道路网络分层的快速路径诱导算法

路径诱导在现代交通和部队机动过程中具有重要应用,传统路径诱导算法(如Dijkstra算法)具有很高的计算复杂度和搜索空间,所规划路径仅仅是数学意义上的最短路径,很难满足实际道路交通导航诱导要求。为了降低路径诱导算法的搜索空间,同时使得规划的结果更能体现驾驶人员行车偏好,提出一种基于道路网络分层的快速路径诱导算法,在利用道路网络中道路的不同等级特性对路网进行分层处理基础上,通过限制算法搜索区域达到快速路径规划的目的。实验结果表明,该算法解算出导航路径中大部分是由快速路段组成,能很好地满足驾驶人员的选路偏好,路径搜索时间和搜索空间也大大减少。

一种基于道路网分层的最短路径算法

D ijkstra算法是求解最短路径的经典算法,A*是目前最流行的启发式搜索算法,分析了这两种算法的搜索空间和时间复杂度。在此基础上,提出了一种基于道路网分层最短路径算法。实验证明:该算法是一种效率好、实用性强的最短路径算法。

一种基于分层道路网的数据准备模型及实现

为了缩短计算中心与车辆之间的数据传送时间,提出并实现了一种TMSCR数据准备模型,即在包含起止点的一个网格集合的外接矩形区域中,提取起点网格内的低层路段、终点网格内的低层路段和所有高层路段的并集,发送给车辆。实验表明,实现该模型的时间代价很小,TMSCR模型与传统的方法相比,可以大大节省通信时间,从而为车辆导航提供优质的服务。

限制搜索区域的分层路径规划新算法

依据城市路网独特的空间分布特性及不同道路等级特性,提出一种以源节点和目的节点为椭圆焦点的限制搜索区域分层路径规划算法.通过对小型网格模型统计及回归分析,建立了一个鲁棒性椭圆形搜索区域模型参数,可以满足道路交通路径规划的要求.结合路径规划算法在实时车辆诱导系统中的实际应用,给出该算法的一个应用实例,对实验结果的分析验证了其有效性.

一种基于分层结构的最优路径算法

由于大范围复杂虚拟城市环境中开放空间导航网络节点数量较多,导致了利用传统的A*算法或Dijkstra算法进行路径搜索的效率较低。针对该问题,基于原始道路图构建了层次道路图,重点研究了适用于层次道路图的改进A*算法:依据最短路径搜索起始点所在位置的不同,可以直接或间接在层次道路图的抽象层进行最短路径搜索,再把最短路径上的复合节点展开为原始子节点,从而获得最终的最短路径。结果表明:该方法可以快速完成虚拟角色在虚拟城市环境中的全局路径规划,路径搜索效率明显高于传统的A*算法和Dijkstra算法。

城市道路网络动态优化选择方法研究

基于解决动态路径诱导算法中的实时性、动态性和人的选择行为,提出了基于实时交通状态因素的动态道路优先等级指数的确定方法,建立了连线交通相似度的模型,研究了道路网络的动态分层规则和方法,实现了路网的动态优化选择,并通过简单的算例进行了验证分析。该方法具有很强的可操作性和应用价值。

基于分层的改进A算法在路径规划中的应用

智能交通中的路径诱导系统能够极大地提高人们的出行效率与出行体验。经典A*算法只注重搜索精度而忽略了搜索效率,在城市道路网络分层的基础上,对高层道路使用的A*算法进行了改进,对于道路网络中的不同节点,设置估价函数具有不同的权值,同时给定权值的一个上下限阈值,以平衡算法的搜索效率与搜索精度。实验表明,得到的最短路径虽然不是常规的距离最短却是实际行驶时间最优的。