通信网络理论与道路网络理论关键节点分析的对比研究

来源 :北京邮电大学 | 被引量 : 7次 | 上传用户:gj1019
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,人均汽车保有量不断上涨,虽然部分大中型城市采取了尾号限行的措施,但是交通拥堵的状况依然愈演愈烈。尤其是早晚高峰期间及节假日的庞大交通流量使得负荷早已接近饱和的道路网络系统濒临崩溃。交通拥堵不仅造成了一定的经济损失,并且在堵塞过程中产生了大量的环境污染。出于减轻交通拥堵的状况,减少不必要的燃油空耗、尾气污染的目的,如何提高道路网络的可靠性,降低因节点拥堵造成的局部网络瘫痪可能性,已成为专家学者研究的热门课题。在学者们对于道路交通网络的长期观察研究中发现,道路网络作为一个整体,在实际情况下,拥堵的产生并非随机分布毫无规律可循的,而是主要由于某些交叉路口或路段的拥堵造成了一定范围的路网瘫痪,因此对于路网中的这些交叉路口和路段进行分析至关重要。从二十世纪70年代开始,对于网络中节点重要性的研究就已经开始。通过研究各种网络的抽象拓扑结构,借助于网络中节点的度、介数,节点生成树,最短路径等属性特征,量化地研究网络中各个节点的重要性差别。然而这些研究都侧重于网络拓扑图的结构属性,而道路网络存在自身的一些特征,例如:地理位置信息,交通流量,车流速度等。这些特征使得上述研究并不能与道路网络中关键节点的发掘完全契合。为解决上述问题,本文在对通信网络和道路网络中关键节点研究方法总结、对比和分析的基础上,提出了研究道路网络中的关键节点首先需要明确网络的功能并以此确定网络中关键节点的这一解决问题的方法,明确关键节点定义从而确定道路网络中节点重要性的评价标准,即道路网络中易受损和易引起其他节点和大面积路网瘫痪的节点为关键节点。由此提出了路网中关键节点分析的特色算法,并选取经典路网模型Sioux Falls进行分析研究,验证了所提出算法的合理性和实用性。
其他文献
当今时代,信息技术的迅猛发展带来了数据量的飞速增长。这些数据不仅包含数据库中的结构化数据,还含有海量来自于电子邮件、传感器、在线视频等非结构化、互不兼容的、实时的
随着Android系统市场份额的不断提高,人们对Android平台应用的隐私泄漏的关注度提高。为了能够防止恶意泄漏用户隐私的程序在市场上传播,本文针对Android平台应用隐私泄漏的
散列函数作为现代密码学的重要研究分支,是实现数据完整性验证、身份鉴别和数字签名的关键。但是随着信息技术的发展和理论研究的深入,传统散列算法暴露出一些缺陷,如执行效
安全问题自云计算提出以来就一直困扰着云服务的提供者和使用者,随着云计算的流行与普及,越来越多的黑客们更加关注云平台漏洞挖掘与利用。因此关注云计算安全,增加云计算的
卷积神经网络(Convolutional Neural Networks,CNN)目前在计算机视觉领域应用广泛,在图像识别、物体检测以及图像分割等问题上都取得了最优的性能。但是CNN是深度的人工神经