CN111639837A - 路网服役性能评价方法、装置、存储介质及终端 - Google Patents

路网服役性能评价方法、装置、存储介质及终端 Download PDF

Info

Publication number
CN111639837A
CN111639837A CN202010366212.7A CN202010366212A CN111639837A CN 111639837 A CN111639837 A CN 111639837A CN 202010366212 A CN202010366212 A CN 202010366212A CN 111639837 A CN111639837 A CN 111639837A
Authority
CN
China
Prior art keywords
road
road network
weight
service performance
network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010366212.7A
Other languages
English (en)
Other versions
CN111639837B (zh
Inventor
凌建明
田雨
王增逸
李想
任亮
项鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN202010366212.7A priority Critical patent/CN111639837B/zh
Publication of CN111639837A publication Critical patent/CN111639837A/zh
Application granted granted Critical
Publication of CN111639837B publication Critical patent/CN111639837B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供路网服役性能评价方法、装置、存储介质及终端。所述路网服役性能评价方法包括：获取路网内各个道路的服役性能数据；基于道路基础设施的固有属性和/或路网通行能力下降幅值来获取各个道路的权值；基于各个道路的服役性能数据和权值，加权计算以获得路网的服役性能。该评价方法可对由多条道路组成的路网的服役性能进行准确评价，弥补了现有技术中路网服役性能评价方法的缺乏，对区域间的基础设施建设规划和管理养护决策具有指导意义。

Description

路网服役性能评价方法、装置、存储介质及终端
技术领域
本发明涉及道路与交通工程领域，特别是涉及路网服役性能评价方法、装置、存储介质及终端。
背景技术
交通运输是国民经济的命脉，保障路网运行的可靠性、安全性和通畅性对国民经济的发展意义重大。路网运行取决于路网内部各个道路基础设施的服役性能和工作状态的整体协同。目前，针对单一道路基础设施服役性能的评价方法的研究已较为成熟，其中最具代表性的是力学-经验法。该方法通过基于历史数据建立道路的经验回归模型，从而得到单一道路服役性能的评价值。
然而，随着国家基础设施建设的持续推进和公路网、城市道路网的不断拓展延伸，路网内部道路作为一个协同运行的整体来承担交通流的趋势愈发凸显。对道路服役性能的评价需要从单一路段上升到路网层级，从而为政府部门针对区域间的基础设施建设规划和管理养护决策提供指导建议。现阶段针对多个道路基础设施组成的路网的服役性能分析理论和评价方法还比较缺乏，建立对路网整体的服役性能分析评价体系变得至关重要。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供路网服役性能评价方法、装置、存储介质及终端，用于解决现有技术中路网服役性能评价方法缺乏的问题。
为实现上述目的及其他相关目的，本发明的第一方面提供一种路网服役性能评价方法，包括：获取路网内各个道路的服役性能数据；基于道路基础设施的固有属性和/或路网通行能力下降幅值来获取各个道路的权值；基于各个道路的服役性能数据和权值，加权计算以获得路网的服役性能。
于本发明的第一方面的一些实施例中，所述方法包括：基于道路基础设施的固有属性来获取各个道路的权值，其包括：基于路网内各个道路的数量及其基础设施的各项固有属性，建立路网的原始属性矩阵；对所述原始属性矩阵中的数据进行标准化处理，建立路网的标准属性矩阵；基于所述标准属性矩阵中各个道路的各项固有属性，分别计算各个道路的权值。
于本发明的第一方面的一些实施例中，所述方法包括：基于道路基础设施的固有属性来获取各个道路的权值，其包括：基于路网内各个道路的数量及其基础设施的各项固有属性，建立路网的原始属性矩阵；对所述原始属性矩阵中的数据进行标准化处理，建立路网的标准属性矩阵；基于所述标准属性矩阵中的数据，对路网内各个道路进行聚类分析，以获取不同类属的道路集；根据预设选值方式，为每个道路集选取各项道路集固有属性，并基于所述道路集固有属性来得到该道路集内各个道路的权值。
于本发明的第一方面的一些实施例中，预设选值方式包括如下方式中的任一种或两者的组合：1)从所述道路集中选取一代表性道路，并令所述代表性道路的各项固有属性作为该道路集的各项道路集固有属性；2)计算所述道路集中所有道路的各项固有属性的平均值，并令各项固有属性的平均值作为该道路集的各项道路集固有属性。
于本发明的第一方面的一些实施例中，所述方法包括：基于路网通行能力下降幅值来获取各个道路的权值，其包括：基于路网中路段和交叉口的拓扑结构，建立路网连通图与割集矩阵；基于所述路网连通图与割集矩阵，计算路网的最大流量和最小割集，以获取路网通行能力；所述路网通行能力包括道路正常情况下的路网通行能力和道路非正常情况下的路网通行能力；基于所述道路正常情况下的路网通行能力和道路非正常情况下的路网通行能力，计算路网通行能力下降幅值，以获取各个道路的权值。
于本发明的第一方面的一些实施例中，所述方法包括：基于道路基础设施的固有属性和路网通行能力下降幅值来获取各个道路的权值，其包括：基于道路基础设施的固有属性，获取第一类权值；基于路网通行能力下降幅值，获取第二类权值；赋予第一类权值和第二类权值的权值系数，以获取各个道路的权值。
于本发明的第一方面的一些实施例中，所述路网通行能力下降幅值包括道路非正常情况导致的通行能力下降幅值；所述道路非正常情况包括：某一路段因性能劣化而翻修重铺的情况、封闭交通导致无法分担路网交通流的情况、某一路段因事故导致交通流怠速或停滞的情况、行车速度低于最低服务水平的情况。
为实现上述目的及其他相关目的，本发明的第二方面提供路网服役性能评价装置，其特征在于，包括：道路服役性能获取模块，获取路网内各个道路的服役性能数据；道路权值获取模块，基于道路基础设施的固有属性和/或路网通行能力下降幅值来获取各个道路的权值；路网服役性能获取模块，基于各个道路的服役性能数据和权值，加权计算以获得路网的服役性能。
为实现上述目的及其他相关目的，本发明的第三方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述路网服役性能评价方法。
为实现上述目的及其他相关目的，本发明的第四方面提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行所述路网服役性能评价方法。
如上所述，本发明提供路网服役性能评价方法、装置、存储介质及终端，具有以下有益效果：解决了现有技术中多个道路基础设施组成的路网的服役性能评价方法缺乏的问题，对政府部门针对区域间的基础设施建设规划和管理养护决策具有指导意义。
附图说明
图1显示为本发明一实施例中路网服役性能评价方法流程示意图。
图2显示为本发明一实施例中路网内各个道路的聚类示意图。
图3显示为本发明一实施例中的路网连通图与割集示意图。
图4显示为本发明一实施例中的基于组合权重的路网服役性能评价方法流程示意图。
图5显示为本发明一实施例中路网服役性能评价装置结构示意图。
图6显示为本发明一实施例中电子终端的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，在下述描述中，参考附图，附图描述了本发明的若干实施例。应当理解，还可使用其他实施例。再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
本发明提供的路网服役性能评价方法、装置、存储介质及终端，可以对多个道路基础设施组成的路网的服役性能进行准确评价。
为了使本发明的目的、技术方案及优点更加清楚明白，通过下述实施例并结合附图，对本发明实施例中的技术方案进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定发明。
实施例一
图1为本发明一实施例的路网服役性能评价方法流程示意图，包括：
步骤S11.获取路网内各个道路的服役性能数据。所述服役性能数据包括但不限于表观性能数据(例如病害、破损等)、结构性能数据(例如模量、剩余寿命等)、功能性能数据(例如平整度、抗滑性能等)；或包括路面使用性能指数PQI(Pavement Quality orPerformance Index)、路面损坏状况指数PCI(Pavement Surface Condition Index)、路面行驶质量指数RQI(Riding Quality Index)、路面车辙深度指数RDI(Rutting DepthIndex)、路面抗滑性能指数SRI(Skidding Resistance Index)、路面结构强度指数PSSI(Pavement Structure Strength Index)。可选的，利用力学-经验法得到路网中各个道路的服役性能数据，建立路网内各个道路的服役性能评价矩阵：
P＝[p1,p2,…,pi,…,pm]；
其中，pi表示路网中第i个道路的服役性能数据，m表示路网中道路的数量。
步骤S12.基于道路基础设施的固有属性和/或路网通行能力下降幅值来获取各个道路的权值。应理解的是，本实施例中获取各个道路的权值的方式，既可以仅基于道路基础设施的固有属性得到，也可仅基于路网通行能力下降幅值得到，还可基于固有属性和路网通行能力下降幅值的结合来得到。本实施例涉及的所述固有属性和路网通行能力下降幅值的结合，具体可以为固有属性和路网通行能力下降幅值分别赋予权重，并根据加权结果值来获取各个道路的权值，具体会于下文中再进行详述。
本实施例较佳实施方式中，所述方法包括：基于道路基础设施的固有属性来获取各个道路的权值。所述道路基础设施的固有属性包括但并不限于：道路等级、设计速度、车道数、车道宽度、路段长度、接入道路数量、交叉口数量、年平均日交通量(Annual AverageDaily Traffic，AADT)等。本实施方式又包括步骤SA1～SA3如下所述：
步骤SA1.基于路网内各个道路的数量及其基础设施的各项固有属性，建立路网的原始属性矩阵。具体的，将路网内的m个道路记为论域S＝(S1,S2,…,Si,…,Sm)；将各个道路的n项固有属性集记为A＝(A1,A2,…,Aj,…,An)；可得到路网的原始属性矩阵表示如下：
Figure BDA0002476606560000051
其中，yij表示路网内第i个道路的第j项属性，Yi＝(yi1,yi2,…,yij,…,yin)表示路网内第i个道路的各项属性的集合，即道路的原始属性序列。
步骤SA2.对所述原始属性矩阵中的数据进行标准化处理，建立路网的标准属性矩阵。优选的，将各项属性转化为优性参量(即属性数据的数值越大，表明该项属性越优)。对原始属性矩阵中的数据进行量纲标准化处理如下：
Figure BDA0002476606560000052
其中，xij表示路网内第i个道路的第j项属性数据标准化后的值。
得到标准属性矩阵表示如下：
Figure BDA0002476606560000053
其中，Xi＝(xi1,xi2,…,xij,…,xin)表示数据标准化处理后的路网内第i个道路的各项属性的集合，即道路的标准属性序列。
步骤SA3.基于所述标准属性矩阵中各个道路的各项固有属性，分别计算各个道路的权值。
优选的，利用向量夹角余弦法计算得到各个道路的权值
Figure BDA0002476606560000054
计算过程表示如下：
Figure BDA0002476606560000055
Figure BDA0002476606560000056
X0＝(x01,x02,…,x0j,…,x0n)；
Figure BDA0002476606560000057
其中，Xi表示第i个道路的标准属性序列，X0表示基于路网内各个道路的各项属性的最优值设定的基准属性序列，x0j表示各个道路的第j项属性的最优值，m表示路网内道路总数，
Figure BDA0002476606560000061
表示道路i的初始权值。所述初始权值的赋值方法包括但不限于：专家评分法、层次分析法、秩和比法、熵权法、向量夹角余弦法等。优选向量夹角余弦法，具有使用简单快捷的优点。
本实施例较佳实施方式中，所述方法包括：基于道路基础设施的固有属性来获取各个道路的权值。本实施方式又包括步骤Sa1～步骤Sa4，表述如下：
步骤Sa1.基于路网内各个道路的数量及其基础设施的各项固有属性，建立路网的原始属性矩阵。步骤Sa1与上述步骤SA1实施方式类似，此处不再赘述。
步骤Sa2.对所述原始属性矩阵中的数据进行标准化处理，建立路网的标准属性矩阵。步骤Sa2与上述步骤步骤SA2实施方式类似，此处不再赘述。
步骤Sa3.基于所述标准属性矩阵中的数据，对路网内各个道路进行聚类分析，以获取不同类属的道路集。
优选的，基于灰色理论和模糊数学对路网内各个道路进行聚类。首先，将标准属性矩阵中的各项固有属性数据转化为优性参量(即该属性的数值越大，表明该属性越优)，并选取路网内各个道路的各项固有属性的最优值组成基准属性序列X0，然后计算每个道路的各项属性与基准属性序列的关联系数表示如下：
Figure BDA0002476606560000062
Rij＝|x0j-xij|；
Figure BDA0002476606560000063
X0＝(x01,x02,…,x0j,…,x0n)；
其中，关联系数ξij表示xij和x0j的相对差值；u为分辨系数，取值范围为(0,1)，u＝0.5为基于经验的最优选择，能较好地反应每个道路各项属性与基准属性序列中各项属性的关联性。第i个道路的n项关联系数ξij表示其标准属性序列Xi与基准属性序列X0的关联程度。
可选的，求取第i个道路的n项关联系数ξij的平均值，可综合表征道路标准属性序列Xi与基准属性序列X0的关联度。所述ξij的平均值包括但不限于：算数平均值、均方根平均值、几何平均值、对数平均值、加权平均值等。优选的，计算ξij的算数平均值作为道路标准属性序列Xi与基准属性序列X0的关联度，计算简单方便，可表示如下：
Figure BDA0002476606560000071
其中，ri越大，表明标准属性序列Xi与基准属性序列X0的相似性越大，即对应的第i个道路在路网中的等级和重要性越高。
优选的，根据道路的各项属性的重要程度分别赋予道路各项属性不同的权重系数，得到关联度ri表示如下：
Figure BDA0002476606560000072
其中，pj表示道路各项属性的权重系数，并且
Figure BDA0002476606560000073
所述各项属性的权重系数与各项属性的重要程度呈正向变化，即各项属性的权重系数随各项属性的重要程度的增强而增大，并随着各项属性的重要程度的减弱而变小。通过引入各项属性的权重系数，计算各个道路标准属性序列与基准属性序列之间的关联度，可以更好地反应各个道路之间的关联关系，获取更优的聚类结果。
基于上述关联度，获得所述论域S的关联度集：R＝(r1,r2,…,ri,…,rm)。然后，根据关联度集R，依次计算得到论域S中各标准属性序列之间的关联度差异矩阵ES、差异距离矩阵DS和灰色关联矩阵Rg，分别表示如下：
Figure BDA0002476606560000074
其中，
Figure BDA0002476606560000075
Figure BDA0002476606560000076
其中，dij＝eij+eji；
Figure BDA0002476606560000081
其中，
Figure BDA0002476606560000082
最后，基于灰色关联矩阵Rg，获得路网内各个道路的聚类结果，以获取不同类属的道路集。具体的，以路网内所有道路为顶点，按灰色关联矩阵Rg中元素gij(灰色关联度)从大到小的顺序依次连接，在不产生回路的前提下连通顶点，构造最大树并绘制谱系图；然后，选取不同水平的聚类阈值λ∈[0,1]，砍断权重小于λ的枝，剩余各联通分支构成在λ水平上的聚类，获得不同类属的道路集。举例说明，如图2所示，路网内包含S1～S15条道路，当选取λ＝0.95时，获得7个道路集{S15，S10}、{S14}、{S11，S7，S9，S8，S3}、{S1，S2}、{S13}、{S12，S4，S6}和{S5}；当选取λ＝0.70时，获得3个道路集，{S15，S10，S14，S11，S7，S9，S8，S3}、{S1，S2，S13，S12，S4，S6}和{S5}；当选取λ＝0.50时，获得2个道路集，{S15，S10，S14，S11，S7，S9，S8，S3}和{S1，S2，S13，S12，S4，S6，S5}。
步骤Sa4.根据预设选值方式，为每个道路集选取各项道路集固有属性，并基于所述道路集固有属性来得到该道路集内各个道路的权值。
本实施例较佳实施方式中，所述预设选值方式包括如下方式中的任一种或多种的组合：
1)从所述道路集中选取一代表性道路，并令所述代表性道路的各项固有属性作为该道路集的各项道路集固有属性。选取代表性道路可较好地反应道路集内所有道路的固有属性，降低计算的复杂度，提高了工作效率。
2)计算所述道路集中所有道路的各项固有属性的平均值，并令各项固有属性的平均值作为该道路集的各项道路集固有属性。所述平均值包括但不限于：算数平均值、均方根平均值、几何平均值、对数平均值、加权平均值等。
3)以所述道路集中所有道路的各项固有属性的最大值或最小值作为该道路集的各项道路集固有属性。
令Xk表示道路集k的各项道路集固有属性的属性序列，则道路集内各个道路的权值计算如下：
Figure BDA0002476606560000091
Figure BDA0002476606560000092
其中，l表示路网内m个道路的聚类数目，m(k)表示道路集k中的道路数目，
Figure BDA0002476606560000093
表示道路集k的初始权值。
本实施例较佳实施方式中，所述方法包括：基于路网通行能力下降幅值来获取各个道路的权值。所述路网通行能力的计算方法包括但不限于：割集法、线性规划法、时空消耗法和交通分配模拟法等。优选的，采用割集法计算路网通行能力以获取各个道路的权值，该方法具有一定的理论基础，能够得出路网通行能力的精确解，具体包括步骤SB1～SB3表述如下：
步骤SB1.基于路网中路段和交叉口的拓扑结构，建立路网连通图和和割集矩阵。首先，基于路网中路段和交叉口的拓扑结构，建立路网连通图G(V，E)。其中，V为点集(即交叉口集合)，E为边集(即路段集合)。然后，将V分成两个非空集合(子区域)S和
Figure BDA0002476606560000099
满足
Figure BDA0002476606560000094
连接S和
Figure BDA0002476606560000095
的弧(即路段)，构成一个割集
Figure BDA0002476606560000096
如图3所示。对于有m个道路的路网，根据其拓扑结构共构成q个割集，其割集矩阵C表示如下：
Figure BDA0002476606560000097
Ci＝[Ci1 Ci2 … Cij … Cim]；
Figure BDA0002476606560000098
步骤SB2.基于所述路网连通图与割集矩阵，计算路网的最大流量和最小割集，以获取路网通行能力；所述路网通行能力包括道路正常情况下的路网通行能力和道路非正常情况下的路网通行能力。
首先，路网连通图G(V，E)中指定Vs为起点，Vt为终点，其余的点为中间点。对于路网中的每一边(Vi，Vj)∈E，对应有边的容量cij≥0。将路网计作G(V，E，c)。定义在边集合E上的网络流f＝{fij}，fij为边(Vi，Vj)上的交通流量，满足以下条件的f为可行流：条件一，容量限制条件，即对于每一边(Vi，Vj)∈E，0≤fij≤cij；条件二，流量平衡条件，即对于每个中间点Vi，∑fij-∑fji＝0；
对于起点Vs，∑fsj-∑fjs＝V(f)；
对于终点Vt，∑ftj-∑fjt＝-V(f)；
其中，V(f)为该可行流的流量。
令μ表示路网中从Vs到Vt的一条链，且μ上与μ方向一致的边为前向边，记作μ+；方向与μ相反的边为后向边，记作μ-。对于路网中一个可行流f＝{fij}，fij＝cij为饱和边，fij<cij为非饱和边，fij＝0为零流边，fij>0为非零流边。满足以下条件的μ为关于f的一条增广链：条件一，前向边μ+上，0<fij<cij，即μ+中的每一条边均是非饱和边；条件二，后向边μ-上，0＜fij≤cij，即μ-中的每一条边均是非零流边。
其次，计算路网的最大流量和最小割集。具体的，基于最大流量充要条件(即，当且仅当不存在关于f的增广链时，可行流f是最大流)和最大流量最小割集定理(即，路网中从起点Vs到终点Vt的最大流量等于分割Vs与Vt的最小割集的容量)，找一个f＝{fij}，满足以下约束条件：
0≤fij≤cij，(Vi,Vj)∈E；
Figure BDA0002476606560000101
寻找最大流的算法从某个可行流f开始。若路网中没有给定可行流，则取f＝0，即从零流开始。可选的，用标号法求可行流f的增广链，包括标号过程和调整过程。
所述标号过程表述如下：将路网中的点分为标号点和未标号点，先给Vs标上(0，∞)，此时Vs是标号而未检查的点，剩余的均是未标号点。找到一个已标号而没有检查的点Vi，对于剩余的所有未标号点Vj：若前向边(Vi，Vj)上，fij<cij，对Vj标号(Vi，l(Vj))，其中l(Vj)＝min{l(Vi)，cij-fij}，此时Vj成为已标号未检查的点；若后向边(Vj，Vi)上，fij>0，对Vj标号(-Vi，l(Vj))，其中l(Vj)＝min{l(Vi)，fji}，此时Vi成为已标号已检查的点。重复上述过程，直至Vt成为标号点或所有标号点都检查过。若Vt成为标号点，表明得到一条从Vs到Vt的增广链，转入调整过程；若所有标号点都检查过，表明此时的可行流就是最大流，问题求解结束。
所述调整过程表述如下：在增广链上，前向边流量增加l(Vt)，则后向边流量减少l(Vt)，设调整量δ＝l(Vt)，令：
Figure BDA0002476606560000111
得到一个新的可行流f*＝{fij *}，对新的可行流f*再次进入标号过程。重复上述过程，直至得到路网的最大流量和最小割集，即路网的通行能力。
步骤SB3.基于所述道路正常情况下的路网通行能力和道路非正常情况下的路网通行能力，计算路网通行能力下降幅值，以获取各个道路的权值。所述基于路网通行能力下降幅值的第i个道路的权值表示如下：
Figure BDA0002476606560000112
Figure BDA0002476606560000113
其中，Ci表示第i个道路正常情况下的路网通行能力；Ci′表示第i个道路非正常情况下的路网通行能力；max{Ci-Ci′}表示各个道路路网通行能力的最大下降幅值；
Figure BDA0002476606560000114
表示道路i的初始权值。
本实施例较佳实施方式中，所述方法包括：基于道路基础设施的固有属性和路网通行能力下降幅值来获取各个道路的权值，其包括步骤SC1～SC3表述如下：
步骤SC1.基于道路基础设施的固有属性，获取第一类权值。所述第一类权值的获取方法与上文步骤SA1～SA3中提供的方法的实施方式类似，故不再赘述。
步骤SC2.基于道路非正常情况下路网通行能力下降幅值，获取第二类权值。所述第二类权值的获取方法与与上文步骤SB1～SB3中提供的方法的实施方式类似，故不再赘述。
步骤SC3.赋予第一类权值和第二类权值的权值系数，以获取各个道路的权值。所述第一类权值和第二类权值的权值系数的获取方式包括：主观定权法和客观定权法。其中，主观定权法包括：专家咨询法、Saaty权重法、成对比较法等；客观法包括：模糊定位法、秩和比法、熵权法、相关系数法等。
优选的，采用专家咨询法(德尔菲法)赋予两类权值的权值系数，可以获得更为合理、专业、准确的结果。专家咨询法的步骤包括：首先，邀请相关专家学者、道路使用者、运营管理部门等(后统称“专家”)对两种赋权方式的权值系数进行独立、匿名的设计，即判断两种赋权方式各占的比重；然后，收集专家的匿名意见，初步整理后把所有意见发送各位专家，请专家们根据他人的意见及最新的资料，调整自己原有的权重系数设计并再次匿名提交；重复上述过程，直至专家们的意见基本达成一致；最后获得各个道路的权值，即组合权值，表示如下：
Figure BDA0002476606560000121
其中，wi为第i个道路在路网中的权值；
Figure BDA0002476606560000122
为第i个道路的第一类权值；
Figure BDA0002476606560000123
为第i个道路的第二类权值；a1和a2分别为专家们达成共识的
Figure BDA0002476606560000124
和
Figure BDA0002476606560000125
的权值系数。
步骤S13.基于各个道路的服役性能数据和权值，加权计算以获得路网的服役性能，表示如下：
Pn＝PW；
W＝[w1,w2,…,wi,…,wm]T；
其中，Pn表示路网的服役性能，P表示路网内各个道路的服役性能，W表示路网内各个道路的权值，wi表示第i个道路在路网中的权值，m表示路网中道路的数量。
以某区域路网为例，该区域路网共由8条道路组成，具体如表1所示，其中，设计车速、车道数、路段长度和年平均日交通量(Annual Average Daily Traffic，AADT)为该路网中各条道路的固有属性，检测得到的路面状况指数PCI表示各条道路的服役性能。
表1
道路编号 设计车速(km/h) 车道数 路段长度(km) AADT(pcu) PCI
1<sup>#</sup> 100 8 2.7 38710 88
2<sup>#</sup> 80 6 2.1 19680 91
3<sup>#</sup> 80 6 1.8 22430 86
4<sup>#</sup> 60 4 1.9 12860 92
5<sup>#</sup> 60 4 1.1 13590 85
6<sup>#</sup> 60 4 0.7 9780 83
7<sup>#</sup> 40 2 1.1 6500 89
8<sup>#</sup> 30 2 1.3 6230 93
由表1可得到该路网的原始属性矩阵：
Figure BDA0002476606560000126
然后，对该路网中的数据进行量纲标准化处理，得到该路网的标准属性矩阵：
Figure BDA0002476606560000131
基于道路基础设施的固有属性，计算得到第一类权值矩阵：
W1＝[0.30 0.19 0.18 0.12 0.09 0.07 0.03 0.02]T。
基于最大流量最小割集方法，利用软件仿真得到各个道路非正常情况对路网通行能力的影响，如表2所示，其中第二行第二列表示各个道路均正常情况下路网的通行能力。
表2
非正常情况道路编号 通行能力(pcu/h) 下降幅值(％)
— 8710 0
1<sup>#</sup> 4060 53.4
2<sup>#</sup> 5950 31.7
3<sup>#</sup> 6190 28.9
4<sup>#</sup> 7250 16.8
5<sup>#</sup> 7820 10.2
6<sup>#</sup> 7990 8.3
7<sup>#</sup> 8570 1.6
8<sup>#</sup> 8210 5.7
基于道路非正常情况下的路网通行能力下降幅值，计算得到第二类权值矩阵：
W2＝[0.34 0.20 0.18 0.11 0.07 0.05 0.01 0.04]T。
然后，邀请6位道路与交通领域专家，采用专家咨询法(德尔菲法)确定两类权值的权值系数分别为0.55和0.45，计算得到组合权值：
W＝[0.32 0.20 0.18 0.11 0.08 0.06 0.02 0.03]T。
最后，根据各个道路的PCI和组合权值W，加权计算得到路网的路面状况指数PCI＝88.3，即路网的服役性能评价结果。
为检验本发明所提供的路网服役性能评价方法，邀请6位道路与交通领域专家和37名附近居民对该区域路网的PCI进行打分，如表3所示。将表3专家和居民的打分转化为百分制，可得专家和居民平均分分别为88.3和87.0，与上述路网的服役性能评价结果符合。
表3
Figure BDA0002476606560000132
Figure BDA0002476606560000141
综上所述，本发明实施例提供的路网服役性能评价方法可对由多条道路组成的路网的服役性能进行准确评价，弥补了现有技术中路网服役性能评价方法的缺乏，对区域间的基础设施建设规划和管理养护决策具有指导意义。
实施例二
图4所示为本发明一实施例的基于组合权重的路网服役性能评价方法流程示意图，包括：步骤S41.基于力学-经验法获取路网内各个单一道路的服役性能数据；步骤S42.获取路网内各个单一道路的道路基础设施固有属性，并基于灰色理论、模糊数学和聚类分析，将各个单一道路划分到不同类属的道路集，并进一步计算获取各个单一道路的第一类权重；通过分析道路非正常情况下对路网交通影响程度，基于最大流量最小割集理论和道路集的类属，获取各个单一道路的第二类权重；采用德尔菲法获取所述第一类权重和第二类权重的权重系数，以获得各个单一道路的组合权重；步骤S43.基于所述组合权重，对各个单一道路的服役性能数据进行加权计算，最终获得路网服役性能。本实施例的实施方式与实施例一类似，此处不再赘述。
实施例三
图5为本发明一实施例的路网服役性能评价装置，包括：道路服役性能获取模块51，获取路网内各个道路的服役性能数据；道路权值获取模块52，基于道路基础设施的固有属性和/或路网通行能力下降幅值，获取各个道路的权值；路网服役性能获取模块53，基于各个道路的服役性能数据和权值，加权计算以获得路网的服役性能。
需要说明的是，本实施例提供的模块与上文中提供的方法，实施方式类似，故不再赘述。另外需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，道路服役性能获取模块51可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上道路服役性能获取模块51的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(digital signal processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
实施例四
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述路网服役性能评价方法。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
实施例五
图6所示为本发明实施例提供的一种电子终端的结构示意图。本实例提供的电子终端，包括：处理器61、存储器62、通信器63；存储器62通过系统总线与处理器61和通信器63连接并完成相互间的通信，存储器62用于存储计算机程序，通信器63用于和其他设备进行通信，处理器61用于运行计算机程序，使电子终端执行如上路网服役性能评价方法的各个步骤。
上述提到的系统总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
综上所述，本发明提供的路网服役性能评价方法、装置、存储介质及终端，可对由多条道路组成的路网的服役性能进行准确评价，解决了现有技术中多个道路基础设施组成的路网的服役性能评价方法缺乏的问题，对区域间的基础设施建设规划和管理养护决策具有指导意义。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种路网服役性能评价方法，其特征在于，包括：
获取路网内各个道路的服役性能数据；
基于道路基础设施的固有属性和/或路网通行能力下降幅值来获取各个道路的权值；
基于各个道路的服役性能数据和权值，加权计算以获得路网的服役性能。
2.根据权利要求1所述的方法，其特征在于，所述方法包括：基于道路基础设施的固有属性来获取各个道路的权值，其包括：
基于路网内各个道路的数量及其基础设施的各项固有属性，建立路网的原始属性矩阵；
对所述原始属性矩阵中的数据进行标准化处理，建立路网的标准属性矩阵；
基于所述标准属性矩阵中各个道路的各项固有属性，分别计算各个道路的权值。
3.根据权利要求1所述的方法，其特征在于，所述方法包括：基于道路基础设施的固有属性来获取各个道路的权值，其包括：
基于路网内各个道路的数量及其基础设施的各项固有属性，建立路网的原始属性矩阵；
对所述原始属性矩阵中的数据进行标准化处理，建立路网的标准属性矩阵；
基于所述标准属性矩阵中的数据，对路网内各个道路进行聚类分析，以获取不同类属的道路集；
根据预设选值方式，为每个道路集选取各项道路集固有属性，并基于所述道路集固有属性来得到该道路集内各个道路的权值。
4.根据权利要求3所述的方法，其特征在于，所述预设选值方式包括如下方式中的任一种或两者的组合：
1)从所述道路集中选取一代表性道路，并令所述代表性道路的各项固有属性作为该道路集的各项道路集固有属性；
2)计算所述道路集中所有道路的各项固有属性的平均值，并令各项固有属性的平均值作为该道路集的各项道路集固有属性。
5.根据权利要求1所述的方法，其特征在于，所述方法包括：基于路网通行能力下降幅值来获取各个道路的权值，其包括：
基于路网中路段和交叉口的拓扑结构，建立路网连通图与割集矩阵；
基于所述路网连通图与割集矩阵，计算路网的最大流量和最小割集，以获取路网通行能力；所述路网通行能力包括道路正常情况下的路网通行能力和道路非正常情况下的路网通行能力；
基于所述道路正常情况下的路网通行能力和道路非正常情况下的路网通行能力，计算路网通行能力下降幅值，以获取各个道路的权值。
6.根据权利要求1所述的方法，其特征在于，所述方法包括：基于道路基础设施的固有属性和路网通行能力下降幅值来获取各个道路的权值，其包括：
基于道路基础设施的固有属性，获取第一类权值；
基于路网通行能力下降幅值，获取第二类权值；
赋予第一类权值和第二类权值的权值系数，以获取各个道路的权值。
7.根据权利要求1所述的方法，其特征在于，所述路网通行能力下降幅值包括道路非正常情况导致的通行能力下降幅值；所述道路非正常情况包括：某一路段因性能劣化而翻修重铺的情况、封闭交通导致无法分担路网交通流的情况、某一路段因事故导致交通流怠速或停滞的情况、行车速度低于最低服务水平的情况。
8.一种路网服役性能评价装置，其特征在于，包括：
道路服役性能获取模块，获取路网内各个道路的服役性能数据；
道路权值获取模块，基于道路基础设施的固有属性和/或路网通行能力下降幅值来获取各个道路的权值；
路网服役性能获取模块，基于各个道路的服役性能数据和权值，加权计算以获得路网的服役性能。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述路网服役性能评价方法。
10.一种电子终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至7中任一项所述路网服役性能评价方法。
CN202010366212.7A 2020-04-30 2020-04-30 路网服役性能评价方法、装置、存储介质及终端 Active CN111639837B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010366212.7A CN111639837B (zh) 2020-04-30 2020-04-30 路网服役性能评价方法、装置、存储介质及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010366212.7A CN111639837B (zh) 2020-04-30 2020-04-30 路网服役性能评价方法、装置、存储介质及终端

Publications (2)

Publication Number Publication Date
CN111639837A true CN111639837A (zh) 2020-09-08
CN111639837B CN111639837B (zh) 2023-02-10

Family

ID=72331917

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010366212.7A Active CN111639837B (zh) 2020-04-30 2020-04-30 路网服役性能评价方法、装置、存储介质及终端

Country Status (1)

Country Link
CN (1) CN111639837B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112766567A (zh) * 2021-01-15 2021-05-07 南通市规划设计院有限公司 一种城市路网规划实施效果的评价方法、系统以及存储介质
CN112819273A (zh) * 2020-12-31 2021-05-18 东北大学 一种区域公路路网质量评价方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663252A (zh) * 2012-04-11 2012-09-12 天津市市政工程设计研究院 地下道路复合式路面使用性能评估方法
CN103091480A (zh) * 2013-01-07 2013-05-08 河北工业大学 基于熵权的地下道路沥青路面使用性能评价方法
CN105388496A (zh) * 2015-10-30 2016-03-09 上海交通大学 基于gps的交通应用脆弱性检测系统及其方法
CN107146414A (zh) * 2017-06-28 2017-09-08 江苏智通交通科技有限公司 基于车辆识别的路网通行能力提取方法
CN108109378A (zh) * 2018-01-24 2018-06-01 哈尔滨工业大学 一种对路网规划方案进行交通安全评价的方法
CN110135734A (zh) * 2019-05-16 2019-08-16 招商局重庆交通科研设计院有限公司 一种道路结构服役性态低维评价方法
CN110378551A (zh) * 2019-06-05 2019-10-25 交通运输部公路科学研究所 一种基于大数据的公路隧道设施服役性能评价方法
CN110501221A (zh) * 2019-08-12 2019-11-26 武汉理工大学 一种基于路面使用性能与材料性能的路用性能评价方法
CN110514518A (zh) * 2019-07-19 2019-11-29 同济大学 基于隧道衬砌病害特征的隧道衬砌结构服役性能检测方法
CN111062648A (zh) * 2019-12-31 2020-04-24 长安大学 一种沥青路面综合性能的评价方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663252A (zh) * 2012-04-11 2012-09-12 天津市市政工程设计研究院 地下道路复合式路面使用性能评估方法
CN103091480A (zh) * 2013-01-07 2013-05-08 河北工业大学 基于熵权的地下道路沥青路面使用性能评价方法
CN105388496A (zh) * 2015-10-30 2016-03-09 上海交通大学 基于gps的交通应用脆弱性检测系统及其方法
CN107146414A (zh) * 2017-06-28 2017-09-08 江苏智通交通科技有限公司 基于车辆识别的路网通行能力提取方法
CN108109378A (zh) * 2018-01-24 2018-06-01 哈尔滨工业大学 一种对路网规划方案进行交通安全评价的方法
CN110135734A (zh) * 2019-05-16 2019-08-16 招商局重庆交通科研设计院有限公司 一种道路结构服役性态低维评价方法
CN110378551A (zh) * 2019-06-05 2019-10-25 交通运输部公路科学研究所 一种基于大数据的公路隧道设施服役性能评价方法
CN110514518A (zh) * 2019-07-19 2019-11-29 同济大学 基于隧道衬砌病害特征的隧道衬砌结构服役性能检测方法
CN110501221A (zh) * 2019-08-12 2019-11-26 武汉理工大学 一种基于路面使用性能与材料性能的路用性能评价方法
CN111062648A (zh) * 2019-12-31 2020-04-24 长安大学 一种沥青路面综合性能的评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LI CONG ETC.: "Analysis on the seasonal effect of subgrade resilient modulus", 《IEEE》 *
赵鸿铎: "智能道路"智"在何处", 《中国公路》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112819273A (zh) * 2020-12-31 2021-05-18 东北大学 一种区域公路路网质量评价方法及系统
CN112819273B (zh) * 2020-12-31 2023-11-28 东北大学 一种区域公路路网质量评价方法及系统
CN112766567A (zh) * 2021-01-15 2021-05-07 南通市规划设计院有限公司 一种城市路网规划实施效果的评价方法、系统以及存储介质
CN112766567B (zh) * 2021-01-15 2024-01-09 南通市规划设计院有限公司 一种城市路网规划实施效果的评价方法、系统以及存储介质

Also Published As

Publication number Publication date
CN111639837B (zh) 2023-02-10

Similar Documents

Publication Publication Date Title
Kutlu Gundogdu et al. Extension of WASPAS with spherical fuzzy sets
Xu An interactive procedure for linguistic multiple attribute decision making with incomplete weight information
CN110232434A (zh) 一种基于属性图优化的神经网络架构评估方法
CN108805743A (zh) 一种电网企业售电公司运营效益评价方法
CN111639837B (zh) 路网服役性能评价方法、装置、存储介质及终端
CN110751355A (zh) 一种科技成果评估方法和装置
CN113177746A (zh) 一种针对生命周期评价领域的软件质量综合评估方法
CN113537728A (zh) 一种基于产业园区招商智能推荐系统及推荐方法
CN106446478A (zh) 一种切削加工工艺优选系统及方法
CN113888142A (zh) 一种申报企业信息的项目智能管理方法及系统
CN113011788B (zh) 一种海上交通事故应急决策方法、终端设备及存储介质
CN114386781A (zh) 一种基于gra-topsis的物流园区智慧化水平评价方法
Rakhmawati et al. Optimal path with interval value of intuitionistic fuzzy number in multigraph
CN117609818A (zh) 基于聚类与信息熵的电网关联关系发现方法
CN112241808A (zh) 路面技术状况预测方法、装置、电子设备及存储介质
Yu et al. Advantage matrix: two novel multi-attribute decision-making methods and their applications
CN117455158A (zh) 一种典型场景智能体编组决策方案生成装置及方法
CN117035710A (zh) 人才评估量化方法、系统、设备及介质
CN114764682B (zh) 一种基于多机器学习算法融合的大米安全风险评估方法
Pryimak et al. Fuzzy technologies modeling the level of welfare of the population in the system of effective management
CN114169731A (zh) 一种科研机构评级系统、方法、设备和存储介质
Zhu et al. Effective clustering analysis based on new designed clustering validity index and revised K-means algorithm for big data
Parchitelli et al. A pre-process clustering methods for the waste collection problem
CN118332451B (zh) 一种群体划分模型的分类方法
Rezaee et al. GPS: A graph-based approach to portfolio selection

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Ling Jianming

Inventor after: Wang Zengyi

Inventor after: Tian Yu

Inventor after: Li Xiang

Inventor after: Ren Liang

Inventor after: Xiang Peng

Inventor before: Ling Jianming

Inventor before: Tian Yu

Inventor before: Wang Zengyi

Inventor before: Li Xiang

Inventor before: Ren Liang

Inventor before: Xiang Peng

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant