公交查询中应用最短路径算法分析探索.docVIP

公交查询中应用最短路径算法分析探索 　　摘要：很多城市由于历史等方面的原因，都有着不同程度的道路体系问题。往往造成公交网络愈来愈复杂化，给很多相关行动造成不便。本文通过对“最短路径”这一概念的算法加以分析，指出传统的最短路径算法已经不适合如今的公交查询，并提出对公交查询的更加切实可行的最短路径算法。 　　关键词：公交查询 最短路径 算法分析 探索 　　中图分类号：TP301.6 文献标识码：A 文章编号：1007-9416（2013）11-0105-01 　　1 传统的最短路径计算方法 　　1.1 最短路径问题 　　实践中出现频率最高的这种问题形式有两大类：其一是考虑路程最短、时间最少的最短路径问题，其二是考虑花费资财最少的最短路径问题。除此两者之外，在管线铺设、设备安置、规划布局、导航、交通等众多方面，最短路径问题应用得也很广泛。 　　1.2 最短路径问题在赋权图上的应用 　　可以假设一个任意图形，该图形上每条边都有一个相应数字称作“权”，这张图便可以称作赋权图。可以假设每条边的权就是其长度——假设这是一张地图的话，地图上的一条道路的长度就是其起点和终点之间所有权的和。 　　在赋权图中，指定起点为A1，终点为A2，则最短路径问题就可以描述为（A1，A2）的道路集合{L12}当中长度最短者，可以将其记作d（A1，A2）。 　　要说的是：权不仅可以表示距离，也可以表示时间、费用之类，故而此时的路径长度已经超越了长度单位，而成为了距离、时间、费用等的“统一概念”。 　　1.3 Dijkstra最短路径算法 　　Dijkstra算法诞生于1959年，是目前最实用的最短路径问题解决方式，其特点在于一方面能求出始终两点间最短路径，而且能“搂草打兔子”得到始点到各个顶点的最短路径。其步骤可分为： 　　（1）假设a为始点，b表示图形中某顶点，n为顶点数目，N为顶点的集合，L[a，b]为ab两点间距离，A为顶点集合，B为a到其他顶点最短距离的集合，C为最短路径中在B之前经过的最近顶点。 　　若如此，则满足N={1，2，3，4……n}，A={a}，B[b]=L[a，b]，C[b]=a，其中b=1，2，3，4……n。 　　（2）从N-A集合当中找到顶点c，使得B[c]是最小值，并令c加入A集合之中，若N-A=，则运算结束。 　　（3）调整B、C中的值，使其在N-A中对C相邻的各个顶点b满足B[b]B[c]+ L[b，c]，那么再另C[b]=c，B[b]=B[c]+L[b，c]，再重复前一步。 　　2 公交查询中的应用最短路径算法分析 　　2.1 Dijkstra最短路径算法不适用于复杂的公交查询 　　尽管Dijkstra最短路径算法由于其颇为稳定且占用内存少而在众多场合下获得应用，但在公交查询中，其却显得难以应付公交线路网络拓扑，表现有以下几点：（1）数据结构复杂。公交线路网络拓扑在很多情况下难以用现有数据完整展示，若强行采取Dijkstra最短路径算法，就只能建立异常复杂的数据结构模型。（2）计算时间过长。Dijkstra最短路径算法在巨大的数据量之下，往往速率缓慢，不适应力求方便快捷的公交查询。（3）很多城市公交网络复杂，若要实现Dijkstra最短路径算法，往往要加上很多复杂的抽象工作，造成“得不偿失”的遗憾。（4）容易造成众多误会，很多时候Dijkstra最短路径算法会误将每个站点都看作前文所述的b点，形成了始终两站点之间需要多次转车的无意义结果。 　　2.2 探索出的公交查询最短路径算法 　　如（图1），查询从甲到乙的公交路线，往往首选的是图1的形式，若没有这一形式，则退而求其次寻找经过甲、乙两地的车次，并寻找两车次的交叉点丙，在该处转车即如（图2）所示。若再无此情况，则再度考虑（图3）的形式。 　　（图1）到（图3）的形式均属简单形式，但现实中（尤其是城市条件下），以上三种情况往往较少出现，若如（图4）所示那样，从甲到乙不能直达，转车方式又众多的情况，其路程长短不一，公交查询中最需要确定哪一形式为最短。接下来将重点讨论（图4）。 　　途经甲地公交车有A、B、C三种，途经乙地的则有a、b、c三种。六者之间形成了六个交叉点，即Aa交于丙，Ab交于丁，Ac交于戊，Bb交于己，Bc交于庚，Cc交于辛。以上情况不难看出从甲乘A到丙后，转a可到乙，所经路程可以表示为L（甲，丙）+ L（丙，乙），其他可以依此类推。从此可见，从甲到乙可以有六种形式，即L（甲，丙）+L（丙，乙）、L（甲，丁）+L（丁，乙）、L（甲，戊）+L（戊，乙）、L（甲，己）+L（己，乙）、L（甲，庚）+L（庚，乙）、L（甲，辛）+L（辛，乙）。如果L（甲，丙）+ L（丙，乙）的路程短于其他，就可以判定L（甲，丙）+ L（丙，乙）是