，通过关注此公众号访问指定服务器。
[0042] 用户在需要标记当前位置或者引导到已经被标记的位置的时候，通过移动互联网 终端连接到互联网，通过此公众号访问指定服务器，实现相关功能。
[0043] 实施例1
[0044] 本发明实施例中，W停车场寻路为实施例。
[0045] 停车场寻路系统是用户在连接到服务器后，按提示录入车辆停泊位置的标识柱号 记录目标位置即可退出；在需要寻找车辆位置时，重新连接到服务器，按提示录入当前位置 的标识柱号；该两个号将被发送至服务器，服务器端即运用A星算法寻找该点到车辆停泊 位置最短路径的寻路系统。本系统具备数据扩展功能，服务器端可通过更新数据文件扩充 支持更多的停车场寻路。
[0046] 服务器端寻路程序的第一步是把地形简化成容易控制的捜索区域。我们可W将捜 索区域划分成像素点，作为代替，我们使用方块（4个相邻柱子构成的一个正方形）作为寻 路算法的单元。现在让我们基于B3的区域，把B3停车场区域依据柱网划分成多个方块来 代表捜索空间。如图4-图6所示。例子中把单层停车场分配为，9*35个方块=31个方块 的简单地形。
[0047] -.节点定义
[0048] 1.通道节点的定义；停车场内车辆通行的道路定义为通道节点（绿色快体）。
[004引 2.障碍节点的定义；四周墙，周边停车化电梯和连续隔墙定义为不可W穿越的 障碍节点（青色快体）。
[0050]3.半通行节点的定义停车场内，车辆停泊的位置定义为半通行节点（澄色快体）， 半通行节点在标准情况下，定义不可穿越的障碍节点；在快捷模式下，该节点定义为可通行 的通道节点。
[0051] 二.数据初始化
[0052]系统初始化对每一个通道节点对应了"标识柱号"和"引导柱号"2组参数；系统对 每一个半通道节点对应"引导柱号"参数，系统对任何障碍节点都没有对应的参数。
[0053]例；节点（4, 7)周边虽然有4个柱子（33, 34, 39, 40)，我们为其编码对应"标识柱 号"(33、34)和"引导柱号"(34)。当用户输入柱号33或34的时候，系统根据对应数据表确 定到坐标为（4,7)的唯一节点；当计算结果为坐标为（4,7)的节点，系统输出引导为34号 柱子。当计算结果为坐标为巧，7)的（半通道）节点，系统输出引导为34号柱子。
[0054] 案例的数据建立和使用
[0055] -个范例的停车场各节点性质、柱号、节点的标志柱号、节点的引导柱号。编辑为 的"B3停车场"相对应的5个数据表，见附件。在本案例中，我们默认半通道节点为不可通 行的障碍节点，通道状况如通道示意图，如图7所示。
[0056] 1.系统依据用户输入的"标识柱号"在"TEST-B3-标记柱号对应表"中查询目标 节点的坐标位置。例；用户输入的目标节点柱号33确定坐标为（4,7)。
[0057] 2.用户输入当前"标识柱号"系统在"TEST-B3-标记柱号对应表"中确定用户当 前节点的坐标位置，根据2者的节点位置应用A星算法求解获得最佳路径。
[0058] 例；用户当前位置的节点柱号为46,确定用户当前坐标为化，9)。
[0059]A星算法获得最佳路径节点为 6, 9-6, 10-6, 11-5, 11-4, 11-4, 10-4, 9-4, 8-4, 7。
[0060] 3.系统把最佳路径所经过的节点依次累计，根据"TEST-B3-引导柱号对应表"的 对应数据显示出他们的"引导柱号"值。
[0061] 例：系统输出显示W上节点的输出柱号依次为 46-51-57-56-55-50-45-40-34-33 (末尾添加目标柱号）。
[0062] 四、A星算法
[0063] 系统有两个列表：
[0064] -个记录下所有被考虑来寻找最短路径的方块（称为open列表）。
[0065] 一个记录下不会再被考虑的方块（成为closed列表）。
[0066] 首先在closed列表中添加当前位置（我们把该个开始点称为点"A")。然后，把 所有与它当前位置相邻的可通行小方块添加到open列表中。
[0067] 图9是在某一位置时的情景：现在需要判断在该些选项中，哪项才是最短路径，但 是它要如何去选择呢？在A星寻路算法中，通过给每一个方块一个和值，该值被称为路径 增量。
[006引路径增量
[0069] 我们将会给每个方块一个G+H和值；
[0070]G是从开始点A到当前方块的移动量。所W从开始点A到相邻小方块的移动量为 1，该值会随着离开始点越来越远而增大。
[0071]H是从当前方块到目标点（我们把它称为点B)的移动量估算值。该个常被称为探 视，因为我们不确定移动量（方块的数目）是多少-仅是一个估算值。
[0072] 现在让我们详细分析下如何计算出G和H值。
[007引关于G值
[0074]G是从开始点A到达当前方块的移动量（方块的数目）。
[0075] 为了计算出G的值，我们需要从它的前继（上一个方块）获取，然后加1。所W，每 个方块的G值代表了从点A到该方块所形成路径的总移动量。
[0076] 例如，图10展示了两条到达不同骨头的路径，每个方块都标有它的G值。
[0077] 关于H值
[007引 H值是从当前方块到终点的移动量估算值（方块的数目）。
[0079] 移动量估算值离真实值越接近，最终的路径会更加精确。如果估算值停止作用，很 可能生成出来的路径不会是最短的（但是它可能是接近的）。为了让它更简单，我们将使用 "曼哈顿距离方法"d(i，j) = |xi-xj| + |yi-yjI，它只是计算出距离点B，剩下的水平和垂直 的方块数量，略去了障碍物或者不同节点类型的数量。
[0080] 例如，图11展示了从不同的开始点到终点，去估算H的值（黑色字）。
[00引]五.A星运用的案例
[0082] 既然知道如何计算每个方块的和值（我们将它称为F，等于G+H)，我们来看下A星 算法的原理。
[0083] 人会重复W下步骤来找到最短路径：
[0084] 1.将方块添加到open列表中，该列表有最小的和值。且将该个方块称为S。
[00财 2.将S从open列表移除，然后添加S到closed列表中。
[0086] 3.对于与S相邻的每一块可通行的方块T:
[0087]a.如果T在closed列表中；不管它。
[008引 b.如果T不在open列表中：添加它然后计算出它的和值。
[008引 C.如果T已经在open列表中：当我们使用当前生成的路径到达那里时，检查F和 值是否更小。如果是，更新它的和值和它的前继。
[0090]公式表示为；f(n)=g(n)+h(n)，
[0091] 其中f(n)是节点n从初始点到目标点的估价函数，
[0092] g(n)是在状态空间中从初始节点到n节点的实际代价，
[009引 h(n)是从n到目标节点最佳路径的估计代价。
[0094] 保证找到最短路径（最优解的）条件，关键在于估价函数h(n)的选取；估价值 h(n)<=n到目标节点的距离实际值，该种情况下，捜索的点数多，捜索范围大，效率低。但 能得到最优解。如果估价值〉实际值，捜索的点数少，捜索范围小，效率高，但不能保证得 到最优解。
[0095] 寻车的路径
[0096] 人到达停车位置的行程例子。
[0097] 根据W下内容，列出了公式F=G+H中的每项值；
[009引 F(方块的和值）；左上角
[0099]G(从A点到方块的移动量）；左下角
[0100] H(从方块到B点的估算移动量）：右下角
[0101] 同时，箭头指示了到达相应方块的移动方向。
[0102] 最后，在每一步中，红色方块表不closed列表，绿色方块表不open列表。
[0103] 选择前面的"B3停车场"案例，相对应的5个数据表。
[0104] 数据初始化，由于是标准模式半通道节点的状态在此模式下等于障碍节点，所W "TEST-B3-通道节点表"内的坐标为全部的通道节点，剩余的其他坐标为障碍节点。
[0105] 首先输入目标位置的标志柱号"33"，在"TEST-B3-标记柱号对应表"中查询33柱 号对应的目标节点的坐标位置是（4, 7);
[0106] 然后输入当前位置的标志柱号"46"，在"TEST-B3-标记柱号对应表"中查询46柱 号对应的当前节点的坐标位置是化，9)。
[0107] 第一步，先把开始位置化，9)加入closed列表中，相对于开始位置化，9)的相邻 节点有巧，9) (7, 9)化，10)化，8) 4个，在"TEST-B3-通道节点表"内只存在化，10H6, 8)说 明只有该2个方向可W移动的通道，其他2个为障碍节点，我们把化，10H6, 8)加入open 列表。
[0110] 计算出他们与目标节点各自的曼哈