[发明专利]基于模糊综合评价的道路网选取方法

说明书

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。本文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。

技术领域

本发明属于道路网选取技术领域。特别是涉及一种基于模糊综合评价的道路网选取方法。

背景技术

道路选取是地图综合中的重要操作之一。基本要求是在比例尺缩小时根据大比例尺道路的密度和等级、长度等语义、几何特征，筛选出重要道路，舍弃次要道路。通过调查分析，本发明将交通流、通达重要性、历史重要性及经济重要性四种因素纳入到道路选取时需要考虑的因素中来。由于这几种因素的度量存在很大的不确定性和模糊性，难以找到统一的函数公式来计算。而模糊理论中模糊综合评判方法可处理客观事物中存在概念外延不分明情况，因此，本发明利用模糊数学原理，对这些不确定因素进行综合评价，并将其运用到道路选取过程中。

发明内容

综合评判模型的建立

交通流、通达重要性、经济重要性及政治重要性几个因素的模糊综合函数可以表示为：Fuzz(x1，x2，x3，x4)。

对于模糊综合评判问题，根据模糊数学原理具有三个要素。

(1)因素集，在道路网选取过程中，除了以往算法中考虑到的道路等级、道路长度、密度等因素外，还需要考虑的模糊评价因素包括交通流、通达重要性、政治重要性及经济重要性四个因素，因素集U可以定义为：U＝{交通流，通达重要性，历史重要性，经济重要性}，表示为：U＝{u1，u2，u3，u4}

设因素集U上的因素模糊子集A简记为模糊向量A＝(a1,a2,…,a5)，其中ai表示单因素ui在总体评价因素中所起作用大小的度量，0≤ai≤1。

(2)评价集。对事物好坏评价的集合，可根据实际需要确定，这里将评价标准定义为：V＝{很大，较大，一般，不大}，表示为：V＝{v1，v2，v3，v4}。

(3)单因素的评判矩阵R

确定每一个评价因子隶属于评价等级集合中不同评价等级的程度，称为隶属度，以rij表示，评价因子集合U中全部指标隶属度的合成，即为单因素评价矩阵。

2.评判运算

评价集中的等级模糊子集B也常记为模糊向量B＝(b1，b2，b3，b4)，其中bj为等级vj对B的隶属度，它是综合评判的结果。

对于U上的模糊子集A，可得综合评判关系：

将综合评判记为M(×，+)，B中的各元素通过广义模糊运算可得式(3)。在所得到的bj(j＝1，2，3，4)寻找最大值b*作为评价结果：

b_j＝(a₁×r_1j)+(a₂×r_2j)+...+(a₄×r_4j)，j＝1，2，3，4

模糊综合评价函数Fuzz(x1，x2，x3，x4)＝b*，当b*＝b1或b2时，随着b*的增大，表明接近影响“大”的程度越高；当b*＝b3或b4时，随着b*的增大，表明接近影响“小”的程度越高。

当b*＝b1或b2时，表明模糊因素的影响很大或较大，此时证明相应的道路在道路网中具有比较重要的作用；