CN112464417B - 一种风景道廊道的鲁棒性评估方法 - Google Patents
一种风景道廊道的鲁棒性评估方法 Download PDFInfo
- Publication number
- CN112464417B CN112464417B CN202011276616.3A CN202011276616A CN112464417B CN 112464417 B CN112464417 B CN 112464417B CN 202011276616 A CN202011276616 A CN 202011276616A CN 112464417 B CN112464417 B CN 112464417B
- Authority
- CN
- China
- Prior art keywords
- node
- network
- corridor
- nodes
- gallery
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000013210 evaluation model Methods 0.000 claims abstract description 4
- 238000005259 measurement Methods 0.000 claims description 5
- 229940060587 alpha e Drugs 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 238000013439 planning Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013440 design planning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种风景道廊道的鲁棒性评估方法，包括以下步骤：步骤一、获得节点的GPS坐标数据以及节点间的道路属性数据；步骤二、对步骤一获得的数据进行预处理，预处理后得到廊道网络的拓扑形式；步骤三、根据步骤二构建的廊道网络，对廊道网络中的每一个节点计算它们的风景廊道节点可达性、风景廊道节点枢纽性以及廊道网络通达性；步骤四、将步骤三计算得到的分别利用欧拉公式进行融合，得到评价这三个方面的综合指标，该综合指标称为廊道网络局部要素重要性指标；步骤五、利用廊道网络局部要素重要性指标，搭建动态的风景廊道拓扑网络鲁棒性评价模型。本发明能够对风景廊道网络的鲁棒性有更全面的考察，以提高评估的准确性。
Description
技术领域
本发明涉及公共交通技术领域，特别是一种风景道廊道的鲁棒性评估方法。
背景技术
风景道是具有交通运输和景观欣赏双重功能的通道。为了适应当今旅游的高速发展，研究者主要侧重研究吸引游客的风景道的品质特征，如风景特征、历史特征、自然特征、文化特征、娱乐特征和考古特征等，在风景道规划、景观设计、旅游市场开发、解说系统等方面的作用。
但是风景道也面临如下挑战：风景道本身也承担着交通的作用，它也面临着山地地形形式复杂，组团形态分散，生态环境敏感等因素的约束，它也将面临风景道线网节点设计不合理，空间配置不均匀，局部效益低下的情况，尤其在中国这样一个人口大国，每年到了五一国庆期间，都会有大量的出游者涌入风景道，不合理的风景道设计规划往往会使得人们旅行过程中的舒适性和安全性得不到保障。
面对风景道的规划问题，很少有人从复杂网络的角度去考虑它，大多数还是从运筹学等角度去进行设计规划。随着复杂网络理论的快速发展，越来越多的人发现现实生活中很多网络都是属于拓扑网络，比如公交路网，地铁路网等。但是他们所用的随机攻击和顺序攻击的方法来进行网络鲁棒性的考虑不能够完全适应所有的拓扑网络。因为在现实情况下，复杂网络的崩塌都会含有自组织临界性行为，也即是复杂网络系统具备一定的耗散性。这种崩塌可能造成下游节点的拥塞，为了使待移动的交通流避开拥塞的节点，上游的一些节点中的交通流被迫做出很多对他们自身而言是优化的改变，但这些改变总的效果可能会造成更多的节点拥塞。这种效应就像多米诺骨牌的倒塌或者雪崩，迅速在网络中传播，如果没有有效的遏制手段，就可能造成大的灾害。
由于风景道在受到周期性峰值旅游压力、天气因素的时候，甚至会导致风景道的交通功能发生局部的瘫痪。往往会导致整个网络的灾变。
之前有关交通规划方面的网络鲁棒性评价的研究中普遍利用的传统的复杂网络理论比如顺序攻击或者随机攻击，聚类系数、K核和双组元等方法，在评价鲁棒性最多只能考虑到节点度的性质，而对于网络在受到扰动时的统计力学性质无法考虑，这种网络崩塌可能造成下游节点的拥塞，为了使待移动的交通流避开拥塞的节点，上游的一些节点中的交通流被迫做出很多对他们自身而言是优化的改变，但这些改变总的效果可能会造成更多的节点拥塞。另外，以前人们的模型也无法同时考虑节点多个方面的指标进行动态的鲁棒性评估。最后，以前人们所用的模型也没有能考虑道路属性的影响。
发明内容
本发明所要解决的技术问题是克服现有技术的不足而提供一种风景道廊道的鲁棒性评估方法，本发明考虑到网络系统的耗散性，同时还考虑到可以通过一个均衡指标动态地考虑到风景廊道观赏节点可达性、廊道观赏节点枢纽性以及廊道网络通达性；本发明满足对于风景廊道网络鲁棒性的评价，还能很有效地提升风景廊道评价合理性。
本发明为解决上述技术问题采用以下技术方案：
根据本发明提出的一种风景道廊道的鲁棒性评估方法，包括以下步骤：
步骤一、获得节点的GPS坐标数据以及节点间的道路属性数据；节点是指风景廊道节点，风景廊道节点包括主景区节点及廊道观赏节点；
步骤二、对步骤一获得节点的GPS坐标数据及节点间的道路属性数据进行预处理，预处理后得到廊道网络的拓扑形式；
步骤三、根据步骤二构建的廊道网络，对廊道网络中的每一个节点计算它们的风景廊道节点可达性、风景廊道节点枢纽性以及廊道网络通达性；
步骤四、将从步骤三计算出的廊道观赏节点可达性、廊道观赏节点枢纽性以及廊道网络通达性分别利用欧拉公式进行融合，得到评价这三个方面的综合指标，该综合指标称为廊道网络局部要素重要性指标；
步骤五、利用廊道网络局部要素重要性指标，搭建动态的风景廊道拓扑网络鲁棒性评价模型。
作为本发明所述的一种风景道廊道的鲁棒性评估方法进一步优化方案，步骤三中，
风景廊道节点可达性是指廊道观赏节点或主景区节点能够直接连通其他廊道观赏节点或主景区节点的数量；风景廊道节点可达性的度量值计算公式如下：
式中，Srd为风景廊道节点可达性的度量值，n为廊道网络中的节点数，为廊道网络中节点的最大点度中心度值，Srdi为第i个节点的实际点度值；
风景廊道节点枢纽性的度量值计算公式如下：
式中，Sb为风景廊道节点枢纽性的度量值，为廊道网络中节点的最大中介中心度度值，Srbi为第i个节点的中介中心度实际值；
廊道网络通达性的度量值计算公式如下：
式中，Sc为廊道网络通达性的度量值，为廊道拓扑网络中节点的最大接近中心度值，Srci为第i个节点的接近中心度实际值。
作为本发明所述的一种风景道廊道的鲁棒性评估方法进一步优化方案，步骤五具体如下：
步骤1、设置每一个廊道观赏节点或主景区节点a都与一个实数Y’a联系，将这个实数初始化为0，Y’a用以表示网络中交通流量；
步骤2、根据步骤四计算的廊道网络局部要素重要性指标，选择当前廊道网络局部要素指标数值最大的第c个节点，该第c个节点为特殊节点，特殊节点的交通流量为Y’c，对Y’c进行微扰动，即将一个0到1间的随机数加到Y’c上，得到扰动后的交通量Yc；
步骤3、如果Yc达到或超过网络崩塌的阈值Zc，则特殊节点变为不稳态，该节点处的流量(1-α)Zc崩塌到邻近节点，邻近节点为第(c+1)个节点，每次崩塌损耗αZc的流量，亦即其中/>表示从第c个节点传递来的流量，Yc+1表示从第(c+1)个节点传递来的流量，e是小于0的常数，d(c)是第c个节点的度；参数α∈[0,1]用来控制廊道网络的耗散度；
步骤4、如果某次廊道网络崩塌造成节点邻点因为获得了新的流量而变得不稳定，则新的廊道网络崩塌将并行地进行，直到没有节点不稳定为止；这样的过程，定义为雪崩过程，在这一过程中廊道网络崩塌的次数称为崩塌次数；得到雪崩过程中的崩塌次数L，L大于预设崩塌次数T，500<T<2000。
作为本发明所述的一种风景道廊道的鲁棒性评估方法进一步优化方案，步骤一中利用通过爬虫技术或利用OpenStreetMap获得节点的GPS坐标数据以及节点间的道路属性数据。
作为本发明所述的一种风景道廊道的鲁棒性评估方法进一步优化方案，步骤一中，节点间的道路属性包括风景廊道的特色区段长度、出入口坐标、主景区节点坐标、廊道观赏节点坐标；其中风景廊道特色区段指的是预先选定的历史文化和生态景观的廊道，主景区节点指风景区中具备连接三条以上廊道的风景观赏点，廊道观赏节点指风景区中连接小于三条廊道的风景观赏点。
作为本发明所述的一种风景道廊道的鲁棒性评估方法进一步优化方案，步骤二中廊道网络的拓扑形式，其特征表现为：(1)廊道网络接近自然廊道网形态，(2)主景区节点和廊道观赏节点之间的连接权重存在差异，每一个节点对应一个坐标，(3)节点度值集中在10以内，用文本格式储存数据文件。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
(1)本发明可以更为准确评估整个风景廊道的拓扑网络的鲁棒性，因为相较于过去的方法，可以很好地融入统计力学的性质；
(2)本发明不仅仅可以考虑节点度的性质，而且可以考虑网络在受到扰动时的统计力学性质，从而能够对风景廊道网络的鲁棒性有更全面的考察，以提高评估的准确性；
(3)本发明通过数据处理在一定道路属性下的风景廊道的拓扑网络，并根据复杂网络理论设定一些指标获取风景廊道网络中一些特殊节点，再利用本方法对这些特殊节点依次进行微扰动或者攻击从而进行网络灾变的评估；本发明的鲁棒性评估模型可以动态地考虑到风景廊道观赏节点可达性、廊道观赏节点枢纽性以及廊道网络通达性，同时此发明可以有效地考虑网络规模与网络系统耗散性之间的影响。
附图说明
图1为本发明的流程图。
图2为网络的拓扑结构。
图3为数据的储存形式与拓扑网络对应的示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明进行详细描述。
本发明通过数据处理在一定道路属性下的风景廊道的拓扑网络，并根据复杂网络理论设定一些指标获取风景廊道网络中一些特殊节点，再利用本方法对这些特殊节点依次进行微扰动或者攻击从而进行网络灾变的评估。本发明的鲁棒性评估模型可以动态地考虑到风景廊道观赏节点可达性、廊道观赏节点枢纽性以及廊道网络通达性，同时此发明可以有效地考虑网络规模与网络系统耗散性之间的影响。
图1为本发明的流程图。下面结合流程图对本发明的步骤作详细介绍。
本发明提供一种能够考虑个人用车的时间依赖性以及个人属性的多人用车行为短时预测的深度学习方法，通过以下步骤实现：
(1)利用通过爬虫技术或利用OpenStreetMap等API接口获得风景廊道的GPS坐标数据以及节点间的道路属性的收集和整理，其中包括风景廊道的特色区段长度、主要出入口坐标、主景区节点坐标、廊道观赏节点坐标；
(2)将获得的风景廊道数据规整后处理为复杂网络的拓扑形式如图2，其特征主要表现为：1)接近自然廊道网形态，2)节点之间的连接权重存在差异，这将由廊道重要性以及其长度决定，每一个节点对应一个坐标，3)节点度值一般集中在10以内，以图3的形式用文本格式储存数据文件；
(3)由于网络时由很多单个要素组成，因此先衡量已有的风景道拓扑网络中网络个体的均衡性，即衡量风景道中重要性不同的要素在空间分布的均衡程度。根据构成要素的重要性，从如下三个方面：廊道观赏节点可达性、廊道观赏节点枢纽性、廊道网络通达性对每一个节点进行计算：
廊道观赏节点可达性，是对风景廊道网络中廊道观赏节点或主景区节点权重进行衡量方式的一种，指廊道观赏节点或者主景区节点可以直接通达的其他风景节点数量。可以直达的廊道观赏节点或者主景区节点越多，表明该观廊道观赏节点或者主景区节点拥有的相邻廊道观赏节点或者主景区节点就越多，在风景廊道网络关系中的重要程度越高。计算公式如下：
式中，Srd为风景廊道节点可达性的度量值，n为网络中的节点数，为廊道拓扑网络中节点的点度中心度值，Srdi为第i个节点的实际点度值。
廊道观赏节点枢纽性，反映廊道观赏节点或主景区节点多大程度位于其他观赏节点对的最短路径上，可以表征该观赏节点承担其他观赏节点相互联系时中介作用的大小。计算公式如下：
式中，Sb为风景廊道节点枢纽性的度量值，n为网络中的节点数，为廊道拓扑网络中节点的最大中介中心度度，Srbi为第i个节点的中介中心度实际值。
廊道网络通达性，风景廊道中，网络通达性可以衡量观赏点或者主景区节点到其他风景观赏点的距离分布情况，即是从途径其他风景观赏节点的次数层面衡量到达其他所有站点的总体便利程度，体现风景廊道网络在拓扑距离上的特征。计算公式如下：
式中，Sc为廊道拓扑网络通达性的度量值，n为网络中的节点数，为廊道拓扑网络中节点的最大中介中心度度值，Srci为第i个节点的中介中心度实际值。
(4)分别将从这三个方面计算出来的结果进行加权求和，得到评价这三个方面的综合指标，称为廊道网络局部要素重要性指标；
(5)利用廊道网络局部要素重要性指标，搭建动态的风景廊道拓扑网络鲁棒性评价模型，该模型雏形时Lise等人(1996)的提出的基于OFC的模型，我们将其用于风景廊道网络评估并进行了改进，运用该模型可以所述步骤五中包括以下步骤：
Step1：输入爬取到的风景廊道拓扑网络的坐标数据并进行规整，将数据进行预处理成图3的格式，构成拓扑网络存入文本格式的文件当中去，将该文件加载到利用networkX中，得到如图2的拓扑网络，根据不同的廊道种类，对边进行权重的赋值。
Step2：设置每一个节点a都与一个实数Y’a联系，将这个实数的初始化为0，Y’a用以表示网络中交通流量；
Step3：从三个单元素评价方面计算廊道拓扑网络观赏节点或主景观节点。综合三方面指标计算结果，
每一个观赏节点的风景廊道节点可达性的度量值，通过如下公式计算获得：
式中，Srd为风景廊道节点可达性的度量值，n为网络中的节点数，为廊道拓扑网络中节点的点度中心度值，Srdi为第i个节点的实际点度值。
每一个观赏节点的风景廊道节点枢纽性的度量值，通过如下公式计算获得：
式中，Sb为风景廊道节点枢纽性的度量值，n为网络中的节点数，为廊道拓扑网络中节点的最大中介中心度度，Srbi为第i个节点的中介中心度实际值。
每一个观赏节点的廊道网络通达性的度量值，通过如下公式获得：
式中，Sc为廊道拓扑网络通达性的度量值，n为网络中的节点数，为廊道拓扑网络中节点的最大中介中心度度值，Srci为第i个节点的中介中心度实际值。
Step4：根据以上的计算结果排序，选择当前廊道网络局部要素重要性指标数值最大的节点，这里称为特殊节点，计算公式如下：
首先将每一类指标值归一化：
式中，表示每个节点归一化之后的指标值，N为风景廊道网络节点数。
随后，根据归一化的各类指标值，这里利用欧拉公式对其进行一个合理的融合：
式中，表示为廊道网络局部要素重要性指标。
Step5：对计算得到的特殊节点，特殊节点是指：选择当前廊道网络局部要素指标数值最大的第c个节点，该第c个节点为特殊节点，特殊节点的交通流量为Y’c，对Y’c进行微扰动，即将一个0到1间的随机数加到Y’c上，得到扰动后的交通量Yc；
Step6：如果Yc达到或超过阈值Zc，则第c个节点变为不稳态，其能量(1-α)Zc崩塌到邻近节点，每次崩塌损耗αZc的流量。计算具体步骤如下：
1)变量初始化，设置每一个节点a都与一个实数Y’a联系，将这个实数的初始化为0，Y’a用以表示网络中交通流量；
2)对Step4中特殊节点(第c个节点)，特殊节点的交通流量为Y’c，对Y’c进行微扰动，即将一个0到1间的随机数加到Y’c上，得到扰动后的交通量Yc；
3)如果Yc达到或超过网络崩塌的阈值Zc，则特殊节点变为不稳态，该节点处的流量(1-α)Zc崩塌到邻近节点，邻近节点为第(c+1)个节点，每次崩塌损耗αZc的流量，亦即其中/>表示从第c个节点传递来的流量，Yc+1表示从第(c+1)个节点传递来的流量，e是小于0的常数，d(c)是第c个节点的度；参数α∈[0,1]用来控制廊道网络的耗散度；
4)如果某次网络碎裂造成其邻点因为获得了新的流量而变得不稳定，则新的网络碎裂将并行地进行，直到没有节点不稳定为止。这样的过程，定义为雪崩过程，在这一过程中网络碎裂的次数我们称为崩塌次数。其中我们可以得到雪崩过程中网络的崩塌次数L，如果L次数越小，则说明网络具备较强的鲁棒性，不会造成灾变。这里需要设置一个经验值下界T，T值取值应该在(500,2000)范围内。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术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内。
Claims (3)
1.一种风景道廊道的鲁棒性评估方法，其特征在于，包括以下步骤：
步骤一、获得节点的GPS坐标数据以及节点间的道路属性数据；节点是指风景廊道节点，风景廊道节点包括主景区节点及廊道观赏节点；
步骤二、对步骤一获得节点的GPS坐标数据及节点间的道路属性数据进行预处理，预处理后得到廊道网络的拓扑形式；
步骤三、根据步骤二构建的廊道网络，对廊道网络中的每一个节点计算它们的风景廊道节点可达性、风景廊道节点枢纽性以及廊道网络通达性；
步骤四、将从步骤三计算出的廊道观赏节点可达性、廊道观赏节点枢纽性以及廊道网络通达性分别利用欧拉公式进行融合，得到评价这三个方面的综合指标，该综合指标称为廊道网络局部要素重要性指标；
步骤五、利用廊道网络局部要素重要性指标，搭建动态的风景廊道拓扑网络鲁棒性评价模型；
步骤一中，节点间的道路属性包括风景廊道的特色区段长度、出入口坐标、主景区节点坐标、廊道观赏节点坐标；其中风景廊道特色区段指的是预先选定的历史文化和生态景观的廊道，主景区节点指风景区中具备连接三条以上廊道的风景观赏点，廊道观赏节点指风景区中连接小于三条廊道的风景观赏点；
步骤三中，
风景廊道节点可达性是指廊道观赏节点或主景区节点能够直接连通其他廊道观赏节点或主景区节点的数量；风景廊道节点可达性的度量值计算公式如下：
式中，Srd为风景廊道节点可达性的度量值，n为廊道网络中的节点数，
为廊道网络中节点的最大点度中心度值，Srdi为第i个节点的实际点度值；
风景廊道节点枢纽性的度量值计算公式如下：
式中，Sb为风景廊道节点枢纽性的度量值，为廊道网络中节点的最大中介中心度度值，Srbi为第i个节点的中介中心度实际值；
廊道网络通达性的度量值计算公式如下：
式中，Sc为廊道网络通达性的度量值，为廊道拓扑网络中节点的最大接近中心度值，Srci为第i个节点的接近中心度实际值；
步骤五具体如下：
步骤1、设置每一个廊道观赏节点或主景区节点a都与一个实数Y’a联系，将这个实数初始化为0，Y’a用以表示网络中交通流量；
步骤2、根据步骤四计算的廊道网络局部要素重要性指标，选择当前廊道网络局部要素指标数值最大的第c个节点，该第c个节点为特殊节点，特殊节点的交通流量为Y’c，对Y’c进行微扰动，即将一个0到1间的随机数加到Y’c上，得到扰动后的交通量Yc；
步骤3、如果Yc达到或超过网络崩塌的阈值Zc，则特殊节点变为不稳态，该节点处的流量(1-α)Zc崩塌到邻近节点，邻近节点为第(c+1)个节点，每次崩塌损耗αZc的流量，亦即 其中/>表示从第c个节点传递来的流量，Yc+1表示从第(c+1)个节点传递来的流量，e是小于0的常数，d(c)是第c个节点的度；参数α∈[0,1]用来控制廊道网络的耗散度；
步骤4、如果某次廊道网络崩塌造成节点邻点因为获得了新的流量而变得不稳定，则新的廊道网络崩塌将并行地进行，直到没有节点不稳定为止；这样的过程，定义为雪崩过程，在这一过程中廊道网络崩塌的次数称为崩塌次数；得到雪崩过程中的崩塌次数L，L大于预设崩塌次数T，500<T<2000。
2.根据权利要求1所述的一种风景道廊道的鲁棒性评估方法，其特征在于，步骤一中利用通过爬虫技术或利用OpenStreetMap获得节点的GPS坐标数据以及节点间的道路属性数据。
3.根据权利要求1所述的一种风景道廊道的鲁棒性评估方法，其特征在于，步骤二中廊道网络的拓扑形式，其特征表现为：(1)廊道网络接近自然廊道网形态，(2)主景区节点和廊道观赏节点之间的连接权重存在差异，每一个节点对应一个坐标，(3)节点度值集中在10以内，用文本格式储存数据文件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011276616.3A CN112464417B (zh) | 2020-11-16 | 2020-11-16 | 一种风景道廊道的鲁棒性评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011276616.3A CN112464417B (zh) | 2020-11-16 | 2020-11-16 | 一种风景道廊道的鲁棒性评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112464417A CN112464417A (zh) | 2021-03-09 |
| CN112464417B true CN112464417B (zh) | 2024-02-27 |
Family
ID=74836333
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011276616.3A Active CN112464417B (zh) | 2020-11-16 | 2020-11-16 | 一种风景道廊道的鲁棒性评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112464417B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105069522A (zh) * | 2015-07-24 | 2015-11-18 | 重庆大学 | 风景名胜区游赏线路评价及改进方法 |
| CN107682195A (zh) * | 2017-10-13 | 2018-02-09 | 中北大学 | 基于复杂网络与大数据结合的通信网络鲁棒性评估方法 |
-
2020
- 2020-11-16 CN CN202011276616.3A patent/CN112464417B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105069522A (zh) * | 2015-07-24 | 2015-11-18 | 重庆大学 | 风景名胜区游赏线路评价及改进方法 |
| CN107682195A (zh) * | 2017-10-13 | 2018-02-09 | 中北大学 | 基于复杂网络与大数据结合的通信网络鲁棒性评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112464417A (zh) | 2021-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Serulle et al. | Resiliency of transportation network of Santo Domingo, Dominican Republic: case study | |
| Liu et al. | Incorporating household gathering and mode decisions in large‐scale no‐notice evacuation modeling | |
| CN114093168B (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 | |
| CN108683448B (zh) | 适用于航空网络的影响力节点识别方法及系统 | |
| CN109859480B (zh) | 基于复杂网络的拥堵路段建模和评估方法 | |
| CN109389825A (zh) | 基于最短路径的消防救援路线最优化方法 | |
| CN106875281B (zh) | 基于贪心子图的社会网络节点挖掘激活方法 | |
| Zhang et al. | Research on a model of node and path selection for traffic network congestion evacuation based on complex network theory | |
| CN114066272A (zh) | 基于人流网络分析的社区公服设施评估方法和系统 | |
| CN111462492B (zh) | 一种基于里奇流的关键路段检出方法 | |
| Tang et al. | Dynamic modeling for noise mapping in urban areas | |
| CN109887280B (zh) | 一种交通网络节点关键度评估方法 | |
| CN111340285A (zh) | 国土空间规划中城市建设用地分配的量化方法 | |
| Zhang et al. | How road network transformation may be associated with reduced carbon emissions: An exploratory analysis of 19 major Chinese cities | |
| CN112464417B (zh) | 一种风景道廊道的鲁棒性评估方法 | |
| CN111914052B (zh) | 一种区域空间关联关系确定方法及装置 | |
| CN111008730B (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
| CN103208082B (zh) | 一种城市中心区道路利用效率的评价及应用方法 | |
| CN116070385B (zh) | 一种境外矿产资源供应链风险自动识别方法及系统 | |
| CN115759883B (zh) | 基于网络群组特征的生态管理分区方法 | |
| Sun et al. | Study on safe evacuation routes based on crowd density map of shopping mall | |
| CN104679988A (zh) | 一种基于云topsis的多属性决策方法 | |
| Wang et al. | Mathematical analysis of urban land use change in Xi’an city wall area by using parcel-level data | |
| Zheng et al. | Spatial Accessibility of Urban Green Space Based on Multiple Research Scales: A Case Study of Futian District, Shenzhen. | |
| CN116738631B (zh) | 一种基于蒙特卡洛方法的地铁网络节点韧性评估方法 |
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 |