[论文解读] Distributed Processing of k Shortest Path Queries over Dynamic Road Networks

Ziqiang Yu, Xiaohui Yu+5 more|arXiv (Cornell University)|Apr 6, 2020

Data Management and Algorithms参考文献 25被引用 4

一句话总结

本文提出KSP-DG，一种用于在动态道路网络中高效处理k最短路径（KSP）查询的分布式算法。该方法通过将图划分为子图，并使用一种轻量级、动态索引结构DTLP来识别相关子图。该方法在实时交通环境中实现了可扩展的并发KSP计算，且维护开销低，优于基线方法在大规模动态环境下的表现。

ABSTRACT

The problem of identifying the k-shortest paths (KSPs for short) in a dynamic road network is essential to many location-based services. Road networks are dynamic in the sense that the weights of the edges in the corresponding graph constantly change over time, representing evolving traffic conditions. Very often such services have to process numerous KSP queries over large road networks at the same time, thus there is a pressing need to identify distributed solutions for this problem. However, most existing approaches are designed to identify KSPs on a static graph in a sequential manner (i.e., the (i+1)-th shortest path is generated based on the i-th shortest path), restricting their scalability and applicability in a distributed setting. We therefore propose KSP-DG, a distributed algorithm for identifying k-shortest paths in a dynamic graph. It is based on partitioning the entire graph into smaller subgraphs, and reduces the problem of determining KSPs into the computation of partial KSPs in relevant subgraphs, which can execute in parallel on a cluster of servers. A distributed two-level index called DTLP is developed to facilitate the efficient identification of relevant subgraphs. A salient feature of DTLP is that it indexes a set of virtual paths that are insensitive to varying traffic conditions, leading to very low maintenance cost in dynamic road networks. This is the first treatment of the problem of processing KSP queries over dynamic road networks. Extensive experiments conducted on real road networks confirm the superiority of our proposal over baseline methods.

研究动机与目标

• 解决顺序、集中式KSP算法在动态道路网络中可扩展性受限的问题。
• 实现在大规模实时动态道路网络上高效并发处理KSP查询。
• 通过使用对交通变化不敏感的虚拟路径，降低动态图中的索引维护成本。
• 设计一种支持并行子图处理和增量路径优化的分布式框架。
• 开发一种两级分布式索引（DTLP），在不依赖实时边权更新的情况下加速子图选择。

提出的方法

• 该算法将动态道路网络划分为分布在服务器集群中的子图。
• 引入DTLP，一种两级分布式索引，利用虚拟边界路径识别查询处理的相关子图，且独立于实时边权变化。
• KSP-DG以迭代的过滤与优化步骤运行：首先使用DTLP过滤候选子图，然后在这些子图中并行优化部分路径。
• 该方法在每个选定子图内计算部分KSP，并合并它们以构建全局k条最短路径。
• DTLP维护的路径引用在动态边权变化下依然有效，从而确保低维护成本。
• 该算法通过预计算稳定的虚拟路径，避免了每次查询的重索引，实现了高效的分布式执行。

实验结果

研究问题

• RQ1 如何在大规模动态道路网络中以分布式方式高效处理k最短路径查询？
• RQ2 何种索引策略可在动态图中实现快速子图选择且维护成本最低？
• RQ3 分布式KSP算法能否在处理实时交通变化的同时实现高并发性和低延迟？
• RQ4 如何协调子图中的部分KSP计算，以重构全局k条最短路径？
• RQ5 在动态图环境中，索引复杂性与查询性能之间存在何种权衡？

主要发现

• KSP-DG在大规模动态道路网络上相比基线集中式KSP算法，显著降低了查询处理时间。
• 由于DTLP索引依赖于不随交通状况变化的虚拟路径，因此维护成本较低。
• 该分布式并行执行模型支持高并发性，可处理大量同时进行的KSP查询。
• 该算法在动态交通更新下，相比现有方法在可扩展性和响应速度方面表现更优。
• DTLP中使用虚拟路径消除了频繁重索引的需求，使系统适用于实时部署。
• 在真实道路网络上的实验结果表明，KSP-DG具有良好的可扩展性，并在高查询负载下仍能提供低延迟响应。