基于K-shell的城际轨道网络关键节点识别研究OA北大核心CSTPCD
针对城际轨道交通网络中关键节点较难识别的问题,对网络节点分析方法进行研究.基于K-shell分层法,结合邻居节点的影响以及动静态网络指标,建立了关键节点识别的Ks^(+)法.该模型综合考虑节点度、节点最短路径等静态物理指标与枢纽客流量、运营强度等动态运营指标,计算节点的综合评价值.通过K-shell分层算法评估节点的全局核心位置,结合邻居节点的影响力评估节点的局部重要性,最终计算节点k_(s)^(+)值以衡量其在网络中的影响力.利用传染病(Susceptible-Infectious-Recvered,SIR)模型与长三角轨道网络数据为实例,检测了算法的有效性.研究结果表明:识别出的关键节点与城市影响力基本一致,如前4个节点均是长三角地区的直辖市节点和省会城市节点;准确识别了网络中的核心节点与非核心节点,并将线路更重要、客流更多的核心节点排在前列;Ks^(+)识别出的关键节点在SIR仿真中传播速率较其他算法快1~3次迭代,客流损失峰值增加7%.
刘星雨;刘杰;王喆;黎浩东;
山东交通学院交通与物流工程学院,济南250357济南市规划设计研究院,济南250101北京交通大学交通运输学院,北京100044
交通运输
铁路运输关键节点Ks^(+)算法复杂轨道网络梯度提升机算法
《北京交通大学学报》 2024 (004)
P.181-190 / 10
国家高端外国专家引进计划(G2022023003);山东省人文社会科学课题(2021-YYGL-15);山东省重点研发计划(软科学)重点项目(2023RZB06052)。
评论