[发明专利]基于自适应马尔科夫聚类的城市交通流网络结构识别方法

说明书

本发明涉及一种基于自适应马尔科夫聚类的城市交通流网络结构识别方法，属于网络与系统领域。本发明中，自适性增强马尔科夫聚类算法中的参数控制了流转移的步长，膨胀操作的程度以及转移矩阵PT和流量分布矩阵M之间的正反馈机制。该反馈机制受多头绒泡菌仿生模型启发，两者都有相似的流动模拟，都包含收缩和膨胀过程，其中模拟了多头绒袍菌觅食过程中细胞质通量和管状伪足的导电性，具体来说，用流量矩阵M和流量转移矩阵PT分别模拟多头绒泡菌网络中的流量矩阵Q和通道性矩阵D。本发明通过优化改进反馈机制的参数，增强原系统的反馈强度，加快过程的收敛速度。通过改进优化膨胀系数的参数，控制社团的粒度，提高网络社团识别的质量。

技术领域

本发明属于网络与系统领域，涉及基于自适应马尔科夫聚类的城市交通流网络结构识别方法。

背景技术

现实世界中，网络可以表示诸多的对象及其相互之间的联系，1999年Barabasi和Watts发现网络中的无标度和小世界特性，从此，复杂网络研究蓬勃发展。当前，对复杂网络的定义过于宽泛，钱学森提出复杂网络具体的定义，即：自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络。其中网络的结构识别，是复杂网络中最普遍和最重要的拓扑结构属性之一，对于分析网络的拓扑结构，理解复杂网络的功能，揭示复杂网络的隐藏规律和预测复杂网络的行为有重要的作用。

城市交通流网络也是属于复杂网络研究的一种，随着中国城市化进程和规模的迅速扩张，导致城市人口以及出行人口大量增加，公共交通问题日益突显。交通拥堵，公共交通系统调度，不同交通工具间换乘的问题，已成为当今的热点话题。在复杂网络的背景下，应用基于网络的分析方法，可以揭示出其中的特性。城市交通流网络结构识别，显示出市民移动模式的社团聚集特征，可以揭示交通拥堵的原因，了解市民出行的流动习惯，进一步帮助施行动态的公交交通系统调度，提高公共交通系统的运输效率。

网络结构的识别，对于分析网络的功能，拓扑结构和预测现实性行为都有重要的理论价值和实用意义。迄今为止，已被广泛应用于城市交通流网络，大数据医疗信息网络,蛋白质结构识别，社交网络语义结构等诸多领域。网络结构中的社团识别，一直以来都是研究的热点和重点。

为了解决网络结构识别的问题，现在已经提出了很多算法。根据其所采用的求解策略，可大致分为以下三种：基于优化的方法、启发式方法和谱方法。1、基于优化的方法，通常用一个衡量网络拓扑结构的评价函数作为优化目标，如模块度等。然后，用演化算法进行优化，如模拟退火，遗传算法等，来寻找评价函数最优值所对应的社团划分；2、启发式方法，往往基于某些直观的假设来设计，对于大部分网络，能够快速找到最优解，但不能保证找到令人满意的解；3、谱方法，包含所有基于网络的邻接矩阵特征值的方法。以基于Laplace矩阵的谱方法为列，先求出Laplace矩阵的特征值和特征向量，并找出第二小的特征值对应的特征向量。该特征向量中正元素所对应的节点组成一个社团，负元素所对应的节点组成另一个社团。如果需要将一个网络分成两个以上的社团，则重复以上步骤。谱方法一般不需要选取太多项就能得到较好的解，因此得到广泛应用。

以上提出的这些方案都需要根据用户预设参数，才能达到比较满意的实验效果。但是，用户往往并不了解算法的本质，在参数设置上花费太多的时间，有的甚至很难找出比较合适的参数组合。这意味着，在大多数情况下，因为参数的问题，往往没有发挥算法的真正效用，所以如何自动化的找出最优参数组合，成为当前必须解决的问题。