车载导航系统基于科学技术大学信息科学技术学院进行路径规划的重要性和难点在于，它需要在实时变化的交通环境中找到最优路径。传统的车载导航设备大多采用静态路径规划算法，如A算法和Dijkstra算法，这些算法不能充分利用实时交通数据，无法反映出真实的道路通行状况。针对这一问题，该文章提出了一种基于动态行程时间表调整A算法的方法，实现动态路径规划。针对单一优化路径不能满足需求的问题，提出了重复路径惩罚因子的概念，构造了一种多路径规划算法，能够在路径相似度和路径通行代价之间取得平衡。
一、引言
路径规划算法是智能交通系统的重要组成部分之一。尽管现实世界的实时交通信息在不断变化，但大部分车载导航系统仍采用静态的路径规划算法。这种传统的算法假定道路通行代价不会改变，大多采用道路长度、宽度等静态属性作为路权计算方式，不能反映实时动态路况。研究动态路径规划算法具有重要的实际意义。
二、A算法及其调整
A算法是一种典型的启发式搜索算法，广泛应用于游戏地图和现实世界，用于寻找两点之间的最短路径。该文章首先介绍了A算法的基本原理和步骤。然后，结合动态行程时间表对A算法进行了调整，以更好地适应实时交通环境。
三、动态多路径规划算法
为了在一次路径规划中获取多条优化路径，该文章提出了一种结合重复路径惩罚因子的多路径规划算法。该算法首先使用调整后的A算法搜索出一条优化路径，然后将每条道路的通行代价乘以惩罚因子，再次使用算法搜索下一条优化路径。通过这种方式，可以获取多条在通行代价和路径相似度之间取得平衡的优化路径。
四、实验结果与分析
该文章使用真实的合肥城区电子地图数据进行实验，通过调整参数，使用提出的算法规划出了多条优化路径。实验结果表明，该算法在给定起点和终点的情况下，能有效规划出在通行代价与路径相似度之间取得平衡的多条路径，解决了传统KSP算法路径相似度过高的缺点，同时提高了算法的实时性。
该文提出了一种基于传统A搜索算法、结合动态通行时间表、矩形限制搜索区域算法与道路相似度惩罚因子的多优化路径规划算法。实验结果表明，该算法能有效解决动态环境下的路径规划问题，具有较高的实用价值。
