arXiv 1606.013402016-06-14cs.DBcs.DS

在道路网络中寻找多个新的最优位置

Finding Multiple New Optimal Locations in a Road Network

Ruifeng Liu, Ada WaiChee Fu, Zitong Chen, Silu Huang, Yubao Liu

摘要：

我们研究了道路网络中基于位置的服务的最佳位置查询问题，旨在为新服务器或设施找到位置。现有的最优解只考虑了一个新服务器的情况。当两个或多个新服务器被设置时，最小最大成本准则MinMax的问题变成NP难的。在这项工作中，我们确定了一些有用的属性的潜在位置的新服务器，从中我们得到一个新的算法MinMax，并表明，它是有效的，当新服务器的数量是小的。当新服务器的数量是大的，我们提出了一个有效的3-近似算法。在真实道路网络上进行的实验表明，与现有的贪心算法相比，我们的解决方案是有效的，并且获得了更好的结果质量。

英文摘要：

We study the problem of optimal location querying for location based services in road networks, which aims to find locations for new servers or facilities. The existing optimal solutions on this problem consider only the cases with one new server. When two or more new servers are to be set up, the problem with minmax cost criteria, MinMax, becomes NP-hard. In this work we identify some useful properties about the potential locations for the new servers, from which we derive a novel algorithm for MinMax, and show that it is efficient when the number of new servers is small. When the number of new servers is large, we propose an efficient 3-approximate algorithm. We verify with experiments on real road networks that our solutions are effective and attains significantly better result quality compared to the existing greedy algorithms.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

道路网络中最安全的近邻搜索（完整版）

Safest Nearby Neighbor Queries in Road Networks (Full Version)

传统的路径规划和k近邻查询只考虑距离或行程时间，完全忽略了道路安全。然而，许多旅行者更喜欢避免危险或不愉快的道路状况，例如犯罪率高的道路（例如，抢劫、绑架、骚乱等）和颠簸的道路。为了方便安全出行，我们引入了一种新的查询道路网络称为k最安全的近邻（kSNN）查询。给定查询位置$v_l$、距离约束$d_c$和兴趣点$p_i$，我们将从$v_l$到$p_i$的最安全路径定义为从$v_l$到$p_i$的长度小于$d_c$的所有路径中具有最高路径安全分数的路径。给定查询位置$v_l$、距离约束$d_c$和一组POI P，kSNN查询返回P中具有k个最高路径安全分数的k个POI以及它们各自从查询位置开始的最安全路径。我们开发了两种新的索引结构，称为Ct树和安全评分为基础的沃罗诺伊图（SNVD）。我们提出了两个有效的查询处理算法，每个利用一个建议的索引，有效地细化使用索引的属性的搜索空间。我们对真实数据集的广泛实验研究表明，我们的解决方案平均比基线快一个数量级。

2022-04-27cs.DB

时变道路网络中目标导向的相对Skyline算法

Goal Directed Relative Skyline Queries in Time Dependent Road Networks

无线地理信息系统技术在移动通信领域发展迅速。基于位置的空间查询正在成为许多新的移动应用程序的一个组成部分。Skyline查询是基于位置服务的最新应用程序。在本文中，我们介绍了目标导向的相对天际线查询时间依赖（GD-RDT）的道路网络。该算法使用旅行时间作为度量，通过考虑多个查询点（多源天际线）相对于用户的位置和用户的行进方向，找到数据对象。我们设计了一个有效的算法，基于过滤阶段，堆阶段和细化天际线阶段。最后，我们提出了一个动态的天际线缓存（DSC）机制，这有助于减少未来的天际线查询的计算成本。实验结果反映了GD-SVM算法在真实道路网络中的天际线查询性能优于传统的分支定界算法。

2012-05-09cs.DBcs.NI

COL-Trees: 路网中高效的层次对象搜索

COL-Trees: Efficient Hierarchical Object Search in Spatial Networks

Center for Computational Science, RIKEN（计算科学中心，RIKEN）；Faculty of Information Technology, Monash University（信息科技学院，墨尔本大学）；Department of Computer and Information Science, University of Konstanz（计算机与信息科学系，康斯坦茨大学）

COL-Trees通过高效的层次图遍历方法，提升了道路网络中多代理POI搜索的效率，实现高达4个数量级的性能改进。

2026-11-05cs.AIcs.DBcs.DS

PRESS：一种新的道路网轨迹压缩框架

PRESS: A Novel Framework of Trajectory Compression in Road Networks

位置数据变得越来越重要。针对道路网约束下的轨迹数据，提出了一种新的基于道路网的轨迹压缩框架PRESS（Maxeled Road-Network-Based Trajectory Compression），有效地压缩了道路网约束下的轨迹数据。与已有的研究不同，PRESS提出了一种新的轨迹表示方法，将轨迹的空间表示和时间表示分离，并提出了混合空间压缩（HSC）算法和误差有界时间压缩（BTC）算法分别对轨迹的空间和时间信息进行压缩。PRESS还支持常见的时空查询，而无需完全解压缩数据。通过在真实弹道数据集上的大量实验研究，PRESS在节省误差有界的弹道数据的存储成本方面明显优于现有方法。

2014-02-07cs.DB

动态道路网络k条最短路径规划的分布式处理

Distributed Processing of k Shortest Path Queries over Dynamic Road Networks

动态道路网络中k-最短路径的确定问题是许多基于位置服务的基础。道路网络是动态的，在这个意义上，在相应的图中的边的权重不断变化，随着时间的推移，代表不断变化的交通状况。很多时候，这样的服务必须处理大量的KSP查询在同一时间在大型道路网络，因此，迫切需要确定分布式解决方案，这个问题。然而，大多数现有的方法被设计为以顺序的方式（即，第（i+1）最短路径是基于第i最短路径生成的），这限制了它们在分布式设置中的可伸缩性和适用性。因此，我们提出KSP-DG，一个分布式算法，用于确定动态图中的k-最短路径。它基于将整个图划分为更小的子图，并将确定KSP的问题减少到相关子图中的部分KSP的计算，其可以在服务器集群上并行执行。提出了一种称为DTLP的分布式两级索引，以便于有效地识别相关子图。DTLP的一个显著特点是它索引了一组对变化的交通状况不敏感的虚通路，从而在动态道路网络中实现非常低的维护成本。这是第一次处理的问题，处理KSP查询动态道路网络。在真实道路网络上进行的大量实验证实了我们的建议优于基线方法。

2022-05-13cs.DBcs.DS

道路社会网络中的多属性社区搜索

Multi-attributed Community Search in Road-social Networks

给定一个基于位置的社交网络，如何根据用户的偏好找到与查询用户高度相关且在多个属性中得分最高的社区？通常，面对这样的问题设置，我们可以将网络建模为多属性道路社交网络，其中每个用户都与位置信息和$d$（$\geq\! 1$）数值属性相关联。在实践中，用户偏好（即，权重）通常固有地是不确定的，并且只能以有限的精度来估计，因为人类用户不能以绝对精度指定精确值。受此启发，我们引入了一个规范的社区模型，适用于多标准决策，称为多属性社区（MAC），基于$k$核心的概念和一个新的优势关系的具体偏好。给定不确定的用户偏好，即权重的近似表示，MAC搜索报告每个可能的权重设置的确切社区。我们设计了一个优雅的索引结构，以保持优势关系，基于此两个算法开发，以有效地计算顶部的$j$ MAC。我们的算法和MAC模型的有效性的效率和可扩展性证明了广泛的实验在现实世界和合成的道路社会网络。

2021-02-21cs.DBcs.SI

更多相关论文收起更多论文

使用Graph Analytics计算交通事故高风险地点

Computing Traffic Accident High-Risk Locations Using Graph Analytics

基于连通性和图分析的交通事故事件和道路网络拓扑结构之间的动态关系的分析提供了一种新的方法来识别，排名和描绘交通事故的高风险位置在不同的空间和时间粒度级别。以往的交通事故热点研究大多采用空间统计学和地理信息系统（GIS）技术，仅根据空间相关性来发现空间点模式，而没有认识到事件的时间相关性。一个局限性来自这样一个事实，即由于事件的时间汇总到一个绝对时间点，结果要么被低估，要么被高估。此外，现有的方法除了网络核密度估计（NETKDE），认为交通事故事件的事件随机在一个2-D的地理空间。然而，交通事故事件是主要发生在道路网络空间上的网络约束事件。因此，本文采用网络空间图的连通性方法，根据交通事故事件与道路网络几何形状之间的时空变化连通性来识别事故高危位置。本研究建立了一个简单但可扩充的交通事故时空变化图模型。通过时间增量图查询，分别利用时间依赖度中心度和PageRank中心度图度量对交通事故高危点进行空间和时间上的识别和排序.该研究为城市交通事故分析提供了一种新的有效方法，可以在不同的时间和空间尺度上识别、排序和分析事故多发区。

2022-05-05cs.DBcs.SI

在存在Ad-Hoc障碍的道路网络上的有效路径路由（技术报告）

Efficient Path Routing Over Road Networks in the Presence of Ad-Hoc Obstacles (Technical Report)

目前，在基于位置的服务（LBS）、物流和供应链管理、交通系统、地图应用等实际应用中，道路网络上的路径路由已经变得越来越重要，但也具有挑战性。它们不考虑质量约束（例如，障碍物），如不平坦的道路、施工中的道路和道路上的天气条件。受此启发，在本文中，我们考虑两种类型的ad-hoc障碍，基于关键字和基于天气的障碍，道路网络，它可以用于建模的道路，返回的路径不应该通过。在存在这样的ad-hoc障碍的道路上，我们制定了一个路径路由查询的道路网络与ad-hoc障碍（PRAO），检索路径从源到目的地的道路网络，不通过ad-hoc关键字和天气障碍，并具有最小的旅行时间。为了有效地回答PRAO查询，我们设计了有效的修剪方法和索引机制，以促进高效的PRAO查询回答。大量的实验已经证明了我们的方法在真实/合成数据集上的效率和有效性。

2019-10-10cs.DB

道路网络数据库中基于轨迹的最优路段计算

Trajectory Based Optimal Segment Computation in Road Network Databases

寻找一个新的设施，使设施吸引最大数量的客户的位置是一个具有挑战性的问题。现有的研究要么模型客户静态网站，因此不考虑客户的运动，或者他们专注于理论方面，并没有提供解决方案，经验证明是可扩展的。给定道路网络、一组现有设施和一组客户路线穿越，最优路段查询返回新设施的最优道路网络路段。我们提出了一个实用的框架来计算这个查询，其中每个路线遍历被分配一个分数，该分数根据分数分布模型分布在由路线覆盖的路段之间。查询返回具有最高分数的路段。为了实现低延迟，必须修剪非常大的搜索空间。我们提出了两种算法，采用不同的方法来计算查询。算法AUG使用图增强，和ITE使用迭代道路网络划分。实际数据集的实证研究表明，该算法能够提供高性能的现实环境。

2013-03-10cs.DB

动态道路网络上移动对象的kNN查询分布式处理

Distributed Processing of kNN Queries over Moving Objects on Dynamic Road Networks

Yantai University（烟台大学）；Beijing University of Posts and Telecommunications（北京邮电大学）

DkNN在动态道路网络中通过增量网络扩展和分布式算法高效处理移动对象的kNN查询。

2025-12-29cs.DB

不同路线规划技术的比较：墨尔本、达卡和哥本哈根道路网的用户比较研究

Comparing Alternative Route Planning Techniques: A Comparative User Study on Melbourne, Dhaka and Copenhagen Road Networks

Monash University（莫纳什大学）；Roskilde University（罗斯基勒大学）；Bangladesh University of Engineering and Technology（孟加拉国工程技术大学）

许多现代导航系统和基于地图的服务不仅提供从源位置s到目标位置t的最快路线，而且还向用户提供一些替代路线作为更多选项以供选择。因此，计算替代路径已受到显著的研究关注。然而，目前还不清楚现有的方法产生更好的质量的替代路线，因为这些替代品的质量大多是主观的。出于这一动机，在本文中，我们提出了一个用户的研究进行的道路网络的墨尔本，达卡和哥本哈根，比较质量（由用户感知）的替代路线产生的四个最流行的现有方法，包括谷歌地图提供的路线。我们还提出了一个基于Web的演示系统，可以使用任何支持互联网的设备访问，并允许用户看到的替代路线所产生的四种方法为任何一对选定的源和目标。我们报告了这四种方法获得的平均评级，我们的统计分析表明，没有可信的证据表明这四种方法平均获得不同的评级。我们还讨论了这项用户研究的局限性，并建议读者谨慎解释这些结果，因为某些因素可能会影响参与者的评级。

2021-01-14cs.AIcs.DB

更简单即更优：大型道路网络上高效的Top-K最近邻搜索

Simpler is More: Efficient Top-K Nearest Neighbors Search on Large Road Networks

本文针对道路网络kNN查询中复杂索引导致的高开销问题，提出简单索引KNN-Index及双向构建算法，以较小且有界的索引实现最优渐进查询，并在查询性能、索引大小和构建效率上超越现有方法。

2024-08-10cs.DB

大型动态道路网络上的高吞吐量最短距离查询处理

High Throughput Shortest Distance Query Processing on Large Dynamic Road Networks

针对大型动态道路网络的高吞吐量最短路径查询，本文提出PSP、PMHL及PostMHL索引与跨边界优化，实验显示吞吐量最高提升2个数量级。

2025-02-17cs.DB

道路网络中学习距离索引的实证调查与基准测试

An Empirical Survey and Benchmark of Learned Distance Indexes for Road Networks

Purdue University（普渡大学）

本文首次实证评估了道路网络中基于机器学习的距离索引，从训练时间、查询延迟、存储和准确性四个维度进行基准测试，并发布开源代码支持后续研究。

2026-09-22cs.DBcs.LG

基于深度强化学习的路网异常子轨迹在线检测

Online Anomalous Subtrajectory Detection on Road Networks with Deep Reinforcement Learning

The University of Hong Kong（香港大学）；Nanyang Technological University（南洋理工大学）；Baidu Inc（百度公司）；The Hong Kong Polytechnic University（香港理工大学）

异常轨迹检测已成为许多基于位置的应用中的重要任务。虽然已经提出了许多方法来完成这项任务，但它们存在各种问题，包括（1）无法检测异常子轨迹，这些异常子轨迹是轨迹数据中的细粒度异常，和/或（2）非数据驱动，和/或（3）需要足够的监督标签，这是昂贵的。在本文中，我们提出了一种新的基于强化学习的解决方案，称为RL 4 OASD，其避免了现有方法的所有上述问题。RL 4 OASD涉及两个网络，一个负责学习道路网络和轨迹的特征，另一个负责基于学习的特征检测异常子轨迹，并且这两个网络可以在没有标记数据的情况下迭代训练。在两个真实数据集上进行了大量的实验，结果表明，我们的解决方案可以显着优于最先进的方法（提高20-30%），并且对于在线检测是有效的（处理每个新生成的数据点所需的时间不到0.1ms）。

2022-11-12cs.DBcs.LG