CN114580796A

CN114580796A - 一种旅游属性路径规划方法

Info

Publication number: CN114580796A
Application number: CN202210495832.XA
Authority: CN
Inventors: 魏楚元; 黄鹤
Original assignee: Beijing University of Civil Engineering and Architecture
Current assignee: Beijing University of Civil Engineering and Architecture
Priority date: 2022-05-09
Filing date: 2022-05-09
Publication date: 2022-06-03
Anticipated expiration: 2042-05-09
Also published as: CN114580796B

Abstract

本发明提供了一种旅游属性路径规划方法，包括：S1：建立第一数据模型，第二数据模型，第一数据模型，第二数据模型均包括三层，第三层向第二层向第一层逐层包含的数据规模呈递减状分布；S2：为每个备选结点标注对应路段的标识属性；第三层向第二层向第一层逐层包含的备选结点P_i(x,y)数量呈递减状态分布；S3：根据起点、终点，及对标识属性的倾向性程度，比较每个由起点到终点的多个路段的组合的代价函数的值，选择所述代价函数的值最小的前m个作为推荐路径；所述代价函数为与距离及标识属性的加权函数。本发明解决了传统多点路径规划计算量大，计算效率低，个性化体验程度差的技术问题，提高了计算效率，个性化程度高，体验感佳。

Description

一种旅游属性路径规划方法

技术领域

本发明涉及导航领域，具体涉及一种旅游属性路径规划方法。

背景技术

常规的驾车导航的最优线路关注的是驾车出行的需求，解决节省出行时间和花费的问题，导航结果一般是花费时间最短或者花费过路费最少。自驾旅游者驾车的目的具有多样性和随意性，主要在于追求一种自由化、个性化的旅游空间。如，观光与休闲度假、商务旅游、探亲访友、美食娱乐和探险摄影等等。自驾旅游通常不需要由旅行社安排旅游行程，在旅游目的地的选择、到达与停留时间以及食宿安排上都有很大的自主性。一般导航地图按照最短路线或最短时间进行线路选无法满足上述情况下的路径规划需要，当增加多个中间点时，重新的路径规划将导致计算量加大，计算效率低，也无法实现更倾向游玩或更倾向直接到达的差异化需求。

发明内容

为解决现有技术存在的根据偏好及自定义中间结点导致的路径规划计算量大，计算效率低，个性化体验程度差的技术问题，本发明提出一种旅游属性路径规划方法，包括：

S1：建立第一数据模型，第二数据模型，所述第一数据模型包括第一层第一数据子模型，第二层第一数据子模型，第三层第一数据子模型；所述第二数据模型包括第一层第二数据子模型，第二层第二数据子模型，第三层第二数据子模型；所述第一层第一数据子模型与所述第一层第二数据子模型，所述第二层第一数据子模型与所述第二层第二数据子模型，所述第三层第一数据子模型与所述第三层第二数据子模型形成一一映射；所述第一层第一数据子模型，第二层第一数据子模型，第三层第一数据子模型三者形成映射；所述第一层第二数据子模型，第二层第二数据子模型，第三层第二数据三者形成映射；第三层向第二层向第一层逐层包含的数据规模呈递减状分布；

S2：为每个备选结点P_i(x,y)标注对应路段的标识属性，所述标识属性的标注方法为：采用广度优先算法搜索每个备选结点P_i(x,y)的所有可达路段的宽度优先树，选择排名前n个宽度优先树对应的路段，标注为该备选结点P_i(x,y)的标识属性；第三层向第二层向第一层逐层包含的备选结点P_i(x,y)数量呈递减状态分布；

S3：根据起点、终点，及对标识属性的倾向性程度，比较每个由起点到终点的多个路段的组合的代价函数的值，选择所述代价函数的值最小的前m个作为推荐路径；

所述代价函数为与距离及标识属性的加权函数。

优选的，所述标识属性的标注方法为：

S2.1遍历每个备选结点P_i(x,y)；

S2.2将每个备选结点P_i(x,y)最邻近的路段的顶点N₀和顶点N₁作为初始顶点，插入至待遍历的集合O；

S2.3在集合O中遍历任意结点N_i，依次访问N_i的领接的结点N_m，计算从备选结点P_i(x,y)投影到最邻近路段L上的垂足开始，经每个结点路段到达结点N_m的所有路段的长度之和D_m，若D_m大于阈值T，则将N_m作为终止结点N_t；

S2.4选择集合O中的终止结点N_t，提取所有从终止结点N_t到最邻近路段的路线R_t，获得路线集合R；

S2.5在路线集合R中选择阈值低于R_y的前m条线路，对组成该线路的所有路段标注对应该备选结点P_i(x,y)的标识属性。

优选的，代价函数为与距离及标识属性的加权函数为：

g^*(n)=f^*(n-1)+cost(n)*（1-a）+T*a；

其中，f^*(n-1)为从起点由状态n-1到终点的线路长度，cost(n) 为结点N_n-1到结点N_n之间的花费，T为结点N_n-1到结点N_n之间的标识属性，a为标识属性倾向系数。

优选的，所述每个备选结点P_i(x,y)最邻近的路段的匹配方法为：

对备选结点P_i(x,y)，在范围d内进行空间搜索，确定备选结点P_i(x,y)附近的路段集合L；

从备选结点P_i(x,y)向路段集合L中的每一个路段进行垂直投影，获得到每一个路段的垂直距离集合D；

在垂直距离集合D中选择垂直距离最小且不与其他路段相交的路段作为该备选结点P_i(x,y)最邻近的路段。

优选的，所述第一层第一数据子模型及所述第一层第二数据子模型包括高速路路段及快速路路段；所述第二层第一数据子模型及所述第二层第二数据子模型包括高速路路段、快速路路段、国道路段及主干道路段；所述第三层第一数据子模型及所述第三层第二数据子模型包括高速路路段、快速路路段、国道路段、主干道路段、县道路段及乡道路段。

优选的，所述第一数据模型包括道路几何数据，所述第二数据模型包括道路拓扑数据。

一种旅游属性路径规划系统，包括：

数据建立模块，所述数据建立模块被配置为，建立第一数据模型，第二数据模型，所述第一数据模型包括第一层第一数据子模型，第二层第一数据子模型，第三层第一数据子模型；所述第二数据模型包括第一层第二数据子模型，第二层第二数据子模型，第三层第二数据子模型；所述第一层第一数据子模型与所述第一层第二数据子模型，所述第二层第一数据子模型与所述第二层第二数据子模型，所述第三层第一数据子模型与所述第三层第二数据子模型形成一一映射；所述第一层第一数据子模型，第二层第一数据子模型，第三层第一数据子模型三者形成映射；所述第一层第二数据子模型，第二层第二数据子模型，第三层第二数据三者形成映射；第三层向第二层向第一层逐层包含的数据规模呈递减状分布；

标识属性标注模块，所述标识属性标注模块被配置为，为每个备选结点P_i(x,y)标注对应路段的标识属性，所述标识属性的标注方法为：采用广度优先算法搜索每个备选结点P_i(x,y)的所有可达路段的宽度优先树，选择排名前n个宽度优先树对应的路段，标注为该备选结点P_i(x,y)的标识属性；第三层向第二层向第一层逐层包含的备选结点P_i(x,y)数量呈递减状态分布；

路径规划模块，所述路径规划模块被配置为根据起点、终点，及对标识属性的倾向性程度，比较每个由起点到终点的多个路段的组合的代价函数的值，选择所述代价函数的值最小的前m个作为推荐路径；所述代价函数为与距离及标识属性的加权函数。

优选的，所述标识属性标注模块被配置为执行：

S2.1遍历每个备选结点P_i(x,y)；

S2.3在集合O中遍历任意结点N_i，依次访问N_i的邻接的结点N_m，计算从备选结点P_i(x,y)投影到最邻近路段L上的垂足开始，经每个结点路段到达结点N_m的所有路段的长度之和D_m，若D_m大于阈值T，则将N_m作为终止结点N_t；

优选的，所述路径规划模块被配置为执行加权函数计算，所述加权函数为：

g^*(n)=f^*(n-1)+cost(n)*（1-a）+T*a；

一种存储介质，其存储有计算机程序；当所述计算机程序被计算设备中的处理器执行时，计算设备执行上述任一项所述的方法。

本发明通过对道路的分层及途径点的倾向程度的匹配组合，实现了对重点景点重点路段的与旅游倾向性的匹配优化，推荐更符合用户需要的候选路径以供选择；本发明首先对途径点及路段进行标识属性标注，使得后续路径规划时的优先程度基于做好的标识属性进行简单的加权求和，实现快速对比备选路线，与传统路径规划基于结点、路段等几何数据的计算相比，极大的降低了的计算量，提高了运算速度。

附图说明

为了更清楚地说明发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的旅游属性路径规划方法的流程图；

图2是本发明实施例一提供的旅游属性路径规划方法的数据模型建立流程图；

图3是本发明实施例一提供的旅游属性路径规划方法的分层数据模型示意图；

图4是本发明实施例一提供的旅游属性路径规划方法的道路拓扑数据模型示意图；

图5是本发明实施例一提供的旅游属性路径规划方法的最佳路径确定示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

实施例一

本实施例提供一种旅游属性路径规划方法，如图1-5所示，包括：

S1：建立第一数据模型，第二数据模型，所述第一数据模型包括第一层第一数据子模型，第二层第一数据子模型，第三层第一数据子模型；所述第二数据模型包括第一层第二数据子模型，第二层第二数据子模型，第三层第二数据子模型；所述第一层第一数据子模型与所述第一层第二数据子模型，所述第二层第一数据子模型与所述第二层第二数据子模型，所述第三层第一数据子模型与所述第三层第二数据子模型形成一一映射；所述第一层第一数据子模型，第二层第一数据子模型，第三层第一数据子模型三者形成映射；所述第一层第二数据子模型，第二层第二数据子模型，第三层第二数据三者形成映射；第三层向第二层向第一层逐层包含的数据规模呈递减状分布。

所述第一数据模型包括道路几何数据，所述第二数据模型包括道路拓扑数据。所述第一层第一数据子模型及所述第一层第二数据子模型包括高速路路段及快速路路段；所述第二层第一数据子模型及所述第二层第二数据子模型包括高速路路段、快速路路段、国道路段及主干道路段；所述第三层第一数据子模型及所述第三层第二数据子模型包括高速路路段、快速路路段、国道路段、主干道路段、县道路段及乡道路段。

本实施例建立道路集合数据模型，道路拓扑数据模型，引导数据模型和检索模型，以满足线路规划和导航时路口引导的需要，如图2所示。其中，道路要素中的Road图层用来描述道路的线的基本属性，包括线的ID、道路种别、通行方向、几何方向的起终点结点ID、道路长度等；道路要素中的Node图层用来描述道路的点的基本属性，包括点的ID、道路网的交叉路口点、道路邻接点、图幅边界点等；检索要素中的POI（Point of Interest）图层描述了现实世界中的一个真实位置，可以是建筑、商铺、公交站、公园、医院等，POI图层中主要包括ID、名称、地址、等级等。图商提供的导航电子地图数据为一种明文的交换格式数据，以达到详细表达现实世界、满足应用软件的各类需求，驾车规划或旅游偏好规划时，需要事先对交换格式的电子地图数据进行编译，建立符合线路规划的数据模型。

为提高线路规划时的计算效率，在编译时对交换格式电子地图数据根据道路路网的重要性进行分层处理，本实施例中将道路分为了3层，如表1所示，由于引导属性数据仅用作引导，不需要对其进行分层处理。

表1 道路路网分层表

几何数据由交换格式中的道路要素的Road图层编译生成，经过编译后的数据模型中仅包括道路ID、名称等主要属性和一组表示道路形状信息的有序点，主要用于道路显示、路径计算结果的形状显示。道路几何数据按道路在路网中的重要性分为不同的空间层，不同的空间层对应不同的地图比例尺，这里的重要性体现为道路的种类（如高速、国道、城市快速路等），分层后的道路几何数据模型分别为1层、2层、3层，3层为最详细层，包括全体道路要素。图3表示了道路分层数据模型。

拓扑数据由交换格式中的道路要素的Road图层编译生成，经过编译后的数据模型中包括道路Node、道路Link拓扑关系、通行条件、旅行属性等数据，根据拓扑关系数据，遵循迪杰斯特拉思想，实现从结点沿着邻接Link到另一个结点，直到终点。道路拓扑数据按道路在路网中的重要性分为不同的空间层，各层与道路几何数据一一对应，拓扑数据中不包含道路的几何形状点，高层的道路更具有重要性，数据规模呈递减状态分布。通过结点表示两条或更多条路段间的拓扑交叉点或弧段的端点，是道路拓扑网络的连通性关键要素；路段是道路拓扑结构的重要组成部分，它可以是任意的路线单元，如国道、高架道路或者轮渡航线等，同时路段实体还包含着它所对应的实际道路的长度、通行状态以及是否收费等道路信息，为路径计算等应用提供了必要的路线权重数据。在拓扑数据中，使用"结点-路段"形式的数据结构来表示，路段由两个端点定义：指示路段起始位置的起始结点，指示路段终止位置的终止结点。根据该结构，只要路段首尾相连不断开，就能保证路网的连通性。模型结构如图4所示。

检索数据由交换格式中的检索要素中的POI图层编译生成，经过编译后的数据模型中主要由POI构成，包含四方面信息，名称、类别、坐标、分类，全面的POI讯息是丰富导航地图的必备资讯，及时的POI信息点能提醒用户路况的分支及周边建筑的详尽信息，也能方便导航中查到你所需要的各个地方，选择最为便捷和通畅的道路来进行路径规划，因此，导航地图POI多少状况直接影响到导航的好用程度。在普通的检索模型中往往只需要输入始末位置，而新的检索模型除了输入起始位置和终点位置外，可以附加景区兴趣点的信息，同时检索想去的景点，此时显示模型会显示新的规划路径，新的规划路径会途经附加的景点。如果对出发地和目的地之间沿线景区不了解，可以直接检索，在结果中，显示时除了显示常规的路径规划和导航，还会突出显示沿线附近的景区，显示范围随景区等级变化而变化。

S2：为每个备选结点P_i(x,y)标注对应路段的标识属性，所述标识属性的标注方法为：采用广度优先算法搜索每个备选结点P_i(x,y)的所有可达路段的宽度优先树，选择排名前n个宽度优先树对应的路段，标注为该备选结点P_i(x,y)的标识属性；第三层向第二层向第一层逐层包含的备选结点P_i(x,y)数量呈递减状态分布。

在一优选方案中，标识属性为旅游属性。为突出规划线路中对个性化需求的符合，选择最佳自驾旅游线路，相比传统驾车导航解决的是最快到达目的地线路规划，侧重于将道路等级、道路路况、收费等属性作为规划时计算权重，本实施例将道路的旅游属性与道路等级、道路路况、收费属性进行融合作为规划时的最终权重，使得规划的结果更加倾向于驾车能经过更多的旅游景点。

导航电子地图基础数据中，没有直接给出每条道路的旅游属性，在数据编译时，需要根据景点与道路的空间关系进行匹配与映射，为每条道路赋上旅游属性。旅游属性可根据景点级别设置不同的权值倾向，例如景点级别越高（如5A），权值越高，或根据客户过往出行历史进行建模，对与过往出行历史涉及的途径点类型相似的景点赋予较高的权值。

最邻近匹配过程为，获得每个备选结点（如景点）最近的路段。在常规的不分层路段中，通常情况下备选景点的最邻近路段为低等级的路段，但当结合了了基于景点和道路重要性程度的分层后，低等级路段不会出现在第一层路网中，即，当探索规划进行到最高层，标识属性所起的作用很小，从而实现规划的旅游线路与常规驾车导航基本一致的情况。举例来说，从北京自驾开往上海，在不规定极高的旅游倾向性系数的条件下，由于其分层的特点过滤了如县道、乡道等路线及景点，备选结点对应的道路在该层级上避免了低等级路段，只保留高等级路段，使得最终优先推荐的路线较多的为高速路，而不是相同旅游倾向性系数下较多的景点导致的低等级路的推荐，这符合长途驾驶时的用户体验需求。而若如当从北京自家开往坝上地点时，距离较近，其检索涉及的分层向更高层级下沉，可以更多的覆盖较低层级的备选结点（如2A景点）及较低层级的路段。本实施例利用道路网络的连通性，将备选结点（如景点）的最邻近路段作为起始点，采用广度优先搜索算法，探索各个备选结点所有可达路段的宽度优先树，并为树中各路段标注标识属性。

所述标识属性的标注方法为：

S2.1遍历每个备选结点P_i(x,y)；

所述每个备选结点P_i(x,y)最邻近的路段的匹配方法为：

S3：根据起点、终点，及对标识属性的倾向性程度，比较每个由起点到终点的多个路段的组合的代价函数的值，选择所述代价函数的值最小的前m个作为推荐路径，所述代价函数为与距离及标识属性的加权函数。

作为优选的实施例，搜索采用A^*算法，即静态路网中求解最短路径较有效的直接搜索方法，距离估算值与实际值越接近，最终搜索速度越快。

优选的，代价函数为与距离及标识属性的加权函数为：

g^*(n)=f^*(n-1)+cost(n)*（1-a）+T*a；

其中，f^*(n-1)为从起点经由状态n-1到终点的线路距离，cost(n) 为结点N_n-1到结点N_n之间的花费，T为结点N_n-1到结点N_n之间的标识属性，a为标识属性倾向系数。

f^*(n)= sphere(n,t), sphere(n,t)为结点n到目的地t的球面距离。

f(n)为起点经由状态n到目标状态（终点）估计的距离，f^*(n)为从起点经由状态n到终点的线路距离。

如果f(n)<f^*(n)，搜索的点数多，搜索范围大，效率低，容易得到最优解；

如果f(n)= f^*(n)，此时的搜索效率最高；

如果f(n)> f^*(n)，搜索的点数少，搜索范围小，效率高，但不能保证得到最优解。

通过调整f(n)的选择，平衡最优解的可提出或不准确的容忍程度。

在一优选实施例中，cost(n)过道路等级、路面情况、实时路况、路口转向、红绿灯等多重因素加权计算获得。

本实施例通过加权函数的计算，根据用户过往出行特点，结合该次出行对特殊结点（如景点代表的旅游）的倾向程度，实现个性化的路径推送。在较优路径推送时，无需采用传统的路径规划时需要考虑几何或拓扑等维度的复杂计算，尤其当需要充分考虑多个可能路过的景点时，内存损耗高，计算量大，计算时间久。本实施例提供的路径规划算法，在先为各路段赋好标识属性的基础上，只需对起点到终点之间各个不同路径的标识属性矩阵进行加权求和，即可快速获得多条最佳路径进行推荐，计算效率高，体验性佳。

本实施例的目的地，即用户所要前往的地点附近的道路，可通过POI检索、地图位置、历史记录等方式来设定。起始点，即设定用户出发地点附近的道路，通常可不用设定，通过用户当前的位置由导航软件自动测定。基于路径计算获得从起点到终点的多条最佳路径，并融合实时动态交通信息使得推送结果更合理。通过路径计算结果的矢量列确定的路径整体图显示路径，并提示路径的详细信息，如行驶里程、出入口、预计到达时间、过路费等。

如图5所示，A、B、C、D、E、F为六个示例结点，其中任意两个示意结点之间的数字代表两者之间的路段的代价函数，如从A到B的路段的代价函数为2。为便于理解，如图5所示实施例并非真实路径计算案例，而是经过抽象和简化过的模型案例。若用户从A到F，则可进行的路径包括如：ABDF，ABEF，ABCEF，ABCEDF，ACEF，ACEDF等。计算逐个路径的代价函数的值：ABDF的代价函数的值为：2+4+2=8，ABEF的代价函数的值为：2+2+2=6，ABCEF的代价函数的值为：2+1+3+2=8，ABCEDF的代价函数的值为：2+1+3+3+2=11，ACEF的代价函数的值为：4+3+2=9，ACEDF的代价函数的值为：4+3+3+2=12。若用户从A至F，无指定必经结点，则ABEF为最佳路径。若用户从A至F，且指定C为必经结点，则ABCEF为最佳路径。推荐时可推荐最佳的一个路径或最佳的多个路径。如若用户从A至F，无指定必经结点，可推荐ABEF、ABDF、ABCEF三条路径。

实施例二

本实施例提供一种旅游属性路径规划系统，包括：

优选的，所述标识属性标注模块被配置为执行：

S2.1遍历每个备选结点P_i(x,y)；

g^*(n)=f^*(n-1)+cost(n)*（1-a）+T*a；

本实施例通过对道路的分层及途径点的倾向程度的匹配组合，实现了对重点景点重点路段的与旅游倾向性的匹配优化，推荐更符合用户需要的候选路径以供选择；本实施例首先对途径点及路段进行标识属性标注，使得后续路径规划时的优先程度进基于做好的标识属性进行简单的加权求和，实现快速对比备选路线，与传统路径规划基于节点、路段等几何数据的计算相比，极大的降低了的计算量，提高了运算速度。

实施例三

本实施例提供一种计算机可读存储介质，其存储有计算机程序；当所述计算机程序被计算设备中的处理器执行时，使得计算设备执行实施例一任一所述的方法。

为了说明的目的，前述描述使用具体命名以提供对所述实施方案的透彻理解。然而，对于本领域的技术人员而言将显而易见的是，不需要具体细节即可实践所述实施方案。因此，出于例示和描述的目的，呈现了对本文所述的具体实施方案的前述描述。这些描述并非旨在是穷举性的或将实施方案限制到所公开的精确形式。对于本领域的普通技术人员而言将显而易见的是，鉴于上面的教导内容，许多修改和变型是可行的。另外，当在本文中用于指部件的位置时，上文和下文的术语或它们的同义词不一定指相对于外部参照的绝对位置，而是指部件的参考附图的相对位置。

此外，前述附图和描述包括许多概念和特征，其可以多种方式组合以实现多种有益效果和优点。因此，可组合来自各种不同附图的特征，部件，元件和/或概念，以产生未必在本说明书中示出或描述的实施方案或实施方式。此外，在任何特定实施方案和/或实施方式中，不一定需要具体附图或说明中所示的所有特征，部件，元件和/或概念。应当理解，此类实施方案和/或实施方式落入本说明书的范围。

Claims

1.一种旅游属性路径规划方法，其特征在于，包括：

所述代价函数为与距离及标识属性的加权函数。

2.根据权利要求1所述的旅游属性路径规划方法，其特征在于，

所述标识属性的标注方法为：

S2.1遍历每个备选结点P_i(x,y)；

3.根据权利要求1所述的旅游属性路径规划方法，其特征在于，代价函数为与距离及标识属性的加权函数为：

g^*(n)=f^*(n-1)+cost(n)*（1-a）+T*a；

4.根据权利要求2所述的旅游属性路径规划方法，其特征在于，所述每个备选结点P_i(x,y)最邻近的路段的匹配方法为：

5.根据权利要求1所述的旅游属性路径规划方法，其特征在于，所述第一层第一数据子模型及所述第一层第二数据子模型包括高速路路段及快速路路段；所述第二层第一数据子模型及所述第二层第二数据子模型包括高速路路段、快速路路段、国道路段及主干道路段；所述第三层第一数据子模型及所述第三层第二数据子模型包括高速路路段、快速路路段、国道路段、主干道路段、县道路段及乡道路段。

6.根据权利要求1所述的旅游属性路径规划方法，其特征在于，所述第一数据模型包括道路几何数据，所述第二数据模型包括道路拓扑数据。

7.一种旅游属性路径规划系统，其特征在于，包括：

8.根据权利要求7所述的一种旅游属性路径规划系统，其特征在于，所述标识属性标注模块被配置为执行：

S2.1遍历每个备选结点P_i(x,y)；

9.根据权利要求7所述的一种旅游属性路径规划系统，其特征在于，所述路径规划模块被配置为执行加权函数计算，所述加权函数为：

g^*(n)=f^*(n-1)+cost(n)*（1-a）+T*a；

10.一种存储介质，其特征在于，其存储有计算机程序；当所述计算机程序被计算设备中的处理器执行时，计算设备执行如权利要求1-6任一项所述的方法。