CN108388540B - 基于模糊综合评价的道路网选取方法 - Google Patents

Abstract

道路网选取因素的确定是道路网选取的基础，针对已有算法没有充分考虑模糊因素在道路选取时的作用的问题。本文提出了道路选取过程中应考虑到的几种模糊因素，借助模糊数学综合评价方法对其进行了综合评价，并将评价结果与基于网眼密度的道路网选取算法进行了融合。实验表明，考虑了模糊因素后的道路网选取在继承了基于网眼密度算法优点的基础上保留了某些交通流量大、具有历史意义或经济价值的“重要”道路，相应地删除了个别同等级但上述意义相对较小的道路，道路网选取结果更加合理，更加符合人们的实际需求。

Description

基于模糊综合评价的道路网选取方法

技术领域

本发明属于道路网选取技术领域。特别是涉及一种基于模糊综合评价的道路网选取方法。

背景技术

道路选取是地图综合中的重要操作之一。基本要求是在比例尺缩小时根据大比例尺道路的密度和等级、长度等语义、几何特征，筛选出重要道路，舍弃次要道路。通过调查分析，本发明将交通流、通达重要性、历史重要性及经济重要性四种因素纳入到道路选取时需要考虑的因素中来。由于这几种因素的度量存在很大的不确定性和模糊性，难以找到统一的函数公式来计算。而模糊理论中模糊综合评判方法可处理客观事物中存在概念外延不分明情况，因此，本发明利用模糊数学原理，对这些不确定因素进行综合评价，并将其运用到道路选取过程中。

发明内容

综合评判模型的建立

交通流、通达重要性、经济重要性及政治重要性几个因素的模糊综合函数可以表示为：Fuzz(x1，x2，x3，x4)。

对于模糊综合评判问题，根据模糊数学原理具有三个要素。

(1)因素集，在道路网选取过程中，除了以往算法中考虑到的道路等级、道路长度、密度等因素外，还需要考虑的模糊评价因素包括交通流、通达重要性、政治重要性及经济重要性四个因素，因素集U可以定义为：U＝{交通流，通达重要性，历史重要性，经济重要性}，表示为：U＝{u1，u2，u3，u4}

设因素集U上的因素模糊子集A简记为模糊向量A＝(a1,a2,…,a5)，其中ai表示单因素ui在总体评价因素中所起作用大小的度量，0≤ai≤1。

(2)评价集。对事物好坏评价的集合，可根据实际需要确定，这里将评价标准定义为：V＝{很大，较大，一般，不大}，表示为：V＝{v1，v2，v3，v4}。

(3)单因素的评判矩阵R

确定每一个评价因子隶属于评价等级集合中不同评价等级的程度，称为隶属度，以rij表示，评价因子集合U中全部指标隶属度的合成，即为单因素评价矩阵。

2.评判运算

评价集中的等级模糊子集B也常记为模糊向量B＝(b1，b2，b3，b4)，其中bj为等级vj对B的隶属度，它是综合评判的结果。

对于U上的模糊子集A，可得综合评判关系：

将综合评判记为M(×，+)，B中的各元素通过广义模糊运算可得式(3)。在所得到的bj(j＝1，2，3，4)寻找最大值b*作为评价结果：

b_j＝(a₁×r_1j)+(a₂×r_2j)+...+(a₄×r_4j)，j＝1，2，3，4

模糊综合评价函数Fuzz(x1，x2，x3，x4)＝b*，当b*＝b1或b2时，随着b*的增大，表明接近影响“大”的程度越高；当b*＝b3或b4时，随着b*的增大，表明接近影响“小”的程度越高。

当b*＝b1或b2时，表明模糊因素的影响很大或较大，此时证明相应的道路在道路网中具有比较重要的作用；

道路网选取

模糊综合评价支持下的道路网选取具体方法为：首先，利用已有道路网选取算法进行道路网选取，采用比较成熟的基于网眼密度的道路网选取算法，选取时对于预删除的道路做“flag＝’P’”标记；其次，对这条路进行模糊综合评价，若其评价结果为“很大”或“较大”，则予以保留，否则将其删除；

对于标有“P”但予以保留的道路，为了保持空间密度结构，对其所在网眼剩余边界进行模糊综合评价，选择最次要的路段，予以删除。

本发明结合交通流、通达重要性、历史重要性及经济重要性四种模糊因素，利用模糊数学原理，对四种模糊因素进行综合评价，并将其运用到道路选取过程中，保留具有重要意义的道路，删除不重要的道路。

附图说明：

图1：兰州市城关区部分道路网；

图2：交通流人群调查表截图；

图3：基于网眼密度的选取结果比引入模糊因素选取结果多出的道路；

图4：引入模糊因素选取结果比基于网眼密度的选取结果比多出的道路。

具体实施方式：

以兰州市城关区部分道路网为例，引入模糊因素，对其进行模糊综合评价并将其结果运用到道路网选取过程中，具体步骤如下。

模糊综合评判

(1)确定模糊综合评价的三个要素。

因素集为：U＝{交通流，通达重要性，历史重要性，经济重要性}

评价集为：V＝{很大，较大，一般，不大}

可采用交通等部门已有的统计数据或人群调查等方法进行隶属度的评价，例如对于正宁路小吃街，针对其交通流因素，对司机、附近居民、商贩等100人进行调查，调查统计表部分截图如图2所示，归纳可知83％的人认为很大，10％的人认为较大，4％的人认为一般，3％的人认为不大，则这一评判结果记为r1＝(0.83,0.10,0.04,0.03)；对于其经济重要性因素，选择社会经济学家、该街商贩及市民等100人用同样方法进行调查，结果显示有55％的人认为很大，30％的人认为较大，10％的人认为一般，5％的人认为不大，则这一评判结果记为r4＝(0.55,0.30,0.10,0.05)。

对其他因素按同样的方法进行评价可得到单因素评判矩阵：

(2)评判运算

地图综合的用途不同，对各因素的重视程度也会有所不同，因而得到的评判结构也不尽相同。若无特殊要求，可以将权值分配为A＝(0.25,0.25,0.25,0.25)；本实例着重考虑道路网的交通流，可将权值分配为A＝(0,5,0.15,0.15,0.2)。

对其进行综合评判得：＝(0.563,0.133,0.157,0.139)，最大值是b*＝b1＝0.563，说明对该路段的综合评价结果为“很大”。

算法的运用

选取因素的全面、准确确定是为了更好地服务道路网选取，现将上述模糊因素引入到道路网选取过程中。具体方法为：首先，利用已有道路网选取算法进行道路网选取，本发明采用比较成熟的基于网眼密度的道路网选取算法，选取时对于预删除的道路做“flag＝’P’(Pre-delete,预删除)”标记；其次，对这条路进行模糊综合评价，若其评价结果为“很大”或“较大”，则予以保留，否则将其删除。对于标有“P”但予以保留的道路，为了保持空间密度结构，对其所在网眼剩余边界进行模糊综合评价，选择最次要的路段，予以删除。

特别地，在道路网选取过程中，如果模糊综合评价结果为“重要”的道路，其紧邻的道路同时具有很重要的空间几何意义。与传统的道路网选取方法不同，本算法将保留模糊评价结果为“重要”的道路，这与进一步研究的大数据支持下地图综合的原则是一致的，即尽可能地夸大感兴趣的特征。

仍采用上述兰州市城关区部分道路网进行实验，对道路网中预删除的道路及被标注了“P”标记后又被保留了的道路的同网眼其他道路进行模糊综合评价，结果如表1所示；根据综合结果可知，根据模糊综合评价结果基于道路网眼密度的选取结果如图3所示；在此基础上引入模糊因素，对各条道路进行模糊综合评价，并对其中b*＝b1或b*＝b2的道路进行标记，综合后的结果如图4所示，图3中黑色粗线段标注的道路为利用网眼密度选取的结果比引入模糊因素后的选取结果多出的道路，图4中黑色粗线段标注的道路为引入模糊因素后的选取结果比利用网眼密度选取结果多出的道路。

表1部分道路网综合评价结果

道路名称	b<sup>*</sup>	综合评价结果
			正宁路小吃街	b1：0.563	很大
中山路	b1：0.614	很大
			永昌南路	b1：0.428	较大
永昌北路	b1：0.543	较大
			柏道路	b1：0.418	不大
甘南路	b1：0.389	较大
			中街子	b1：0.387	一般
旧大路	b1：0.362	不大
			定西三支路	b1：0.339	不大
红星巷	b1：0.446	较大

对比可知，引入模糊因素后的道路网选取方法具有如下特点：

(1)很好地继承了基于网眼密度的道路网选取算法的优点，保留了一些道路的同时，删除了相应网眼中次要的道路，较好地保持了原有道路网的密度差别。

(2)道路网选取结果更加合理，图3与图4相比保留了正宁路、永昌南路等几条人流量很大或具有较重要经济价值的道路，而删除了几条在以上模糊因素中意义较小的道路。

(3)道路网选取时需要考虑的特殊情况减少。诸多已有算法将诸如桥、与重要码头相连的道路等单独列为条件纳入道路选取过程，本发明可以用模糊因素中的通达重要性来表示，很好地保留了桥等在通达性方面比较重要的道路，例如本发明实验中保留的“中山桥”，它在通达重要性及历史重要性方面具有重要意义。

Claims (1)

1.一种基于模糊综合评价的道路网选取方法，其特征在于，包括：

步骤1：综合评判模型的建立

交通流、通达重要性、经济重要性及政治重要性四个因素的模糊综合函数可以表示为：Fuzz(x₁，x₂，x₃，x₄)，根据模糊数学原理，模糊综合评判问题包括三个要素；

(1)因素集

因素集U可以定义为：U＝{交通流，通达重要性，历史重要性，经济重要性}，表示为：U＝{u₁，u₂，u₃，u₄}

设因素集U上的因素模糊子集A简记为模糊向量A＝(a₁,a₂,…,a₅)，其中a_i表示单因素u_i在总体评价因素中所起作用大小的度量，0≤a_i≤1；

(2)评价集

对事物好坏评价的集合，可根据实际需要确定，这里将评价标准定义为：V＝{很大，较大，一般，不大}，表示为：V＝{v₁，v₂，v₃，v₄}；

(3)单因素的评判矩阵R

定义隶属度为每一个评价因子隶属于评价等级集合中不同评价等级的程度，以r_ij表示，

单因素评价矩阵为因素集U中每个评价因子的隶属度的集合；

步骤2：评判运算

评价集中的等级模糊子集B也常记为模糊向量B＝(b₁,b₂,b₃,b₄),其中b_j为等级v_j对B的隶属度，b_j是综合评判的结果；

对于U上的模糊子集A，可得综合评判关系为：

式中：

表示模糊向量A与单因素评价矩阵R相乘；

将综合评判记为M(×，+)，B中的各元素通过广义模糊运算可得式

在所得到的b_j，j＝1,2,3,4寻找最大值b^*作为评价结果：

模糊综合评价函数Fuzz(x₁,x₂,x₃,x₄)＝b^*，当b^*＝b₁或b₂时，随着b^*的增大，表明接近影响“大”的程度越高；当b^*＝b₃或b₄时，随着b^*的增大，表明接近影响“小”的程度越高；

当b^*＝b₁或b₂时，表明模糊因素的影响很大或较大，此时证明相应的道路在道路网中具有比较重要的作用；

步骤3：道路网选取

模糊综合评价支持下的道路网选取具体方法为：首先，利用已有道路网选取算法进行道路网选取，采用比较成熟的基于网眼密度的道路网选取算法，选取时对于预删除的道路做“flag＝‘ P’”标记；其次，对这条路进行模糊综合评价，若其评价结果为“很大”或“较大”，则予以保留，否则将其删除；

对于标有“P”但予以保留的道路，为了保持空间密度结构，对其所在网眼剩余边界进行模糊综合评价，选择最次要的路段，予以删除。

Images