LBS之七：地理时空图网络分析与场景应用

0 什么是地理时空图网络分析？

几乎每个人的生活中都需要一种网络分析，例如：

• 去海滩最短的路线是什么？
• 我应该在哪里建造医院才能最好地为社区服务？
• 如何优化车辆交付车队？

地理时空图网络是地理信息系统（GIS）中一类独特的数据实体，它由若干线性实体通过结点连结而成。网络分析是空间分析的一个重要方面，是依据网络拓扑关系（线性实体之间，线性实体与结点之间，结点与结点之间的连结、连通关系），并通过考察网络元素的空间、属性数据，对网络的性能特征进行多方面的分析计算。

1 时空图网络数据模型

时空网络是由若干线性实体互连而成的一个系统，资源经由网络来传输，实体间的联络也经由网络来达成。网络数据模型是真实世界中网络系统（如交通网、通迅网、自来水管网、煤气管网等）的抽象表示。构成网络的最基本元素是上述线性实体以及这些实体的连接交汇点。前者常被称为网线或链（link），后者一般称为结点（node）。

网线构成网络的骨架，是资源传输或通讯联络的通道，可以代表公路、铁路、航线、水管、煤气管、河流等等；结点是网线的端点，又是网线汇合点，可以表示交叉路口、中转站、河流汇合点等。

除了上述基本网络元素之外，由于分析任务的不同，网络还可能有若干附属元素，如在路径分析中用来表示途经地点的可以进行资源装卸的站点（stop）；在资源分配中用来表示资源发散地点或资源汇聚地点的中心（center），对资源传输或通讯联络起阻断作用的障碍（barrier）等等。

因网络分析的需要，作为网络基本元素的网线或结点除自身的常规属性外，还要具有一些特殊的属性数据。比如，为了实施路径分析和资源分配，网线数据应包含正反两个方向上的阻碍强度（如流动时间、耗费等）以及资源需求量（如学生人数、水流量、顾客量等），而结点数据也应包括资源需求量。对于附属的网络元素，与其相关的数据则主要用来满足网络分析的需要。与中心相联系的数据包括该中心的资源容量、阻碍限度（资源流出或流向该中心所能克服的最大累积阻碍），有些GIS系统还允许赋予中心一定的延迟量，以表达该中心相对于其它中心进行资源分配的优先程度。与站点相关的数据一般有传输量（即资源装卸量）、阻碍强度。障碍一般无需任何相关数据。

2 常见的时空图网络分析

常见的时空图网络分析场景包括图节点的点对点分析、寻找覆盖面和网络空间设施选址等。如下图所示：

2.1 最优路径分析

Find Nearest – 最近的目的地在哪里？它根据具有多个潜在目的地的起点找到最近的目的地。

最短距离——最快的路线是什么？当您从一个点出发到另一个点时，此分析会累积所有距离。然后，它找到距离最短的路线。

最快的路线——哪条路线花费的时间最少？此网络分析考虑了速度限制、道路分类和其他成本，以确定最短行程时间。

路径分析是GIS中最为普遍的也是基本的功能，其核心是对最佳路径和最短路径的求解。救护车需要了解从医院到病人家里走哪条路最快；旅客往往要在众多航线中找到费用最小的中转方案，这些都是最佳路径求解的例子。从网络模型的角度看，最佳路径求解就是在指定网络中两结点间找一条阻碍强度最小的路径。最佳路径的产生基于网线和结点转角（如果模型中结点具有转角数据的话）的阻碍强度。例如，如果要找最快的路径，阻碍强度要预先设定为通过网线或在结点处转弯所花费的时间；如果要找费用最小的路径，阻碍强度就应该是费用。当网线在顺逆两个方向上的阻碍强度都是该网线的长度，而结点无转角数据或转角数据都是零时，最佳路径就成为最短路径。

2.2 空间设施选址

选址问题是运筹学中经典的问题之一。选址问题在生产生活、物流、甚至军事中都有着非常广泛的应用，如工厂、仓库、急敷中心消防站、垃圾处理中心、物流中心、导弹仓库的选址等。选址是最重要的长期决策之一，选址的好坏直接影响到服务方式、服务质量、服务效率、服务成本等，从而影响到利润和市场竞争力，甚至决定了企业的命运。好的选址会给人民的生活带来便利，降低成本，扩大利润和市场份额，提高服务效率和竞争力，差的选址往往会带来很大的不便和损失，甚至是灾难，所以，选址问题的研究有着重大的经济、社会和军事意义。

所谓选址问题，就是指在规划区域里选择一个或多个设施的位置，使得目标最优。按照设施的空间维度划分，可以将选址问题分为：

1.立体选址问题：设施的高度不能被忽略，如集装箱装箱问题。

2.平面选址问题：设施的长、宽不能被忽略，如货运站的仓位布局问题。

3.线选址问题：设施的宽度不能被忽略，如在仓库两边的传送带布局问题。

4.点选址问题：设施可以被简化为一个点，绝大多数时候我们遇到的都是这类问题。

还有，按照设施的规划数量划分，可以将选址问题分为：单设施选址和多设施选址；另外按照规划区域的结构划分，可以将选址问题分为：

1.连续选址问题：设施可以在给定范围的任意位置选址，设施的候选位置为无穷多。

2.离散选址问题：设施的候选位置是有限且较少的，实际中最常遇到这类问题。

3.网格选址问题：规划区域被划分为许多的小单元，每个设施占据其中有限个单元。

由于存在大量的各种各样的选址问题，所以有关文献中也有各种各样的选址问题的数学模型及求解方法。（边馥苓，2006）这里讨论的仅限于选址的范围是一个网络图，而且选址位置必须位于网络图的某一个或几个顶点上，亦可位于一条边的某一个位置上。选址问题又可以分为求网络图的中心点与中位点两类问题。

（1）中心点选址问题

中心点选址问题是使最佳选址位置所在的顶点与图中其他顶点之间的最大距离达到最 小。这类选址问题适宜于学校、医院、消防站点等一类服务设施的布局问题。例如，某镇要在其所辖的几个村之一修建一个初中，为这几个村服务，要求学校至最远村的距离达到最小。这类选址问题，实际上就是求网络图的中心点问题。其数学描述为：

设G=（V，E）（其中V={v1，v2，…，vn}，E={e1，e2，…．En}）是一个无向简单连通赋权图，连接两个顶点的边的权值代表该两顶点之间的距离，对于每一个顶点vi，它与各顶点之间的最短路径长度为di1，di2，…，dim。这几个距离中的最大数称为顶点vi的最大服务距离，记为e（vi）。那么，中心点选址问题，就是求图G的中心点v-io使得

e (vio) = min{e (vi)}

（2）中位点选址问题

中位点选址问题是使最佳选址位置所在的顶点到网络图中其他顶点的距离(亦可以是加权距离)总和达到最小。这类选址问题的数学描述为：

设G =（V，E）（其中V={v1，v2，…，vn}，E={e1，e2，…，en}）是一个简单连通赋权无向图，连接两个端点的边的权值为该两点之间的距离，对于每一个顶点vi（i=l，2，… n）。有一个正的负荷a（vi），而且它与其他各顶点之间的最短路径长度为di1，di2，…，dim，那么，中位点选址问题就是求图G中的中位点vio使得

e (vio) = sum{di1，di2，…，dim}

例如某超市要确定一个配送中心，要使该中心到超市各分店的距离最短，这就是一个典型的中位点选址问题。

2.3 VRP问题

车辆路径问题（Vehicle Routing Problem，VRP）最早是由 Dantzig 和 Ramser 于1959年首次提出，它是指一定数量的客户，各自有不同数量的货物需求，配送中心向客户提供货物，由一个车队负责分送货物，组织适当的行车路线，目标是使得客户的需求得到满足，并能在一定的约束下，达到诸如路程最短、成本最小、耗费时间最少等目的。由此定义不能看出，旅行商问题（Traveling Saleman Problem，TSP）是VRP的特例，由于Gaery已证明TSP是NP难题，因此VRP也属于NP难题。

优化车队问题——对一系列发货点和收货点，组织调用一定的车辆，安排适当的车辆各自的行车路线，使车辆有序地通过它们，并回到发货点。此网络分析工具的目的是为交付、维修、运输或任何类型的车队服务找到最有效的路线。例如一家家具公司可能希望使用多辆卡车将家具运送到家中。或者，车队可能希望安排他们的每周访问，包括所有物流。

在基本车辆路线问题(VRP)的基础上，车辆路线问题在学术研究和实际应用上产生了许多不同的延伸和变化型态，包括时窗限制车辆路线问题(vehicle routing problems with time windows, VRPTW)、追求最佳服务时间的车辆路线问题(VRPDT)、多车种车辆路线问运题(fleet size and mix vehicle routing problems, FSVRP)、车辆多次使用的车辆路线问题(vehicle routing problems with multiple use of vehicle， VRPM)、考虑收集的车辆路线问题(（vehice routing problems with backhauls, VRPB)、随机需求车辆路线问题(vehicle routng problem with stochastic demand,VRPSD)等。

但是，由于现实问题比较复杂，通常会继续增加更多的约束条件，比如某个收货点可能必须要下午五点前送达，那么原来的最优路径可能因为这个而突然打破，这就变得很复杂了。

2.4 空间分区与匹配

空间分区可以抽象为图分区（Graph Partitioning）问题，是将一个大图均匀的分成一系列的子图去适应分布式应用。例如末端外卖配送的范围的划分，使每个划分的子空间（子图）作业任务尽量均衡。

图的相似性和匹配是一个重要的研究领域，在数学问题，生物和化学领域，数据挖掘，网络应用等许多方面都有着广泛的应用。大规模图作为数据的表现方式，具有十分重要的研究意义。图的搜索匹配算法属于图同构判定的问题，一般情况下无法在多项式时间之内求解，是一个NP完全问题。

除以上所述常见场景之外，还有诸如关阀搜索、上下游追踪、空间排序、可访问性分析、OD成本矩阵计算等网络分析功能，不一一赘述。

3 时空图网络问题的求解

3.1 图最短路径问题求解

最短路径分析需要计算网络中从起点到终点所有可能的路径，从中选择一条到起点距离最短的一条。用于最短路径分析的算法很多，比较有名的是A*算法和Dijkstra算法(Dijkstra，1959)等，这里仅介绍这2种算法的原理。

3.1.1 Dijkstra算法

该算法可描述如下：设一个网络由可k个结点组成，以N ={ni=1，2，…，k}表示结点集，其中一个结点为起始结点，设其为ns。Dijkstra算法将N划分成两个子集，一个子集包含那些到起始结点的最短距离已确定的结点，称这些结点为已确定结点，以s表示这一子集；另一个子集包含未确定结点，即它们到起始结点的最短距离尚未确定，以Q表示这一子集。又设d为一个距离矩阵(array)，存放每个结点到ns的最短距离，d(i)表示结点ni到ns的最短距离；p为一前置结点矩阵，存放由ns到其他结点的最短路径上每个结点的前一个结点，p(i)表示结点ni在最短路径上的前一个结点。已知每两个相连结点之间的距离（或它们之间路径的长度），Dijkstra算法按如下几个步骤运行：

（1）将d和p初始化，使d的每个元素值为无穷大，p的每个元素值为空值，并设S和Q为空集；

（2）将ns加入Q，令d(s)＝0；

（3）从Q中找出到ns最短距离为最小的结点，设该结点为nu；

（4）将nu加入S，并将它从Q中删除；

（5）找出与nu相连的所有结点，从这些结点中取出一个，令其为nv，

① 如nv已存在于s中，则执行下面第②步，否则，作如下判断：

如果d(v) < d(u) + n-u和nv之间的距离，执行第②步；

否则{令d(v) = d(u) + nu和nv之间的距离；

p(v)＝nu；

将nv加进Q；

② 如果与nu相连的所有结点都已作过上述判断，继续执行第(6)步；否则，取下一个未判断结点，令其为nv，执行上面的第①步；

（6）判断Q是否为空集，若不是，回到第(3)步；否则，停止运算。

在某些情况下，用户可能要求系统能一次求出所有结点之间的最佳路径，或者要了解两结点间的第二、第三乃至第K条最佳路径。这种需求的提出往往是由于现有网络模型不能包容所有特殊或突发的情况。

另一种路径分析功能是最佳游历方案（包括网线游历和结点游历）的求解。警察需要了解巡查完他担任巡逻的各个街道的最有效线路，铁路巡道员也需要知道巡查完他的路轨的最佳路线，这些都是网线最佳游历方案求解的例子，也就是给定一个网线集合和一个结点，求解最佳路径，使之由指定结点出发至少经过每条网线一次而回到起始结点。结点最佳游历方案求解，则是给定一个起始结点、一个终止结点和若