基于社区识别理论的路径选择模型研究
发布时间：2021-11-04 03:10
随着我国社会经济水平的高速发展,城市化进程迅速加快,机动车保有量快速增加。为了匹配井喷式的交通需求量,我国不断加大城市道路的建设,但依然无法满足居民不断增长的出行需求,交通拥堵已成为世界性难题。人们对某些道路的过度集中使用是导致交通拥挤的原因之一。因此理解人们出行路径选择行为为缓解交通拥堵提供了研究思路。在城市路网中人们的路径选择不总是选择距离最短路,而是受到城市结构、建筑环境、路网结构等因素的影响。每个出行者在他们的各自出行过程中,往往凭借经验选择从起点到终点的最优出行路径。以往在不确定性出行路径选择模型中,采用的模型大都基于期望效用理论、前景理论,这些模型假设出行者是理性或有限理性,未考虑城市结构和路网结构因素。本论文的工作量和成果主要体现在:把启发式决策、空间认知以及社区识别理论结合一起描述出行者的路径选择与路网结构的关系,采用基于模块化获得的社区结构算法解构路网结构,描述人们的认知过程,识别交通出行大区。建立了相应的路径选择算法。该算法包括三个步骤:人们首先对路网结构进行认知,判断起终点所在的大区;然后在连接起终点的大区之间的主要道路集合中做出选择;最后在起终点所在的大区内部路...
【文章来源】：长沙理工大学湖南省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图２．１启发式路径选择模型结构??本节介绍三个空间层次内利用启发式路径选择模型的选择过程
?硕士学位论文???＿??图２．２长沙市政府人员自驾上下班路线??根据上述属性重要度排列顺序绘制ＴＴＢ启发式模型属性表，如表２．１。???表２．１在ＴＴＢ启发式模型属性表???属性?实施方法??如标社区偏差触副、区与目标社区的角＾差。偏???社区越佳。???与目标社区总距离最小目标社区的欧几里得距离’欧几■距离越小???则此潜在社区越佳。???至目标社關时廳?目标社区间的行程时间，用时■则此＿社????区越佳。???至ｎ＿Ｋ速度最快?潜在社轉目标社区间的平均速度，速度越大则此潜紐???１越?｜?丨ｕ???ＴＴＢ启发式模型是一个简笮的迭代过程。选择过程根据表２．１屮的属性进行??依次对比，ｆｔ至剩下唯－潜在社区。在属性评佔过程中，若两个或多个潜在社区??结果…致，则进行随机选择。此过程一?持续至找到Ｈ标社区。??２．１．２节点层次??空间结构屮显小？点状特征，代表城市空间结构中心层次，本文中节点??即为长沙ｉｌＴ路网交义路口。位于节点位置出行者无法继续前进，需要对下…个潜??在Ｗ点进彳ｒ选择。节点作为道路交叉口可以提供多种路径选择方案，丨Ｈ并非所有??邰足｜｜要的导航点，此过程结合节点重要度进行排序。节点选择过程基于上??１．１??
?硕士学位论文???优于所有其他己知的社区检测方法。算法分为反复迭代的两个阶段：第一阶段，??将路网中每个节点分配为不同的社区，初始阶段社区数量与节点数量相同；考虑??每个节点ｉ的相邻社区ｊ，将ｉ从其原本社区中移除并置于ｊ社区中，根据公式??２．１计算模块增益值ＡＱ，将节点ｉ移至ＡＱ正值最大的社区中。若ＡＱ为负数，则节??点ｉ保持在原本社区。此过程对于所有节点重复地应用，直至所有节点停止变动，??至此第一阶段完成。??上文中提到节点ｉ移动到社区Ｃ中获得的模块化增益ＡＱ可以通过以下２．１??公式计算：??Ａ０?＝?＼＾ｉｎ＋ｋ＾?＿?／Ｚｔｏｔ＋ｋ，Ｘ２ｌ?＿?［Ｚ￡ｉ?＿?＿?／?Ｍ２１?（２?１）??ｖ?２ｍ?＼?２ｍ?Ｊ?２ｍ?＼?２ｍ?）?＼２ｍＪ??其中：??＾ｉｎ是Ｃ内链接权重总和；??冗ｔｏｔ是Ｃ中与节点相连的链接权重之和；??ｋｉ是复杂网络中与节点ｉ链接的权重总和；??ｋｊ?ｉｎ是Ｃ中节点ｉ与潜在节点的链路的权重之和；??ｍ是复杂网络中链接权重之和。??算法的第二阶段是构建一个新网络，将第一阶段得到的社区作为第二阶段的??节点。第二阶段循环过程与第一阶段相同，逐级迭代，模块增益算法具体步骤如??图２．３所示。??Ｖ??嚅７??４？?Ｓ＃??Ｖ??．參９?１１??１４?？??０，３??镤块化优化＼杜区》合??德Ｗ??：?３?＇??图２．３模块增益算法示意图??本文报据模块增益算法对长沙布路网进行社区划分。划分过程将属性区分为??１６??
【参考文献】：
期刊论文
[1]不确定路网条件下出行路径选择模型对比分析[J]. 王燕,张丽. 西华大学学报(自然科学版). 2011(02)
[2]模块密度谱分的网络社团发现方法[J]. 付立东,高琳. 西安电子科技大学学报. 2010(05)
博士论文
[1]基于随机后悔路径选择行为的疏散交通均衡分析与应用[D]. 王泽.哈尔滨工业大学 2016
[2]突发事件条件下应急交通路径选择模型研究[D]. 刘妍.吉林大学 2012
[3]基于路网知识的驾驶员路径选择研究[D]. 高鹏.吉林大学 2012
[4]多源交通信息下的动态路径选择模型与方法研究[D]. 孙晓梅.吉林大学 2011
硕士论文
[1]城市交通动态选择路径的优化模型及方法研究[D]. 刘博.沈阳工业大学 2016
[2]交通信息作用下出行者的路径选择模型研究[D]. 秦忱忱.东南大学 2015
[3]基于蚁群算法的轨道交通路径选择模型及应用研究[D]. 刘坤.北京交通大学 2011
[4]基于前景理论的出行路径选择模型[D]. 王任映.长沙理工大学 2009
[5]基于动态交通仿真模型的交通信息下路径选择对路网运行状态影响评价[D]. 宋谷长.北京交通大学 2008
本文编号：3474878
【文章来源】：长沙理工大学湖南省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图２．１启发式路径选择模型结构??本节介绍三个空间层次内利用启发式路径选择模型的选择过程
?硕士学位论文???＿??图２．２长沙市政府人员自驾上下班路线??根据上述属性重要度排列顺序绘制ＴＴＢ启发式模型属性表，如表２．１。???表２．１在ＴＴＢ启发式模型属性表???属性?实施方法??如标社区偏差触副、区与目标社区的角＾差。偏???社区越佳。???与目标社区总距离最小目标社区的欧几里得距离’欧几■距离越小???则此潜在社区越佳。???至目标社關时廳?目标社区间的行程时间，用时■则此＿社????区越佳。???至ｎ＿Ｋ速度最快?潜在社轉目标社区间的平均速度，速度越大则此潜紐???１越?｜?丨ｕ???ＴＴＢ启发式模型是一个简笮的迭代过程。选择过程根据表２．１屮的属性进行??依次对比，ｆｔ至剩下唯－潜在社区。在属性评佔过程中，若两个或多个潜在社区??结果…致，则进行随机选择。此过程一?持续至找到Ｈ标社区。??２．１．２节点层次??空间结构屮显小？点状特征，代表城市空间结构中心层次，本文中节点??即为长沙ｉｌＴ路网交义路口。位于节点位置出行者无法继续前进，需要对下…个潜??在Ｗ点进彳ｒ选择。节点作为道路交叉口可以提供多种路径选择方案，丨Ｈ并非所有??邰足｜｜要的导航点，此过程结合节点重要度进行排序。节点选择过程基于上??１．１??
?硕士学位论文???优于所有其他己知的社区检测方法。算法分为反复迭代的两个阶段：第一阶段，??将路网中每个节点分配为不同的社区，初始阶段社区数量与节点数量相同；考虑??每个节点ｉ的相邻社区ｊ，将ｉ从其原本社区中移除并置于ｊ社区中，根据公式??２．１计算模块增益值ＡＱ，将节点ｉ移至ＡＱ正值最大的社区中。若ＡＱ为负数，则节??点ｉ保持在原本社区。此过程对于所有节点重复地应用，直至所有节点停止变动，??至此第一阶段完成。??上文中提到节点ｉ移动到社区Ｃ中获得的模块化增益ＡＱ可以通过以下２．１??公式计算：??Ａ０?＝?＼＾ｉｎ＋ｋ＾?＿?／Ｚｔｏｔ＋ｋ，Ｘ２ｌ?＿?［Ｚ￡ｉ?＿?＿?／?Ｍ２１?（２?１）??ｖ?２ｍ?＼?２ｍ?Ｊ?２ｍ?＼?２ｍ?）?＼２ｍＪ??其中：??＾ｉｎ是Ｃ内链接权重总和；??冗ｔｏｔ是Ｃ中与节点相连的链接权重之和；??ｋｉ是复杂网络中与节点ｉ链接的权重总和；??ｋｊ?ｉｎ是Ｃ中节点ｉ与潜在节点的链路的权重之和；??ｍ是复杂网络中链接权重之和。??算法的第二阶段是构建一个新网络，将第一阶段得到的社区作为第二阶段的??节点。第二阶段循环过程与第一阶段相同，逐级迭代，模块增益算法具体步骤如??图２．３所示。??Ｖ??嚅７??４？?Ｓ＃??Ｖ??．參９?１１??１４?？??０，３??镤块化优化＼杜区》合??德Ｗ??：?３?＇??图２．３模块增益算法示意图??本文报据模块增益算法对长沙布路网进行社区划分。划分过程将属性区分为??１６??
【参考文献】：
期刊论文
[1]不确定路网条件下出行路径选择模型对比分析[J]. 王燕,张丽. 西华大学学报(自然科学版). 2011(02)
[2]模块密度谱分的网络社团发现方法[J]. 付立东,高琳. 西安电子科技大学学报. 2010(05)
博士论文
[1]基于随机后悔路径选择行为的疏散交通均衡分析与应用[D]. 王泽.哈尔滨工业大学 2016
[2]突发事件条件下应急交通路径选择模型研究[D]. 刘妍.吉林大学 2012
[3]基于路网知识的驾驶员路径选择研究[D]. 高鹏.吉林大学 2012
[4]多源交通信息下的动态路径选择模型与方法研究[D]. 孙晓梅.吉林大学 2011
硕士论文
[1]城市交通动态选择路径的优化模型及方法研究[D]. 刘博.沈阳工业大学 2016
[2]交通信息作用下出行者的路径选择模型研究[D]. 秦忱忱.东南大学 2015
[3]基于蚁群算法的轨道交通路径选择模型及应用研究[D]. 刘坤.北京交通大学 2011
[4]基于前景理论的出行路径选择模型[D]. 王任映.长沙理工大学 2009
[5]基于动态交通仿真模型的交通信息下路径选择对路网运行状态影响评价[D]. 宋谷长.北京交通大学 2008
本文编号：3474878
本文链接：https://www.wllwen.com/guanlilunwen/shequguanli/3474878.html
