针对城市重要公交线路识别与优化问题,以西安市公交系统作为研究对象,利用高阶网络模型甄别和优化西安市公交系统的重要公交线路.首先,考虑到城市公交系统具有典型的路径依赖特征,基于高阶网络模型方法构建高阶公交网络.其次,基于公交...针对城市重要公交线路识别与优化问题,以西安市公交系统作为研究对象,利用高阶网络模型甄别和优化西安市公交系统的重要公交线路.首先,考虑到城市公交系统具有典型的路径依赖特征,基于高阶网络模型方法构建高阶公交网络.其次,基于公交站点道路等级、站点与轨道交通接驳情况、站点服务范围内兴趣点(Point of Interest,POI)、站点所在区域的人口密度4项位置属性指标,提出改进的加权k核分解算法,将高阶公交网络分为核心层、桥层和外围层.最后,以西安市为例进行实证分析,以各层中连边承担的平均线路数为依据甄别重要公交线路,并根据路段在重要连边中出现的次数识别出最重要的公交路段,针对存在的问题提出优化建议.研究结果表明:西安市公交系统中存在234条重要的公交路段以及经过6条最重要路段的55条公交线路;西安市存在城市新区及近郊区域与中心城区连接不畅的问题,桥层中有524个公交站点与核心层中的任意一个站点都没有直达的公交线路;通过对13条非直达线路进行优化,站点直达率提高4.72%,增加了13条线路中247个站点与核心层站点的直达路线选择,改善了城市居民的出行便利性.展开更多
复杂网络中,评估节点的重要性对于研究网络结构和传播过程有着重要意义.通过节点的位置,K-shell分解算法能够很好地识别关键节点,但是这种算法导致很多节点具有相同的K-shell(Ks)值.同时,现有的算法大都只考虑局部指标或者全局指标,导...复杂网络中,评估节点的重要性对于研究网络结构和传播过程有着重要意义.通过节点的位置,K-shell分解算法能够很好地识别关键节点,但是这种算法导致很多节点具有相同的K-shell(Ks)值.同时,现有的算法大都只考虑局部指标或者全局指标,导致评判节点重要性的因素单一.为了更好地识别关键节点,提出了EKSDN(Extended K-shell and Degree of Neighbors)算法,该算法综合考虑了节点的全局指标加权核值以及节点的局部指标度数.与SIR(Susceptible-Infectious-Recovered)模型在真实复杂网络中模拟结果相比,EKSDN算法能够更好地识别关键节点.展开更多
In wireless sensor networks, target classification differs from that in centralized sensing systems because of the distributed detection, wireless communication and limited resources. We study the classification probl...In wireless sensor networks, target classification differs from that in centralized sensing systems because of the distributed detection, wireless communication and limited resources. We study the classification problem of moving vehicles in wireless sensor networks using acoustic signals emitted from vehicles. Three algorithms including wavelet decomposition, weighted k-nearest-neighbor and Dempster-Shafer theory are combined in this paper. Finally, we use real world experimental data to validate the classification methods. The result shows that wavelet based feature extraction method can extract stable features from acoustic signals. By fusion with Dempster's rule, the classification performance is improved.展开更多
文摘针对城市重要公交线路识别与优化问题,以西安市公交系统作为研究对象,利用高阶网络模型甄别和优化西安市公交系统的重要公交线路.首先,考虑到城市公交系统具有典型的路径依赖特征,基于高阶网络模型方法构建高阶公交网络.其次,基于公交站点道路等级、站点与轨道交通接驳情况、站点服务范围内兴趣点(Point of Interest,POI)、站点所在区域的人口密度4项位置属性指标,提出改进的加权k核分解算法,将高阶公交网络分为核心层、桥层和外围层.最后,以西安市为例进行实证分析,以各层中连边承担的平均线路数为依据甄别重要公交线路,并根据路段在重要连边中出现的次数识别出最重要的公交路段,针对存在的问题提出优化建议.研究结果表明:西安市公交系统中存在234条重要的公交路段以及经过6条最重要路段的55条公交线路;西安市存在城市新区及近郊区域与中心城区连接不畅的问题,桥层中有524个公交站点与核心层中的任意一个站点都没有直达的公交线路;通过对13条非直达线路进行优化,站点直达率提高4.72%,增加了13条线路中247个站点与核心层站点的直达路线选择,改善了城市居民的出行便利性.
文摘复杂网络中,评估节点的重要性对于研究网络结构和传播过程有着重要意义.通过节点的位置,K-shell分解算法能够很好地识别关键节点,但是这种算法导致很多节点具有相同的K-shell(Ks)值.同时,现有的算法大都只考虑局部指标或者全局指标,导致评判节点重要性的因素单一.为了更好地识别关键节点,提出了EKSDN(Extended K-shell and Degree of Neighbors)算法,该算法综合考虑了节点的全局指标加权核值以及节点的局部指标度数.与SIR(Susceptible-Infectious-Recovered)模型在真实复杂网络中模拟结果相比,EKSDN算法能够更好地识别关键节点.
基金Supported in part by Science & Technology Department of Shanghai (05dz15004)
文摘In wireless sensor networks, target classification differs from that in centralized sensing systems because of the distributed detection, wireless communication and limited resources. We study the classification problem of moving vehicles in wireless sensor networks using acoustic signals emitted from vehicles. Three algorithms including wavelet decomposition, weighted k-nearest-neighbor and Dempster-Shafer theory are combined in this paper. Finally, we use real world experimental data to validate the classification methods. The result shows that wavelet based feature extraction method can extract stable features from acoustic signals. By fusion with Dempster's rule, the classification performance is improved.
