CN114037199A - 一种城市街道网络韧性定量测度方法 - Google Patents
一种城市街道网络韧性定量测度方法 Download PDFInfo
- Publication number
- CN114037199A CN114037199A CN202111113473.9A CN202111113473A CN114037199A CN 114037199 A CN114037199 A CN 114037199A CN 202111113473 A CN202111113473 A CN 202111113473A CN 114037199 A CN114037199 A CN 114037199A
- Authority
- CN
- China
- Prior art keywords
- network
- street
- removal
- edges
- edge
- 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
- 238000000691 measurement method Methods 0.000 title abstract description 3
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000008859 change Effects 0.000 claims abstract description 42
- 238000002474 experimental method Methods 0.000 claims abstract description 17
- 238000012163 sequencing technique Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims abstract description 10
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 238000011160 research Methods 0.000 claims abstract description 8
- 238000000547 structure data Methods 0.000 claims abstract description 4
- 238000004891 communication Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000013467 fragmentation Methods 0.000 claims description 3
- 238000006062 fragmentation reaction Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims 1
- 230000002708 enhancing effect Effects 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000008278 dynamic mechanism Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 6
- 230000001965 increasing effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000005541 medical transmission Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Geometry (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
Abstract
本发明公开了一种城市街道网络韧性定量测度方法,包括:根据网络开源地图数据,采集目标研究城市区内城市街道路网的空间矢量数据;确定街道网络“点”和“边”的语义模型,将实际空间映射为由“点”和“边”构成的网络拓扑结构数据;设计随机移除与排序移除实验进行动态推演与迭代模拟;绘制城市街道网络性能指标变化与移除比例之间的关系曲线,确定街道网络的结构变化阈值点与街道网络的承接扰动能力。本发明可揭示扰动过程中街道网络的结构演化与韧性特征变化,进而从动态机理层面建立城市街道网络韧性的定量测度方法与计算模型,识别保持街道网络结构的关键阈值与重要节点,可为规划实践中针对性地增强街道网络韧性水平提供技术工具。
Description
技术领域
本发明属于城市空间韧性分析技术领域,具体涉及一种城市街道网络韧性定量测度方法。
背景技术
当代城市正面临日益增长的风险和挑战,其中既有地震、洪水、火灾、海啸等自然灾害,亦有恐怖袭击、疾病传播、火灾爆炸等威胁城市公共安全的人为灾难,同时也包括城市系统的日常波动与功能失效,而造成的对城市居民生活的影响。随着城市的不断发展和内外部环境的剧烈变化,其作为复杂的社会-生态系统,所面临的不确定性和总体脆弱性加深。城市韧性作为一种城市风险管理和可持续发展的新范式和实现路径,强调提升城市系统自身组织、功能协调能力,以适应各类扰动冲击下的不确定性。
城市街道网络作为城市空间形态的基本骨架,其对城市正常运转和减缓灾害影响发挥着核心作用。因此,城市街道网络作为韧性主体,测度城市街道网络的韧性水平,认知城市街道网络结构特征,对提升城市空间面对扰动时的韧性水平具有显著意义。
而目前已有的韧性研究,多侧重于定性特征分析和静态评估,有效定量测度城市韧性水平的相关研究尚处于起步阶段。现状研究方法主要针对供水、输电、通讯等单一工程设施网络,街道网络作为城市功能流动的关键载体,尚缺少对其进行韧性水平定量测度方法。
将网络理论和城市韧性理论进行交叉融合,为城市空间网络韧性研究提供了一定理论基础。以节点或边界的系统故障容忍率或中心性指数等静态结构属性,作为韧性测度的代理指标。然而,单一代理指标忽视扰动中街道网络结构的结构演化过程与韧性特征变化,不能解释网络结构与空间韧性之间的关系,故难以判断街道网络的结构转变阈值、可承受扰动范围与关键节点,进而基于过程指导城市空间韧性水平提升。
因此,需要亟须一种针对城市街道网络韧性水平进行定量测度的技术方法,将城市空间网络作为主体,以保障城市正常功能流动为目标,应用于城市规划实践中,确定提升城市韧性水平的空间优化途径。
发明内容
本发明针对上述缺陷,提供一种可揭示扰动过程中街道网络的结构演化与韧性特征变化,进而从动态机理层面建立城市街道网络韧性的定量测度方法与计算模型,识别保持街道网络结构的关键阈值与重要节点,可为规划实践中针对性地增强街道网络韧性水平提供技术工具的城市街道网络韧性定量测度方法。
本发明提供如下技术方案:一种城市街道网络韧性定量测度方法,包括以下步骤:
1)根据网络开源地图数据,采集目标研究城市区内所有支路级以上的城市街道路网的空间矢量数据;
2)确定街道网络点和边的语义模型,将实际空间映射为由点集合和边集合构成的网络,从而将步骤1)得到的城市街道路网的空间矢量数据转化为网络拓扑结构数据,形成有权有向街道拓扑网络图;
3)将所述有权有向街道拓扑网络图作为初始模拟情景,设计随机移除与排序移除实验参数,对街道网络的结构变化进行动态推演与迭代模拟,计算不同边的移除比例下,所述有权有向街道拓扑网络的网络性能指标;
4)绘制城市街道网络性能指标变化与实验中移除网络中边的比例之间的关系曲线,确定街道网络的结构变化阈值点与街道网络的承接扰动能力,实现对城市街道网络韧性的定量测度。
进一步地,所述步骤2)中的形成有权有向街道拓扑网络图的方法包括以下步骤:
将街道交叉口抽象为点集合Vs={v1,v2,…,vp},将连接道路交叉口之间的路段抽象为边集合Ls={e1,e2,…,em};
依据所述点和边的语义模型,映射为拓扑结构中的节点与边,将道路交叉口vi、vj的连接路段eij的长度作为网络边的权重,构建邻接矩阵{lij},形成有权有向图G(Vs,Ls)。
进一步地,所述的网络性能指标包括网络次强连通图大小与网络平均全局效率的变化率,所述的设计随机移除与排序移除实验参数,对街道网络的结构变化进行动态推演与迭代模拟,计算不同移除比例下所述街道拓扑网络的网络性能指标的步骤包括:
根据初始状态下的街道拓扑网络,计算其网络平均全局效率;
根据确定的随机移除或排序移除实验,对街道拓扑网络的结构按照预设参数进行迭代移除;
求解不同移除比例下街道网络结构的网络各连通子图大小,并从大到小降序排列,提取次强连通图大小;
求解计算不同移除比例下街道网络结构的网络平均全局效率。
进一步地,所述的随机移除实验步骤包括:
随机移除街道拓扑网络边集合Ls={e1,e2,…,em}中,1%、2%、3%、······、100%的网络中边的比例;
重复所述移除方法,计算移除相同网络中边的比例下平均网络性能指标;
所述的排序移除实验步骤包括:
依据网络各路段的介数中心性由高至低对路段进行排序,确定移除顺序;
依序移除街道拓扑网络边集合Ls={e1,e2,…,em}中介数中心性前1%的网络中的边后,再次计算剩余网络各路段的介数中心性值以重新确定移除顺序;
再次迭代依序移除新的街道拓扑网络边集合L’s={e1,e2,…,ek}中介数中心性前1%的网络中的边,直至网络完全崩溃;
计算每移除1%边比例后的网络性能指标。
进一步地,所述的网络各路段的介数中心性值和剩余网络各路段的介数中心性值,按下式计算:
其中,N为初始网络节点数,N′为移除后网络节点数,Cb(lpre)表示边l的原介数中心性值,Cb(lpost)移除f比例的边后,边l的介数中心性值;Vs为原网络点的集合,Vs′为移除网络中边的比例f后的网络点的集合,njk表示网络中两点j、k最短路径的条数,njk(l)是网络中两点j、k最短路径通过边l的条数。
进一步地,所述的街道网络结构的网络平均全局效率的变化率为,移除网络“边”比例f后的网络平均全局效率Epost与原网络平均全局效率Epre的比值,表征受到扰动后街道网络性能变化。
其中,Epre为原网络平均全局效率,Epost为移除网络“边”比例f后的网络平均全局效率,N为初始网络节点数,N′为移除后网络节点数,i、j表示网络节点,Vs为原网络节点的集合,Vs′为移除网络中边的比例f后的网络节点的集合,表示i、j之间的网络最短路径长度。
进一步地,所述的绘制城市街道网络性能指标变化与实验移除比例之间的关系曲线,确定街道网络的结构变化阈值点与街道网络的承接扰动能力,得到城市街道网络韧性定量测度模型的步骤包括:
根据次强连通图变化,识别其在移除实验进行中的最大值,视为网络结构达到破碎化的临界状态,作为网络结构崩溃的阈值点;
绘制城市街道网络平均全局效率变化率随移除边的比例的变化曲线,横坐标为不同的边的移除比例,纵坐标为网络性能指标下降程度;
计算至所述网络结构崩溃的阈值点前,对网络中的边的移除比例的积分值,作为街道网络的韧性水平。
进一步地,所述的网络结构崩溃的阈值点前,对网络中边的移除比例的积分值,按下式计算:
其中,R为街道网络的韧性水平,fmax为街道网络崩溃阈值点,Epre为原网络平均全局效率,Epost为移除网络“边”比例f后的网络平均全局效率。
本发明的有益效果为:
(1)本发明通过对城市韧性概念的深化认知,将城市空间网络作为韧性主体,概化扰动过程,以保障城市正常功能流动为目标,构建了基于网络效率的城市街道网络韧性测度的理论框架;
(2)本发明将城市街道网络面临的真实扰动类型进行概化,转为不同的动态模拟情景。在实验中引入时间变量,依据一定预设规则,循环移除网络中的节点与边,以改变道路网络的拓扑结构,相较于传统依据静态结构属性的评价方法,本发明可揭示扰动过程中街道网络的结构演化与韧性特征变化,建立街道网络结构与韧性水平的映射关系;
(3)相较于目前常见的,以单一代理指标进行的韧性水平测度方法,本发明可从动态机理层面建立城市街道网络韧性的定量测度方法与计算模型,基于街道网络韧性的物理特征,揭示扰动过程中网络拓扑结构的效率变化,识别保持街道网络结构的关键阈值与可承纳扰动强度。本发明有助于更好地理解增强街道网络韧性的空间策略,为规划实践中针对性地增强街道网络韧性水平提供技术工具。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中:
图1为本发明实施例中提供的城市街道网络韧性定量测度方法的实施流程图;
图2为本发明实施例提供的最强、次强连通图随边移除比例变化图;
图3为本发明实施例提供的网络平均全局效率变化率随边移除比例变化图。
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。
如图1所示,本发明的一种城市街道网络韧性定量测度方法,包括如下步骤:
(1)根据网络开源地图数据,采集目标研究城市区内所有支路级以上的城市街道路网的空间矢量数据;
调用Python语言中的OSMnx和NetworkX模型库,采集开源地图中,包含快速立交系统在内的,地表所有支路级以上的城市街道路网的原始空间矢量数据。进而借助ArcGIS平台,对街道路网的原始数据进行空间投影与可视化呈现,坐标系统为“2000国家大地坐标系(CGCS2000)”,采用“高斯-克吕格投影”。
(2)确定街道网络“点”和“边”的语义模型,采用主方法形成邻接矩阵,将实际空间映射为由“点”集合和“边”集合构成的网络,从而将城市街道路网的空间矢量数据转化为网络拓扑结构数据,形成有权有向街道拓扑网络图;
将有权有向街道交叉口抽象为点集合Vs={v1,v2,…,vp},将连接道路交叉口之间的路段抽象为边集合Ls={e1,e2,…,em};
调用Python语言中的Geopandas和NetworkX模型库,将街道网络空间位置及属性表转化为可供运算的DataFrame数据结构,依据“点”和“边”的语义模型,映射为拓扑结构中的节点与边,依据“点”和“边”的语义模型,映射为拓扑结构中的节点与边,将道路交叉口vi、vj的连接路段eij的长度作为网络边的权重,构建邻接矩阵{lij},形成有权有向图G(Vs,Ls)。
(3)将上述街道拓扑网络图作为初始模拟情景,根据确定的随机移除或排序移除实验,运用Remove函数,对街道网络的结构变化进行动态推演与迭代模拟,计算不同移除比例下所述街道拓扑网络的网络性能指标;
其中,随机移除实验步骤包括:随机移除街道拓扑网络边集合Ls={e1,e2,…,em}中,1%、2%、3%、······、100%的网络中“边”的比例;将所述移除方法重复一定次数,计算移除相同网络“边”比例下平均网络性能指标;
所述的排序移除实验步骤包括:依据网络各路段的介数中心性由高至低对路段进行排序,确定移除顺序;依序移除街道拓扑网络边集合Ls={e1,e2,…,em}中介数中心性前1%的网络“边”后,再次计算剩余网络各路段的介数中心性值以重新确定移除顺序;再次迭代依序移除新的街道拓扑网络边集合L’ s={e1,e2,…,ek}中介数中心性前1%的网络“边”直至网络完全崩溃;计算每移除1%“边”的比例后的网络性能指标。
网络各路段的介数中心性值和剩余网络各路段的介数中心性值,按下式(1)、(2)计算:
其中,N为初始网络节点数,N′为移除后网络节点数,Cb(lpre)表示边l的原介数中心性值,Cb(lpost)移除f比例的边后,边l的介数中心性值;Vs为原网络点的集合,Vs‘为移除网络“边”比例f后的网络点的集合,njk表示网络中两点j、k最短路径的条数,njk(l)是网络中两点j、k最短路径通过边l的条数。
在完成每1%“边”的移除后,循环调用NetworkX模型库中的connected_components函数,求解不同移除比例下街道网络结构的网络各连通子图大小,并从大到小降序排列,提取次强连通图大小;循环调用NetworkX模型库中的global_efficiency函数,计算不同移除比例下街道网络结构的网络平均全局效率;
次强连通图是当网络中一部分“节点”或“边”失效时,拥有第二大节点数的网络子图为次强连通图。当网络系统受到扰动后,最强连通子图的大小逐渐降低,次强连通图的大小逐渐增加。次强连通图的峰值,即网络彻底破碎化,被分割成若干规模较小的连通子图,且不存在跨子图之间的连接。因此,次强连通图值的最高点可以定义为网络结构崩溃的阈值点。
街道网络结构的网络平均全局效率的变化率为移除网络“边”比例f后的网络平均全局效率Epost与原网络平均全局效率Epre的比值,表征受到扰动后街道网络性能变化,
网络节点i和节点j之间连接效率,可以采用节点之间最短路径长度的拓扑距离的倒数表达。网络平均全局效率定义为:所有节点对之间的连接效率之和与节点对总数量的比值。Epost、Epre按下式(3)、(4)计算:
其中,Epre为原网络平均全局效率,Epost为移除网络“边”比例f后的网络平均全局效率,N为初始网络节点数,N′为移除后网络节点数,i、j表示网络节点,Vs为原网络节点的集合,Vs ′为移除网络“边”比例f后的网络节点的集合,表示i、j之间的网络最短路径长度。
(4)运用Matplotlib模块,将扰动动态模拟过程中随着移除“边”比例,网络次强连通图大小变化与网络平均全局效率的变化率进行可视化表达;
将次强连通图达到最大值,视为网络结构达到破碎化的临界状态,移除边的比例作为网络结构崩溃的阈值点;
绘制城市街道网络平均全局效率变化率随移除“边”比例的变化曲线,横坐标为不同的“边”移除比例,纵坐标为网络性能指标下降程度;
计算至所述网络结构崩溃的阈值点前,对网络“边”移除比例的积分值,作为街道网络的韧性水平,按下式(5)计算:
其中,R为街道网络的韧性水平,fmax为街道网络崩溃阈值点,Epre为原网络平均全局效率,Epost为移除网络“边”比例f后的网络平均全局效率。
发明人按照本实施例方法,对上海城市核心区2019年的街道网络进行了韧性水平定量测度。
图2、3所示,为在不同扰动情景下,上海街道网络拓扑结构次强连通图大小与网络平均全局效率随移除“边”比例的变化曲线。随机移除情景下,上海街道网络崩溃阈值点为43%,街道网络韧性水平R为0.2611;排序移除情境下,上海街道网络崩溃阈值点为13%,街道网络韧性水平R为0.0625;该实例实现了对街道网络结构关键阈值的识别,并进定量测度城市街道网络的韧性水平。
以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在上面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。公开于该背景技术部分的信息仅仅旨在加深对本发明的总体背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
Claims (8)
1.一种城市街道网络韧性定量测度方法,其特征在于,包括以下步骤:
1)根据网络开源地图数据,采集目标研究城市区内所有支路级以上的城市街道路网的空间矢量数据;
2)确定街道网络点和边的语义模型,将实际空间映射为由点集合和边集合构成的网络,从而将步骤1)得到的城市街道路网的空间矢量数据转化为网络拓扑结构数据,形成有权有向街道拓扑网络图;
3)将所述有权有向街道拓扑网络图作为初始模拟情景,设计随机移除与排序移除实验参数,对街道网络的结构变化进行动态推演与迭代模拟,计算不同边的移除比例下,所述有权有向街道拓扑网络的网络性能指标;
4)绘制城市街道网络性能指标变化与实验中移除网络中边的比例之间的关系曲线,确定街道网络的结构变化阈值点与街道网络的承接扰动能力,实现对城市街道网络韧性的定量测度。
2.根据权利要求1所述的一种城市街道网络韧性定量测度方法,其特征在于,所述步骤2)中的形成有权有向街道拓扑网络图的方法包括以下步骤:
将街道交叉口抽象为点集合Vs={v1,v2,...,vp},将连接道路交叉口之间的路段抽象为边集合Ls={e1,e2,...,em};
依据所述点和边的语义模型,映射为拓扑结构中的节点与边,将道路交叉口vi、vj的连接路段eij的长度作为网络边的权重,构建邻接矩阵{lij},形成有权有向图G(Vs,Ls)。
3.根据权利要求1所述的城市街道网络韧性定量测度方法,其特征在于,所述的网络性能指标包括网络次强连通图大小与网络平均全局效率的变化率,所述的设计随机移除与排序移除实验参数,对街道网络的结构变化进行动态推演与迭代模拟,计算不同移除比例下所述街道拓扑网络的网络性能指标的步骤包括:
根据初始状态下的街道拓扑网络,计算其网络平均全局效率;
根据确定的随机移除或排序移除实验,对街道拓扑网络的结构按照预设参数进行迭代移除;
求解不同移除比例下街道网络结构的网络各连通子图大小,并从大到小降序排列,提取次强连通图大小;
求解计算不同移除比例下街道网络结构的网络平均全局效率。
4.根据权利要求3所述的城市街道网络韧性定量测度方法,其特征在于,所述的随机移除实验步骤包括:
随机移除街道拓扑网络边集合Ls={e1,e2,...,em}中,1%、2%、3%、……、100%的网络中边的比例;
重复所述移除方法,计算移除相同网络中边的比例下平均网络性能指标;
所述的排序移除实验步骤包括:
依据网络各路段的介数中心性由高至低对路段进行排序,确定移除顺序;
依序移除街道拓扑网络边集合Ls={e1,e2,...,em}中介数中心性前1%的网络中的边后,再次计算剩余网络各路段的介数中心性值以重新确定移除顺序;
再次迭代依序移除新的街道拓扑网络边集合L’s={e1,e2,...,ek}中介数中心性前1%的网络中的边,直至网络完全崩溃;
计算每移除1%边比例后的网络性能指标。
6.根据权利要求3所述的城市街道网络韧性定量测度方法,其特征在于,所述的街道网络结构的网络平均全局效率的变化率为,移除网络“边”比例f后的网络平均全局效率Epost与原网络平均全局效率Epre的比值,表征受到扰动后街道网络性能变化。
7.根据权利要求1所述的城市街道网络韧性定量测度方法,其特征在于,所述的绘制城市街道网络性能指标变化与实验移除比例之间的关系曲线,确定街道网络的结构变化阈值点与街道网络的承接扰动能力,得到城市街道网络韧性定量测度模型的步骤包括:
根据次强连通图变化,识别其在移除实验进行中的最大值,视为网络结构达到破碎化的临界状态,作为网络结构崩溃的阈值点;
绘制城市街道网络平均全局效率变化率随移除边的比例的变化曲线,横坐标为不同的边的移除比例,纵坐标为网络性能指标下降程度;
计算至所述网络结构崩溃的阈值点前,对网络中的边的移除比例的积分值,作为街道网络的韧性水平。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111113473.9A CN114037199B (zh) | 2021-09-23 | 2021-09-23 | 一种城市街道网络韧性定量测度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111113473.9A CN114037199B (zh) | 2021-09-23 | 2021-09-23 | 一种城市街道网络韧性定量测度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114037199A true CN114037199A (zh) | 2022-02-11 |
CN114037199B CN114037199B (zh) | 2024-09-13 |
Family
ID=80134660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111113473.9A Active CN114037199B (zh) | 2021-09-23 | 2021-09-23 | 一种城市街道网络韧性定量测度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114037199B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115660282A (zh) * | 2022-10-28 | 2023-01-31 | 北京交通大学 | 面向乘客出行服务的轨道交通路网韧性评估方法及系统 |
CN116307260A (zh) * | 2023-05-11 | 2023-06-23 | 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) | 一种面向缺陷路段扰动的城市路网韧性优化方法及系统 |
CN116343487A (zh) * | 2023-05-19 | 2023-06-27 | 武汉理工大学 | 兼顾全局效率与局部错位的城市交通路网韧性评估方法 |
CN116934073A (zh) * | 2023-06-07 | 2023-10-24 | 深圳大学 | 基于时空活动分析的城市灾害韧性精细化测算方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135093A (zh) * | 2019-05-22 | 2019-08-16 | 北京城市系统工程研究中心 | 面向暴雨内涝的城市道路交通系统韧性评估方法 |
CN111582512A (zh) * | 2020-03-31 | 2020-08-25 | 清华大学深圳国际研究生院 | 一种配电网韧性恢复方法及计算机可读存储介质 |
CN112883471A (zh) * | 2021-02-08 | 2021-06-01 | 深圳大学 | 一种城市生态网络结构韧性动态模拟方法 |
CN113051728A (zh) * | 2021-03-15 | 2021-06-29 | 浙江大学 | 一种交通网络抗震鲁棒性评估方法 |
-
2021
- 2021-09-23 CN CN202111113473.9A patent/CN114037199B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135093A (zh) * | 2019-05-22 | 2019-08-16 | 北京城市系统工程研究中心 | 面向暴雨内涝的城市道路交通系统韧性评估方法 |
CN111582512A (zh) * | 2020-03-31 | 2020-08-25 | 清华大学深圳国际研究生院 | 一种配电网韧性恢复方法及计算机可读存储介质 |
CN112883471A (zh) * | 2021-02-08 | 2021-06-01 | 深圳大学 | 一种城市生态网络结构韧性动态模拟方法 |
CN113051728A (zh) * | 2021-03-15 | 2021-06-29 | 浙江大学 | 一种交通网络抗震鲁棒性评估方法 |
Non-Patent Citations (2)
Title |
---|
赵瑞东;方创琳;刘海猛;: "城市韧性研究进展与展望", 地理科学进展, no. 10, 28 October 2020 (2020-10-28), pages 136 - 150 * |
颜文涛 等: "城市街道网络的韧性测度与空间解析——五大全球城市比较研究", 国际城市规划, vol. 36, no. 5, 12 March 2021 (2021-03-12), pages 1 - 12 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115660282A (zh) * | 2022-10-28 | 2023-01-31 | 北京交通大学 | 面向乘客出行服务的轨道交通路网韧性评估方法及系统 |
CN116307260A (zh) * | 2023-05-11 | 2023-06-23 | 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) | 一种面向缺陷路段扰动的城市路网韧性优化方法及系统 |
CN116307260B (zh) * | 2023-05-11 | 2023-08-08 | 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) | 一种面向缺陷路段扰动的城市路网韧性优化方法及系统 |
CN116343487A (zh) * | 2023-05-19 | 2023-06-27 | 武汉理工大学 | 兼顾全局效率与局部错位的城市交通路网韧性评估方法 |
CN116934073A (zh) * | 2023-06-07 | 2023-10-24 | 深圳大学 | 基于时空活动分析的城市灾害韧性精细化测算方法 |
CN116934073B (zh) * | 2023-06-07 | 2024-06-04 | 深圳大学 | 基于时空活动分析的城市灾害韧性精细化测算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114037199B (zh) | 2024-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114037199B (zh) | 一种城市街道网络韧性定量测度方法 | |
Cavallaro et al. | Assessment of urban ecosystem resilience through hybrid social–physical complex networks | |
CN103476051A (zh) | 一种通信网节点重要性评价方法 | |
CN108959516B (zh) | 会话消息处理方法和装置 | |
CN115081910B (zh) | 城市多模式公共交通网络的鲁棒性评估方法 | |
Zhong et al. | Multi-objective optimization approach of shelter location with maximum equity: an empirical study in Xin Jiekou district of Nanjing, China | |
Zhang et al. | Off-deployment traffic estimation—a traffic generative adversarial networks approach | |
Chakraborty et al. | A multi‐objective framework for analysis of road network vulnerability for relief facility location during flood hazards: a case study of relief location analysis in bankura district, india | |
Takizawa et al. | Enumeration of region partitioning for evacuation planning based on ZDD | |
CN113051728A (zh) | 一种交通网络抗震鲁棒性评估方法 | |
CN116452035A (zh) | 基于网络抗毁性的社区生活物资供应韧性评估方法及系统 | |
CN116362606A (zh) | 考虑级联失效的生活物资供应网络抗毁性测度方法、装置及介质 | |
Xie et al. | Vulnerability of Submarine Cable Network of Mainland China: Comparison of Vulnerability between before and after Construction of Trans‐Arctic Cable System | |
CN109190790A (zh) | 基于二型模糊的疏散路径选择行为模型构建方法 | |
Kay et al. | Identification of critical infrastructure via pagerank | |
Jelenius | Graph models of infrastructures and the robustness of power grids | |
Tingting et al. | Reinforce-Optimization of regional network seismic based on connectivity reliability | |
CN115473817B (zh) | 一种考虑空间特性的电力信息网的构建方法及系统 | |
CN109740898A (zh) | 一种道路网络可靠性评估方法、系统、终端及介质 | |
CN104301330A (zh) | 基于异常行为监测和成员亲密度测量的陷阱网络检测方法 | |
Alawiah et al. | Decision support systems to choose the type of tourist object that are opened after covid 19 pandemic using TOPSIS method | |
CN117591705B (zh) | 基于图搜索的分表关联方法及设备 | |
CN109326102B (zh) | 一种火点杆塔定位方法及装置 | |
CN111818043B (zh) | 基于密母算法的双网耦合拓扑结构设计方法 | |
Laskar et al. | An efficient approach for source-terminal reliability analysis of roadways network infrastructure system against flood hazard |
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 |