في عالم تتزايد فيه الحاجة لتحسين نظم النقل العام، ظهرت خوارزميات RAPTOR كأفضل الخيارات في العثور على المسارات مع نقل غير محدود دون الحاجة للمعالجة المسبقة. لكن، مع تطور أبحاث التوجيه، تخطت الحلول المعتمدة على خوارزمية ديكسترا، ما دعا بعض الباحثين للعودة إلى هذه الخوارزمية الكلاسيكية وتحسينها.

في ورقة بحثية جديدة، تم تسليط الضوء على كيفية تفوق خوارزمية Time-Dependent Dijkstra (TD-Dijkstra) على أفضل الحلول السابقة. رغم ذلك، يعتمد تطبيق TD-Dijkstra الفعال على فلترة الاتصالات المهيمنة، وهو افتراض يتعلق بقدرة الركاب على الانتقال دوماً إلى اتصالات أسرع. ولكن، ماذا يحدث عندما تتضمن المحطات أوقات انتظارية؟

يظهر البحث أن هذا النوع من الفلترة غير موثوق عند وجود أوقات انتظار، حيث لا يمكن التمييز بين الركاب الذين يمكنهم الاستمرار في الجلوس وبين أولئك الذين يحتاجون إلى الانتقال والانتظار.

للتغلب على هذه العقبة، قام الباحثون بتقديم خوارزمية Transfer Aware Dijkstra (TAD)، التي تتضمن مسحاً شاملاً لسلاسل الرحلات بدلاً من الاهتمام بالحواف الفردية. هذا التعديل يضمن التعامل السليم مع أوقات الانتظار مع الحفاظ على تحسين الأداء مقارنةً بالخوارزميات السابقة.

أظهرت التجارب على شبكات لندن وسويسرا أنّ هذه الخوارزمية الجديدة تحقق سرعة تزيد عن الضعف مقارنةً بالخوارزميات التقليدية، مع الحصول على نتائج مثالية في كلا الشبكتين سواءً مع أو دون أوقات انتظار. حان الوقت لتبني هذه الابتكارات في تحسين نظم النقل العام.