本文摘要:摘要:為克服傳統(tǒng)評價模型在尋找網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)時主觀因素的干擾,嘗試使用聚類思想來進(jìn)行網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)識別。結(jié)合聚類分析的思想,提出了識別網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)的數(shù)學(xué)模型。將蟻群聚類算法和遺傳算法進(jìn)行融合,并對成都市地鐵網(wǎng)絡(luò)的136個節(jié)點(diǎn)進(jìn)行聚類分析,完成了關(guān)
摘要:為克服傳統(tǒng)評價模型在尋找網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)時主觀因素的干擾,嘗試使用聚類思想來進(jìn)行網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)識別。結(jié)合聚類分析的思想,提出了識別網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)的數(shù)學(xué)模型。將蟻群聚類算法和遺傳算法進(jìn)行融合,并對成都市地鐵網(wǎng)絡(luò)的136個節(jié)點(diǎn)進(jìn)行聚類分析,完成了關(guān)鍵節(jié)點(diǎn)的識別。采用網(wǎng)絡(luò)效率和最大連通子圖來衡量網(wǎng)絡(luò)魯棒性,觀察關(guān)鍵節(jié)點(diǎn)類被隨機(jī)攻擊后網(wǎng)絡(luò)指標(biāo)的變化趨勢。結(jié)果表明:改進(jìn)后的蟻群聚類算法聚類性能和效率有了較大提升,并且準(zhǔn)確識別出了26個關(guān)鍵節(jié)點(diǎn);關(guān)鍵節(jié)點(diǎn)類被隨機(jī)攻擊后,網(wǎng)絡(luò)效率和最大連通子圖下降80%以上,遠(yuǎn)高于其他節(jié)點(diǎn)類,驗(yàn)證了通過聚類進(jìn)行關(guān)鍵節(jié)點(diǎn)識別的可行性。
關(guān)鍵詞:城市交通;地鐵網(wǎng)絡(luò);關(guān)鍵節(jié)點(diǎn)識別;聚類分析;蟻群聚類算法
0引言
城市軌道交通網(wǎng)絡(luò)對城市公共交通系統(tǒng)具有重要支撐作用,網(wǎng)絡(luò)節(jié)點(diǎn)的暢通與否會影響城市軌道交通網(wǎng)絡(luò)的通行效率,嚴(yán)重時甚至?xí)䦟?dǎo)致網(wǎng)絡(luò)的癱瘓。因此,對城市軌道交通網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)進(jìn)行有效識別,找出重要的“核心節(jié)點(diǎn)”,并通過重點(diǎn)保護(hù)這些“核心節(jié)點(diǎn)”提高整個地鐵網(wǎng)絡(luò)的可靠性,有助于提升網(wǎng)絡(luò)的運(yùn)營安全和效率。目前,對于城市軌道交通網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)識別的研究較多,大都是在復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)重要度評估方法基礎(chǔ)上進(jìn)行擴(kuò)展,使用節(jié)點(diǎn)度、介數(shù)等指標(biāo)對節(jié)點(diǎn)進(jìn)行評價。
交通運(yùn)輸論文范例:地鐵信號系統(tǒng)中車地?zé)o線通信傳輸?shù)目垢蓴_探討
如,YANG等[1]認(rèn)為節(jié)點(diǎn)的重要度取決于度和介數(shù)兩個指標(biāo),但多個指標(biāo)反映的結(jié)果往往不同,需要對多指標(biāo)結(jié)果進(jìn)一步分析,以得到更加完善結(jié)果。在這一過程中,有學(xué)者使用PageRank[2]、灰色關(guān)聯(lián)法[3]、TOPSIS[4]等方法對網(wǎng)絡(luò)節(jié)點(diǎn)的多個指標(biāo)進(jìn)行分析,得出節(jié)點(diǎn)重要程度的排名,但評價模型往往涉及多指標(biāo)權(quán)重確定,這一環(huán)節(jié)的存在導(dǎo)致評價結(jié)果存在較大主觀性;其次在得出網(wǎng)絡(luò)節(jié)點(diǎn)重要度排名后,往往采用人為規(guī)定閾值的方法確定關(guān)鍵節(jié)點(diǎn),主觀性較強(qiáng),而使用聚類方法可以避免主觀因素對網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)識別的影響。
蟻群聚類算法具有魯棒性、穩(wěn)健性的特點(diǎn),在實(shí)際應(yīng)用中比較廣泛[5-7],但蟻群聚類算法存在收斂慢,易陷入局部最優(yōu)的缺點(diǎn)[8]。針對以上問題,本文采用聚類分析的方法,根據(jù)評估節(jié)點(diǎn)重要度的指標(biāo)對地鐵網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行分類,并構(gòu)建了網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)識別的模型,采用改進(jìn)的蟻群聚類算法對模型進(jìn)行求解。選取最大連通子圖和網(wǎng)絡(luò)效率這兩個指標(biāo),分析不同節(jié)點(diǎn)類被隨機(jī)攻擊時網(wǎng)絡(luò)性能的下降趨勢,為地鐵網(wǎng)絡(luò)節(jié)點(diǎn)的維護(hù)提供參考。
1地鐵網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)識別指標(biāo)
評估網(wǎng)絡(luò)節(jié)點(diǎn)重要度的指標(biāo)有很多,一般是從節(jié)點(diǎn)的度、介數(shù)、連通度等拓?fù)浣Y(jié)構(gòu)或脆弱性指標(biāo)進(jìn)行衡量[9],但是地鐵網(wǎng)絡(luò)的節(jié)點(diǎn)重要度評估還需結(jié)合地鐵網(wǎng)絡(luò)的實(shí)際情況,不僅要反映節(jié)點(diǎn)在網(wǎng)絡(luò)中的重要性,還應(yīng)體現(xiàn)車站周邊的經(jīng)濟(jì)水平以及集散旅客、連接其他交通方式的能力。因此,根據(jù)已有的資料并結(jié)合文獻(xiàn)[4]、[9],選取識別地鐵網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)的指標(biāo)。
其中,V1度,V2介數(shù),V3補(bǔ)圖效率和V4連通度等指標(biāo)根據(jù)文獻(xiàn)[4]中的公式計(jì)算所得,V5客運(yùn)進(jìn)站量用某一時間段內(nèi)的日平均進(jìn)站量計(jì)算所得,V7周邊資源根據(jù)地鐵站周邊的學(xué)校、醫(yī)院、商業(yè)街等資源評估所得,V8繁榮度則選擇車站所屬地區(qū)的人均GDP統(tǒng)計(jì)所得。
2聚類識別關(guān)鍵節(jié)點(diǎn)類的原理及算法
地鐵網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)的識別可以采取聚類思想,通過將相同或相近屬性節(jié)點(diǎn)進(jìn)行歸納[12],將地鐵網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)找尋問題轉(zhuǎn)化為聚類問題來解決,其結(jié)果既能揭示不同類別的網(wǎng)絡(luò)節(jié)點(diǎn)內(nèi)部的隱含關(guān)系[7],又能通過進(jìn)一步的分析找出地鐵網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)類。
3實(shí)例分析
本文選取文獻(xiàn)[4]中成都地鐵網(wǎng)絡(luò)節(jié)點(diǎn)的數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn),截至到2018年4月,成都地鐵共計(jì)6條線路,136個站點(diǎn),整個城市軌道交通網(wǎng)絡(luò)呈“井+環(huán)”型,可以視為線路與站點(diǎn)構(gòu)成的復(fù)雜網(wǎng)絡(luò)。
4結(jié)論
本文以地鐵網(wǎng)絡(luò)的節(jié)點(diǎn)為研究對象,結(jié)合成都地鐵的數(shù)據(jù),運(yùn)用改進(jìn)后的蟻群聚類算法對站點(diǎn)樣本和站點(diǎn)屬性進(jìn)行聚類,并根據(jù)聚類的結(jié)果對成都地鐵網(wǎng)絡(luò)進(jìn)行關(guān)鍵節(jié)點(diǎn)的識別和魯棒性分析。主要結(jié)論如下:(1)由于聚類劃分的各節(jié)點(diǎn)類之間存在著差異,可通過比較各節(jié)點(diǎn)類聚類中心的類別中心值實(shí)現(xiàn)關(guān)鍵節(jié)點(diǎn)的識別。(2)對蟻群聚類算法每次迭代所得的結(jié)果進(jìn)行遺傳算法變異操作,能夠在一定程度上提高算法的聚類效果和求解效率。(3)通過對成都地鐵網(wǎng)絡(luò)的魯棒性分析發(fā)現(xiàn),關(guān)鍵節(jié)點(diǎn)類被攻擊之后,網(wǎng)絡(luò)性能指標(biāo)急劇下降,整個地鐵網(wǎng)絡(luò)近乎癱瘓,驗(yàn)證了聚類算法對關(guān)鍵節(jié)點(diǎn)識別的可行性和有效性。
參考文獻(xiàn):
[1]YANGYH,LIUYX,ZHOUMX,etal.Robustnessassessmentofurbanrailtransitbasedoncomplexnetworktheory:acasestudyoftheBeijingsubway[J].SafetyScience,2015,79:149-162.
[2]馮慧芳,柏鳳山,徐有基.基于軌跡大數(shù)據(jù)的城市交通感知和路網(wǎng)關(guān)鍵節(jié)點(diǎn)識別[J].交通運(yùn)輸系統(tǒng)工程與信息,2018,18(3):42-47+54.
[3]張琨,沈海波,張宏等.基于灰色關(guān)聯(lián)分析的復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)重要性綜合評價方法[J].南京理工大學(xué)學(xué)報(bào),2012,36(4):579-586.
[4]薛鋒,何傳磊,黃倩.成都地鐵網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)識別方法及性能分析[J].中國安全科學(xué)學(xué)報(bào),2019,29(1):93-99.
作者:薛鋒1,2),劉泳博3),施政1),戶佐安1,2)*,何傳磊
轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng):http:///jjlw/26027.html