Advertisement

Verteilte Verbindungssuche im öffentlichen Personenverkehr Graphentheoretische Modelle und Algorithmen

  • Rolf H. Möhring

Zusammenfassung

Inzwischen verfügen viele Verkehrsunternehmen über lokale, computerbasierte Auskunftsysteme, bei denen Informationen über Verbindungen im jeweiligen System abrufbar sind. Derzeit entstehen Kopplungen solcher Systeme zu übergreifenden Auskunftsystemen, die die unterschiedlichen Teilsysteme und Datenbestände in einer verteilten Verbindungssuche geeignet kombinieren.

Diese Arbeit behandelt die verteilte Verbindungssuche aus graphentheoretischer Sicht. Im ersten Teil wird untersucht, wie weit sich unterschiedliche Abfragen auf die Berechnung kürzester Wege in einem geeignet definierten Graphen zurückführen lassen. Die Rückführung auf ein Graphenmodell eröffnet zum einen den Zugang zu Standardalgorithmen für eine Fülle ähnlich gelagerter, auch mehrkriterieller Kürzeste-Wege Berechnungen, und bietet aus struktureller Sicht den geeigneten Rahmen für die verteilte Verbindungsabfrage, die dann eng mit Dekompositionsmöglichkeiten des Graphen zusammenhängt.

Im zweiten Teil wird dann untersucht, welche Anfragen sich in einem verteilten System berechnen lassen und wie groß der dafür benötigte Aufwand ist. Insbesondere wird der Frage nachgegangen, welche Daten von den Teilsystemen bereit gestellt werden müssen, ob sich Pre-Processing dieser Daten lohnt und über welche Techniken ein Master-Algorithmus verfügen muß, der mit den Teilsystemen kommuniziert. Dabei wird insbesondere auf (approximative) Methoden für mehrkriterielle Zielfunktionen eingegangen.

Es zeigt sich, daß sich nahezu alle Standardabfragekriterien wie Reisezeit, Anzahl der Umstiege, Wahl des Verkehrsmittels sowie Kombinationen hiervon bei einer verteilten Abfrage berücksichtigen lassen, wobei der Rechenaufwand vom Grad der Vernetzung der Teilsysteme abhängt. Auch mehrkriterielle Abfragen sind möglich.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [1]
    R. K. Ahuja, T. L. Magnanti, and J. B. Orlin. Network Flows. Theory, Algorithms, and Applications. Prentice Hall, Englewood Cliffs, NJ, 1993.zbMATHGoogle Scholar
  2. [2]
    B. V. Cherkassy, A. V. Goldberg, and T. Radzik. Shortest path algorithms: Theory and experimental evaluation. Math. Programming, 73:129–174, 1996.MathSciNetGoogle Scholar
  3. [3]
    R. Dechter and J. Pearl. Generalized best-first search strategies and the optimality of A*. J. Assoc. Comp. Mach., 32(3):505–536, 1985.MathSciNetzbMATHCrossRefGoogle Scholar
  4. [4]
    G. N. Frederickson. Fast algorithms for shortest paths in planar graphs with applications. SIAM J. Comput., 16:1004–1022, 1987.MathSciNetzbMATHCrossRefGoogle Scholar
  5. [5]
    M. Gondran and M. Minoux. Graphs and Algorithms. John Wiley & Sons, New York, 1984.zbMATHGoogle Scholar
  6. [6]
    P. Hart, N. Nilsson, and B. Raphael. A formal basis for the heuristic determination of minimum cost paths. IEEE Trans. Systems, Science and Cybernetics, SCC-4(2): 100–107, 1968.CrossRefGoogle Scholar
  7. [7]
    U. Huckenbeck and D. Ruland. A generalized best-first search method in graphs. In R. H. Möhring, editor, Proceedings 16th International Workshop on Graph-Theoretic Concepts in Computer Science WG’90, pages 41-60. Springer-Verlag, Lecture Notes in Computer Science, vol. 484, 1990.Google Scholar
  8. [8]
    J. M. Jaffe. Algorithms for finding paths with multiple constraints. Networks, 14:95–116, 1984.MathSciNetzbMATHCrossRefGoogle Scholar
  9. [9]
    T. Kämpke and F. J. Radermacher. Deutschlandweite Verbindungsauskunft im öffentlichen Personennahverkehr: verteilte Wegesuche in Graphen. Manuskript, 1999.Google Scholar
  10. [10]
    E. L. Lawler, M. G. Luby, and B. Parker. Finding shortest paths in very large networks. In M. Nagl and J. Perl, editors, Proceedings 9th International Workshop on Graph-Theoretic Concepts in Computer Science WG’83, pages 184–199. Trauner Verlag, Linz, 1983.Google Scholar
  11. [11]
    T. Lengauer. Combinatorial Algorithms for Integrated Circuit Layout. Wiley-Teubner, 1990.Google Scholar
  12. [12]
    T. Lengauer and E. Wanke. Efficient solutions of connectivity problems on hierarchically defined graphs. SIAM J. Comput., 17:1063–1080, 1988.MathSciNetzbMATHCrossRefGoogle Scholar
  13. [13]
    N. J. Nilsson. Principles of Artificial Intelligence. Morgan Kaufmann Publishers, 1980.Google Scholar
  14. [14]
    I. Pohl. Bi-directional search. In B. Meltzer and D. Mitchie, editors, Machine Intelligence, pages 127–140. Edinburgh University Press, Edinburgh, 1971.Google Scholar
  15. [15]
    B. Riedhofer. Hierarchische Straßengraphen. Master’s thesis, Universität Stuttgart, Fakultät Informatik, 1997.Google Scholar
  16. [16]
    G. Rote. Path problems in graphs. In G. Tinhofer, E. Mayr, H. Noltemeier, and M. Syslo, editors, Computational Graph Theory, Computing Supplementum 7, pages 155–190. Springer-Verlag Wien, 1990.Google Scholar
  17. [17]
    R. Sedgewick and J. S. Vitter. Shortest paths in Euclidean graphs. Algorithmica, 1:31–48, 1986.MathSciNetzbMATHCrossRefGoogle Scholar
  18. [18]
    D. Theune. Robuste und effiziente Methoden zur Lösung von Wegproblemen. Teubner Verlag, Stuttgart, 1995.Google Scholar
  19. [19]
    A. Warburton. Approximation of Pareto optima in multiple-objective, shortest-path problems. Oper. Res., 35(1):70–79, 1987.MathSciNetzbMATHCrossRefGoogle Scholar

Copyright information

© Friedr. Vieweg & Sohn Verlagsgesellschaft mbH, Braunschweig/Wiesbaden 1999

Authors and Affiliations

  • Rolf H. Möhring
    • 1
  1. 1.Fachbereich MathematikTechnische Universität BerlinDeutschland

Personalised recommendations