CN109711425A - 城市道路骨架层次划分方法及系统 - Google Patents

城市道路骨架层次划分方法及系统 Download PDF

Info

Publication number
CN109711425A
CN109711425A CN201811362083.3A CN201811362083A CN109711425A CN 109711425 A CN109711425 A CN 109711425A CN 201811362083 A CN201811362083 A CN 201811362083A CN 109711425 A CN109711425 A CN 109711425A
Authority
CN
China
Prior art keywords
road
stroke
section
skeleton
network
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.)
Pending
Application number
CN201811362083.3A
Other languages
English (en)
Inventor
杨静
薛宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Tushentu Information Technology Co Ltd
Original Assignee
Nanjing Tushentu Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Tushentu Information Technology Co Ltd filed Critical Nanjing Tushentu Information Technology Co Ltd
Priority to CN201811362083.3A priority Critical patent/CN109711425A/zh
Publication of CN109711425A publication Critical patent/CN109711425A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种城市道路骨架层次划分方法及系统,该方法首先采用基于密度的聚类方法将道路网中的多条路段进行聚类,得到的每个聚类中心为一条stroke;然后根据生成的stroke采用对偶法是将stroke道路网中的交叉点抽象为图论中的节点,将路段抽象为边,构建stroke网络拓扑结构图;接着计算每条stroke的道路度中心性、道路接近中心性、道路中介中心性和道路长度指标,并加权融合后得到道路骨架性综合指数;最后根据道路骨架性综合指数将道路网stroke划分为三个等级,提取出道路骨架的层次结构。本发明能够更科学、稳定地反映城市道路等级以及每条道路在整个路网中的结构性特征,有助于进一步分析城市道路网络的空间结构和城市规划实施的评估。

Description

城市道路骨架层次划分方法及系统
技术领域
本发明涉及到交通地理信息和城市规划技术领域,具体涉及一种基于城市道路网数据、结合改进的Stroke模型和复杂网络分析方法的城市道路骨架层次划分方法及系统。
背景技术
城市道路网络系统是组织城市各种功能的“骨架”,而道路网络骨架系统的规划布局形式直接引导着城市的发展形态,进一步影响城市地域功能结构的变化。现有的城市道路骨架划分主要包括基于语义的方法,基于智能模型的方法以及基于结构特征的方法。基于语义的道路骨架划分方法主要是通过道路本身的使用功能和物理特性对城市道路进行分级。这类方法本质上是道路的语义等级信息与道路在实际中的功能性的对应关系,但国内对道路的语义等级信息标准不一样这就会导致道路分级标准的差异性;另外,在语义信息缺省的情况下难以完成划分工作。基于智能模型的方法主要是以道路的空间多特性为依据,采用数理统计和机器学习的方法对道路进行划分,但此类方法对语义的依赖性过高。基于结构特征的方法主要是集中于对道路几何特征、拓扑关系等特征的分析,通过空间句法、图论以及Stroke模型等建立道路重要性评价体系,并确定权值计算出道路骨架系统。这类方法较前两种划分方法更稳定,能够描述道路间的相对关系和道路在整个路网的结构性地位。
相比语义划分和和智能模型划分方法,基于结构特征的道路骨架划分更加稳定,比较有代表性的方法有基于复杂网络分析的方法、基于空间句法的方法以及基于Stroke模型的划分方法。基于Stroke的方法在保持道路几何连续性和道路目标纵向层次特性上要优于空间句法和复杂网络分析方法。但现有研究采取的是一种对整个道路网络进行全局评价、排序和选取的策略,没有体现出其与其他各层级道路之间的依存关系,对Stroke生成过程中路段合并顺序也缺乏有序性,这会导致道路骨架划分结果的多样性,同时合并过程对若干孤立路段应该具有一定的敏感性。
发明内容
发明目的:针对现有技术中存在的问题,本发明目的在于提出一种城市道路骨架层次划分方法及系统,该方法基于密度聚类思想的改进道路网Stroke生成,并利用图论模型建立道路重要性评估指标体系,从而提取出现状或规划的城市道路骨架,能够更科学、稳定地反映城市道路等级以及每条道路在整个路网中的结构性特征,有助于进一步分析城市道路网络的空间结构和城市规划实施的评估。
技术方案:为实现上述发明目的,本发明所述的一种城市道路骨架划分方法,包括如下步骤:
(1)采用基于密度的聚类方法将道路网中的多条路段进行聚类,得到的每个聚类中心为一条stroke,在聚类过程中通过计算两条路段之间的夹角进行方向相似性度量,将符合夹角阈值的路段进行聚类合并;
(2)根据生成的stroke采用对偶法是将stroke道路网中的交叉点抽象为图论中的节点,将路段抽象为边,构建stroke网络拓扑结构图;
(3)计算每条stroke的道路度中心性、道路接近中心性、道路中介中心性和道路长度指标,并加权融合后得到每条stroke的道路骨架性综合指数;
(4)根据每条stroke的道路骨架性综合指数将道路网stroke划分为三个等级,从而提取出道路骨架的层次结构。
在优选的实施方案中,所述步骤(1)中采用聚类方法生成stroke的步骤具体包括:
(1.1)选取密度指数最大值的道路交叉点作为初始聚类中心;
(1.2)计算该点连接的路段方向相似性,将符合夹角阈值的路段聚类合并,并标识为已聚类;
(1.3)按照广度优先搜索方法遍历该点的直接邻居和间接邻居,向外不断扩散,将符合阈值的路段加入到已知簇中,直到没有新的路段加入,一个stroke即形成;
(1.4)对于未标识的聚类路段,迭代步骤(1.1)-(1.3),遍历完所有对象,聚类结束,没有被标识到任何一个stroke的对象单独成为一个stroke,视为孤立路段。
在优选的实施方案中,道路交叉点的密度指数的计算公式为:
Density(Pi)=Ns(Pi)+Ns(Pi)/|N(Pi)|
式中,Ns(Pi)表示与交叉点Pi直接连接的路段相似性度量满足夹角阈值的匹配个数;|N(Pi)|表示连接Pi的路段个数。
在优选的实施方案中,所述步骤(3)中道路度中心性指标为stroke网络拓扑结构图中某一节点与其他网络边节点直接相连的数量。
在优选的实施方案中,所述步骤(3)中道路度接近中心性指标为stroke网络拓扑结构图中某一个节点到其他节点的最短路径之和的倒数。
在优选的实施方案中,所述步骤(3)中中介中心性指标为stroke网络拓扑结构图中某节点位于网络中其他任何两个节点间最短路径上的概率值。
本发明所述的一种城市道路骨架层次划分系统,包括:
道路网stroke生成模块,用于采用基于密度的聚类方法将道路网中的多条路段进行聚类,得到的每个聚类中心为一条stroke,在聚类过程中通过计算两条路段之间的夹角进行方向相似性度量,将符合夹角阈值的路段进行聚类合并;
网络拓扑图生成模块,用于根据生成的stroke采用对偶法是将stroke道路网中的交叉点抽象为图论中的节点,将路段抽象为边,构建stroke网络拓扑结构图;
道路骨架指数计算模块,用于计算每条stroke的道路度中心性、道路接近中心性、道路中介中心性和道路长度指标,并加权融合后得到每条stroke的道路骨架性综合指数;
以及,道路骨架层次划分模块,用于根据每条stroke的道路骨架性综合指数将道路网stroke划分为三个等级,从而提取出道路骨架的层次结构。
本发明所述的一种城市道路骨架层次划分系统,至少包括一台计算机设备,所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序被加载至处理器时实现所述的城市道路骨架层次划分方法。
有益效果:本发明充分利用路段与道路交叉点的邻域关系,以道路交叉点为对象,对在交叉点汇集的路段进行匹配,直到所有交叉点全部遍历结束,stroke全部生成;相似性度量关系采用夹角关系能够满足方向的连续性。并且基于道路交叉点的密度指数和广度优先遍历方式,相比于其它stroke生成方法,有序的遍历方式可以生成唯一的stroke结果,直接邻域和间接邻域的有序遍历也正符合人类识别路段的连续性过程。本发明可以在语义缺省的情况下对道路骨架进行层次划分,并且与基于语义的层级划分相比,能够发现道路网络中具有重要功能的道路。与现有的其它方法相比,本发明可以生成唯一的道路骨架划分结果且可以识别孤立路段。
附图说明
图1是本发明实施例的方法流程示意图。
图2是本发明实施例中基于密度聚类的stroke生成示意图。其中(a)为原始数据,(b)为stroke聚类结果。
图3是依据图2结果生成的Stroke网络拓扑结构图。
具体实施方式
下面结合附图和具体实施例对本发明的技术方案做进一步说明。
如图1所示,本发明实施例公开的一种城市道路骨架层次划分方法,主要包括道路网stroke的生成、stroke网络拓扑结构图的构建、道路骨架性综合指数的计算以及道路骨架层次的划分。具体步骤如下:
(1)基于密度聚类思想生成道路网stroke
道路网stroke的生成是将原始道路网络中存在的m条路段综合为n条stroke的过程(m之n),综合后的道路网内还可能存在路段(这种情况下stroke即为路段)。本发明将这一过程定义为多条路段的聚类过程,生成的某一个聚类簇即为一条stroke,噪声即为孤立路段。令R表示道路网中的路段集合,Ri表示其中的第i条路段,S表示Stroke集合,Si表示第i条stroke,即R={R1,R1…,Rm},S={S1,S2…,Sn},那么聚类过程为将R分成n类S1,S2…,Sn。以道路交叉点为对象,汇集于某一交叉点的所有路段互为直接邻域关系。
具体地,基于密度聚类思想的stroke生成方法主要包括如下步骤:
(1.1)选取密度指数最大值的道路交叉点作为初始聚类中心。对于一个道理交叉点Pi,用Density(Pi)表示Pi的密度指数,其具体表达为
Density(Pi)=Ns(Pi)+Ns(Pi)/|N(Pi)| (1)
式中,Ns(Pi)表示与交叉点Pi直接连接的路段相似性度量满足夹角阈值的匹配个数;|N(Pi)|表示连接Pi的路段个数。
(1.2)计算该点连接的路段方向相似性(两两进行匹配),将符合夹角阈值的路段聚类合并,并标识为已聚类。以方向相似性作为两条路段的连接准则,即判断两条路段之间的夹角,夹角越小说明两条路段越容易连接。
(1.3)按照广度优先搜索方法遍历该点的直接邻居和间接邻居,向外不断扩散,按照步骤(1.2)进行两两匹配,将符合阈值的路段加入到已知簇中,直到没有新的路段加入,一个stroke即形成;
(1.3)对于未标识的聚类路段,迭代步骤(1.1)-(1.3),遍历完所有对象,聚类结束,没有被标识到任何一个stroke的对象单独成为一个stroke,视为孤立路段。
如图2所示,原始道路网包含16条路段,路段交叉点以字母为注记,路段以数字为注记。计算每个路段交叉点的密度指数(如表1所示),以c点为聚类中心点,访问该点的连接路段并进行路段方向相似性匹配,夹角阈值设置为60,匹配结果可得到两个聚类簇{5,6}和{3,7},按照密度指数降序遍历交叉点c的直接邻居{a,b,d}可得到聚类簇{5,6,4}和{3,7,1,9},依照上述过程遍历访问c的间接邻居,最终可得到Stroke集合{5,6,4},{3,7,1,9,11,14,16},{12,13}以及孤立路段{2},{8},{10},{15}。
表1道路交叉点的密度指数
(2)构建stroke网络拓扑结构图
根据步骤(1)生成的stroke单元采用对偶法是将stroke道路网中的交叉点抽象为图论中的节点,将路段抽象为边,利用邻接矩阵输出stroke间的衔接关系并将其可视化表达为网络的拓扑结构图,以此作为测度道路骨架的依据(图3)。
(3)道路骨架性综合指数计算
本步骤中,以stroke为基本单元进行道路骨架提取,采用描述网络拓扑结构中节点重要性的指标来描述每条stroke的骨架性,选取了道路中介中心性、道路度中心性、道路接近中心性和道路长度等指标对城市道路网络进行提取,其中中介中心性、道路度中心性、道路接近中心性可以从stroke网络的拓扑结构图中计算获取。具体计算方法如下:
(a)度中心性(出度):Stroke网络拓扑结构图中某一节点与其他网络边节点直接相连的数量,表示为
式中,表示度中心性值;当节点j与节点i相交时,δij=1,否则为0。度中心值越大,连通性越强,stroke在整个城市道路网中所起的重要程度就越大。
(b)接近中心性:Stroke网络拓扑结构图中某一个节点到其他节点的最短路径之和的倒数,表示为
式中,表示接近中心性值,nij是网络节点i到城市道路节点j所经过的最短路径。接近中心性是一个全局指标值,接近中心性值越高,城市道路的可达性越好。与度中心性相比,接近中心性指标可进一步描述道路与非直接连接道路的接近程度。
(c)中介中心性:Stroke网络拓扑结构图中某节点位于网络中其他任何两个节点间最短路径上的概率值,即一个节点在多大程度上位于网络中其他节点的“中心”。一个节点度中心性和接近中心性均较低的stroke(如桥梁或城市组团间道路),可能在路网中起到重要的“骨架”作用,即在整个路网拓扑结构上起着枢纽作用,其可以表示为
式中,njk表示节点j与k之间最短路径的道路数量;njk(i)表示其中经过节点i的道路数量。城市道路的中介中心性越强,表示有越多的最短路径通过该城市道路,在整个城市道路网络中的枢纽作用也就越明显,对整个城市道路网络有较强的影响力,城市道路的骨架性也就越强。
(d)Stroke长度:通过对车辆行驶轨迹历史数据的分析,司机在城市道路网中行驶时,偏好于转向较少的次最短路径。即较长的城市道路更具有吸引力。因此,城市道路的长度可以反映道路的骨架性,较长的Stroke道路吸引力较大,具有较高的道路骨架性,其计算公式为
式中,是某一条Stroke路段的起始节点,为该Stroke路段的终止节点。
为了表达每条Stroke路段的道路骨架性,将上述评价指标融合成一个综合指数,表示为
G表示每条Stroke路段的道路骨架性综合指数;wi表示评价指标的权重;ai表示评价指标,由于每个因子的量纲不一致,这里采用z-score对各个因子进行标准化处理。
(4)道路骨架层次划分
根据《城市道路交通规划设计规范》(GB-50220)的要求可推算出城市道路网络系统可以分为3级,因此根据每一个stroke的综合指标重要性采用Nature breaker方法将道路网Stroke分为三个等级,即可提取出道路骨架的层次结构。
本发明另一实施例公开的一种城市道路骨架层次划分系统,包括:道路网stroke生成模块,用于采用基于密度的聚类方法将道路网中的多条路段进行聚类,得到的每个聚类中心为一条stroke,在聚类过程中通过计算两条路段之间的夹角进行方向相似性度量,将符合夹角阈值的路段进行聚类合并;网络拓扑图生成模块,用于根据生成的stroke采用对偶法是将stroke道路网中的交叉点抽象为图论中的节点,将路段抽象为边,构建stroke网络拓扑结构图;道路骨架指数计算模块,用于计算每条stroke的道路度中心性、道路接近中心性、道路中介中心性和道路长度指标,并加权融合后得到每条stroke的道路骨架性综合指数;以及,道路骨架层次划分模块,用于根据每条stroke的道路骨架性综合指数将道路网stroke划分为三个等级,从而提取出道路骨架的层次结构。该系统实施例与上述方法实施例属于相同的发明构思,具体实现细节可参考上述方法实施例,此处不再赘述。
基于相同的发明构思,本发明实施例还公开了一种城市道路骨架层次划分系统,至少包括一台计算机设备,所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序被加载至处理器时实现所述的城市道路骨架层次划分方法。本发明实施例未详细说明的部分均为现有技术。

Claims (8)

1.一种城市道路骨架层次划分方法,其特征在于,包括如下步骤:
(1)采用基于密度的聚类方法将道路网中的多条路段进行聚类,得到的每个聚类中心为一条stroke,在聚类过程中通过计算两条路段之间的夹角进行方向相似性度量,将符合夹角阈值的路段进行聚类合并;
(2)根据生成的stroke采用对偶法是将stroke道路网中的交叉点抽象为图论中的节点,将路段抽象为边,构建stroke网络拓扑结构图;
(3)计算每条stroke的道路度中心性、道路接近中心性、道路中介中心性和道路长度指标,并加权融合后得到每条stroke的道路骨架性综合指数;
(4)根据每条stroke的道路骨架性综合指数将道路网stroke划分为三个等级,从而提取出道路骨架的层次结构。
2.根据权利要求1所述的城市道路骨架层次划分方法,其特征在于,所述步骤(1)中采用聚类方法生成stroke的步骤具体包括:
(1.1)选取密度指数最大值的道路交叉点作为初始聚类中心;
(1.2)计算该点连接的路段方向相似性,将符合夹角阈值的路段聚类合并,并标识为已聚类;
(1.3)按照广度优先搜索方法遍历该点的直接邻居和间接邻居,向外不断扩散,将符合阈值的路段加入到已知簇中,直到没有新的路段加入,一个stroke即形成;
(1.4)对于未标识的聚类路段,迭代步骤(1.1)-(1.3),遍历完所有对象,聚类结束,没有被标识到任何一个stroke的对象单独成为一个stroke,视为孤立路段。
3.根据权利要求2所述的城市道路骨架层次划分方法,其特征在于,道路交叉点的密度指数的计算公式为:
Density(Pi)=Ns(Pi)+Ns(Pi)/|N(Pi)|
式中,Ns(Pi)表示与交叉点Pi直接连接的路段相似性度量满足夹角阈值的匹配个数;|N(Pi)|表示连接Pi的路段个数。
4.根据权利要求1所述的城市道路骨架层次划分方法,其特征在于,所述步骤(3)中道路度中心性指标为stroke网络拓扑结构图中某一节点与其他网络边节点直接相连的数量。
5.根据权利要求1所述的城市道路骨架层次划分方法,其特征在于,所述步骤(3)中道路度接近中心性指标为stroke网络拓扑结构图中某一个节点到其他节点的最短路径之和的倒数。
6.根据权利要求1所述的城市道路骨架层次划分方法,其特征在于,所述步骤(3)中中介中心性指标为stroke网络拓扑结构图中某节点位于网络中其他任何两个节点间最短路径上的概率值。
7.一种城市道路骨架层次划分系统,其特征在于,包括:
道路网stroke生成模块,用于采用基于密度的聚类方法将道路网中的多条路段进行聚类,得到的每个聚类中心为一条stroke,在聚类过程中通过计算两条路段之间的夹角进行方向相似性度量,将符合夹角阈值的路段进行聚类合并;
网络拓扑图生成模块,用于根据生成的stroke采用对偶法是将stroke道路网中的交叉点抽象为图论中的节点,将路段抽象为边,构建stroke网络拓扑结构图;
道路骨架指数计算模块,用于计算每条stroke的道路度中心性、道路接近中心性、道路中介中心性和道路长度指标,并加权融合后得到每条stroke的道路骨架性综合指数;
以及,道路骨架层次划分模块,用于根据每条stroke的道路骨架性综合指数将道路网stroke划分为三个等级,从而提取出道路骨架的层次结构。
8.一种城市道路骨架层次划分系统,至少包括一台计算机设备,所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述计算机程序被加载至处理器时实现根据权利要求1-6任一项所述的城市道路骨架层次划分方法。
CN201811362083.3A 2018-11-15 2018-11-15 城市道路骨架层次划分方法及系统 Pending CN109711425A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811362083.3A CN109711425A (zh) 2018-11-15 2018-11-15 城市道路骨架层次划分方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811362083.3A CN109711425A (zh) 2018-11-15 2018-11-15 城市道路骨架层次划分方法及系统

Publications (1)

Publication Number Publication Date
CN109711425A true CN109711425A (zh) 2019-05-03

Family

ID=66254813

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811362083.3A Pending CN109711425A (zh) 2018-11-15 2018-11-15 城市道路骨架层次划分方法及系统

Country Status (1)

Country Link
CN (1) CN109711425A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111985065A (zh) * 2019-05-22 2020-11-24 兰州交通大学 基于引力场理论的道路自动选取技术
CN113673619A (zh) * 2021-08-27 2021-11-19 湖南航天远望科技有限公司 一种基于拓扑分析的地理大数据空间潜模式分析方法
CN116127330A (zh) * 2022-09-14 2023-05-16 兰州交通大学 一种路网语义相似性度量模型
WO2024164217A1 (en) * 2023-02-09 2024-08-15 Qualcomm Technologies , Inc. Apparatus and methods for tracking features within images

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103823951A (zh) * 2014-03-21 2014-05-28 武汉大学 一种量化路网特征及其土地利用效应的方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103823951A (zh) * 2014-03-21 2014-05-28 武汉大学 一种量化路网特征及其土地利用效应的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
何海威 等: "道路网层次骨架控制的道路选取方法", 《测绘学报》 *
叶彭姚 等: "基于道路骨架性的城市道路等级划分方法", 《同济大学学报(自然科学版)》 *
栾学晨 等: "城市复杂道路网的Stroke生成方法", 《地理与地理信息科学》 *
陈律余: "基于空间聚类的城市空间格局要素抽取研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111985065A (zh) * 2019-05-22 2020-11-24 兰州交通大学 基于引力场理论的道路自动选取技术
CN113673619A (zh) * 2021-08-27 2021-11-19 湖南航天远望科技有限公司 一种基于拓扑分析的地理大数据空间潜模式分析方法
CN113673619B (zh) * 2021-08-27 2023-08-04 湖南航天远望科技有限公司 一种基于拓扑分析的地理大数据空间潜模式分析方法
CN116127330A (zh) * 2022-09-14 2023-05-16 兰州交通大学 一种路网语义相似性度量模型
CN116127330B (zh) * 2022-09-14 2023-11-03 兰州交通大学 一种路网语义相似性度量模型
WO2024164217A1 (en) * 2023-02-09 2024-08-15 Qualcomm Technologies , Inc. Apparatus and methods for tracking features within images

Similar Documents

Publication Publication Date Title
CN109711425A (zh) 城市道路骨架层次划分方法及系统
CN101706950B (zh) 一种遥感影像多尺度分割的高性能实现方法
CN105449676B (zh) 配电网区域节点网络生成方法与系统
CN101650191B (zh) 道路网络拓扑抽象的方法及装置
CN110008602B (zh) 一种大比例尺下顾及多特征协调的路网选取方法
CN107798079A (zh) 基于车辆轨迹数据的路段拼接方法及系统
CN103389101B (zh) 一种基于层次结构的道路连通性检查方法
CN107742169A (zh) 一种基于复杂网络的城市公交网络系统构建方法及性能评估方法
CN111027743A (zh) 基于分层路网的od最优路径搜索方法及装置
CN107121146A (zh) 基于路链深度的最优路径规划方法
CN112990538A (zh) 一种山地光伏电站集电线路确定方法、装置及设备
CN105140919A (zh) 一种基于图论的快速拓扑分析及拓扑岛建立的方法
CN101330417A (zh) 一种求网络最短路径的商空间覆盖模型及其构建方法
CN110851664A (zh) 一种面向主题的社交网络节点重要度评估方法
CN107729939A (zh) 一种面向新增电网资源的cim模型扩展方法及装置
CN101526366B (zh) 地图数据处理方法及导航设备
CN104901328B (zh) 基于复杂控制网络下的多端柔直控制模式自动识别方法
CN106412835A (zh) 一种用户出行模式识别的方法及装置
CN109992593A (zh) 一种基于子图匹配的大规模数据并行查询方法
Chen et al. Resilience assessment of multimodal urban transport networks
CN113903173A (zh) 一种基于有向图结构和lstm的车辆轨迹特征提取方法
CN110798802B (zh) 一种共享自行车骨架网络提取方法
CN112257950A (zh) 应用于电力市场的交易路径配置方法及计算机可读存储介质
CN115309846B (zh) 一种基于平行系数的道路网结构识别方法
CN112116305A (zh) 一种用于机器学习的电网概率可视化模型构建方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190503

RJ01 Rejection of invention patent application after publication