sDNA三维空间网络分析工具箱

软件X 12（2020）100525sDNA：用于GIS、CAD、命令行Python的三维空间网络分析克里斯平放大图片作者：Alain J. F.基亚拉迪亚ba可持续地方研究所，卡迪夫大学，33公园广场，卡迪夫，英国b香港薄扶林道香港大学诺尔斯楼4楼建筑学院城市规划与设计系ar t i cl e i nf o文章历史记录：收到2019年收到修订版2020年4月8日接受2020年保留字：网络分析空间网络分析GISa b st ra ct空间设计网络分析（sDNA）是一个用于三维空间网络分析的工具箱，特别是街道/路径/城市网络分析，其动机是需要使用网络链接作为主要单元分析现有网络数据。sDNA可从QGIS ArcGIS地理信息系统、AutoCAD、命令行以及通过其自己的Python API使用。它计算可达性（到达，平均距离/接近中心，重力），流量（双向介数中心）和效率（circuity）以及凸包属性的措施，局部化在下限和上限径向带。加权是灵活的，并且可以利用几何属性、附加到链接的数据、区域、矩阵或以上的组合。出于将网络分析建立在路线选择和空间认知基础上的愿望，距离的定义可以是网络欧几里得，角度，两者的混合，自定义，或特定于骑自行车的人（避免斜坡和机动车辆）。此外对于网络链路的统计，可以计算以下输出：测地线、网络缓冲区、可达性图、凸包、流束和撇除矩阵。其他工具有助于网络准备和根据观测数据校准网络模型迄今为止，sDNA主要用于学术界和城市的城市网络分析规划师/工程师，任务包括预测行人，骑自行车的人，车辆和地铁流量和模式选择;也量化的流行病学和城市规划设计的建成环境。©2020作者由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）中找到。代码元数据当前代码版本4.0.4用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX_2019_336法律代码许可证GNU通用公共许可证第3使用git的代码版本控制系统软件代码语言、工具和服务使用C++/OpenMP、Python、R、Visual Lisp、shapefile.py[1]、GEOS [2]、muparser [3]、glmnet [4]编译要求，操作环境依赖性Windows XP，7，8，10; Visual C++2008，Python 2.7，Boost C++库[5]，高级间谍斯芬克斯如果可用，链接到开发人员文档/手册https://sdna-open.readthedocs.io/en/latest/支持问题的电子邮件GitHub问题跟踪器（上面的链接）*通讯作者。电子邮件地址： cooperch@cardiff.ac.uk（C.H.V.Cooper）。https://doi.org/10.1016/j.softx.2020.1005251. 动机和意义空间网络分析是网络分析的特殊情况，其中节点在物理空间中具有位置，并且可选地，它们之间的链接具有几何形状。在有关交通和城市设计的文献中，该术语可与街道/路径/城市网络分析互换使用;在本文中，2352-7110/©2020作者。 由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softx2C.H.V. 库珀和A.J.F.Chiaradia/SoftwareX 12（2020）100525遵循这一传统，但不排除其他应用。目前的空间网络分析广泛使用了网络分析中的贴近度、介数和可达度等度量方法[6尽管被广泛使用，但是，有限的解释已经给出了空间网络分析如何不同于网络分析的母学科。空间的措施是其次，通过将测量的计算限制在每个点周围的局部空间邻域（参见[13]以进一步讨论这种技术）。第三，额外的网络测量可以明确地包含空间，例如，直线度/圆度[14，15]。最后，通常将重点放在链路而不是节点上作为分析的主要单元，因为链路（1维而不是0维）在某种意义上占据更多空间：这在许多现实世界网络（例如道路系统）的情况下是物理上真实的。这产生[16]一种双重表示，其中链接（或其部分）被编码为节点，节点作为它们之间的链接从广义上讲，空间网络分析中产生的措施量化了可达性、流量或效率;其中许多也被认为是中心性的措施。这些测量可用于预测多种现象，包括但不限于交通行为、土地利用变化和健康（见第4节）。该学科缺乏通用术语来描述相同的基本概念，因此我们在这里定义术语：在城市规划领域，大量的空间网络分析被标记为空间句法[17]。这两个术语并不完全一致，因为后一种传统侧重于分析等维空间、轴向空间和凸空间;然而，这些对象通常被处理为空间网络，因此利益重叠。在现代空间网络分析中，通常使用局部空间邻域来限制每个链接周围的分析范围。这些可以被不同地解释为集水区，最大行程长度或网络缓冲区;在sDNA中，我们采用术语半径来指代定义邻域大小的距离和邻域本身。给定半径内的网络数量是可达性的重要度量，称为可达性，有时也称为密度（无论是否除以半径长度或面积）。网络距离通常被称为权重、阻抗、成本，或者在空间语法文献中称为深度。我们倾向于为起点和目的地的重要性保留燃料或公共交通。相反，我们描述两点之间的距离，注意到距离可以根据度量的选择以多种方式定义。我们区分分析度量，定义在分析中计算的措施，与径向度量，定义分析的局部性。常见的度量包括crow-flight-Euclidean（两点之间的直线距离）、network-Euclidean（沿网络测量的Euclidean距离）和angular（沿路线的累积绝对方向变化）。文献有时对欧几里得是指网络欧几里得还是指乌鸦-飞行欧几里得是模棱两可的;不幸的是，我们自己也犯了这个错误，所以为了澄清事实，在sDNA文献指欧几里得的地方，除非另有说明，否则这意味着网络欧几里得。空间句法文献也使用术语由于sDNA与网络欧几里得度量完全不同，因此需要强调的是，sDNA在这方面有所不同，在任何距离定义的数学意义上使用接近度测量可访问性，通常是网络上给定链路或节点到局部半径内所有其他链路/节点的平均距离的倒数。空间句法文献也使用术语整合，尽管这不是明确的，因为整合和接近度都被定义为距离的倒数和倒数平均值。虽然原始的接近度公式[18]使用了求和公式，但距离之和不允许在不同大小的网络之间进行有效的可达性比较，或者在具有不同密度的单个网络上进行局部分析，因此在最近的工作中使用了逆平均值在一些积分的定义中仍然使用倒数和，但将其解释为可访问性的度量可能是错误的，[19 ]第10段。重力模型将可达范围和平均距离结合成一个单一的可达性度量。如果到达测量访问量，平均距离测量访问质量，则重力模型测量两者（至少需要一个参数来指定每个参数的相对重要性）。介数是从every-where到everywhere的最短路径的总和（可能受到加权和/或最大行程长度的影响），这些路径穿过给定的链路或节点。在空间句法文献中，这被称为选择。大多数分析依赖于通过网络的最短路径，也称为测地线，其随度量的选择而变化。用于空间网络分析的类似开源工具包括：MIT Urban Network Analysis（UNA）[20]用于ArcGIS和RhinoCAD 的 插 件 UNA 的 ArcGIS 版 本 除 了 基 本 的 ESRIArcGIS软件外，还需要专有的ESRINetwork Analyst [21]才能运行。UNA实际上并不计算网络链接的统计数据，而是计算点或多边形建筑物层的统计数据，并使用二维网络来推导这些建筑物之间的连接它计算到达、重力、介数、接近度、直线度、冗余指数和路径，以及寻路指数;所有这些都可以基于crow-flight-Euclidean半径以及网络-Euclidean半径。DepthmapX [22]是一个独立的空间语法工具，最初用于分析城市空间中的轴线，后来通过将每个链接划分为一个或多个直线段而更新为道路中心线。它计算二维深度，整合和网络内的选择欧几里德或拓扑半径。为了克服用于表示链路的段的选择是任意的问题，包括DepthmapX在内的道路网络分析经常使用按长度加权的链路段[23]，然而，鉴于链路密度在城市网络中也很重要的证据[24]，有一种情况是软件将链路视为加权和分析的主要因素[25]。在以相同方式定义的半径范围内，位置度量工具（PST）[26]使用网络欧几里德、角度或其他度量来计算到达、接近度和介数或者对于直线路段或可选地表示起点/目的地的点层，使用crow-flight-Euclidean半径。Spatialist到达分析工具箱[27，28]计算通过长度量化的到达的各种度量。sDNA的网络理论和软件都通过处理网络链接（或用户选择）而·············C.H.V. 库珀和A.J.F.Chiaradia/SoftwareX 12（2020）1005253Fig. 1. sDNA中链接和折线的区别。点表示折线在此图表中的结束位置。在实践中，sDNA不需要点（节点）图层，但只需要多段线作为输入。此图表中没有重叠的线图二. 说明了 2-d和3-d转角之间的差异。左，连杆P0Q0R0S0形成转角ω1，ω2。对，添加具有链接P1Q1R1S1的第二层连接电梯HT0T1、楼梯UU0U1V0V1和自动扶梯W0W1X，形成三维转角ωz1.ωz8。其子分区）-而不是直线连接段或建筑物-作为分析的主要空间单元。我们将网络节点定义为可以在3或多个方向，和链接作为两个相邻节点之间的连接，或一个单一的节点和一个死端（图。①的人。与其他方法相比，在DepthmapX或PST中被视为大量单独直线段的弯曲链接在sDNA中被视为单个单元以这种方式减少单元的数量可以导致道路网络上的速度大幅增加，因为介数计算的时间复杂度与网络密度的平方成比例。驱动sDNA开发的另一个动机是希望将网络分析建立在基于人类行为的路线选择和空间认知的基础上[29，30]。这反映在sDNA中可用的各种距离度量中（在其专有的相对sDNA+[31]中甚至更多）。2. 软件描述sDNA 是 一 个 用 于 二 维 和 三 维 网 络 分 析 的ArcGIS/QGIS/AutoCAD插件和Python/命令行工具。sDNA计算各种可达性指标，包括重量、连接点和链接数和长度;平均距离（接近度的倒数），双向介数（通过乘积或Huff [32]模型的变量加权，而没有距离衰减，因为后者可以使用多个半径处理），circuity [14，15]和半径凸包的几何特性。至关重要的是，这些都可以在下限和上限网络内进行本地化-欧几里得半径，并通过基于链路几何形状、分区系统、起点-目的地矩阵或网络附加数据（后者提供了通过GIS连接导入建筑数据的方法）的用户定义表达式进行加权一旦定义了每个链接周围的局部网络（相关专有软件sDNA+ [ 31 ]中提供了更多种类的距离度量和半径类型，包括网络可以在3-d中读取，并且转弯角度在3-d中测量，因此包括“上坡”和“下坡”（图2）。2）;这在三维分析中是必要的，否则可能4C.H.V. 库珀和A.J.F.Chiaradia/SoftwareX 12（2020）100525L0|x-y |dy dx = L2xy− x dy dx=3 L（1）663（2）（−+=图三. sDNA用于三维行人网络分析。左，三维建筑模型。右，对应的3-D网络模型显示角欧几里德介数半径400米。对于测地线来说，通过在第三维中转动而不累积角距离来“欺骗”角分析。当分析测地线超过半径时，sDNA可以检测到正确的 sDNA还包括以下工具长度L的距离实际1公升200毫升第1章L2y0yX0X网络编写，提供了一个用户友好的方式来使用R =从网络数据进行统计推断和预测，并且可以输出测地线、可访问性图、网络缓冲区、凸包和流束的形状，以及网络和skim矩阵。实际上，网络中的每个链路由一个或多个节点表示。自介数是通过考虑长度为L的直线上所有点x的平均介数而得出的，其中原点权重Wo和目的地权重Wd都均匀分布在其长度上。每个点x只在一个方向上通过从原点o：0ox总重量xWo到< sdnaintegral.py--im“net=network”--om“net=outputs/output_ang”“公制=ANGULAR;半径= 2000，8000”图图6显示了通过显示每单位长度的骑车人往返度量（忽略机动交通）在分析中使用链路的3D属性的示例。该度量来源于[38]中的校准，可用于任何sDNA以下命令仅用于计算单个链路的指标 （ 设 置 t0 以 忽 略 流 量 ， 然 后 计 算 HybridMetricForward/Length）：d：\example> sdnaintegral.py--im“net=network”--om“net=outputs/output_crt”“metric=CYCLE_ROUNDTRIP;linkonly;t=0”图图7显示了在车辆运输模型中正确使用单向链路数据的重要性-没有它，双车道就不能正确建模（对于基于这些车辆流的自行车模型，进一步的含义是双车道的一侧总是空的，因此形成有吸引力的自行车路线）。以下命令用于生成更正版本（在输入网络上使用sdnaoneway和wt字段，后者用于将流量限制在单个起点/目的地对之间的两个方向）：d：\example> sdnaintegral.py--im“net=oneway_prep”--om“net=outputs/output_oneway”“metric=ANGULAR;weight=wt;oneway=sdanoneway”图图8显示了在按长度加权的介数分析中使用连续空间与离散空间之间的差异。在离散空间模式下，即使分析半径比链接短，长链接也会产生高介数。进一步的例子，以及数据和批处理文件的命令行调用sDNA生成输出，提供作为教程材料。这些包括来自单个原点的距离图、不同半径处的不同介数类型、平均角度和平均欧几里得距离、表4比较了sDNA和第1节中描述的竞争软件之间在上述网络上的角度和网络-欧几里德介数的计算时间。请注意，每个工具都有一个独特的功能集，对于许多任务，这些功能集将优先于计算时间，作为选择的基础的工具。对于OSM链接，它可能是直的或弯曲的，这种比较不仅是对代码效率的测试，一种理论方法，允许将弯曲连杆作为一个单元进行处理。为了提供仅基于处理速度的比较，还测试了简化的网络，其中所有链路都被拉直（除了需要保留拓扑的角落）并预先分解成直线段。对于测试的直线网络，PST和DepthmapX比sDNA快，而UNA慢。对于OSM网络，其中许多链路是弯曲的，将每个链路视为单个实体的优势变得明显，因为没有此功能的DepthmapX和PST必须在处理之前将链路集分解为一组7-10倍大小的直线段特别是DepthmapX显示弯曲链接的计算时间要长PST的性能得益于高度优化的代码（和sDNA一样，并行执行）;它的速度介于sDNA离散和连续之间，用于3公里半径的网络欧几里得分析，但比任何一个都慢。在半径6公里的范围内，C.H.V. 库珀和A.J.F.Chiaradia/SoftwareX 12（2020）1005257图五、 角介数，半 径 8公里。图例的注释分类使用几何间隔（建议使用“介数”，因为介数通常具有指数分布）。见图6。卡迪夫市每单位长度的自行车往返度量（不包括机动交通的威慑）。在斜坡上具有高度量的链接说明了链接的3-d属性的使用。在ArcScene中显示，垂直放大为5。这种趋势将进一步持续，并且对于更大的半径可能更加明显，因为介数的时间复杂度与半径内的起点和目的地的数量的平方成比例。4. 影响sDNA Open 4是sDNA软件的第一个开源版本，自2011年以来一直在开发中，8C.H.V. 库珀和A.J.F.Chiaradia/SoftwareX 12（2020）100525见图7。 正确使用单向链接的说明。忽略单向数据（左），用于近似车辆流量的角介数流将无法正确使用双程行车道。正确的流量显示在右侧。见图8。 离散空间模式和连续空间模式的比较：在离散空间模式中，长链接似乎会产生高水平的中介性，因为它超过了半径的长度。在连续空间中，考虑部分链路。在这种情况下，长链接以不切实际的之字形方式绘制，以便包括长链接，但图表不超过页面宽度;然而，链接长度的类似比例在实际空间网络中很常见表4使用不同软件计算中间值的时间比较，适用于Cardiff型号，英特尔i7- 4810 MQ，2.8 GHz，4核，8线程，32 GB RAM。net-Euc=network-Euclidean; n/a=不适用（UNA不提供此输出）; n/t=未测试。输入数据简化直线OSM链接单位数目24，558 23，359分析度量径向度量net-Euc角网net-Euc角网角网半径3000米3000米3000米3000米6000 msDNA离散3’54’’3’40’’3’24’’3’16’’9’25’’sDNA连续8’33’’7’32’’7’08’’7’00’’12’12’’DepthmapX0’16’’1’06’’4572n/tUNAc35’56’’n/a34’52’’n/an/aPST0’07’’0’07’’6’00’’8’52’’161024-bin郁金香分析近似角。bDepthmapX将链接集分成大约218，000个片段。c基于人造建筑物层，每个路段中点有一座dPST将链接集分为大约18万个片段。来源包括开源功能的赞助和专有姐妹软件sDNA+的销售[31]。2015年ESRC资助的一个项目专注于消除学术界以外使用和吸收的障碍在开源发布之前，已知有1400个活跃的安装在使用中;仅sDNA QGIS插件现在就记录了超过15，000次下载，评级为4/5星。用户群通常可以被认为是在使用GIS或CAD软件加载或输入和显示数据方面有经验的，并且可能是有经验的建模者和/或统计学家，但不一定具有编程经验。sDNA已被用于交付许多可持续交通项目由全球工程咨询公司，包括奥雅纳谁使用它在一个项目，赢得了特许公路运输sDNA的学术应用包括预测交通网络中的流量和模式选择：车辆[39]，地铁[40]，行人[30，33，41空间网络分析作为一种模拟缓慢、活跃和可持续的交通方式的技术，显示出特别的前景，而基于交通区的交通模型无法模拟这些交通C.H.V. 库珀和A.J.F.Chiaradia/SoftwareX 12（2020）1005259在单一区域内的行程细节，以及运输和土地使用之间的反馈，以具有成本效益的方式。这使得人们可以回答基础设施对主动旅行选择的影响以及结果在公共领域的应用等问题。 其中大部分是通过sDNA提供的定制形式的介数分析，然而，我们引入的更新颖的基于凸包的指标也被证明与行人流量具有高度相关性[42]。进一步的应用包括土地利用[45]和规划[46-城市规划质量。 另一个重要的应用领域是健康信息学，其中sDNA允许量化流行病学模型中的建筑环境特征，有时是在“大数据”规模上[50]显示了凸壳统计和社会凝聚力之间的联系。最后一个意想不到的发展是sDNA在考古学中的应用[56]。在上述所有领域，我们希望通过标准化，网络链接作为分析的基本单元，与以前研究中使用的线段或轴线（可以以多种方式定义），从长远来看，可能会获得更多可重复的结果。竞合利益作者声明了以下可能被视为潜在竞争利益的经济利益/个人关系：作者有权从sDNA的专有姊妹项目sDNA+获得一小部分收入。AC将所有收入进行再投资。确认sDNA的资金来自多种来源，包括BRE、Wedderburn TransportPlanning 、 ESRC Impact Acceleration account 、 Cardiff 和 HongKong Universities，以及Chris Webster Alain Chiaradia再投资版税。我们感谢博士后研究员张玲珠博士制作了图2。图3感谢高级研究助理Siddharth Khakhar制作了上环的香港三维空间模型到湾仔，并为张博士作了相应的三维步行网络图和分析本身。他们的工作得到了香港大学建筑学院城市规划与设计系的战略资助，引用[1]Lawhead J. 这 个 库 用 纯 Python 读 写 ESRI shapefiles 。 2019 年 ，URLhttps://github.com/GeospatialPython/pyshp。[2]开 源 地 理 空 间 基 金 会 。 地 球 观 测 卫 星 。 2006-2019 ， URL https ： //trac.osgeo.org/geos网站。[3]伯 格 岛 Muparser 快 速 数 学 解 析 器 库 。 2011 -2015 ， URL https ：beltoforion.de/article.php? a=muparser。[4] 作者：Friedman J，Hastie T，Tibshirani R.广义线性模型通过坐标下降的正则化路径。JStatSoftw2010;33（1）：1http://www.jstatsoft.org/v33/i01/[5]提升社区。提升C++库。1999 https://www.boost。org/.[6]巴韦拉斯河小群体结构的数学模型。1948;7：16-30.[7]放大图片作者：Ford L.网络中的流量。Princeton University Press;1962.[8]弗里曼湖一组基于介数的中心性度量。 Sociometry1977;40（1）：35-41.[9]加里森·W，马布尔·D交通网络的结构。军事技术情报局，1962年。[10]作者声明：John W.地理网络分析。霍德和斯托顿教育;1969年。[11]坎斯基湾运输网络的结构：网络几何与区域特征之间的关系[博士学位].芝加哥大学地理系; 1963年。[12]辛贝尔河通信网络的结构参数。Bull MathBiophys1953;15（4）：501-7.[13]库珀CHV。接近度和中间度测量的空间定位：这是一种自相矛盾但很有用的 网 络 分 析 方 法 。 Int J Geogr Inf Sci 2015;29 （ 8 ） ： 1293-309.http://dx.doi.org/10.1080/13658816.2015.1018834网站。[14]黄J，Levinson D.城市交通网络中的线路。工作文件201501. 明尼苏达大学：Nexus Research Group; 2015，URLhttps：//ideas.repec.org/p/nex/wpaper/transitcircuity.html网站。[15]新 西 兰 交 通 局 。 行 人 规 划 设 计 指 南 。 2007 年 ， 网 址http://www.nzta.govt.nz/resources/pedestrian-planning-guide/docs/juan-planning-guide.pdf。[16]Añez J，De La Barra T，Pérez B. 运输网络的对偶图表示。Transp Res B1996;30（3）：209-16. http://dx.doi.org/10.1016/0191-2615（95 ）00024-0，URLhttp://www.sciencedirect.com/science/article/pii/0191261595000240。[17]Hillier B，Hanson J.《空间的社会逻辑》北京：清华大学出版社.[18]巴韦拉斯河任务导向群体中的沟通模式。 《美国声学学会杂志》1950年;22：725 。 http://dx.doi.org/10.1121/1.1906679 ， URLhttp ： //adsabs 。harvard.edu/abs/1950ASAJ网站... 22.. 725 B[19]Dhanani A，Vaughan L.为政策行动和城市主动交通干预的战略评估建立步行模型。In：（Proceedings）.大学//discovery.ucl.ac.uk/1524124/网站。[20]Sevtsuk A，Mekonnen M.城市网络分析。MIT City Form Lab; 2012，URLhttp://cityform.mit.edu/projects.[21]ESRI。 ArcGIS。 1999https://www.esri.com/en-us/home[22]depthmapX开发团队。depthmapX.2017年，URLhttps://github.com/SpaceGroupUCL/depthmapX/。[23]特纳河从轴线到道路中心线：空间句法的新表示和交通网络分析的路线选择新模型。环境计划B：Plann Des 2007;34（3）：539http://eprints.ucl.ac.uk/[24]杨文龙，李晓梅，李晓梅.大伦敦市中心的组成和城市形态效应。Urban DesPlan - Proc ICE2012;165：21-42.[25]Cooper CHV，Chiaradia AJ. sDNA：我们如何以及为什么为健康、经济和活跃的交通模式重新发明了空间网络分析。在：Malleson N，编辑. GISRUK2015会议记录。2015年，http://dx.doi.org/10。6084/m9.figshare.1491375.[26]放大图片作者：A.地点语法-地理可达性与地理信息系统中的轴线。第五届国际空间语法研讨会; 2005年，第100页。131比44[27]丰 角 空 间 到 达 分 析 。 2019 年 ， URLhttps://www.food4rhino.com/ 资 源/grasshopper-reach-analysis-toolkit。[28]冯春，张伟.用于度量、方向和相交范围的参数分析的算法。环境计划B：城市肛门城市科学2019;46（8）：1422-38。http://dx.doi.org/10.1177/2399808319827299网站。[29] 库珀CHV。用于高分辨率运输建模的预测性空间网络分析Int J SustainTransp 2018;1-11. http://dx.doi.org/10.1080/15568318.2018.1432730.[30]Cooper CHV，Harvey I，Orford S，Chiaradia AJF.运用多重混合空间设计网路分析法预测某大城市中心重建对行人流量之纵向影响。交通2019.网址：//dx.doi.org/10.1007/s11116-019-10072-0网站。[31]库珀 CHV， Chiaradia AJ 韦伯斯特 C. sDNA+。 2011-2019, 网址https：//www.cardiff.ac.uk/sdna网站。[32]赫夫湾 定义和估计一个贸易区。 J Mark 1964;28（3）：34-8. http://dx.doi.org/10.2307/1249154，URLhttps://www.jstor.org/stable/1249154。[33]Zhang L，Chiaradia A.三维空间网络分析及其在香港中部高密度城市地区的应用。城市规划国际2019;34（1）：46-53。http://dx.doi.org/10.22217/upi.2018.513，网址http：//www.upi-planning.org/Magazine/Issue_Content.aspx? ID=47706。[34] 交通部。高速公路分配模型。见：运输分析指南，（M3.1）。2014年，URLhttps://www.gov.uk/government/uploads/system/uploads/attachment_data/file/427124/webtag-tag-unit-m3-1-highway-assignment-modeling.pdf。[35]胡贝尔W. R便携式。2012https://sourceforge.net/projects/10C.H.V. 库珀和A.J.F.Chiaradia/SoftwareX 12（2020）100525[36]Jayasinghe AB.一种基于网络中心性的交通量建模仿真方法[Ph.D. 论文]，长冈工业大学;2017。[37][10]李晓梅，李晓梅，李晓梅. 使用GPS数据和最佳替代方案分析驾驶员的路径 选 择 行 为 。 JTranspGeogr2016;51 （ Suppl.C ） ： 119-29.http://dx.doi.org/10.1016/j.jtrangeo.2015.12.003，URLhttp://www.sciencedirect.com/science/article/pii/S0966692315002239。