[论文解读] Route Planning in Transportation Networks

Hannah Bast, Daniel Delling+6 more|arXiv (Cornell University)|Apr 20, 2015

Data Management and Algorithms参考文献 7被引用 97

一句话总结

本文综述了交通网络中路线规划的最先进算法，重点关注道路网络、公共交通以及多式联运系统。文中介绍了诸如收缩层次（Contraction Hierarchies）、Transit+ 和 RAPTOR 等技术，这些技术可在大陆规模的道路网络上实现亚毫秒级查询响应时间，并实现高效的实时公共交通路线规划，其中多种算法已实际部署于 Google Maps 和 Bing Maps 等生产系统中。

ABSTRACT

We survey recent advances in algorithms for route planning in transportation networks. For road networks, we show that one can compute driving directions in milliseconds or less even at continental scale. A variety of techniques provide different trade-offs between preprocessing effort, space requirements, and query time. Some algorithms can answer queries in a fraction of a microsecond, while others can deal efficiently with real-time traffic. Journey planning on public transportation systems, although conceptually similar, is a significantly harder problem due to its inherent time-dependent and multicriteria nature. Although exact algorithms are fast enough for interactive queries on metropolitan transit systems, dealing with continent-sized instances requires simplifications or heavy preprocessing. The multimodal route planning problem, which seeks journeys combining schedule-based transportation (buses, trains) with unrestricted modes (walking, driving), is even harder, relying on approximate solutions even for metropolitan inputs.

研究动机与目标

• 提供对交通网络中路线规划实用算法最新进展的全面概述，涵盖道路网络、公共交通以及多式联运系统。
• 评估不同算法方法在预处理开销、空间使用、查询时间和鲁棒性之间的权衡。
• 突出展示这些算法在大规模生产系统中的实际部署情况，这些系统每日服务数百万用户。
• 解决公共交通和多式联运场景中时间依赖性、多准则旅程规划的挑战。
• 强调工程优化和硬件感知设计在实现亚毫秒性能中的重要性。

提出的方法

• 利用收缩层次（CH）及相关分层技术，通过利用拓扑和几何特性，加速道路网络中的点对点最短路径查询。
• 采用 Transit+ 和转移模式（Transfer Patterns）实现高效的公共交通路线规划，通过时间展开图和预计算模式来建模时刻表和换乘。
• 应用分层标记（HL）和 PHAST 技术，通过分层分解和位并行的双向搜索加速查询。
• 通过利用基于时刻表网络的结构，引入 RAPTOR 用于公共交通路线规划，按时间步长顺序处理站点。
• 使用多标记搜索（MLS）结合类型与阈值过滤（TNT）技术，在搜索过程中剪枝不合理的多式联运行程。
• 通过精细的工程优化，提升内存局部性、指令级并行性，并充分利用多核/GPU，以在现代硬件上最大化性能。

实验结果

研究问题

• RQ1 如何在保持精确性的前提下，将大规模道路网络中的最短路径查询加速至亚毫秒响应时间？
• RQ2 在动态、时间依赖的公共交通系统中，实现实时路线规划的关键算法与工程技巧是什么？
• RQ3 如何在不进行穷举搜索的情况下，高效计算结合步行、骑行、驾车和公共交通的多式联运行程？
• RQ4 在现代路线规划系统中，预处理成本、空间使用与查询速度之间的权衡是什么？
• RQ5 为何基于几何的算法在实践中不再占主导地位？真实道路网络的哪些特性使得非几何方法表现更优？

主要发现

• 现代算法如收缩层次（CH）和 PHAST 可在大陆规模的道路网络上以不到 100 纳秒的时间回答点对点最短路径查询。
• 使用 RAPTOR 和转移模式的公共交通路线规划在城市和大陆规模下均可实现亚毫秒级查询响应时间。
• 文中综述的多种算法——如 CRP、CH 和 RAPTOR——已被部署于 Microsoft Bing Maps、Google Maps 和 OSRM 等生产系统中，每日服务数百万用户。
• 使用 TNT 等过滤技术可显著减少多式联运路线规划中的搜索空间，通过剔除不合理的路径，在不牺牲解质量的前提下提升查询效率。
• 尽管取得了显著进展，但尚无单一算法在所有指标上占优；预处理、空间使用与查询时间之间的权衡仍是系统设计的核心。
• 近期进展不仅源于算法创新，也得益于底层工程优化，包括缓存感知数据结构和并行计算的充分利用。