CN113781817B - 一种基于共用计算的城市路网多源最短路径获取方法 - Google Patents
一种基于共用计算的城市路网多源最短路径获取方法 Download PDFInfo
- Publication number
- CN113781817B CN113781817B CN202111141100.2A CN202111141100A CN113781817B CN 113781817 B CN113781817 B CN 113781817B CN 202111141100 A CN202111141100 A CN 202111141100A CN 113781817 B CN113781817 B CN 113781817B
- Authority
- CN
- China
- Prior art keywords
- intersection
- path
- shortest path
- source point
- current
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 23
- 238000005457 optimization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于共用计算的城市路网多源最短路径获取方法,包括:1.获取实时城市道路路网图,并选定多个源点交叉口;2.取出各源点交叉口队列中的队首元素,并对其邻接交叉口进行松弛操作,将权重更新的最短路径的起始点加入到集合ΔAt中;3.对于集合ΔAt根据最短路径权重降序,并依次回溯ΔAt中路径,寻找需要重新加入各自源点交叉口队列队首的起点交叉口;4.若所有源点交叉口队列不为空,则继续进行上述操作,否则,停止搜索,得到多源最短路径值并输出最短路径。本发明能够运用共用计算的思想方法,有效提升大规模路网导航规划的计算效率,同时满足同时段多用户的不同出行点的出行需求。
Description
技术领域
本发明属于车载导航路径优化领域,具体的说是一种基于共用计算的城市路网多源最短路径获取方法。
背景技术
随着路网规模的不断扩大,路网节点相应增加,现有的最短路径导航***都首先利用单源最短路算法或者全源最短路算法解决用户的出行需求,计算工作量巨大,很难满足人们对导航软件实时高效的要求。常用的全源最短路算法在大规模城市路网中使用,尤其是路网节点较为密集时,计算所涉的范围很广,耗时和资源占用相应增大,这种用资源数量换取效率质量的方法是普遍的应对方案。
在解决车载导航核心问题最短路求解上,不同学者设计了不同的算法,对于单源最短路算法的应用上,逐一单独采用单源最短路算法,会重复计算一些已经计算好的权重,造成了大量的计算冗余;而全源最短路径算法(所有点到所有点)又将进行不必要的单源点最短路径算法,计算量也随之增大,不适应与实时性导航的理念。
发明内容
本发明是为了解决上述现有技术存在的不足之处,提出一种基于共用计算的城市路网多源最短路径获取方法,以期能够运用共用计算的思想方法,有效提升大规模路网多路径导航规划的计算效率,同时满足同时段多用户的不同出发点的出行需求。
本发明为达到上述发明目的,采用如下技术方案:
本发明一种基于共用计算的城市路网多源最短路径获取方法的特点是按如下步骤进行:
步骤1:构建城市路网,定义参数并初始化;
获取实时道路网络数据并得到城市路网G=(V,A,W),V表示交叉口集合,且V={v1,v2,v3,…,vr,…,vR},vr表示第r个交叉口,r=1,2,3,…,R,R为所述城市路网G中的交叉口总数,A表示交叉口之间的路段集合,且A={(vi,vj)|i,j=1,2,3,…,R},(vi,vj)表示第i个交叉口vi到第j个交叉口vj之间的有向路段,W表示交叉口之间路段的权重,W={ωi,j|i,j=1,2,3,…,R},ωi,j为有向路段(vi,vj)的权重,若第i个交叉口vi到第j个交叉口vj之间存在有向路段(vi,vj),则表示第j个交叉口vj是第i个交叉口vi的邻接交叉口,且ωi,j≥0;若第i个交叉口vi到第j个交叉口vj之间不存在有向路段(vi,vj),则ωi,j=+∞;
定义当前迭代次数为t,并初始化t=1;
定义表示当前第t次迭代下最短路径的权重的集合;为当前第t次迭代下第i个交叉口vi到第j个交叉口vj之间最短路径的权重,若第i个交叉口vi到第j个交叉口vj之间的路径权重不为+∞,则认为第j个交叉口vj是第i个交叉口vi的邻接交叉口;初始化Zt=W;
步骤2:获取源点交叉口集合:
步骤3:初始化第t次迭代的源点交叉口到各个交叉口的权重;
步骤4:更新第t次迭代下各源点交叉口到所有交叉口的最短路径的权重:
步骤4.1:初始化k=1;
步骤4.3:将Zt赋值给Zt+1,对于队首元素的任意邻接交叉口若则将赋值给记录从第sk个交叉口到交叉口的路径中交叉口的前驱交叉口将赋值给将第sk个交叉口到交叉口之间的路径记为并加入路径起止点集合ΔAt中;将交叉口加入队列的队尾;否则,对队首元素的其他邻接交叉口进行判断,直到遍历完队首元素的所有邻接交叉口后,将k+1赋值给k后,返回步骤4.2执行,直到k=K为止,转至步骤5,其中,表示当前第t次迭代下第sk个交叉口到队首元素的最小权重,表示当前第t次迭代下第sk个交叉口到交叉口的最小权重,表示当前第t次迭代下队首元素到邻接交叉口之间最短路径的权重,表示当前第t+1次迭代下第sk个交叉口到交叉口之间最短路径的权重;
步骤5:判断路径起止点集合ΔAt中符合条件的路径,并将符合条件的路径的起点交叉口加入队列:
步骤5.0:若且t≠1,则对路径起止点集合ΔAt中所有路径按照各自路径的权重进行降序排序,得到排序后的路径起止点集合ΔA′t,假设排序后的路径集合ΔA′t包含M条路径,定义当前路径为第m条路径,并初始化m=1后,执行步骤5.1;否则,转入步骤6;
步骤5.3:当且同时,则将第m条路径的起始交叉口加入队列的队首,并将赋值给将赋值给记录从第sk个交叉口到交叉口的路径中交叉口的前驱交叉口其中,表示当前第t次迭代下第sk个交叉口到交叉口的最小权重,表示当前第t次迭代下第sk个交叉口到交叉口的最小权重,表示第t+1次迭代下交叉口集合V第start个交叉口到第end个交叉口之间最短路径的权重;
步骤5.4:将k+1赋值给k后,返回步骤5.2执行,直到k=K为止;
步骤5.5:将m+1赋值给m,返回步骤5.1执行,直至m=M为止;
步骤7.1:在所述当前最短路径中,依据第i个交叉口vi的前驱交叉口找到第i个交叉口vi的前驱交叉口为vj,再依据第j个交叉口vj的前驱交叉口找到第j个交叉口vj的前驱交叉口为vm,以此类推,直到找到前驱交叉口为第k个源点交叉口为止,得到第k个源点交叉口到交叉口集合V中第i个交叉口vi的当前不完整最短路径
步骤7.2:遍历当前不完整最短路径中的每个交叉口,若遍历到的交叉口vm为源点交叉口且交叉口vm到路径中下一个交叉口vp的最短路径权重小于路段权重,则依据第p个交叉口vp的前驱交叉口找到第p个交叉口vp的前驱交叉口为vq,并作为路径中交叉口vp的前驱交叉口加入到路径中,否则继续遍历,从而在遍历完所有路径中的所有交叉口后,得到更新后的不完整最短路径;
步骤7.3:将更新后的不完整最短路径作为当前不完整最短路径,并重复步骤7.2的操作,直至没有新的交叉口加入路径时为止;从而得到最终的路径即为第k个源点交叉口到交叉口集合V中第i个交叉口vi的完整的最短路径。
与现有技术相比,本发明的有益效果在于:
1、本发明设计了一种介于单源最短路径算法与全源最短路径算法之间的部分源最短路径生成技术,并提出在计算多源最短路过程中,各源点的最短路径权重能共用计算,从而进一步提高了计算效率,更加高效处理大规模路网图,节省了资源的同时保证了效率,结合了实际导航应用需求现状,避免了不必要的时间损耗,为大型路网计算繁杂的难题提供巧妙的多源最短路的优化方法,实质性地提高了计算效率和求解质量,能够缓解导航规划的计算负担,更贴合实际应用。
2、在现有的全源最短路算法中,因其本质特性,在应对复杂大型图时的计算效率不高,需要对大型路网图中所有交叉口源点进行遍历搜索,使得效率大大降低。本发明考虑只选取存在用户搜索路径需求的源点展开最短路径搜索计算,省略没有用户发起路径搜索的源点搜索计算,从而在避免对全源展开路径搜索或者单源最短路径算法并行计算的情况下,以更高的效率进行一种多源最短路算法,为导航***同时为多个用户提供定制最短路径提供新的解决方案。
3、在常用的全源最短路算法Floyd中,每一次迭代更新的任意两点最短路权重中都将利用上一轮迭代中更新的两点最短路权重,进行比较更新。本发明巧妙地将这一共用计算的思想应用到获取多源最短路径的方法中进行优化处理,并对更新的路径权重及时判断是否需要用于其他源点下一轮迭代更新,避免了路段权重的重复计算,减少了计算工作量。
4、本发明分别对每个源点的松弛更新以及对每个更新的权重判断是否能够用于下一轮的共用计算都是可以同时进行的,据此特性,本发明为多线程条件下的并行化计算提供了可能,为后续的城市路网导航规划工作中融合并行多源搜索奠定基础,并且便于与图划分技术和并行搜索相配合,为多用户路径规划进一步提速。
附图说明
图1为本发明流程图;
图2为本发明简单城市路网图和初始各最短路径权重表;
图3为本发明t=1次下各源点最短路权重、队列情况以及各节点间最短路权重图表;
图4为本发明t=2次下各源点最短路权重表、队列情况以及各节点间最短路权重图表;
图5为本发明t=3次下各源点最短路权重表、队列情况以及各节点间最短路权重图表;
图6为本发明t=4次下各源点最短路权重表、队列情况以及各节点间最短路权重图表;
图7为本发明t=5次下各源点最短路权重表、队列情况以及各节点间最短路权重图表;
图8为本发明t=6次下各源点最短路权重表、队列情况以及各节点间最短路权重图表;
图9为本发明t=7次下各源点最短路权重表、队列情况以及各节点间最短路权重图表。
具体实施方式
本实施例中,从求解一种基于单源和全源之间的多源最短路的想法出发,提出一种基于共用计算的城市路网多源最短路径获取方法,是对于一源点在最短路径搜索过程中,其他源点作为这一源点路径搜索中的某一经过点,其已经更新的某一路段最短路径能共用于这一源点的最短路径搜索计算方法,具体流程如图1所示,按如下步骤进行:
步骤1:构建城市路网,定义参数并初始化:
获取实时道路网络数据并得到城市路网G=(V,A,W),下面将以图2为简易路网图为例,V表示交叉口集合,且V={v1,v2,v3,…,vr,…,vR},vr表示第r个交叉口,r=1,2,3,…,R,R为所述城市路网G中的交叉口总数,A表示交叉口之间的路段集合,且A={(vi,vj)|i,j=1,2,3,…,R},(vi,vj)表示第i个交叉口vi到第j个交叉口vj之间的有向路段,W表示交叉口之间路段的权重,W={ωi,j|i,j=1,2,3,…,R},ωi,j为有向路段(vi,vj)的权重,若第i个交叉口vi到第j个交叉口vj之间存在有向路段(vi,vj),则表示第j个交叉口vj是第i个交叉口vi的邻接交叉口,且ωi,j≥0;若第i个交叉口vi到第j个交叉口vj之间不存在有向路段(vi,vj),则ωi,j=+∞,即实例图2中无有向线连接的两交叉口间的权重为无穷大;
定义当前迭代次数为t,并初始化t=1;
定义表示当前第t次迭代下最短路径的权重的集合;为当前第t次迭代下第i个交叉口vi到第j个交叉口vj之间最短路径的权重,若第i个交叉口vi到第j个交叉口vj之间的路径权重不为+∞,则可认为第j个交叉口vj是第i个交叉口vi的邻接交叉口,即如图5中t=3时v3也为v1的邻接交叉口;初始化Zt=W,初始化如图3的Z1表所示;
步骤2:获取源点交叉口集合:
步骤3:初始化第t次迭代的源点交叉口到各个交叉口的权重:
步骤4:更新第t次迭代下各源点交叉口到所有交叉口的最短路径的权重:
步骤4.1:初始化k=1;
步骤4.3:将Zt赋值给Zt+1,对于队首元素的任意邻接交叉口若则将赋值给记录从第sk个交叉口到交叉口的路径中交叉口的前驱交叉口将赋值给将第sk个交叉口到交叉口之间的路径记为并加入路径起止点集合ΔAt中;将交叉口加入队列的队尾;否则,对队首元素的其他邻接交叉口进行判断,直到遍历完队首元素的所有邻接交叉口后,将k+1赋值给k后,返回步骤4.2执行,直到k=K为止,转至步骤5,以图4中t=2为例,对源点v1和v5进行最短路径搜索,分别取出当前队首元素v2和v1后,将符合条件的邻接交叉口v3和v2分别加入队列中,并更新D1[3]=11和D1[5]=13以及D5[2]=19,即图4中加粗的数据,并将更新的路径加入集合ΔA2中,更新的路网图和各交叉口的最短路径权重表如图5中t=3初始所示,再如图7中,没有路径权重得到更新,则图8中的最短路权重图和图7中的最短路径权重表相同,其中,表示当前第t次迭代下第sk个交叉口到队首元素的最小权重,表示当前第t次迭代下第sk个交叉口到交叉口的最小权重,表示当前第t次迭代下队首元素到邻接交叉口之间最短路径的权重,表示当前第t+1次迭代下第sk个交叉口到交叉口之间最短路径的权重;
步骤5:判断路径起止点集合ΔAt中符合条件的路径,并将符合条件的路径的起点交叉口加入队列:
步骤5.0:若且t≠1,则对路径起止点集合ΔAt中所有路径按照各自路径的权重进行降序排序,得到排序后的路径起止点集合ΔA′t,假设排序后的路径集合ΔA′t包含M条路径,定义当前路径为第m条路径,并初始化m=1后,执行步骤5.1;否则,转入步骤6,如图4中,将集合ΔA2排序得到新的起止点集合ΔA'2,此时集合中共有3条路径;
步骤5.3:当且同时,则将第m条路径的起始交叉口加入队列的队首,并将赋值给将赋值给记录从第sk个交叉口到交叉口的路径中交叉口的前驱交叉口如图4中路径(v1→v3),对于源点v5,有则将v3加入到队列Q5队首位置上,并更新即图中加粗下划线的值。更新后t=3的初始简单路网图和各交叉口节点间的最短路径权重表如图5所示,简单路网图中虚线表示的即为更新的有向路径;如图6和图8,其ΔA′4和ΔA′6不为空,但更新的权重并不能赋予其更短的路径权值,故而不更新。其中,表示当前第t次迭代下第sk个交叉口到交叉口的最小权重,表示当前第t次迭代下第sk个交叉口到交叉口的最小权重,表示第t+1次迭代下交叉口集合V第start个交叉口到第end个交叉口之间最短路径的权重;
步骤5.4:将k+1赋值给k后,返回步骤5.2执行,直到k=K为止;
步骤5.5:将m+1赋值给m,返回步骤5.1执行,直至m=M为止;
步骤6:判断所有队列是否为空,若是,则表示得到源点交叉口集合V′中所有源点交叉口到交叉口集合V中任意点的最短路径的权重,并停止路径搜索;否则,将t+1赋值为t,返回步骤4执行,本实施例中最终所得的所有源点交叉口到各交叉口的最短路径权重如图9所示,所有源点交叉口到各交叉口的最短路径值如表1所示;
表1本发明各源点到各个交叉口的最短路径值
v<sub>1</sub> | v<sub>2</sub> | v<sub>3</sub> | v<sub>4</sub> | v<sub>5</sub> | v<sub>6</sub> | |
v<sub>1</sub> | 0 | 9 | 11 | 23 | 13 | 18 |
v<sub>5</sub> | 10 | 19 | 21 | 33 | 0 | 28 |
步骤7.1:在当前最短路径中,依据第i个交叉口vi的前驱交叉口找到第i个交叉口vi的前驱交叉口为vj,再依据第j个交叉口vj的前驱交叉口找到第j个交叉口vj的前驱交叉口为vm,以此类推,直到找到前驱交叉口为第k个源点交叉口为止,得到第k个源点交叉口到交叉口集合V中第i个交叉口vi的当前不完整最短路径
步骤7.2:开始遍历当前不完整最短路径中的每个交叉口,若此时遍历到的交叉口vn为源点交叉口且vn到路径中下一个交叉口vp的最短路径权重小于路段权重,则依据第p个交叉口vp的前驱交叉口找到第p个交叉口vp的前驱交叉口为vq,加入路径中交叉口vp前面;否则继续遍历,从而在遍历完所有路径中所有交叉口后,得到更新后的不完整最短路径;
步骤7.3:将更新后的不完整最短路径作为当前不完整最短路径,并重复步骤7.2的操作,直至没有交叉口加入路径时停止操作,此时得到的路径为第k个源点交叉口到交叉口集合V中第i个交叉口vi的完整的最短路径。
本实施例中所获的各源点到各交叉口点的最短路径如表2所示。
表2本发明多源最短路径获取结果
Claims (1)
1.一种基于共用计算的城市路网多源最短路径获取方法,其特征是按如下步骤进行:
步骤1:构建城市路网,定义参数并初始化;
获取实时道路网络数据并得到城市路网G=(V,A,W),V表示交叉口集合,且V={v1,v2,v3,…,vr,…,vR},vr表示第r个交叉口,r=1,2,3,…,R,R为所述城市路网G中的交叉口总数,A表示交叉口之间的路段集合,且A={(vi,vj)|i,j=1,2,3,…,R},(vi,vj)表示第i个交叉口vi到第j个交叉口vj之间的有向路段,W表示交叉口之间路段的权重,W={ωi,j|i,j=1,2,3,…,R},ωi,j为有向路段(vi,vj)的权重,若第i个交叉口vi到第j个交叉口vj之间存在有向路段(vi,vj),则表示第j个交叉口vj是第i个交叉口vi的邻接交叉口,且ωi,j≥0;若第i个交叉口vi到第j个交叉口vj之间不存在有向路段(vi,vj),则ωi,j=+∞;
定义当前迭代次数为t,并初始化t=1;
定义表示当前第t次迭代下最短路径的权重的集合;为当前第t次迭代下第i个交叉口vi到第j个交叉口vj之间最短路径的权重,若第i个交叉口vi到第j个交叉口vj之间的路径权重不为+∞,则认为第j个交叉口vj是第i个交叉口vi的邻接交叉口;初始化Zt=W;
步骤2:获取源点交叉口集合:
步骤3:初始化第t次迭代的源点交叉口到各个交叉口的权重;
步骤4:更新第t次迭代下各源点交叉口到所有交叉口的最短路径的权重:
步骤4.1:初始化k=1;
步骤4.3:将Zt赋值给Zt+1,对于队首元素的任意邻接交叉口若则将赋值给记录从第sk个交叉口到交叉口的路径中交叉口的前驱交叉口将赋值给将第sk个交叉口到交叉口之间的路径记为并加入路径起止点集合ΔAt中;将交叉口加入队列的队尾;否则,对队首元素的其他邻接交叉口进行判断,直到遍历完队首元素的所有邻接交叉口后,将k+1赋值给k后,返回步骤4.2执行,直到k=K为止,转至步骤5,其中,表示当前第t次迭代下第sk个交叉口到队首元素的最小权重,表示当前第t次迭代下第sk个交叉口到交叉口的最小权重,表示当前第t次迭代下队首元素到邻接交叉口之间最短路径的权重,表示当前第t+1次迭代下第sk个交叉口到交叉口之间最短路径的权重;
步骤5:判断路径起止点集合ΔAt中符合条件的路径,并将符合条件的路径的起点交叉口加入队列:
步骤5.0:若且t≠1,则对路径起止点集合ΔAt中所有路径按照各自路径的权重进行降序排序,得到排序后的路径起止点集合ΔA′t,假设排序后的路径集合ΔA′t包含M条路径,定义当前路径为第m条路径,并初始化m=1后,执行步骤5.1;否则,转入步骤6;
步骤5.3:当且同时,则将第m条路径的起始交叉口加入队列的队首,并将赋值给将赋值给记录从第sk个交叉口到交叉口的路径中交叉口的前驱交叉口其中,表示当前第t次迭代下第sk个交叉口到交叉口的最小权重,表示当前第t次迭代下第sk个交叉口到交叉口的最小权重,表示第t+1次迭代下交叉口集合V第start个交叉口到第end个交叉口之间最短路径的权重;
步骤5.4:将k+1赋值给k后,返回步骤5.2执行,直到k=K为止;
步骤5.5:将m+1赋值给m,返回步骤5.1执行,直至m=M为止;
步骤7.1:在所述当前最短路径中,依据第i个交叉口vi的前驱交叉口找到第i个交叉口vi的前驱交叉口为vj,再依据第j个交叉口vj的前驱交叉口找到第j个交叉口vj的前驱交叉口为vm,以此类推,直到找到前驱交叉口为第k个源点交叉口为止,得到第k个源点交叉口到交叉口集合V中第i个交叉口vi的当前不完整最短路径
步骤7.2:遍历当前不完整最短路径中的每个交叉口,若遍历到的交叉口vm为源点交叉口且交叉口vm到路径中下一个交叉口vp的最短路径权重小于路段权重,则依据第p个交叉口vp的前驱交叉口找到第p个交叉口vp的前驱交叉口为vq,并作为路径中交叉口vp的前驱交叉口加入到路径中,否则继续遍历,从而在遍历完所有路径中的所有交叉口后,得到更新后的不完整最短路径;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111141100.2A CN113781817B (zh) | 2021-09-28 | 2021-09-28 | 一种基于共用计算的城市路网多源最短路径获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111141100.2A CN113781817B (zh) | 2021-09-28 | 2021-09-28 | 一种基于共用计算的城市路网多源最短路径获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113781817A CN113781817A (zh) | 2021-12-10 |
CN113781817B true CN113781817B (zh) | 2022-07-05 |
Family
ID=78853934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111141100.2A Active CN113781817B (zh) | 2021-09-28 | 2021-09-28 | 一种基于共用计算的城市路网多源最短路径获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113781817B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115394109B (zh) * | 2022-08-30 | 2023-05-02 | 合肥工业大学 | 基于共用计算的k对单源点单汇点最短路搜索方法及应用 |
CN116319518B (zh) * | 2022-08-31 | 2024-02-20 | 王举范 | 一种基于知识图谱最短路径的信息获取方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101089913A (zh) * | 2007-07-12 | 2007-12-19 | 中国科学院地理科学与资源研究所 | 一种基于遗传算法和极大熵模型计算交叉口转向比例的方法 |
CN101958044A (zh) * | 2010-09-13 | 2011-01-26 | 北京大学 | 一种快速疏散算法 |
CN105788334A (zh) * | 2016-04-01 | 2016-07-20 | 东南大学 | 一种考虑驾驶者个人偏好的城市路径寻找方法 |
CN106289287A (zh) * | 2015-05-22 | 2017-01-04 | 吉林大学 | 一种基于选线经验的车载端多目标最短路径计算方法 |
CN112885128A (zh) * | 2021-01-14 | 2021-06-01 | 北京中交兴路信息科技有限公司 | 识别封堵路段的方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200234582A1 (en) * | 2016-01-03 | 2020-07-23 | Yosef Mintz | Integrative system and methods to apply predictive dynamic city-traffic load balancing and perdictive parking control that may further contribute to cooperative safe driving |
-
2021
- 2021-09-28 CN CN202111141100.2A patent/CN113781817B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101089913A (zh) * | 2007-07-12 | 2007-12-19 | 中国科学院地理科学与资源研究所 | 一种基于遗传算法和极大熵模型计算交叉口转向比例的方法 |
CN101958044A (zh) * | 2010-09-13 | 2011-01-26 | 北京大学 | 一种快速疏散算法 |
CN106289287A (zh) * | 2015-05-22 | 2017-01-04 | 吉林大学 | 一种基于选线经验的车载端多目标最短路径计算方法 |
CN105788334A (zh) * | 2016-04-01 | 2016-07-20 | 东南大学 | 一种考虑驾驶者个人偏好的城市路径寻找方法 |
CN112885128A (zh) * | 2021-01-14 | 2021-06-01 | 北京中交兴路信息科技有限公司 | 识别封堵路段的方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
Solving uncertain shortest path problem based on granular computing;A. A. Alsawy 等;《2013 IEEE International Conference on Computational Intelligence and Computing Research》;20140127;全文 * |
城市网建设的定位和模式;王康等;《金融电子化》;19991115(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113781817A (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113781817B (zh) | 一种基于共用计算的城市路网多源最短路径获取方法 | |
CN106020230B (zh) | 一种能耗约束下的多无人机任务分配方法 | |
CN109102124B (zh) | 基于分解的动态多目标多路径诱导方法、***及存储介质 | |
CN113671985A (zh) | 一种分阶段多基地无人机任务分配和航迹规划方法 | |
CN113359849B (zh) | 一种针对运动目标的多无人机协同快速搜索方法 | |
CN108225333A (zh) | 一种用于航线规划的最优路径生成方法 | |
CN106228265A (zh) | 基于改进粒子群优化的总拖期运输计划调度算法 | |
CN113808424B (zh) | 基于双向Dijkstra的城市路网K条最短路径的获取方法 | |
CN112884229B (zh) | 基于差分进化算法的大型公共场所人流引导路径规划方法 | |
CN112836974A (zh) | 一种基于dqn和mcts的箱区间多场桥动态调度方法 | |
CN112229409B (zh) | 基于贝叶斯和进化算法的无人机协同航迹规划方法 | |
CN115563927A (zh) | 一种gpu加速构建最小直角斯坦纳树的芯片布线方法 | |
CN114001747B (zh) | 基于共用计算和dijkstra算法的城市路网多源最短路径获取方法 | |
CN112862083B (zh) | 一种边缘环境下的深度神经网络推断方法及装置 | |
CN109636709A (zh) | 一种适用于异构平台的图计算方法 | |
CN110245271B (zh) | 基于属性图的大规模关联数据划分方法及*** | |
CN112486651A (zh) | 一种基于改进遗传算法的云测试平台任务调度方法 | |
CN116307328A (zh) | 一种旅行商问题的贪婪求解方法 | |
CN113203417B (zh) | 基于头脑风暴优化算法的无人机巡检路径规划方法 | |
CN114779758A (zh) | 无人机与无人车异构协同***的路径规划方法 | |
CN113572624B (zh) | 一种基于dran的传输接入层规划方法及装置 | |
CN111177874A (zh) | 一种利用gpu快速设计航路网络拓扑结构的方法 | |
CN111369052B (zh) | 简化路网ksp优化算法 | |
CN114093188B (zh) | 一种基于spfa算法的城市k则最短路径获取方法 | |
Ahn et al. | Learning to Schedule in Multi-Agent Pathfinding |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |