南京市轨道交通网络抗毁性及韧性研究

doi:10.3976/j.issn.1002-4026.20230093

Abstract

Abstract:

This study first constructs a topological structure model of the rail transit network based on the Space L network topology method. Herein, upon analyzing network characteristics using UCINET as a basis, the maximum connected subgraph ratio and overall network efficiency are selected as indicators to analyze the resilience of the rail transit network. Then, the article comprehensively analyzes the attribute values of nodes and employs the TOPSIS method to rank the importance of nodes using the coefficient of variation for weighting. Then network resilience is analyzed by destroying individual nodes with high importance, and network recovery is achieved through indicator-based ranking restoration strategies, ultimately yielding the average resilience value of the rail transit network. Furthermore, the resilience and robustness of the rail transit network of Nanjing in 2022 is analyzed based on the established model. Results show that nodes with high degree values often have a greater impact on resilience than other indicators. Prioritizing the repair of nodes with the highest degree values leads to the greatest increase in network efficiency, whereas repairing nodes with the highest closeness to the center has less impact on network efficiency.

Key words: complex networks, evaluation model, resistance to destruction, network resilience, recovery strategy, the largest connected subgraph, network efficiency

CLC Number:

U121

GAO Zhanyi, ZHU Chengjuan, HAN Linghui. Durability and resilience of Nanjing Rail Transit Network[J].Shandong Science, 2024, 37(4): 105-111.

Figures/Tables 10

Table 1

Fig.1

Fig.2

Fig.3

Fig.4

Fig.5

Table 2

Table 3

Table 4

Table 5

References 21

[1]	曲迎春, 徐仲之, 龚航, 等. 城市轨道交通网络脆弱性分析[J]. 铁道科学与工程学报, 2016, 13(11): 2276-2283. DOI: 10.19713/j.cnki.43-1423/u.2016.11.025.
[2]	冯霞, 贾宏璨. 考虑节点失效和边失效的航空网络鲁棒性[J]. 北京交通大学学报, 2021, 45(5): 84-92. DOI: 10.11860/j.issn.1673-0291.20200137.
[3]	郭九霞, 杨宗鑫, 夏正洪, 等. 新冠疫情前后机场加权网络抗毁性分析[J]. 中国安全科学学报, 2022, 32(8): 91-97. DOI: 10.16265/j.cnki.issn1003-3033.2022.08.2624.
[4]	吕禄明. 基于复杂网络的城市轨道交通网络结构特性与抗毁性研究[D]. 北京: 北京交通大学, 2015.
[5]	杨景峰, 朱大鹏, 赵瑞琳. 城轨网络站点重要度评估与级联失效抗毁性分析[J]. 中国安全科学学报, 2022, 32(8): 161-167. DOI: 10.16265/j.cnki.issn1003-3033.2022.08.1148.
[6]	马敏, 胡大伟, 刘杰, 等. 基于客流加权的城市轨道交通网络抗毁性分析[J]. 中国安全科学学报, 2022, 32(12): 141-149. DOI: 10.16265/j.cnki.issn1003-3033.2022.12.0203.
[7]	李倩. 城市轨道交通网络节点重要度评估及级联失效抗毁性研究[D]. 北京: 北京交通大学, 2017.
[8]	卢鹏丽, 许星舟. 基于精准k核的复杂网络节点重要性评估方法[J]. 兰州理工大学学报, 2022, 48(4): 90-98. DOI: 10.3969/j.issn.1673-5196.2022.04.014.
[9]	杨琦, 张雅妮, 周雨晴, 等. 复杂网络理论及其在公共交通韧性领域的应用综述[J]. 中国公路学报, 2022, 35(4): 215-229. DOI: 10.19721/j.cnki.1001-7372.2022.04.018.
[10]	周方, 赵伟, 胡翔奎, 等. 基于关键基础设施耦合关系的城市韧性评价[J]. 安全与环境学报, 2023, 23(4): 1014-1021. DOI: 10.13637/j.issn.1009-6094.2021.1425.
[11]	王兴隆, 魏奕雯, 贺敏. 空中交通CPS结构特性及韧性评估[J]. 北京航空航天大学学报, 2022-07-19. DOI: 10.13700/j.bh.1001-5965.2022.0313.
[12]	陈锦渠, 张帆, 彭其渊, 等. 大客流下城市轨道交通站点韧性评估及划分[J]. 安全与环境学报, 2022, 22(6): 2994-3002. DOI: 10.13637/j.issn.1009-6094.2021.1344.
[13]	宁丽巧, 谢秉磊, 张希, 等. 城市轨道交通换乘站点失效下网络脆弱性分析[J]. 山东科学, 2022, 35(1): 81-87. DOI: 10.3976/j.issn.1002-4026.2022.01.011.
[14]	马敏, 胡大伟, 舒兰, 等. 城市轨道交通网络韧性评估及恢复策略[J]. 吉林大学学报(工学版), 2023, 53(2): 396-404. DOI: 10.13229/j.cnki.jdxbgxb.20220453.
[15]	刘梦茹. 韧性视角下城市地铁网络最优恢复策略研究[D]. 西安: 西安建筑科技大学, 2021.
[16]	王淑良, 陈辰, 张建华, 等. 基于复杂网络的关联公共交通系统韧性分析[J]. 复杂系统与复杂性科学, 2022, 19(4): 47-54. DOI: 10.13306/j.1672-3813.2022.04.007.
[17]	李明. 城市轨道交通网络弹性评估与优化研究[D]. 北京: 北京交通大学, 2021.
[18]	黄骞. 城市轨道交通建造工程系统韧性评价研究[D]. 福州: 福建工程学院, 2019.
[19]	张旻沁. 基于拓扑结构的城市轨道交通网络连通可靠性分析与优化[D]. 南京: 东南大学, 2016.
[20]	吴佳益, 徐开俊, 杨泳. 基于复杂网络理论的空中交通网络脆弱性分析[J]. 沈阳工业大学学报, 2019, 41(6): 659-663. DOI: 10.7688/j.issn.1000-1646.2019.06.12.
[21]	潘俊宇. 城市轨道交通脆弱性及网络抗毁性优化研究[D]. 武汉: 华中科技大学, 2019.

符号	含义
S	最大连通子图比例
n	当前最大子图的节点数
n₀	最初状态下的网络节点数
E	网络效率
d_ij	节点i与节点j之间的距离
N	网络总节点数
R_i	节点i受到攻击后整个网络的韧性
Eⁱ	节点i受到攻击后当前网络的效率
E₀	受到攻击前的网络效率

定权方法	度	介数中心性	接近度中心性	核度
CRITIC	0.150 6	0.169 7	0.226 3	0.453 3
变异系数	0.148 6	0.477 4	0.199 3	0.174 4
熵权法	0.065 3	0.706 6	0.136 1	0.092 0

重要度排序	摧毁节点(车站)	剩余网络韧性
1	105(大行宫)	0.669 7
2	18(南京南站)	0.670 4
3	103(鸡鸣寺)	0.682 3
4	99(南京站)	0.665 1
5	84(新街口)	0.732 5
6	11(元通)	0.713 3
7	156(泰冯路)	0.709 4
8	138(金马路)	0.733 6
9	13(鸿坊桥)	0.692 7
10	93(鼓楼)	0.762 4

恢复偏好	恢复顺序	网络韧性
介数中心性恢复	105—18—103—99—84—11	0.827 3
接近度中心性恢复	105—103—84—99—18—11	0.825 3
度值恢复	18—11—84—99—103—105	0.875 8
随机恢复	11—84—105—18—103—99	0.843 7

修复节点	剩余网络效率
105	0.033 4
11	0.037 8
18	0.046 9

Durability and resilience of Nanjing Rail Transit Network

RichHTML

PDF (PC)

Like

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 10

References 21

Related Articles 3

Metrics

Comments

Recommended 0

[1]	ZHANG Duyu, WU Jianjun, YANG Xin, MA Zhi’ao, ZHU Tianlei. Research progress on cascading failures in complex networks [J]. Shandong Science, 2024, 37(2): 85-96.
[2]	MENG Bo, KONG Xiangke, LI Shubin. The characteristics of traffic sequence data based on complex network [J]. Shandong Science, 2024, 37(1): 107-117.
[3]	LIU Xin-Chao, JI Yan, WANG Ping. Exponential synchronization of complex networks with delayed and nonlinearly coupled nodes [J]. J4, 2013, 26(6): 40-44.