[发明专利]大数据环境下基于迭代计算的路径规划分布式计算方法

说明书

本发明公开了一种大数据环境下基于迭代计算的路径规划分布式计算方法，包括如下步骤：（1）、首先对路径规划请求的相关性进行定义；（2）、其次，对路径规划请求按照相关性划分簇；（3）、最后设计一个分布式计算框架，将相关性较小的请求分簇并行处理，一个簇内相关性较大的请求串行处理。本发明的计算方法，有利于维持算法在负载均衡方面的优越性，同时实现分布式计算，加快系统处理速度，适应大数据环境下的交通响应要求。

技术领域

本发明涉及计算机领域，具体涉及分布式领域，尤其设计一种大数据环境下基于迭代计算的路径规划分布式计算方法。

背景技术

随着交通事业的发展，社会机动车保有量迅速增长，然而大中型城市中交通问题越来越突出，表现在拥挤情况严重、交通事故频发，尤其是在上下班高峰时期，拥堵会影响人们的行程，还会造成资源浪费、污染环境，影响着城市居民生活水平的提高和城市经济的发展。

目前的导航系统通常会将同一条最优路径推荐给大量用户，但考虑到路网的负载均衡，提出一种迭代计算的路径规划方法，该方法将路径当前的被推荐次数纳入下一个路径规划方案中，也就是说对于并发式路径规划请求，每一个路径规划请求的处理结果都会对下一个路径规划请求产生影响。因此，对于同一时刻的大量导航请求来说，这种考虑了负载均衡的路径规划算法从本质上来讲是串行的，若不考虑串行，将路径规划请求平均地分到不同的计算节点上并行处理则无法体现算法的优越性。

根据高德地图的报告，2016年高德地图全球日均响应定位请求次数近300亿，面对如此海量的数据请求，必须利用分布式计算框架以提高路径规划算法运行速度。但目前普通的分布式计算框架无法满足以上迭代式算法的需求，需要针对这种路径规划算法设计相对应的分布式计算框架。

发明内容

本发明提供了一种用于大数据环境下基于迭代计算的路径规划算法的分布式计算方法，包括路径规划请求的相关性定义、路径规划请求的相关性划分以及并行处理三个模块；其中，一种迭代的路径规划算法主要用来实现城市交通的负载均衡，为了避免向同一条最优路径推荐大量的用户，需要将路径的被推荐次数纳入路径规划算法中，即一个路径规划结果可能会对下一个路径规划请求产生影响；针对这种迭代式的路径规划算法，设计一种分布式计算方法，有利于维持算法在负载均衡方面的优越性，同时实现分布式计算，加快系统处理速度，适应大数据的交通状况。

实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种大数据环境下基于迭代计算的路径规划分布式计算方法，包括如下步骤：

(1)、首先对路径规划请求的相关性进行定义；

(2)、其次，对路径规划请求按照相关性划分簇；

(3)、最后设计一个分布式计算框架，将相关性较小的请求分簇并行处理，一个簇内相关性较大的请求串行处理。

所述步骤(1)中路径规划请求的相关性定义为：若某一条路径规划请求产生的路径与另一条路径规划请求涉及的路径重叠数较多，则认为这两条路径规划请求相关性较大，上一条的计算结果会对下一条的计算产生影响，存在迭代计算的关系；否则，认为这两条路径规划请求相关性较小，计算结果对彼此不产生影响。

进一步地，所述路径规划请求的相关性划分利用K-means++聚类算法，具体步骤如下：

(3-1)预处理：确定K-means++聚类算法的k值；

(3-2)所述路径规划请求的输入为：起始点，目的地，请求时间，通过地图API将所述起始点和目的地名称转换为经纬度信息：

(起始点，目的地)→(S_LO，S_LA，D_LO，D_LA)