A Novel Vector-Based Dynamic Path Planning Method in Urban Road Network
A Novel Vector-Based Dynamic Path Planning Method in Urban Road Network
复制标题
一种新型的基于矢量的城市路网动态路径规划方法
DOI：
10.1109/access.2019.2962392
复制
发表时间：
2020
期刊：
影响因子：
3.9
通讯作者：
Ding Zhiming
中科院分区：
文献类型：
--
作者：
Cai Zhi;Cui Xuerui;Su Xing;Mi Qing;Guo Limin;Ding Zhiming
最优路径规划是智能交通和地理信息系统的研究热点之一。在路径规划和导航方面已经有了许多成果和应用，但由于城市道路网络的复杂性，交通预测的难度也随之增加。最优路径不仅意味着地理上的最短距离，还意味着时间最短、成本最低、道路通行能力最大等，在快节奏的现代城市中，人们往往会以最短的时间到达目的地。相应的路径被认为是最佳路径。但是，由于GPS设备的高数据感测速度，收集或描述真实的交通流是不同的。为了解决这个问题，本文提出了一种创新的路径规划方法。特别地，我们首先介绍了一个十字路口链路分析算法来计算十字路口的实时交通状况（即<inline-formula><tex-math notation="LaTeX">$CrossRank$</tex-math></inline-formula>值）。然后，我们采用了<inline-formula><tex-math notation="LaTeX">$CrossRank$</tex-math></inline-formula>值为基础的<inline-formula><tex-math notation="LaTeX">$A$</tex-math></inline-formula>-<inline-formula><tex-math notation="LaTeX">$星星$的</tex-math></inline-formula>路径规划，考虑到实时的交通状况。为了避免<inline-formula><tex-math notation="LaTeX">$CrossRank$</tex-math></inline-formula>值的大量更新，提出了一种<inline-formula><tex-math notation="LaTeX">$R$</tex-math></inline-formula>-<inline-formula><tex-math notation="LaTeX">$Tree$</tex-math></inline-formula>结构来动态更新来自多级子区域的本地<inline-formula><tex-math notation="LaTeX">$CrossRank$</tex-math></inline-formula>值。在优化过程中，为了达到理想的导航效果，我们建立了交通拥挤系数来反映不同的交通拥挤状况。为了验证所提方法的有效性，我们使用北京市的实际交通数据。实验结果表明，我们的方法是能够产生适当的路径规划在高峰和低动态交通条件相比，在线应用程序。
The optimal path planning is one of the hot spots in the research of intelligence transportation and geographic information systems. There are many productions and applications in path planning and navigation, however due to the complexity of urban road networks, the difficulty of the traffic prediction increases. The optimal path means not only the shortest distance in geography, but also the shortest time, the lowest cost, the maximum road capacity, etc. In fast-paced modern cities, people tend to reach the destination with the shortest time. The corresponding paths are considered as the optimal paths. However, due to the high data sensing speed of GPS devices, it is different to collect or describe real traffic flows. To address this problem, we propose an innovative path planning method in this paper. Specially, we first introduce a crossroad link analysis algorithm to calculate the real-time traffic conditions of crossroads (i.e. the <inline-formula> <tex-math notation="LaTeX">$CrossRank$ </tex-math></inline-formula> values). Then, we adopt a <inline-formula> <tex-math notation="LaTeX">$CrossRank$ </tex-math></inline-formula> value based <inline-formula> <tex-math notation="LaTeX">$A$ </tex-math></inline-formula>-<inline-formula> <tex-math notation="LaTeX">$Star$ </tex-math></inline-formula> for the path planning by considering the real-time traffic conditions. To avoid the high volume update of <inline-formula> <tex-math notation="LaTeX">$CrossRank$ </tex-math></inline-formula> values, a <inline-formula> <tex-math notation="LaTeX">$R$ </tex-math></inline-formula>-<inline-formula> <tex-math notation="LaTeX">$Tree$ </tex-math></inline-formula> structure is proposed to dynamically update local <inline-formula> <tex-math notation="LaTeX">$CrossRank$ </tex-math></inline-formula> values from the multi-level subareas. In the optimization process, to achieve desired navigation results, we establish the traffic congestion coefficient to reflect different traffic congestion conditions. To verify the effectiveness of the proposed method, we use the actual traffic data of Beijing. The experimental results show that our method is able to generate the appropriate path plan in the peak and low dynamic traffic conditions as compared to online applications.
登录
查看更多内容
DOI：
10.1109/robot.2002.1013426
发表时间：
2002-08
期刊：
Proceedings 2002 IEEE International Conference on Robotics and Automation (Cat. No.02CH37292)
影响因子：
--
作者：
C. Luo;Simon X. Yang;D. Stacey;J. Jofriet
通讯作者：
C. Luo;Simon X. Yang;D. Stacey;J. Jofriet
DOI：
10.1007/978-3-642-33090-2_16
发表时间：
2012-09
期刊：
--
影响因子：
--
作者：
G. V. Batz;P. Sanders
通讯作者：
G. V. Batz;P. Sanders
DOI：
10.1109/tits.2016.2604240
发表时间：
2017-05-01
影响因子：
8.5
作者：
Rasekhipour, Yadollah;Khajepour, Amir;Litkouhi, Bakhtiar
通讯作者：
Litkouhi, Bakhtiar
DOI：
10.1145/1331904.1331905
发表时间：
2008-03
期刊：
ACM Trans. Database Syst.
影响因子：
--
作者：
Vagelis Hristidis;Heasoo Hwang;Y. Papakonstantinou
通讯作者：
Vagelis Hristidis;Heasoo Hwang;Y. Papakonstantinou
DOI：
10.1145/2783258.2783261
发表时间：
2015-08
期刊：
Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
影响因子：
--
作者：
Shiyou Qian;Jian Cao;Frédéric Le Mouël;Issam Sahel;Minglu Li
通讯作者：
Shiyou Qian;Jian Cao;Frédéric Le Mouël;Issam Sahel;Minglu Li