CN112990352A - 一种基于复杂网络的公路交通网络区块划分方法 - Google Patents
一种基于复杂网络的公路交通网络区块划分方法 Download PDFInfo
- Publication number
- CN112990352A CN112990352A CN202110395781.9A CN202110395781A CN112990352A CN 112990352 A CN112990352 A CN 112990352A CN 202110395781 A CN202110395781 A CN 202110395781A CN 112990352 A CN112990352 A CN 112990352A
- Authority
- CN
- China
- Prior art keywords
- road traffic
- traffic network
- network
- complex
- block division
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000010586 diagram Methods 0.000 claims abstract description 14
- 238000005516 engineering process Methods 0.000 claims abstract description 4
- 238000013507 mapping Methods 0.000 claims abstract description 4
- 238000013432 robust analysis Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000012038 vulnerability analysis Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000003012 network analysis Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于复杂网络的公路交通网络区块划分方法,包括步骤:S1)基于复杂网络理论并利用原始节点映射法构建公路交通网络模型;S2)基于公路交通网络模型,从整体地理空间角度分析公路交通网络的脆弱性、鲁棒性以及关键性节点分布的交通网络特征;S3)采用关键性节点技术和最短路径识别法改进聚类算法,利用二维决策图选取公路交通网络初始聚类中心的个数和位置;S4)不断地聚类直到划分出区块结构,实现公路交通网络的区块划分。本发明提供的基于复杂网络的公路交通网络区块划分方法,为公路交通的规划、设计、养护以及维护工作提供新的科学决策参考。
Description
技术领域
本发明涉及智能交通技术领域,特别是涉及一种基于复杂网络的公路交通网络区块划分方法。
背景技术
目前,国内外对交通网络结构已进行了大量研究,主要针对复杂网络分析、网络结构特性以及交通网络系统三方面综合分析网络的发展现状。
(1)复杂网络分析
近年来,各种模型的分析理论对复杂网络进行了探索,通过引入多种模型和指标,分析复杂网络的内在机理。其中,Yongsheng Qian等人利用对偶法构建了复杂的道路交通网络,分析比较道路交通复杂网络的时延、恢复等特性,并模拟了复杂网络的级联失效模型;Daniel Sun等人基于复杂网络和图论,对城市轨道交通系统的网络结构进行分析并对站点脆弱性进行了深入研究;Shauhrat S.Chopra等人基于复杂网络理论提出了一个全面的多管架构,分析网络拓扑结构、空间组织和客流信息,以了解伦敦地铁系统的弹性。随着网络研究的发展,复杂网络中识别模块的算法也不断发展,在这些算法中,K-Means作为一种独特的聚类算法得到了广泛的应用。
(2)网络特性分析
针对网络特性分析,Ake J.Holmgren等人对美国的北欧和西欧的电力输电网进行网络建模,计算网络拓扑结构的特征值,并对比分析其攻击容忍度和结构脆弱性;Albert R等人分析出复杂网络的某些拓扑性质对其稳定性有很大的影响,并研究网络的组织原理以及拓扑关系和网络动力学之间有不同的相互作用和影响;Holme P等人分析了网络的可靠性和脆弱性影响,由于意外、突发事件、环境条件的干扰或攻击造成网络出现的故障可能导致严重的经济损失甚至会破坏社会秩序;李成兵等人对城市群复合交通网络构建道路和轨道的复合交通网络模型,并基于复杂网络理论分析网络的拓扑特征和脆弱性。
(3)交通系统分析
交通体系是一个复杂而巨大的体系,基于复杂网络理论分析复杂交通体系,深入研究网络的各种特性及动力学过程(Dynamic process)与拓扑结构(Topologicalstructure)间的相互作用等问题。多种因素都可以影响交通网络结构的性能,比如碰撞、交通故障、交通事故、自然灾害和道路养护和维修等情况,其中Wu等人早期对北京的公交网络结构特性进行分析,并开展复杂网络理论与实证的研究,Gao等人模拟交通流特性构造演化模型,深入研究网络的无标度特性。
现阶段基于复杂网络理论的公路交通区块划分方法对公路交通网络的结构和功能进行深入分析研究,获取有效的公路交通网络结构特性,提出公路交通网络区块划分方法,跨越现有行政区划界限对交通网络展开交通共享特性区块识别,是交通网络结构分析问题的新视角。
发明内容
本发明的目的是提供一种基于复杂网络的公路交通网络区块划分方法,为公路交通的规划、设计、养护以及维护工作提供新的科学决策参考。
为实现上述目的,本发明提供了如下方案:
一种基于复杂网络的公路交通网络区块划分方法,包括如下步骤:
S1)基于复杂网络理论并利用原始节点映射法构建公路交通网络模型;
S2)基于公路交通网络模型,从整体地理空间角度分析公路交通网络的脆弱性、鲁棒性以及关键性节点分布的交通网络特征;
S3)采用关键性节点技术和最短路径识别法改进聚类算法,利用二维决策图选取公路交通网络初始聚类中心的个数和位置;
S4)不断地聚类直到划分出区块结构,实现公路交通网络的区块划分。
可选的,所述步骤S2)基于公路交通网络模型,从整体地理空间角度分析公路交通网络的脆弱性、鲁棒性以及关键性节点分布的交通网络特征,具体包括:
S201)分别构建公路交通网络的脆弱性分析模型和鲁棒性分析模型,得到公路交通网络的脆弱程度和强健程度;
S202)在网页排序算法中添加地理空间结构权重影响因子,增加公路交通网络负载,计算出不同层次视角下公路交通网络关键性节点排序结果。
可选的,所述整体地理空间角度包括交通网络位置信息、距离信息和公路网等级信息。
可选的,所述不同层次视角包括省、市、县三层视角。
可选的,所述聚类算法为K-Means算法。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供的基于复杂网络的公路交通网络区块划分方法,利用复杂网络理论建立公路交通网络结构数学模型,提出在不同层次视角下(包括省、市以及县视角)分析公路交通网络的脆弱性、鲁棒性以及关键性网络特征;基于网页排序方法,提出了公路交通网络关键性节点排序方法,在网页排序算法添加公路交通网络的位置信息、距离信息以及公路网等级信息权重影响因子,计算不同视角下公路交通网络的关键性节点排序结果;提出了公路交通网络区块划分概念,并给出地理空间视角下的具体定义,结合公路交通网络关键性节点排序指标和最短路径距离指标,绘制二维决策图选取公路交通网络初始聚类中心的个数和位置,通过聚类算法不断聚类直到划分出区块结构,实现公路交通网络的区块划分。该方法可为交通规划合理性提供全新的数据支撑,并由此为交通管理者提供决策性参考。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例基于复杂网络的公路交通网络区块划分方法流程图;
图2为本发明实施例辽宁省公路交通网络区块分布图;
图3为本发明实施例沈阳市公路交通网络区块分布图;
图4为本发明实施例彰武县公路交通网络区块分布图;
图5a为本发明实施例彰武县公路交通网络位置分布图;
图5b为本发明实施例彰武县公路交通网络决策值图;
图5c为本发明实施例彰武县公路交通网络决策值选取图;
图5d为本发明实施例彰武县公路交通网络区块中心点选取图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于复杂网络的公路交通网络区块划分方法,为公路交通的规划、设计、养护以及维护工作提供新的科学决策参考。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明实施例提供的基于复杂网络的公路交通网络区块划分方法,包括如下步骤:
S1)基于复杂网络理论,利用网络的结构复杂性、连接多样性和多重复杂性融合等特点,并利用原始节点映射法构建公路交通网络模型;
S2)基于公路交通网络模型,从整体地理空间角度分析公路交通网络的脆弱性、鲁棒性以及关键性节点分布的交通网络特征;
S3)采用关键性节点技术和最短路径识别法改进聚类算法,利用二维决策图选取公路交通网络初始聚类中心的个数和位置;
S4)不断地聚类直到划分出区块结构,实现公路交通网络的区块划分。
所述步骤S2)基于公路交通网络模型,从整体地理空间角度分析公路交通网络的脆弱性、鲁棒性以及关键性节点分布的交通网络特征,具体包括:
S201)公路交通网络结构具有小世界特性和无标度特性,针对公路交通网络的特性研究,分别构建公路交通网络的脆弱性分析模型和鲁棒性分析模型,得到公路交通网络的脆弱程度和强健程度;
S202)在网页排序算法中添加地理空间结构权重影响因子,增加公路交通网络负载,负载用于贴近实际路况信息,计算出不同层次视角下公路交通网络关键性节点排序结果。
所述整体地理空间角度包括交通网络位置信息、距离信息和公路网等级信息,亦可以根据实际增设其他信息;所述不同层次视角包括省、市、县三层视角;所述省为辽宁省,采用本实施例方法对辽宁省公路交通网络区块划分,其划分结果如图2所示;所述市为沈阳市,采用本实施例方法对沈阳市公路交通网络区块划分,其划分结果如图3所示;所述县为彰武县,采用本实施例方法对彰武县公路交通网络区块划分,其划分结果如图4所示;以彰武县公路交通网络区块划分为例,如图5a所示,给出其公路交通网络模型的道路节点位置分布,如图5b至5d所示,利用改进聚类算法进行不断聚类,最终得出的二维决策图,选取出彰武县公路交通网络聚类中心的个数和位置,可得到图4所示的彰武县的区块划分结果图,实现了对彰武县公路交通网络的区块划分,本发明对其他省、市、县三层视角的公路交通网络区块划分也同样适用;所述聚类算法为K-Means算法,也可采用K-Medoids等其他聚类算法。
本发明提供的基于复杂网络的公路交通网络区块划分方法,利用复杂网络理论建立公路交通网络结构数学模型,提出在不同层次视角下(包括省、市以及县视角)分析公路交通网络的脆弱性、鲁棒性以及关键性网络特征;基于网页排序方法,提出了公路交通网络关键性节点排序方法,在网页排序算法添加公路交通网络的位置信息、距离信息以及公路网等级信息权重影响因子,计算不同视角下公路交通网络的关键性节点排序结果;提出了公路交通网络区块划分概念,并给出地理空间视角下的具体定义,结合公路交通网络关键性节点排序指标和最短路径距离指标,绘制二维决策图选取公路交通网络初始聚类中心的个数和位置,通过聚类算法不断聚类直到划分出区块结构,实现公路交通网络的区块划分。该方法可为交通规划合理性提供全新的数据支撑,并由此为交通管理者提供决策性参考。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (5)
1.一种基于复杂网络的公路交通网络区块划分方法,其特征在于,包括如下步骤:
S1)基于复杂网络理论并利用原始节点映射法构建公路交通网络模型;
S2)基于公路交通网络模型,从整体地理空间角度分析公路交通网络的脆弱性、鲁棒性以及关键性节点分布的交通网络特征;
S3)采用关键性节点技术和最短路径识别法改进聚类算法,利用二维决策图选取公路交通网络初始聚类中心的个数和位置;
S4)不断地聚类直到划分出区块结构,实现公路交通网络的区块划分。
2.根据权利要求1所述的基于复杂网络的公路交通网络区块划分方法,其特征在于,所述步骤S2)基于公路交通网络模型,从整体地理空间角度分析公路交通网络的脆弱性、鲁棒性以及关键性节点分布的交通网络特征,具体包括:
S201)分别构建公路交通网络的脆弱性分析模型和鲁棒性分析模型,得到公路交通网络的脆弱程度和强健程度;
S202)在网页排序算法中添加地理空间结构权重影响因子,增加公路交通网络负载,计算出不同层次视角下公路交通网络关键性节点排序结果。
3.根据权利要求1所述的基于复杂网络的公路交通网络区块划分方法,其特征在于,所述整体地理空间角度包括交通网络位置信息、距离信息和公路网等级信息。
4.根据权利要求2所述的基于复杂网络的公路交通网络区块划分方法,其特征在于,所述不同层次视角包括省、市、县三层视角。
5.根据权利要求1所述的基于复杂网络的公路交通网络区块划分方法,其特征在于,所述聚类算法为K-Means算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110395781.9A CN112990352A (zh) | 2021-04-13 | 2021-04-13 | 一种基于复杂网络的公路交通网络区块划分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110395781.9A CN112990352A (zh) | 2021-04-13 | 2021-04-13 | 一种基于复杂网络的公路交通网络区块划分方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112990352A true CN112990352A (zh) | 2021-06-18 |
Family
ID=76338236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110395781.9A Pending CN112990352A (zh) | 2021-04-13 | 2021-04-13 | 一种基于复杂网络的公路交通网络区块划分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112990352A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023131215A1 (zh) * | 2022-01-07 | 2023-07-13 | 北华航天工业学院 | 一种复杂交通网络的多尺度聚集模式分析方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135092A (zh) * | 2019-05-21 | 2019-08-16 | 江苏开放大学(江苏城市职业学院) | 基于半局部中心性的复杂加权交通网关键节点识别方法 |
-
2021
- 2021-04-13 CN CN202110395781.9A patent/CN112990352A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135092A (zh) * | 2019-05-21 | 2019-08-16 | 江苏开放大学(江苏城市职业学院) | 基于半局部中心性的复杂加权交通网关键节点识别方法 |
Non-Patent Citations (1)
Title |
---|
朱霞: "基于复杂网络理论的公路交通区块划分方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》, no. 1, pages 1 - 6 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023131215A1 (zh) * | 2022-01-07 | 2023-07-13 | 北华航天工业学院 | 一种复杂交通网络的多尺度聚集模式分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | Integrating travel demand modeling and flood hazard risk analysis for evacuation and sheltering | |
Bhattacharyay | Estimating demand for infrastructure in energy, transport, telecommunications, water, and sanitation in Asia and the Pacific: 2010-2020 | |
Porta et al. | Multiple centrality assessment in Parma: a network analysis of paths and open spaces | |
Guo et al. | Examining collaborative disaster response in China: network perspectives | |
CN104392094A (zh) | 一种基于浮动车数据的城市道路网络可靠性评价方法 | |
Bhattacharyay | Estimating demand for infrastructure, 2010–2020 | |
Xu et al. | Resilient urban public transportation infrastructure: a comparison of five flow-weighted metro networks in terms of the resilience cycle framework | |
Lu | The Smart City's systematic application and implementation in China | |
CN111222649A (zh) | 一种配电网自愈能力提升规划方法 | |
Wei et al. | A knowledge-based problem solving method in GIS application | |
CN112990352A (zh) | 一种基于复杂网络的公路交通网络区块划分方法 | |
González et al. | Applying complex network theory to the analysis of Mexico city metro network (1969–2018) | |
Chen et al. | Resilience assessment of multimodal urban transport networks | |
CN111881131A (zh) | 一种应用于电网规划的三维gis平台 | |
Moeinaddini et al. | The relationship between urban structure and travel behavior: challenges and practices | |
Narvaez et al. | Creating Urban Place: Re-thinking the Value of Residential and Commercial Use in Urban Street Networks. | |
Chang et al. | STUDY ON POST EVALUATION OF HIGH-SPEED RAILWAY BASED ON FAHP AND MATLAB SIMULATION CALCULATION. | |
Amr | Re-centring peripheries along ring roads under a smart growth agenda: Case studies of Espoo Innovation Garden and Vantaa Aviapolis in Finland | |
Dorbritz | Methodology for assessing the structural and operational robustness of railway networks | |
Liu et al. | Research on urban transport network topology vulnerability identification under rainfall conditions | |
Dykan et al. | Implementation of Smart City Concept in Ukraine | |
Luo et al. | Passenger evacuation at a malfunctioning urban rail station based on interdependent networks | |
Narvaez et al. | Configurational economies: The value of accessibility in urban development | |
Zhongyuan | Research on 3D digital map system and key technology | |
Qiao et al. | Planning an adaptive reuse development of underutilized urban underground infrastructures: A case study of Qingdao, China |
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 |