Spica，一种路径推荐的路段结合方法

● 每周一言

没有盼头的人生，容易引入歧途。

导语

上周简单介绍了一下短时流量预测的PMA模型，本周介绍另一个路线推荐方面的模型Spica。Spica是一种基于道路捆绑模型的路线推荐方法，能有效避免现存模型只对道路通行时间独立建模所带来的弊端，使路线推荐更为合理。那么，Spica的具体思想是什么？

Spica

城市道路求解最优路线问题，与求解静态图中两点间的最短路径不同，该路径通常具有时间依赖性。由于科学技术的迅猛发展，我们可以较容易的获取城市道路车辆的位置以及其行驶速度，进而建立一种以时间为自变量函数的时间依赖网络TDN（time-dependent networks）。而现有方法并未考虑十字路口相连路段之间的关系，仅把通行时间按路段独立建模，因此实际的时间花销预测并不合理与准确。

而Spica基于TDN构建路线推荐模型，能解决现有方法仅按路段独立建模的问题。其核心思想是利用一种衔接技术JT（joint technique）从旅行时间维度描述相连路段关系，然后建立路线推荐模型进行预测。

首先，用衔接技术从数据集中提取衔接边。衔接边能区分右转、左转、直行三种行为，因此保证了模型不会出现诸如用直行绿灯的通行时间来预测左转红灯的通行时间的情况。构造衔接边的示意图如下：

然后，用衔接边构图并进行旅行时间预估。Spica使用JT建立一种经过改进的TDN（time-dependent network），我们称之为TDJ（time-dependent joint）图，并对TDJ图中的每一条边进行时间依赖的旅行时间预估。TDJ图的每条边都是首尾镶嵌的，其按路段转化成有向图的示例如下图所示：

最后，基于TDJ有向图以及每条边的旅行时间分布情况，使用一种时间依赖启发式算法TDHA（time-dependent heuristic algorithm）计算图中给定两点的时间最短路径。

以上便是Spica模型的简介。文中若干没有展开描述的算法、概念以及实验结果，可参考论文作进一步了解，原文链接：
https://link.springer.com/chapter/10.1007/978-3-319-45817-5_7

结语

感谢各位的耐心阅读，后续文章于每周日奉上，欢迎大家关注小斗公众号 对半独白！