1.一种基于深度优先搜索算法的交通网络冗余性测度方法，其特征在于，包括以下步骤：步骤S1、基于任意地点即节点间的连接关系构建考虑出行成本的交通网络模型；

步骤S2、根据出行者的出行线路选择条件，设定起讫点间有效路径的判定依据；

步骤S3、采用改进的深度优先搜索算法，搜索得到能够表征交通网络中所有OD对间有效路径数量的邻接矩阵；

步骤S4、基于邻接矩阵，考虑起讫点间冗余路径的数量及不同冗余路径的离散程度，建立交通网络的冗余性测度模型；

步骤S5、利用交通网络的冗余性测度模型进行交通网络的冗余性测度。

2.根据权利要求1所述的一种基于深度优先搜索算法的交通网络冗余性测度方法，其特征在于，步骤S1构建的交通网络模型为G＝(V,E,C)，其中：V＝{v1,v2…vn}，为交通网络节点集合，n为交通网络的节点数量；E＝{e1,e2…em}∈V×V，为交通网络连边集合，m为交通网络的连边数量；C＝{C1,C2…Cm}，为成本权值，Cm表示存在连通关系em的两个节点间通行所花费的出行成本。

3.根据权利要求1所述的一种基于深度优先搜索算法的交通网络冗余性测度方法，其特征在于，步骤S2根据出行者的出行线路选择条件，在起讫点间有效路径的判定中，假设OD对(r,s)间的路径L为有效路径，则该路径需要满足以下条件：(1)路径L中不存在重复的节点及线路，则：

rs rs rs rs rs

其中，S (L)＝{S (1),S (2)…S (k)}，为组成该路径L的所有路段的集合，S (i)和rs rs rs rs rsS (j)为该路径L上的任意两个路段；V (L)＝{V (1),V (2)…V (t)}，为组成该路径L的rs rs所有节点的集合，V (i)和V (j)为该路径L上的任意两个节点，该条件保证了路径L的节点和线路的不重复；

(2)路径L中的出行成本不超过出行者可接受的最大出行成本：rs rs

其中，Hmax为出行者可接受的最大出行成本，T (L)表示路径L的出行时间，Y (L)表示路rs径L的换乘次数，C (L)表示路径L的出行费用， 表示OD对(r,s)间路径的最少出行时间，表示OD对(r,s)间路径的最小出行费用， 表示OD对(r,s)间路径的最小换乘次数，α为可接受时间系数，γ为可接受费用系数，θ为可接受的换乘系数。

4.根据权利要求1所述的一种基于深度优先搜索算法的交通网络冗余性测度方法，其特征在于，步骤S3具体包括：(1)构建一个能够表征交通网络中所有OD对间的有效路径数量的邻接矩阵U：其中，当r≠s时， 表示从节点r到节点s的有效路径数量；当r＝s时，(2)采用改进的深度优先搜索算法对OD对(r,s)间的有效路径进行搜索，定义R＝{ri∈N|ri＝r1,r2…r|N|}为所有起始地的集合，S＝{si∈N|si＝s1,s2…s|N|}为所有目的地的集合，其中N表示交通网络中的节点集合 ，|N|表示交通网络中的 节点数量，(k)

为OD对(r,s)中第k步长的节点集，称V (r,s)为栈，(k)

为第k步长中的第u个节点，称 为当前节点，p 为第k步长中的节点总数；从起始地r到第k步长中的第u个节点 的路径应当满足有效路径的约束条件，令的下一节点为 其搜索过程如下：S31：对交通网络进行初始化，输入起始地集合R及目的地集合S、邻接矩阵U、节点集合V及连边集合E；

S32：计算各个起讫点之间的最小换乘次数、最少出行时间及最小出行费用；

S33：令 选取r＝r1作为起始地、s＝s1作为目的地，令r1为当前节点并记为(0)并放入第0步长的栈V (r,s)；

S34：寻找当前步长k中当前节点 的下一节点 计算从起点r到的出行成本；

S35：判断从起点r到 的出行成本是否小于OD对(r,s)间的最大可接受出行成(k+1)本：若小于，则令 为当前节点 放入第k+1步长的栈V (r,s)并跳转至S36；若大于，则令v＝v+1并跳转至S34；

S36：判断当前节点 是否为目的地s，如果不是，则令k＝k+1，返回S34寻找第k+1步长中当前节点 的下一节点；否则，意味着起始点r和目的地s之间的有效路径又增加了一条，进行S37；

S37：令

S38：返回当前步长k中，判断当前步长k中的节点是否均已遍历，如是，则进入S39，否则判断未遍历的当前节点是否为起始地r，若不是，则转入S34，否则转入S310；

S39：令k＝k‑1，转入S38；

S310：判断目的地集合S中所有节点是否遍历，若不是，则令s＝si+1并返回S33，si+1表示目的地集合S中下一未选取过的目的地节点，计算交通网络中任意OD对(r,s)间的效路径数量 更新初始输入的邻接矩阵U，否则继续S311；

S311：判断起始地集合R中所有节点是否遍历，若不是，则令r＝ri+1并返回S33，ri+1表示起始地集合R中下一未选取过的起始地节点，计算交通网络中任意OD对(r,s)间的有效路径数量 更新初始输入的邻接矩阵U，否则继续步骤312；

S312：搜索结束，输出基于搜索得到的所有OD对间的有效路径数量的邻接矩阵U。

5.根据权利要求1所述的一种基于深度优先搜索算法的交通网络冗余性测度方法，其特征在于，步骤S4中，考虑起讫点间冗余路径的数量及不同冗余路径的离散程度，建立交通网络的冗余性测度模型的具体过程如下：(r,s)

S41：将交通网络中任意OD对(r,s)间的所有有效路径构建成一个子网络α ，表示为：(r,s)

其中，α 为OD对(r,s)的有效路径矩阵，包含了OD对(r,s)间的所有有效路径；n′为OD对(r,s)间的所有有效路径上的节点总数；节点i和节点j为OD对(r,s)间的所有有效路径上的任意两个节点，当OD对(r,s)间的所有有效路径在节点i和节点j间存在连接时，当OD对(r,s)间的所有有效路径在节点i和节点j间不存在连接时，(r,s)

S42：计算子网络α 的离散程度，即OD对(r,s)间有效路径的离散程度，计算公式如下：(r,s) (r,s) (r,s)

其中，σ 称为离散系数，Emax是子网络α 中节点的最大节点度，Emin是子网络α(r,s)中节点的最小节点度， 为子网络α 中节点的平均度值；节点i的节点度表示与节点i相连接的所有节点j的数量；

(r,s)

S43：计算交通网络中任意OD对(r,s)冗余路径数量ψ ，为：其中， 为OD对(r,s)间的有效路径数量；

(r,s)

S44：计算交通网络中任意OD对(r,s)的路径多样性指数β ，为：(r,s) (r,s) (r,s)

β ＝σ ·ψ ；

S45：计算交通网络的冗余度指数，为：

其中，δ为交通网络的冗余路径指数，即为交通网络冗余性测度模型。