CN102982395A - 一种基于空间节点聚类方法的快速公交换乘方法 - Google Patents
一种基于空间节点聚类方法的快速公交换乘方法 Download PDFInfo
- Publication number
- CN102982395A CN102982395A CN2012105043254A CN201210504325A CN102982395A CN 102982395 A CN102982395 A CN 102982395A CN 2012105043254 A CN2012105043254 A CN 2012105043254A CN 201210504325 A CN201210504325 A CN 201210504325A CN 102982395 A CN102982395 A CN 102982395A
- Authority
- CN
- China
- Prior art keywords
- network
- node
- nodes
- clustering method
- bus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种基于空间节点聚类方法的快速公交换乘方法，包括以下步骤：建立城市公交站点的邻近关系网络T；使用一种空间节点聚类方法对网络T进行站点聚类，起到降低计算网络规模的目的；将运算得到的最大完全子图映射为节点，并由这些节点生成一个新的网络P进行存储；根据实际限制与实时信息每隔一定时间更新网络P连边的权值；通过持久化存储信息找到用户查询指定的起始站点S与终止站点D各自在网络P中归属的节点SC和DC；计算节点SC和DC之间由节点构成的最小代价路径；通过存储信息反向生成起始站点S到终止站点D之间的优化换乘方案。本发明有效缩短计算时间、实时性良好。
Description
技术领域
本发明涉及网络科学和公共交通领域，特别是指一种基于空间节点聚类方法的快速公交换乘方法。
背景技术
城市公共交通系统是城市重要的基础设施，它是维持城市有序运作的必要工具。当前我国正处于社会经济快速发展期，大力发展城市交通、进行交通的合理规划已被提上议题。作为城市交通运行的软设施，城市公共交通服务系统承载了城市中大部分人群的出行。优化和完善城市公共交通服务系统，对缓解城市拥堵和改善乘客出行有着至关重要的作用。
解决城市公交换乘问题是完善城市公共交通服务系统的一个重要方面，因为它直接关系到积极有效地引导乘客合理、高效使用城市公共交通服务系统。传统上人们在解决问题时，将公交站点看成网络节点，将站点间通过公交车产生的连接看成网络连边，并依此生成一个网络矩阵，然后使用成熟的Dijkstra算法（Floyd算法）即可运算得到任意公交站点对之间的换乘方案。然而这种传统方法存在很多的不足。其中最主要的不足就是算法的运算时间过长，其计算特定站点对之间换乘的时间复杂度接近O(n2)（其中n为网络中的节点个数）。所以对于大型网络，在实际运用该方法时一般需要配合数据库技术，预先花费一定时间计算所有站点对间的换乘方案并存入数据库。当用户查询时，即可通过访问数据库查询快速获取换乘方案。
发明内容
为了克服已有的城市公交换乘算法计算时间过长、实时性较差的不足，本发明提出一种有效缩短计算时间、实时性良好的基于空间节点聚类方法的快速公交换乘方法。
本发明解决其技术问题所采用的技术具体步骤是：
一种基于空间节点聚类方法的快速公交换乘方法，包括以下步骤：
步骤一：建立城市公交站点的邻近关系网络T，在这个网络中，当两个站点间的物理空间距离小于等于阈值时，在两个公交站点间存在一条连边；
步骤二：使用空间节点聚类方法对网络T进行站点聚类，所述聚类方法是通过查找网络T中的所有最大完全子图完成；
步骤三：将通过步骤二运算得到的最大完全子图映射为节点，并由这些节点生成一个新的网络P并进行存储；
在网络P中，当两个节点在网络T中对应的最大完全子图间存在直接的公交线路连接时，这两个节点间存在一条连边；
步骤四：根据实际限制与实时路况信息，每隔设定时间更新调整网络P的连边的权值；
步骤五：确定用户查询指定的起始站点S与终止站点D各自在网络P中归属的节点SC和DC，通过Dijkstra算法计算节点SC和DC之间由节点构成的最小代价路径，最后通过存储信息反向生成起始站点S到终止站点D之间的优化换乘方案。
进一步，所述步骤三中，若存在网络P中的两个节点A和B，分别对应网络T中的两个最大完全子图SGA和SGB，如果SGA中存在至少一个站点与SGB中国的至少一个站点间存在直接的公交线路连接，那么A和B在网络P中就存在连边。
再进一步，对网络T、网络P以及两者之间通过聚类算法得到的映射关系采用持久化的存储方式。
所述步骤五中，通过迪杰斯特拉算法（即Dijkstra算法）计算节点SC和DC之间由节点构成的最小代价路径。
所述Dijkstra算法是经典的单源最短路径算法，用于计算在一个网络中一个节点到其他所有节点的最短路径。主要特点是以起始节点为中心向外层扩展节点，直到扩展到终点为止。算法的思想是按路径长度递增次序产生最短路径。具体实现过程中算法把网络的节点集合V分成两组：（1）S集合：已求出最短路径的节点的集合。（2）V-S=T集合：尚未确定最短路径的节点集合。算法运行过程中会将T中节点按最短路径递增的次序加入到S中。算法的具体步骤为：
1.令S={源节点V0}，T={其余节点点}，设置网络中任意两个节点Vi,Vj间的路径长度d(Vi,Vj)为：若两节点间存在连边<Vi,Vj>，则d(Vi,Vj)为<Vi,Vj>的权值，否则d(V0,Vi)为无穷。
2.从T中选取一个路径长度最小且不在S中的节点W，加入S。
3.对其余T中节点的路径长度进行修改：若加进W作中间顶点，从V0到Vi的距离值缩短，即d(V0,W)+d(W，V0)<d(V0,Vi)，则修改d(V0,Vi)=d(V0,W)+d(W，V0)。
4.重复上述步骤2、3，直到S中包含网络中的所有节点为止。
或者是：所述步骤五中，通过弗洛伊德算法（即Floyd算法）计算节点SC和DC之间由节点构成的最小代价路径。
所述Floyd算法是经典的全局最短路径算法，用于计算在一个网络中任意两个节点间的最短路径。Floyd算法的原理是通过网络的权值邻接矩阵A=[d(Vi,Vj)]（该矩阵中的任意一个元素d(Vi,Vj)被定义为：若两节点Vi,Vj间存在直接连边<Vi,Vj>，则d(Vi,Vj)为<Vi,Vj>的长度，否则d(V0,Vi)为无穷）来求得网络任意两点间的最短路径矩阵。算法的基本步骤是：对于一个拥有n个节点的网络，从网络的权值邻接矩阵A开始，递归地进行n次更新，即由矩阵D(0)=A，按一个公式D(n+1)[i，j]=min{D(n)[i,k]+D(n)[k，j],Dn[i，j]}（其中Dn[i，j]代表算法第n次递归之前的运算矩阵Dn中的i行j列元素），构造出矩阵D(1)；用同样的公式由D(1)构造出D(2)；……；最后用同样的公式由D(n-1)构造出矩阵D(n)。理论上可以证明，矩阵D(n)的i行j列元素便是网络中节点i到节点j的最短路径长度。
本发明的有益效果为：综合考虑了公交站点间由公交线路与由近距离可达性产生的联系，有效降低了供换乘方案计算的网络矩阵的规模，起到了快速、实时给出换乘方案的作用。
具体实施方式
下面对本发明做进一步说明。
一种基于空间节点聚类方法的快速公交换乘方法，包括以下步骤：
步骤一：建立城市公交站点的邻近关系网络T。在网络T中，当实际两个站点间的物理空间距离小于等于某一个阈值L时，这两个站点间存在一条连边。
步骤二：使用空间节点聚类方法对网络T进行站点聚类，起到降低计算网络规模的目的。具体来说，聚类方法是通过查找网络T中的所有最大完全子图完成的（完全子图是指网络的一个子图，在这个子图中所有节点都是相互连接的；最大完全子图是指那些不能被其他完全子图包含的完全子图）。
值得注意的是，查找网络的最大完全子图算法是一个NP完全问题，即当网络规模过大时，其运算会变为不可能。幸运的是，网络T是一个小型稀疏（站点数和连边均不多）的网络，所以寻找网络T的最大完全子图是相对快速的，并且得到的最大完全子图的个数会小于网络T的站点个数。
步骤三：将通过步骤二运算得到的最大完全子图映射为节点，并由这些节点生成一个新的网络P并存储。在网络P中，当两个节点在网络T中对应的最大完全子图间存在直接的公交线路连接时，这两个节点间存在一条连边。具体来说：若存在网络P中的两个节点A和B，它们分别对应网络T中的两个最大完全子图SGA和SGB，如果SGA中存在至少一个公交站点与SGB中的至少一个公交站点间存在直接的公交线路连接，那么A和B在网络P中就存在连边。
考虑到在一定时期内，一个城市的公交站点基本保持稳定，所以在实际操作时会将网络T、网络P以及他们之间的关系进行持久化存储。只有在站点出现增减的时刻，才会重新调用步骤二和步骤三进行持久化存储更新。
步骤四：根据实际限制与实时信息（例如城市中各个路段的拥堵信息）每隔一定时间更新调整通过聚类降维得到的网络P的连边的权值。这里的权值实际代表通过公交系统从一个站点聚类抵达另一站点聚类需要花费的代价，例如时间代价等。
步骤五：通过持久化存储的空间聚类信息，找到用户查询指定的起始站点S与终止站点D各自在网络P中归属的节点SC和DC。然后通过Dijkstra算法或Floyd算法计算节点SC和DC之间由节点构成的最小代价路径。最后再通过持久化存储信息反向生成起始站点S到终止站点D之间的优化换乘方案。
Claims (5)
1.一种基于空间节点聚类方法的快速公交换乘方法，其特征在于：包括以下步骤：
步骤一：建立城市公交站点的邻近关系网络T，在这个网络中，当两个站点间的物理空间距离小于等于阈值时，在两个公交站点间存在一条连边；
步骤二：使用空间节点聚类方法对网络T进行站点聚类，所述聚类方法是通过查找网络T中的所有最大完全子图完成；
步骤三：将通过步骤二运算得到的最大完全子图映射为节点，并由这些节点生成一个新的网络P并进行存储；
在网络P中，当两个节点在网络T中对应的最大完全子图间存在直接的公交线路连接时，这两个节点间存在一条连边；
步骤四：根据实际限制与实时路况信息，每隔设定时间更新调整网络P的连边的权值；
步骤五：确定用户查询指定的起始站点S与终止站点D各自在网络P中归属的节点SC和DC，通过Dijkstra算法计算节点SC和DC之间由节点构成的最小代价路径，最后通过存储信息反向生成起始站点S到终止站点D之间的优化换乘方案。
2.如权利要求1所述的基于空间节点聚类方法的快速公交换乘方法，其特征在于：所述步骤三中，若存在网络P中的两个节点A和B，分别对应网络T中的两个最大完全子图SGA和SGB，如果SGA中存在至少一个站点与SGB中国的至少一个站点间存在直接的公交线路连接，那么A和B在网络P中就存在连边。
3.如权利要求1或2所述的基于空间节点聚类方法的快速公交换乘方法，其特征在于：对网络T、网络P以及两者之间通过聚类算法得到的映射关系采用持久化的存储方式。
4.如权利要求1或2所述的基于空间节点聚类方法的快速公交换乘方法，其特征在于：所述步骤五中，通过迪杰斯特拉算法计算节点SC和DC之间由节点构成的最小代价路径。
5.如权利要求1或2所述的基于空间节点聚类方法的快速公交换乘方法，其特征在于：所述步骤五中，通过弗洛伊德算法计算节点SC和DC之间由节点构成的最小代价路径。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210504325.4A CN102982395B (zh) | 2012-11-28 | 2012-11-28 | 一种基于空间节点聚类方法的快速公交换乘方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210504325.4A CN102982395B (zh) | 2012-11-28 | 2012-11-28 | 一种基于空间节点聚类方法的快速公交换乘方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102982395A true CN102982395A (zh) | 2013-03-20 |
| CN102982395B CN102982395B (zh) | 2015-10-28 |
Family
ID=47856367
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210504325.4A Expired - Fee Related CN102982395B (zh) | 2012-11-28 | 2012-11-28 | 一种基于空间节点聚类方法的快速公交换乘方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102982395B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376327A (zh) * | 2014-11-05 | 2015-02-25 | 南京师范大学 | 一种公共自行车租赁点的聚类方法 |
| CN105136160A (zh) * | 2015-07-28 | 2015-12-09 | 浙江工业大学 | 一种基于移动终端和增强现实技术的近距离最优公交站点导航方法 |
| CN107729938A (zh) * | 2017-12-11 | 2018-02-23 | 北方工业大学 | 一种基于公交接驳辐射区特征的轨道站点分类方法 |
| CN108647221A (zh) * | 2018-03-22 | 2018-10-12 | 浙江工业大学 | 一种基于gis的公交路径规划方法 |
| CN108763549A (zh) * | 2018-05-31 | 2018-11-06 | 武汉轻工大学 | 公交线路的快速查询方法、装置、终端设备及存储介质 |
| CN110032603A (zh) * | 2019-01-22 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 一种对关系网络图中的节点进行聚类的方法及装置 |
| CN110825822A (zh) * | 2019-09-30 | 2020-02-21 | 深圳云天励飞技术有限公司 | 人员关系的查询方法、装置、电子设备及存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101799839A (zh) * | 2010-01-19 | 2010-08-11 | 浙江工业大学 | 基于随机重叠派系的可控网络直径的公交网络模型的建立方法及公交网络模型 |
-
2012
- 2012-11-28 CN CN201210504325.4A patent/CN102982395B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101799839A (zh) * | 2010-01-19 | 2010-08-11 | 浙江工业大学 | 基于随机重叠派系的可控网络直径的公交网络模型的建立方法及公交网络模型 |
Non-Patent Citations (3)
| Title |
|---|
| NAN DU等: "A Parallel Algorithm for Enumerating All Maximal Cliques in Complex Network", 《PROCEEDINGS OF THE 6TH IEEE INTERNATIONAL CONFERENCE ON DATA MINING WORKSHOPS》 * |
| 熊燕 等: "一种基于极大团的公共交通网络层次聚类算法", 《计算机研究与发展》 * |
| 蒋峰岭: "基于加权网络的公共网络换乘模型的优化及其性能的研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376327A (zh) * | 2014-11-05 | 2015-02-25 | 南京师范大学 | 一种公共自行车租赁点的聚类方法 |
| CN104376327B (zh) * | 2014-11-05 | 2017-10-10 | 南京师范大学 | 一种公共自行车租赁点的聚类方法 |
| CN105136160A (zh) * | 2015-07-28 | 2015-12-09 | 浙江工业大学 | 一种基于移动终端和增强现实技术的近距离最优公交站点导航方法 |
| CN105136160B (zh) * | 2015-07-28 | 2017-08-22 | 浙江工业大学 | 一种基于移动终端和增强现实技术的近距离最优公交站点导航方法 |
| CN107729938A (zh) * | 2017-12-11 | 2018-02-23 | 北方工业大学 | 一种基于公交接驳辐射区特征的轨道站点分类方法 |
| CN107729938B (zh) * | 2017-12-11 | 2020-06-09 | 北方工业大学 | 一种基于公交接驳辐射区特征的轨道站点分类方法 |
| CN108647221A (zh) * | 2018-03-22 | 2018-10-12 | 浙江工业大学 | 一种基于gis的公交路径规划方法 |
| CN108647221B (zh) * | 2018-03-22 | 2020-10-30 | 浙江工业大学 | 一种基于gis的公交路径规划方法 |
| CN108763549A (zh) * | 2018-05-31 | 2018-11-06 | 武汉轻工大学 | 公交线路的快速查询方法、装置、终端设备及存储介质 |
| CN110032603A (zh) * | 2019-01-22 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 一种对关系网络图中的节点进行聚类的方法及装置 |
| CN110825822A (zh) * | 2019-09-30 | 2020-02-21 | 深圳云天励飞技术有限公司 | 人员关系的查询方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102982395B (zh) | 2015-10-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102982395B (zh) | 一种基于空间节点聚类方法的快速公交换乘方法 | |
| CN102810118B (zh) | 一种变权网k近邻搜索方法 | |
| US20140107921A1 (en) | Query scenarios for customizable route planning | |
| CN109902711B (zh) | 一种时间依赖路网上的移动对象k近邻查询算法 | |
| CN103971530A (zh) | 一种实时路径规划方法 | |
| Joshi et al. | Batching and matching for food delivery in dynamic road networks | |
| CN105574541A (zh) | 一种基于紧密度排序的网络社区发现方法 | |
| Shang et al. | Dynamic shortest path monitoring in spatial networks | |
| CN103853783A (zh) | 一种公交换乘查询方法 | |
| Du et al. | GAQ-EBkSP: a DRL-based urban traffic dynamic rerouting framework using fog-cloud architecture | |
| Ruan et al. | Map navigation system based on optimal Dijkstra algorithm | |
| Huang et al. | Dynamic graph mining for multi-weight multi-destination route planning with deadlines constraints | |
| CN112200336A (zh) | 一种车辆行驶路径规划的方法和装置 | |
| CN111626502B (zh) | 一种动态城市交通路网的通勤路径规划方法 | |
| Yang et al. | Recommending profitable taxi travel routes based on big taxi trajectories data | |
| He et al. | Exploring public transport transfer opportunities for pareto search of multicriteria journeys | |
| Zhu et al. | On using broadcast index for efficient execution of shortest path continuous queries | |
| CN103092843A (zh) | 一种基于WebGIS的公交导乘线路信息处理方法 | |
| CN115860520A (zh) | 一种高铁枢纽与城市公共交通动静态时空可达性评估方法 | |
| CN107679653B (zh) | 一种基于优势出行距离的od分配方法 | |
| Huang et al. | Continuous within query in road networks | |
| CN112380460B (zh) | 一种基于近似算法的最短路径查询方法和系统 | |
| Oza et al. | Public transport tracking and its issues | |
| Khan et al. | Grank-an information-centric autonomous and distributed ranking of popular smart vehicles | |
| Lai et al. | Utility-based matching of vehicles and hybrid requests on rider demand responsive systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20191225 Address after: 063021 No.11, Huanai Road, Beihu Ecological Industrial Park, Kaiping District, Tangshan City, Hebei Province Patentee after: Tangshan Dingxin Electric Instrument Engineering Co.,Ltd. Address before: 510000 unit 2414-2416, building, No. five, No. 371, Tianhe District, Guangdong, China Patentee before: GUANGDONG GAOHANG INTELLECTUAL PROPERTY OPERATION Co.,Ltd. Effective date of registration: 20191225 Address after: 510000 unit 2414-2416, building, No. five, No. 371, Tianhe District, Guangdong, China Patentee after: GUANGDONG GAOHANG INTELLECTUAL PROPERTY OPERATION Co.,Ltd. Address before: The city Zhaohui six districts Chao Wang Road Hangzhou City, Zhejiang province 310014 18 Patentee before: Zhejiang University of Technology |
|
| TR01 | Transfer of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151028 Termination date: 20201128 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |