[论文解读] Shortest Path and Distance Queries on Road Networks: Towards Bridging Theory and Practice

Andy Diwen Zhu, Hui Ma+4 more|arXiv (Cornell University)|Apr 9, 2013

Data Management and Algorithms参考文献 2被引用 12

一句话总结

本文提出动脉层级（Arterial Hierarchy, AH），一种新颖的索引结构，通过将节点组织成具有战略性放置捷径的分层结构，高效回答大规模道路网络中的最短路径与距离查询。在合理的几何假设下，AH 实现近乎对数时间的查询效率（距离查询为 $ ilde{O}("logackslashalpha$)，最短路径查询为 $ ilde{O}(k + "logackslashalpha$），同时保持适中的空间与预处理开销，在实践中优于基于启发式的方法与理论高效的算法。

ABSTRACT

Given two locations $s$ and $t$ in a road network, a distance query returns the minimum network distance from $s$ to $t$, while a shortest path query computes the actual route that achieves the minimum distance. These two types of queries find important applications in practice, and a plethora of solutions have been proposed in past few decades. The existing solutions, however, are optimized for either practical or asymptotic performance, but not both. In particular, the techniques with enhanced practical efficiency are mostly heuristic-based, and they offer unattractive worst-case guarantees in terms of space and time. On the other hand, the methods that are worst-case efficient often entail prohibitive preprocessing or space overheads, which render them inapplicable for the large road networks (with millions of nodes) commonly used in modern map applications. This paper presents {\em Arterial Hierarchy (AH)}, an index structure that narrows the gap between theory and practice in answering shortest path and distance queries on road networks. On the theoretical side, we show that, under a realistic assumption, AH answers any distance query in $ ilde{O}(\log )$ time, where $ = d_{max}/d_{min}$, and $d_{max}$ (resp.\ $d_{min}$) is the largest (resp.\ smallest) $L_\infty$ distance between any two nodes in the road network. In addition, any shortest path query can be answered in $ ilde{O}(k + \log )$ time, where $k$ is the number of nodes on the shortest path. On the practical side, we experimentally evaluate AH on a large set of real road networks with up to twenty million nodes, and we demonstrate that (i) AH outperforms the state of the art in terms of query time, and (ii) its space and pre-computation overheads are moderate.

研究动机与目标

• 弥合理论效率与实际性能在大规模道路网络最短路径与距离查询之间的差距。
• 设计一种兼具强理论查询时间界限与低空间与预处理开销的索引结构。
• 在包含最多2300万个节点的真实世界道路网络上评估该方法，证明其相对于现有技术的实际优越性。
• 提供一种适用于现代地图与导航应用中大规模数据集的可扩展解决方案。

提出的方法

• AH 将道路网络节点组织为多级分层结构，每一层包含节点的不相交子集。
• 预先计算辅助的“捷径”——连接不同层级节点的边，其长度等于实际最短路径距离。
• 查询处理采用源点与目标点之间的交替双向遍历，始终从高层向低层移动，以避免冗余探索。
• 该方法基于道路网络中 $L_\infty$ 距离分布的合理假设，推导出理论查询时间界限。
• 索引构建算法的时间复杂度为 $O(hn^2)$，其中 $h$ 为层级数，但在实际中呈现线性增长。
• AH 支持距离查询（返回最短距离）与最短路径查询（返回实际路径），附加开销极低。

实验结果

研究问题

• RQ1 理论上高效的索引结构是否能在大规模道路网络的最短路径与距离查询中实现实际效率？
• RQ2 所提出的动脉层级（AH）是否在保持低空间与预处理开销的同时确保快速查询速度？
• RQ3 与 CH、SILC 及 Dijkstra 算法等最先进方法相比，AH 在查询性能与资源使用方面表现如何？
• RQ4 网络规模与拓扑结构对 AH 的查询时间、空间开销与预处理时间有何影响？

主要发现

• 在合理的几何假设下，AH 以 $\tilde{O}(\log\alpha)$ 时间回答任意距离查询，其中 $\alpha = d_{\text{max}}/d_{\text{min}}$。
• 最短路径查询以 $\tilde{O}(k + \log\alpha)$ 时间完成，其中 $k$ 为路径上的节点数。
• 在包含最多2300万个节点的道路网络中，AH 在查询时间上优于 CH、SILC 与 Dijkstra 算法，尤其在最短路径查询中表现更优。
• AH 的空间消耗随节点数线性增长，最大数据集下不超过32 GB，适合主内存部署。
• 美国道路网络（2300万个节点）的预处理时间仅约三小时，远低于 SILC 的超线性成本。
• CH 仍是空间效率最高的方法，但 AH 在保持适中空间与预处理开销的同时，实现了优于 CH 的查询性能。