道路網(wǎng)上連續(xù)最近鄰查詢方法研究.pdf

1、在智能交通系統(tǒng)(Intelligent Transportation Systems，ITS)中，最近鄰(NearestNeighbor,NN)查詢是研究的重點(diǎn)問題之一，它用來找出交通路網(wǎng)中離查詢對(duì)象最近的目標(biāo)對(duì)象，尤其是查詢對(duì)象在路網(wǎng)上連續(xù)移動(dòng)的情況，即稱為道路網(wǎng)連續(xù)最近鄰查詢。 目前，國(guó)內(nèi)外的大多數(shù)研究都是建立在基于靜態(tài)信息的路網(wǎng)模型上，即把路段的長(zhǎng)度作為該路段的行駛代價(jià)，而沒有考慮動(dòng)態(tài)交通信息(如交通控制，信號(hào)燈等待，交通

2、堵塞等)。由于交通路網(wǎng)狀況復(fù)雜，交通信息實(shí)時(shí)發(fā)生變化，靜態(tài)路網(wǎng)模型下的最近鄰查詢不能反映交通路網(wǎng)的真實(shí)情況。本文將最近鄰查詢建立在動(dòng)態(tài)信息的路網(wǎng)模型上，將路段上的行程時(shí)間定義為路段權(quán)值，并且該權(quán)值隨著交通網(wǎng)絡(luò)信息的改變而隨時(shí)發(fā)生變化。另外由于交通信息中心進(jìn)行數(shù)據(jù)轉(zhuǎn)換并發(fā)布信息也需要一定的時(shí)間，想要準(zhǔn)確地給出最近鄰查詢結(jié)果，這就需要對(duì)路段上未來行程時(shí)間進(jìn)行預(yù)測(cè)。本文采用了基于RBF神經(jīng)網(wǎng)絡(luò)的行程時(shí)間預(yù)測(cè)模型，根據(jù)已有的歷史數(shù)據(jù)對(duì)未來時(shí)段的

3、行程時(shí)間進(jìn)行預(yù)測(cè)，從而改變路段的權(quán)值，使它能較準(zhǔn)確地反映該路段的行駛代價(jià)。 同時(shí)，隨著交通狀況的變化，當(dāng)路段的權(quán)值改變，服務(wù)器就需要更新。傳統(tǒng)的路網(wǎng)連續(xù)最近鄰查詢方法是采用的快照方式，相當(dāng)于做了一系列的靜態(tài)最近鄰查詢，每次更新都要重新查找所有的最近鄰，存在重復(fù)計(jì)算的問題。本文對(duì)傳統(tǒng)的路網(wǎng)連續(xù)最近鄰查詢進(jìn)行改進(jìn)，考慮到兩次連續(xù)的查詢結(jié)果之間存在一定的聯(lián)系，充分利用前次查詢結(jié)果的有效部分，減少數(shù)據(jù)庫的更新。改進(jìn)算法在處理更新時(shí)考慮了