黄伟力　詹求翔

摘要：基于交通区域中心的交互式汽车导航是一种分布式中心的动态路径诱导，改变了中心式导航“中心唯一性”的特点，按照交通区域的特点划分为多个交通区域中心，通过与驾驶员交互，获得交通流量的精准数据，各交通区域中心协同完成导航任务。

关键词：交互式导航；交通区域中心；动态路径诱导

0 引言

汽车导航按诱导路径的生成方式可分为分布式诱导和中心式诱导；按交通信息的性质，可分为静态路径诱导和动态路径诱导。欧洲的Ali-Scout和日本的DRGS是中心式动态交通诱导系统的典型代表，美国的交通诱导系统研究也逐渐从分布式诱导转向中心式诱导，我国北京、上海、深圳等大城市在动态交通诱导方面也有一些研究和应用，仍处于起步阶段。本文提出一种基于分布式中心的动态导航思路，设计了基于交通区域中心的交互式汽车导航系统总体框架，并探讨与之相关的交通区域中心的合理划分方法，基于交互式数据的交通流量预测，以及动态分层路径诱导技术。

1 系统框架设计

在现实道路交通网络中，交通流处于一个多维、时变、随机的复杂系统中，各种类型、不同程度的交通事件时有发生，各种不同性质、不同等级的交通拥挤随机产生。传统的交通诱导系统以路网静态地理信息进行交通诱导，由于只考虑道路的空间属性，而没有考虑道路上的实时交通流运行特性，只能向出行者提供距离最短路径或行驶方向引导，其所起的作用十分有限，达不到对路网交通流进行优化分配的目的。分布式诱导和中心式诱导在处理大规模路网动态交通流问题上也均存在一些不足之处。因此，基于交通区域中心的交互式汽车导航方案合理利用整合驾驶员的决策数据，既具有分布式诱导的并行性和灵活性，能满足汽车导航实时性的要求，又具有中心式诱导宏观性和统一性，以避免Braess悖论现象的出现，为大规模路网动态交通诱导提供了一个新思路。系统框架包括交通区域划分，数据融合，路径诱导三部分，如图1所示。交通区域划分包括路网的划分和重构，数据融合包括交通流量与基础路网数据融合和交通流量预测，路径诱导包括区域内诱导和宏观诱导。

2 相关技术

2.1 交通区域划分

交通区域的合理划分是实现分布式导航的关键步骤，根据交通的关联性将道路网络划分为若干个交通子区，保持交通子区内部高内聚，交通子区之间低耦合。道路交通网络可以看作是一个复杂网络系统，复杂网络系统的社团划分算法对道路交通网络的交通子区划分同样有效。一个交通子区等价于一个社团，以交叉路口为结点，道路为边，结合道路宽度、流量等属性，采用凝聚算法和分裂算法均可以获得交通子区的有效划分。对大规模城市路网还可以考虑在HAMA平台下使用并行社团发现算法实现交通子区的快速划分。

2.2 交互式数据融合

道路网络的实时流量受到各种因素的影响，准确预测流量可以提高路径诱导的质量。路径诱导需要了解导航请求发出之后一段时间内的途经道路的拥堵情况。目前，道路流量监测能准确的了解当前各道路的交通情况，但道路流量数据是动态的，多变的。用静态的流量监测数据作为路径诱导的依据，可能会计算出无效的路径。通过与驾驶员交互，获取驾驶员的决策数据可以提高道路流量数据的准确性。基于交互式数据可以进行流量的精准预测，及时了解用户决策路径的流量更新，为突发流量预警提供支持。

2.3 分层诱导算法设计

分层诱导算法分为区域间路径选择算法和区域内路径选择算法。区域间路径选择算法是区域间的宏观路径选择算法，将交通区域中心作为一个整体，每个交通子区要维护一张短期交通流量预测表，实现交通子区级的动态最短路径计算。区域内路径选择算法则只负责区域内的最优路径计算，由于交通子区规模较小，其流量在较短的时间周期内可以视为是不变的，可采用静态最短路径计算方法。

3 小结

基于交通区域中心的交互式汽车导航作为一种分布式中心的动态路径诱导，将驾驶员决策数据反馈于交通路网，有效预测动态交通流量；交通区域中心的分布式结构有利于实施并行计算，以完成时效性要求更高的大规模路径诱导任务。