CN104750929A - 结合网络点权的轨道交通服务效能的抗毁性测度方法 - Google Patents
结合网络点权的轨道交通服务效能的抗毁性测度方法 Download PDFInfo
- Publication number
- CN104750929A CN104750929A CN201510144486.0A CN201510144486A CN104750929A CN 104750929 A CN104750929 A CN 104750929A CN 201510144486 A CN201510144486 A CN 201510144486A CN 104750929 A CN104750929 A CN 104750929A
- Authority
- CN
- China
- Prior art keywords
- network
- website
- matrix
- rail traffic
- service efficiency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种结合网络点权的轨道交通服务效能的抗毁性测度方法,包括下述步骤:S1、基础数据的获取,基础数据来源包括轨道交通网络线路图、百度开放平台数据及网络商户销售地理数据库;S2、空间网络转换,建立初始轨道交通网络“站点-线路”的关系矩阵;建立初始轨道交通网络的拓扑矩阵;S3、根据加权网络最短路径矩阵、轨道交通网络拓扑矩阵和轨道交通网络“站点-线路”关系矩阵,测试网络攻击下的轨道交通服务效能。本发明是将原有的轨道交通抗毁性评价方法改进为基于站点服务能力权重及“站点-线路”关系的综合测度方法,以克服既有测度方法中对网络点权考虑不足的局限性。
Description
技术领域
本发明涉及城市轨道交通网络的系统安全性,特别涉及一种结合网络点权的轨道交通服务效能的抗毁性测度方法。
背景技术
城市轨道交通是一种乘载容量大、占地面积小、行驶速度快、安全系数高、环境污染小的公共交通设施。城市轨道交通的稳定运行依赖于站点网络的正常运转,而城市轨道交通的服务能力与站点网络的服务容量有关。遭受攻击下轨道交通网络的运输服务效能的测度成为重要的课题。
网络的抗毁性测度一直是国内外研究的热点。Ash(2007)等采用了进化算法来优化网络拓扑结构;Wang(2007)等指出努力提高复杂网络的连通效率可提高网络对随机攻击的抵抗能力和鲁棒性。Sybil(2010)等曾调査过世界33个城市的地铁网络,将网络科学的方法融合到交通运输学中,证明大部分的地铁网络都属于具有无尺度和小世界特性的复杂网络,并将鲁棒性概念应用到地铁网络中,提出增强地铁网络鲁棒性的建议。何胜学等(2007)通过研究公交线网的生成机理,分析了公交线在随机节点删除和蓄意节点删除下的鲁棒性;赵俊红等(2009)以天津为例进行了公共交通网络复杂性研究,对天津市的公交网络设置提出了建设性的意见;段后利等人(2010)基于二分法提出了针对大规模网络的鲁棒性分析的快速算法;赖丽萍(2012)在自己的硕士学位论文定义了适用于城市轨道交通网络的鲁棒性概念,根据复杂网络的相关理论构建城市轨道交通网络的拓扑结构图并以北京市2015年城市轨道交通网络作为实例进行了随机性与选择性攻击模拟。
在既有的轨道交通网络抗毁性测度体系中,一般从拓扑网络的抽象性出发,忽略网络点权与边权,即没有考虑不同站点网络点权与边权的差异性,同时对于“站点-网络”拓扑网络关系的考虑较为模糊,因此无法准确评估网络站点受损对轨道交通服务效能的影响。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足,提供一种结合网络点权的轨道交通服务效能的抗毁性测度方法,以客观的当量数据和网络开源数据为基础,借助地理分析、拓扑分析、复杂网络鲁棒性分析等计量方法,进行网络抗毁性的评估和预测,辅助城市轨道交通服务效能稳定性优化设计。
为了达到上述目的,本发明采用以下技术方案:
一种结合网络点权的轨道交通服务效能的抗毁性测度方法,包括下述步骤:
S1、基础数据的获取,基础数据来源包括轨道交通网络线路图、百度开放平台数据及网络商户销售地理数据库;具体为:
S1.1、获取轨道交通线路图;
S1.2、通过百度LBS开放平台中的地理信息接口,获取轨道交通网络站点的经纬度信息;
S1.3、以全国网络购物用户的收货地址为基础,通过百度LBS开放平台进行地址解析,得到网络购物用户的空间分布情况;
S1.4、以轨道交通网络站点的服务范围为半径,通过GIS获取每个站点的网络购物用户数,将其作为轨道交通网络的当量服务人口权重;
S2、空间网络转换;具体为:
S2.1、在Excel表格中建立初始轨道交通网络“站点-线路”关系矩阵;
S2.2、建立初始轨道交通网络拓扑矩阵;
S2.3、获取初始轨道交通网络最短路径矩阵;
S2.4、获取轨道交通网络节点服务能力权重矩阵
S2.5、获取初始加权网络最短路径矩阵;
S2.6、初始轨道交通服务效能的测度
S3、根据加权网络最短路径矩阵、轨道交通网络拓扑矩阵和轨道交通网络“站点-线路”关系矩阵,测试网络攻击下的轨道交通服务效能。
优选的,步骤S1.1中,轨道交通网络线路图的获取方法是:
查询百度地图,获得轨道交通线路图,将轨道交通网络中所有站点和线路编号,并整理其位置、相连接站点信息。
优选的,步骤S1.2具体为:
S1.2.1、申请获取百度LBS开放平台API接口密钥;
S1.2.2、设置相关的URL请求参数,包括密钥号码、搜索对象、矩形搜索范围的经纬度坐标设置相关的URL请求参数;
S1.2.3、将配置好的URL请求参数在浏览器中打开,获取搜索对象的数量;
S1.2.4、将拼写合格的地址解析URL请求导入Locoy Spider工具,设置好采集标签和文本模板后开始对进行百度用地数据的获取,获取的数据信息包括站点名称、站点经纬度、所属线路。
优选的,步骤S1.3具体为:
S1.3.1、根据地址解析的URL请求参数格式,将网络购物用户的收货地址拼写成合格的URL请求;
S1.3.2、将拼写合格的URL请求批量导入Locoy Spider工具中,设置好采集标签和文本模板之后开始进行地址解析;
S1.3.3、将地址解析完毕的网络购物数据导入GIS系统中进行空间落位和坐标纠偏,将站点作设定距离的的缓冲分析,分别统计每个站点缓冲区内的网络购物用户数量,从而得到各个地站点服务人口数量。
优选的,步骤S2.1具体为:
在完成基础数据的收集和整理工作之后,考虑到某一站点的毁损与其所属线路能否运行有关,利用Excel表格建立轨道交通网络“站点-线路”关系矩阵,当某一站点失效时,其所属线路上其他站点也随之失效,“站点-线路”关系矩阵建立的方法为:若站点A属于轨道线路H,则将两者的关系记录为1,;若站点A不属于线路H,则将两者的关系记录为0。
优选的,步骤S2.2具体为:
为了便于输入MATLAB中进行程序的计算,使用Excel和MATLAB软件将轨道交通线路图转化为轨道交通网络拓扑矩阵,对照轨道交通线路图,若站点A和站点B有直接的轨道相连接,则将两者关系记录为1;若站点A和站点B没有直接的轨道相连接,则将两者关系记录为无限(Int);对于站点A和站点A的关系,将其记录为0。
优选的,步骤S2.3中,通过Dijkstra算法求得轨道交通网络最短路径矩阵,轨道交通网络最短路径反映了任意一站点到其他站点的最短步径数。
优选的,步骤S2.4具体为:
利用Excel软件,计算服务范围内的服务对象数量及任意两站的地理距离得到轨道交通网络节点服务能力权重;
轨道交通网络节点服务能力权重测定模型为:
式中Wab为任意站点A和站点B之间的服务能力权重;Ga为站点A服务人口数量,Gb;为站点B服务人口数量;Rab为AB两站点之间的地理距离,Rab可由AB两点的经纬度坐标值计算得到:
Rab=6371004·arcos[sin(ya)·sin(yb)+cos(xa)·cos(xb)·cos(xa-xb)] (2)
其中6371004为地球半径米),xa为点A的经度,ya为点A的纬度,xb为点B的经度,yb为点A的纬度,在Excel中利用RADIONS函数将角度制转弧度制;
由轨道交通网络节点服务能力权重,在Excel中建立轨道交通网络节点服务能力权重矩阵。
优选的,步骤S2.5中,
利用轨道交通网络的最短路径矩阵和轨道交通网络的节点服务能力权重矩阵计算使用MATLAB软件计算加权网络的最短路径:
Pw=P·W (3)
其中Pw为加权网络的最短路径矩阵,P为轨道交通网络的节点服务能力权重矩阵,W为轨道交通网络的最短路径矩阵;
上述矩阵计算过程的基本原理为:
Pw ab=Pab·Wab (4)
其中Pw ab为加权网络中节点a、b之间的最短路径,Wab为轨道交通网络中节点a、b之间的服务能力权重,Pab为轨道交通网络中节点a、b之间的最短路径;
步骤S2.6中,利用MATLAB软件计算轨道交通服务效能初始值,
轨道交通服务效能的测定模型为:
其中,Q为轨道交通服务效能,n为轨道交通站点总数,Cij为加权网络最短路径,由此得到轨道交通服务效能。
优选的,步骤S3具体为:
S3.1、初始化程序,载入加权网络最短路径矩阵、轨道交通网络拓扑矩阵和轨道交通网络“站点-线路”关系矩阵;
S3.2、选择随机攻击方法或蓄意攻击方法,随机攻击方法为随机排列所有站点确定网络站点攻击顺序,蓄意攻击方法为按照特定顺序排列所有站点确定网络站点攻击顺序;
S3.3、根据网络站点攻击顺序选择受攻击站点,在轨道网络中删去选定站点,同时删去该站点所属线路上的其他站点,建立新的权网络最短路径矩阵、轨道交通网络拓扑矩阵和轨道交通网络“站点-线路”关系矩阵;
S3.4、根据新的权网络最短路径矩阵、轨道交通网络邻接矩阵和轨道交通网络“站点-线路”关系矩阵,计算轨道交通服务效能的值并输出;
S3.5、判断轨道交通网络服务效能值是否为0,若为0则返回步骤S3.3,否则转至步骤S3.6;
S3.6、输出网络攻击下的轨道交通服务效能与攻击次数的关系图表,对网络攻击下的轨道交通服务效能的抗毁性进行评价。
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明以城市轨道交通网络为测度基础,建立地理因素和人口因素双重作用机制下的站点服务能力权重评价体系,将原有的轨道交通抗毁性评价方法转化为基于站点服务能力权重及“站点-线路”关系的综合测度方法,以克服原有测度方法中对轨道交通网络的站点权重考虑不足的局限性。
2、本发明可模拟多种轨道交通站点攻击方式,简明直观的对连续攻击过程后的轨道交通服务能力进行测度,从而实现轨道交通网络可靠性的评估和优化设计。
附图说明
图1是本发明的流程图;
图2是本发明Dijkstra算法的流程图;
图3是本发明轨道交通网络站点邻接矩阵示例;
图4是本发明蓄意攻击下轨道交通服务效能的抗毁性测度图示例;
图5是本发明一种随机攻击下轨道交通服务效能的抗毁性测度图示例;
图6是本发明另一种随种机攻击下轨道交通服务效能的抗毁性测度图示例。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
本发明一种结合网络点权的轨道交通服务效能的抗毁性测度方法,首先建立轨道交通网络“站点-站点”的邻接矩阵以及轨道交通网络“站点-线路”的关系矩阵;进一步,确定轨道交通站点网络点权,运用ArcGIS软件,以轨道交通网路站点为半径划分2014年网络商户销售地理信息数量作为轨道交通网络点权赋值,以万有引力公式建立初始轨道交通网络的站点权重矩阵;在“站点-站点”邻接矩阵的基础上,建立初始轨道交通网络最短路径矩阵,进而利用初始轨道交通网络的站点权重矩阵,得到初始加权轨道交通网络的最短路径矩阵,计算轨道交通网络服务能力测度的初始指标;利用MATLAB软件模拟网络攻击,按照一定规则依次删去轨道交通网络站点,计算轨道交通网络拓扑子连通图的轨道交通网络服务能力的测度指标。由此可以得到轨道交通网络的服务能力抗毁性测度图。如图1所示,具体包括下述步骤:
1、基础数据的准备;
本实施例研究方法数据来源包括轨道交通网络线路图、百度开放平台数据、网络商户销售地理数据库,具体如下:
1.1.1 获取轨道交通线路图;
查询百度地图(http://map.baidu.com/subways/),获得轨道交通线路图。将轨道交通网络中所有站点和线路编号,并整理其位置、相连接站点信息。
1.1.2 基于百度LBS开放平台的站点地理数据获取;
通过百度LBS开放平台中的地理信息接口,获取轨道交通网络站点的经纬度信息。具体操作步骤为:
(1)申请获取百度LBS开放平台API接口密钥;
(2)设置相关的URL请求参数,包括密钥号码、搜索对象(地铁站)、矩形搜索范围的经纬度坐标设置相关的URL请求参数,包括密钥号码、搜索对象(如公园、KTV等)、矩形搜索范围的经纬度坐标(URL请求参数的示例为http://api.map.baidu.com/place/v2/search?ak=密钥号码&output=json&query=搜索对象&page_size=1&page_num=0&scope=2&bounds=坐标一,坐标二);
(3)将配置好的URL请求参数在浏览器中打开,获取搜索对象的数量;
(4)将拼写合格的地址解析URL请求导入Locoy Spider工具,设置好采集标签和文本模板后开始对进行百度用地数据的获取,获取的数据信息包括站点名称、站点经纬度、所属线路。
1.1.3 获取站点的服务人口数量;
以全国网络购物用户的收货地址为基础,通过百度LBS开放平台进行地址解析,得到网络购物用户的空间分布情况,作为轨道交通网络潜在的当量服务人口。通过分析交通网络站点750米服务半径内的人口分布情况来判定站点的服务人口数量。具体操作步骤包括:
1)根据地址解析的URL请求参数格式,将网络购物用户的收货地址拼写成合格的URL请求;
2)将拼写合格的URL请求批量导入Locoy Spider工具中,设置好采集标签和文本模板之后开始进行地址解析;
3)将地址解析完毕的网络购物数据导入GIS系统中进行空间落位和坐标纠偏,将站点作750米的缓冲分析,分别统计每个站点缓冲区内的网络购物用户数量,从而得到各个地站点服务人口数量。
2、空间网络转化;
2.1 建立初始轨道交通网络“站点‐线路”关系矩阵;
在完成基础数据的收集和整理工作之后,考虑到某一站点的毁损与其所属线路能否运行有关,利用Excel表格建立轨道交通网络“站点‐线路”关系矩阵,并定义:当某一站点失效时,其所属线路上其他站点也随之失效。“站点‐线路”关系矩阵建立的方法为:若站点A属于轨道线路H,则将两者的关系记录为1,;若站点A不属于线路H,则将两者的关系记录为0。
2.2 建立初始轨道交通网络拓扑矩阵;
为了便于输入MATLAB中进行程序的计算,使用Excel和MATLAB软件将轨道交通线路图转化为轨道交通网络的拓扑矩阵。对照轨道交通线路图,若站点A和站点B有直接的轨道相连接,则将两者关系记录为1;若站点A和站点B没有直接的轨道相连接,则将两者关系记录为无限(Int);对于站点A和站点A的关系,将其记录为0。
2.3 获取初始轨道交通网络最短路径矩阵;
在第2.2步的基础上,通过Dijkstra算法求得轨道交通网络最短路径矩阵。轨道交通网络最短路径反映了任意一站点到其他站点的最短步径数。Dijkstra算法的流程图如图(2)所示。
2.4 获取轨道交通网络节点服务能力权重矩阵;
在轨道交通网络节点服务能力权重的测定方面,考虑到对于某一站点而言,其服务能力受制于其服务覆盖范围以及与目的站点的地理距离.
利用Excel软件,计算服务范围内的服务对象数量(2014年网络商户销售地址数量)及任意两站的地理距离得到轨道交通网络节点服务能力权重。
轨道交通网络节点服务能力权重测定模型为:
式中Wab为任意站点A和站点B之间的服务能力权重;Ga为站点A服务人口数量,Gb为站点B服务人口数量;Rab为AB两站点之间的地理距离,Rab可由AB两点的经纬度坐标值计算得到:
Rab=6371004·arcos[sin(ya)·sin(yb)+cos(xa)·cos(xb)·cos(xa-xb)] (2)
其中6371004为地球半径(米),xa为点A的经度(弧度制),ya为点A的纬度(弧度制),xb为点B的经度(弧度制),yb为点A的纬度(弧度制),在Excel中利用RADIONS函数角度制转弧度制。
由轨道交通网络节点服务能力权重,在Excel中建立轨道交通网络节点服务能力权重矩阵。
2.5 获取初始加权网络的最短路径矩阵;
使用MATLAB软件,利用轨道交通网络的最短路径矩阵、轨道交通网络的节点服务能力权重矩阵计算加权网络的最短路径:
Pw=X·Y (3)
其中Pw为加权网络的最短路径矩阵,X为轨道交通网络的节点服务能力权重矩阵,Y为轨道交通网络的最短路径矩阵。
上述矩阵计算过程的基本原理为:
Pw ab=Pab·Wab (4)
其中Pw ab为加权网络中节点a、b之间的最短路径,Wab为轨道交通网络中节点a、b之间的服务能力权重,Pab为轨道交通网络中节点a、b之间的最短路径。
2.6 初始轨道交通服务效能的测度;
利用MATLAB软件计算轨道交通服务效能(Q)初始值。
轨道交通网络服务效能的测度模型为:
其中,Q为轨道交通服务效能,n为轨道交通站点总数,Cij为加权网络最短路径。由此得到轨道交通服务效能。
3、网络攻击下的轨道交通服务效能的抗毁性测度方法;
根据步骤2中的加权网络最短路径矩阵、轨道交通网络拓扑矩阵和轨道交通网络“站点-线路”关系矩阵,测试网络攻击下的轨道交通服务效能。具体步骤为:
(1)初始化程序,载入初始加权网络最短路径矩阵、初始轨道交通网络拓扑矩阵和初始轨道交通网络“站点-线路”关系矩阵。
(2)选择随机攻击方法或蓄意攻击方法,随机攻击方法为随机排列所有站点确定网络站点攻击顺序,蓄意攻击方法为按照特定顺序排列所有站点确定网络站点攻击顺序。
(3)根据网络站点攻击顺序选择受攻击站点,在轨道网络中删去选定站点,同时删去该站点所属线路上的其他站点,建立新的加权网络最短路径矩阵、轨道交通网络拓扑矩阵和轨道交通网络“站点-线路”关系矩阵。
(4)根据新的权网络最短路径矩阵、轨道交通网络邻接矩阵和轨道交通网络“站点-线路”关系矩阵,计算轨道交通服务效能的值并输出。
(5)判断轨道交通网络服务效能值是否为0,若为0则返回第(3)步,否则转至第(6)步。
(6)输出网络攻击下的轨道交通服务效能与攻击次数的关系图表,对网络攻击下的轨道交通服务效能的抗毁性进行评价。
4、结合广州市地铁轨道交通对本发明的技术方案做进一步详细的说明;
本实施案例选取广州地铁轨道交通网络,提供一种基于服务能力的地铁轨道交通抗毁性的测度方法。广州地铁交通网络由131个地铁站点、9条轨道线路组成,具有一定代表性。
4.1 广州地铁轨道交通初始服务效能的测定;
查询百度地图(http://map.baidu.com/subways/index.html?c=guangzhou),获得轨道交通线路图。
首先将131个地铁站点编号为1-131号记录在Excel表格1中,将9条地铁线路编号为1-9号记录在Excel表格2中。利用百度LBS开放平台抓取全部131个地铁站信息经纬度信息,对应记录在表格1中,并且利用Excel中的RADIONS函数将经纬度从角度制转为弧度制,
4.1.2 站点的服务人口数量的获取;
以全国网络购物用户的收货地址为基础,通过百度LBS开放平台进行地址解析,将地址解析完毕的网络购物数据导入GIS系统中进行空间落位和坐标纠偏,将站点作750米的缓冲分析,分别统计每个站点缓冲区内的网络购物用户数量,从而得到各个地站点服务人口数量,与地铁站经纬度信息一样对应记录在表格中。
4.1.3 建立轨道交通网络“站点-线路”关系矩阵;
如图3所示,并对照广州地铁轨道交通图,利用Excel表格中建立轨道交通网络“站点-线路”关系矩阵,建立的方法为:若站点A属于轨道线路H,则将两者的关系记录为1;若站点A不属于线路H,则将两者的关系记录为0。如体育西路站属于3号线,则在体育西路站与3号线对应单元格内记录1,体育西路站不属于8号线,则在体育西路站与8号线对应单元格内记录0。
由此得到轨道交通网络“站点-线路”关系矩阵,命名为矩阵D。
4.1.4 建立轨道交通网络站点邻接矩阵
对照广州地铁轨道交通线路图,建立方法为:若站点A和站点B有直接的轨道相连接,则将两者关系记录为1;若站点A和站点B没有直接的轨道相连接,则将两者关系记录为Int;对于站点A和站点A的关系,将其记录为0。如体育西路站与珠江新城站直接相连,则在体育西路站与珠江新城站对应单元格内记录1;体育西路站与金沙站不直接相连,则在体育西路站与金沙站对应单元格内记录Int;体育西路站与体育西路站对应单元格内记录0。由此得到广州地铁轨道交通网络站点邻接矩阵,命名为矩阵A。
4.1.5 计算轨道交通网络的最短路径矩阵
将轨道交通网络最短路径矩阵命名为矩阵B,在MATLAB软件中利用矩阵A通过Dijkstra算法求得矩阵B,如图2所时候。在MATLAB中首先加载矩阵A的,然后输入代码实现代码:
4.1.6 计算轨道交通网络节点服务能力的权重矩阵
可在Excel中利用函数Rab=6371acos(sin(ya)sin(yb)+con(xa)cons(xb)cos(xa-xb))计算任意AB两站的地理距离Rab。
根据公式(3),建立轨道交通网络节点服务能力权重矩阵W。
4.1.7 计算加权网络的最短路径矩阵
根据公式(3)利用轨道交通网络最短路径矩阵和轨道交通网络节点服务能力权重矩阵,计算MATLAB软件计算加权网络最短路径。在MATLAB中加载矩阵B和矩阵W,输入代码:
C=zeros(length(A),length(A));%%建立维度与A相同的空矩阵存放矩阵C
C=B.*W;%%计算新的加权最短路径矩阵
Display(C);%%输出矩阵C
4.1.8 计算轨道交通服务效能初始值;
根据公式(4),在MATLAB中首先加载矩阵C,再输入代码:
Q=2/n/(n-1)*sum(1./C(:));%%计算广州地铁轨道交通服务效能
Display(Q);%%输出Q的值
得到广州地铁轨道交通服务效能初始值。
4.2 测度网络攻击下轨道交通服务效能的抗毁性
根据加权网络最短路径矩阵、轨道交通网络拓扑矩阵和轨道交通网络“站点-线路”关系矩阵,使用MATLAB软件测试网络攻击下的轨道交通服务效能。
具体步骤为:
(1)初始化网络,载入轨道交通网络邻接矩阵A,载入轨道交通网络“站点-线路”关系矩阵C,载入轨道交通网络节点服务能力权重矩阵W,定义Efficient存放轨道交通网络服务效能值,定义Result矩阵输出网络攻击后的抗毁性结果;
(2)选择随机攻击的攻击方法,两次测试分别选择蓄意攻击方法(按照站点服务权重降序排列)和随机性攻击方法。在MATLAB中将1—131个站点随机排列作为攻击顺序;
(3)根据网络站点攻击顺序依次选择受攻击站点,在轨道网络中删去选定站点,同时删去该站点所属线路上的其他站点,在MATLAB中的实现方法为:在“站点-线路”关系矩阵中将需要删去的站点对应的行和列的所有元素赋值为0,在轨道交通站点邻接矩阵中奖需要删去的站点对应的行和列的所有元素赋值为Int。
(4)建立新的权网络最短路径矩阵,并建立新的轨道交通网络拓扑矩阵和轨道交通网络“站点-线路”关系矩阵A,由公式(4)计算轨道交通服务效能的值并输出,攻击的次数、余下的站点数、对应的轨道交通网络服务效能值记录在矩阵Result中。
(5)判断轨道交通服务是否为0,若为0则返回第(3)步,否则转至第(6)步
(6)输出网络攻击下的轨道交通服务效能与攻击次数的关系图表,对网络攻击下的轨道交通服务效能的抗毁性进行评价,轨道交通服务效能的抗毁性测度结果见图4、图5、图6。
经过测试可知,广州地铁轨道交通系统在遭受蓄意攻击时,十六个站点的失效将导致整个网络的崩溃;在遭受随机性站点攻击时,整个交通网络的崩溃与攻击站点的数量之间具有随机性,但是都存在前6个站点失效时服务效能下降较快的特点。而当服务量较大的站点失效时,其对整个轨道交通网络的服务效能影响更大。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种结合网络点权的轨道交通服务效能的抗毁性测度方法,其特征在于,包括下述步骤:
S1、基础数据的获取,基础数据来源包括轨道交通网络线路图、百度开放平台数据及网络商户销售地理数据库;具体为:
S1.1、获取轨道交通线路图;
S1.2、通过百度LBS开放平台中的地理信息接口,获取轨道交通网络站点的经纬度信息;
S1.3、以全国网络购物用户的收货地址为基础,通过百度LBS开放平台进行地址解析,得到网络购物用户的空间分布情况;
S1.4、以轨道交通网络站点的服务范围为半径,通过GIS获取每个站点的网络购物用户数,将其作为轨道交通网络的当量服务人口权重;
S2、空间网络转换;具体为:
S2.1、在Excel表格中建立初始轨道交通网络“站点-线路”关系矩阵;
S2.2、建立初始轨道交通网络拓扑矩阵;
S2.3、获取初始轨道交通网络最短路径矩阵;
S2.4、获取轨道交通网络节点服务能力权重矩阵
S2.5、获取初始加权网络最短路径矩阵;
S2.6、初始轨道交通服务效能的测度
S3、根据加权网络最短路径矩阵、轨道交通网络拓扑矩阵和轨道交通网络“站点-线路”关系矩阵,测试网络攻击下的轨道交通服务效能。
2.根据权利要求1所述的结合网络点权的轨道交通服务效能的抗毁性测度方法,其特征在于,步骤S1.1中,轨道交通网络线路图的获取方法是:
查询百度地图,获得轨道交通线路图,将轨道交通网络中所有站点和线路编号,并整理其位置、相连接站点信息。
3.根据权利要求1所述的结合网络点权的轨道交通服务效能的抗毁性测度方法,其特征在于,步骤S1.2具体为:
S1.2.1、申请获取百度LBS开放平台API接口密钥;
S1.2.2、设置相关的URL请求参数,包括密钥号码、搜索对象、矩形搜索范围的经纬度坐标设置相关的URL请求参数;
S1.2.3、将配置好的URL请求参数在浏览器中打开,获取搜索对象的数量;
S1.2.4、将拼写合格的地址解析URL请求导入Locoy Spider工具,设置好采集标签和文本模板后开始对进行百度用地数据的获取,获取的数据信息包括站点名称、站点经纬度、所属线路。
4.根据权利要求1所述的结合网络点权的轨道交通服务效能的抗毁性测度方法,其特征在于,步骤S1.3具体为:
S1.3.1、根据地址解析的URL请求参数格式,将网络购物用户的收货地址拼写成合格的URL请求;
S1.3.2、将拼写合格的URL请求批量导入Locoy Spider工具中,设置好采集标签和文本模板之后开始进行地址解析;
S1.3.3、将地址解析完毕的网络购物数据导入GIS系统中进行空间落位和坐标纠偏,将站点作设定距离的的缓冲分析,分别统计每个站点缓冲区内的网络购物用户数量,从而得到各个地站点服务人口数量。
5.根据权利要求1所述的结合网络点权的轨道交通服务效能的抗毁性测度方法,其特征在于,步骤S2.1具体为:
在完成基础数据的收集和整理工作之后,考虑到某一站点的毁损与其所属线路能否运行有关,利用Excel表格建立轨道交通网络“站点-线路”关系矩阵,当某一站点失效时,其所属线路上其他站点也随之失效,“站点-线路”关系矩阵建立的方法为:若站点A属于轨道线路H,则将两者的关系记录为1,;若站点A不属于线路H,则将两者的关系记录为0。
6.根据权利要求1所述的结合网络点权的轨道交通服务效能的抗毁性测度方法,其特征在于,步骤S2.2具体为:
为了便于输入MATLAB中进行程序的计算,使用Excel和MATLAB软件将轨道交通线路图转化为轨道交通网络拓扑矩阵,对照轨道交通线路图,若站点A和站点B有直接的轨道相连接,则将两者关系记录为1;若站点A和站点B没有直接的轨道相连接,则将两者关系记录为无限(Int);对于站点A和站点A的关系,将其记录为0。
7.根据权利要求1所述的结合网络点权的轨道交通服务效能的抗毁性测度方法,其特征在于,步骤S2.3中,通过Dijkstra算法求得轨道交通网络最短路径矩阵,轨道交通网络最短路径反映了任意一站点到其他站点的最短步径数。
8.根据权利要求1所述的结合网络点权的轨道交通服务效能的抗毁性测度方法,其特征在于,步骤S2.4具体为:
利用Excel软件,计算服务范围内的服务对象数量及任意两站的地理距离得到轨道交通网络节点服务能力权重;
轨道交通网络节点服务能力权重测定模型为:
式中Wab为任意站点A和站点B之间的服务能力权重;Ga为站点A服务人口数量,Gb;为站点B服务人口数量;Rab为AB两站点之间的地理距离,Rab可由AB两点的经纬度坐标值计算得到:
Rab=6371004·arcos[sin(ya)·sin(yb)+cos(xa)·cos(xb)·cos(xa-xb)] (2)
其中6371004为地球半径米),xa为点A的经度,ya为点A的纬度,xb为点B的经度,yb为点A的纬度,在Excel中利用RADIONS函数将角度制转弧度制;
由轨道交通网络节点服务能力权重,在Excel中建立轨道交通网络节点服务能力权重矩阵。
9.根据权利要求1所述的结合网络点权的轨道交通服务效能的抗毁性测度方法,其特征在于,步骤S2.5中,
利用轨道交通网络的最短路径矩阵和轨道交通网络的节点服务能力权重矩阵计算使用MATLAB软件计算加权网络的最短路径:
Pw=P·W (3)
其中Pw为加权网络的最短路径矩阵,P为轨道交通网络的节点服务能力权重矩阵,W为轨道交通网络的最短路径矩阵;
上述矩阵计算过程的基本原理为:
Pw ab=Pab·Wab (4)
其中Pw ab为加权网络中节点a、b之间的最短路径,Wab为轨道交通网络中节点a、b之间的服务能力权重,Pab为轨道交通网络中节点a、b之间的最短路径;
步骤S2.6中,利用MATLAB软件计算轨道交通服务效能初始值,
轨道交通服务效能的测定模型为:
其中,Q为轨道交通服务效能,n为轨道交通站点总数,Cij为加权网络最短路径,由此得到轨道交通服务效能。
10.根据权利要求1所述的结合网络点权的轨道交通服务效能的抗毁性测度方法,其特征在于,步骤S3具体为:
S3.1、初始化程序,载入加权网络最短路径矩阵、轨道交通网络拓扑矩阵和轨道交通网络“站点-线路”关系矩阵;
S3.2、选择随机攻击方法或蓄意攻击方法,随机攻击方法为随机排列所有站点确定网络站点攻击顺序,蓄意攻击方法为按照特定顺序排列所有站点确定网络站点攻击顺序;
S3.3、根据网络站点攻击顺序选择受攻击站点,在轨道网络中删去选定站点,同时删去该站点所属线路上的其他站点,建立新的权网络最短路径矩阵、轨道交通网络拓扑矩阵和轨道交通网络“站点-线路”关系矩阵;
S3.4、根据新的权网络最短路径矩阵、轨道交通网络邻接矩阵和轨道交通网络“站点-线路”关系矩阵,计算轨道交通服务效能的值并输出;
S3.5、判断轨道交通网络服务效能值是否为0,若为0则返回步骤S3.3,否则转至步骤S3.6;
S3.6、输出网络攻击下的轨道交通服务效能与攻击次数的关系图表,对网络攻击下的轨道交通服务效能的抗毁性进行评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510144486.0A CN104750929B (zh) | 2015-03-30 | 2015-03-30 | 结合网络点权的轨道交通服务效能的抗毁性测度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510144486.0A CN104750929B (zh) | 2015-03-30 | 2015-03-30 | 结合网络点权的轨道交通服务效能的抗毁性测度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104750929A true CN104750929A (zh) | 2015-07-01 |
CN104750929B CN104750929B (zh) | 2018-04-13 |
Family
ID=53590608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510144486.0A Active CN104750929B (zh) | 2015-03-30 | 2015-03-30 | 结合网络点权的轨道交通服务效能的抗毁性测度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104750929B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106453217A (zh) * | 2016-04-13 | 2017-02-22 | 河南理工大学 | 一种基于路径收益计算的网络攻击路径行为的预测方法 |
CN107239821A (zh) * | 2017-06-08 | 2017-10-10 | 内蒙古大学 | 随机攻击策略下的城市群交通网络可靠性修复方法 |
CN112187499A (zh) * | 2019-07-03 | 2021-01-05 | 四川大学 | 设备网络中设备分区管理划分方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030014286A1 (en) * | 2001-07-16 | 2003-01-16 | Cappellini Pablo Dario | Search and retrieval system of transportation-related flexibly defined paths |
CN104392094A (zh) * | 2014-10-17 | 2015-03-04 | 北京航空航天大学 | 一种基于浮动车数据的城市道路网络可靠性评价方法 |
-
2015
- 2015-03-30 CN CN201510144486.0A patent/CN104750929B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030014286A1 (en) * | 2001-07-16 | 2003-01-16 | Cappellini Pablo Dario | Search and retrieval system of transportation-related flexibly defined paths |
CN104392094A (zh) * | 2014-10-17 | 2015-03-04 | 北京航空航天大学 | 一种基于浮动车数据的城市道路网络可靠性评价方法 |
Non-Patent Citations (1)
Title |
---|
李海舰等: "新测度下交通传感器布局的建模与优化", 《华南理工大学学报(自然科学版)》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106453217A (zh) * | 2016-04-13 | 2017-02-22 | 河南理工大学 | 一种基于路径收益计算的网络攻击路径行为的预测方法 |
CN106453217B (zh) * | 2016-04-13 | 2019-10-25 | 河南理工大学 | 一种基于路径收益计算的网络攻击路径行为的预测方法 |
CN107239821A (zh) * | 2017-06-08 | 2017-10-10 | 内蒙古大学 | 随机攻击策略下的城市群交通网络可靠性修复方法 |
CN112187499A (zh) * | 2019-07-03 | 2021-01-05 | 四川大学 | 设备网络中设备分区管理划分方法 |
CN112187499B (zh) * | 2019-07-03 | 2021-12-03 | 四川大学 | 设备网络中设备分区管理划分方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104750929B (zh) | 2018-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | What influences Metro station ridership in China? Insights from Nanjing | |
Yang et al. | Impact of accessibility on housing prices in Dalian city of China based on a geographically weighted regression model | |
CN104217250B (zh) | 一种基于历史数据的城市轨道交通新线开通客流预测方法 | |
CN102663887B (zh) | 基于物联网技术的道路交通信息云计算和云服务实现系统及方法 | |
Ma et al. | The spatial coupling effect between urban public transport and commercial complexes: A network centrality perspective | |
Zhou et al. | Identifying spatiotemporal characteristics and driving factors for road traffic CO2 emissions | |
CN107103392A (zh) | 一种基于时空地理加权回归的公交客流影响因素识别与预测方法 | |
CN111401692B (zh) | 一种度量城市空间功能紧凑度的方法 | |
CN105809962A (zh) | 一种基于手机数据的交通出行方式划分的方法 | |
Zhang et al. | Green travel mobility of dockless bike-sharing based on trip data in big cities: A spatial network analysis | |
CN104899443A (zh) | 用于评估当前出行需求及预测未来出行需求的方法及系统 | |
Yuan et al. | Research on compactness ratio model of urban underground space and compact development mechanism of rail transit station affected area | |
CN108694463B (zh) | 一种城市轨道交通站点进出站客流预测方法 | |
CN112508332B (zh) | 一种顾及多维特征的渐进式乡村聚落整治分区方法 | |
CN115062873A (zh) | 交通出行方式预测方法和装置、存储介质及电子设备 | |
CN107808217A (zh) | 一种基于北斗定位与客流量的公交换乘优化方法 | |
Montini et al. | Route and mode choice models using GPS data | |
CN114202146A (zh) | 村镇社区公共服务便利性评价方法及装置 | |
CN104750929A (zh) | 结合网络点权的轨道交通服务效能的抗毁性测度方法 | |
CN108876075A (zh) | 城市轨道交通站点地区宜步行性评价方法 | |
CN114548811A (zh) | 一种机场可达性的检测方法、装置、电子设备及存储介质 | |
CN105069522A (zh) | 风景名胜区游赏线路评价及改进方法 | |
McArdle et al. | City-scale traffic simulation from digital footprints | |
Tian et al. | Crowdsensing based missing data inference algorithm considering outlier data and GPS errors | |
Liu et al. | Second-hand housing batch evaluation model of zhengzhou city based on big data and MGWR model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |