SuperMap GIS 公交换乘算法设计与实现

0 引 言

公共交通网络是城市交通系统的重要组成部分，公交换乘分析功能是公共交通网络的基础分析功能，同时也是面向服务的地理信息系统的重要功能之一。随着 “数字城市”、“智慧城市”的快速发展，公共交通出行变得越来越重要，这带动了公共交通体系的迅速发展，公交线路不断优化，公交网络不断完善，为满足人们出行多样性的需求，研究和实现公交换乘分析功能，智能快捷地进行换乘方案选择就显得尤为重要。

人们选择公交换乘方案时考虑的因素主要有: 换乘次数、出行距离、出行耗时、步行距离以及出行费用等[1]。通过对公交乘客的出行心理进行研究[2]，41. 16% 的乘客选择出行路线时首先考虑的换乘次数因素，其次是出行耗时( 占 30. 93% ) 和出行距离长短( 占 18. 60% ) 。可见“换乘次数”是大部分公交乘客出行时首先考虑的因素，而出行耗时与换乘的次数、线路的运行速度、发车间隔、距离的长短和路况密切相关。目前，对公交换乘问题求解方法很多，主要可以分为三类: 一类是经典的最短路径算法，如Dijkstra 的改进算法[2 - 4]、Moore - pape 算法、Floyd 算法等;另一类是智能搜索算法，如蚁群算法[5]和 A* 算法; 还有一类应用较多的是基于换乘次数最少的算法[6 - 7]和基于矩阵分析的公交算法[8]。这些算法多是从节约存储空间、提高运算速度的角度出发，进行算法的优化与实现。然而在现实应用中，一个好的算法除了算法实现和性能问题以外，还需要考虑公交网络的复杂性以及算法结果能否满足需求。在城市公交网络中，最短路径算法并不是总能保证换乘次数合理性，智能算法需要较长时间的实践过程，而基于换乘次数最少的算法不能保证每次都有结果，易出现三次换乘以上没有结果或者是搜索时间较长的问题，基于矩阵分析的算法在换乘次数较多时，会使运算量特别大，且这些算法都没有很好的考虑步行这一重要的因素。本文在基于换乘次数最少算法的基础上，合理应用步行距离减少换乘次数，对同名站点进行归并，提出和实现一种新的公交换乘算法，通过实际数据进行了算法验证。

1 SuperMap GIS 公交数据模型

公交网络主要包括三个数据集: 公交线路数据集、公交站点数据集和公交线路与站点关系表数据集。

1. 1 公交线路数据集

公交线路数据集必须包括线路的空间信息、唯一编号 ID、名称，附加信息为首末车时间、计价方式、平均车速等。每一条记录代表一条公交线路。由于公交线路具有双向性，以及部分线路的不对称性，所以对每个方向上的公交线路都要有记录。

1. 2 公交站点数据集

公交站点数据集必须包括站点的空间信息、唯一编号 ID、名称，其它信息为附加信息。每一条记录代表一个实际的公交站点。

1. 3 公交线路和公交站点关系数据集

公交线路与站点的关系数据包括线路经过的站点信息，无需空间信息，由于公交线路是有向线段，所以沿途经过的站点是按顺序排列的。一般用线路 ID 对应多个公交站点 ID 来存储。

更多内容请查看pdf