CN114912659A - 铁路客运中转换乘方案计算方法及系统、设备和存储介质 - Google Patents

铁路客运中转换乘方案计算方法及系统、设备和存储介质 Download PDF

Info

Publication number
CN114912659A
CN114912659A CN202210405948.XA CN202210405948A CN114912659A CN 114912659 A CN114912659 A CN 114912659A CN 202210405948 A CN202210405948 A CN 202210405948A CN 114912659 A CN114912659 A CN 114912659A
Authority
CN
China
Prior art keywords
transfer
full
data set
station
reachable
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.)
Pending
Application number
CN202210405948.XA
Other languages
English (en)
Inventor
单杏花
杨立鹏
朱颖婷
李雯
王思宇
王拓
梅巧玲
阎志远
易超
尹伊伊
张志强
范茂洋
王勃
樊春美
化帅朋
谢泽
吴首蓉
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.)
China Academy of Railway Sciences Corp Ltd CARS
Institute of Computing Technologies of CARS
Beijing Jingwei Information Technology Co Ltd
Original Assignee
China Academy of Railway Sciences Corp Ltd CARS
Institute of Computing Technologies of CARS
Beijing Jingwei Information Technology 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 China Academy of Railway Sciences Corp Ltd CARS, Institute of Computing Technologies of CARS, Beijing Jingwei Information Technology Co Ltd filed Critical China Academy of Railway Sciences Corp Ltd CARS
Priority to CN202210405948.XA priority Critical patent/CN114912659A/zh
Publication of CN114912659A publication Critical patent/CN114912659A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本申请公开了一种铁路客运中转换乘方案计算方法，包括：OD数据集计算步骤：基于铁路最新运行图数据或全路最新余票数据计算获得全路直达OD数据集，基于全路直达OD数据集计算获得全路可达OD数据集，基于OD历时排序规则对全路可达OD数据集中的中转站进行优先级排序后，获得候选全路可达OD数据集；最小换乘时间计算步骤：分别计算多种换乘场景下的最小换乘时间；换乘方案计算步骤：铁路用户实时输入中转换乘请求，基于候选全路可达OD数据集查询获得中转站，基于余票信息、最小换乘时间及预设过滤条件进行中转站过滤，获得最优中转换乘方案，并为铁路用户进行展示。本发明还提供了一种铁路客运中转换乘方案计算系统。

Description

铁路客运中转换乘方案计算方法及系统、设备和存储介质
技术领域
本申请涉及铁路客运中转领域，特别是涉及一种铁路客运中转换乘方案计算方法、系统、计算机设备和计算机可读存储介质。
背景技术
近年来我国高速铁路列车速度不断提升、高速铁路路网规模从“四纵四横”延伸到“八纵八横”，基本达到铁路成网的稳定状态。铁路客流整体表现为区域性不平衡、季节性不平衡、时段性不平衡、大小站不平衡的特点。中间车站、小节点车站客流需求不足，只能以列车中途停站的模式带走客流；受列车停站总次数限制，大量中间站、小节点车站的服务频率不足，服务时间点分布不均衡，旅客出行存在较大不便、运力资源难以充分利用。在“八纵八横”的路网规模基础上，通过中转换乘，即衔接中短途车次实现长途出行的方式是未来提高列车服务频次和运力资源利用率、提升旅客出行自由度的发展趋势。
现有技术中通过综合对比传统算法(Dijkstra算法、A*算法等)、智能算法(PSO算法、遗传算法、强化学习等)、传统与智能相结合的算法等多种路径规划算法，但是，铁路客运网络具有规模复杂、约束条件复杂且变化频率不一的特点，铁路客运用户规模庞大、换乘服务需具备处理高并发请求的能力，目前现有技术的传统算法无法满足复杂路网条件下的铁路旅客中转换乘复杂需求。
因此，亟需构建新型的铁路中转换乘方案计算方法及系统，以完成对传统现有技术中的A*算法求解过程和约束条件进行解耦处理，并能够采用大数据分析、离线计算、实时计算相结合的混合计算方式，为无票出行、无车开行方向的用户提供最优的铁路中转换乘出行方案，同时可在铁路运行图与余票动态变化、高并发环境下满足铁路旅客的中转换乘出行需求。
发明内容
为解决上述技术问题，本发明专利提供了一种铁路中转换乘方案计算方法及系统，可以实现铁路运行图与余票动态变化、高并发环境下满足铁路旅客的中转换乘出行需求。
第一方面，本申请实施例提供了一种铁路客运中转换乘方案计算方法，包括：
OD数据集计算步骤：基于铁路最新运行图数据或全路最新余票数据计算获得全路直达OD数据集，基于全路直达OD数据集计算获得全路可达OD数据集，基于OD历时排序规则对全路可达OD数据集中的中转站进行优先级排序后，获得候选全路可达OD数据集；
最小换乘时间计算步骤：分别计算多种换乘场景下的最小换乘时间；
换乘方案计算步骤：铁路用户实时输入中转换乘请求，基于候选全路可达OD数据集查询获得中转站，基于余票信息、最小换乘时间及预设过滤条件进行中转站过滤，获得最优的中转换乘方案，并为铁路用户进行展示。
优选的，上述OD数据集计算步骤包括：
全路可达OD数据集计算步骤：在全路直达OD数据集中查找出发站及到达站进行相互关联，完成至少一次关联计算，获得至少一个中转站，获得全路可达OD数据集；
历时时长计算步骤：基于最新运行图数据计算全路可达OD数据集中各个出发站经至少一个中转站至到达站的最短历时，历时排序规则为最短历时为最小的优先级最高；
优选排序步骤：针对全路可达OD数据集基于OD历时排序规则进行排序；
选取步骤：根据指定优先级范围选取全路可达OD数据集，获得至少一个候选全路可达OD数据，并储存到内存数据库中。
优选的，上述最小换乘时间计算步骤包括：
同站最小换乘时间：基于历史换乘行为数据、车站规模、及是否有便捷换乘通道综合计算得出同站最小换乘时间，并导入至内存数据库；
同城最小换乘时间：基于采集的城市交通出行时间数据计算得出同城最小换乘时间，并导入内存数据库；
便捷换乘时间：指定便捷换乘时间为固定值，并导入内存数据库。
优选的，上述换乘方案计算步骤包括：
余票查询步骤：基于铁路用户的中转换乘请求，分别查询出发站至各个中转站在出发日期内的余票数据，及各个中转站至到达站在出发日期之后的一段预定时间内的余票数据，并基于余票数据过滤无票车次；
异常过滤步骤：如果发生到达站到出发站的绕行情况，则过滤中转换乘方案，且如果所述中转换乘方案的换乘时间小于所述最小换乘时间，则过滤中转换乘方案。
优选的，上述全路直达OD数据集包括第一全路直达OD数据集及第二全路直达OD数据集；基于最新运行图数据计算获得第一全路直达OD数据集，基于全路最新余票数据计算获得第二全路直达OD数据集；
全路可达OD数据集包括第一全路可达OD数据集及第二全路可达OD数据集；基于第一全路直达OD数据集采用SQL语言离线计算获得第一全路可达OD数据集，基于第二全路直达OD数据集采用多种编程语言离线计算获得第二全路可达OD数据集。
优选的，上述第一全路可达OD数据集及第二全路可达OD数据集互为热备份，铁路用户基于第一全路可达OD数据集或第二全路可达OD数据集查询获得中转站。
优选的，上述全路直达OD数据集包括：出发站、到达站及出发站至到达站之间的最短直达历时；全路可达OD数据集包括：序号、出发站、至少一个中转站、到达站、及出发站经至少一个中转站至到达站的最短中转历时，其中最短中转历时为最小时，对应序号为最小值。
第二方面，本申请实施例提供了一种铁路客运中转换乘方案计算系统，采用如上所述铁路客运中转换乘方案计算方法，包括：
OD数据集计算模块：用于基于铁路最新运行图数据或全路最新余票数据计算获得全路直达OD数据集，基于全路直达OD数据集计算获得全路可达OD数据集，基于OD历时排序规则对全路可达OD数据集进行优先级排序后，获得候选全路可达OD数据集；
最小换乘时间计算模块：用于分别计算多种换乘场景下的最小换乘时间；
换乘方案计算模块：用于铁路用户实时输入中转换乘请求，基于候选全路可达OD数据集查询获得中转站，基于余票信息、最小换乘时间及预设过滤条件进行中转站过滤，获得最优中转换乘方案，并为铁路用户进行展示。
第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面铁路客运中转换乘方案计算方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面铁路客运中转换乘方案计算方法。
相比于相关现有技术，具有以下突出的有益效果：
1)本发明方法的在传统A*路径规划算法的基础上，采取取消了对启发函数的定义，本发明通过对大量铁路旅客换乘出行历时数据分析发现，铁路旅客通常偏好于更短历时的中转换乘方案，因此本发明在忽略全路任意OD间换乘所耗费的中转时间的前提下，根据最新运行图数据计算全路任意OD间的历时，以此作为评估任意OD间最优换乘站优先级的依据，避免了对启发函数的定义；
2)本发明方法采用分层计算全路换乘方案，在离线计算层，分别计算两类数据，一是全路可达OD数据集，二是最小换乘时间；在实时计算层，用户提交中转换乘请求后，程序实时根据内存数据库中的全路可达OD数据集查询相应的换乘站，再拼接形成候选详细中转方案，并根据约束条件过滤不合理方案；
3)本发明方法采用两种不同方式实现全路换乘方案计算的容灾策略，由于铁路中转换乘方案所依赖的数据存储于不同内部网络，跨网计算和传输数据，存在计算和传输任务失败的风险，为了规避这一风险，基于铁路最新运行图数据采取“SQL语言离线计算换乘站→定时导入指定内存数据库之一”的方式，和基于全路列车余票数据采取“java微服务集群计算换乘站→定时导入指定内存数据库之二”的方式分别每天计算预售期内全路可达OD的最优换乘站，内存数据库之一和之二为同种或不同种类型内存数据库均可，但要求不属于不同服务器，以实现容灾功能。当有用户提交中转换乘需求时，程序可从指定内存数据库之一和之二中的任一方查询最优换乘站数据并计算详细中转换乘方案。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是本发明铁路中转换乘方案计算方法流程图；
图2是本发明具体实施例中转换乘方案计算方法流程图；
图3为本发明铁路中转换乘方案计算系统示意图；
图4本发明实施例的计算机设备的硬件结构示意图。
以上图中：
10OD数据集计算模块20最小换乘时间计算模块
30换乘方案计算模块
81、处理器；82、存储器；83、通信接口；80、总线。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本发明旨在从简单、可靠、准确的角度出发，提供一种铁路中转换乘方案计算方法，该方法以A*算法作为铁路换乘服务的基本算法，综合运用hive、spark、java微服务、内存数据库、自研数据中台等多种技术手段和工具，对传统A*算法求解过程和约束条件进行解耦处理，采用大数据分析、离线计算、实时计算相结合的混合计算方式，为无票出行、无车开行方向的用户提供合适的铁路中转换乘出行方案，具体的出行方案由两个不同车次实现两段行程的拼接，可在铁路运行图与余票动态变化、高并发环境下满足铁路旅客的中转换乘出行需求。
第一方面，如图1所示，本申请实施例提供了一种铁路客运中转换乘方案计算方法，包括：
OD数据集计算步骤S10：基于铁路最新运行图数据或全路最新余票数据计算获得全路直达OD数据集，基于全路直达OD数据集计算获得全路可达OD数据集，基于OD历时排序规则对全路可达OD数据集中的中转站进行优先级排序后，获得候选全路可达OD数据集；
最小换乘时间计算步骤S20：分别计算多种换乘场景下的最小换乘时间；
换乘方案计算步骤S30：铁路用户实时输入中转换乘请求，基于候选全路可达OD数据集查询获得中转站，基于余票信息、最小换乘时间及预设过滤条件进行中转站过滤，获得最优的中转换乘方案，并为铁路用户进行展示。
优选的，上述OD数据集计算步骤S10包括：
全路可达OD数据集计算步骤：在全路直达OD数据集中查找出发站及到达站进行相互关联，完成至少一次关联计算，获得至少一个中转站，获得全路可达OD数据集；
历时时长计算步骤：不考虑在中转站的停留时间，基于最新运行图数据计算全路可达OD数据集中各个出发站经至少一个中转站至到达站的最短历时，历时排序规则为最短历时为最小的优先级最高；
优选排序步骤：针对全路可达OD数据集基于OD历时排序规则进行排序；
选取步骤：根据指定优先级范围选取全路可达OD数据集，获得至少一个候选全路可达OD数据，并储存到内存数据库中。
优选的，上述最小换乘时间计算步骤S20包括：
同站最小换乘时间：基于历史换乘行为数据、车站规模、及是否有便捷换乘通道综合计算得出同站最小换乘时间，并导入至内存数据库；
同城最小换乘时间：基于采集的城市交通出行时间数据计算得出同城最小换乘时间，并导入内存数据库；
便捷换乘时间：指定便捷换乘时间为固定值，并导入内存数据库。
优选的，上述换乘方案计算步骤S30包括：
余票查询步骤：基于铁路用户的中转换乘请求，分别查询出发站至各个中转站在出发日期内的余票数据，及各个中转站至到达站在出发日期之后的一段预定时间内的余票数据，并基于余票数据过滤无票车次；
异常过滤步骤：如果发生到达站到出发站的绕行情况，则过滤中转换乘方案，且如果所述中转换乘方案的换乘时间小于所述最小换乘时间，则过滤中转换乘方案。
优选的，上述全路直达OD数据集包括第一全路直达OD数据集及第二全路直达OD数据集；基于最新运行图数据计算获得第一全路直达OD数据集，基于全路最新余票数据计算获得第二全路直达OD数据集；
全路可达OD数据集包括第一全路可达OD数据集及第二全路可达OD数据集；基于第一全路直达OD数据集采用SQL语言离线计算获得第一全路可达OD数据集，基于第二全路直达OD数据集采用多种编程语言离线计算获得第二全路可达OD数据集。
优选的，上述第一全路可达OD数据集及第二全路可达OD数据集互为热备份，铁路用户基于第一全路可达OD数据集或第二全路可达OD数据集查询获得中转站。
优选的，上述全路直达OD数据集包括：出发站、到达站及出发站至到达站之间的最短直达历时；全路可达OD数据集包括：序号、出发站、至少一个中转站、到达站、及出发站经至少一个中转站至到达站的最短中转历时，其中最短中转历时为最小时，对应序号为最小值。
以下结合附图对本发明具体实施例进行详细说明：
本发明基于A*算法基本原理，考虑铁路运行计划动态可变、车站规模不一致、同城换乘受城市交通状态影响、铁路用户出行需求不确定、余票动态计算和变化、高并发等多种不确定因素及其变化频率，对传统A*算法求解过程和约束条件进行解耦处理，综合运用hive、spark、java微服务集群、内存数据库、自研数据中台等多种技术手段和工具，采用离线和实时计算相结合的混合计算方式，采取“SQL语言离线计算换乘站→定时导入内存数据库之一”和“java微服务集群计算换乘站→定时导入内存数据库之二”两种方式每天计算预售期内全路OD间最优换乘站的容灾策略，实现对全路中转换乘方案的快速求解和零失误实时响应。
(1)本发明在传统A*路径规划算法的思想基础上，取消了对启发函数的定义。
传统的A*路径规划算法需要根据业务和大量数据分析结果确定启发函数，以此作为搜索最短路径的中的最优节点。启发函数是否合理在一定程度上决定了换乘方案是否合理、可行、最优，在成网条件下的铁路客运网络中，难以定义合适的启发函数以适应千差万别的开行方案和运行计划，不合理的启发函数可能导致向用户提供绕行、花费更多时间和费用的不合理方案。
因此，本发明通过对大量铁路旅客换乘出行历时数据分析发现，铁路旅客通常偏好于更短历时的中转换乘方案，因此本发明在忽略全路任意OD间换乘所耗费的中转时间的前提下，根据最新运行图数据计算全路任意OD间的历时，以此作为评估任意OD间最优换乘站优先级的依据，避免了对启发函数的定义。
(2)本发明分层计算全路换乘方案，在最终详细中转方案生成环节根据约束条件过滤不合理方案。
在离线计算层，需要计算两类数据，一是全路可达OD数据集，二是最小换乘时间。首先根据铁路最新运行图或余票数据计算全路直达OD数据集，具体包括出发站、到达站、历时；再根据全路直达OD数据集，计算全路可达OD数据集，具体包括出发站、中转站、到达站、历时、优先级。其中，历时越短，换乘站优先级越高；最后根据指定优先级别范围将全路可达OD数据集传至内存数据库。例如有两对OD分别为AB、BC，AB和BC间都有车次运行，则认为AC可达。
最小换乘时间用于保证旅客可在最短时间内完成换乘，防止因换乘时间过短导致换乘失败。最小换乘时间包括三种，一是同站最小换乘时间，二是同城最小换乘时间，三是便捷换乘时间。同站最小换乘时间基于历史换乘行为数据、车站规模、是否有便捷换乘通道等多种因素综合计算得出，每个月计算一次同站最小换乘时间，并导入至内存数据库。同城最小换乘时间基于采集的城市交通出行时间数据计算得出，每天计算一次同城最小换乘时间，并导入至内存数据库之一。对建设有便捷换乘通道的车站则指定最小换乘时间为15分钟。
在实时计算层，用户提交中转换乘请求后，程序根据内存数据库中的全路可达OD数据集查询相应的换乘站，分别计算两段行程的余票数，若两段行程均有余票，则作为可选方案之一；设置去除绕行条件，若第一程车次先后途径A、B两站，则换乘路线不可出现由B至A的情况；从内存数据库读取最小换乘时间数据，过滤换乘时间低于最小阈值的方案；设置中转换乘方案的排序方式，以第一程车次的发车时间为锚点，优先展示第二程车次更快到达的方案，确保在不同发车时段均有相应的最优方案。
(3)本发明采用两种不同方式实现全路换乘方案计算的容灾策略。
由于铁路中转换乘方案所依赖的数据存储于不同内部网络，跨网计算和传输数据，存在计算和传输任务失败的风险，为了规避这一风险，基于铁路最新运行图数据采取“SQL语言离线计算换乘站→定时导入内存数据库之一”的方式，和基于全路列车余票数据采取“java微服务集群计算换乘站→定时导入内存数据库之二”的方式分别每天计算预售期内全路可达OD的最优换乘站。当有用户提交中转换乘需求时，程序可从内存数据库之一和之二中的任一方查询最优换乘站数据并计算方案。
本发明铁路中转换乘路线可由多段行程组成，目前已实现由两段行程组成的中转换乘方案，多段行程的铁路中转换乘方案可在目前基础上简单扩展。下图是两段行程的铁路中转换乘方案的计算流程，包括三大模块：换乘站计算服务、最小换乘时间计算服务和换乘方案计算服务，如图2所示，本发明具体实施例步骤具体：
1、换乘站计算服务
(1)基于大数据分析平台采用sparkSQL语言离线计算最优换乘站的方式
①铁路运行图数据主要包括自计算日期后一天至整个预售期内的车站、站序、车次、发车时间、到达时间等关键停靠站信息，并且根据疫情、最新铁路客流需求等情况可能临时调整运行图。
②根据铁路车次、线路等基础业务规则，对未来预售期内的铁路运行图数据进行关联计算，形成全路直达OD数据集，包括出发站、到达站、最短历时等主要信息，但本发明并不限于此，还可以包括其他信息。
③若在全路直达OD数据集中存在2条记录具有该特征，即其中一条记录的到达站为另一条记录的出发站，则两条记录的车站交集B则为从出发站A到目的站C的换乘站之一。例如，全路直达OD数据集中有2条记录分别为“出发站A，到达站B，最短历时t”、“出发站B，到达站C，最短历时s”，通过SparkSQL关联计算形成全路可达OD数据集，不考虑在中转站的停留时间，主要包括出发站A、中转站B、到达站C、两程最短历时a(a为s和t的时间之和)，序号n(根据两程最短历时a排序，a越小，n越小)。但本发明并不限于此，还可以采用其他SQL语言关联计算全路可达OD数据集。
若要计算三段及以上行程的中转换乘路线，则采用两段行程的全路直达OD数据集关联计算全路可达OD数据集的方式。如计算三段行程的中转方案，需关联计算1次，得到2个换乘站；计算四段行程的中转换乘方案，需关联计算2次，得到3个换乘站；计算N段行程的中转换乘方案，需关联计算N-2次，得到N-1个换乘站，其中，N为大于等于3的正整数。
④全路可达OD数据集存储于hive数据仓库中。但本发明并不限于此，还可以有其他数据仓库。
⑤将全路可达OD数据集存入hive数据仓库后，每天在指定时间前将n不超过10的全路可达OD数据集批量导入至redis内存数据库。其中，n为大于0的正整数。本发明具体实施例中n＝10，但本发明并不限于此，n还可以取其他数值，还可以有其他内存数据库。
(2)基于java微服务集群编制程序计算最优换乘站的方式
①每天在指定时间调用内部余票查询接口，不区分是否有票，批量获取自计算日期后一天至整个预售期内的全路最新余票数据，并以文本文件形式存储，主要包括出发站、到达站、车次、出发时间、到达时间等信息，作为计算全路直达OD数据集的数据源。
②根据全路最新余票数据文件，编写java程序计算全路直达OD数据集，包括出发站、到达站、最短历时等主要信息。
③若在全路直达OD数据集中存在2条记录具有该特征，即其中一条记录的到达站为另一条记录的出发站，则两条记录的车站交集B则为从出发站A到目的站C的换乘站之一。例如，全路直达OD数据集中有2条记录分别为“出发站A，到达站B，最短历时t”、“出发站B，到达站C，最短历时s”，通过程序关联计算形成全路可达OD数据集，不考虑在中转站的停留时间，主要包括出发站A、中转站B、到达站C、两程最短历时a(a为s和t的时间之和)，序号n(根据两程最短历时a排序，a越小，n越小)。
④在计算全路可达OD数据集时，将n不超过10的全路可达OD数据记录逐条写入至infinispan内存数据库。但本发明并不限于此，还可以有其他内存数据库。
本发明中上述计算流程的实现方法并不限于此，还可以基于其他服务方式、采用其他编程语言。
2、最小换乘时间计算服务
换乘时间指的是第二段行程的出发时间和第一段行程的到达时间之差。为了避免因换乘时间过短导致旅客无法赶上第二趟车的风险，向用户展示的铁路中转换乘方案的换乘时间不能低于一个最小值，该最小值称为最小换乘时间，分为同站最小换乘时间、同城最小换乘时间和便捷换乘时间，其中同站、同城最小换乘时间的详细计算方法在另一个专利中体现。
(1)同站最小换乘时间
同站最小换乘时间由过去较长一段时间内铁路旅客的中转换乘行为数据、车站规模的等级共同计算得出，每个月采用sparkSQL的方式更新计算一次，并导入至redis内存数据库。但本发明并不限于此，还可以有其他内存数据库。
(2)同城最小换乘时间
①编制数据采集程序，以一定频率采集指定出发站、到达站在全天不同时段、采用不同交通方式出行所耗费的时间。
②将上述采集的城市交通出行数据存储于hive数据仓库。但本发明并不限于此，还可以有其他数据仓库。
③分析不同出发站、到达站的城市交通出行耗时数据分布特征，每天采用sparkSQL的方式计算更新全路同城最小换乘时间，并导入至redis内存数据库。但本发明并不限于此，还可以有其他SQL计算方式和内存数据库。
(3)便捷换乘时间
在建设有便捷换乘通道的车站中转，指定最小换乘时间为15分钟。铁路局通过数据维护管理平台，对便捷换乘车站进行维护和更新。当因车站施工、突发事件等特殊情况需关闭便捷换乘通道时，需及时取消车站的便捷换乘定义。车站的便捷换乘定义被取消后，首先按照程序设定的一个默认时间值作为最新最小换乘时间，并在当天按照同站、同城最小换乘时间的计算方法重新计算全路车站的最小换乘时间。但本发明并不限于此，便捷换乘的最小换乘时间还可以指定其他数值。
3、换乘方案计算服务
为了防止因单一方式导致最优换乘站计算服务失败，全路可达OD的最优换乘站分别被存储于redis和infinispan内存数据库，两个不同数据源的最优换乘站均可用于计算换乘方案，并且具有相同效果。redis内存数据库中的最优换乘站为优先数据源，若redis中最优换乘站数据出现空状态、数据不可访问等异常情况，程序自动切换至infinispan内存数据库获取最优换乘站数据。本发明具体实施例中采用了redis和infinispan内存数据库，但本发明并不限于此，还可以采用其他内存数据库。
①用户在余票查询页面提交中转请求，提交的请求信息包括出发站或出发城市、到达站或到达城市、出发日期。
②程序根据请求信息，查询对应的最优换乘站，并拼接全部可选的中转换乘路线。
例如，用户提交的请求为出发站A、到达站B、出发日期T，则程序在redis或infinispan内存数据库查询包含出发站A、到达站B的记录，得到至少10个最优换乘站Ci(i＝1,2,…,10)。其中，指定优先级范围为小于10个，但本发明并不限于此，还可以取其他优先级范围。
③调用余票查询接口，分别查询出发站A至中转站Ci在出发日期T、中转站Ci至到达站B在出发日期T+24小时以内的余票数据，并过滤无票车次。其中，指定出发日期范围为T+24小时以内，但本发明并不限于此，还可以取其他出发日期范围。
④若第一程车次先后途径A、B两站，拼接后的换乘路线出现由B至A的情况，则认为方案有绕行，过滤该方案。
⑤对同站换乘方案，首先从服务器基础缓存中查询该方案的换乘站是否为便捷换乘车站，若为便捷换乘站，则最小换乘时间为15分钟，否则从redis中查询换乘站对应的最小换乘时间。对同城换乘方案，直接从redis中查询换乘路线对应的最小换乘时间。
若方案中的换乘时间低于最小换乘时间，则过滤该方案。
⑥对中转换乘方案排序，以第一程车次的发车时间为锚点，优先展示第二程车次更快到达的方案，确保在不同发车时段均有更优的中转换乘方案。
第二方面，本申请实施例提供了一种铁路客运中转换乘方案计算系统，采用如上所述铁路客运中转换乘方案计算方法，如图3所示，包括：
OD数据集计算模块：用于基于铁路最新运行图数据或全路最新余票数据计算获得全路直达OD数据集，基于全路直达OD数据集计算获得全路可达OD数据集，基于OD历时排序规则对全路可达OD数据集进行优先级排序后，获得候选全路可达OD数据集；
最小换乘时间计算模块：用于分别计算多种换乘场景下的最小换乘时间；
换乘方案计算模块：用于铁路用户实时输入中转换乘请求，基于候选全路可达OD数据集查询获得中转站，基于余票信息、最小换乘时间及预设过滤条件进行中转站过滤，获得最优中转换乘方案，并为铁路用户进行展示。
第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面的铁路客运中转换乘方案计算方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面铁路客运中转换乘方案计算方法。
计算机设备可以包括处理器81以及存储有计算机程序指令的存储器82。
存储器82可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器81所执行的可能的计算机程序指令。
处理器81通过读取并执行存储器82中存储的计算机程序指令，以实现上述实施例中的任意一种铁路客运中转换乘方案计算方法。
在其中一些实施例中，计算机设备还可包括通信接口83和总线80。其中，如图4所示，处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种铁路客运中转换乘方案计算方法，其特征在于，包括：
OD数据集计算步骤：基于铁路最新运行图数据或全路最新余票数据计算获得全路直达OD数据集，基于所述全路直达OD数据集计算获得全路可达OD数据集，基于OD历时排序规则对所述全路可达OD数据集中的中转站进行优先级排序后，获得候选全路可达OD数据集；
最小换乘时间计算步骤：分别计算多种换乘场景下的最小换乘时间；
换乘方案计算步骤：铁路用户实时输入中转换乘请求，基于所述候选全路可达OD数据集查询获得所述中转站，基于余票信息、所述最小换乘时间及预设过滤条件进行所述中转站过滤，获得最优的中转换乘方案，并为所述铁路用户进行展示。
2.根据权利要求1所述铁路客运中转换乘方案计算方法，其特征在于，所述OD数据集计算步骤包括：
全路可达OD数据集计算步骤：在所述全路直达OD数据集中查找出发站及到达站进行相互关联，完成至少一次关联计算，获得至少一个所述中转站，获得所述全路可达OD数据集；
历时时长计算步骤：基于所述最新运行图数据计算所述全路可达OD数据集中各个出发站经至少一个中转站至到达站的最短历时，所述历时排序规则为所述最短历时为最小的优先级最高；
优选排序步骤：针对所述全路可达OD数据集基于所述OD历时排序规则进行排序；
选取步骤：根据指定优先级范围选取所述全路可达OD数据集，获得至少一个所述候选全路可达OD数据，并储存到内存数据库中。
3.根据权利要求1所述铁路客运中转换乘方案计算方法，其特征在于，所述最小换乘时间计算步骤包括：
同站最小换乘时间：基于历史换乘行为数据、车站规模、及是否有便捷换乘通道综合计算得出同站最小换乘时间，并导入至内存数据库；
同城最小换乘时间：基于采集的城市交通出行时间数据计算得出同城最小换乘时间，并导入内存数据库；
便捷换乘时间：指定便捷换乘时间为固定值，并导入内存数据库。
4.根据权利要求1所述铁路客运中转换乘方案计算方法，其特征在于，所述换乘方案计算步骤包括：
余票查询步骤：基于所述铁路用户的中转换乘请求，分别查询出发站至各个所述中转站在出发日期内的余票数据，及各个中转站至到达站在出发日期之后的一段预定时间内的余票数据，并基于所述余票数据过滤无票车次；
异常过滤步骤：如果发生所述到达站到所述出发站的绕行情况，则过滤所述中转换乘方案，且如果所述中转换乘方案的换乘时间小于所述最小换乘时间，则过滤所述中转换乘方案。
5.根据权利要求2所述铁路客运中转换乘方案计算方法，其特征在于，所述全路直达OD数据集包括第一全路直达OD数据集及第二全路直达OD数据集；基于所述最新运行图数据计算获得第一全路直达OD数据集，基于所述全路最新余票数据计算获得第二全路直达OD数据集；
所述全路可达OD数据集包括第一全路可达OD数据集及第二全路可达OD数据集；基于所述第一全路直达OD数据集采用SQL语言离线计算获得第一全路可达OD数据集，基于所述第二全路直达OD数据集采用多种编程语言离线计算获得第二全路可达OD数据集。
6.根据权利要求5所述铁路客运中转换乘方案计算方法，其特征在于，所述第一全路可达OD数据集及所述第二全路可达OD数据集互为热备份，所述铁路用户基于所述第一全路可达OD数据集或所述第二全路可达OD数据集查询获得所述中转站。
7.根据权利要求6所述铁路客运中转换乘方案计算方法，其特征在于，所述全路直达OD数据集包括：出发站、到达站及所述出发站至所述到达站之间的最短直达历时；所述全路可达OD数据集包括：序号、出发站、至少一个中转站、到达站、及所述出发站经至少一个中转站至到达站的最短中转历时，其中所述最短中转历时为最小时，对应所述序号为最小值。
8.一种铁路客运中转换乘方案计算系统，采用如权利要求1-7中任意一项所述铁路客运中转换乘方案计算方法，其特征在于，包括：
OD数据集计算模块：用于基于铁路最新运行图数据或全路最新余票数据计算获得全路直达OD数据集，基于所述全路直达OD数据集计算获得全路可达OD数据集，基于OD历时排序规则对所述全路可达OD数据集进行优先级排序后，获得候选全路可达OD数据集；
最小换乘时间计算模块：用于分别计算多种换乘场景下的最小换乘时间；
换乘方案计算模块：用于铁路用户实时输入中转换乘请求，基于所述候选全路可达OD数据集查询获得中转站，基于余票信息、所述最小换乘时间及预设过滤条件进行所述中转站过滤，获得最优中转换乘方案，并为所述铁路用户进行展示。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述铁路客运中转换乘方案计算方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7中任一项所述铁路客运中转换乘方案计算方法。
CN202210405948.XA 2022-04-18 2022-04-18 铁路客运中转换乘方案计算方法及系统、设备和存储介质 Pending CN114912659A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210405948.XA CN114912659A (zh) 2022-04-18 2022-04-18 铁路客运中转换乘方案计算方法及系统、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210405948.XA CN114912659A (zh) 2022-04-18 2022-04-18 铁路客运中转换乘方案计算方法及系统、设备和存储介质

Publications (1)

Publication Number Publication Date
CN114912659A true CN114912659A (zh) 2022-08-16

Family

ID=82764399

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210405948.XA Pending CN114912659A (zh) 2022-04-18 2022-04-18 铁路客运中转换乘方案计算方法及系统、设备和存储介质

Country Status (1)

Country Link
CN (1) CN114912659A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116542404A (zh) * 2023-07-07 2023-08-04 北京市运输事业发展中心 一种客运枢纽场站抵站旅客接续换乘时间的预测方法
CN116757330A (zh) * 2023-08-10 2023-09-15 北京经纬信息技术有限公司 铁路同城异站最小中转时间计算方法、系统及设备和介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116542404A (zh) * 2023-07-07 2023-08-04 北京市运输事业发展中心 一种客运枢纽场站抵站旅客接续换乘时间的预测方法
CN116542404B (zh) * 2023-07-07 2023-09-15 北京市运输事业发展中心 一种客运枢纽场站抵站旅客接续换乘时间的预测方法
CN116757330A (zh) * 2023-08-10 2023-09-15 北京经纬信息技术有限公司 铁路同城异站最小中转时间计算方法、系统及设备和介质
CN116757330B (zh) * 2023-08-10 2023-11-14 北京经纬信息技术有限公司 铁路同城异站最小中转时间计算方法、系统及设备和介质

Similar Documents

Publication Publication Date Title
CN112466122B (zh) 一种公交线网的备选线路集生成、线路规划方法及装置
CN110428117B (zh) 城市轨道交通多场景下客流精准诱导方法及系统
Fu et al. A hierarchical line planning approach for a large-scale high speed rail network: the China case
CN114912659A (zh) 铁路客运中转换乘方案计算方法及系统、设备和存储介质
US10157242B2 (en) Charger arrangement planning supporting apparatus, charger arrangement planning supporting method, and program
CN110222912B (zh) 基于时间依赖模型的铁路行程路线规划方法及装置
CN110309962A (zh) 基于时间扩展模型的铁路行程路线规划方法及装置
CN106097226A (zh) 基于层次规划的城市常规公交线网设计方法
CN106127357A (zh) 一种基于预约数据的定制公交自动布线系统及方法
Zhan et al. A modified artificial bee colony algorithm for the dynamic ride-hailing sharing problem
CN102169524A (zh) 城市轨道交通网络客流分布的分阶段多路径模型算法
CN102867408A (zh) 一种公交出行路线的选择方法和系统
Mahmoudi et al. A cumulative service state representation for the pickup and delivery problem with transfers
CN111898793B (zh) 一种组合出行方式下考虑用户感知差异性的路径选择方法
CN106528720A (zh) 换乘站推荐方法和换乘站推荐系统
CN111882092B (zh) 一种适用于共享出行的出租车车辆搜索方法
CN116720997A (zh) 一种基于大数据分析的公交线路评价体系及优化方法
Wei et al. Optimal integrated model for feeder transit route design and frequency‐setting problem with stop selection
Zuo et al. High-capacity ride-sharing via shortest path clustering on large road networks
CN110782651A (zh) 基于快速响应乘车请求的非定线公共交通控制系统
CN115423168A (zh) 一种考虑服务稳定性的定制公交路网优化方法及系统
Gaul et al. Solving the dynamic dial-a-ride problem using a rolling-horizon event-based graph
CN116128172A (zh) 一种空铁联运路线生成方法、系统及设备和存储介质
CN116882842A (zh) 一种公共综合交通体系通达度评估方法
Wang et al. Dynamic parking allocation model in a multidestination multiple parking lot system

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