一种基于里奇曲率的地铁网络脆弱线路识别方法

摘要

本发明公开了一种基于里奇曲率的地铁网络脆弱线路识别方法，包括以下步骤：基于地铁线数据和站点客流量数据，建立地铁网络，并将客流量作为权重赋给站点；计算地铁网络中线路的里奇曲率值；依据里奇曲率值由负到正的顺序对线路进行排序，依次移除地铁网络中的线路，计算最大连通子图相对大小的变化，以此识别脆弱线路。本发明方法提供了一种结合实际客流量数据，从流量传输角度提取地铁网络脆弱线路的方法，解决了现有方法多仅从地铁网络的拓扑结构分析脆弱线路，没有充分考虑线路在实际客流传输中各站点实际客流量分布情况以及地铁网络中流量传输特性的问题，具有较强的普适性。

说明书

技术领域

本发明涉及智能交通技术领域，尤其涉及一种基于里奇曲率的地铁网络脆弱线路识别方法。

背景技术

在交通系统中，地铁系统由于其速度快、准时以及大容量的特点成为解决城市交通拥堵问题关键。地铁系统网络由一组具有分布式站点的固定线路组成，乘客通过站点之间的线路交互完成出行，因此其天然可以作为网络来进行分析。

目前对于地铁系统的复杂性研究已较为系统，但是研究主要集中在统计视角，主要分析的是地铁系统中站点的连接特性，而忽视了站点之间的实际客流传输能力。当研究地铁线地铁网络中线路客流传输能力时，不能仅考虑构成该线路的两个站点的客流量现状，还需考虑当前线路客流量的来向站点，以及该线路上客流量通过站点向外传送的能力。目前现有地铁网络脆弱线路识别方法大多仅从地铁网络的拓扑结构出发识别脆弱线路，没有充分考虑站点之间的实际流量传输能力的问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于里奇曲率的地铁网络脆弱线路识别方法，所述方法将里奇曲率与客流加权地铁网络相结合，通过计算地铁网络各线路的加权里奇曲率值，依据里奇曲率值由负到正对线路进行排序，依次移除网络中的线路，计算网络最大连通子图相对大小作为网络连通性能的评估，结合真实客流信息对地铁网络中脆弱线路进行识别，使得识别效果更加真实稳定可靠。

本发明的目的是这样实现的，一种基于里奇曲率的地铁网络脆弱线路识别方法，包括以下步骤：

步骤1，基于地铁线数据和站点客流量数据，建立地铁网络，并将客流量作为权重赋给站点；

步骤2，计算地铁网络中线路的里奇曲率值；

步骤3，依据里奇曲率值由负到正的顺序对线路进行排序，依次移除地铁网络中的线路，计算最大连通子图相对大小的变化，以此识别脆弱线路。

具体地，所述的站点客流量数据是指根据地铁刷卡数据的入站及出站信息转换成站点上的客流量特征；步骤1中包含以下步骤：

步骤101：以实际站点为节点，以连接两个相邻站点之间的线路为边构建地铁网络；

步骤102：统计地铁刷卡数据中各站点的出现频次，即统计每个站点的总客流量；

步骤103：将站点的总客流量除以站点的节点度作为站点的权重。

具体地，步骤2中所述的线路的里奇曲率值的计算公式为：

步骤201：归一化与站点S相邻的各站点的实际客流量分布，令W

步骤202：归一化与站点T相邻的各站点的实际客流量分布，令W

步骤203：计算网络中线路

步骤204：重复步骤201至步骤203，得到地铁网络中每条边即每条线路e的里奇曲率值Ric

具体地，步骤3中所述的最大连通子图相对大小是指网络中最大连通子图所拥有的节点数与原始网络中节点个数的比值LCC，步骤3包括以下步骤：

步骤301：依据里奇曲率值由负到正的顺序对线路进行排序；

步骤302：依次移除地铁网络中的线路，计算最大连通子图相对大小的变化LCC；

步骤303：设定阈值δ，将最大连通子图相对大小LCC与阈值δ进行比较，若低于阈值，则提取已移除的线路集合。

与现有方法相比，本发明方法的优点在于：本发明提供了一种结合实际客流量数据，从流量传输角度提取地铁网络脆弱线路的方法，解决了现有方法多仅从地铁网络的拓扑结构分析脆弱线路，没有充分考虑线路在实际客流传输中各站点实际客流量分布情况以及地铁网络中流量传输特性的问题，具有较强的普适性。

附图说明

图1示出了本发明实施例的流程示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1示出了本发明实施例的流程示意图。一种基于里奇曲率的地铁网络脆弱线路识别方法，包括以下步骤：

步骤1，基于地铁线数据和站点客流量数据，建立地铁网络，并将客流量作为权重赋给站点；

步骤2，计算地铁网络中线路的里奇曲率值；

步骤3，依据里奇曲率值由负到正的顺序对线路进行排序，依次移除地铁网络中的线路，计算最大连通子图相对大小的变化，以此识别脆弱线路。

具体地，所述的站点客流量数据是指根据地铁刷卡数据的入站及出站信息转换成站点上的客流量特征；步骤1中包含以下步骤：

步骤101：以实际站点为节点，以连接两个相邻站点之间的线路为边构建地铁网络；

步骤102：统计地铁刷卡数据中各站点的出现频次，即统计每个站点的总客流量；

步骤103：将站点的总客流量除以站点的节点度作为站点的权重。

本发明方法中所述的里奇曲率，又称奥利维里奇曲率值，是一种能够用于衡量网络中能量传输性质的复杂网络分析指标。

步骤2中所述的线路的里奇曲率值的计算公式为：

步骤201：归一化与站点S相邻的各站点的实际客流量分布，令W

步骤202：归一化与站点T相邻的各站点的实际客流量分布，令W

步骤203：计算网络中线路

步骤204：重复步骤201至步骤203，得到地铁网络中每条边即每条线路e的里奇曲率值Ric

步骤3中所述的最大连通子图相对大小是指网络中最大连通子图所拥有的节点数与原始网络中节点个数的比值LCC，步骤3包括以下步骤：

步骤301：依据里奇曲率值由负到正的顺序对线路进行排序；

步骤302：依次移除地铁网络中的线路，计算最大连通子图相对大小的变化LCC；

步骤303：设定阈值δ，将最大连通子图相对大小LCC与阈值δ进行比较，若低于阈值，则提取已移除的线路集合。提取出来的线路集合则为地铁网络的脆弱线路。

在本发明的实施例中，利用深圳市地铁线路网络以及2018年09月01日当天的深圳通刷卡数据，按照图1所示的流程，首先，构建客流加权地铁网络，地铁网络由166个节点以及190条边构成。其次，计算真实客流分布下地铁网络中每条边的奥利维里奇曲率。最后，对边依据里奇曲率值递增的顺序排序，依次移除地铁网络中的边，计算最大连通子图相对大小，根据网络规模，设定阈值τ，判断最大连通子图相对大小与阈值τ的大小关系，提取已移除线路。

具体实施步骤如下所述：

步骤A：构建深圳市地铁网络，网络由166个节点以及190条边组成；

步骤B：统计2018年09月01日深圳通刷卡数据中各站点的出现频数；

步骤C：将频数与节点度之比作为权重赋给地铁网络中的各站点，构建客流加权地铁网络；

步骤D：归一化与站点S相邻的各站点的实际客流量分布，令W

步骤E：归一化与站点T相邻的各站点的实际客流量分布，令W

步骤F：计算网络中线路

步骤G：重复步骤D至步骤F，得到地铁网络中每条边e的里奇曲率值Ric

步骤H：依据里奇曲率值从小到大的顺序对线路进行排序；

步骤I：依次移除地铁网络中的线路，观察最大连通子图相对大小LCC的变化；

步骤J：基于地铁网络规模设定阈值δ为0.25，将最大连通子图相对大小LCC与阈值δ进行比较，以此提取出脆弱线路共29条。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。