CN114021878A - 基于ahp-topsis算法的矿用卡车安全性评价方法 - Google Patents

基于ahp-topsis算法的矿用卡车安全性评价方法 Download PDF

Info

Publication number
CN114021878A
CN114021878A CN202111130842.5A CN202111130842A CN114021878A CN 114021878 A CN114021878 A CN 114021878A CN 202111130842 A CN202111130842 A CN 202111130842A CN 114021878 A CN114021878 A CN 114021878A
Authority
CN
China
Prior art keywords
safety
matrix
truck
evaluation
index
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
CN202111130842.5A
Other languages
English (en)
Inventor
赵耀忠
吴涛
李树学
刘跃
咸金龙
马广玉
刘强
田�文明
曹鋆程
刘金龙
赵晋松
刘聪睿
赖菲
徐创学
薛晗光
吴智群
何新
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.)
Uaneng Yimin Coal Power Co Ltd
Original Assignee
Uaneng Yimin Coal Power 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 Uaneng Yimin Coal Power Co Ltd filed Critical Uaneng Yimin Coal Power Co Ltd
Priority to CN202111130842.5A priority Critical patent/CN114021878A/zh
Publication of CN114021878A publication Critical patent/CN114021878A/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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

基于AHP‑TOPSIS算法的矿用卡车安全性评价方法。本发明包括如下步骤：建立卡车安全性指标；构造判断矩阵，并进行一致性检验；若通过一致性检验，则计算判断矩阵的特征值，并取最大特征值对应的特征向量作为卡车安全性指标的权重，若不通过一致性检验，则返回步骤二；判断各安全性指标的类型，并将指标数据进行正向化处理，得到正向化矩阵D；对D消除量纲，得到标准化矩阵Z；按照步骤三得到的权重和步骤五得到的矩阵Z，对卡车安全性进行评分，对各评分归一化处理后，得到最终的评价结果。本发明用于基于AHP‑TOPSIS算法的矿用卡车安全性评价。

Description

基于AHP-TOPSIS算法的矿用卡车安全性评价方法
技术领域
本发明涉及一种基于AHP-TOPSIS算法的矿用卡车安全性评价方法。
背景技术
TOPSIS法即逼近理想解排序法，通过计算各月指标与正负理想解的加权欧氏距离和综合评价指数Ci，由此判断各方案与最优方案的接近程度，作为最后的评价结果。
AHP即层次分析法，根据问题的性质和要达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合，形成一个多层次的分析结构模型，从而最终使问题归结为最低层（供决策的方案、措施等）相对于最高层（总目标）的相对重要权值的确定或相对优劣次序的排定。
目前大多简单的用统计不规范操作次数来简单衡量司机的操作安全性，这样无法体现出各不规范指标的权重占比，以及由于有些操作指标较为频繁，有些较稀疏，因此很难公平的对卡车操作安全性进行评价。
发明内容
本发明的目的是解决上述存在的问题，提供一种利用AHP算法计算出各指标的权重大小，然后利用TOPSIS算法计算出各卡车评分与最优解评分的接近程度的基于AHP-TOPSIS算法的矿用卡车安全性评价方法。
上述的目的通过以下的技术方案实现：
一种基于AHP-TOPSIS算法的矿用卡车安全性评价方法，该方法包括如下步骤：
步骤一：建立卡车安全性指标；
步骤二：构造判断矩阵，并进行一致性检验；
步骤三：若通过一致性检验，则计算判断矩阵的特征值，并取最大特征值对应的特征向量作为卡车安全性指标的权重，若不通过一致性检验，则返回步骤二；
步骤四：判断各安全性指标的类型，并将指标数据进行正向化处理，得到正向化矩阵D；
步骤五：对D消除量纲，得到标准化矩阵Z；
步骤六：按照步骤三得到的权重和步骤五得到的矩阵Z，对卡车安全性进行评分，对各评分归一化处理后，得到最终的评价结果 。
所述的基于AHP-TOPSIS算法的矿用卡车安全性评价方法，所述的步骤二的具体过程为：通过对两两因素进行重要程度比较，构造判断矩阵A，对判断矩阵元素aij进行标度，C1，C2,…,Cn为安全性指标，验证矩阵A的一致性，对判断矩阵A求解特征值λ，计算一致性判断指标，根据随机一致性指标RI计算一致性比率，当时，认为矩阵A的不一致程度在容许范围之内，通过一致性检验，否则重新构造判断矩阵A:
Figure 614722DEST_PATH_IMAGE002
。
所述的基于AHP-TOPSIS算法的矿用卡车安全性评价方法，所述的步骤四的具体过程为：对卡车安全性指标进行分类，即判断各指标分别属于极小型数据、中间型数据还是区间型数据，然后对其进行正向化处理；
对于极小型数据，其正向化过程为：
Figure 565361DEST_PATH_IMAGE004
其中M为指标x可能取值的最大值；
对于中间型数据，其正向化过程为：
Figure 385549DEST_PATH_IMAGE006
其中，m和M分别为指标x可能取值的最小值和最大值；
对于区间型数据，其正向化过程为：
Figure 738033DEST_PATH_IMAGE008
其中[a, b]为指标x的最佳稳定区间，[a*,b*]为最大容忍区间；
由此得到正向化矩阵X：
Figure 680581DEST_PATH_IMAGE010
。
所述的基于AHP-TOPSIS算法的矿用卡车安全性评价方法，所述的步骤五的具体过程为：对矩阵X进行标准化，即每一列元素都除以当前列向量的范数（一般使用余弦距离度量）：
Figure 56199DEST_PATH_IMAGE012
由此得到标准化矩阵Z：
Figure 476816DEST_PATH_IMAGE014
。
所述的基于AHP-TOPSIS算法的矿用卡车安全性评价方法，所述的步骤六的具体过程为：首先确定最优评价，最优评价Z+由Z中每列元素的最大值构成，即：
Figure 887069DEST_PATH_IMAGE016
确定最劣评价，最劣评价Z-由Z中每列元素的最小值构成，即：
Figure 518DEST_PATH_IMAGE018
计算各卡车安全性评价与最优评价和最劣评价的距离：
Figure 925749DEST_PATH_IMAGE020
其中wj为步骤3得到的特征向量代表的权重。
计算各卡车安全性评价与最优评价的接近程度Ci：
Figure 100002_DEST_PATH_IMAGE022
Figure 100002_DEST_PATH_IMAGE024
，Ci越接近1表明该卡车的安全性评价越高，根据Ci进行排序得到各卡车最终的安全性评价。
所述的基于AHP-TOPSIS算法的矿用卡车安全性评价方法，所述的矿用卡车安全性评价指标包括超速、暴力驾驶、举升倒斗、未预热、驻车制动错误和两轮转速差过大。
有益效果：
1.本发明基于AHP算法与TOPSIS算法相结合，利用AHP算法计算出各指标的权重大小，然后利用TOPSIS算法计算出各卡车评分与最优解评分的接近程度，从而给出卡车的评分结果。
2.本发明构造判断矩阵，并进行一致性检验；通过一致性检验，则计算判断矩阵的特征值，并取最大特征值对应的特征向量作为卡车安全性指标的权重， 判断各安全性指标的类型，并将指标数据进行正向化处理，得到正向化矩阵D；对D消除量纲，得到标准化矩阵Z；根据得到的矩阵Z，对卡车安全性进行评分，对各评分归一化处理后，得到最终的评价结果。
附图说明：
附图1是本发明的流程图。
具体实施方式：
实施例1：
一种基于AHP-TOPSIS算法的矿用卡车安全性评价方法，该方法包括如下步骤：
步骤一：建立卡车安全性指标；
步骤二：构造判断矩阵，并进行一致性检验；
步骤三：若通过一致性检验，则计算判断矩阵的特征值，并取最大特征值对应的特征向量作为卡车安全性指标的权重，若不通过一致性检验，则返回步骤二；
步骤四：判断各安全性指标的类型，并将指标数据进行正向化处理，得到正向化矩阵D；
步骤五：对D消除量纲，得到标准化矩阵Z；
步骤六：按照步骤三得到的权重和步骤五得到的矩阵Z，对卡车安全性进行评分，对各评分归一化处理后，得到最终的评价结果 。
所述的基于AHP-TOPSIS算法的矿用卡车安全性评价方法，所述的步骤二的具体过程为：通过对两两因素进行重要程度比较，构造判断矩阵A，对判断矩阵元素aij进行标度，C1，C2,…,Cn为安全性指标，验证矩阵A的一致性，对判断矩阵A求解特征值λ，计算一致性判断指标，根据随机一致性指标RI计算一致性比率，当时，认为矩阵A的不一致程度在容许范围之内，通过一致性检验，否则重新构造判断矩阵A:
Figure 87740DEST_PATH_IMAGE002
。
所述的基于AHP-TOPSIS算法的矿用卡车安全性评价方法，所述的步骤四的具体过程为：对卡车安全性指标进行分类，即判断各指标分别属于极小型数据、中间型数据还是区间型数据，然后对其进行正向化处理；
对于极小型数据，其正向化过程为：
Figure DEST_PATH_IMAGE026
其中M为指标x可能取值的最大值；
对于中间型数据，其正向化过程为：
Figure DEST_PATH_IMAGE028
其中，m和M分别为指标x可能取值的最小值和最大值；
对于区间型数据，其正向化过程为：
Figure DEST_PATH_IMAGE030
其中[a, b]为指标x的最佳稳定区间，[a*,b*]为最大容忍区间；
由此得到正向化矩阵X：
Figure DEST_PATH_IMAGE032
。
所述的基于AHP-TOPSIS算法的矿用卡车安全性评价方法，所述的步骤五的具体过程为：对矩阵X进行标准化，即每一列元素都除以当前列向量的范数（一般使用余弦距离度量）：
Figure DEST_PATH_IMAGE034
由此得到标准化矩阵Z：
Figure DEST_PATH_IMAGE036
。
所述的基于AHP-TOPSIS算法的矿用卡车安全性评价方法，所述的步骤六的具体过程为：首先确定最优评价，最优评价Z+由Z中每列元素的最大值构成，即：
Figure DEST_PATH_IMAGE038
确定最劣评价，最劣评价Z-由Z中每列元素的最小值构成，即：
Figure DEST_PATH_IMAGE040
计算各卡车安全性评价与最优评价和最劣评价的距离：
Figure DEST_PATH_IMAGE042
其中wj为步骤3得到的特征向量代表的权重。
计算各卡车安全性评价与最优评价的接近程度Ci：
Figure DEST_PATH_IMAGE044
Figure DEST_PATH_IMAGE046
，Ci越接近1表明该卡车的安全性评价越高，根据Ci进行排序得到各卡车最终的安全性评价。
所述的基于AHP-TOPSIS算法的矿用卡车安全性评价方法，所述的矿用卡车安全性评价指标包括超速、暴力驾驶、举升倒斗、未预热、驻车制动错误和两轮转速差过大。
实施例7：
选取矿用卡车安全性评价指标：超速，暴力驾驶，举升倒斗，未预热，驻车制动错误，两轮转速差过大。
按表1构造判断矩阵A，如表3所示，即：
Figure DEST_PATH_IMAGE048
对矩阵A进行一致性检验，求解特征值，得到最大的特征值为λ=6.07。
其一致性判断指标为CI=0.014<1.24，求得其最大特征值对应的特征向量为w=[0.12335456, 0.40329994, 0.61296266, 0.2631158, 0.5262316, 0.31663853]，经过归一化后特征向量为w=[0.0549316, 0.17959538, 0.27296126, 0.11716933, 0.23433865,0.14100378]。将该向量作为卡车安全性指标的权重向量。
Figure DEST_PATH_IMAGE049
Figure DEST_PATH_IMAGE050
Figure DEST_PATH_IMAGE051
Figure DEST_PATH_IMAGE052
Figure DEST_PATH_IMAGE053
对卡车安全性指标进行分类。经过对卡车安全性指标的时间统计得到表4，经过分析可知6项指标均为极小型且均大于0，故其正向化过程为：
Figure DEST_PATH_IMAGE055
，得到正向化矩阵X：
Figure DEST_PATH_IMAGE057
对矩阵X进行标准化处理，即：
Figure DEST_PATH_IMAGE059
，得到标准化矩阵Z：
Figure DEST_PATH_IMAGE061
最终评分。最优评分Z+和最劣评分Z-分别为：
Figure DEST_PATH_IMAGE063
Figure DEST_PATH_IMAGE065
按（7）式计算各卡车安全性评价与最优评价和最劣评价的距离，得到表5：
按（8）式计算各卡车安全性评价与最优评价的接近程度Ci：
Ci=[0.305, 0.292, 0.322, 0.577, 0.484]
即矿用卡车安全性评价排序为[4, 5, 3, 1, 2]。

Claims (6)

1.一种基于AHP-TOPSIS算法的矿用卡车安全性评价方法，其特征是：该方法包括如下步骤：
步骤一：建立卡车安全性指标；
步骤二：构造判断矩阵，并进行一致性检验；
步骤三：若通过一致性检验，则计算判断矩阵的特征值，并取最大特征值对应的特征向量作为卡车安全性指标的权重，若不通过一致性检验，则返回步骤二；
步骤四：判断各安全性指标的类型，并将指标数据进行正向化处理，得到正向化矩阵D；
步骤五：对D消除量纲，得到标准化矩阵Z；
步骤六：按照步骤三得到的权重和步骤五得到的矩阵Z，对卡车安全性进行评分，对各评分归一化处理后，得到最终的评价结果。
2.根据权利要求1所述的基于AHP-TOPSIS算法的矿用卡车安全性评价方法，其特征是：所述的步骤二的具体过程为：通过对两两因素进行重要程度比较，构造判断矩阵A，对判断矩阵元素aij进行标度， C1，C2,…,Cn为安全性指标，验证矩阵A的一致性，对判断矩阵A求解特征值λ，计算一致性判断指标，根据随机一致性指标RI计算一致性比率：，当CR<0.1时，认为矩阵A的不一致程度在容许范围之内，通过一致性检验，否则重新构造判断矩阵A:
Figure 162803DEST_PATH_IMAGE002
。
3.根据权利要求1所述的基于AHP-TOPSIS算法的矿用卡车安全性评价方法，其特征是：所述的步骤四的具体过程为：对卡车安全性指标进行分类，即判断各指标分别属于极小型数据、中间型数据还是区间型数据，然后对其进行正向化处理；
对于极小型数据，其正向化过程为：
Figure 985266DEST_PATH_IMAGE004
（1）
其中M为指标x可能取值的最大值；
对于中间型数据，其正向化过程为：
Figure 189982DEST_PATH_IMAGE006
其中，m和M分别为指标x可能取值的最小值和最大值；
对于区间型数据，其正向化过程为：
Figure 388882DEST_PATH_IMAGE008
其中[a, b]为指标x的最佳稳定区间，[a*,b*]为最大容忍区间；
由此得到正向化矩阵X：
Figure 57761DEST_PATH_IMAGE010
4.根据权利要求1所述的基于AHP-TOPSIS算法的矿用卡车安全性评价方法，其特征是：所述的步骤五的具体过程为：对矩阵X进行标准化，即每一列元素都除以当前列向量的范数（一般使用余弦距离度量）：
Figure DEST_PATH_IMAGE012
由此得到标准化矩阵Z：
Figure DEST_PATH_IMAGE014
。
5.根据权利要求1所述的基于AHP-TOPSIS算法的矿用卡车安全性评价方法，其特征是：所述的步骤六的具体过程为：首先确定最优评价，最优评价Z+由Z中每列元素的最大值构成，即：
Figure DEST_PATH_IMAGE016
确定最劣评价，最劣评价Z-由Z中每列元素的最小值构成，即：
Figure DEST_PATH_IMAGE018
计算各卡车安全性评价与最优评价和最劣评价的距离：
Figure DEST_PATH_IMAGE020
其中wj为步骤3得到的特征向量代表的权重。
计算各卡车安全性评价与最优评价的接近程度Ci：
Figure DEST_PATH_IMAGE022
Figure DEST_PATH_IMAGE024
，Ci越接近1表明该卡车的安全性评价越高，根据Ci进行排序得到各卡车最终的安全性评价。
6.根据权利要求1所述的基于AHP-TOPSIS算法的矿用卡车安全性评价方法，其特征是：所述的矿用卡车安全性评价指标包括超速、暴力驾驶、举升倒斗、未预热、驻车制动错误和两轮转速差过大。
CN202111130842.5A 2021-09-26 2021-09-26 基于ahp-topsis算法的矿用卡车安全性评价方法 Pending CN114021878A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111130842.5A CN114021878A (zh) 2021-09-26 2021-09-26 基于ahp-topsis算法的矿用卡车安全性评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111130842.5A CN114021878A (zh) 2021-09-26 2021-09-26 基于ahp-topsis算法的矿用卡车安全性评价方法

Publications (1)

Publication Number Publication Date
CN114021878A true CN114021878A (zh) 2022-02-08

Family

ID=80054944

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111130842.5A Pending CN114021878A (zh) 2021-09-26 2021-09-26 基于ahp-topsis算法的矿用卡车安全性评价方法

Country Status (1)

Country Link
CN (1) CN114021878A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114648241A (zh) * 2022-03-31 2022-06-21 西安热工研究院有限公司 一种基于topsis算法的矿用卡车行驶安全性评价方法
CN117973849A (zh) * 2024-01-12 2024-05-03 江苏海祥消防科技有限公司 基于物联网的消防炮安全管理方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109617727A (zh) * 2018-12-14 2019-04-12 西安邮电大学 基于ahp—topsis的渗透测试工具的综合评价方法
CN109800989A (zh) * 2019-01-21 2019-05-24 石家庄职业技术学院（石家庄广播电视大学） 采用评价指标分类综合评价的供应商选择方法
CN110400047A (zh) * 2019-06-18 2019-11-01 上海电器科学研究所（集团）有限公司 一种电动汽车充电网络运营的综合评价方法
CN110751413A (zh) * 2019-10-28 2020-02-04 湘潭大学 一种面向云计算的能效评估模型
CN111260211A (zh) * 2020-01-14 2020-06-09 东南大学 一种基于ahp-改进的熵权法-topsis的智慧能源系统评价方法及装置
CN111428989A (zh) * 2020-03-20 2020-07-17 三峡大学 一种基于topsis模型的矿业遗迹综合评价方法
CN111696631A (zh) * 2020-06-12 2020-09-22 东莞职业技术学院 定量衡量多种塑料包装材料相对绿色度的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109617727A (zh) * 2018-12-14 2019-04-12 西安邮电大学 基于ahp—topsis的渗透测试工具的综合评价方法
CN109800989A (zh) * 2019-01-21 2019-05-24 石家庄职业技术学院（石家庄广播电视大学） 采用评价指标分类综合评价的供应商选择方法
CN110400047A (zh) * 2019-06-18 2019-11-01 上海电器科学研究所（集团）有限公司 一种电动汽车充电网络运营的综合评价方法
CN110751413A (zh) * 2019-10-28 2020-02-04 湘潭大学 一种面向云计算的能效评估模型
CN111260211A (zh) * 2020-01-14 2020-06-09 东南大学 一种基于ahp-改进的熵权法-topsis的智慧能源系统评价方法及装置
CN111428989A (zh) * 2020-03-20 2020-07-17 三峡大学 一种基于topsis模型的矿业遗迹综合评价方法
CN111696631A (zh) * 2020-06-12 2020-09-22 东莞职业技术学院 定量衡量多种塑料包装材料相对绿色度的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘妞;刘青青;周毓萍;: "基于AHP和TOPSIS法的船舶融资决策优化研究", 当代经济, no. 23, 10 December 2018 (2018-12-10), pages 34 - 35 *
孙璐;陈宝峰;: "基于AHP-TOSPSIS方法的扶贫开发项目绩效评估研究――以四川大小凉山地区为例", 科技与经济, no. 01, 20 February 2015 (2015-02-20), pages 62 - 66 *
汤晓栋;鞠晨;高晓;: "基于AHP-TOPSIS的电动汽车充电网络运营综合评价", 电器与能效管理技术, no. 06, 30 June 2020 (2020-06-30), pages 89 - 95 *
陈明;郭立新;: "基于AHP-熵权-TOPSIS的电动汽车动力性经济性综合评价方法", 机械设计, no. 04, 20 April 2013 (2013-04-20), pages 15 - 19 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114648241A (zh) * 2022-03-31 2022-06-21 西安热工研究院有限公司 一种基于topsis算法的矿用卡车行驶安全性评价方法
CN117973849A (zh) * 2024-01-12 2024-05-03 江苏海祥消防科技有限公司 基于物联网的消防炮安全管理方法及系统

Similar Documents

Publication Publication Date Title
CN114021878A (zh) 基于ahp-topsis算法的矿用卡车安全性评价方法
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
CN111859680A (zh) 一种系统性能综合评价方法
CN106022561A (zh) 驾驶行为综合评价方法
CN112257025A (zh) 用于工程车辆行驶性能综合评价的组合赋权方法及系统
CN105550515B (zh) 一种对空气质量数据进行多级综合评判的方法
CN108682149A (zh) 基于二项Logistic回归的公路事故黑点路段线形致因分析方法
CN111210165A (zh) 一种基于风险传导耦合的车辆运行风险评估系统
CN114022000A (zh) 基于模糊综合评价的车辆道路运输风险评估方法及系统
CN111639882B (zh) 一种基于深度学习的用电风险的判定方法
CN103543020A (zh) 一种基于适时技术检测数据评估二手汽车成新率的方法
CN102663252A (zh) 地下道路复合式路面使用性能评估方法
CN109543710B (zh) 一种模型训练方法及相关设备
CN101964061B (zh) 一种基于二类核函数支持向量机的车型识别方法
CN105046407A (zh) 一种电网与用户双向互动服务运营模式的风险评估方法
CN106502885A (zh) 一种基于ahp的智能电表软件质量评价系统
CN111932081A (zh) 一种电力信息系统运行状态评估方法及系统
CN114580828A (zh) 数控机床运输过程安全性评价方法
CN109145508A (zh) 高速轮轨型面匹配状态的综合评价方法
CN106373069A (zh) 智能交通系统项目建设时序确定方法
CN111222740A (zh) 基于三角模糊分析法和熵值法的制动踏板感觉评价方法
CN110119891A (zh) 一种适于大数据的交通安全影响因素辨识方法
CN116823047A (zh) 基于蒙特卡洛-可变模糊集的湖泊富营养化评价方法
Chen et al. The impact of truck proportion on traffic safety using surrogate safety measures in China
CN112966783B (zh) 一种矿井水常量离子特征标识及水源判别的方法

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