“这并不难看出来。”
对上许志远那带着些诧异疑惑的目光，韩川轻轻笑了笑，开口解释道。
“因为与普通的分层结构相比，基于公共交通系统建立的分层绕不开换乘枢纽。”
“你刚才说用协调参数来处理交叉变量，这在交通流量那道题里是可以的。”
“因为交通流量那道题的交叉变量只有一对一的耦合，第一层的区域A和第二层的区域B共享一条道路。一对一的耦合，协调参数就够了。”
“但更复杂的公交-地铁-步行立体线路很难。”
说着，他指了指屏幕上的公交系统网络示意图。
“一个换乘枢纽在很多时候会对应多条线路，它不仅可能是骨干层，还可能是支线层，甚至连入接驳层都是可能的。”
“就比如西直门、东直门这些站点，它们不仅交通流量巨大，而且还连接了多个不同分层，不同结构的路线。”
“在分层框架里，这种被多个层共享的节点，就是交叉变量。”
“普通的协调参数是很难处理这种复杂的共享关系的。你在用协调参数迭代的时候，会同时收到来自几十条线路的更新信号，这些信号互相冲突，协调参数很难进行同时处理。”
“所以你即便是通过分层结构来在一定程度上分离了不同线路的数据，但在涉及到换乘枢纽的时候，传统的方法依旧很难甚至是无法处理这个问题。”
听完韩川的解释，许志远盯着屏幕上的网络示意图思索了起来：“如果不用协调参数的话，这里能用什么方法解决这种多对多的耦合数据？”
的确，在构建模型和代码的时候，出现的问题正如韩川所说的一样，在计算这些换乘枢纽的时候，数据量过于庞大难以通过协调参数处理。
韩川想了下，从桌上拿过一张空白的稿纸，在上面画了一个对应的分层图层。
不过相对比许志远在电脑上建立的多层结构来说，他画的图层要多一个新的结构。
将纸张递了过去，他开口道：“我觉得可以把这些交叉变量，也就是换乘枢纽统一归到一个独立的层级里去处理。”
“这个层级不负责任何具体的公交线路优化，只做一件事，汇总所有层对同一个换乘枢纽的使用需求，然后通过算法进行统一分配。”
“这样一来，整套交通系统就可以并行两种不同的算法。”
“你设置的骨干层、支线层、接驳层在求解自己的线路优化
本章未完，请点击下一页继续阅读！