[发明专利]一种导航方法

说明书

技术领域

本发明属于移动通信及导航技术领域，涉及一种导航方法，尤其涉及一种可提供多条路径可供选择的导航方法。

背景技术

手机导航(Mobile Navigation)即卫星手机导航,它可以告诉你在地图中所在的位置,以及可以显示出你要去的地方在地图中的位置,通过系统中的最短路径算法显示最佳的路线,在导航的路途中用语音提示用户行进的方向。

导航由GPS模块,导航软件,GSM通信模块组成：由GPS模块通过GPS卫星采集数据,导航软件中的地图模块分析得到的数据,通过不断的刷新使位置在地图上不断的变化,软件中的路径接收用户的指令或者需求,计算出用户计划要去的地点,规划出一条最优路线并引导用户,最后GSM模块对这些数据分析处理之后上传服务器中。

手机导航系统就是在可以在手机上运行的导航软件,它是以手机作为硬件平台的。通过手机中的GPS模块接收信号,再把获得的数据信息传递给导航软件,经过软件确定用户的位置,再通过GIS模块实现导航功能。

最短路径(Shortest Path,SP)问题是图论中的经典问题，在计算机网络路由，机器人路径规划，交通线路导航等诸多领域有着广泛应用。Dijkstra算法是求解SP的经典方法，可在多项式时间内找到有向图中任意两顶点间的最短路径。而在许多实际应用中，不仅需要求出最短路径，而且往往还需要找出次短等多条最优路径，如，城市道路交通导航中，用户通常希望获知多条最优路径并根据实际的出行需要进行选择。因此，在一个网络图中如何快速求得高质量的k条最短路径问题引起人们的极大关注。

近年，很多学者对基于进化和仿生计算的智能方法求解复杂优化问题进行了深入的研究，获得了许多理论和应用成果。然而，对于k条最短路径问题的研究文献目前尚不多见。国内研究者提出了一种能够求解k条最短路径问题的遗传算法，直接以自然路径作为染色体，根据路径节点的连接关系对染色体实施交叉操作，将节点路径块作为染色体的变异基因块来实施变异，采用对种群排序的方法进行世代更新。国外研究者曾提出了一种求解最短路径的粒子群算法。基于粒子自我学习和社会学习的进化机理，最终多数粒子会落入优化解区域，因而算法在求得最短路径的同时也可以得到一些次优路径，而且算法收敛速度较快。但由于该算法不是将求解k条最短路径作为优化目标，因而，当k比较大时求解质量不高且稳定性不够好。

混合蛙跳算法(Shuffled Frog Leaping Algorithm，SFLA)结合了基于遗传的模因演算法(Memetic Algorithm)和基于社会行为的粒子群算法的优点，全局寻优能力强，参数少，计算速度快，在一些实际应用中取得了良好效果。

发明内容

本发明所要解决的技术问题是：提供一种导航方法，可提供多条路径供用户选择，可提高导航质量及稳定性。

为解决上述技术问题，本发明采用如下技术方案：

一种导航方法，所述导航方法包括：

步骤S1、获取目的地位置信息及实时位置信息；

步骤S2、根据目的地位置信息、实时位置信息实时获取到达目的地的K条最短路径，进行实时导航，在导航的过程中不断的计算着用户的路线轨迹,直到导航结束；通过GPS传输数据，再根据地址数据库、地图数据库、第三方路况信息数据库和用户数据库，随时更新用户和目的地直接的路径；采用混合蛙跳算法求解K条最短路径；具体包括：

步骤S21、初始化蛙群，随机产生F只青蛙，计算青蛙个体的评价值并将蛙群按评价值升序排序；青蛙个体的评价值的获取方法为：用路径path所有边的代价之和表示青蛙的评价函数，即f(frogj)=Σe∈pathcost(e);]]>