CN113269353A - 一种基于最短路径算法的地铁收益清分方法及系统 - Google Patents

一种基于最短路径算法的地铁收益清分方法及系统 Download PDF

Info

Publication number
CN113269353A
CN113269353A CN202110498949.9A CN202110498949A CN113269353A CN 113269353 A CN113269353 A CN 113269353A CN 202110498949 A CN202110498949 A CN 202110498949A CN 113269353 A CN113269353 A CN 113269353A
Authority
CN
China
Prior art keywords
stations
road section
transfer
weight
shortest
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
Application number
CN202110498949.9A
Other languages
English (en)
Other versions
CN113269353B (zh
Inventor
方晖
蒋坚迪
彭冬鸣
徐哲民
吕春娟
许锡伟
黄孙
陆杰钢
姚依克
关涛
陈徐松
苏含贵
林琼
谢波
姜富强
徐志君
何蕾
陈锦鲂
林锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Insigma Rail Traffic Engineering Co ltd
Original Assignee
Zhejiang Insigma Rail Traffic Engineering Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Insigma Rail Traffic Engineering Co ltd filed Critical Zhejiang Insigma Rail Traffic Engineering Co ltd
Priority to CN202110498949.9A priority Critical patent/CN113269353B/zh
Publication of CN113269353A publication Critical patent/CN113269353A/zh
Application granted granted Critical
Publication of CN113269353B publication Critical patent/CN113269353B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/901Indexing; Data structures therefor; Storage structures
    • G06F16/9024Graphs; Linked lists
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0637Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations

Abstract

本发明提出了一种基于最短路径算法的地铁收益清分方法及系统,包括:在地铁系统的车站中确定换乘站,根据上下行关系拆分换乘站,根据包括拆分后的换乘站在内的所有车站之间的拓扑关系构建线网图;为线网图中相互连接的两个车站之间的路段生成路段时间权重;基于YEN算法计算线网图中任意两车站间的k条最短路径;根据组成k条最短路径的路段对应的路段时间权重,计算k条最短路径的选择概率,基于选择概率和预设路段收益计算k条最短路径上各个路段的收益清分结果。把换乘站拆分为上行车站和下行车站,解决了地铁系统的路径算法在地铁应用场景下特有的动态权重问题,从而将地铁的线网图构建成YEN算法所需要的非负权边的有向无环图数据结构。

Description

一种基于最短路径算法的地铁收益清分方法及系统
技术领域
本发明属于轨道交通技术领域,尤其涉及一种基于最短路径算法的地铁收益清分方法及系统。
背景技术
地铁清分系统是城市轨道交通自动售检票系统(Automatic Fare CollectionSystem,AFC)中的重要组成部分,因为无法明确知道乘客的具体乘车线路,所以需要计算出任意两个车站之间最短的k条路径,通常需要通过地铁清分系统中的清分规则,根据路径的客流、距离等因素将地铁运营收益分配给各个运营商。传统的路径计算方法采用递归计算的方式,遍历线网图中任意两个车站之间所有可能的路径,再为路径中的各个路段加入权重影响因子之后筛选出时间权重最短的前k条路径。
由于构建地铁换乘路段时的特殊性,对于属于同一个物理位置的换乘车站之间的换乘路段,不同的换乘方向所确定的换乘路段的物理距离时可能是不同的,导致换乘路段对应的权重会随着换乘方向的改变而发生变化,例如A2为A线的换乘站,B2为B线的换乘站,同样的A2与B2之间的路段,从A2到B2的物理距离与从B2到A2的物理距离可能不同,进而导致权重影响因子发生变化,即换乘路段的权重是动态的。而现有的路径计算方法中每一步都计算出固定的权值以判断当前路径是否为最短路径,忽略了换成路段为动态权重的情况,导致地铁清分系统的精确度不高,无法满足日常清分要求。
发明内容
为了解决现有技术中存在的缺点和不足,本发明提出了一种基于最短路径算法的地铁收益清分方法,包括:
在地铁系统的车站中确定换乘站,根据上下行关系拆分换乘站,根据包括拆分后的换乘站在内的所有车站之间的拓扑关系构建线网图;
为线网图中相互连接的两个车站之间的路段生成路段时间权重;
基于YEN算法计算线网图任意两车站间的k条最短路径;
根据组成k条最短路径的路段对应的路段时间权重,计算k条最短路径的选择概率,基于选择概率和预设路段收益计算k条最短路径上各个路段的收益清分结果。
可选的,所述在地铁系统的车站中确定换乘站,根据上下行关系拆分换乘站,根据包括拆分后的换乘站在内的所有车站之间的拓扑关系构建线网图,包括:
根据换乘方向分别将每个换乘站拆分成一个上行换乘站和一个下行换乘站;
将与换乘站相邻的车站分别与上行换乘站、下行换乘站构成单向连接,与其他非换乘站的连接关系共同构成拓扑关系;
将包括拆分后的换乘站在内的所有车站作为线网图的节点,根据拓扑关系构成节点之间的有向线段。
可选的,所述为线网图中相互连接的两个车站之间的路段生成路段时间权重,包括:
获取每两个车站之间线段的权重影响因子,所述权重影响因子包括路段距离、拥挤程度、车站服务态度以及换乘等待时间;
根据预设权重对权重影响因子进行加权计算,得到路段时间权重。
可选的,所述根据组成k条最短路径的路段对应的路段时间权重,计算k条最短路径的选择概率,基于选择概率和预设路段收益计算k条最短路径上各个路段的收益清分结果,包括:
针对每条最短路径获取组成最短路径的各个路段的路段时间权重,将路段时间权重相加,得到每条最短路径的路径权重;
计算每条最短路径的路径权重在k条最短路径的路径总权重中的占比,得到每条最短路径的选择概率;
获取组成最短路径的各个路段对应的预设路段收益,将预设路段收益与路段所在的最短路径对应的选择概率乘积作为收益清分结果。
本发明还基于同样的思路提出了一种基于最短路径算法的地铁收益清分系统,包括:
线网图单元:用于在地铁系统的车站中确定换乘站,根据上下行关系拆分换乘站,根据包括拆分后的换乘站在内的所有车站之间的拓扑关系构建线网图;
赋权单元:用于为线网图中相互连接的两个车站之间的路段生成路段时间权重;
寻路单元:用于基于YEN算法计算线网图任意两车站间的k条最短路径;
清分单元:用于根据组成k条最短路径的路段对应的路段时间权重,计算k条最短路径的选择概率,基于选择概率和预设路段收益计算k条最短路径上各个路段的收益清分结果。
可选的,所述线网图单元具体用于:
根据换乘方向分别将每个换乘站拆分成一个上行换乘站和一个下行换乘站;
将与换乘站相邻的车站分别与上行换乘站、下行换乘站构成单向连接,与其他非换乘站的连接关系共同构成拓扑关系;
将包括拆分后的换乘站在内的所有车站作为线网图的节点,根据拓扑关系构成节点之间的有向线段。
可选的,所述赋权单元具体用于:
获取每两个车站之间线段的权重影响因子,所述权重影响因子包括路段距离、拥挤程度、车站服务态度以及换乘等待时间;
根据预设权重对权重影响因子进行加权计算,得到路段时间权重。
可选的,所述清分单元具体用于:
针对每条最短路径获取组成最短路径的各个路段的路段时间权重,将路段时间权重相加,得到每条最短路径的路径权重;
计算每条最短路径的路径权重在k条最短路径的路径总权重中的占比,得到每条最短路径的选择概率;
获取组成最短路径的各个路段对应的预设路段收益,将预设路段收益与路段所在的最短路径对应的选择概率乘积作为收益清分结果。
本发明提供的技术方案带来的有益效果是:
本发明通过把换乘站拆分为上行车站和下行车站,解决了地铁系统的路径算法在地铁系统应用场景下特有的动态权重问题,从而可以将地铁的线网图构建成YEN算法所需要的非负权边的有向无环图数据结构。
除此之外,通过YEN算法计算k条最短路径替换原有的全路径遍历计算,能够解决算法时间复杂度过高,大规模线网下算力无法满足的问题。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例描述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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提出的一种基于最短路径算法的地铁收益清分方法的流程示意图;
图2为传统清分方法使用的地铁线网示意图;
图3为换乘站拆分前的换乘路段线网示意图;
图4为换乘站拆分后的换乘路段线网示意图;
图5为本发明提出的一种基于最短路径算法的地铁收益清分系统的结构框图。
具体实施方式
为使本发明的结构和优点更加清楚,下面将结合附图对本发明的结构作进一步地描述。
实施例一
如图1所示,本实施例提出了一种基于最短路径算法的地铁收益清分方法,包括:
S1:在地铁系统的车站中确定换乘站,根据上下行关系拆分换乘站,根据包括拆分后的换乘站在内的所有车站之间的拓扑关系构建线网图;
S2:为线网图中相互连接的两个车站之间的路段生成路段时间权重;
S3:基于YEN算法计算线网图中任意两车站间的k条最短路径;
S4:根据组成k条最短路径的路段对应的路段时间权重,计算k条最短路径的选择概率,基于选择概率和预设路段收益计算k条最短路径上各个路段的收益清分结果。
本发明通过上述步骤,用YEN算法计算k条最短路径替换原有的全路径遍历计算,能够解决算法时间复杂度过高,大规模线网下算力无法满足的问题。通过把换乘站拆分为上行车站和下行车站,解决了地铁系统的路径算法在地铁系统应用场景下特有的动态权重问题,从而可以将地铁的线网图构建成YEN算法所需要的非负权边的有向无环图数据结构。
传统清分方法使用的地铁线网示意图如图2所示,A、B、C分别表示两个地铁线路,A1、A2、A3、A4为A线路上的车站,B1、B2、B3、B4为B线路上的车站,C1、C2、C3为C线路上的车站,其中,A2/B2为A线路和B线路的换乘站,B4/C1为B线路和C线路的换乘站,A4/C3为A线路和C线路的换乘站。通常,将每两个相邻车站之间的路程定义为路段,由此可见从一个车站到另一个车站的路径由若干个路段组成。由于不同的换乘方向可能导致换乘站之间的物理距离不同,而在传统的最短路径算法中无法体现这一点,各个路段的权重均是固定的,存在于实际路径情况不符的可能,由于现有算法要求每一步都计算出固定的权值以此来判断当前路径是否为最短路径,因此地铁系统特有的动态权重将影响最短路径的寻路准确性,因此本实施例为了解决上述问题,在地铁系统的车站中确定换乘站,根据上下行关系拆分换乘站,根据包括拆分后的换乘站在内的所有车站之间的拓扑关系构建线网图。以A线路和B线路之间的换乘站A2/B2为例,拆分前的地铁线网如图3所示,即从A线路换乘到B线路需要从A2站到B2站,从B线路换乘到A线路需要从B2站到A2站,其他换乘过程依次类推。
本实施例根据换乘方向分别将每个换乘站拆分成一个上行换乘站和一个下行换乘站,将与换乘站相邻的车站分别与上行换乘站、下行换乘站构成单向连接,与其他非换乘站的连接关系共同构成拓扑关系。例如,将A2站拆分成上行车站A2U和下行车站A2D,将B2站拆分成上行车站B2U和下行车站B2D,最后将包括拆分后的换乘站在内的所有车站作为线网图的节点,根据拓扑关系构成节点之间的有向线段,如图4所示,图中虚线表示换乘站拆分后的有向换乘路段,拥有固定的权重,解决了路径算法在地铁系统应用场景下特有的动态权重问题。例如,A2U至B2D方向的路段对应的路段时间权重为2,B2D至A2U方向的路段对应的路段时间权重为3。通过上述过程将原有的动态权重换算为静态权重填入线网图的线段属性中,再将原本的换乘路段删除,至此图4所示的线网图中节点之间的路段均为静态权重,能够用于与YEN算法。
在本实施例中,所述为线网图中相互连接的两个车站之间的路段生成路段时间权重,包括:获取每两个车站之间线段的权重影响因子,所述权重影响因子包括路段距离、拥挤程度、车站服务态度以及换乘等待时间;根据预设权重对权重影响因子进行加权计算,得到路段时间权重。
本实施例中路段时间权重与路段距离、拥挤程度、车站服务态度以及换乘等待时间相关,所述权重影响因子均为与乘客选择路径密切相关的因素,提高赋权的准确性。
在本实施例中,采用YEN算法计算线网图中任意两点间的k条最短路径,YEN算法使用Dijkstra最短路径算法和递推法实现,适用于非负权边的有向无环图结构,能够降低算法时间复杂度,解决大规模线网下算法无法满足的问题。本实施例中所述任意两车站之间的k条最短路径指每两个车站之间所有路径中的较短的前k条路径,例如A1与C2之间共有n条路径,将这n条路径按照从短到长的顺序进行排序,前k条路径即为A1与C2之间的k条最短路径。
在本实施例中,所述根据组成k条最短路径的路段对应的路段时间权重,计算k条最短路径的选择概率,基于选择概率和预设路段收益计算k条最短路径上各个路段的收益清分结果,包括:针对每条最短路径获取组成最短路径的各个路段的路段时间权重,将路段时间权重相加,得到每条最短路径的路径权重;计算每条最短路径的路径权重在k条最短路径的路径总权重中的占比,得到每条最短路径的选择概率;获取组成最短路径的各个路段对应的预设路段收益,将预设路段收益与路段所在的最短路径对应的选择概率乘积作为收益清分结果。
例如,A1站与B3站之间的最短路径之一为A1→A2U→B2D→B3,其中A1至A2U方向的路段时间权重为2,A2U至B2D方向的路段时间权重为2,B2D至B3方向的路段时间权重为4,则路径权重为2+2+4=8。假设k条最短路径的路径权重的总和为24,则A1→A2U→B2D→B3这条最短路径的选择概率为1/3。每个路段上分配给各个运营商的路段收益均为预先设置的,因此将将预设路段收益与所述最短路径的选择概率相乘即可确定分配到各个运营商的收益,即地铁的收益清分结果。
实施例二
如图5所示,本实施例提出了一种基于最短路径算法的地铁收益清分系统5,包括:
线网图单元51:用于在地铁系统的车站中确定换乘站,根据上下行关系拆分换乘站,根据包括拆分后的换乘站在内的所有车站之间的拓扑关系构建线网图;
赋权单元52:用于为线网图中相互连接的两个车站之间的路段生成路段时间权重;
寻路单元53:用于基于YEN算法计算线网图中任意两车站间的k条最短路径;
清分单元54:用于根据组成k条最短路径的路段对应的路段时间权重,计算k条最短路径的选择概率,基于选择概率和预设路段收益计算k条最短路径上各个路段的收益清分结果。
本发明通过上述步骤,用YEN算法计算k条最短路径替换原有的全路径遍历计算,能够解决算法时间复杂度过高,大规模线网下算力无法满足的问题。通过把换乘站拆分为上行车站和下行车站,解决了地铁系统的路径算法在地铁系统应用场景下特有的动态权重问题,从而可以将地铁的线网图构建成YEN算法所需要的非负权边的有向无环图数据结构。
传统清分方法使用的地铁线网示意图如图2所示,A、B、C分别表示两个地铁线路,A1、A2、A3、A4为A线路上的车站,B1、B2、B3、B4为B线路上的车站,C1、C2、C3为C线路上的车站,其中,A2/B2为A线路和B线路的换乘站,B4/C1为B线路和C线路的换乘站,A4/C3为A线路和C线路的换乘站。通常,将每两个相邻车站之间的路程定义为路段,由此可见从一个车站到另一个车站的路径由若干个路段组成。由于不同的换乘方向可能导致换乘站之间的物理距离不同,而在传统的最短路径算法中无法体现这一点,各个路段的权重均是固定的,存在于实际路径情况不符的可能,由于现有算法要求每一步都计算出固定的权值以此来判断当前路径是否为最短路径,因此地铁系统特有的动态权重将影响最短路径的寻路准确性,因此本实施例为了解决上述问题,通过线网图单元51在地铁系统的车站中确定换乘站,根据上下行关系拆分换乘站,根据包括拆分后的换乘站在内的所有车站之间的拓扑关系构建线网图。以A线路和B线路之间的换乘站A2/B2为例,拆分前的地铁线网如图3所示,即从A线路换乘到B线路需要从A2站到B2站,从B线路换乘到A线路需要从B2站到A2站,其他换乘过程依次类推。
本实施例通过线网图单元51根据换乘方向分别将每个换乘站拆分成一个上行换乘站和一个下行换乘站,将与换乘站相邻的车站分别与上行换乘站、下行换乘站构成单向连接,与其他非换乘站的连接关系共同构成拓扑关系。例如,将A2站拆分成上行车站A2U和下行车站A2D,将B2站拆分成上行车站B2U和下行车站B2D,最后将包括拆分后的换乘站在内的所有车站作为线网图的节点,根据拓扑关系构成节点之间的有向线段,如图4所示,图中虚线表示换乘站拆分后的有向换乘路段,拥有固定的权重,解决了路径算法在地铁系统应用场景下特有的动态权重问题。例如,A2U至B2D方向的路段对应的路段时间权重为2,B2D至A2U方向的路段对应的路段时间权重为3。通过上述过程将原有的动态权重换算为静态权重填入线网图的线段属性中,再将原本的换乘路段删除,至此图4所示的线网图中节点之间的路段均为静态权重,能够用于与YEN算法。
在本实施例中,所述赋权单元52具体用于:获取每两个车站之间线段的权重影响因子,所述权重影响因子包括路段距离、拥挤程度、车站服务态度以及换乘等待时间;根据预设权重对权重影响因子进行加权计算,得到路段时间权重。
通过上述过程将原有的动态权重换算为静态权重填入线网图的线段属性中,再将原本的换乘路段删除,至此图4所示的线网图中节点之间的路段均为静态权重,能够用于与YEN算法。
在本实施例中,所述寻路单元53采用YEN算法计算线网图中任意两点间的k条最短路径,YEN算法使用Dijkstra最短路径算法和递推法实现,适用于非负权边的有向无环图结构,能够降低算法时间复杂度,解决大规模线网下算法无法满足的问题。本实施例中所述任意两车站之间的k条最短路径指每两个车站之间所有路径中的较短的前k条路径,例如A1与C2之间共有n条路径,将这n条路径按照从短到长的顺序进行排序,前k条路径即为A1与C2之间的k条最短路径。
在本实施例中,所述清分单元54具体用于:针对每条最短路径获取组成最短路径的各个路段的路段时间权重,将路段时间权重相加,得到每条最短路径的路径权重;计算每条最短路径的路径权重在k条最短路径的路径总权重中的占比,得到每条最短路径的选择概率;获取组成最短路径的各个路段对应的预设路段收益,将预设路段收益与路段所在的最短路径对应的选择概率乘积作为收益清分结果。
例如,A1站与B3站之间的最短路径之一为A1→A2U→B2D→B3,其中A1至A2U方向的路段时间权重为2,A2U至B2D方向的路段时间权重为2,B2D至B3方向的路段时间权重为4,则路径权重为2+2+4=8。假设k条最短路径的路径权重的总和为24,则A1→A2U→B2D→B3这条最短路径的选择概率为1/3。每个路段上分配给各个运营商的路段收益均为预先设置的,因此将将预设路段收益与所述最短路径的选择概率相乘即可确定分配到各个运营商的收益,即地铁的收益清分结果。
上述实施例中的各个序号仅仅为了描述,不代表各部件的组装或使用过程中的先后顺序。
以上所述仅为本发明的实施例,并不用以限制本发明,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。

Claims (8)

1.一种基于最短路径算法的地铁收益清分方法,其特征在于,所述地铁收益清分方法包括:
在地铁系统的车站中确定换乘站,根据上下行关系拆分换乘站,根据包括拆分后的换乘站在内的所有车站之间的拓扑关系构建线网图;
为线网图中相互连接的两个车站之间的路段生成路段时间权重;
基于YEN算法计算线网图中任意两车站间的k条最短路径;
根据组成k条最短路径的路段对应的路段时间权重,计算k条最短路径的选择概率,基于选择概率和预设路段收益计算k条最短路径上各个路段的收益清分结果。
2.根据权利要求1所述的一种基于最短路径算法的地铁收益清分方法,其特征在于,所述在地铁系统的车站中确定换乘站,根据上下行关系拆分换乘站,根据包括拆分后的换乘站在内的所有车站之间的拓扑关系构建线网图,包括:
根据换乘方向分别将每个换乘站拆分成一个上行换乘站和一个下行换乘站;
将与换乘站相邻的车站分别与上行换乘站、下行换乘站构成单向连接,与其他非换乘站的连接关系共同构成拓扑关系;
将包括拆分后的换乘站在内的所有车站作为线网图的节点,根据拓扑关系构成节点之间的有向线段。
3.根据权利要求1所述的一种基于最短路径算法的地铁收益清分方法,其特征在于,所述为线网图中相互连接的两个车站之间的路段生成路段时间权重,包括:
获取每两个车站之间线段的权重影响因子,所述权重影响因子包括路段距离、拥挤程度、车站服务态度以及换乘等待时间;
根据预设权重对权重影响因子进行加权计算,得到路段时间权重。
4.根据权利要求1所述的一种基于最短路径算法的地铁收益清分方法,其特征在于,所述根据组成k条最短路径的路段对应的路段时间权重,计算k条最短路径的选择概率,基于选择概率和预设路段收益计算k条最短路径上各个路段的收益清分结果,包括:
针对每条最短路径获取组成最短路径的各个路段的路段时间权重,将路段时间权重相加,得到每条最短路径的路径权重;
计算每条最短路径的路径权重在k条最短路径的路径总权重中的占比,得到每条最短路径的选择概率;
获取组成最短路径的各个路段对应的预设路段收益,将预设路段收益与路段所在的最短路径对应的选择概率乘积作为收益清分结果。
5.一种基于最短路径算法的地铁收益清分系统,其特征在于,所述地铁收益清分系统包括:
线网图单元:用于在地铁系统的车站中确定换乘站,根据上下行关系拆分换乘站,根据包括拆分后的换乘站在内的所有车站之间的拓扑关系构建线网图;
赋权单元:用于为线网图中相互连接的两个车站之间的路段生成路段时间权重;
寻路单元:用于基于YEN算法计算线网图中任意两车站间的k条最短路径;
清分单元:用于根据组成k条最短路径的路段对应的路段时间权重,计算k条最短路径的选择概率,基于选择概率和预设路段收益计算k条最短路径上各个路段的收益清分结果。
6.根据权利要求5所述的一种基于最短路径算法的地铁收益清分系统,其特征在于,所述线网图单元具体用于:
根据换乘方向分别将每个换乘站拆分成一个上行换乘站和一个下行换乘站;
将与换乘站相邻的车站分别与上行换乘站、下行换乘站构成单向连接,与其他非换乘站的连接关系共同构成拓扑关系;
将包括拆分后的换乘站在内的所有车站作为线网图的节点,根据拓扑关系构成节点之间的有向线段。
7.根据权利要求5所述的一种基于最短路径算法的地铁收益清分系统,其特征在于,所述赋权单元具体用于:
获取每两个车站之间线段的权重影响因子,所述权重影响因子包括路段距离、拥挤程度、车站服务态度以及换乘等待时间;
根据预设权重对权重影响因子进行加权计算,得到路段时间权重。
8.根据权利要求5所述的一种基于最短路径算法的地铁收益清分系统,其特征在于,所述清分单元具体用于:
针对每条最短路径获取组成最短路径的各个路段的路段时间权重,将路段时间权重相加,得到每条最短路径的路径权重;
计算每条最短路径的路径权重在k条最短路径的路径总权重中的占比,得到每条最短路径的选择概率;
获取组成最短路径的各个路段对应的预设路段收益,将预设路段收益与路段所在的最短路径对应的选择概率乘积作为收益清分结果。
CN202110498949.9A 2021-05-08 2021-05-08 一种基于最短路径算法的地铁收益清分方法及系统 Active CN113269353B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110498949.9A CN113269353B (zh) 2021-05-08 2021-05-08 一种基于最短路径算法的地铁收益清分方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110498949.9A CN113269353B (zh) 2021-05-08 2021-05-08 一种基于最短路径算法的地铁收益清分方法及系统

Publications (2)

Publication Number Publication Date
CN113269353A true CN113269353A (zh) 2021-08-17
CN113269353B CN113269353B (zh) 2023-04-07

Family

ID=77230127

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110498949.9A Active CN113269353B (zh) 2021-05-08 2021-05-08 一种基于最短路径算法的地铁收益清分方法及系统

Country Status (1)

Country Link
CN (1) CN113269353B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101763612A (zh) * 2010-01-12 2010-06-30 北京轨道交通路网管理有限公司 一种轨道交通系统运费清分方法
CN102306243A (zh) * 2011-07-27 2012-01-04 高新现代智能系统股份有限公司 在轨道交通中的换乘客流清分方法
CN102880642A (zh) * 2012-08-20 2013-01-16 浙江工业大学 一种基于加权有向网络模型的公交换乘方法
US20150358226A1 (en) * 2013-01-06 2015-12-10 Zte Corporation Method and device for registering multicast source and establishing multicast path
CN108537408A (zh) * 2018-03-14 2018-09-14 北京交通大学 一种融合进站和换乘控制的路网协同限流建模及评估方法
US10308430B1 (en) * 2016-12-23 2019-06-04 Amazon Technologies, Inc. Distribution and retrieval of inventory and materials using autonomous vehicles

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101763612A (zh) * 2010-01-12 2010-06-30 北京轨道交通路网管理有限公司 一种轨道交通系统运费清分方法
CN102306243A (zh) * 2011-07-27 2012-01-04 高新现代智能系统股份有限公司 在轨道交通中的换乘客流清分方法
CN102880642A (zh) * 2012-08-20 2013-01-16 浙江工业大学 一种基于加权有向网络模型的公交换乘方法
US20150358226A1 (en) * 2013-01-06 2015-12-10 Zte Corporation Method and device for registering multicast source and establishing multicast path
US10308430B1 (en) * 2016-12-23 2019-06-04 Amazon Technologies, Inc. Distribution and retrieval of inventory and materials using autonomous vehicles
CN108537408A (zh) * 2018-03-14 2018-09-14 北京交通大学 一种融合进站和换乘控制的路网协同限流建模及评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陶等: "城市轨道交通票款清分方法", 《都市快轨交通》 *

Also Published As

Publication number Publication date
CN113269353B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
Han et al. The allocation of buses in heavily utilized networks with overlapping routes
De Bona et al. Analysis of public bus transportation of a Brazilian city based on the theory of complex networks using the P-space
CN111310077B (zh) 一种旅客智能行程推荐系统和方法
CN107194128A (zh) 基于中心辐射型网络框架的多模式公共交通网络设计方法
CN109670240B (zh) 一种城市多模式公交网络初始线路生成方法
CN103530694B (zh) 基于时空网络构建的城市地铁动态客流分配方法
CN107958302A (zh) 基于虚拟拓扑交通网络的经验路径规划方法
CN106203725A (zh) 基于启发式搜索的门到门出行路径方案个性化推荐方法
WO2019003672A1 (ja) 交通需要予測装置、及び交通需要予測方法
CN104636457B (zh) 一种位置搜索认知的方法及装置
CN102567389A (zh) 组合交通网络的形成方法和设备、路径搜索方法和设备
CN111368149A (zh) 网络化运营条件下基于图论的行程可达性计算和展示方法、计算机设备及存储介质
CN111008736A (zh) 用于新航线的开通决策方法及系统
CN106980953A (zh) 一种面向物流的动态路径规划方法
CN113269353B (zh) 一种基于最短路径算法的地铁收益清分方法及系统
Wang et al. Road network design in a developing country using mobile phone data: An application to Senegal
JP6363043B2 (ja) プログラム及び抽出装置
Batten et al. Multilevel network barriers: the methodological challenge
CN108413980B (zh) 一种减少路径分支的交通巡回路径规划方法
KR102125472B1 (ko) 공차시간 감소를 위한 추천경로 안내 시스템 및 그 방법
Uehara et al. Evaluation of a hierarchical cooperative transport system using demand responsive bus on a dynamic simulation
CN113962599A (zh) 一种城市轨道交通网络化运营管理方法及系统
CN114692015A (zh) 一种基于密度聚类的乘车点推荐方法
CN113536493A (zh) 基于聚类反推的有效路径生成方法及断面客流估算方法
Halim et al. Metro timetable optimization from passenger perspective based on simulation models and incomplete data of passenger flow

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant