基于公交网络的最短路径算法的分析及对比.docVIP

基于公交网络的最短路径算法的分析及对比 摘要：路径分析是gis最基本的分析功能，在公交网络方面有着广泛的应用。而最短路径分析是地理信息系统(gis)中网络分析的一项重要功能．等价于图论中的节点间求解最短路径问题.在gis应用的各个方面都有着很重要的地位。对于最短路径的研究也一直没有停止。对地理网络进行地理分析和建模．实现最短路径算法已经有大量论文讨论，但是专门针对公交网络的最短路径算法则鲜有研究.本文在总结公交网络特点的基础上，引入了“搜寻”算法来计算公共交通系统的最优路径。最后用一个简化的例子来说明了这种算法的算法流程，对这种算法以及经典的dijstra算法做了几点比较，无论在空间复杂度还是时间复杂度方面都优于dijstra算法。 关键词：公交网络最短路径dijkstra算法“搜寻”算法 0 引言 寻找两顶点间的最短路径的算法很多，目前应用最广泛的算法是迪杰斯特拉1959年提出的dijkstra算法。它不仅可求出从始点到终点的最短路径，而且最后得到的实际上是始点到各顶点的最短路径[1]。该算法直观、可靠，是在严格基于图论的条件下提出的，具有很好的适用性。但在实际应用中该算法存在数据冗余较多、时间复杂度较大等不尽如人意的方面，为了提高运算速度和节约对内存的开销，人们研究提出了多种改良措施，如基于dijkstra算法的优化算法—邻接结点算法[2]等，但当算法应用到具体领域的最短路径搜索时，还应该考虑到实际网络的特征对算法进行改进和优化[3]。 因此，将现阶段应用最广泛的最短路径算法在公交网络的背景下做一下对比和分析，从而经过研究和探讨，找出适用于公交网络背景下的最短路径算法是具有实际意义和应用价值的。本文就是在公交网络的背景下对比和分析了几种最短路径算法的特点，最后找到了适用算法。 1 对dijkstra算法的局限性分析 对公交线路来说，dijkstra算法所采用的数据结构及其实现方法总体上说是比较复杂的，难以应付公交线路的网络拓扑中的复杂性。主要表现如下： ①数据结构复杂。公交线路网络很难用现有的数据结构加以完整的表示。如果采用现有算法分析，其建立的公交线路网络的数据结构模型将非常复杂。 ②算法时间长。以dijkstra算法来计算公交路线最短路径，算法采用的邻接矩阵存储图的拓扑。一个有n个结点的图，算法需要建立一个n*n的的矩阵，用以存储结点之间的弧段的权值。其时间复杂度达到了o(n)。事实上，在实际的网络中，结点的最大出度都不会超过10个，绝大多数的结点的连通都在2到6之间。设网络中结点的最大邻接点数为m，则每个结点只与网络中所有n个结点中的最多m个连通。矩阵中其余的n-m个单元都是不连通的，其权值为∞。网络结点n越大，则数据的冗余越大。当n很大时，即nm，会有： (n-m)*nm*n 很明显，在大数据量的情况下，计算速度会慢得让人难以忍受。而系统设计中要求公交转车的查询必须在较短的时间内完成。 所以有必要使用一种改进算法，可以改进数据的冗余，降低系统资源的消耗，提高算法的运行速度，同时尽可能的保持数据结构的直观性。于是引进dijkstra算法的优化算法—搜寻算法。 2 “搜寻”算法 2.1 “搜寻”算法的基本思想 “搜寻”算法是综合应用了链表结构和广度优先搜索算法的一种类似于“点扩散”的算法，该算法从指定点开始逐渐蔓延到周边邻接点，直至找到另一指定点为止，所以该算法被形象地称之为“搜寻”。 2.2 “搜寻”算法的实现 2.2.1 算法实现步骤 ①创建三个数组，分别记录从di到其他各顶点的最少换乘次数，最短路径中的前一个站点id(用来记录路径通过的顶点)以及最短路径长度(“站地”)。 ②从邻接表中读出和di有边相连接的所有结点，将这些结点id对应的long+1。pro设为i，dist设为两站之间直达的最短距离(“站地”)。我们将这个从一个点出发对其他有关联点的记录进行赋值的做法形象地称为“搜寻”。 ③如果dist中dj对应的点已经被赋值，那么算法结束。 ④对所有long值为1的站点，都重复②的过程，不过只对三个数组没有赋值过的进行。 ⑤重复步骤③。 ⑥重复步骤④以及③的判断。 2.2.2数据实验 以图1所示公交网络为例，计算从站点1到站点7 的最优路径: 图中圆内数字代表站点，箭头表示直达车的方向，边上的数字表示两站相距的“站数”。算法流程如下：从左到右通过4步得出结果，其中涂上阴影的圆是每一步中被搜寻的点，每个被计算的点旁边的三列数字从上到下代表结点被赋予的long、pro、dist值，凡是被赋值的点都已经得出最优路径了。 ①初始化，读入拓扑数据文件，建立相关的邻接表并创建数组。 ②从邻接表中读出和v1有边连接的所有结点，即v2，将v2对应的long设为1，pro设为1，dist设为v1到v2的权值:5，具体见下图1：