[论文解读] Engineering Time-dependent One-To-All Computation

Robert Geisberger|arXiv (Cornell University)|Oct 5, 2010

Data Management and Algorithms参考文献 10被引用 4

一句话总结

本文提出了一种针对道路网络中时间依赖性单源最短路径计算的优化算法，采用时间依赖性收缩路径（TCH）。通过利用近似行驶时间函数（TTFs）并借助上下界对昂贵的TTF操作进行剪枝，该方法显著加速了查询处理——在0.1%近似误差下，相比标准TCH实现45%的性能提升，且通过并行化可获得进一步加速。

ABSTRACT

Very recently a new algorithm to the nonnegative single-source shortest path problem on road networks has been discovered. It is very cache-efficient, but only on static road networks. We show how to augment it to the time-dependent scenario. The advantage if the new approach is that it settles nodes, even for a profile query, by scanning all downward edges. We improve the scanning of the downward edges with techniques developed for time-dependent many-to-many computations.

研究动机与目标

• 为解决时间依赖性单源最短路径查询中的性能瓶颈，其中TTF操作的开销远超图遍历开销。
• 将静态收缩路径中基于缓存效率与节点排序的算法适配至时间依赖性场景。
• 通过近似上下界与剪枝策略，降低昂贵TTF操作（链接、最小值）的计算成本。
• 通过基于核心的计算实现精确弧标志的预计算，为加速技术提供精确性保障。

提出的方法

• 该算法按重要性降序处理节点，与静态收缩路径类似，但通过TTF适应时间依赖边权。
• 对进入的向下边进行三次遍历，基于最大值与ε-近似计算中间上界，用于剪枝。
• 通过下界与上界实施剪枝：仅当候选路径的下界不超过当前上界时，才执行TTF操作。
• 通过Imai-Iri几何算法计算近似TTFs（ε-界），以降低复杂度并加快操作速度。
• 该方法结合上界收紧与基于最小值的剪枝，仅将昂贵的链接与最小值操作限制在有希望的路径上。
• 在多个线程上应用并行化，性能在包含470万个节点与1080万条边的德国道路网络上进行评估。

实验结果

研究问题

• RQ1 静态收缩路径中基于缓存效率的节点排序策略能否扩展至时间依赖性单源最短路径计算？
• RQ2 在时间依赖性单源最短路径查询中，如何减少昂贵TTF操作（链接、最小值）的开销？
• RQ3 近似TTFs与剪枝启发式方法在不牺牲准确性的前提下，能在多大程度上提升性能？
• RQ4 基于核心的计算与精确TTFs能否实现更快速、更精确的加速技术（如弧标志）预计算？

主要发现

• 使用0.1%近似误差（ε）将查询时间从105秒（TCH）降低至32.6秒，相比基线实现70%的加速。
• 在8个线程与0.1% ε下，查询时间降至5.7秒，表明具有出色的可扩展性。
• 该算法通过有效的剪枝策略，显著减少了昂贵TTF操作的数量，优于标准TCH与Profile Dijkstra。
• 基于核心的计算与精确TTFs可实现弧标志的更快预计算，兼具速度与精确性优势。
• 基于最小值与ε-近似的上下界显著减少了完整TTF操作的次数。
• 即使在表示现实交通模式的复杂分段线性TTFs下，该方法仍保持正确性并实现高性能。