CN117610755A - 一种空铁联运路径的获得方法、装置、介质和电子设备 - Google Patents
一种空铁联运路径的获得方法、装置、介质和电子设备 Download PDFInfo
- Publication number
- CN117610755A CN117610755A CN202410095403.2A CN202410095403A CN117610755A CN 117610755 A CN117610755 A CN 117610755A CN 202410095403 A CN202410095403 A CN 202410095403A CN 117610755 A CN117610755 A CN 117610755A
- Authority
- CN
- China
- Prior art keywords
- air
- node
- communication
- iron
- coloring
- 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
Links
- XEEYBQQBJWHFJM-UHFFFAOYSA-N iron Substances [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 187
- 229910052742 iron Inorganic materials 0.000 title claims abstract description 171
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004891 communication Methods 0.000 claims abstract description 148
- 238000004040 coloring Methods 0.000 claims abstract description 102
- 238000010845 search algorithm Methods 0.000 claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及空铁联运技术领域,提供了一种空铁联运路径的获得方法、装置、介质和电子设备。所述方法通过预设着色规则、所述出发交通工具类型、所述出发地信息和所述目的地信息结合空铁站点数据集,生成空铁连通图,其中,空铁连通图中的多个连通边分为多个着色类型,且每个连通边的着色类型区别于邻接的连通边的着色类型;基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径。根据空铁连通图进行搜索,在使用每个交通工具后,强制通过换乘实现空铁联运,降低了空铁连通图中连通边的数量,减少了节点搜索量,加快了搜索速度,提高了查找算法的效率。
Description
技术领域
本申请涉及空铁联运技术领域,具体而言,涉及一种空铁联运路径的获得方法、装置、介质和电子设备。
背景技术
随着我国民航交通领域、铁路交通领域的蓬勃发展,极大地丰富了旅客的出行方式,不仅有省时舒适的航空方式和安全快捷的铁路方式,当下还提出了“空铁联运”交通方式,即:一种航空运输与铁路运输相互协作的联合运输方式。
目前,空铁联运路径计算方法是通过构造空铁连通图,使用深度优先搜索算法进行空铁联运路径查找。
但是,空铁联运路径所用的站点集较大,空铁连通图中连通边两端的节点是以以下形式存在:火车站节点-火车站节点、机场节点-机场节点、火车站节点-机场节点或机场节点-火车站节点,空铁联运特征不明显,可能直到搜索结束才能明确空铁连通图中是否存在空铁联运路径。损失了很多算力,降低了查找算法的效率。
因此,本申请提供了一种空铁联运路径的获得方法,以解决上述技术问题。
发明内容
本申请的目的在于提供一种空铁联运路径的获得方法、装置、介质和电子设备,能够解决上述提到的至少一个技术问题。具体方案如下:
根据本申请的具体实施方式,第一方面,本申请提供一种空铁联运路径的获得方法,包括:
获取行程的出发地信息、目的地信息以及出发交通工具类型;
基于预设着色规则、所述出发交通工具类型、所述出发地信息和所述目的地信息结合空铁站点数据集,生成空铁连通图,其中,所述空铁连通图中包括多个连通边,所述多个连通边分为多个着色类型,且每个连通边的着色类型区别于邻接的连通边的着色类型,至少一个连通边的起始节点为包括所述出发地信息和出发交通工具类型的出发地节点,至少一个连通边的终点节点为包括所述目的地信息的目的地节点;
基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径。
可选的,所述基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径,包括:
通过深度优先搜索算法对所述空铁连通图进行搜索,获得所述出发地节点到当前搜索节点的简单路径的步长;
当所述简单路径的步长小于或等于预设最大步长阈值且当前搜索节点为所述目的地节点时,确定所述简单路径作为空铁联运路径。
可选的,所述方法还包括:
当所述简单路径的步长等于预设最大步长阈值,且当前搜索节点非所述目的地节点时,返回与所述当前搜索节点最近的上一级分支节点继续搜索未被访问的节点。
可选的,所述基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径之后,包括:
计算每个空铁联运路径的连通边步长,从所述至少一个空铁联运路径中确定连通边数量最少的空铁联运路径为推荐路径。
可选的,所述基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径之前,包括:
基于所述出发交通工具类型确定各个着色类型的期望值;
基于各个着色类型的期望值对所述空铁连通图中对应着色类型的连通边赋予期望值。
可选的,所述基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径之后,包括:
计算每个空铁联运路径中所有连通边的期望值之和值,从所述至少一个空铁联运路径中确定和值最大的空铁联运路径为推荐路径。
可选的,所述多个着色类型包括第一着色类型和第二着色类型,所述第一着色类型的连通边的起始节点和终点节点均包括相同的交通工具类型,所述第二着色类型的连通边的起始节点和终点节点分别包括不同的交通工具类型。
根据本申请的具体实施方式,第二方面,本申请提供一种空铁联运路径的获得装置,包括:
获取单元,用于获取行程的出发地信息、目的地信息以及出发交通工具类型;
生成单元,用于基于预设着色规则、所述出发交通工具类型、所述出发地信息和所述目的地信息结合空铁站点数据集,生成空铁连通图,其中,所述空铁连通图中包括多个连通边,所述多个连通边分为多个着色类型,且每个连通边的着色类型区别于邻接的连通边的着色类型,至少一个连通边的起始节点为包括所述出发地信息和出发交通工具类型的出发地节点,至少一个连通边的终点节点为包括所述目的地信息的目的地节点;
获得单元,用于基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径。
可选的,所述获得单元,包括:
获得子单元,用于通过深度优先搜索算法对所述空铁连通图进行搜索,获得所述出发地节点到当前搜索节点的简单路径的步长;
确定子单元,用于当所述简单路径的步长小于或等于预设最大步长阈值且当前搜索节点为所述目的地节点时,确定所述简单路径作为空铁联运路径。
可选的,所述获得单元还包括:
返回子单元,用于当所述简单路径的步长等于预设最大步长阈值,且当前搜索节点非所述目的地节点时,返回与所述当前搜索节点最近的上一级分支节点继续搜索未被访问的节点。
可选的,所述装置还包括:
第一推荐单元,用于基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径之后,计算每个空铁联运路径的连通边步长,从所述至少一个空铁联运路径中确定连通边数量最少的空铁联运路径为推荐路径。
可选的,所述装置还包括:
赋值单元,用于在基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径之前,基于所述出发交通工具类型确定各个着色类型的期望值;以及基于各个着色类型的期望值对所述空铁连通图中对应着色类型的连通边赋予期望值。
可选的,所述装置还包括:
第二推荐单元,用于基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径之后,计算每个空铁联运路径中所有连通边的期望值之和值,从所述至少一个空铁联运路径中确定和值最大的空铁联运路径为推荐路径。
可选的,所述多个着色类型包括第一着色类型和第二着色类型,所述第一着色类型的连通边的起始节点和终点节点均包括相同的交通工具类型,所述第二着色类型的连通边的起始节点和终点节点分别包括不同的交通工具类型。
根据本申请的具体实施方式,第三方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上任一项所述空铁联运路径的获得方法。
根据本申请的具体实施方式,第四方面,本申请提供一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上任一项所述空铁联运路径的获得方法。
本申请实施例的上述方案与现有技术相比,至少具有以下有益效果:
本申请提供了一种空铁联运路径的获得方法、装置、介质和电子设备。所述方法通过预设着色规则、所述出发交通工具类型、所述出发地信息和所述目的地信息结合空铁站点数据集,生成空铁连通图,其中,所述空铁连通图中包括多个连通边,所述多个连通边分为多个着色类型,且每个连通边的着色类型区别于邻接的连通边的着色类型,至少一个连通边的起始节点为包括所述出发地信息和出发交通工具类型的出发地节点,至少一个连通边的终点节点为包括所述目的地信息的目的地节点;基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径。根据空铁连通图进行搜索,在使用每个交通工具后,强制通过换乘实现空铁联运,降低了空铁连通图中连通边的数量,减少了节点搜索量,加快了搜索速度,提高了查找算法的效率。
附图说明
图1示出了根据本申请实施例的空铁联运路径的获得方法的流程图;
图2示出了根据本申请实施例的空铁联运路径的获得方法的空铁连通图;
图3示出了根据本申请实施例的空铁联运路径的获得装置的单元框图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请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,“多种”一般包含至少两种。
应当理解,本文中使用的术语“和/或”仅仅是一种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。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
应当理解,尽管在本申请实施例中可能采用术语第一、第二、第三等来描述,但这些描述不应限于这些术语。这些术语仅用来将描述区分开。例如,在不脱离本申请实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。
取决于语境,如在此所使用的词语“如果”、“若”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)”。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者装置中还存在另外的相同要素。
特别需要说明的是,在说明书中存在的符号和/或数字,如果在附图说明中未被标记的,均不是附图标记。
下面结合附图详细说明本申请的可选实施例。
对本申请提供的实施例,即一种空铁联运路径的获得方法的实施例。
下面结合图1对本申请实施例进行详细说明。
步骤S101,获取行程的出发地信息、目的地信息以及出发交通工具类型。
在本申请实施例中,需要为空铁联运规划行程路径。涉及的交通工具包括火车和飞机。
交通工具类型包括火车类型和飞机类型。
出发交通工具类型,是指用户在出发地选择的第一个交通工具的类型。
步骤S103,基于预设着色规则、所述出发交通工具类型、所述出发地信息和所述目的地信息结合空铁站点数据集,生成空铁连通图。
空铁站点数据集中包括从出发地到目的地所有可能采用的机场信息和火车站信息。
空铁连通图,是一种有向图。
空铁连通图中的每个节点均来自于空铁站点数据集中中的一个站点。每个节点中均包括对应站点的站点信息和交通工具类型。空铁连通图中的出发地节点包括所述出发地信息和出发交通工具类型,空铁连通图中的目的地节点包括目的地信息。
连通边,是指两个节点间的连线,由于空铁连通图是有向图,其中,连通边是有向边。连通边包括起始节点和终点节点,例如,连通边包括:火车站节点-火车站节点、机场节点-机场节点、火车站节点-机场节点或机场节点-火车站节点。
其中,所述空铁连通图中包括多个连通边,所述多个连通边分为多个着色类型,且每个连通边的着色类型区别于邻接的连通边的着色类型,至少一个连通边的起始节点为包括所述出发地信息和出发交通工具类型的出发地节点,至少一个连通边的终点节点为包括所述目的地信息的目的地节点。
预设着色规则,规定了空铁连通图中多个连通边的着色分类规则。本申请实施例通过着色类型标识连通边两个节点的交通工具类型是否相同。
可选的,所述多个着色类型包括第一着色类型和第二着色类型,所述第一着色类型的连通边的起始节点和终点节点均包括相同的交通工具类型,所述第二着色类型的连通边的起始节点和终点节点分别包括不同的交通工具类型。例如,第一着色类型为黑色类型,第二着色类型为红色类型。
本申请实施例根据空铁联运路径的特性,通过着色类型标识连通边两个节点的交通工具类型是否相同。在构造空铁连通图的过程中确定对连通边的着色类型。例如,火车站节点-火车站节点与机场节点-机场节点的连通边的着色类型均为黑色类型;火车站节点-机场节点和机场节点-火车站节点的连通边的着色类型均为红色类型。
在空铁连通图中,邻接的两个连通边共有同一个节点,该节点既是一个连通边的终点节点,也是邻接的连通边的起始节点。且每个连通边的着色类型区别于邻接的连通边的着色类型。
例如,如图2所示,空铁连通图中包括:节点T、节点A、节点A1、节点A11、节点A111、节点A2、节点B、节点B1、节点B2和节点E,以及连通边LA、连通边LA1、连通边LA11、连通边LA111、连通边LA111E、连通边LA2、连通边LA2E、连通边LB、连通边LB1、连通边LB1E和连通边LB2,其中,节点T为出发地节点,节点E为目的地节点,实线连通边表示黑色类型,虚线连通边表示红色类型。
根据上述特性生成的空铁连通图进行搜索,在使用每个交通工具后,强制通过换乘实现空铁联运,降低了空铁连通图中连通边的数量。
步骤S105,基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径。
深度优先搜索算法(英文全称Depth-First Search,简称DFS),是指沿着有向图中的一条路径一直搜索下去,在无法搜索时,回退到上级刚刚访问过的分支节点,对分支节点下未访问的节点继续访问,直至遍历有向图中的所有节点,且每个节点只能访问一次。
例如,如图2所示,深度优先搜索算法遍历空铁连通图的方法是,从空铁连通图中的出发地节点T出发,首先访问出发地节点T,然后依次从出发地节点T的未被访问的邻接点(节点A和节点B)出发,对空铁连通图进行深度优先遍历;直至空铁连通图中和出发地节点T有路径相通的节点都被访问,若此时空铁连通图中尚有节点未被访问,则从一个未被访问的节点出发,重新进行深度优先遍历,直到图中所有节点均被访问过为止。
在一些具体实施例中,所述基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径,包括以下步骤:
步骤S105-1,通过深度优先搜索算法对所述空铁连通图进行搜索,获得所述出发地节点到当前搜索节点的简单路径的最小步长。
简单路径,是指在空铁连通图中从所述出发地节点到当前搜索节点的路径上的各个节点均不互相重复。
简单路径的最小步长,可以理解为,简单路径上连通边数量。
步骤S105-2a,当所述简单路径的步长等于预设最大步长阈值,且当前搜索节点非所述目的地节点时,返回与所述当前搜索节点最近的上一级分支节点继续搜索未被访问的节点。
例如,如图2所示,预设最大步长阈值为3,从空铁连通图中出发地节点T出发,首先访问出发地节点T,访问节点A,所述出发地节点到节点A的简单路径的步长为1;访问节点A1,所述出发地节点到节点A1的简单路径的步长为2,访问节点A11,所述出发地节点到节点A11的简单路径的步长为3,此时,简单路径的步长等于预设最大步长阈值,且当前搜索节点A11不是目的地节点,则停止访问节点A111,而是返回当前搜索节点A11最近的上一级分支节点A,继续访问未被访问的节点A2。
本具体实施例设置了预设最大步长阈值,通过预设最大步长阈值避免空铁联运路径过长,造成行程不便。缩短了搜索步长,加快了搜索速度,提高了查找算法的效率。
在一些具体实施例中,所述方法还包括以下步骤:
步骤S105-2b,当所述简单路径的步长小于或等于预设最大步长阈值,且当前搜索节点为所述目的地节点时,确定所述简单路径作为空铁联运路径。
例如,如图2所示,继续上述例子,返回当前搜索节点A11最近的上一级分支节点A,继续访问未被访问的节点A2和当前搜索节点E,从所述出发地节点到当前搜索节点E的简单路径的步长为3,等于预设最大步长阈值,且当前搜索节点E就是目的地节点,则确定所述简单路径:连通边LA-连通边LA2-连通边LA2E,就是空铁联运路径;同样,由于出发地节点T还有未被访问的邻接节点B,则继续搜索,获得简单路径:连通边LB-连通边LB1-连通边LB1E,也是空铁联运路径。
在本具体实施例中,通过深度优先搜索算法对空铁连通图进行搜索后,能够获得至少一个空铁联运路径,供用户进行选择。
在一些具体实施例中,所述基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径之后,包括以下步骤:
步骤S107a,计算每个空铁联运路径的连通边步长,从所述至少一个空铁联运路径中确定连通边步长最少的空铁联运路径为推荐路径。
本具体实施例从至少一个空铁联运路径的连通边步长中,找到连通边步长最少的空铁联运路径作为推荐路径,可以理解为,将换乘次数最少的空铁联运路径作为推荐路径,从而能够降低旅途疲劳,为用户提供方便、快捷的出行服务。
在一些具体实施例中,所述基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径之前,包括以下步骤:
步骤S104-1,基于所述出发交通工具类型确定各个着色类型的期望值。
包括出发地节点的连通边,一定是第一着色类型。如果出发交通工具类型为火车类型,则确定各个着色类型的期望值均相同。如果出发交通工具类型为飞机类型,则确定第一着色类型的期望值大于第二着色类型的期望值,降低航班延误对正常行程的影响。
步骤S104-2,基于各个着色类型的预设期望值对所述空铁连通图中对应着色类型的连通边赋予期望值。
本具体实施例对空铁连通图中每个连通边均赋予了期望值,以便基于期望值确定推荐路径。
在一些具体实施例中,所述基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径之后,包括以下步骤:
步骤S107b,计算每个空铁联运路径中所有连通边的期望值之和值,从所述至少一个空铁联运路径中确定和值最小的空铁联运路径为推荐路径。
本具体实施例通过每个空铁联运路径的期望值之和值,找到和值最小的空铁联运路径作为推荐路径,可以理解为,换乘次数越少,期望值之和值越小,也就是换乘次数最少的空铁联运路径作为推荐路径,从而能够降低旅途疲劳,为用户提供方便、快捷的出行服务。同时,通过提高第一着色类型的期望值,提高了第一着色类型的期望值在期望值之和值中的比重,比重越高,和值越大,推荐的可能性越低。降低航班延误对正常行程的影响。
本申请实施例所述方法通过预设着色规则、所述出发交通工具类型、所述出发地信息和所述目的地信息结合空铁站点数据集,生成空铁连通图,其中,所述空铁连通图中包括多个连通边,所述多个连通边分为多个着色类型,且每个连通边的着色类型区别于邻接的连通边的着色类型,至少一个连通边的起始节点为包括所述出发地信息和出发交通工具类型的出发地节点,至少一个连通边的终点节点为包括所述目的地信息的目的地节点;基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径。根据空铁连通图进行搜索,在使用每个交通工具后,强制通过换乘实现空铁联运,降低了空铁连通图中连通边的数量,减少了节点搜索量,加快了搜索速度,提高了查找算法的效率。
本申请还提供了承接上述实施例的装置实施例,用于实现如上实施例所述的方法步骤,基于相同的名称含义的解释与如上实施例相同,具有与如上实施例相同的技术效果,此处不再赘述。
如图3所示,本申请提供一种空铁联运路径的获得装置300,包括:
获取单元301,用于获取行程的出发地信息、目的地信息以及出发交通工具类型;
生成单元302,用于基于预设着色规则、所述出发交通工具类型、所述出发地信息和所述目的地信息结合空铁站点数据集,生成空铁连通图,其中,所述空铁连通图中包括多个连通边,所述多个连通边分为多个着色类型,且每个连通边的着色类型区别于邻接的连通边的着色类型,至少一个连通边的起始节点为包括所述出发地信息和出发交通工具类型的出发地节点,至少一个连通边的终点节点为包括所述目的地信息的目的地节点;
获得单元303,用于基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径。
可选的,所述获得单元303,包括:
获得子单元,用于通过深度优先搜索算法对所述空铁连通图进行搜索,获得所述出发地节点到当前搜索节点的简单路径的步长;
确定子单元,用于当所述简单路径的步长小于或等于预设最大步长阈值且当前搜索节点为所述目的地节点时,确定所述简单路径作为空铁联运路径。
可选的,所述获得单元303还包括:
返回子单元,用于当所述简单路径的步长等于预设最大步长阈值,且当前搜索节点非所述目的地节点时,返回与所述当前搜索节点最近的上一级分支节点继续搜索未被访问的节点。
可选的,所述装置还包括:
第一推荐单元,用于基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径之后,计算每个空铁联运路径的连通边步长,从所述至少一个空铁联运路径中确定连通边数量最少的空铁联运路径为推荐路径。
可选的,所述装置还包括:
赋值单元,用于在基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径之前,基于所述出发交通工具类型确定各个着色类型的期望值;以及基于各个着色类型的期望值对所述空铁连通图中对应着色类型的连通边赋予期望值。
可选的,所述装置还包括:
第二推荐单元,用于基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径之后,计算每个空铁联运路径中所有连通边的期望值之和值,从所述至少一个空铁联运路径中确定和值最大的空铁联运路径为推荐路径。
可选的,所述多个着色类型包括第一着色类型和第二着色类型,所述第一着色类型的连通边的起始节点和终点节点均包括相同的交通工具类型,所述第二着色类型的连通边的起始节点和终点节点分别包括不同的交通工具类型。
本申请实施例所述方法通过预设着色规则、所述出发交通工具类型、所述出发地信息和所述目的地信息结合空铁站点数据集,生成空铁连通图,其中,所述空铁连通图中包括多个连通边,所述多个连通边分为多个着色类型,且每个连通边的着色类型区别于邻接的连通边的着色类型,至少一个连通边的起始节点为包括所述出发地信息和出发交通工具类型的出发地节点,至少一个连通边的终点节点为包括所述目的地信息的目的地节点;基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径。根据空铁连通图进行搜索,在使用每个交通工具后,强制通过换乘实现空铁联运,降低了空铁连通图中连通边的数量,减少了节点搜索量,加快了搜索速度,提高了查找算法的效率。
本实施例提供一种电子设备,所述电子设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上实施例所述的方法步骤。
本申请实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行如上实施例所述的方法步骤。
最后应说明的是:本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言,由于其与实施例公开的方法相对应,所以描述比较简单,相关之处参见方法部分说明即可。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (9)
1.一种空铁联运路径的获得方法,其特征在于,包括:
获取行程的出发地信息、目的地信息以及出发交通工具类型;
基于预设着色规则、所述出发交通工具类型、所述出发地信息和所述目的地信息结合空铁站点数据集,生成空铁连通图,其中,所述空铁连通图中包括多个连通边,所述多个连通边分为多个着色类型,且每个连通边的着色类型区别于邻接的连通边的着色类型,至少一个连通边的起始节点为包括所述出发地信息和出发交通工具类型的出发地节点,至少一个连通边的终点节点为包括所述目的地信息的目的地节点,所述多个着色类型包括第一着色类型和第二着色类型,所述第一着色类型的连通边的起始节点和终点节点均包括相同的交通工具类型,所述第二着色类型的连通边的起始节点和终点节点分别包括不同的交通工具类型;
基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径。
2.根据权利要求1所述的方法,其特征在于,所述基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径,包括:
通过深度优先搜索算法对所述空铁连通图进行搜索,获得所述出发地节点到当前搜索节点的简单路径的步长;
当所述简单路径的步长小于或等于预设最大步长阈值且当前搜索节点为所述目的地节点时,确定所述简单路径作为空铁联运路径。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
当所述简单路径的步长等于预设最大步长阈值,且当前搜索节点非所述目的地节点时,返回与所述当前搜索节点最近的上一级分支节点继续搜索未被访问的节点。
4.根据权利要求1所述的方法,其特征在于,所述基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径之后,包括:
计算每个空铁联运路径的连通边步长,从所述至少一个空铁联运路径中确定连通边数量最少的空铁联运路径为推荐路径。
5.根据权利要求1所述的方法,其特征在于,所述基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径之前,包括:
基于所述出发交通工具类型确定各个着色类型的期望值;
基于各个着色类型的期望值对所述空铁连通图中对应着色类型的连通边赋予期望值。
6.根据权利要求5所述的方法,其特征在于,所述基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径之后,包括:
计算每个空铁联运路径中所有连通边的期望值之和值,从所述至少一个空铁联运路径中确定和值最大的空铁联运路径为推荐路径。
7.一种空铁联运路径的获得装置,其特征在于,包括:
获取单元,用于获取行程的出发地信息、目的地信息以及出发交通工具类型;
生成单元,用于基于预设着色规则、所述出发交通工具类型、所述出发地信息和所述目的地信息结合空铁站点数据集,生成空铁连通图,其中,所述空铁连通图中包括多个连通边,所述多个连通边分为多个着色类型,且每个连通边的着色类型区别于邻接的连通边的着色类型,至少一个连通边的起始节点为包括所述出发地信息和出发交通工具类型的出发地节点,至少一个连通边的终点节点为包括所述目的地信息的目的地节点,所述多个着色类型包括第一着色类型和第二着色类型,所述第一着色类型的连通边的起始节点和终点节点均包括相同的交通工具类型,所述第二着色类型的连通边的起始节点和终点节点分别包括不同的交通工具类型;
获得单元,用于基于预设搜索规则,从所述出发地节点开始,通过深度优先搜索算法完成对所述空铁连通图的搜索,获得至少一个空铁联运路径。
8.一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,所述程序被处理器执行时实现如权利要求1至6中任一项所述的方法。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,所述一个或多个处理器实现如权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410095403.2A CN117610755A (zh) | 2024-01-24 | 2024-01-24 | 一种空铁联运路径的获得方法、装置、介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410095403.2A CN117610755A (zh) | 2024-01-24 | 2024-01-24 | 一种空铁联运路径的获得方法、装置、介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117610755A true CN117610755A (zh) | 2024-02-27 |
Family
ID=89946606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410095403.2A Pending CN117610755A (zh) | 2024-01-24 | 2024-01-24 | 一种空铁联运路径的获得方法、装置、介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117610755A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120209512A1 (en) * | 2011-02-10 | 2012-08-16 | Hitachi, Ltd. | Optimal path search system and optimal path search method |
CN111797283A (zh) * | 2020-07-08 | 2020-10-20 | 深圳市活力天汇科技股份有限公司 | 一种基于无向加权图的空铁中转方法 |
CN116128172A (zh) * | 2022-11-18 | 2023-05-16 | 北京经纬信息技术有限公司 | 一种空铁联运路线生成方法、系统及设备和存储介质 |
-
2024
- 2024-01-24 CN CN202410095403.2A patent/CN117610755A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120209512A1 (en) * | 2011-02-10 | 2012-08-16 | Hitachi, Ltd. | Optimal path search system and optimal path search method |
CN111797283A (zh) * | 2020-07-08 | 2020-10-20 | 深圳市活力天汇科技股份有限公司 | 一种基于无向加权图的空铁中转方法 |
CN116128172A (zh) * | 2022-11-18 | 2023-05-16 | 北京经纬信息技术有限公司 | 一种空铁联运路线生成方法、系统及设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
刘梦欣: "面向智慧出行的可视化分析", 《中国优秀硕士学位论文全文数据库(电子期刊)》, 2 October 2023 (2023-10-02), pages 034 - 955 * |
徐凤等: "空铁联运网络的模型构建与算法设计", 数学的实践与认识, vol. 46, no. 19, 31 October 2016 (2016-10-31), pages 117 - 124 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110580404B (zh) | 一种基于城市多模式交通网络的网络运能确定方法 | |
CN107545320B (zh) | 一种基于图论的城市轨道交通乘客路径规划方法及系统 | |
Van Vuren et al. | A multiple user class assignment model for route guidance | |
CN107563028B (zh) | 一种基于空间网络的公交-地铁耦合网络构建方法 | |
Rothfeld et al. | Initial analysis of urban air mobility’s transport performance in sioux falls | |
CN110309962B (zh) | 基于时间扩展模型的铁路行程路线规划方法及装置 | |
CN103530694B (zh) | 基于时空网络构建的城市地铁动态客流分配方法 | |
CN104884900A (zh) | 行程时间信息提供设备和行程时间信息提供方法 | |
Cipriani et al. | A bus network design procedure with elastic demand for large urban areas | |
CN108446448A (zh) | 使用动力学模型和线图来确定车辆可到达区域的方法 | |
CN112381472B (zh) | 一种地铁接驳公交线路优化方法、装置及存储介质 | |
CN110222912B (zh) | 基于时间依赖模型的铁路行程路线规划方法及装置 | |
CN106651728B (zh) | 一种综合运输体系客运方式优势运距的确定方法 | |
CN111065894A (zh) | 用于提供从出发地点到目标地点的旅程路线或旅程路线所需时间的方法与计算机系统 | |
JP6375588B2 (ja) | 知能型の列車スケジューリング方法 | |
CN104838433A (zh) | 交通运输计划创建支持设备和交通运输计划创建支持方法 | |
CN109948874A (zh) | 拼车订单分配方法及系统 | |
Larrain et al. | Choosing the right express services for bus corridor with capacity restrictions | |
CN115630988A (zh) | 陆路综合交通可达性测算方法和装置 | |
CN116128172A (zh) | 一种空铁联运路线生成方法、系统及设备和存储介质 | |
JP6999519B2 (ja) | 輸送力調整装置、輸送力調整システムおよび輸送力調整方法 | |
CN117610755A (zh) | 一种空铁联运路径的获得方法、装置、介质和电子设备 | |
CN110910202B (zh) | 一种订单处理方法及装置 | |
Yu et al. | GPS data in taxi-sharing system: Analysis of potential demand and assessment of fuel consumption based on routing probability model | |
CN112149059A (zh) | 构建城市间客流分担模型的方法和装置 |
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 |