道路交通网的区域补丁检测

摘要

道路交通网络（RTN）结构在复杂的网络分析领域的重要作用。在本文中，我们通过社区发现复杂的网络提出了从RTN区域补丁检测方法。首先，精制改编PageRank算法，其与位置属性重量，地理距离权重和道路级权重的影响因素联合收割机，用于计算所述候选排序以RTN关键节点的结果。其次，排序结果和所述最短路径的距离作为两个显著影响因子被用来选择RTN的关键点，然后改编K-means算法被施加到区域补丁检测RTN的。最后，基于道路彰武交通网络的实验数据，分析结果如下：彰武分为9层与关键节点位置为核心功能结构。区域补丁结构是根据关键点分，而RTN实际上分为九个小的功能社区。九个官能区域补丁构成一​​个新的网络结构，保持区域贴片之间的连接能够改善RTN的整体效率。

1.介绍

道路交通网络是服务经济、社会、公众的重要基础设施，是综合交通体系的支柱。我国是道路交通大国，各级公路总长484.65万公里，构成复杂的路网系统。群落是具有不同特征和多重功能的复杂网络的主导结构;因此，社区检测在网络科学中具有至关重要的意义。近年来，纽曼[1]和Boccaletti [2介绍复杂网络的结构、动力学和功能。纽曼(3介绍了网络中的社区、模块和大规模结构。社区有内在的利益，它们可能与网络系统中的功能单元相对应，这是结构和功能之间联系的一个例子，这种联系驱动了当前对网络的兴奋。Costa等人[4用复杂的网络分析和模拟现实世界的现象。Fortunato等人[五网络中的社区检测是现代网络科学中最热门的课题之一。社区或集群通常是顶点的组，它们彼此连接的概率比连接其他组的成员的概率更高，尽管也可能有其他模式。Yang等人[6，7]适应社会检测到城市交通状况的相关网络概念，并提出了一个新的视角，以确定交通状态的空间关联模式。真正的网络表现出与节点结构和功能的发挥完全不同的角色异质性，识别关键节点因此非常显著[8]。Liao等。[9]介绍排名问题的复杂网络的节点和边缘为范围广泛的现实问题是至关重要的,因为它会影响我们如何访问在线信息和产品,如何成功和人才评估人类活动,以及如何分配稀缺资源的企业和政策制定者,等等。Agryzkov等[10]提供了一种对城市网络中节点进行排序的方法，其主要特征是在计算每个节点的中心性的过程中能够考虑从城市网络中获得的数据的重要性。Yu等人[11例如，在复杂网络中识别集群或社区是一个再次出现的问题。金与金[12]提出了一种使用交互优化过程检测复杂网络社区结构的算法。

由于复杂网络的社区检测是研究热点之一，我们提出了区域patch检测(RPD)分析方法。基于复杂网络的社区检测思想，提出了道路交通网络区域patch检测，超越了行政区划对RTN的限制，从根本上识别了RTN特有的共同区域patch结构。区域应用补丁检测研制,研制的深层特征结构聚合进行了分析,研制的行政区划的限制是交叉,检测和特征共享区域根据道路网络的趋势,道路网络的附属设施,服务设施,距离,和其他影响因素。评价路网规划的合理性，路网结构设计的合理性和交通网络的维护与维护是迫切需要解决的理论和实践问题。

本文的其余部分组织如下2构建了考虑权重影响的道路交通网络(RTN)，引入了道路交通网络的区域patch检测。部分3介绍了我国张武市道路交通网络(RTN)的实验结果。最后，本文给出了结论结论部分。

2.基于道路交通网络(RTN)的区域Patch检测(RPD)

2.1。RTN建设

由于RTN的复杂性，其结构总是定义如下。定义的研制: 然而： 为RTN中的节点集， 为RTN中的节点数; 是边的集合。 ，如果节点之间有一条边和 ，否则 ;权值因子:如果每条边都有相应的权值，则称为加权网络;否则，它被称为无加权网络。未加权网络也可以看作是等权网络，其中每条边的权值为1。

2.2。权重因素

道路交通网络的特征、距离和水平的影响对道路网络的地理特征和交通运行起着关键作用。因此我们设置相应的权重影响因子来分析道路交通网络的核心位置分布。RTN有三个权重因子:

2.2.1。该位置属性

位置属性是衡量路段重要性的一个重要因素。位置特征往往与设施的存在有关，如酒店行业和商业部门。假设向量的大小 ， 在RTN道路节点的数量。一个元素 这代表了线段相对重要，周边有重要的地面特色服务设施。否则, 。属性矩阵定义为:

2.2.2。地理上的距离

从地理上看，RTN具有显著的距离衰减特征。相关振幅一般随节点间距离的增大而减小。假设，距离权值矩阵 ， 分段之间的最短路径长度是多少和，单位为km:

2.2.3。水平的道路

交通道路网分类根据道路五类行政级别,分为国道(G),省级公路(S),县公路(X),农村道路(Y), (C)和乡村道路。根据交通量,任务,与自然的中国公路工程技术标准(JTG b01 - 2014),不同层次的交通网络有不同的年度日均交通量(ADT) [13]。因此，各等级交通网络的权重设置如表所示1。

假设，路面矩阵 ，元件是指道路的级别表的加权值1。

2.3。区域Patch检测(RPD)

以此社区检测结果为参考，我们定义了地理空间道路交通网络区域patch检测(RPD)的概念:

区域patch是RTN在不同级别划分RTN范围内的子集。区域补丁包含节点和节点之间的部分。区域patch中的节点之间关系密切，具有较强的拓扑结构相似性和特征设施属性相似性。区域斑块之间的关系相对稀疏，靠近的区域斑块差异较大，而距离较远的区域斑块可能具有相似的特征。

2.4。RPD方法

复杂网络具有无标度，小世界，和社区的特点。RTN的特点一般都是无标度和小世界。因此，RTN的社会结构是基于复杂的网络分析，道路网络的聚集深入探讨。

的PageRank的谷歌矩阵，以表达 ，被定义为:

本文采用改进的PageRank算法计算RTN关键节点的排序结果。矩阵 通过添加属性矩阵、距离权重矩阵和道路等级矩阵。在截面中设置权重影响因子2.2用于计算RTN中关键节点的候选位置分布。

然后，用性质矩阵 ，距离权值矩阵 ，和道路等级矩阵 ，一种新颖的加权矩阵定义,是矩阵的第列 ：

为了得到矩阵每个列向量都具有列不可约性并且随机的矩阵应该标准化，在哪里列向量的范数是多少 。

一个新的矩阵公式。（6），该术语 取而代之的是 。计算 的为关键节点的秩。

关键节点的计算秩如图所示1。

本文采用二维决策图的方法选择区域patch检测的中心点。因此，中心的数量可以通过取和考虑,为横轴和为纵轴：

该 ，哪一个是个矢量 ，关键节点的排序值。表示RTN的最小路径长度最短。大 ，它可能是区域性贴片中心。因此，有必要安排按降序排列，然后从前到后截取一定数量的数据点作为区域patch中心。因此,选取图右上方分布的节点作为区域patch中心。

在RTN的基础上，适应K-means算法来计算区域补丁。改编K-means算法的过程示于表2。改进的PageRank算法利用RTN的特征影响因子来计算关键节点的排序结果。影响因素有区位性质、地理距离和道路水平。二维决策图方法以关键节点的排序值为横轴，以最小最短路径长度为纵轴。改进的K-Means算法根据二维决策图选择区域patch检测的中心点，从而实现RTN的区域patch检测。那么，RTN区域patch检测流程如下:

步骤1:在RTN中，计算相邻矩阵 ，属性矩阵 ，距离权值矩阵 ，和道路等级矩阵

步骤2:对关键节点的排序值执行改编的PageRank算法

步骤3:绘制决策图和 ，发现区域的色块数量和相应的初始中心

步骤4:执行改编的K-Means算法(表)2），以检测区域补丁

重要的关键节点位置被选择作为区域补丁聚集在RTN的中心点，以及改编K-means算法用于计算区域贴片分布。在RTN的关键节点作为区域块检测的基础上，以确定整体RTN的关键位置和划分RTN的功能结构。在区域补丁，边缘强度被定义为量化每一对连接的节点之间的关系，并通过用高强度的边缘连接在垂直表示为核心节点，而其他被表示为边缘节点。

区域patch可以有效识别RTN的关键功能结构分布，进一步了解RTN的结构特征。以这些关键节点为中心，提取出整个网络的区域patch特征。从地理空间的角度，跨行政边界检测出具有特征的区域斑块。区域patch代表了一个新的研究领域，为RTN的深入分析奠定了基础。

3.实验和分析

RTN由张武县国道G、省道S、县道X、乡道Y、村道C组成。庄五道路交通网络节点总数为1750条，边总数为2053条。如图所示2、张五公路交通网络。

在RTN中，代表国道和省道的节点数只是整个网络节点数的一小部分。多数代表国道和省道的节点度值较低，度大的节点主要分布在县道、乡村公路和乡村公路上。利用RTN区域patch检测计算张武道路交通网络。获取张武的位置信息， 和 区分的重要共同特征的位置。定义属性矩阵后 ，计算距离权值矩阵 和一级公路矩阵的分类 ，我们构建了一个完善矩阵 。

然后，得到一个表示RTN中道路节点重要性的向量。数字3显示了RTN区域patch中心的选择结果。数字3（a）表示该选择的中心点显示在橙色框上的决策图的右上侧。在图中的九个节点3（b）是分化区域补丁的数量。在这个过程之后，区域贴片的数量被确定为适应K-means算法的输出参数。

从决策图中可以看出，我们计算了区域patch结构的类别，将相同颜色的节点分组到同一个区域patch中，张武的RTN中区域patch结构的数量为9。如图所示4，蓝色区域是标签1区域补丁结构;淡桔粉红色区域是标签2区域贴剂结构，等等。区域小块内道路节点指示与其他区域的补丁等道路节点比较了他们的交通状况系列有较高的相关性。如在区域补丁检测的结果中所示，在区域内的补丁道路节点必然彼此连接。在彰武RTN的区域补丁结构由蓝色边框绘制，整个全县划分为九个区域补丁结构。在RTN的结构状态从特征分析。从图中，我们可以清楚地发现九个区域区块的中心位置。由于地域空间结构，连通性和九个区域补丁的便利，可大大提高彰武的RTN。在连接图亮点中心点连接的关键路径的位置，从而提供用于改善RTN的连通性的趋势，而RTN的关键维护和改进的位置理论参考可以连接在道路网络上被确定通过区域补丁结构。 The RTN of Zhangwu can be better improved and maintain the overall network operating efficiency.

4.结论

基于社区检测复杂网络，彰武RTN的应用进行了分析，彰武路交通网络的区域补丁结构进行了分析，关键点的共同聚集区域补丁一抽，RTN的功能结构进行了深入分析。关键点进行识别和分析，以确定整个RTN的重要位置。基于所述重要位置，公共结构被吸入，并且将网络划分成多个功能区域补丁。在RTN，区域块检测的道路网络系统的结果由地面对象设施的属性，节点之间的距离，和所述道路网的电平分布的影响来确定。然而，社区检测复杂的道路交通网络中很少使用。道路交通网络（RTN）依靠社区扮演多重角色，体现了特定的功能，不同的调查水平可能会有不同的结果和观点;因此，社区检测的道路交通网络更好的理解至关重要。

此外，建模和分析方法应用到彰武路网。结果表明，该方法具有良好的区域补丁检测效果并确定路网结构的考虑，从地理空间的角度RTN的特殊结构复杂的聚集度具有很大的潜力。分析结果可为交通管理和运作分析提供了有效的理论依据。然而，结果可以提供RTN的区域块识别的基础，和交通网络系统可以根据区域补丁分发趋势进行研究。它提供了在今后的维护和交通网络的改造提供了理论依据。

数据可用性

支持本研究结果的张武县交通网络数据，由于原始的路网数据是中国真实的县域交通状况，是真实有效的现实数据，目前尚未公开。它能真实地反映中国的地理位置数据。因此，它不能公开。但后续研究结果具有一定的参考价值和应用价值。

的利益冲突

作者声明，本论文的发表不存在任何利益冲突。

致谢

本论文由辽宁省博士课题、辽宁省自然科学基金项目重点项目(20170520141)、辽宁省公益性研究基金项目(20170003)资助。

参考文献

1. M. E. J.纽曼，《复杂网络的结构和功能》，暹罗审查第45卷，no。2，第167-256页，2003。视图:出版商的网站|谷歌学术
2. S. Boccaletti等人，“复杂网络:结构与动态”，物理报道卷。424，没有。4-5，第175-308，2006年。视图:出版商的网站|谷歌学术
3. M. E. J.纽曼，“网络中的社区、模块和大规模结构”，自然物理卷。8，没有。1期，第25-31，2012。视图:出版商的网站|谷歌学术
4. L. da Fontoura Costa, O. N. Oliveira, G. Travieso等人，“用复杂网络分析和建模现实世界现象:应用调查”，物理学的进步卷。60，没有。3，第329-412，2011。视图:出版商的网站|谷歌学术
5. S.福尔图纳托和D.中国人权，“社区检测网络：用户指南，”物理报道卷。659，第1-44，2016。视图:出版商的网站|谷歌学术
6. 杨元洋，贾玲，秦，韩，董，“基于时空相关性分析的城市交通网络结构”，现代物理快报乙第31卷，no。22, 1750230页，2017。视图:出版商的网站|谷歌学术
7. Y.杨，曹J.，Y.秦，贾L.，H栋，和A.张，“下社区检测的立体城市交通状况的空间相关性分析，”国际现代物理B的第32卷，no。12，第1850150页，2018年。视图:出版商的网站|谷歌学术
8. L.吕，陈D.，X.-L.仁，Q.-M.张，Y.-C.张和T.周，“重要的节点识别在复杂的网络，”物理报道卷。650，第1-63，2016。视图:出版商的网站|谷歌学术
9. 廖华，M. S. Mariani, M. Medo, y.c。张,M.-Y。《复杂网络进化中的排名》，物理报道卷。689，第1-54，2017。视图:出版商的网站|谷歌学术
10. T. Agryzkov, L. Tortosa, J. F. Vicent，“基于城市网络的pageRank算法的新亮点和新中心性测度，”应用数学与计算，第291卷，第14-29页，2016。视图:出版商的网站|谷歌学术
11. M. Yu, A. Hillebrand, P. Tewarie等人，“最小生成树的层次聚类”，混沌：一个跨学科的非线性科学的第25卷，no。二、2015年第023107条。视图:出版商的网站|谷歌学术
12. P. Kim和S. Kim，“使用交互优化过程检测复杂网络中的社区结构”，物理A:统计力学及其应用卷。465，第525-542，2017。视图:出版商的网站|谷歌学术
13. 十，朱，宋W.和L.高，“拓扑特点和农村交通网络[J]的脆弱性分析，”杂志传感器， 2019年第9卷。视图:谷歌学术

版权

版权所有:夏柱等这是一篇开放获取下发布的文章知识共享署名许可，允许在任何媒体中不受限制地使用、发布和复制原创作品，只要原稿被正确引用。