Research on route search based on improved Dijkstra algorithm
-
摘要: 进路搜索是计算机联锁的核心部分,其准确性及高效性对保证行车安全至关重要。建立铁路站场结构的有向图模型,将站场进路搜索问题转化为有向图的遍历问题;根据铁路站场简化图的特点,从数据存储结方式和队列结构2个方面改进传统Dijkstra算法,采用广度优先搜索方式,提出以最短路径为目标函数的进路搜索策略;编制仿真程序对该算法进行验证,结果表明:基于改进Dijkstra算法能够正确、高效地完成多种类别进路搜索。
-
关键词:
- 进路搜索 /
- 有向图 /
- Dijkstra算法 /
- 最短路径
Abstract: Route searching is one of the core parts of computer interlocking and its efficiency and accuracy is vital to ensure the safety of traffic control. A directed graph model based on the structure of railway station yard is modeled and the problem of searching routes in a railway station yard is then converted as the problem of traversing a directed graph. According to the characteristics of simplified railway station yard graph, traditional Dijkstra algorithm is improved from the aspects of data storage and queue structure, breadth-first search is adopted, and a route searching strategy with the shortest path as objective function is proposed. Furthermore, a simulation program is built to verify this algorithm and the simulation results show that this improved Dijkstra algorithm can complete searching types of routes accurately and efficiently.-
Keywords:
- route searching /
- directed graph /
- Dijkstra algorithm /
- shortest path
-
北京2022年冬奥会和冬残奥会(简称:冬奥会)采取两地三赛区的举办形式,交通运输作为基础性服务,是此次盛会成功举办的重要保障[1]。冬奥会交通的主要服务人群为相关工作人员、裁判员、运动员、媒体工作者、观赛群众和普通旅客,需满足其赛事(比赛、观赛)和旅游需求。冬奥会期间,要求交通运输系统既能承载短期高密度赛时客流,亦能灵活应对其它突发性客流需求。赛事需求的时效性较强,交通运输组织应确保交通运力资源配置与旅客出行时间需求精确匹配,将相关人群安全、准时、舒适地送达目的地。为此,需对赛时客流特征进行分析,针对突发客流制定相应的交通组织策略,为冬奥会期间交通运力资源配置提供调整依据,协调好北京与崇礼、延庆3个赛区之间的区域交通运输系统。
冬奥会期间,铁路将成为各类人群出行的重要交通方式,赛区之间的区域交通运输主要由北京—张家口高速铁路(简称:京张高铁),以及崇礼支线和延庆支线承载。本文基于崇礼、延庆赛区历史到达客流数据、场馆赛事时间和容纳能力数据,分析冬奥会期间两赛区的基本客流特征;同时,针对冬奥会期间突发客流的产生原因和发生场景,选取合理预警指标,建立突发客流特征捕捉与运力调整响应机制,并对赛事期间高铁运力资源配置给出调整策略。
1 冬奥会高铁运输系统及客运组织要求
1.1 冬奥会高铁运输系统简介
冬奥会铁路运输系统主要由京张高铁、崇礼支线和延庆支线组成,如图1所示。其中,北京—崇礼太子城赛区的高铁线路包括京张高铁和崇礼支线,途径车站包括北京北、清河、沙河、昌平、八达岭长城、东花园北、怀来、下花园北和太子城9个车站;北京—延庆赛区的高铁线路包括京张高铁和延庆支线,沿途车站包括北京北、清河、沙河、昌平、八达岭长城和延庆6个车站。
1.2 冬奥会期间铁路客运组织要求
自开通以来,京张高铁客运组织主要依据日常较为稳定的客流编制运行图,同时结合节假日客流规律加以局部调整。冬奥会期间,两地三赛区的办赛模式将带来高密度客流,给客运组织带来挑战。
冬奥会期间,铁路客运组织主要考虑以下几个方面的要求。
(1)提供周密完备的安全保障:做好冬奥会旅客运输服务,首先要做好安全运输,保证运输组织安全、运输管理安全、旅客运输安全、设备运用安全和运输秩序安全,围绕客运安全工作建立的完备数据流、信息流和服务流,做好安全工作的应急支撑。
(2)高效率完成运输任务:冬奥会赛事密集,两地三赛区的办赛模式下,高时效转移、大能力疏散是冬奥铁路运输组织的一个重要特征。在满足运动员等相关客流在赛区之间快速转移需求的同时,冬奥会期间客流还具有较高的不确定性,当出现突发情况时,应能为赛区内大客流提供短时快速疏散的集约化运输 [2]。
(3)全面提高铁路服务水平:冬奥会是中国铁路对外全面展示的窗口,亦是铁路企业提高综合运输服务质量,提升铁路服务水平的契机。旅客可直接感受到的服务水平提升体现在较少的候车时间、舒适的乘车体验等,对于铁路企业,则体现在合理的发车间隔、灵活的编组、与其它交通方式无缝接驳等。
2 冬奥会高铁运输系统基本客流分析
冬奥会期间,高铁运输系统的基本客流主要包括日常客流和观赛客流两部分。日常客流是较为恒定、符合常年客流变化规律的常规客流,受冬奥会赛事的影响较小;观赛客流则是伴随冬奥会赛事活动所产生的变化客流,与赛事时空分布及场馆观赛席位数量有关。
本文根据冬奥会高铁运输系统末端车站太子城、延庆站的日常客流情况,分析两车站出发客流的基本分布规律,并根据冬奥会期间崇礼、延庆赛区每日赛事时空分布和场馆观赛席位,对冬奥会客流高峰日和高峰时段特征进行分析。
2.1 日常客流分析
日常客流分析主要考察崇礼赛区太子城站和延庆站的出发客流情况。为方便评估冬奥会期间的日常客流,主要依据往年冬季旺盛期日常客流进行分析。考虑疫情对铁路客流影响,崇礼支线选择2020年1月6日—1月19日为考察期,延庆支线选择2021年1月11日—1月24日为考察期(因该线路2020年底开通)。对两车站分别按日、按小时进行客流分析。
2.1.1 日客流分布
以太子城站和延庆站为例,两个车站工作日出发客流分布有所差异。太子城站周一~周五的出发客流量较低,日均为1 600人次左右;延庆站周二~周六出发客流量较低,日均为300人次左右;两个车站的工作日客流分布如图2和图3所示。
定义一周内旅客出行量较大的日期为高峰日。则太子城站高峰日为周六和周日,而延庆站高峰日为周日和周一。太子城站高峰日均出发客流超过2000人次;延庆站高峰日均出发客流超过280人次。高峰客流分布如图4和图5所示。
元旦期间,太子城和延庆站的出发客流分布趋势基本一致,元旦假期第3日出发客流量达到最大,假期第1日出发客流量最小。
2.1.2 分时段客流分布
太子城站和延庆站的日客流分布情况如图6、图7所示。在一天之内,太子城站在16:00~17:00的出发客流达到最大,17:00~18:00次之;延庆站工作日和高峰日时7:00~8:00客流最多,元旦节假日则在17:00~18:00出发客流最多。
由上述分析可知,崇礼支线和延庆支线的日客流具备较强的规律性;一般来说,节假日客流量最大,周末客流量大于工作日客流量。
2.2 观赛客流分析
根据奥组委官网发布赛事日程安排,预估观赛客流分布,按照场馆比赛信息、可容纳观众人数预估峰值观赛客流分布,为冬奥会期间铁路运输组织提供决策参考信息。
2.2.1 观赛客流日变化特征
观赛客流主要由赛区购票观众数量决定,延庆和崇礼赛区的日观赛客流峰值即为当日内每场赛事场馆观众席最大容纳人数之和。结合根据奥组委官方网站提供的赛事时间安排信息[3]与赛区各场馆最大可容纳观众数量 [4],可生成两赛区日观赛客流峰值图,如图8和图9所示。
由图8和图9可知:(1)崇礼赛区观赛客流峰值预计出现在2月5日,其峰值观赛客流可达62 500人次左右,这与文献[5] 中给出的冬奥会高峰客流预估值相吻合;延庆赛区观赛客流峰值预计出现在2月10日;(2)崇礼赛区的日观赛客流在冬奥会期间持续处于较高水平的概率较大,而延庆赛区的日观赛客流则集中分布在冬奥会赛事前半程。
2.2.2 观赛客流时变特征
冬奥会期间,各赛区内场馆赛事举办密集,且各场馆的观众容纳能力较大,两赛区日观赛客流可达到万级的数量单位,且一般观赛客流的到达和离开时间较为集中,为此需对观赛客流时变特征进行分析。
根据现有冬奥会比赛场馆的赛事日程安排,从两赛区冬奥会期间小时赛事总频次,同日期内小时赛事频次、相邻赛事间隔时间维度对冬奥会赛程进行分析。
(1)两赛区小时赛事频次分布特征
冬奥会期间崇礼赛区将承办约75场比赛,延庆赛区将承办约35场比赛,两赛区赛事时段分布差异性显著。
图10、图11分别为崇礼和延庆赛区冬奥会赛事时段分布图,可以看出:崇礼赛区冬奥会赛事时间分布在9:00~20:00,比赛高峰时段为19:00,赛事散场时段分布均匀;延庆赛区赛事时段分布不均,比赛高峰时段集中在晚间,而15:00~18:00无一场比赛;赛事散场高峰时段为22:00,散场时段分布不均匀。
由图10和图11可知:冬奥期间各赛事开场时间与散场时间峰值交错分布,即在下一波观赛客流高峰到来前,前一批观赛客流已良好疏散;这一特征可保证赛区客流在赛事正常状态下处于一个较为合理的数量范围。
(2)同日同赛区场馆赛事接续时间分布
崇礼、延庆赛区场馆的赛事接续时间分布,如表1所示。崇礼赛区同一日内一半左右赛事接续时间集中在30 min以内;延庆赛区同一日内超过一半的赛事接续时间(EvtConTm)大于100 min。
表 1 崇礼、延庆赛区场馆EvtConTm分布场馆EvtConTm分组/min 崇礼赛区/次 延庆赛区/次 0 ≤EvtConTm<30 26 0 30 ≤EvtConTm<60 10 1 60 ≤EvtConTm<90 9 4 90 ≤EvtConTm<120 2 5 EvtConTm≥120 10 9 根据2008年奥运会检票经验,结合相关文献对赛区客流的分析,入场客流高峰期为赛前30 min[5]。基于崇礼、延庆赛区场馆的赛事接续时间分布,可推知:入场高峰客流与离场高峰客流接续时间主要集中在60 min以内。
3 冬奥会突发客流形成分析及分级
突发客流是指冬奥会赛事期间,由于不可预估因素,使得赛区在极短时间内交通需求激增或陡降,影响交通系统既有运输计划的客流。不可预估因素包括自然灾害、事故灾害、公共卫生事件和社会安全事件4类[6],由于不可预估因素形成的突发客流可分为两类:瞬时突变客流和调整变化客流。
3.1 瞬时突变客流
瞬时突变客流主要是指由于外在不可抗力造成的集中单向流动客流。例如,某赛事由于突发情况(如天气突变等)临时取消,则其入场客流瞬时转变为离场客流,若与正常离场客流叠加,赛区高铁站将迎来大量突发性返程客流。根据场馆赛事接续时间分析,崇礼赛区有50%左右比赛接续时间在30 min以内。当上一场馆比赛结束散场客流达高峰时,此时接续观赛的入场观众亦达到峰值。若此时接续比赛取消,则两个高峰会同向叠加,造成单向离场客流量将加倍。
若突发事件对赛区的影响是区域性的,则赛区内所有客流在某时段内将集中疏散,此时铁路运输系统将要面临更大考验。
3.2 调整变化客流
冬奥会期间,鉴于可提前获得部分赛事地点和时间调整信息,可及时评估由此造成的客流需求变化。铁路企业对这类客流变化有一定缓冲时间,能够在客流实际发生调整运输方案。因而该类客流对铁路运输系统的负面影响较小。
3.3 客流密度分级
3.3.1 冬奥会期间每日分时段客流出行强度
大型活动的客流主要由直接参与大型活动的客流和受大型活动影响出行的客流组成[7]。基于太子城和延庆站历史出发客流分布数据,可估算冬奥期间旅游流的时段分布密度;依据赛事时间和赛事场馆的容纳人数估计观赛客流的时段分布密度;将两者叠加,可得到赛事期间的客流分布。图12和图13分别为太子城和延庆站赛事期间每日分时段出行强度灰度图,灰度颜色越深,表示对应时段内的客流出行强度越大。
由图12和图13可知:赛事期间,崇礼赛区每日出发客流高峰时段分布集中于16:00后,且在2月5日18:00~19:00,2月9日16:00~17:00和2月16日20:00~21:00,客流预计突破16 000人;延庆赛区每日出发客流高峰时段集中于16:00前(含16:00)和22:00~23:00,客流预计达10 000人左右。
3.3.2 客流密度分级定义
目前,北京—太子城、北京—延庆日均开行5对8编组列车(定员576人),远不能满足冬奥会期间客流需求。为此,考虑采用16编组列车,以5 min为发车间隔(参考京沪高铁发车间隔),在假定京张高铁、崇礼支线、延庆支线区间通过能力一致且不考虑线路其他方向列车对区间能力占用的情况下,估算太子城站、延庆站最大区间运输能力约为14 000人次/h。由图12和图13的客流时段分布灰度图分析,太子城站有99%的赛程时段内预估客流小于14 000人次,延庆站赛程时段内预估客流均小于10 000人次,因此铁路线路基本可满足冬奥会期间赛区站正常情况下的客流需求。但高峰时段内若正常客流叠加瞬时突发客流,此时车站聚集客流量将突破高铁运输系统的能力上限。因此,需要对客流密度进行分级监测和预警,辅助铁路企业准确把握铁路运输系统面临的客流压力大小,及时采取应急措施,保障系统平稳、高效地应对客流高峰。
客流密度分级由本时段内和相邻时段的客流密度决定:若某时段内客流密度及与其相邻的时段内客流密度均较高时,突发客流产生后导致交通拥堵的可能性将极大增加。为此,根据运输能力,将60 min内客流密度(TtrDns)定义为3个级别,如表2所示。
表 2 TtrDns分级定义TtrDns/(人·h−1) TtrDns级别 TtrDns≥14 000 一级 8000≤TtrDns <14 000) 二级 TtrDns<8 000 三级 依据上述定义,对太子城站和延庆站的客流密度进行分级,可生成赛事期间太子城站客流密度分级图和赛事期间延庆城站客流密度分级图,分别如图14和图15所示。
根据图14和图15可知,崇礼赛区15:00和22:00客流出行量较多,客流密度为一级或二级,其余时段客流出行量较少,客流密度为三级;延庆赛区客流出行时段集中于11:00~17:00,22:00~23:00,其余时段客流出行量较少,客流密度为三级。客流密度分级提升了客流监测的直观性,其分级对象主要包括预估客流和实时监测客流。预估客流密度分级可用于评估和指列车开行方案设计;实时监测客流密度分级可用于评估时段内客流异常状态影响度,协助铁路企业制定应急预警策略。
4 突发客流预警及应急措施
在充分分析冬奥会客流特征基础上,针对性选择预警指标,建立一套面向突发客流的应急组织策略,可保证运输企业及时合理调整客运运力资源,保障铁路运输系统正常运营。
4.1 铁路运输系统应对突发客流的一般处置过程
突发客流一般经历产生、传播和消散3个过程。通常,铁路运输系统中的突发客流与处置措施关系,如图16所示。
铁路运输系统应急机制中,若在突发客流产生前及时预判,在传播时提供与客流变化相匹配的运力支撑,可实现突发客流平稳消散,保障铁路运输系统的稳定性。
4.2 指标预警定义
指标预警是基于既有实时客流分布和列车运输状态的多指标分析,对铁路运输系统未来一段时间内的运输状态进行评估预警,帮助铁路运输企业针对未来客流状态及时调整运输策略。
可从客流状况和企业客运能力2个角度定义预警指标。
4.2.1 客流预警指标
赛区出现突发情况后,突发的观赛客流可通过“一张票”乘坐高铁,短时内会有大量旅客涌入高铁站,从而造成客流拥堵和聚集。
客流预警指标主要包括:客流到达密度和客流累积量。对于某车站,假定监测时段
$[t_1,t_2] $ 时间内车站到达客流量为$Q_t^{\rm{in}} $ ,相同测定时段内列车疏散客流量为$Q_t^{\rm{out}} $ 。假定该时段内客流到达密度为$\rho _t$ ,客流累积量为$Q_t^{\rm{re}} $ ,则有:$$ {\rho _t} = \frac{{Q_t^{{\rm{in}}}}}{{{t_2} - {t_1}}} $$ (1) $$ Q_t^{{\rm{re}}}=Q_t^{{\rm{out}}}-Q_t^{{\rm{in}}} $$ (2) 其中,客流到达密度可用于评估和监测客流流速,若某时段内客流流速显著高于正常水平,则该时段客流可能异常;客流累积量可用于评估和监测系统疏散能力,若某时段内客流累积量一直处于上升趋势,则该段时间内客流可能出现拥堵。
客流到达密度和客流累积量常应用于车站和场馆等场所的客流监测。一般来说,相对于出现突发客流的时刻,车站监测到的突发客流的时刻相对滞后。在冬奥会期间,铁路企业应充分结合赛事场馆等其它场所的客流指标监测结果,提前及时检测到突发客流并预警。
4.2.2 列车预警指标
列车是承载客流的运输容器,列车预警指标在一定程度上反映客流状态。当突发客流进入车站后,需要通过加开列车来快速疏散旅客,由此造成列车运力紧张。
列车预警指标主要包括列车赛区站实时上座率
${\rm{\sigma }}{\left( k \right)_t} $ 和沿途站客流运输能力$C_t^s $ 。由于赛区站均为尽头站,且冬奥会客流主要在赛区间交互,因此沿途站客流运输能力可近似认为由赛区客流决定。假设时段$[t_1,t_2] $ 内从赛区站r出发的列车$h(k) $ 的定员为$C(k) $ ,赛区站搭乘$h(k) $ 的客流人数为$q\left( k \right)_t^{{\rm{U}},r} $ ,沿途站s到站客流为$q\left( k \right)_t^{{\rm{D}},r} $ ,则有:$$ {\rm{\sigma }}{\left( k \right)_t} = \frac{{q\left( k \right)_t^r}}{{C\left( k \right)}}$$ (3) $$ C_t^s = C\left( k \right) - q\left( k \right)_t^{{\rm{U}},r} + q\left( k \right)_t^{{\rm{D}},r} $$ (4) 列车赛区站实时上座率可以反映某时段内赛区客流需求;若某时段内赛区站实时上座率持续高于正常状态下的指标值,可判断该时段客流处于高峰状态。
沿途站客流运输能力反映某时段内列车沿途带流情况;若某时段内列车沿途站上车人数持续低于正常状态,可推测该段时间内列车在赛区站持续满员,赛区客流可能处于异常状态。
4.3 实现突发客流与铁路运力相匹配的措施
根据前文预估的高峰时段客流需求量,适当超前配置运力资源,使运力供给既能满足当前客流需求,同时预留部分运力应对突发客流,从而实现灵活调度[8]。当出现监测指标预警时,冬奥会高铁运输系统可通过运输组织调整和铁路车站客流控制等方面采取应对措施,调整运力来疏散突发客流。
4.3.1 运输组织调整
从铁路运输系统自身出发,在突发客流产生时,调度系统内运输资源来提高系统运力,应对措施主要包括:增加单趟列车运输能力和提高列车服务频次。
针对单趟列车运输能力,可通过动车组列车重联扩大编组。此时,首先计算车站到达客流流入速度与疏散客流速度;若到达客流速度高于疏散客流速度,即便按既有服务频次开行重联动车组列车也无法及时疏散突发客流时,可进一步提高行车密度[9],来增加列车服务频次。列车服务频次指标直接相对应与列车发车间隔,在满足列车最小追踪时间约束下,加密列车运行线,可显著提高列车服务水平,提高突发客流聚集站的疏散效率。
为此,在应对突发客流而调整列车开行计划后,需要同步调整车底周转计划,可从2个方面考虑车底周转计划。
(1)加速车底周转速度:减少沿途停站缩短列车运行时间,或开行大小交路列车。
(2)增加动车组储备:在易产生突发客流的车站增加存车线,平峰时供动车组停放。
4.3.2 车站客流控制
车站客流控制从铁路系统承载能力考虑,保证车站客流组织工作正常开展。
若遇到铁路运输组织指标值逼近系统稳定运行临界值时,旅客在车站累积量指标值仍不断增加时,需要对铁路车站的进站客流进行限制,将旅客疏导至其它交通方式疏散。
4.4 运力恢复正常
当突发客流得到有效疏解时,铁路运输系统的运力将回复至正常水平。判断突发客流的疏解程度,亦可根据上文中各项指标值的实时变化情况进行分析。
从客流指标角度,当客流到达密度逐渐降低并达到正常范围,或者客流累积量达到峰值后持续减少;或从列车指标角度,若突发客流车站实时上座率逐渐降低,或者沿途车站上车人数恢复至正常水平,均可说明突发客流被有效疏散。此时,列车运输组织可从应急状态转变为正常状态,降低企业运输成本。
5 结束语
冬奥会期间突发客流形成主要与旅游客流和观赛客流相关,突发客流对冬奥会铁路运输的平稳、畅通是一项严峻挑战。基于冬奥会铁路运输系统历史客流数据,崇礼和延庆赛区赛事日程表和场馆观众席分布数据,分析两地冬奥会期间基本客流特征。其中,不同日期段和时间段内日常客流形态与其间旅游客流形态相似;观赛客流受赛事日程影响较大,当赛事日程临时性修改时易产生突发客流。本文通过构建冬奥会突发客流预警指标,形成相应的应急运输措施,实时调整运力配置,对冬奥期间铁路运输系统的稳定运行有着重要意义。
鉴于冬奥会赛事购票数据及列车开行方案尚未确定,本文提出客流监测指标和运力配置以定性分析为主。下一步考虑依据更为准确可靠的客流和运输资源信息,构建面向冬奥会突发客流的铁路运力调整方案,确保冬奥会铁路交通稳健、畅通。
-
表 1 邻接表数据结构定义
vector<vector<global_Node_Adj>>m_vec_adj邻接表 第0列 第1列 第2列 第0行m_vec_adj[0] m_num 0 1 m_name “24” “X3” m_id 2 1 m_distance 第1行m_vec_adj[1] m_num 1 m_name “X3” m_id 1 m_distance INF ... ... ... ... ... 第23行m_vec_adj[23] m_num 23 24 m_name “D18” “20” m_id 1 2 m_distance INF 3 第24行m_vec_adj[24] m_num 24 25 26 m_name0 “20” “X4” “X6” m_id 2 1 1 m_distance INF 59 59 表 2 站场图CSV数据格式
起点字符串 起点类型 终点字符串 终点类型 距离 24 2 X3 1 3 SF 1 D6 1 241 D6 1 6 2 3 6 2 8 2 88 6 2 D8 1 68 D8 1 18 2 207 18 2 D20 1 27 D20 1 22 2 3 ... ... ... ... ... 20 2 X6 1 59 表 3 站场图边数组格式
起点数字 起点字符串 起点类型 终点数字 终点字符串 终点类型 距离 0 24 2 1 X3 1 3 2 SF 1 3 D6 1 241 3 D6 1 4 6 2 3 4 6 2 5 8 2 88 4 6 2 6 D8 1 68 ... ... ... ... ... ... ... 20 D4 1 21 D14 1 230 -
[1] 赵志熙.计算机联锁系统技术[M].北京: 中国铁道出版社, 1999: 233-237. [2] 谢 林,杨 扬. 基于二维坐标信息进路搜索算法研究 [J]. 铁路计算机应用,2015,24(8):16-19. DOI: 10.3969/j.issn.1005-8451.2015.08.005 [3] 梁艺凡,谭 丽,冯 挺. A*进路搜索算法的研究与实现 [J]. 铁道标准设计,2013(2):17-20. [4] 康文雄,许耀钊. 节点约束型最短路径的分层Dijkstra算法 [J]. 华南理工大学学报(自然科学版),2017,45(1):66-72. [5] 王海梅,周献中. 一种限制搜索区域的最短路径改进算法 [J]. 南京理工大学学报(自然科学版),2011,33(5):638-642. [6] 严蔚敏, 吴伟民. 数据结构(C语言版)[M]. 北京: 清华大学出版社, 1997. [7] 耿 杰,蔡伯根,王 剑,等. 基于深度优先搜索的铁路站场遍历算法研究 [J]. 铁道学报,2012,34(4):51-56. DOI: 10.3969/j.issn.1001-8360.2012.04.009 [8] 肖 蒙,宁海安,赵志荣. 基于有向图的进路搜索算法研究与设计 [J]. 自动化与仪器仪表,2012(6):69-73. DOI: 10.3969/j.issn.1001-9227.2012.06.027 [9] 蔚 洁,杨怀雷,成汝震. 基于Dijkstra算法的最优路径搜索方法 [J]. 河北师范大学学报(自然科学版),2008,32(5):590-593. [10] 樊守伟,严 艳,张少杰,等. Dijkstra算法与旅游路径优化田 [J]. 西安邮电大学学报,2014,19(1):121-124. [11] 赵艳丽. 实际路网最短路径算法优化与实现[D]. 广州: 华南理工大学, 2015. [12] 吴 鹏,寇玮华,许木南,等. 基于Dijkstra和深度优先搜索的进路搜索算法研究 [J]. 交通运输工程与信息学报,2017,15(4):38-43. DOI: 10.3969/j.issn.1672-4747.2017.04.006 -
期刊类型引用(7)
1. 孙金余,吴乐,罗浩铭,张先燏. 面向自动化港口的智能生产管控集成系统框架研究. 港口航道与近海工程. 2025(01): 12-17 . 百度学术
2. 朱槿,王华伟,刘宗洋,郑婷,冯丽敏. 铁路货运计量安全检测设备全寿命周期管理系统研究. 铁道货运. 2022(04): 38-45 . 百度学术
3. 李楠. 铁路安全管理中大数据的应用分析. 大众标准化. 2022(08): 172-174 . 百度学术
4. 龚利,刘波. 基于EAM的机务设备维护管理研究. 中国铁路. 2021(01): 67-73 . 百度学术
5. 李鑫,史天运,常宝,马小宁,刘军. 基于优化的MsEclat算法的铁路机车事故故障关联规则挖掘. 中国铁道科学. 2021(04): 155-165 . 百度学术
6. 李君,徐春婕. 智能客站设备大数据运维服务平台的设计与实现. 铁路计算机应用. 2021(09): 60-65 . 本站查看
7. 管运全,张才科,刘纯. 基于大数据的设备健康管理系统设计. 电子技术应用. 2021(S1): 170-176 . 百度学术
其他类型引用(1)