一种基于时空属性的交通网络节点重要度测算方法

摘要

本发明提供了一种基于时空属性的交通网络节点重要度测算方法，首先以道路交通路网的单元路段为节点，以组成构件上传感器采集的检测数据组成时间序列，基于时间序列的相关性对路网进行建模；随后，考虑节点之间的空间关系，对节点重要性进行测算，包括获取交通网络的邻接矩阵和转移矩阵；构造距离矩阵和概率矩阵，并标准化概率矩阵，构造Google矩阵G；用幂法求解矩阵G的主特征向量，即得到各节点重要度。本发明在模型建立和重要度测算时考虑了路网的时空属性，能更好地表征实际网络，测算结果也更符合实际情况。

主权项

一种节点重要度测算方法，特别是一种基于时空属性的交通网络节点重要度测算方法，其中，以单位路段为一个节点，其特征在于，包括如下步骤：1)建立基于时间序列的交通网络模型首先计算路网中任意两个路段的相关系数r(S_i,S_j)：$r(S_i,S_j)=\frac{{\Sigma }_{k=1}^{TD}(y_{ik}-{\bar{y}}_i)(y_{jk}-{\bar{y}}_j)}{\sqrt{{\Sigma }_{k=1}^{TD}{(y_{ik}-{\bar{y}}_i)}^2{\Sigma }_{i=1}^{TD}{(y_{ik}-{\bar{y}}_j)}^2}}$其中，S_i为第i条路段上的时间序列，S_j为第j条路段上的时间序列，y_ik为S_i上时间序列第k个值，为S_i上时间序列的均值，y_jk为S_j上时间序列k个值，为S_j上时间序列的均值，T为观测的天数，D为一天内观测的间隔数；其次根据时间序列构造交通网络模型：TNW＝(N,E,R)其中，N＝{n₁,n₂,....,n_M}是交通网络中节点的有限集合，M为网络中节点的个数；E＝{e_ij|i≠j,i,j∈{1,2,....,M}}是交通网络中的连接节点的边的有限集合；R＝{r_ij|i≠j,i,j∈{1,2,....,M}}是交通路网中相关系数的有限集合。2)计算交通网络构件节点重要度21)构建交通网络的邻接矩阵A和转移矩阵A^*，交通网络的邻接矩阵A和转移矩阵A^*分别表示为：其中22)构造距离矩阵D和概率矩阵K，并标准化矩阵K得到矩阵K_N距离矩阵D表示为：$D={\left(b_{ij}\right)}_{i,j=1}^M,b_{ij}=\left\{\begin{array}{cc}\frac{1}{d_{ij}}& i\ne j\\ 0& i=j\end{array}\right.$其中，d_ij为节点i和节点j在路网中最短路径的长度；概率矩阵K表示为：$K=A\otimes D+ϵF$其中，为邻接矩阵A和距离矩阵D的Hadamard乘积；F为元素为1的M×M矩阵；设概率矩阵K＝(k₁,k₂,...,k_j,..,k_M)，其中k_j为概率矩阵K的第j列向量，K通过如下公式进行标准化，得到矩阵K_N：$k_j^{*}={(\frac{k_{1j}}{\left|\right|k_j\left|\right|},\frac{k_{2j}}{\left|\right|k_j\left|\right|},...,\frac{k_{Mj}}{\left|\right|k_j\left|\right|})}^T;$ 23)构造矩阵G＝(1‑α)A^*+αK_N,α为阻尼因子；24)用幂法求解矩阵G的主特征根λ₁＝1的主特征向量X₁：X₁＝{x₁(1),x₁(2),....,x₁(N)}，X₁则为交通网络中N个节点的重要度值。