科研成果快报第63期：基于K最短路径和层次聚类的城际交通网社区发现方法

Posted 2021-04-28 地大信工

Detecting Clusters over Intercity Transportation Networks using K-shortest Paths and Hierarchical Clustering: A Case Study of Mainland China

基于K最短路径和层次聚类的城际交通网社区发现方法

成果信息

Yue,H.; Guan Q.*; Pan Y.; Chen L.; Lv J.; Yao Y. 2019. Detecting clusters over intercity transportation networks using K-shortest paths and hierarchical clustering: a case study of mainland China. International Journal of Geographical Information Science. 

doi:10.1080/13658816.2019.1566551

论文链接：https://doi.org/10.1080/13658816.2019.1566551

团队成员

岳汉秋，博士生，中国地质大学（武汉）地理与信息工程学院，主要从事复杂网络分析、时空大数据挖掘、图学习等方面的研究。

关庆锋，博士，中国地质大学（武汉）地理与信息工程学院，教授，博士生导师。主要从事高性能空间计算、空间计算智能、时空大数据和时空数据挖掘与模拟等方面的研究。（通讯作者，联系邮箱：[e-mail]）

潘永婷，博士生，中国地质大学（武汉）地理与信息工程学院，主要从事空间分析、机器学习算法等方面的研究。

陈丽蓉，博士生，中国地质大学（武汉）地理与信息工程学院，主要从事深度学习、空间分析、化探异常探测等方面的研究。

吕建军，博士，中国地质大学（武汉）地理与信息工程学院，教授，硕士生导师。主要从事智慧城市研究、智慧社区研究开发、智慧旅游研究开发等方面的研究。

姚尧，博士，中国地质大学（武汉）地理与信息工程学院，副教授，硕士生导师。阿里巴巴集团数据部访问学者，中国城市科学研究会高级会员。主要从事时空大数据挖掘、多源时空数据融合、城市计算和机器学习算法等方面的研究。

成果介绍

随着经济的全球化和区域的一体化发展，城市群已成为区域经济增长的重要地理单元。城际交通基础设施和服务决定了城市群内城市间空间相互作用的深度和广度，对城市群的空间结构产生了深远的影响。然而，现有的交通基础设施（如铁路和公路）和服务（如客运铁路线路和长途客车线路）是否能够支持区域一体化的发展亟待研究。

本研究提出了一种结合K最短路径、层次聚类和地理模块度的“交通社区”探测方法（Transportation Cluster Detection，TCD），且具有以下3个独特的优势：（1）基于K最短路径量化城市间的邻近度，更符合人们日常的旅行行为；（2）采用层次聚类方法获得交通社区结构的树状图，能够揭示交通网络社区的层次结构；（3）在层次聚类过程中，引入地理模块度得到最优的交通社区划分结果。以中国大陆地区所有地级市为研究区，并以中国政府已经批复和即将批复的13个国家级城市群为研究对象（图1），分别将TCD方法应用于客运铁路网络（T-Network）、长途客车网络（B-Network）以及二者的结合网络（C-Network）。

图1 城市群范围

结果表明： TCD方法应用于T-Network 、B-Network和C-Network，获得的地理模块度值优于现有的网络社区检测方法，如表1所示。

表1. 不同算法得到的地理模块度值

以长三角（YRD），珠三角（PRD）和京津冀（BTH）城市群为例，探讨了区域内城市自下而上的聚类过程以及这些交通社区的层次结构。以T-Network为例，如图2所示，在长三角地区，聚类开始初形成3个核心社区。随着邻近度指标的增加，这些核心社区合并在一起，其他城市（边缘城市）也逐渐合并进来。长三角南部的城市相对于北部的城市较早进入交通社区，表明南部城市与核心之间的铁路连接强于北部城市。在珠三角和京津冀，首先，广州和深圳、北京和天津分别形成了各自区域内的核心社区，随着邻近度指标的增加，其他城市逐渐合并到各自的社区中。

图2 T-Network的聚集过程

同样在B-Network和C-Network聚类过程分别如图3和图4所示。

图3 B-Network的聚集过程

图4 C-Network的聚集过程

进一步分析C-Network的最终交通社区划分结果（图5）。胡焕庸线东侧与西侧的交通社区之间的平均邻近度指标存在显着差异，表明中国大陆地面交通设施与服务分布不平衡。还识别了多个未能融入任何交通社区的孤立城市，主要原因是这些城市与区域内其他城市的交通联系薄弱。

通过将交通社区与政府划定的国家级城市群范围相叠加，结果如图6所示：（1）确定了交通联系连通较强的城市群，如珠三角（PRD），京津冀（BTH），呼包鄂榆（CIM），成渝（CC）和辽中南（LZN）；（2）一些城市群被分为多个交通社区和/或孤立城市，如哈长（HCC），关中平原（GZP），中原（CP），长三角（YRD），长江中游（TCC）和海峡西岸（WSS）几个城市群；（3）政府将武汉都市圈（WMA），长株潭城市群（CZT）和鄱阳湖城市群（PL）合并为了一个大型的国家城市群，称为长江中游城市群（TCC）。然而本研究中，基于C-Network在TCC内探测到三个交通社区（图7）。北部社区覆盖了WMA，而南部的交通社区覆盖了CZT和PL。这也表明TCC南北部之间的交通联系强度仍然薄弱，不能很好的支持整个区域的一体化发展。

针对联系薄弱的地区，我们建议加强交通基础设施和服务，以改善区域内城市的一体化并支持其协作发展。

图5 基于C-Network划分的交通社区

图6 基于C-Network的交通社区结果与城市群范围叠加结果

图7 TCC城市群内的3个交通社区

投稿邮箱：[e-mail]

锐藏信工，思于毫芒