[论文解读] Map Route Ranking with Weighted Distance using Environmental Factors

Jiyi Li|arXiv (Cornell University)|Apr 2, 2014

Data Management and Algorithms参考文献 1被引用 3

一句话总结

本文提出了一种加权距离排序方法，用于地图路线规划，将环境因素——特别是基于海拔的坡度——纳入路线选择。通过将海拔导出的权重应用于子路段，该方法对 Google Maps 的默认最短路径结果进行重新排序，以反映体力消耗情况，表明由于坡度更平缓，路线 1 比最短路径（路线 0）更舒适。

ABSTRACT

When users search for the routes between two places using map based services, these services compute and provide the top candidate routes based on shortest geometric distances or ideal time consuming. However, other real factors like physical exertion and practical time consuming will influence user experience, and the environmental factors like steep slope and traffic jam that result in these real factors need to be considered. For example, when users travel on foot or by bicycle, if there are many steep slopes on the routes, it will be difficult or easy to be tired. In this paper, we propose an approach computing weighted distance considering these environmental factors. We rank the candidate route results generated by Google Map using elevation information. We integrate the elevation information in the route results to assist users to make decision. The solution can also be used in other scenarios that need to consider environmental factors.

研究动机与目标

• 通过整合现实世界中的环境因素（如坡度和海拔）来改进路线推荐，超越仅基于最短距离或最短时间的推荐。
• 解决步行或骑行路线中因陡峭坡度导致的用户不适问题。
• 提出一种基于海拔数据对 Google Maps 等服务的现有路线建议进行重新排序的方法。
• 通过量化体力消耗，支持用户根据不同偏好（如舒适性 vs. 挑战性）进行决策。
• 实现在不修改其核心路径规划算法的前提下，与现有地图服务集成。

提出的方法

• 该方法通过将海拔差值作为权重应用于连续 GPS 点之间的子路段，计算每条候选路线的加权距离。
• 对于点 $ r_{ij} $ 和 $ r_{ik} $ 之间的每个子路段，权重 $ w_{jk} $ 定义为海拔差值 $ e_{jk} $，从而将原始距离转换为加权距离 $ wd_i = \sum_j w_{jk} d_{jk} $。
• 该方法使用 Google Maps API v3.exp (12/2013) 通过 Directions 和 Elevation 服务获取路线候选结果和海拔数据。
• 路线根据其加权距离进行排序，数值越低表示因地形平坦而体力消耗越小。
• 生成海拔曲线以可视化每条路线沿线的海拔变化，直观呈现坡度分布特征。
• 该方法可扩展至其他环境因素（如交通拥堵或路面质量），只需替换相应的权重度量。

实验结果

研究问题

• RQ1 如何将海拔和坡度等环境因素定量地整合到路线排序中，以反映体力消耗？
• RQ2 通过使用海拔数据对标准路线建议进行重新排序，能否改善步行和骑行用户的体验？
• RQ3 与传统的最短路径排序相比，加权距离度量在识别更舒适或更具挑战性的路线方面表现如何？
• RQ4 在不改变其核心路径规划逻辑的前提下，现有地图服务能在多大程度上通过环境数据得到增强？
• RQ5 在路线选择中，最短路径、最短时间和最小体力消耗之间存在何种权衡？

主要发现

• 路线 0（Google Maps 选择的最短路径，1563m）具有最高的最大海拔，因此体力消耗最大。
• 路线 1 虽然更长（1606m），但其加权距离（1982）显著低于路线 0（2385），表明由于坡度更平缓，体力消耗更小。
• 路线 2 的加权距离最高（2686），证实其因陡峭的海拔变化而最具挑战性。
• 海拔曲线直观表明，路线 1 的爬升更平缓，而路线 0 的爬升更陡峭，支持了加权距离排序结果。
• 所提出的方法成功根据用户偏好对路线进行重新排序：路线 1 适合追求舒适性，路线 2 适合追求挑战性，而路线 0 仅在几何距离上最优。
• 该解决方案可轻松集成到现有地图服务（如 Google Maps）中，并可扩展至其他环境因素（如交通状况或路面质量）。