System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及时空大数据分析技术和空间认知应用,特别是涉及一种面向空间认知导航的交通网络复杂性特征的度量方法。
技术介绍
1、快速城市化推动了城市人口和区域的迅速增长,也带动了城市交通基础设施的建设,交通网络在不断扩张中变得日趋复杂,让人们在规划一条出行路线时变得愈加困难。交通网络复杂性既反映了城市景观和空间结构,也描述了人们搜寻路线(即导航)的难度和效率,这会潜在地影响人们的出行选择、导航能力和交通客运量,对于公共交通出行具有长远影响。如何评价公共交通网络的复杂性已经受到越来越多的关注,这对于进一步优化交通资源配置,构建人性化、现代化交通体系和宜居城市具有积极意义。
2、目前度量交通网络复杂性的方法大多基于复杂网络理论从网络的空间形态和几何特征进行量化,形成全局视角下对一个交通网络的评价,但是这些理论方法难以反映人们在出行中对于交通复杂性的认知和体验感。由于缺乏出行数据,现有方法还忽视了人们的实际路线选择行为和网络节点之间的真实流量,使得这些方法难以测量人们在实际出行中感受到的导航难度。
技术实现思路
1、针对上述的
技术介绍
中存在的技术缺陷,本专利技术实施例中提供了一种面向空间认知导航的公共交通网络复杂性度量方法,用于测量人们在实际出行中体验认知到的交通网络复杂度。
2、一方面,本专利技术实施例提供一种面向空间认知导航的公共交通网络复杂性度量方法,包括:
3、获取预设地区的公共交通出行轨迹数据和公共交通网络;
4、根据所述预设地区的
5、根据匹配后的轨迹路网提取出路网轨迹中的出行子网络;
6、对所述出行子网络进行对偶图构建;
7、根据所述出行子网络的对偶图进行复杂度熵指标计算,并根据计算后的所述出行子网络的对偶图的复杂度熵指标确定所述公共交通网络的复杂度。
8、进一步的,获取预设地区的公共交通出行轨迹数据和公共交通网络后,还包括:
9、将所述预设地区的公共交通出行轨迹数据中异常轨迹数据进行剔除;
10、对剔除异常轨迹数据后的所述预设地区的公共交通出行轨迹数据中异常轨迹点进行二次剔除。
11、进一步的,根据所述预设地区的公共交通出行轨迹数据与所述预设地区的公共交通网络之间进行轨迹路网匹配,具体包括:
12、获取剔除异常轨迹数据和异常轨迹点的所述预设地区的公共交通出行轨迹数据中的各出行轨迹数据和所述公共交通网络中的各交通路线信息;
13、根据轨迹路网匹配算法将各所述出行轨迹数据与各交通路线信息进行轨迹路网匹配,获取各所述出行轨迹数据的交通路线,并根据各所述出行轨迹数据的交通路线构建轨迹路网。
14、进一步的,获取匹配后的轨迹路网,并提取出路网轨迹中的出行子网络时,包括:
15、对所述轨迹路网中的各所述出行轨迹进行合并处理,并将合并后的各所述出行轨迹中的重复轨迹进行去除;
16、根据预设路线对去除重复轨迹后的所述轨迹路网中的出行子网络进行提取。
17、进一步的,对所述出行子网络进行对偶图构建时,包括:
18、获取所述出行子网络中的各出行线路以及各所述出行线路之间的连通关系;
19、根据各所述出行线路和各所述出行路线之间的连通关系构建所述出行子网络的对偶图。
20、进一步的,获取构建完成后的所述出行子网络的对偶图,根据所述出行子网络的对偶图进行复杂度熵指标计算,并根据计算后的所述出行子网络的对偶图的复杂度熵指标确定所述公共交通网络的复杂度时,包括:
21、获取所述出行子网络的各线路连通关系;
22、根据所述出行子网络的各线路连通关系和出边概率计算出所述出行子网络的出边信息量,并根据所述出行子网络的出边信息量和预设站点计算出定点路线信息量;
23、根据所述定点路线信息量计算公共交通路网的复杂度。
24、进一步的,所述公共交通网络的复杂度为站点层次复杂度或线路层次复杂度。
25、进一步的,根据所述定点路线信息量计算站点层次复杂度时,包括:
26、获取所述出行网络的对偶图中的定点线路信息量;
27、根据所述出行网络的对偶图中的定点线路信息量进行流量加权计算站点层次复杂度。
28、进一步的,根据所述出行网络的对偶图中的定点线路信息量进行流量加权计算站点层次复杂度时,包括:
29、获取所述预设站点之间的各所述线路的信息量,并根据公式ⅰ计算出所述站点层次复杂度,所述公式ⅰ如下所示:
30、
31、其中,ω(p(i,s;j,t))为预设站点之间的各所述路线,p(i,s;j,t)上客流量的占比权重,ss(i,j)为所述站点层次复杂度。
32、进一步的,根据所述定点路线信息量计算线路层次复杂度,包括:
33、获取所述出行网络的对偶图中的定点线路信息量;
34、根据所述出行网络的对偶图中的定点线路信息量进行流量加权计算线路层次复杂度。
35、进一步的,根据所述出行网络的对偶图中的定点线路信息量进行流量加权计算线路层次复杂度时,包括:
36、获取预设路线之间的各所述站点的信息量,并根据公式ⅱ计算出所述线路层次复杂度,所述公式ⅱ如下所示:
37、
38、其中{p(i,j)}所有起点在线路s上的任意站点i到终点在线路t上的任意站点j之间的路线,sl(s,t)为所述线路层次复杂度。
39、本专利技术实施例一种面向空间认知导航的公共交通网络复杂性度量方法与现有技术相比,其有益效果在于:通过基于轨迹大数据和交通网络模型构建出行子网络,从真实轨迹中提取出实际出行范围,而不是使用整个交通网络,以更准确地评估交通复杂性。其次,通过采用出行子网络和真实流量数据,使用熵指标进行量化,将导航难度抽象概念转化为认知成本,并以信息比特进行计算,有效量化人们在导航时所需的认知负担。这使得能够从用户的角度更准确地评估交通网络的复杂性。通过综合考虑出行子网络和真实出行流量,从而得到了更接近实际情况的量化结果,为城市规划和交通管理提供了更精确和有实际意义的信息。进而能更好地理解和改进城市的交通系统,提高导航的效率,有效的提升城市的可持续性和居民的出行体验。
本文档来自技高网...【技术保护点】
1.一种面向空间认知导航的公共交通网络复杂性度量方法,其特征在于,包括:
2.如权利要求1所述的面向空间认知导航的公共交通网络复杂性度量方法,其特征在于,获取预设地区的公共交通出行轨迹数据和公共交通网络后,还包括:
3.如权利要求2所述的面向空间认知导航的公共交通网络复杂性度量方法,其特征在于,根据所述预设地区的公共交通出行轨迹数据与所述预设地区的公共交通网络之间进行轨迹路网匹配,具体包括:
4.如权利要求3所述的面向空间认知导航的公共交通网络复杂性度量方法,其特征在于,获取匹配后的轨迹路网,并提取出路网轨迹中的出行子网络时,包括:
5.如权利要求1所述的面向空间认知导航的公共交通网络复杂性度量方法,其特征在于,对所述出行子网络进行对偶图构建时,包括:
6.如权利要求1所述的面向空间认知导航的公共交通网络复杂性度量方法,其特征在于,获取构建完成后的所述出行子网络的对偶图,根据所述出行子网络的对偶图进行复杂度熵指标计算,并根据计算后的所述出行子网络的对偶图的复杂度熵指标确定所述公共交通网络的复杂度时,包括:
7
8.如权利要求7所述的面向空间认知导航的公共交通网络复杂性度量方法,其特征在于,根据所述定点路线信息量计算站点层次复杂度时,包括:
9.如权利要求8所述的面向空间认知导航的公共交通网络复杂性度量方法,其特征在于,根据所述出行网络的对偶图中的定点线路信息量进行流量加权计算站点层次复杂度时,包括:
10.如权利要求7所述的面向空间认知导航的公共交通网络复杂性度量方法,其特征在于,根据所述定点路线信息量计算线路层次复杂度,包括:
...【技术特征摘要】
1.一种面向空间认知导航的公共交通网络复杂性度量方法,其特征在于,包括:
2.如权利要求1所述的面向空间认知导航的公共交通网络复杂性度量方法,其特征在于,获取预设地区的公共交通出行轨迹数据和公共交通网络后,还包括:
3.如权利要求2所述的面向空间认知导航的公共交通网络复杂性度量方法,其特征在于,根据所述预设地区的公共交通出行轨迹数据与所述预设地区的公共交通网络之间进行轨迹路网匹配,具体包括:
4.如权利要求3所述的面向空间认知导航的公共交通网络复杂性度量方法,其特征在于,获取匹配后的轨迹路网,并提取出路网轨迹中的出行子网络时,包括:
5.如权利要求1所述的面向空间认知导航的公共交通网络复杂性度量方法,其特征在于,对所述出行子网络进行对偶图构建时,包括:
6.如权利要求1所述的面向空间认知导航的公共交通网络复杂性度量方法,其特征在...
【专利技术属性】
技术研发人员:姜卓君,刘昌通,王聪,任春德,侯圣文,
申请(专利权)人:天翼云科技有限公司,
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。