CN101866544A - 基于复杂网络分析灾害天气对列车开行影响的方法及*** - Google Patents

Abstract

本发明公开了一种基于复杂网络分析灾害天气对列车开行影响的方法及***。该方法包括：将列车开行方案转化为车流网络，计算所述车流网络的特征参数；将所述车流网络中由于灾害天气的出现而失效的边删除，确定新的车流网络，并计算所述新的车流网络的特征参数；将所述车流网络的特征参数与所述新的车流网络的特征参数进行比较，分析灾害天气对所述车流网络的影响程度，进而确定灾害天气对列车开行方案的影响。本发明能够计算灾害天气对铁路旅客列车开行方案的影响程度，为开行方案的调整提供决策依据。

Description

基于复杂网络分析灾害天气对列车开行影响的方法及***

技术领域

本发明涉及属于高速列车开行方案评估技术领域，尤其涉及一种基于复杂网络分析灾害天气对列车开行影响的方法及***。

背景技术

随着高速铁路的投入使用，铁路列车的开行方案越来越受到重视。开行方案的执行往往受到恶劣天气的影响。如何分析恶劣天气对旅客列车造成的影响，以往的分析方法往往是定性的，缺乏定量的分析结果。

列车开行方案的重要的衡量指标是旅客的换乘次数。换乘次数增多多，旅客的总的旅行时间就会增加，旅客的满意度就会降低，相反，换乘次数减少，旅客的总旅行时间就会减少。所以可以从计算旅客换乘次数的变化来分析恶劣天气对旅客列车开行方案的影响。

复杂网络理论是近年来学术界研究的热点。许多分析复杂网络的方法已经越来越多地应用到许多技术领域。已经有学者证明，由旅客列车开行方案转化成的车流网络是一种复杂网络，所以，可以用复杂网络的相关的指标分析来分析车流网络，进而分析旅客列车开行方案。

全路旅客列车车流(以下简称车流)网络中节点是全路有客运作业的所有车站；如果两站之间有同一列车停站作业，那么这两个车站之间的连线就是网络中的边。根据2009年7月份铁道部公布的最新全路旅客列车时刻表，全路具有客运服务的车站有3361个。共有2334列车。这个由车站节点和车流边组成的复杂网络中具有330273条边。

发明内容

本发明的目的在于提供一种基于复杂网络分析灾害天气对列车开行影响的方法及***，基于本发明，能够计算灾害天气对铁路旅客列车开行方案的影响程度，为开行方案的调整提供决策依据。

本发明公开了一种基于复杂网络理论分析灾害天气对列车开行影响的方法，所述方法包括如下步骤：车流网络的特征参数获取步骤，将列车开行方案转化为车流网络，计算所述车流网络的特征参数；新的车流网络的特征参数获取步骤，将所述车流网络中由于灾害天气的出现而失效的边删除，确定新的车流网络，并计算所述新的车流网络的特征参数；分析步骤，将所述车流网络的特征参数与所述新的车流网络的特征参数进行比较，分析灾害天气对所述车流网络的影响程度，进而确定灾害天气对列车开行方案的影响。

上述分析灾害天气对列车开行影响的方法，优选所述车流网络、所述新的车流网络的特征参数包括：网络平均路径长度和网络聚类系数。

上述分析灾害天气对列车开行影响的方法，优选所述网络平均路径长度依据下式确定：

$L=\frac{1}{\frac{1}{2}N(N-1)}\underset{i\≤j}{\mathrm{\Σ}}{d}_{\mathrm{ij}}$

其中，L表示网络平均路径长度；N为自然数，表示网络中节点的总数；i、j为自然数，d_ij表示网络中两个节点i和j之间的距离，所述距离依据连接i节点和j节点的最短路径上的边数确定。

上述分析灾害天气对列车开行影响的方法，优选所述网络聚类系数依据下式确定：

$C=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{C}_i/N,$

C_i＝2E_i/(k_i(k_i-1)/2)；

其中，C表示网络聚类系数；C_i表示网络中第i个节点的聚类系数；k_i网络中与节点i相连的边的个数；E_i表示与节点i相邻的k_i个邻居节点之间实际存在的边数之和。

另一方面，本发明还公开了一种基于网络理论分析灾害天气对列车开行影响的***，所述***包括：车流网络的特征参数获取模块，用于将列车开行方案转化为车流网络，计算所述车流网络的特征参数；新的车流网络的特征参数获取模块，用于将所述车流网络中由于灾害天气的出现而失效的边删除，确定新的车流网络，并计算所述新的车流网络的特征参数；分析模块，用于将所述车流网络的特征参数与所述新的车流网络的特征参数进行比较，分析灾害天气对所述车流网络的影响程度，进而确定灾害天气对列车开行方案的影响。

上述分析灾害天气对列车开行影响的***，优选所述车流网络和所述新的车流网络的特征参数包括：网络平均路径长度和网络聚类系数。

上述分析灾害天气对列车开行影响的***，优选所述网络平均路径长度依据下式确定：

$L=\frac{1}{\frac{1}{2}N(N-1)}\underset{i\≤j}{\mathrm{\Σ}}{d}_{\mathrm{ij}}$

其中，L表示网络平均路径长度；N为自然数，表示网络中节点的总数；i、j为自然数，d_ij表示网络中两个节点i和j之间的距离，所述距离依据连接i节点和j节点的最短路径上的边数确定。

上述分析灾害天气对列车开行影响的***，优选所述网络聚类系数依据下式确定：

$C=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{C}_i/N,$

C_i＝2E_i/(k_i(k_i-1)/2)；

其中，C表示网络聚类系数；C_i表示网络中第i个节点的聚类系数；k_i网络中与节点i相连的边的个数；E_i表示与节点i相邻的k_i个邻居节点之间实际存在的边数之和。

相对于现有技术而言，本发明能够计算灾害天气对铁路旅客列车开行方案的影响程度，从而为灾害天气等应急条件下旅客列车开行方案的调整提供了决策依据。

附图说明

图1为本发明基于复杂网络分析灾害天气对列车开行影响的方法实施例的步骤流程图；

图2是动车D305、D309与D5653次列车构成的车流网络图；

图3是灾害天气出现后要删除的边的示意图；

图4是灾害天气出现后D305、D309与D5653次列车构成的车流网络图；

图5为本发明基于复杂网络分析灾害天气对列车开行影响的***实施例的结构框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

参照图1，图1为本发明基于复杂网络分析灾害天气对列车开行方案影响的方法实施例的步骤流程图，包括如下步骤：

步骤110，将列车开行方案转化为车流网络，计算所述车流网络的特征参数；步骤120，将所述车流网络中由于灾害天气的出现而失效的边删除，确定新的车流网络，并计算所述新的车流网络的特征参数；步骤130，将所述车流网络的特征参数与所述新的车流网络的特征参数进行比较，分析灾害天气对所述车流网络的影响程度，进而确定灾害天气对列车开行方案的影响。

网络中两个节点i和j之间的距离d_ij定义为连接这两个节点的最短路径上的边数。网络的平均路径长度定义为任意两个节点之间距离的平均值，即

$L=\frac{1}{\frac{1}{2}N(N-1)}\underset{i\≤j}{\mathrm{\Σ}}{d}_{\mathrm{ij}},$

其中N为网络的节点数。

对于旅客列车车流网络而言，L值越小说明任意两个车站之间的连线的数目越小，相应地，旅客从一个车站到达另一个车站的换乘次数就越少。

假设网络中的一个节点i有k_i条边将它和其它节点相连，这k_i个节点称为节点i的邻居。显然，在这k_i个节点之间最多可能有k_i(k_i-1)/2条边。而这k_i个节点之间实际存在的边数E_i和总的可能的边数之比就定义为节点i的聚类系数C_i，即

C_i＝2E_i/(k_i(k_i-1)/2)

整个网络的聚类系数C就是所有节点i的聚类系数的C_i平均值。很明显，0≤C≤1。C＝0表示所有的节点均为孤立节点，即没有任何连接边；C＝1表示网络是全局耦合的，即网络中任意两个节点都直接相连。

对于旅客列车车流网络而言，C值越大，车流网络的耦合程度越高，表示旅客从一个车站到另一个车站直达的概率越大。

本算例至选取D305，D309与D5653做为车流网络分析的目标。对全路所有车次构成的车流网络来说，分析计算的方法是一致的。

选择D305，D309与D5653三个车次构成车流网络，如图2所示。

根据上述定义，此时网络任意两节点之间的路径长度如表1所示。

表1  三个车次所涉及车站之间的路径长度

根据上述定义，此时网络的平均路径长度为：

(1+1+1+2+2+1+2+1+2+2+2+2+2+2+1+1+1+1+1+1+1)/(0.5*7*6)＝1.4286

也就是说旅客的平均换乘次数是1.4286次。

表2  每个车站的聚类系数计算

根据表2中的数据，此车流网络的聚类系数是(0.5+1+1+0.5+1+1+0.5)/7＝0.7857

假设在无锡与上海站之间的区段发生了灾害天气，那么迫使D305次列车的终到站改为南京，那么北京与上海之间、南京与上海之间的边被从网络中删除。而由于D309次列车走的线路是北京-无锡-杭州，没有受到无锡至上海区段灾情的影响，所以D309次列车相应的边不变。如图3所示。

此时，车流网络图如图4所示。

表3  灾情发生后三个车次所涉及车站之间的路径长度

参照表3，根据上述定义，此时网络的平均路径长度为：

(1+1+2+2+2+1+2+3+3+3+2+2+2+2+1+1+1+1+1+1+1)/(0.5*7*6)＝1.6667

也就是说旅客的平均换乘次数是1.6667次。

表4  灾情发生后每个车站的聚类系数计算

根据表2中的数据，此车流网络的聚类系数是(0.3333+0+1+1+1+1+0.4)/7＝0.6762

分析：灾情发生后，车流网络的平均路径长度由1.4286增加到了1.6667，表明车流网络中每两点之间的距离拉大；聚类系数由0.7857减小到了0.6762，说明车流网络变得松散，耦合程度降低；这两方面说明开行方案受到了较大的影响。旅客在次网络中乘坐列车由一个车站出发到达另一个车站的平均的换乘次数增加了0.2381次，而在此网络上的旅客的数目很大，每天的平均值可达到几十万，而每一次换乘，都会造成旅客的旅行时间的增加，所以总的旅客的旅行时间会大大增加，在灾害天气这种特殊运营条件下，势必会给铁路旅客运输工作造成很大的负面影响。所以，根据此分析结果，应给与运输组织决策者提出立刻调整旅客列车开行方案的建议。

需要说明的是，上述实施例中选用的特征参数为网络平均路径长度和网络聚类系数，但本发明并不局限于此，选用其他的指标也是可以的；并且网络平均路径长度和网络聚类系数的确定方式也并非一定为上述实施例所确定的形式，只要是将列车开行方案转化为车流网络，之后确定灾害天气的出现使所述车流网络产生的变化，并依据上述变化进行分析灾害天气对列车开行方案的影响的方案均在本发明的保护范围之内。

另一方面，本发明还提供了一种基于复杂网络分析灾害天气对列车开行影响的***，参照图5，基于网络分析灾害天气对列车开行影响的***包括：

车流网络的特征参数获取模块52，用于将列车开行方案转化为车流网络，计算所述车流网络的特征参数；新的车流网络的特征参数获取模块54，用于将所述车流网络中由于灾害天气的出现而失效的边删除，确定新的车流网络，并计算所述新的车流网络的特征参数；分析模块56，用于将所述车流网络的特征参数与所述新的车流网络的特征参数进行比较，分析灾害天气对所述车流网络的影响程度，进而确定灾害天气对列车开行方案的影响。

***实施例的原理与方法实施例相同，相同之处户型参照即可，在此不再赘述。

以上对本发明所提供的一种基于复杂网络分析灾害天气对列车开行影响的方法及***进行详细介绍，本文中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于复杂网络理论分析灾害天气对列车开行影响的方法，其特征在于，所述方法包括如下步骤：

车流网络的特征参数获取步骤，将列车开行方案转化为车流网络，计算所述车流网络的特征参数；

新的车流网络的特征参数获取步骤，将所述车流网络中由于灾害天气的出现而失效的边删除，确定新的车流网络，并计算所述新的车流网络的特征参数；

分析步骤，将所述车流网络的特征参数与所述新的车流网络的特征参数进行比较，分析灾害天气对所述车流网络的影响程度，进而确定灾害天气对列车开行方案的影响。

2.根据权利要求1所述的分析灾害天气对列车开行影响的方法，其特征在于，所述车流网络、所述新的车流网络的特征参数包括：网络平均路径长度和网络聚类系数。

3.根据权利要求2所述的分析灾害天气对列车开行影响的方法，其特征在于，所述网络平均路径长度依据下式确定：

$L=\frac{1}{\frac{1}{2}N(N-1)}\underset{i\≤j}{\mathrm{\Σ}}{d}_{\mathrm{ij}}$

其中，

L表示网络平均路径长度；

N为自然数，表示网络中节点的总数；

i、j为自然数，d_ij表示网络中两个节点i和j之间的距离，所述距离依据连接i节点和j节点的最短路径上的边数确定。

4.根据权利要求2或3所述的分析灾害天气对列车开行影响的方法，其特征在于，所述网络聚类系数依据下式确定：

$C=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{C}_i/N,$

C_i＝2E_i/(k_i(k_i-1)/2)；

其中，

C表示网络聚类系数；

C_i表示网络中第i个节点的聚类系数；

k_i网络中与节点i相连的边的个数；

E_i表示与节点i相邻的k_i个邻居节点之间实际存在的边数之和。

5.一种基于网络理论分析灾害天气对列车开行影响的***，其特征在于，所述***包括：

车流网络的特征参数获取模块，用于将列车开行方案转化为车流网络，计算所述车流网络的特征参数；

新的车流网络的特征参数获取模块，用于将所述车流网络中由于灾害天气的出现而失效的边删除，确定新的车流网络，并计算所述新的车流网络的特征参数；

分析模块，用于将所述车流网络的特征参数与所述新的车流网络的特征参数进行比较，分析灾害天气对所述车流网络的影响程度，进而确定灾害天气对列车开行方案的影响。

6.根据权利要求5所述的分析灾害天气对列车开行影响的***，其特征在于，所述车流网络和所述新的车流网络的特征参数包括：网络平均路径长度和网络聚类系数。

7.根据权利要求6所述的分析灾害天气对列车开行影响的***，其特征在于，所述网络平均路径长度依据下式确定：

$L=\frac{1}{\frac{1}{2}N(N-1)}\underset{i\≤j}{\mathrm{\Σ}}{d}_{\mathrm{ij}}$

其中，

L表示网络平均路径长度；

N为自然数，表示网络中节点的总数；

i、j为自然数，d_ij表示网络中两个节点i和j之间的距离，所述距离依据连接i节点和j节点的最短路径上的边数确定。

8.根据权利要求6或7所述的分析灾害天气对列车开行影响的***，其特征在于，所述网络聚类系数依据下式确定：

$C=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{C}_i/N,$

C_i＝2E_i/(k_i(k_i-1)/2)；

其中，

C表示网络聚类系数；

C_i表示网络中第i个节点的聚类系数；

k_i网络中与节点i相连的边的个数；

E_i表示与节点i相邻的k_i个邻居节点之间实际存在的边数之和。

Images