81 lines
3.5 KiB
Markdown
81 lines
3.5 KiB
Markdown
# GTFS-Build-Notizen (aus echtem Lauf 2026-08, Urlaub-Webseite)
|
|
|
|
Konkrete SQL/Schema/Logik, die in dieser Session verifiziert funktioniert haben.
|
|
|
|
## SQLite-Schema (eine DB, 3 Tabellen + Indizes)
|
|
|
|
```sql
|
|
CREATE TABLE stops(stop_id TEXT PRIMARY KEY, stop_name TEXT, stop_lat REAL, stop_lon REAL);
|
|
CREATE TABLE trips(trip_id TEXT PRIMARY KEY, route_id TEXT, service_id TEXT);
|
|
CREATE TABLE st(stop_id TEXT, trip_id TEXT, seq INT, arr TEXT, dep TEXT);
|
|
CREATE INDEX idx_st_stop ON st(stop_id);
|
|
CREATE INDEX idx_st_trip ON st(trip_id);
|
|
CREATE INDEX idx_st_seq ON st(trip_id, seq);
|
|
```
|
|
|
|
Echte Mengen aus `r.und.s.bahnen.zip` (Regional+S-Bahn, kein ICE):
|
|
- stops.txt: 16.310 Haltestellen → DB 15.083 (dedupliziert)
|
|
- trips.txt: 110.087 Rohzeilen → DB 964 (trips.txt hat nur selten-service; st ist die Wahrheit)
|
|
- stop_times.txt: 82 MB → st 1.591.002 Zeilen, 110.087 eindeutige trip_id, 8.558 eindeutige stop_id
|
|
|
|
## Spaltenreihenfolgen (GTFS ist NICHT standardisiert was Namen angeht — Header lesen!)
|
|
|
|
- **stops.txt:** `stop_name, parent_station, stop_id, stop_lat, stop_lon, location_type, platform_code`
|
|
→ stop_id = Spalte 2; parent_station = Spalte 1 (Gruppen-ID). Viele Stops haben leeres parent_station.
|
|
Import-Fallback: `sid = p[2] if p[2] else p[1]` (bevorzugt stop_id, sonst parent_station).
|
|
- **trips.txt:** `route_id, service_id, trip_id` → trip_id = Spalte 2.
|
|
- **stop_times.txt:** `trip_id, arrival_time, departure_time, stop_id, stop_sequence, ...`
|
|
→ stop_id = Spalte 3, arr = 1, dep = 2, seq = 4.
|
|
|
|
## Bahnhofs-Alias (kritisch)
|
|
|
|
Ein Bahnhof kann mehrere stop_id-Zeilen haben (z.B. `Köln Hbf` = 222681 UND 452576). Nur EINE ist in
|
|
`stop_times` aktiv. Suche-Methode:
|
|
```sql
|
|
-- aktive ID ermitteln
|
|
SELECT stop_id, stop_name FROM stops WHERE stop_name = '<Name>';
|
|
-- dann je Kandidat:
|
|
SELECT COUNT(*) FROM st WHERE stop_id = '<id>'; -- >0 => aktiv
|
|
```
|
|
Beispiel: Aachen Hbf → 548582 (aktiv), Köln Hbf → 452576 (aktiv; 222681 tot). Saarbrücken Hbf hat 10 IDs, davon 9 aktiv.
|
|
|
|
## Zeit-basierter Dijkstra (Kern)
|
|
|
|
Vorladen (einmal):
|
|
```python
|
|
from collections import defaultdict
|
|
deps_by_stop = defaultdict(list) # stop_id -> [(dep_sec, trip_id, seq)] sortiert
|
|
stops_by_trip = defaultdict(list) # trip_id -> [(seq, stop_id, arr_sec, dep_sec)] sortiert
|
|
# Befülle beide in einem Durchlauf über st; sortiere jede Liste.
|
|
```
|
|
|
|
Suche:
|
|
```python
|
|
INF = float('inf')
|
|
dist = defaultdict(lambda: INF); dist[von_id] = dep0
|
|
heap = [(dep0, von_id)]
|
|
while heap:
|
|
t, stop = heapq.heappop(heap)
|
|
if t != dist[stop]: continue
|
|
if stop == nach_id: break
|
|
for dep_s, tid, seq in deps_by_stop[stop]:
|
|
if dep_s < t: continue
|
|
for (sseq, sid, arr_s, dep2) in stops_by_trip[tid]:
|
|
if sseq <= seq: continue
|
|
if arr_s < dist[sid]:
|
|
dist[sid] = arr_s; heapq.heappush(heap, (arr_s, sid))
|
|
# Ziel-Abbruch + dist[stop]-Guard sind ESSENZIELL für 110k Trips.
|
|
```
|
|
|
|
## Verifikations-Referenz (echte GTFS-Ergebnisse 2026-08)
|
|
|
|
- Aachen Hbf → Köln Hbf: **1h 12min, 1 Umstieg, 09:00 → 10:12** ✅ (real plausibel)
|
|
- Trier Hbf → Saarbrücken Hbf: nur direkt via trips, keine aktiven stops-Zuordnung nötig
|
|
|
|
## Wichtige Erkenntnis zur Datenlage
|
|
|
|
Diese GTFS („R- und S-Bahnen") deckt Bahn-Knoten ab, aber **nicht alle**: Remscheid-Lennep Bf und
|
|
Frankfurt (Main) Hauptbahnhof hatten in der `st`-Tabelle 0 aktive Trips → müssen per Alias oder
|
|
Alternativ-Bahnhof (nächster aktiver) aufgelöst werden, oder liegen außerhalb des Feeds. Vor dem
|
|
Neuberechnen ALLER Ziele: prüfen welche Kern-Bahnhöfe aktiv sind, fehlende via Nachbar-Bahnhof mappen.
|