薛 锋 刘泳博 施 政 户佐安* 何传磊

(西南交通大学交通运输与物流学院1) 成都 611756)(西南交通大学综合交通大数据应用技术国家工程实验室2) 成都 611756)(西南交通大学唐山研究生院3) 唐山 063000) (中铁第一勘察设计院集团有限公司4) 西安 710043)

0 引 言

城市轨道交通网络对城市公共交通系统具有重要支撑作用，网络节点的畅通与否会影响城市轨道交通网络的通行效率，严重时甚至会导致网络的瘫痪.因此，对城市轨道交通网络的关键节点进行有效识别，找出重要的“核心节点”，并通过重点保护这些“核心节点”提高整个地铁网络的可靠性，有助于提升网络的运营安全和效率.

目前，对于城市轨道交通网络关键节点识别的研究较多，大都是在复杂网络节点重要度评估方法基础上进行扩展，使用节点度、介数等指标对节点进行评价.Yang等[1]认为节点的重要度取决于度和介数两个指标，但多个指标反映的结果往往不同，需要对多指标结果进一步分析，以得到更加完善结果.在这一过程中，有学者使用PageRank[2]、灰色关联法[3]、TOPSIS[4]等方法对网络节点的多个指标进行分析，得出节点重要程度的排名，但评价模型往往涉及多指标权重确定，这一环节的存在导致评价结果存在较大主观性；其次在得出网络节点重要度排名后，往往采用人为规定阈值的方法确定关键节点，主观性较强，而使用聚类方法可以避免主观因素对网络关键节点识别的影响.蚁群聚类算法具有鲁棒性……