[发明专利]一种复杂交通网络的多尺度聚集模式分析方法

说明书

本发明提供了一种复杂交通网络的多尺度聚集模式分析方法，首先计算公路交通网络的邻接矩阵、位置属性矩阵、距离权重矩阵、道路等级矩阵、分时段交通拥堵程度矩阵；其次，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；最后，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，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。本发明可分析公路交通网络跨越行政区划的区块聚集特性，为交通规划、设计工作以及养护、维护工作等提供决策参考。

技术领域

本发明涉及公路交通网络技术领域，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。

背景技术

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。

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.Y.and Zhao X.M.,Properties of transportation dynamics onscale-free networks[J].Phyicas A,2007,373(none):837-844.)，发现拥挤行为对交通网络存在影响。添加动态车流拥堵程度等权重影响因子构建路网理论模型可为交通决策和服务人员提供更全面的理论支撑。另外，进行路网聚集模式分析需要选用合适的聚类算法，复杂网络中识别模块的算法有很多，如顶点聚类算法、基于密度的算法、随机游走法、电路逼近法、谱聚类算法等。目前多采用k-means聚类算法进行路网聚集区块划分。但是路网数据是典型的高维数据，使用k-means聚类算法处理高维数据不占优势，致使研究结果有一定的局限性。

发明内容

本发明的目的是提供一种复杂交通网络的多尺度聚集模式分析方法，可分析公路交通网络所具有的区块特征，取得公路交通网络跨越行政区划的区块聚集特性结果，进而为交通规划、设计工作以及养护、维护工作等提供决策参考。

为实现上述目的，本发明提供了如下方案：

一种复杂交通网络的多尺度聚集模式分析方法，包括如下步骤：

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：