基于贝叶斯网络推理的道路网络级联失效仿真

交通运输系统工程与信息 ›› 2015, Vol. 15 ›› Issue (2): 210-215.

基于贝叶斯网络推理的道路网络级联失效仿真

刘新全^*a,b,c

广西师范学院 a. 北部湾环境演变与资源利用教育部重点实验室；b. 广西地表过程与智能模拟重点实验室； c. 物流管理与工程学院，南宁530001

收稿日期:2014-10-16 修回日期:2015-01-08 出版日期:2015-04-25 发布日期:2015-04-27
作者简介:刘新全（1979－），男，河北衡水人，副教授，博士，硕士生导师.
基金资助:
国家自然科学基金（71462005）；广西高校科学技术研究（2013YB145）；广西哲学社会科学规划（13FGL010）；北部湾环境演变与资源利用教育部重点实验室系统基金（2014BGERLXT17）；高等学校“专业综合改革试点”（ZG0429）.

Cascading Failures Simulation of Road Networks Based on Bayesian Network Inference

LIU Xin-quan^{a, b, c}

a. Key Laboratory of Environment Change and Resources Use in Beibu Gulf；b. Guangxi Key Laboratory of Earth Surface Processes and Intelligent Simulation；c. College of Economics and Management, Guangxi Teachers Education University, Nanning 530001, China

Received:2014-10-16 Revised:2015-01-08 Online:2015-04-25 Published:2015-04-27

摘要/Abstract

摘要：

针对道路网络级联失效与其它复杂网络相比具有的特殊性，基于贝叶斯网络推理，融合驾驶者出行先验及出行信息，研究了道路网络级联失效的演变机理及演变过程.编制MATLAB程序生成基于道路网络的贝叶斯网络结构，根据贝叶斯网络参数学习 MATLAB程序，学习了驾驶者感知路段属性变化；给出了仿真算法，仿真了贝叶斯网络推理中不同出行先验权重，以及出行信息量对道路网络属性及级联失效的影响.结果表明，贝叶斯网络推理可以较好地反映驾驶者出行路段选择对道路网络级联失效的定量影响，为研究道路网络级联失效提供了新的研究思路和方法.

关键词: 交通工程, 级联失效, 贝叶斯网络推理, 道路网络, 仿真

Abstract:

The characteristics of road networks cascading failures are studied to other complex networks. The evolution of mechanism and process of road networks cascading failures are studied by integrating travel prior experience and travel information based on Bayesian network inference. The Bayesian network structure of road network is generated by MATLAB program. The driver's perception of road properties change is learned based on the MATLAB program of Bayesian network parameter learning. We design the simulation algorithms and simulate the effects of different travel prior experiences and travel information by Bayesian network inference to the road network properties and cascading failures. The results show that Bayesian network inference can better reflect the quantitative impact of link choice on road network cascading failures. The research provides new idea and method for the study of cascading failures.

Key words: traffic engineering, cascading failures；Bayesian network inference；road network；simulation

中图分类号:

U491

刘新全. 基于贝叶斯网络推理的道路网络级联失效仿真[J]. 交通运输系统工程与信息, 2015, 15(2): 210-215.

LIU Xin-quan. Cascading Failures Simulation of Road Networks Based on Bayesian Network Inference[J]. Journal of Transportation Systems Engineering and Information Technology, 2015, 15(2): 210-215.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18981.shtml

http://www.tseit.org.cn/CN/Y2015/V15/I2/210

参考文献

[1] Cao X B, Cheng H, Du W B, et al. Improving the network robustness against cascading failures by adding links[J]. Chaos, Solitons & Fractals, 2013(57):35-40.

[2] 尹洪英，权小峰.交通运输网络级联失效影响规律及影响范围[J].系统管理学报，2013,22（6）：869-875. [YIN H Y, QUAN X F. The cascading influence law and influence scope of a failure in transportation networks[J]. Journal of Systems & Management, 2013,22 (6):869-875.]

[3] Yakup Koc, Martijn Warnier, Piet Van Mieghem, et al. The impact of the topology on cascading failures in a power grid model[J]. Physica A 402, 2014 :169–179.

[4] 陆化普,黄海军.交通规划理论研究前沿[M].清华大学出版社, 2007,4. [LU H P, HUANG H J. Theoretical research frontiers in transportation planning[M]. Tsinghua University Press, 2007,4.]

[5] 张迎新，陈超，徐成涛，等. 指挥控制网络级联失效模型研究[J].计算机应用研究，2011,28（9）：3245-3248. [ZHANG Y X, CHEN C, XU C T, et al. Research on cascading failures model for command and controlnetworks[J]. Application Research of Computers, 2011, 28(9):3245-3248.]

[6] 李勇，谭跃进，吴俊.基于任务时间约束的物流保障网络级联失效抗毁性建模与分析[J]. 系统工程， 2009,27（5）：7-11. [LI Y, TAN Y J, WU J. Modeling and analysis of cascading invulnerability of logistics support networks based on task- time constraints[J]. Systems Engineering, 2009, 27(5):7-11.]

[7] 谢丰，程苏琦，陈冬青，等. 基于级联失效的复杂网络抗毁性[J]. 清华大学学报（自然科学版）， 2011,51（10）：1252- 1257. [XIE F, CHENG S Q, CHEN D Q, et al. Cascade-based attack vulnerability in complex networks[J]. Tsinghua University (Sci & Tech), 2011,51(10);1252-1257.]

[8] L C Freeman. A set of measures of centrality based upon betweenness[J]. Sociometry, 1997, 40: 35-41.

[9] 李晓毅,徐兆棣,孙笑微.贝叶斯网络的参数学习研究[J]. 沈阳农业大学学报,2007,38(1):125-128. [LI X Y, XU Z D, SUN X W. Study on parameter learning of bayesian network[J]. Journal of Shenyang Agricultural University. 2007,38(1):125-128.]

[10] 史忠值.高级人工智能[M].北京:科学出版社,2006,9. [SHI Z Z. Advanced artificial intelligence[M]. BeiJing: Science Press, 2006,9.]

[1]	林建新, 刘博, 赵霞, 张蕾. 基于混合约束自编码器的机动车工况智能构建方法[J]. 交通运输系统工程与信息, 2022, 22(2): 109-116.
[2]	刘春禹, 刘永红, 罗霞, 朱颖. 混合交通流环境下单交叉口自动驾驶车辆轨迹优化[J]. 交通运输系统工程与信息, 2022, 22(2): 154-162.
[3]	戢晓峰, 耿昭师. 山区双车道公路货车碰撞预测的双变量冲突极值模型[J]. 交通运输系统工程与信息, 2022, 22(2): 230-238.
[4]	张建波, 孙建平, 徐春玲, 郭镜霞, 温慧敏, 宋国华. 考虑交通运行条件影响的驾驶员特征聚类[J]. 交通运输系统工程与信息, 2022, 22(2): 330-336.
[5]	马景峰, 任刚, 李豪杰, 曹奇, 杜建玮. 电动自行车与机动车事故严重性影响因素分析[J]. 交通运输系统工程与信息, 2022, 22(2): 337-348.
[6]	宗芳, 王猛, 贺正冰. 考虑多车影响的分子动力学智能网联跟驰模型[J]. 交通运输系统工程与信息, 2022, 22(1): 37-48.
[7]	马小龙, 余强, 刘建蓓. 基于路侧毫米波雷达的车辆碰撞概率计算方法[J]. 交通运输系统工程与信息, 2022, 22(1): 57-66.
[8]	廖鹏, 唐铁桥. 基于车辆动力传动和转向系统的换道轨迹优化策略[J]. 交通运输系统工程与信息, 2022, 22(1): 98-105.
[9]	刘永红, 罗霞, 胡剑鹏. 考虑临时和预约需求的共享泊位动态分配方法[J]. 交通运输系统工程与信息, 2022, 22(1): 171-181.
[10]	袁振洲, 郭曼泽, 彭泳鑫, 杨洋. 基于梯度关联规则的老年行人交通事故风险识别[J]. 交通运输系统工程与信息, 2022, 22(1): 195-208.
[11]	张玉婷, 陈波佑, 张双焱, 闫学东, 李晓梦. 抵近信控交叉口分心驾驶识别模型[J]. 交通运输系统工程与信息, 2022, 22(1): 217-224.
[12]	宋浪, 王健, 杨滨毓, 安实. 连续流交叉口左转非机动车交通组织创新设计[J]. 交通运输系统工程与信息, 2022, 22(1): 225-233.
[13]	白婧荣, 唐伯明, 孙宗元, 毕辉云, 向恬君. 毗邻互通立交特长隧道驾驶负荷研究[J]. 交通运输系统工程与信息, 2022, 22(1): 301-310.
[14]	邵斐, 张永锋, 真虹. 中国进口铁矿石海运网络抗毁性仿真[J]. 交通运输系统工程与信息, 2022, 22(1): 311-321.
[15]	郭彦茹, 罗志雄, 王家川, 何方. 数据驱动的共享单车停放区规划方法研究[J]. 交通运输系统工程与信息, 2021, 21(6): 9-16.