扬州市公共交通网络复杂性分析

城市公共交通系统可以抽象为由公交线路和停靠站点构成的网络,公交网络构成了一个典型的复杂网络。本文以扬州市的公共汽车交通系统中的停靠站点为研究对象,对其进行了复杂性分析,计算了网络的度分布、平均路径长度、聚集系数等指标。结果表明,扬州市公共交通网络的度分布符合幂律分布,并且具有较小的平均路径长度和较大的聚集系数。从而证实扬州市公交网络符合小世界特性和无标度特性。     

组团式城市公交网络的复杂性研究

为研究具有组团式结构特征的城市公交网络复杂性,在一般网络基础上,充分考虑组团式城市的特性,定义了组团式以及基于频率的公交网络节点度与度分布,利用复杂网络理论、计算机模拟等对组团式城市公交网络复杂性进行研究. 以兰州市为例,通过分析计算结果,发现无论是基于静态还是基于频率,兰州市公交网络的节点度分布均服从指数分布. 该成果为组团式城市公交网络的规划设计提供了理论依据.     

基于复杂网络的大连公交网络系统的拓扑结构分析

本文利用复杂网络理论研究了大连公交网络的拓扑结构。针对大连市公共汽车交通网络系统建立了公共线路、停靠站点复杂网络,对两种类型的网络进行了拓扑结构分析,得出大连市公交网络的拓扑结构和一些静态几何量及其统计性质,如度分布、凝聚系数、平均路径长度等,研究结果表明大连市公交网络较为便捷。     

镇江公交网络静态特性分析

城市公交系统在城市交通中具有重要作用,城市公交网络的静态特性对公交系统的性能具有重要影响。针对镇江公交特点,采用公交站点网络（SpaceL）方法对镇江公交网络建模,通过计算节点度、路径长度和聚集系数及其分布规律,分析镇江公交网络的静态特性。结果表明,镇江公交站点网络节点度分布服从指数分布,平均路径长度为14．9019,平均聚集系数为0．1039,具有明显的小世界网络特性。     

基于复杂网络的城市公交车辆动态分布分析方法

为了动态分析公交车辆在线网上的实时分布,文章构建一个基于车辆分布的公交动态复杂网络模型,基于复杂网络理论提出车辆服务强度与线网储备运力2个指标来反映公交动态复杂网络的分布特征。基于Space-L方法建立包含城市公交站点及线路信息的静态网络模型,分析公交静态网络特性;根据公交车辆实时GPS数据提取站点间车辆数作为边的权重,建立公交动态复杂网络模型,使用车辆服务强度与线网储备运力进行线网车辆分布分析并对动静态公交网络进行匹配性研究。将提出的方法应用于宁波市公交系统,研究发现：车辆服务强度呈现出明显的时间与空间差异;线网储备运力与网络直径具有较强的相关性,可以通过不同时刻动态网络直径的大小来分析线网的储备运力;公交静态网络与动态网络的关键参数差异表明两者不完全匹配。     

公交最短路径算法与网络通达性指标的计算

研究了公交单一票价乘客路线选择的影响，给出了求两交通小区间公交最短行时间和公交最短路径的算法，并在公交客流始终点ＯＤ分布矩陈的基础上，对公交网络通达性进行了深入的研究，可用于公交网络优化评价与方案抉择。     

基于复杂网络的武汉市公交网络特性研究

基于复杂网络的思想,以Gephi软件为分析工具,对武汉市公共汽车交通系统建立了邻近站点、公交线路和公交换乘3种复杂网络,获得了这3种网络的拓扑结构和几个静态几何量参数,并分析了这些网络的拓扑结构特性。结果显示,武汉公交基本可以满足当前需求,但是仍存在分布不均、乘客候车时间过长、个别站点不能通过换乘到达等问题。针对此类问题提出了优化建议。     

有向复杂网络的Poisson模型

考虑了节点到达过程是Poisson过程的有向复杂网络.本文研究了这类网络的瞬态度分布和稳态平均度分布.利用Poisson过程理论对这类网络进行了分析,获得了度分布的解析表达式.结果表明,虽然这类网络的稳态平均入度和稳态平均出度分布与节点的到达过程无关,但瞬态入度和出度分布依赖于节点的到达过程.     

公共交通网络的复杂性及其优化——以宝鸡市为例

为了减缓城市交通拥堵,改变城市公交线路规划不合理的状况,采用复杂网络的分析方法研究城市公交系统,构建公交网络模型,分析公交站点中心性、公交路段中心性、公交网络聚类特性、小世界性、集团特性和抗毁性等重要指标。以宝鸡市公交网络为例,基于Space L方法构建宝鸡市公交网络模型,用节点度和节点介数衡量站点的重要性,用边介数衡量公交路段的重要性,用聚类系数、最短路径衡量公交网络的复杂网络特性,采用GN算法对公交网络进行了社团划分。采用随机和突发2种策略对网络进行了攻击,验证公交网络的鲁棒性。研究结果表明:宝鸡市公交站点网络和大多数公交网络一样具有幂律分布特性,该网络可划分为11个明显的社团;该网络对于随机攻击具有较好的鲁棒性,对于基于度的蓄意攻击具有较大的脆弱性,和全国大中城市相比,宝鸡市公交网络的集团化程度较低。据此提出优化公交网络的方法,对关键站点实行分流,对关键路段实行绕行,根据社团划分和网络整体结构优化公交路网,建设智能公交系统,规划城市建设,研究结果可为宝鸡市交通线路规划和城市建设提供理论依据。     

城市公交网络的拓扑特性分析

本文以城市公交网络为研究对象,研究城市公交网络的拓扑特性.以南京市公交网络为实例,建立了南京市公交路线与站点网络的数据库,分别构建了基于公交线路的网络模型、基于邻接站点的网络模型、基于换乘站点的网络模型.利用复杂网络理论分析了这三种网络模型的拓扑结构,通过计算网络的静态参数(特征路径长度、度分布、集聚系数等),分析了不同网络的拓扑特性.利用复杂网络理论研究城市公交网络为城市交通规划与发展提出了新的参考建议.     

中国铁路车流网的拓扑性质

根据中国2010年的铁路客运列车时间OD分布,利用复杂网络理论研究铁路客运网拓扑性质. 研究表明:铁路车流网的度分布符合指数分布规律,且具有显著的小世界特性;车站经停列车数呈幂律分布,车流网节点强度呈广延指数分布性质,且节点强度与度之间也存在显著的幂律关系. 运输组织策略的调整对车流网的拓扑性质具有实质影响. 通过研究车流网的性质有助于形成使路网的服务特性更具鲁棒性的运输组织策略.     

基于复杂网络的空中交通流分形特征分析

为准确把握空中交通流量变化规律,掌握空中交通系统内在特性,需要对空中交通流时间序列进行基于复杂网络的分形特征分析。收集空中交通流量数据,利用可视图方法构建复杂网络模型,分析网络拓扑结构,验证了该网络度分布服从幂律分布,拟合直线斜率为-2.086,证明了网络是无标度网络,具有单分形特征。验证了覆盖整个网络所有节点所需要的最少盒子数目与盒子直径成幂律关系,拟合直线斜率为-0.212 1,相关系数为-0.872 2,再次证明了网络具有单分形特征。通过验证网络广义分形维数关于参数的图像为非线性,拟合直线斜率分别为-1.942、-1.936、-1.78,相关系数均在0.8以上,拟合效果较好,证明了网络具有多重分形特性。通过计算重整化前后网络的幂指数相似,证明了网络具有自相似性。结果表明,应用复杂网络的理论分析空中交通流时间序列是可行有效的,为进一步深入应用研究奠定了基础。     

基于流时间影响域的网络流量异常检测

针对如何提高网络流量异常行为检测准确率的问题,提出基于网络流时间影响域(TID)的网络流量检测模型.通过分析正常和异常情况下流量网络模型平均度的变化,构建了基于复杂网络平均度指标的网络流量异常检测算法.实验结果表明,基于网络流时间影响域的流量网络模型能合理地描述网络流量间的依赖关系,具有良好的检测性能,同时该网络模型仅需时间戳、源IP、目的IP三维网络特征即可实现,检测方法适用于绝大多数网络类型,检测效率优于其他网络流量异常检测方法,具有较高的普适性.     

山西省高速公路网布局探讨

综合考虑山西经济发展水平、产业布局特点、未来经济发展战略、路网发育形态等诸多因素，采用交通区位法和节点重要度法相结合，对山西省高速公路布局进行探讨。采用交通区位法得出山西省高速公路的大致走向，再通过节点重要度法计算出路线重要度最大树，最后将两种方法得到的结果叠加。在此基础上，对路线进行优化，得出了山西省高速公路最终布局结果，即“人字骨架、九横九环”，总里程4050km．该结果已被山西省国民经济“十一五”发展规划采纳实施，目前已建成高速公路1752km。     

管制空域复杂网络模型构建及抗毁性分析

为分析现有管制空域的结构特性与面对多种真实情况下的抗毁性,从空中交通管制的角度出发,以管制空域的最小单位扇区为基础,构建复杂网络模型,并以介数、紧密中心性等拓扑特性参数计算方法筛选关键扇区,以聚类系数、度、度分布等参数来反映空域内部的连接情况。通过4种能反映不同真实情况的攻击策略对模型进行抗毁性测试。最终结果显示：扇区网络在维持扇区连接结构上表现出较好的抗毁性,而在维持网络运行效率和保障航空器通行能力上抗毁性不佳。     

基于WinPcap的实时网络监测系统

实现了一个基于WinPcap的实时网络流量监测系统,完成了数据包级和流级的流量指标,包括2~7层协议分布,不同协议的流量速率,包大小分布,不同聚集程度的流分布,前N名的IP主机和主机对分布等;并提供网络运行状态的告警指标.实验结果表明,对于100 M以太网,基于WinPcap的软件捕获流量监测程序的处理上限为60 000 packet/s,完全可以胜任100 M以太网监测需求.     

基于支持向量机的网络流量异常检测

提出了一种基于支持向量机的网络流量异常检测方法.分析了支持向量机的基本原理,结合网络流量异常检测的特点,讨论了异常检测的特征选择问题;提出了网络流量对称性、TCP报文SYN和SYN/ACK对称性以及协议分布等具有鲁棒性的特征参数,描述了数据的预处理方法.测试结果表明,所选特征参数可有效地检测网络攻击导致的流量异常变化,说明基于支持向量机的检测方法具有较好的泛化能力.     

基于灰狼算法优化深度学习网络的网络流量预测

针对深度学习网络在网络流量预测建模过程中的参数优化难题, 以改善网络流量预测结果为目标, 提出一种基于改进灰狼算法优化深度学习网络的网络流量预测模型. 首先, 收集网络流量历史数据, 并对数据进行相空间重构、 归一化等预处理; 其次, 引入灰狼算法快速搜索到全局最优深度学习网络的相关参数, 并根据最优参数对预处理后的网络流量历史数据进行学习, 建立能挖掘网络流量历史数据变化规律的预测模型; 最后, 与其他算法优化深度学习网络的网络流量预测模型进行对比分析. 实验结果表明, 基于改进灰狼算法优化深度学习网络的网络流量预测精度超过90%, 远高于其他对比模型, 且预测建模过程的建模时间少于对比模型, 可满足网络流量管理的高精度和实时性要求.     

一种改进的小波神经网络的网络流量预测算法

为了有效地对网络进行维护,提高网络性能,预知网络流量可以提前对网络出现的问题采取应对策略,从而对用户提供更好的服务。在神经网络预测模型中把隐含层的传递函数用小波函数替换,并采用共轭梯度下降算法,建立了一个小波神经网络的网络流量预测模型。通过实际流量数据对模型进行仿真,结果显示该模型与神经网络预测模型相比,该网络具有良好的预测效果,网络训练时间短,有效地提高了训练速度。