拓端tecdat|R语言最大流最小割定理和最短路径算法分析交通网络流量拥堵问题

R语言最大流最小割定理和最短路径算法分析交通网络流量拥堵问题

今天早上，我们使用一些论文中提到的示例，使用最大流最小割定理​​将流量拥塞降至最低，​​​ 并​​应用了最短路径分析了交通瓶颈​​。

我们可以在下面看到

1.   
2.  map=openp(map)
3.  plot(map)
4.  points(t(m[3:2,]),col="black", pch=19, cex=3

要提取有关边缘容量的信息，在该网络上使用以下代码，该代码将从论文中提取三个表

1.   
2.  extract_tab(location)

在Windows中，要先下载另一个软件包

1.  library(devtools)
2.   
3.  extract_tab(locatio

现在我们可以得出具有容量的数据框

1.  B1=as.data.frame(out[[2]])
2.  B2=as.data.frame(out[[3
3.   
4.  capacity=as.character(B2$V3[-1])
5.  capacity[6]="843"
6.  ic(capacity)

我们可以在地图上添加这些边

1.  plot(map)
2.  points(t(m[3:2,]),col="black", pch=1
3.   
4.  for(i in 1:nrow(E)){
5.  i1=which(B$i==as.character(E$from
6.  ]))
7.  segments(B[i1,"x"],B[i1,"y"],B[i2,
8.   
9.  text(t(m[3:2,]),c("s",1:10,"t"),col="white")

要获得具有容量的图形，可以使用另一种方法

1.  g=graph_from_data_frame(E)
2.  E(g)$label=E$capacity
3.  plot(g)

但是它不考虑节点的地理位置。可以使用

1.  plot(g, layout=as.matrix(B[,c("x","y")]))
2.   

为了更好地了解道路通行能力，使用

1.  plot(g, layout=as.matrix(B[,c("x","y")]),
2.  edge.width=E$capacity/200)

通过具有容量的网络，目标是确定该网络上从源到宿的最大流量。可以使用R

1.  $value
2.  [1] 2571
3.   
4.  $flow
5.  [1] 10 142 130 23 0 2

我们的最大流量为2571，这与两篇论文中的​​最大流量最小割定理​​​以及 ​​最短路径的应用中​​都实际要求的不同   ，因为表格和图表上的值不同。

1.  E$flux1=m$flow
2.  plot(g, layout=as.matrix(B[,c("x","y")]),

考虑采用更简单的流程，但是相同的全局值

1.   
2.   
3.  E(g)$label=E$flux2
4.  plot(g, layout=as.matrix(B[,c("x","y")]),
5.  edge.width=E$flux2/200)

实际上，有可能在同一城市的另一篇论文中做同样的事情，这是​​道路网络的交通拥堵问题​​。

1.   
2.   
3.  dim(out[[3]])
4.  B1=a
5.  ame(from=B1[2:61,"V2"],
6.  to=B1[2:6
7.  as.numeric(
8.  as.characte
9.  data_frame(E)
10.  m=max_flow(graph=g,
11.  source="S",
12.   
13.  E$flux1=m$flow
14.  E(g)$label=E
15.   
16.  edge.width=E$flux1/200,
17.  edge.arrow.size=0.15)

此处的最大流量值为4017，就像原始论文中发现的那样