一种城市交通网络社区划分方法技术

本发明专利技术公开了一种城市交通网络社区划分方法，首先对城市内交通网络数据进行预处理，获得其交通网络无向图；然后，利用Louvain算法处理该交通网络图，使其初步划分为几个交通社区；再利用注意力机制处理位于社区边缘的节点，通过节点间的注意力系数判断其互相影响程度，并以此来验证社区划分是否合理；最后，对交通网络社区的划分进行可视化展示。本发明专利技术能够依据交通节点之间道路的状况以及交通节点之间的互相影响程度，快速地对城市交通网络进行社区的划分，有助于推进智能交通各个领域的研究，也有助于改善城市规划和交通管理，具有切实可行的实用价值。

【技术实现步骤摘要】
一种城市交通网络社区划分方法
本专利技术涉及智能交通与城市规划，尤其涉及一种城市交通网络社区划分方法。
技术介绍
当前城市快速发展，交通问题已成为影响城市发展道路的瓶颈，对于城市交通网络划分的需求也越来越迫切，为了解决交通社区划分问题，各界学者使用数据挖掘理论、图论、交通工程料学、现代控制理论与方法等，对于交通网络从不同角度来研究，试图找到交通网络中的社区结构。实际上现有的研究多半停留在分裂算法，其基本思想是在网络中不断的去除边介数值最大的边，直到网络分解成一定社区，所谓边介数就是通过该边的最短路径的条数。但是这种分裂算法是有很明显的弊端的，对于一个网络图，如果事先不知道社区的准确数量时，该算法会反复去边，直到没有边为止。目前另一种用于社区划分中比较有效的算法是Louvain算法，在该算法中提出了模块度的定义，模块度是描述社区内紧密程度的值，Louvain正是利用模块度将联系比较紧密的节点聚集到了一个社区；但是Louvain算法同样是有不足的，不足就在于该算法在划分社区时的依据比较单薄，仅仅是依靠模块度来判断节点间的影响程度，这样很容易影响社区划分的准确率，所以在现有社区划分的基础上，最需要解决的问题就是提高社区划分的准确率。
技术实现思路
专利技术目的：本专利技术目的是克服现有技术存在的缺陷并提供一种基于Louvain算法和注意力机制的城市交通网络社区划分方法，本专利技术能够依据交通节点之间道路的状况以及交通节点之间的互相影响程度，快速地对城市交通网络进行社区划分，提高划分结果的准确率。技术方案：一种城市交通网络社区划分方法，包括如下步骤：步骤1：对城市内交通网络数据进行预处理生成交通网络无向图：步骤2：利用Louvain算法处理交通网络无向图，基于Louvain算法中模块度初步将网络图划分为几个交通社区；步骤3：遍历交通网络无向图，找出所有位于交通社区边缘且与其他社区有联系的节点并标记；步骤4：对于相邻的且位于不同交通社区的边缘节点，利用注意力机制计算其注意力系数并判断互相影响程度，以此来验证分区是否合理；步骤5：待交通社区划分完成后，对交通网络无向图以及社区的划分进行可视化展示。进一步地，步骤1具体包括：步骤1.1：对城市内所有交通节点设定唯一标识号，形成交通数据集；步骤1.2：根据交通数据集以及交通节点间道路的分布情况生成一个交通网络无向图。进一步地，步骤1.1中对城市中所有交通节点，记录节点的位置坐标信息，存入txt文件中，形成交通数据集。进一步地，步骤1.2中根据交通数据集以及交通节点间道路的分布情况生成一个邻接矩阵，根据邻接矩阵生成交通网络无向图。进一步地，步骤2中先扫描无向图中的所有节点，针对每个节点遍历该节点的邻居节点，衡量把该节点加入其邻居节点所在社区所带来的模块度的收益；并选择对应最大收益的邻居节点，加入其所在的社区，这一过程重复进行。进一步地，当步骤2中Louvain算法收敛后，再执行步骤3，遍历并标记所有在社区边缘且与其他社区节点有联系的节点。进一步地，步骤4中，基于softattention计算节点间的注意力系数，判断节点间的影响程度，若发现两个不在同一社区的相邻节点互相影响程度高，则将两节点中节点较少社区的节点归入另一个社区，如此实施防止出现死循环；重复执行步骤3和步骤4，直到社区不再发生变化为止。进一步地，步骤5中对交通网络图及交通社区的划分进行地图可视化展示，不同的社区节点用不同的颜色表示。有益效果：与现有技术相比，本专利技术具有如下显著的优点：(1)本专利技术提供了一种基于Louvain算法和注意力机制的城市交通网络社区划分方法，为城市交通网络社区的划分提供了一种新的思路，保留了以往算法的优越性，也引入了新算法的先进性，对于城市交通网络的划分、城市的规划具有重要的参考意义；(2)本专利技术的最终结果是交通社区分类，若再结合每个交通节点周边的环境、设施考虑，可以更好的实现交通网络的划分和城市规划问题，为智能交通、城市规划的发展提供了有效的理论基础。附图说明图1是本专利技术的方法流程示例；图2是本专利技术中模拟生成的交通网络无向图；图3是本专利技术中Louvain收敛后的示意图；图4是本专利技术中引入注意力机制后的示意图；图5是本专利技术中交通社区划分结果可视化的示意图。具体实施方式下面结合附图对本专利技术的技术方案作进一步说明。如图1所示，本专利技术提供一种城市交通网络社区划分方法，包括如下步骤：步骤1：对城市内交通网络数据进行预处理生成交通网络无向图：步骤1.1：对城市内所有交通节点设定唯一标识号，记录节点的位置坐标信息，存入txt文件中，形成交通数据集；步骤1.2：根据交通数据集以及交通节点间道路的分布情况生成一个交通网络无向图：根据交通数据集以及交通节点间道路的分布情况生成一个邻接矩阵，根据邻接矩阵生成交通网络无向图。步骤2：利用Louvain算法处理交通网络无向图，基于Louvain算法中模块度初步将网络图划分为几个交通社区；模块度是复杂网络社区划分的评价标准，表示社区内部节点联系的密集型，利用模块度Q作为初步划分的依据。当步骤2中Louvain算法收敛后，再执行步骤3，遍历并标记所有在社区边缘且与其他社区节点有联系的节点。步骤3：遍历交通网络无向图，找出所有位于交通社区边缘且与其他社区有联系的节点并标记。步骤4：对于相邻的且位于不同交通社区的边缘节点，利用注意力机制计算其注意力系数并判断互相影响程度，以此来验证分区是否合理。基于softattention计算节点间的注意力系数，判断节点间的影响程度，若发现两个不在同一社区的相邻节点互相影响程度高，则将两节点中节点较少社区的节点归入另一个社区，如此实施防止出现死循环；重复执行步骤3和步骤4，直到社区不再发生变化为止。步骤5：待交通社区划分完成后，对交通网络图及交通社区的划分进行地图可视化展示，不同的社区节点用不同的颜色表示。本专利技术与以往社区划分的方法不同的是，本专利技术在划分方法上增强了说服性，更是在划分结果上增强了准确率，从而更好地推进智能交通和城市规划的发展，以下结合实施例进行说明。步骤1：参见附图1，首先要对某城市内交通网络数据进行预处理。步骤1.1：参见附图2，某城市的某交通区域拥有16个节点，分别标号为0到15，依据着这16个节点的地理位置，生成16个位置坐标存入txt文件中，从而形成交通数据集；步骤1.2：再根据交通节点间道路的分布情况，结合交通数据集，生成该交通区域的网络无向图。步骤2：利用Louvain算法处理步骤1.2中的交通网络无向图，根据Louvain算法中模块度的定义初步将网络图划分为几个交通社区，参见附图3，该交通区域共被分成了4个社区，分别是{0，1，2，4，5}、{3，6，7}、{8，9，10，12，14，15}、{11，13}。本文档来自技高网...

【技术保护点】
1.一种城市交通网络社区划分方法，其特征在于，包括如下步骤：/n步骤1：对城市内交通网络数据进行预处理生成交通网络无向图：/n步骤2：利用Louvain算法处理交通网络无向图，基于Louvain算法中模块度初步将网络图划分为几个交通社区；/n步骤3：遍历交通网络无向图，找出所有位于交通社区边缘且与其他社区有联系的节点并标记；/n步骤4：对于相邻的且位于不同交通社区的边缘节点，利用注意力机制计算其注意力系数并判断互相影响程度；/n步骤5：待交通社区划分完成后，对交通网络无向图以及社区的划分进行可视化展示。/n

【技术特征摘要】
1.一种城市交通网络社区划分方法，其特征在于，包括如下步骤：
步骤1：对城市内交通网络数据进行预处理生成交通网络无向图：
步骤2：利用Louvain算法处理交通网络无向图，基于Louvain算法中模块度初步将网络图划分为几个交通社区；
步骤3：遍历交通网络无向图，找出所有位于交通社区边缘且与其他社区有联系的节点并标记；
步骤4：对于相邻的且位于不同交通社区的边缘节点，利用注意力机制计算其注意力系数并判断互相影响程度；
步骤5：待交通社区划分完成后，对交通网络无向图以及社区的划分进行可视化展示。


2.根据权利要求1所述的城市交通网络社区划分方法，其特征在于，所述步骤1具体包括：
步骤1.1：对城市内所有交通节点设定唯一标识号，形成交通数据集；
步骤1.2：根据交通数据集以及交通节点间道路的分布情况生成一个交通网络无向图。


3.根据权利要求2所述的城市交通网络社区划分方法，其特征在于，所述步骤1.1中对城市中所有交通节点，记录节点的位置坐标信息，存入txt文件中，形成交通数据集。


4.根据权利要求2所述的城市交通网络社区划分方法，其特征在于，所述步骤1.2中根据交通...

【专利技术属性】
技术研发人员：杨智超，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32