車載導(dǎo)航儀也稱為車載定位和導(dǎo)航系統(tǒng)（Vehicle Location and Navigation System。它的主要功能是利用全球定位系統(tǒng)（GPS）獲取定位信息并與電子地圖進行匹配，以決定車輛的當前位置并用圖形化方式顯示；按要求規(guī)劃從出發(fā)地到目的地的最優(yōu)駕駛路線；按照預(yù)先設(shè)定的路線，自動根據(jù)車輛的位置向駕駛員提供操作指令引導(dǎo)駕駛；提供與電子地圖相關(guān)的集成信息服務(wù)；提供無線通信服務(wù)等。車載導(dǎo)航儀把先進的全球衛(wèi)星定位技術(shù)、地理信息技術(shù)、數(shù)據(jù)庫技術(shù)、多媒體技術(shù)和現(xiàn)代通信技術(shù)綜合在一起？能夠?qū)崟r、高效地向駕駛員提供多種重要信息，具有很強的實用價值和廣闊的市場前景。

路徑規(guī)劃是車載導(dǎo)航儀的重要功能模塊。在開發(fā)車載導(dǎo)航儀過程中，為了實現(xiàn)路徑規(guī)劃模塊，對單車輛路徑規(guī)劃算法進行了研究。

1 、路徑規(guī)劃算法

所謂路徑規(guī)劃，就是在路網(wǎng)中找到任意給定兩點之間的最優(yōu)路徑。最優(yōu)的標準是旅行費用最小或最大。旅行費用可以是距離、時間或速度等因素。路徑規(guī)劃主要算法有：迪杰斯特拉（Dijkstra）算法及其改進算法、啟發(fā)式搜索算法、雙向搜索算法和雙向啟發(fā)式搜索算法等。

迪杰斯特拉算法是解決兩點之間最短距離的有效算法。算法的思想是？從原節(jié)點開始，算法每前進一步，都找到一個與原節(jié)點之間費用（距離）最小的節(jié)點，直至找到所有節(jié)點離原節(jié)點的最小費用。該算法的特點是？只要各段路徑的費用非負，一定可以找到從原節(jié)點到各節(jié)點的最優(yōu)解。缺點是需遍歷所有節(jié)點。算法的運行時間為O slogn 1，其中n、s分別為路徑節(jié)點和路段的總數(shù)。單車導(dǎo)航?jīng)]有必要找到所有節(jié)點到原節(jié)點的最優(yōu)路徑。改進的迪杰斯特拉算法在找到目標節(jié)點的最優(yōu)路徑后，算法停止。其運行時間為O bd，其中b是各節(jié)點的平均后繼節(jié)點數(shù)，d為算法的搜索深度，即遍歷樹的層數(shù)。

啟發(fā)式搜索算法引入啟發(fā)式估價函數(shù)f‘n＝g n+h’n，其中g(shù)n表示從原節(jié)點到當前節(jié)點n的實際費用，h‘n為當前節(jié)點ｎ到目標節(jié)點的估計費用。啟發(fā)式搜索算法基本同于改進的迪杰斯特拉算法，唯一不同的是前者的費用是f’n，而后者為g n。估計費用h‘ n能引導(dǎo)算法優(yōu)先搜索接近目標節(jié)點的節(jié)點，因此比改進的迪杰斯特拉算法有更快的速度。其運行時間為O bd。注意這里的d要比改進的迪杰斯特拉算法中的d要小。若路網(wǎng)中任意兩點之間存在最優(yōu)路徑，而且估計費用滿足可納性，即h’ n小于從節(jié)點n到目標節(jié)點之間的實際費用，那么通過該算法一定可以找到一條最優(yōu)路徑。

前面兩種算法都是從原節(jié)點到目標節(jié)點沒單一方向進行搜索的算法。雙向搜索算法的思想是：不僅進行從原節(jié)點到目標節(jié)點的前向搜索，而且進行從目標節(jié)點到原節(jié)點的后向搜索。在單CPU硬件平臺條件下，兩個方向的搜索交替進行。成功實現(xiàn)雙向搜索有兩個條件，即合適的搜索停止條件和前向后向搜索切換標準。其算法時間為O bd/2。若雙向搜索算法中加入估計費用函數(shù)，便是更快的雙向啟發(fā)式搜索算法１。

2、 雙向啟發(fā)式搜索算法的改進和實現(xiàn)

2.1 算法的優(yōu)化與改進

通過對雙向啟發(fā)式搜索算法的仔細分析，發(fā)現(xiàn)算法主要圍繞兩個表進行操作，即OPEN表和CLOSE表。前者用于存放已經(jīng)搜索但尚未確定最小費用的節(jié)點，稱labbled節(jié)點；后者用于存放已經(jīng)搜索且最小費用已知的節(jié)點，稱scanned節(jié)點。后者也用于存放路徑回朔指針等。對OPEN表的主要操作有插入一個i節(jié)點insert i，刪除費用值最小的節(jié)點delete 和減小其中某個節(jié)點i的費用decrease i。算法對OPEN表的操作極為頻繁。若用高效的數(shù)據(jù)結(jié)構(gòu)來實現(xiàn)該表及其操作，可以提高算法的效率和速度。最后用有高效算法的最小堆4實現(xiàn)了OPEN表及其操作，優(yōu)化了算法。具體實現(xiàn)的函數(shù)如下：

void filter_down int START int ENDOFHEAP//由起點START從上而下排列堆；

void decrease int NODE//更新減少堆中節(jié)點NODE的費用f‘值；

void filter_up int START //由起點START從下而上排列堆；

void heap_create int MAXSIZE //創(chuàng)建堆；

void heap_destructor//析構(gòu)函數(shù)；

int insert int NODE//把節(jié)點NODE插入堆；

int remove_min int &iMinNode//刪除堆中最小費用f’值的節(jié)點。

在實際的路網(wǎng)中，路段有不同的屬性，如高速公路、收費路段、單行路段等。有些路段可能因修建或發(fā)生交通故障而暫時封閉。因此在進行路徑規(guī)劃時，算法應(yīng)該考慮路網(wǎng)中路段的屬性，才能進行符合實際的規(guī)劃，否則理論上規(guī)劃出來的最優(yōu)路徑可能是不通的。為此，對算法進行了改進。增加一個變量紀錄各路段的屬性，算法每搜索一新的路段，都要檢查該路段的屬性，若是限制的路段，算法不做任何處理。同時路徑規(guī)劃算法入口參數(shù)中應(yīng)說明限制的內(nèi)容。這樣就能根據(jù)用戶的意愿或?qū)崟r交通信息，避免走某些特定的路段。

2.2 搜索停止條件、搜索切換標準和估計費用函數(shù)

前面提到，成功實現(xiàn)雙向搜索算法必須有合適的搜索停止條件和切換標準。兩個標準沒有現(xiàn)成的理論依據(jù)。經(jīng)過對車載導(dǎo)航儀實際應(yīng)用的分析和反復(fù)試驗，終于找到可靠有效的標準。其中停止條件為：（1）搜索到這樣一個節(jié)點iNODEmin，它在前向后向搜索過程中均被標為scanned節(jié)點；（2）gl iNODEmin +g2 iNODEmin確實是最小的，其中g(shù)l iNODEmin表示從原節(jié)點到iNODEmin的最小費用，g2 iNODEmin表示從目標節(jié)點到iNODEmin的最小費用。如果只滿足第一個條件就停止搜索，找到的最優(yōu)路徑不一定是最優(yōu)的。只有加上第二個條件，才能確保找到最優(yōu)的路徑，但付出的代價是要多搜索幾十個點。具體的搜索停止條件如圖1所示。

此外，經(jīng)過實驗發(fā)現(xiàn)，如前向搜索的步數(shù)和后向搜索的步數(shù)不同，則算法的總的搜索節(jié)點數(shù)增加。因此兩個方向上的搜索步數(shù)應(yīng)相同，然后切換。但搜索步距過小或過大，也會增加總搜索量。最后定下的切換標準是，每個方向搜索20步后切換方向。此外，前向搜索估計費用函數(shù)hl‘n定義為從當前節(jié)點n到終點的歐氏距離，后向估計費用函數(shù)h2’ n定義為從n到原節(jié)點的歐氏距離。由于這兩個距離均小于從n到目標節(jié)點或原節(jié)點的路徑的實際距離，因此hl‘n和h2’n滿足可納性。

2.3 算法流程

改進的雙向啟發(fā)式搜索算法主要流程如下：

3 、試驗結(jié)果及結(jié)論

作者用C語言實現(xiàn)了雙向啟發(fā)式搜索算法和其它三種算法，并用約有10000個節(jié)點的美國紐約地圖進行了大量路徑規(guī)劃試驗。試驗的部分數(shù)據(jù)如表1所示。

表中的數(shù)據(jù)除起止節(jié)點外，為相關(guān)算法的搜索節(jié)點數(shù)，括弧中數(shù)據(jù)為一次測試中該算法的搜索點數(shù)少于改進的迪杰斯特拉算法的搜索點數(shù)的百分比。大量試驗統(tǒng)計表明，啟發(fā)式搜索算法的搜索空間比改進的迪杰斯特拉算法少1.5%，雙向搜索算法的搜索空間比改進的迪杰斯特拉算法減少26.6%，雙向啟發(fā)式搜索算法的搜索空間比改進的迪杰斯特拉算法少28.0%。算法運算時間與搜索點數(shù)成正比。雙向搜索的效果較好，啟發(fā)式的效果較差。主要原因是試驗地圖數(shù)據(jù)庫給出的節(jié)點坐標是經(jīng)緯度，估計費用直接用兩點的經(jīng)緯度算出，其值很小，所以引導(dǎo)的效果不好。進行坐標變換后，啟發(fā)式的效果應(yīng)有比較大的改善，雙向啟發(fā)式搜索算法的速度會更快。

算法程序全部用C語言編寫，所用功能模塊均以函數(shù)的形式給出，以便移植到基于WindowCE的硬件平臺。總之改進的雙向啟發(fā)式搜索算法快速高效，已經(jīng)成功用于正在開發(fā)的車載導(dǎo)航儀。

責(zé)任編輯：gt