[论文解读] Improved Oracles for Time-Dependent Road Networks

Strasser, Ben|arXiv (Cornell University)|Jun 21, 2016

Data Management and Algorithms参考文献 2被引用 5

一句话总结

本文提出 TD-S，一种用于具有静态旅行时间函数的路网中时间依赖性路由的简单且高效的算法。通过在时间窗口内对旅行时间取平均，计算每个窗口内的最短路径，并将搜索限制在标记的边内，TD-S 实现了接近最优的结果，仅产生 0.072 的相对误差，且实现复杂度极低，在保持强大性能的同时，其简洁性优于现有方法。

ABSTRACT

A novel landmark-based oracle (CFLAT) is presented, which provides earliest-arrival-time route plans in time-dependent road networks. To our knowledge, this is the first oracle that preprocesses combinatorial structures (collections of time-stamped min-travel-time-path trees) rather than travel-time functions. The preprocessed data structure is exploited by a new query algorithm (CFCA) which also computes (and pays for it) the actual connecting path that preserves the theoretical approximation guarantees. To make it practical and tackle the main burden of landmark-based oracles (the large preprocessing requirements), CFLAT is extensively engineered. A thorough experimental evaluation on two real-world benchmark instances shows that CFLAT achieves a significant improvement on preprocessing, approximation guarantees and query-times, in comparison to previous landmark-based oracles. It also achieves competitive query-time performance compared to state-of-art speedup heuristics for time-dependent road networks, whose query-times in most cases do not account for path construction.

研究动机与目标

• 解决路网中边权为时变旅行时间函数的时变最早到达问题。
• 开发一种避免复杂轮廓链接与合并操作的路由算法，此类操作在以往工作中普遍存在。
• 在保持实现简洁的同时，实现高查询效率和低误差率。
• 通过在小型标记子图上使用基于采样的方法，实现高效轮廓查询（到达时间作为出发时间的函数）。
• 证明该算法在扩展至包含备选路径和实时交通更新时仍保持有效性。

提出的方法

• 将一天划分为 k 个时间窗口，并在每个窗口内对旅行时间取平均，以生成静态权重近似值。
• 使用如收缩层次（Contraction Hierarchies, CH）等加速技术，为每个时间窗口计算独立于时间的最短路径。
• 标记在所有时间窗口的最短路径中使用的所有边。
• 仅使用标记边构建受限的时变图，并在其上运行时变最短路径查询。
• 通过计算额外路径并标记它们，将方法扩展至包含备选路径（TD-S+A）。
• 使用基于采样的方法，在 TD-S 生成的小型标记子图上高效回答轮廓查询。

实验结果

研究问题

• RQ1 一种简单、非迭代的算法是否能在不进行轮廓链接或合并的情况下，实现接近最优的时变路由性能？
• RQ2 TD-S 在真实路网中的误差与最先进的方法（如 TD-CH 和 heu L-SHARC）相比如何？
• RQ3 在 TD-S 框架中包含备选路径在多大程度上能降低误差？
• RQ4 能否通过 TD-S 生成的小型子图高效回答轮廓查询？
• RQ5 该算法在多样化的实际实例（包括合成数据和旧数据集）中是否具有鲁棒性？

主要发现

• 在欧洲路网中，TD-S 的相对误差为 0.072，显著低于大多数竞争方法，且与文献中最佳结果相当。
• 通过引入备选路径（TD-S+A），误差进一步降低至 0.037，尽管改进幅度有限。
• 查询时间极为高效，平均查询时间为 0.76ms（已缩放），适用于实时应用。
• TD-S 生成的子图足够小，可使用简单的基于采样的方法高效支持轮廓查询。
• TD-S 在实现简洁性方面优于基于链路和合并的方法，同时保持了具有竞争力的性能，尤其考虑到真实世界旅行时间数据中固有的不确定性。
• 该方法在旧数据集和合成数据集上依然有效，表明其对实例结构具有鲁棒性，但其在假设未来基准测试中的表现尚不明确。