CN110232819A - 一种基于复杂网络的城市关键道路的发掘方法 - Google Patents
一种基于复杂网络的城市关键道路的发掘方法 Download PDFInfo
- Publication number
- CN110232819A CN110232819A CN201910405988.2A CN201910405988A CN110232819A CN 110232819 A CN110232819 A CN 110232819A CN 201910405988 A CN201910405988 A CN 201910405988A CN 110232819 A CN110232819 A CN 110232819A
- Authority
- CN
- China
- Prior art keywords
- road
- network
- traffic
- follows
- speed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000009412 basement excavation Methods 0.000 title claims abstract description 31
- 238000005054 agglomeration Methods 0.000 claims abstract description 13
- 230000002776 aggregation Effects 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000003068 static effect Effects 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims 1
- 238000000605 extraction Methods 0.000 claims 1
- 238000011084 recovery Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000009472 formulation Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 231100000517 death Toxicity 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Fuzzy Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于复杂网络的城市关键道路的发掘方法,主要包含以下步骤:A:基于城市交通网络拓扑和实际运行数据,建立城市动态交通网络;B:计算交通临界渗流参数序列;C:统计所有最大功能连通子团集合;D:判定所有道路可靠性水平,发掘关键道路;本发明主要引入复杂网络和渗流理论相关概念,采用复杂网络中“次大连通子团”这一指标作为交通网络崩溃与否的判断依据,通过设置速度阈值将速度低于该阈值的道路从交通网络中删除,找到渗流理论中的“渗流临界参数”时刻,计算得到渗流临界参数下的“最大功能连通子团”,判断各条道路是否属于这一“最大功能连通子团”。通过计算各条道路在在一段时间内的多个时刻下属于对应时刻的最大功能连通子团的概率值大小,找出交通网络中的关键道路。
Description
技术领域
本发明提出了一种基于复杂网络的城市关键道路的发掘方法,它涉及一种基于复杂网络的城市关键道路的发掘方法,属于复杂性科学领域以及可靠性领域。
背景技术
城市交通网络是支撑城市经济发展和居民日常生活的大型基础设施,同时又是一个典型的复杂系统,其结构在空间维度上呈现多层次和不均匀等特点。同时,人民日益增加的出行需要,不仅体现在巨大的增加数量上,还体现在对于新型出行模式的需求,比如线上预约和共享出行等。而这些需求的产生都给交通网络的运行带来了巨大的挑战。一方面,由于区域地理和政策的限制,城市交通网络的规模不可能无限扩增下去。另一方面,由于交通网络是伴随各个城市的大规模建设而兴起的,建设者对于整体交通网络很难做到完善的前期规划,这使得实际运行的交通网络本身存在设计中的不足。因此,我们需要在现有的交通网络基础上,利用有限的资源对交通运行状况进行改善,缓解城市交通拥堵。
关键道路,是城市交通网络中部分对于全局交通网络运行有重大影响的道路集合。由于城市交通网络是一个完全开放的系统,其中主体参与者众多。因此,城市交通网络的运行会受到来自各方面的影响和扰动,其中影响规模较小的如:人为交通事故、交通管制和道路施工等;影响规模较大的如:台风、飓风和暴雨等。这些事件给交通网络的正常运行带来影响,造成各种规模的交通拥堵,甚至造成重大的经济损失和人员的伤亡。而在这些事件发生之后,我们需要制定和实施特定的交通恢复策略。尤其对于那些规模较大的重大事件,我们制定的策略需要更具针对性和有效性,使得交通网络能够更加快速的恢复到正常运行状态。因此,发掘交通网络中的关键道路,对于理解整个网络的运行模式以及制定针对性恢复策略都有着巨大的现实意义。
本发明针对于以上的趋势和背景问题提出了一种有效的解决方案。本方案主要将复杂网络和渗流理论相关概念引入交通网络中关键道路的发掘中来,采用复杂网络中“次大连通子团”这一指标作为交通网络崩溃与否的判断依据,通过设置速度阈值将速度低于该阈值的道路从交通网络中删除,进一步改变速度阈值,计算次大连通子团大小,当次大连通子团规模达到最大时,此时系统发生崩溃,对应渗流理论中的“渗流临界参数”时刻。计算得到的渗流临界参数下的“最大功能连通子团”,判断各条道路是否属于这一“最大功能连通子团”。通过计算各条道路在在一段时间内的多个时刻下属于对应时刻的最大功能连通子团的概率值大小,找出交通网络中的关键道路。本发明采用的基于复杂网络和渗流理论的交通网络关键道路的发掘方法,计算过程简单,结果有很强的理论支持,具有良好的工程应用价值。
发明内容一种基于复杂网络的城市关键道路的发掘方法
本发明主要提供一种交通网络中关键道路的发掘方法。城市交通网络是城市经济发展和城市居民出行的生命线系统,结构上具有多层次和不均匀的特点,而在功能上则需要满足人民越来越大量和多模式的出行需求。实际交通网络的运行面临着各种各样的影响和扰动,其中部分还会造成严重的经济损失和人员的伤亡。基于交通网络现状和有限的资源,在影响事件发生的背景下,我们需要制定最为针对性的策略对城市交通网络的运行进行最大限度的提升。于是我们提出一种有效量化和区别不同道路重要度的方法,发掘其中关键道路。
针对以上的技术问题以及本发明的目的,本文提出了一种基于复杂网络的交通网络中关键道路的发掘方法,方案包括如下部分:
(一)发明目的
针对交通网络面临的现实挑战,本发明的目的在于提供一种基于复杂网络的交通网络中关键道路的发掘方法,针对城市交通网络的结构和功能特点,本发明提出的关键道路发掘方法将可靠性概念与复杂网络相结合,通过计算一段时间内道路属于“渗流临界阈值”下的“最大功能连通子团”的概率,发掘出交通网络中的关键道路。这些城市交通网络中关键道路的发掘,有利于我们制定针对性的策略,对城市交通网络的运行进行提升。
(二)技术方案一种基于复杂网络的城市关键道路的发掘方法
为了实现上述目的,本发明的方法所采用的技术方案是:一种基于复杂网络的城市关键道路的发掘方法。
本发明一种基于复杂网络的城市关键道路的发掘方法,其步骤如下:
步骤A:基于城市交通网络拓扑和实际运行数据,建立城市动态交通网络;
步骤B:计算交通临界渗流参数序列;
步骤C:统计所有最大功能连通子团集合;
步骤D:判定所有道路可靠性水平,发掘关键道路;
其中,在步骤A中所述的“交通网络拓扑”,其具体含义为:表征交通网络中各组成部分的相对位置,描述了各条道路之间的连接关系;
在步骤A中所述的“实际运行数据”,其具体含义为:由特定数据采集器收集的道路上的车辆速度数据,用以反映道路在该时刻下的运行状态。每个时刻下每条道路i都有唯一的速度值vi;
在步骤A中所述的“建立城市动态交通网络”,其具体含义为:建立静态交通拓扑网络。进一步,将道路的实际运行数据映射到网络的每条连边上。最后将速度值归一化,得到动态的交通网络;包含以下三个步骤:
步骤A1:建立静态交通拓扑网络;
步骤A2:将速度数据映射到网络的每条连边上,建立初始速度矩阵M0;
步骤A3:对所有道路速度序列进行归一化,得到归一化速度矩阵M1和动态交通网络G(N,L)。
其中,在步骤A1中所述的“建立静态交通拓扑网络”,其具体做法如下:将城市中划分的各个路段抽象成网络中的连边li;将路段与路段间的连接路口抽象成网络中的节点ni,最后依据路段间的连接关系建立交通拓扑网络G0(N,L);其中N为网络所有节点集合,L为所有连边集合;
其中,在步骤A2中所述的“将速度数据映射到网络的每条连边上,建立初始速度矩阵M0”,其具体做法如下:在任意一个时刻ti,将所有K条道路对应的速度,按照道路本身的顺序关系,生成一个横向量Vi=(v1,v2…vK)。进一步,对所有TI个时刻重复该动作,最后整合所有的横向量生成初始速度矩阵M0=(V1,V2…VTI),在网络中以链表形式存储;
其中,在步骤A3中所述的“对所有道路速度序列进行归一化,得到归一化速度矩阵M1和动态交通网络G(N,L)”,其具体做法如下:对于任意一条道路i,从初始速度矩阵M0中提取该道路所有时刻的速度值序列Vi,提取该路段的最大限速vi_max,将速度值序列每个速度都除以最大限速vi_max来得到归一化速度vi_ratio,如下所示:
vi_ratio=vi/vi_max
最后,对所有道路进行该归一化操作,得到归一化速度矩阵M1=((V1_ratio,V2_ratio…VTI_ratio));然后我们结合M1和交通拓扑网络G0(N,L)可以得到动态交通网络G(N,L)。
其中,在步骤B中所述的“计算交通临界渗流参数序列”,其具体做法如下:在任意一个时刻,设置速度阈值q,将该时刻下速度值vi小于速度阈值q的道路i删除;运用广度优先方法(BFS),计算此时的次大连通子团G″的尺寸大小;其中,次大连通子团G″是指在整个网络内第二大的一个连通子团;连通子团,又称连通子图,是指在这个子团内的任意两个节点之间都可以连通,而次大连通子团是指在网络中规模第二大的一个连通子团;然后按照网络的实际规模以及计算的精度要求,逐渐增大速度阈值q,初始化网络G(N,L)并重复进行上一步操作;记录下次大连通子团G″达到最大时对应的速度阈值q为临界渗流参数qc_i;最后,对每一个时刻进行上述操作,得到交通临界渗流参数的序列qc=(qc_1,qc_2…qc_TI)。
其中,在步骤C中所述的“统计所有最大功能连通子团集合”,其具体做法如下:在步骤B的基础上,将得到的交通临界渗流参数序列qc分别作为速度的阈值,删除网络中对应时刻ti下的速度值小于速度阈值qc_i的道路连边,然后运用广度优先方法(BFS)找到此时的最大功能连通子团G';其中,最大功能连通子团G'是指在整个网络内第一大的一个连通子团;将它的所有连边、节点以及连接关系存储起来;然后,对于交通临界渗流参数序列中所有值qc=(qc_1,qc_2…qc_TI)以及对应时刻(t1,t2…tTI)进行该操作,最后得到所有时刻下的最大功能连通子团集合。
其中,在步骤D中所述的“判定所有道路可靠性水平,发掘关键道路”,其具体做法如下:我们对不同道路的可靠性水平进行定量计算、排序,最后根据规定比例找出所有关键道路集合;包含以下两个步骤:
步骤D1:判定所有道路可靠性水平;
步骤D2:排序并发掘关键道路;
其中,在步骤D1中所述的“判定所有道路可靠性水平”,其具体做法如下:根据步骤C所确定的最大功能连通子团集合,对于任意一条道路i,首先判定它是否属于最大功能连通子团的道路连边集合:
其中e(t)用来表示道路i是否属于t时刻下,临界阈值为q的最大功能连通子团G'中;其中,1表示道路i在G'内,0则表示不在其中;
统计该道路在最大功能连通子团的连边中出现的次数最后分别除以总的时刻数TI,得到该条道路的可靠性水平R(i):
对每一条道路进行以上操作,最后得到所有道路的可靠性水平值R=(R(1),R(2)…R(L));
其中,在步骤D2中所述的“排序并发掘关键道路”,其具体做法如下:对步骤D1中的所有道路可靠性水平R=(R(1),R(2)…R(L))进行排序,基于网络的规模和实际的资源情况,设置具体比例A发掘一定数量LA的关键道路:
LA=L*A
式中:A为预设发掘比例,LA为预设发掘数量,L为网络道路总数;
通过以上步骤,本发明所述的一种基于复杂网络的城市关键道路的发掘方法提供了一种结合实际交通数据,针对城市关键道路的发掘方法,解决了现有方法多从交通网络结构发掘城市的关键道路,没有充分考虑道路的现实功能状态以及实际运行情况,同时该方法具有坚实的理论基础,对于各种情况下的交通网络具备广泛的适应性,具有良好的实际应用价值。
(三)优点创新
本发明具有如下的创新点:
1.理论性:本发明的计算过程是统计理论当中的渗流过程,而在渗流过程当中的临界阈值下的最大功能连通子团则是表征网络运行功能的指标。因此我们将其用来进行关键道路的挖掘,凸显道路对于整体网络运行的影响,具有很强的理论基础;
2.易计算:本发明中的计算过程运用到的最大和次大连通子团概念,我们采用广度优先搜索算法(BFS)进行求取,该算法成熟可靠,计算起来比较容易;
3.应用广:本发明所设计的交通网络关键道路发掘方法适用于各种规模的城市交通网络,同时可以拓展到其他类型网络的关键部分的挖掘当中,例如生物网络、通信网络等。
综上,这种基于复杂网络的城市关键道路的发掘方法为交通工程应用中的道路针对性恢复策略的制定提供支持。
附图说明
图1是本发明所述方法流程图。
具体实施方式
为使本发明要解决的技术问题、技术方案更加清楚,下面将结合附图及具体实施案例进行详细描述。应当理解,此处所描述的实施实例仅用于说明和解释本发明,并不用于限定本发明。
本发明的目的在于解决交通网络受到各种扰动而发生性能下降后的恢复策略的制定问题,由于实际情况的急迫性以及恢复资源的有限性,我们需要区分道路的不同恢复优先级,需要发掘并优先恢复关键道路。在考虑到道路对交通网络全局运行的影响前提下,针对城市交通网络的结构和功能特点,本发明提出的关键道路发掘方法将可靠性概念与复杂网络相结合,通过计算一段时间内道路属于“渗流临界阈值”下的“最大功能连通子团”的概率,发掘出交通网络中的关键道路。本方法计算简单,可以对不同规模大小的交通网络进行关键道路发掘,具有较好的应用价值。
下面结合附图说明及具体实施方式对本发明进一步说明。
本发明实施例以某城市交通网络为例,阐述本发明方法。具体地说,该交通网络有连边69289条连边,37257个节点,基于有限的资源,现需要挖掘出该网络中5%比例的关键道路,共计3464条。
本发明一种基于复杂网络的城市关键道路的发掘方法,其步骤如图1所示:
步骤A:基于城市交通网络拓扑和实际运行数据,建立城市动态交通网络;
步骤B:计算交通临界渗流参数序列;
步骤C:统计所有最大功能连通子团集合;
步骤D:判定所有道路可靠性水平,发掘关键道路;
其中,步骤A中所述的“交通网络拓扑”,其具体含义为:表征交通网络中各组成部分的相对位置,描述了各条道路之间的连接关系;
步骤A中所述的“实际运行数据”,其具体含义为:由特定数据采集器收集的道路上的车辆速度数据,用以反映道路在该时刻下的运行状态。每个时刻下每条道路都有唯一的速度值;目前所拥有的是共计一天24小时时间段数据,以五分钟作为间隔,全天共288(TI)个时刻的数据;
步骤A中所述的“建立城市动态交通网络”,其具体含义为:建立静态交通拓扑网络。进一步,将道路的实际运行数据映射到网络的每条连边上。通过最后的速度值归一化,得到动态的交通网络;包含以下三个步骤:
步骤A1:建立静态交通拓扑网络;
步骤A2:将速度数据映射到网络的每条连边上,建立初始速度矩阵M0;
步骤A3:对所有道路速度序列进行归一化,得到归一化速度矩阵M1和动态交通网络G(N,L)。
其中,步骤A1所述的“建立静态交通拓扑网络”,其具体做法如下:将城市中划分的各个路段抽象成网络中的连边li;将路段与路段间的连接路口抽象成网络中的节点ni,最后依据路段间的连接关系建立交通拓扑网络G0(N,L)。其中N为网络所有节点集合,L为所有连边集合。这里我们获取交通拓扑网络G0(37257,69289);
其中步骤A2所述的“将速度数据映射到网络的每条连边上,建立初始速度矩阵M0”,其具体做法如下:在任意一个时刻ti,将所有69289条道路对应的速度,按照道路本身的顺序关系,生成一个横向量Vi=(v1,v2…v69289)。进一步,对所有288个时刻重复该动作,最后整合所有的横向量生成初始速度矩阵M0=(V1,V2…V288),在网络中以链表形式存储;
其中步骤A3所述的“对所有道路速度序列进行归一化,得到归一化速度矩阵M1和动态交通网络G(37257,69289)”,其具体做法如下:对于任意一条道路i,从初始速度矩阵M0中提取该道路所有时刻的速度值序列Vi,提取该路段的最大限速vi_max,将速度值序列每个速度都除以最大限速vi_max来得到归一化速度vi_ratio。例如我们这里的某条道路的最高限速为60km/h,则归一化过程如下所示:
vi_ratio=vi/vi_max=vi/60
最后,对所有道路进行该归一化操作,得到归一化速度矩阵M1=((V1_ratio,V2_ratio…V288_ratio))。然后我们结合M1和交通拓扑网络G0(37257,69289)可以得到动态交通网络G(37257,69289);
其中,步骤B中所述的“计算交通临界渗流参数序列”,其具体做法如下:在任意一个时刻,设置初始速度阈值q=0,将该时刻下速度值vi小于速度阈值q的道路i删除;运用广度优先算法(BFS),计算此时的次大连通子团G″的尺寸大小。其中,次大连通子团G″是指在整个网络内第二大的一个连通子团;连通子团,又称连通子图,是指在这个子团内的任意两个节点之间都可以连通,而次大连通子团是指在网络中规模第二大的一个连通子团。然后按照网络的实际规模以及计算的精度要求,我们这里逐渐增大速度阈值q,每次逐渐增大0.01,按照(0,0.01,0.02,0.03…1)序列循环计算101次。初始化网络G(N,L)并重复进行上一步操作。记录下次大连通子团G″序列(G″1,G″2...G″101)以及对应的速度阈值q序列(q1,q2...q101)。我们找到次大连通子团G″尺寸达到最大时对应的速度阈值q为临界渗流参数qc_i。最后,对共计288个时刻都进行上述操作,得到交通临界渗流参数的序列qc=(qc_1,qc_2…qc_288);
其中,步骤C所述的“统计所有最大功能连通子团集合”,其具体做法如下:在步骤B的基础上,将得到的交通临界渗流参数序列qc分别作为速度的阈值,删除网络中对应时刻ti下的速度值小于速度阈值qc_i的道路连边,然后运用广度优先算法(BFS)找到此时的最大功能连通子团G'。其中,最大功能连通子团G'是指在整个网络内第一大的一个连通子团。将它的所有连边、节点以及连接关系存储起来。然后,对于交通临界渗流参数序列中所有值qc=(qc_1,qc_2…qc_TI)以及对应时刻(t1,t2…tTI)进行该操作,最后得到所有时刻下的最大功能连通子团集合;
其中,步骤D中所述的“判定所有道路可靠性水平,发掘关键道路”,其具体做法如下:我们对不同道路的可靠性水平进行定量计算、排序,最后根据规定比例找出所有关键道路集合。包含以下两个步骤:
步骤D1:判定所有道路可靠性水平;
步骤D2:排序并发掘关键道路;
其中,步骤D1所述的“判定所有道路可靠性水平”,其具体做法如下:根据步骤C所确定的最大功能连通子团集合,对于任意一条道路i,首先判定它是否属于最大功能连通子团的道路连边集合:
其中e(t)用来表示道路i是否属于t时刻下,临界阈值为q的最大功能连通子团G'中。其中,1表示道路i在G'内,0则表示不在其中。
统计该道路在最大功能连通子团的连边中出现的次数最后分别除以总的时刻数TI,得到该条道路的可靠性水平R(i):
对每一条道路进行以上操作,最后得到所有道路的可靠性水平值R=(R(1),R(2)…R(69289));
其中,步骤D2中所述的“排序并发掘关键道路”,其具体做法如下:对步骤D1中的所有道路可靠性水平R=(R(1),R(2)…R(69289))进行排序,获取按照从大到小的排序后序列RRANK。基于网络的规模和实际的资源情况,设置具体比例A发掘一定数量LA的关键道路,我们这里获取的比例为5%,道路总数为:
LA=L*A=69289*5%≈3464
本发明未详细阐述部分属于本领域公知技术。
以上所述,仅为本发明部分具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本领域的人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于复杂网络的城市关键道路的发掘方法,其特征在于:其步骤如下:
步骤A:基于城市交通网络拓扑和实际运行数据,建立城市动态交通网络;
步骤B:计算交通临界渗流参数序列;
步骤C:统计所有最大功能连通子团集合;
步骤D:判定所有道路可靠性水平,发掘关键道路。
2.根据权利要求1所述的一种基于复杂网络的城市关键道路的发掘方法,其特征在于:
在步骤A中所述的“交通网络拓扑”,其具体含义为:表征交通网络中各组成部分的相对位置,描述了各条道路之间的连接关系;
在步骤A中所述的“实际运行数据”,其具体含义为:由特定数据采集器收集的道路上的车辆速度数据,用以反映道路在该时刻下的运行状态;每个时刻下每条道路i都有唯一的速度值vi;
在步骤A中所述的“建立城市动态交通网络”,其具体含义为:建立静态交通拓扑网络;进一步,将道路的实际运行数据映射到网络的每条连边上;最后将速度值归一化,得到动态的交通网络;包含以下三个步骤:
步骤A1:建立静态交通拓扑网络;
步骤A2:将速度数据映射到网络的每条连边上,建立初始速度矩阵M0;
步骤A3:对所有道路速度序列进行归一化,得到归一化速度矩阵M1和动态交通网络G(N,L);
其中,在步骤A1中所述的“建立静态交通拓扑网络”,其具体做法如下:将城市中划分的各个路段抽象成网络中的连边li;将路段与路段间的连接路口抽象成网络中的节点ni,最后依据路段间的连接关系建立交通拓扑网络G0(N,L);其中N为网络所有节点集合,L为所有连边集合;
其中,在步骤A2中所述的“将速度数据映射到网络的每条连边上,建立初始速度矩阵M0”,其具体做法如下:在任意一个时刻ti,将所有K条道路对应的速度,按照道路本身的顺序关系,生成一个横向量Vi=(v1,v2…vK);进一步,对所有TI个时刻重复该动作,最后整合所有的横向量生成初始速度矩阵M0=(V1,V2…VTI),在网络中以链表形式存储;
其中,在步骤A3中所述的“对所有道路速度序列进行归一化,得到归一化速度矩阵M1和动态交通网络G(N,L)”,其具体做法如下:对于任意一条道路i,从初始速度矩阵M0中提取该道路所有时刻的速度值序列Vi,提取该路段的最大限速vi_max,将速度值序列每个速度都除以最大限速vi_max来得到归一化速度vi_ratio,如下所示:
vi_ratio=vi/vi_max
最后,对所有道路进行该归一化操作,得到归一化速度矩阵M1=((V1_ratio,V2_ratio…VTI_ratio));然后我们结合M1和交通拓扑网络G0(N,L)能得到动态交通网络G(N,L)。
3.根据权利要求1所述的一种基于复杂网络的城市关键道路的发掘方法,其特征在于:
在步骤B中所述的“计算交通临界渗流参数序列”,其具体做法如下:在任意一个时刻,设置速度阈值q,将该时刻下速度值vi小于速度阈值q的道路i删除;运用广度优先方法即BFS,计算此时的次大连通子团G″的尺寸大小;其中,次大连通子团G″是指在整个网络内第二大的一个连通子团;连通子团,又称连通子图,是指在这个子团内的任意两个节点之间都能连通,而次大连通子团是指在网络中规模第二大的一个连通子团;然后按照网络的实际规模以及计算的精度要求,逐渐增大速度阈值q,初始化网络G(N,L)并重复进行上一步操作;记录下次大连通子团G″达到最大时对应的速度阈值q为临界渗流参数qc_i;最后,对每一个时刻进行上述操作,得到交通临界渗流参数的序列qc=(qc_1,qc_2…qc_TI)。
4.根据权利要求1所述的一种基于复杂网络的城市关键道路的发掘方法,其特征在于:
在步骤C中所述的“统计所有最大功能连通子团集合”,其具体做法如下:在步骤B的基础上,将得到的交通临界渗流参数序列qc分别作为速度的阈值,删除网络中对应时刻ti下的速度值小于速度阈值qc_i的道路连边,然后运用广度优先方法即BFS找到此时的最大功能连通子团G';其中,最大功能连通子团G'是指在整个网络内第一大的一个连通子团;将它的所有连边、节点以及连接关系存储起来;然后,对于交通临界渗流参数序列中所有值qc=(qc_1,qc_2…qc_TI)以及对应时刻(t1,t2…tTI)进行该操作,最后得到所有时刻下的最大功能连通子团集合。
5.根据权利要求1所述的一种基于复杂网络的城市关键道路的发掘方法,其特征在于:
在步骤D中所述的“判定所有道路可靠性水平,发掘关键道路”,其具体做法如下:我们对不同道路的可靠性水平进行定量计算、排序,最后根据规定比例找出所有关键道路集合;包含以下两个步骤:
步骤D1:判定所有道路可靠性水平;
步骤D2:排序并发掘关键道路;
其中,在步骤D1中所述的“判定所有道路可靠性水平”,其具体做法如下:根据步骤C所确定的最大功能连通子团集合,对于任意一条道路i,首先判定它是否属于最大功能连通子团的道路连边集合:
其中e(t)用来表示道路i是否属于t时刻下,临界阈值为q的最大功能连通子团G'中;其中,1表示道路i在G'内,0则表示不在其中;
统计该道路在最大功能连通子团的连边中出现的次数最后分别除以总的时刻数TI,得到该条道路的可靠性水平R(i):
对每一条道路进行以上操作,最后得到所有道路的可靠性水平值R=(R(1),R(2)…R(L));
其中,在步骤D2中所述的“排序并发掘关键道路”,其具体做法如下:对步骤D1中的所有道路可靠性水平R=(R(1),R(2)…R(L))进行排序,基于网络的规模和实际的资源情况,设置具体比例A发掘一预定数量LA的关键道路:
LA=L*A
式中:A为预设发掘比例,LA为预设发掘数量,L为网络道路总数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910405988.2A CN110232819B (zh) | 2019-05-16 | 2019-05-16 | 一种基于复杂网络的城市关键道路的发掘方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910405988.2A CN110232819B (zh) | 2019-05-16 | 2019-05-16 | 一种基于复杂网络的城市关键道路的发掘方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110232819A true CN110232819A (zh) | 2019-09-13 |
CN110232819B CN110232819B (zh) | 2021-03-09 |
Family
ID=67860722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910405988.2A Active CN110232819B (zh) | 2019-05-16 | 2019-05-16 | 一种基于复杂网络的城市关键道路的发掘方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110232819B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111210628A (zh) * | 2020-01-14 | 2020-05-29 | 首都师范大学 | 城市可达区域计算中的边界路段选择方法及装置 |
CN111835567A (zh) * | 2020-07-14 | 2020-10-27 | 北京航空航天大学 | 基于瓶颈节点识别的数据链网络可靠性优化方法及系统 |
CN113409580A (zh) * | 2021-06-28 | 2021-09-17 | 北京航空航天大学 | 一种动态交通网络的容量可靠性的确定方法及系统 |
CN113450558A (zh) * | 2020-03-27 | 2021-09-28 | 上海仙豆智能机器人有限公司 | 一种识别网络关键节点的方法、系统及存储介质 |
CN114937353A (zh) * | 2022-04-08 | 2022-08-23 | 航天科工智慧产业发展有限公司 | 基于复杂网络的智能可变车道的关键节点挖掘方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002279577A (ja) * | 2001-03-21 | 2002-09-27 | Toshiba Corp | 路面状況情報提供システム、これに用いる車載システム、及びそのセンター側の情報処理システム |
CN104112361A (zh) * | 2014-04-25 | 2014-10-22 | 浙江大学 | 路网交通中常发瓶颈和偶发瓶颈的识别方法 |
CN106327865A (zh) * | 2016-08-12 | 2017-01-11 | 北京航空航天大学 | 一种基于渗流分析的城市交通可靠性指标及其实现方法 |
CN109377750A (zh) * | 2018-09-18 | 2019-02-22 | 北京航空航天大学 | 一种基于渗流分析的交通系统弹性临界点确定方法 |
-
2019
- 2019-05-16 CN CN201910405988.2A patent/CN110232819B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002279577A (ja) * | 2001-03-21 | 2002-09-27 | Toshiba Corp | 路面状況情報提供システム、これに用いる車載システム、及びそのセンター側の情報処理システム |
CN104112361A (zh) * | 2014-04-25 | 2014-10-22 | 浙江大学 | 路网交通中常发瓶颈和偶发瓶颈的识别方法 |
CN106327865A (zh) * | 2016-08-12 | 2017-01-11 | 北京航空航天大学 | 一种基于渗流分析的城市交通可靠性指标及其实现方法 |
CN109377750A (zh) * | 2018-09-18 | 2019-02-22 | 北京航空航天大学 | 一种基于渗流分析的交通系统弹性临界点确定方法 |
Non-Patent Citations (1)
Title |
---|
吴若乾,等: "基于渗流理论的城市交通网络瓶颈识别研究", 《城市交通》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111210628A (zh) * | 2020-01-14 | 2020-05-29 | 首都师范大学 | 城市可达区域计算中的边界路段选择方法及装置 |
CN111210628B (zh) * | 2020-01-14 | 2021-04-27 | 首都师范大学 | 城市可达区域计算中的边界路段选择方法及装置 |
CN113450558A (zh) * | 2020-03-27 | 2021-09-28 | 上海仙豆智能机器人有限公司 | 一种识别网络关键节点的方法、系统及存储介质 |
CN113450558B (zh) * | 2020-03-27 | 2022-11-08 | 上海仙豆智能机器人有限公司 | 一种识别网络关键节点的方法、系统及存储介质 |
CN111835567A (zh) * | 2020-07-14 | 2020-10-27 | 北京航空航天大学 | 基于瓶颈节点识别的数据链网络可靠性优化方法及系统 |
CN113409580A (zh) * | 2021-06-28 | 2021-09-17 | 北京航空航天大学 | 一种动态交通网络的容量可靠性的确定方法及系统 |
CN113409580B (zh) * | 2021-06-28 | 2022-05-13 | 北京航空航天大学 | 一种动态交通网络的容量可靠性的确定方法及系统 |
CN114937353A (zh) * | 2022-04-08 | 2022-08-23 | 航天科工智慧产业发展有限公司 | 基于复杂网络的智能可变车道的关键节点挖掘方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110232819B (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232819A (zh) | 一种基于复杂网络的城市关键道路的发掘方法 | |
CN106327865B (zh) | 一种基于渗流分析的城市交通可靠性指标及其实现方法 | |
CN110334391A (zh) | 一种多维度约束风电场集电线路自动规划方法 | |
CN114547827B (zh) | 一种基础设施群运行状态评价方法、电子设备及存储介质 | |
CN107229751A (zh) | 一种面向流式数据的并行增量式关联规则挖掘方法 | |
CN109887297A (zh) | 基于快速全局K-means谱聚类的城市交通控制子区的划分方法 | |
CN109859480A (zh) | 基于复杂网络的拥堵路段建模和评估方法 | |
CN106326637A (zh) | 一种基于局部有效路径度的链路预测方法 | |
CN107332889A (zh) | 一种基于云计算的云端信息管理控制系统及控制方法 | |
CN108882152B (zh) | 一种基于路径选择上报的用户隐私保护方法 | |
CN114093168A (zh) | 一种基于韧性视角下的城市道路交通运行状态评价方法 | |
CN110738853B (zh) | 一种基于复杂网络相关性的关键节点识别方法 | |
CN106603294B (zh) | 一种基于电力通信网结构和状态的综合脆弱性评估方法 | |
CN111310340B (zh) | 基于人类移动的城市区域交互异常关系识别方法及设备 | |
Jiang et al. | The study on the application of fuzzy clustering analysis in the dynamic identification of road traffic state | |
CN106652450A (zh) | 一种高速公路交通指数数值确定方法 | |
Huang et al. | A hierarchical path view model for path finding in intelligent transportation systems | |
Xing et al. | Research on cascading failure model of urban regional traffic network under random attacks | |
CN110097636A (zh) | 一种基于可视域分析的选址规划方法 | |
CN107241222A (zh) | 一种网络拓扑校准方法 | |
CN112598305A (zh) | 基于局域结构流量的城市路网重要节点识别方法 | |
CN117292547B (zh) | 一种大型活动多级影响区路网连通性评价方法 | |
CN115115283B (zh) | 一种城市关键基础设施的管理方法、电子设备及存储介质 | |
Wei et al. | Spatiotemporal Characteristics and Resilience of Urban Network Structure during the Spring Festival Travel Rush: A Case Study of Urban Agglomeration in the Middle Reaches of Yangtze River in China | |
Wong et al. | FROM THE MTR CONNECTION SPACE TO THE BUILDINGS IN URBAN RENEWAL: LINK FOR WHAT? A COMPARATIVE STUDY IN HONG KONG |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220707 Address after: 100193 Room 303, block B, building 27, Zhongguancun Software Park Phase I, No. 8 Dongbeiwang West Road, Haidian District, Beijing Patentee after: BEIJING PALMGO INFORMATION TECHNOLOGY Co.,Ltd. Address before: 100191 No. 37, Haidian District, Beijing, Xueyuan Road Patentee before: BEIHANG University |