CN106528720A - 换乘站推荐方法和换乘站推荐系统 - Google Patents

Abstract

本发明提出了一种换乘站推荐方法和一种换乘站推荐系统，其中，换乘站推荐方法包括：根据获取到的基本查询条件和预计算的客运运输网络数据，通过预定最短路线算法确定始发站与终点站之间的换乘路线最优的换乘站点；根据换乘路线最优的换乘站点的开行事件，确定换乘路线最优的换乘站点对应的多种车次接续的换乘方案；从多种车次接续的换乘方案中选择具有余票的若干个换乘方案；根据预定约束条件，在具有余票的若干个车次换乘方案中选择目标换乘方案。通过本发明的技术方案，能够自动为用户推荐符合预定约束条件的换乘方案，提升了换乘选择的自动化和实用性，简化了用户操作，提升了用户购票体验。

Description

换乘站推荐方法和换乘站推荐系统

【技术领域】

本发明涉及数据查询技术领域，尤其涉及一种换乘站推荐方法和一种换乘站推荐系统。

【背景技术】

近年来，随着中国交通业的高速发展，特别是高铁成网后，飞机、高速列车和动车组列车开行密度逐渐增大，为广大旅客的出行提供了很大的便利。

但同时，随着旅客出行数量的增长，有些问题也是日益的突出。其中，站点与站点之间的可达性问题成为困扰旅客出行的主要因素，具体来说，用户在通过网络进行购票时，经常会遇到始发站与终点站间没有直达车次或直达车次没有余票的情况，此时，用户往往只能自行选择换乘站，再查询是否有始发站到换乘站以及换乘站到终点站的车次，这一过程操作复杂，耗时巨大，且用户单靠人力根本无法全面掌握始发站与终点站间的多个换乘线路，进而往往无法选择合适的换乘站，并且，在春运等时间段，还很有可能遭遇所选的换乘站也没有余票的情形，这导致用户的出行极为不便。

因此，如何自动为用户提供有效的换乘方案，成为目前亟待解决的技术问题。

【发明内容】

本发明实施例提供了一种换乘站推荐方法和一种换乘站推荐系统，旨在解决相关技术中用户人为选择换乘站时面临的操作繁琐、效率低下等问题，能够自动为用户提供有效的换乘方案，提升用户购票的便利性。

第一方面，本发明实施例提供了一种换乘站推荐方法，包括：根据获取到的基本查询条件和预计算的客运运输网络数据，通过预定最短路线算法确定始发站与终点站之间的换乘路线最优的换乘站点；根据所述换乘路线最优的换乘站点的开行事件，确定所述换乘路线最优的换乘站点对应的多种车次接续的换乘方案；从所述多种车次接续的换乘方案中选择具有余票的若干个换乘方案；根据预定约束条件，在所述具有余票的若干个车次换乘方案中选择目标换乘方案。

在本发明上述实施例中，可选地，在确定始发站与终点站之间的换乘路线最优的换乘站点的步骤之前，还包括：初始化系统时，根据客运运输网络中各可换乘站点的能力属性，预计算所述客运运输网络数据，以及当实时检测到所述能力属性发生改变时，同步更新所述客运运输网络数据。

在本发明上述实施例中，可选地，还包括：在初始化系统时，根据客运运输网络中各可换乘站点的能力属性，将所述各可换乘站点分为多个可换乘站点层，其中，所述多个可换乘站点层的权重值从首个可换乘站点层起依次降低；以及根据获取到的基本查询条件和预计算的客运运输网络数据，通过预定最短路线算法确定始发站与终点站之间的换乘路线最优的换乘站点的步骤，具体包括：判断权重值最高的首个可换乘站点层中是否具有所述始发站与所述终点站的可换乘站点；当判断结果为是时，将所述权重值最高的首个可换乘站点层作为换乘站可选集，以计算所述始发站与所述终点站之间的换乘路线最优的换乘站点；当所述判断结果为否时，继续判断权重值递减的下一个可换乘站点层中是否具有所述始发站与所述终点站的可换乘站点，直至确定所述换乘站可选集为止。

在本发明上述实施例中，可选地，所述基本查询条件包括：始发站、终点站、出行日期和用户换乘偏好条件，所述预定最短路线算法为基于A*算法并根据铁路业务进行优化后的算法。

在本发明上述实施例中，可选地，根据客运运输网络中各可换乘站点的能力属性，预计算所述客运运输网络数据的步骤，具体包括：根据所述各可换乘站点的能力属性和铁路路网中的列车开行方案，预计算出所述预定最短路线算法中所需的启发因子，其中，所述启发因子包括两地间所需换乘次数、两地间的可达布尔值、两地间最短距离、两地间车次数量、两地间最短行程时间；根据所述启发因子，通过启发函数计算所述客运运输网络数据。

在本发明上述实施例中，可选地，根据所述换乘路线最优的换乘站点的开行事件，确定所述换乘路线最优的换乘站点对应的多种车次接续的换乘方案的步骤，具体包括：根据所述换乘路线最优的换乘站点的开行事件，建立对应的出行弧，每个所述出行弧中具有对应的开行事件属性信息，以形成所述车次换乘模型，其中，所述开行事件包括列车到达事件、列车换乘事件和列车出站事件，所述列车到达事件、所述列车换乘事件和所述列车出站事件对应的所述出行弧分别为发到弧、换乘弧和到发弧；以及根据所述车次换乘模型，确定所述换乘路线最优的换乘站点对应的多种车次接续的换乘方案。

在本发明上述实施例中，可选地，在从所述具有余票的若干个车次换乘方案中选择目标换乘方案的步骤之前，还包括：设置所述预定约束条件，其中，所述预定约束条件用于约束所述开行事件属性信息，包括：路径历时、余票席别、换乘次数、换乘消耗总时长、单次换乘消耗时长、车票总费用、路径优先级和换乘站优先级中的一种或多种。

第二方面，本发明实施例提供了一种换乘站推荐系统，包括：最短路线确定单元，用于根据获取到的基本查询条件和预计算的客运运输网络数据，通过预定最短路线算法确定始发站与终点站之间的换乘路线最优的换乘站点；车次换乘方案确定单元，用于根据所述换乘路线最优的换乘站点的开行事件，确定所述换乘路线最优的换乘站点对应的多种车次接续的换乘方案；余票筛选单元，用于从所述多种车次接续的换乘方案中选择具有余票的若干个换乘方案；目标方案选择单元，用于根据预定约束条件，在所述具有余票的若干个换乘方案中选择目标换乘方案。

在本发明上述实施例中，可选地，换乘站推荐系统还包括：预计算单元，用于在初始化系统时，根据客运运输网络中各可换乘站点的能力属性，预计算所述客运运输网络数据；以及所述预计算单元包括：数据更新单元，用于当实时检测到所述能力属性发生改变时，同步更新所述客运运输网络数据。

在本发明上述实施例中，可选地，所述预计算单元还包括：站点分层单元，用于在初始化系统时，根据客运运输网络中各可换乘站点的能力属性，将所述各可换乘站点分为多个可换乘站点层，其中，所述多个可换乘站点层的权重值从首个可换乘站点层起依次降低；以及所述最短路线确定单元具体用于：判断权重值最高的首个可换乘站点层中是否具有所述始发站与所述终点站的可换乘站点，其中，当判断结果为是时，将所述权重值最高的首个可换乘站点层作为换乘站可选集，以计算所述始发站与所述终点站之间的换乘路线最优的换乘站点，当所述判断结果为否时，继续判断权重值递减的下一个可换乘站点层中是否具有所述始发站与所述终点站的可换乘站点，直至确定所述换乘站可选集为止。

在本发明上述实施例中，可选地，所述基本查询条件包括：始发站、终点站、出行日期和用户换乘偏好条件，所述预定最短路线算法为基于A*算法并根据铁路业务进行优化后的算法。

在本发明上述实施例中，可选地，所述预计算单元用于：根据所述各可换乘站点的能力属性和铁路路网中的列车开行方案，预计算出所述预定最短路线算法中所需的启发因子，并根据所述启发因子，通过启发函数计算所述客运运输网络数据，其中，所述启发因子包括两地间所需换乘次数、两地间的发到布尔值、两地间最短距离、两地间车次数量、两地间的最短行程时间。

在本发明上述实施例中，可选地，所述车次换乘方案确定单元包括：模型建立单元，根据所述换乘路线最优的换乘站点的开行事件，建立对应的出行弧，每个所述出行弧中具有对应的开行事件属性信息，以形成所述车次换乘模型，其中，所述开行事件包括列车到达事件、列车换乘事件和列车出站事件，所述列车到达事件、所述列车换乘事件和所述列车出站事件对应的所述出行弧分别为发到弧、换乘弧和到发弧；以及所述车次换乘方案确定单元具体用于：根据所述车次换乘模型，确定所述换乘路线最优的换乘站点对应的多种换乘方案。

在本发明上述实施例中，可选地，换乘站推荐系统还包括：约束条件设置单元，用于设置所述预定约束条件，其中，所述预定约束条件用于约束所述开行事件属性信息，包括：路径历时、余票席别、换乘次数、换乘消耗总时长、单次换乘消耗时长、车票总费用、路径优先级和换乘站优先级中的一种或多种。

通过以上技术方案，针对相关技术中的用户人为选择换乘站时面临的操作繁琐、效率低下等问题，可在预计算的客运运输网络数据的基础上使用根据铁路业务优化后的最短路线算法查询换乘路线最优的换乘站点，这样，在系统初始化时就完成客运运输网络数据的预计算，可以在后续方案选择过程中减少计算量，进一步地，可根据预定约束条件在换乘路线最优的换乘站点中有余票的车次换乘方案中自动选择目标换乘方案，最终推荐给用户，从而能够自动为用户推荐符合预定约束条件的换乘方案，提升了换乘选择的自动化和实用性，简化了用户操作，提升了用户购票体验。

【附图说明】

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1示出了根据本发明的一个实施例的换乘站推荐方法的流程图；

图2示出了根据本发明的另一个实施例的换乘站推荐方法的流程图；

图3示出了根据本发明的再一个实施例的换乘站推荐方法的流程图；

图4示出了图3中进行路网分层后的站点分层示意图；

图5示出了图3中点-弧线连接的示意图；

图6示出了图3中车次换乘模型的简化示意图；

图7示出了根据本发明的一个实施例的换乘站推荐系统的框图；

图8示出了根据本发明的一个实施例的购票终端的框图；

图9示出了根据本发明的一个实施例的整体系统架构图。

【具体实施方式】

为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。

应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

图1示出了根据本发明的一个实施例的换乘站推荐方法的流程图。

如图1所示，根据本发明的一个实施例的换乘站推荐方法，包括：

步骤102，根据获取到的基本查询条件和预计算的客运运输网络数据，通过预定最短路线算法确定始发站与终到站之间的换乘路线最优的换乘站点。

其中，基本查询条件包括：始发站、终点站、出行日期和用户换乘偏好条件，预定最短路线算法优选为基于A*算法并根据铁路业务优化的算法，当然，预定最短路线算法也可以是其他能够计算始发站与终到站之间的最优换乘路线的算法。

换乘路线最优指的是换乘路线在一个维度上或多个维度综合中最优，比如，使用一个维度时，换乘路线最优指的是选择换乘路线最短的一条路线，也可以选择换乘路线长度从短至长排列时排在前预定数量的若干条路线，使用多个维度时，换乘路线最优指的是在换乘路线长度从短至长排列时排在前预定数量的若干条路线中选择换乘站点最少的路线。

在此步骤中，客运运输网络数据为包括各层可换乘站点在内的所有站点的里程、车次、运行时间、席别等的数据集合，是在系统初始化时就预计算得到的，这样可以在后续方案选择过程中减少计算量，并避免在每次进行方案选择时进行大量重复工作，极大地提升了方案选择的效率。

步骤104，根据换乘路线最优的换乘站点的开行事件，确定换乘路线最优的换乘站点对应的多种车次接续的换乘方案。

步骤106，从多种车次接续的换乘方案中选择具有余票的若干个换乘方案。

在确定最短换乘方案后，可进一步确定换乘路线最优的换乘站点中有余票的车次换乘方案，其中，开行事件包括列车到达事件、列车换乘事件和列车出站事件，根据换乘路线最优的换乘站点上具有的开行事件之间的关系，可以确定哪些车次之间可以组成换乘路线。

步骤108，根据预定约束条件，在具有余票的若干个车次换乘方案中选择目标换乘方案。

最后，根据预定约束条件在具有余票的若干个车次换乘方案选择符合用户实际需求的方案，自动推荐的目标换乘方案可以为一个，也可以为多个，还可以由系统根据实际情况确定推荐的目标换乘方案的数目及筛选排序方案。

另外，当用户选定某一预定约束条件时，并不代表只采用这一种约束条件，而是将选定的这一预定约束条件在全部查询条件中所占的比例增大了预定倍数或增到预定占比。

通过以上技术方案，针对相关技术中的用户人为选择换乘站时面临的操作繁琐、效率低下等问题，能够自动为用户推荐符合预定约束条件的换乘方案，提升了换乘选择的自动化和实用性，简化了用户操作，提升了用户购票体验。

图2示出了根据本发明的另一个实施例的换乘站推荐方法的流程图。

如图2所示，本发明的另一个实施例的换乘站推荐方法，包括：

步骤202，初始化系统时，根据所述各可换乘站点的能力属性和铁路路网中的列车开行方案，预计算出所述预定最短路线算法中所需的启发因子。

其中，启发因子包括两地间所需换乘次数、两地间的可达布尔值、两地间最短距离、两地间车次数量、两地间的最短行程时间。

这种建立启发因子的方式，涉及客运运输路网图的存储方式，本发明使用邻接矩阵表示点-弧线关系的形式来实现，邻接矩阵最便于读取每个点的出入度及两点间关系的存储方式，故可以以每个换乘站为点，读取各可换乘站点的能力属性，来进一步建立可达关系图。

步骤204，根据启发因子，通过启发函数计算客运运输网络数据。具体来说，为使得初始化启发函数集时获取更多的可用信息，每个元素不再单纯只以布尔值表示是否可达，而是用结构体的形式存储更多权值信息。启发因子的存储结构如下：

另外，当实时检测到任一可换乘站点的能力属性发生改变时，同步更新客运运输网络数据，从而保证客运运输网络数据的正确性，便于据此为用户推荐有效的换乘方案。

步骤206，根据获取到的基本查询条件和预计算的客运运输网络数据，通过预定最短路线算法确定始发站与终点站之间的换乘路线最优的换乘站点。

其中，基本查询条件包括：始发站、终点站、出行日期和用户换乘偏好条件，预定最短路线算法优选为基于A*算法并根据铁路业务优化的算法，当然，预定最短路线算法也可以是其他能够计算始发站与终点站之间的换乘路线最优的换乘站点的算法。

在此步骤中，客运运输网络数据为包括各层可换乘站点在内的所有站点的里程、车次、时间安排等的数据集合，是在系统初始化时就预计算得到的，这样可以在后续方案选择过程中减少计算量，并避免在每次进行方案选择时进行大量重复工作，极大地提升了方案选择的效率。

步骤208，根据换乘路线最优的换乘站点的开行事件，建立对应的出行弧，每个出行弧中具有对应的开行事件属性信息，以形成车次换乘模型。

其中，开行事件包括列车到达事件、列车换乘事件和列车出站事件，列车到达事件、列车换乘事件和列车出站事件对应的出行弧分别为发到弧、换乘弧和到发弧。

步骤210，根据车次换乘模型，确定换乘路线最优的换乘站点对应的多种车次接续的换乘方案。

通过车次换乘模型，能够获取换乘路线最优的换乘站点上具有的开行事件之间的关系，从而根据开行事件之间的关系，确定换乘路线最优的换乘站点上哪些车次之间可以组成换乘路线。

步骤212，从多种车次接续的换乘方案中选择具有余票的若干个换乘方案，即需要确定所选的换乘方案具有余票，为有效出行路线。

步骤214，根据预定约束条件，在具有余票的若干个车次换乘方案中选择目标换乘方案。

其中，预定约束条件用于约束开行事件属性信息，根据预定约束条件在具有余票的若干个车次换乘方案选择符合用户实际需求的方案，自动推荐的目标换乘方案可以为一个，也可以为多个，自动推荐的目标换乘方案的数目可由用户自行设置，也可以由系统根据实际情况确定推荐的目标换乘方案的数目。

由此，本实施例的换乘站推荐方法还包括：设置预定约束条件。设置预定约束条件的步骤可以在从具有余票的若干个车次换乘方案中选择目标换乘方案的步骤之前的任何时刻进行。预定约束条件可以由用户根据实际需要进行选择和设定，比如，为系统统一设置预定约束条件或在每次购票时设置一次所需的预定约束条件，也可以由系统根据实际车次情况和用户的类型与乘车需求自动设置，从而最大限度地适用用户的实际需求。

其中，预定约束条件包括但不限于以下任一之一或其组合：路径历时、余票席别、换乘次数、换乘消耗总时长、单次换乘消耗时长、车票总费用、路径优先级和换乘站优先级。比如，用户可以自行设置“换乘消耗总时长不超过三小时”作为预定约束条件。

另外，当用户选定某一预定约束条件时，并不代表只采用这一种约束条件，而是将选定的这一预定约束条件在全部查询条件中所占的比例增大了预定倍数或增到预定占比，从而既能够保证用户的特殊需要得到保障，也能够均衡考虑到其他约束条件，提升了推荐方案的有效性和实用性。

需要补充的是，在本发明上述实施例中，可选地，还包括：在初始化系统时，根据客运运输网络中各可换乘站点的能力属性，将各可换乘站点分为多个可换乘站点层，其中，多个可换乘站点层的权重值从首个可换乘站点层起依次降低。

比如，在铁路客运领域，当前铁路所有乘车站点总计4000左右，但并不是每个火车站均可作为换乘站，因此，可将具有换乘能力的站点筛选出来。而各可换乘站点的换乘能力高低也各有不同，为了提升方案推荐的效率，将各可换乘站点按照能力属性分为多层，权重值越高，该可换乘站点层对应的换乘能力越强。

这样，步骤206具体包括：判断权重值最高的首个可换乘站点层中是否具有始发站与终点站的可换乘站点；当判断结果为是时，将权重值最高的首个可换乘站点层作为换乘站可选集，以计算始发站与终点站之间的换乘路线最优的换乘站点；当判断结果为否时，继续判断权重值递减的下一个可换乘站点层中是否具有始发站与终点站的可换乘站点，直至确定换乘站可选集为止。

也就是说，可以现在权重值最高的首个可换乘站点层进行换乘站的选择，从而确定最优路线，只有在权重值最高的首个可换乘站点层无法提供有效换乘路线时，再按照权重值从高至低依此检测其他可换乘站点层是否能够提供有效换乘路线。这样，就不需要系统逐个计算所有可能的换乘路线，在很多情况下，只需要在若干个可换乘站点层进行计算即可，极大地降低了计算量，提升了系统反应速度和购票方案推荐的效率。

总的来说，通过以上技术方案，针对相关技术中的用户人为选择换乘站时面临的操作繁琐、效率低下等问题，能够自动为用户推荐符合预定约束条件的换乘方案，提升了换乘选择的自动化和实用性，简化了用户操作，提升了用户购票体验。

图3示出了根据本发明的再一个实施例的换乘站推荐方法的流程图。

如图3所示，本发明的再一个实施例的换乘站推荐方法，包括：

步骤302，输入基本查询条件。基本查询条件包括：始发站、终点站、出行日期和用户换乘偏好条件。

步骤304，输入约束条件。预定约束条件用于约束开行事件属性信息，包括但不限于以下任一之一或其组合：路径历时、余票席别、换乘次数、换乘消耗总时长、单次换乘消耗时长、车票总费用、路径优先级和换乘站优先级。比如，用户可以自行设置“换乘消耗总时长不超过三小时”作为预定约束条件。

另外，当用户选定某一预定约束条件时，并不代表只采用这一种约束条件，而是将选定的这一预定约束条件在全部查询条件中所占的比例增大了预定倍数或增到预定占比，从而既能够保证用户的特殊需要得到保障，也能够均衡考虑到其他约束条件，提升了推荐方案的有效性和实用性。

步骤306，进行最短路算法计算，以确定始发站与终点站之间的换乘路线最优的换乘站点。其中，预定最短路线算法优选为基于A*算法并根据铁路业务优化的算法，当然，也可以是其他能够计算始发站与终点站之间的换乘路线最优的换乘站点的算法。

其中，进行最短路算法计算的依据为预计算得到的客运运输网络数据，在预计算步骤中，需要进行路网分层模型的建立和启发函数的初始化，进而可以完成数据初始化，得到客运运输网络数据。

客运运输网络数据为包括各层可换乘站点在内的所有站点的里程、车次、时间安排等的数据集合，是在系统初始化时就预计算得到的，这样可以在后续方案选择过程中减少计算量，并避免在每次进行方案选择时进行大量重复工作，极大地提升了方案选择的效率。

步骤308，使用路网分层模型。在此之前，还需确定根据换乘路线最优的换乘站点的开行事件，建立对应的出行弧，每个出行弧中具有对应的开行事件属性信息，以形成路网分层模型。

通过路网分层模型，能够获取换乘路线最优的换乘站点上具有的开行事件之间的关系，从而根据开行事件之间的关系，确定换乘路线最优的换乘站点上哪些车次之间可以组成换乘路线。

步骤310，输出多种换乘方案。

步骤312，输出所有站点，即也可以直接将所有可换乘站点输出，并进一步通过约束条件在其中选择目标可换乘站点。

步骤314，调用余票查询集群，即需要确定所选的换乘方案中，各段行程的上车站到下车站之间是否具有余票，如果有，则为有效出行路线。

步骤316，按照约束条件推荐方案，即根据预定约束条件，在具有余票的若干个车次换乘方案中选择目标换乘方案。

本实施例的换乘站推荐方法还包括：设置预定约束条件。设置预定约束条件的步骤可以在从具有余票的若干个车次换乘方案中选择目标换乘方案的步骤之前的任何时刻进行。预定约束条件可以由用户根据实际需要进行选择和设定，比如，为系统统一设置预定约束条件或在每次购票时设置一次所需的预定约束条件，也可以由系统根据实际车次情况和用户的类型与乘车需求自动设置，从而最大限度地适用用户的实际需求。

下面结合图4和图5对图3示出的预计算步骤进行进一步说明。

在上述技术方案中，将算法分为预计算和实时计算两部分，实时计算即最短路算法计算，在进行最短路算法计算之前，需要预计算客运运输网络数据。其中，预计算需在系统使用前完成数据初始化，或者是在基础信息、业务规则做出调整后，重新生成基础数据，具体可包括以下两个步骤：

步骤一，预计算核心层可换乘车站、普通层可换乘车站对应客运路网线路中的基本信息。

步骤二、捕捉每日调图车次，预计算各可换乘站点层在当前列车运行图约束下图的连通车次。

从而可进一步根据旅客旅程规划条件，也就是预定约束条件，以预计算得到的基础数据为基础，采用A*算法，依赖启发函数计算多目标和约束条件下的若干个优选方案。

在上述步骤一之前，首先需要根据客运运输网络中各可换乘站点的能力属性，将各可换乘站点分为多个可换乘站点层，比如，在铁路客运领域，当前铁路所有乘车站点总计4000个左右，但并不是每个火车站均可作为换乘站，因此，可将具有换乘能力的站点筛选出来。而各可换乘站点的能力高低也各有不同，为了提升方案推荐的效率，可以将各可换乘站点按照能力属性分为多层，权重值越高，该可换乘站点层对应的换乘能力越强。

如图4所示，可在4000个左右的站点中选择一部分具有换乘能力的站点，有些是具备发售始发车票能力、获取余票概率较大的站点，有些是具备客运组织换乘能力的大站。

进一步地，如图4所示，可在将具有换乘能力的站点分为三层，第一层是调研18路局根据自身评价汇总换乘站，约340个，路局建议车站的车站等级、运输服务水平、具备始发车次、可选择的接续列车数量、晚点集散能应急能力等属性均达到预定条件。第二层是所有客运路网结算站，比如，非有效客运火车站及弧的尾点后剩余有效结算点约260个。第三层收纳了全部的高铁、动车、城际列车的途经站点约400个。有效换乘站点由这三层并集，可总得到换乘站点不高于一千的数量级。

另外，上述各层站点的数量仅为本发明的一个实施例，其具体数量根据实际情况而定。

在上述步骤二中，可以采用如图5所示的节点-弧结构表示客运运输网络数据，这样既简单明了地表达了路网的拓扑结构，又便于算法的实现。为使得初始化启发函数集时获取更多的可用信息，每个元素不再单纯只以布尔值表示是否可达，而是用结构体的启发因子的形式存储更多权值信息。启发因子的存储结构如下：

在铁路客运路网的存储方式中，最易读取每个点出入度及两点间关系的存储方式为邻接矩阵，所以可以以每个乘车站为点，读取列车时刻表建立可达关系图，以图5为例使用邻接矩阵acr[6][6]表示下图点-弧线关系。

继续处理基础数据，对acr[6][6]求出二阶矩阵B，并通过布尔法则转换为C。布尔运算规则如下：

0*0＝0；0+0＝0；1+0＝1；1*0＝0；1+1＝1；1*1＝1

C中标记*的元素所对应的i点及j点，表明换乘1次可以实现的道路连通。如B[0][5]＝2，表示发站0点与到站5点一次换乘后有两条径路可达，很清晰的读图可得0-1-5、0-2-5两条径路路。同理可得：

E中标记*的元素所对应的i点及j点，表明换乘2次可以实现的道路连通。如B[0][4]＝2，表示发站0点与到站4点二次换乘后有一条径路可达，很清晰的读图可得0-1-5-4、0-2-5-4两条径路。

由于邻接矩阵占用空间大，当初始化二次换乘可达关系表之后，可将换乘站再一次进行压缩整合，只保留有效换乘站即核心层站点信息，优化启发集。最终得到的启发因子示例如下表1所示：

表1

图6示出了图3中车次换乘模型的简化示意图。

车次换乘模型中增加了换乘时间优化，车次换乘模型以列车的停靠站点作为虚拟点称为停靠虚点，将弧分为两类，其一为当前车站站点与停靠虚点之间的乘降弧，其二为列车相邻两边的区间弧，根据列车的出站事件，将同一列车的前进方向即此车下一停靠站的径路确定为到发弧，而到发弧与发到弧之间即同一站点不同列车的连接弧称为换乘弧，同一列车前一停靠站与当前站点之间为发到弧，这些弧尤其是换乘弧，可以记录车次信息、事件信息、票价信息等内容，均可为算法描述时间、费用提供依据。

如图6所示，事件集具体内容包括：到达事件集、换乘事件集、出站事件集，可转换为车次换乘模型中的发到弧、换乘弧、到发弧。

基于车次换乘模型对于换乘时间代价进行优化，不仅可通过各种行为弧线获取费用、里程、换乘次数有效数据，还能够通过新增换乘弧，高效描述换乘时间代价。这种方式避免了前后两个弧的拼接过程，减少了计算量。

图7示出了根据本发明的一个实施例的换乘站推荐系统的框图。

如图7所示，本发明的一个实施例的换乘站推荐系统700包括：最短路线确定单元702、车次换乘方案确定单元704、余票筛选单元706和目标方案选择单元708。

其中，最短路线确定单元702用于根据获取到的基本查询条件和预计算的客运运输网络数据，通过预定最短路线算法确定始发站与终点站之间的换乘路线最优的换乘站点。

其中，基本查询条件包括：始发站、终点站、出行日期和用户换乘偏好条件，预定最短路线算法优选为基于A*算法并根据铁路业务优化的算法，当然，预定最短路线算法也可以是其他能够计算始发站与终点站之间的换乘路线最优的换乘站点的算法。

在此步骤中，客运运输网络数据为包括各层可换乘站点在内的所有站点的里程、车次、时间安排等的数据集合，是在系统初始化时就预计算得到的，这样可以在后续方案选择过程中减少计算量，并避免在每次进行方案选择时进行大量重复工作，极大地提升了方案选择的效率。

车次换乘方案确定单元704用于根据换乘路线最优的换乘站点的开行事件，确定换乘路线最优的换乘站点对应的多种车次接续的换乘方案；余票筛选单元706用于从多种车次接续的换乘方案中选择具有余票的若干个换乘方案。

在确定最短换乘方案后，可进一步确定换乘路线最优的换乘站点中有余票的车次换乘方案，其中，开行事件包括列车到达事件、列车换乘事件和列车出站事件，根据换乘路线最优的换乘站点上具有的开行事件之间的关系，可以确定哪些车次之间可以组成换乘路线。

目标方案选择单元708用于根据预定约束条件，在具有余票的若干个车次换乘方案中选择目标换乘方案。

最后，根据预定约束条件在具有余票的若干个车次换乘方案选择符合用户实际需求的方案，自动推荐的目标换乘方案可以为一个，也可以为多个，还可以由系统根据实际情况确定推荐的目标换乘方案的数目及筛选排序方案。另外，当用户选定某一预定约束条件时，并不代表只采用这一种约束条件，而是将选定的这一预定约束条件在全部查询条件中所占的比例增大了预定倍数或增到预定占比。

通过以上技术方案，针对相关技术中的用户人为选择换乘站时面临的操作繁琐、效率低下等问题，能够自动为用户推荐符合预定约束条件的换乘方案，提升了换乘选择的自动化和实用性，简化了用户操作，提升了用户购票体验。

在本发明上述实施例中，可选地，换乘站推荐系统700还包括：预计算单元710，用于在初始化系统时，根据客运运输网络中各可换乘站点的能力属性，预计算客运运输网络数据；以及预计算单元710包括：数据更新单元7102，用于当实时检测到能力属性发生改变时，同步更新客运运输网络数据。

当实时检测到任一可换乘站点的能力属性发生改变时，同步更新客运运输网络数据，从而保证客运运输网络数据的正确性，便于据此为用户推荐有效的换乘方案。

在本发明上述实施例中，可选地，预计算单元710还包括：站点分层单元7104，用于在初始化系统时，根据客运运输网络中各可换乘站点的能力属性，将各可换乘站点分为多个可换乘站点层，其中，多个可换乘站点层的权重值从首个可换乘站点层起依次降低；以及最短路线确定单元702具体用于：判断权重值最高的首个可换乘站点层中是否具有始发站与终点站的可换乘站点，其中，当判断结果为是时，将权重值最高的首个可换乘站点层作为换乘站可选集，以计算始发站与终点站之间的换乘路线最优的换乘站点，当判断结果为否时，继续判断权重值递减的下一个可换乘站点层中是否具有始发站与终点站的可换乘站点，直至确定换乘站可选集为止。

首先需要根据客运运输网络中各可换乘站点的能力属性，将各可换乘站点分为多个可换乘站点层，比如，在铁路客运领域，当前铁路所有乘车站点总计4000左右，但并不是每个火车站均可作为换乘站，因此，可将具有换乘能力的站点筛选出来。而各可换乘站点的能力高低也各有不同，为了提升方案推荐的效率，可以将各可换乘站点按照能力属性分为多层，权重值越高，该可换乘站点层对应的换乘能力越强。

在本发明上述实施例中，可选地，预计算单元710用于：根据所述各可换乘站点的能力属性和铁路路网中的列车开行方案，预计算出所述预定最短路线算法中所需的启发因子，并根据启发因子，通过启发函数计算客运运输网络数据。

其中，启发因子包括两地间所需换乘次数、两地间的可达布尔值、两地间最短距离、两地间车次数量、两地间最短行程时间。

这种建立启发因子的方式，可通过使用邻接矩阵表示点-弧线关系的形式来实现，邻接矩阵最便于读取每个点的出入度及两点间关系的存储方式，故可以以每个换乘站为点，读取各可换乘站点的能力属性，来进一步建立可达关系图，也就是客运运输网络数据。为使得初始化启发函数集时获取更多的可用信息，每个元素不再单纯只以布尔值表示是否可达，而是用结构体的启发因子的形式存储更多权值信息。启发因子的存储结构如下：

在本发明上述实施例中，可选地，车次换乘方案确定单元704包括：模型建立单元7042，根据换乘路线最优的换乘站点的开行事件，建立对应的出行弧，每个出行弧中具有对应的开行事件属性信息，以形成车次换乘模型，其中，开行事件包括列车到达事件、列车换乘事件和列车出站事件，列车到达事件、列车换乘事件和列车出站事件对应的出行弧分别为发到弧、换乘弧和到发弧；以及车次换乘方案确定单元704具体用于：根据车次换乘模型，确定换乘路线最优的换乘站点对应的多种换乘方案。

通过车次换乘模型，能够获取换乘路线最优的换乘站点上具有的开行事件之间的关系，从而根据开行事件之间的关系，确定换乘路线最优的换乘站点上哪些车次之间可以组成换乘路线。

在本发明上述实施例中，可选地，换乘站推荐系统700还包括：约束条件设置单元712，用于设置预定约束条件，其中，预定约束条件用于约束开行事件属性信息，包括：路径历时、余票席别、换乘次数、换乘消耗总时长、单次换乘消耗时长、车票总费用、路径优先级和换乘站优先级中的一种或多种。

设置预定约束条件的步骤可以在从具有余票的若干个车次换乘方案中选择目标换乘方案的步骤之前的任何时刻进行。预定约束条件可以由用户根据实际需要进行选择和设定，比如，为系统统一设置预定约束条件或在每次购票时设置一次所需的预定约束条件，也可以由系统根据实际车次情况和用户的类型与乘车需求自动设置，从而最大限度地适用用户的实际需求。

图8示出了根据本发明的一个实施例的购票终端的框图。

如图8所示，本发明的一个实施例的购票终端800，包括图7示出的换乘站推荐系统700，因此，购票终端800具有和图7示出的换乘站推荐系统700相同的技术效果，在此不再赘述。

图9示出了根据本发明的一个实施例的整体系统架构图。

如图9所示，用户通过互联网客服外网安全边界访问购票终端的web应用服务，在输入始发站、终点站、出行日期和用户换乘偏好条件后，AS(应用服务器)根据输入始发站、终点站、出行日期和用户换乘偏好条件和其他约束条件计算换乘站，然后结合余票查询的结果，经客服内外网安全边界一并返回给web应用服务。web应用服务通过内部算法，完成行程的方案组合，并最终把结果通过页面展示给用户，从而达到自动实现换乘站的计算、减少人工干预的目的，这样，用户可个性化指定换乘站，结合实时余票信息、联程结果以扣到票为目标，满足多样化的旅客需求，同时，提升了购票终端的计算效率和运行速度。

另外，购票终端及系统可以具备自学习功能，将用户经常选择的方案存储为热门方案，引入频度排序，在系统计算和推荐方案时优先考虑用户经常选择的方案。

针对以上方案的技术需求，余票查询集群系统分为以下三个部分：

第一部分是以磁盘为存储介质的关系型数据库及其数据复制系统，这是铁路客票核心系统中的功能延伸，其中CTMSX是用于侦听复制系统的中间件服务器，具有监听复制任务，镜像复制数据作用，它可通过侦听复制服务器，全量捕获余票数据的变化，并将数据变化同步至数据同步模块的消息队列服务器中。

第二部分是数据同步模块，包括消息队列服务器和消息接收端，负责接收余票数据，并将其同步至存储运算模块中的内存数据库中。

在余票查询服务中，数据源自客票核心系统中的关系型数据库，使用内存数据库进行并行运算，期间，使用消息队列服务器作为沟通二者的数据桥梁，其中包含以下先进的设计处理：

(1)数据预处理的设计

架设MQ Server(消息服务器)作为数据中转站，复制服务器或CTMSX将数据变化以SQL语句的形式发送到MQ Server，MQ Server将消息贮存在内存中。

消息接收端(MQ Receiver)从MQ Server中捕获消息，并对消息中的SQL语句进行操作判断和数据解析，根据操作类型的不同，对内存数据库中数据做不同的操作。

(2)松耦合映射的设计

关系型数据库和内存数据库在数据存储方式上截然不同的。在关系型数据库中，数据存储的载体为表(table)，而在内存数据库中，数据存储的载体却是内存中的一段地址空间(region)。

数据源头是table，数据目的地是region，为了达到松耦合的目的，建立一种table<-->region的映射关系，将这种映射关系称之为“mapper”。在同步模块中，将对table中某行记录(record)的操作逐个字段名做映射，通过mapper将字段值传入内存，赋给region。这种松耦合的设计，带来了互相依赖性小，可维护性高的好处，使得同步模块无需关心数据结构。

第三部分是存储运算模块，即内存数据库分布式集群，它由多个节点组成，每个节点内含有若干个数据区域，每个数据区域内含有若干个数据单元。数据的存储与处理均在物理内存中完成，也可根据业务需要实现数据在磁盘上的持久化。在传统计算方法的基础上，结合铁路本身特点，本发明还创新应用了：

A.余票数据的多节点分布式存储

余票查询集群所需的余票数据和相关基础数据存放在内存中，根据余票查询业务的使用场景，将内存划分为若干的数据区域和数据单元，然后将数据按照一定规则分散存储在多台独立的设备的内存中，利用分布式系统中的资源定位技术来快速检索数据，提高了系统的可靠性、可用性和存取效率，同时便于集群节点的扩充。

B.查询请求的多节点分布式计算

对于整个分布式系统而言，系统中的每一个节点(node)都是高度独立的，都可以以一种自我管理的模式进行运算分析，单个节点所做的所有操作一般情况下不会被其他节点所影响。

当执行余票查询业务时，余票数据将直接由内存传送至CPU(中央处理器)完成运算操作。当用户从页面输入查询车次的发到站时，分布式系统能够根据车次信息自动定位到包含该车次的所有数据内存单元，与这些内存单元对应的CPU会将数据读取出来，进行运算。每个节点只进行与自己内存单元中关联数据的运算，不做多余的任何运算。最后，集群将所有参与运算的节点的运算结果数据汇总到一点，反馈给前台客户端进行展现。换句话说，一次查询请求是由多个节点合力完成的，可以通过扩充集群中的节点数量线性提升集群的处理能力。

在进行方案组合时，余票结果返回后，系统通过席别优先、时效优先、经济优先的原则，组装实时有余票的车次，完成换乘方案的组合，以供旅客挑选。后台通过大数据平台分析旅客出行习惯，有针对性的推出个性化的换乘方案。

系统主要结合列车运行时长、有余票的席别类型、换乘等待时长、发车时间、到达时间等条件，选出评分较高的换乘方案。下面以查询广州——福州的车次，将深圳北作为换乘点为例进行描述，其可换乘线路如下表2所示：

表2

如果按席别评分，对方案1与方案3进行比较：

方案3的总历时要比方案1的短，但是方案3的第二程车次只有无座余票，与方案1相比较，还是方案1的两程车次余票相对舒适，所以优先推荐方案1。

如果按历时评分，对方案1与方案2进行比较：

方案1的总历时短与方案2，并且两个方案的车次有余票的席别均为二等座、一等座，所以根据历时评分规则，优先推荐方案1。

如果按历时、席别综合评分，则可将方案2与方案3进行比较：

方案2总历时9小时17分钟、两程车次有余票席别都有二等座，方案3总历时7小时10分钟、第一程有余票席别为二等座、第二程有余票席别为无座；两方案相比较，方案3历史短、方案2席别优，根据席别与历时规则评分，席别占比大于历时，考虑到旅客乘坐体验，优先推荐方案2。

最终系统推选的方案的优先级为：方案1>方案2>方案3。

页面展示系统优选出组合方案，同时提供多纬度的筛选、过滤、排序等功能，如：支持旅客按车次类型、出发时间段、到达时间、是否同站换乘进行过滤；支持旅客按总历时、发车时间、到达时间、间隔时间、智能推荐进行排序。

同城不同站预留间隔时间可由用户自行设定，以满足不同用户的实际需求。

以上结合附图详细说明了本发明的技术方案，通过本发明的技术方案，能够自动为用户推荐符合预定约束条件的换乘方案，提升了换乘选择的自动化和实用性，简化了用户操作，提升了用户购票体验。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

需要说明的是，本发明实施例中所涉及的终端可以包括但不限于个人计算机(Personal Computer，PC)、个人数字助理(Personal Digital Assistant，PDA)、无线手持设备、平板电脑(Tablet Computer)、手机等。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统构成、算法逻辑、程序实现方式，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是服务器，或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质一般使用服务器级别的磁盘。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (14)

1.一种换乘站推荐方法，其特征在于，包括：

根据获取到的基本查询条件和预计算的客运运输网络数据，通过预定最短路线算法确定始发站与终点站之间的换乘路线最优的换乘站点；

根据所述换乘路线最优的换乘站点的开行事件，确定所述换乘路线最优的换乘站点对应的多种车次接续的换乘方案；

从所述多种车次接续的换乘方案中选择具有余票的若干个换乘方案；

根据预定约束条件，在所述具有余票的若干个换乘方案中选择目标换乘方案。

2.根据权利要求1所述的换乘站推荐方法，其特征在于，在确定始发站与终点站之间的换乘路线最优的换乘站点的步骤之前，还包括：

初始化系统时，根据客运运输网络中各可换乘站点的能力属性，预计算所述客运运输网络数据，以及

当实时检测到所述能力属性发生改变时，同步更新所述客运运输网络数据。

3.根据权利要求2所述的换乘站推荐方法，其特征在于，还包括：

在初始化系统时，根据客运运输网络中各可换乘站点的能力属性，将所述各可换乘站点分为多个可换乘站点层，其中，所述多个可换乘站点层的权重值从首个可换乘站点层起依次降低；以及

根据获取到的基本查询条件和预计算的客运运输网络数据，通过预定最短路线算法确定始发站与终点站之间的换乘路线最优的换乘站点的步骤，具体包括：

判断权重值最高的首个可换乘站点层中是否具有所述始发站与所述终点站的可换乘站点；

当判断结果为是时，将所述权重值最高的首个可换乘站点层作为换乘站可选集，以计算所述始发站与所述终点站之间的换乘路线最优的换乘站点；

当所述判断结果为否时，继续判断权重值递减的下一个可换乘站点层中是否具有所述始发站与所述终点站的可换乘站点，直至确定所述换乘站可选集为止。

4.根据权利要求3所述的换乘站推荐方法，其特征在于，所述基本查询条件包括：始发站、终点站、出行日期和用户换乘偏好条件，所述预定最短路线算法为基于A*算法并根据铁路业务进行优化后的算法。

5.根据权利要求2至4中任一项所述的换乘站推荐方法，其特征在于，根据客运运输网络中各可换乘站点的能力属性，预计算所述客运运输网络数据的步骤，具体包括：

根据所述各可换乘站点的能力属性和铁路路网中的列车开行方案，预计算出所述预定最短路线算法中所需的启发因子，其中，所述启发因子包括两地间所需换乘次数、两地间的可达布尔值、两地间最短距离、两地间车次数量、两地间最短行程时间；

根据所述启发因子，通过启发函数计算所述客运运输网络数据。

6.根据权利要求5所述的换乘站推荐方法，其特征在于，根据所述换乘路线最优的换乘站点的开行事件，确定所述换乘路线最优的换乘站点对应的多种车次接续的换乘方案的步骤，具体包括：

根据所述换乘路线最优的换乘站点的开行事件，建立对应的出行弧，每个所述出行弧中具有对应的开行事件属性信息，以形成所述车次换乘模型，其中，

所述开行事件包括列车到达事件、列车换乘事件和列车出站事件，所述列车到达事件、所述列车换乘事件和所述列车出站事件对应的所述出行弧分别为发到弧、换乘弧和到发弧；以及

根据所述车次换乘模型，确定所述换乘路线最优的换乘站点对应的多种车次接续的换乘方案。

7.根据权利要求6所述的换乘站推荐方法，其特征在于，在从所述具有余票的若干个车次换乘方案中选择目标换乘方案的步骤之前，还包括：

设置所述预定约束条件，其中，所述预定约束条件用于约束所述开行事件属性信息，包括：路径历时、余票席别、换乘次数、换乘消耗总时长、单次换乘消耗时长、车票总费用、路径优先级和换乘站优先级中的一种或多种。

8.一种换乘站推荐系统，其特征在于，包括：

最短路线确定单元，用于根据获取到的基本查询条件和预计算的客运运输网络数据，通过预定最短路线算法确定始发站与终点站之间的换乘路线最优的换乘站点；

车次换乘方案确定单元，用于根据所述换乘路线最优的换乘站点的开行事件，确定所述换乘路线最优的换乘站点对应的多种车次接续的换乘方案；

余票筛选单元，用于从所述多种车次接续的换乘方案中选择具有余票的若干个车次换乘方案；

目标方案选择单元，用于根据预定约束条件，在所述具有余票的若干个换乘方案中选择目标换乘方案。

9.根据权利要求8所述的换乘站推荐系统，其特征在于，还包括：

预计算单元，用于在初始化系统时，根据客运运输网络中各可换乘站点的能力属性，预计算所述客运运输网络数据；以及

所述预计算单元包括：

数据更新单元，用于当实时检测到所述能力属性发生改变时，同步更新所述客运运输网络数据。

10.根据权利要求9所述的换乘站推荐系统，其特征在于，所述预计算单元还包括：

站点分层单元，用于在初始化系统时，根据客运运输网络中各可换乘站点的能力属性，将所述各可换乘站点分为多个可换乘站点层，其中，所述多个可换乘站点层的权重值从首个可换乘站点层起依次降低；以及

所述最短路线确定单元具体用于：

判断权重值最高的首个可换乘站点层中是否具有所述始发站与所述终点站的可换乘站点，其中，当判断结果为是时，将所述权重值最高的首个可换乘站点层作为换乘站可选集，以计算所述始发站与所述终点站之间的换乘路线最优的换乘站点，当所述判断结果为否时，继续判断权重值递减的下一个可换乘站点层中是否具有所述始发站与所述终点站的可换乘站点，直至确定所述换乘站可选集为止。

11.根据权利要求10所述的换乘站推荐系统，其特征在于，所述基本查询条件包括：始发站、终点站、出行日期和用户换乘偏好条件，所述预定最短路线算法为基于A*算法并根据铁路业务进行优化后的算法。

12.根据权利要求9至11中任一项所述的换乘站推荐系统，其特征在于，所述预计算单元用于：

根据所述各可换乘站点的能力属性和铁路路网中的列车开行方案，预计算出所述预定最短路线算法中所需的启发因子，并根据所述启发因子，通过启发函数计算所述客运运输网络数据，其中，所述启发因子包括两地间所需换乘次数、两地间的可达布尔值、两地间最短距离、两地间车次数量、两地间的最短行程时间。

13.根据权利要求12所述的换乘站推荐系统，其特征在于，所述车次换乘方案确定单元包括：

模型建立单元，根据所述换乘路线最优的换乘站点的开行事件，建立对应的出行弧，每个所述出行弧中具有对应的开行事件属性信息，以形成所述车次换乘模型，其中，

所述开行事件包括列车到达事件、列车换乘事件和列车出站事件，所述列车到达事件、所述列车换乘事件和所述列车出站事件对应的所述出行弧分别为发到弧、换乘弧和到发弧；以及

所述车次换乘方案确定单元具体用于：

根据所述车次换乘模型，确定所述换乘路线最优的换乘站点对应的多种车次接续的换乘方案。

14.根据权利要求13所述的换乘站推荐系统，其特征在于，还包括：

约束条件设置单元，用于设置所述预定约束条件，其中，所述预定约束条件用于约束所述开行事件属性信息，包括：路径历时、余票席别、换乘次数、换乘消耗总时长、单次换乘消耗时长、车票总费用、路径优先级和换乘站优先级中的一种或多种。