基于拥堵系数的道路交通网络关键路段辨识

城市道路交通的路段信息与车流量信息对道路交通的安全、高效运行至关重要.在交通高峰时期,通过对关键路段加以控制,可实现整个道路交通网络的完全能控.为寻找路网中的关键路段,将道路网络的交叉口-节点模型转化为道路网络的路段-节点模型,基于路段信息与车流量信息提出拥堵系数来衡量道路交通网络的车辆拥堵程度,并将其作为道路网络的路段-节点模型的边权重,最后运用关键路段辨识算法对道路交通网络的关键路段进行辨识.以沈阳市皇姑区主城区道路为例建立以拥堵系数为权重的网络模型, 按照所提方法辨识的关键路段数量为14条,约占道路网络总路段数的14.3%,具有较低的控制成本,且大部分为由北向南方向和由西向东方向.其中8条路段分布在皇姑区道路实时拥堵排行前5名,约占关键路段总数的57.1%,表明所给出的关键路段更多地分布在交通状态较为拥堵的路段上,符合实际情况.     

微博用户模型复杂网络中多维有向社区发现

大多数社区发现是基于一种信息的,即从一个维度来划分社区。但在现实场景中,用户之间社区构成是受兴趣、社交关系、地域、教育背景等诸多因素共同影响形成的。这些多维信息有些是无向的,如兴趣相似度等;有些是有向的,如关注关系等。根据有向社区发现的原理,将多个维度的信息融合,提出一种面向多维复杂网络的有向社区发现(MDCD)算法。通过实验证明,MDCD算法相对于传统的多维社区发现方法 AMM算法,社区发现结果准确率提高了17.7%、F-measure值提高了0.068;与一维的兴趣相似度网络进行对比,MDCD算法的三维复杂网络社区发现结果的准确率提高了36.1%、召回率提高了25.3%。由于多维有向社区发现综合考虑了多维的信息,得到的社区结构具有更重要的社会意义。     

有向加权复杂网络仿真平台的设计与实现

随着复杂网络研究热潮的日益增加,复杂网络仿真平台已成为研究复杂网络的必不可少的基础性工作。针对无向无权复杂网络有时还无法准确反映真实世界中网络系统的问题,文中以VC＋＋6.0为开发工具,通过对总体框架和各主要功能模块进行详细的设计实现了一个具有一定可扩展性的有向加权复杂网络仿真平台（ DWCNS）。该平台能对有向加权复杂网络进行拓扑生成且能进行相关统计特性的分析研究。最后通过一个节点重要性评价方法的仿真实例证明了该平台在有向加权网络研究方面的有效性。     

有向加权复杂网络抗毁性测度研究

为有效评估有向加权复杂网络的抗毁性能,考虑网络边的有向性和权重对复杂网络拓扑层抗毁性的影响,提出一种有向加权复杂网络抗毁性测度算法(IMADW)。IMADW利用最短调和距离度量节点之间以及整个网络节点对之间的连接紧密度,采用节点环路系数反映节点可选的路径数,由此得到网络拓扑层的全局抗毁性测度值。通过算法分析和实验仿真验证了该算法的准确性。     

一种基于关联关系的有向网络关键节点挖掘算法

关键节点在网络中的重要程度高于其他大部分节点,关键节点挖掘是网络分析的重要研究内容,对网络结构和网络中的关系等研究而言都具有非常重要的意义。已有的关键节点挖掘算法从不同的侧重点进行节点关键性评价,文中基于网络中节点的局部性信息,结合节点与其一阶邻居节点的关联关系,提出了一种有向网络关键节点挖掘算法。该算法在关注节点所处局部环境的同时考虑关联节点间的关联强度及重要性影响,根据局部重要性和关联重要性共同进行关键节点的评价。在实验网络上的影响力传播实验表明,相比于经典的度中心性等关键节点评价算法,所提算法挖掘得到的关键节点对影响力的传播能力更强,说明了算法的准确性。     

复杂网络关键节点组识别问题模型和算法研究

关键节点组识别问题,因其应用背景广泛,目前已经成为复杂网络微观层面的重要研究内容。随着大数据时代的到来,网络的规模愈加庞大,结构愈为复杂,现有基于仿真模拟和指标度量的传统识别方法受到很大局限,常常陷入局部最优解。同时,基于整数线性规划的识别模型存在不能够区分网络连通分支内部结构的缺陷。因此,亟需从网络整体结构和功能出发对关键节点组识别问题建模进行深入研究。为此,基于0-1二次约束二次规化理论建立识别模型,通过最小化二阶路径内连通节点对的个数,实现区分连通分支内部结构的能力。同时,提出了一种将贪婪搜索和局部置换相结合的启发式算法,以适应大规模网络的关键节点组识别。最后,在多组人工网络和真实网络数据集上实验分析,验证所提出模型和算法的正确性和有效性。     

有向网络中病毒传播和核心免疫的研究

现实网络的有向性使得有向网络能够更准确地模拟显示网络,而当前研究的热点是怎样用最小的代价对网络进行免疫。基于节点连接的不均匀性,提出的目标免疫被认为是最好的免疫策略。针对更符合实际的有向无标度网络,提出了基于双向链接的核心免疫策略。与目标免疫相比,该策略可以使网络获得较好的免疫效果,并且能更好地保持网络的连通性。采用SI病毒传播模型研究病毒爆发初期的情况,在双向网络分别测试了该免疫的性能和网络效率,证明了该免疫的高效性。     

基于复杂网络的路网交通拥堵评估仿真模型

为了能够深入分析路网交通拥堵动态演进过程, 为交通拥堵治理提供决策分析工具, 提出了一个基于复杂网络的路网拥堵评估仿真模型。通过将路段阻抗概念引入复杂网络理论, 实现了路网拓扑模型和流量模型的结合; 此外, 还提出了虚拟测试车辆遍历的路网通行能力评估方法, 对不同路网条件下的道路通行能力进行评估。最后在PC系统上实现了完整的路网拥堵评估仿真系统, 并利用该系统对拥堵路段数量、交通流量和路网拓扑结构等因素对路网通行能力的影响进行了仿真分析。仿真实验结果与经典交通理论分析结果一致, 并能反映更多的动态过程信息, 表明该模型能够准确有效地进行交通路网拥堵评估, 可以为相应的交通拥堵管理决策提供依据。     

复杂网络中的弱化免疫策略分析

针对免疫策略在病毒免疫时会删除网络结构级联边从而出现削弱网络连通效率的问题,提出一种含权网络特定的病毒弱化免疫策略方法。该方法通过构建SI病毒传播模型,给出该模型的病毒感染密度演化公式。理论分析表明:病毒传播率与网络结构的异化性有密切关系,节点度的大小会影响病毒传播的效果,同时弱化免疫策略能衰减连边权值降低传播率,达到遏制病毒传播保留网络连通效率的目的。计算机仿真结果验证了理论模型的可行性和弱化免疫的合理性。最后,将弱化免疫策略应用到局域世界以及目标免疫策略中,更进一步说明了弱化免疫策略能有效控制病毒传播速度。     

有向复杂网络的中心节点识别算法研究

利用k-核分解的方法识别中心节点,被认为在复杂网络重要节点发现中具有特殊的优势。但k-核分解法在有向网络中只能简单的利用节点的出度、入度或者两者之和进行分解,不能区分两者的差异并将其有机的结合。本文将有向网络中出度和入度的概念相结合,提出交叉度(cross degree)的概念。并利用交叉度提出识别有向网络中心节点的c-核分解法。该算法在无向网络中退化为k-核分解法。通过仿真实验,表明该方法在保留k-核方法准确有效的优势同时,还具有较好的区分度,能够较好的识别有向网络中的重要节点。     

城市复杂道路网络交通流的分解模型

针对城市道路交通流非线性、不确定性和模糊性特点,将城市道路与快速干道作为整体对待,提出了面向控制应用的城市交通网络宏观动态离散模型。将城市街区作为划分基点,把整个城市道路复杂交通网络分解为交叉口和单向环形道路两个子系统,分别建立了它们的宏观动态模型。通过对交叉口进行理想虚拟变形,将各个单向环形道路连接在一起,从而形成各种复杂网络。对西安市中心区域的实际交通流数据进行了仿真研究,结果表明该交通流模型基本实现了城市道路与快速干道的统一分析建模,较好地反映了城市路网的交通流信息,可以作为城市交通控制系统分析和设计的有力工具。     

道路交通网络中的关键节点识别方法研究

在现实世界中，大量复杂系统都可以通过抽象的节点和连边构成的网络来加以刻画。作为城市交通系统的重要组成部分，道路交通网络是一个典型的复杂系统，与人们的生活密切相关。道路交通网络中的关键节点识别问题是复杂网络领域研究中的一个经典难题。传统的度中心性算法和PageRank算法在复杂网络的关键节点的识别中具有较好的应用，考虑到道路交通网络中关键节点的特殊性和彼此关联性，在度中心性算法的基础上引入贪心算法的思想，提出了一个基于贪心策略的度中心性关键节点识别方法；同时，在PageRank算法的基础上引入贪心算法的思想，提出了一种基于贪心策略的PageRank关键节点识别方法，从而使道路交通网络中关键节点识别的结果更合理，在交通道路维护保养、规划设计，以及犯罪分子潜逃阻断等领域都有重要的应用价值。通过公开数据集与经典的关键节点识别方法做比较，验证了算法的有效性。     

有向加权网络的局域世界演化模型

现实世界中的很多网络既是连接间具有不同权值的加权网络又是连接间具有方向的网络。针对这一现实,在局域世界网络拓扑结构中同时引入有向性和权重。在局域世界演化模型基础上,建立了有向加权网络的局域演化模型（LWDW）,并提出了节点的出强度与入强度的概念。采用平均场理论导出这一模型节点的强度分布、出强度以及入强度的分布,同时分析了复杂网络的其他拓扑参量聚类系数和平均路径长度,并通过数值仿真实验验证了理论分析的正确性。     

加权局域网络上的病毒传播行为研究

病毒传播问题的研究一直是国际上科学家所关注的焦点,但是在加权局域网络中的病毒传播研究却是空白。由于实际存在的网络很大一部分是加权局域网络,因此研究了一种特定加权局域网络中的传播行为。采用病毒传播的SI模型,令病毒的传播速度和网络的连接权重正相关。对加权局域网络中病毒传播行为的研究表明：加权局域网络的无标度性质和加权局域世界性质对病毒的传播有深刻的影响。由于加权局域网络能够很好地反应实际世界,因此该研究具有很广的应用背景。     

一种基于转向限制的城市交通网最短路径算法

针对城市交通网导航的实际需要,提出了有向加权图的模型,图中顶点不仅包括路口,还包括起点和终点,并对Dijkstra算法进行改进,提出了一种基于转向限制的城市交通网最短路径算法,通过加入虚拟顶点,从而适应转向限制的条件。实验表明了该算法的正确性。     

基于自适应同步的二部图复杂动力网络的权值识别

本文给出了二部图复杂动力网络的数学模型及其权值识别方法. 运用自适应反馈控制技术, 通过构造驱动―响应结构的同步网络,设计了网络权值识别控制器. 应用Lyapunov稳定性理论及LaSalle不变集原理从理论上证明了结论, 并通过数值仿真算例验证了所给方法的有效性.     

基于三角构成规则的加权有向网络拓扑生成算法

针对加权无向图的网络拓扑模型难以表征真实网络环境下节点间有向性的问题,提出了基于三角构成规则的加权有向网络拓扑生成算法,依据概率优先选择节点的邻居节点进行有向性加边,通过网络边权的动态演化实现节点间的不对称性增长。并利用该算法进行了仿真实验。实验表明,基于三角构成的加权有向网络拓扑算法生成的网络拓扑结构符合真实环境下的网络拓扑结构所体现出来的拓扑特性,同时具有较好的聚类系数可控性。     

有向加权供应链网络级联失效的抗毁性研究

供应链网络是一个高度复杂的有向加权网络, 研究供应链网络本身的抗毁性对改良供应链网络拓扑结构, 提高网络稳定性和鲁棒性有着至关重要的意义. 因此本文依据复杂供应链网络中不同的网络攻击方式导致的节点 或者连边级联失效现象, 提出了一项在有向加权供应链网络下的抗毁性标准. 在提出的抗毁性准则中, 本文引入 了“网络运营度”的概念, 并针对有向加权网络的几种级联失效现象下的“网络运营度”的理论机理进行阐述, 最后 通过实验证明该抗毁性准则相对于其他文章所提出的抗毁性准则有着相对较好的表现, 证实了本文提出的抗毁性 测度的有效性.     

网络流量行为分析的小波加权混沌局域模型

结合小波变换和混沌局域模型的各自优势,提出一种网络流量的预测模型。首先,将网络流量时间序列进行小波分解得到高频信号序列和低频信号序列,再用加权混沌局域模型对每一成分的信号序列分别进行预测,对所有的预测分量进行小波重构就可以实现对网络流量的预测。用实际网络流量对该模型进行验证,实验结果表明,该模型具有较高的预测效果。     

基于图卷积网络的交通路口流量预测模型

交通流量预测是建设智慧城市中一项重要性高且挑战性大的任务。准确预测需要考虑如节假日、相似节点和天气等多种影响因素组成的时空特征。为了准确捕获到路网路口的时空特征,提出了一种基于图卷积神经网络、时序算法Prophet和Pearson相关系数的预测模型,以实现考虑空间结构、相似节点、节假日及其他影响因素对路口流量的准确预测。首先,为降低相似节点影响引入Pearson相关系数,改进时序算法,实现时间特征的捕捉;然后,采用图卷积神经网络实现空间特征的捕捉;最后,通过线性回归确定图卷积网络和时序算法的融合权重,得到时空融合预测的结果。最终基于成都市出租车轨迹数据分析提取出路口流量数据,并进行了流量预测实验。结果表明,提出的模型准确性优于大多现有的基线方法,与T-GCN、ASTGCN、AGCRN模型相比,MAE分别降低了1.623、0.724、0.161,精度分别提高了0.144、0.068、0.021,验证了该模型在交通路口流量预测中的有效性。