CN106017488B - 一种基于兴趣点的群体出行路径导引方法 - Google Patents
一种基于兴趣点的群体出行路径导引方法 Download PDFInfo
- Publication number
- CN106017488B CN106017488B CN201610116107.1A CN201610116107A CN106017488B CN 106017488 B CN106017488 B CN 106017488B CN 201610116107 A CN201610116107 A CN 201610116107A CN 106017488 B CN106017488 B CN 106017488B
- Authority
- CN
- China
- Prior art keywords
- point
- interest
- section
- group
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3476—Special cost functions, i.e. other than distance or default speed limit of road segments using point of interest [POI] information, e.g. a route passing visible POIs
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明公开一种基于兴趣点的群体出行路径导引方法,针对群体出行行人各个成员的出行兴趣和路径规划,定义了兴趣点、兴趣点等级、兴趣点满意度的概念,并结合交通拥挤度和路段路程综合考虑路径权重,最后基于Dijkstra算法寻找出一条比较适合群体行人出行的路线;本发明所述方法能够根据群体行人的需求,并结合具体实际情况,寻找出一条较为适合群体行人出行的路径。
Description
技术领域
本发明涉及行人路径导引领域,尤其涉及考虑行人兴趣点的群体行人出行路径导引方法。
背景技术
步行是人们出行的一种非常常见的出行方式,尤其是在交通枢纽,行人通道,大型商场内。在行人步行出行时,往往是以群体的方式进行的出行。本申请在这里对群体进行定义,群体是指两个及两个以上的个体,在社会学中,本申请把具有相同兴趣、目标及具有亲属关系的人成为群体,群体往往具有共同完成目标和共同承担义务和责任的特点。群体出行中的群体不是指的在几个行人行走过程中由于偶然的短暂接近而走在一起的人群,而是指具有一定的社会关系,故意走在一起的若干行人,如若干朋友、一个家庭或一个旅行团等等。群体内行人有着一定的内部关系,他们都会认识到自己是作为团队的一部分,他们不仅有着共同的目的地,在行走过程中都会具有一定的协调作用,而且还会有亲近群体内行人的趋势性,因此会表现出一种特殊的运动结构。
群体出行的行人有自己独特的性质,具体表现出以下各方面:
1、群体性,群体内行人有着共同的目标,一般都会集体行动,选择相同的路径到达目的地。
2、个体性,群体内各个行人都有着自己的兴趣点和舒适度,倾向于选择存在自己感兴趣的点进行路径选择。
3、趋近性,行人出行不同于车辆出行,他们往往具有选择空间最短到达目的地的倾向。
4、服从性,群体行人的路径选择往往是结合多人意见进行决定。
兴趣点(PoI,Point of Interest):兴趣点是指行人在出行过程中对某些地点有一定的需求的特定地点,一般包括餐厅,厕所,商场,银行,小型商店等多种类别。广义来讲,只要是人们对其认知度较高,就可以被认为是兴趣点。在寻路过程中,将兴趣点看作是特殊的节点存储。
个人兴趣同样是影响行人选择路径的一个重要因素,在行人出行前,人们就可以依据个人兴趣来提前规划好去目的地的路径。例如在一次出行中,出行者要先到厕所,餐厅,银行等多个地点,最后再到达目的地,个人出行时就可以根据自己的喜好和路线自己制定路径,进行路径选择,但是针对于群体出行行人时,情况就会变得复杂,群体内不同行人都有着各自不同的兴趣,如何规划路径以使得可以满足多数人是值得研究的内容。
目前,基于行人导引的最短路径问题已经有很多成熟的算法,常见的路径规划算法有Dijkstra算法、Floyd算法、启发式搜索算法等。其中Dijkstra算法是最经典的最短路径搜索算法,它按权值递增顺序求最短路径,具有简洁清晰的特点,算法搜索所得的结果也比较准确,是一种常用的行人路径导引算法。
现在针对于行人进行路径导引时,一般都是根据单个行人所在的出发点和其目的点,通过某种路径选择算法来进行寻路,而针对群体出行的行人时尚未有一些有效的寻路方法。
发明内容
本发明针对上述问题,提出了一种基于兴趣点的群体出行路径导引方法,在D算法的基础上考虑群体行人出行过程中的兴趣点的存在,对群体行人出行时考虑不同行人的不同兴趣点满意度、交通拥挤度和路程多个因素进行综合决策,来寻找一条较为满足群体行人需求的路径的方法。
本发明采用的技术方案是:一种基于兴趣点的群体出行路径导引方法,包括:
S1:确定各路段权重,所述路段权重为兴趣点满意度、交通拥挤度以及路段路程之和;
S2:根据步骤S1确定的各路段权重,采用Dijkstra算法需找路径。
进一步地,所述步骤S1还包括:第一影响因子、第二影响因子、第三影响因子;所述第一影响因子为兴趣点满意度的加权系数,第二影响因子为交通拥挤度的加权系数,第三影响因子为路段路程加权系数;计算路段权重时,兴趣点满意度乘上第一影响因子得到该路段兴趣点满意度的影响值,交通拥挤度乘上第二影响因子得到该路段交通拥挤度的影响值,路段路程乘上第三影响因子得到该路段路程的影响值;通过将该路段兴趣点满意度的影响值、交通拥挤度的影响值以及路段路程的影响值相加得到路段权重。
进一步地,所述兴趣点满意度的取值具体为:对兴趣点进行等级划分,根据划分的等级对各兴趣点满意度进行赋值。
更进一步地,所述兴趣点满意度的取值过程包含以下步骤:
A1、统计群体出行人员中每个成员选择的兴趣点,对得到的兴趣点进行等级划分;
A2、根据等级划分对各兴趣点进行赋值;
A3、根据步骤A2得到的兴趣点的赋值、各兴趣点权重以及设定的兴趣点最大值,确定以各兴趣点为末端的路段兴趣点满意度的取值。
进一步地,步骤A3中所述各兴趣点权重具体为群体出行人员中选择该兴趣点的人数。
进一步地,所述路段交通拥挤度的确定过程为:设定交通拥挤度最大值,根据实时路段交通拥挤度系数与交通拥挤度最大值的比值,对以该兴趣点为末端的路段交通拥挤度进行赋值;所述交通拥挤度最大值为整数。
更进一步,所述实时路段交通拥挤度系数取值范围为1到交通拥挤度最大值之间的整数。
进一步地,所述路段路程的确定过程为:确定路段路程最大值,根据实际路段长度系数与路段路程最大值的比值,对路段路程进行赋值;所述路段路程最大值为整数。
更进一步地,所述实际路段长度系数取值范围为1到路段路程最大值之间的整数。
进一步地,所述步骤S2包括以下分步骤:
S21:确定源点以及目的点;
S22:从源点开始以Dijkstra算法为依据,进行寻路;当寻到新的目标点,则对该点进行判断,若该点为兴趣点,则以该点为源点重新进行寻路,若该点为一般节点,继续寻路;
S23:寻找到目的点,寻路完成。
本发明的有益效果:本发明一种基于兴趣点的群体出行路径导引方法,针对群体出行行人各个成员的出行兴趣和路径规划,定义了兴趣点、兴趣点等级、兴趣点满意度的概念,并结合交通拥挤度和路段路程综合考虑路径权重,最后基于Dijkstra算法寻找出一条比较适合群体行人出行的路线;本发明所述方法能够根据群体行人的需求,在结合了具体实际情况后,寻找出一条较为适合群体行人出行的路径。
附图说明
图1为一次仅考虑兴趣点满意度的群体出行路径选择实例示意图。
图2为经典Dijkstra算法流程图。
图3为本申请提供的一种基于兴趣点的群体出行路径导引方法流程图。
图4为本申请提供的寻路图。
具体实施方式
为便于本领域技术人员理解本发明的技术内容,下面结合附图对本发明内容进一步阐释。
本发明的技术方案为:一种基于兴趣点的群体出行路径导引方法,包括:
S1:确定路径权重,所述路径权重根据兴趣点满意度、交通拥挤度以及路段路程确定;
S2:根据步骤S1确定的路径权重,采用Dijkstra算法需找路径。
在步骤S1中定义路径总权重为各个路段的群体出行人员兴趣点满意度、路段交通拥挤度和路段路程的权衡之和,设总权重为W,节点间路径权重为Wi,兴趣点满意度为Pi,路段交通拥挤度为Ci,路段路程为Di。兴趣点满意度的规则按照上面所述,节点间交通拥挤度参考该路段的人流密度进行确定,路程则根据距离长短进行确定。
交通拥挤度和总路径会对行人增加负担,权值越大表示行走的欲望越低,而兴趣点满意度会对行人增加动力,权值越大表示行走的欲望越高,因此在三者结合到一起考虑路径总权重时要将兴趣点满意度选取负值。本申请中定义权重的表达式为:
其中,影响因子α、β、λ分别对应兴趣点满意度为Pi,路段交通拥挤度为Ci,路段路程为Di三个因素;影响因子的选取根据具体情况而定,例如,当某个影响因子取值为0,可表示节点间路径权重Wi不依靠该对应因素进行衡量,取1可表示路径权重仅依照该因素来衡量。
在不同的情况下可以给予影响因子α、β、λ不同的取值来更加适应现实情况,取值越大就表示该因素对路径选取的影响越大。由于Pi、Ci、Di的量纲不同,因此本申请对Pi、Ci、Di分别进行归一化处理,保证三者的可加性。
本申请用P来表示兴趣点满意度,Pi来表示某两个节点间路段的兴趣点满意度。兴趣点满意度作为影响路径权重的因素之一,数值越大表示行人越想通过这段路,与路径交通拥挤度等因素的影响相反(拥挤程度越大,行人越不想通过这段路径),因此本申请后续在加权总路径权重时对兴趣点满意度这一项取相反数。
兴趣点满意度(Satisfaction of PoI):由于群体出行行人的特殊性,群体中每个行人都有自己的兴趣点,且兴趣点的等级又各不相同,导致在根据兴趣点来选择路径时存在着较为复杂的问题,因此本申请要引入兴趣点满意度的概念。它是针对群体出行行人的一个概念。它是一个值,标志了作为群体出行的行人团体对某个兴趣点的群体兴趣度,为群体内各行人某兴趣点的兴趣度之和。本申请结合表1中常见兴趣点和兴趣点的分类对兴趣点满意度进行如下规则定义:
1)当群体中有成员对不同等级的兴趣点有所需求时,要将兴趣点全部考虑,不能因为 存在等级较高的兴趣点就直接忽略掉等级较低的兴趣点;
2)针对不同的兴趣点,本申请赋予兴趣点不同的权值,等级越高的兴趣点权值越大,表示群体行人对该兴趣点越为浓厚,本申请给A1、A2、A3等级的兴趣点依次赋权值为a1、a2、a3,满足a1>a2>a3>0,且一般情况下a1、a2、a3三者差值较大;
兴趣点等级(the Level of PoI):兴趣点等级是用来表征行人在出行过程中对兴趣点的选取兴趣程度大小。一般来说,对于不同的兴趣点,它所提供的给人们的服务和功能是不同的,因此不同的兴趣点对行人的影响力也是不同的。反应在行人身上,就表现为行人对兴趣点的选取欲望程度。例如,对于众多行人而言,上厕所一般是要优先考虑的问题,因此厕所作为兴趣点的存在等级较高;再例如群体行人中某个行人想在去目的地之前先去网吧玩一会游戏,这对于众多行人而言就是非必要的选择,因此网吧作为兴趣点的存在等级较低。
3)若群体中有多名成员对某一兴趣点有兴趣,则该兴趣点的兴趣点满意度要乘以成员数,例如某群体共由n(n>=3)名成员组成,有3名成员想去目的地的途中经过超市(等级为A2的兴趣点)买东西,则超市作为该群体的一个兴趣点,且此兴趣点的兴趣点满意度为3*a2;
4)一般将兴趣点作为路径节点,且兴趣点看做是某段路径的终点,该兴趣点的兴趣点满意度影响以该节点为末端的路段的路径权重。本申请用P来表示兴趣点满意度,Pi来表示某两个节点间路段的兴趣点满意度;i表示两相邻节点间的路段序号,i的取值为自然数。兴趣点满意度作为影响路径权重的因素之一,数值越大表示行人越想通过这段路,与路径交通拥挤度等因素的影响相反(拥挤程度越大,行人越不想通过这段路径),因此本申请在加权总路径权重时对兴趣点满意度这一项取相反数。
表1常见兴趣点及兴趣点等级
兴趣点满意度Pi的归一化流程如下:
11、某人数为n的群体出行,搜集群体出行成员中每个成员所选择的兴趣点,统计选择各个兴趣点的人数作为兴趣点的权值,对兴趣点进行等级划分;
结合人们出行的实际情况,本申请定义如表1中常用的兴趣点,将其分为九大类,记作{Ii},i九类兴趣点的序号;并对不同兴趣点定义兴趣点等级,从高到底依次为A1、A2、A3级,等级越高表示越重要,越要优先考虑。具体的等级划分主要根据人工经验以及大量的数据统计进行划分得出如表1所示的等级归类,在每次进行划分时可参照该表进行对应兴趣点等级的划分。
等级为A1的依据是该兴趣点会影响到成员的身体健康或出行问题,或大多数成员共同趋势的吃饭问题等,因此为必要兴趣点;等级为A2往往是部分人有所需求且具有一定的影响,因此为较必要兴趣点;等级为A3往往是很少数人有所需求且影响不大,因此为非必要兴趣点。
12、根据所定义的兴趣点规则,等级A1的兴趣点取值为a1,等级A2的兴趣点取值为a2,等级A3的兴趣点取值为a3,无兴趣点取值为0,最大值max为na1;
13、当群体中有n1名成员选择某等级A1的兴趣点时,归一化后将以该节点为末端的路段的Pi赋值为n1a1/a1n=n1/n;
14、当群体中有n2名成员选择某等级A2的兴趣点时,归一化后将以该节点为末端的路段的Pi赋值为n2a2/na1;
15、当群体中有n3名成员选择某等级A3的兴趣点时,归一化后将以该节点为末端的路段的Pi赋值为n3a3/na1;
16、若某节点并非兴趣点,将以该节点为末端的路段的Pi赋值为0。
交通拥挤度(TCL,Traffic Congestion Level):反应交通的繁忙程度,实际上可以用某一辆车经过规定距离时所花费的时间来计算,也可以用该路段的交通流密度来实时计算。本申请用C来通称交通拥挤度,Ci表示某两节点间路段交通拥挤度;i表示两相邻节点间的路段序号,i的取值为自然数。交通拥挤度Ci的归一化,确定主要按照下述流程:
21、依照实际路段情况,将Ci的最大值定义为Cm,Cm为整数。取值越小表示路段的拥挤度越低,取值越高表示路段的拥挤度越高;
22、确定实时的路段Ci的系数,假设为c,则归一化后赋值为c/Cm。
本申请通过统计分析,将各路段的实时路段拥挤度按照从小到大的顺序划分为连续的区间,区间个数为[1,Cm]的整数个数,且各个连续区间与[1,Cm]中的整数按照从小到大的关系一一对应,即系数c的实际取值为[1,Cm]的整数,且c取值越大代表路段拥挤度越大,否则路段拥挤度越小。
路程(Distance):是指人、交通工具走过或驶过的距离,在这里本申请的路径总路程特指从出发地出发,途径各个节点到达目的地所行使的总距离。路段路程是指节点与节点间路段的距离。本申请用D来通称路程,Di表示某两节点间的路段路程;i表示两相邻节点间的路段序号,i的取值为自然数。路段路程Di的归一化,确定主要按照下述流程:
31、依照实际路段情况,将Di的最大值定义为Dm,可以选取起点与终点之间所有路径的最大值作为Dm,本领域的技术人员应注意,这里的取值仅为说明本申请的内容,实际取值可以根据具体情况设定,不限于这一种方式;Dm为整数。取值越小表示路程越短, 取值越高表示路程越远;
32、确定实际的路段Di的系数,假设为d,则归一化后赋值为d/Dm。
本申请通过统计分析,将各个路段的实际路段长度按照从小到大的顺序划分为连续的区间,区间个数为[1,Dm]的整数个数,且各个连续区间与[1,Dm]中的整数按照从小到大的关系一一对应,即系数d的实际取值为[1,Dm]的整数,且d取值越大代表路段路程越长,否则路段路程越短。
给出某场景进行说明,具体如下:
假设有一个团体进行了群体出行,兴趣点是超市,饭店,银行,且每个兴趣点都各有1人想去。现在结合本申请的兴趣点和兴趣点等级定义,三个兴趣点均为兴趣点等级A2的登记点,如图2所示,有两种出行方式:(1)出发点→超市→饭店→银行→目的地。(2)出发点→超市→银行→饭店→目的地。此时由于忽略掉了其他路径影响因素,仅考虑了兴趣点满意度,因此本申请计算各路段群体的兴趣点满意度如图1所示,白黑两种箭头分别标示的两种出行方式的选择,两种路径选择的总权重分别为:-3a2+x和-3a2+y,其中x和y分别表示两中路径出去兴趣点满意度外的其他影响路径权值的权重和,再判断两者的大小,选取总权重较小的作为路径选择。
本申请的路径选择是基于Dijkstra算法进行的,经典Dijkstra算法流程图如图3所示,本申请在Dijkstra算法的基础上改进成为考虑兴趣点的群体出行路径导引方法,如图4所示,其中集合S表示已求出最短路径点集合,集合U表示未求出最短路径点集合,由图4流程图可看出本申请寻路的详细步骤为:
41、开始寻路,读取地图节点信息;
42、根据具体情况,确定影响因子α、β、λ的值;
43、采集群体成员兴趣点信息,在地图信息中对兴趣点所在节点进行标注,计算为兴趣点的节点的兴趣点满意度;
44、确定各个节点间交通拥挤度C和路段路程D,并结合兴趣点满意度计算出各个路段的路段权重;
45、从源点开始以Dijkstra算法为依据,进行寻路;
46、Dijkstra算法中寻路过程每寻到新的目标点,对该点进行判断,若该点为已标注的兴趣点,则以该点为源点重新进行寻路,并取消该节点的兴趣点属性及与其同类兴趣点的 兴趣点属性,重新计算有影响路段的权重,具体处理过程的将在后续步骤57中举例说明;若该点为一般节点,继续寻路;
47、寻找到目的点,寻路完成。
为进一步对本申请的内容进行说明,以图4为例,为当前某地图及其节点信息。A-F为地图节点,B、C点为医院,D为超市,假设该3人团队从A点出发,目的地为F点,有1人的兴趣点为医院,2人的兴趣点为超市。
影响因子的选值:选取α、β、λ分别为则兴趣点满意度、交通拥挤度、路程三者的影响因子一致,即三者对于寻路的重要性是一样的。
假设群体出行人数为3人。设定兴趣点等级A1、A2、A3的兴趣点对应的a1、a2、a3未归一化时分别为4、2、1,等级越高的兴趣点的兴趣点满意度值会越大。
交通拥挤度的选值:选取Cm为3,则归一化后的Ci的取值为
路段路程的选值:选取Dm为3,则归一化后的Di的取值为
兴趣点满意度的确定:由已知信息得,B、C点的兴趣点满意度为D点的兴趣点满意度为
交通拥挤度和路段路程的确定:如图4,路段分为AB、AC、BC、BD、CD、CE、DE、DF、EF。这些路段的交通拥挤度和路段路程分别为:
由权值计算公式:
来计算各个路段的总权值:以AB段为例,按照公式依次可得各个路段的总权值为为了看上去更加直白,可以乘以9使得各项变为整数,计算整理后的各个路段总权重信息如图4中所标注。
结合图4的寻路流程如下:
根据图4开始寻路,流程如下:
51、开始寻路,读取地图节点信息;
52、根据具体情况,确定α、β、λ的值;
53、采集群体成员兴趣点信息,在地图信息中对兴趣点所在节点进行标注,计算为兴趣点的节点的兴趣点满意度,图中为B、C、D点;
54、将各个节点间交通拥挤度C和路段路程D进行确定,并结合兴趣点满意度计算出各个路段的路径权重,已在图中标注;
55、从源点开始以Dijkstra算法为依据,进行寻路,已求出最短路径集合为S,未求出最短路径集合为U,A为源点,F为目的点;
56、S=<A>,最短路径A->A=0,以A为中间点开始找。U=<B,C,D,E,F>。A->B=2,A->C=1,A->其他=∞,则A->C为最短;
57、判断C点,为兴趣点医院,则以C为起点,且除去所有为医院的兴趣点,并重新计算这些点的路段权重,即,如图4所示B点也是同为医院的兴趣点,则取消B点的兴趣点属性,与B点相连的路段有BC、BD,则根据步骤44重新计算路段BC与BD的权重;
58、计算完成后,以C点为源点,以Dijkstra算法为依据进行寻路,按照6、7规则重复此过程;
59、完成寻路,得到一条最短路径为A->C->D->F。与实际相结合,根据算法所寻得的路径也基本满足行人需求。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (8)
1.一种基于兴趣点的群体出行路径导引方法,其特征在于,包括:
S1:确定各路段权重,所述路段权重为兴趣点满意度、交通拥挤度以及路段路程之和;
S2:根据步骤S1确定的各路段权重,采用Dijkstra算法需找路径;
所述步骤S1还包括:第一影响因子、第二影响因子、第三影响因子;所述第一影响因子为兴趣点满意度的加权系数,第二影响因子为交通拥挤度的加权系数,第三影响因子为路段路程加权系数;计算路段权重时,兴趣点满意度乘上第一影响因子得到该路段兴趣点满意度的影响值,交通拥挤度乘上第二影响因子得到该路段交通拥挤度的影响值,路段路程乘上第三影响因子得到该路段路程的影响值;通过将该路段兴趣点满意度的影响值、交通拥挤度的影响值以及路段路程的影响值相加得到路段权重;
所述兴趣点满意度的取值过程包含以下步骤:
A1、统计群体出行人员中每个成员选择的兴趣点,并进行兴趣点标注,对得到的兴趣点进行等级划分;
A2、根据等级划分对各兴趣点进行赋值;
A3、根据步骤A2得到的兴趣点的赋值、各兴趣点权重以及设定的兴趣点最大值,确定以各兴趣点为末端的路段兴趣点满意度的取值;
步骤A3中所述各兴趣点权重具体为群体出行人员中选择该兴趣点的人数。
2.根据权利要求1所述的一种基于兴趣点的群体出行路径导引方法,其特征在于,所述兴趣点满意度的取值具体为:对兴趣点进行等级划分,根据划分的等级对各兴趣点满意度进行赋值。
3.根据权利要求1所述的一种基于兴趣点的群体出行路径导引方法,其特征在于,所述路段交通拥挤度的确定过程为:设定交通拥挤度最大值,根据实时路段交通拥挤度系数与交通拥挤度最大值的比值,对以该兴趣点为末端的路段交通拥挤度进行赋值;所述交通拥挤度最大值为整数。
4.根据权利要求3所述的一种基于兴趣点的群体出行路径导引方法,其特征在于,所述实时路段交通拥挤度系数取值范围为1到交通拥挤度最大值之间的整数。
5.根据权利要求1所述的一种基于兴趣点的群体出行路径导引方法,其特征在于,所述路段路程的确定过程为:确定路段路程最大值,根据实际路段长度系数与路段路程最大值的比值,对路段路程进行赋值;所述路段路程最大值为整数。
6.根据权利要求5所述的一种基于兴趣点的群体出行路径导引方法,其特征在于,所述实际路段长度系数取值范围为1到路段路程最大值之间的整数。
7.根据权利要求1所述的一种基于兴趣点的群体出行路径导引方法,其特征在于,所述步骤S2包括以下分步骤:
S21:确定源点以及目的点;
S22:从源点开始以Dijkstra算法为依据,寻找最短路段;当寻到新的目标点,则对该点进行判断,若该点为兴趣点,则以该点为源点重新进行寻路,若该点为一般节点,继续寻路;
S23:寻找到目的点,寻路完成。
8.根据权利要求7所述的一种基于兴趣点的群体出行路径导引方法,其特征在于,所述步骤S22还包括:当找到新的目标点为兴趣点时,则取消其他相同兴趣点的标注,并根据步骤S1重新计算以被取消标注的节点为起点或终点的路段权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610116107.1A CN106017488B (zh) | 2016-03-02 | 2016-03-02 | 一种基于兴趣点的群体出行路径导引方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610116107.1A CN106017488B (zh) | 2016-03-02 | 2016-03-02 | 一种基于兴趣点的群体出行路径导引方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106017488A CN106017488A (zh) | 2016-10-12 |
CN106017488B true CN106017488B (zh) | 2019-05-21 |
Family
ID=57082853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610116107.1A Expired - Fee Related CN106017488B (zh) | 2016-03-02 | 2016-03-02 | 一种基于兴趣点的群体出行路径导引方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106017488B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393009B (zh) * | 2020-03-11 | 2024-03-19 | ***通信集团辽宁有限公司 | 传输管线的路径规划方法、装置及计算设备 |
CN113175940B (zh) * | 2021-04-26 | 2024-04-30 | 北京百度网讯科技有限公司 | 数据处理方法、装置、设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1484581A2 (de) * | 2003-06-03 | 2004-12-08 | Robert Bosch Gmbh | System und Verfahren zum Berechnen und/oder zum Ermitteln von Routen |
CN101442466A (zh) * | 2007-11-21 | 2009-05-27 | 华为技术有限公司 | 一种叠加网络及实现方法 |
CN102788587A (zh) * | 2011-05-19 | 2012-11-21 | 昆达电脑科技(昆山)有限公司 | 根据导航路径上的兴趣点提供导航路径的方法及相关装置 |
CN103995837A (zh) * | 2014-04-25 | 2014-08-20 | 西北工业大学 | 一种基于群体足迹的个性化旅游路线规划方法 |
CN104391853A (zh) * | 2014-09-25 | 2015-03-04 | 深圳大学 | Poi推荐方法、poi信息处理方法及服务器 |
CN105184422A (zh) * | 2015-09-28 | 2015-12-23 | 华南理工大学 | 一种基于互联网词频的智慧旅游线路规划辅助方法 |
-
2016
- 2016-03-02 CN CN201610116107.1A patent/CN106017488B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1484581A2 (de) * | 2003-06-03 | 2004-12-08 | Robert Bosch Gmbh | System und Verfahren zum Berechnen und/oder zum Ermitteln von Routen |
CN101442466A (zh) * | 2007-11-21 | 2009-05-27 | 华为技术有限公司 | 一种叠加网络及实现方法 |
CN102788587A (zh) * | 2011-05-19 | 2012-11-21 | 昆达电脑科技(昆山)有限公司 | 根据导航路径上的兴趣点提供导航路径的方法及相关装置 |
CN103995837A (zh) * | 2014-04-25 | 2014-08-20 | 西北工业大学 | 一种基于群体足迹的个性化旅游路线规划方法 |
CN104391853A (zh) * | 2014-09-25 | 2015-03-04 | 深圳大学 | Poi推荐方法、poi信息处理方法及服务器 |
CN105184422A (zh) * | 2015-09-28 | 2015-12-23 | 华南理工大学 | 一种基于互联网词频的智慧旅游线路规划辅助方法 |
Non-Patent Citations (1)
Title |
---|
面向路径规划的导航路网数据模型研究;张静;《中国博士学位论文全文数据库 基础科学辑》;20110315(第3期);第67-76、82-83页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106017488A (zh) | 2016-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10317219B1 (en) | System and method for the calculation and use of travel times in search and other applications | |
Bekhor et al. | Evaluation of choice set generation algorithms for route choice models | |
CN110428096A (zh) | 基于票务信息的城市轨道交通多交路运输组织优化方法 | |
Rovelli et al. | From railways to greenways: A complex index for supporting policymaking and planning. A case study in Piedmont (Italy) | |
JP2014517330A (ja) | カスタム移動ルートシステム | |
CN110413886A (zh) | 一种兴趣点展示方法及装置 | |
Sekar et al. | Uncertainty in multicommodity routing networks: When does it help? | |
CN106017488B (zh) | 一种基于兴趣点的群体出行路径导引方法 | |
Pasandi et al. | Modified A* Algorithm integrated with ant colony optimization for multi-objective route-finding; case study: Yazd | |
Herzog et al. | Integrating route attractiveness attributes into tourist trip recommendations | |
Decrop et al. | Decision strategies in tourism evaluation | |
CN110222884A (zh) | 基于poi数据和客流量的车站可达性评估方法 | |
Sadeghi-Niaraki et al. | Multi-criteria decision-based model for road network process | |
Heye et al. | Factors influencing the physical complexity of routes in public transportation networks | |
El-Gharably et al. | Optimization using simulation of the vehicle routing problem | |
CN108717640B (zh) | 旅游信息的数据处理方法和电子设备 | |
Peng et al. | Simulation-optimization model for one-way traffic reconfiguration | |
Ludwig et al. | Comparison of simulated fast and green routes for cyclists and pedestrians | |
Singla et al. | Walkability: Bibliometric analysis and review | |
Chen et al. | [Retracted] Path Optimization Model of Rural Red Tourist Attractions Based on Ant Colony Algorithm | |
Naharudin et al. | Framework for developing a spatial walkability index (SWI) for the light-rail transit (LRT) stations in Kuala Lumpur city centre using analytical network process (ANP) and GIS | |
Hochmair | Dynamic route selection in route planners | |
Hutchinson | Urban transport policy and policy analysis methods | |
Solecka et al. | Using the PROMETHEE II method for the assessment of recreational and tourist cycle routes | |
呉蔚 | Optimizing Resource Allocation and Achieving Balanced Development in Expanding TOD Networks: A Multi-Perspective Approach to Prioritizing TODs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190521 |