本文選題：凝聚算法　切入點(diǎn)：關(guān)鍵節(jié)點(diǎn)　出處：《吉林大學(xué)》2017年碩士論文

【摘要】：城市道路交通網(wǎng)絡(luò)是一個(gè)離散、強(qiáng)耦合、非線性、并具有隨機(jī)特性的復(fù)雜網(wǎng)絡(luò),通過(guò)交通小區(qū)劃分可以將其解析為若干個(gè)區(qū)域,并針對(duì)各個(gè)小區(qū)實(shí)施相應(yīng)的交通管理和誘導(dǎo)策略,從宏觀角度對(duì)交通區(qū)域進(jìn)行協(xié)調(diào)優(yōu)化。因此,交通小區(qū)劃分在降低系統(tǒng)復(fù)雜性方面具有重要的意義。為了便于分區(qū)緩解交通擁堵、實(shí)施區(qū)域交通的同步控制和接力誘導(dǎo),需要識(shí)別出以關(guān)鍵交叉口為核心的交通小區(qū)。考慮到城市道路交通網(wǎng)絡(luò)的復(fù)雜性,論文利用復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘理論來(lái)研究基于關(guān)鍵交叉口的城市道路交通小區(qū)劃分方法,主要研究?jī)?nèi)容如下:首先,介紹了與論文研究?jī)?nèi)容相關(guān)的復(fù)雜網(wǎng)絡(luò)特征度量參數(shù)和網(wǎng)絡(luò)特性,對(duì)復(fù)雜網(wǎng)絡(luò)社團(tuán)挖掘方法進(jìn)行了對(duì)比分析,特別是凝聚算法。論文介紹了CNM凝聚算法、基于Laplace譜分析的凝聚算法和基于局部模塊度的凝聚算法的思路和實(shí)施步驟,并選取長(zhǎng)春市牡丹街、桂林路、豐順街、清華街包圍的路網(wǎng)為實(shí)例,從模塊度和時(shí)間復(fù)雜度的角度對(duì)三種方法進(jìn)行比較,以便確定適合于城市道路交通網(wǎng)絡(luò)的交通小區(qū)劃分方法。其次,論文介紹了根據(jù)道路交通特征參數(shù)和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)特征識(shí)別關(guān)鍵交叉口的方法,并研究基于關(guān)鍵交叉口的城市道路交通網(wǎng)絡(luò)交通小區(qū)劃分方法。論文以節(jié)點(diǎn)間的關(guān)聯(lián)度為道路交通網(wǎng)絡(luò)邊權(quán)值,以局部模塊度最大化為準(zhǔn)則,提出了基于關(guān)鍵節(jié)點(diǎn)的交通劃分方法,并以沈陽(yáng)市區(qū)域路網(wǎng)進(jìn)行例對(duì)該方法進(jìn)行驗(yàn)證。最后,論文研究城市道路交通網(wǎng)絡(luò)中重疊區(qū)域的處理方法。針對(duì)網(wǎng)絡(luò)中不同類型的重疊區(qū)域,分為兩個(gè)區(qū)域重疊的處理方法和多個(gè)區(qū)域重疊的處理方法。兩個(gè)區(qū)域的重疊的處理方法以相似度指標(biāo)為適應(yīng)度函數(shù),并構(gòu)造基于遺傳算法的求解方法。多個(gè)區(qū)域重疊的處理方法以重疊區(qū)域模塊度為指標(biāo)進(jìn)行預(yù)處理,將多重疊變?yōu)閮芍丿B。以第三章獲得的帶有重疊區(qū)域的小區(qū)劃分結(jié)果,進(jìn)行重疊區(qū)域處理的實(shí)例驗(yàn)證,結(jié)果表明該方法可靠。
[Abstract]:Urban road traffic network is a discrete, strongly coupled, nonlinear and stochastic complex network. And implement the corresponding traffic management and guidance strategy for each district, and optimize the traffic area from the macro point of view. In order to reduce traffic congestion, traffic district division is of great significance in reducing the complexity of the system. In order to ease traffic congestion, regional traffic synchronization control and relay guidance are implemented. Considering the complexity of urban road traffic network, this paper uses the complex network community mining theory to study the method of urban road traffic district division based on key intersection. The main research contents are as follows: firstly, the measurement parameters of complex network features and network characteristics related to the contents of this paper are introduced, and the methods of community mining in complex networks are compared and analyzed. Especially the agglomeration algorithm. This paper introduces the CNM condensation algorithm, the condensing algorithm based on Laplace spectrum analysis and the condensing algorithm based on local modularity, and selects the Mudan Street, Guilin Road, Fengshun Street of Changchun City. The road network surrounded by Qinghua Street is taken as an example to compare the three methods from the angle of modularity and time complexity in order to determine the traffic district division method suitable for urban road traffic network. Secondly, This paper introduces a method to identify key intersections according to road traffic characteristic parameters and network topology features. The paper takes the correlation degree of the nodes as the boundary weight of the road traffic network, and takes the maximization of the local modularity as the criterion. A traffic partition method based on key nodes is proposed, and the method is verified by an example of Shenyang regional road network. This paper studies the methods of dealing with overlapping areas in urban road traffic networks, aiming at different types of overlapping areas in urban traffic networks. It is divided into two regions overlapping processing methods and multiple regions overlapping processing methods. The two regions overlap processing methods take similarity index as fitness function. A genetic algorithm based method is constructed. The processing method of multiple overlapping regions is preprocessed with the module degree of overlapped regions to change multiple overlaps into two overlaps. The results of cell division with overlapped regions obtained in Chapter 3 are used. The results show that the method is reliable.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：U491.12

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 戴炳奎;胡驥;;區(qū)域交通小區(qū)的雙層劃分方法研究[J];鐵道運(yùn)輸與經(jīng)濟(jì);2010年11期

2 楊波;劉海洲;;基于聚類分析的交通小區(qū)劃分方法的改進(jìn)[J];交通與運(yùn)輸(學(xué)術(shù)版);2007年01期

3 郭嶠楓;;淺析交通小區(qū)劃分問(wèn)題[J];黑龍江科技信息;2010年28期

4 譚曉雨;;土地利用與交通小區(qū)發(fā)生吸引量關(guān)系研究[J];物流技術(shù);2012年07期

5 譚曉雨;;基于交通小區(qū)的道路交通環(huán)境負(fù)荷發(fā)生源分析[J];物流技術(shù);2012年11期

6 馬超群;王瑞;王玉萍;嚴(yán)寶杰;陳寬民;;基于區(qū)內(nèi)出行比例的城市交通小區(qū)半徑計(jì)算方法[J];交通運(yùn)輸工程學(xué)報(bào);2007年01期

7 李曉丹;楊曉光;陳華杰;;城市道路網(wǎng)絡(luò)交通小區(qū)劃分方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2009年05期

8 姜培;;基于出行者來(lái)源的交通發(fā)生與吸引量預(yù)測(cè)[J];科技廣場(chǎng);2010年03期

9 杜慎旭;;基于新城區(qū)土地規(guī)劃的交通小區(qū)出行量預(yù)測(cè)[J];鐵道運(yùn)輸與經(jīng)濟(jì);2012年02期

10 李曉丹;儲(chǔ)浩;楊曉光;;城市道路網(wǎng)絡(luò)交通小區(qū)概念解析[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2009年05期

相關(guān)會(huì)議論文 前1條

1 鐘章建;黃瑋;馬萬(wàn)經(jīng);姚佼;;面向協(xié)調(diào)控制的交通小區(qū)劃分算法設(shè)計(jì)與實(shí)現(xiàn)[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

相關(guān)博士學(xué)位論文 前1條

1 王霖青;交通小區(qū)劃分問(wèn)題的整數(shù)規(guī)劃建模與優(yōu)化算法研究[D];東北大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 肖海亮;基于可變需求的交通小區(qū)備用能力模型及應(yīng)用[D];華中科技大學(xué);2015年

2 張朝棟;社區(qū)微循環(huán)公交路徑優(yōu)化研究[D];北京交通大學(xué);2017年

3 王飛;定制公交線路和站點(diǎn)規(guī)劃研究[D];北京交通大學(xué);2017年

4 劉虎;基于關(guān)鍵交叉口的城市道路交通小區(qū)劃分方法研究[D];吉林大學(xué);2017年

5 宋亮;交通小區(qū)的理論分析和劃分方法研究[D];長(zhǎng)安大學(xué);2011年

6 于慧杰;交通小區(qū)在交通規(guī)劃中若干技術(shù)問(wèn)題的研究[D];西安電子科技大學(xué);2008年

7 劉云芳;利用衛(wèi)星定位系統(tǒng)數(shù)據(jù)分析交通問(wèn)題[D];華中師范大學(xué);2012年

8 陳芳;市區(qū)對(duì)外路網(wǎng)中通道的功能分析及系統(tǒng)配置[D];西南交通大學(xué);2005年

9 劉敏;基于城鄉(xiāng)一體化的交通需求分析研究[D];西南交通大學(xué);2008年

10 武明超;基于移動(dòng)通信網(wǎng)絡(luò)數(shù)據(jù)的交通小區(qū)劃分與OD分析方法研究[D];北京交通大學(xué);2015年

，

本文編號(hào)：1662393