CN113159640A - 一种评价指标权重的确定方法、装置、设备及介质 - Google Patents
一种评价指标权重的确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113159640A CN113159640A CN202110535063.7A CN202110535063A CN113159640A CN 113159640 A CN113159640 A CN 113159640A CN 202110535063 A CN202110535063 A CN 202110535063A CN 113159640 A CN113159640 A CN 113159640A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- index
- weight
- determining
- indexes
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 485
- 238000000034 method Methods 0.000 title claims abstract description 110
- 239000011159 matrix material Substances 0.000 claims description 62
- 238000012360 testing method Methods 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013278 delphi method Methods 0.000 description 2
- 238000010988 intraclass correlation coefficient Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种评价指标权重的确定方法、装置、设备及介质。其中,该方法包括:根据驾驶场景复杂度对应的评价指标体系中的评价内容,确定各评价内容分别对应的不同评价指标,其中,评价指标体系中包括不同的评价内容;针对所有评价内容中的每个评价内容,采用主观赋权法确定当前评价内容对应的不同评价指标分别对应的第一权重,以及采用客观赋权法确定当前评价内容对应的不同评价指标分别对应的第二权重,其中,第一权重与第二权重不同;根据第一权重和第二权重,得到不同评价指标分别对应的目标权重。本发明实施例提供的技术方案,能够反应驾驶场景的真实复杂度,有利于提高各评价指标权重的准确性。
Description
技术领域
本发明实施例涉及智能网联汽车技术领域,尤其涉及一种评价指标权重的确定方法、装置、设备及介质。
背景技术
智能网联汽车上路时需要应对各种复杂的交通、道路和天气状况,尤其是我国特有的混合交通流环境。在对智能网联汽车进行实际道路测试时,需要以用户驾驶场景库作为支撑,而在使用用户驾驶场景库时,需明确不同驾驶场景的复杂度。
现有技术中,通常以驾驶场景复杂度评价指标的权重来衡量驾驶场景的复杂度,而评价指标的权重的确定方式有两种:一种是采用主观评估法,基于专家评分结果确定各评价指标的权重;另一种是采用等权重法确定各评价指标的权重。
但是,上述主观评估法容易受到专家经验及专家数量等因素的影响,忽略了指标的客观内容,而等权重法会和真实情况不符。上述两种方法均会导致得出的结果与真实情况存在较大偏差,不能很好的反应驾驶场景的真实复杂度。
发明内容
本发明实施例提供了一种评价指标权重的确定方法、装置、设备及介质,能够反应驾驶场景的真实复杂度,有利于提高各评价指标权重的准确性。
第一方面,本发明实施例提供了一种评价指标权重的确定方法,该方法包括:
根据驾驶场景复杂度对应的评价指标体系中的评价内容,确定各评价内容分别对应的不同评价指标,其中,所述评价指标体系中包括不同的评价内容,所述评价内容包括自身车辆的环境信息、自身车辆的道路信息、交通参与者信息以及自身车辆的车辆信息中的至少一种;
针对所有评价内容中的每个评价内容,采用主观赋权法确定当前评价内容对应的不同评价指标分别对应的第一权重,以及采用客观赋权法确定当前评价内容对应的不同评价指标分别对应的第二权重,其中,所述第一权重与所述第二权重不同;
根据所述第一权重和所述第二权重,得到所述不同评价指标分别对应的目标权重。
第二方面,本发明实施例提供了一种评价指标权重的确定装置,该装置包括:
指标确定模块,用于根据驾驶场景复杂度对应的评价指标体系中的评价内容,确定各评价内容分别对应的不同评价指标,其中,所述评价指标体系中包括不同的评价内容,所述评价内容包括自身车辆的环境信息、自身车辆的道路信息、交通参与者信息以及自身车辆的车辆信息中的至少一种;
权重确定模块,用于针对所有评价内容中的每个评价内容,采用主观赋权法确定当前评价内容对应的不同评价指标分别对应的第一权重,以及采用客观赋权法确定当前评价内容对应的不同评价指标分别对应的第二权重,其中,所述第一权重与所述第二权重不同;
目标权重确定模块,用于根据所述第一权重和所述第二权重,得到所述不同评价指标分别对应的目标权重。
第三方面,本发明实施例提供了一种计算机设备,该计算机设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例所述的评价指标权重的确定方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所述的评价指标权重的确定方法。
本发明实施例提供了一种评价指标权重的确定方法、装置、设备及介质,首先根据驾驶场景复杂度对应的评价指标体系中的评价内容,确定各评价内容分别对应的不同评价指标,评价指标体系中包括不同的评价内容,评价内容包括自身车辆的环境信息、自身车辆的道路信息、交通参与者信息以及自身车辆的车辆信息中的至少一种,然后针对所有评价内容中的每个评价内容,采用主观赋权法确定当前评价内容对应的不同评价指标分别对应的第一权重,以及采用客观赋权法确定当前评价内容对应的不同评价指标分别对应的第二权重,第一权重与第二权重不同,最后根据第一权重和第二权重,得到不同评价指标分别对应的目标权重,通过目标权重能够反应驾驶场景的真实复杂度,有利于提高各评价指标权重的准确性。
附图说明
图1A为本发明实施例一提供的一种评价指标权重的确定方法的流程图;
图1B为本发明实施例一提供的方法中驾驶场景复杂度对应的评价指标体系的示意图;
图2为本发明实施例二提供的一种评价指标权重的确定方法的流程图;
图3为本发明实施例三提供的一种评价指标权重的确定装置的结构示意图;
图4为本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1A为本发明实施例一提供的一种评价指标权重的确定方法的流程图,本实施例可适用于确定驾驶场景复杂度对应的评价指标体系中的不同评价指标的权重。本实施例提供的评价指标权重的确定方法可以由本发明实施例提供的评价指标权重的确定装置来执行,该装置可以通过软件和/或硬件的方式实现,并集成在执行本方法的计算机设备中。
参见图1A,本实施例的方法包括但不限于如下步骤:
S110,根据驾驶场景复杂度对应的评价指标体系中的评价内容,确定各评价内容分别对应的不同评价指标,其中,评价指标体系中包括不同的评价内容,评价内容包括自身车辆的环境信息、自身车辆的道路信息、交通参与者信息以及自身车辆的车辆信息中的至少一种。
其中,驾驶场景复杂度可以理解为对于驾驶员而言,不同驾驶场景在驾驶过程中的难易程度。驾驶场景复杂度对应的评价指标体系可以理解为从不同方面对驾驶场景的复杂度进行评价的体系。评价内容可以理解为能够衡量驾驶场景复杂度的具体内容,例如,可以根据自身车辆的环境信息、自身车辆的道路信息、交通参与者信息以及自身车辆的车辆信息中的至少一种来衡量自身车辆的驾驶场景复杂度。自身车辆的环境信息可以理解为自身车辆所处的外界环境信息,例如天气信息;自身车辆的道路信息可以理解为自身车辆行驶的道路的相关信息,例如道路交通信号灯或者道路类型等;交通参与者信息可以理解为自身车辆周围的行人或者其他车辆的相关信息;自身车辆的车辆信息可以理解为自身车辆行驶过程中的车速或者行驶路线等。
在对智能网联汽车进行实际道路测试时,需要以用户驾驶场景库作为支撑,使用用户驾驶场景库可以有效减少智能网联汽车在实际道路上的大规模测试,提升测试效率及质量。通常情况下,可以用驾驶场景复杂度对应的评价指标体系中的评价指标的权重来衡量驾驶场景的复杂度,那么在确定评价指标权重时,需要确定驾驶场景复杂度对应的评价指标体系中包括的评价内容,以及各评价内容下分别对应的评价指标,以便后续针对所有评价内容中的每个评价内容,采用主观赋权法确定当前评价内容对应的不同评价指标分别对应的第一权重,以及采用客观赋权法确定当前评价内容对应的不同评价指标分别对应的第二权重。
S120,针对所有评价内容中的每个评价内容,采用主观赋权法确定当前评价内容对应的不同评价指标分别对应的第一权重,以及采用客观赋权法确定当前评价内容对应的不同评价指标分别对应的第二权重,其中,第一权重与第二权重不同。
其中,主观赋权法可以理解为根据决策者主观信息进行赋权的方法,例如:Delphi法(德尔菲法)、层次分析法以及专家评分法等。客观赋权法可以理解为根据一定的规则进行赋权的方法,其中不包含决策者信息,例如:熵权法、标准离差法以及多目标规划法等。
由于评价内容可能有多个,那么在确定评价内容对应的不同评价指标分别对应的第一权重和第二权重时,也需要确定各评价内容下不同的评价指标所对应的第一权重和第二权重,具体的,针对所有评价内容中包含的每个评价内容,通过采用主观赋权法能够确定当前评价内容对应的不同评价指标分别对应的第一权重,即主观权重,以及通过采用客观赋权法能够确定当前评价内容对应的不同评价指标分别对应的第二权重,即客观权重,以便后续根据第一权重和第二权重,得到不同评价指标分别对应的目标权重。
S130,根据第一权重和第二权重,得到不同评价指标分别对应的目标权重。
其中,目标权重可以理解为:根据第一权重和第二权重所得到的不同评价指标分别对应的综合权重。
在得到第一权重和第二权重之后,通过组合赋权法,即将第一权重和第二权重组合起来,确定第一权重和第二权重的不同占比,从而得到不同评价指标分别对应的目标权重。通过上述方法能够减少信息的损失,使目标权重尽可能的与实际结果接近。
本实施例提供的技术方案,首先根据驾驶场景复杂度对应的评价指标体系中的评价内容,确定各评价内容分别对应的不同评价指标,评价指标体系中包括不同的评价内容,评价内容包括自身车辆的环境信息、自身车辆的道路信息、交通参与者信息以及自身车辆的车辆信息中的至少一种,然后针对所有评价内容中的每个评价内容,采用主观赋权法确定当前评价内容对应的不同评价指标分别对应的第一权重,以及采用客观赋权法确定当前评价内容对应的不同评价指标分别对应的第二权重,第一权重与第二权重不同,最后根据第一权重和第二权重,得到不同评价指标分别对应的目标权重,通过目标权重能够反应驾驶场景的真实复杂度,有利于提高各评价指标权重的准确性。
在一些实施例中,所述自身车辆的环境信息对应的评价指标包括光照强度指标、能见度指标以及外部温度指标中的至少一个;所述自身车辆的道路信息对应的评价指标包括车道数量指标、道路曲率指标以及道路坡度指标中的至少一个;所述交通参与者信息对应的评价指标包括参与者数量指标、参与者动作指标以及参与者速度指标中的至少一个;所述自身车辆的车辆信息对应的评价指标包括自身车辆的车速指标、自身车辆的加速度指标以及自身车辆的动作指标中的至少一个。
示例性的,图1B为本发明实施例一提供的方法中驾驶场景复杂度对应的评价指标体系的示意图,参见图1B:
驾驶场景复杂度对应的评价指标体系中共包括四个评价内容:分别是自身车辆的环境信息、自身车辆的道路信息、交通参与者信息以及自身车辆的车辆信息。其中自身车辆的环境信息对应的评价指标包括:光照强度指标、外部温度指标以及能见度指标等;自身车辆的道路信息对应的评价指标包括:车道数量指标、道路曲率指标以及道路坡度指标等;交通参与者信息对应的评价指标包括:参与者数量指标、参与者动作指标以及参与者速度指标中等;自身车辆的车辆信息对应的评价指标包括:自身车辆的车速指标、自身车辆的加速度指标以及自身车辆的动作指标等。
需要说明的是:自身车辆的环境信息、自身车辆的道路信息、交通参与者信息以及自身车辆的车辆信息还可以包括其他的评价指标,本实施例不做具体限制。
具体的,光照强度指标、外部温度指标以及能见度指标的具体数值,可以通过自身车辆连接网络后查询天气得到,也可以通过自身车辆中安装的传感器以及摄像头等设备所采集的信息得到,本实施例不做具体限制。车道数量指标、参与者数量指标以及参与者动作指标的具体数值可以通过对车辆中安装的摄像头所采集的图像信息进行识别后得到;道路曲率指标和道路坡度指标的具体数值可以通过自身车辆连接网络后查询当前所处道路的信息得到,也可以根据车辆中安装的摄像头、传感器以及雷达等设备所采集的数据进行相关计算后得到,参与者速度指标、自身车辆的车速指标、自身车辆的加速度指标以及自身车辆的动作指标的具体数值可以根据车辆中安装的摄像头、传感器以及雷达等设备所采集的数据进行计算后得到。
本发明实施例中,不同的评价内容包括不同的评价指标,通过多种评价指标能够从多个维度来衡量驾驶场景复杂度,使得所确定的不同评价指标分别对应的目标权重更符合实际情况。
实施例二
图2为本发明实施例二提供的一种评价指标权重的确定方法的流程图。本发明实施例是在上述实施例的基础上进行优化。可选的,本实施例对第一权重、第二权重以及目标权重的确定过程进行详细的解释说明。
参见图2,本实施例的方法包括但不限于如下步骤:
S210,根据驾驶场景复杂度对应的评价指标体系中的评价内容,确定各评价内容分别对应的不同评价指标,其中,评价指标体系中包括不同的评价内容,评价内容包括自身车辆的环境信息、自身车辆的道路信息、交通参与者信息以及自身车辆的车辆信息中的至少一种。
S220,针对所有评价内容中的每个评价内容,采用主观赋权法确定当前评价内容对应的不同评价指标分别对应的第一权重,以及采用客观赋权法确定当前评价内容对应的不同评价指标分别对应的第二权重,其中,第一权重与第二权重不同。
可选的,所述主观赋权法包括层次分析法;相应的,所述采用主观赋权法确定所述当前评价内容对应的不同评价指标分别对应的第一权重,可以具体包括:获取当前评价内容对应的不同评价指标对应的判断矩阵,其中,所述判断矩阵基于所述当前评价内容对应的不同评价指标之间的重要性比较结果得到;对所述判断矩阵中的列向量进行归一化,得到第一矩阵;对所述第一矩阵中每行对应的行元素相加得到第二矩阵,并对所述第二矩阵进行归一化,得到第三矩阵;对所述第三矩阵进行一致性检验,得到检验结果,并在所述检验结果为通过时,将所述第三矩阵中的元素确定为所述当前评价内容对应的不同评价指标分别对应的第一权重。
其中,层次分析法可以理解为将与决策有关的元素分解成目标、准则以及方案等层次结构,在此基础上进行定性和定量分析的决策方法。
具体的,当前评价内容对应的不同评价指标分别对应的第一权重的确定方式可以为:
1)通过多位资深专家以及具有丰富驾驶经验的驾驶员对当前评价内容对应的不同评价指标之间的重要性进行比较,根据重要性程度能够得到当前评价内容对应的不同评价指标对应的判断矩阵A,重要性程度可以用设定的1至9或1至5的重要性标度来表示,例如,1表示:两个评价指标相比,具有同样的重要性;2表示:两个评价指标相比,一个评价指标比另一个评价指标稍微重要;5表示:两个评价指标相比,一个评价指标比另一个评价指标明显重要;7表示:两个评价指标相比,一个评价指标比另一个评价指标强烈重要;9表示:两个评价指标相比,一个评价指标比另一个评价指标极端重要;2、4、6和8分别是上述相邻判断的中值;评价指标i与评价指标j比较的重要性程度为aij,则评价指标j与评价指标i比较的重要性程度为aji=1/aij。
2)对判断矩阵A中的列向量进行归一化,得到第一矩阵,具体的列向量归一化可以用下式表示:
其中,aij表示矩阵A中第i行第j列的元素,即评价指标i与评价指标j比较的重要性程度,表示对判断矩阵A中的列向量进行归一化后得到的第一矩阵中第i行第j列的数值,i表示行数,j表示列数,n表示当前评价内容对应的评价指标个数。
3)对第一矩阵中每行对应的行元素相加得到第二矩阵,第二矩阵中的元素可以用下式求取,即:
其中,wi表示对第一矩阵中第i行的所有行元素相加得到的数值,即第二矩阵中的元素。
4)对第二矩阵进行归一化,得到第三矩阵,第三矩阵中的元素可以用下式求取,即
5)采用一致性检验方法对第三矩阵进行一致性检验,得到检验结果,如果检验结果为通过,则将第三矩阵中的元素确定为当前评价内容对应的不同评价指标分别对应的第一权重。其中,一致性检验方法可以包括:组内相关系数(Intraclass CorrelationCoefficient,简称ICC)检验、Kappa系数检验以及Kendall(肯德尔)协调系数W检验等。
相应的,如果检验结果为不通过,则重复上述步骤1)-5)。
本发明实施例中,先获取当前评价内容对应的不同评价指标对应的判断矩阵,再对判断矩阵进行相应的归一化处理,得到第三矩阵,在第三矩阵的一致性检验结果通过时,将第三矩阵中的元素确定为当前评价内容对应的不同评价指标分别对应的第一权重,考虑了资深专家以及具有丰富驾驶经验的驾驶员的专业知识,有利于提高第一权重的准确性以及后续确定不同评价指标分别对应的目标权重。
进一步的,所述对所述第三矩阵进行一致性检验,得到检验结果,可以具体包括:确定所述当前评价内容对应的不同评价指标中的评价指标个数以及所述判断矩阵对应的特征根中的最大特征根;根据所述评价指标个数和所述最大特征根确定一致性指标的数值;根据所述评价指标个数确定随机一致性指标的数值;根据所述一致性指标的数值以及随机一致性指标的数值,确定一致性比率的数值;根据所述一致性比率的数值与预设阈值的大小关系,确定检验结果。
具体的,得到检验结果的过程可以为:
1)确定当前评价内容对应的评价指标个数n以及判断矩阵对应的特征根中的最大特征根λmax,最大特征根的计算公式可以用下式表示:
2)根据评价指标个数n和最大特征根λmax确定一致性指标的数值,即:
其中,CI表示一致性指标(Consistency Index,简称CI)。
3)根据评价指标个数n确定随机一致性指标(Random Index,简称RI)的数值,具体的可以查询下表1得到:
表1
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 |
RI | 0 | 0 | 0.58 | 0.9 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 | 1.51 |
4)根据一致性指标的数值以及随机一致性指标的数值,确定一致性比率的数值(Consistency Ratio,简称CR),即:
5)根据一致性比率的数值与预设阈值的大小关系,确定检验结果,其中,预设阈值可以是预先设置好的数值,例如0.1,也可以视具体情况而定,本实施例不做具体限制。若预设阈值是0.1,那么当CR<0.1,则认为检验结果为通过;当CR≥0.1,则认为检验结果为不通过。
本发明实施例中,根据一致性比率的数值与预设阈值的大小关系,确定检验结果,能够检验判断矩阵中不同评价指标的重要性之间的协调性,避免出现矛盾情况,从而有利于提高第一权重的准确性。
可选的,所述客观赋权法包括熵权法;相应的,所述采用客观赋权法确定当前评价内容对应的不同评价指标分别对应的第二权重,可以具体包括:确定当前评价内容对应的不同评价指标中的每个评价指标分别对应的子评价指标、子评价指标的个数以及各子评价指标分别对应的概率值;根据所述子评价指标的个数和所述各子评价指标分别对应的概率值,确定目标评价指标对应的熵值,并根据所述熵值确定所述目标评价指标对应的第二权重,其中,所述目标评价指标是与所述子评价指标对应的评价指标。
其中,熵权法可以理解为:利用信息熵计算出各个评价指标的权重,为多个评价指标的综合评价提供依据的方法。通常情况下,某个评价指标的信息熵越小,表明该评价指标的变异程度越大,提供的信息量越多,在综合评价中所能起到的作用也越大,其权重也就越大。相反,某个评价指标的信息熵越大,表明该评价指标的变异程度越小,提供的信息量也越少,在综合评价中所起到的作用也越小,其权重也就越小。
具体的,第二权重的确定方式可以为:
1)确定当前评价内容对应的不同评价指标中的每个评价指标分别对应的子评价指标、子评价指标的个数以及各子评价指标分别对应的概率值,例如,在当前评价内容为自身车辆的车辆信息时,确定自身车辆的车辆信息对应的不同评价指标,例如可以为:自身车辆的车速指标B1、自身车辆的加速度指标B2以及自身车辆的动作指标B3,再确定B1、B2和B3这三个评价指标分别对应的子评价指标,例如B3对应的子评价指标可以为:循线、向右变道、向左变道、掉头以及加速。通过查询驾驶场景库的数据集中存储的用户驾驶场景数据中包含B3的数据总条数,以及包含B3的数据总条数中循线、向右变道、向左变道、掉头以及加速分别对应的数据条数,能够确定B3对应的子评价指标中各子评价指标分别对应的概率值。示例性的,假设包含B3的数据总条数为15万,其中,循线对应的数据条数为3万,向右变道对应的数据条数为5万、向左变道对应的数据条数为4万,掉头对应的数据条数为1万、以及加速对应的数据条数为2万,那么循线对应的概率值为0.2,向右变道对应的概率值为0.33,向左变道对应的概率值为0.27,掉头对应的概率值为0.07,加速对应的概率值为0.13。
2)根据子评价指标的个数和各子评价指标分别对应的概率值,确定目标评价指标对应的熵值,其中,目标评价指标是与子评价指标对应的评价指标,熵值的计算公式可以用下式表示:
其中,Sc表示第c个评价指标对应的熵值,c表示某评价指标在其所属的评价内容下对应的评价指标中的排序,n表示第c个评价指标所属的评价内容(即当前评价内容)下对应的评价指标的个数,d表示某子评价指标在其对应的评价指标下的所有子评价指标中的排序,Pcd表示第c个评价指标下第d个子评价指标对应的概率值,m表示第c个评价指标下对应的子评价指标的个数。
3)在确定了目标评价指标对应的熵值之后,根据该熵值进行相应的计算能够确定目标评价指标对应的第二权重。
本发明实施例中,先确定当前评价内容对应的不同评价指标中的每个评价指标分别对应的子评价指标、子评价指标的个数以及各子评价指标分别对应的概率值,再根据子评价指标的个数和各子评价指标分别对应的概率值,确定目标评价指标对应的熵值,并根据熵值确定目标评价指标对应的第二权重,目标评价指标是与子评价指标对应的评价指标,考虑了评价指标的客观内容,使得所确定的第二权重更准确,并且有利于后续确定不同评价指标分别对应的目标权重。
进一步的,所述根据所述熵值确定所述目标评价指标对应的第二权重,可以具体包括:确定所述当前评价内容对应的不同评价指标中的评价指标个数;根据所述熵值以及所述评价指标个数确定所述目标评价指标对应的第二权重。
具体的,确定当前评价内容对应的不同评价指标中的评价指标个数n,根据该评价指标个数n以及目标评价指标对应的熵值,能够确定目标评价指标对应的第二权重,其中,第二权重的计算公式可以用下式表示:
本发明实施例中,根据熵值以及评价指标个数确定目标评价指标对应的第二权重,使得所确定的第二权重更接近于实际情况。
S230,确定第一权重对应的第一权重系数以及第二权重对应的第二权重系数。
在确定了每个评价内容对应的不同评价指标分别对应的第一权重以及第二权重之后,还需要确定第一权重对应的第一权重系数以及第二权重对应的第二权重系数,即确定第一权重和第二权重分别在对应的目标权重中所占的比例,便于后续根据第一权重、第一权重系数、第二权重以及第二权重系数,得到不同评价指标分别对应的目标权重,使得驾驶场景复杂度对应的评价指标体系得到的评价结果更科学。
S240,根据第一权重、第一权重系数、第二权重以及第二权重系数,得到不同评价指标分别对应的目标权重。
在确定了第一权重对应的第一权重系数以及第二权重对应的第二权重系数之后,将第一权重和第一权重系数相乘得到第一乘积,将第二权重和第二权重系数相乘,得到第二乘积,将第一乘积和第二乘积相加,就得到了不同评价指标分别对应的目标权重。
其中,目标权重的计算公式可以用下式表示:
需要说明的是:θ的取值可以是预先设计好的数值,例如0.5,也可以视具体情况而定,本实施例不做具体限制。
本实施例提供的技术方案,首先根据驾驶场景复杂度对应的评价指标体系中的评价内容,确定各评价内容分别对应的不同评价指标,评价指标体系中包括不同的评价内容,评价内容包括自身车辆的环境信息、自身车辆的道路信息、交通参与者信息以及自身车辆的车辆信息中的至少一种,接着针对所有评价内容中的每个评价内容,采用主观赋权法确定当前评价内容对应的不同评价指标分别对应的第一权重,以及采用客观赋权法确定当前评价内容对应的不同评价指标分别对应的第二权重,第一权重与第二权重不同,然后确定第一权重对应的第一权重系数以及第二权重对应的第二权重系数,最后根据第一权重、第一权重系数、第二权重以及第二权重系数,得到不同评价指标分别对应的目标权重,考虑了第一权重和第二权重分别在目标权重中所占的比例,使得最终确定的目标权重更准确,从而通过目标权重能够反应驾驶场景的真实复杂度,避免了单一方式确定权重方法的缺陷。
实施例三
图3为本发明实施例三提供的一种评价指标权重的确定装置的结构示意图,如图3所示,该装置可以包括:
指标确定模块310,用于根据驾驶场景复杂度对应的评价指标体系中的评价内容,确定各评价内容分别对应的不同评价指标,其中,所述评价指标体系中包括不同的评价内容,所述评价内容包括自身车辆的环境信息、自身车辆的道路信息、交通参与者信息以及自身车辆的车辆信息中的至少一种;
权重确定模块320,用于针对所有评价内容中的每个评价内容,采用主观赋权法确定当前评价内容对应的不同评价指标分别对应的第一权重,以及采用客观赋权法确定当前评价内容对应的不同评价指标分别对应的第二权重,其中,所述第一权重与所述第二权重不同;
目标权重确定模块330,用于根据所述第一权重和所述第二权重,得到所述不同评价指标分别对应的目标权重。
本实施例提供的技术方案,首先根据驾驶场景复杂度对应的评价指标体系中的评价内容,确定各评价内容分别对应的不同评价指标,评价指标体系中包括不同的评价内容,评价内容包括自身车辆的环境信息、自身车辆的道路信息、交通参与者信息以及自身车辆的车辆信息中的至少一种,然后针对所有评价内容中的每个评价内容,采用主观赋权法确定当前评价内容对应的不同评价指标分别对应的第一权重,以及采用客观赋权法确定当前评价内容对应的不同评价指标分别对应的第二权重,第一权重与第二权重不同,最后根据第一权重和第二权重,得到不同评价指标分别对应的目标权重,通过目标权重能够反应驾驶场景的真实复杂度,有利于提高各评价指标权重的准确性。
进一步的,所述主观赋权法包括层次分析法;相应的,上述权重确定模块320,可以包括:判断矩阵确定单元,用于获取当前评价内容对应的不同评价指标对应的判断矩阵,其中,所述判断矩阵基于所述当前评价内容对应的不同评价指标之间的重要性比较结果得到;第一矩阵确定单元,用于对所述判断矩阵中的列向量进行归一化,得到第一矩阵;第三矩阵确定单元,用于对所述第一矩阵中每行对应的行元素相加得到第二矩阵,并对所述第二矩阵进行归一化,得到第三矩阵;第一权重确定单元,用于对所述第三矩阵进行一致性检验,得到检验结果,并在所述检验结果为通过时,将所述第三矩阵中的元素确定为所述当前评价内容对应的不同评价指标分别对应的第一权重。
进一步的,上述第一权重确定单元,可以具体用于:确定所述当前评价内容对应的不同评价指标中的评价指标个数以及所述判断矩阵对应的特征根中的最大特征根;根据所述评价指标个数和所述最大特征根确定一致性指标的数值;根据所述评价指标个数确定随机一致性指标的数值;根据所述一致性指标的数值以及随机一致性指标的数值,确定一致性比率的数值;根据所述一致性比率的数值与预设阈值的大小关系,确定检验结果。
进一步的,所述客观赋权法包括熵权法;相应的,上述权重确定模块320还可以包括:第二权重确定单元,用于:确定当前评价内容对应的不同评价指标中的每个评价指标分别对应的子评价指标、子评价指标的个数以及各子评价指标分别对应的概率值;根据所述子评价指标的个数和所述各子评价指标分别对应的概率值,确定目标评价指标对应的熵值,并根据所述熵值确定所述目标评价指标对应的第二权重,其中,所述目标评价指标是与所述子评价指标对应的评价指标。
进一步的,上述第二权重确定单元,可以具体用于:确定所述当前评价内容对应的不同评价指标中的评价指标个数;根据所述熵值以及所述评价指标个数确定所述目标评价指标对应的第二权重。
进一步的,上述目标权重确定模块330,可以具体用于:确定所述第一权重对应的第一权重系数以及所述第二权重对应的第二权重系数;根据所述第一权重、所述第一权重系数、所述第二权重以及所述第二权重系数,得到所述不同评价指标分别对应的目标权重。
进一步的,所述自身车辆的环境信息对应的评价指标包括光照强度指标、能见度指标以及外部温度指标中的至少一个;所述自身车辆的道路信息对应的评价指标包括车道数量指标、道路曲率指标以及道路坡度指标中的至少一个;所述交通参与者信息对应的评价指标包括参与者数量指标、参与者动作指标以及参与者速度指标中的至少一个;所述自身车辆的车辆信息对应的评价指标包括自身车辆的车速指标、自身车辆的加速度指标以及自身车辆的动作指标中的至少一个。
本实施例提供的评价指标权重的确定装置可适用于上述任意实施例提供的评价指标权重的确定方法,具备相应的功能和有益效果。
实施例四
图4为本发明实施例四提供的一种计算机设备的结构示意图,如图4所示,该计算机设备包括处理器410、存储装置420和通信装置430;计算机设备中处理器410的数量可以是一个或多个,图4中以一个处理器410为例;计算机设备中的处理器410、存储装置420和通信装置430可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储装置420作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的评价指标权重的确定方法对应的模块(例如,用于评价指标权重的确定装置中的指标确定模块310、权重确定模块320和目标权重确定模块330)。处理器410通过运行存储在存储装置420中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述的评价指标权重的确定方法。
存储装置420可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储装置420可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置420可进一步包括相对于处理器410远程设置的存储器,这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信装置430,用于实现服务器之间的网络连接或者移动数据连接。
本实施例提供的一种计算机设备可用于执行上述任意实施例提供的评价指标权重的确定方法,具备相应的功能和有益效果。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例中的评价指标权重的确定方法,该方法具体包括:
根据驾驶场景复杂度对应的评价指标体系中的评价内容,确定各评价内容分别对应的不同评价指标,其中,所述评价指标体系中包括不同的评价内容,所述评价内容包括自身车辆的环境信息、自身车辆的道路信息、交通参与者信息以及自身车辆的车辆信息中的至少一种;
针对所有评价内容中的每个评价内容,采用主观赋权法确定当前评价内容对应的不同评价指标分别对应的第一权重,以及采用客观赋权法确定当前评价内容对应的不同评价指标分别对应的第二权重,其中,所述第一权重与所述第二权重不同;
根据所述第一权重和所述第二权重,得到所述不同评价指标分别对应的目标权重。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的评价指标权重的确定方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述评价指标权重的确定装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种评价指标权重的确定方法,其特征在于,包括:
根据驾驶场景复杂度对应的评价指标体系中的评价内容,确定各评价内容分别对应的不同评价指标,其中,所述评价指标体系中包括不同的评价内容,所述评价内容包括自身车辆的环境信息、自身车辆的道路信息、交通参与者信息以及自身车辆的车辆信息中的至少一种;
针对所有评价内容中的每个评价内容,采用主观赋权法确定当前评价内容对应的不同评价指标分别对应的第一权重,以及采用客观赋权法确定当前评价内容对应的不同评价指标分别对应的第二权重,其中,所述第一权重与所述第二权重不同;
根据所述第一权重和所述第二权重,得到所述不同评价指标分别对应的目标权重。
2.根据权利要求1所述的方法,其特征在于,所述主观赋权法包括层次分析法;
相应的,所述采用主观赋权法确定所述当前评价内容对应的不同评价指标分别对应的第一权重,包括:
获取当前评价内容对应的不同评价指标对应的判断矩阵,其中,所述判断矩阵基于所述当前评价内容对应的不同评价指标之间的重要性比较结果得到;
对所述判断矩阵中的列向量进行归一化,得到第一矩阵;
对所述第一矩阵中每行对应的行元素相加得到第二矩阵,并对所述第二矩阵进行归一化,得到第三矩阵;
对所述第三矩阵进行一致性检验,得到检验结果,并在所述检验结果为通过时,将所述第三矩阵中的元素确定为所述当前评价内容对应的不同评价指标分别对应的第一权重。
3.根据权利要求2所述的方法,其特征在于,所述对所述第三矩阵进行一致性检验,得到检验结果,包括:
确定所述当前评价内容对应的不同评价指标中的评价指标个数以及所述判断矩阵对应的特征根中的最大特征根;
根据所述评价指标个数和所述最大特征根确定一致性指标的数值;
根据所述评价指标个数确定随机一致性指标的数值;
根据所述一致性指标的数值以及随机一致性指标的数值,确定一致性比率的数值;
根据所述一致性比率的数值与预设阈值的大小关系,确定检验结果。
4.根据权利要求1所述的方法,其特征在于,所述客观赋权法包括熵权法;
相应的,所述采用客观赋权法确定当前评价内容对应的不同评价指标分别对应的第二权重,包括:
确定当前评价内容对应的不同评价指标中的每个评价指标分别对应的子评价指标、子评价指标的个数以及各子评价指标分别对应的概率值;
根据所述子评价指标的个数和所述各子评价指标分别对应的概率值,确定目标评价指标对应的熵值,并根据所述熵值确定所述目标评价指标对应的第二权重,其中,所述目标评价指标是与所述子评价指标对应的评价指标。
5.根据权利要求4所述的方法,其特征在于,所述根据所述熵值确定所述目标评价指标对应的第二权重,包括:
确定所述当前评价内容对应的不同评价指标中的评价指标个数;
根据所述熵值以及所述评价指标个数确定所述目标评价指标对应的第二权重。
6.根据权利要求1所述的方法,其特征在于,所述根据所述第一权重和所述第二权重,得到所述不同评价指标分别对应的目标权重,包括:
确定所述第一权重对应的第一权重系数以及所述第二权重对应的第二权重系数;
根据所述第一权重、所述第一权重系数、所述第二权重以及所述第二权重系数,得到所述不同评价指标分别对应的目标权重。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述自身车辆的环境信息对应的评价指标包括光照强度指标、能见度指标以及外部温度指标中的至少一个;所述自身车辆的道路信息对应的评价指标包括车道数量指标、道路曲率指标以及道路坡度指标中的至少一个;所述交通参与者信息对应的评价指标包括参与者数量指标、参与者动作指标以及参与者速度指标中的至少一个;所述自身车辆的车辆信息对应的评价指标包括自身车辆的车速指标、自身车辆的加速度指标以及自身车辆的动作指标中的至少一个。
8.一种评价指标权重的确定装置,其特征在于,包括:
指标确定模块,用于根据驾驶场景复杂度对应的评价指标体系中的评价内容,确定各评价内容分别对应的不同评价指标,其中,所述评价指标体系中包括不同的评价内容,所述评价内容包括自身车辆的环境信息、自身车辆的道路信息、交通参与者信息以及自身车辆的车辆信息中的至少一种;
权重确定模块,用于针对所有评价内容中的每个评价内容,采用主观赋权法确定当前评价内容对应的不同评价指标分别对应的第一权重,以及采用客观赋权法确定当前评价内容对应的不同评价指标分别对应的第二权重,其中,所述第一权重与所述第二权重不同;
目标权重确定模块,用于根据所述第一权重和所述第二权重,得到所述不同评价指标分别对应的目标权重。
9.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一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,该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110535063.7A CN113159640A (zh) | 2021-05-17 | 2021-05-17 | 一种评价指标权重的确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110535063.7A CN113159640A (zh) | 2021-05-17 | 2021-05-17 | 一种评价指标权重的确定方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113159640A true CN113159640A (zh) | 2021-07-23 |
Family
ID=76876308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110535063.7A Pending CN113159640A (zh) | 2021-05-17 | 2021-05-17 | 一种评价指标权重的确定方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113159640A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115035718A (zh) * | 2022-06-02 | 2022-09-09 | 东风汽车集团股份有限公司 | 基于车辆动作类型和次数的场景复杂度评价方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647885A (zh) * | 2018-05-10 | 2018-10-12 | 北京科东电力控制系统有限责任公司 | 基于层次分析法与熵权值法的电动汽车充电网络评价方法 |
CN109711691A (zh) * | 2018-12-17 | 2019-05-03 | 长安大学 | 一种基于熵权模糊综合评价模型的驾驶风格评价方法 |
CN111785023A (zh) * | 2020-07-14 | 2020-10-16 | 山东派蒙机电技术有限公司 | 一种车辆碰撞风险预警方法及系统 |
CN112257025A (zh) * | 2020-10-14 | 2021-01-22 | 江苏徐工工程机械研究院有限公司 | 用于工程车辆行驶性能综合评价的组合赋权方法及系统 |
CN112529267A (zh) * | 2020-11-27 | 2021-03-19 | 山东大学 | 一种基于模糊综合评价法的超前地质预报方法及系统 |
-
2021
- 2021-05-17 CN CN202110535063.7A patent/CN113159640A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647885A (zh) * | 2018-05-10 | 2018-10-12 | 北京科东电力控制系统有限责任公司 | 基于层次分析法与熵权值法的电动汽车充电网络评价方法 |
CN109711691A (zh) * | 2018-12-17 | 2019-05-03 | 长安大学 | 一种基于熵权模糊综合评价模型的驾驶风格评价方法 |
CN111785023A (zh) * | 2020-07-14 | 2020-10-16 | 山东派蒙机电技术有限公司 | 一种车辆碰撞风险预警方法及系统 |
CN112257025A (zh) * | 2020-10-14 | 2021-01-22 | 江苏徐工工程机械研究院有限公司 | 用于工程车辆行驶性能综合评价的组合赋权方法及系统 |
CN112529267A (zh) * | 2020-11-27 | 2021-03-19 | 山东大学 | 一种基于模糊综合评价法的超前地质预报方法及系统 |
Non-Patent Citations (2)
Title |
---|
刘普辉;章桐;: "基于模糊层次分析法的汽车驾驶性主观评价", 中国工程机械学报, no. 02, pages 181 - 186 * |
周国彬;郑建明;刘汉斌;: "基于层次分析法的汽车多媒体评价指标权重确定方法研究", 汽车零部件, no. 11, pages 17 - 20 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115035718A (zh) * | 2022-06-02 | 2022-09-09 | 东风汽车集团股份有限公司 | 基于车辆动作类型和次数的场景复杂度评价方法 |
CN115035718B (zh) * | 2022-06-02 | 2023-04-18 | 东风汽车集团股份有限公司 | 基于车辆动作类型和次数的场景复杂度评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110579359B (zh) | 自动驾驶失效场景库的优化方法及系统、服务器及介质 | |
CN111460312A (zh) | 空壳企业识别方法、装置及计算机设备 | |
CN112329892A (zh) | 一种目标检测算法的评估方法、装置、设备及存储介质 | |
CN111340144A (zh) | 风险样本检测方法、装置、电子设备及存储介质 | |
CN112580536A (zh) | 一种高位视频车辆及车牌的检测方法及装置 | |
CN113159640A (zh) | 一种评价指标权重的确定方法、装置、设备及介质 | |
CN110807493A (zh) | 一种车辆分类模型的优化方法及设备 | |
CN115705279A (zh) | 一种基于指标数据的智能故障预警方法和装置 | |
CN115460608A (zh) | 一种网络安全策略的执行方法、装置及电子设备 | |
CN108830302B (zh) | 一种图像分类方法、训练方法、分类预测方法及相关装置 | |
CN110880117A (zh) | 虚假业务识别方法、装置、设备和存储介质 | |
CN112685610A (zh) | 虚假注册账号识别方法及相关装置 | |
CN115687034A (zh) | 一种业务系统平面可用性判定方法和装置 | |
CN110569475A (zh) | 一种网民影响力的评估方法、装置、设备和存储介质 | |
CN116401111B (zh) | 脑机接口的功能检测方法、装置、电子设备及存储介质 | |
CN116415841B (zh) | 一种确定生物多样性丰富区信息的方法及装置 | |
CN116704008B (zh) | 基于画面面积计算判断物体的方法、装置及其应用 | |
CN117523832A (zh) | 隧道车流量控制方法、装置、设备及存储介质 | |
CN117953686A (zh) | 一种基于动态采样的交通流量预测方法及相关设备 | |
CN117523818A (zh) | 交通流模型的校正方法、装置、电子设备及存储介质 | |
CN117575377A (zh) | 一种评价城市电力领域综合能效水平的方法和体系 | |
CN117971919A (zh) | 一种基于时序模型的自主式移动车路感知模块仿真预测方法 | |
CN118196373A (zh) | 基于改进yolov8的交通场景目标检测方法 | |
CN111754262A (zh) | 一种定价确定方法、装置、设备和存储介质 | |
CN116468205A (zh) | 一种机动车环保检测质量监测方法及系统 |
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 |