码迷,mamicode.com
首页 > 编程语言 > 详细

基于Dijkstra算法的郑州地铁路径规划

时间:2021-02-15 12:35:11      阅读:0      评论:0      收藏:0      [点我收藏+]

标签:需要   index   header   rto   os x   get   process   经纬度   excel   

需要引入geopy库

pip install geopy 安装即可

import requests
from bs4 import BeautifulSoup
import pandas as pd
import json
import os
from tqdm import tqdm
from collections import defaultdict
import pickle
import itertools
from geopy.distance import geodesic
#爬取郑州地铁数据
def spyder():
    #获得郑州的地铁信息
    print(正在爬取郑州地铁信息...)
    url=http://zz.bendibao.com/ditie/linemap.shtml
    user_agent=Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; en) Presto/2.8.131 Version/11.11
    headers = {User-Agent: user_agent}
    r = requests.get(url, headers=headers)
    r.encoding = r.apparent_encoding
    soup = BeautifulSoup(r.text, lxml)
    all_info = soup.find_all(div, class_=line-list)
    df=pd.DataFrame(columns=[name,site])
    for info in tqdm(all_info):
        title=info.find_all(div,class_=wrap)[0].get_text().split()[0].replace(线路图,‘‘)
        station_all=info.find_all(a,class_=link)
        for station in station_all:
            station_name=station.get_text()
            longitude,latitude=get_location(station_name,郑州)
            temp={name:station_name,site:title,longitude:longitude,latitude:latitude}
            df =df.append(temp,ignore_index=True)
    df.to_excel(./subway.xlsx,index=False)
def get_location(keyword,city):
    #获得经纬度
    user_agent=Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50
    headers = {User-Agent: user_agent}
    url=http://restapi.amap.com/v3/place/text?key=+keynum+&keywords=+keyword+&types=&city=+city+&children=1&offset=1&page=1&extensions=all
    data = requests.get(url, headers=headers)
    data.encoding=utf-8
    data=json.loads(data.text)
    result=data[pois][0][location].split(,)
    return result[0],result[1]
def compute_distance(longitude1,latitude1,longitude2,latitude2):
    #计算2点之间的距离
    user_agent=Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50
    headers = {User-Agent: user_agent}
    url=http://restapi.amap.com/v3/distance?key=+keynum+&origins=+str(longitude1)+,+str(latitude1)+&destination=+str(longitude2)+,+str(latitude2)+&type=1
    data=requests.get(url,headers=headers)
    data.encoding=utf-8
    data=json.loads(data.text)
    result=data[results][0][distance]
    return result
def get_graph():
    print(正在创建pickle文件...)
    data=pd.read_excel(./subway.xlsx)
    #创建点之间的距离
    graph=defaultdict(dict)
    for i in range(data.shape[0]):
        site1=data.iloc[i][site]
        if i<data.shape[0]-1:
            site2=data.iloc[i+1][site]
            #如果是共一条线
            if site1==site2:
                longitude1,latitude1=data.iloc[i][longitude],data.iloc[i][latitude]
                longitude2,latitude2=data.iloc[i+1][longitude],data.iloc[i+1][latitude]
                name1=data.iloc[i][name]
                name2=data.iloc[i+1][name]
                distance=compute_distance(longitude1,latitude1,longitude2,latitude2)
                graph[name1][name2]=distance
                graph[name2][name1]=distance
    output=open(graph.pkl,wb)
    pickle.dump(graph,output)

#找到开销最小的节点
def find_lowest_cost_node(costs,processed):
    #初始化数据
    lowest_cost=float(inf) #初始化最小值为无穷大
    lowest_cost_node=None
    #遍历所有节点
    for node in costs:
        #如果该节点没有被处理
        if not node in processed:
            #如果当前的节点的开销比已经存在的开销小,那么久更新该节点为最小开销的节点
            if costs[node]<lowest_cost:
                lowest_cost=costs[node]
                lowest_cost_node=node
    return lowest_cost_node

#找到最短路径
def find_shortest_path(start,end,parents):
#     print(end)
    node=end
#     print(parents)
    shortest_path=[end]
#     print(parents[node])
    #最终的根节点为start
    while parents[node] !=start:
        shortest_path.append(parents[node])
        node=parents[node]
    shortest_path.append(start)
    return shortest_path
#计算图中从start到end的最短路径
def dijkstra(start,end,graph,costs,processed,parents):
    #查询到目前开销最小的节点
    node=find_lowest_cost_node(costs,processed)
    #使用找到的开销最小节点,计算它的邻居是否可以通过它进行更新
    #如果所有的节点都在processed里面 就结束
    while node is not None:
        #获取节点的cost
        cost=costs[node]  #cost 是从node 到start的距离
        #获取节点的邻居
        neighbors=graph[node]
        #遍历所有的邻居,看是否可以通过它进行更新
        for neighbor in neighbors.keys():
            #计算邻居到当前节点+当前节点的开销
            new_cost=cost+float(neighbors[neighbor])
            if neighbor not in costs or new_cost<costs[neighbor]:
                costs[neighbor]=new_cost
                #经过node到邻居的节点,cost最少
                parents[neighbor]=node
        #将当前节点标记为已处理
        processed.append(node)
        #下一步继续找U中最短距离的节点  costs=U,processed=S
        node=find_lowest_cost_node(costs,processed)

    #循环完成 说明所有节点已经处理完
    shortest_path=find_shortest_path(start,end,parents)
    shortest_path.reverse()
    return shortest_path


def subway_line(start,end):
    file=open(graph.pkl,rb)
    graph=pickle.load(file)
    #创建点之间的距离
    #现在我们有了各个地铁站之间的距离存储在graph
    #创建节点的开销表,cost是指从start到该节点的距离
    costs={}
    parents={}
    parents[end]=None
    for node in graph[start].keys():
        costs[node]=float(graph[start][node])
        parents[node]=start
    #终点到起始点距离为无穷大
    costs[end]=float(inf)
    #记录处理过的节点list
    processed=[]
#     print(parents)
    shortest_path=dijkstra(start,end,graph,costs,processed,parents)
    return shortest_path

def get_nearest_subway(data,longitude1,latitude1):
    #找最近的地铁站
    longitude1=float(longitude1)
    latitude1=float(latitude1)
    distance=float(inf)
    nearest_subway=None
    for i in range(data.shape[0]):
        site1=data.iloc[i][name]
        longitude=float(data.iloc[i][longitude])
        latitude=float(data.iloc[i][latitude])
        temp=geodesic((latitude1,longitude1), (latitude,longitude)).m
        if temp<distance:
            distance=temp
            nearest_subway=site1
    return nearest_subway

def main(site1,site2):
    if not os.path.exists(./subway.xlsx):
        spyder()
    if not os.path.exists(./graph.pkl):
        get_graph()
    longitude1,latitude1=get_location(site1,郑州)
    longitude2,latitude2=get_location(site2,郑州)
    data=pd.read_excel(./subway.xlsx)
    #求最近的地铁站
    start=get_nearest_subway(data,longitude1,latitude1)
    end=get_nearest_subway(data,longitude2,latitude2)
    shortest_path=subway_line(start,end)
    if site1 !=start:
        shortest_path.insert(0,site1)
    if site2 !=end:
        shortest_path.append(site2)
    print(路线规划为:,-->.join(shortest_path))
if __name__ == __main__:
    global keynum
    keynum=706594012b3c9c7ce3e46ac2a04057e1 #key
    main(郑州大学,中原福塔)

效果展示:

技术图片

基于Dijkstra算法的郑州地铁路径规划

标签:需要   index   header   rto   os x   get   process   经纬度   excel   

原文地址:https://www.cnblogs.com/memory-ming/p/14398070.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!