CN115719186A - 一种区域交通网韧性评估方法及系统 - Google Patents

一种区域交通网韧性评估方法及系统 Download PDF

Info

Publication number
CN115719186A
CN115719186A CN202211572389.8A CN202211572389A CN115719186A CN 115719186 A CN115719186 A CN 115719186A CN 202211572389 A CN202211572389 A CN 202211572389A CN 115719186 A CN115719186 A CN 115719186A
Authority
CN
China
Prior art keywords
node
nodes
toughness
network
traffic 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
CN202211572389.8A
Other languages
English (en)
Inventor
杨则英
毕传龙
孙芮
曲植霖
段蓉蓉
张平
王恩东
单煜辉
房明
张婉
曲伟松
杨乾一
曲建波
段抗
张宇
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.)
Shandong University
Original Assignee
Shandong University
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 Shandong University filed Critical Shandong University
Priority to CN202211572389.8A priority Critical patent/CN115719186A/zh
Priority to PCT/CN2022/142872 priority patent/WO2024119555A1/zh
Publication of CN115719186A publication Critical patent/CN115719186A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/06—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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种区域交通网韧性评估方法及系统，包括：根据设定区域的交通网络规划构建无向网络拓扑图，将站点和交通枢纽作为无向网络拓扑图的节点；分别计算各个节点的度中心性、接近中心性和中间中心性，选取关键节点；对关键节点进行随机攻击或指定攻击，计算区域交通网络的脆弱性和恢复性指标；确定对快速性和适应性的影响因素，分别构建快速性的评判矩阵、适应性的评判矩阵、脆弱性的评判矩阵和恢复性的评判矩阵；基于上述的评判矩阵得出区域交通网的韧性评估结果。本发明可以不依赖于区域交通受影响时的历史数据，不局限于受过干扰的区域大小，实现对区域交通网韧性的准确评估。

Description

一种区域交通网韧性评估方法及系统
技术领域
本发明涉及区域交通网络管理与特性分析技术领域，尤其涉及一种区域交通网韧性评估方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
近年来对交通网络韧性的相关研究层出不穷，其中“韧性”这一词首先来源于拉丁文，即表达反弹回弹或者抵抗的能力。物体的韧性被定义为在弯曲、拉伸或者被压缩后反冲或回弹的能力。起初有两种不同的方式来定义韧性，一种是首先被运用于生态学中的定义，即系统从一种状态变化到另一种状态之前可以吸收的扰动，该定义不要求系统是否始终处于或接近某种平衡，即系统在遭受状态、参数变化时吸收后保持或维持在某一状态的能力。另一种则是后来韧性才被运用在工程之中的定义，即指系统维持在某一稳定平衡附近的能力，该定义将系统在受到扰动后恢复到平衡或稳定状态所需的时间作为其恢复的度量。近年来这一概念也被运用于经济学与空间科学。
良好的交通网对于地区的运作至关重要，因为良好的交通网不仅承担着人们日常流动和货物运输的责任，还是能够及时救援与修复其他受到破坏的基础设施的前提之一。
对交通网的韧性评估有利于决策者对于资源的合理分配与做出合理的决策，以便于交通网在面对突发事件后能够快速恢复功能。其中突发事件可大致分为内部和外部因素，外部因素包括、暴雨、降雪、山体滑坡、泥石流、地震、洪水、海啸、龙卷风等自然；内在因素包括技术故障或组件损坏等等。这些因素成为扰动交通网的关键因素，交通网的韧性能力可以看做是吸收能力、适应能力和恢复能力的综合考量。目前对于区域交通韧性的评估需要依赖于大量的历史数据，对于一些小区域或者非常大的区域时，若缺少交通受干扰时的数据便无法对于该区域交通的韧性进行有效的评估，也就无法提前对于未知的干扰进行干预或改进。
发明内容
为了解决上述问题，本发明提出了一种区域交通网韧性评估方法及系统，基于区域交通网络拓扑图、动态韧性机能图与专家评构建评估矩阵，将区域交通韧性评估指标集中在脆弱性、恢复性、快速性与适应性；能够提前预知无论大小区域交通网受干扰阶段的韧性水平，提前发现区域交通的韧性薄弱点。
在一些实施方式中，采用如下技术方案：
一种区域交通网韧性评估方法，包括：
根据设定区域的交通网络规划构建无向网络拓扑图，将站点和交通枢纽作为无向网络拓扑图的节点；
分别计算各个节点的度中心性、接近中心性和中间中心性，选取关键节点；
对关键节点进行随机攻击或指定攻击，计算区域交通网络的脆弱性和恢复性指标；
确定对快速性和适应性的影响因素，分别构建快速性的评判矩阵、适应性的评判矩阵、脆弱性的评判矩阵和恢复性的评判矩阵；
基于上述的评判矩阵得出区域交通网的韧性评估结果。
其中，区域交通网的韧性通过该区域交通网的脆弱性、恢复性、适应性、快速性指标综合得出；对应四个指标的评判矩阵Bgx1、Bgx2、Bgx3、Bgx4组成综合矩阵
Figure BDA0003988618930000031
其中，第一、二、三、四行分别为脆弱性、恢复性、适应性、快速性的评判矩阵元素，将各指标的权重与综合矩阵相乘得到区域交通网韧性总评判矩阵Ru＝γS＝[s1s2s3s4s5]，并进行
Figure BDA0003988618930000032
处理，其中，∑si为韧性总评判矩阵的元素之和；
最终得到区域交通网韧性总评判矩阵中百分之
Figure BDA0003988618930000033
的专家认为该区域交通网韧性为极高水平、百分之
Figure BDA0003988618930000034
的专家认为韧性为高水平、百分之
Figure BDA0003988618930000035
的专家认为韧性为中等水平、百分之
Figure BDA0003988618930000036
的专家认为韧性为低水平、百分之
Figure BDA0003988618930000037
的专家认为韧性为极低水平。
在另一些实施方式中，采用如下技术方案：
一种区域交通网韧性评估系统，包括：
网络拓扑构建模块，用于根据设定区域的交通网络规划构建无向网络拓扑图，将站点和交通枢纽作为无向网络拓扑图的节点；
关键节点选取模块，用于分别计算各个节点的度中心性、接近中心性和中间中心性，选取关键节点；
脆弱性和恢复性指标计算模块，用于对关键节点进行随机攻击或指定攻击，计算区域交通网络的脆弱性和恢复性指标；
评判矩阵构建模块，用于确定对快速性和适应性的影响因素，分别构建快速性的评判矩阵、适应性的评判矩阵、脆弱性的评判矩阵和恢复性的评判矩阵；
韧性评估模块，用于基于上述的评判矩阵得出区域交通网的韧性评估结果。与现有技术相比，本发明的有益效果是：
(1)本发明区域交通网韧性评估方法可以在不依赖于区域交通受影响时的历史数据，不局限于受过干扰的区域大小，通过构建快速性的评判矩阵、适应性的评判矩阵、脆弱性的评判矩阵和恢复性的评判矩阵，可以实现对区域交通网韧性的准确评估，从而预先找出区域交通韧性薄弱点，为区域交通韧性提升提供建设性与针对性的意见。
(2)本发明根据各地区交通网络规划将各站点或交通枢纽作为节点、将航线或道路作为链路构成无向网络拓扑图后，计算各节点的度中心性、中间中心性和接近中心性并分别进行排序，通过节点的度中心性和中间中心性排名之和，同时辅以节点的接近中心性排名计算出各个节点的重要程度，从而对各节点进行重要程度的排序，从而筛选出关键节点，基于对关键节点的处理使得对于区域交通网络各项指标的评判结果更加准确。
本发明的其他特征和附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本方面的实践了解到。
附图说明
图1为本发明实施例中的区域交通网韧性评估方法流程图；
图2为本发明实施例中的区域交通韧性评估指标体系示意图；
图3为本发明实施例中的区域交通网韧性机能曲线示意图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
在一个或多个实施方式中，公开了一种区域交通网韧性评估方法，结合图1，具体包括如下过程：
(1)根据设定区域的交通网络规划构建无向网络拓扑图，将站点和交通枢纽作为无向网络拓扑图的节点；
本实施例中，首先根据各地区交通网络规划构建无向网络拓扑图，将各站点或交通枢纽(飞机场、火车站、公交车站、港口、十字路口等)作为节点N1，N2，N3等，将航线或道路作为由节点连成的Li,j链路，Li,j表示由节点i和节点j连成的链路。节点和链路构成无向网络拓扑图G(N,L)。
(2)结合图2，分别计算各个节点的度中心性、接近中心性和中间中心性，选取关键节点；
本实施例中，节点的度中心性计算公式为：
Figure BDA0003988618930000051
其中，J(i)表示直接连接到节点Ni的节点数，n表示网络拓扑图中的节点数。
节点的中间中心性计算公式为：
Figure BDA0003988618930000061
Figure BDA0003988618930000062
其中，djk表示从节点j到节点k的最短路径数，djk(i)表示经过节点i的从节点j到节点k的最短路径数；Zi为节点i标准化的中间中心性，ZSi为节点i的绝对中间中心性，zjk(i)为网络中任意两点经过节点i的最短路径数量与这两点的总最短路径数的比值。
节点的接近中心性计算公式为：
Figure BDA0003988618930000063
Figure BDA0003988618930000064
其中，cij是节点i到节点j的测地线距离，n为网络拓扑图中的节点数，节点i的接近中心性即为节点i到所有其他节点的测地线之和与网络拓扑图的节点数减去1的比。
本实施例中，分别根据度中心性、中间中心性、接近中心性从高到低分别对节点进行排序；
然后根据度中心性和中间中心性的排名之和从小到大进行排序；
排名之和越小节点的重要程度越高，当两个节点的所述排名之和相同时，接近中心性排名越靠前者节点重要程度越高。比如：节点A的度中心性排名为1，中间中心性的排名为3，节点B的度中心性排名为3，中间中心性的排名为1，和都为4，但是节点A的接近中心性排名为2，节点B的接近中心性排名为3，则定节点A的重要程度比节点B高。
最终得到节点重要程度排序，选取重要程度最高的设定数量的节点，作为关键节点。
(3)对关键节点进行随机攻击或指定攻击，计算区域交通网络的脆弱性和恢复性指标；
本实施例中，将攻击分为指定攻击和随机攻击，即指定节点失效或使随机节点失效。
指定攻击以关键节点重要程度排序次序为基准，从高到低依次使5％，10％，15％，20％，25％，30％，40％，60％，80％的节点失效，随机攻击则随机使同样梯度的节点失效，分别计算出区域网的脆弱性，分析区域网对于指定攻击和随机攻击的敏感程度。
脆弱性的计算通过下述公式确定：
Figure BDA0003988618930000071
Figure BDA0003988618930000072
其中，n为当前网络的节点数；C(G0)为初始网络即全部节点皆未失效的网络的脆弱性计算结果，此时n表示初始拓扑网络图的全部节点；C(G)为设定数量的节点受到攻击后，恢复的节点加上剩余的未被攻击的节点的网络脆弱性计算结果，此时n表示恢复的节点加上剩余的未被攻击的节点数；
Figure BDA0003988618930000073
为节点i和j之间的欧基米德距离，即直观的两点之间最短距离，cij为节点i和节点j之间的实际距离。
通过计算C(G0)和C(G)之间的差值来量化区域交通网的脆弱性；比如：80％的节点失效时计算的两者的差值，与60％的节点失效时计算的两者的差值进行比较，两者相差的越多，说明区域交通网的脆弱性越差。
将恢复分为指定恢复和随机恢复，节点破坏度为80％的交通网，指定恢复则按节点重要度从高到低依次恢复5％，10％，15％，20％，25％，30％，40％，60％，80％，随机恢复则是同样梯度的节点恢复，计算网络的相对机能，得到如图3所示的区域交通网韧性机能曲线，进而得出区域交通网的恢复性。
其中相对机能通过该公式计算：
Figure BDA0003988618930000081
其中，X(G)表示网络恢复前后的相对机能，能够反应恢复不同数量节点时的网络恢复能力。C(G0)为初始网络即全部节点皆未失效的网络的脆弱性计算结果，C(G)为设定数量的节点受到攻击后，恢复的节点加上剩余的未被攻击的节点的网络脆弱性计算结果。
(4)确定对快速性和适应性的影响因素，分别构建快速性的评判矩阵、适应性的评判矩阵、脆弱性的评判矩阵和恢复性的评判矩阵；
本实施例中，分析几种常见的影响因素对快速性和适应性的影响，具体包括日常客流量、平均旅行距离、平均通勤时间、人均占道路面积、修复技术水平、该地区经济、该地区交通就业人数、该地区交通基础设施投资等，剔除影响较小的因素，保留影响较大的因素。
将各因素都以极高、高、中等、低、非常低表示，将专家的评判结果建立成矩阵，
Figure BDA0003988618930000091
其中，m表示影响因素的个数，ai1，ai2，ai3，ai4，ai5分别为专家认为的关于快速性或适应性的某种因素达到极高、高、中等、低、非常低水平的比例，比如：共有10名专家参与了评判快速性的某种因素比如“修复技术水平”，其中有2名认为该因素达到了极高水平，4名认为达到了高水平，3名认为达到了中等水平，1名认为达到了低水平，0名认为达到了非常低水平，那么a11、a12、a13、a14、a15分别为0.2、0.4、0.3、0.1、0。
再将设定的各因素的权重组成矩阵Ax＝[r1r2r3…rm]，其中的m与Dx中的m一致。
最后得出快速性或适应性的评判矩阵Bxi＝AxDx，并将矩阵进行
Figure BDA0003988618930000092
处理，其中，∑bi为Bxi中所有元素的和。
最终，得到快速性的评判矩阵Bgx1＝[c11c12c13c14c15]
同理，得到适应性的评判矩阵Bgx2＝[c21c22c23c24c25]。
基于相同的思路，将专家根据步骤三得出的在网络节点失效5％、10％、15％等情况下的脆弱性变化情况与趋势作为一种影响因素，得到的Dx为单行矩阵，对应的权重矩阵Ax为1，进而根据
Figure BDA0003988618930000093
得到脆弱性C(G)的评判矩阵Bgx3＝[c31c32c33c34c35]；
同理，将专家根据节点在恢复5％，10％，15％等情况下的相对机能X(G)的变化情况与趋势作为一种影响因素，得到的Dx为单行矩阵，对应的权重矩阵Ax为1，进而根据
Figure BDA0003988618930000094
得到脆弱性C(G)的评判矩阵
Bgx4＝[c41c42c43c44c45]。
(5)基于上述的评判矩阵得出区域交通网的韧性评估结果。
本实施例中，区域交通网的韧性是通过该区域交通网的脆弱性、恢复性、适应性、快速性综合得出的，对应四个指标的评判矩阵Bgx1、Bgx2、Bgx3、Bgx4组成综合矩阵
Figure BDA0003988618930000101
第一、二、三、四行分别为脆弱性、恢复性、适应性、快速性的评判矩阵元素，将各指标权重与综合矩阵相乘得到区域交通网韧性总评判矩阵Ru＝γS＝[s1s2s3s4s5]，并进行
Figure BDA0003988618930000102
处理，∑si为韧性总评判矩阵的元素之和。γ在一般情况下为γ＝[0.250.250.250.25]，特殊情况如区域过大或过小则视具体情况而定，区域交通网韧性总评判矩阵中百分之
Figure BDA0003988618930000103
的专家认为该区域交通网韧性为极高水平、百分之
Figure BDA0003988618930000104
的专家认为韧性为高水平、百分之
Figure BDA0003988618930000105
的专家认为韧性为中等水平、百分之
Figure BDA0003988618930000106
的专家认为韧性为低水平、百分之
Figure BDA0003988618930000107
的专家认为韧性为极低水平。另外可以对处于中、低、极低水平的指标提出针对性的提升意见。
实施例二
在一个或多个实施方式中，公开了一种区域交通网韧性评估系统，包括：
网络拓扑构建模块，用于根据设定区域的交通网络规划构建无向网络拓扑图，将站点和交通枢纽作为无向网络拓扑图的节点；
关键节点选取模块，用于分别计算各个节点的度中心性、接近中心性和中间中心性，选取关键节点；
脆弱性和恢复性指标计算模块，用于对关键节点进行随机攻击或指定攻击，计算区域交通网络的脆弱性和恢复性指标；
评判矩阵构建模块，用于确定对快速性和适应性的影响因素，分别构建快速性的评判矩阵、适应性的评判矩阵、脆弱性的评判矩阵和恢复性的评判矩阵；
韧性评估模块，用于基于上述的评判矩阵得出区域交通网的韧性评估结果。
上述各模块的具体实现方式已经在实施例一中进行了说明，此处不再详述。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种区域交通网韧性评估方法，其特征在于，包括：
根据设定区域的交通网络规划构建无向网络拓扑图，将站点和交通枢纽作为无向网络拓扑图的节点；
分别计算各个节点的度中心性、接近中心性和中间中心性，选取关键节点；
对关键节点进行随机攻击或指定攻击，计算区域交通网络的脆弱性和恢复性指标；
确定对快速性和适应性的影响因素，分别构建快速性的评判矩阵、适应性的评判矩阵、脆弱性的评判矩阵和恢复性的评判矩阵；
基于上述的评判矩阵得出区域交通网的韧性评估结果。
2.如权利要求1所述的一种区域交通网韧性评估方法，其特征在于，计算各个节点的度中心性，具体为：直接连接到节点Ni的节点数与网络拓扑图的节点数n减去1的比；
计算各个节点的中间中心性，具体为：
Figure FDA0003988618920000011
Figure FDA0003988618920000012
其中，djk表示从节点j到节点k的最短路径数，djk(i)表示经过节点i的从节点j到节点k的最短路径数；Zi为节点i标准化的中间中心性，ZSi为节点i的绝对中间中心性；zjk(i)为网络中任意两点经过节点i的最短路径数量与这两点的总最短路径数的比值；
计算各个节点的接近中心性，具体为：节点i到所有其他节点的测地线之和与网络拓扑图的节点数减去1的比。
3.如权利要求1所述的一种区域交通网韧性评估方法，其特征在于，所述选取关键节点的方法为：
对所有节点的度中心性、中间中心性和接近中心性分别进行排序；
对所有节点的度中心性和中间中心性的排名之和进行排序；所述排名之和越小的节点，重要程度越高；如果两个节点的所述排名之和相等，则接近中心性排名靠前的节点重要程度高于接近中心性排名靠后的节点的重要程度；
最终得到所有节点的排序，选取排名靠前的设定数量的节点作为关键节点。
4.如权利要求1所述的一种区域交通网韧性评估方法，其特征在于，对关键节点进行随机攻击指的是使得随机节点失效；对关键节点进行指定攻击指的是使得指定节点失效。
5.如权利要求1所述的一种区域交通网韧性评估方法，其特征在于，计算区域交通网络的脆弱性指标，具体为：
Figure FDA0003988618920000021
Figure FDA0003988618920000022
其中，n为当前网络的节点数；C(G0)为初始网络即全部节点皆未失效的网络的脆弱性计算结果，此时n表示初始拓扑网络图的全部节点；C(G)为设定数量的节点受到攻击后，恢复的节点加上剩余的未被攻击的节点的网络脆弱性计算结果，此时n表示恢复的节点加上剩余的未被攻击的节点数；
Figure FDA0003988618920000023
为节点i和j之间的欧基米德距离，即直观的两点之间最短距离，cij为节点i和节点j之间的实际距离；
通过计算C(G0)和C(G)之间的差值来量化区域交通网的脆弱性。
6.如权利要求5所述的一种区域交通网韧性评估方法，其特征在于，计算区域交通网络的恢复性指标，具体为：
将受到攻击而失效的节点恢复，计算区域交通网络的相对机能：
Figure FDA0003988618920000031
7.如权利要求1所述的一种区域交通网韧性评估方法，其特征在于，确定对快速性和适应性的影响因素，具体包括：日常客流量、平均旅行距离、平均通勤时间、人均占道路面积、修复技术水平、地区经济、地区交通就业人数和地区交通基础设施投资。
8.如权利要求1所述的一种区域交通网韧性评估方法，其特征在于，构建快速性的评判矩阵，具体为：
将各因素都以极高、高、中等、低、非常低表示，将专家的评判结果建立成矩阵，
Figure FDA0003988618920000032
其中ai1，ai2，ai3，ai4，ai5分别为专家认为的关于快速性的某种因素达到极高、高、中等、低、极低水平的比例，再将设定的各因素的权重组成矩阵Ax＝[r1 r2 r3 r4 rm]，最后得出快速性的评判矩阵Bxi＝AxDx，并将评判矩阵进行
Figure FDA0003988618920000033
处理，其中，∑bi为Bxi中所有元素的和，m表示因素的个数。
9.如权利要求1所述的一种区域交通网韧性评估方法，其特征在于，基于上述的评判矩阵得出区域交通网的韧性评估结果，具体为：
区域交通网的韧性通过该区域交通网的脆弱性、恢复性、适应性、快速性指标综合得出；对应四个指标的评判矩阵Bgx1、Bgx2、Bgx3、Bgx4组成综合矩阵
Figure FDA0003988618920000041
其中，第一、二、三、四行分别为脆弱性、恢复性、适应性、快速性的评判矩阵元素，将各指标的权重与综合矩阵相乘得到区域交通网韧性总评判矩阵Ru＝γS＝[s1 s2 s3 s4 s5]，并进行
Figure FDA0003988618920000042
处理，其中，∑si为韧性总评判矩阵的元素之和；
最终得到区域交通网韧性总评判矩阵中百分之
Figure FDA0003988618920000043
的专家认为该区域交通网韧性为极高水平、百分之
Figure FDA0003988618920000044
的专家认为韧性为高水平、百分之
Figure FDA0003988618920000045
的专家认为韧性为中等水平、百分之
Figure FDA0003988618920000046
的专家认为韧性为低水平、百分之
Figure FDA0003988618920000047
的专家认为韧性为极低水平。
10.一种区域交通网韧性评估系统，其特征在于，包括：
网络拓扑构建模块，用于根据设定区域的交通网络规划构建无向网络拓扑图，将站点和交通枢纽作为无向网络拓扑图的节点；
关键节点选取模块，用于分别计算各个节点的度中心性、接近中心性和中间中心性，选取关键节点；
脆弱性和恢复性指标计算模块，用于对关键节点进行随机攻击或指定攻击，计算区域交通网络的脆弱性和恢复性指标；
评判矩阵构建模块，用于确定对快速性和适应性的影响因素，分别构建快速性的评判矩阵、适应性的评判矩阵、脆弱性的评判矩阵和恢复性的评判矩阵；
韧性评估模块，用于基于上述的评判矩阵得出区域交通网的韧性评估结果。
CN202211572389.8A 2022-12-08 2022-12-08 一种区域交通网韧性评估方法及系统 Pending CN115719186A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211572389.8A CN115719186A (zh) 2022-12-08 2022-12-08 一种区域交通网韧性评估方法及系统
PCT/CN2022/142872 WO2024119555A1 (zh) 2022-12-08 2022-12-28 一种区域交通网韧性评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211572389.8A CN115719186A (zh) 2022-12-08 2022-12-08 一种区域交通网韧性评估方法及系统

Publications (1)

Publication Number Publication Date
CN115719186A true CN115719186A (zh) 2023-02-28

Family

ID=85257569

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211572389.8A Pending CN115719186A (zh) 2022-12-08 2022-12-08 一种区域交通网韧性评估方法及系统

Country Status (2)

Country Link
CN (1) CN115719186A (zh)
WO (1) WO2024119555A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116232774A (zh) * 2023-05-09 2023-06-06 天津丈八网络安全科技有限公司 用于网络安全异常检测的网络路径分析系统及方法
CN118037129A (zh) * 2024-03-08 2024-05-14 交通运输部规划研究院 一种用于综合交通枢纽城市发展水平的评测方法及系统
CN118070978A (zh) * 2024-04-17 2024-05-24 交通运输部规划研究院 面向综合交通网络韧性提升的枢纽空间布局优化方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3512415A4 (en) * 2016-09-13 2020-08-19 Ohio State Innovation Foundation NEURAL ARCHITECTURE MODELING SYSTEMS AND METHODS
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
CN111882241B (zh) * 2020-08-05 2023-11-07 北京交通大学 一种城市轨道交通网络韧性的评估方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116232774A (zh) * 2023-05-09 2023-06-06 天津丈八网络安全科技有限公司 用于网络安全异常检测的网络路径分析系统及方法
CN118037129A (zh) * 2024-03-08 2024-05-14 交通运输部规划研究院 一种用于综合交通枢纽城市发展水平的评测方法及系统
CN118070978A (zh) * 2024-04-17 2024-05-24 交通运输部规划研究院 面向综合交通网络韧性提升的枢纽空间布局优化方法

Also Published As

Publication number Publication date
WO2024119555A1 (zh) 2024-06-13

Similar Documents

Publication Publication Date Title
CN115719186A (zh) 一种区域交通网韧性评估方法及系统
Wang et al. GSNet: Learning spatial-temporal correlations from geographical and semantic aspects for traffic accident risk forecasting
CN106168799B (zh) 一种基于大数据机器学习进行电动汽车电池预测性维护的方法
CN110135092A (zh) 基于半局部中心性的复杂加权交通网关键节点识别方法
CN103557884A (zh) 一种输电线路杆塔监控的多传感器数据融合预警方法
Li et al. Intelligent anti-money laundering solution based upon novel community detection in massive transaction networks on spark
CN107239821B (zh) 随机攻击策略下的城市群交通网络可靠性修复方法
CN107092984A (zh) 一种基于级联失效的网络功能端节点传播预测方法
Liu et al. A comprehensive risk analysis of transportation networks affected by rainfall‐induced multihazards
Santra et al. Efficient community re-creation in multilayer networks using boolean operations
CN110795823A (zh) 一种基于无人机蜂群系统的任务可靠性分析方法及系统
CN115599779B (zh) 一种城市道路交通缺失数据插值方法及相关设备
CN113051728B (zh) 一种交通网络抗震鲁棒性评估方法
Alecsandru et al. Hybrid model-based and memory-based traffic prediction system
Zhang et al. Off-deployment traffic estimation—a traffic generative adversarial networks approach
CN117612413A (zh) 基于gcn的有人无人航空器融合运行空域关键节点识别方法
CN117648652A (zh) 一种基于动态超图卷积神经网络的异常交通状态检测方法
CN109858822B (zh) 一种基于流关联分析的信息电力融合系统可靠性评估方法
CN112333147A (zh) 一种核电厂dcs平台网络运行态势感知方法及系统
CN111464327A (zh) 一种基于图卷积网络的空间信息网络抗毁性评估方法
CN115759362A (zh) 基于弹性评估的地铁-公交相依网络功能域分类方法
CN114999154B (zh) 一种基于图卷积网络的道路服务水平预测方法
CN105933147A (zh) 一种卫星系统拓扑优化方法
CN111862594B (zh) 识别道路交通网络中薄弱单元的方法、装置及存储介质
CN113128892B (zh) 基于复杂网络拓扑关系的链式灾害风险评估方法和装置

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