基于物联网和大数据分析的互联网+寻路系统研究
时间：2021-05-12 12:01:30 来源：雅意学习网 本文已影响 人 
摘要
互联网+寻路系统是基于物联网技术、通过大数据分析对标准寻路算法进行优化与拓展，并将之运用于实际生活中、解决现实问题的寻路系统。介绍了互联网+寻路系统的基本概念及其重要应用价值，重点讨论了用互联网+思维优化寻路模型的方法，研究了基于物联网和大数据分析的互联网+寻路系统的构建和有关贪心算法、预处理算法的改进技术，并对如何使用互联网+寻路系统解决实际问题进行了探讨。本文的研究是对这种新的互联网+技术的提升、总结和推广，其结果具有较重要的应用价值。
【关键词】互联网+寻路系统 物联网 大数据A+算法 Floyd算法
无论现实生活还是电子游戏，寻路问题总是无处不在。从精确定位安排路线的GPS卫星导航，到游戏中自动安排行径路线，我们总是不自觉地与寻路打交道，寻路算法也成了日常生活最常接触到的算法之一。近年来，互联网+时代来临，物联网产业兴起，智慧物联技术愈来愈融入我们的生活，物联网这种“物物相连”的模式己延伸至各个产业，通过对千万用户信息的大数据分析，为各关联行业提供包括用户偏好在内的各式用户数据，以为用户提高最好的体验、为企业带来最佳的收益。在互联网+这一时代背景下，我们对许多问题的认识都会发生质的改变，寻路问题无疑也会顺应时代发生变革。我们将这种在互联网+时代下发生巨大改变的寻路问题称作互联网+寻路问题，用于实际模型中解决这类问题的系统是互联网+寻路系统。研究互联网+寻路系统，对于推进相关产业发展具有重要的现实意义。本文围绕互联网+寻路系统的构建，探讨寻路算法改进等关键技术问题，为相关技术升级提供思路。
1标准寻路算法
A*算法和Dijkstra算法是主流的寻路算法。其优点是简单、高效而又易于编辑。它们都是构建在贪心算法基础上的寻路算法，代码的基本结构也有很多相似点，而不同之处在于A*主要用于解决游戏、导航的实时寻路问题，Dijkstra作为搜索最短路径的主流算法更加被程序开发者所熟知。它们最大的区别在于贪心算法的启发式函数。程序员们在A*算法中加入了比Dijkstra更加“贪心”的启发式函数来提高运算效率。用于搜索最短路径的Dijkstra算法在追求高效的同时也得保证最优解的准确性，因此，优化Di.jkstra算法显得更加困难。实际应用中，Dijkstra常见的优化方法如使用斐波那契堆、小根堆以及链表等都是在优化路径搜索的枚举过程，这些方法对时间复杂度的优化相当有限。
Floyd算法在精确计算众多节点间的最短路径时，有很大的优越性。基于Floyd的特性，一次运算便能得出地图中所有结点间点最短路径，然后再将这些路径保存起来，当用户搜索到其中包含的路径时，直接将预存的路径提供给用户即可。这类方法也被称为“打表”。“打表”思想的应用相当广泛，例如各类下载软件会将下载量大的一些磁力链接提前在服务器中预处理，当用户需要下载时便能以最快的速度从服务器中下载，并能节省下载软件从同一个磁力链接地址多次抽调资源的流量;又如有时在解决问题时无法通过算法程序在规定时间内得出答案，就可以考虑先用程序跑出各种数据对应的答案然后存储起来，再用这些数据匹配输入数据并直接给出预先计算出的答案。“打表”思想为人们提供了一种近似一劳永逸的方法，只需预先的一次计算，之后便能直接享用预处理出的结果。对于一些反复使用到的数据，“打表”既能节约资源占用，又能节省运算时间，相较于“打表”后所避免的龐大复杂度浪费，复杂度极高的Floyd算法也显得尤其高效。然而，当地图的尺寸大到一定的程度，甚至连使用导航网格方法的时间复杂度都大得无法操作时，导航软件又该怎么进行寻路呢？对此，本篇论文将会在互联网+寻路系统部分进行仔细探讨。
2互联网+寻路系统
基于众多优秀的寻路算法，各式各样的寻路模型诞生了。物联网技术拓宽了寻路模型的广度、发展出新的寻路问题，大数据技术为寻路系统提供了系统性的优化、赋予其对寻路问题全新的处理方式，这种在物联网时代下发生极大变革的寻路模型和系统我们称为互联网+寻路模型与互联网+寻路系统，如图1所示。
2.1互联网+寻路模型
首先讨论如何构建互联网+寻路模型。寻路问题衍生出的互联网+寻路模型是基于一些特殊限制条件的较为复杂的模型，这些限制条件来源于各类反馈信息，模型使用的反馈信息可以是来自软件本身用户的反馈数据，也可以是通过物联网技术得到的关联行业数据。我们首先要搭建出寻路模型的基本框架，然后对收集的反馈信息进行大数据处理，将处理后的数据加入模型框架的各个步骤中并对一部分框架进行拓深、变形，将整个模型进行整理、修饰后，互联网+寻路模型便构建完成了。
不同于直接开创新的互联网+寻路模型，将互联网+思维应用于原有的寻路模型上以提供高效率的优化，是物联网时代下革新寻路模型的另一重要方式。对于大多数已经在实际问题中得到应用的寻路模型而言，它们几乎已经达到了完整的程度，不过互联网+思维依旧为这些模型提供了不少提升空间。
利用物联网技术的特性，一方面，导航软件可以将地图导航与各类相关APP关联起来，通过数据共享与大数据分析，优化地图导航的算法实现。
不同于物联网技术，利用人工智能技术优化互联网+寻路模型主要利用的是一种经验性的搜索思维。地图导航软件的程序设计者们可以设计一个基于深度学习算法的人工智能程序，并将多张复杂的城市地图数字化后整合到一起，用人工智能来模拟在整合的数字化地图中各地点间的路径搜索，使之积累各种路况情况下的搜索经验，并将这些经验应用于实际生活中地图导航的搜索引擎中。这种经验性的寻路算法也类似于A*的启发式算法，不过其效率与准确率的决定因素远多于A*算法，包括人工智能使用的深度学习算法、模拟过程中构建的数字地图、考虑到的道路可能性组合的完整程度等，因此利用人工智能数字模拟的优化不一定优于使用物联网技术的优化。
利用互联网+思维优化传统的寻路模型，在资金和时间方面的投入相对较低，其市场前景也并不亚于开创新的互联网+寻路模型。优化旧有的与开发创新的，两者对投资者而言都十分重要。
