铁路网络两站点间最短路径搜索算法.docxVIP

铁路网络两站点间最短路径的搜索算法

摘要：铁路运输为我国经济开展发挥重要作用，随着我国铁路网络的不断扩大和完善，特别是近几年我国物流产业的迅猛开展，考虑铁路运营本钱和总体经济效益，在铁路运输过程中，如何快速求得铁路网络两车站之间最短路径已经成为重要研究方向之一。本文提出基于Dijkstra算法的铁路网络两站点之间最短路径的定向搜索方法。该方法结合网络科学中的知识，将铁路网作为一个大型网络进行研究，以各个城市站点作为网络中的节点集，以两站点之间的铁路路径作为网络中的边集，以两站点间路径作为网络中的权值集，利用Dijkstra算法求解该网络最短路径，并得出最短距离。最后，本文根据上海-武汉铁路运行图进行了几个具有代表意义的算法验证实验，结果说明本文针对铁路网络中两站点间的最短路径问题的研究方法可靠准确，对现实铁路运输具有指导意义。

关键词 铁路网络、最短路径、Dijkstra算法

一、研究背景及意义

随着我国经济的飞速开展，人们对交通运输的需求也越来越高。中国交通根底设施主要由铁路、公路、内河航道、民航航线等几局部构成。铁路运输是我国的根底产业，是我国经济开展的命脉。特别是近几年来我国的铁路运输为了适应国民经济的开展，从实际需求的角度作了大量的调整，为国民经济的迅速开展起到了重要的不可替代的作用。

在铁路运营活动中，常常需要计算铁路网上两顶点间的最短路径。例如在计算或核查运费时，要计算出两站间的最短路径，以确定计费里程。在大的货运站，这样的运价计算是相当频繁的[5]。

中国铁路路网主骨架由“八纵八横”构成——“八纵”即京沪通道、京广通道、京哈通道、京九通道、大湛通道、包柳通道、兰昆通道、东部沿海通道；“八横”陆桥通道、沪昆通道、煤运北通道、煤运南通道、京兰通道、沿江通道、南部沿海及西南出海通道。

在铁路网中，几条铁路干线交叉或衔接的地点，由假设干个车站、站间联络线、进站线和信号等组成的总体，称为铁路枢纽。中国铁路网中存在数个特别重要的铁路站点枢纽。这些铁路站点一般也是全国或者省区的政治、经济、文化中心或工业基地和水陆联运中心等。其中具有代表性的铁路枢纽有：北京、天津、上海、哈尔滨、郑州、武汉、沈阳、广州、兰州、重庆等[6]。本文为研究方便，选取了上海和武汉两个铁路枢纽作为研究对象，分析上海——武汉铁路网之间最短路径的搜索算法。

图1.1.全国铁路客运线路示意图

二、数据采集及分析

中国铁路网可以由三个抽象结构来描述：铁路地理网、铁路车流网、铁路车流逆构网络。铁路地理网的构成是以铁路站点为节点，连接各站点之间的铁路线为边；铁路车流网是以铁路站点为节点，通过两个站点的列车为连线构建；铁路车流逆构网络那么是以列车为节点，两辆列车线路共同通过的站点为节点间的连线[6]。

铁路地理网的构建最为形象直观，对于本文所研究的两点间最短路径的课题来说也最适宜。

为了研究方便，我们选取上海、南京、合肥、武汉、长沙、南昌、杭州这7个主要城市所构成的铁路圈及其间的22个次级城市作为网络节点，每两个相邻城市间如果存在直通的铁路那么作为一条边，以两城市间的距离作为边的长度，构成图2.1所示的加权无向图。

图2.1.上海-武汉铁路运营线路图

图2.2.上海-武汉铁路运营线路加权无向图

图2.2的邻接矩阵A=(aij)N×N是一个N阶方阵，第i

a

将数据整理后，可以得到图2.2对应的邻接矩阵A,如表2.1所示：

表2.1.上海-武汉铁路运营城市距离表

采用邻接矩阵的方法来表示一个图，我们可以很容易地判定任意两个顶点之间是否有边相连。图的矩阵表示的另一个极大的好处是它使得我们可以使用矩阵分析的方法来研究图的许多性质。

无向图的邻接矩阵是对称矩阵，所以在查阅过程中只需要完成邻接矩阵的上三角局部即可。同时，实际的大规模复杂网络往往是很稀疏的，这意味着其对应的邻接矩阵中大局部的元素均为零，这样的矩阵称为稀疏矩阵。在计算方法中，针对稀疏矩阵有专门的节省空间的存储技术。

为进一步分析铁路复杂网络的连通性等一系列的性质，我们利用软件Gephi，将邻接矩阵A的数据输入进去后得到图2.3所示的Gephi图。Gephi可以快速便捷地计算出网络的平均度、网络直径、聚类系数、平均路径长度等参数。

图2.3.上海-武汉铁路网络Gephi图

在计算这些参数之前，我们首先来了解一下它们的定义及其在铁路网络之中的实际意义。

度是刻画单个节点属性的最简单而又最重要的概念之一。无向网络中节点的度定义为与该节点直接相连的边的数目。在铁路网中的意义就是某城市与其他城市间存在直接相连的铁路的数目。网络中所有节点的度的平均值称为网络的平均度。

互相连接的节点的图距离是1。直径是最长的任何两个节点之间的距离〔即是两个相距最远的节点之间的距离〕。直径在铁路网中的意义即为相距最远的两个城市之间