道路网络中 A* 的快速紧启发式方法

我们研究大型道路网络中精确、高效且实用的路线规划算法。路由应用通常需要集成当前交通状况、利用未来交通预测进行提前规划、遵守禁转规则以及许多依赖于具体应用的其它特性。虽然 Dijkstra 算法可用于解决这些问题，但对许多应用而言它太慢了。A* 是加速 Dijkstra 算法的一种经典方法。A* 可以支持许多扩展场景而无需太多额外的实现复杂性。然而，A* 的性能依赖于能够估计距离的好的启发式的可用性。计算紧距离估计本身就是一个挑战。在道路网络上，最短路径也可以使用分层加速技术快速计算。它们实现了速度和精确性，但牺牲了 A* 的灵活性。将它们扩展到某些实际应用可能很困难。在本文中，我们提出了一种从 Contraction Hierarchies (CH)（一种分层技术）中高效提取 A* 距离估计的算法。我们将我们的启发式称为 CH-Potentials。我们的方法允许将所支持的扩展与分层加速技术解耦。此外，我们描述了 A* 优化以加速低度节点的处理，这在道路网络中经常出现。