Routing in Nahverkehrsnetzen
|
|
|
- Joseph Hausler
- vor 6 Jahren
- Abrufe
Transkript
1 Routing in Nahverkehrsnetzen Daniel CCC Düsseldorf / Chaosdorf 12. Juni 2015
2 Einleitung Es gibt diverse Routingdienste 1 / 11
3 Einleitung Es gibt diverse Routingdienste Google Maps / Google Transit 1 / 11
4 Einleitung Es gibt diverse Routingdienste Google Maps / Google Transit Deutsche Bahn EFA / VRR 1 / 11
5 Einleitung Es gibt diverse Routingdienste Google Maps / Google Transit Deutsche Bahn EFA / VRR... 1 / 11
6 Einleitung Es gibt diverse Routingdienste Google Maps / Google Transit Deutsche Bahn EFA / VRR... Aber wie funktionieren sie eigentlich? 1 / 11
7 Einleitung Es gibt diverse Routingdienste Google Maps / Google Transit Deutsche Bahn EFA / VRR... Aber wie funktionieren sie eigentlich? Vor allem: Wie schaffen sie es, auch komplexe Anfragen effizient zu beantworten? 1 / 11
8 Einleitung Es gibt diverse Routingdienste Google Maps / Google Transit Deutsche Bahn EFA / VRR... Aber wie funktionieren sie eigentlich? Vor allem: Wie schaffen sie es, auch komplexe Anfragen effizient zu beantworten? Z.B. 1 Sekunde für Düsseldorf Luisenstr Prag Hbf auf bahn.de 1 / 11
9 Einleitung Es gibt diverse Routingdienste Google Maps / Google Transit Deutsche Bahn EFA / VRR... Aber wie funktionieren sie eigentlich? Vor allem: Wie schaffen sie es, auch komplexe Anfragen effizient zu beantworten? Z.B. 1 Sekunde für Düsseldorf Luisenstr Prag Hbf auf bahn.de Vortrag in zwei Teilen: 1 / 11
10 Einleitung Es gibt diverse Routingdienste Google Maps / Google Transit Deutsche Bahn EFA / VRR... Aber wie funktionieren sie eigentlich? Vor allem: Wie schaffen sie es, auch komplexe Anfragen effizient zu beantworten? Z.B. 1 Sekunde für Düsseldorf Luisenstr Prag Hbf auf bahn.de Vortrag in zwei Teilen: 1 Route überhaupt berechnen 1 / 11
11 Einleitung Es gibt diverse Routingdienste Google Maps / Google Transit Deutsche Bahn EFA / VRR... Aber wie funktionieren sie eigentlich? Vor allem: Wie schaffen sie es, auch komplexe Anfragen effizient zu beantworten? Z.B. 1 Sekunde für Düsseldorf Luisenstr Prag Hbf auf bahn.de Vortrag in zwei Teilen: 1 Route überhaupt berechnen 2 Route effizient berechnen 1 / 11
12 Themen 1 Einleitung 2 Routenberechnung 3 Effiziente Routenberechnung 4 Fazit
13 Modellierung Bild c Thunderforest, Daten c OpenStreetMap, CC-BY-SA / 11
14 Modellierung Als Bild: Wohl kaum Bild c Thunderforest, Daten c OpenStreetMap, CC-BY-SA / 11
15 Modellierung Als Bild: Wohl kaum Intern: Tabelle mit Fahrtzeiten Bild c Thunderforest, Daten c OpenStreetMap, CC-BY-SA / 11
16 Modellierung Als Bild: Wohl kaum Intern: Tabelle mit Fahrtzeiten Anschaulicher: Graph Bild c Thunderforest, Daten c OpenStreetMap, CC-BY-SA / 11
17 Nahverkehr als Graph Graph: Besteht aus Knoten und Kanten 3 / 11
18 Nahverkehr als Graph Graph: Besteht aus Knoten und Kanten Knoten = Haltestelle Technologiezentrum Universität Dorstfeld Süd J-v-F Str. Meitnerweg Campus Süd 3 / 11
19 Nahverkehr als Graph Graph: Besteht aus Knoten und Kanten Knoten = Haltestelle Kanten = Verbindung HB1 S1 Technologiezentrum Universität Dorstfeld Süd 465, HB1, NE8 S1 462, , 465, NE8 462, HB1 HB1 462, 465 J-v-F Str. Meitnerweg Campus Süd / 11
20 Nahverkehr als Graph Graph: Besteht aus Knoten und Kanten Knoten = Haltestelle Kanten = Verbindung HB1 S1 Technologiezentrum Universität Dorstfeld Süd 465, HB1, NE8 S1 462, , 465, NE8 462, HB1 HB1 462, 465 J-v-F Str. Meitnerweg Campus Süd 462 Kürzesten Weg in Graphen finden: Sehr effizient (z.b. Straßennetz) Stichwort: Dijkstra-Algorithmus 3 / 11
21 Nahverkehr als Graph Graph: Besteht aus Knoten und Kanten Knoten = Haltestelle Kanten = Verbindung HB1 S1 Technologiezentrum Universität Dorstfeld Süd 465, HB1, NE8 S1 462, , 465, NE8 462, HB1 HB1 462, 465 J-v-F Str. Meitnerweg Campus Süd 462 Kürzesten Weg in Graphen finden: Sehr effizient (z.b. Straßennetz) Stichwort: Dijkstra-Algorithmus Aber: Verkehrsmittel haben einen Fahrplan, Umsteigen dauert... Reisedauer hängt von Tageszeit, Takt etc. ab 3 / 11
22 Nahverkehr als Graph Mit Fahrplan Ein Graph ist ein guter Ansatz 4 / 11
23 Nahverkehr als Graph Mit Fahrplan Ein Graph ist ein guter Ansatz Ohne Fahrplandaten bringt er aber nichts Jede Ankunft/Abfahrt (mit Zeit) muss eindeutig sein 4 / 11
24 Nahverkehr als Graph Mit Fahrplan Ein Graph ist ein guter Ansatz Ohne Fahrplandaten bringt er aber nichts Jede Ankunft/Abfahrt (mit Zeit) muss eindeutig sein 11:55,HB1 12:00,HB1 12:00,462 12:02,462 4 / 11
25 Nahverkehr als Graph Mit Fahrplan Ein Graph ist ein guter Ansatz Ohne Fahrplandaten bringt er aber nichts Jede Ankunft/Abfahrt (mit Zeit) muss eindeutig sein 11:55,HB1 12:00,HB1 12:00,462 12:02,462 11:55,HB1 11:58,S1 12:00,HB1 11:56,462 11:59,462 4 / 11
26 Nahverkehr als Graph Mit Fahrplan Ein Graph ist ein guter Ansatz Ohne Fahrplandaten bringt er aber nichts Jede Ankunft/Abfahrt (mit Zeit) muss eindeutig sein 11:55,HB1 12:00,HB1 12:00,462 12:02,462 11:55,HB1 11:58,S1 12:00,HB1 11:56,462 11:59,462 4 / 11
27 Nahverkehr als Graph Mit Fahrplan Ein Graph ist ein guter Ansatz Ohne Fahrplandaten bringt er aber nichts Jede Ankunft/Abfahrt (mit Zeit) muss eindeutig sein 11:55,HB1 12:00,HB1 12:00,462 12:02,462 11:55,HB1 12:00,HB1 12:00,462 12:02,462 11:55,HB1 11:58,S1 12:00,HB1 11:56,462 11:59,462 4 / 11
28 Nahverkehr als Graph Mit Fahrplan Ein Graph ist ein guter Ansatz Ohne Fahrplandaten bringt er aber nichts Jede Ankunft/Abfahrt (mit Zeit) muss eindeutig sein 11:55,HB1 12:00,HB1 12:00,462 12:02,462 11:55,HB1 12:00,HB1 12:00,462 12:02,462 11:55,HB1 11:58,S1 12:00,HB1 11:56,462 11:59,462 4 / 11
29 Nahverkehr als Graph Mit Fahrplan Ein Graph ist ein guter Ansatz Ohne Fahrplandaten bringt er aber nichts Jede Ankunft/Abfahrt (mit Zeit) muss eindeutig sein 11:55,HB1 12:00,HB1 12:00,462 12:02,462 11:55,HB1 12:00,HB1 12:00,462 12:02,462 11:55,HB1 11:58,S1 12:00,HB1 11:56,462 11:59,462 4 / 11
30 Nahverkehr als Graph Mit Fahrplan Ein Graph ist ein guter Ansatz Ohne Fahrplandaten bringt er aber nichts Jede Ankunft/Abfahrt (mit Zeit) muss eindeutig sein 11:55,HB1 12:00,HB1 12:00,462 12:02,462 11:55,HB1 12:00,HB1 12:00,462 12:02,462 11:55,HB1 11:58,S1 12:00,HB1 11:56,462 Umsteigen: Hier nur mit mindestens 4 Minuten Puffer 11:59,462 4 / 11
31 Nahverkehr als Graph Mit Fahrplan Ein Graph ist ein guter Ansatz Ohne Fahrplandaten bringt er aber nichts Jede Ankunft/Abfahrt (mit Zeit) muss eindeutig sein 11:55,HB1 12:00,HB1 12:00,462 12:02,462 11:55,HB1 12:00,HB1 12:00,462 12:02,462 11:55,HB1 11:58,S1 12:00,HB1 11:56,462 Umsteigen: Hier nur mit mindestens 4 Minuten Puffer Eine Haltestelle ist damit vollständig bekannt 11:59,462 4 / 11
32 Nahverkehr als Graph Mit Fahrplan (2) D:TechZ 11:53,HB1 D:DfSüd 12:01,S1 T:TechZ 11:53,HB1 T:DfSüd 12:01,S1 1 11:58,S1 A:DfSüd 5 / 11
33 Nahverkehr als Graph Mit Fahrplan (2) Zwischen Haltestellen: Direkte Verbindungen eintragen D:TechZ 11:53,HB1 D:DfSüd 12:01,S1 T:TechZ 11:53,HB1 T:DfSüd 12:01,S1 1 11:58,S1 A:DfSüd 5 / 11
34 Nahverkehr als Graph Mit Fahrplan (2) Zwischen Haltestellen: Direkte Verbindungen eintragen Bei Anfangs-/Endstation: Entsprechend Knoten weglassen D:TechZ 11:53,HB1 D:DfSüd 12:01,S1 T:TechZ 11:53,HB1 T:DfSüd 12:01,S1 1 11:58,S1 A:DfSüd 5 / 11
35 Nahverkehr als Graph Mit Fahrplan (2) Zwischen Haltestellen: Direkte Verbindungen eintragen Bei Anfangs-/Endstation: Entsprechend Knoten weglassen D:TechZ 11:53,HB1 D:DfSüd 12:01,S1 T:TechZ 11:53,HB T:DfSüd 12:01,S1 1 11:58,S1 A:DfSüd Jede Kante hat eine Reise-/Wartedauer 5 / 11
36 Nahverkehr als Graph Mit Fahrplan (2) Zwischen Haltestellen: Direkte Verbindungen eintragen Bei Anfangs-/Endstation: Entsprechend Knoten weglassen D:TechZ 11:53,HB1 D:DfSüd 12:01,S1 T:TechZ 11:53,HB T:DfSüd 12:01,S1 1 11:58,S1 A:DfSüd Jede Kante hat eine Reise-/Wartedauer Kürzester Weg kann gesucht werden 5 / 11
37 Nahverkehr als Graph Mit Fahrplan (2) Zwischen Haltestellen: Direkte Verbindungen eintragen Bei Anfangs-/Endstation: Entsprechend Knoten weglassen D:TechZ 11:53,HB1 D:DfSüd 12:01,S1 T:TechZ 11:53,HB1 T:DfSüd 12:01,S1 1 11:58,S1 Jede Kante hat eine Reise-/Wartedauer Kürzester Weg kann gesucht werden Fast gleiche Methode wie bei Straßennetzen u.ä. A:DfSüd 5 / 11
38 Verbindungssuche Beispiel: Technologiezentrum Dorstfeld Süd D:TechZ 11:53,HB1 12:19,S1 D:DfSüd 12:01,S1 D:DfSüd 12:21,S1 T:TechZ 11:53,HB1 12:19,S1 T:DfSüd 12:01,S1 T:DfSüd 12:21,S1 11:18,S1 A:DfSüd A:DfSüd 12:20,S1 6 / 11
39 Verbindungssuche Beispiel: Technologiezentrum Dorstfeld Süd Neuer Startknoten mit Anfragezeit (erlaubt auch warten) D:TechZ 11:53,HB1 12:19,S1 D:DfSüd 12:01,S1 D:DfSüd 12:21,S1 TechZ 11:50,start T:TechZ 11:53,HB1 12:19,S1 T:DfSüd 12:01,S1 T:DfSüd 12:21,S1 11:18,S1 A:DfSüd A:DfSüd 12:20,S1 6 / 11
40 Verbindungssuche Beispiel: Technologiezentrum Dorstfeld Süd Neuer Startknoten mit Anfragezeit (erlaubt auch warten) Ziel: Irgendein Ankunftsknoten D:TechZ 11:53,HB1 12:19,S1 D:DfSüd 12:01,S1 D:DfSüd 12:21,S1 TechZ 11:50,start T:TechZ 11:53,HB1 12:19,S1 T:DfSüd 12:01,S1 T:DfSüd 12:21,S1 11:18,S1 A:DfSüd A:DfSüd 12:20,S1 6 / 11
41 Verbindungssuche Beispiel: Technologiezentrum Dorstfeld Süd Neuer Startknoten mit Anfragezeit (erlaubt auch warten) Ziel: Irgendein Ankunftsknoten D:TechZ 11:53,HB1 12:19,S1 D:DfSüd 12:01,S1 D:DfSüd 12:21,S1 TechZ 11:50,start T:TechZ 11:53,HB1 12:19,S1 T:DfSüd 12:01,S1 T:DfSüd 12:21,S1 11:18,S1 A:DfSüd A:DfSüd 12:20,S1 6 / 11
42 Verbindungssuche Beispiel: Technologiezentrum Dorstfeld Süd Neuer Startknoten mit Anfragezeit (erlaubt auch warten) Ziel: Irgendein Ankunftsknoten D:TechZ 11:53,HB1 12:19,S1 D:DfSüd 12:01,S1 D:DfSüd 12:21,S1 TechZ 11:50,start T:TechZ 11:53,HB1 12:19,S1 T:DfSüd 12:01,S1 T:DfSüd 12:21,S1 11:18,S1 A:DfSüd A:DfSüd 12:20,S1 6 / 11
43 Verbindungssuche Beispiel: Technologiezentrum Dorstfeld Süd Neuer Startknoten mit Anfragezeit (erlaubt auch warten) Ziel: Irgendein Ankunftsknoten D:TechZ 11:53,HB1 12:19,S1 D:DfSüd 12:01,S1 D:DfSüd 12:21,S1 TechZ 11:50,start T:TechZ 11:53,HB1 12:19,S1 T:DfSüd 12:01,S1 T:DfSüd 12:21,S1 11:18,S1 A:DfSüd A:DfSüd 12:20,S1 6 / 11
44 Verbindungssuche Beispiel: Technologiezentrum Dorstfeld Süd Neuer Startknoten mit Anfragezeit (erlaubt auch warten) Ziel: Irgendein Ankunftsknoten D:TechZ 11:53,HB1 12:19,S1 D:DfSüd 12:01,S1 D:DfSüd 12:21,S1 TechZ 11:50,start T:TechZ 11:53,HB1 12:19,S1 T:DfSüd 12:01,S1 T:DfSüd 12:21,S1 11:18,S1 A:DfSüd A:DfSüd 12:20,S1 Funktioniert Aber skaliert nicht Anfragen sind langsam, Graph passt u.u. noch nichtmal in den RAM 6 / 11
45 Verbindungssuche Beispiel: Technologiezentrum Dorstfeld Süd Neuer Startknoten mit Anfragezeit (erlaubt auch warten) Ziel: Irgendein Ankunftsknoten D:TechZ 11:53,HB1 12:19,S1 D:DfSüd 12:01,S1 D:DfSüd 12:21,S1 TechZ 11:50,start T:TechZ 11:53,HB1 12:19,S1 T:DfSüd 12:01,S1 T:DfSüd 12:21,S1 11:18,S1 A:DfSüd A:DfSüd 12:20,S1 Funktioniert Aber skaliert nicht Anfragen sind langsam, Graph passt u.u. noch nichtmal in den RAM Preprocessing 6 / 11
46 Themen 1 Einleitung 2 Routenberechnung 3 Effiziente Routenberechnung 4 Fazit
47 Preprocessing: Idee Direktverbindungen sind einfach 7 / 11
48 Preprocessing: Idee Direktverbindungen sind einfach Fahrplan betrachten und schnellste Verbindung ausgeben Im Computer: Kostet quasi keine Zeit 7 / 11
49 Preprocessing: Idee Direktverbindungen sind einfach Fahrplan betrachten und schnellste Verbindung ausgeben Im Computer: Kostet quasi keine Zeit Umsteigen ist dafür sehr schwierig 7 / 11
50 Preprocessing: Idee Direktverbindungen sind einfach Fahrplan betrachten und schnellste Verbindung ausgeben Im Computer: Kostet quasi keine Zeit Umsteigen ist dafür sehr schwierig Umsteigehalte für alle möglichen Anfragen vorberechnen 7 / 11
51 Preprocessing: Idee Direktverbindungen sind einfach Fahrplan betrachten und schnellste Verbindung ausgeben Im Computer: Kostet quasi keine Zeit Umsteigen ist dafür sehr schwierig Umsteigehalte für alle möglichen Anfragen vorberechnen Unabhängig von Start/Ziel 7 / 11
52 Preprocessing: Idee Direktverbindungen sind einfach Fahrplan betrachten und schnellste Verbindung ausgeben Im Computer: Kostet quasi keine Zeit Umsteigen ist dafür sehr schwierig Umsteigehalte für alle möglichen Anfragen vorberechnen Unabhängig von Start/Ziel Unabhängig von der Uhrzeit(!) 7 / 11
53 Preprocessing: Idee Direktverbindungen sind einfach Fahrplan betrachten und schnellste Verbindung ausgeben Im Computer: Kostet quasi keine Zeit Umsteigen ist dafür sehr schwierig Umsteigehalte für alle möglichen Anfragen vorberechnen Unabhängig von Start/Ziel Unabhängig von der Uhrzeit(!) Transfer Patterns Speichern zu jeder Starthaltestelle A optimale Verbindungen zu allen anderen Haltestellen 7 / 11
54 Preprocessing: Idee Direktverbindungen sind einfach Fahrplan betrachten und schnellste Verbindung ausgeben Im Computer: Kostet quasi keine Zeit Umsteigen ist dafür sehr schwierig Umsteigehalte für alle möglichen Anfragen vorberechnen Unabhängig von Start/Ziel Unabhängig von der Uhrzeit(!) Transfer Patterns Speichern zu jeder Starthaltestelle A optimale Verbindungen zu allen anderen Haltestellen Als Folge von Umsteigehalten Ohne Zeitangaben 7 / 11
55 Transfer Patterns: Berechnung Für jede Haltestelle A: Dortmund Hbf 8 / 11
56 Transfer Patterns: Berechnung Für jede Haltestelle A: Betrachte alle Abfahrtszeiten an A Dortmund Hbf 8 / 11
57 Transfer Patterns: Berechnung Für jede Haltestelle A: Betrachte alle Abfahrtszeiten an A Suche jeweils kürzeste Verbindung zu jeder Haltestelle B A Düsseldorf Hbf Bochum Hbf Dortmund Hbf TechZentrum 8 / 11
58 Transfer Patterns: Berechnung Für jede Haltestelle A: Betrachte alle Abfahrtszeiten an A Suche jeweils kürzeste Verbindung zu jeder Haltestelle B A Speichere Verbindung in einem neuen Graphen Beispiel für Uni Dortmund (Ausschnitt): Düsseldorf Hbf Kampstr Wittener Str Universität Bochum Hbf Dortmund Hbf Dorstfeld Universität TechZentrum 8 / 11
59 Transfer Patterns: Berechnung Für jede Haltestelle A: Betrachte alle Abfahrtszeiten an A Suche jeweils kürzeste Verbindung zu jeder Haltestelle B A Speichere Verbindung in einem neuen Graphen Beispiel für Uni Dortmund (Ausschnitt): Düsseldorf Hbf Kampstr Wittener Str Universität Bochum Hbf Dortmund Hbf Dorstfeld Universität TechZentrum Knoten = Umsteigehaltestelle Blaue Knoten = Zielhaltestellen 8 / 11
60 Routing mit Transfer Patterns Für eine Anfrage A B mit Startzeit t: 9 / 11
61 Routing mit Transfer Patterns Für eine Anfrage A B mit Startzeit t: Lade Transfer Pattern-Graph für A 9 / 11
62 Routing mit Transfer Patterns Für eine Anfrage A B mit Startzeit t: Lade Transfer Pattern-Graph für A Suche Zielknoten B, werfe alle anderen weg Kampstr Wittener Str Universität Dortmund Hbf Dorstfeld Universität TechZentrum 9 / 11
63 Routing mit Transfer Patterns Für eine Anfrage A B mit Startzeit t: Lade Transfer Pattern-Graph für A Suche Zielknoten B, werfe alle anderen weg Für jede Verbindung A B: Kampstr Wittener Str Universität Dortmund Hbf Dorstfeld Universität TechZentrum 9 / 11
64 Routing mit Transfer Patterns Für eine Anfrage A B mit Startzeit t: Lade Transfer Pattern-Graph für A Suche Zielknoten B, werfe alle anderen weg Für jede Verbindung A B: Lese früheste Ankunftszeit am ersten Umsteigebahnhof aus Fahrplan ab Kampstr Wittener Str Universität Dortmund Hbf Dorstfeld Universität TechZentrum 9 / 11
65 Routing mit Transfer Patterns Für eine Anfrage A B mit Startzeit t: Lade Transfer Pattern-Graph für A Suche Zielknoten B, werfe alle anderen weg Für jede Verbindung A B: Lese früheste Ankunftszeit am ersten Umsteigebahnhof aus Fahrplan ab Lese früheste Ankunftszeit am zweiten Umsteigebahnhof aus Fahrplan ab... Kampstr Wittener Str Universität Dortmund Hbf Dorstfeld Universität TechZentrum 9 / 11
66 Routing mit Transfer Patterns Für eine Anfrage A B mit Startzeit t: Lade Transfer Pattern-Graph für A Suche Zielknoten B, werfe alle anderen weg Für jede Verbindung A B: Lese früheste Ankunftszeit am ersten Umsteigebahnhof aus Fahrplan ab Lese früheste Ankunftszeit am zweiten Umsteigebahnhof aus Fahrplan ab... Gebe Verbindung mit frühester Ankunft aus Kampstr Wittener Str Universität Dortmund Hbf Dorstfeld Universität TechZentrum 9 / 11
67 Routing mit Transfer Patterns Für eine Anfrage A B mit Startzeit t: Lade Transfer Pattern-Graph für A Suche Zielknoten B, werfe alle anderen weg Für jede Verbindung A B: Lese früheste Ankunftszeit am ersten Umsteigebahnhof aus Fahrplan ab Lese früheste Ankunftszeit am zweiten Umsteigebahnhof aus Fahrplan ab... Gebe Verbindung mit frühester Ankunft aus Für Do Hbf Technologiezentrum: Nur 4 Kandidaten Kampstr Wittener Str Universität Dortmund Hbf Dorstfeld Universität TechZentrum 9 / 11
68 Routing mit Transfer Patterns Für eine Anfrage A B mit Startzeit t: Lade Transfer Pattern-Graph für A Suche Zielknoten B, werfe alle anderen weg Für jede Verbindung A B: Lese früheste Ankunftszeit am ersten Umsteigebahnhof aus Fahrplan ab Lese früheste Ankunftszeit am zweiten Umsteigebahnhof aus Fahrplan ab... Gebe Verbindung mit frühester Ankunft aus Für Do Hbf Technologiezentrum: Nur 4 Kandidaten Kampstr Wittener Str Universität Dortmund Hbf Dorstfeld Universität TechZentrum 9 / 11
69 Routing mit Transfer Patterns Für eine Anfrage A B mit Startzeit t: Lade Transfer Pattern-Graph für A Suche Zielknoten B, werfe alle anderen weg Für jede Verbindung A B: Lese früheste Ankunftszeit am ersten Umsteigebahnhof aus Fahrplan ab Lese früheste Ankunftszeit am zweiten Umsteigebahnhof aus Fahrplan ab... Gebe Verbindung mit frühester Ankunft aus Für Do Hbf Technologiezentrum: Nur 4 Kandidaten Kampstr Wittener Str Universität Dortmund Hbf Dorstfeld Universität TechZentrum 9 / 11
70 Routing mit Transfer Patterns Für eine Anfrage A B mit Startzeit t: Lade Transfer Pattern-Graph für A Suche Zielknoten B, werfe alle anderen weg Für jede Verbindung A B: Lese früheste Ankunftszeit am ersten Umsteigebahnhof aus Fahrplan ab Lese früheste Ankunftszeit am zweiten Umsteigebahnhof aus Fahrplan ab... Gebe Verbindung mit frühester Ankunft aus Für Do Hbf Technologiezentrum: Nur 4 Kandidaten Kampstr Wittener Str Universität Dortmund Hbf Dorstfeld Universität TechZentrum 9 / 11
71 Routing mit Transfer Patterns Für eine Anfrage A B mit Startzeit t: Lade Transfer Pattern-Graph für A Suche Zielknoten B, werfe alle anderen weg Für jede Verbindung A B: Lese früheste Ankunftszeit am ersten Umsteigebahnhof aus Fahrplan ab Lese früheste Ankunftszeit am zweiten Umsteigebahnhof aus Fahrplan ab... Gebe Verbindung mit frühester Ankunft aus Für Do Hbf Technologiezentrum: Nur 4 Kandidaten Kampstr Wittener Str Universität Dortmund Hbf Dorstfeld Universität TechZentrum 9 / 11
72 Benchmarks Netz Preprocessing Output Queryzeit Schweiz New York Nordamerika 10 / 11
73 Benchmarks Netz Preprocessing Output Queryzeit Schweiz 4 h New York 64 h Nordamerika 571 h 10 / 11
74 Benchmarks Netz Preprocessing Output Queryzeit Schweiz 4 h 154 MB New York 64 h 786 MB Nordamerika 571 h 7151 MB 10 / 11
75 Benchmarks Netz Preprocessing Output Queryzeit Schweiz 4 h 154 MB 1 ms New York 64 h 786 MB 6 ms Nordamerika 571 h 7151 MB 10 ms 10 / 11
76 Benchmarks Netz Preprocessing Output Queryzeit Schweiz 4 h 154 MB 1 ms New York 64 h 786 MB 6 ms Nordamerika 571 h 7151 MB 10 ms Quelle: [Bas+10] Preprocessing auf 2010er Xeon/Opteron Cluster Query-Messung auf einer Maschine davon, Daten im RAM 10 / 11
77 Benchmarks Netz Preprocessing Output Queryzeit Schweiz 4 h 154 MB 1 ms New York 64 h 786 MB 6 ms Nordamerika 571 h 7151 MB 10 ms Quelle: [Bas+10] Preprocessing auf 2010er Xeon/Opteron Cluster Query-Messung auf einer Maschine davon, Daten im RAM Sehr effizient Alle Graphen passen in den RAM 10 / 11
78 Themen 1 Einleitung 2 Routenberechnung 3 Effiziente Routenberechnung 4 Fazit
79 Fazit / Realitätsabgleich Ein paar Details wurden unterschlagen 11 / 11
80 Fazit / Realitätsabgleich Ein paar Details wurden unterschlagen Teils notwendige, teils optionale Verbesserungen 11 / 11
81 Fazit / Realitätsabgleich Ein paar Details wurden unterschlagen Teils notwendige, teils optionale Verbesserungen Ändern nichts am grundlegenden Prinzip 11 / 11
82 Fazit / Realitätsabgleich Ein paar Details wurden unterschlagen Teils notwendige, teils optionale Verbesserungen Ändern nichts am grundlegenden Prinzip Preprocessing ist weitgehend Brute Force-Ansatz Nicht effizient, aber sehr effektiv 11 / 11
83 Fazit / Realitätsabgleich Ein paar Details wurden unterschlagen Teils notwendige, teils optionale Verbesserungen Ändern nichts am grundlegenden Prinzip Preprocessing ist weitgehend Brute Force-Ansatz Nicht effizient, aber sehr effektiv Und nur einmal pro Fahrplanwechsel nötig 11 / 11
84 Fazit / Realitätsabgleich Ein paar Details wurden unterschlagen Teils notwendige, teils optionale Verbesserungen Ändern nichts am grundlegenden Prinzip Preprocessing ist weitgehend Brute Force-Ansatz Nicht effizient, aber sehr effektiv Und nur einmal pro Fahrplanwechsel nötig Transfer Patterns 2010 schon bei Google Maps im Einsatz 11 / 11
85 Fazit / Realitätsabgleich Ein paar Details wurden unterschlagen Teils notwendige, teils optionale Verbesserungen Ändern nichts am grundlegenden Prinzip Preprocessing ist weitgehend Brute Force-Ansatz Nicht effizient, aber sehr effektiv Und nur einmal pro Fahrplanwechsel nötig Transfer Patterns 2010 schon bei Google Maps im Einsatz Es gibt auch ganz andere Methoden Teils ohne Preprocessing Queryzeiten im Sekundenbereich bei Großstädten 11 / 11
86 Literatur [Bas+10] Hannah Bast u. a. Fast Routing in Very Large Public Transportation Networks Using Transfer Patterns. In: ESA Bd Lecture Notes in Computer Science. Springer Berlin Heidelberg, 2010, S isbn:
Fortgeschrittene Routenplanung. Transportnetzen. Advanced Route Planning in Transportation Networks
Fortgeschrittene Routenplanung in Transportnetzen Advanced Route Planning in Transportation Networks Dissertationsvortrag von Dipl.-Inform. Robert Geisberger 1 KIT Robert Universität Geisberger: des Landes
Routing Algorithmen. Begriffe, Definitionen
Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über
Unterwegs mit Bus und Bahn. Unterwegs in der Stadt. Arbeitsblatt 1 Komplexe Verkehrssituation
Arbeitsblatt 1 Komplexe Verkehrssituation Unterwegs in der Stadt Schau dir die abgebildete Verkehrssituation genau an. Stell dir vor, du stehst vor der Büc herei, dein Freund Max wartet am Kiosk auf dich,
Personalbuslinie CCS Fahrtrichtung Geb Haltestelle Terminal 1 Ost Abfahrtzeiten
00:02 00:04 3 00:08 00:09 00:10 2 00:11 00:11 00:12 Geb. 587 00:13 Geb. 556 00:14 Geb. 555 00:15 1 - intern 00:17 Geb. 520 00:19 Geb. 527 00:20 Geb. 532 00:21 Geb. 534 00:22 Geb. 536 00:23 Geb. 543 00:24
Unterwegs mit Bus und Bahn. Unterwegs in der Stadt. Arbeitsblatt 1 Thema 1: Sicher Bus- und Bahnfahren von Anfang an
Arbeitsblatt 1 Thema 1: Sicher Bus- und Bahnfahren von Anfang an Unterwegs in der Stadt Schau dir die abgebildete Verkehrssituation genau an. Stell dir vor, du stehst vor der Büc herei, dein Freund Max
Unterwegs mit Bus und Bahn
Arbeitsblatt 1 Checkliste zur Haltestelle 1. Wie sieht es an deiner Haltestelle aus? a) Wie heißt die Haltestelle in der Nähe deines Hauses? b) Wie lange bist du von zu Hause bis dort unterwegs? c) Wie
Algorithmen für Routenplanung 11. Vorlesung, Sommersemester 2012 Daniel Delling 6. Juni 2012
Algorithmen für Routenplanung 11. Vorlesung, Sommersemester 2012 Daniel Delling 6. Juni 2012 MICROSOFT RESEARCH SILICON VALLEY KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum
Hilden Solingen und zurück
Tarifzonen (Waben) Tarifzonen (Waben) 370 372 376 374 362 360 332 432 530 746 330 434 430 644 368 356 350 340 Dortmund Bochum Essen Mülheim Duisburg Düsseldorf Hilden Solingen und zurück Reichweite des
Nichtdeterministische Platzklassen
Sommerakademie 2010 Rot an der Rot AG 1: Wieviel Platz brauchen Algorithmen wirklich? Nichtdeterministische Platzklassen Ulf Kulau August 23, 2010 1 Contents 1 Einführung 3 2 Nichtdeterminismus allgemein
Dynamische Programmierung. Problemlösungsstrategie der Informatik
als Problemlösungsstrategie der Informatik und ihre Anwedung in der Diskreten Mathematik und Graphentheorie Fabian Cordt Enisa Metovic Wissenschaftliche Arbeiten und Präsentationen, WS 2010/2011 Gliederung
Algorithmen und Datenstrukturen. Große Übung vom 29.10.09 Nils Schweer
Algorithmen und Datenstrukturen Große Übung vom 29.10.09 Nils Schweer Diese Folien Braucht man nicht abzuschreiben Stehen im Netz unter www.ibr.cs.tu-bs.de/courses/ws0910/aud/index.html Kleine Übungen
Proseminar Online Algorithmen, Prof. Dr. Rolf Klein
Proseminar Online Algorithmen, Prof. Dr. Rolf Klein Vortrag von Michael Daumen am 13.12.2000 Thema : Minimum Spanning Tree und 2-Approximation der TSP-Tour Inhalt des Vortrags : 1. genaue Vorstellung des
Highway Hierarchies. Kristian Dannowski, Matthias Hoeschel
Highway Hierarchies Kristian Dannowski, Matthias Hoeschel Gliederung Einleitung / Bidirektional Dijkstra Intuition / Naive Strategie Konstruktion der Highway Hierarchie Suche in der Highway Hierarchie
Schnelle und genaue Routenplanung
Sanders/Schultes: Routenplanung 1 Schnelle und genaue Routenplanung Peter Sanders Dominik Schultes Institut für Theoretische Informatik Algorithmik II Universität Karlsruhe Uni für Einsteiger, 22. November
4. Kreis- und Wegeprobleme Abstände in Graphen
4. Kreis- und Wegeprobleme Abstände in Graphen Abstände in Graphen Definition 4.4. Es sei G = (V,E) ein Graph. Der Abstand d(v,w) zweier Knoten v,w V ist die minimale Länge eines Weges von v nach w. Falls
MB2-ALG, SS15 Seite 1 Hauptklausur, geschrieben am
MB-ALG, SS1 Seite 1 Hauptklausur, geschrieben am.07.01 Vorname Nachname Matrikel-Nr Diese Klausur ist mein letzter Prüfungsversuch (bitte ankreuzen): Ja Nein Ihre Lösung für Aufgabe 1 können Sie direkt
Wie findet das Navi den Weg?
0.05.0 Verwandte Fragestellungen Problemstellungen aus der Praxis Prof. Dr. Paul Rawiel Gliederung des Vortrags Speicherung von Kartendaten zur Navigation Kriterien für die Navigation Finden des kürzesten
Mit der WESTbahn und der DB nach Deutschland!
Düsseldorf Köln Frankfurt Mit der WESTbahn und der DB nach Deutschland! Stuttgart Ulm Augsburg und noch mehr München Salzburg Attnang-P. Wels Linz Amstetten St.Pölten Hütteldorf Wien Fahrplan Wien - München
Kürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik
Kürzeste Wege in Graphen Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik Gliederung Einleitung Definitionen Algorithmus von Dijkstra Bellmann-Ford Algorithmus Floyd-Warshall Algorithmus
Der naldo-offline-handyfahrplan
Der naldo-offline-handyfahrplan Erste Schritte mit dem neuen naldo-offline-handyfahrplan Bedienungsanleitung Inhaltsverzeichnis: 1. Erster Programmstart 2. Die Programmbedienung 3. Favoriten 4. Meine Fahrten
Kapitel 12: Schnelles Bestimmen der Frequent Itemsets
Einleitung In welchen Situationen ist Apriori teuer, und warum? Kapitel 12: Schnelles Bestimmen der Frequent Itemsets Data Warehousing und Mining 1 Data Warehousing und Mining 2 Schnelles Identifizieren
aktive Netzwerk-Komponenten Repeater Hub Bridge Medienkonverter Switch Router
aktive Netzwerk-Komponenten Repeater Hub Bridge Medienkonverter Switch Router Repeater Repeater (Wiederholer) arbeiten auf der Bitübertragungsschicht und regenerieren den Signalverlauf sowie den Pegel
Offline Reiseplaner für Bahnverbindungen
Institut für Formale Methoden der Informatik Universität Stuttgart Universitätsstraße 38 D 70569 Stuttgart Bachelorarbeit Nr. 00150 Offline Reiseplaner für Bahnverbindungen Patrik Schäfer Studiengang:
Anhang B: Grundsätzliches zur Fahrplangestaltung im Knotensystem
Anhang B: Grundsätzliches zur Fahrplangestaltung im Knotensystem Anhang B1: Grundidee Taktfahrplan Die Grundidee der Bahn 2000 ist das so genannte «Knotensystem». Zur vollen Stunde befinden sich die Züge
Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005. Paradigmen im Algorithmenentwurf
Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005 Paradigmen im Algorithmenentwurf Problemlösen Problem definieren Algorithmus entwerfen
Paderborn / Hamm Düsseldorf. Fahrplanänderungen
Paderborn / Hamm Düsseldorf Fahrplanänderungen RE 3 28.08.2015 (22:05) 31.08.2015 (4:50) RE 1 RE 6 RE 11 Sehr geehrte Fahrgäste, aufgrund von Arbeiten am Bahnübergang kommt es von Freitag, 28.08.2015 (22:05)
Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS
Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS Dezember 007 Dipl.-Ing. Stefan Abu Salah Dipl.-Ing. Achim Marikar QoS (Quality of Service): Sicherstellung der Qualität Zeitkritische
Seminar künstliche Intelligenz
Seminar künstliche Intelligenz Das Kürzeste-Wege-Problem in öffentlichen Verkehrsnetzen Stefan Görlich mi5517 25.05.2005 Inhalt 1. Einleitung 1.1 Problemstellung 3 1.2 Zielsetzung 3 1.3 Die Suche in öffentlichen
Kurzanleitung. die Java-Fahrplanauskunft der KVB in Zusammenarbeit mit der Sparkasse KölnBonn
Kurzanleitung die Java-Fahrplanauskunft der KVB in Zusammenarbeit mit der Sparkasse KölnBonn Übersicht Die Anwendung HandyInfo ermöglicht die Beauskunftung des Nahverkehrnetzes inklusive der Deutschen
Leitstellensimulator goes. OpenStreetMap. Ein Erfahrungsbericht. Serhan Şen LstSim.de. FOSSGIS-Konferenz 2016 Salzburg 5.
Leitstellensimulator goes OpenStreetMap Ein Erfahrungsbericht Serhan Şen LstSim.de FOSSGIS-Konferenz 2016 Salzburg 5. Juli 2016 Übersicht 1. Leitstellensimulator LstSim 2. Verwendete Geodienste 3. Wechsel
7. Algorithmus der Woche Kürzeste Wege Wie komme ich am schnellsten von einem Ort zu einem anderen?
7. Algorithmus der Woche Kürzeste Wege Wie komme ich am schnellsten von einem Ort zu einem anderen? Autor Peter Sanders, Universität Karlsruhe Johannes Singler, Universität Karlsruhe Stephan Kupferer,
Vorlesung 4 BETWEENNESS CENTRALITY
Vorlesung 4 BETWEENNESS CENTRALITY 101 Aufgabe! Szenario: Sie arbeiten bei einem sozialen Online-Netzwerk. Aus der Netzwerk-Struktur Ihrer Benutzer sollen Sie wichtige Eigenschaften extrahieren. [http://www.fahrschule-vatterodt.de/
Kombinatorische Optimierung
Kombinatorische Optimierung Zuweisungsprobleme 2 1 3 5 4 Kombinatorische Optimierung Rucksackpackproblem 1 10 2 4 6 3 5 8 6 Aufspannende Bäume Travelling Salesman VLSI Design C. Kanzow, M. Gerdts Kombinatorische
Messen Sie die Vitalwerte Ihres Betriebes!
Messen Sie die Vitalwerte Ihres Betriebes! Qualitätsmanagement und Betriebsleistungserfassung Qualitätsmanagement leicht gemacht! Die Einführung des Datenfunks als Kommunikationsmittel im ÖPNV ermöglicht
9. Heuristische Suche
9. Heuristische Suche Prof. Dr. Rudolf Kruse University of Magdeburg Faculty of Computer Science Magdeburg, Germany rudolf.kruse@cs.uni-magdeburg.de S Heuristische Suche Idee: Wir nutzen eine (heuristische)
Algorithmen II Vorlesung am
Algorithmen II Vorlesung am 0..0 Minimale Schnitte in Graphen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales Forschungszentrum
Schienenersatzverkehr 06.11.2015 23.11.2015
Marl-Sinsen Recklinghausen Süd RE 2 Schienenersatzverkehr 06.11.2015 23.11.2015 RB 42 Nächte Fr / Sa von 23:10 Uhr bis 1:10 Uhr und Nächte So / Mo von 22:00 Uhr bis 4:00 Uhr Sehr geehrte Fahrgäste, aufgrund
Punktlokalisierung. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 22.05.2012 Nachtrag: Dynamische Bereichsabfragen Letzte Woche: kd-trees und Range-Trees
Bus S 5 S 5 Bus Bus S 5 Bus Bus S 5 Bus Bus S 5 Bus Bus S 5 Bus S 5 Verkehrstage
Dortmund Hbf Witten Hbf S 5 Haltausfälle und Teilausfälle 06.11.2015 (22:00) - 09.11.2015 (4:40) Sehr geehrte Fahrgäste, aufgrund von Gleisarbeiten an der Strecke, kommt es zu Fahrplanänderungen bei den
Ticketkauf im VBB mit der VBB-App Bus&Bahn
Ticketkauf im VBB mit der VBB-App Bus&Bahn Eine App, die alles kann auf Individueller und aktueller Routenplaner Pünktlichkeitsangaben von Bus und Bahn Anzeige der nächstgelegenen Stationen Favoritenfunktion
23. November Betweenness Centrality Closeness Centrality. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 108
23. November 2011 Betweenness Centrality Closeness Centrality H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 108 Betweenness Centrality Grundlegende Idee: Ein Knoten ist wichtig, wenn er auf
Institut für Mathematik Geometrie und Lineare Algebra J. Schönenberger-Deuel. Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien.
Lösungen Übung 13 Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien. a) Strategie 1 (nächster Nachbar): Jedes Mal reist der Reisende vom Punkt, wo er gerade ist, zur nächstgelegenen Stadt,
Ring&Ride Multifunktionales Handy-Ticketing
Oliver Bley 1 2 3 4 5 Motivation Quelle: Braunschweiger Zeitung, 06.08.2005 1 2 3 4 5 Motivation Zielhaltestelle Braunschweig Hbf Berlin Hbf Starthaltestelle 1 2 3 4 5 Grundidee Zielhaltestelle Braunschweig
Maximaler Fluß und minimaler Schnitt. Von Sebastian Thurm sebastian.thurm@student.uni-magedburg.de
Maximaler Fluß und minimaler Schnitt Von Sebastian Thurm sebastian.thurm@student.uni-magedburg.de Maximaler Fluß und minimaler Schnitt Wasist das? Maximaler Fluss Minimaler Schnitt Warumtut man das? Logistische
FÜNF UND DREISSIG JAHRE
FÜNF UND DREISSIG JAHRE VRR verbessert digitale Fahrgastinformation und Online-Services Um Fahrgästen im Verbundraum den Zugang zum Öffentlichen Personennahverkehr und dessen Nutzung zu erleichtern, setzt
AutoSPARQL. Let Users Query Your Knowledge Base
AutoSPARQL Let Users Query Your Knowledge Base Christian Olczak Seminar aus maschinellem Lernen WS 11/12 Fachgebiet Knowledge Engineering Dr. Heiko Paulheim / Frederik Janssen 07.02.2012 Fachbereich Informatik
Übung zur Vorlesung Berechenbarkeit und Komplexität
RWTH Aachen Lehrgebiet Theoretische Informatik Reidl Ries Rossmanith Sanchez Tönnis WS 2012/13 Übungsblatt 9 10.12.2012 Übung zur Vorlesung Berechenbarkeit und Komplexität Aufgabe T20 Beweisen Sie die
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 2009 Grundlagen: Algorithmen und Datenstrukturen Übungsblatt 11 Prof. Dr. Helmut Seidl, S. Pott,
OSRM - weltweites Routing mit OpenStreetMap-Daten OSRM - weltweites Routing mit OpenStreetMap-Daten
OSRM - weltweites Routing mit OpenStreetMap-Daten Jörg Thomsen, MapMedia GmbH, Berlin OSRM: The Open Source Routing Machine High Performance Routing Algorithm. Easy import of OSM data files. Written entirely
VBB-Fahrinfo im neuen Gewand: Noch leichter von A nach B finden
VBB-Fahrplanauskunft VBB-Fahrinfo im neuen Gewand: Noch leichter von A nach B finden Informationen zur neuen VBB-Fahrplanauskunft ab 2. Juli 2012-1 - Liebe Fahrgäste, zusammen mit der neuen VBB-Internetseite
Domain-independent. independent Duplicate Detection. Vortrag von Marko Pilop & Jens Kleine. SE Data Cleansing
SE Data Cleansing Domain-independent independent Duplicate Detection Vortrag von Marko Pilop & Jens Kleine http://www.informatik.hu-berlin.de/~pilop/didd.pdf {pilop jkleine}@informatik.hu-berlin.de 1.0
Stadt Beschreibung (Deutsch) Beschreibungstext
Stadt Beschreibung (Deutsch) Beschreibungstext Augsburg Fernbushaltestelle Biberbachstraße, 86154 Augsburg Die Haltestelle des ADAC Postbusses befindet sich am nördlichen Rand Augsburgs im Stadtteil Oberhausen
Wangerooge Fahrplan 2016
Fahrplan Dezember 2015 Januar Januar Januar Februar Februar März So, 13.12. 10.15 11.00 12.45 12.30 13.45 14.20 Mo, 14.12. 11.30 13.00 15.30 Di, 15.12. 12.30 13.05 14.45 13.30 15.00 Mi, 16.12. 14.45 16.00
Schön, wenn man immer auf den Fahrplan zugreifen kann.
Schön, wenn man immer auf den Fahrplan zugreifen kann. Die Elektronische Fahrplanauskunft EFA per Internet, Handy und Smartphone Dezember 2011 S-Bahn U-Bahn Bus Tram www.mvv-muenchen.de Auskunft auf Schritt
Wangerooge Fahrplan 2015 Fahrzeit Tidebus 50 Minuten, Schiff und Inselbahn ca. 90 Minuten.
Fahrplan Dezember 2014 Januar Januar Februar Februar März März Sa, 27.12. 12.30 13.30 11.30 13.30 16.00 14.00 15.45 15.30 16.30 16.50 So, 28.12. 12.30 14.15 12.15 14.30 15.30 16.45 14.45 16.30 17.15 17.35
Programmierung 2. Dynamische Programmierung. Sebastian Hack. Klaas Boesche. Sommersemester 2012. hack@cs.uni-saarland.de. boesche@cs.uni-saarland.
1 Programmierung 2 Dynamische Programmierung Sebastian Hack hack@cs.uni-saarland.de Klaas Boesche boesche@cs.uni-saarland.de Sommersemester 2012 2 Übersicht Stammt aus den Zeiten als mit Programmierung
Routing und Visualisierung im individuellen ÖPNV
387 Routing und Visualisierung im individuellen ÖPNV Daniel MAIER Zusammenfassung Im vorliegenden Beitrag wird die Entwicklung eines webbasierten Informationssystems für den ÖPNV beschrieben. Dazu wird
Konzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
Web Data Management Systeme
Web Data Management Systeme Seminar: Web-Qualitätsmanagement Arne Frenkel Agenda Einführung Suchsysteme Suchmaschinen & Meta-Suchmaschinen W3QS WebSQL WebLog Information Integration Systems Ariadne TSIMMIS
Wer Wird Millionär? Ganz wichtig: Denkt daran in regelmäßigen Abständen zu speichern! Los geht s:
Wer Wird Millionär? In dieser Aufgabe werdet ihr mit DialogOS eure eigene Version der Quizshow Wer wird Millionär (WWM) entwickeln. Der Computer ist der Quizmaster und der User der Kandidat. Ihr werdet
MASTER THESIS. Ontology-Based Route Queries with Time Windows. Tobias Faaß. 17. Juni 2015
MASTER THESIS Ontology-Based Route Queries with Time Windows 17. Juni 2015 Tobias Faaß Albert-Ludwigs-Universität Freiburg im Breisgau Technische Fakultät Institut für Informatik GLIEDERUNG 1. Einführung
Automatisierte Erstellung von fahrplanreferenzierten ÖV-Netzen. Patrick Brosi, Uli Müller
Automatisierte Erstellung von fahrplanreferenzierten ÖV-Netzen Patrick Brosi, Uli Müller Anwendungen auf Basis von Open Source (GIS) Software mit Schwerpunkt im öv- und Infrastruktur-Bereich Fachapplikationen
Die neue Linie 5 Fahrplan. Weinheim Viernheim Mannheim Heidelberg Weinheim
Die neue Linie Fahrpl Weinheim Viernheim Mnheim Heidelberg Weinheim Bitte einsteigen! Sehr geehrte Fahrgäste, mit Abschluss des Zweigleisigen Ausbaus bietet die RNVLinie noch mehr Service der Bergstraße:
Netzsicherheit I, WS 2008/2009 Übung 6. Prof. Dr. Jörg Schwenk
Netzsicherheit I, WS 2008/2009 Übung 6 Prof. Dr. Jörg Schwenk 18.11.2008 Aufgabe 1 1 Wörterbuchangriffe Ein System speichert Passworte als 160 Bit Hashwerte. Betrachten Sie einen Wörterbuchangriff mit
Nutzungsverhalten des ÖPNV (Frage 1 bis 3 sind bei dem Kundenbarometer und der Nicht-Nutzerbefragung gleich.)
Nutzungsverhalten des ÖPNV (Frage 1 bis 3 sind bei dem Kundenbarometer und der Nicht-Nutzerbefragung gleich.) 1. Wie häufig nutzen Sie den öffentlichen Nahverkehr (ÖPNV)? (Bei Beantwortung der ersten drei
Kombinatorische Optimierung
Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesung 4 Programm des
Algorithmus zum Graphen-Matching. und. Anwendung zur inhaltsbasierten Bildersuche
Algorithmus zum Graphen-Matching und Anwendung zur inhaltsbasierten Bildersuche Gliederung 1. Einführung 2. Algorithmus Beschreibung Beispiel Laufzeit 3. Anwendung des Algorithmus Seite 1 von 18 1. Einführung
Lernumgebung für das Travelling Salesman Problem. Bedienungsanleitung. Projekt im Sommersemester 2016 Betreuer: Prof. Dr.
Lernumgebung für das Travelling Salesman Problem Bedienungsanleitung Projekt im Sommersemester 2016 Betreuer: Prof. Dr. Peter Klutke Alexander Kirijatov (286925), Andreas Peter (266601), Benjamin Heckel
Wien Hauptbahnhof neue Mobilität im Zentrum Wiens Dietmar Pfeiler, Michael Fröhlich
Wien Hauptbahnhof neue Mobilität im Zentrum Wiens 9.11.2015 Dietmar Pfeiler, Michael Fröhlich WIEN HAUPTBAHNHOF Die neue Mobilitätsdrehscheibe im Herzen Europas Einfacher Alle Fernzüge verkehren ab/bis
Algorithmen für schwierige Probleme
Algorithmen für schwierige Probleme Britta Dorn Wintersemester 2011/12 30. November 2011 Wiederholung Baumzerlegung G = (V, E) Eine Baumzerlegung von G ist ein Paar {X i i V T }, T, wobei T Baum mit Knotenmenge
Gemeinsame Pressemitteilung
Gemeinsame Pressemitteilung Verkehrsverbund Bremen/Niedersachsen Weser-Ems Busverkehr GmbH Zweckverband Verkehrsverbund Bremen/Niederachsen (ZVBN) Verbessertes Informationsportal FahrPlaner im Verkehrsverbund
Compumaus Computerschule Brühl Internet Explorer
Inhalt Compumaus Computerschule Brühl Der... 1, Internetadressen(URL)... 1 Aufbau von Internetadressen... 2 Einstellungen... 3 Startseiten festlegen (mehre TABs möglich)... 3 Seite einrichten... 4 Drucken
Hagen Wuppertal Düsseldorf Neuss Mönchengladbach Schienenersatzverkehr Wuppertal-Vohwinkel Wuppertal Hbf
Zugnummer 31835 31837 31839 31851 31853 31845 31847 Verkehrstage TGL TGL TGL Fr + Sa Fr + Sa TGL Sa + So Mönchengladbach Hbf 21:24 21:54 22:24 22:54 23:54 0:54 1:54 Düsseldorf Hbf 22:00 22:30 23:00 23:30
Algorithmen für Routenplanung 15. Vorlesung, Sommersemester 2012 Daniel Delling 20. Juni 2012
Algorithmen für Routenplanung 15. Vorlesung, Sommersemester 2012 Daniel Delling 20. Juni 2012 MICROSOFT RESEARCH SILICON VALLEY KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum
VON GRUND AUF RICHTIG AUFBAUEN
EIN RICHTIG SKALIERTES NETZ VON GRUND AUF RICHTIG AUFBAUEN Oft braucht man ein kleines Netz, um eine Funktionalität auszutesten, schnell mal eben eine Abschätzung zu berechnen oder als Ergänzung zu einem
Integrierter Taktfahrplan 2025 als Wachstumsmotor für Regionalbahnen. Klaus Garstenauer Regionalbahntag Perg,
Integrierter Taktfahrplan 2025 als Wachstumsmotor für Regionalbahnen Klaus Garstenauer Regionalbahntag Perg, 16.09.2013 Inhalt 1. Integrierter Taktfahrplan 2025 2. Neuigkeiten für Regionalbahnen 16.9.2013
Traveling Salesman Problem (TSP)
Traveling Salesman Problem (TSP) Das Traveling Salesman Problem (TSP) ist ein bekanntes Optimierungsproblem. Ein Handlungsreisender soll in einer Rundreise (auch Tour genannt) n vorgegebene Städte besuchen.
Smartmove-Fragebogen. Starkes Angebot Bahn und Bus im Landkreis Wittenberg!
Smartmove-Fragebogen Starkes Angebot Bahn und Bus im Landkreis Wittenberg! Wo befindet sich die nächste Haltestelle? Wann fährt der nächste Linien- oder Anrufbus? Und wie viel kostet eigentlich ein Ticket?
Klassenausflug mit Bus und Bahn
3.2 Die Fahrt geht los Allgemeine Informationen Bei Klassenausflügen werden oft verschiedene Verkehrsmittel benutzt. So startet ein Klassenausflug häufig am nächstgelegenen Bahnhof mit einem Zug des Nahverkehrs,
Fortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Dr. Hanjo Täubig Lehrstuhl für Eziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester 2007/08
Universität des Saarlandes
Universität des Saarlandes FR 6.2 Informatik Prof. Dr. Kurt Mehlhorn WiSe 2015/2016 Übungen zu Ideen der Informatik http://www.mpi-inf.mpg.de/departments/algorithms-complexity/teaching/winter15/ideen/
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 186.172 Algorithmen und Datenstrukturen 1 VL 4.0 Übungsblatt 4 für die Übung
Lernmodul 2 Graphen. Lernmodul 2: Geoobjekte und ihre Modellierung - Graphen
Folie 1 von 20 Lernmodul 2 Graphen Folie 2 von 20 Graphen Übersicht Motivation Ungerichteter Graph Gerichteter Graph Inzidenz, Adjazenz, Grad Pfad, Zyklus Zusammenhang, Trennende Kante, Trennender Knoten
Fortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
Stadt Witten: Linienübersicht Entwicklungskonzept
1 Stadt Witten: nübersicht nnetzkonzept SPNV RE 4 Dortmund Witten Hagen Ennepetal Schwelm Wuppertal Düsseldorf Neuss Mönchengladbach Aachen RE 4 Dortmund Witten Wetter Hagen Ennepetal Schwelm Wuppertal
Internet Routing am 14. 11. 2006 mit Lösungen
Wissenstandsprüfung zur Vorlesung Internet Routing am 14. 11. 2006 mit Lösungen Beachten Sie bitte folgende Hinweise! Dieser Test ist freiwillig und geht in keiner Weise in die Prüfungsnote ein!!! Dieser
Wir verbinden Europa! Jahre Eurolines. Österreich Ungarn. oneway nach Wien. Gültig vom 01. April 2016 31. Oktober 2016. www.eurolines.
Wir verbinden Europa! 3 Jahre Eurolines Österreich Ungarn 19 ab oneway nach Wien Gültig vom 01. April 2016 31. Oktober 2016 FAHRPLAN ÖSTERREICH Legende und Zeichenerklärung ➊ ➍ TXXX Deutschland - Zielland
1. Einleitung wichtige Begriffe
1. Einleitung wichtige Begriffe Da sich meine besondere Lernleistung mit dem graziösen Färben (bzw. Nummerieren) von Graphen (speziell von Bäumen), einem Teilgebiet der Graphentheorie, beschäftigt, und
Übung 5: Transport. Rechnernetze. Wintersemester 2014/ Allgemeine TCP Verständnisfragen
Wintersemester 2014/2015 Rechnernetze Universität Paderborn Fachgebiet Rechnernetze Übung 5: Transport 1. Allgemeine TCP Verständnisfragen (a) TCP ermöglicht einem Empfänger, die maximum segment size (MSS),
Teil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29
1 29 Teil III: Routing - Inhalt I Literatur Compass & Face Routing Bounded & Adaptive Face Routing Nicht Ω(1) UDG E. Kranakis, H. Singh und Jorge Urrutia: Compass Routing on Geometric Networks. Canadian
Rechnernetze I. Rechnernetze I. 1 Einführung SS 2014. Universität Siegen rolanda.dwismuellera@duni-siegena.de Tel.: 0271/740-4050, Büro: H-B 8404
Rechnernetze I SS 2014 Universität Siegen rolanda.dwismuellera@duni-siegena.de Tel.: 0271/740-4050, Büro: H-B 8404 Stand: 9. Mai 2014 Betriebssysteme / verteilte Systeme Rechnernetze I (1/10) i Rechnernetze
Adressauflösung. IP Adresse Physikalische Adresse 128.96.34.1 57:FF:AA:36:AB:11 128.96.34.16 85:48:A4:28:AA:18
Adressauflösung IP Adresse Physikalische Adresse 128.96.34.1 57:FF:AA:36:AB:11 128.96.34.16 85:48:A4:28:AA:18 IP Adresse Physikalische Adresse 128.96.34.15??? 128.96.34.16 85:48:A4:28:AA:18 128.96.34.15
Datum: Erasmus+ Name: There s something new under the sun
1. Die verschiedenen Uhren: Kannst du mit Hilfe der Beschreibungen die verschiedenen Uhren erkennen? Schreibe den Namen der Uhr oben in das Kästchen! Die Sanduhr Die Armbanduhr Die Sonnenuhr Die Stoppuhr
Internet-Suchmaschinen Ein kurzes Exposee zu drei wichtigen Informationsseiten im Internet. 04.03.2012 Computeria Rorschach Roland Liebing
Internet-Suchmaschinen Ein kurzes Exposee zu drei wichtigen Informationsseiten im Internet 04.03.2012 Computeria Rorschach Roland Liebing Internet-Suchmaschinen Eine Suchmaschine ist ein Programm zur Recherche
Prüfungsklausur Operations Research,
HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research, 10.7.2008 A Name, Vorname Matr. Nr. Aufgabe 1 : In drei Porzellanwerken W 1, W 2 und W 3 werden Speiseservice hergestellt,
Datenstrukturen und Algorithmen. Christian Sohler FG Algorithmen & Komplexität
Datenstrukturen und Algorithmen Christian Sohler FG Algorithmen & Komplexität 1 Clustering: Partitioniere Objektmenge in Gruppen(Cluster), so dass sich Objekte in einer Gruppe ähnlich sind und Objekte
Universität für Bodenkultur Wien (BOKU), Institut für Sicherheits- und Risikowissenschaften
Energie MindMap (Resource ID: 187) Markus Drapalik Universität für Bodenkultur Wien (BOKU), Institut für Sicherheits- und Risikowissenschaften http://sustainicum-platform-new.allafine.com/en/modules/view/187.energie-
Kodieren Von Graphen
Kodieren Von Graphen Allgemeine Anwendungen: Routenplaner Netzpläne Elektrische Schaltungen Gebäudeerkennung aus Luftaufnahmen Definitionen:? Graph Ein Graph G besteht aus einem geordneten Paar G = (V,E)
Ticketkauf im VBB mit der VBB-App Bus&Bahn
Ticketkauf im VBB mit der VBB-App Bus&Bahn Eine App, die alles kann auf Individueller und aktueller Routenplaner Pünktlichkeitsangaben von Bus und Bahn Anzeige der nächstgelegenen Stationen Favoritenfunktion
Klausur Informatik B April Teil I: Informatik 3
Informatik 3 Seite 1 von 8 Klausur Informatik B April 1998 Teil I: Informatik 3 Informatik 3 Seite 2 von 8 Aufgabe 1: Fragekatalog (gesamt 5 ) Beantworten Sie folgende Fragen kurz in ein oder zwei Sätzen.