:
————————————-
| | | | |
和 边缘 </跨度> 成员如下所示:
———————————————| 边缘 </跨度>
这取决于你想要优化的内容(你可以让用户选择):
如果你想要最短的路线,边缘的成本就是街道的长度。
如果您想要最快的路线,费用将是预计到达街道的时间。
如果你想要在燃料消耗方面最经济的路线,成本将是“街道长度/每加仑英里数(预期速度)”
汽车的燃油经济性各不相同,但你可以假设经济(以每加仑英里数计)随着加速直线增长直到一定的速度,然后开始下降 [ 维基百科 ] 。因为你总是可以比最大速度慢。速度,假设效率不变。 (miles/gallon) / (miles/hour) = (hours/gallon) 因此,成本大致与时间成正比,速度限制应用于汽车最有效的速度(可由用户输入)。
(miles/gallon) / (miles/hour) = (hours/gallon)
如果您有准备好的拥堵数据来源,请使用它来确定预期的车速。
通过观察汽车来测量预计行驶时间的一种方法是对过去离开街道的所有汽车的平均值进行{间隔}(小时?分钟?只有最后一辆车?最后十辆车?)。但是,这并没有太快地解决拥堵问题。您可以采用速度中仍然存在的所有汽车的平均速度。但是,这会高估交通信号灯的影响。
你可以采取所有汽车的平均速度 进入 过去一小时的街道。 average(distance traveled/time spent) 要么 average(distance traveled)/average(time spent) 。如果街道没有生命,只需采取速度限制或使用更长的测量间隔。
average(distance traveled/time spent)
average(distance traveled)/average(time spent)
请记住,预期速度可能在两个方向上都不同(取决于您的数据来源),因此始终使用成对的有向边并分别在每个方向上进行测量。
[1] http://en.wikipedia.org/wiki/File:Fuel_economy_vs_speed_1997.png