一、任务描述

1.用户需求分析

在 COVID19 疫情的影响下，人们乘坐交通工具出行的健康风险大大增加。这些风险来自不同的交通工具和城市环境，并且不同的交通工具和城市都会有不同的风险程度。对于人们来说，出行时综合考虑时间，城市风险，交通工具风险，以及交通时刻表是一个很复杂的问题。“COVID19 疫情下的低风险旅行模拟系统”是针对这个问题的解决方案。

2.基础功能描述

城市之间有各种交通工具（汽车、火车和飞机）相连，有些城市之间无法直达，需要途径中转城市。某旅客于某一时刻向系统提出旅行要求。考虑在当前COVID19 疫情环境下，各个城市的风险程度不一样，分为低风险、中风险和高风险三种。系统根据风险评估，为该旅客设计一条符合旅行策略的旅行线路并输出；系统能查询当前时刻旅客所处的地点和状态（停留城市/所在交通工具）。

二、功能需求说明及分析

城市总数不少于 10 个，为不同城市设置不同的单位时间风险值：低风险城市为 0.2；中风险城市为 0.5；高风险城市为 0.9。各种不同的风险城市分布要比较均匀，个数均不得小于 3 个。旅客在某城市停留风险计算公式为：旅客在某城市停留的风险=该城市单位时间风险值*停留时间。建立汽车、火车和飞机的时刻表（航班表），假设各种交通工具均为起点到终点的直达，中途无经停。

不能太简单，城市之间不能总只是 1 班车次；

整个系统中航班数不得超过 10 个，火车不得超过 30 列次；汽车班次无限制；

旅客的要求包括：起点、终点和选择的低风险旅行策略。其中，低风险旅行策略包括：

最少风险策略：无时间限制，风险最少即可

限时最少风险策略：在规定的时间内风险最少

旅行模拟系统以时间为轴向前推移，每 10 秒左右向前推进 1 个小时(非查询状态的请求不计时，即：有鼠标和键盘输入时系统不计时)；

不考虑城市内换乘交通工具所需时间

系统时间精确到小时

建立日志文件，对旅客状态变化和键入等信息进行记录

选做一：用图形绘制地图，并在地图上实时反映出旅客的旅行过程。

选做二：为不同交通工具设置不同单位时间风险值，交通工具单位时间风险值分别为：

汽车=2；火车=5；飞机=9。

将乘坐交通工具的风险考虑进来，实现前述最少风险策略和限时风险最少策略。

三、总体方案设计说明

1.软件开发环境

Qt 版本号 5.12.8 msvc2017 x64 Visual studio 2019 C++ Windows10

2.总体结构

2.1总体结构图

2.2 总体结构说明

程序结构使用面向对象的思想设计，整个程序是一个窗口对象，该对象主要包括 UI 界面，用户对象，交通系统对象，以及时钟四个部分。这四个部分中只有UI 界面是用户可以直接操作的。系统接收两个输入，一个是来自用户的输入，由 UI 组件接收；一个是程序内部时钟信号的输入。用户对象和交通系统对象为前端 UI 界面组件提供各种信息，UI 组件接收到输入后对用户和交通系统进行修改。

2.3模块划分

2.3.1类设计

2.3.2文件模块与包含关系

四、数据结构说明和数据字典

1 交通相关的数据结构说明和字典

此处的设计考虑多个方面的因素，在保证时刻表的复杂性，合理性的前提下，根据现实情况进行适当的简化以提高灵活度和减少手工工作量。在此模拟系统中，每 24 小时的时刻表都相同，该时刻表基于给定的某些参数随机生成（详情见5.2.3.3），实际运行中通过一些巧妙的算法同步时间日期，最终使模拟系统可以以无限的时间日期运行。

1.1航班/车次Transport

是计划表/时刻表中最基本的单位，表示两个城市之间直达的一次航班/车次。时刻表/计划表: 一个元素为 Transport 的数组：vector 。

城市 City

系统中的城市信息表只有一个，作为 TransSystem 类的私有成员变量m_cityList，在该类的构造函数中初始化，可以使用该类封装的 GetCityList()方法获，不可修改。在系统中，城市都用唯一的编号表示，需要获取信息时才从城市信息表中获取。

城市距离表：二维数组：vector >

系统中的城市距离图只有一个, 作为 TransSystem 类的私有成员变量m_distMap,在该类的构造函数中初始化，没有提供外部接口，在该类中直接使用。使用 m_distMap[srcIndex][destIndex]获取编号为 srcIndex 和 destIndex 的城市之间的距离。

*时刻表：三维数组：vector<vector >

Vehicle::Type 本质上是一个 unsigned char 类型,即 8bit 的空间。每一个交通方式使用一个标志位表示，飞机，火车，汽车的标志位分别为低 1、2、3 位，其值作为静态常量存储在 Vehicle 类中。使用 m_timeTable [srcIndex][destIndex][time]可以获取从编号为 srcIndex 到 destIndex 的城市之间第 time 小时发车的所有直达交通工具。判断是否有某种交通工具的方法是与运算：if (m_timeTable[i][j][t] & Vehicle::plane)。

1.2 交通系统数据说明

1.3 用户数据说明

五、各模块(类)设计说明

1.User.c (User 类)

用户类，包含用户数据以及对用户数据的操作。

1.1 成员变量介绍 (见 4.2)

1.2 成员函数介绍

1.3 用户状态机

2.Transport.c

2.1Vehicle 类

该类只提供静态方法和静态常量，并不用于构造对象。该类的作用是提供关于各种交通工具的类型和信息。车辆的属性包括名字，固定的发车间隔，单位距离需要的时间，每小时风险值。

2.2 City 类: 见 4.1.2

2.3TransSystem 类

交通系统类，包含整个系统的客观环境信息，包括城市列表，距离表，时刻表，时间，日期等信息。内置算法模块提供计算最佳路径的接口，提供同步时间日期的接口。

2.3.1成员变量介绍(见 4.1.5)

2.3.2 成员函数介绍

2.3.3 时刻表生成算法介绍

生成 4.1.4 中所述的时刻表，需要用到的参数有：交通工具及其属性(5.2.1)，城市距离表(4.1.3)，以及一个增加一个辅助的二维数组 m_transMap, 元素类型为Vehicle::Type,即交通工具类型。m_transMap[srcIndex][destIndex]表示从城市 srcIndex 到 destIndex 是否存在直达航班。

在介绍该算法前，先声明几个假设条件：

每天(24 小时)的时刻表完全相同。

每种交通工具拥有固定的发车间隔。

对于每个城市来说，只有拥有某一种交通工具，那么他们每天的发车间隔、发车次数相同，只有时间不同，该时间由模拟程序随机生成。

算法描述: （伪代码）

2.3.4寻找最低风险算法介绍

该算法使用 DFS 算法，目的是找到一个最小风险的 transport 序列。设停留在城市C 的单位时间的风险为 R[c], 交通工具v 的单位时间风险是R[v], 第i 个transport 为 T[i]

选择第i 个transport 的总风险函数如下:

不考虑交通工具风险。

() = ( 1) + ([]. [ 1]. ) []

考虑交通工具风险。

() = ( 1) + ([]. [ 1]. ) [] + []. []

以上公式构成了 DFS 的基本框架，接下来介绍剪枝策略：

由于每 24 小时的车次相同，所以当 ([]. [ 1]. ) > 23

时不再往下搜索。

累积风险超过当前最优解的风险时，不再往下搜索。

当用户选择限时策略时，累计时间超过用户期望到达时间则不再往下搜索。

当用户选择不允许重复访问策略时，如果当前 transport 的终点已访问过，则不再往下搜索。

算法伪代码和描述如下：以“限时最小风险，允许重复访问”策略为例

详细代码和注释见TransSystem 中 a_开头的成员。

UI 模块。

UI 模块包括用代码写的 MainWindow.h 主窗口模块，MapCanvas.h 地图动画模块，TransportFrame.h 车票模块，用 Qt designer 设计生成的 MainWindow.ui 主窗口模块， SettingWindow.ui 设置窗口模块， TransportFrame.ui 车票模块， MapCanvas 地图模块。由于时间原因，繁琐的 ui 界面难以逐一介绍，用户交互逻辑和界面布局请查阅下文的用户使用说明，成员变量和成员函数请查阅 3.31 的UML 类图。详细代码和注释请查阅源文件。

六、范例执行结果及测试情况说明

当前软件内置的城市列表数组如下：

城市	成都	西安	太原	北京	沈阳	长沙
编号	0	1	2	3	4	5
城市	武汉	合肥	济南	广州	福州	杭州
编号	6	7	8	9	10	11

当前软件内置的城市距离图如下：

	成都	西安	太原	北京	沈阳	长沙	武汉	合肥	济南	广州	福州	杭州
成都	0	2	4	5	7	3	3	4	5	5	6	6
西安	2	0	2	3	5	3	2	3	4	5	5	5
太原	4	2	0	2	3	4	3	3	2	6	5	4
北京	5	3	2	0	2	5	4	3	2	6	5	4
沈阳	7	5	3	2	0	6	5	4	2	7	6	5
长沙	3	3	4	5	6	0	1	4	4	2	2	3
武汉	3	2	3	4	5	1	0	1	3	2	2	2
合肥	4	3	3	3	4	4	1	0	2	3	2	1
济南	5	4	2	2	2	4	3	2	0	5	4	3
广州	5	5	6	6	7	2	2	3	5	0	2	3
福州	6	5	5	5	6	2	2	2	4	2	0	1
杭州	6	5	4	4	5	3	2	1	3	3	1	0

当前交通工具属性如下：

名字	代码	发车间隔	单位里程的时间	风险值
飞机	0x04	12	1	9
火车	0x02	8	2	5
汽车	0x01	6	4	2

当前 m_transMap(表示两座城市间存在的交通方式的标志位)如下：

	成都	西安	太原	北京	沈阳	长沙	武汉	合肥	济南	广州	福州	杭州
成都	0	1	0	4	0	0	2	0	0	4	0	0
西安	1	0	1	0	0	0	1	0	0	0	0	0
太原	0	1	0	1	0	0	2	0	2	0	0	0
北京	0	0	1	0	1	0	0	0	1	4	0	0
沈阳	0	0	0	1	0	0	0	0	0	0	0	0
长沙	0	0	0	0	0	0	1	0	0	1	0	0
武汉	2	1	2	0	0	1	0	1	0	0	2	0
合肥	0	0	0	0	0	0	1	0	0	0	0	1
济南	0	0	2	1	0	0	0	0	0	0	0	2
广州	4	0	0	4	0	1	0	0	0	0	1	0
福州	0	0	0	0	0	0	2	0	0	1	0	1
杭州	0	0	0	0	0	0	0	1	2	0	1	0

该表格可视化草图如下：黄色，绿色，紫色分别表示飞机，火车，汽车。

测试方法和测试结果

由于城市数量有限，且每 24 小时的时刻表相同，所以我们可以规律的方法测试完几乎所有情况。对于任意源和目的地的组合(共 12*11 种), 使用所有可选的策略组合，设置起始时间为 0 到 23 的所有时间，对最优解进行搜索。

测试结果：所有样例通过测试，算法可以立刻响应生成结果。

七、评价和改进意见

个人对这一次的大作业比较满意，代码有着良好的命名，较为良好的面向对象设计，以及很好的扩展性能和易读性。算法设计也兼顾了灵活和效率，拥有良好的鲁棒性，可供用户自由设置。课程设计要求的任务已经全部完成。

所有的不足都来自扩展部分，原本计划完成的一些功能因为时间问题没有完成，以至于该模拟程序离商用程序还有不小的差距。如：没有完成更随机的时刻表生成算法，没有完成软件内部的用户操作教程，没有完成可动态缩放、可后台增删城市的地图。并且，对于设计模式不熟悉导致了对一些类的设计一再改动，这些都是需要改进的地方。