【技术实现步骤摘要】
一种复杂交通网络的多尺度聚集模式分析方法
[0001]本专利技术涉及公路交通网络
,特别是涉及一种复杂交通网络的多尺度聚集模式分析方法。
技术介绍
[0002]公路交通网络是服务经济、社会及公众的重要基础设施,是综合交通运输体系的骨干。多尺度分析复杂交通网络,挖掘网络结构的功能区块,识别地理空间角度网络的分布特征是分析公路交通网络的重要方面。
[0003]目前,对复杂交通网络进行多尺度分析的研究较少。杨盼等提出尺度是客观世界的基本特征(杨盼.城市家具色彩的多尺度研究
‑‑
以合肥市为例[D].合肥工业大学,2019.),多尺度研究是认识客观世界复杂系统的重要手段。公路交通网络具有其复杂系统性,为得出公路交通网络科学合理的设计策略和原则,应多层次多角度分析路网。多尺度研究无疑为路网分析提供独特的视角。其次,现有对公路交通网络区块聚集特性的研究存在数据类型上的不足,Zheng和Gao等对无标度(scale
‑
free)交通网络上动态的流量信息研究(Zheng J.F.,Gao Z. ...
【技术保护点】
【技术特征摘要】
1.一种复杂交通网络的多尺度聚集模式分析方法,其特征在于,包括以下步骤:S1,计算公路交通网络的邻接矩阵A、位置属性矩阵F、距离权重矩阵W、道路等级矩阵L、分时段交通拥堵程度矩阵T;具体来看:(1)邻接矩阵A=(a
ij
)
N
×
N
是一个N阶方阵,第i行、第j列上的元素a
ij
定义如下:若节点i和j之间有路段连接,则e
ij
=1;否则,e
ij
=0;(2)位置属性矩阵F的构造是通过POI点作500米缓冲区范围查看覆盖的公路网络路段定制位置属性值,在缓冲区范围内的路段权重值设置为1,其他公路网路段权重值设定为0;假设v
i
=1(1≤i≤N)根据所研究的问题或交通网络实际情况表示路段i的位置属性,v
i
=0表示其他情况,构造位置属性矩阵F:F=(v1,v2,...,v
N
)1×
N
ꢀꢀꢀꢀ
(1
‑
2)(3)距离权重矩阵其中w
ij
表示节点i和节点j之间最短路径长度的倒数;其中,d
ij
为初始交通网络结构中节点i与节点j之间的最短路径长度,单位为km;(4)道路等级矩阵元素l
ij
指节点i和节点j之道路等级的权值,道路等级越高,权值越高;(5)分时段交通拥堵程度矩阵元素t
ij
表示节点i和节点j之前的交通拥堵程度权值,拥堵程度越高,表明道路权重越大;S2,在原有PageRank算法基础上加入路网权重影响因子,得到改进的PageRank算法,以确定关键性节点排序情况;具体包括:(1)PageRank的Google矩阵,用G表示,定义为:其中,A
*
是由原始交通网络得到的邻接矩阵A的转移矩阵;α为阻尼因子,使用α=0.85,N表示交通网络中节点个数,I
N
×
N
是一个N阶的单元矩阵;(2)利用位置属性矩阵F、距离权重矩阵W、道路等级矩阵L和分时段交通拥堵程度矩阵T,定义一个新的加权矩阵K:K=F+W+L+T=(k1,k2,
…
,k
j
,
…
,k
N
)
ꢀꢀꢀꢀ
(1
‑
5)其中,k
j
表示矩阵K的第j列;(3)对矩阵K的每一列向量k
j
进行标准化处理,得到标准矩阵K
N
;(4)构造新的矩阵G
*
,用式子(1
‑
α)K
N
代替式子得到:
G
*
=αA
*
+(1
‑
α)K
N
ꢀꢀꢀꢀ
(1
‑
6)根据Perron
‑
Frobenius定理,取特征向量的特征值λ=1,计算G
*
的主特征向量得到关键节点的等级;g(1),g(2),
…
,g(N)表示主特征向量的各个分量,分量值大小表示节点的重要程度,值越大表示节点越重要,即关键性等级越高;S3,通过关键性节点排序和最短路径距离两个指标绘制二维决策图,确定谱聚类中心点和聚类个数k,同时在谱聚类中的相似度矩阵的基础上加入位置、距离、道路等级和动态交通拥堵程度权重矩阵,得到新的符合实际路网情况的加权矩阵,然后进行聚类分析,得到路网聚集区块。2.根据权利要求1所述的复杂交通网络的多尺度聚集模式分析方法,其特征在于,所述步骤S3,通过关键性节点排序和最短路径距离两个指标绘制二维决策图,确定谱聚类中心点和聚类个数k,同时在谱聚类中的相似度矩阵的基础上加入位置、距离、道路等级和动态交通拥堵程度权重矩阵,得到新的符合实际路网情况的加权矩阵,然后进...
【专利技术属性】
技术研发人员:朱霞,裴莹莹,金永涛,李国洪,刘斌,刘玉燕,刘原萍,段龙方,李旭青,马涛,安珊,习佳,宋志洪,
申请(专利权)人:安徽科力信息产业有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。