CN117035461A - 一种基于元胞自动机及lucc的桥梁施工评测方法及存储介质 - Google Patents
一种基于元胞自动机及lucc的桥梁施工评测方法及存储介质 Download PDFInfo
- Publication number
- CN117035461A CN117035461A CN202311059523.9A CN202311059523A CN117035461A CN 117035461 A CN117035461 A CN 117035461A CN 202311059523 A CN202311059523 A CN 202311059523A CN 117035461 A CN117035461 A CN 117035461A
- Authority
- CN
- China
- Prior art keywords
- construction
- cell
- environment
- resource
- matrix
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 496
- 230000001413 cellular effect Effects 0.000 title claims abstract description 75
- 238000011156 evaluation Methods 0.000 title claims abstract description 54
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims abstract description 84
- 230000008859 change Effects 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 59
- 238000006243 chemical reaction Methods 0.000 claims abstract description 54
- 230000008569 process Effects 0.000 claims abstract description 46
- 238000013468 resource allocation Methods 0.000 claims abstract description 46
- 238000005457 optimization Methods 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 14
- 230000015572 biosynthetic process Effects 0.000 claims description 12
- 238000003786 synthesis reaction Methods 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 8
- 230000002194 synthesizing effect Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims 1
- 238000004088 simulation Methods 0.000 abstract description 26
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000003993 interaction Effects 0.000 abstract description 5
- 238000013178 mathematical model Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 37
- 230000000694 effects Effects 0.000 description 13
- 230000007704 transition Effects 0.000 description 11
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 230000010307 cell transformation Effects 0.000 description 8
- 230000009028 cell transition Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010206 sensitivity analysis Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/257—Belief theory, e.g. Dempster-Shafer
-
- 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]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Geometry (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Structural Engineering (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Civil Engineering (AREA)
- Primary Health Care (AREA)
- Biodiversity & Conservation Biology (AREA)
- Architecture (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于元胞自动机及LUCC的桥梁施工评测方法及存储介质;施工环境矩阵E用于表示每个施工段中的每个元胞的施工环境变化情况。通过引入邻居元胞的信息,并利用LUCC数据,可以预测施工环境的变化,并在元胞自动机转换过程中更新施工环境矩阵;一、综合考虑多因素:本发明的技术可以综合考虑施工资源分配、施工环境变化和交通影响等多种因素,从而更全面地评估桥梁施工过程。这有助于准确地捕捉不同因素之间的相互影响,避免了传统人工经验评估的片面性和主观性。二、科学决策支持:基于数学模型和模拟方法,该桥梁施工评测方法可以为决策者提供科学的决策支持。通过模拟不同情况和方案。
Description
技术领域
本发明涉及建筑工程技术领域,特别涉及一种基于元胞自动机及LUCC的桥梁施工评测方法及存储介质。
背景技术
建筑桥梁的施工是一个复杂的过程,需要考虑多种因素,包括施工资源的分配、施工环境的变化、交通影响等,因为这些因素直接影响着桥梁施工的效率、安全性和质量。
施工资源包括例如人力、物力、机械设备等,是完成桥梁施工工作所必需的资源。合理地分配施工资源可以提高施工效率,保证工期的完成,同时还能降低施工成本。施工资源的不合理分配可能导致某些施工环节出现瓶颈,从而延长施工周期,增加施工风险。
施工环境的变化可能对施工进度和施工质量产生直接影响。例如,恶劣天气条件可能导致施工工序无法进行,地质条件可能需要调整施工方法,水位的变化可能影响施工场地的稳定性。
建筑桥梁通常会涉及到交通线路的设置和调整。在施工过程中,交通影响主要包括对周边交通流量的影响,封闭道路对交通流的重定向,以及交通事故风险等。合理的交通管理措施可以减少交通影响,保障交通安全。
传统技术中仅采用人工经验评算的模式实施上述变量的评估与测定,发明人经长期工作研究发现了其相关缺陷及其产生机制:
(1)主观性和局限性:人工经验评算往往基于个人经验和观察,容易受到主观因素影响。评算者可能会忽略某些重要因素,或者过于依赖已有的经验,忽略了新的挑战和变化。
(2)缺乏准确性和一致性:由于人工经验评算缺乏科学的定量分析,评算结果可能缺乏准确性,并且不同评算者的结果可能存在较大差异,缺乏一致性。
(3)难以处理复杂情况:施工过程中涉及到多种因素的交互作用,人工经验评算难以处理这种复杂性。特别是在大型桥梁项目中,各种因素之间的复杂关系会导致评算的困难。
(4)不能实时更新:传统的人工经验评算是一次性的,难以实时更新评算结果,因此无法及时应对施工过程中的变化和突发情况。
为此,提出一种基于元胞自动机及LUCC的桥梁施工评测方法及存储介质。
发明内容
有鉴于此,本发明实施例希望提供一种基于元胞自动机及LUCC的桥梁施工评测方法及存储介质,以解决或缓解现有技术中存在的技术问题,即主观性和局限性、缺乏准确性和一致性、难以处理复杂情况和不能实时更新,并对此至少提供一种有益的选择;
本发明的技术方案是这样实现的:
第一方面
一种基于元胞自动机及LUCC的桥梁施工评测方法:结合了元胞自动机和土地利用与土地覆盖变化(Land Use and Land Cover Change,LUCC)的数据,考虑了多种因素,包括施工资源的分配、施工环境的变化和交通影响等:
P1、元胞自动机(Cellular Automaton,CA):元胞自动机是一种离散的计算模型,它将空间划分为规则的单元格(元胞),每个元胞可以有不同的状态。在这里,本发明将每个桥梁施工段对应的土地视为一个元胞,用来模拟桥梁施工过程中的状态变化。
P2、LUCC数据:LUCC数据提供了关于土地利用和土地覆盖的信息,包括施工段周围的环境、土地类型、交通状况等。这些数据可以用来初始化元胞自动机的状态,以及模拟施工环境的变化和交通影响。
P3、施工资源的分配:本发明通过引入施工资源矩阵R来表示每个施工段中的每个元胞的施工资源分配情况。通过元胞自动机转换过程,可以更新施工资源的分配,使得施工资源能够在施工段中进行合理的分配和调整。
P4、施工环境的变化:施工环境矩阵E用于表示每个施工段中的每个元胞的施工环境变化情况。通过引入邻居元胞的信息,并利用LUCC数据,可以预测施工环境的变化,并在元胞自动机转换过程中更新施工环境矩阵。
P5、交通影响:交通影响矩阵T用于表示每个施工段中的每个元胞的交通影响情况。通过考虑邻居元胞的交通情况和LUCC数据,可以预测交通影响,并在元胞自动机转换过程中更新交通影响矩阵。
P6、D-S证据理论预测:本发明使用D-S证据理论来处理不确定性和冲突信息,根据LUCC数据中不同来源的证据,预测当前元胞转换的可能性。这个过程中,本发明可以合成多个来源的证据,得到元胞转换的可能性。
P7、判定阈值:本发明设定一个判定阈值Threshold,用来决定元胞是否进行转换。如果元胞转换的可能性大于阈值,本发明认为当前元胞为可转换状态。
P8、施工资源、施工环境和交通影响的更新:对于需要转换的元胞,根据周围元胞的情况,利用更新速率α、β和γ,通过数学公式更新施工资源、施工环境和交通影响矩阵。这个过程通过元胞自动机转换规则实现。
P9、输出反馈信息:最后,本发明根据更新后的施工资源和施工环境,以及交通影响情况,输出当前元胞转换的施工资源重新分配或施工环境变化的反馈信息,用于记录模拟结果和后续决策。
其中在实施时,履行如下步骤:
(1)数据的初始化:L(i,j):LUCC数据矩阵,表示第i个施工段中第j个元胞的土地利用类型。R(i,j):施工资源矩阵,表示第i个施工段中第j个元胞的施工资源分配情况。E(i,j):施工环境矩阵,表示第i个施工段中第j个元胞的施工环境变化情况。T(i,j):交通影响矩阵,表示第i个施工段中第j个元胞的交通影响情况。D(i,j):D-S证据理论预测矩阵,表示第i个施工段中第j个元胞转换的可能性。
(2)Threshold:阈值,用于判断元胞是否进行转换的阈值。初始化参数:初始化LUCC数据矩阵L,施工资源矩阵R,施工环境矩阵E,交通影响矩阵T。设置迭代次数和迭代终止条件。
(3)元胞自动机转换过程:
a.对于每个施工段中的每个元胞(i,j),计算其邻居的平均施工资源、施工环境和交通影响;
b.利用D-S证据理论预测当前元胞转换的可能性,得到D(i,j)值;
c.比较D(i,j)值和设定的判定阈值Threshold,如果D(i,j)值大于阈值,则认为当前元胞为可转换状态;
d.如果元胞转换,根据周围元胞的情况更新当前元胞的施工资源、施工环境和交通影响;
e.输出当前元胞转换的施工资源重新分配或施工环境变化反馈信息。
其中使用了LUCC数据和D-S证据理论来预测元胞转换的可能性,并设置了阈值来决定是否进行元胞转换。
第二方面
一种存储介质,所述存储介质内存储有用于执行如上述所述的桥梁施工评测方法的程序指令。
在上述描述的基于元胞自动机及LUCC的桥梁施工评测方法中,所涉及的程序指令需要在某种存储介质中进行存储,以便能够在计算机系统中执行该方法。这种存储介质可以是计算机内部的硬盘、固态硬盘(SSD)、闪存存储等,也可以是外部的可移动存储设备,如USB闪存驱动器、光盘、云存储等。存储介质内存储的程序指令用于实现桥梁施工评测方法的各个步骤,包括初始化LUCC数据矩阵、施工资源矩阵、施工环境矩阵和交通影响矩阵,进行元胞自动机的转换、基于D-S证据理论进行预测、设置判定阈值、更新施工资源、施工环境和交通影响等。
与现有技术相比,本发明的有益效果是:
一、综合考虑多因素:本发明的技术可以综合考虑施工资源分配、施工环境变化和交通影响等多种因素,从而更全面地评估桥梁施工过程。这有助于准确地捕捉不同因素之间的相互影响,避免了传统人工经验评估的片面性和主观性。
二、科学决策支持:基于数学模型和模拟方法,该桥梁施工评测方法可以为决策者提供科学的决策支持。通过模拟不同情况和方案,决策者可以更好地了解不同决策的可能影响,从而做出更明智的决策。
三、降低风险:本发明的技术可以预测施工环境变化和交通影响,有助于提前识别潜在的风险和问题。通过对可能风险的模拟和分析,可以采取相应的措施来降低风险,保障施工安全。
四、精细化管理:通过元胞自动机模拟,可以对每个施工段中的每个元胞进行细致的状态跟踪和管理。这有助于发现细微的变化和问题,从而及时做出调整,提高施工质量和工程管理水平。
五、数据驱动决策:本发明的技术依赖于实际的土地利用与土地覆盖变化数据,以及其他相关数据,使决策更加实时、准确。这有助于减少主观偏差,更加客观地制定决策和计划。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的逻辑示意图;
图2为本发明的实施例九的控制程序示意图;
图3为本发明的实施例九的控制程序示意图;
图4为本发明的实施例九的控制程序示意图;
图5为本发明的实施例二的元胞自动机可视化(Matlab输出)示意图;
图6为本发明的实施例二的元胞自动机可视化(Matlab输出)示意图;
图7为本发明的实施例五的元胞自动机可视化(Matlab输出)示意图;
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施例的限制;
在现有技术中仅采用人工经验评算的模式存在一定的局限性和缺陷,而引入元胞自动机及LUCC的桥梁施工评测方法能够通过模拟和分析多种因素的相互作用,提供更科学、准确和灵活的施工评测方式,帮助优化施工资源的分配、应对施工环境的变化和降低交通影响等问题;为此,请参阅图1,本具体实施方式将提供相关技术方案:
一种基于元胞自动机及LUCC的桥梁施工评测方法,包括如下步骤:
S1、在建筑桥梁施工中,每个施工段都有其独特的土地特征和条件。本具体实施方式将每个桥梁施工段对应的土地视为一个元胞,这个元胞可以理解为一个虚拟的单元,引入LUCC数据后用来表示每个施工段的状态和属性。设定有N个施工段,则可以建立一个N×N的元胞自动机模型,其中每个元胞表示一个施工段。这个步骤的目的是将实际施工环境转化为计算机模拟的元胞状态,以便进行后续的模拟和评估。
S2、在元胞自动机中,每个元胞都有其周围的邻居元胞。在桥梁施工评测方法中,本具体实施方式需要定义哪些元胞是彼此的邻居,例如可以选择以相邻施工段为邻居。元胞自动机的转换函数被设置为包括施工资源的分配、施工环境的变化和交通影响等因素。这意味着每个元胞在转换过程中会受到其邻居元胞的影响,以及其自身的施工资源、施工环境和交通影响。
S3、D-S证据理论用于处理不确定性和冲突信息,是一种在决策和推理中广泛应用的方法。在这一步骤中,本具体实施方式引入D-S证据理论来对每个元胞的转换可能性进行预测。本具体实施方式共用LUCC数据中的信息,包括施工资源、施工环境和交通影响等,作为不同来源的证据。通过组合和合成这些证据,可以得到元胞转换的可能性。
在使用D-S证据理论预测后,本具体实施方式需要设置一个判定阈值。这个阈值用于判断元胞是否应该进行转换。如果元胞的转换可能性大于判定阈值,即证据足够支持元胞转换,那么本具体实施方式认为当前元胞是可转换状态,需要进行转换。通过将上述步骤结合起来,本具体实施方式能够建立一个综合考虑多个因素的桥梁施工评测模型。这个模型通过元胞自动机的转换规则,根据施工资源的分配、施工环境的变化和交通影响等因素,预测每个元胞的转换可能性,并通过判定阈值来决定是否进行转换。这样,本具体实施方式可以模拟和评估桥梁施工过程中的各种情况,从而为决策提供科学依据和决策支持。
具体的,将LUCC数据与元胞自动机的元胞进行配合的关键在于将LUCC数据转化为元胞的状态和属性,以便在元胞自动机模型中进行模拟和评估。下面是具体的步骤和逻辑,解释如何引入LUCC数据来表示每个施工段的状态和属性:
P1、数据初始化:首先,需要准备LUCC数据,这些数据包括每个施工段的土地类型、土地覆盖、环境条件等信息。这些数据可以通过遥感技术、地理信息系统(GIS)等手段获取和分析。在现在的互联网中有很多开源的地理信息系统(GIS)可以获取LUCC数据;
P2、LUCC数据转换为元胞状态:在元胞自动机模型中,每个元胞都有不同的状态,用来表示其属性和特征。可以根据实际情况,将LUCC数据中的信息映射到元胞的状态上。例如,可以为不同的土地类型或土地覆盖分配不同的状态值,以及考虑施工环境的变化,可以为不同环境条件分配不同的状态值。
P3、元胞状态更新:在元胞自动机的转换过程中,元胞的状态会随着时间的推移而变化。LUCC数据的变化也会影响元胞的状态更新。例如,如果某个施工段的土地类型发生变化,那么相应的元胞状态也需要更新。
P4、元胞状态与LUCC数据的反馈:在元胞自动机的模拟过程中,元胞的状态变化会产生影响,例如会影响施工资源分配、施工环境变化和交通影响等。这些变化也可以反过来影响LUCC数据。例如,模拟中的施工活动导致土地覆盖变化,这些变化可以反映在更新的LUCC数据中。
以上所述具体实施方式的各技术特征可以进行任意的组合,为使描述简洁,未对上述具体实施方式中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
实施例一
为使本发明的上述具体实施方式更加明显易懂,接下来将采用实施例的形式对本发明做详细的应用性的说明。本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的实施例的限制。
在S1中,LUCC数据包括:
1)LUCC数据矩阵L:表示每个施工段中每个元胞的土地利用类型;设定有K种土地利用类型:
L(i,j)=k,where k=1,2,...,K
表示第i个施工段中第j个元胞的土地利用类型为第k种类型;LUCC数据矩阵L用于表示每个施工段中每个元胞的土地利用类型。其中,每个元胞的土地利用类型用整数k来表示,范围从1到K,表示不同的土地利用类型。这个矩阵可以初始化为实际的土地利用数据,或者通过模拟生成。
例如,L(1,1)=2,表示第1个施工段中第1个元胞的土地利用类型为第2种类型(设定第2种类型是草地);
施工资源矩阵R:表示每个施工段中每个元胞的施工资源分配情况;设定有P种不同的施工资源类型:
R(i,j)=p,where p=1,2,...,P
表示第i个施工段中第j个元胞的施工资源分配为第p种资源;施工资源矩阵R表示每个施工段中每个元胞的施工资源分配情况。每个元胞的施工资源分配用整数p来表示,范围从1到P,代表不同的施工资源类型。这个矩阵可以反映出在不同元胞中的施工资源分配差异,从而模拟实际的施工过程。
例如,R(1,1)=3,表示第1个施工段中第1个元胞的施工资源分配为第3种资源;
施工环境矩阵E:表示每个施工段中每个元胞的施工环境变化情况;设定有Q种不同的施工环境状态:
E(i,j)=q,where q=1,2,...,Q
表示第i个施工段中第j个元胞的施工环境状态为第q种状态;施工环境矩阵E表示每个施工段中每个元胞的施工环境变化情况。每个元胞的施工环境状态用整数q来表示,范围从1到Q,代表不同的施工环境状态。这个矩阵可以表现不同施工段中的环境差异,例如土壤条件、气候等,从而影响施工的效率和质量。
例如,E(1,1)=1,表示第1个施工段中第1个元胞的施工环境状态为第1种状态;
交通影响矩阵T:表示每个施工段中每个元胞的交通影响情况;设定有R种不同的交通影响等级:
T(i,j)=r,where r=1,2,...,R
表示第i个施工段中第j个元胞的交通影响等级为第r级。交通影响矩阵T表示每个施工段中每个元胞的交通影响情况。每个元胞的交通影响等级用整数r来表示,范围从1到R,代表不同的交通影响级别。这个矩阵可以体现施工段所在位置的交通状况,包括交通流量、道路状况等,对施工过程和安全性产生影响。
例如,T(1,1)=2,表示第1个施工段中第1个元胞的交通影响等级为第2级;
在本实施例实际应用中,这些矩阵的数值将由实际数据采集、处理和模拟得到。然后,根据这些矩阵,可以使用元胞自动机模型结合D-S证据理论进行桥梁施工评测方法的模拟和预测。
具体的,
(1)数据收集和准备:实际应用中,收集和整理LUCC数据,获得土地利用类型、施工资源分配、施工环境变化和交通影响等信息。
(2)矩阵构建:根据收集到的数据,构建LUCC数据矩阵L、施工资源矩阵R、施工环境矩阵E和交通影响矩阵T。
(3)初始化元胞状态:在元胞自动机模型中,将LUCC数据矩阵L的每个元素与对应的元胞状态关联,初始化元胞的土地利用类型。
(4)模拟与转换:在元胞自动机的每次迭代中,根据转换函数和邻居元胞的影响,更新每个元胞的施工资源、施工环境和交通影响,即使用施工资源矩阵R、施工环境矩阵E和交通影响矩阵T进行状态转换。
(5)D-S证据理论:根据LUCC数据中不同来源的证据,使用D-S证据理论对每个元胞的转换可能性进行预测。
进一步的,LUCC数据与元胞自动机的元胞配合,实现了将实际的土地利用类型、施工资源分配、施工环境变化和交通影响等因素纳入到桥梁施工评测方法中进行模拟和预测。通过这种方式,本实施例能够更准确地模拟和评估桥梁施工过程,为决策提供科学支持。
示例性的,实际数据采集和处理涉及收集现实世界中的信息并将其转化为数字形式,以用于模拟和分析。可以使用遥感技术,如卫星图像,获取施工区域的土地利用信息。通过图像分类和解译,将不同的土地利用类型(农田、城市、水体等)映射到数字编码,形成土地利用数据。也可以从项目管理和计划中心获取施工资源分配信息,包括人员、设备和材料的分布情况。这些数据可以通过实地调查和工程计划获得。也可以收集气象数据、土壤信息、地质勘测结果等,以了解施工区域的环境条件。例如,温度、湿度、土壤类型等数据可以被数字化。还可以获取交通部门提供的道路状况、交通流量等数据,以了解交通影响情况。这些数据通常可以从交通管理部门或交通监测站获取。
示例性的,基于收集的数据,可以构建LUCC数据矩阵L、施工资源矩阵R、施工环境矩阵E和交通影响矩阵T。以下是示例性的构建过程:
设施工区域被分成5×5个施工段,根据实际土地利用数据,可以构建如下的LUCC数据矩阵L:
L=[[2,1,2,3,1],
[3,2,3,3,4],
[1,2,1,1,2],
[3,4,3,2,2],
[2,1,2,1,1]]
设有3种不同的施工资源类型,根据实际资源分配情况,可以构建如下的施工资源矩阵R:
R=[[1,2,1,3,2],
[2,1,3,1,2],
[3,3,1,2,1],
[1,2,2,1,3],
[2,1,1,3,2]]
设有4种不同的施工环境状态,根据实际环境数据,可以构建如下的施工环境矩阵E:
E=[[1,2,1,3,2],
[3,2,3,3,4],
[2,3,2,1,2],
[3,4,3,2,2],
[1,1,2,1,1]]
设有3种不同的交通影响等级,根据实际交通数据,可以构建如下的交通影响矩阵T:
T=[[2,1,2,3,1],
[3,2,3,3,2],
[1,2,1,1,2],
[3,3,3,2,2],
[2,1,2,1,1]]
示例性的,初始化元胞状态示例:将LUCC数据矩阵L的每个元素与对应的元胞状态关联,可以初始化元胞的土地利用类型。例如,假设本实施例在元胞自动机模型中用1表示草地,2表示城市,3表示农田,那么根据前面构建的LUCC数据矩阵L,初始化元胞的土地利用类型如下:
元胞状态矩阵(Cell State Matrix):
[[2,1,2,3,1],
[3,2,3,3,4],
[1,2,1,1,2],
[3,4,3,2,2],
[2,1,2,1,1]]
通过这样的初始化,本实施例将LUCC数据与元胞自动机的元胞状态关联起来,为后续模拟和评估提供了初始状态。
以上实施例仅表达了本发明的相关实际应用的实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
实施例二
为使本发明的上述具体实施方式更加明显易懂,接下来将采用实施例的形式对本发明做详细的应用性的说明。本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的实施例的限制。
在S2中,本实施例考虑了优化特定元胞的施工资源分配,目标是通过最小化特定元胞的施工资源分配来优化施工过程。这里,本实施例引入了一个目标函数F来表示这个优化目标,其中Lopt表示第i个施工段中第j个元胞的位置,而Ropt则代表特定元胞的施工资源分配的优化目标值。
设优化目标是最小化特定元胞的施工资源分配,设Lopt为第i个施工段中的第j个元胞的位置,Ropt为特定元胞的施工资源分配的优化目标值;
具体的,目标函数F(R(iopt,jopt))旨在量化特定元胞的施工资源分配情况,通过最小化该目标函数,本实施例可以达到优化特定元胞施工资源分配的目标。目标函数的设计应该反映出对施工资源分配的优化要求,这可以根据实际情况进行定义。在这里,本实施例使用R(iopt,jopt)作为目标函数值,即特定元胞的施工资源分配。
其中,目标函数F:
F(R(iopt,jopt))=R(iopt,jopt)
在本实施例中,在每次迭代后,本实施例计算目标函数F(R(iopt,jopt))的值。每次迭代都会更新特定元胞的施工资源分配,因此目标函数的值也会随之变化。本实施例可以将目标函数的值与预先设定的最优值或误差范围进行比较,以判断是否达到了最优的施工资源分配。
具体的,迭代过程中,本实施例通过比较目标函数的值与预先设定的最优值或误差范围,来决定是否继续迭代或者停止迭代。如果目标函数的值达到了预先设定的最优值,或者误差范围内,那么本实施例可以认为特定元胞的施工资源分配已经趋近于最优,不再需要进一步的优化。这样可以有效减少计算的时间和资源成本,同时也保证了在合理误差范围内得到了满意的优化结果。
具体的,S2阶段通过引入目标函数F和停止迭代的逻辑,将优化特定元胞的施工资源分配纳入了桥梁施工评测方法中。通过不断迭代优化,本实施例可以在一定误差范围内获得特定元胞的最优施工资源分配,从而提高施工效率和质量。这个过程是基于建筑桥梁施工领域的实际需求和优化目标而设计的。
示例性的,设有一个桥梁施工项目,分为3个施工段,每个施工段有5个元胞。本实施例的目标是优化第2个施工段中的第3个元胞的施工资源分配,使得施工资源得到最优分配。假设本实施例有3种不同的施工资源类型,分别用1、2、3来表示。目标函数F(R(iopt,jopt))中iopt表示第2个施工段,jopt表示该施工段中的第3个元胞。
示例场景参数,请参阅图5~6:
施工段数:N=3;
每个施工段中的元胞数:M=5;
施工资源类型数:P=3;
优化的施工段索引:iopt=2;
优化的元胞索引:jopt=3;
施工资源矩阵R(示例性):
R=[[1,2,3,1,2],
[2,3,1,3,2],
[3,1,2,2,1]]
在这个场景下,目标函数F(R(iopt,jopt))可以表示为特定元胞施工资源的值,即R(2,3)。所以,目标函数可以表示为:
F(R(2,3))=R(2,3)
在这个示例中,本实施例希望优化第2个施工段中第3个元胞的施工资源分配,使得目标函数F(R(2,3))的值最小化。具体来说,可以进一步利用线性规划的方法找到最优的施工资源类型,使得特定元胞的施工资源得到最优分配。
进一步的,线性规划适用于寻找一组变量的最优解,以使得一个线性目标函数达到最大或最小。在这里,本实施例可以将特定元胞的施工资源分配看作是待优化的变量,目标函数F(R(iopt,jopt))作为线性目标函数,施工资源分配的限制条件则由实际的约束条件构成。
P1、目标函数:目标函数F(R(iopt,jopt))在这里是一个线性函数,表示特定元胞的施工资源分配的优化目标。在线性规划中,本实施例希望最大化或最小化这个线性函数。
P2、约束条件:在实际的桥梁施工中,施工资源分配往往受到一些限制和约束,比如预算、人力、设备等。这些约束条件可以表示为一组线性不等式或等式。
P3、求解最优解:线性规划求解器将目标函数和约束条件作为输入,寻找一组变量值,使得目标函数达到最大或最小值,并满足约束条件。
设本实施例的目标是最小化特定元胞的施工资源分配,即使得F(R(iopt,jopt))的值最小化。本实施例可以将施工资源矩阵R中的元素R(iopt,jopt)作为待优化的变量,构建目标函数和约束条件。例如,本实施例可以添加一个约束条件,限制施工资源的总量不超过预算。
设约束条件为:
R(1,2)+R(2,3)+R(3,1)<=Budget
其中,Budget表示预算。
然后,本实施例可以构建线性规划问题:最小化目标函数:
F(R(iopt,jopt))=R(iopt,jopt)
约束条件:
R(1,2)+R(2,3)+R(3,1)<=Budget
通过求解这个线性规划问题,本实施例可以得到最优的施工资源分配,使得特定元胞的施工资源得到最优分配,同时满足约束条件。这样就实现了在特定场景下找到最优的施工资源类型的目标。
以上实施例仅表达了本发明的相关实际应用的实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
实施例三
为使本发明的上述具体实施方式更加明显易懂,接下来将采用实施例的形式对本发明做详细的应用性的说明。本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的实施例的限制。
在S2中,元胞自动机转换过程:重复以下步骤直至满足迭代终止条件:
a.对于每个施工段中的每个元胞(i,j),计算其邻居的平均施工资源、施工环境和交通影响;在这一步,本实施例考虑特定施工段中每个元胞(i,j)的邻居,计算邻居的平均施工资源、施工环境和交通影响。这有助于了解周围环境对当前元胞的影响。邻居的平均值反映了当前元胞周围环境的综合情况,这在桥梁施工中很重要,因为施工环境和资源可能受到周围状态的影响。
b.利用D-S证据理论预测当前元胞转换的可能性,得到D(i,j)值;D-S证据理论用于评估元胞转换的可能性,结合LUCC数据,可以预测当前元胞的转换可能性。D-S证据理论可以帮助处理不确定性和不完整性的信息,从而更准确地预测元胞转换的可能性。得到的D(i,j)值代表了当前元胞转换的程度。
c.比较D(i,j)值和设定的判定阈值Threshold,如果D(i,j)值大于阈值,则认为当前元胞为可转换状态;将D(i,j)值与预设的判定阈值Threshold进行比较,如果D(i,j)值超过阈值,就认为当前元胞可以进行状态转换。通过设定阈值,本实施例可以控制哪些情况下元胞会发生转换。如果D(i,j)值大于阈值,说明有足够的证据表明元胞的状态变化是合理的。
d.如果元胞转换,根据周围元胞的情况更新当前元胞的施工资源、施工环境和交通影响;如果元胞被认为可以转换,本实施例需要根据周围元胞的情况来更新当前元胞的施工资源、施工环境和交通影响。更新元胞的状态是基于其周围环境和邻居状态的,这可以更好地模拟桥梁施工过程中相互影响的情况。
e.输出当前元胞转换的施工资源重新分配或施工环境变化反馈信息。在元胞转换后,本实施例需要输出当前元胞转换的施工资源重新分配或施工环境变化的反馈信息。输出反馈信息可以为施工管理人员提供及时的更新,使其了解元胞状态的变化以及可能的影响。
在本实施例中,S2阶段中的元胞自动机转换过程将不同的理论和方法融合在一起,用于模拟和评估桥梁施工情景。这一过程充分考虑了元胞自动机模型、D-S证据理论以及施工环境的实际情况,从而为桥梁施工评测方法提供了更准确的模拟和预测。
以上实施例仅表达了本发明的相关实际应用的实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
实施例四
为使本发明的上述具体实施方式更加明显易懂,接下来将采用实施例的形式对本发明做详细的应用性的说明。本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的实施例的限制。
在步骤a中:在元胞自动机转换过程时,对于每个施工段中的每个元胞(i,j),计算其邻居的平均施工资源、施工环境和交通影响:
1)设每个元胞(i,j)的邻居包括上、下、左、右四个元胞,分别表示为(i-1,j),(i+1,j),(i,j-1)和(i,j+1);
2)计算邻居的平均施工资源:设每个元胞的施工资源矩阵为R(i,j),其中R(i,j)表示第i个施工段中第j个元胞的施工资源分配情况,那么邻居的平均施工资源AR(i,j):
AR(i,j)=(R(i-1,j)+R(i+1,j)+R(i,j-1)+R(i,j+1))/4
具体的,在桥梁施工中,相邻的元胞之间的施工资源分配可能相互影响。通过计算邻居的平均施工资源,本实施例可以考虑周围施工资源对当前元胞的影响,从而更准确地模拟施工过程。
3)计算邻居的平均施工环境:设每个元胞的施工环境矩阵为E(i,j),其中E(i,j)表示第i个施工段中第j个元胞的施工环境变化情况,邻居的平均施工环境AE(i,j):
AE(i,j)=(E(i-1,j)+E(i+1,j)+E(i,j-1)+E(i,j+1))/4
具体的,施工环境的变化可能会影响周围元胞的状态,因此考虑邻居的平均施工环境有助于更好地捕捉这种影响。
4)计算邻居的平均交通影响:设每个元胞的交通影响矩阵为T(i,j),其中T(i,j)表示第i个施工段中第j个元胞的交通影响情况,邻居的平均交通影响AT(i,j):
AT(i,j)=(T(i-1,j)+T(i+1,j)+T(i,j-1)+T(i,j+1))/4
具体的,交通状况可能对施工资源分配和施工环境产生影响。通过计算邻居的平均交通影响,本实施例可以更好地考虑交通对元胞状态的影响。
通过以上可以得到元胞(i,j)的邻居的平均施工资源AR(i,j)、平均施工环境AE(i,j)和平均交通影响AT(i,j)的数值。这些平均值可以用于后续元胞自动机转换的过程,例如用于预测元胞转换的可能性或更新元胞的状态等。
进一步的,通过计算邻居的平均施工资源、施工环境和交通影响,本实施例综合考虑了元胞周围环境的综合影响。这有助于更准确地评估特定元胞的状态转换可能性,为后续的D-S证据理论预测和决策提供了更准确的基础。整个过程符合建筑桥梁施工领域的实际情况,将不同因素综合考虑,从而实现更精确的桥梁施工评测方法。
示例性的,当本实施例考虑施工资源矩阵R(i,j)、施工环境矩阵E(i,j)以及邻居的平均交通影响AT(i,j)时,设本实施例有一个施工段,其中包含3x3的元胞矩阵,本实施例要计算中心元胞(2,2)的邻居的平均交通影响。设各矩阵如下:
施工资源矩阵R(i,j):
R=|2 4 3|
|1 3 5|
|3 2 4|
施工环境矩阵E(i,j):
E=|0.1 0.3 0.2|
|0.2 0.4 0.5|
|0.3 0.2 0.1|
邻居的交通影响矩阵T(i,j):
T=|1 2 1|
|3 4 3|
|2 1 2|
本实施例要计算中心元胞(2,2)的邻居的平均交通影响AT(2,2)。平均交通影响表示周围元胞的交通情况对当前元胞的影响程度。通过计算邻居的交通影响的平均值,本实施例可以更准确地估计当前元胞受交通影响的程度。
计算:邻居的平均交通影响AT(2,2)的计算如下:
AT(2,2)=(T(1,2)+T(3,2)+T(2,1)+T(2,3))/4
=(2+2+3+3)/4
=10/4
=2.5
因此,中心元胞(2,2)的邻居的平均交通影响AT(2,2)为2.5。在实际应用中,本实施例将类似的计算应用于每个元胞,以获取其邻居的平均施工资源、施工环境和交通影响。这些计算为后续的D-S证据理论预测和决策提供了基础数据,帮助本实施例更好地模拟和评估桥梁施工情景。
这里可以进一步参阅图7,图7为上述实施场景中元胞自动机的模拟图。
以上实施例仅表达了本发明的相关实际应用的实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
实施例五
为使本发明的上述具体实施方式更加明显易懂,接下来将采用实施例的形式对本发明做详细的应用性的说明。本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的实施例的限制。
在上述步骤b中:设有关于特定元胞(i,j)转换的多个证据来源,每个来源的证据支持度用D表示,不确定性用U表示;这些证据可以来自LUCC数据、施工资源、施工环境、交通影响等多个方面。本实施例需要将这些证据组合起来,得到元胞转换的可能性。
D-S证据理论的合成规则使用Dempster's合成规则,它可以将不同来源的证据进行组合;设有n个证据来源,其证据支持度和不确定性分别为D1,D2,...,Dn和U1,U2,...,Un;
具体的,在桥梁施工评测中,本实施例需要从多个来源获得证据,如LUCC数据、施工资源、施工环境、交通影响等,来预测特定元胞的转换可能性。D-S证据理论的合成规则使用Dempster's合成规则,通过合并不同来源的证据,得到更综合的评估结果。
D-S证据理论合成规则:
1)合成证据支持度Dcomb:
Dcomb=D1⊕D2⊕...⊕Dn
2)合成不确定性Ucomb:
Ucomb=1-∏(1-Ui),i=1,2,...,n
其中,⊕表示Dempster's合成规则中的合取操作,∏表示累积不确定性;
3)对于桥梁施工评测方法中的元胞转换,使用D-S证据理论来合成来自不同来源的证据,得到元胞转换的可能性;
具体的,对于桥梁施工评测方法中的元胞转换,本实施例要综合考虑来自不同来源的证据,以预测当前元胞的转换可能性。通过合成证据支持度和不确定性,本实施例可以得到元胞的转换可能性。步骤b中的利用D-S证据理论预测当前元胞转换的可能性,得到D(i,j)值:
设有m个不同来源的证据,分别表示为D1(i,j),D2(i,j),...,Dm(i,j),对应的不确定性为U1(i,j),U2(i,j),...,Um(i,j);
合成证据支持度D(i,j):
D(i,j)=D1(i,j)⊕D2(i,j)⊕...⊕Dm(i,j)
4)合成不确定性U(i,j):
U(i,j)=1-∏(1-Ui(i,j)),i=1,2,...,m
通过以上可以得到元胞(i,j)的证据支持度D(i,j)和不确定性U(i,j)。D(i,j)表示元胞转换的可能性,U(i,j)表示不确定性。根据这些信息,本实施例可以判断是否进行元胞转换,并输出相应的反馈信息。
根据得到的元胞的证据支持度D(i,j)和不确定性U(i,j),本实施例可以进行决策,判断是否进行元胞转换。如果D(i,j)值超过设定的判定阈值Threshold,则认为当前元胞为可转换状态。此时,可以输出相应的反馈信息,指导施工过程。通过合成多个来源的证据,本实施例更准确地预测了元胞转换的可能性,并考虑了不确定性。这有助于在桥梁施工评测中做出更明智的决策,从而提高施工效率和资源利用率。整个过程符合建筑桥梁施工领域的实际需求,实现了综合多因素的评估和决策。
具体的,在基于元胞自动机和LUCC的桥梁施工评测方法中,LUCC数据提供了关于土地利用变化的信息,可以用作评估元胞转换可能性的一个来源;LUCC数据包含了不同时间点的土地利用类型信息,可以通过比较不同时间段的数据来获得土地利用变化情况。每个元胞的土地利用类型可以作为一个证据来源,用来判断元胞是否发生了转换。
示例性的,不确定性反映了本实施例对土地利用变化的信心程度。一般情况下,本实施例可以基于以下几个因素来设置不确定性:
方案(1):数据质量和准确性:如果LUCC数据的质量和准确性较高,本实施例可以较低地设置不确定性。相反,如果数据存在一定程度的不确定性或误差,本实施例可以设置较高的不确定性。
方案(2):时间跨度:随着时间跨度的增加,土地利用变化的不确定性可能会增加。较短时间内的变化可能比较可靠,而较长时间内的变化可能受到更多干扰和不确定性。
方案(3):空间分辨率:数据的空间分辨率也会影响不确定性。高分辨率的数据可能更能捕捉到小尺度的土地利用变化,而低分辨率的数据可能在细节上有所模糊。
进一步示例性的,设置:设本实施例有两个时间点的LUCC数据,分别为时间点1(初始状态)和时间点2(后续状态),并且本实施例有关于这两个时间点的土地利用类型信息。本实施例可以按照以下方式设置证据和不确定性:
(1)对于每个元胞(i,j),比较时间点1和时间点2的土地利用类型。如果发生了变化,本实施例可以设置证据支持度为高,例如D1(i,j)=0.9。如果未发生变化,设置证据支持度为低,例如D2(i,j)=0.3。
(2)对于不确定性,可以基于数据质量和时间跨度进行设置。如果数据质量高且时间跨度较短,可以设置较低的不确定性,例如U1(i,j)=0.1。如果数据质量有限或时间跨度较长,可以设置较高的不确定性,例如U2(i,j)=0.5。
(3)通过将时间点1和时间点2的土地利用类型作为证据,并设置相应的不确定性,本实施例可以在D-S证据理论中综合考虑LUCC数据的影响,进而评估元胞转换的可能性。这样的设置有助于更准确地反映土地利用变化对桥梁施工的影响。
示例性的,设本实施例有两个证据来源,分别是LUCC数据和施工资源数据。本实施例想要合成这两个来源的证据,预测某个元胞的转换可能性。
(1)合成证据支持度(Dcomb)和合成不确定性(Ucomb):
设本实施例有两个证据来源,分别为LUCC数据和施工资源数据。它们的证据支持度分别为D1(i,j)和D2(i,j),不确定性分别为U1(i,j)和U2(i,j)。
合成证据支持度Dcomb:
Dcomb=D1(i,j)⊕D2(i,j)
合成不确定性Ucomb:
Ucomb=1-(1-U1(i,j))(1-U2(i,j))
(2)利用D-S证据理论预测当前元胞转换的可能性(D(i,j)):
设本实施例有三个证据来源,分别为LUCC数据(D1(i,j))、施工资源数据(D2(i,j))和来自邻居的证据(D3(i,j))。它们的不确定性分别为U1(i,j)、U2(i,j)和U3(i,j)。
合成证据支持度D(i,j):
D(i,j)=D1(i,j)⊕D2(i,j)⊕D3(i,j)
合成不确定性U(i,j):
U(i,j)=1-(1-U1(i,j))(1-U2(i,j))(1-U3(i,j))
通过以上步骤,本实施例可以综合不同来源的证据,并考虑它们的不确定性,得到元胞转换的可能性(D(i,j))和相应的不确定性(U(i,j))。这样的预测有助于在桥梁施工评测中做出更准确的决策,根据不同来源的信息来判断元胞是否需要转换,以及输出相应的反馈信息。
以上实施例仅表达了本发明的相关实际应用的实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
实施例六
为使本发明的上述具体实施方式更加明显易懂,接下来将采用实施例的形式对本发明做详细的应用性的说明。本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的实施例的限制。
在步骤b中,本实施例利用D-S证据理论综合不同来源的证据,得到了元胞转换的可能性D(i,j)和相应的不确定性U(i,j)。接下来,在步骤c中,本实施例将使用一个阈值Threshold来判定当前元胞是否需要进行转换。当元胞的证据支持度D(i,j)值大于阈值Threshold时,本实施例认为该元胞具有较高的转换可能性,从而被认为是可转换状态。
具体的,在步骤c中:设D(i,j)表示元胞(i,j)的证据支持度,如果D(i,j)值大于阈值,则认为当前元胞为可转换状态:
IfD(i,j)>Threshold
则认为元胞(i,j)为可转换状态。这里,Threshold是一个预先设定的阈值,代表了判定的标准。当元胞的证据支持度D(i,j)超过这个阈值,就意味着元胞的转换可能性较高,因此本实施例认为可以对该元胞进行转换。
当D(i,j)值大于Threshold时,元胞(i,j)具有较高的转换可能性,即可能发生转换。根据这个判定条件,本实施例可以在每次迭代中对元胞进行检查,判断是否需要进行转换。
具体的,设本实施例设置阈值Threshold为0.7。在每次迭代中,对于每个元胞(i,j),本实施例计算得到了证据支持度D(i,j)。然后,本实施例比较D(i,j)和阈值0.7:
如果D(i,j)>0.7
那么本实施例认为元胞(i,j)具有较高的转换可能性,需要进行转换。
如果D(i,j)<=0.7
那么本实施例认为元胞(i,j)的转换可能性不够高,不进行转换。
通过这个判定条件,本实施例可以根据元胞的证据支持度来决定是否对元胞进行转换。这种方法使得决策更加客观,基于数据和证据的分析,有助于优化桥梁施工过程的规划和资源分配。
进一步的,阈值Threshold的设定可以基于过去的经验数据,根据类似情况下的决策结果来设定阈值。例如,如果过去类似的元胞转换决策在证据支持度达到0.8时取得了良好的结果,那么可以将阈值设定为0.8。另一种方法是进行风险分析,考虑不同转换决策的风险和影响。如果某个元胞的转换对整体施工有较大的影响,可以将阈值设定较高,以降低不必要的风险。
示例性优选的,设本实施例正在考虑一个桥梁施工评测情景,其中元胞的证据支持度D(i,j)表示元胞转换的可能性,取值范围为0到1。根据经验和风险分析,本实施例决定将阈值设定为0.6。
Threshold=0.6
在每次迭代中,对于每个元胞(i,j),本实施例计算得到了证据支持度D(i,j)。然后,本实施例与阈值0.6进行比较:
如果D(i,j)>0.6
那么本实施例认为元胞(i,j)具有较高的转换可能性,需要进行转换。
如果D(i,j)<=0.6
那么本实施例认为元胞(i,j)的转换可能性不够高,不进行转换。
这个示例说明了如何根据经验和风险分析来设定阈值,以实现合理的元胞转换决策。阈值的具体值可能会因应用场景的不同而有所调整,而选择适当的阈值可以在平衡决策风险和效益方面发挥关键作用。
以上实施例仅表达了本发明的相关实际应用的实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
实施例七
为使本发明的上述具体实施方式更加明显易懂,接下来将采用实施例的形式对本发明做详细的应用性的说明。本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的实施例的限制。
在步骤d中:设第i个施工段中的第j个元胞为当前要更新的元胞:
1)更新施工资源矩阵R(i,j):设定当前元胞的施工资源为R(i,j):
R(i,j)new=(1-α)*R(i,j)+α*AR(i,j)
其中,R(i,j)new表示更新后的施工资源,AR(i,j)为步骤a中计算得到的邻居平均施工资源,α为更新速率,是一个介于0和1之间的参数,用于控制当前元胞的施工资源在更新中占的比例;通过这个公式,当前元胞的施工资源将受到其原有资源和邻居平均资源的影响。
具体的,施工资源的分配对桥梁施工至关重要,本实施例通过更新当前元胞的施工资源来考虑其周围邻居的资源分配情况。更新后的施工资源R(i,j)new由当前元胞原有资源和邻居平均资源共同决定。更新速率α控制了邻居平均资源对当前元胞的影响程度。
2)更新施工环境矩阵E(i,j):设定当前元胞的施工环境为E(i,j):
E(i,j)new=(1-β)*E(i,j)+β*AE(i,j)
其中,E(i,j)new表示更新后的施工环境,AE(i,j)为步骤a中计算得到的邻居平均施工环境,β为更新速率,是一个介于0和1之间的参数,用于控制当前元胞的施工环境在更新中占的比例;通过这个公式,当前元胞的施工环境将受到其原有环境和邻居平均环境的影响。
具体的,施工环境的变化可能会影响施工的效率和质量,本实施例通过更新当前元胞的施工环境来考虑其周围邻居的环境变化情况。更新后的施工环境E(i,j)new由当前元胞原有环境和邻居平均环境共同决定。更新速率β控制了邻居平均环境对当前元胞的影响程度。
3)更新交通影响矩阵T(i,j):设定当前元胞的交通影响为T(i,j):
T(i,j)new=(1-γ)*T(i,j)+γ*AT(i,j)
其中,T(i,j)new表示更新后的交通影响,AT(i,j)为步骤a中计算得到的邻居平均交通影响,γ为更新速率,是一个介于0和1之间的参数,用于控制当前元胞的交通影响在更新中占的比例。通过这个公式,当前元胞的交通影响将受到其原有影响和邻居平均影响的影响。
具体的,交通影响可能会对施工进度和安全产生影响,本实施例通过更新当前元胞的交通影响来考虑其周围邻居的交通状况。更新后的交通影响T(i,j)new由当前元胞原有影响和邻居平均影响共同决定。更新速率γ控制了邻居平均影响对当前元胞的影响程度。
综合上述,通过以上的更新公式,本实施例可以在元胞自动机模型中根据周围元胞的情况来更新当前元胞的施工资源、施工环境和交通影响,从而模拟桥梁施工过程中的状态变化和相互影响。参数α、β和γ可以根据实际问题和需求进行调整。在每次迭代中,通过这些公式,本实施例可以更新所有元胞的状态,然后继续进行下一步的模拟。
具体的,α、β和γ可以通过试验或仿真来评估不同参数值对模型的影响。尝试不同的参数组合,观察模拟结果的变化,以选择最优的参数值。示例性的,可以选择如下方案:
(1)数据分析:分析历史数据或真实案例,了解不同因素之间的实际影响关系,从中得出一些启示,有助于设定参数。
(2)灵敏度分析:进行灵敏度分析,评估参数变化对模型输出的影响。这可以帮助确定哪些参数对模型结果影响较大,从而指导参数的设定。
(3)经验法则:在缺乏领域专家意见或数据支持的情况下,可以采用一些经验法则来设定参数,例如将参数设定为特定的百分比或范围。
(4)逐步优化:可以使用优化算法来寻找最优参数组合,使模型输出与实际情况尽可能拟合。
示例性的,设本实施例考虑施工资源的更新(α)、施工环境的更新(β)和交通影响的更新(γ),可以按照以下步骤设定参数:
P1、初步设定:首先,可以根据领域专家的建议或经验设定初步的参数值。例如,设定α=0.3,β=0.4,γ=0.3。
P2、试验分析:运行模型的多个场景,使用不同的参数组合。分析模拟结果,观察元胞状态的变化以及模拟与实际情况的拟合程度。
P3、灵敏度分析:对每个参数进行灵敏度分析,逐个改变参数值,观察模型输出的变化。根据影响程度来调整参数。
P4、优化搜索:如果有合适的优化算法,例如模拟退火,可以尝试通过优化搜索来找到使模型输出最优的参数组合。
示例性的,假设本实施例正在处理第1个施工段中的第1个元胞(1,1)。本实施例已经计算得到了邻居平均施工资源AR(1,1),邻居平均施工环境AE(1,1)和邻居平均交通影响AT(1,1)。
更新施工资源矩阵:
R(1,1)new=(1-α)*R(1,1)+α*AR(1,1)
更新施工环境矩阵:
E(1,1)new=(1-β)*E(1,1)+β*AE(1,1)
更新交通影响矩阵:
T(1,1)new=(1-γ)*T(1,1)+γ*AT(1,1)
通过这些更新公式,本实施例实现了当前元胞状态的更新,考虑了其周围邻居的影响。参数α、β和γ的调整可以根据实际问题和需求,平衡元胞自动机模型中不同因素之间的影响程度。在每次迭代中,本实施例对所有元胞都应用这些公式,以模拟桥梁施工过程中的状态演变。
以上实施例仅表达了本发明的相关实际应用的实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
实施例八
为使本发明的上述具体实施方式更加明显易懂,接下来将采用实施例的形式对本发明做详细的应用性的说明。本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的实施例的限制。
在步骤e中,本实施例关注当前元胞转换后的施工资源重新分配和施工环境变化,并通过输出反馈信息来记录这些变化。这个步骤的目的是将模拟的结果转化为易于理解和分析的信息,以便对施工过程进行评估和决策:设当前元胞(i,j)转换后的施工资源重新分配为Rnew(i,j),转换后的施工环境变化为Enew(i,j):
具体的,在建筑桥梁施工评测方法中,模拟元胞自动机的转换过程后,本实施例得到了每个元胞转换后的施工资源重新分配和施工环境变化。这些变化可能对整个施工过程和周边环境产生影响,因此需要将这些变化以易于理解的方式呈现给决策者、专家和相关人员。这就是步骤e的作用,即输出反馈信息。
输出施工资源重新分配反馈信息:对于每个元胞(i,j)转换后的施工资源重新分配为Rnew(i,j),本实施例可以生成如下反馈信息:
FeedbackResource(i,j)="Cell(i,j)in Construction Segment i has beenassigned new construction resources:Rnew(i,j)."
其中,FeedbackResource(i,j)是表示施工资源重新分配反馈信息的字符串,它指明第i个施工段中第j个元胞的施工资源已经被重新分配为Rnew(i,j);
输出施工环境变化反馈信息:对于每个元胞(i,j)转换后的施工环境变化为Enew(i,j),本实施例可以生成如下反馈信息:
FeedbackEnvironment(i,j)="Cell(i,j)in Construction Segment i hasexperienced environmental changes:Enew(i,j)."
其中,FeedbackEnvironment(i,j)是表示施工环境变化反馈信息的字符串,它指明第i个施工段中第j个元胞的施工环境已经发生了变化,变化后的环境为Enew(i,j)。
在实际应用中,可以根据需要定义更复杂和详细的反馈信息。例如,可以将反馈信息存储为数据结构,记录转换前后的施工资源分配和施工环境变化的具体数值,也可以包含其他相关信息,如时间戳、施工段的标识等。
进一步的,这些反馈信息将元胞自动机模拟结果转化为易于理解的文字描述,告知相关人员施工资源和环境的变化情况。这些信息可以用于评估施工过程中可能的影响,以及是否需要调整施工策略、资源分配或环境管理等方面的决策。
具体的,步骤e的逻辑是将模拟得到的施工资源重新分配和施工环境变化转化为反馈信息,以便向决策者和相关人员传达模拟结果并支持决策过程。这样,本实施例可以更好地理解和分析桥梁施工评测的模拟情况,以便做出合理的决策和调整。
示例性的,当在元胞自动机模型中进行了一轮迭代,计算了每个元胞的施工资源重新分配和施工环境变化后,本实施例可以使用步骤e来输出反馈信息,将模拟的结果以易于理解的方式呈现出来。以下是一个示例性推导步骤e的过程:
设本实施例有一个桥梁施工段,其中包含了一些元胞,本实施例关注其中的一个元胞,假设它的坐标为(i,j)。在一轮迭代后,本实施例得到了以下结果:
施工资源矩阵R(i,j)=4施工环境矩阵E(i,j)=3邻居平均施工资源AR(i,j)=3.5邻居平均施工环境AE(i,j)=2.8
本实施例已经得到了当前元胞(i,j)的施工资源重新分配和施工环境变化,现在需要将这些信息转化为反馈信息。假设本实施例选择了适当的阈值,使得当元胞的施工资源和环境变化较大时才输出反馈信息。假设阈值为0.5。
首先,本实施例根据施工资源的变化是否超过阈值来判断是否输出施工资源重新分配反馈信息:
FeedbackResource(i,j)=""
if abs(R(i,j)-Rnew(i,j))>0.5:
FeedbackResource(i,j)="Cell("+i+","+j+")in Construction Segment"+i+"has been assigned new construction resources:"+Rnew(i,j)+"."
然后,本实施例根据施工环境的变化是否超过阈值来判断是否输出施工环境变化反馈信息:
FeedbackEnvironment(i,j)=""
if abs(E(i,j)-Enew(i,j))>0.5:
FeedbackEnvironment(i,j)="Cell("+i+","+j+")in Construction Segment"+i+"has experienced environmental changes:"+Enew(i,j)+"."
本实施例得到了针对当前元胞(i,j)的施工资源重新分配和施工环境变化的反馈信息,这些信息可以用于向相关人员传达模拟结果并支持决策过程。这样,本实施例可以根据阈值和实际情况,选择性地输出反馈信息,以便关注那些较大变化的元胞,从而更好地理解和分析桥梁施工评测的模拟情况。
以上实施例仅表达了本发明的相关实际应用的实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
实施例九
为使本发明的上述具体实施方式更加明显易懂,接下来将采用实施例的形式对本发明做详细的应用性的说明。本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的实施例的限制。
请参阅图2~4,本实施例公开一种存储介质,该存储介质内存储有如图中所示的控制程序,其采用C++伪代码的形式展示其逻辑,其原理如下:
每个施工段被视为一个元胞,LUCC数据包含每个元胞的土地利用类型。利用D-S证据理论来预测元胞转换的可能性,根据不同来源的证据支持度和不确定性进行合成,以获得更全面的信息。通过比较预测的可能性和设定的阈值,决定是否进行元胞转换。根据邻居的状态和影响,更新当前元胞的施工资源、施工环境和交通影响。关键函数解释:
(1)calculateAverage(matrix,i,j):该函数计算给定矩阵中元胞(i,j)的上、下、左、右邻居的平均值,用于步骤S2a中计算邻居的平均施工资源、施工环境和交通影响。
以下是D-S证据理论的合成规则:
(2)combineEvidence(D1,D2,...,Dn):该函数使用Dempster's合成规则将不同来源的证据支持度进行合成,得到合成的证据支持度Dcomb。
(3)combineUncertainty(U1,U2,...,Un):该函数计算合成的不确定性Ucomb,通过将不同来源的不确定性Ui进行累积。
(4)updateConstructionResource(R(i,j),AR(i,j),α):该函数根据步骤S2d的原理,更新当前元胞的施工资源分配。使用参数α来控制当前元胞原有资源和邻居平均资源在更新中的比例。
(5)updateConstructionEnvironment(E(i,j),AE(i,j),β):该函数根据步骤S2d的原理,更新当前元胞的施工环境变化。使用参数β来控制当前元胞原有环境和邻居平均环境在更新中的比例。
(6)updateTrafficImpact(T(i,j),AT(i,j),γ):该函数根据步骤S2d的原理,更新当前元胞的交通影响。使用参数γ来控制当前元胞原有影响和邻居平均影响在更新中的比例。
(7)outputFeedbackResource(i,j,Rnew(i,j)):该函数输出当前元胞转换后的施工资源重新分配的反馈信息。
(8)outputFeedbackEnvironment(i,j,Enew(i,j)):该函数输出当前元胞转换后的施工环境变化的反馈信息。
这些关键函数在伪代码中表示了每个步骤的实际操作,实现了基于元胞自动机和LUCC数据的桥梁施工评测方法的核心原理和逻辑。实际实现时,需要根据具体情况进行更详细的代码编写和数据处理。
以上实施例仅表达了本发明的相关实际应用的实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于元胞自动机及LUCC的桥梁施工评测方法,其特征在于,包括如下步骤:
S1、元胞自动机模型:将每个桥梁施工段对应的土地视为一个元胞,设有N个施工段,每个元胞引入LUCC数据;
S2、定义元胞的邻居并将元胞自动机的转换函数设置为施工资源的分配、施工环境的变化和交通影响;
S3、在元胞自动机转换的过程中,引入D-S证据理论进行预先测算,D-S理论共用LUCC数据,并设置一个判定阈值,如果结果超出了判定阈值,则该元胞转换,并输出对应的反馈信息。
2.根据权利要求1所述的桥梁施工评测方法,其特征在于:在所述S1中,LUCC数据包括:
1)LUCC数据矩阵L:表示每个施工段中每个元胞的土地利用类型;设定有K种土地利用类型:
L(i,j)=k,where k=1,2,...,K
表示第i个施工段中第j个元胞的土地利用类型为第k种类型;
施工资源矩阵R:表示每个施工段中每个元胞的施工资源分配情况;设定有P种不同的施工资源类型:
R(i,j)=p,where p=1,2,...,P
表示第i个施工段中第j个元胞的施工资源分配为第p种资源;
施工环境矩阵E:表示每个施工段中每个元胞的施工环境变化情况;设定有Q种不同的施工环境状态:
E(i,j)=q,where q=1,2,...,Q
表示第i个施工段中第j个元胞的施工环境状态为第q种状态;
交通影响矩阵T:表示每个施工段中每个元胞的交通影响情况;设定有R种不同的交通影响等级:
T(i,j)=r,where r=1,2,...,R
表示第i个施工段中第j个元胞的交通影响等级为第r级。
3.根据权利要求2所述的桥梁施工评测方法,其特征在于:在所述S2中,设优化目标是最小化特定元胞的施工资源分配,目标函数F:
设Lopt为第i个施工段中的第j个元胞的位置,Ropt为特定元胞的施工资源分配的优化目标值:
F(R(iopt,jopt))=R(iopt,jopt)
在每次迭代后计算目标函数F(R(iopt,jopt))的值,然后与预先设定的最优值或误差范围进行比较,如果目标函数值达到最优值或误差范围内,停止迭代。
4.根据权利要求3所述的桥梁施工评测方法,其特征在于:在所述S2中,元胞自动机转换过程:重复以下步骤直至满足迭代终止条件:
a.对于每个施工段中的每个元胞(i,j),计算其邻居的平均施工资源、施工环境和交通影响;
b.利用D-S证据理论预测当前元胞转换的可能性,得到D(i,j)值;
c.比较D(i,j)值和设定的判定阈值Threshold,如果D(i,j)值大于阈值,则认为当前元胞为可转换状态;
d.如果元胞转换,根据周围元胞的情况更新当前元胞的施工资源、施工环境和交通影响;
e.输出当前元胞转换的施工资源重新分配或施工环境变化反馈信息。
5.根据权利要求4所述的桥梁施工评测方法,其特征在于:在所述步骤a中:在元胞自动机转换过程时,对于每个施工段中的每个元胞(i,j),计算其邻居的平均施工资源、施工环境和交通影响:
1)设每个元胞(i,j)的邻居包括上、下、左、右四个元胞,分别表示为(i-1,j),(i+1,j),(i,j-1)和(i,j+1);
2)计算邻居的平均施工资源:设每个元胞的施工资源矩阵为R(i,j),其中R(i,j)表示第i个施工段中第j个元胞的施工资源分配情况,那么邻居的平均施工资源AR(i,j):
AR(i,j)=(R(i-1,j)+R(i+1,j)+R(i,j-1)+R(i,j+1))/4
3)计算邻居的平均施工环境:设每个元胞的施工环境矩阵为E(i,j),其中E(i,j)表示第i个施工段中第j个元胞的施工环境变化情况,邻居的平均施工环境AE(i,j):
AE(i,j)=(E(i-1,j)+E(i+1,j)+E(i,j-1)+E(i,j+1))/4
4)计算邻居的平均交通影响:设每个元胞的交通影响矩阵为T(i,j),其中T(i,j)表示第i个施工段中第j个元胞的交通影响情况,邻居的平均交通影响AT(i,j):
AT(i,j)=(T(i-1,j)+T(i+1,j)+T(i,j-1)+T(i,j+1))/4。
6.根据权利要求4所述的桥梁施工评测方法,其特征在于:在上述步骤b中:设有关于特定元胞(i,j)转换的多个证据来源,每个来源的证据支持度用D表示,不确定性用U表示;
D-S证据理论的合成规则使用Dempster's合成规则设有n个证据来源,其证据支持度和不确定性分别为D1,D2,...,Dn和U1,U2,...,Un;D-S证据理论合成规则:
1)合成证据支持度Dcomb:
Dcomb=D1⊕D2⊕...⊕Dn
2)合成不确定性Ucomb:
Ucomb=1-∏(1-Ui),i=1,2,...,n
其中,⊕表示Dempster's合成规则中的合取操作,∏表示累积不确定性;
3)对于桥梁施工评测方法中的元胞转换,使用D-S证据理论来合成来自不同来源的证据,得到元胞转换的可能性;步骤b中的利用D-S证据理论预测当前元胞转换的可能性,得到D(i,j)值:
设有m个不同来源的证据,分别表示为D1(i,j),D2(i,j),...,Dm(i,j),对应的不确定性为U1(i,j),U2(i,j),...,Um(i,j);
合成证据支持度D(i,j):
4)合成不确定性U(i,j):
U(i,j)=1-∏(1-Ui(i,j)),i=1,2,...,m。
7.根据权利要求4所述的桥梁施工评测方法,其特征在于:在所述步骤c中:设D(i,j)表示元胞(i,j)的证据支持度,如果D(i,j)值大于阈值,则认为当前元胞为可转换状态:
IfD(i,j)>Threshold
则认为元胞(i,j)为可转换状态。
8.根据权利要求4所述的桥梁施工评测方法,其特征在于:在所述步骤d中:设第i个施工段中的第j个元胞为当前要更新的元胞:
1)更新施工资源矩阵R(i,j):设定当前元胞的施工资源为R(i,j):
R(i,j)new=(1-α)*R(i,j)+α*AR(i,j)
其中,R(i,j)new表示更新后的施工资源,AR(i,j)为步骤a中计算得到的邻居平均施工资源,α为更新速率,是一个介于0和1之间的参数,用于控制当前元胞的施工资源在更新中占的比例;
2)更新施工环境矩阵E(i,j):设定当前元胞的施工环境为E(i,j):
E(i,j)new=(1-β)*E(i,j)+β*AE(i,j)
其中,E(i,j)new表示更新后的施工环境,AE(i,j)为步骤a中计算得到的邻居平均施工环境,β为更新速率,是一个介于0和1之间的参数,用于控制当前元胞的施工环境在更新中占的比例;
3)更新交通影响矩阵T(i,j):设定当前元胞的交通影响为T(i,j):
T(i,j)new=(1-γ)*T(i,j)+γ*AT(i,j)
其中,T(i,j)new表示更新后的交通影响,AT(i,j)为步骤a中计算得到的邻居平均交通影响,γ为更新速率,是一个介于0和1之间的参数,用于控制当前元胞的交通影响在更新中占的比例。
9.根据权利要求4所述的桥梁施工评测方法,其特征在于:在所述步骤e中:设当前元胞(i,j)转换后的施工资源重新分配为Rnew(i,j),转换后的施工环境变化为Enew(i,j):
输出当前元胞转换的施工资源重新分配反馈信息:
FeedbackResource(i,j)="Cell(i,j)in Construction Segment i has beenassigned new construction resources:Rnew(i,j)."
其中,FeedbackResource(i,j)是表示施工资源重新分配反馈信息的字符串,它指明第i个施工段中第j个元胞的施工资源已经被重新分配为Rnew(i,j);
输出当前元胞转换的施工环境变化反馈信息:
FeedbackEnvironment(i,j)="Cell(i,j)in Construction Segment i hasexperienced environmental changes:Enew(i,j)."
其中,FeedbackEnvironment(i,j)是表示施工环境变化反馈信息的字符串,它指明第i个施工段中第j个元胞的施工环境已经发生了变化,变化后的环境为Enew(i,j)。
10.一种存储介质,其特征在于:所述存储介质内存储有用于执行如权利要求1~9任意一项所述的桥梁施工评测方法的程序指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311059523.9A CN117035461A (zh) | 2023-08-22 | 2023-08-22 | 一种基于元胞自动机及lucc的桥梁施工评测方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311059523.9A CN117035461A (zh) | 2023-08-22 | 2023-08-22 | 一种基于元胞自动机及lucc的桥梁施工评测方法及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117035461A true CN117035461A (zh) | 2023-11-10 |
Family
ID=88637123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311059523.9A Pending CN117035461A (zh) | 2023-08-22 | 2023-08-22 | 一种基于元胞自动机及lucc的桥梁施工评测方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117035461A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117238486A (zh) * | 2023-11-14 | 2023-12-15 | 西南医科大学附属医院 | 一种基于元胞自动机的脊髓损伤评定方法及系统 |
-
2023
- 2023-08-22 CN CN202311059523.9A patent/CN117035461A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117238486A (zh) * | 2023-11-14 | 2023-12-15 | 西南医科大学附属医院 | 一种基于元胞自动机的脊髓损伤评定方法及系统 |
CN117238486B (zh) * | 2023-11-14 | 2024-02-02 | 西南医科大学附属医院 | 一种基于元胞自动机的脊髓损伤评定方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111859800B (zh) | 用于pm2.5浓度分布的时空估算和预测方法 | |
US20120221371A1 (en) | System, method and computer program for asset management optimization | |
Zhao et al. | An adaptive agent-based optimization model for spatial planning: A case study of Anyue County, China | |
CN117035461A (zh) | 一种基于元胞自动机及lucc的桥梁施工评测方法及存储介质 | |
CN116090839B (zh) | 水资源耦合系统多重风险分析与评估方法及系统 | |
Nasehi et al. | Simulation of land cover changes in urban area using CA-MARKOV model (case study: zone 2 in Tehran, Iran) | |
Robinson et al. | A simple way to incorporate uncertainty and risk into forest harvest scheduling | |
CN111461404A (zh) | 一种基于神经网络预测区间的短期负荷和水电预测方法 | |
CN110008439A (zh) | 基于矩阵分解的降雨数据时空一体化插值算法 | |
Zhang et al. | Planning of municipal solid waste management under dual uncertainties | |
Jaafaru et al. | Bridge maintenance planning framework using machine learning, multi-criteria decision analysis and evolutionary optimization models | |
CN116385969A (zh) | 基于多摄像头协同和人类反馈的人员聚集检测系统 | |
CN112308594A (zh) | 选址系统、方法、电子设备及存储介质 | |
Nutkiewicz et al. | Exploring the integration of simulation and deep learning models for urban building energy modeling and retrofit analysis | |
CN115187134A (zh) | 基于网格的配电网规划方法、装置及终端设备 | |
Yeomans | Co-evolutionary simulation-driven optimization for generating alternatives in waste management facility expansion planning | |
CN111046321B (zh) | 光伏电站运维策略优化方法和装置 | |
Lesinski | Application of the strength Pareto evolutionary algorithm (SPEA2) approach to rail repair investments | |
Dui et al. | A data-driven construction method of aggregated value chain in three phases for manufacturing enterprises | |
CN117649027B (zh) | 基于智慧车站的数据处理方法及系统 | |
CN117611108B (zh) | 一种城乡建设用地有偿调剂的智能决策构建方法 | |
Yeomans | Water management using population-based simulation-optimization | |
Landicho et al. | Modelling Domestic Water Demand and Management Using Multi-Criteria Decision Making Technique | |
Cao et al. | Creating Alternatives for Stochastic Water Resources Management Decision-Making Using a Firefly Algorithm-Driven Simulation-Optimization Approach | |
Mican et al. | Incorporating the Influence of Risk Factor Interdependencies and Shared Risk Factors into Project Portfolio Risk Assessment |
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 |