WO2024119555A1 - 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
WO2024119555A1
WO2024119555A1 PCT/CN2022/142872 CN2022142872W WO2024119555A1 WO 2024119555 A1 WO2024119555 A1 WO 2024119555A1 CN 2022142872 W CN2022142872 W CN 2022142872W WO 2024119555 A1 WO2024119555 A1 WO 2024119555A1
Authority
WO
WIPO (PCT)
Prior art keywords
resilience
nodes
node
network
transportation 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.)
Ceased
Application number
PCT/CN2022/142872
Other languages
English (en)
French (fr)
Inventor
杨则英
武科
毕传龙
李英勇
曲建波
张平
王恩东
孟庆伟
高庆水
王洪云
高新学
赵峰
马凯凯
孙荣晓
房明
赵丽
单传皓
曲伟松
杨乾一
周广通
刘杰
王天旻
李照宇
张鹏
刘环
孙芮
段蓉蓉
曲植霖
王成赫
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 Traffic Engineering Supervision Consulting Co Ltd
Shandong University
Original Assignee
Shandong Traffic Engineering Supervision Consulting Co Ltd
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 Traffic Engineering Supervision Consulting Co Ltd, Shandong University filed Critical Shandong Traffic Engineering Supervision Consulting Co Ltd
Publication of WO2024119555A1 publication Critical patent/WO2024119555A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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

Definitions

  • the present invention relates to the technical field of regional transportation network management and characteristic analysis, and in particular to a regional transportation network resilience assessment method and system.
  • resilience first comes from Latin, which means the ability to rebound or resist.
  • the resilience of an object is defined as the ability to recoil or rebound after being bent, stretched or compressed.
  • the other is the definition of resilience that was later used in engineering, that is, the ability of the system to maintain near a stable equilibrium. This definition uses the time required for the system to return to equilibrium or a stable state after being disturbed as a measure of its recovery. In recent years, this concept has also been applied to economics and space science.
  • a good transportation network is crucial to the operation of a region because it not only undertakes the responsibility of daily movement of people and transportation of goods, but is also one of the prerequisites for timely rescue and repair of other damaged infrastructure.
  • the resilience assessment of the transportation network is conducive to the decision-makers' rational allocation of resources and making reasonable decisions, so that the transportation network can quickly restore its functions after facing emergencies.
  • emergencies can be roughly divided into internal and external factors.
  • External factors include natural factors such as heavy rain, snowfall, landslides, mudslides, earthquakes, floods, tsunamis, tornadoes, etc.; internal factors include technical failures or component damage, etc. These factors have become the key factors that disturb the transportation network.
  • the resilience of the transportation network can be regarded as a comprehensive consideration of absorption capacity, adaptability and recovery capacity.
  • the assessment of regional transportation resilience needs to rely on a large amount of historical data. For some small areas or very large areas, if there is a lack of data on traffic interference, it is impossible to effectively assess the resilience of the regional traffic, and it is impossible to intervene or improve unknown interference in advance.
  • the present invention proposes a regional transportation network resilience assessment method and system, which constructs an assessment matrix based on the regional transportation network topology map, dynamic resilience function map and expert evaluation, and concentrates the regional transportation resilience assessment indicators on vulnerability, recovery, rapidity and adaptability. It can predict in advance the resilience level of regional transportation networks of all sizes during the disturbance stage, and discover the resilience weaknesses of regional transportation in advance.
  • a regional transportation network resilience assessment method comprising:
  • the resilience of the regional transportation network is obtained by comprehensively analyzing the vulnerability, recovery, adaptability, and rapidity indicators of the regional transportation network;
  • the evaluation matrices corresponding to the four indicators Bgx1 , Bgx2 , Bgx3 , and Bgx4 constitute a comprehensive matrix
  • the first, second, third, and fourth rows are the evaluation matrix elements of vulnerability, resilience, adaptability, and rapidity, respectively.
  • a regional transportation network resilience assessment system comprising:
  • a network topology construction module is used to construct an undirected network topology map according to the transportation network planning of a set area, and use stations and transportation hubs as nodes of the undirected network topology map;
  • the key node selection module is used to calculate the degree centrality, closeness centrality and betweenness centrality of each node and select key nodes;
  • Vulnerability and resilience index calculation module used to perform random or specified attacks on key nodes and calculate the vulnerability and resilience index of the regional transportation network
  • the evaluation matrix construction module is used to determine the factors affecting rapidity and adaptability, and to construct the rapidity evaluation matrix, the adaptability evaluation matrix, the vulnerability evaluation matrix, and the resilience evaluation matrix respectively;
  • the resilience assessment module is used to obtain the resilience assessment results of the regional transportation network based on the above-mentioned evaluation matrix.
  • the present invention has the following beneficial effects:
  • the regional transportation network resilience assessment method of the present invention is not dependent on historical data when regional transportation is affected, and is not limited to the size of the disturbed area.
  • a rapidity evaluation matrix By constructing a rapidity evaluation matrix, an adaptability evaluation matrix, a vulnerability evaluation matrix, and a recovery evaluation matrix, it is possible to accurately assess the resilience of the regional transportation network, thereby identifying the weak points of regional transportation resilience in advance and providing constructive and targeted suggestions for improving regional transportation resilience.
  • the present invention regards each station or transportation hub as a node and the route or road as a link to form an undirected network topology diagram, calculates the degree centrality, betweenness centrality and closeness centrality of each node and sorts them respectively, calculates the importance of each node by the sum of the degree centrality and betweenness centrality rankings of the node, and supplements the closeness centrality ranking of the node, thereby sorting the importance of each node, thereby screening out key nodes, and based on the processing of key nodes, the evaluation results of various indicators of the regional transportation network are more accurate.
  • FIG1 is a flow chart of a method for evaluating regional transportation network resilience in an embodiment of the present invention
  • FIG2 is a schematic diagram of a regional traffic resilience evaluation index system according to an embodiment of the present invention.
  • FIG. 3 is a schematic diagram of a regional transportation network resilience function curve in an embodiment of the present invention.
  • a method for assessing the resilience of a regional transportation network includes the following steps in conjunction with FIG1 :
  • an undirected network topology is first constructed according to the regional transportation network planning, and each station or transportation hub (airport, railway station, bus station, port, crossroads, etc.) is used as a node N1 , N2 , N3 , etc., and a route or road is used as a link L i,j connected by the nodes, where L i,j represents a link connected by node i and node j.
  • the nodes and links constitute an undirected network topology G(N,L).
  • the calculation formula of the degree centrality of a node is:
  • J(i) represents the number of nodes directly connected to node Ni
  • n represents the number of nodes in the network topology graph.
  • d jk represents the number of shortest paths from node j to node k
  • d jk (i) represents the number of shortest paths from node j to node k passing through node i
  • Zi is the standardized betweenness centrality of node i
  • Z Si is the absolute betweenness centrality of node i
  • z jk (i) is the ratio of the number of shortest paths between any two points in the network passing through node i to the total number of shortest paths between these two points.
  • cij is the geodesic distance from node i to node j
  • n is the number of nodes in the network topology graph
  • the closeness centrality of node i is the ratio of the sum of the geodesics from node i to all other nodes to the number of nodes in the network topology graph minus 1.
  • the nodes are sorted from high to low according to degree centrality, betweenness centrality, and closeness centrality respectively;
  • Node A's degree centrality ranking is 1, and its betweenness centrality ranking is 3, while Node B's degree centrality ranking is 3, and its betweenness centrality ranking is 1.
  • the sum is 4, but Node A's proximity centrality ranking is 2, and Node B's proximity centrality ranking is 3. Therefore, Node A is more important than Node B.
  • node importance ranking is obtained, and a set number of nodes with the highest importance are selected as key nodes.
  • attacks are divided into designated attacks and random attacks, that is, designated nodes are invalidated or random nodes are invalidated.
  • Designated attacks use the order of importance of key nodes as the basis, and make 5%, 10%, 15%, 20%, 25%, 30%, 40%, 60%, and 80% of the nodes fail in order from high to low. Random attacks randomly make nodes with the same gradient fail, and calculate the vulnerability of the regional network respectively, and analyze the sensitivity of the regional network to designated attacks and random attacks.
  • the vulnerability is calculated using the following formula:
  • n is the number of nodes in the current network
  • C(G 0 ) is the vulnerability calculation result of the initial network, i.e., the network in which all nodes are not invalid.
  • n represents all nodes in the initial topology network graph
  • C(G) is the network vulnerability calculation result of the restored nodes plus the remaining unattacked nodes after a set number of nodes are attacked.
  • n represents the number of restored nodes plus the remaining unattacked nodes;
  • c ij is the actual distance between nodes i and j.
  • the vulnerability of the regional transportation network is quantified by calculating the difference between C(G 0 ) and C(G); for example, the difference between the two calculated when 80% of the nodes fail is compared with the difference between the two calculated when 60% of the nodes fail. The greater the difference between the two, the worse the vulnerability of the regional transportation network.
  • Recovery is divided into designated recovery and random recovery.
  • designated recovery is to recover 5%, 10%, 15%, 20%, 25%, 30%, 40%, 60%, and 80% in descending order of node importance.
  • Random recovery is to recover nodes with the same gradient.
  • the relative function of the network is calculated to obtain the regional transportation network resilience function curve as shown in Figure 3, and then the resilience of the regional transportation network is derived.
  • X(G) represents the relative function before and after the network is restored, which can reflect the network recovery ability when restoring different numbers of nodes.
  • C(G 0 ) is the vulnerability calculation result of the initial network, that is, the network where all nodes are not invalid.
  • C(G) is the network vulnerability calculation result of the restored nodes plus the remaining unattacked nodes after a set number of nodes are attacked.
  • the impact of several common influencing factors on rapidity and adaptability are analyzed, including daily passenger flow, average travel distance, average commuting time, per capita road area, repair technology level, regional economy, number of people employed in the region's transportation, regional transportation infrastructure investment, etc., and factors with smaller impact are eliminated, while factors with larger impact are retained.
  • ⁇ is expressed as extremely high, high, medium, low, and very low, and the expert evaluation results are established into a matrix.
  • m represents the number of influencing factors
  • ai1 , ai2 , ai3 , ai4 , and ai5 are the proportions of experts who believe that a certain factor of rapidity or adaptability has reached extremely high, high, medium, low, and very low levels, respectively.
  • a total of 10 experts participated in the evaluation of a certain factor of rapidity, such as "restoration technology level", of which 2 believed that the factor had reached an extremely high level, 4 believed that it had reached a high level, 3 believed that it had reached a medium level, 1 believed that it had reached a low level, and 0 believed that it had reached a very low level.
  • a11 , a12 , a13 , a14 , and a15 are 0.2, 0.4, 0.3, 0.1, and 0, respectively.
  • the adaptive evaluation matrix Bgx2 [ c21c22c23c24c25 ].
  • the resilience of the regional transportation network is obtained by comprehensively analyzing the fragility, recovery, adaptability, and rapidity of the regional transportation network.
  • the evaluation matrices B gx1 , B gx2 , B gx3 , and B gx4 corresponding to the four indicators form a comprehensive matrix
  • the first, second, third, and fourth rows are the evaluation matrix elements of vulnerability, resilience, adaptability, and rapidity, respectively.
  • a regional transportation network resilience assessment system comprising:
  • the network topology construction module is used to construct an undirected network topology map according to the transportation network planning of the set area, and use the stations and transportation hubs as nodes of the undirected network topology map;
  • the key node selection module is used to calculate the degree centrality, closeness centrality and betweenness centrality of each node and select the key nodes;
  • Vulnerability and resilience index calculation module used to perform random or specified attacks on key nodes and calculate the vulnerability and resilience index of the regional transportation network
  • the evaluation matrix construction module is used to determine the factors affecting rapidity and adaptability, and to construct the rapidity evaluation matrix, the adaptability evaluation matrix, the vulnerability evaluation matrix, and the resilience evaluation matrix respectively;
  • the resilience assessment module is used to obtain the resilience assessment results of the regional transportation network based on the above-mentioned evaluation matrix.

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
本发明要求于2022年12月8日提交中国专利局、申请号为202211572389.8、发明名称为“一种区域交通网韧性评估方法及系统”的中国专利申请的优先权，其全部内容通过引用结合在本发明中。
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B gx1、B gx2、B gx3、B gx4组成综合矩阵
Figure PCTCN2022142872-appb-000001
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R u＝γS＝[s 1 s 2 s 3 s 4 s 5]，并进行
Figure PCTCN2022142872-appb-000002
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 PCTCN2022142872-appb-000003
的专家认为该区域交通网韧性为极高水平、百分之
Figure PCTCN2022142872-appb-000004
的专家认为韧性为高水平、百分之
Figure PCTCN2022142872-appb-000005
的专家认为韧性为中等水平、百分之
Figure PCTCN2022142872-appb-000006
的专家认为韧性为低水平、百分之
Figure PCTCN2022142872-appb-000007
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N 1，N 2，N 3等，将航线或道路作为由节点连成的L i,j链路，L i,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 PCTCN2022142872-appb-000008
其中，J(i)表示直接连接到节点N i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 PCTCN2022142872-appb-000009
Figure PCTCN2022142872-appb-000010
其中，d jk表示从节点j到节点k的最短路径数，d jk(i)表示经过节点i的从节点j到节点k的最短路径数；Z i为节点i标准化的中间中心性，Z Si为节点i的绝对中间中心性，z jk(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 PCTCN2022142872-appb-000011
Figure PCTCN2022142872-appb-000012
其中，c ij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 PCTCN2022142872-appb-000013
Figure PCTCN2022142872-appb-000014
其中，n为当前网络的节点数；C(G 0)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 PCTCN2022142872-appb-000015
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，c ij为节点i和节点j之间的实际距离。
通过计算C(G 0)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 PCTCN2022142872-appb-000016
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(G 0)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 PCTCN2022142872-appb-000017
其中，m表示影响因素的个数，a i1，a i2，a i3，a i4，a i5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a 11、a 12、a 13、a 14、a 15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A x＝[r 1 r 2 r 3…r m]，其中的m与D x中的m一致。
最后得出快速性或适应性的评判矩阵B xi＝A xD x，并将矩阵进行
Figure PCTCN2022142872-appb-000018
处理，其中，∑b i为B xi中所有元素的和。
最终，得到快速性的评判矩阵B gx1＝[c 11 c 12 c 13 c 14 c 15]
同理，得到适应性的评判矩阵B gx2＝[c 21 c 22 c 23 c 24 c 25]。
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D x为单行矩阵，对应的权重矩阵A x为1，进而根据
Figure PCTCN2022142872-appb-000019
得到脆弱性C(G)的评判矩阵B gx3＝[c 31 c 32 c 33 c 34 c 35]；
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D x为单行矩阵，对应的权重矩阵A x为1，进而根据
Figure PCTCN2022142872-appb-000020
得到脆弱性C(G)的评判矩阵B gx4＝[c 41 c 42 c 43 c 44 c 45]。
(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B gx1、B gx2、B gx3、B gx4组成综合矩阵
Figure PCTCN2022142872-appb-000021
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R u＝γS＝[s 1 s 2 s 3 s 4 s 5]，并进行
Figure PCTCN2022142872-appb-000022
处理，∑s i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 PCTCN2022142872-appb-000023
的专家认为该区域交通网韧性为极高水平、百分之
Figure PCTCN2022142872-appb-000024
的专家认为韧性为高水平、百分之
Figure PCTCN2022142872-appb-000025
的专家认为韧性为中等水平、百分之
Figure PCTCN2022142872-appb-000026
的专家认为韧性为低水平、百分之
Figure PCTCN2022142872-appb-000027
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N i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 PCTCN2022142872-appb-100001
    Figure PCTCN2022142872-appb-100002
    其中，d jk表示从节点j到节点k的最短路径数，d jk(i)表示经过节点i的从节点j到节点k的最短路径数；Z i为节点i标准化的中间中心性，Z Si为节点i的绝对中间中心性；z jk(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 PCTCN2022142872-appb-100003
    Figure PCTCN2022142872-appb-100004
    其中，n为当前网络的节点数；C(G 0)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 PCTCN2022142872-appb-100005
    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，c ij为节点i和节点j之间的实际距离；
    通过计算C(G 0)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 PCTCN2022142872-appb-100006
  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 PCTCN2022142872-appb-100007
    其中a i1，a i2，a i3，a i4，a i5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A x＝[r 1 r 2 r 3 r 4 r m]，最后得出快速性的评判矩阵 B xi＝A xD x，并将评判矩阵进行
    Figure PCTCN2022142872-appb-100008
    处理，其中，∑b i为B xi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B gx1、B gx2、B gx3、B gx4组成综合矩阵
    Figure PCTCN2022142872-appb-100009
    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R u＝γS＝[s 1 s 2 s 3 s 4 s 5]，并进行
    Figure PCTCN2022142872-appb-100010
    处理，其中，∑s i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 PCTCN2022142872-appb-100011
    的专家认为该区域交通网韧性为极高水平、百分之
    Figure PCTCN2022142872-appb-100012
    的专家认为韧性为高水平、百分之
    Figure PCTCN2022142872-appb-100013
    的专家认为韧性为中等水平、百分之
    Figure PCTCN2022142872-appb-100014
    的专家认为韧性为低水平、百分之
    Figure PCTCN2022142872-appb-100015
    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。
PCT/CN2022/142872 2022-12-08 2022-12-28 一种区域交通网韧性评估方法及系统 Ceased WO2024119555A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202211572389.8 2022-12-08
CN202211572389.8A CN115719186B (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
WO2024119555A1 true WO2024119555A1 (zh) 2024-06-13

Family

ID=85257569

Family Applications (1)

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

Country Status (2)

Country Link
CN (1) CN115719186B (zh)
WO (1) WO2024119555A1 (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118629269A (zh) * 2024-06-24 2024-09-10 南京航空航天大学 一种航路网络鲁棒性评估方法
CN119130152A (zh) * 2024-11-08 2024-12-13 勃源电气科技(西安)有限公司 一种基于图论的电力cps脆弱性评估方法及系统
CN119379102A (zh) * 2024-12-25 2025-01-28 交通运输部科学研究院 用于交通强国建设水平评价的指标指数构建方法及其系统
CN119479319A (zh) * 2025-01-16 2025-02-18 同济大学 一种城市轨道交通网络韧性评估方法及系统
CN119809346A (zh) * 2025-01-02 2025-04-11 华南理工大学 一种结合层次分析与数据降维的地铁车站安全风险评估方法
CN119862704A (zh) * 2024-12-24 2025-04-22 北京交通大学 一种机场网络重要节点识别方法及装置
CN120087561A (zh) * 2025-04-30 2025-06-03 深圳大学 基于换乘系数的公交-地铁网络韧性修复方法、系统、终端及存储介质
CN120146631A (zh) * 2025-05-13 2025-06-13 中核大地生态科技有限公司 用于腐蚀性盐渍土场地生态维持体系的韧性评估方法
CN120258561A (zh) * 2025-03-21 2025-07-04 交通运输部规划研究院 基于指标体系的公路基础设施网络韧性评价方法及装置
CN120509620A (zh) * 2025-07-22 2025-08-19 吉林建筑大学 基于深度学习的交通韧性动态评估预测系统
CN120525257A (zh) * 2025-05-13 2025-08-22 北京师范大学 基于滑坡体积模拟的道路韧性评估方法、装置及存储介质
CN120602351A (zh) * 2025-07-03 2025-09-05 军事科学院系统工程研究院后勤科学与技术研究所 一种网络关键节点识别结果评估方法及装置
CN120915671A (zh) * 2025-09-05 2025-11-07 中国科学院地理科学与资源研究所 一种网络韧性指数多维度量化评估方法
CN120951496A (zh) * 2025-07-17 2025-11-14 上海交通大学 一种基于加权分形维数的轨交网络抗震韧性评估方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116232774B (zh) * 2023-05-09 2023-07-07 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
CN118446074B (zh) * 2024-01-20 2025-11-28 同济大学 一种基于图神经网络与综合韧性计算的交通韧性评估方法
CN118037129B (zh) * 2024-03-08 2024-09-24 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
CN118070978B (zh) * 2024-04-17 2024-08-13 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
CN120562858A (zh) * 2025-04-14 2025-08-29 中国地质大学（武汉） 一种基于复杂网络的应急响应组织韧性评价方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190206057A1 (en) * 2016-09-13 2019-07-04 Ohio State Innovation Foundation Systems and methods for modeling neural architecture
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
CN111882241A (zh) * 2020-08-05 2020-11-03 北京交通大学 一种城市轨道交通网络韧性的评估方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111950153A (zh) * 2020-08-14 2020-11-17 江苏师范大学 一种基于多种攻击策略的电力网络脆弱性评估方法
CN114665498B (zh) * 2020-12-23 2024-12-20 南京邮电大学 一种计及新能源影响的主动配电网脆弱节点辨识方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190206057A1 (en) * 2016-09-13 2019-07-04 Ohio State Innovation Foundation Systems and methods for modeling neural architecture
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
CN111882241A (zh) * 2020-08-05 2020-11-03 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 (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118629269A (zh) * 2024-06-24 2024-09-10 南京航空航天大学 一种航路网络鲁棒性评估方法
CN119130152A (zh) * 2024-11-08 2024-12-13 勃源电气科技(西安)有限公司 一种基于图论的电力cps脆弱性评估方法及系统
CN119862704A (zh) * 2024-12-24 2025-04-22 北京交通大学 一种机场网络重要节点识别方法及装置
CN119379102A (zh) * 2024-12-25 2025-01-28 交通运输部科学研究院 用于交通强国建设水平评价的指标指数构建方法及其系统
CN119809346A (zh) * 2025-01-02 2025-04-11 华南理工大学 一种结合层次分析与数据降维的地铁车站安全风险评估方法
CN119479319A (zh) * 2025-01-16 2025-02-18 同济大学 一种城市轨道交通网络韧性评估方法及系统
CN120258561A (zh) * 2025-03-21 2025-07-04 交通运输部规划研究院 基于指标体系的公路基础设施网络韧性评价方法及装置
CN120087561A (zh) * 2025-04-30 2025-06-03 深圳大学 基于换乘系数的公交-地铁网络韧性修复方法、系统、终端及存储介质
CN120146631A (zh) * 2025-05-13 2025-06-13 中核大地生态科技有限公司 用于腐蚀性盐渍土场地生态维持体系的韧性评估方法
CN120525257A (zh) * 2025-05-13 2025-08-22 北京师范大学 基于滑坡体积模拟的道路韧性评估方法、装置及存储介质
CN120602351A (zh) * 2025-07-03 2025-09-05 军事科学院系统工程研究院后勤科学与技术研究所 一种网络关键节点识别结果评估方法及装置
CN120951496A (zh) * 2025-07-17 2025-11-14 上海交通大学 一种基于加权分形维数的轨交网络抗震韧性评估方法
CN120509620A (zh) * 2025-07-22 2025-08-19 吉林建筑大学 基于深度学习的交通韧性动态评估预测系统
CN120915671A (zh) * 2025-09-05 2025-11-07 中国科学院地理科学与资源研究所 一种网络韧性指数多维度量化评估方法

Also Published As

Publication number Publication date
CN115719186A (zh) 2023-02-28
CN115719186B (zh) 2026-02-10

Similar Documents

Publication Publication Date Title
WO2024119555A1 (zh) 一种区域交通网韧性评估方法及系统
CN108768745B (zh) 一种基于复杂网络的集群系统脆性测评方法
Wang et al. Vulnerability assessment of urban road traffic systems based on traffic flow
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
CN107453919A (zh) 复杂网络节点重要性评估方法及系统
CN107092984B (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
CN110428191B (zh) 配电网脆弱节点辨识的方法
CN113489605B (zh) 一种基于健康度的网络节点重要度评估方法
CN119578875A (zh) 计及网络拓扑关联的电力通信网络韧性评估方法及系统
CN120217736A (zh) 极端暴雨天气下城市公共交通网络韧性测度方法
Ma et al. Robustness analysis of high-speed railway networks against cascading failures: From a multi-layer network perspective
Li et al. Invulnerability simulation of urban agglomeration passenger transport network under incomplete information attack strategy
CN107018011A (zh) 一种保持网络性能可靠度的网络简化方法
Wei et al. A data envelopment analysis (DEA) evaluation method based on sample decision making units
RU2406146C1 (ru) Способ моделирования процессов обеспечения живучести системы связи в условиях огневого поражения и радиоэлектронной борьбы
CN105933147A (zh) 一种卫星系统拓扑优化方法
CN119107802A (zh) 一种交通网络交通节点重要性识别方法
Guan et al. Node importance identifying considering passenger flow effect: a case study of Chengdu metro
CN119494533B (zh) 一种用于区域桥隧网络安全运维的脆弱性评估与脆弱节点识别方法
CN121389533B (zh) 一种多层级城际道路网络的级联可靠性指标确定方法
CN120263638B (zh) 数据中心互联链路的灰度切换方法、装置、通信设备和存储介质
Liu et al. Graph Theory-Based Characterization of Disaster-Induced Flow Redistributions in Civil Infrastructure Systems
CN119671426B (zh) 一种基于货流数据的铁路货物运输网络脆弱性评估方法
CN122001689A (zh) 一种地铁网络韧性评估方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22967701

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22967701

Country of ref document: EP

Kind code of ref document: A1