[发明专利]基于路链深度的最优路径规划方法

说明书

本发明提出了一种基于路链深度的最优路径规划方法，用于解决现有最优路径规划方法中存在的规划效率低的技术问题。实现步骤为：生成路链拓扑文件；创建路链队列；采用动态规划算法计算路链的邻接路链哈希表；获取目标节点所在的路链深度；计算待规划路径的最短长度；由终点回溯至起点得到待规划路径。本发明基于路链进行路径规划，路链的深度作为转弯次数，用广度搜索得到最少转弯次数，在计算路链的邻接路链哈希表时采用了动态规划算法，将当前步骤的最优结果保存下来，用于后续路链扩展时的计算，有效地提高了后续步骤在计算最优解时的效率，并且相应的减少了储存空间，该方法规划得到的路径符合人们对道路选择的感性认知，可用于车辆导航。

技术领域

本发明属于导航技术领域，涉及一种最优路径规划方法，具体涉及一种基于路链深度的最优路径规划方法，可以用来路径搜索、资源配置和车辆导航。

背景技术

路径规划，是指在具有障碍物的环境中，基于网络拓扑结构，按照一定的评价标准，寻找一条从起始状态到目标状态的无碰撞路径。路径规划问题可以抽象成图论中的最优路径搜索问题，即图论中求解带权图的最优路径问题。在交通控制、资源配置、车辆导航等领域，最优路径方法越来越成为研究的热点。

路径规划具体实现算法分为两大类，分别为遍历算法和启发式算法，广度优先搜索(Breadth-First-Search)是一种简单的遍历算法，无论是有向图还是无向图，广度优先搜索算法都适用。从宏观上来看，每一次迭代，广度优先搜索算法会向外拓展一次已访问过的范围。许多经典的路径规划算法都是从广度优先搜索算法演化而来，例如Prim最小生成树算法和Dijkstra算法。基于广度优先算法的路径规划，由于广度优先算法本身的特点，使得在规划路径时规划方法的算法效率低，并且空间复杂度高。

启发式搜索算法是路径规划算法中的经典算法，是指在对状态空间的搜索过程中，首先评估各个搜索位置，接着选取一个最佳的位置，最佳位置一般是与目标估计距离最小的位置，然后将这个最佳的位置当作新的起点来继续搜索，从而逐渐向目标靠近，直至搜索到最终目标为止。这样剪除掉了许多无意义的搜索，提升了搜索效率。启发式搜索算法有GBFS(Greedy-Best-First Search)搜索算法和A*算法。GBFS算法是在广度优先搜索算法的基础上加入评估函数，通过评估函数，避免一些不可能得到最短路径的搜索动作。GBFS的搜索效率明显高于广度优先算法。但是因为GBFS算法的评价函数基于贪心策略设计，只考虑位置方向的信息，总是试图向最接近目标点的方向移动，使得GBFS算法在有障碍物的地图上表现不佳，很多情况下得到的路径都不是最短路径。A*算法最大的一个优势在于其不仅能精确的寻找到最短的路径，而且其搜索范围比较小。总而言之，它融合了Dijkstra算法与GBFS算法的优点，是目前各种寻径算法中最受欢迎的选择，即使在有障碍物的情况下，选择合适的距离评估函数，A*算法也能够搜索到最短路径。但是仅考虑路径规划的最短路径时，A*算法在现实道路网中得到的路径虽然在距离上是最短，但是所得路径的转弯次数太多，不符合现实生活中人们驾车出行时对路径选择的感性认识。

在评价路径规划方法的优劣时，路径复杂性和路径长度同等重要，Streeter等人发现，面对规划出来的路径时，人们更易选择那些相对直观的路径，在20多种路径选择标准之中，转弯次数较少的舒适路径是最受欢迎的一种标准。例如在国家地理信息科学杂志上，Bin Jiang在Computing the fewest turn map directions based on the connectivityof natural roads一文中提出了一种基于路链得到最少转弯时的最短路径规划方法，规划的路径符合人们选择道路的感性认知，但是他所提出的方法中在计算最少转弯路径时采用广度优先搜索算法，并将搜索到的所有路径结果都保存下来用于后续的最短路径判断中，这无疑保留了广度优先算法的算法效率低，这样的路径规划在理论上的正确性是毋庸置疑的，但是他的算法效率则有待提升。