CN114780875B - 一种动态组旅行规划查询方法 - Google Patents

Abstract

本发明公开了一种动态组旅行规划查询方法，包括步骤：获取数据集和查询数据；数据集包括兴趣点；兴趣点包括文本信息和时间信息；基于兴趣点、倒排索引和R树构建综合索引结构；基于查询数据、文本信息以及时间信息对综合索引结构进行剪枝处理，得到第一集合；基于查询数据和数据集对数据集的搜索空间进行剪枝处理，得到第二集合；将第一集合和第二集合中包含的条件兴趣点，进行排序；基于按序排列的条件兴趣点，计算查询数据中每个组成员的候选路径距离，进而得到总行程距离，总行程距离包括多个；对多个总行程距离进行排序，最小的总行程距离即为旅行最佳路径。通过综合索引结构以及剪枝处理，提取出了有效的兴趣点，查询效率较高。

Description

一种动态组旅行规划查询方法

技术领域

本发明涉及空间查询技术领域，具体涉及一种动态组旅行规划查询方法。

背景技术

移动网络、定位技术以及无线通讯技术的快速发展使得基于位置的服务被广泛应用于日常生活中。随着智能移动终端的应用领域越来越广阔，地理位置和文本数据的融合越来越普遍，使得大量的空间文本对象变得可用，餐厅、电影院、购物中心等越来越多的场所都附加了与地理位置相关的文本描述信息。同时，对含有空间信息和文本信息的对象进行空间文本查询已经引起研究者及业界的广泛关注。空间关键词查询以一个地理位置和若干个关键词作为输入参数，以若干个空间相似度和文本相似度最高的数据对象作为结果返回，但仅考虑空间相似度和文本相似度的空间关键词查询有时无法满足用户的特殊需求。例如一群用户在晚上十点想要查询一家能同时供应中餐和西餐的餐厅，但大部分餐厅此时已经暂停营业，若任用传统的查询算法，返回的结果很可能不是用户所需要的。

如今，为分散在不同地方的人们规划符合他们要求的最佳行程已经成为了一个不可忽视的问题。由此衍生的路径规划问题不仅包括用户所需访问的不同类型的兴趣点查询，也要基于满足约束的兴趣点规划出最优路径。这样的应用场景在生活中比比皆是，比如，不同起点的用户想在晚上六点一起吃饭、看电影，然后分别回到各自的家中，需要规划一条满足这些约束的代价最小的路径。路径规划问题与人们的生活息息相关，因而得到了研究者的普遍关注。然而，现有的研究成果没有考虑成员的动态变化，也即，中途有新用户加入或者旧成员离开。成员的动态变化更符合现实应用的需要，因而本发明首次提出了动态组行程规划问题，以规划出满足所有用户需求的最佳的行程。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中的缺陷，从而提供一种动态组旅行规划查询方法。

本发明提供了一种动态组旅行规划查询方法，包括步骤：

获取数据集和查询数据；数据集包括兴趣点；兴趣点包括文本信息和时间信息；查询数据包括组成员、起始位置以及目标位置；

基于兴趣点、倒排索引和R树构建综合索引结构；

基于查询数据、文本信息以及时间信息对综合索引结构进行剪枝处理，得到第一集合；

基于查询数据和数据集对数据集的搜索空间进行剪枝处理，得到第二集合；

将第一集合和第二集合中包含的条件兴趣点，进行排序；条件兴趣点为符合约束条件的兴趣点；

根据起始位置和目标位置，并基于按序排列的条件兴趣点，计算查询数据中每个组成员的候选路径距离，进而得到总行程距离，总行程距离包括多个；对多个总行程距离进行排序，最小的总行程距离即为旅行最佳路径。

优选的，兴趣点还包括兴趣点id，以R树的结构作为综合索引结构的基础，并将兴趣点id存入综合索引结构叶子节点；综合索引结构的非叶子节点用于存储指向其子节点的指针；将综合索引结构的所有节点与倒排索引进行关联，得到综合索引结构。

优选的，倒排索引包括文本倒排索引和时间倒排索引。

优选的，查询数据还包括当前查询的文本信息和当前查询的时间信息。

优选的，符合约束条件的兴趣点为满足当前查询的文本信息和当前查询的时间信息的兴趣点。

优选的，得到第一集合的过程为：

初始化第一优先队列和第一集合；第一优先队列用于存放综合索引结构的叶子节点，第一集合用于存放条件兴趣点；

定位查询数据所在的区域；

从综合索引结构的根节点开始，自上而下遍历根节点的子节点；并判断子节点是否满足当前查询的文本信息和当前查询的时间信息，若不满足则继续遍历；

若满足，则判断子节点是否为叶子结点，若不是则继续遍历；若是则将子节点存放至所述第一优先队列中；直至遍历结束；

判断第一优先队列中的子节点是否满足当前查询的文本信息和当前查询的时间信息；若不满足则放弃；若满足则将第一优先队列中的子节点添加至所述第一集合；此时，第一优先队列中的子节点记为条件兴趣点。

优选的，得到第二集合的过程为：

定位查询数据所在的区域，并定义一组椭圆区域；

初始化第二优先队列、第二集合、椭圆第一焦点集合以及椭圆第二焦点集合；第二优先队列用于存放一组椭圆区域，第二集合用于存放条件兴趣点，椭圆第一焦点集合用于存放椭圆区域的第一焦点，椭圆第二焦点集合用于存放椭圆区域的第二焦点；

采用第一质心跟踪函数：

，计算每个椭圆区域的第一焦点，并添加至椭圆第一焦点集合；其中，Cs表示椭圆区域的第一焦点，n表示组成员的数量，i表示第i个组成员，S _i 表示组成员u _i 的起始位置；

采用第二质心跟踪函数：

，计算每个椭圆区域的第二焦点，并添加至椭圆第二焦点集合；其中，C _d 表示椭圆区域的第二焦点，n表示组成员的数量，i表示第i个组成员，d _i 表示组成员u _i 的目标位置；

当椭圆第一焦点集合和椭圆第二焦点集合为空时，重复以上过程；

当椭圆第一焦点集合和椭圆第二焦点集合不为空时，采用椭圆追踪函数计算出每个椭圆区域；

采用交集跟踪函数计算多个椭圆区域之间的交集，交集为一个区域；

将位于交集中的兴趣点添加至第二集合中，位于交集中的兴趣点即为条件兴趣点。

优选的，得到旅行最佳路径的过程为：

初始化第三集合、候选路径集合、数组以及最优路径；第三集合用于存放第一集合和第二集合中的条件兴趣点；候选路径集合用于存放组成员的候选路径距离；数组用于存放总行程距离；

当第三集合不为空时，将条件兴趣点按照当前查询的文本信息进行排序，并将其***至候选路径集合；

基于排序后的条件兴趣点进行分组；根据起始位置以及目标位置，计算每个组成员的候选路径距离，得到多个组成员的候选路径距离；将多个组成员的候选路径距离存放至候选路径集合；

根据基于排序后的条件兴趣点以及组成员的候选路径距离，分别得到多个总行程距离；将多个总行程距离存放至数组；

在数组中对多个总行程距离进行排序；最小的总行程距离即为旅行最佳路径。

优选的，得到组成员的候选路径距离的计算公式为：

其中，PD _i 表示第i个组成员的候选路径距离；dist(s _i ,o _i ¹)表示组成员u _i 的起始位置S _i 到第一个条件兴趣点o _i ¹的欧式距离；dist(o _i ^j,o _i ^j+1)表示组成员u _i 在第j个条件兴趣点o _i ^j到第j+1个条件兴趣点o _i ^j+1的欧式距离；dist(o _i ^m ,d _i )表示第m个条件兴趣点o _i ^m 到组成员u _i 的目标位置d _i 的欧式距离；o _i ¹、o _i ^j、o _i ^j+1、o _i ^m 分别表示第i个组成员经过的第1个、第j个、第j+1个、第m个条件兴趣点；m表示条件兴趣点的数量。

优选的，得到总行程距离的计算公式为：

其中，TD表示总行程距离，n表示组成员数量，PD _i 表示第i个组成员的候选路径距离。

本发明技术方案，具有如下优点：通过综合索引结构以及剪枝处理，提取出了有效的兴趣点，查询效率较高，并且需要的内存开销更少，可行性更高。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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为本发明实施中一种动态组旅行规划查询方法的流程图；

图2为本发明实施中综合索引结构的结构示意图；

图3为图2所示结构示意图的文本倒排索引示意图；

图4为图2所示结构示意图的时间倒排索引示意图；

图5为本发明实施中算法执行时间对比图；

图6为本发明实施中算法的输入输出对比图；

图7a为本发明实施中美国加利福尼亚路网数据下当前查询关键词的影响对比图；

图7b为本发明实施中德国奥尔登堡路网数据下当前查询关键词的影响对比图；

图8a为本发明实施中美国加利福尼亚路网数据下组大小的影响对比图；

图8b为本发明实施中德国奥尔登堡路网数据下组大小的影响对比图；

图9a为本发明实施中美国加利福尼亚路网数据下椭圆主轴大小的影响对比图；

图9b为本发明实施中德国奥尔登堡路网数据下椭圆主轴大小的影响对比图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

如图1所示，本实施例提供了一种动态组旅行规划查询方法，包括步骤：

获取数据集和查询数据；数据集包括兴趣点；兴趣点包括文本信息和时间信息；查询数据包括组成员、起始位置、目标位置当前查询的文本信息以及当前查询的时间信息；

基于兴趣点、倒排索引和R树构建综合索引结构；

兴趣点还包括兴趣点id；如图2所示，以R树的结构作为综合索引结构的基础，并将兴趣点id存入为综合索引结构的叶子节点；综合索引结构的非叶子节点用于存储指向其子节点的指针；将综合索引结构的所有节点与倒排索引进行关联，得到综合索引结构。倒排索引包括文本倒排索引和时间倒排索引。图2中R ₂、R ₅、R ₆节点关联的文本倒排索引如图3所示，从左至右依次为：R ₂点关联的文本倒排索引、R ₅节点关联的文本倒排索引、R ₆节点关联的文本倒排索引；图2中R ₂、R ₅、R ₆节点关联的时间倒排索引如图4所示，从左至右依次为：R ₂点关联的时间倒排索引、R ₅节点关联的时间倒排索引、R ₆节点关联的时间倒排索引。

基于查询数据、文本信息以及时间信息对综合索引结构进行剪枝处理，得到第一集合；

具体的，得到第一集合的过程为：

初始化第一优先队列和第一集合；第一优先队列用于存放综合索引结构的叶子节点，第一集合用于存放条件兴趣点；

定位查询数据所在的区域；

从综合索引结构的根节点开始，自上而下遍历根节点的子节点；并判断子节点是否满足当前查询的文本信息和当前查询的时间信息，若不满足则继续遍历；

若满足，则判断子节点是否为叶子结点，若不是则继续遍历；若是则将子节点存放至所述第一优先队列中；直至遍历结束；

判断第一优先队列中的子节点是否满足当前查询的文本信息和当前查询的时间信息；若不满足则放弃；若满足则将第一优先队列中的子节点添加至所述第一集合；此时，第一优先队列中的子节点记为条件兴趣点。

基于查询数据和数据集对数据集的搜索空间进行剪枝处理，得到第二集合；

具体的，得到第二集合的过程为：

定位查询数据所在的区域，并定义一组椭圆区域；

初始化第二优先队列、第二集合、椭圆第一焦点集合以及椭圆第二焦点集合；第二优先队列用于存放一组椭圆区域，第二集合用于存放条件兴趣点，椭圆第一焦点集合用于存放椭圆区域的第一焦点，椭圆第二焦点集合用于存放椭圆区域的第二焦点；

采用第一质心跟踪函数：

，计算每个椭圆区域的第一焦点，并添加至椭圆第一焦点集合；其中，Cs表示椭圆区域的第一焦点，n表示组成员的数量，i表示第i个组成员，S _i 表示组成员u _i 的起始位置；

采用第二质心跟踪函数：

，计算每个椭圆区域的第二焦点，并添加至椭圆第二焦点集合；其中，C _d 表示椭圆区域的第二焦点，n表示组成员的数量，i表示第i个组成员，d _i 表示组成员u _i 的目标位置；

当椭圆第一焦点集合和椭圆第二焦点集合为空时，重复以上过程；

当椭圆第一焦点集合和椭圆第二焦点集合不为空时，采用椭圆追踪函数计算出每个椭圆区域；

采用交集跟踪函数计算多个椭圆区域之间的交集，交集为一个区域；

将位于交集中的兴趣点添加至第二集合中，位于交集中的兴趣点即为条件兴趣点。

将第一集合和第二集合中包含的条件兴趣点，进行排序；条件兴趣点为符合约束条件的兴趣点；

根据起始位置和目标位置，并基于按序排列的条件兴趣点，计算查询数据中每个组成员的候选路径距离，进而得到总行程距离，总行程距离包括多个；对多个总行程距离进行排序，最小的总行程距离即为旅行最佳路径。

具体的，得到旅行最佳路径的过程为：

初始化第三集合、候选路径集合、数组以及最优路径；第三集合用于存放第一集合和第二集合中的条件兴趣点；候选路径集合用于存放组成员的候选路径距离；数组用于存放总行程距离；

当第三集合不为空时，将条件兴趣点按照当前查询的文本信息进行排序，并将其***至候选路径集合；

基于排序后的条件兴趣点进行分组；根据起始位置以及目标位置，计算每个组成员的候选路径距离，得到多个组成员的候选路径距离；将多个组成员的候选路径距离存放至候选路径集合；

根据基于排序后的条件兴趣点以及组成员的候选路径距离，分别得到多个总行程距离；将多个总行程距离存放至数组；

在数组中对多个总行程距离进行排序；最小的总行程距离即为旅行最佳路径。

进一步的，得到组成员的候选路径距离的计算公式为：

其中，PD _i 表示第i个组成员的候选路径距离；dist(s _i ,o _i ¹)表示组成员u _i 的起始位置S _i 到第一个条件兴趣点o _i ¹的欧式距离；dist(o _i ^j,o _i ^j+1)表示组成员u _i 在第j个条件兴趣点o _i ^j到第j+1个条件兴趣点o _i ^j+1的欧式距离；dist(o _i ^m ,d _i )表示第m个条件兴趣点o _i ^m 到组成员u _i 的目标位置d _i 的欧式距离；o _i ¹、o _i ^j、o _i ^j+1、o _i ^m 分别表示第i个组成员经过的第1个、第j个、第j+1个、第m个条件兴趣点；m表示条件兴趣点的数量。

进一步的，得到总行程距离的计算公式为：

其中，TD表示总行程距离，n表示组成员数量，PD _i 表示第i个组成员的候选路径距离。

在本实施例中，使用 2 个真实的路网数据集（美国加利福尼亚，CA；德国奥尔登堡，OLD）在欧几里得数据空间中评估算法：

表1为美国加利福尼亚路网数据表；

由表1可知美国加利福尼亚的真实路网数据；

表2为德国奥尔登堡路网数据表；

由表2可知德国奥尔登堡的真实路网数据。

在本实施例中，将本实施例提供的基于时间感知的动态组旅行查询方法（BestTD）与NaiveDGTP算法在动态组旅行规划查询任务处理进行比较分析。

如图5、图6所示，可以看出两种算法在CA和OLD数据集下处理的执行时间对比和输入输出对比图。不管是执行时间还是输入输出，BestTD算法均优于NaiveDGTP算法。

如图7a、图7b所示，随着当前查询文本信息的数量增加，两种算法的执行处理时间都有所增加，但BestTD算法的执行时间要远远少于NaiveDGTP算法。这是因为随着查询关键词个数的增加，查询的搜索范围变大，兴趣点的数量增加。但BestTD算法相较 NaiveDGTP算法效率高，它能够根据当前查询文本信息更快地查询到满足条件的对象。因此，可以看出在当前查询关键词数量的影响下，BestTD算法查询性能优于NaiveDGTP算法。

如图8a、图8b所示，BestTD 和 NavieDGTP 两种算法的执行时间都随着组大小的增加而增加。因为组大小的增加将导致更大量的路径计算，从而导致处理时间变长。可以看出， BestTD所需要的处理时间要比 NavieDGTP少得多。

如图9a、图9b所示，随着椭圆主轴大小的增大，两种方法的执行时间都有所增加。这是因为椭圆主轴越大，搜索区域越大，查询的数据集越多，从而所需的执行时间越长。实验中观察到，BestTD 算法要优于 NaiveDGTP 算法。对于 NaiveDGTP 算法来说，它没有任何修剪策略来减小搜索空间，而是使用整个数据空间来计算最佳团体旅行，导致执行时间长。而 BestTD 算法采用了椭圆属性细化搜索空间，所以它的执行时间要远远低于NaiveDGTP 算法。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (9)

1.一种动态组旅行规划查询方法，其特征在于，包括步骤：

获取数据集和查询数据；所述数据集包括兴趣点；所述兴趣点包括文本信息和时间信息；所述查询数据包括组成员、起始位置以及目标位置；

基于兴趣点、倒排索引和R树构建综合索引结构；

基于所述查询数据、所述文本信息以及所述时间信息对所述综合索引结构进行剪枝处理，得到第一集合；

基于所述查询数据和所述数据集对数据集的搜索空间进行剪枝处理，得到第二集合；

将所述第一集合和所述第二集合中包含的条件兴趣点，进行排序；所述条件兴趣点为符合约束条件的兴趣点；

得到所述第二集合的过程为：

定位查询数据所在的区域，并定义一组椭圆区域；

初始化第二优先队列、第二集合、椭圆第一焦点集合以及椭圆第二焦点集合；所述第二优先队列用于存放一组椭圆区域，所述第二集合用于存放所述条件兴趣点，所述椭圆第一焦点集合用于存放椭圆区域的第一焦点，所述椭圆第二焦点集合用于存放椭圆区域的第二焦点；

采用第一质心跟踪函数：

，计算每个椭圆区域的第一焦点，并添加至所述椭圆第一焦点集合；其中，Cs表示椭圆区域的第一焦点，n表示组成员的数量，i表示第i个组成员，S _i 表示组成员u _i 的起始位置；

采用第二质心跟踪函数：

，计算每个椭圆区域的第二焦点，并添加至所述椭圆第二焦点集合；其中，C _d 表示椭圆区域的第二焦点，n表示组成员的数量，i表示第i个组成员，d _i 表示组成员u _i 的目标位置；

当所述椭圆第一焦点集合和所述椭圆第二焦点集合为空时，重复以上过程；

当所述椭圆第一焦点集合和所述椭圆第二焦点集合不为空时，采用椭圆追踪函数计算出每个所述椭圆区域；

采用交集跟踪函数计算多个所述椭圆区域之间的交集，所述交集为一个区域；

将位于交集中的兴趣点添加至所述第二集合中，所述位于交集中的兴趣点即为条件兴趣点；

根据所述起始位置和所述目标位置，并基于按序排列的所述条件兴趣点，计算所述查询数据中每个组成员的候选路径距离，进而得到总行程距离，所述总行程距离包括多个；对多个所述总行程距离进行排序，最小的所述总行程距离即为旅行最佳路径。

2.根据权利要求1所述的一种动态组旅行规划查询方法，其特征在于，所述兴趣点还包括兴趣点id，以R树的结构作为综合索引结构的基础，并将所述兴趣点id存入综合索引结构的叶子节点；综合索引结构的非叶子节点用于存储指向其子节点的指针；将综合索引结构的所有节点与所述倒排索引进行关联，得到所述综合索引结构。

3.根据权利要求2所述的一种动态组旅行规划查询方法，其特征在于，所述倒排索引包括文本倒排索引和时间倒排索引。

4.根据权利要求2所述的一种动态组旅行规划查询方法，其特征在于，所述查询数据还包括当前查询的文本信息和当前查询的时间信息。

5.根据权利要求4所述的一种动态组旅行规划查询方法，其特征在于，所述符合约束条件的兴趣点为满足当前查询的文本信息和当前查询的时间信息的兴趣点。

6.根据权利要求5所述的一种动态组旅行规划查询方法，其特征在于，得到所述第一集合的过程为：

初始化第一优先队列和第一集合；所述第一优先队列用于存放综合索引结构的叶子节点，所述第一集合用于存放所述条件兴趣点；

定位查询数据所在的区域；

从综合索引结构的根节点开始，自上而下遍历根节点的子节点；并判断所述子节点是否满足当前查询的文本信息和当前查询的时间信息，若不满足则继续遍历；

若满足，则判断所述子节点是否为叶子结点，若不是则继续遍历；若是则将所述子节点存放至所述第一优先队列中；直至遍历结束；

判断第一优先队列中的子节点是否满足当前查询的文本信息和当前查询的时间信息；若不满足则放弃；若满足则将第一优先队列中的子节点添加至所述第一集合；此时，所述第一优先队列中的子节点记为所述条件兴趣点。

7.根据权利要求5所述的一种动态组旅行规划查询方法，其特征在于，得到所述旅行最佳路径的过程为：

初始化第三集合、候选路径集合、数组以及最优路径；所述第三集合用于存放第一集合和第二集合中的条件兴趣点；所述候选路径集合用于存放组成员的候选路径距离；所述数组用于存放总行程距离；

当所述第三集合不为空时，将所述条件兴趣点按照所述当前查询的文本信息进行排序，并将其***至所述候选路径集合；

基于排序后的条件兴趣点进行分组；根据所述起始位置以及所述目标位置，计算每个组成员的候选路径距离，得到多个所述组成员的候选路径距离；将多个所述组成员的候选路径距离存放至所述候选路径集合；

根据所述基于排序后的条件兴趣点以及所述组成员的候选路径距离，分别得到多个所述总行程距离；将多个所述总行程距离存放至所述数组；

在数组中对多个所述总行程距离进行排序；最小的所述总行程距离即为所述旅行最佳路径。

8.根据权利要求7所述的一种动态组旅行规划查询方法，其特征在于，得到所述组成员的候选路径距离的计算公式为：

其中，PD _i 表示第i个组成员的候选路径距离；dist(s _i ,o _i ¹)表示组成员u _i 的起始位置S _i 到第一个条件兴趣点o _i ¹的欧式距离；dist(o _i ^j,o _i ^j+1)表示组成员u _i 在第j个条件兴趣点o _i ^j到第j+1个条件兴趣点o _i ^j+1的欧式距离；dist(o _i ^m ,d _i )表示第m个条件兴趣点o _i ^m 到组成员u _i 的目标位置d _i 的欧式距离；o _i ¹、o _i ^j 、o _i ^j+1、o _i ^m 分别表示第i个组成员经过的第1个、第j个、第j+1个、第m个条件兴趣点；m表示条件兴趣点的数量。

9.根据权利要求7所述的一种动态组旅行规划查询方法，其特征在于，得到所述总行程距离的计算公式为：

其中，TD表示总行程距离，n表示组成员数量，PD _i 表示第i个组成员的候选路径距离。

Images