【技术实现步骤摘要】
本专利技术涉及交通管理应用，具体涉及一种基于多层网络的城市关键节点识别方法。
技术介绍
1、城市交通系统是现代城市运行的重要组成部分，对人们的生活和经济发展具有重要影响，在城市交通网络中，关键节点和枢纽功能区的重要性不言而喻。关键节点是交通网络中连接不同交通模式或交通流量较大的节点，它们在整个交通系统中起到重要的连接和转换作用。枢纽功能区是指交通节点周围的区域，通常是交通集散、商业和社交活动的中心，对城市的发展和繁荣起到关键推动作用，识别城市的关键节点和枢纽功能区，能够帮助管理者更好地建设和发展城市，开展城市规划、交通管理等重要工作。
2、随着城市化进程的不断加快，城市出行交通网络日益复杂，传统的基于复杂网络的节点重要性评估方法主要针对单层网络进行分析和优化，而忽视了城市出行网络是多层的、多模式的特点，这导致现有方法在识别城市交通网络中的关键节点时难以全面准确地识别城市出行交通网络中的关键节点，比如难以捕捉不同交通模式的节点重要性，无法充分考虑节点在多个层次之间的关联和影响。
技术实现思路
1、为了克服上述的技术问题，本专利技术的目的在于提供一种基于多层网络的城市关键节点识别方法，以解决现有技术中，。
2、本专利技术的目的可以通过以下技术方案实现：
3、具体是提供一种基于多层网络的城市关键节点识别方法，包括以下步骤：
4、s1、多层网络构建：根据网络层间关系构建多层出行交互网络模型，每层网络包括a个节点和b个边，a和b为正整数，节点表
5、s2、节点重要性计算：对多层出行交互网络模型中节点的重要性指标进行计算，重要性指标包括度中心性、强度中心性、特征向量中心性或者pagerank中心性；
6、s3、多层融合：将各个层网络模型中节点的重要性指标采用排名聚合或者一致性筛选方式进行融合，生成综合的节点重要性评估结果；
7、s4、关键节点识别：根据综合的节点重要性评估结果，预设节点重要性的阈值，选取节点重要性高于阈值的节点作为关键节点，确定城市出行交通网络中的关键节点。
8、作为本专利技术进一步的方案：所述步骤s1中的多层出行交互网络模型采用多元复用网络、互联复用网络或者互依赖网络，多层出行交互网络模型由一个四元组定义：
9、m＝(vm，em，v，l)；
10、其中，m代表多层出行交互网络模型，v代表多层出行交互网络模型中的节点，vm代表节点集，em代表边集，l代表结构中基础网络集的序列。
11、作为本专利技术进一步的方案：所述步骤s2中的度中心性的计算方式为：
12、以节点上的边传入传出数目的不同来计算节点的度中心性；
13、
14、用二值向量mij＝{0，1}l表示节点对(i，j)的多源边，其中l表示网络层数，节点i的度中心性为通过传入传出该节点的多源边m的数量。
15、作为本专利技术进一步的方案：所述步骤s2中的强度中心性的计算方式为：
16、强度中心性代表通过一个节点连接的所有边的权重之和：
17、
18、其中，wij表示该连接节点(i，j)的权值，边权为该边上流量s(i，j)的函数：
19、wij＝ωs(s(i，j))。
20、作为本专利技术进一步的方案：所述步骤s2中的特征向量中心性的计算方式为：
21、先计算单层网络的特征向量中心性；
22、
23、其中，λ1是邻接矩阵的最大特征值，vi对应节点i的特征中心值；
24、然后经过领域平展映射得到秩为4的单领域多层网络邻接张量
25、
26、其中i和j表示节点，α和β表示对应层，λ1表示最大特征值，θiα为特征张量，对应多层网络中每层的每个节点中心性得分。
27、作为本专利技术进一步的方案：所述步骤s2中的pagerank中心性的计算方式为：
28、多层出行交互网络模型的四阶转移张量为且相邻节点转移速率为r，任意节点间转移速率为1-r：
29、
30、其中，为秩为4的全1张量；
31、
32、
33、令为的特征张量，多层出行交互网络模型的pagerank中心性得分为：
34、pi＝ωiαuα。
35、作为本专利技术进一步的方案：所述步骤s3中的排名聚合方式的融合方法为：
36、对节点每一指标进行独立的排序，多个中心性指标的排行均值作为节点排行的依据，形成节点j的最终排名rsj；
37、
38、其中，rank()为相应的单指标排行函数，表示节点j第m项中心性指标，nc表示计算的中心性指标总个数。
39、作为本专利技术进一步的方案：所述步骤s3中的一致性筛选方式的融合方法为：
40、对每一指标进行独立的排序，节点多个指标排行可构成一个排行序列，将不同节点的序列排行作为节点的最终排行；
41、将每个节点的排行序列中的排名从小到大排序，然后根据序列中的最佳排名对其进行排序。
42、作为本专利技术进一步的方案：所述节点重要性评估结果为最终排名rsj，节点重要性的阈值为节点的
43、作为本专利技术进一步的方案：所述步骤4中的预设节点重要性的阈值可代替为预设的节点排名顺序。
44、本专利技术的有益效果：
45、1、本专利技术中，全面性和准确性提升：通过考虑城市出行网络的多层次、多模式和多时序的特点，能够全面捕捉不同交通模式的节点重要性，提高城市关键节点识别的准确性。
46、2、综合性：采用多层融合的方法，综合考虑各层次网络的节点重要性指标，避免了单一指标的局限性，使得关键节点识别结果更加客观和可靠。
47、3、实践应用：准确识别关键节点和枢纽功能区，为城市规划和交通管理部门提供重要的决策支持。可以根据关键节点的位置和特征，优化交通流动，改善交通拥堵状况，提高城市出行效率。
48、4、可持续发展：通过优化交通网络的布局和设计，合理配置交通资源，减少能源消耗、减少环境污染，为城市的可持续发展做出贡献。
49、5、可扩展性：该方法可以灵活适应不同城市的特点和需求。通过收集城市特定的数据并构建相应的多层交通网络模型，可以针对不同城市进行关键节点识别，为各地的交通规划和管理提供定制化的解决方案。
本文档来自技高网...【技术保护点】
1.一种基于多层网络的城市关键节点识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多层网络的城市关键节点识别方法，其特征在于，所述步骤S1中的多层出行交互网络模型采用多元复用网络、互联复用网络或者互依赖网络，多层出行交互网络模型由一个四元组定义：
3.根据权利要求2所述的一种基于多层网络的城市关键节点识别方法，其特征在于，所述步骤S2中的度中心性的计算方式为：
4.根据权利要求2所述的一种基于多层网络的城市关键节点识别方法，其特征在于，所述步骤S2中的强度中心性的计算方式为：
5.根据权利要求2所述的一种基于多层网络的城市关键节点识别方法，其特征在于，所述步骤S2中的特征向量中心性的计算方式为：
6.根据权利要求5所述的一种基于多层网络的城市关键节点识别方法，其特征在于，所述步骤S2中的PageRank中心性的计算方式为：
7.根据权利要求1所述的一种基于多层网络的城市关键节点识别方法，其特征在于，所述步骤S3中的排名聚合方式的融合方法为：
8.根据权利要求1所述的一种基于多
9.根据权利要求7所述的一种基于多层网络的城市关键节点识别方法，其特征在于，所述节点重要性评估结果为最终排名Rsj，节点重要性的阈值为节点的
10.根据权利要求8所述的一种基于多层网络的城市关键节点识别方法，其特征在于，所述步骤4中的预设节点重要性的阈值可代替为预设的节点排名顺序。
...【技术特征摘要】
1.一种基于多层网络的城市关键节点识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多层网络的城市关键节点识别方法，其特征在于，所述步骤s1中的多层出行交互网络模型采用多元复用网络、互联复用网络或者互依赖网络，多层出行交互网络模型由一个四元组定义：
3.根据权利要求2所述的一种基于多层网络的城市关键节点识别方法，其特征在于，所述步骤s2中的度中心性的计算方式为：
4.根据权利要求2所述的一种基于多层网络的城市关键节点识别方法，其特征在于，所述步骤s2中的强度中心性的计算方式为：
5.根据权利要求2所述的一种基于多层网络的城市关键节点识别方法，其特征在于，所述步骤s2中的特征向量中心性的计算方式为：
6.根据...
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。