在建设智慧城市的背景下，智慧交通、智慧出行等建设在近几年日常生产、生活中占比逐渐加大。
路径规划是智慧交通、智慧出行建设过程当中较重要的专题分类。不管是百度、高德等公共服务平台，亦或是地方政府部门都在大力推动导航发展。路径规划作为数据导航的一部分，主要是让目标对象在规定范围区域内找到一条从起点到终点的无碰撞安全路径。
FME作为一款空间数据分析、转换、处理系统，其核心价值就是支持各类数据交互处理。“路径规划”则是通过数据本身的存储情况，分析出数据最优解。以此，用FME来进行“路径规划”可不就是“与君初相识，犹如故人归”。
以下为大家介绍在FME中如何高效、快捷的搭建模型，实现地铁路径规划。
一、地铁路径规划目的
通过路径分析，找到从起点到终点的最短路径。
二、地铁路径规划成果
提供类百度、高德查询功能，输入起始点名称自动找到最短路径。
如下：
起点：成都高新区理想中心（办公楼）
终点：洪河城市花园（住宅小区）
规划路线：地铁1号线 —> 地铁7号线 —> 地铁2号线
规划站点：高新 —> 火车南站 —> 三瓦窑 —> 琉璃场 —> 四川师大 —> 狮子山 —> 大观 —> 成都东客站 —> 成渝立交 —> 惠王陵 —> 洪河 —> 成都行政学院 —> 大面铺
三、基于FME地铁数据规划流程
1 数据来源
1）地铁站点数据获取
通过“高德地铁”获取地铁数据站点信息
http://map.amap.com/service/subway?_1654480548833&srhdata=5101_drw_chengdu.json
提供数据以JSON格式返回，在FME中通过“HTTPCaller”+“JSONFragmenter”的方式即可从高德地铁接口中提取到地铁站点信息，解析出JSON格式中存储的坐标经纬度信息，并通过“VertexCreator”即可将数据处理为空间点。
2）起终点数据坐标获取
起终点仅提供名称信息。在进行地铁路径分析时，需要知道距离起终点最近的地铁站信息，才可进行地铁路径规划分析。因此，首先需对名称信息进行空间化处理。
起终点数据空间化直接调用高德API数据接口自动实现。
以高德API接口为例：
https://restapi.amap.com/v3/place/text?keywords=XX&page=1&offset=1&output=JSON&key=XX
keywords:起终点名称
key：高德平台许可码
通过“HTTPCaller”获取数据并解析处理得到其空间位置。
2分析起终点与站点的距离
通过邻近分析（“NeighborFinder”），分别获得距离起终点最近的地铁站站点信息。
3 Dijkstra算法获取最近路径
Dijkstra算法具体如何使用网上教程较多，此处不再详细介绍。
给大家提供一个博主链接，大家可以自行学习。
https://blog.csdn.net/lbperfect123/article/details/84281300
1）建立字典数据组
根据Dijkstra算法，首先计算各站点与邻近站点的距离，并构成字典数据组。
地铁站点数据分析后不难发现，有以下3种数据情况：
- 线路起终点
- 线路换乘站
- 除去终点、换乘站外其他站点
且针对于起终点数据仅与其下一站直接相连；换乘站需考虑同时到不同线路；除去终点、换乘站外其他站点与其上一站、下一站直接相连。
根据以上数据关系，通过“AttributeCreator”中“Enable Adjacent Feature Attributes”（邻近数据处理）参数，获取到数据的上一站、下一站、换乘站信息。
最终形成字典数据组。
2）运用Dijkstra算法进行路径分析
将以上步骤获取的起终点地铁站点信息，站点名称、距离字典数据组信息。通过运用Dijkstra算法自动计算出最优路径。
返回从起点到终点的站点信息
4 成果空间化
通过路径规划获取最近路径对应的站点信息，通过站点自动挂机原始空间数据，形成最优线路分布空间成果。
5 坐标转换
为下一步结合2000国家大地坐标系矢量或影像数据，展示规划线路走势情况，将高德平台GCJ-02坐标转换至2000国家大地坐标系。（坐标转换可使用MyFME实现）
6 成果展示
搭建地铁路径规划自动分析模板。仅需输入起终点名称，系统自动处理，获取地铁路径规划最短路线。
列举：
（1）理想中心—>成都IFS国际金融中心
（2）成都IFS国际金融中心—>成都大熊猫繁育研究基地
（3）西南财经大学(柳林校区)—>四川大学(望江校区)
四、思考
通过FME实现地铁路径规划分析，目前处理流程差强人意，以下两方面问题值得思考与优化：
（1）地铁线路为站点连通构成，与实际地铁线路走势情况存在差异，能否获取共享平台实际地铁线路数据作为规划成果输出。
（2）能否按照百度、高德等共享平台路径规划方式，同时考虑“公交+地铁”
