用于双时变路网的多偏好路线规划方法与流程

1.本发明涉及城市交通管理技术领域，具体涉及用于双时变路网的多偏好路线规划方法。


背景技术：

2.在城市道路网络中，对于给定od(起点和终点)的最优路径规划问题实质上是图论网络中的最短路径(sp)问题。现有的经典最短路径算法，包括dijkstra算法(标号法)、bellman
‑
ford算法、floyd算法等。然而，这些经典的算法都是以静态确定性网络作为研究对象，而现实世界中的大量网络通常都具有动态、随机特征，经典的最短路径算法通常不适用于具有上述特征的网络。
3.基于经典算法的改进算法假定网络边的权重是一个随机过程，通过求得各边随机过程的均值函数和方差函数，进而求得某一时刻从源节点出发到达目标节点路径的期望耗费。实际上，期望最短路径并不一定是可靠性最好的路径，这使得期望最短路径往往不能代表最优的出行路径选择。为此，公开号为cn110633850a的中国专利公开了《一种面向出行时间可靠性的最优路径规划算法》，其包括生成动态随机网络邻接矩阵；基于遗传算法的期望最短路径求解；基于蒙特卡洛方法的路径旅行时间不确定性评估；输出基于出行时长和可靠性的最优路径。
4.上述现有方案中的路径规划方法同时考虑了径出的行时长和可靠性，使得路径规划的结果更为可靠。申请人发现，考虑径出行时长和可靠性实现路径规划的方式实际上是一种多偏好路径规划方法，即同时考虑出行时间预算和边(城市路网中两个节点的连线叫做边)上的效用，目标是在成本预算内找到最高效用的路线，而用户的偏好(期望)除了成本预算和可靠性之外，还包括美感、安全/风险、幸福感等。
5.在现实场景中，边上的旅行时间和效用实际上都是依赖于时间的。具体来说，由于不同的交通状况，两点之间的旅行时间会因时间而变化，同样，边上的效用也应是动态的，这种对边的两重时间依赖性(two
‑
fold time
‑
dependency)被称为2td。然而，现有路径规划方法对于2td问题可能是不可行的，因为其是通过使用本地最佳边迭代替换一个边来改善当前的路线质量，需要假设所有其余边的效用和旅行时间成本保持稳定，而在新生成的路线中，新替换后的边的所有到达时间都发生了变化，导致现有路径规划方法的路线规划质量和效率均不好。因此，如何设计一种在两重时间相关的道路网络上兼顾路线规划质量和效率的多偏好路线规划方法是亟需解决的技术问题。


技术实现要素：

6.针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种在两重时间相关的道路网络上兼顾路线规划有效性、质量和效率的多偏好路线规划方法，从而能够保证路线规划的效果。
7.为了解决上述技术问题，本发明采用了如下的技术方案：
8.用于双时变路网的多偏好路线规划方法，包括以下步骤：
9.s1：将城市路网划分为若干个区域并为每个区域建立时间相关的边表；边表内记录有对应的边及其方向和后续边；
10.s2：获取起点o、终点d、出发时间t0、时间预算b，以及城市路网及其节点和边；
11.s3：将起点o作为当前位置，并结合出发时间t0和时间预算b计算当前位置的可到达区域；然后对可到达区域的边表进行识别和访问，以生成从当前位置到达可到达区域的路段；
12.s4：基于当前可到达区域的位置和到达当前可到达区域的时间更新起点o和出发时间t0；然后返回步骤s3继续识别当前可到达区域的下一个可到达区域并生成对应的路段；最后将下一个可到达区域的路段拼接到当前可到达区域的路段上；
13.s5：重复执行步骤s3和s4，直至到达d时生成对应的一组候选路线；然后在时间预算范围内，以候选路线的效用值为目标选取最优的候选路线作为规划路线。
14.优选的，步骤s2中，通过如下步骤建立边表：
15.s101：基于设置的时间片从对应区域中选取效用值大于零的效用边建立边表，并记录边表中各个效用边的方向；
16.s102：识别边表中各个效用边的后续边。
17.优选的，步骤s102中，识别当前效用边的后续边时：首先将对应区域中除当前效用边外的其他效用边作为考虑边，并根据当前效用边的方向对考虑边进行分组，得到不超过四组的考虑边；然后根据各个考虑边的效用值以及当前效用边到对应考虑边的距离从每组考虑边中对应选取一条考虑边作为当前效用边的后续边。
18.优选的，建立边表之后，通过如下函数评价时间片的稳定性：
19.式中：prop
c
表示时间片ts[i,j]期间效用变化边的比例；和σ(u
r
)分别表示时间片ts[i,j]期间对应区域内所有效用边的效用变化范围的平均值和标准差；a、β和λ均为设置的权重系数。
[0020]
优选的，通过如下公式设置时间片：
[0021][0022]
f(1,i)＝(s(i,lt))
×
(lt
‑
i)；
[0023]
式中：f(n,i)表示n个时间片的最佳时间分组；开始时间为i；结束时间为lt，即一天中的最后时间。
[0024]
优选的，步骤s3中，通过如下步骤识别当前位置的可到达区域：首先确定当前位置的待选区域中心位置；然后根据当前位置到待选区域中心位置的最短路线距离与最大车速之比，计算从当前位置到待选区域中心位置的第一时间成本(o,ctr
i
)以及从待选区域中心位置到终点的第二时间成本(ctr
i
,d)；最后根据公式t＝t0 (o,ctr
i
) (ctr
i
,d)计算到达可到达区域的时间t，并将t小于最晚到达时间t
k
的待选区域作为可到达区域。
[0025]
优选的，步骤s3中，通过如下步骤对可到达区域的边表进行识别：
[0026]
s301：计算当前位置相对于可到达区域中心位置的目标方位，并将方向与目标方位相同的效用边作为候选边；
[0027]
s302：将效用值与当前位置距离之比最大的效用边作为区域入口边e
eny
；
[0028]
s303：将当前位置到区域入口边e
eny
的路径作为第一路段rs1。
[0029]
优选的，步骤s4中，根据e
eny
和沿rs1的e
eny
实际到达时间更新o和t0。
[0030]
优选的，步骤s3中，通过如下步骤对可到达区域的边表进行访问：
[0031]
s311：将当前边e
cur
初始化为下一条边e
nxt
，并从边表中获取e
cur
的后续边集；
[0032]
s312：评估后续边集中的每条后续边e
suc
，将满足时间限制条件t0 cost(e
cur
,e
suc
)≤t
j
和t0 cost(e
cur
,e
suc
) cost(e
suc
,d)≤t
k
的后续边e
suc
作为当前边e
cur
的下一条边e
nxt
；并使用e
nxt
更新e
cur
；
[0033]
s313：重复执行步骤s303至步骤s304，直至边表中没有可以选取的后续边e
suc
时，将当前的下一条边e
nxt
作为区域出口边；
[0034]
s314：将区域入口边e
eny
到区域出口边的路径作为第二路段rs2。
[0035]
优选的，将rs1和rs2连接得到对应可到达区域的路段rt＝<(e0,e1,e2....,e
k
),t0>；
[0036]
通过如下公式计算路段rt＝<(e0,e1,e2....,e
k
),t0>的效用值和成本：
[0037]
式中：c(p)表示路线的效用值；c(e
i
,t
i
)表示t
i
时刻出发时有效边e
i
上的旅行时间；
[0038]
式中：u(p)表示路线的成本；u(e
i
,t
i
)t
i
时刻出发时有效边e
i
上的效用。
[0039]
本发明中的多偏好路线规划方法与现有技术相比，具有如下有益效果：
[0040]
路线规划时，从起点开始不断识别可到达区域并生成相应的路段，使得候选路线不断生长直至到达终点。本发明能够不断更新起点位置和出发时间，并根据更新后的起点位置和出发时间识别可到达区域并迭代选择高效用边，从而能够在满足时间预算的前提下提升路线规划的质量。同时，本发明的通过构建边表和识别、访问边表的方式能够适应不同时间变化的效用模式，即能够应用于两重时间相关的场景。此外，本发明基于时间建立边表时记录了边的方向和后续边，使得能够基于边表高效生成候选路线并有效控制候选线路的数量，从而能够提升路线规划的效率。因此，本发明中的多偏好路线规划方法能够在两重时间相关的道路网络上兼顾路线规划有效性、质量和效率，从而能够保证路线规划的效果。
附图说明
[0041]
为了使发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
[0042]
图1为实施例中多偏好路线规划方法的逻辑框图；
[0043]
图2为实施例中多偏好路线规划方法的算法示意图；
[0044]
图3为实施例中路由段生成的示例图；
[0045]
图4和图5均为实施例中不同算法的路线效用比较结果示意图。
具体实施方式
[0046]
下面通过具体实施方式进一步详细的说明：
[0047]
实施例：
[0048]
本实施例中公开了用于双时变路网的多偏好路线规划方法。
[0049]
如图1和图2所示，用于双时变路网的多偏好路线规划方法，包括以下步骤：
[0050]
s1：在离线阶段，将城市路网划分为若干个区域并为每个区域建立时间相关的边表；边表内记录有对应的边及其方向和后续边。具体的，本实施例按n
×
n的网格对城市路网进行划分，n可以自定义，其表示城市划分的粒度。
[0051]
s2：在在线阶段，获取起点o、终点d、出发时间t0、时间预算b，以及城市路网及其节点和边。具体的，城市路网表示为g＝[n,e]，其中，n表示节点集合，包括交点和死角；e表示边的集合。
[0052]
s3：将起点o作为当前位置，并结合出发时间t0和时间预算b计算当前位置的可到达区域；然后对可到达区域的边表进行识别和访问，以生成从当前位置到达可到达区域的路段。具体的，边表识别可离线完成，边表的访问需在线完成。
[0053]
s4：基于当前可到达区域的位置和到达当前可到达区域的时间更新起点o和出发时间t0；然后返回步骤s3继续识别当前可到达区域的下一个可到达区域并生成对应的路段；最后将下一个可到达区域的路段拼接到当前可到达区域的路段上。具体的，如果在时间预算b内没有可到达区域，路线会返回从o到d的最短路径。
[0054]
s5：重复执行步骤s3和s4，直至到达d时生成对应的一组候选路线；然后在时间预算范围内，以候选路线的效用值为目标选取最优的候选路线作为规划路线。具体的，候选路径的大小和长度是不断增长和变化的。
[0055]
路线规划时，从起点开始不断识别可到达区域并生成相应的路段，使得候选路线不断生长直至到达终点。本发明能够不断更新起点位置和出发时间，并根据更新后的起点位置和出发时间识别可到达区域并迭代选择高效用边，从而能够在满足时间预算的前提下提升路线规划的质量。同时，本发明的通过构建边表和识别、访问边表的方式能够适应不同时间变化的效用模式，即能够应用于两重时间相关的场景。此外，本发明基于时间建立边表时记录了边的方向和后续边，使得能够基于边表高效生成候选路线并有效控制候选线路的数量，从而能够提升路线规划的效率。因此，本发明中的多偏好路线规划方法能够在两重时间相关的道路网络上兼顾路线规划有效性、质量和效率，从而能够保证路线规划的效果。
[0056]
具体实施过程中，通过如下步骤建立边表：
[0057]
s101：基于设置的时间片从对应区域中选取效用值大于零的效用边建立边表，并记录边表中各个效用边的方向。具体的，城市路网中两个节点的连线叫做边。边的效用值是根据预先设置的效用函数计算的，效用函数根据用户的偏好例如美感、安全/风险、幸福感等设计的，也就是说边的效用值是已知的。效用边的方向是根据节点的位置来定义的，因此，边总共有四个方向(o1～o4)，每个方向对应一个象限；边的位置只需用其几何中心来表示。
[0058]
s102：识别边表中各个效用边的后续边。具体的，识别当前效用边的后续边时：首先将对应区域中除当前效用边外的其他效用边作为考虑边，并根据当前效用边的方向对考虑边进行分组，得到不超过四组的考虑边；然后根据各个考虑边的效用值以及当前效用边到对应考虑边的距离从每组考虑边中对应选取一条考虑边作为当前效用边的后续边，选择
组中数值最大的效用边，其中u(e)和d(e,e
g
)指的是效用值和给定效用边到组中考虑边的距离；所有后续边按降序管理。
[0059]
在本发明中，基于设置的时间片建立边表的方式，能够在保证边表时间相关性和构建效果的前提下，降低边表的构建难度和存储空间，使得边表的构建和存储更为经济和适用；同时，本发明中识别后续边的方式，能够识别出最优的后续边，进而能够更好的基于边表高效生成候选路线并有效控制候选线路的数量，从而能够进一步提升路线规划的效率。
[0060]
具体实施过程中，建立边表之后，通过如下函数评价时间片的稳定性：
[0061]
式中：prop
c
表示时间片ts[i,j]期间效用变化边的比例；和σ(u
r
)分别表示时间片ts[i,j]期间对应区域内所有效用边的效用变化范围的平均值和标准差；a、β和λ均为设置的权重系数。
[0062]
由于效用边的值是随时间变化的，所以对应的后续边也是随时间变化的。因此，本实施例提出了稳定时间分组的思想，具体来说，就是将一天的时间分成若干个时间片ts[i,j]，同一时间片中的所有出发时间共用一个统一的边表，根据时间片内平均边效用与给定效用边距离的比值来选择后续边。具体的额，通过如下公式设置时间片：
[0063]
f(1,i)＝(s(i,lt))
×
(lt
‑
i)；式中：f(n,i)表示n个时间片的最佳时间分组；开始时间为i；结束时间为lt，即一天中的最后时间。
[0064]
当所有边的效用在一个时间片内保持不变时就可以满足要求，统一的边表足以满足该时间片内所有出发时间的要求。但是，这种绝对稳定的情况在实际案例中很少出现，因为效用表可能会呈现出相当明显的、不一致的时间变化范围和频率。例如，道路上的风景，在一天中可能会连续受到光线的影响。为此，本实施例加入了全局性的提示，来寻找所有边的效用保持相对稳定的时间片，包括：1)小比例的效用变化边。在这种情况下，效用变化的边数量较少，可能导致在整个时间片中，大部分的后续边都是一致的；2)边效用的变化范围小，边效用值的微小变化不会对后续边的一致性造成很大的干扰；3)所有效用边的变化范围之间的差距小，在前面提示的基础上提出，目的是为了避免少数边上的效用发生巨大变化的情况。
[0065]
在本发明中，能够有效的设置和划分稳定的时间片，这有利于更好的构建时间相关的边表，能够更好的基于边表高效生成候选路线并有效控制候选线路的数量，从而能够进一步提升路线规划的效率。同时，本发明能够评估并保证时间片的稳定性，从而能够更好的保证路线规划的质量。
[0066]
具体实施过程中，通过如下步骤识别当前位置的可到达区域：首先确定当前位置的待选区域中心位置；然后根据当前位置到待选区域中心位置的最短路线距离与最大车速之比，计算从当前位置到待选区域中心位置的第一时间成本(o,ctr
i
)以及从待选区域中心位置到终点的第二时间成本(ctr
i
,d)；最后根据公式t＝t0 (o,ctr
i
) (ctr
i
,d)计算到达可到达区域的时间t，并将t小于最晚到达时间t
k
的待选区域作为可到达区域。
[0067]
具体实施过程中，通过如下步骤对可到达区域的边表进行识别：
[0068]
s301：计算当前位置相对于可到达区域中心位置的目标方位，并将方向与目标方位相同的效用边作为候选边；
[0069]
s302：将效用值与当前位置距离之比最大的效用边作为区域入口边e
eny
；
[0070]
s303：将当前位置到区域入口边e
eny
的路径作为第一路段rs1。
[0071]
具体实施过程中，步骤s4中，根据e
eny
和沿rs1的e
eny
实际到达时间更新o和t0。
[0072]
具体实施过程中，步骤s3中，通过如下步骤对可到达区域的边表进行访问：
[0073]
s311：将当前边e
cur
初始化为下一条边e
nxt
，并从边表中获取e
cur
的后续边集；
[0074]
s312：评估后续边集中的每条后续边e
suc
，将满足时间限制条件t0 cost(e
cur
,e
suc
)≤t
j
和t0 cost(e
cur
,e
suc
) cost(e
suc
,d)≤t
k
的后续边e
suc
作为当前边e
cur
的下一条边e
nxt
；并使用e
nxt
更新e
cur
。具体的，为了避免数据的冗余，e
nxt
将从e
cur
的后续边集中删除；同样的，如果e
cur
出现在e
nxt
的后续边集中，也会被删除。
[0075]
s313：重复执行步骤s303至步骤s304，直至边表中没有可以选取的后续边e
suc
时，将当前的下一条边e
nxt
作为区域出口边。
[0076]
s314：将区域入口边e
eny
到区域出口边的路径作为第二路段rs2。
[0077]
具体实施过程中，将rs1和rs2连接得到对应可到达区域的路段rt＝<(e0,e1,e2....,e
k
),t0>；
[0078]
通过如下公式计算路段rt＝<(e0,e1,e2....,e
k
),t0>的效用值和成本：
[0079]
式中：c(p)表示路线的效用值；c(e
i
,t
i
)表示t
i
时刻出发时有效边e
i
上的旅行时间；
[0080]
式中：u(p)表示路线的成本；u(e
i
,t
i
)t
i
时刻出发时有效边e
i
上的效用。
[0081]
在本发明中，通过上述步骤能够不断更新起点位置和出发时间，并根据更新后的起点位置和出发时间识别可到达区域并迭代选择高效用边；同时，使得能够基于边表高效生成候选路线并有效控制候选线路的数量，从而能够在两重时间相关的道路网络上兼顾路线规划有效性、质量和效率
[0082]
为了更好地理解路段的生成过程，本实施例通过图3所示的例子来说明。在具体的例子中，假设区域1是可到达的区域之一，区域1有5条效用边(e1～e5)，有4个不同的方向(o1～o4)。两条边(e1和e5)被确定为候选入口边，因为它们相对于区域中心而言，与o的方向是相同的。假设到达时间是在时间片ts[10,15]中。生成路段的步骤如下：开始时，当前边被初始化为e1；通过检查边表(图3左下角子图)中记录的后续边(e2、e6、e5)，由于e2是第一个满足时间限制条件的边，所以会被选中；然后，将下一条边设置为e2，路线段(e1
→
e2)被记录下来；同时，使用e2更新当前边。路径增长过程被反复执行；最后，生成路线段(e1
→
e2
→
e3
→
e4)。符号
→
表示路网中详细的最短路线。
[0083]
为了进一步说明本发明多偏好路线规划方法的优势，本实施例还公开了如下实验：
[0084]
一、实验准备
[0085]
1、数据准备。使用了两个真实世界的城市路网：中国的成都(cd)和重庆(cq)。cd路网包含4,819个节点和6,385条边，cq路网包含5,056个节点和7,355条边。本实验将时间相关的景物得分作为两个路网中每个边上的效用，采取两种完全不同的时间变化模式。
[0086]
对于第一种模式，首先根据周围具有特定类别(即自然风光和旅游景点)的兴趣点(pois)的数量，获得边上的基本效用得分bu(e
i
)；然后，通过式6计算边在出发时间t的效用值tu(t,e
i
)，其中，δ
i
(t)指的是时间依赖函数。cd和cq根据式7和式8分别采用不同δ
i
(t)。式7中β
i
和u
c
(e
i
)分别指边e
i
的效用变化频率和范围。针对不同的效用边设定了它们的若干值，使其更具有通用性，更接近实际生活。
[0087]
对于另一种模式，首先产生一组参数值不同(即u和σ)的高斯分布的概率密度函数，并给每个函数一个序号。之后，从池中随机选取每个效用边的函数，在式8中用g
i
来记录边e
i
所选函数的序号。cd和cq上的效用密度分别为8.7％和5.9％。需要注意的是，在现实世界的路网中，效用边在城市內的分布相当不均匀。此外，一小部分效用边只是具有极高的数值(即景区得分)。
[0088]
tu(t，e
i
)＝bu(e
i
)
×
δ
i
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0089][0090]
通过将边距离除以其时间相关的速度得到边上的时间相关旅行时间。采用现有的时间依赖性行进速度模型。具体来说，将边分为五类，即总是繁忙、早高峰、双高峰、晚高峰和很少出行。可以参考关于每类边的具体速度值、通行时间等详细设置。
[0091]
2、基线算法。三种基线算法被用于比较，包括scenic route now(srn)、memetic algorithm(ma)和simulated annealing(sa)。srn和ma是两种专门为解决2td
‑
aop而提出的路径算法。具体的，srn是在最快的路径查找算法的基础上改进的算法，它应用ils方法有效地找到近似最优路径。ma主要包括三个部分，即染色体生成、染色体解码和局部搜索。染色体生成产生从出发地到目的地的效用边序列群，染色体解码将每个效用边序列覆盖到路网中的实际运行行驶路径。局部搜索的目的是通过交叉和突变算子来局部提高每个染色体的路径效用得分。由于普通的sa不能直接应用于解决2td
‑
aop问题，本实验开发了一种特殊形式的sa。为了获得初始解，在一开始就发现从原点到目的地的时间相关的最快路线，邻区解的生成机制如下：从其父路径中随机选择一条效用边，并将其替换为另一条新的效用边。新的效用边从时间相关的可到达区域内的效用边集合中随机选择。目标是找到效用值最大化的路线。
[0092]
3、实验环境：路线规划算法使用python语言进行编码，所有的程序都运行在intel(r)xeon(r)gold 6151工作站上，内存为192
‑
gb，运行windows server 2019操作系统。
[0093]
二、效果和效率研究
[0094]
1、时间相关的边表评价。表1分别显示了基于cd和cq路网的边表建设时间和存储空间成本的结果。可以看出，边表的存储是经济的(例如，cq的空间成本只有385kb)。考虑到
所有的边表只需离线构建一次，其构建时间是可以接受的。与cd相比，cq需要更多的构建时间，因为cq上的边效用在一天的时间里不断变化，而cd上的边效用根据其效用变化规律，每隔一段时间就会变化一次。因此，与cd相比，cq会产生更多的具有不同稳定性值的时间片，需要在时间分组中进行检查。同时，cd比cq需要更多的内存来管理边表，这是由于cd比cq有更多的效用边。本实验将两个路网的时间片数量设置为50个。
[0095]
表1边表的构建结果
[0096]
ct(sec)sc(kb)cd12.96745cq24.21385
[0097]
2、时间分组评价。为了证明时间分组的有效性，首先在cd和cq上构建基线边表，以短而固定长度的时间片ts(t
i
，t
i
5min)进行分组。然后，基于边表(即时间片平均长度为28.8分钟)与基线边表在路径效用和响应时间方面比较在线路径规划性能。本实验中，随机选取了100个od对，行驶距离在8公里左右，10个不同的出发时间，时间预算设置为50分钟。如表2所示(rr_s、rr_u、rr_t分别指空间成本、路径效用和响应时间的降低率)，本发明提出的方法所分组的时间片数量要少得多，可以大大减少存储空间。同时，本发明方法的时间片分组方法可以大大加快系统的响应速度，而代价只是有限地降低解的质量(即不超过10％)。以cd市为例，存储空间的减少率为82.55％，响应时间的平均减少率为16.63％，路线效用的平均减少率为8.15％。
[0098]
表2时间片分组方法的对比结果
[0099] rr_srr_urr_tcd82.55％8.15％16.63％cq82.65％7.62％16.69％
[0100]
表3不同算法的运行时间(秒)代价比较结果
[0101][0102]
3、路线规划评估。为了证明本发明omop(om指离线模式，即边表识别；op指在线模式，即边表访问)算法的能力和可扩展性，本实验通过改变出发时间、行驶距离和时间预算进行了三次实验。如图4和表3所示，与基线算法相比，omop获得了最高的路线效用值，同时需要最少的运行时间。从路线效用值来看，omop总是能规划出效用最高的行驶路线，而ma则返回效用分值较低的路线。srn和sa得到的是效用值最低的路线。
[0103]
1)与基线相比，omop中的候选边选择更有效地提高了整个路线的质量，因为它保
证了路线生成中使用的每个边的实际出发时间。具体的，omop生成的路线从起点开始，根据更新后的出发时间从可到达区域中迭代选择高效用边，而所有的基线都试图在种子路线的基础上进行局部优化算子来提高路线的效用，但在一定程度上，这种局部优化算子可能并不是那么有效，因为插入的边会改变种子路径中包含的所有子序列边的出发时间，导致效用提升不可控。这也正是为什么当时间预算和od距离变长时，基线得到的路线效用并没有增加的原因，就像分别由图4和图5证明的一样。同时，在图4中可以发现一个反事实，即在od距离为14公里时，sa获得的路线效用甚至低于od距离为12公里时的路线效用。
[0104]
2)与ma相比，omop能够在种群多样性和解的质量之间保持较好的权衡。为了保证种群的多样性，ma在插入新的效用边时，对不同的出发时间也都采取同样的策略，即只考虑地理上的可到达程度。在这种情况下，真正能够带来高质量解的效用边极有可能被遗漏。
[0105]
3)srn和sa在选择和插入新的效用边时，只在子路线基础之上工作，而且每次迭代只能插入一条最佳效用边，导致种群多样性非常有限。此外，用于评估“最佳”边的近似技术可能容易出错。进一步地，在真实世界的路网中边效用值的多样性和较大的差异性拉大了omop和基线之间的差距。
[0106]
在运行时间方面，将对比结果如表3所示，可以观察到：1)与基线方法相比，在两个数据集上，在不同的驾驶距离和时间预算设置下，omop花费的运行时间最少。例如，在cq上给定48分钟的时间预算，用户平均可以在0.014秒内收到omop的响应，而srn、sa和ma分别需要1.879、20.3和31.443秒。造成这种结果的原因有两个方面。第一，omop在时间表中记录了效用边的后续边，从而可以通过高效的边表访问过程生成路段。其次，采用了设计良好的路线规划算法，在保持多样性的前提下控制候选路线的数量。另外，ma耗费的运行时间最大的原因在于生成数量过于庞大。2)对于所有算法来说，由于搜索空间的相应扩大，运行时间随着行驶距离和时间预算的增加而呈增长趋势。需要注意的是，ma的运行时间呈指数级增长，它对搜索空间的敏感度比omop高得多。例如，当驾驶距离设置为14公里时，ma需要花费1575秒来返回结果，而omop只需要6.547秒，这对于大多数实时应用来说还是可以接受的。
[0107]
三、结论
[0108]
本发明的路线规划方法提出了一个两阶段框架，在两重时间相关的道路网络上高效地规划多偏好路线。实验结果验证了omop的有效性和效率。
[0109]
需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管通过参照本发明的优选实施例已经对本发明进行了描述，但本领域的普通技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围。同时，实施例中公知的具体结构及特性等常识在此未作过多描述。最后，本发明要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。