[发明专利]一种基于Louvain算法的交通小区划分系统

说明书

一种基于Louvain算法的交通小区划分系统，包括：建筑空间拓扑关系判别模块、建筑群分割道路等级计算模块、建筑群拓扑距离计算模块、复杂网络边权值计算模块、Louvain算法执行模块、小区划分结果展示模块。本发明提供的交通小区划分系统通过在城市公交系统中，对交通小区划分的因素进行分析，来降低交通系统的复杂性。本发明以城市建筑群为最小划分单元，探讨城市建筑群网的抽象方法，设计网络结构参数计算方法，构建了以建筑群为节点的复杂网络，基于该网络将交通属性类似的建筑群划分为同一交通小区。交通小区的划分结果会影响交通需求分析和预测等工作的准确性，对交通小区的划分和优化在确保交通规划方案的可行性与准确性方面有重要意义。

技术领域

本发明属于智能交通技术领域，特别涉及基于Louvain算法的交通小区划分系统。

背景技术

对交通小区进行划分之前，需要对城市区域进行离散化，构建基本地理单元，作为交通小区划分的初始聚类单元。对城市区域的离散化的实质，就是使用有限多个地理单元，来代替连续的城市空间，将城市空间抽象为包含若干个具有空间属性、空间关系的基本地理单元集合。基本地理单元的主要形态包括：街道、人口统计分区、行政区、多边形网格。目前对交通小区的离散化单元应用最多的有两种：道路路网结构和面状对象。

基于道路结构的区域离散化方法：在此方法中，首先对研究区域的道路网络进行抽象建模，计算得出路网的拓扑结构。以路段作为地理单元，实现城市区域的自然分割。并且可以根据研究需要，指定使用不同道路等级的路段进行分割，可以控制分割的精细化程度。

基于面状对象的区域离散化方法：基于面状对象的区域离散化方法中，使用最广泛的方法是“泰森多边形法”。该方法的特性是每个泰森多边形内仅含有一个离散点数据，泰森多边形内的点到相应离散点的距离最近，位于泰森多边形边上的点到其两边离散点的距离相等。

基于道路结构的区域离散化方法的优点在于，由于道路为城市自然分割的结果，这种分割方法比人工构造的地理单元更能代表城市微观聚簇的空间特征，但是不适合后续研究。从广义上来讲，交通小区指具有一定相似性的相互关联的空间单位的集合，划分交通小区的本质是以区代替点，降低交通系统的复杂性。

发明内容

本发明的技术解决问题：克服现有技术的不足，提供基于Louvain算法的交通小区划分系统，用于降低交通系统的复杂性，进行交通小区划分的目的是为了更好地分析区域对公交站点客流的影响力，因此希望小区内部建筑群在空间上紧密联系、在交通属性上尽量相似。本发明划分的交通小区具有上述两个特性，同时能够解决小社区被忽略的问题。

本发明设计了基于Louvain算法的交通小区划分系统，如图1所示，包括：建筑空间拓扑关系判别模块、建筑群分割道路等级计算模块、建筑群拓扑距离计算模块、复杂网络边权值计算模块、Louvain算法执行模块和小区划分结果展示模块；

建筑空间拓扑关系判别模块：在获取初始建筑群数据后，进行预处理，预处理过程为根据建筑群的物理距离(建筑群之间的距离)、大路分割(建筑群之间是否有高等级道路，如环路、高速路等)、建筑群遮挡(建筑群之间是否有其他建筑遮挡)因素生成初始建筑群空间拓扑关系数据，为建筑群道路等级计算模块和建筑群拓扑距离计算模块做数据准备；

建筑群分割道路等级计算模块：根据生成的初始建筑群空间拓扑关系数据和路网数据(城市中道路的宽度、等级、位置等数据，即城市路网数据)，通过矢量判别获取建筑群之间的分割道路，获取最高的道路等级作为最终的道路等级，生成建筑群分隔道路等级数据以供复杂网络边权值计算模块调用；

建筑群拓扑距离计算模块：根据生成的初始建筑群空间拓扑关系数据，通过计算空间方向相似度获取每两个建筑群之前的拓扑距离，该拓扑距离代表了建筑群之前间的相似关系，根据拓扑距离生成建筑群拓扑距离数据；