CN113743831A - 一种桥梁网络综合性能评估方法、装置及存储介质 - Google Patents

一种桥梁网络综合性能评估方法、装置及存储介质 Download PDF

Info

Publication number
CN113743831A
CN113743831A CN202111292177.XA CN202111292177A CN113743831A CN 113743831 A CN113743831 A CN 113743831A CN 202111292177 A CN202111292177 A CN 202111292177A CN 113743831 A CN113743831 A CN 113743831A
Authority
CN
China
Prior art keywords
bridge
evaluation
network
determining
bridge 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.)
Pending
Application number
CN202111292177.XA
Other languages
English (en)
Inventor
贾磊
周子益
安茹
覃金庆
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.)
Shenzhen Traffic Science Research Institute Co ltd
Shenzhen Urban Transport Planning Center Co Ltd
Original Assignee
Shenzhen Traffic Science Research Institute Co ltd
Shenzhen Urban Transport Planning Center Co Ltd
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 Shenzhen Traffic Science Research Institute Co ltd, Shenzhen Urban Transport Planning Center Co Ltd filed Critical Shenzhen Traffic Science Research Institute Co ltd
Priority to CN202111292177.XA priority Critical patent/CN113743831A/zh
Publication of CN113743831A publication Critical patent/CN113743831A/zh
Pending legal-status Critical Current

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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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

Abstract

本发明提供了一种桥梁网络综合性能评估方法、装置及存储介质，方法包括：获取标定区域的路网数据和各座桥梁的桥梁数据；根据所述路网数据建立基于图论的桥梁网络，根据所述桥梁数据确定所述桥梁网络的桥梁网络属性值，并根据所述桥梁数据分别确定各座所述桥梁的桥梁单体属性值；根据所述桥梁网络属性值和所述桥梁单体属性值采用多属性效用函数分别确定各项评估指标对应的效应值，并采用层次分析法分别确定各项所述评估指标的权重；根据各项所述评估指标对应的所述效应值和所述权重确定所述桥梁网络的性能评估结果。本发明的技术方案能够提高桥梁性能评估的全面性。

Description

一种桥梁网络综合性能评估方法、装置及存储介质
技术领域
本发明涉及桥梁性能评估技术领域，具体而言，涉及一种桥梁网络综合性能评估方法、装置及存储介质。
背景技术
桥梁作为交通网络的重要组成部分，对保证道路的正常使用和安全运营具有重要的作用。随着桥梁使用年限的增长，为了在桥梁性能恶化时能够及时进行维护，同时避免频繁维护造成的费用增加和对道路交通的影响，对桥梁的性能进行准确评估至关重要。
目前，在对桥梁性能进行评估时，大多都以单座桥梁为评估对象，评估桥梁的技术状况和可靠性能，但是这种评估方式仅考虑了桥梁单体的性能，忽略了桥梁和桥梁之间的联系，然而桥梁之间的连通性能对道路交通等具有重要影响，例如桥梁维护时会带来的交通量变化等社会影响等，因此现有技术对桥梁性能的评估不够全面。
发明内容
本发明解决的问题是如何提高桥梁性能评估的全面性。
为解决上述问题，本发明提供一种桥梁网络综合性能评估方法、装置及存储介质。
第一方面，本发明提供了一种桥梁网络综合性能评估方法，包括：
获取标定区域的路网数据和各座桥梁的桥梁数据；
根据所述路网数据建立基于图论的桥梁网络，根据所述桥梁数据确定所述桥梁网络的桥梁网络属性值，并根据所述桥梁数据分别确定各座所述桥梁的桥梁单体属性值；
根据所述桥梁网络属性值和所述桥梁单体属性值采用多属性效用函数分别确定各项评估指标对应的效应值，并采用层次分析法分别确定各项所述评估指标的权重；
根据各项所述评估指标对应的所述效应值和所述权重确定所述桥梁网络的性能评估结果。
可选地，所述根据所述路网数据建立基于图论的桥梁网络包括：
以所述标定区域内的各座所述桥梁为节点，所述标定区域内的道路为边，构建基于串并联模型的所述桥梁网络。
可选地，所述桥梁数据包括所述桥梁的可靠度、交通阻塞概率和通行成本，所述桥梁网络属性值包括网络连通可靠度和用户满意度；
所述根据所述桥梁数据确定所述桥梁网络的桥梁网络属性值包括：
根据各座所述桥梁的可靠度确定所述桥梁网络的所述网络连通可靠度；
根据各座所述桥梁的所述交通阻塞概率和所述通行成本确定针对所述桥梁网络的所述用户满意度。
可选地，所述桥梁数据包括结构指标值和各个时期的费用，所述桥梁单体属性值包括桥梁状况评定值和全寿命周期费用，所述根据所述桥梁数据分别确定各座所述桥梁的桥梁单体属性值包括：
对于任意一座所述桥梁，根据所述桥梁各部分结构对应的所述结构指标值确定所述桥梁状况评定值，并根据所述桥梁各个时期的费用确定所述全寿命周期费用。
可选地，所述根据所述桥梁网络属性值和所述桥梁单体属性值采用多属性效用函数分别确定各项评估指标对应的效应值包括：
根据所述桥梁网络属性值和所述桥梁单体属性值采用第五公式分别确定各项所述评估指标对应的效应值，所述第五公式包括：
Figure 620770DEST_PATH_IMAGE001
，
其中，
Figure 334648DEST_PATH_IMAGE002
，
Figure 848806DEST_PATH_IMAGE003
为单项所述评估指标为
Figure 916119DEST_PATH_IMAGE004
时对应的效应值，
Figure 464912DEST_PATH_IMAGE005
和
Figure 84112DEST_PATH_IMAGE006
为放缩常数，
Figure 85566DEST_PATH_IMAGE007
为单项所述评估指标为
Figure 956570DEST_PATH_IMAGE004
的效应最大的属性值，
Figure 359870DEST_PATH_IMAGE008
为单项所述评估指标为
Figure 149971DEST_PATH_IMAGE004
的效应最小的属性值，
Figure 638721DEST_PATH_IMAGE009
为风险态度，
Figure 375733DEST_PATH_IMAGE010
为确定等值。
可选地，所述采用层次分析法分别确定各项所述评估指标的权重包括：
获取针对所述评估指标的多个评定结果，每个所述评定结果均包括各个所述评估指标之间的重要性比较结果；
根据各个所述评定结果分别建立判断矩阵，并根据各个所述判断矩阵进行一致性校验，根据校验结果分别确定各个所述判断矩阵对应的权重向量，其中，每个所述权重向量包括各个所述评估指标的第一权重；
根据所述权重向量采用群组层次分析法确定各个所述评定结果的群组可信度；
根据对应的所述第一权重和所述群组可信度确定各个所述评估指标的第二权重。
可选地，所述根据所述权重向量采用群组层次分析法确定各个所述评定结果的群组可信度包括：
根据所述权重向量分别计算各个所述评定结果之间的相似性，根据各个所述评定结果之间的相似性计算各个所述评定结果之间的几何相似系数，并对各个所述几何相似系数进行归一化处理，确定各个所述评定结果的评定相似度，其中，每个所述权重向量均包括各个所述评估指标的所述第一权重；
对于每个所述评估指标，根据与所述评估指标对应所有所述第一权重计算所述评估指标的评判均值，并根据所述评判均值和各个所述权重向量中的所述第一权重确定各个所述评定结果的差异度；
根据所述差异度和所述评定相似度确定各个所述评定结果的群组可信度。
可选地，所述根据各项所述评估指标对应的所述效应值和所述权重确定所述桥梁网络的性能评估结果包括：
对各项所述评估指标对应的所述效应值和所述第二权重进行加权求和，获得所述桥梁网络的所述性能评估结果。
第二方面，本发明提供了一种桥梁网络综合性能评估装置，包括：
获取模块，用于获取标定区域的路网数据和各座桥梁的桥梁数据；
处理模块，用于根据所述路网数据建立基于图论的桥梁网络，根据所述桥梁数据确定所述桥梁网络的桥梁网络属性值；根据所述桥梁数据分别确定各座所述桥梁的桥梁单体属性值；根据所述桥梁网络属性值和所述桥梁单体属性值采用多属性效用函数分别确定各项评估指标对应的效应值，并采用层次分析法分别确定各项所述评估指标的权重；根据各项所述评估指标对应的所述效应值和所述权重确定所述桥梁网络的性能评估结果。
第三方面，本发明提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的桥梁网络综合性能评估方法。
本发明的桥梁网络综合性能评估方法、装置及存储介质的有益效果是：根据标定区域的路网数据建立基于图论的桥梁网络，标定区域可为待分析的区域，将实际路网转换为基于图论的桥梁网络，能够简化桥梁之间的连接关系，有利于进行桥梁性能分析。根据桥梁数据和建立的桥梁网络确定桥梁网络属性值，考虑了各座桥梁之间的连接关系对桥梁网络的性能的影响，并根据桥梁数据分别确定各座桥梁的桥梁单体属性值，考虑了各座桥梁各自的单体性能，相较于现有技术，本发明中不仅考虑桥梁的单体性能，还考虑了各座桥梁之间的网络特性，对桥梁进行多方面的性能评估，提高了桥梁性能评估的全面性。采用多属性效用函数将各个属性值转换为对应评估指标的效应值，能够统一各个评估指标的量纲和评估方向等，便于根据各个评估指标对桥梁网络的综合性能进行评估。采用层次分析法确定各项评估指标的权重，能够避免根据各个评估指标对桥梁进行评估时带来的主观性，根据对应的效应值和权重确定桥梁网络的性能评估结果时，提高了评估结果的客观性和准确度。本发明的技术方案对各座桥梁组成的桥梁网络从多方面进行整体性能评估，提高了评估结果的全面性。
附图说明
图1为本发明实施例的一种桥梁网络综合性能评估方法的流程示意图；
图2为本发明实施例的实际路网和桥梁网络的对比示意图；
图3为本发明实施例的不同风险态度下效用函数的曲线示意图；
图4为本发明实施例的包括评估指标和多属性效用评估结果的显示界面示意图；
图5为本发明实施例的一种桥梁网络综合性能评估装置的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
桥梁网络的连通性能是人们对桥梁的基本要求，即使在遭受紧急事件或重大灾难，道路网络的一部分路段中断或不通畅的时候，也要尽可能保障起止点间交通的顺畅。
针对这一要求，对道路桥梁网络进行性能评估的指标主要有：路网连通可靠性、行程时间可靠性、路网容量可靠性、交通需求满意度可靠性等。目前的桥梁评估方法大多都以单座桥梁为研究对象，只对单座桥梁的维护方案做优化分析，而没有考虑全局，忽略了整个区域内桥梁与桥梁之间的关系。同时，对于桥梁网络的研究不能只停留于基于技术状况和可靠性能的研究，同时也需要结合其其他关键性因素进行评价，考虑桥梁服役期间的风险项，如台风、地震，疲劳断裂，汽车及船舶碰撞，退化，交通事故等，最后需要考虑桥梁维修加固时带来的社会影响，如交通量减少。
如图1所示，本发明实施例提供的一种桥梁网络综合性能评估方法，包括：
步骤S110，获取标定区域的路网数据和各座桥梁的桥梁数据。
步骤S120，根据所述路网数据建立基于图论的桥梁网络，根据所述桥梁数据确定所述桥梁网络的桥梁网络属性值，根据所述桥梁数据分别确定各座所述桥梁的桥梁单体属性值。
可选地，所述根据所述路网数据建立基于图论的桥梁网络包括：
步骤S121，以所述标定区域内的各座所述桥梁为节点，所述标定区域内的道路为边，构建基于串并联模型的所述桥梁网络。
具体地，将实际路网转换为图论所需要的串并联模型，其中串联表示串联的任何一个单元失效都会导致串联的系统失效，并联表示只有当并联的所有单元都失效时，并联的系统才会失效。如图2所示，图2中左边的网络位实际路网，右边的网络为根据实际路网建立的桥梁网络，图2中矩形表示桥梁，圆圈表示图论模型的起终点，在实际网络分析中，一般表示城镇，例如图中最上方的圆圈可表示城镇A，当进行路网分析需要考虑城镇A时，则与最上方圆圈连接的三条路线为通路；反之，则为断路，不考虑该三条线路的连通情况。
本可选的实施例中，将实际路网转换为基于图论的桥梁网络，能够简化各个桥梁之间的连接关系，便于对桥梁网络进行分析。
可选地，所述桥梁数据包括所述桥梁的可靠度、交通阻塞概率和通行成本，所述桥梁网络属性值包括网络连通可靠度和用户满意度。
具体地，路网连通可靠度描述了桥梁网络节点之间保持连通的概率，是桥梁网络中任意两个节点之间至少存在一条路径连通的概率。
可选地，所述根据所述桥梁数据确定所述桥梁网络的桥梁网络属性值包括：
步骤S122，根据各座所述桥梁的可靠度确定所述桥梁网络的所述网络连通可靠度。
具体他，对于同时存在多个串联、并联节点形成的桥梁网络，网络连通可靠度可有第一公式表示，第一公式包括：
Figure 571222DEST_PATH_IMAGE011
，（式一）
其中，
Figure 735487DEST_PATH_IMAGE012
表示桥梁网络的网络连通可靠度，
Figure 773851DEST_PATH_IMAGE013
表示第
Figure 783395DEST_PATH_IMAGE014
座桥梁的可靠度，桥梁网络中各座桥梁的可靠度共同影响桥梁网络中形成通路的概率。桥梁的可靠度可由进行桥梁评估后确定，即可通过对桥梁定检和巡检后确定，通行成本和交通阻塞概率可从路网规划部门获得。
步骤S123，根据各座所述桥梁的所述交通阻塞概率和所述通行成本确定针对所述桥梁网络的所述用户满意度。
具体地，根据各座桥梁的交通阻塞概率和通行成本可采用第二公式确定用户满意度，第二公式包括：
Figure 591645DEST_PATH_IMAGE015
，(式二)
其中，
Figure 661233DEST_PATH_IMAGE016
为用户满意度，
Figure 186892DEST_PATH_IMAGE017
为桥梁网络中桥梁的数量，
Figure 127DEST_PATH_IMAGE018
为第
Figure 170208DEST_PATH_IMAGE019
座桥梁的交通量，
Figure 676276DEST_PATH_IMAGE020
为第
Figure 626915DEST_PATH_IMAGE019
座桥梁的单位交通量通行成本，
Figure 306158DEST_PATH_IMAGE021
为第
Figure 393062DEST_PATH_IMAGE019
座桥梁的交通阻塞概率，
Figure 7714DEST_PATH_IMAGE022
表示桥梁网络总通行失效成本，为桥梁通行总成本与交通阻塞概率
Figure 180070DEST_PATH_IMAGE021
的乘积，
Figure 397424DEST_PATH_IMAGE023
表示桥梁通行总成本，为交通量
Figure 869994DEST_PATH_IMAGE024
与单位交通量通行成本
Figure 717864DEST_PATH_IMAGE025
的乘积，例如：假设某一桥梁的交通两为2000辆，平均每辆车的通行成本为5元，则桥梁通行总成本就是10000元。
本可选的实施例中，通过计算桥梁网络的连通可靠度和用户满意度，将标定区域的各座桥梁作为一个整体进行性能评估，充分考虑了各座桥梁之间的连接关系对桥梁路网特性的影响，相较于现有技术仅考虑桥梁单体的性能，提高了桥梁评估的全面性。
可选地，所述桥梁数据包括结构指标值和各个时期的费用，所述桥梁单体属性值包括桥梁状况评定值和全寿命周期费用，所述根据所述桥梁数据分别确定各座所述桥梁的桥梁单体属性值包括：
步骤S124，对于任意一座所述桥梁，根据所述桥梁各部分结构对应的所述结构指标值确定所述桥梁状况评定值，并根据所述桥梁各个时期的费用确定所述全寿命周期费用。
具体地，桥梁状况评定值可根据公路桥涵规范中BCI值的确定方法，采用第三公式确定，第三公式包括：
Figure 315199DEST_PATH_IMAGE026
，（式三）
其中，
Figure 273928DEST_PATH_IMAGE027
为桥梁的桥梁状况评定值，
Figure 132162DEST_PATH_IMAGE028
为桥梁桥面系的结构指标值，
Figure 150934DEST_PATH_IMAGE029
为桥面系的权重，
Figure 734100DEST_PATH_IMAGE030
为桥梁上部结构的结构指标值，
Figure 762099DEST_PATH_IMAGE031
为上部结构的权重，
Figure 678102DEST_PATH_IMAGE032
为桥梁下部结构的结构指标值，
Figure 664513DEST_PATH_IMAGE033
为下部结构的权重。结构指标值可包括公路桥涵养护规范: JTG H11-2004，公路桥梁技术状况评定标准: JTG/T H21-2011，城市桥梁养护技术规范: CJJ 99-2017中的规定指标，一般来说可由检测公司依据规范做出定检、巡检后直接确定，如上部结构的结构指标值评分70分等。
桥梁的全寿命周期费用包括建设时的初始花费、日常维养费用、检测费用、维修费用及潜在失效损失等，可采用第四公式确定，第四公式包括：
Figure 298756DEST_PATH_IMAGE034
，(式四)
其中，
Figure 536971DEST_PATH_IMAGE035
为桥梁的全寿命周期费用，
Figure 573060DEST_PATH_IMAGE036
为初始花费，
Figure 730372DEST_PATH_IMAGE037
为日常维养费用，
Figure 117491DEST_PATH_IMAGE038
为检测费用，
Figure 221713DEST_PATH_IMAGE039
为维修费用，
Figure 784412DEST_PATH_IMAGE040
为潜在失效损失。
本可选的实施例中，不仅考虑各座桥梁之间的路网特性，还考虑各座桥梁的单体性能，将路网特性和单体性能相结合进行桥梁性能评估，提高了桥梁评估的全面性。
步骤S130，根据所述桥梁网络属性值和所述桥梁单体属性值采用多属性效用函数分别确定各项评估指标对应的效应值，并采用层次分析法分别确定各项所述评估指标的权重。
具体地，评估指标和桥梁网络属性值、桥梁单体属性值对应，可包括网络连通可靠度、用户满意度、桥梁状况评定值和全寿命周期费用。
本可选的实施例中，采用多属性效用函数将桥梁网络属性值和桥梁单体属性值转换为对应的效用值，能够统一各个评估指标的量纲和评估方向等，便于根据各个评估指标生成能够反映桥梁网络的综合性能的评估结果。采用层次分析法对各个评估指标进行定权，能够保证评估的全面客观，防止评估专家的主观判断，提高评估结果的客观性。
可选地，所述根据所述桥梁网络属性值和所述桥梁单体属性值采用多属性效用函数分别确定各项评估指标对应的效应值包括：
步骤S131，根据所述桥梁网络属性值和所述桥梁单体属性值采用第五公式分别确定各项所述评估指标对应的效应值，所述第五公式包括：
Figure 315888DEST_PATH_IMAGE041
，（式五）
其中，
Figure 721461DEST_PATH_IMAGE042
，
Figure 629375DEST_PATH_IMAGE003
为单项所述评估指标为
Figure 312160DEST_PATH_IMAGE004
时对应的效应值，
Figure 280116DEST_PATH_IMAGE005
和
Figure 110668DEST_PATH_IMAGE006
为放缩常数，
Figure 619010DEST_PATH_IMAGE043
为单项所述评估指标为
Figure 218619DEST_PATH_IMAGE004
的效应最大的属性值，即评估指标为
Figure 528115DEST_PATH_IMAGE004
对应的所有属性值中的最大属性值，
Figure 845964DEST_PATH_IMAGE044
为单项所述评估指标为
Figure 892417DEST_PATH_IMAGE004
的效应最小的属性值，即评估指标为
Figure 612112DEST_PATH_IMAGE004
对应的所有属性值中的最小属性值，例如：若桥梁网络中全寿命周期费用最大桥梁费用为200万，则该桥梁对应的全寿命周期费用的效应值可设为1，最小桥梁费用为10万，效应值可设为0，其它桥梁的效应值取为0至1之间的值，
Figure 921870DEST_PATH_IMAGE009
为风险态度，
Figure 664698DEST_PATH_IMAGE010
为确定等值，是决策者给出预期的风险最大与最小几率参半的决策值，例如：对于桥梁状况评定值，桥梁风险最大的桥梁状况评定值为20分、风险最小的为95分，现有一座桥梁待检验时，它有50%的几率为20分，50%的几率是95分，决策者觉得，实际技术状况评定时，70分的结果是勉强通过时，70分即为确定等值。
本可选的实施例中，首先，不同的评估指标的单位和量值不同，例如：桥梁状况评定值无单位（如80分），连通可靠度无单位（如0.8），全寿命周期费用单位为元（如20万元），采用多属性效用函数就可将各个评估指标的属性值转换为同样无量纲的0到1的数值，便于进行统一处理。其次，不同评估指标的评估角度不同，当要最后形成同一个综合评估分数时，需要考虑评估指标的评估方向，如连通可靠度一般越高越好，全寿命周期费用一般越低越好，采用多属性效用函数将不同的评估指标转换为同方向评估的效用值，例如可转换为都是越大越好，便于形成统一综合评估结果，对桥梁网络性能进行综合评估。最后，多属性效用函数能够反映决策者的态度，如图3所示为不同风险态度下效用函数曲线，比如决策者对于桥梁状况评定值持保守态度，对全寿命周期费用持中立态度，可根据实际情况调整公式五中的风险态度
Figure 452526DEST_PATH_IMAGE045
，对各个评估指标进行不同的侧重，更加灵活多变，提高适用性。
可选地，所述采用层次分析法分别确定各项所述评估指标的权重包括：
步骤S132，获取针对所述评估指标的多个评定结果，每个所述评定结果均包括各个所述评估指标之间的重要性比较结果。
具体地，可获取多个专家采用如表一所示的层次分析法标度对每两个评估指标的评定结果，对评估指标两两一组进行评定，确定一个两个评估指标之间的相对重要性。
表一 层次分析法标度
标度 含义
1 两个评估指标同等重要
3 前一评估指标稍重要
5 前一评估指标明显重要
7 前一评估指标强烈重要
9 前一评估指标极端重要
2、4、6、8 上述相邻判断的中间值
其中，标度的数值越大，表示一个评估指标相对另一评估指标越重要，反之为倒数，例如1/3、1/5等。
此处层次分析法采用9级制进行打分，具体包括：选取重要程度最悬殊的两个评估指标，以这一重要性悬殊程度为9分。将其它评估指标的重要程度和最为悬殊的9分重要程度进行比较，对其它评估指标两两进行打分。
9级制标度方法是美国运筹学家T.L.Saaty提出的较为常用的标度方法，在桥梁评估方法中也较为常用，如：翁艳对混凝土斜拉桥的评估、蒋天勇对石拱桥的评估等。
以一位专家对评估指标两两之间的评定结果为例，如表二所示。
表二 评定结果表
网络连通可靠度 用户满意度 桥梁状况评定值 全寿命周期费用
网络连通可靠度 1
用户满意度 1 9
桥梁状况评定值 1 1/3
全寿命周期费用 1
其中，用户满意度比桥梁状况评定值极端重要，全寿命周期费用比桥梁状况评定值稍重要。
步骤S133，根据各个所述评定结果分别建立判断矩阵，并根据各个所述判断矩阵进行一致性校验，根据校验结果分别确定各个所述判断矩阵对应的权重向量，其中，每个所述权重向量包括各个所述评估指标的第一权重。
具体地，例如对于一位专家对各个评估指标评定后的评定结果建立的判断矩阵如第六公式所示，第六公式包括：
Figure 89044DEST_PATH_IMAGE046
，（式六）
其中，
Figure 304124DEST_PATH_IMAGE047
为判断矩阵，
Figure 268669DEST_PATH_IMAGE048
表示评估指标的数量，
Figure 860188DEST_PATH_IMAGE049
表示评估指标
Figure 757736DEST_PATH_IMAGE014
的重要程度
Figure 143718DEST_PATH_IMAGE050
相对于评估指标
Figure 985772DEST_PATH_IMAGE051
的重要程度
Figure 380982DEST_PATH_IMAGE052
的比值，如若评估指标
Figure 664195DEST_PATH_IMAGE014
相对于评估指标
Figure 922876DEST_PATH_IMAGE051
极端重要，则
Figure 924330DEST_PATH_IMAGE053
为9，且
Figure 919968DEST_PATH_IMAGE054
，若评估指标
Figure 57688DEST_PATH_IMAGE014
相对于评估指标
Figure 316631DEST_PATH_IMAGE051
极端重要，也就说明评估指标
Figure 274223DEST_PATH_IMAGE051
相对于评估指标
Figure 745656DEST_PATH_IMAGE014
极端不重要，
Figure 941145DEST_PATH_IMAGE055
就为1/9。
计算判断矩阵
Figure 105410DEST_PATH_IMAGE056
的最大特征根
Figure 878194DEST_PATH_IMAGE057
，根据最大特征根
Figure 418897DEST_PATH_IMAGE058
进行一致性校验，首先计算一致性指标CI(consistency index)，可由第七公式表示，第七公式包括：
Figure 796788DEST_PATH_IMAGE059
，（式七）
然后在预设的如表三所示的随机一致性指标表中查找相应的平均随机一致性指标RI (Random Index)。
表三 随机一致性指标RI
判断矩阵阶数m 1 2 3 4 5 6 7 8 9 10
RI 0 0 0.58 0.89 1.12 1.24 1.32 1.41 1.45 1.49
将查找得到的随机一致性指标与一致性指标CI进行对比，得到一致性比例CR(consistency ratio)，可由第八公式表示，第八公式包括：
Figure 804059DEST_PATH_IMAGE060
, （式八）
当CR值小于0.1时，判断矩阵通过一致性校验，确定最大特征根
Figure 267401DEST_PATH_IMAGE061
对应的特征向量为权重向量，权重向量包括对单个专家的评定结果采用层次分析法确定的各个评估指标的权重，具体为每个判断矩阵对应的权重向量分别包括网络连通可靠度、用户满意度、桥梁状况评定值和全寿命周期费用的第一权重。
步骤S134，根据所述权重向量采用群组层次分析法确定各个所述评定结果的群组可信度。
可选地，所述根据所述权重向量采用群组层次分析法确定各个所述评定结果的群组可信度包括：
步骤S1341，根据所述权重向量分别计算各个所述评定结果之间的相似性，根据各个所述评定结果之间的相似性计算各个所述评定结果之间的几何相似系数，并对各个所述几何相似系数进行归一化处理，确定各个所述评定结果的评定相似度，其中，每个所述权重向量均包括各个所述评估指标的所述第一权重。
具体地，假设一个专家的评定结果对应的权重向量为
Figure 142953DEST_PATH_IMAGE062
，另一个专家的评定结果对应的权重向量为
Figure 375351DEST_PATH_IMAGE063
，则采用第九公式计算两个专家的评定结果之间的相似性，第九公式包括：
Figure 57917DEST_PATH_IMAGE064
，（式九）
其中，
Figure 8556DEST_PATH_IMAGE065
为权重向量
Figure 687799DEST_PATH_IMAGE066
和权重向量
Figure 774704DEST_PATH_IMAGE067
之间的相似性，即对应的两个评定结果之间的相似性，
Figure 717252DEST_PATH_IMAGE068
为权重向量
Figure 827290DEST_PATH_IMAGE066
和权重向量
Figure 982328DEST_PATH_IMAGE069
之间的空间夹角，
Figure 251635DEST_PATH_IMAGE070
为权重向量
Figure 833927DEST_PATH_IMAGE062
中的第
Figure 431261DEST_PATH_IMAGE014
个向量元素，即权重向量
Figure 389990DEST_PATH_IMAGE066
包括的第
Figure 717066DEST_PATH_IMAGE014
个评估指标的第一权重，
Figure 798154DEST_PATH_IMAGE071
为权重向量
Figure 945102DEST_PATH_IMAGE067
中的第
Figure 379626DEST_PATH_IMAGE014
个向量元素，即权重向量
Figure 295629DEST_PATH_IMAGE069
包括的第
Figure 547619DEST_PATH_IMAGE014
个评估指标的第一权重。
在此基础上，假设有m个专家对各个评估指标进行评定后的评定结果，令m个评定结果对应的权重向量分别为
Figure 181862DEST_PATH_IMAGE072
，则根据评定结果之间的相似性采用第十公式计算各个评定结果的几何相似系数，第十公式包括：
Figure 918612DEST_PATH_IMAGE073
，（式十）
其中，
Figure 954701DEST_PATH_IMAGE074
表示第
Figure 315275DEST_PATH_IMAGE014
个评定结果的几何相似系数，其值越大，评定结果的可信度越大，
Figure 499132DEST_PATH_IMAGE075
表示权重向量
Figure 337775DEST_PATH_IMAGE076
和权重向量
Figure 166054DEST_PATH_IMAGE077
之间的相似性，即权重向量
Figure 697529DEST_PATH_IMAGE076
和权重向量
Figure 103103DEST_PATH_IMAGE077
之间的空间夹角的余弦。
根据几何相似系数采用第十一公式进行归一化处理，确定各个专家的评定结果与其他专家的评定结果之间的评定相似度，第十一公式包括：
Figure 11016DEST_PATH_IMAGE078
，（式十一）
其中，
Figure 21697DEST_PATH_IMAGE079
表示第
Figure 661757DEST_PATH_IMAGE014
个评定结果与其它评定结果之间的评定相似度。
步骤S1342，对于每个所述评估指标，根据与所述评估指标对应所有所述第一权重计算所述评估指标的评判均值，并根据所述评判均值和各个所述权重向量中的所述第一权重确定各个所述评定结果的差异度。
具体地，每个权重向量都包括了各个评估指标的第一权重，令第k个评定结果对应的权重向量包括的n个评估指标的第一权重为
Figure 492310DEST_PATH_IMAGE080
，则采用第十二公式确定各个评估指标的评判均值，第十二公式包括：
Figure 735072DEST_PATH_IMAGE081
，（式十二）
其中，
Figure 600260DEST_PATH_IMAGE082
表示所有评判结果中对第
Figure 411221DEST_PATH_IMAGE014
个评估指标所作的评判值的均值，即所有评判结果中对第
Figure 729070DEST_PATH_IMAGE014
个评估指标对应的第一权重，
Figure 775524DEST_PATH_IMAGE083
表示第k个评定结果中对第
Figure 760797DEST_PATH_IMAGE014
个评估指标所作的评判值（即第一权重）。
根据评判均值和各个权重向量包括的第一权重采用第十三公式计算各个评定结果的差异度，第十三公式包括：
Figure 804977DEST_PATH_IMAGE084
，（式十三）
其中，
Figure 46340DEST_PATH_IMAGE085
，
Figure 834167DEST_PATH_IMAGE086
，
Figure 470685DEST_PATH_IMAGE087
表示第
Figure 685766DEST_PATH_IMAGE088
个评定结果的差异度，即第k位专家的评定结果对应的差值与所有专家的评定结果对应的总差值的比值，n表示评估指标的数量，m表示评定结果的数量。
步骤S1343，根据所述差异度和所述评定相似度确定各个所述评定结果的群组可信度。
具体地，采用第十四公式计算各个评定结果的群组可信度，第十四公式包括：
Figure 650311DEST_PATH_IMAGE089
，（式十四）
其中，
Figure 241829DEST_PATH_IMAGE090
表示第
Figure 936115DEST_PATH_IMAGE091
个评定结果的群组可信度，
Figure 384414DEST_PATH_IMAGE087
表示第
Figure 164151DEST_PATH_IMAGE091
个评定结果的差异度，
Figure 231465DEST_PATH_IMAGE092
表示第
Figure 514678DEST_PATH_IMAGE091
个评定结果的评定相似度，m表示评定结果的数量。
步骤S135，根据对应的所述第一权重和所述群组可信度确定各个所述评估指标的第二权重。
具体地，结合在单一层次分析法中确定的各个评估指标的权重向量，结合群组可信度，采用第十五公式确定各个评估指标在群组层次分析法下的第二权重，第十五公式包括：
Figure 399458DEST_PATH_IMAGE093
，（式十五）
其中，
Figure 666491DEST_PATH_IMAGE094
表示评估指标1到评估指标n在群组层次分析法下的第二权重，例如
Figure 6337DEST_PATH_IMAGE095
表示评估指标i在群组层次分析法下的第二权重，
Figure 675215DEST_PATH_IMAGE096
表示第
Figure 668579DEST_PATH_IMAGE014
个评定结果的群组可信度，
Figure 954067DEST_PATH_IMAGE097
表示第
Figure 691079DEST_PATH_IMAGE014
个评定结果对应的第
Figure 385103DEST_PATH_IMAGE098
个评估指标的第一权重。
本可选的实施例中，单一层次分析法是针对单个专家的评定结果得到各个评估指标的权重向量，但是仅对单个评定结果进行处理，会使得到的第一权重带有主观性和偶然性。因此，在单一层次分析法对各个评定结果处理后，采用群组层次分析法对所有专家的评定结果进行判断，其中具有较高共性的评定结果一般与现实情况较为吻合，群组可行度较高。而有些评定结果由于主观判断或其它原因，偏离了大多数的评定结果，则根据该评定结果确定的可信度就较低。结合单一层次分析确定的第一权重和各个评定结果的群组可信度确定各个评估指标在群组层次分析法下的第二权重，能够提高最终确定的权重的客观性，进而提高桥梁网络综合性能的评估准确度。
步骤S140，根据各项所述评估指标对应的所述效应值和所述权重确定所述桥梁网络的性能评估结果。
可选地，所述根据各项所述评估指标对应的所述效应值和所述权重确定所述桥梁网络的性能评估结果包括：
对各项所述评估指标对应的所述效应值和所述第二权重进行加权求和，获得所述桥梁网络的所述性能评估结果。
具体地，采用第十六公式确定桥梁网络的性能评估结果，第十六公式包括：
Figure 283789DEST_PATH_IMAGE099
，（式十六）
其中，
Figure 322152DEST_PATH_IMAGE100
表示综合考虑桥梁网络性能和桥梁单体性能的综合评估得分，
Figure 862855DEST_PATH_IMAGE101
表示第
Figure 975167DEST_PATH_IMAGE014
个评估指标的第二权重，
Figure 779175DEST_PATH_IMAGE102
表示第
Figure 976939DEST_PATH_IMAGE014
个评估指标对应的效用值。
如图4所示，可在显示界面上现实各个评估指标的效用值和第二权重，最终确定多属性效用评估结果，即桥梁网络的性能评估结果，并在显示界面进行显示。
本实施例中，根据标定区域的路网数据建立基于图论的桥梁网络，标定区域可为待分析的区域，将实际路网转换为基于图论的桥梁网络，能够简化桥梁之间的连接关系，有利于进行桥梁性能分析。根据桥梁数据和建立的桥梁网络确定桥梁网络属性值，考虑了各座桥梁之间的连接关系对桥梁网络的性能的影响，并根据桥梁数据分别确定各座桥梁的桥梁单体属性值，考虑了各座桥梁各自的单体性能，相较于现有技术，本发明中不仅考虑桥梁的单体性能，还考虑了各座桥梁之间的网络特性，对桥梁进行多方面的性能评估，提高了桥梁性能评估的全面性。采用多属性效用函数将各个属性值转换为对应评估指标的效应值，能够统一各个评估指标的量纲和评估方向等，便于根据各个评估指标对桥梁网络的综合性能进行评估。采用层次分析法确定各项评估指标的权重，能够避免根据各个评估指标对桥梁进行评估时带来的主观性，根据对应的效应值和权重确定桥梁网络的性能评估结果时，提高了评估结果的客观性和准确度。本发明的技术方案对各座桥梁组成的桥梁网络从多方面进行整体性能评估，提高了评估结果的全面性。
如图5所示，本发明实施例提供的一种桥梁网络综合性能评估装置，包括：
获取模块，用于获取标定区域的路网数据和各座桥梁的桥梁数据；
处理模块，用于根据所述路网数据建立基于图论的桥梁网络，根据所述桥梁数据确定所述桥梁网络的桥梁网络属性值；根据所述桥梁数据分别确定各座所述桥梁的桥梁单体属性值；根据所述桥梁网络属性值和所述桥梁单体属性值采用多属性效用函数分别确定各项评估指标对应的效应值，并采用层次分析法分别确定各项所述评估指标的权重；根据各项所述评估指标对应的所述效应值和所述权重确定所述桥梁网络的性能评估结果。
本发明另一实施例提供的一种电子设备，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如上所述的桥梁网络综合性能评估方法。该电子设备可为计算机和服务器等。
本发明又一实施例提供的一种计算机可读存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的桥梁网络综合性能评估方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。在本申请中，所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
虽然本发明公开披露如上，但本发明公开的保护范围并非仅限于此。本领域技术人员在不脱离本发明公开的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。

Claims (10)

1.一种桥梁网络综合性能评估方法，其特征在于，包括：
获取标定区域的路网数据和各座桥梁的桥梁数据；
根据所述路网数据建立基于图论的桥梁网络，根据所述桥梁数据确定所述桥梁网络的桥梁网络属性值，并根据所述桥梁数据分别确定各座所述桥梁的桥梁单体属性值；
根据所述桥梁网络属性值和所述桥梁单体属性值采用多属性效用函数分别确定各项评估指标对应的效应值，并采用层次分析法分别确定各项所述评估指标的权重；
根据各项所述评估指标对应的所述效应值和所述权重确定所述桥梁网络的性能评估结果。
2.根据权利要求1所述的桥梁网络综合性能评估方法，其特征在于，所述根据所述路网数据建立基于图论的桥梁网络包括：
以所述标定区域内的各座所述桥梁为节点，所述标定区域内的道路为边，构建基于串并联模型的所述桥梁网络。
3.根据权利要求1所述的桥梁网络综合性能评估方法，其特征在于，所述桥梁数据包括所述桥梁的可靠度、交通阻塞概率和通行成本，所述桥梁网络属性值包括网络连通可靠度和用户满意度；
所述根据所述桥梁数据确定所述桥梁网络的桥梁网络属性值包括：
根据各座所述桥梁的可靠度确定所述桥梁网络的所述网络连通可靠度；
根据各座所述桥梁的所述交通阻塞概率和所述通行成本确定针对所述桥梁网络的所述用户满意度。
4.根据权利要求1所述的桥梁网络综合性能评估方法，其特征在于，所述桥梁数据包括结构指标值和各个时期的费用，所述桥梁单体属性值包括桥梁状况评定值和全寿命周期费用，所述根据所述桥梁数据分别确定各座所述桥梁的桥梁单体属性值包括：
对于任意一座所述桥梁，根据所述桥梁各部分结构对应的所述结构指标值确定所述桥梁状况评定值，并根据所述桥梁各个时期的费用确定所述全寿命周期费用。
5.根据权利要求1至4任一项所述的桥梁网络综合性能评估方法，其特征在于，所述根据所述桥梁网络属性值和所述桥梁单体属性值采用多属性效用函数分别确定各项评估指标对应的效应值包括：
根据所述桥梁网络属性值和所述桥梁单体属性值采用第五公式分别确定各项所述评估指标对应的效应值，所述第五公式包括：
Figure DEST_PATH_IMAGE001
，
其中，
Figure 725240DEST_PATH_IMAGE002
，
Figure DEST_PATH_IMAGE003
为单项所述评估指标为
Figure 651608DEST_PATH_IMAGE004
时对应的效应值，
Figure DEST_PATH_IMAGE005
和
Figure 872505DEST_PATH_IMAGE006
为放缩常数，
Figure DEST_PATH_IMAGE007
为单项所述评估指标为
Figure 226126DEST_PATH_IMAGE004
的效应最大的属性值，
Figure 493159DEST_PATH_IMAGE008
为单项所述评估指标为
Figure 613431DEST_PATH_IMAGE004
的效应最小的属性值，
Figure DEST_PATH_IMAGE009
为风险态度，
Figure 813468DEST_PATH_IMAGE010
为确定等值。
6.根据权利要求1至4任一项所述的桥梁网络综合性能评估方法，其特征在于，所述采用层次分析法分别确定各项所述评估指标的权重包括：
获取针对所述评估指标的多个评定结果，每个所述评定结果均包括各个所述评估指标之间的重要性比较结果；
根据各个所述评定结果分别建立判断矩阵，并根据各个所述判断矩阵进行一致性校验，根据校验结果分别确定各个所述判断矩阵对应的权重向量，其中，每个所述权重向量包括各个所述评估指标的第一权重；
根据所述权重向量采用群组层次分析法确定各个所述评定结果的群组可信度；
根据对应的所述第一权重和所述群组可信度确定各个所述评估指标的第二权重。
7.根据权利要求6所述的桥梁网络综合性能评估方法，其特征在于，所述根据所述权重向量采用群组层次分析法确定各个所述评定结果的群组可信度包括：
根据所述权重向量分别计算各个所述评定结果之间的相似性，根据各个所述评定结果之间的相似性计算各个所述评定结果之间的几何相似系数，并对各个所述几何相似系数进行归一化处理，确定各个所述评定结果的评定相似度，其中，每个所述权重向量均包括各个所述评估指标的所述第一权重；
对于每个所述评估指标，根据与所述评估指标对应所有所述第一权重计算所述评估指标的评判均值，并根据所述评判均值和各个所述权重向量中的所述第一权重确定各个所述评定结果的差异度；
根据所述差异度和所述评定相似度确定各个所述评定结果的群组可信度。
8.根据权利要求7所述的桥梁网络综合性能评估方法，其特征在于，所述根据各项所述评估指标对应的所述效应值和所述权重确定所述桥梁网络的性能评估结果包括：
对各项所述评估指标对应的所述效应值和所述第二权重进行加权求和，获得所述桥梁网络的所述性能评估结果。
9.一种桥梁网络综合性能评估装置，其特征在于，包括：
获取模块，用于获取标定区域的路网数据和各座桥梁的桥梁数据；
处理模块，用于根据所述路网数据建立基于图论的桥梁网络，根据所述桥梁数据确定所述桥梁网络的桥梁网络属性值；根据所述桥梁数据分别确定各座所述桥梁的桥梁单体属性值；根据所述桥梁网络属性值和所述桥梁单体属性值采用多属性效用函数分别确定各项评估指标对应的效应值，并采用层次分析法分别确定各项所述评估指标的权重；根据各项所述评估指标对应的所述效应值和所述权重确定所述桥梁网络的性能评估结果。
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1至8任一项所述的桥梁网络综合性能评估方法。
CN202111292177.XA 2021-11-03 2021-11-03 一种桥梁网络综合性能评估方法、装置及存储介质 Pending CN113743831A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111292177.XA CN113743831A (zh) 2021-11-03 2021-11-03 一种桥梁网络综合性能评估方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111292177.XA CN113743831A (zh) 2021-11-03 2021-11-03 一种桥梁网络综合性能评估方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN113743831A true CN113743831A (zh) 2021-12-03

Family

ID=78727215

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111292177.XA Pending CN113743831A (zh) 2021-11-03 2021-11-03 一种桥梁网络综合性能评估方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN113743831A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116468313A (zh) * 2023-03-31 2023-07-21 中国人民解放军军事科学院系统工程研究院 一种道路通行能力评价方法及装置
CN116777533A (zh) * 2023-08-24 2023-09-19 国网浙江省电力有限公司宁波供电公司 一种电力电缆选型方法、装置及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101922139A (zh) * 2010-09-28 2010-12-22 武汉理工大学 桥梁生命周期环境影响成本分析方法
US20160224922A1 (en) * 2015-02-02 2016-08-04 Korea Institute Of Civil Engineering And Building Technology System and method for evaluating performance of infrastructure
CN109918819A (zh) * 2019-03-15 2019-06-21 哈尔滨工业大学 一种基于贝叶斯网络的大规模桥梁网络评估方法
CN111523573A (zh) * 2020-04-10 2020-08-11 重庆大学 一种基于多参数融合的桥梁结构状态评估方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101922139A (zh) * 2010-09-28 2010-12-22 武汉理工大学 桥梁生命周期环境影响成本分析方法
US20160224922A1 (en) * 2015-02-02 2016-08-04 Korea Institute Of Civil Engineering And Building Technology System and method for evaluating performance of infrastructure
CN109918819A (zh) * 2019-03-15 2019-06-21 哈尔滨工业大学 一种基于贝叶斯网络的大规模桥梁网络评估方法
CN111523573A (zh) * 2020-04-10 2020-08-11 重庆大学 一种基于多参数融合的桥梁结构状态评估方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘多贵: "基于概率的路网级桥梁性能评定研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
穆歌等: "《系统建模 第2版》", 30 April 2013 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116468313A (zh) * 2023-03-31 2023-07-21 中国人民解放军军事科学院系统工程研究院 一种道路通行能力评价方法及装置
CN116777533A (zh) * 2023-08-24 2023-09-19 国网浙江省电力有限公司宁波供电公司 一种电力电缆选型方法、装置及存储介质

Similar Documents

Publication Publication Date Title
CN108280553B (zh) 基于gis-神经网络集成的山洪灾害风险区划及预测方法
CN113743831A (zh) 一种桥梁网络综合性能评估方法、装置及存储介质
CN112201038B (zh) 一种基于单车不良驾驶行为风险的路网风险评估方法
CN111737916A (zh) 一种基于大数据的道路桥梁病害分析与养护决策方法
CN106504015A (zh) 一种结合bp神经网络的企业领域供应商推荐方法
CN110223490B (zh) 一种基于预警等级判断岩质斜坡稳定性的方法
CN106096847A (zh) 一种模糊变权工程地质环境质量评价方法
CN109918819B (zh) 一种基于贝叶斯网络的大规模桥梁网络评估方法
CN107908879B (zh) 一种混凝土梁桥疲劳性能评估方法
CN111882198A (zh) 一种项目绩效评价方法及系统
AU2021103768A4 (en) Method and system for determining earthquake-proof capacity of community during occurrence of earthquake
CN114266289A (zh) 一种复杂装备健康状态评估方法
CN115018384A (zh) 一种建筑工地安全风险评估方法及系统
Attoh‐Okine Grouping Pavement Condition Variables for Performance Modeling Using Self‐Organizing Maps
CN110689055B (zh) 一种顾及格网单元属性分级的跨尺度统计指标空间化方法
CN114004012B (zh) 一种车身试车场强化耐久道路试验优化方法
CN116665489A (zh) 航路网络拥堵区域识别方法
CN109101734B (zh) 一种连续刚构桥梁下挠风险的预测方法
CN107145995A (zh) 生产环境安全性预测方法、装置和系统
CN116029451A (zh) 道路结构长期性能监测评价方法及系统
CN115906669A (zh) 一种顾及负样本选取策略的密集残差网络滑坡易发性评价方法
CN113536415A (zh) 一种基于典型环境差异的综合指标体系桥梁比选方法
CN116523291A (zh) 一种基于物元可拓的盘扣式满堂支架风险评估方法
CN115719186A (zh) 一种区域交通网韧性评估方法及系统
CN107239907A (zh) 城镇综合承灾能力的评估方法、装置和系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20211203