大数据环境下基于迭代计算的路径规划分布式计算方法技术

本发明专利技术公开了一种大数据环境下基于迭代计算的路径规划分布式计算方法，包括如下步骤：（1）、首先对路径规划请求的相关性进行定义；（2）、其次，对路径规划请求按照相关性划分簇；（3）、最后设计一个分布式计算框架，将相关性较小的请求分簇并行处理，一个簇内相关性较大的请求串行处理。本发明专利技术的计算方法，有利于维持算法在负载均衡方面的优越性，同时实现分布式计算，加快系统处理速度，适应大数据环境下的交通响应要求。

Distributed computing method based on iterative computation for path planning in big data environment

The invention discloses a path planning distributed computing method based on iterative computing in large data environment, which comprises the following steps: (1) defining the correlation of path planning requests; (2) dividing the path planning requests into clusters according to the correlation; (3) designing a distributed computing frame at last. Firstly, the requests with smaller correlation are clustered and processed in parallel, and the requests with larger correlation in a cluster are processed serially. The calculation method of the invention is advantageous to maintaining the superiority of the algorithm in load balancing, realizing the distributed calculation, speeding up the system processing speed, and adapting to the traffic response requirements in the large data environment.

【技术实现步骤摘要】
大数据环境下基于迭代计算的路径规划分布式计算方法
本专利技术涉及计算机领域，具体涉及分布式领域，尤其设计一种大数据环境下基于迭代计算的路径规划分布式计算方法。
技术介绍
随着交通事业的发展，社会机动车保有量迅速增长，然而大中型城市中交通问题越来越突出，表现在拥挤情况严重、交通事故频发，尤其是在上下班高峰时期，拥堵会影响人们的行程，还会造成资源浪费、污染环境，影响着城市居民生活水平的提高和城市经济的发展。目前的导航系统通常会将同一条最优路径推荐给大量用户，但考虑到路网的负载均衡，提出一种迭代计算的路径规划方法，该方法将路径当前的被推荐次数纳入下一个路径规划方案中，也就是说对于并发式路径规划请求，每一个路径规划请求的处理结果都会对下一个路径规划请求产生影响。因此，对于同一时刻的大量导航请求来说，这种考虑了负载均衡的路径规划算法从本质上来讲是串行的，若不考虑串行，将路径规划请求平均地分到不同的计算节点上并行处理则无法体现算法的优越性。根据高德地图的报告，2016年高德地图全球日均响应定位请求次数近300亿，面对如此海量的数据请求，必须利用分布式计算框架以提高路径规划算法运行速度。但目前普通的分布式计算框架无法满足以上迭代式算法的需求，需要针对这种路径规划算法设计相对应的分布式计算框架。
技术实现思路
本专利技术提供了一种用于大数据环境下基于迭代计算的路径规划算法的分布式计算方法，包括路径规划请求的相关性定义、路径规划请求的相关性划分以及并行处理三个模块；其中，一种迭代的路径规划算法主要用来实现城市交通的负载均衡，为了避免向同一条最优路径推荐大量的用户，需要将路径的被推荐次数纳入路径规划算法中，即一个路径规划结果可能会对下一个路径规划请求产生影响；针对这种迭代式的路径规划算法，设计一种分布式计算方法，有利于维持算法在负载均衡方面的优越性，同时实现分布式计算，加快系统处理速度，适应大数据的交通状况。实现上述技术目的，达到上述技术效果，本专利技术通过以下技术方案实现：一种大数据环境下基于迭代计算的路径规划分布式计算方法，包括如下步骤：(1)、首先对路径规划请求的相关性进行定义；(2)、其次，对路径规划请求按照相关性划分簇；(3)、最后设计一个分布式计算框架，将相关性较小的请求分簇并行处理，一个簇内相关性较大的请求串行处理。所述步骤(1)中路径规划请求的相关性定义为：若某一条路径规划请求产生的路径与另一条路径规划请求涉及的路径重叠数较多，则认为这两条路径规划请求相关性较大，上一条的计算结果会对下一条的计算产生影响，存在迭代计算的关系；否则，认为这两条路径规划请求相关性较小，计算结果对彼此不产生影响。进一步地，所述路径规划请求的相关性划分利用K-means++聚类算法，具体步骤如下：(3-1)预处理：确定K-means++聚类算法的k值；(3-2)所述路径规划请求的输入为：起始点，目的地，请求时间，通过地图API将所述起始点和目的地名称转换为经纬度信息：(起始点，目的地)→(SLO，SLA，DLO，DLA)其中，SLO表示起始点的经度，SLA表示起始点的纬度，DLO表示目的地的经度，DLA表示目的地的纬度；(3-3)将所述路径规划请求映射为点：首先将路径规划请求映射在二维坐标系中，横坐标代表经度，纵坐标代表纬度；一个路径规划请求为一个向量，向量的始端为起始点，向量的终端为目的地。之后进行第二次映射，将所述向量映射至抽象的四维空间，所述坐标系中的一个向量对应一个路径规划请求；(3-4)利用K-means++算法，将坐标系中的点进行聚类，将坐标信息接近的点划分在一个簇中，也就是将起始点和目的地都接近的路径规划请求划分在一个簇中。进一步地，步骤(3-1)中K值的计算步骤如下：(4-1)以当前时刻为起始时刻，向后取若干分钟作为当前时间区间；(4-2)从历史数据库中确定每条路段在当前时间段的平均行驶速度，之后确定路段的交通运行等级；(4-3)计算被标记为“拥堵”的路段数量，认为相邻的拥堵路段为一条拥堵道路，最终得出拥堵的道路数量，以该数量作为K-means++聚类算法的k值。进一步地，设计一个分布式计算框架，框架中计算节点的个数由步骤(4-3)中的k值决定，将一个簇中的路径规划请求放置在一个计算节点上串行计算，将不同簇的路径规划请求分布在不同的计算节点中并行计算。本专利技术的有益效果：有利于维持迭代的路径规划算法在负载均衡方面的优越性，同时实现分布式计算，加快系统处理速度，适应大数据的交通状况。附图说明图1是本专利技术的方法模块图；图2是本专利技术的算法流程图；图3是本专利技术的聚类说明图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。下面结合附图对本专利技术的应用原理作详细的描述。如图1所示，本专利技术提供了一种大数据环境下迭代的路径规划算法的分布式计算方法，包括路径规划请求的相关性定义、路径规划请求的相关性划分以及并行处理三个模块；其中，一种迭代的路径规划算法主要用来实现城市交通的负载均衡，为了避免向同一条最优路径推荐大量的用户，需要将路径的被推荐次数纳入路径规划算法中，即一个路径规划结果可能会对下一个路径规划请求产生影响；针对这种迭代式的路径规划算法，设计一种分布式计算方法，有利于维持算法在负载均衡方面的优越性，同时实现分布式计算，加快系统处理速度，适应大数据的交通状况。如图2所示，一种大数据环境下基于迭代计算的路径规划分布式计算方法，包括如下步骤：(1)、首先对路径规划请求的相关性进行定义；(2)、其次，对路径规划请求按照相关性划分簇；(3)、最后设计一个分布式计算框架，将相关性较小的请求分簇并行处理，一个簇内相关性较大的请求串行处理。路径规划请求的相关性定义为：若某一条路径规划请求产生的路径与下一条路径规划请求涉及的路径重叠数较少或者不重叠，则认为这两条路径规划请求相关性较小；相关性较小的路径规划请求可以认为对彼此不产生影响，因此可分在不同的计算节点中并行计算。路径规划请求的相关性划分主要利用了K-means++聚类算法，具体步骤如下：(1)预处理：确定K-means++聚类算法的K值；(2)用户的路径规划请求的输入为(起始点，目的地，请求时间)，通过地图API将所述起始点和目的地名称转换为经纬度信息：(起始点，目的地)→(SLO，SLA，DLO，DLA)其中，SLO表示起始点的经度，SLA表示起始点的纬度，DLO表示目的地的经度，DLA表示目的地的纬度；(3)将所述路径规划请求映射为点：如图3所示，首先将路径规划请求映射在二维坐标系中，横坐标代表经度，纵坐标代表纬度；一个路径规划请求为一个向量，向量的始端为起始点，向量的终端为目的地。之后进行第二次映射，将所述向量映射至抽象的四维空间，所述坐标系中的一个向量对应一个路径规划请求，例如，图中标号为1的向量，在四维空间中被映射为点，所述点和向量为同一个路径规划请求；(4)利用K-means++算法，将坐标系中的点进行聚类，将坐标信息接近的点划分在一个簇中，也就是将起始点和目的地都接近的路径规划请求划分在一个簇中，例如，图中标号为1和标号为2的向量始端和终端分别接近，则在本文档来自技高网...

【技术保护点】
1.一种大数据环境下基于迭代计算的路径规划分布式计算方法，其特征在于：包括如下步骤：(1)、首先对路径规划请求的相关性进行定义；(2)、其次，对路径规划请求按照相关性划分簇；(3)、最后，设计一个分布式计算框架，实现最大限度的并行处理。

【技术特征摘要】
1.一种大数据环境下基于迭代计算的路径规划分布式计算方法，其特征在于：包括如下步骤：(1)、首先对路径规划请求的相关性进行定义；(2)、其次，对路径规划请求按照相关性划分簇；(3)、最后，设计一个分布式计算框架，实现最大限度的并行处理。2.根据权利要求1所述的大数据环境下基于迭代计算的路径规划分布式计算方法，其特征在于：所述步骤(1)中路径规划请求的相关性定义为：若某一条路径规划请求产生的路径与另一条路径规划请求涉及的路径重叠数较多，则认为这两条路径规划请求相关性较大，上一条的计算结果会对下一条的计算产生影响，存在迭代计算的关系；否则，认为这两条路径规划请求相关性较小，计算结果对彼此不产生影响，不存在迭代计算的关系。3.根据权利要求1所述的大数据环境下基于迭代计算的路径规划分布式计算方法，其特征在于：所述路径规划请求的相关性划分利用K-means++聚类算法，具体步骤如下：(3-1)预处理：确定K-means++聚类算法的k值；(3-2)所述路径规划请求的输入为：起始点，目的地，请求时间，通过地图API将所述起始点和目的地名称转换为经纬度信息：(起始点，目的地)→(SLO，SLA，DLO，DLA)(1)其中，SLO表示起始点的经度，SLA表示起始点的纬度，DLO表示目的地的经度，DLA表示目的地的纬度；(3-3)...

【专利技术属性】
技术研发人员：孙宁，石慧珠，王彬，苗红霞，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏,32