基于海量交通数据的路网实时最优路径的并行提取方法技术

本发明专利技术公开一种基于海量交通数据的路网实时最优路径的并行提取方法，其包括步骤：A）在交通路网图中标记若干节点，获取每一节点的相邻关系信息；B）采集所述交通路网图中每一节点的多源实时交通数据；C）对采集的多源实时交通数据进行预处理，以提取符合要求的多源实时交通数据；D）将提取的每一节点的符合要求的多源实时交通数据融合为每一节点的符合要求的实时交通数据；E）对任意相邻的两个节点之间的行车时间进行预测计算而得到预测行车时间；F）对预测行车时间进行归一化处理，以转化为连接任意相邻的两个节点的边的权重；G）对节点间最短路径算法进行并行化处理，以获取任意相邻的两个节点之间的行车时间的最优路径。

【技术实现步骤摘要】
基于海量交通数据的路网实时最优路径的并行提取方法
本专利技术涉及智能交通领域；更具体地讲，涉及一种基于海量交通数据的路网实时最优路径的并行提取方法。
技术介绍
近年来，世界各国纷纷致力于新兴交通科技，如智能交通系统的研究和应用，以应对目前严峻的交通环境。最优路径搜索是智能交通系统的一个重要课题，它通过向驾驶员提供基于实时交通信息的最优路径来达到诱导驾驶员行为、减少车辆在道路上的停留时间，进而实现改善城市交通和避免交通拥挤、阻塞的目的，同时还能降低尾气排放量，达到降低环境污染的目的。最优路径规划技术是智能交通中的核心技术之一，是准确有效的导航功能得以实现的基础。在目前以时间最优的路径搜索研究中，都要基于交通数据进行行程时间的预测。基于单源交通数据进行行程时间预测相对来讲数据量和计算量较小，容易满足交通服务的实时性要求，但是其行程时间预测结果准确性较低，从而对时间最优的交通路径搜索结果产生不利的影响；基于多源的交通数据进行行程时间预测得到的行程时间准确性较高，能够有效提升时间最优的交通路径搜索结果的准确性，但是相对来讲数据量和计算量都较大，一般系统的计算能力难以满足交通服务实时性的要求。而且这些已有的方法中，没有应用历史的交通数据参与行程时间预测的过程。目前，针对不同的路网特点的应用要求，各种最短路径算法在空间复杂度、时间复杂度及应用范围等方面各具特色。但是数据处理量的急剧增加使基于各种数据结构的串行算法时间复杂度几乎都达到了理论上的极限，难以满足大规模路网最短路径求解的实时要求。随着计算机科学的发展，并行计算技术为此问题的解决提供了一条有效的途径，目前最短路径并行计算领域的研究都是在单一的并行编程环境下进行的，针对常用的多核并行系统，浪费了计算资源。
技术实现思路
为了解决上述现有技术存在的问题，本专利技术的目的在于提供一种基于海量交通数据的路网实时最优路径的并行提取方法，其中，所述并行提取方法包括步骤：A）在交通路网图中标记若干节点，获取每一节点的相邻关系信息；B）采集所述交通路网图中每一节点的多源实时交通数据；C）对采集的多源实时交通数据进行预处理，以提取符合要求的多源实时交通数据；D）将提取的每一节点的符合要求的多源实时交通数据融合为该每一节点的符合要求的实时交通数据；E）根据所述交通路网图中任意相邻的两个节点的符合要求的实时交通数据和存储在数据库中的该任意相邻的两个节点之间的历史交通数据，对该任意相邻的两个节点之间的行车时间进行预测计算，从而得到该任意相邻的两个节点之间的预测行车时间，其中，所述历史交通数据为所述交通路网图中该任意相邻的两个节点之间的历史实际行车时间；F）对得到的该任意相邻的两个节点之间的预测行车时间进行归一化处理，以转化为所述交通路网图中连接该任意相邻的两个节点的边的权重；G）利用节点间最短路径算法对将转化的所述交通路径图中连接该任意相邻的两个节点的边的权重以及该任意相邻的两个节点的相邻关系信息进行计算，并对该节点间最短路径算法进行并行化处理，以获取所述交通路径图中该任意相邻的两个节点之间的行车时间的最优路径。此外，所述步骤A）还包括：将所述交通路网图中每一节点的相邻关系信息存储到所述数据库中。此外，在步骤C）中，对采集到的每一节点的多源实时交通数据进行预处理的具体实现方式是：在采集到的每一节点的多源实时交通数据中，将数据格式不正确的实时交通数据和/或数据信息缺失的实时交通数据和/或数据信息错误的实时交通数据剔除。此外，在执行步骤D）之前，将提取的每一节点的符合要求的多源实时交通数据进行时间戳的同步操作。此外，所述步骤E）的具体实现方式包括步骤：E1）根据所述交通路网图中该任意相邻的两个节点的融合的符合要求的实时交通数据来得到该任意相邻的两个节点之间的第一预测行车时间；E2）利用存储在所述数据库中的该任意相邻的两个节点之间的历史交通数据对步骤E1）得到的第一预测形成时间进行修正，进而得到该任意相邻的两个节点之间的所述预测行车时间。此外，在步骤E）中，所述历史交通数据是以时间戳为标志存储在所述数据库中。此外，在执行步骤G）之前，将转化的所述交通路网图中连接该任意相邻的两个节点的边的权重存储到所述数据库中。本专利技术对通过多源实时交通数据进行车流行程时间的预测结果进行决策及融合，又应用历史交通数据对实时交通数据预测的车流行程时间进行了进一步的修正，得到更加准确的结果。并且本专利技术针对要处理的海量实时交通数据，提出了应用混合并行编程模型来实现交通路网中节点间最短路径算法，能充分利用共享存储模型和消息传递模型的优点，实现实时性的交通服务需求。附图说明通过下面结合附图进行的描述，本专利技术的上述和其他目的和特点将会变得更加清楚，附图中：图1是示出根据本专利技术的示例性实施例的基于海量交通数据的路网实时最优路径的并行提取方法的流程图。具体实施方式以下，通过参照附图对示例性实施例进行描述来解释本专利技术。图1是示出根据本专利技术的示例性实施例的基于海量交通数据的路网实时最优路径的并行提取方法的流程图。参照图1，在步骤S110中，将现实的城市交通路网转化为交通路网图，其中，将在现实的城市交通路网中将所有可能被查询的位置标记为该交通路网图中的节点，并将任意两个节点之间的线（即现实的城市交通路网中该任意两个节点所对应的两个被查询的位置之间的路线）标记为该交通路网图中的边。在所述交通路网图中获取每一节点的相邻关系信息。所述交通路网图中的节点可包括，但不限于，交通路网图（或者城市交通路网）中的公交站点、十字路口、交通枢纽等。此外，将交通路网图中每一节点的相邻关系信息存储到数据库中。在步骤S120中，从现实的城市交通路网中获取交通路网图中的每一节点的多源实时交通数据。该多源实时交通数据是通过利用多种检测技术实时检测的交通数据，例如可采用多种传感器实时检测的交通数据。在步骤S130中，对采集的多源实时交通数据进行预处理，以提取符合要求的多源实时交通数据。这里，通过对每一节点的多源实时交通数据进行预处理，以提取每一节点的符合要求的多源实时交通数据。而对每一节点的多源实时交通数据进行预处理的具体实现方式包括，但不限于，将每一节点的多源实时交通数据中的数据格式不正确和/或数据信息缺失和/或数据信息错误等不符合要求的部分实时交通数据剔除。通过将每一节点的多源实时交通数据中不符合要求的部分实时交通数据剔除掉，每一节点的多源实时交通数据中除不符合要求的实时交通数据之外的实时交通数据形成符合要求的多源实时交通数据。此外，在该步骤中，为了保证每一节点的符合要求的多源实时交通数据在应用时间上的一致性，需要对每一节点的符合要求的多源实时交通数据进行时间戳的同步操作。在步骤S140中，将由步骤S130提取的每一节点的符合要求的多源实时交通数据融合为每一节点的符合要求的实时交通数据。这里，将由步骤S130提取的每一节点的符合要求的多源实时交通数据进行融合所采用的融合技术为现有技术的融合技术，为了避免赘述，在此不再详述。在步骤S150中，首先，根据所述交通路网图中该任意相邻的两个节点的融合的符合要求的实时交通数据来得到该任意相邻的两个节点之间的第一预测行车时间；其次，可例如采用加权回归法，利用所述交通路网图中与该第一预测行车时间同一时间段的该任意相邻本文档来自技高网...

【技术保护点】
一种基于海量交通数据的路网实时最优路径的并行提取方法，其特征在于，所述并行提取方法包括以下步骤：A）在交通路网图中标记若干节点，获取每一节点的相邻关系信息；B）采集所述交通路网图中每一节点的多源实时交通数据；C）对采集的多源实时交通数据进行预处理，以提取符合要求的多源实时交通数据；D）将提取的每一节点的符合要求的多源实时交通数据融合为该每一节点的符合要求的实时交通数据；E）根据所述交通路网图中任意相邻的两个节点的符合要求的实时交通数据和存储在数据库中的该任意相邻的两个节点之间的历史交通数据，对该任意相邻的两个节点之间的行车时间进行预测计算，从而得到该任意相邻的两个节点之间的预测行车时间，其中，所述历史交通数据为所述交通路网图中该任意相邻的两个节点之间的历史实际行车时间；F）对得到的该任意相邻的两个节点之间的预测行车时间进行归一化处理，以转化为所述交通路网图中连接该任意相邻的两个节点的边的权重；G）利用节点间最短路径算法对将转化的所述交通路径图中连接该任意相邻的两个节点的边的权重以及该任意相邻的两个节点的相邻关系信息进行计算，并对该节点间最短路径算法进行并行化处理，以获取所述交通路径图中该任意相邻的两个节点之间的行车时间的最优路径。...

【技术特征摘要】
1.一种基于海量交通数据的路网实时最优路径的并行提取方法，其特征在于，所述并行提取方法包括以下步骤：A)在交通路网图中标记若干节点，获取每一节点的相邻关系信息；B)采集所述交通路网图中每一节点的多源实时交通数据；C)对采集的多源实时交通数据进行预处理，以提取符合要求的多源实时交通数据；D)将提取的每一节点的符合要求的多源实时交通数据融合为该每一节点的符合要求的实时交通数据；E)根据所述交通路网图中任意相邻的两个节点的符合要求的实时交通数据和存储在数据库中的该任意相邻的两个节点之间的历史交通数据，对该任意相邻的两个节点之间的行车时间进行预测计算，从而得到该任意相邻的两个节点之间的预测行车时间，其中，所述历史交通数据为所述交通路网图中该任意相邻的两个节点之间的历史实际行车时间；F)对得到的该任意相邻的两个节点之间的预测行车时间进行归一化处理，以转化为所述交通路网图中连接该任意相邻的两个节点的边的权重；G)利用节点间最短路径算法对将转化的所述交通路网图中连接该任意相邻的两个节点的边的权重以及该任意相邻的两个节点的相邻关系信息进行计算，采用MPI+OPENMP两级并行模型对弗洛伊德算法进行并行化处理，以获取所述交通路网图中该任意相邻的两个节点之间的行车时间的最优路径。2.根据权利要求1所述的并行提取方法，其特征在于，所述...

【专利技术属性】
技术研发人员：刘冬，王凌霄，秦召红，张敏，杨望仙，朱定局，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44