[发明专利]基于网络权重变换与两阶段法的城市最短路径获取方法及应用

权利要求书

1.一种基于网络权重变换与两阶段法的城市路网最短路径获取方法，其特征在于，是按如下步骤进行：

步骤1：定义参数及初始化：

获取实时路网数据得到城市道路的原始网络D＝(V,A)，其中，V表示交叉口集合，V＝{v_i|i＝1,2,…,N}，v_i表示第i个交叉口，其坐标为(x_i，y_i)，N为所述城市路网D中的交叉口总数；

A表示交叉口之间的有向路段集合，且A＝{a_ij＝(v_i,v_j)|i,j＝1,2,…,N}，其中，a_ij表示第i个交叉口v_i与第j个交叉口v_j之间的有向路段，若第i个交叉口v_i到第j个交叉口v_j之间存在有向路段a_ij，则第j个交叉口v_j为第i个交叉口v_i的邻居交叉口，令有向路段a_ij的距离权重为第i个交叉口v_i到第j个交叉口v_j之间的欧式距离w_ij，若第i个交叉口v_i到第j个交叉口v_j之间不存在有向路段a_ij，则令w_ij＝+∞；

令v_start表示用户出发的起点交叉口，v_end表示用户希望到达的终点交叉口，v_k表示当前探索的交叉口，且v_start、v_end、v_k∈V；

根据有向路段a_ij的距离权重w_ij，得到新距离权重w′_ij＝w_ij-α(h(i)-h(j))；其中，h(i)为第i个交叉口v_i到终点交叉口v_end的最短距离估计，h(j)为第j个交叉口v_j到终点交叉口v_end的最短距离估计；α代表第j个交叉口v_i到终点交叉口v_end的最短距离估计的模糊程度，α∈[0,1]；从而得到更新距离权重后的新网络D′；

定义新网络D′中，第i个交叉口v_i的当前最短距离g(i)为起点交叉口v_start到第i个交叉口v_i之间的最短路径长度，若g(i)＝+∞，则表示找到起点交叉口v_start到第i个交叉口v_i的当前最短距离，反之则表示未找到起点交叉口v_start到第i个交叉口v_i的当前最短距离；从而得到当前最短距离集合G＝{g(i)|i＝1,2…N}；将起点交叉口v_start到终点交叉口v_end的当前最短距离g(end)作为最短距离上界

将起点交叉口v_start到达终点交叉口v_end的路径中所经过的第i个交叉口v_i的前一个交叉口记为前驱交叉口记为λ(i)，从而得到前驱交叉口集合λ＝{λ(i)|i＝1,2,…,N}；

定义Q_priority用来存储迭代过程中优先探索的交叉口的队列；

定义Q_inferior用来存储迭代过程中延后探索的交叉口的队列；

定义Q_explored用来存储迭代过程中已探索过的交叉口的队列；

步骤2：数据初始化与预处理

设定模糊度α为固定值；初始化λ＝φ；初始化g(i)＝+∞,i＝1,2,3,…,N，初始化起点交叉口v_start的当前最短距离g(start)＝0，当前最短距离上界初始化优先探索交叉口队列Q_priority＝{v_start}，延后探索交叉口队列Q_inferior＝φ，已探索过的交叉口队列Q_explored＝φ；

步骤3：寻找当前最短距离上界：

步骤3.1：判断是否获得初始解：

若起点交叉口v_start到终点交叉口v_end的当前最短距离g(end)未更新，且优先探索交叉口队列Q_priority和延后探索交叉口队列Q_inferior为空，转入步骤5；

若起点交叉口v_start到终点交叉口v_end的当前最短距离g(end)未更新，且优先探索交叉口队列Q_priority或延后探索交叉口队列Q_inferior非空，转入步骤3.2；

若起点交叉口v_start到终点交叉口v_end的当前最短距离g(end)已更新，且优先探索交叉口队列Q_priority和延后探索交叉口队列Q_inferior为空，转入步骤5；

若起点交叉口v_start到终点交叉口v_end的当前最短距离g(end)已更新，且优先探索交叉口队列Q_priority为空，且延后探索交叉口队列Q_inferior非空，转入步骤4.1；

步骤3.2：松弛操作：

步骤3.2.1：若Q_priority非空，则取出Q_priority中的队首元素v_first，令当前探索节点v_k为v_first，更新Q_priority为Q_priority\{v_first}，“\”表示删除操作；

否则取出Q_inferior中的队首元素v_first，令当前探索节点v_k为v_first，更新Q_inferior为Q_inferior\{v_first}；

步骤3.2.2：遍历满足(v_k,v_i)∈A的邻居交叉口v_i，若g(k)+w′_ki＜g(i)，则更新第i个交叉口v_i的当前最短距离g(i)，将g(k)+w′_ki赋值给g(i)，设置第i个交叉口v_i的前驱交叉口λ(i)为v_k，并执行步骤3.2.3；否则，返回步骤3.2.2继续遍历，直到遍历完成后，执行步骤3.1；

步骤3.2.3：当h(k)-h(i)＞0时，若则将第i个交叉口v_i加入优先探索交叉口队列Q_priority的队尾，并将第i个交叉口v_i加入已探索过交叉口队列Q_explored；

若且v_i∈Q_explored，将第i个交叉口v_i加入优先探索交叉口队列Q_priority的队首；否则，返回步骤3.2.2继续遍历；

当h(k)-h(i)≤0时，若则将第i个交叉口v_i加入延后探索交叉口队列Q_inferior的队尾；若第i个交叉口将第i个交叉口v_i加入已探索过交叉口队列Q_explored；否则，返回步骤3.2.2继续遍历；

其中，g(k)代表起点交叉口v_start到当前探索交叉口v_k的当前最短距离，w′_ki代表新网络D′中当前探索交叉口v_k到第i个交叉口v_i的距离权重；h(k)代表当前探索交叉口v_k到终点交叉口v_end的最短距离估计；

步骤4：寻找最短路径：

步骤4.1：重新初始化：

将延后探索交叉口队列Q_inferior赋值给优先探索交叉口队列Q_priority，并初始化延后探索交叉口队列Q_inferior＝φ；

步骤4.2：判断是否得到最优解：

若优先探索交叉口队列Q_priority或延后探索交叉口队列Q_inferior非空，则转入步骤4.3，否则转入步骤5；

步骤4.3：利用上界进行松弛操作：

步骤4.3.1：若Q_priority非空，则取出Q_priority中的队尾元素v_last，令当前探索节点v_k为v_last，更新Q_priority为Q_priority\{v_last}；

否则取出Q_inferior中的队尾元素v_last，令当前探索节点v_k为v_last，更新Q_inferior为Q_inferior\{v_last}；

步骤4.3.2：遍历满足(v_k,v_i)∈A的邻居交叉口v_i，若g(k)+w′_ki＜g(i)，则更新第i个交叉口v_i的当前最短距离g(i)，将g(k)+w′_ki赋值给g(i)，设置第i个交叉口v_i的前驱交叉口λ(i)为v_k；若执行步骤4.3.3，否则返回步骤4.3.2，直到遍历完成后，执行步骤4.2；

步骤4.3.3：若且v_i∈Q_explored，则将第i个交叉口v_i加入优先探索交叉口队列Q_priority的队首；

若且则将第i个交叉口v_i加入延后探索交叉口队列Q_inferior的队首和已探索过队列Q_explored；否则，直接执行步骤4.3.4；

若v_i∈(Q_priority∪Q_inferior)，返回步骤4.3.2继续遍历；

步骤4.3.4：若第i个交叉口v_i是终点交叉口v_end且则将g(end)赋值给上界并返回步骤4.3.2继续遍历，否则，直接执行步骤4.3.2；

步骤5：输出最优解：

若则表示不存在从起点交叉口v_start到达终点交叉口v_end的路径；否则，将g(end)+αh(s)赋值给g(end)，并输出从起点交叉口v_start到终点交叉口v_end的最短距离g(end)，并从v_end开始通过λ(end)不断回溯至v_start，从而获得从起点交叉口节点v_start到终点交叉口节点v_end的最短路径。