[发明专利]基于交通预测的动态路径规划方法

说明书

一种基于交通信息的动态路径规划方法，包括：网络模型抽象，堆叠网络和时空滚动算法。所述网络模型抽象，将实际道路转化为节点和权值的网络图结构，分为上层网络模型抽象和下层网络模型抽象，权值设置综合考虑交通流密度和路径长度；所述堆叠网络，将实时交通信息和多个步长的预测交通信息进行整合，得到最终的网络模型；所述时空滚动算法，包含时间滚动和空间滚动过程，按照一定时间间隔刷新交通状态，实现动态的规划。本发明能够保证在交通较为拥堵的情况下，行程路径的增加量在一定范围内，但是大大缩短了行程时间。

技术领域

本发明属于最优路径问题领域，具体是综合考虑实时交通信息、预测交通信息和道路长度的动态路径规划算法。

背景技术

最短路径问题是图论中的经典问题，也是地理信息科学等领域的研究热点，在交通规划、交通运输和物流管理等领域有着广泛的应用。现实中的网络实体(本发明中主要指实际路网)，需要根据其特性将其抽象为图论中的网络图概念，即建立网络模型。在建立了网络模型之后，才能采用图论中的各种网络分析方法对其进行讨论研究。

下面介绍最优路径问题的相关背景技术，此背景技术不属于本动态路径规划算法所包含的内容，在相关文献或书籍中可以找到。

按照路段阻抗特征可以把路网分为两种类型，静态(static)路网和动态(dynamic)路网两类，动态路网又被称为时变路网或时间依赖路网；根据对路段阻抗的了解程度，又可分为确定型(deterministic)路网和随机型(stochastic)路网两类。确定型路网的路段阻抗是确切已知的，而随机型路网的路段阻抗是不确定的，可以用某些已知的概率分布对其进行描述。由此，最短路径问题或最优路径可以分为以下4类：1)静态确定型路网的最短路径问题，即路网中路段的阻抗是固定不变的，如著名的Dijkstra算法，以其为代表的宽度优先搜索算法在最优路径问题中应用已十分广泛，但该方法在求解时准备搜索所有的网络节点，在网络节点数较大的情况下，其算法的时间花费也很难满足实际运算的需要；2)静态随机型路网的最优路径问题，即路网中路段的阻抗是个与时间无关的随机变量；3)时变路网的最短路径问题，路网中的路段的阻抗随时间变化而变化，是依赖于时间的确定性函数，也称为时间依赖型最优路径问题或动态路网最短路径问题。该领域的研究首先将静态最短路径算法应用于时变网络，后来在理论上区分FIFO(先入先出)网络和Non-FIFO网络，分别进行算法研究，最后将研究内容应用到实际交通网络中；4)随机时变路网的最优路径问题，路网中路段的阻抗是依赖于时间的随机变量或随机分布函数。随机时变路网更具有一般性，相对其它网络模型也更为复杂，也更接近实际交通网络。在不同决策策略下，随机时变网络的最优路径会有不同定义。

通过查阅相关文献，最优路径问题已有许多成果。但其在实际应用上大多路段阻抗为常数，即针对静态路网。而城市交通的日益拥堵，意味着实际路网中的特征是随机变化的，将这种随机特征引入最优路径问题，对提高个人出行效率和车辆物流配送服务水平尤为必要。另一方面，Dijkstra算法作为经典的最优路径算法，在建立网络模型时，将实际路径抽象为网络中的一条边，实际路径的某些特征作为边的权值。采用图的表示方法时，无论是邻接矩阵还是邻接表，都要开辟大量的内存用以存储，此外，该方法在求解时准备搜索所有的网络节点，在网络节点数较大的情况下，其算法的时间花费也很难满足实际运算的需要。

发明内容

为克服上述现有技术的不足，本发明提供一种融合实时交通信息、预测交通信息以及路径长度的动态滚动规划方法，在保证行程路径的增加量在一定范围的同时，在交通较为拥堵的情况下大大缩短了行程时间。

本发明的技术解决方案如下：

一种基于交通信息的动态路径规划方法，其特征在于，包括网络模型抽象阶段，堆叠网络阶段和时空滚动算法阶段；

所述网络模型抽象阶段，将实际道路转化为节点和权值的网络图结构，分为上层网络模型抽象和下层网络模型抽象，权值设置综合考虑交通流密度和路径长度；