Проєктування та розробка веборієнтованої інформаційної системи для реалізації алгоритму пошуку маршрутів із пересадками

А.О. Берник; Т.О. Гришанович; Ю.С. Павленко; Л.Я. Глинчук

doi:10.36910/6775-2524-0560-2026-63-09

А.О. Берник
Т.О. Гришанович https://orcid.org/0000-0002-3595-6964
Ю.С. Павленко https://orcid.org/0000-0002-4065-045X
Л.Я. Глинчук https://orcid.org/0000-0002-8943-9604

DOI: https://doi.org/10.36910/6775-2524-0560-2026-63-09

Ключові слова: маршрут, пошук маршрутів, веборієнтована система, алгоритми маршрутизації, інформаційна система, проєктування інформаційних систем, оптимізація маршрутів

Анотація

пересадками. У статті розглянуто задачу пошуку оптимальних маршрутів у транспортних мережах із урахуванням пересадок, часових обмежень та особливостей розкладів руху. Актуальність дослідження зумовлена зростанням складності транспортних систем і потребою у швидкому та зручному підборі маршрутів у веборієнтованих інформаційних сервісах. Запропоновано програмну реалізацію алгоритму пошуку маршрутів, який дозволяє знаходити як прямі сполучення, так і маршрути з однією пересадкою з урахуванням мінімального та максимального часу очікування між рейсами. Особливу увагу приділено коректній обробці часових параметрів, зокрема переходу через межі доби, що забезпечує формування реалістичних варіантів поїздок. Розроблено веборієнтовану інформаційну систему для продажу та обліку залізничних квитків, побудовану на основі архітектурного шаблону MVT із використанням фреймворку Django. Система реалізує повний цикл взаємодії з користувачем: пошук маршрутів, перевірку наявності місць, бронювання та оплату квитків, а також підтримує багаторівневу систему доступу. Проведене тестування підтвердило коректність роботи алгоритму як для прямих маршрутів, так і для маршрутів із пересадками, включаючи граничні випадки. Отримані результати демонструють ефективність запропонованого підходу та доцільність його використання у сучасних транспортних інформаційних системах.

Посилання

1. Доля К. В. Моделювання та прогнозування потоків пасажирів у мультимодальних маршрутних системах з урахуванням пересадок і надійності розкладів. Central Ukrainian Scientific Bulletin Technical Sciences. 2026. № 13(44). С. 382–389. URL: https://doi.org/10.32515/2664-262x.2026.13(44).382-389.
2. Basu, A., Raja, B., Gracious, R., & Vanajakshi, L. Dynamic trip planner for public transport using genetic algorithm. Transport. 2020. 35(2), P. 156-167. https://doi.org/10.3846/transport.2020.12477.
3. Bożejko W., Grymin R., Pempera J. Scheduling and Routing Algorithms for Rail Freight Transportation. Procedia Engineering. 2017. Vol. 178. P. 206–212. URL: https://doi.org/10.1016/j.proeng.2017.01.098.
4. Chu, KF., Guo, W. Deep reinforcement learning of passenger behavior in multimodal journey planning with proportional fairness. Neural Comput & Applic 35, 20221–20240 (2023). https://doi.org/10.1007/s00521-023-08733-4
5. Delling D., Pajor T., Werneck R. F. Round-Based Public Transit Routing. Transportation Science. 2015. Vol. 49, no. 3. P. 591–604. URL: https://doi.org/10.1287/trsc.2014.0534.