模糊因素在道路网选取过程中的应用及评价

道路网选取因素的确定是道路网选取的基础。针对已有算法没有充分考虑模糊因素在道路选取时的作用的问题，提出了道路选取过程中应考虑到的几种模糊因素，借助模糊数学综合评价方法对其进行了综合评价，并将评价结果与基于网眼密度的道路网选取算法进行了融合。实验表明，考虑了模糊因素后的道路网选取在继承了基于网眼密度算法优点的基础上保留了某些交通流量大、具有历史意义或经济价值的“重要”道路，相应地删除了个别同等级但上述意义相对较小的道路，道路网选取结果更加合理，更加符合人们的实际需求。     

顾及多特征的多尺度道路网相似性计算模型

针对现有的多尺度道路网相似性计算方法对道路网特征顾及不足的问题，提出了一种顾及全局轮廓和局部细节的多特征多尺度道路网空间相似性计算模型。该模型首先提取道路网的全局轮廓边界，通过傅里叶描述子计算出轮廓边的形状相似性，以此来度量多尺度道路网的全局相似性；其次，将能够反映局部密度特征的道路网眼引入到局部相似性计算中，分别求取网眼之间的拓扑相似度和几何相似度，二者结合计算多尺度道路网的局部相似性；最后，进行全局特征和局部特征的相似性归一化，对多尺度道路网目标相似性进行整体度量。实验结果表明，该模型计算结果与实际地物特征变化程度保持了较高的一致性，比较符合人类认知。     

道路网中基于RRN-Tree的CKNN查询

现有针对基于道路网络的CKNN查询研究,主要是将道路网络以路段和节点的形式进行建模,转化成基于内存的有向/无向图,该模型存在2个问题:一个是道路网络中路段数据量大,导致索引结构分支过多、移动对象更新频繁;另一个是图表示方法不能很好地处理十字路口转向、U型转弯等交通规则。针对此问题,提出道路网中基于RRN-Tree的移动对象CKNN查询算法,包括索引结构设计和移动对象查询算法设计,采用路线对道路网建模,基于网络边扩展方式,实现复杂条件下的道路网络CKNN查询。实验结果表明,在各种网络密度和兴趣点对象分布密度下,与经典的IMA/GMA算法相比,基于RRN-Tree索引方法的查询性能提高1.5倍~2.13倍。     

顾及网络特征的复杂人工河网的自动选取

针对人工河网选取过程中需要考虑的几个重要因素,引入了线状要素动态分段模型组织人工河网数据及其空间知识。提出一种基于栅格的河网密度探测方法,较传统的计算网眼面积的方法简便且效果较好。建立了基于"知识决策"的人工河网选取模型,模型中考虑了复杂人工河网综合中河渠的属性(主要、次要)、长度、连通情况、河渠间的空间关系以及河网密度等5个方面的因素,建立多准则决策模型对每条备选河渠平等地进行综合评价,根据评价结果按照选取可能性从小到大间隔选取,从而能够较好保持人工河网的网络特征。     

应用模糊综合评价进行智能手机评估建模

为了对市场上各种智能手机进行合理公正的评估,提出了基于变异系数法和加权平均型的模糊综合评价法,并建立了智能手机评估模型。该模型对手机的各项性能参数进行了分类分析,采用变异系数法计算手机各个评价指标的权重;然后进行单因素评判,建立模糊综合评判矩阵,采用加权平均型算子进行综合评判,得到最后的评估结果。对比实验表明,相对于传统的基于专家赋权和取大取小算法的模糊评价方法,该评估模型的有效性和实用性能均有较大提升,能够更加客观准确地反映用户对智能手机的实际评估。     

基于三角模糊数层次分析法与网络仿真的网络整体性能评价研究

结合模糊理论提出了改进的模糊AHP算法——基于三角模糊数层次分析法(Triangular Fuzzy Number Analytic Hierarchy Process,TFAHP),使得结论更加客观、合理,同时简化了AHP算法的步骤。在提出基于THAHP网络整体性能评价模型的基础上,阐述了应用网络仿真技术进行网络整体性能评价的方法。包括性能指标选取、仿真试验设计、仿真性能参数计算和仿真结果处理与分析的方法,并给出了对一个具体的多媒体网络进行网络整体性能评价的应用实例。     

基于模糊评价的道路工程监理投标管理系统研究

本文在分析常规道路工程监理评标方法的基础上，提出了基于模糊综合评价法的道路工程监理投标管理系统框架，并讨论了有关评标数据的获取以及模糊评标算法，给出了系统实施框架。     

基于位置范围的道路网skyline查询

随着无线通信和定位技术的发展,道路网skyline查询在基于位置的服务等方面越来越重要。考虑到现今道路网中位置隐私保护和定位设备的精度问题,用户在道路网上的位置通常用一个范围来表示。但是,已有的道路网skyline研究都是基于单一查询点。针对这一问题,研究了一种新的查询——基于位置范围的道路网skyline查询(RNS),提出了一种基于边界点替换的有效查询处理算法。另外,针对已有的道路网skyline查询中复杂的道路网距离计算对查询效率的影响问题,通过计算兴趣点在道路网上的有效skyline路段,将其与道路网信息融合,建立了道路网skyline模型。基于该模型设计了一种能有效支持RNS查询的道路网skyline索引SSR-tree,提出了基于索引的RNS查询处理算法。通过大量实验验证了所提方法的有效性,并比较了基于索引的算法在查询效率和精度上的提高。     

多密度阈值的DBSCAN改进算法

在分析了基于密度的聚类算法（DBSCAN）及其改进算法的缺点的基础上,提出了一种多密度阈值的DBSCAN改进算法。算法通过构建网格密度矩阵绘制密度分布图,辅助用户确定密度层次划分。根据基于网格与基于密度的聚类算法间的等效规则计算各个密度层次的密度阈值ε。通过多密度层次的聚类过程得到多个密度层次上的更加精细的聚类结果。解决了DBSCAN算法参数选取困难和难以发现密度相差较大的簇的问题,具有重要的实用意义。     

基于改进BP神经网络的道路交通事故预测

道路交通事故因受多种随机因素的影响而呈现出非线性的特点,传统的线性分析方法无法完全揭示其内涵。在分析道路交通事故与人、车、路等因素关系的基础上,利用神经网络具有描述非线性特性的能力,将影响交通事故的多种因素综合起来建立了基于改进BP神经网络的道路交通事故预测模型。选取人口密度、路网密度和机动车辆密度作为交通事故预测模型的输入神经元,采用道路交通综合死亡率作为道路交通事故的输出评价指标,对道路交通事故进行预测。实验结果表明,该预测模型能很好地适用于道路交通事故预测,验证了该模型的可行性和有效性。     

采用案例归纳推理进行道路网智能选取

自动制图综合集技术、艺术与制图人员经验于一体,长期以来其自动化、智能化研究进展缓慢。基于机器学习的智能化自动综合也成为了制图综合发展过程中必须解决而仍未得到很好解决的核心难题之一。本文提出基于案例归纳学习的道路网智能选取方法。该方法以制图专家道路网选取案例库为学习对象,以决策树算法为推理机,从专家案例库中自动归纳、推理来获取决策树,并转化为满足计算机自动执行的规则集,据此来进行道路网自动选取。从而解决了把难以形式化表达的制图专家经验自动转化为满足计算机自动综合要求的规则,并据此进行智能化自动综合这一难题。最后,采用实例对本方法进行了验证,实验结果表明,该方法能够从专家案例库中自动获取核心规则,并进行自动综合,综合结果能够有效地反映制图专家的制图综合经验,同时具有普适性,从而为智能化自动制图综合发展探索了新的途径。     

基于RS与GIS的城市道路网密度计算

为实时、准确、快速地评价城市道路网系统,提出基于RS与GIS的城市道路网密度计算方法.利用Erdas的RS影像处理功能收集城市道路网的实时数据,使用ArcGIS对有关数据进行处理,提取道路网密度计算所需信息,计算道路网密度.对某旅游城市道路网密度计算表明,该方法可以为城市道路网的规划与建设提供支持.     

道路网自动选取方法研究

道路网自动选取是自动制图综合中的难点和重点工作之一,已有的自动选取方法在选取过程中没有将全图的道路网作为一个整体来考虑,道路网结构特征保持不明显。通过一系列的实验,利用图论的不同方法对道路网进行自动选取,并对结果进行了分析和比较,构造出了一种较好的道路网自动选取方法。根据平面图形的网络特征将道路网分为两种类型(乡村型和城市型),并针对每种类型的道路网提出了不同的选取方法。实验结果表明,选取效果较好,能够满足道路网自动制图综合的需要。     

道路网络环境下的近似反k最近邻查询算法

针对欧式空间中基于R树索引结构的反最近邻查询技术不适用于道路网环境,利用任意度量空间中的M树索引结构代替R树索引结构,进行道路网络中的反最近邻查询处理.然而,由于网络距离的计算代价高的问题,使得基于M树索引的反k最近邻查询效率很低.因此,采用道路网络嵌入技术,映射道路网络到高维向量空间,简单的L∞距离准确近似计算网络距离.在此基础上,提出道路网中近似反k最近邻查询的ARkNN算法,并对本文L∞距离近似网络距离的质量、k-中心聚类算法选取参考点的有效性和ARkNN算法的查询效率进行了实验验证.     

矿井通风系统健康评价研究

现有的矿井通风系统健康评价方法大多采用常权权重,评价结果易与实际背离,无法反映系统真实状态,同时选取的指标较多,各指标权重较低,导致部分指标异常对系统整体健康程度的影响难以发现。基于矿井通风系统实际运行状况及健康评价要求,选取21项影响因素作为健康评价指标,构建矿井通风系统健康评价指标体系;综合运用模糊综合评价法、层次分析法、变权理论,对矿井通风系统进行健康评价,即通过层次分析法确定评价指标权重,采用基于隶属度的Hardarmard乘积变权模型对指标权重进行变权计算,基于模糊综合评价法的最大隶属度评定准则确定矿井通风系统健康度。采用该方法对某煤矿通风系统健康度进行评价,结果表明该方法的评价结果与实际情况相符,与基于常权权重的评价方法相比,可根据实际情况调整评价指标权重,使评价结果更加客观,且放大了不健康指标的影响,突出系统安全隐患,从而引起相关人员重视。     

基于模糊计算的网络成瘾评判系统设计

针对网络成瘾评判中因素多且具有模糊性和随机性等特点,本文采用了基于模糊计算的综合评价算法来进行网络成瘾评价.系统能对样本进行模糊综合评判,确定其成瘾程度。结果表明,采用模糊评判算法不仅能够比较全面地考虑各种因素的影响及其相互作用,并能在一定程度上反映影响成瘾程度的关键原因。     

基于改进密度峰值聚类的路网划分方法

城市路网的合理划分对于优化区域交通控制以及协调策略的实施具有重要意义。为提高道路通行效率,提出基于密度峰值聚类算法的城市路网划分方法,首先,综合考虑交叉口静态和动态因素的影响,构建相邻交叉口的关联度模型,为合理量化交叉口之间的关联程度提供定量描述。其次,提出改进的密度峰值聚类算法,结合相邻交叉口之间的关联度对路网区域进行划分。针对密度峰值聚类算法中局部密度在不同规模数据集上差异较大的问题,引入KNN的思想,重新对局部密度进行描述,其次为避免算法聚类中心人工选取的主观性导致的误差问题,采用肘部法则实现聚类中心的自动选取。实验结果表明,与改进的Newman算法及Ncut算法相比,提出的改进算法在优化子区平均匀质度上可分别降低12.5%和22.8%,提高了控制子区的划分效果,使区域划分效果更合理。     

基于多指标模糊综合评价的交通拥堵预测与评估

针对各交通时段对交通拥堵的不同影响、单因素无法准确表征交通拥堵状态的问题,提出了一种采用多指标模糊综合评价的交通拥堵评价预测方法。该方法利用粒子群算法优化支持向量回归机对道路平均速度和交通流量进行预测,得到三个因素指标平均速度◢v、交通流密度D、道路饱和度S的预◣测值。将三个因素指标输入到多指标模糊综合评价模型中,即首先建立交通拥堵状态的因素集和评价集,通过熵值法确定早高峰、晚高峰、其他时段下三个因素指标的权重系数,再通过梯形隶属度函数确定各指标在各时段的隶属度,最终将交通拥堵状态划分为六个级别。通过对美国PeMS数据库中I405高速路的交通数据进行预测评价实验证明,采用该方法预测的交通拥堵状态基本与实际状态吻合,具有较高的预测精度,正确率可达94.79%。     

基于模糊综合评判的评价系统模型研究与应用

提出一种基于模糊综合评判的评价系统模型.设计了基于该模型的评价系统软件结构和工作流程.然后针对其中的关键技术,分别研究了因素集和评判集建立、数据隶属度处理、一级和二级模糊评价等功能的算法逻辑.最后,开发实现了一个企业的车辆运营效益评价系统,系统通过运行该企业五年的车辆数据,得到了两个级别的模糊评价结果.分析表明评价系统的结果非常符合实际效益情况,证明模糊综合评判方法能够用于多层次的综合评价系统,而且效果较好.     

基于信息熵的模糊综合评价算法研究

模糊综合评价已在"内涵明确,外延不明确"的问题上得到普遍的应用。为了提高评价的可信度,降低模糊综合评价过程中存在的主观性,通过计算各指标的信息熵来构建各层指标的权值,并与指标的主观权值结合,从而降低了模糊评价模型中的主观性影响。用基于修正后的模糊算法开发了一个应用系统,以该系统为实例验证了算法的可行性。