張 媛，劉 峰

　?。暇┼]電大學(xué) 圖像處理與圖像通信江蘇省重點實驗室，江蘇 南京 210003）

　　摘  要： 采用改進的層次分析法分析道路狀況的多種因素，得出了當(dāng)?shù)缆钒l(fā)生緊急事故時，符合時效性、安全性、經(jīng)濟性的路段權(quán)值。然后根據(jù)實時交通信息，利用改進的Dijkstra算法，探索了路徑權(quán)重計算方法，建立了交通網(wǎng)絡(luò)的運行時間的加權(quán)圖，驗證了本方法在實際交通網(wǎng)絡(luò)中的應(yīng)用，證實了方法的有效性和可行性。

　　關(guān)鍵詞： 智能交通系統(tǒng)；最優(yōu)路徑；層次分析法；Dijkstra算法

0 引言

　　隨著城鎮(zhèn)人口的增長和可用物理空間的日益缺乏，交通管理面臨的挑戰(zhàn)越來越嚴(yán)峻，繼續(xù)擴大道路網(wǎng)絡(luò)來解決日益增長的交通需求已經(jīng)被視為一個不可持續(xù)的方案。本文利用智能交通的動態(tài)路徑選擇思想，為駕駛員提供實時最優(yōu)路徑，避開擁擠路段，或根據(jù)駕駛員需求提供最優(yōu)路徑，實現(xiàn)智能且人性化的路徑誘導(dǎo)。在實際車輛行駛時，由A地到達B地的最佳路徑的標(biāo)準(zhǔn)不只是道路距離、路面質(zhì)量、交通擁堵、駕駛習(xí)慣等因素中的某單一標(biāo)準(zhǔn)，從駕駛員心理角度出發(fā)，依據(jù)每個人內(nèi)心的不同的標(biāo)準(zhǔn)，綜合考慮多種影響因素以后得出最能夠接受的方案，從而獲得車輛行駛的最佳選擇。

　　目前，有十多種計算最優(yōu)路徑的方法，其中Dijkstra算法是理論上最完善的方法，已被GIS系統(tǒng)廣泛采用。同時它也存在以下缺點：（1）它的計算僅僅基于道路的長度，而不考慮影響道路交通的實際因素，如道路等級、道路上的交通擁堵等其他因素，所以在復(fù)雜的交通環(huán)境中結(jié)果往往并非最優(yōu)。（2）在有大量節(jié)點的交通網(wǎng)絡(luò)中，拓撲結(jié)構(gòu)中占用大量的存儲空間，且遍歷算法的搜索效率很低。

　　本文提出了層次分析法（Analytic Hierarchy Process，AHP）[1]的最優(yōu)路徑選擇模型，運用運籌學(xué)中的AHP計算路徑的權(quán)重，然后利用改進的Dijkstra算法獲得最佳路徑。這種復(fù)雜的路徑?jīng)Q策算法可應(yīng)用于復(fù)雜路況的選路，尤其適用于應(yīng)急救援、多目標(biāo)決策的情況。

1 路段權(quán)重的判定

　　1.1 層次分析法介紹

　　層次分析法是一種解決復(fù)雜、模糊問題的簡單決策方法，特別是如本文討論的“最優(yōu)路徑”等難以進行定量分析的問題?，F(xiàn)實情況是不僅道路的長度不同，受到交通狀況、路面質(zhì)量、天氣條件等因素的影響，各道路上的車輛行駛時間都會不同。采用層次分析法，所有這些因素都被考慮，通過各自不同的重要性影響路徑權(quán)重。于是得到了一個更貼近現(xiàn)實的交通網(wǎng)絡(luò)有向圖加權(quán)圖。

　　通常，該方法可分為三個步驟：

　?。?）建立層次結(jié)構(gòu)模型；

　?。?）構(gòu)造各層次的判斷矩陣；

　?。?）實施層次排序和一致性檢驗。

　　1.2 建立層次分析法模型

　　本文考慮了現(xiàn)實條件下可能影響駕駛員路徑選擇的因素，除了一些常見的因素（如路徑距離，道路等級，車輛限制，交通流量，氣候條件）[2-4]以外，如果車輛前方路段突然發(fā)生車禍、坍塌等嚴(yán)重事故，可能造成交通完全癱瘓，嚴(yán)重影響車輛行駛的時間成本，所以獲得的實時前方路況需要實時更新。此外在復(fù)雜道路情況下，駕駛員對道路的熟悉程度也部分地影響了行駛時間。所以設(shè)定集合：S={路徑距離/車速，道路等級，交通流量，車輛限制，氣候條件，實時路況信息，駕駛熟悉度}。根據(jù)層次分析法的思想，將層次結(jié)構(gòu)分為3層（如圖1所示），最上層為目標(biāo)層：路徑權(quán)重W；中間層是準(zhǔn)則層，即集合S中的各項指標(biāo)；底層是方案層，即計算所得的最優(yōu)路徑。

　　在使用AHP時，必須注意矩陣的一致性。如果不滿足一致性，則結(jié)果錯誤。Jiang Hua[5]提出的AHM方法可以避免檢測一致性，從而能確保決策不會出現(xiàn)：a>b，b>c，得出c>a這種情況。

　　1.3 計算基于實時交通信息的權(quán)重值

　　步驟1：利用層次分析法計算準(zhǔn)則層各指標(biāo)對于目標(biāo)層的權(quán)重w1、w2、w3、w4、w5、w6、w7。

　　對準(zhǔn)則層的各因素按1~9標(biāo)度思想分別賦值，含義見表1[6]。

　　準(zhǔn)則層的各個準(zhǔn)則占最終結(jié)果的比重不一定相同，從駕駛員的需求出發(fā)，給它們設(shè)定不同的比例。由此構(gòu)造出判斷矩陣，如表2所示。

　　步驟2：計算權(quán)重的方法有幾何平均法、算術(shù)平均法、特征向量法和最小二乘法。本文選用特征向量法，公式為：

　　AW=λmaxW（1）

　　λmax為判斷矩陣的最大特征值，存在唯一的W的分量為正分量，將求得的W作歸一化處理即為特征向量。

　　步驟3：上述方法計算的判斷矩陣通常是不一致的，為了獲得它對應(yīng)于最大特征值的特征向量，被比較因素的權(quán)重向量不一致程度應(yīng)在容許的范圍內(nèi)，以保證其可靠性，所以必須進行一致性檢驗[7]。

　　一致性指標(biāo)：

　　CI=（λmax-n）/（n-1）（2）

　　其中，n是A的階數(shù)。RI為平均隨機一致性指標(biāo)，取值參考表3。

　　對判斷矩陣的一致性進行檢驗：

　　CR=CI/RI（3）

　　當(dāng)CR小于10%時，認(rèn)為判斷矩陣的一致性是令人滿意的，否則應(yīng)當(dāng)進一步修正判斷矩陣。

　　步驟4：在獲得了各因素的權(quán)重值以后，計算路段權(quán)重，并對路段權(quán)重進行等值的無量綱處理[8]。

　　W=s/v（w2r+w3l+w4f+w5w+w6m+w7c）（4）

　　其中s是實際路段長度，v是車輛平均行駛速度，s/v則是理想情況下車輛勻速行駛所用的時間；r是道路等級，根據(jù)公路的使用任務(wù)、功能和流量劃分為5個等級（0.2、0.4、0.6、0.8、1.0）；l是交通流量，與設(shè)計交通流量作比較，比值由低到高賦以[0，1]區(qū)間內(nèi)的實數(shù)；f為車輛限制，表示不同類型車輛的通行是否受限于該路段，受限則f=1，否則f=0；w是天氣狀況，根據(jù)車輛行駛的適宜程度賦以[0，1]區(qū)間內(nèi)的實數(shù)；m是實時路況信息，根據(jù)車輛獲得實時路況的能力賦以[0，1]區(qū)間的實數(shù)；c是駕駛員對路段的熟悉程度，駕駛員通常主觀傾向于自己較熟悉的道路，賦以（0，1）區(qū)間的實數(shù)，若取值在0附近，則選取的可能性較小。

　　步驟5：實時更新交通信息。

　　信息采集系統(tǒng)包括車輛信息采集設(shè)備和路邊信息采集設(shè)備，將采集的信息發(fā)送到信息監(jiān)控中心。為了獲取各路徑交通信息，更好地實現(xiàn)交通誘導(dǎo)，本文設(shè)計了一種基于socket通信[9]的模擬車輛運行狀態(tài)采集方法，將車輛作為客戶機，采集中心作為服務(wù)器，采用TCP/IP通信協(xié)議。通信流程圖如圖2。

　　每一個客戶機代表一輛車，客戶機程序產(chǎn)生以下信息，向服務(wù)器發(fā)送，如表4。

　　服務(wù)器接收以上客戶機發(fā)送的數(shù)據(jù)，得出某一路段的實時道路信息，若大量車聚集在某一個路段，則可判斷該路段的權(quán)重增大。結(jié)合路邊信息采集設(shè)備獲得的數(shù)據(jù)和駕駛員自身判斷因素，可以得到準(zhǔn)則層7個影響判決因素的模擬數(shù)值。

2 綜合最優(yōu)路徑算法

　　2.1 Dijkstra算法介紹

　　Dijkstra[10]算法是圖論中求解最短路徑的一個著名的算法，用于求圖中一個節(jié)點到其他各個節(jié)點的最短路徑。將道路抽象為圖論中的邊，交叉口抽象為節(jié)點。道路相關(guān)的參數(shù)影響邊的權(quán)值，權(quán)值是廣泛的，可以表示速度、天氣情況、交通情況、距離等。衡量最短路徑的準(zhǔn)則是計算出的路徑權(quán)值W的大小，并且邊的權(quán)值都是非負數(shù)。網(wǎng)絡(luò)中所有節(jié)點初始化為未標(biāo)記節(jié)點，在搜索過程中與最短路徑中的節(jié)點相連通的節(jié)點稱為臨時標(biāo)記節(jié)點，每次循環(huán)都從臨時標(biāo)記節(jié)點開始搜索距源點最短的路徑長度的節(jié)點，將其變?yōu)橛谰脴?biāo)記節(jié)點。直到所有節(jié)點都成為永久標(biāo)記節(jié)點，算法運行結(jié)束。

　　傳統(tǒng)的Dijkstra算法是從起點V到圖的剩余頂點的最短路徑的長度增加的序列，它用于解決有向加權(quán)圖的問題[11]。其基本思想是：首先建立一個節(jié)點集S，選擇貪婪算法不斷擴展集合S。假設(shè)所有節(jié)點的集合是V，S的初始值是源節(jié)點，T是存在于V中但不在S中的節(jié)點集，T的初始值是除源節(jié)點外的所有節(jié)點。T中的節(jié)點根據(jù)路徑長度的升序逐個進入S，直到可以從源節(jié)點到達的節(jié)點全部進入S。然而，把Dijkstra算法應(yīng)用到基于GIS的應(yīng)急救援體系，仍存在一定的不足：（1）該算法使用O（N2）的時間找到單源最短路徑，使其低效地處理GIS系統(tǒng)中的海量數(shù)據(jù)[12]。（2）在路徑信息不變的情況下，搜索相同一對源點和目的節(jié)點時，得到的路線應(yīng)該是一樣的。但此算法每次尋路都要重新計算最短路徑，浪費時間。（3）在傳統(tǒng)圖論網(wǎng)絡(luò)分析中，每個路徑正反向權(quán)值是相同的。而實際交通中同一條道路兩個方向的路況可能差別非常大，所以在仿真時采用不同的權(quán)重因子更加符合現(xiàn)實情況。

　　2.2 對選路算法的改進

　　本論文對此提出以下改進：

　?。?）在GIS應(yīng)急救援系統(tǒng)中因為交通網(wǎng)絡(luò)特征的動態(tài)變化特性，一般順序計算產(chǎn)生的最短路徑樹不能完全滿足需要。例如，當(dāng)汽車到達節(jié)點3，發(fā)現(xiàn)道路L35交通堵塞非常嚴(yán)重時，必須重新尋路。這時，應(yīng)重新選擇3的鄰接結(jié)點來計算最短路徑樹T。從動態(tài)變化的特性出發(fā)，本文采用了逆向運行的方法，即構(gòu)建一個逆向的最短路徑樹[13]，使源節(jié)點是終節(jié)點，且起始節(jié)點設(shè)在分支節(jié)點。此改進適用于在行車至某一節(jié)點遇到前方路段突然發(fā)生車禍、坍塌等嚴(yán)重事故，造成交通完全癱瘓的情況。

　?。?）由于相同始末節(jié)點仍然會重新搜索，造成資源浪費，每次使用Dijkstra算法搜索完最優(yōu)路徑后，將所有路段信息和最短路徑的信息加入到數(shù)據(jù)庫中。用戶需要選擇路線時，程序先搜索數(shù)據(jù)庫，將之前保存的路線反饋出來。當(dāng)城市中道路狀況改變時，重新執(zhí)行Dijkstra算法，更新數(shù)據(jù)庫中之前所有最短路徑信息[14]。

　?。?）在各指標(biāo)對于目標(biāo)層的權(quán)重系數(shù)中，交通流量、實時路況信息受到行駛方向影響較大，所以將這兩個因子根據(jù)路況靈活選取，其他因子在同一條道路上數(shù)值相同。正反兩個方向的計算結(jié)果可能完全不同。本文將一段路徑正反向的某些參數(shù)設(shè)為不同值，這樣更符合實際交通狀況。

3 最優(yōu)路徑選擇仿真實驗

　　在研究各種路徑算法后，本文選擇在MATLAB平臺上，實現(xiàn)利用AHP計算權(quán)重的改進的Dijkstra算法作為最優(yōu)路徑算法。

　　首先，根據(jù)表2的判斷矩陣A，計算可得特征向量w和特征值k。經(jīng)計算最大特征值為：k=7.339 2，對應(yīng)的歸一化特征向量為：

　　wT={0.4048，0.1184，0.1119，0.1592，0.1257，0.0478，0.0322}

　　通過MATLAB編程計算得到：

　　CI=0.056 5

　　CR=0.041 6

　　說明此矩陣的一致性可以接受。

　　然后，結(jié)合以下某地區(qū)的交通示意圖3，譬如節(jié)點7到12的距離為15 km；設(shè)計平均時速為80 km/h；道路等級為一級，r=0.4；實際交通流量l=0.6；路段對車輛通行無限制，f=0；該時段天氣良好，能見度較高，a=0.1；路段可以及時獲得前方的路況信息，m=0.2；司機較熟悉此路段，c=0.85。本題s／v以min作為單位。利用公式（4），計算得節(jié)點7到12的權(quán)值為16.3，其余路徑的權(quán)值略。

　　本實驗由于節(jié)點數(shù)量較多，僅測試由節(jié)點9到節(jié)點12的路徑，仿真結(jié)果如下：

　　起始點（9）到終止點（12）的路徑為：9→10→6→12

　　路徑權(quán)重：44.4

　　根據(jù)實時采集的交通信息，若大量車輛行駛在10→6路段，則該路段極其擁堵，此路段的交通流量l無限接近于1，計算路徑權(quán)重變?yōu)?6.5，數(shù)值明顯增大。

　　再測試一次選路結(jié)果：

　　起始點（9）到終止點（12）的路徑為：9→11→4→7→12

　　路徑權(quán)重：45

　　可以看出，新選擇的最優(yōu)路徑權(quán)重遠小于56.5，本算法是方便可行的，并且同時可以得到任意起點i到終點j的最短路徑。

4 結(jié)論

　　對于最優(yōu)路徑算法的研究，本文充分考慮了各因素對行駛速度的影響，將層次分析法引入應(yīng)急救援系統(tǒng)，分析計算得出了各因子的相對重要度。據(jù)此提出了一種基于實時路況的路徑權(quán)重計算方法，采用基于經(jīng)典Dijkstra算法進行改進的路徑搜索算法，使計算值更符合現(xiàn)實，實現(xiàn)了系統(tǒng)的時效性、安全性、經(jīng)濟性。在本文中，該算法模型在遇到緊急情況時，結(jié)合交通實況能做出最佳決策，具有很強的現(xiàn)實意義。

參考文獻

　　[1] Yang Fujin， Tan Wenan， Shen Weiming， et al. A dynamic critical path computation algorithm for enterprise process cooperative scheduling[C]. Computer Supported Cooperative Work in Design （CSCWD）， 2010 14th International Conference on. IEEE， 2010：606-610.

　　[2] Li Caixia， ANAVATTI S G， RAY T. Analytical hierarchy process using fuzzy inference technique for real-time route guidance system[J]. Intelligent Transportation Systems， IEEE Transactions on， 2014， 15（1）：84-93.

　　[3] Yang Shu， Li Chunhua. An enhanced routing method with Dijkstra algorithm and AHP analysis in GIS-based emergency plan[C]. Geoinformatics， International Conference on， 2010：1-6.

　　[4] Qi Guanghui， Huang Ronggang， Zhe Zeng， et al. An AHP based multi-factors weight method for route selection of oil and gas pipelines[J]. Science of Surveying and Mapping， 2013， 38（5）：122-125.

　　[5] Zhou Binbin， Chen Xuebo. Path selection algorithm based on AHP for small-world with three-weight[C]. Control and Decision Conference， Chinese.IEEE， 2014：3627-3631.

　　[6] 張慧.基于層次分析法的應(yīng)急救援最優(yōu)路徑選擇分析[J].交通標(biāo)準(zhǔn)化，2014（3）：68-71.

　　[7] Ma Wenjing， Xu Yingzhuo， Xie Hui.The optimal path algorithm for emergency rescue for drilling accidents[C].Network Infrastructure and Digital Content， 2009.IC-NIDC 2009.IEEE International Conference on. IEEE， 2009：866-870.

　　[8] 江文奇.無量綱化方法對屬性權(quán)重影響的敏感性和方案保序性[J].系統(tǒng)工程與電子技術(shù)，2012，34（12）：2520-2523.

　　[9] Song Guoqing. The study and design of network traffic monitoring based on socket[C]. Computational and Information Sciences （ICCIS）， 2012 Fourth International Conference on， 2012：845-848.

　　[10] YERSHOV D S， LAVALLE S M. Simplicial Dijkstra and A*algorithms： from graphs to continuous spaces[J]. Advanced Robotics， 2012， 26（17）：2065-2085.

　　[11] Yin Tieyuan， Yang Jianyong. Dynamic application of the path selection in the road[C]. Proceedings of 2010 IEEE International Conference on Software Engineering and Service Sciences， 2010.

　　[12] 李寬榮，陸通，高勇.一種基于STL的高效最短路徑算法[J].科技創(chuàng)新導(dǎo)報，2014（12）：37-37.

　　[13] 任剛，王煒.轉(zhuǎn)向約束網(wǎng)絡(luò)中的對偶最短路徑樹原理及其原型算法[J].交通運輸工程學(xué)報，2008，8（4）：84-89.

　　[14] 劉帥修.智能交通中的路徑選擇及其移動終端信息展示系統(tǒng)[D].南京：南京郵電大學(xué)，2012.