公共交通网络站点重要度聚类分析.pdfVIP

BRAINSTORMING集思广益

公共交通网络站点重要度聚类分析

文/田露王晓庆

城市人口的增长给城市交通带来了挑战；在此背景下，如何x-x

级，便于进行比较和计算。r=imin（5）

ij

x-x

有效地利用现有交通资源，提高交通网络的效率，成为亟待解决maxmin

m

[1]

的问题。已有研究表明，交通网络的脆弱性是关键节点决定的，求信息熵：计算指标值的熵权：e=-kp·lnP（6）

jijij

站点聚类能够通过对站点数据的分析，识别出具有相似特性的i=1

三、实例分析

站点群体，从而为交通网络的优化提供依据。目前，已有很多学

本文以福田区为研究对象，如图2所示，包含线路173条，站

者对于网络节点的重要性和对网络站点聚类进行了研究。邱少

明，於涛等对社团划分算法中存在的划分结果准确度低等问题,点447个。使用Python提取公交和地铁的信息，刷卡数据。对数

[2]据进行处理，进行站点重要度聚类分析。使用肘部法确定最佳的

提出了基于节点多属性聚类的划分算法。王灵丽等为识别网络

k值，如图1所示，本研究最佳k值为K=4。使用基于K-means

关键节点，设计了一种基于聚类算法的交通网络节点重要性评

[3]聚类与熵权法结合的算法聚类得到结果数据如表1所示。

价方法。王力等以节点连接度、交叉口高峰小时交通流量为评

[4]表1站点聚类结果分析

价指标，采用FCM模糊聚类方法对交叉口进行了重要性分类。

牛晓宇等针对目前现有布局算法在实际应用中存在布局耗时时

[5]

间长的问题改进了算法。许海霖等建立了基于垂直距离—灰色

[6]

关联测定贴近度和空间局部熵的属性赋权的改进TOPSIS模型。

为识别公共交通网络中的关键节点，本文以福田区公交、地铁网

处理数据得到节点的综合重要度分类，本文仅展示网络中

络为研究对象，考虑公交与地铁间的换乘特性，依据复杂网络构

节点重要度最大的一类，如图2所示。

建双层公交网络；以节点度、节点介数、节点客流为节点重要度指

标，结合熵权法改进K-means聚类算法，通过站点聚类识别出

不同等级的重要站点，为公共交通网络的优化和管理提供理论指

导。本文对站点的客流量、节点度，节点介数、地理位置数据等多

维度数据进行分析，提出一种