CN117952478B

CN117952478B - 一种公路工程路线设计评价方法及系统

Info

Publication number: CN117952478B
Application number: CN202410345699.9A
Authority: CN
Inventors: 李悦; 冯成哲; 肖伟; 郭轶; 班浩天; 汤金戈; 国立萍; 王海燕
Original assignee: Chengde Jitong Highway Engineering Co ltd
Current assignee: Chengde Jitong Highway Engineering Co ltd
Priority date: 2024-03-26
Filing date: 2024-03-26
Publication date: 2024-05-31
Anticipated expiration: 2044-03-26
Also published as: CN117952478A

Abstract

本发明涉及交通技术领域，具体涉及一种公路工程路线设计评价方法及系统。该方法包括：获取已知路线和待评价路线的设计向量；根据已知路线其中一个维度构建维度集合，对维度集合使用层次聚类获取每个数据点在层次聚类树中每层的相对排名；基于此获取数据点的异常性序列；根据异常性序列中的元素差异以及元素坐标分别获取每个数据点的增序比和异常性序列的增长斜率；并获取数据点的噪声含量；基于数据点的噪声含量完成每个维度集合的最终聚类；根据最终聚类完成和已知路线的评分值获取待评价路线的评分值。本发明提高了评价方法的准确性和可靠性。

Description

一种公路工程路线设计评价方法及系统

技术领域

本发明涉及交通技术领域，具体涉及一种公路工程路线设计评价方法及系统。

背景技术

现有的对公路工程路线进行评价，主要是通过计算当前路线的各种相关数据，例如：车辆通过能力、建设成本等因素构成的向量与已知路线的相似度，进而根据相似度较大的已知路线的评价值得到当前路线的评价值，该方法将不同维度的数据同等看待，认为不同维度的数据在评价中的重要性相同，但实际上不同维度对评价结果的贡献度不同，导致当前路线获得的评价值存在较大误差。

发明内容

为了解决维度不同，贡献度不同导致的评价值不准确的技术问题，本发明提供了一种公路工程路线设计评价方法及系统，所采用的技术方案具体如下：

第一方面，本发明提出了一种公路工程路线设计评价方法，该方法包括以下步骤：

获取每条路线的设计向量；

获取已知路线和待评价路线，将所有已知路线的设计向量中每个维度的数据构成维度集合，对维度集合使用层次聚类获取每个数据点在层次聚类树中每层的相对排名；根据每个数据点在层次聚类树不同层的相对排名获取数据点的异常性序列；

根据异常性序列中的元素差异以及元素坐标分别获取每个数据点的增序比和异常性序列的增长斜率；根据异常性序列的增长斜率和数据点的增序比获取数据点的噪声含量；基于数据点的噪声含量对每个维度再次进行层次聚类，完成每个维度集合的最终聚类；

计算待评价路线的每个维度在最终聚类中的类簇的相似度，根据相似度及已知路线的评分值获取待评价路线的评分值。

优选的，所述获取每条路线的设计向量的元素包括车辆通过能力、交通流量、行车安全、建设成本、维护成本、运营成本、土地影响力。

优选的，所述已知路线为已知评价的路线，所述待评价路线为准备评价的路线。

优选的，所述对维度集合使用层次聚类获取每个数据点在层次聚类树中每层的相对排名的方法为：

维度集合通过层次聚类分为多层，每层具有若干类簇；将维度内任意一个数据点记为目标点，在每层中找到目标点，比较目标点及其类簇中每个数据点的大小，将大值记为极大值，将小值记为极小值，将极小值和极大值的比值记为第一比值；

根据类簇中所有数据点的第一比值获取类簇的中心点，计算类簇的中心点和每个数据点的数据值的差值绝对值，按照所述差值绝对值从小到大的顺序将每个数据点排序，获取数据点的次序作为数据点的绝对排名；

数据点的相对排名为数据点的绝对排名与数据点所在类簇中数据点的数量的比值。

优选的，所述根据类簇中所有数据点的第一比值获取类簇的中心点的方法为：

将目标点与其所在类簇中每个数据点的第一比值的均值作为目标点的中心性；

获取每个类簇中所有数据点的中心性，将中心性最大的数据点作为类簇的中心点。

优选的，所述根据每个数据点在层次聚类树不同层的相对排名获取数据点的异常性序列的方法为：

在层次聚类树中，同一个数据点在不同层中对应有不同的相对排名，将数据点的相对排名作为数据点的异常性，将同一个数据点从第一层到最后一层的异常性排序获取数据点的异常性序列。

优选的，所述根据异常性序列中的元素差异以及元素坐标分别获取每个数据点的增序比和异常性序列的增长斜率的方法为：

将异常性序列中每个元素与后一个元素的异常性作差，将所有的差值中小于0的元素记为增序元素，统计增序元素的数量，令增序元素的数量和所有元素的数量的比值作为数据点的增序比；

将异常性序列中每个元素的层数作为横坐标，异常性作为纵坐标得到每个元素的坐标点，将所有元素的坐标点使用PCA算法获取主方向向量，将主方向向量中第二个元素和第一个元素的异常性的比值的反正切值作为异常性序列的增长斜率。

优选的，所述根据异常性序列的增长斜率和数据点的增序比获取数据点的噪声含量的方法为：

式中，表示数据点对应差值序列的增序元素的数量，/>表示数据点对应差值序列的所有元素的数量，/>表示数据点对应异常性序列的增长斜率，/>表示以自然常数为底的指数函数，/>表示数据点的噪声含量。

优选的，所述基于数据点的噪声含量对每个维度再次进行层次聚类，完成每个维度集合的最终聚类的方法为：

使用传统层次聚类的方式获取每个部分的中心点，将每个部分中除了中心点外的数据点记为孤立点，将每部分中任意一个孤立点和中心点中的最小数据值和最大数据值的比值作为中心点和孤立点的相似度；

每个中心点对应一个类簇，类簇与孤立点的相似度为类簇内所有数据点与孤立点的相似度；根据孤立点和类簇的相似度以及孤立点的噪声含量获取孤立点的优先级：

式中，表示孤立点和父节点的相似度，/>表示以自然常数为底的指数函数，/>表示孤立点的噪声含量，/>表示孤立点的优先级；

将每个孤立点划分到最大优先级对应的类簇中，完成孤立点划分；

将所有层中所有孤立点依次划分完成最终聚类。

第二方面，本发明实施例还提供了一种公路工程路线设计评价系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述一种公路工程路线设计评价方法的步骤。

本发明具有如下有益效果：针对现有方法中，通过计算当前路线的各种相关数据，例如：车辆通过能力、建设成本等因素构成的向量与已知路线的相似度，进而根据相似度较大的已知路线的评价值得到当前路线的评价值，该方法将不同维度的数据同等看待，认为不同维度的数据在评价中的重要性相同，但实际上不同维度对评价结果的贡献度不同，导致当前路线获得的评价值存在较大误差的问题，本实施例中通过得到更加精确的已知数据的聚类结果，结合未知评分的路线中每个维度与已知数据中每个维度中类别的比较，得到每个维度的更准确的评分值，进而得到对该路线的更准确的评分，大大提高了评价方法的准确性和可靠性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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它附图。

图1为本发明一个实施例所提供的一种公路工程路线设计评价方法流程图；

图2为层次聚类簇示意图；

图3为本发明一个实施例所提供的一种公路工程路线设计评价方法实施流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种公路工程路线设计评价方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

一种公路工程路线设计评价方法及系统实施例：

下面结合附图具体的说明本发明所提供的一种公路工程路线设计评价方法及系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种公路工程路线设计评价方法流程图，该方法包括以下步骤：

步骤S001，获取每条路线的设计向量。

本实施例的目的是对公路工程路线进行评价，只有通过大量同类数据之间的比较，才能判断数据的好坏，因此对于每条路线进行数据采集。

所采集的数据包括道路通行能力、经济成本、环保性；其中道路通行能力包括车辆通过能力，交通流量和行车安全，车辆通过能力和交通流量通过现有方法获取，行车安全用路线上的历史行车事故率表示；其中经济成本包括建设成本、维护成本、运营成本三部分，通过对路线的统计获取，而环保性主要包括土地影响力，土地影响力为地块变化的面积，即在修建该路线时，所占用的土地面积，经由统计获取。

综上所述，将对应的车辆通过能力、交通流量、行车安全、建设成本、维护成本、运营成本、土地影响力构成一条序列，记为每条路线的设计向量。

至此，获取了每条路线的设计向量。

步骤S002，获取已知路线和待评价路线，将所有已知路线的设计向量中每个维度的数据构成维度集合，对维度集合使用层次聚类获取每个数据点在层次聚类树中每层的相对排名；根据每个数据点在层次聚类树不同层的相对排名获取数据点的异常性序列。

现有的路线评价方法为计算待评价路线的设计向量与已知路线的设计向量的相似度，由于已知的设计向量的评价值是已知的，因此可以得到当前路线的评价值，但由于现有方法将不同维度的数据同等看待，导致当前路线获得的评价值存在较大误差，本实施例中通过计算得到每个维度的评价权重，进而得到当前路线的更加准确的评价值。所述维度为设计向量中不同种类的元素。

由于在本实施例中不同维度的数据具备一定的相似性，例如：车辆通过能力、交通流量数据之间是具有相似信息的；因此对每个维度进行聚类时，若使用K-means聚类等方法无法区别这些技术特征，因此本实施例中通过层次聚类的方法对每个维度的数据进行聚类，得到每个维度的层次聚类树，不同维度的层次聚类树的比较可以将不同维度数据的相似信息进行一定程度的展示，有助于后续的每个维度的权重计算。

将准备评价的路线记为待评价路线，除此之外，获取若干已知评价的路线记为已知路线，将所有已知路线的设计向量中每个维度的所有数据构成一个集合，记为维度集合，对于每个维度的维度集合，使用层次聚类进行聚类，其中层次聚类使用自上向下分裂的聚类方法获取层次聚类树，层次聚类树由图2所示。图2中A为根节点，表示某个维度的所有数据点，a1表示根据相似度得到的一个类簇，a2表示另一个类簇，a1中通过相似度计算，得到了类簇a11和a12，依此类推得到类簇a21，a22，a23。

需要说明的是，在任意一个维度的层次聚类树中。对于任意一个维度的某个数据点而言，若数据点在每个簇类的越边缘，数据点的异常性越小，则该点被划分到的类别时，受到噪声的影响较小，这是由于在自上而下的划分过程中，如果该数据点受噪声影响较小，则与该数据点。

则与该数据点形成同一个类别的元素中真正与该点是同一个类别的元素的数量增多，而位于类别边界的点数量占比会逐渐减小，因此随着层数增加，如果某个数据点的噪声含量较小，则所属类别中该点会逐渐靠近类别内部，即隶属度增大。

对于任意一个维度的一个数据点记为目标点，目标点在层次聚类树的每层中都有一个类簇，在目标点的每个类簇中获取目标点的绝对排名。在每个类簇中，获取目标点的数据值，以及类簇中每个数据点的数据值，比较目标点和其类簇中每个数据点的数据值的大小，将较大的值记为极大值，将较小的值记为极小值，获取目标点与其类簇中每个数据点的极小值和极大值的比值，记为第一比值，将目标点与其类簇中所有数据点的第一比值的均值作为目标点的中心性；获取每个类簇中每个数据点的中心性，将中心性最大的数据点作为类簇的中心点，对于类簇中的每个数据点，计算数据点与中心点的数据值的差值绝对值，记为数据点与中心点的距离d，将距离d从小到大排序，获取每个数据点的序号，例如：数据点与中心点的差值绝对值为0.1，仅比0大，则将该数据点排在第二位，数据点的序号为2。数据点的序号即为该数据点的绝对排名，绝对排名越小，说明数据点与类簇的中心点的距离越近，越靠近中心点。

根据每个数据点的绝对排名和类簇中数据点的数量获取数据点的相对排名，所述相对排名为数据点的绝对排名与数据点所在类簇中数据点数量的比值。其中计算比值是为了统一不同维度的异常程度，避免由于不同维度的数据点在其不同类簇中数据点数量差异较大，导致的后续计算时的较大误差。

将每个数据点的相对排名作为每个数据点的异常性，由此获取了每个数据点在每层的异常性，进而将数据点的异常性从层次聚类树的第一层到最后一层排序获取数据点的异常性序列。

至此，获取了每个数据点的异常性序列。

步骤S003，根据异常性序列中的元素差异以及元素坐标分别获取每个数据点的增序比和异常性序列的增长斜率；根据异常性序列的增长斜率和数据点的增序比获取数据点的噪声含量；基于数据点的噪声含量对每个维度再次进行层次聚类，完成每个维度集合的最终聚类。

由于层次聚类方法受噪声的影响较大，层次聚类的迭代计算过程中，当某个数据点越早被划分到某个类别时，该数据点的异常性越小，对后续类别的影响越小，因此对于异常性越大的数据点越迟被划分到某个类别中，得到的层次聚类树的结构受噪声的影响越小。

数据点的噪声含量越小，则异常性序列中，随着层数增加，数据点的异常性逐渐减小，减小趋势越大，数据点的噪声含量越小。

具体的，将异常性序列中每个元素与后一个元素的异常性作差，将所有的差值按照顺序构成差值序列，统计差值序列中值小于0的元素，将差值序列中值小于0的元素记为增序元素，统计所有增序元素的数量。将每个差值序列中的增序元素的数量和所有元素的数量的比值记为每个数据点的增序比。

将异常性序列中每个元素的层数作为横坐标，将每个元素的异常性作为纵坐标，即将每个元素在异常性序列中的位置以及元素值构成一个坐标点，获取所有元素的坐标点，将所有坐标点作为PCA算法的输入，可以得到多个二维向量和每个二维向量对应的投影值，每个二维向量表示一个方向，对应投影值表示所有坐标点在对应方向上的投影长度，将最大投影长度对应的二维向量作为数据点主方向向量，将该向量中第二个元素与第一个元素的异常性的比值的反正切值作为异常性序列的增长斜率。

根据每个数据点的增序比以及数据点对应异常性序列的增长斜率获取数据点的噪声含量，公式如下：

式中，表示数据点对应差值序列的增序元素的数量，/>表示数据点对应差值序列的所有元素的数量，/>表示数据点对应异常性序列的增长斜率，/>表示以自然常数为底的指数函数，/>表示数据点的噪声含量。其中，数据点对应的异常性序列的增长斜率越大，序列中后一个元素大于前一个元素的出现次数越多，数据点的噪声含量越少。

需要说明的是，噪声含量越大的数据点，在层次聚类过程中，越早被划分到某个类别中，导致类别的错分，进而会导致后续类别划分的较大误差，因此本实施例中通过将噪声较大数据点合理地降低相似度优先级，即如果有多个相似度较大的数据点，不直接将最大相似度的数据点划分到类别中，而是通过相似度和噪声含量的综合考量，判断将哪个数据点划分到类别中，实现类别的更新。

基于噪声含量对于每个维度进行层次聚类，所述层次聚类为自上而下的层次聚类，对层次聚类进行修改，首先通过现有方法在每层中每个部分确定两个中心点，例如：第一层还未分开，则只有一个部分，两个中心点，第二层被分为了两个类簇，即两个部分，该层确定4个中心点，依此类推；将每部分中不为中心点的数据点记为孤立点，计算每个孤立点与中心点的相似度，对于每个中心点，其对应一个类簇，将该类簇记为父节点，父节点和孤立点的相似度为孤立点与父节点中所有数据点的相似度的均值，所述相似度的获取方法为：将中心点和孤立点中的最小数据值和最大数据值的比值作为中心点和孤立点的相似度。

根据孤立点和父节点的相似度以及孤立点的噪声含量获取孤立点的优先级：

式中，表示孤立点和父节点的相似度，/>表示以自然常数为底的指数函数，/>表示孤立点的噪声含量，/>表示孤立点的优先级。其中相似度越大，优先级越高，噪声含量越大，优先级越低。

每个孤立点存在两个优先级，对于所有孤立点的两个优先级，获取最大优先级，将最大优先级对应的孤立点划分到最大优先级对应的父节点中，完成对父节点的更新。

至此，经过多轮计算，获取每个维度的层次聚类结果。

步骤S004，计算待评价路线的每个维度在最终聚类中的类簇的相似度，根据相似度及已知路线的评分值获取待评价路线的评分值。

通过上述步骤，获取了已知路线，每个维度的聚类结果；对于待评价路线，将其每个维度值与已知路线每个维度中的类簇进行相似度计算，将待评价路线中的维度值记为目标维度值，已知路线中的维度值记为已知维度值，将目标维度值和每个已知维度值中选取最小值和最大值，令所述最小值和最大值的比值作为待评价路线的维度和已知路线中任意一个数据点的相似度，对于任意一个类簇，计算待评价路线中一个维度和类簇中所有数据点的相似度的均值作为待评价路线和类簇的相似度。计算类簇中所有已知路线的评分平均值，将相似度最大值对应的类簇的评价平均值作为待评价路线的评分值，所述获取待评价路线的评分值的实施流程图如图3所示。

本实施例提供一种公路工程路线设计评价系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，处理器执行所述计算机程序时实现上述步骤S001至步骤S004的方法。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims

1.一种公路工程路线设计评价方法，其特征在于，该方法包括以下步骤：

获取每条路线的设计向量；

计算待评价路线的每个维度在最终聚类中的类簇的相似度，根据相似度及已知路线的评分值获取待评价路线的评分值；

所述获取每条路线的设计向量的元素包括车辆通过能力、交通流量、行车安全、建设成本、维护成本、运营成本、土地影响力；

所述对维度集合使用层次聚类获取每个数据点在层次聚类树中每层的相对排名的方法为：

维度集合通过层次聚类分为多层，每层具有若干类簇；将维度内任意一个数据点记为目标点，在每层中找到目标点，比较目标点及其类簇中每个数据点的大小，将大的值记为极大值，将小值记为极小值，将极小值和极大值的比值记为第一比值；

数据点的相对排名为数据点的绝对排名与数据点所在类簇中数据点的数量的比值；

所述根据类簇中所有数据点的第一比值获取类簇的中心点的方法为：

2.如权利要求1所述的一种公路工程路线设计评价方法，其特征在于，所述已知路线为已知评价的路线，所述待评价路线为准备评价的路线。

3.如权利要求1所述的一种公路工程路线设计评价方法，其特征在于，所述根据每个数据点在层次聚类树不同层的相对排名获取数据点的异常性序列的方法为：

4.如权利要求3所述的一种公路工程路线设计评价方法，其特征在于，所述根据异常性序列中的元素差异以及元素坐标分别获取每个数据点的增序比和异常性序列的增长斜率的方法为：

5.如权利要求1所述的一种公路工程路线设计评价方法，其特征在于，所述根据异常性序列的增长斜率和数据点的增序比获取数据点的噪声含量的方法为：

6.如权利要求1所述的一种公路工程路线设计评价方法，其特征在于，所述基于数据点的噪声含量对每个维度再次进行层次聚类，完成每个维度集合的最终聚类的方法为：

将所有层中所有孤立点依次划分完成最终聚类。

7.一种公路工程路线设计评价系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-6任意一项所述一种公路工程路线设计评价方法的步骤。