点节点A和终点节点B不在顶层且相距较远，则采用双向启发式A*算法同时搜索入口A'和出口B'，设置搜索终止条件和搜索切换条件，从起点节点A正向搜索阶段与终点节点B逆向搜索阶段同时进行。

假设A为路网起始节点、B为路网终止节点、F为正向搜索 closelist、G为逆向搜索closelist、W为正向openlist、V为逆向openlist；设置搜索切换条件为始终选择openlist元素较少的一方进行搜索，每次只搜索一步。

由于我们录入的路网数据为有向的道路拓扑信息，所以每次搜素阶段搜索的最小单位均为一段段的有向道路，即路网数据中的节点。根据损失函数F＝G+H来确定候选集，每一次搜索均可以确定一段有向道路，接下来搜索阶段将依据上一阶段的终点作为下一阶段的起点继续搜索来确定每一次搜索过程的候选道路。

搜索终止条件为：

1)正向搜索到终点，即

2)逆向搜索到起点，即

3)双向搜索汇合；

4)正向节点与逆向节点都扩展完即搜索失败，即针对当前起点和终点无法寻找到可行路径，即

其中s为起点，d为终点。

a)如果搜索失败则退出循环；

b)如果双向汇合即找到最短路径，转向步骤6；

c)如果搜索到入口和出口，则

ⅰ、使用入口更新起点，使用出口更新起点，即A＝A'，B＝B'，

i＝i+1，j＝j+1；

ⅱ、转向步骤c)；否则，进行第5步。

在该算法中我们设置搜索成功的条件为当前枢纽点存在上层对应枢纽点，即判断放入openlist中的节点是否与上层节点相对应；并且由于分层网络将道路网划成若干层路网图，也需要同时判断所在路段是否与上层路段相对应，以免出现虽然枢纽点相互对应，但是现实会出现道路的允许通行方向却相反的情况。具体流程如图3所示。

本实施例设|W|，|V|表示集合W，V的元素个数。结合图3流程图双向启发式A*算法流程如下：

Ⅰ、初始化；将起点S放入W集合中，将终点d放入V集合中；

Ⅱ、判断W和V是否为空：如果

则正向搜索结束，转入单向的逆向搜索；如果

则逆向搜索结束，转入单向的正向搜索；若

则搜索失败；

Ⅲ、比较|W|和|V|：

①如果|W|≤|V|，正向搜索一步；

a)从W中取出代价函数f(i)最小的节点i，将其放入F中；

b)如果i＝d，则正向搜索到终点，成功退出寻找运算；

c)如果

则双向搜索成功汇合，成功退出寻找运算；

d)扩展节点i。

②如果|W|＞|V|，则逆向搜索一步；

a)从V中取出代价函数f(i)最小的节点j，将其放入G中；

b)如果i＝S，则逆向搜索到起点，成功退出寻找运算；

c)如果

则双向搜索成功汇合，成功退出寻找运算；

d)扩展节点j。

IV、跳转步骤II。

5、在当前层采用双向启发式A*算法搜索最短路径，如果搜索成功则转向步骤6。

6、拼接各阶段路径形成完整最短路径并输出完整路线和路线距离。

试验例：采用本发明的方法、经典A*算法以及双向A*算法分别对相同起始点和终止点进行路径搜索和路径规划，记录不同方法的总搜索节点数和用时，结果见表1。

表1不同方法对相同起点和终点的搜索结果

算法类型	总搜索节点	实际路径节点数	用时(秒)
				本发明算法	1219	15	1.5
经典A*算法	2344	17	2.7
				双向A*算法	1412	15	1.8

从表1可以看出，同样的起始站和终止点的路径规划本产品可以在较短的时间内寻找到较理想的结果，而且本发明的总搜索节点数明显低于A*算法以及双向A*算法，用时短、效率高，准确性高。

应用例：在郑州市市区范围内任意指定两个起始点和两个终止点，分别选取距离近以及距离远的两个起始点和终止点，采用本发明方法进行实际路径搜索，搜索结果如图4和图5所示。

当用户任意给定起点和终点，由图4可以看出，起点和终点的距离相对而言较近，系统可以自动采用经典A*算法进行计算最短路径；由图5可以看出，起点和终点的距离较远，系统为了计算速度的提升便会灵活选取双向A*算法进行计算起点和终点之间的最短路径。根据起点和终点层级的高低本发明的计算方法会自动寻找到从起点到终点的最短路径并呈现到可视化地图上，同时可以兼顾到公交可通行道路以及道路的有向性，不会产生公交路径出现逆行的情况发生。

以上所述仅为本发明的较佳实施例，并不限制本发明，凡在本发明的精神和原则范围内所做的任何修改、等同替换和改进，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于A星算法的定制公交可通行最短路径计算方法，其特征在于：

首先，获取矢量道路网，将道路网抽象成不同细节程度的路网层，选择合适的路网层进行路径搜索；

然后，读取路网层信息，输入起点A和终点B，获取起点所属路网层层级S_i和终点所属路网层层级S_j，根据起点和终点的路网层级选择寻路算法类型，求出最短路径，选择方法为：

若起点所属路网层级较低，采用经典A星算法搜索起点和终点的最短路径；

若终点的路网层级较低采用经典A星算法搜索起点和终点的最短路径；

若起点和终点不在顶层且相距较远采用双向启发式A星算法搜索起点和终点的最短路径，设置搜索终止条件和搜索切换条件完成起点至终点以及终点至起点的双向搜索；

最后，加载最短路径路线，显示完整的最短路径并输出最终结果。

2.根据权利要求1所述的基于A星算法的定制公交可通行最短路径计算方法，其特征在于：以道路功能为依据将道路分成三层，R₀为一般道路，其中一般道路包括街道，R₁为二级公交道路，R₂为一级公交道路，从而采用分层网络将道路网络抽象为由低到高的三层路网，分别为H₀＝R₀∪R₁∪R₂，H₁＝R₁∪R₂，H₂＝R₂。

3.根据权利要求1所述的基于A星算法的定制公交可通行最短路径计算方法，其特征在于：所述搜索终止条件为：

(1)正向搜索到终点，即

(2)逆向搜索到起点，即

(3)双向搜索汇合；

(4)正向节点与逆向节点都扩展完即搜索失败针对当前起点和终点无法寻找到可行路径即

其中s为起点、d为终点，F为正向搜索closelist；G为逆向搜索closelist；W为正向openlist；V为逆向openlist。

4.根据权利要求3所述的基于A星算法的定制公交可通行最短路径计算方法，其特征在于：所述搜索切换条件为始终选择openlist元素较少的一方进行搜索，每次只搜索一步。

5.根据权利要求1所述的基于A星算法的定制公交可通行最短路径计算方法，其特征在于：若起点A所属路网层级S_i较低，找到底层网络到高层网络代价估计值最低的节点作为新的起点，在层S_i正向搜索入口A'，如果搜索失败则退出循环，否则使用入口更新起点，即A＝A'，i＝i+1进行搜索。

6.根据权利要求1所述的基于A星算法的定制公交可通行最短路径计算方法，其特征在于：如果终点B所在层次较低，即j<i，找到底层网络到高层网络代价估计值最低的节点作为新的起点，在层S_j逆向搜索出口B'，如果搜索失败则退出循环，否则使用出口更新终点，即B＝B'，j＝j+1进行搜索。

7.根据权利要求1所述的基于A星算法的定制公交可通行最短路径计算方法，其特征在于：如果起点A和终点B不在顶层且相距较远，同时搜索入口A'和出口B'，如果搜索失败则退出循环；如果双向汇合则找到最短路径，拼接各阶段路径形成完整最短路径；如果搜索到入口和出口则使用入口更新起点即A＝A'，i＝i+1，使用出口更新终点即B＝B'，j＝j+1，重新搜索入口和出口。

Images