一种高速公路技术指标云模型间相似度评判方法与流程

本发明涉及一种高速公路技术指标云模型间相似度评判方法，特别是利用距离算法对两个不同的云模型间做出相似度的计算从而对高速公路中的关键指标做出评判。
背景技术：
：对某一高速公路工程质量检测指标关键程度的评价，受专家知识的影响，具有一定的随机性、模糊性和主观性，这给指标是否关键的定性判断带来了较大的困难。云模型为这类随机性、模糊性和主观性量化评价数据的描述提供了重要的理论工具，并在交通工程领域得到了很好的应用。但对具有随机性、模糊性和主观性的量化评价数据到客观定性判断之间的等价转换问题，还没有成熟可靠的解决方法，因此我们提出一种通过云模型间相似度的大小作为量化评价数据到客观定性判断之间等价转换的参考，对于定性评价高速公路中的关键指标的关键程度定性评价具有很好的实际意义。目前国内外对于云模型间相似性计算的主要技术方法有：1、通过云模型的期望曲线和最大边界曲线来描述云模型的特征，以期望曲线相似程度或最大边界曲线的相似程度对云模型相似度的定量表示。李海林,郭崇慧,邱望仁发表的“正态云模型相似度计算方法”(《电子学报》，2011年39卷11期)提出了两种正态云模型相似度计算方法，分别通过正态云模型的期望曲线和最大边界曲线来描述正态云模型的总体特征，实现以期望曲线相似程度或最大边界曲线的相似程度对正态云模型相似度的定量表示。虽然达到预期效果，但是计算复杂度较高。2、针对传统相似性度量方法存在的不足，利用云模型在定性知识表示以及定性、定量知识转换时的桥梁作用，提出一种在知识层面比较用户相似度的方法，在全面分析传统方法的基础上，提出一种新的协同过滤推荐算法。张光卫，李德毅，李鹏，康建初，陈桂生发表的“基于云模型的协同过滤推荐算法”(《软件学报》2007年，18卷，10期)提出基于云模型的协同过滤推荐算法，将云模型的数字特征当作向量，并且利用夹角余弦来衡量云模型之间的相似度问题。该算法虽然在协同过滤算法中取得了较好的效果，但很多情况下云模型的数字特征中的期望值远远大于熵和超熵，使得夹角余弦的度量容易忽视熵和超熵两个数字特征的作用。技术实现要素：本发明的目的是为了解决上述现有技术中对云模型的使用都是用于对象的定量数据的数学描述问题，并没有提出定量数据描述到定性评价间转换计算的不足，提出一种更为合理的转换计算方法。为了实现本发明的目的，本发明提供了一种高速公路技术指标云模型间相似度评判方法，包括基于云模型的专家评价云生成阶段、基于云模型的标准评价云生成阶段和两种云间相似度计算阶段，具体包括以下步骤。1、一种高速公路技术指标云模型间相似度评判方法，其特征在于，包括以下步骤：步骤1，基于云模型将专家评分集合Xn转换成专家评价云EC，其转换过程包括以下步骤：步骤1.1，根据n位专家对高速公路中某一指标给出的评分结果构成专家评分集合Xn＝{x1,x2,...xi,...,xn}；其中，x1为第1位专家的评分结果，x2为第2位专家的评分结果，xi为第i位专家的评分结果，xn为第n位专家的评分结果，n的取值范围为[5,50]；步骤1.2，计算专家评分集合Xn的数字特征，分别为期望Ex，熵En和超熵He，其计算方法分别如式(1)、(2)、(3)所示：Ex=1nΣi=1n(xi)---(1)]]>En=π2×1nΣi=1n|xi-Ex|---(2)]]>He=sk2-En2---(3)]]>其中，步骤1.3，以En为期望，为方差随机生成一个正态分布数Ni，产生方法如式(4)所示：Ni=Norm(En,He2)---(4)]]>步骤1.4，以Ex为期望，为方差生成一个正态分布数si，产生方法如式(5)所示：si=Norm(Ex,Ni2)---(5)]]>步骤1.5，根据专家评分集合的数字特征，计算隶属度ui，计算方法如式(6)所示：ui=e-(si-Ex)22Ni2---(6)]]>步骤1.6，当i＝1时，由步骤1.3-步骤1.5生成专家评价云EC的第一个云滴，记为：(s1,u1)；步骤1.7，重复步骤1.3-步骤1.5，直至产生K个云滴，生成专家评价云EC，记为：EC＝{(s1,u1),(s2,u2),...,(sK,uK)}，其中，K的范围为[1000,3000]；步骤2，基于云模型生成标准评价云，其生成过程包括以下步骤：步骤2.1，设定一个标准评价集合，该集合中的元素在[0,R]的区间内产生，并按照关键等级程度将该区间分为M个子区间每个区间都对应一个定性评价结果，其中，R的取值范围为[1,10]，和分别是第m个区间的上、下界；m＝1,2,...,M，M取值范围为[2,50]；步骤2.2，计算第m个区间的标准评价云的数字特征，分别为期望E'xm，熵E'nm和超熵H'em，其计算方法如式(7)、(8)、(9)所示：Exm′=Rmmin,m=1Rmmin+Rmmax2,1<m<MRmmax,m=M;---(7)]]>Enm′=Rmmax-Rmmin4;1≤m≤M---(8)]]>Hem＝He；1≤m≤M(9)步骤2.3，以E'nm为期望，H'em为方差随机生成一个正态分布数N'm，产生方法如式(10)所示：N'm＝Norm(E'nmHe'm2)(10)步骤2.4，以E'xm为期望，N'm2为方差随机生成一个正态分布数s'mi，产生方法如式(11)所示：s'mi＝Norm(E'xm,N'm2)(11)步骤2.5，根据专家评分集合的数字特征，隶属度u'mi的计算方法如式(12)所示：umi′=e-(smi′-Exm′)22Nmi′2---(12)]]>步骤2.6，取m＝1，由步骤2.2‐步骤2.5的计算结果，产生第1个标准评价子云的第1个云滴并记为(s1'1,u1'1)；步骤2.7，重复步骤2.2‐步骤2.5的过程，循环K次得到第1个标准评价子云的K个云滴，将生成的第1个标准评价子云记为：SC1＝{(s1'1,u1'1),(s1'2,u1'2),...,(s1'K,u1'K)}；步骤2.8，分别取m＝2,3,...,M，生成剩下的M-1个标准评价子云云滴，共得到M个标准评价子云，构成标准评价云集合，记为：SC＝{SC1,SC2,...,SCm,...,SCM}；其中，SCm＝{(s'm1,u'm1),(s'm2,u'm2),...,(s'mK,u'mK)}，m＝1,2,...,M；步骤3，计算专家评价云EC与标准评价云SC集合中各子云间相似度；将专家评价云EC内所有云滴按si的大小升序排列、将标准评价中的任一子云SCm内的所有云滴按s'mi的大小升序排列，计算专家评价云EC和该标准评价子云SCm间的对应距离，记为dm，其计算公式如式(13)所示：dm=Σi=1K[(ui-umi′)2+(si-smi′)2]---(13)]]>其中，i＝1,2,...,K；取m＝1,2,...,M，分别采用公式(13)计算得到{d1,d2,...,dM}；步骤4，比较所求得的M个对应距离{d1,d2,...,dM}，其中最小对应距离记为dj，则得出专家评价云EC的关键程度评价为第j个标准评价子云SCj所对应的定性评价。与现有技术相比，本发明的有益效果如下：1、本发明提出的方法改善了传统基于向量的相似度比较方法中必须严格匹配对象属性的不足，优化了算法，提高了计算的精准度；2、本发明提出的方法减少了传统上选取云滴、对云滴的排序以及云滴的组合所消耗的时间，提高了云模型间的相似性计算效率。附图说明图1为本发明的基本方法流程示意图；图2为本发明实施例路基压实度指标专家评价云EC示意图；图3为本发明实施例路基压实度指标标准评价子云SC1示意图；图4为本发明实施例路基压实度指标标准评价子云SC2示意图；图5为本发明实施例路基路面压实度指标标准评价子云SC3示意图；图6为本发明实施例压实度指标云与标准评价云的相似度大小示意图。具体实施方式图1为本发明的基本方法流程示意图。下面结合附图1及实施例对本发明做进一步详细说明。步骤1，基于云模型将专家评分集合Xn转换成专家评价云EC，其转换过程包括以下步骤：步骤1.1，根据13位专家对高速公路中路基压实度指标，在0分到3分范围内给出评分结果，组成专家评分集合:X13＝{x1,x2,...,x13}＝{3,3,3,3,2,3,3,3,3,3,3,3,3}；步骤1.2，计算专家评分集合Xn的数字特征，分别为期望Ex，熵En和超熵He，其计算方法分别如式(1)、(2)、(3)所示：Ex=1nΣi=1n(xi)=2.92---(1)]]>En=π2×1nΣi=1n|xi-Ex|=0.18---(2)]]>He=sk2-En2=0.21---(3)]]>其中，步骤1.3，以En为期望，为方差随机生成一个正态分布数Ni，产生方法如式(4)所示：Ni=Norm(En,He2)---(4)]]>步骤1.4，以Ex为期望，为方差生成一个正态分布数si，产生方法式(5)所示：si=Norm(Ex,Ni2)---(5)]]>步骤1.5，根据专家评分集合的数字特征，计算隶属度ui，计算方法如式(6)所示：ui=e-(si-Ex)22Ni2---(6)]]>步骤1.6，当i＝1时，由步骤1.3-步骤1.5生成专家评价云EC的第一个云滴(s1,u1)；步骤1.7，重复步骤1.3-步骤1.5，直至产生K个云滴，生成的专家评价云EC记为：EC＝{(s1,u1),(s2,u2),...,(sK,uK)}，其中，K的范围为[1000,3000]；在本实施例中，K为1000，所以生成的专家评价云EC记为：EC＝{(s1,u1),(s2,u2),...,(s1000,u1000)}本实施例中路基压实度专家评价云如图2所示。步骤2，基于云模型生成标准评价云，其生成过程包括以下步骤：步骤2.1，设定一个标准评价集合，该集合中元素在[0,3]的区间内产生，并按照关键等级程度定性地将该区间分为3个子区间，在本实施例中，3个子区间所对应的定性关键程度分别为：不关键、次关键、关键三个定性评价等级；步骤2.2，计算第m个区间的标准评价云的数字特征，分别为期望E'xm，熵E'nm和超熵H'em，其计算方法如式(7)、(8)、(9)所示：Exm′=0,m=11+22,m=23,m=3---(7)]]>Enm′=1-03=0.25,m=12-13=0.25,m=23-23=0.25,m=3---(8)]]>He'm＝He＝0.21,m＝1,2,3(9)步骤2.3，以E'nm为期望，H'em为方差随机生成一个正态分布数N'm，产生方法如式(10)所示：N'm＝Norm(E'nmH'em2)(10)步骤2.4，以E'xm为期望，N'm2为方差随机生成一个正态分布数s'mi，产生方法如式(11)所示：s'mi＝Norm(E'xm,N'm2)(11)步骤2.5，根据专家评分集合的数字特征，隶属度u'mi的计算方法如式(12)所示：umi′=e-(smi′-Exm′)22Nmi′2---(12)]]>步骤2.6，取m＝1，由步骤2.2‐步骤2.5的计算结果，产生第1个标准评价子云的第1个云滴并记为(s1'1,u1'1)；步骤2.7，重复步骤2.2‐步骤2.5的过程，循环1000次得到1000个云滴，将生成的第1个标准评价子云记为：SC1＝{(s1'1,u1'1),(s1'2,u1'2),...,(s1'1000,u1'1000)}步骤2.8，分别生成剩下的2个标准评价子云的云滴，共得到3个标准评价子云，构成标准评价云，记为SC＝{SC1,SC2,SC3}；本实施例3个标准评价子云分别如图3，图4，图5所示，其中，横轴表示云滴数产生的顺序，纵轴表示隶属度大小；步骤3，计算专家评价云EC与标准评价云SC集合中各子云间相似度；将云EC内所有云滴按si的大小升序排列i＝1,2,...,1000，将标准评价中的任一子云SCm内所有云滴按s'mi的大小升序排列，m＝1,2,3,i＝1,2,...,1000，计算专家评价云EC和3个标准评价子云SCm间的对应距离，记为dm其计算公式如公式(13)所示：dm=Σi=11000[(ui-umi′)2+(si-smi′)2]---(13)]]>其中，i＝1,2,...,1000本实施例计算的结果是d1＝8.60，d2＝2.14，d3＝0.10步骤4，比较所求得的3个距离值{d1,d2,d3}中最小值为d3＝0.10，则得出专家评价云EC与第3个标准评价子云SC3相似最高，因此，采用SC3对应的定性评价“关键”指标作为专家对路基压实度这一指标定性评价的最终结果。图5为路基路面压实度指标标准评价子云SC3的示意图。当前第1页1 2 3