假设您想要从A点到达B点。您使用Google Transit路线，并告诉您：
Route 1:
1. Wait 5 minutes
2. Walk from point A to Bus stop 1 for 8 minutes
3. Take bus 69 till stop 2 (15 minues)
4. Wait 2 minutes
5. Take bus 6969 till stop 3(12 minutes)
6. Walk 7 minutes from stop 3 till point B for 3 minutes.
总时间= 5等待+ 40分钟。
Route 2:
1. Wait 10 minutes
2. Walk from point A to Bus stop I for 13 minutes
3. Take bus 96 till stop II (10 minues)
4. Wait 17 minutes
5. Take bus 9696 till stop 3(12 minutes)
6. Walk 7 minutes from stop 3 till point B for 8 minutes.
总时间= 10等待+ 50分钟。
总而言之，1号公路看起来更好。然而，在实践中真正发生的事情是69号巴士由于交通而落后3分钟，我最终失去了6969号公共汽车。下一班公共汽车6969至少在30分钟后到来，相当于5等待+ 70分钟（包括30米）在寒冷或炎热中等待）。如果谷歌真的宣传这种可能性，那不是很好吗？我现在的问题是：考虑到时间表的不确定性，显示前三条路线的更好算法是什么？
谢谢！
答案 0 :(得分：3)
如何为不同类型的旅程元素添加表示不确定性的权重。
都柏林市的公共汽车服务出了名的不合时宜，你可以增加40％的误差幅度与都柏林巴士时间表有关，给出最好的＆amp;最坏的情况。你还可以考虑高峰时段的长期交通延误。然后，用户可以看到他们可能有20％或80％的机会实际建立连接。
您可以按“最可能正确”的因素对“最佳”旅程进行排序，并将此数据包含在向用户显示的结果中。
我的两分钱:)。
答案 1 :(得分：2)
对于英国铁路系统，每个交换节点都有一个相关的“允许的最短转移时间”。然后，路由规划器here的接口具有“高级”选项，允许用户接受默认值，或者添加半小时的增量。
在您的示例中，在步骤2中设置“允许的最小传输时间”（例如10分钟）将阻止建议路由1。当然，这意味着可能的最短旅程时间会增加，但这就是权衡。
答案 2 :(得分：1)
如果考虑到不确定性，那么就不再有“最佳路线”，而是可以采用“最佳策略”来最大限度地减少运输中的总时间;然而，它不能表示为线性的指令序列，而是更多的一般计划形式，即“去公交车站X，等到公共汽车Y的10:00，如果它没有到达步行到车站Z ......“这对于用户而言是非常难以呈现的（除了生产计算成本昂贵之外）。
对于固定的指令序列，可以计算它实际运行的概率;但是用户想要接受的确定性水平是多少？你会满足于80％的成功率吗？如果你错过了一个连接，那么在最坏的情况下卡片会掉下来，例如：如果你错过了每隔一小时就会离开的火车。
我多年来写了一个类似的程序来计算芬兰的长途巴士行程，我刚刚报告了假设每辆公交车都按计划进行的转机时间。然后基本上每个转移时间不到15分钟的计划都会被忽视，因为它们风险太大（在某条路线上，有时每天只有一两条长途巴士）。
答案 3 :(得分：1)
实证。记录实际到达时间与预定到达时间，并计算每个的平均值和标准偏差。在考虑可能的路线时，计算给定航段到达的概率足以让您错过下一航段，并计算平均等待时间P(on time)*T(first bus) + (1-P(on time))*T(second bus)。如果你不得不考虑多条腿，每条腿可以独立延迟，以及你可能错过的多条可能的下一条腿，这会变得更加复杂，但一般原则仍然存在。
答案 4 :(得分：1)
灾难性失败应该是第一次检查。
当您尝试连接当天最后一班公共汽车时，这一点尤其重要，这是该航线的关键部分。车手需要知道发生了什么，这样他就不会太分散注意力并且知道风险。
之后它可以评估最坏情况下的单次失误。
然后，如果你真的想要看中，请看看等候点所在的社区或中转站的犯罪统计数据。