专利名称：多用户并发导航路径查询均衡控制方法及装置的制作方法
技术领域：
本发明涉及网络技术，具体涉及一种多用户并发导航路径查询均衡控制方 法及装置。
背景技术：
路径查询是地图网站、公众出行信息平台和中心服务式导航系统的核心 功能，此类系统均应用于多用户并发环境。在多用户并发环境下，任何时刻都 可能会有多个用户同时对系统发出路径查询请求。由于此类系统的并发用户访 问量非常大，在系统硬件限定的条件下，路径查询的响应时间将随着并发访问 的用户数呈线性增长，用户的平均等待时间也将急剧增加。在这些系统中，如 何保证系统的响应时间限定在用户可容忍的范围内是一个瓶颈问题。为了解决该问题，目前采用的技术包括增加服务器的数量、发展路径查 询的并行算法、采用路径查询緩存技术等。这些方法存在成本高，限定条件苛 刻、实现困难、缺乏针对并发用户数的自适应调整等缺点，而且其核心的路径 查询算法并未得到优化。发明内容本发明要解决的技术问题是提供一种多用户并发导航路径查询均衡控制 方法及装置，以便在存在多用户并发导航路径查询需求时，自适应地控制路径 查询算法的精度和效率之间的平衡，在精度可控的前提下，最大限度地提升路 径查询效率，缩短用户的等待时间。本发明的技术解决方案为一种多用户并发导航路径查询均衡控制方法，包括 采用系统抽样的方法，在路网中抽取车行道段对作为样本车行道对； 计算样本车行道对间最优导航路径搜索的严密算法耗时和结果路径耗费； 计算样本车行道对间最优导航路径搜索的不同启发式算法耗时和结果路 径耗费；根据计算得到的严密算法耗时和结果路径耗费和不同启发式算法耗时和结果路径耗费，计算不同启发式算法与严密算法的耗时比和精度比；根据计算得到的耗时比和精度比、以及用户选择条件，确定最优导航路径 搜索的启发式算法及参数。优选地，所述计算不同启发式算法与严密算法的耗时比和精度比包括以启发式算法与严密算法的耗时比五作为衡量启发式算法效率的度量因 子，得到启发式算法的耗时比￡为五=^/^，其中，^是采用Dijkstm算法 的耗时，^是启发式算法的耗时；以启发式算法与严密算法得到的路径耗费差的增量百分比尸作为启发式 算法精度的度量因子，得到启发式算法的精度户为(/2-=(2-/2〃!)xl000/0,其中，"为采用Dijkstm算法计算得到 的结果路径耗费，/2是采用启发式算法得到的结果路径耗费；将所有样本对的启发式算法耗时比、精度比计算结果求统计平均值，得出 当前启发因子下该启发式算法的平均时耗比与平均精度。优选地，所述根据计算得到的耗时比和精度比、以及用户选择条件，确定 最优导航路径搜索的启发式算法及参数包括采用遗传规划算法，指定适应度和初始参数，对不同启发因子下启发式算 法的耗时比与精度进行符号回归，分别建立耗时比、精度与启发式因子之间的 函数关系；根据所述函数关系和用户选择条件，确定启发式策略与启发因子。 优选地，所述算法耗时和结果路径耗费与实际选取的路网相关。 优选地，所述方法还包括利用确定的最优导航路径搜索的启发式算法及参数进行导航路径查询。 一种多用户并发导航路径查询均衡控制装置，包括 抽样单元，用于采用系统抽样的方法，在路网中抽取车行道段对作为样本 车行道对；第 一计算单元,邻于计算样本车行道对间最优导航路径搜索的严密算法耗 时和结果路径耗费；第二计算单元，用于计算样本车行道对间最优导航路径搜索的不同启发式6算法耗时和结果路径耗费；比较单元，用于根据计算得到的严密算法耗时和结果路径耗费和不同启发 式算法耗时和结果路径耗费，计算不同启发式算法与严密算法的耗时比和精度比；确定单元，用于根据计算得到的耗时比和精度比、以及用户选择条件，确 定最优导航路径搜索的启发式算法及参数。优选地，所述比较单元包括耗时比计算子单元，用于以启发式算法与严密算法的^^时比￡作为衡量 启发式算法效率的度量因子，得到启发式算法的耗时比五为其 中，A是采用Dijkstra算法的耗时，^是启发式算法的耗时；精度计算子单元，用于以启发式算法与严密算法得到的路径耗费差的增量 百分比P作为启发式算法精度的度量因子，得到启发式算法的精度P为=(2-/2〃!)xl000/0,其中，^为采用Dijkstra算法计算得到 的结果路径耗费，/2是采用启发式算法得到的结果路径耗费；平均子单元，用于将所有样本对的启发式算法耗时比、精度比计算结果求 统计平均值，得出当前启发因子下该启发式算法的平均时耗比与平均精度。优选地，所述确定单元包括函数关系生成子单元，用于采用遗传规划算法，指定适应度和初始参数， 对不同启发因子下启发式算法的耗时比与精度进行符号回归，分别建立耗时 比、精度与启发式因子之间的函数关系；策略选择子单元，用于根据所述函数关系和用户选择条件，确定启发式策 略与启发因子。优选地，所述装置还包括查询单元，用于利用确定的最优最优导航路径搜索的启发式算法及参数进 4亍导航^各径查询。本发明与现有技术相比的优点在于本发明采用定量的方式，揭示启发式 算法效#^/精度与启发式因子之间的函数关系，在确定的道路网络，硬件环境， 在线用户数和精度、效率指标的情况下，精确计算满足要求的启发式因子的值， 最大程度地提高启发式算法的效率。
图1为本发明实施例多用户并发导航路径查询均衡控制方法的流程图；图2为本发明实施例中启发式策略自动化选择流程图；图3为本发明实施例多用户并发导航路径查询均衡控制装置的结构示意具体实施方式
为了使本技术领域的人员更好地理解本发明实施例的方案，下面结合附图 和实施方式对本发明实施例作进一步的详细说明。本发明实施例多用户并发导航路径查询均衡控制方法，针对现有技术缺乏 针对并发用户数的自适应调整的缺点，在存在多用户并发导航路径查询需求 时，自适应地控制路径查询算法的精度和效率之间的平衡，在精度可控的前提 下，最大限度地提升路径查询效率，缩短用户的等待时间。由于目前应用最为广泛也最有效的单源最优路径算法是各种形式的 Dijkstra算法和Pallottino算法，针对静态路网，各种形式的Dijkstra和Pallottino 算法是理论严密算法，计算结果精确，但时间复杂度基本达到极限，效率提高 余地很小。对于单用户的查询要求，理论严密算法无疑是第一选择。但随着在 线用户数的增加，釆用严密算法进行路径查询，无疑将使用户等待时间急剧增 长。因此，本发明实施例针对多用户并发的网络环境，釆用启发式策略进行 路径查询，以牺牲路径查询结果一定程度的理论严密性和精度为代价，获得算 法运行效率的极大提高。如图1所示，是本发明实施例多用户并发导航路径查询均衡控制方法的流 程图，包括以下步骤步骤IOI,采用系统抽样的方法，在路网中抽取车行道段对作为样本车行具体地，可以设定样本空间大小为"。对道路网络中所有车行道进行系统抽样，获取车行道对(A,B)作为样本，A作为路径搜索的起始车行道，B作抽取的车行道应满足(1) 作为起始的车行道，其出度应大于0;(2) 作为终止的车行道，其入度应大于O。步骤102,计算样本车行道对间最优导航路径搜索的严密算法耗时(即花 费的CPU时间)和结果路径耗费。比如，可以采用现有技术中各种形式的Dijkstra和Pallottino算法，下面以 经典Dijkstra算法为例进行说明，假设计算得到的各样本车行道对间进^^各径 搜索耗时为fj,结果路径耗费为/j， (1,")。步骤103,计算样本车行道对间最优导航路径搜索的不同启发式算法耗时 和结果路径耗费。对于不同的启发式算法，可以设定其采用的不同启发式因子的范围，分别 计算该启发式算法采用各启发式因子的值时，启发式算法的算法耗时和结果路 径耗费，具体计算过程可以包括以下步骤(1) 针对某种启发式算法，设置启发因子7T的范围。限制范围搜索时7TE(1, 10),八*算法时7^ (0, 1)。(2) 设定启发因子T的增长步长"对于每个^^。+fm-l户"计算样本空 间中各样本车行道对采用启发式算法所消耗的时间7]和结果路径耗费丄j， ye(1, w)。步骤104,根据计算得到的严密算法耗时和结果路径耗费和不同启发式算 法耗时和结果路径耗费，计算不同启发式算法与严密算法的耗时比和精度比。启发式算法的精度户为P = l — (/2 —/J" -P — ^Z/JxlOO0/) (l)其中，A为采用Dijkstra算法计算得到的最优路径耗费(如路径长度)，/2 是采用启发式算法得到的最优路径耗费。启发式算法的时耗比￡为￡ = (2)^是采用Dijkstra算法计算花费的CPU时间，b是启发式算法计算花费的 CPU时间。对于每种启发式算法，需要分别计算不同启发式因子下该启发式算法与严算样本空间中各样本车行道对采用启发式算法 的时耗比￡7 = 7; /~和尸乂 = (2 — Zj 〃》x 100% 。对于不同的启发因子rm,采用统计平均的方法，计算&=|>/", pm=tiy"。所得的五^ /^就是采用启发式因子^时，启发式算法"為时^^比和精隻比。步骤105,根据计算得到的耗时比和精度比、以及用户选择条件，确定最优导航路径搜索的启发式算法及参数。根据上述计算结果，可以获得一组离散的(t:， 值和(t:， P)值。将计 算所得的离散的(t, ￡)和(t:， i3)分别作为遗传算法的输入值进行符号回归， 步骤如下(1) 设置遗传规划算法的遗传算子和控制参数，定义遗传规划算法求解 的搜索空间和求解次数。(2) 执行遗传规划算法，获得满足精度要求的解。需要说明的是，在上述过程中，并不仅限于使用遗传规划算法，任何能进 行符号回归的方法均可代替遗传规划算法。遗传规划算法中的各项参数也可以调整。根据所求得的T-E和t-P的函数关系，即精度/效率均衡控制模型，选择合 适的启发式策略，具体步骤如下(1 )估算起点到终点使用经典Dijkstra算法计算使用的时间L具体实施 中使用的估算方法为，在步骤102中，在采用Dijkstra算法得到各样本对间严密的最优路径后，求得计算单位曼哈顿距离所需的耗时fman,计算起点到终点的曼哈顿距离/，则^u/。(2 )若f与当前在线用户数的乘积不大于设定的时间标准fs，则使用经典 Dijkstra算法进行计算，否则转入步骤(3)。(3) 计算预估计启发式因子r的值，步骤如下 (a)计算估计效率￡MP = 〃^ 。(b )根据函数关系，计算启发式因子i:的值Test。(4) 根据t—尸函数关系，计算预估计启发式算法精度尸est。若精度不满足 设定的精度要求，采用层次空间推理策略进行计算，否则采用八*算法(用户指定标准为距离最短)或限制范围搜索算法(用户指定标准为时间最短)。对于限制范围策略，当r〉rm时，尸=1, ^￡>1，说明T在大到一定值后，启发式算法得出的精度与严密算法相同，运用启发式算法反而会提高运算的时耗比。故需确定m的值，保留1〈^^的数据，其余舍去。对于八*算法，当0<7<4时，尸=1, ￡<1，说明r在一定范围内，启发式算 法得出的精度与严密算法相同，运用启发式算法会降低运算的时耗比；当7>&时，户<1, ￡<1，说明T大于某个值时，虽然启发式算法会减小算法的时库毛比，但精度也会下降。故需确定n的值，将^rn与卜2"n分开处理。本发明中遗传规划算法采用的参数如下:群体规模300终止符集1 23 5 7X迭代次数150选择方法精英选择法交换概率0.75函数符集+ - * / sin cos In exp sqrt突变概率0.1样本大小50*50适应度计算公式,=l/fl +柳下面进一步举例详细说明本发明实施例的实际应用过程。如图2所示，是本发明实施例中启发式策略自动化选择流程图，包括以下步骤201,获取用户选择条件； 步骤202，估算使用严密算法耗时；步骤203,判断严密算法耗时是否满足时间要求；如果是，则执行步骤204; 否则执行步骤205;步骤204,选择严密算法进行导浙J各径查询；步骤205,判断用户选择条件；如果用户选择条件为距离最短，则执行步 骤206;否则执行步骤207;步骤206,选择八*算法(一种启发式算法)；然后执行步骤208; 步骤207,选择限制范围算法(一种启发式算法)； 步骤208,根据T-五模型计算启发式因子T;ii步骤209,根据模型计算精度尸；步骤210,判断选用的算法是否满足精度要求；如果是，则执行步骤211; 否则，执行步骤214;步骤211,确定用户选择条件；如果用户选择条件为距离最短，则执行步 骤212;否则执行步骤213;步骤212,选择八*算法进行导航路径查询；然后执行步骤215;步骤213,选择限制范围算法进行导航路径查询；然后执行步骤215;步骤214,选择层次空间推理算法进行导航路径查询；步骤215,结束本次选择流程。上面提到的A+算法和限制算法均是一种启发式算法，需要说明的是，本 发明实施例中并不仅限于上述这两种启发式算法，可以采用现有技术中任何一 种启发式算法。而且，上述层次空间推理算法的具体实现也可以是现有^t支术中 采用的任何一种。可见，本发明实施例多用户并发导航路径查询均衡控制方法，适用于多用 户并发的网络环境下，自动控制导航路径查询效率和精度之间平衡，可才艮据道 路网络特征、时刻变化的并发用户数、服务器硬件环境、用户对路径查询结果 反馈的容忍时间和可接受的路径查询结果精度损失，自动选择启发式的路径查 询策略及其算法所需参数，在路径查询算法精度预先可控的前提下，最大程度 提高路径查询效率，满足并发用户的路径查询需求。该技术适用于地图网站系 统、公共出行信息平台和中心服务式的导航系统等应用系统，能够提高此类多 用户并发访问系统的稳定性，使之不会由于在线用户数的动态剧烈变化而产生 3各径查询的效率并瓦颈。需要说明的是，本发明实施例的方法适用于所有道路网络最优导航路径查 询启发式算法在多用户并发的网络环境下的应用方式选择过程，不只局限于具 体实施方式中所采用的三种最优路径查询启发式算法。是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可 读取存储介质中，所述的存储介质，如ROM/RAM、磁碟、光盘等。本发明实施例还提供一种多用户并发导航路径查询均衡控制装置，如图3所示，是该装置的一种结构示意图。 该装置包括抽样单元301,用于采用系统抽样的方法，在路网中抽取车行道段对作为样本车4于道对；第一计算单元302，用于计算样本车行道对间最优导航路径搜索的严密算 法耗时和结果路径耗费；第二计算单元303,用于计算样本车行道对间最优导航3各径搜索的不同启 发式算法耗时和结果路径耗费；比较单元304，用于根据计算得到的严密算法耗时和结果路径耗费和不同 启发式算法耗时和结果路径耗费，计算不同启发式算法与严密算法的耗时比和 精度比；确定单元305,用于根据计算得到的耗时比和精度比、以及用户选择条件， 确定最优导航路径搜索的启发式算法及参数。在本发明实施例中，所述比较单元304的一种优选结构包括耗时比计算 子单元、精度计算子单元和平均子单元(未图示)。其中所述耗时比计算子单元，用于以启发式算法与严密算法的耗时比五作为 衡量启发式算法效率的度量因子，得到启发式算法的库毛时比五为五二^/^， 其中，^是采用Dijkstra算法的耗时，6是启发式算法的耗时；所述精度计算子单元，用于以启发式算法与严密算法得到的路径耗费差的 增量百分比iM乍为启发式算法精度的度量因子，得到启发式算法的精度户为 (/广"〃i =(2-/2 〃0x100%,其中，/!为采用Dijkstra算法计算得到 的结果路径耗费，72是采用启发式算法得到的结果路径耗费；所述平均子单元，用于将所有样本对的启发式算法耗时比、精度比计算结 果求统计平均值，得出当前启发因子下该启发式算法的平均时耗比与平均精 度。所述确定单元305的一种优选结构包括函数关系生成子单元和策略选择 子单元(未图示)。其中 一 -所述函数关系生成子单元，用于采用遗传规划算法，指定适应度和初始参 数，对不同启发因子下启发式算法的耗时比与精度进行符号回归，分别建立耗时比、精度与启发式因子之间的函数关系；所述策略选择子单元，用于根据所述函数关系和用户选择条件，确定启发 式策略与启发因子。当然，本发明实施例中的所述比较单元304和所述确定单元305并不^义限 于上述这种结构，也可以有其他结构变形。在本发明实施例中，还可进一步包括查询单元(未图示)，用于利用确 定的最优最优导航路径搜索的启发式算法及参数进行导航路径查询。本发明实施例多用户并发导航路径查询均衡控制装置，利用样本统计和遗 传规划方法，定量计算路径查询中启发式算法效率精度与启发式因子的函数关 系，控制算法的运行效率和路径查询精度，使两者达到平衡。针对网络环境下 的导航路径查询需求，根据路网特征、并发用户数、服务器硬件环境、用户可 容忍的查询平均等待时间和精度损耗，确定是否采用启发式策略，采用何种启 发式策略及其参数设置。在精度可控的前提下，最大限度地提升路径查询过程 的效率。此过程自动化完成，无需人工干预。本发明实施例多用户并发导航路径查询均衡控制方法及装置，可以适用于 地图网站系统、公共出行信息平台和中心服务式的导航系统等应用系统，能够 提高此类网络系统的稳定性，使之不会由于并发用户数剧增而出现查询的效率 瓶颈。以上对本发明实施例进行了详细介绍，本文中应用了具体实施方式
对本发 明进行了阐述，以上实施例的说明只是用于帮助理解本发明的装置及方法；同 时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式
及应用 范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
权利要求
1、一种多用户并发导航路径查询均衡控制方法，其特征在于，包括采用系统抽样的方法，在路网中抽取车行道段对作为样本车行道对；计算样本车行道对间最优导航路径搜索的严密算法耗时和结果路径耗费；计算样本车行道对间最优导航路径搜索的不同启发式算法耗时和结果路径耗费；根据计算得到的严密算法耗时和结果路径耗费和不同启发式算法耗时和结果路径耗费，计算不同启发式算法与严密算法的耗时比和精度比；根据计算得到的耗时比和精度比、以及用户选择条件，确定最优导航路径搜索的启发式算法及参数。
2、 根据权利要求1所述的方法，其特征在于，所述计算不同启发式算法 与严密算法的耗时比和精度比包括以启发式算法与严密算法的耗时比五作为衡量启发式算法效率的度量因 子，得到启发式算法的耗时比五为￡ = ^2〃!，其中，^是釆用Dijkstm算法 的耗时，6是启发式算法的耗时；以启发式算法与严密算法得到的路径耗费差的增量百分比P作为启发式 算法精度的度量因子，得到启发式算法的精度尸为=(2-"//JxlOOo/o,其中，/!为采用Dijkstra算法计算得到 的结果路径耗费，/2是采用启发式算法得到的结果路径耗费；将所有样本对的启发式算法耗时比、精度比计算结果求统计平均值，得出 当前启发因子下该启发式算法的平均时耗比与平均精度。
3、 根据权利要求1所述的方法，其特征在于，所述根据计算得到的耗时 比和精度比、以及用户选择条件，确定最优导航路径搜索的启发式算法及参数 包括采用遗传规划算法，指定适应度和初始参数，对不同启发因子下启发式算 法的耗时比与精度进行符号回归，分别建立耗时比、精度与启发式因子之间的 函凄t关系；根据所述函数关系和用户选择条件，确定启发式策略与启发因子。
4、 根据权利要求1所述的方法，其特征在于，所述算法耗时和结果i 各径 耗费与实际选取的路网相关。
5、 根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括利用确定的最优导航路径搜索的启发式算法及参数进行导航路径查询。
6、 一种多用户并发导航路径查询均衡控制装置，其特征在于，包括 抽样单元，用于采用系统抽样的方法，在路网中抽取车行道段对作为样本车行道对；第一计算单元，用于计算样本车行道对间最优导航路径搜索的严密算法耗时和结果路径耗费；第二计算单元，用于计算样本车行道对间最优导航路径搜索的不同启发式 算法耗时和结果路径耗费；比较单元，用于根据计算得到的严密算法耗时和结果路径耗费和不同启发 式算法耗时和结果路径耗费，计算不同启发式算法与严密算法的耗时比和精度比；确定单元，用于根据计算得到的耗时比和精度比、以及用户选择条件，确 定最优导航路径搜索的启发式算法及参数。
7、 根据权利要求6所述的装置，其特征在于，所述比较单元包括 耗时比计算子单元，用于以启发式算法与严密算法的耗时比￡作为衡量启发式算法效率的度量因子，得到启发式算法的耗时比五为五二^〃p其 中，^是采用Dijkstra算法的耗时，^是启发式算法的耗时；精度计算子单元，用于以启发式算法与严密算法得到的路径耗费差的增量百分比P作为启发式算法精度的度量因子，得到启发式算法的精度P为 P = l —(/2—A)〃i =(2 —/2〃i)xl000/0,其中，/!为采用Dijkstra算法计算得到 的结果路径耗费，/2是釆用启发式算法得到的结果路径耗费；平均子单元，用于将所有样本对的启发式算法耗时比、精度比计算结果求 统计平均值，得出当前启发因子下该启发式算法的平均时耗比与平均精度。
8、 根据权利要求6所述的装置，其特征在于，所述确定单元包括 函数关系生成子单元，用于釆用遗传规划算法，指定适应度和初始参数，对不同启发因子下启发式算法的耗时比与精度进行符号回归，分别建立耗时 比、精度与启发式因子之间的函数关系；策略选择子单元，用于根据所述函数关系和用户选择条件，确定启发式策 略与启发因子。
9、根据权利要求6至8任一项所述的装置，其特征在于，所述装置还包括查询单元，用于利用确定的最优最优导航路径搜索的启发式算法及参数进 4亍导航路径查询。
全文摘要
本发明公开了一种多用户并发导航路径查询均衡控制方法及装置，所述方法包括在路网中抽取车行道段对作为样本车行道对；计算样本车行道对间最优导航路径搜索的严密算法耗时和结果路径耗费；计算样本车行道对间最优导航路径搜索的不同启发式算法耗时和结果路径耗费；根据计算得到的严密算法耗时和结果路径耗费和不同启发式算法耗时和结果路径耗费，计算不同启发式算法与严密算法的耗时比和精度比；根据计算得到的耗时比和精度比、以及用户选择条件，确定最优导航路径搜索的启发式算法及参数。利用本发明，可以自适应地控制路径查询算法的精度和效率之间的平衡，在精度可控的前提下，最大限度地提升路径查询效率，缩短用户的等待时间。
文档编号G01C21/34GK101603836SQ20091008885
公开日2009年12月16日 申请日期2009年7月21日 优先权日2009年7月21日
发明者亮 周, 锋 陆 申请人:中国科学院地理科学与资源研究所