《路径规划的方法及系统.pdf》由会员分享，可在线阅读，更多相关《路径规划的方法及系统.pdf（13页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103837154 A (43)申请公布日 2014.06.04 CN 103837154 A (21)申请号 201410095411.3 (22)申请日 2014.03.14 G01C 21/34(2006.01) G06F 17/30(2006.01) (71)申请人 北京工商大学 地址 100048 北京市海淀区阜成路 11 号 (72)发明人 蔡强 程白羽 毛典辉 刘亚奇 李楠 (74)专利代理机构 北京泛华伟业知识产权代理 有限公司 11280 代理人 王勇 (54) 发明名称 路径规划的方法及系统 (57) 摘要 本发明提供一种用于城市道路交通网络中路 。
2、径规划的方法， 该方法首先基于给定的路网密度 将由起点和终点确定的待搜索的区域划分为多 个子区域 ； 接着将多个子区域映射成一维的离散 点， 并基于所述离散点形成 Voronoi 图 ； 然后， 基 于 Voronoi 图确定各子区域间的邻接关系并判断 邻接的子区域之间的连通性 ； 以及基于所选出的 互相邻接且连通的子区域的集合构建新的道路网 络， 并在所构建的新的道路网络中搜索起点与终 点之间的最优路径。该方法不仅降低了路网拓扑 结构的构建时间， 而且缩小路径的搜索范围和搜 索时间， 提高了搜索效率。 (51)Int.Cl. 权利要求书 2 页 说明书 6 页 附图 4 页 (19)中华人民。
3、共和国国家知识产权局 (12)发明专利申请 权利要求书2页 说明书6页 附图4页 (10)申请公布号 CN 103837154 A CN 103837154 A 1/2 页 2 1. 一种路径规划的方法， 所述方法包括 ： 步骤 1， 根据起点和终点确定待搜索的区域 ； 步骤 2， 基于给定的路网密度将该区域划分为多个子区域， 其中每个子区域的路网密度 不大于该给定的路网密度 ； 步骤 3， 经划分后得到的多个子区域映射成一维的离散点， 并基于所述离散点形成 Voronoi 图 ； 步骤 4， 基于 Voronoi 图确定各子区域间的邻接关系并判断邻接的子区域之间的连通 性 ； 步骤 5， 从。
4、所述多个子区域中选出互相邻接且连通的子区域 ； 步骤 6， 所选出的子区域的集合构建新的道路网络， 并在所构建的新的道路网络中搜索 起点与终点之间的最优路径。 2.根据权利要求1所述的方法， 在所述步骤1中， 待搜索的区域是以起点和终点为对角 线的矩形区域。 3.根据权利要求1所述的方法， 在所述步骤1中， 待搜索的区域是以起点和终点为对角 线的矩形为基础， 上下左右各扩展相同的长度得到的矩形区域。 4.根据权利要求1所述的方法， 在所述步骤1中， 待搜索的区域是以起点和终点为对角 线的矩形为基础而扩展的正方形区域， 该正方形区域的边长为该矩形的边中较长的边的边 长。 5.根据权利要求2所述的。
5、方法， 在所述步骤2中， 任一区域的路网密度为该区域内道路 总长度与该区域的空间面积的比值。 6. 根据权利要求 4 所述的方法， 所述步骤 2 包括 ： 如果该待搜索区域的路网密度大于所设定的路网密度， 则将该待搜索的区域均分为22n 个子区域， 其中 n 为大于或等于 1 的自然数 ； 如果某个子区域内路网密度仍大于所设定的路网密度， 则将该子区域划分为 22n个子 区域 ； 重复上述过程， 直到每个子区域的路网密度都小于或等于所设定的路网密度为止。 7. 根据权利要求 1 所述的方法， 所述步骤 3 中将每个子区域映射到该子区域的中心点 上， 以该中心点来代表该子区域。 8. 根据权利要。
6、求 1 所述的方法， 所述步骤 4 包括 ： 步骤41)判断Voronoi图中任两个点之间， 是否直接有边相连接， 如果两个点有边直接 相连， 则确定这两个点对应的子区域之间存在邻接关系 ； 步骤 42） 对于任意两个存在邻接关系的子区域， 判断这两个子区域对应的路网部分是 否有道路相连， 如果有， 则确定这两个子区域是连通的。 9. 根据权利要求 1 所述的方法， 所述步骤 5 还包括从所选出的互相邻接且连通的子区 域的集合中选择从起点所在子区域到终点所在子区域经过最优路径子区域集合， 该最优路 径子区域集合为最有可能包含最优路径的子区域集合。 10. 根据权利要求 9 所述的方法， 在选择。
7、最优路径子区域集合时遵循这样的原则 ： 经过 的区域最少， 且在区域数相同的情况下， 选择区域内结点数较少的那个区域。 11.根据权利要求9所述的方法， 所述步骤6中基于最优路径子区域集合构建新的道路 网络， 并且在所构建的新的道路网络中搜索起点与终点之间的最优路径。 权 利 要 求 书 CN 103837154 A 2 2/2 页 3 12. 一种路径规划的系统， 所述系统包括 ： 用于根据起点和终点确定待搜索的区域的装置 ； 用于基于给定的路网密度将该区域划分为多个子区域的装置， 其中每个子区域的路网 密度不大于该给定的路网密度 ； 用于经划分后得到的多个子区域映射成一维的离散点， 并基于。
8、所述离散点形成 Voronoi 图的装置 ； 用于基于 Voronoi 图确定各子区域间的邻接关系并判断邻接的子区域之间的连通性 的装置 ； 用于从所述多个子区域中选出互相邻接且连通的子区域的装置 ； 用于所选出的子区域的集合构建新的道路网络， 并在所构建的新的道路网络中搜索起 点与终点之间的最优路径的装置。 权 利 要 求 书 CN 103837154 A 3 1/6 页 4 路径规划的方法及系统 技术领域 0001 本发明属于智能道路交通领域， 尤其涉及智能交通中的路径规划的方法。 背景技术 0002 路径规划是智能交通中最基本的应用， 即在城市道路交通网络中为出行者选取从 当前点到目标点。
9、的最短路径作为出行路线。城市道路交通网络 （可简称为路网） 通常是用带 权值的无向图来表示的。 其中， 路网中的路口被视为无向图的顶点， 路网中的路径为无向图 中的边。求解图中最短路径的经典方法有 Dijkstra， Folyd， A* 等方法。但是这些经典的最 短路径算法在处理大规模路网问题时普遍存在计算复杂度过高、 存储消耗过大等问题。 0003 中国专利申请 （201110260870.9） 中提供了一种路径快速规划方法。该方法将道 路网络按道路等级建立空间分层再进行最短路径算法。 该方法存在的问题是随着构造的网 络层数越多， 预处理所需的时间消耗和存储空间也越多， 并没有解决大规模路网。
10、问题。 0004 中国专利申请 （201110127113.4） 提出了另一种解决方案， 其利用由路网和目标节 点集合共同决定的 Voronoi 图进行预计算， 在道路网络中进行最近邻居节点查询。该方 案对于低密度对象查询时间响应快且精确率高， 但对于高密度对象的处理效率显著下降 , 并且需要执行多次查询来查询某物体的 k 近邻。 发明内容 0005 因此， 本发明的目的在于克服上述现有技术的缺陷， 提供一种新的城市道路交通 网络中的路径规划方法。 0006 本发明的目的是通过以下技术方案实现的 ： 0007 一方面， 本发明提供了一种路径规划的方法， 所述方法包括 ： 0008 步骤 1， 。
11、根据起点和终点确定待搜索的区域 ； 0009 步骤 2， 基于给定的路网密度将该区域划分为多个子区域， 其中每个子区域的路网 密度不大于该给定的路网密度 ； 0010 步骤 3， 经划分后得到的多个子区域映射成一维的离散点， 并基于所述离散点形成 Voronoi 图 ； 0011 步骤 4， 基于 Voronoi 图确定各子区域间的邻接关系并判断邻接的子区域之间的 连通性 ； 0012 步骤 5， 从所述多个子区域中选出互相邻接且连通的子区域 ； 0013 步骤 6， 所选出的子区域的集合构建新的道路网络， 并在所构建的新的道路网络中 搜索起点与终点之间的最优路径。 0014 在上述方法中， 。
12、所述步骤 1 中待搜索的区域可以是以起点和终点为对角线的矩形 区域。 0015 在上述方法中， 所述步骤 1 中待搜索的区域可以是以起点和终点为对角线的矩形 为基础， 上下左右各扩展相同的长度得到的矩形区域。 说 明 书 CN 103837154 A 4 2/6 页 5 0016 在上述方法中， 所述步骤 1 中待搜索的区域可以是以起点和终点为对角线的矩形 为基础而扩展的正方形区域， 该正方形区域的边长为该矩形的边中较长的边的边长。 0017 在上述方法中， 所述步骤 2 中任一区域的路网密度可以为该区域内道路总长度与 该区域的空间面积的比值。 0018 在上述方法中， 所述步骤 2 可以包括。
13、 ： 0019 如果该待搜索区域的路网密度大于所设定的路网密度， 则将该待搜索的区域均分 为 22n个子区域， 其中 n 为大于或等于 1 的自然数 ； 0020 如果某个子区域内路网密度仍大于所设定的路网密度， 则将该子区域划分为 22n 个子区域 ； 重复上述过程， 直到每个子区域的路网密度都小于或等于所设定的路网密度为 止。 0021 在上述方法中， 所述步骤 3 中可以将每个子区域映射到该子区域的中心点上， 以 该中心点来代表该子区域。 0022 在上述方法中， 所述步骤 4 可以包括 ： 0023 步骤41)判断Voronoi图中任两个点之间， 是否直接有边相连接， 如果两个点有边 。
14、直接相连， 则确定这两个点对应的子区域之间存在邻接关系 ； 0024 步骤 42） 对于任意两个存在邻接关系的子区域， 判断这两个子区域对应的路网部 分是否有道路相连， 如果有， 则确定这两个子区域是连通的。 0025 在上述方法中， 所述步骤 5 还可以包括从所选出的互相邻接且连通的子区域的集 合中选择从起点所在子区域到终点所在子区域经过最优路径子区域集合， 该最优路径子区 域集合为最有可能包含最优路径的子区域集合。 0026 在上述方法中， 在选择最优路径子区域集合时可以遵循这样的原则 ： 经过的区域 最少， 且在区域数相同的情况下， 选择区域内结点数较少的那个区域。 0027 在上述方法。
15、中， 所述步骤 6 中可以基于最优路径子区域集合构建新的道路网络， 并且在所构建的新的道路网络中搜索起点与终点之间的最优路径。 0028 又一方面， 本发明提供了一种路径规划的系统， 包括 ： 0029 用于根据起点和终点确定待搜索的区域的装置 ； 0030 用于基于给定的路网密度将该区域划分为多个子区域的装置， 其中每个子区域的 路网密度不大于该给定的路网密度 ； 0031 用于经划分后得到的多个子区域映射成一维的离散点， 并基于所述离散点形成 Voronoi 图的装置 ； 0032 用于基于 Voronoi 图确定各子区域间的邻接关系并判断邻接的子区域之间的连 通性的装置 ； 0033 用。
16、于从所述多个子区域中选出互相邻接且连通的子区域的装置 ； 0034 用于所选出的子区域的集合构建新的道路网络， 并在所构建的新的道路网络中搜 索起点与终点之间的最优路径的装置。 0035 与现有技术相比， 本发明的优点在于 ： 0036 针对复杂路网， 从缩小算法的搜索空间和存储空间的角度出发， 利用 Voronoi 图 的立即邻近性质对搜索空间进行划分， 将搜索的范围限制在与该目标具有邻近关系的目标 集合中， 不仅降低路网拓扑结构的构建时间， 而且缩小路径的搜索范围， 减少了存储空间， 说 明 书 CN 103837154 A 5 3/6 页 6 提高了搜索效率。 附图说明 0037 以下参。
17、照附图对本发明实施例作进一步说明， 其中 ： 0038 图 1 为 Voronoi 图的邻接关系示意图 ； 0039 图 2 为根据本发明实施例的路径规划的方法的流程示意图 ； 0040 图 3 为根据本发明实施例对待搜索区域进行空间划分的示意图 ； 0041 图 4 为根据本发明实施例将经划分后的子区域映射为离散点的示意图 ； 0042 图 5 为根据本发明实施例基于所映射的点构造的 Voronoi 图及邻接关系示意图 ； 0043 图 6 为传统算法的搜索范围示意图 ； 0044 图 7 为根据本发明一个实施例的路径规划的方法的搜索范围示意图。 具体实施方式 0045 为了使本发明的目的，。
18、 技术方案及优点更加清楚明白， 以下结合附图通过具体实 施例对本发明进一步详细说明。 应当理解， 此处所描述的具体实施例仅仅用以解释本发明， 并不用于限定本发明。 0046 为了更好地理解本发明的内容， 首先对 Voronoi 图进行简单介绍 ： 0047 Voronoi 图是由一组由连接两邻点直线的垂直平分线组成的连续多边形组成。平 面上N个有区别的点， 按照最邻近原则划分该平面 ； 每个点与它的最近邻区域相关联。 简单 而言， 例如， 对于平面中两个点 A、 B， 距离 A 点比距离 B 点近的点的区域是由 A、 B 的垂直平 分线确定的包含 A 的那半个平面， 可记为 V(A)， 即 A。
19、 点的最近区域。如果点集是由 N 个点组 成， 按照连接两邻点直线的垂直平分线进行划分， 距离点 pi比距离其它点更近的点的区域 是包含pi的那N-1个半平面的交集。 其中这N-1个半平面是由pi点与其它点的垂直平分线 确定的， 而该N-1个半平面的交集为该pi点的最近区域V(i)。 V(i)实际上是由一些垂直平 分线段构成的多边形。采用这些的划分方式得到每个点的最近区域， 就形成的 Voronoi 图， 它将整个平面分成 N 个区域， 每个区域中包含一个点， 这个区域就是这个点的区域， 其中的 线段或射线称为Voronoi边， 它一定是两个点的中垂线的一段， 这两个点称为该Voronoi边 。
20、的相关点， Voronoi 边之间的交点称为 Voronoi 顶点， Voronoi 边的相关点也是 Voronoi 顶 点的相关点。此外， 如果点 (x,y) V(i)， 则 pi是点 (x,y) 的相关点。 0048 更形式化地， Voronoi 图的定义如下， 设 P 是一离散点集合2 n 且 pi pj， i j,i,j In1,n ； 0049 VP(pi) p|d(p,pi) d(p,pj)， j i,j In。其中 ,R2代表二维空间， 例如， 一个平面， d(p,pi) 为点 p 和点 pi之间的欧几里德距离， VP(pi) 称为关联于 pi的 Voronoi 多 边形或 pi。
21、的 Voronoi 多边形。VD(P) VP(pi),VP(pn) 表示基于离散点集合 P 生成的 Voronoi 图， 该集合中的各个点可称为生长点。 0050 图 1 给出了 Voronoi 图的邻接关系示意图， 其中， 假设生长点 pi的 Voronoi 多边 形为 VP(pi)， 生长点 pj的 Voronoi 多边形为 VP(pj)， 若 VP(pi) 与 VP(pj) 存在公共 Voronoi 边， 则称点 pi与点 pj立即邻近。若用 P p1,p2,pn 的 Delaunay 三角网格来说， 就是 说 明 书 CN 103837154 A 6 4/6 页 7 有一条 Delau。
22、nay 边连接点 pi与点 pj， ， Delaunay 三角形是由与相邻 Voronoi 多边形共享一 条边的相关点连接而成的三角形。 0051 在城市路网中搜索最优路径， 影响其搜索速度的因素主要有两个 ：（1） 构建路网 拓扑结构的时间 ；（2） 路径搜索的时间。其中， 构建路网拓扑结构是求解最优路径的先决 条件， 在电子地图上计算任意两点之间的最短路径， 首先要建立电子地图上道路对应的拓 扑结构图。路网的拓扑结构可表示为有向图 G (S,E)， 其中 S si|i 1,n， E eij|i,j 1,n-1， 路网共有 n 个结点， 路网中的结点可包括以下几种类型的点 ： 路网 中的交叉。
23、口 ； 道路的端点 ； 道路属性发生变化的点 ； 如在路段的某点处道路宽度明显 减小， 由单向四条车道变成单向两条车道， 使得道路上该方向上的通行能力有了很大的变 化， 该变化直接影响到车辆在该路段上的行驶时间， 在这种情况下， 应该把这个点作为一个 结点。可能进行转向操作的点。其中， si表示路网的第 i 个结点的标识， 根据结点粒度的 不同包含一个或多个邻近路口 ;eij表示路网中与结点 si和 sj关联的道路标识。特别地 , 当结点粒度最小时， 定义路网 G V,E， 其中 V vi|i 1,n 表示各个路口结点， 是 集合 S 的特例。通常可利用一个二维邻接矩阵来存储拓扑结构图， 其时。
24、间复杂度为 O(n2)， 拓扑结构图的规模大小对最短路径计算复杂性影响非常大。 建立整个路网的拓扑结构图是 一件非常复杂而且耗时的事情。 0052 发明人通过大量的实验分析发现， 在求解最短路径过程中路网中的许多路径是不 需要考虑的， 两点之间的最短路径大部分情况下包含在以这两点为对角线的矩形区域中。 如果能动态产生分析中需要的路径则可以节省运算的空间和时间。 0053 图 2 给出了根据本发明一个实施例的路径规划的方法的流程示意图。该方法包 括 ： 步骤 1， 根据起点和终点确定待搜索的区域 ； 步骤 2， 基于设定的路网密度将该区域划 分为多个子区域， 其中每个子区域的路网密度不大于该设定。
25、的路网密度 ； 步骤 3， 经划分后 得到的多个子区域映射成一维的离散点， 并基于所述离散点形成 Voronoi 图 ； 步骤 4， 基于 Voronoi 图确定各子区域间的邻接关系 ； 步骤 5， 判断邻接的子区域之间的连通性 ； 步骤 6， 从所述多个子区域中选出互相邻接且连通的子区域的集合， 并基于该集合构建新的道路网 络 ； 步骤 7， 在所构建的新的道路网络中搜索起点与终点之间的最优路径。 0054 更具体地， 在步骤 1， 根据起点和终点确定待搜索的区域。在一个实施例中， 所述 待搜索的区域可以是以所选择的起点与终点为对角线的矩形区域。在又一个实施例中， 为 了避免最短路径出现在这。
26、个矩形区域之外的少数情况， 可通过一个调整参数 alpha， 以原矩 形区域为基础， 上下左右各扩展 alpha 个单位， 生成扩展的矩形， 在该扩展的矩形区域内搜 索最短路径。通过合理地选择 alpha 值构建矩形区域， 缩小路径搜索的范围， 能有效地降低 拓扑结构的规模， 提高最短路径计算速度。 在又一个实施例中， 也可以把该矩形扩展为正方 形， 所扩展的正方形的边长为该矩形的边中边长较长的边， 这样做更有利于下文将要讨论 的路网空间划分。 0055 在步骤 2， 基于设定的路网密度对所确定的待搜索区域进行划分。其中， 路网密度 描述一个复杂路网空间中道路密集程度。假设 C 为路网拓扑图 。
27、G 的一个子区域， S 为 C 的空 间面积， L为C区域内道路总长度， 则区域C的路网密度为L/S。 如果该待搜索区域的路网密 度大于所设定的路网密度， 则将该待搜索的区域均分为 m 个子区域 ； 如果每个子区域的实 际路网密度仍然大于所设定的路网密度， 则继续对该子区域进行迭代划分， 直到每个子区 说 明 书 CN 103837154 A 7 5/6 页 8 域的路网密度都小于或等于所设定的路网密度为止。图 3 给出了对待搜索区域进行划分的 示意图。如图 3 所示， 假设待搜索的区域被扩展为正方形区域， 将整个正方形区域代表的空 间划分为 22n个子区域 （其中， n 为大于或等于 1 的。
28、自然数， ） 。这里取 n=1， 即将正方形区域 划分为 4 个子区域。如果某个子区域内实际路网密度仍大于所设定的路网密度， 则对该子 区域继续迭代划分 （即将该子区域继续划分为 4 个子区域） ， 直到每个子区域都不满足划分 条件为止。经过划分后， 该待搜索的区域可表示为多个子区域的集合， 记为 Rec=（C1,C2, Ci） , 其中 Ci表示经划分后的第 i 个子区域。从图 3 可以看出， 经划分后得到的多个二维 子区域的大小并非均匀的。 在完成划分后， 每个子区域内的道路总长度都基本一致， 子区域 面积越大， 说明该子区域内道路越稀疏， 拥堵的可能性就越小 ； 反之， 则说明子区域内的。
29、道 路密集， 交点可能就多， 发生拥堵的可能性就大。 0056 步骤 3， 经划分后得到的多个子区域映射成一维的离散点， 并基于所述离散点形成 Voronoi 图。例如， 可以将每个子区域映射到该子区域的中心点上， 以该中心点来代表该子 区域。图 4 给出了根据本发明一个实施例的对经划分后的子区域进行映射的示意图。如图 4 所示， 选取的是各子区域对应的正方形区域的中心点作为映射点， 从而得到了该待搜索的 区域对应的一系列离散点， 完成了对该区域的降维处理。 又例如， 如果每个子区域对应的是 矩形区域， 则可以取对角线的交点作为映射点。以上取映射点的方式仅为举例说明而非进 行任何限制。 005。
30、7 步骤 4， 基于 Voronoi 图确定各子区域间的邻接关系。 0058 图 5 给出了根据本发明一个实施例的基于所映射的点构造的 Voronoi 图及邻接 关系示意图。如图 5 所示， 将待搜索的区域划分成 16 个子区域， 然后以每个区域的中心点 作为区域映射点， 对所得到的映射点的集合做 Voronoi 剖分 （如图 5 左边部分所示） 。由该 Voronoi 图就可以得到各映射点之间的邻接关系 （如图 5 右边部分所示） ， 从而构建出各子 区域之间的邻接关系。如图 5 右边部分所示， 当两个点立即邻近， 即这两个点之间有边直接 连接时， 这两个点对应的子区域之间也为邻接关系。邻接。
31、区域指两个区域有公共边。通过 该 Voronoi 图可查找出每个子区域的邻接区域。 0059 步骤5， 判断各邻接子区域之间的连通性。 两个区域连通指的是这两个区域间有道 路相连。 求最短路径首先必须保证路网是连通的， 所以在得到子区域间的邻接关系之后， 还 得判断子区域间的连通性。在一个实施例中， 判断区域 i 与区域 j 之间连通性的基本过程 可以是 ： 分别获取子区域 i 和子区域 j 对应的路网中的线图元集合 U1和 U2， 其中线图元指 路网中的一个道路段， 再判断两个线图元集合有无交集， 即 ： 0060 若 U1 U2 ， 说明子区域 i 与子区域 j 连通 ； 0061 若 U。
32、1 U2 ， 说明子区域 i 与子区域 j 不连通 ； 0062 步骤6， 从所述多个子区域中选出互相邻接且连通的子区域的集合。 实际上就是进 一步对待搜索区域进行剪枝处理。例如若子区域 i 与子区域 j 相邻接， 但是两个区域之间 不连通， 那么就在区域 i 的邻接区域中将子区域 j 删除， 在区域 j 的邻接区域中将子区域 i 删除。这样， 最终得到了由从这所述多个子区域中选出的互相邻接且连通的子区域构成的 集合。 在步骤7， 基于经步骤6得到的该互相邻接且连通的子区域的集合中包含的各个子区 域对应的路网部分可以构建出新的道路网络。然后， 在所构建的新的道路网络中搜索起点 与终点之间的最优。
33、路径。 说 明 书 CN 103837154 A 8 6/6 页 9 0063 该方法利用 Voronoi 图的立即邻近性质结合空间进行划分， 利用 Voronoi 的空间 邻接关系表达各区域对象之间的拓扑关系。如果两个空间目标的 Voronoi 图不邻接， 那么 这两个空间目标必然是分离的， 因此通过 Voronoi 图查找每个区域的邻接区域， 在进行空 间搜索时， 搜索的范围被限制在与该目标具有邻近关系的目标集合中， 不仅可降低路网拓 扑结构的构建时间， 而且可缩小路径的搜索范围、 降低在路网中进行路径搜索的时间以及 减少存储空间， 从而可提高搜索效率。 0064 在本发明的一个优选的实施。
34、例中， 为进一步缩小搜索范围， 在步骤 6 从所述多个 子区域中选出互相邻接且连通的子区域的集合之后， 选择从起点所在子区域到终点所在子 区域经过最优路径子区域集合。 该步骤的目的是从子区域层次上进一步选出可能包含最短 路径的子区域集合， 即最优路径子区域集。 如上文所提到的， 在将待搜索区域进行空间划分 后， 每个子区间内的道路总长度都基本一致， 区域面积越大， 说明该区域内道路越稀疏， 拥 堵的可能性就越小 ； 反之， 则说明区域内的道路密集， 交点可能就多， 发生拥堵的可能性就 大。因此， 搜索最优路径区域集可以遵循这样的原则 ： 经过的区域最少， 且在区域数相同的 情况下， 选择区域内。
35、结点数较少的那个区域。 这样， 可以进一步缩小在求解最优路径时的搜 索范围。 0065 在得到最优路径子区域集合之后， 在步骤 7， 可基于所得到的最优路径子区域集合 构建新的道路网络， 并且在所构建的新的道路网络中搜索起点与终点之间的最优路径。实 际上就是从原路网中提取该最优路径子区域集对应的网络， 在该网路上， 可以利用现有的 求最短路径的方法 （例如， 经典 Dijkstra 算法） 进行路径规划， 计算出起点到终点之间的最 优路径。 0066 图 6 中的矩形框表示直接使用 Dijkstra 算法的搜索范围。而图 7 给出了根据上 文所讨论的路径规划方法 （也可以称为基于Voronoi。
36、图的层次邻近搜索算法） 的搜索范围的 示例， 该搜索范围为图 7 中在大的矩形框中间部分由各个小方形区域组成的集合。可见， 本 发明实施例中提供的方法可以显著地减小搜索范围。而且， 基于该缩小的搜索范围构建路 网拓扑结构， 可以明显降低构建路网拓扑结构的时间和路径搜索的时间， 所以本发明的时 间复杂度远小于传统的算法。此外， 在本发明的实施例中， 利用 Voronoi 结构的空间邻接关 系， 可以只存储每个结点的邻近结点的信息， 过滤了许多在生成最短路径过程中不需要考 虑的信息， 使得存储空间减小了很多。 0067 在本发明的又一个实施例中， 还提供了一种用于城市道路交通网络中路径规划的 系统。
37、， 所述系统包括 ： 用于根据起点和终点确定待搜索的区域的装置 ； 用于基于给定的路 网密度将该区域划分为多个子区域的装置， 其中每个子区域的路网密度不大于该给定的 路网密度 ； 用于经划分后得到的多个子区域映射成一维的离散点， 并基于所述离散点形成 Voronoi 图的装置 ； 用于基于 Voronoi 图确定各子区域间的邻接关系并判断邻接的子区域 之间的连通性的装置 ； 用于从所述多个子区域中选出互相邻接且连通的子区域的装置 ； 以 及用于所选出的子区域的集合构建新的道路网络， 并在所构建的新的道路网络中搜索起点 与终点之间的最优路径的装置。 0068 虽然本发明已经通过优选实施例进行了描述， 然而本发明并非局限于这里所描述 的实施例， 在不脱离本发明范围的情况下还包括所作出的各种改变以及变化。 说 明 书 CN 103837154 A 9 1/4 页 10 图 1 图 2 图 3 说 明 书 附 图 CN 103837154 A 10 2/4 页 11 图 4 图 5 说 明 书 附 图 CN 103837154 A 11 3/4 页 12 图 6 说 明 书 附 图 CN 103837154 A 12 4/4 页 13 图 7 说 明 书 附 图 CN 103837154 A 13 。