【技术实现步骤摘要】
本专利技术属于智能交通路径规划，具体涉及一种基于模糊层次综合评价法的大件运输路径智能决策方法。
技术介绍
1、智能交通系统（intelligent traffic system，简称its）又称智能运输系统（intelligent transportation system），是将先进的科学技术（信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等）有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。
2、在智能交通系统下，大件运输必将成为其中不可缺少的一部分，大件运输是指大设备的运输配送，大设备在重量、体积上占有优势的物品，大件物品有严格要求，不是一般的运输车辆可以完成运输的，需要用到特殊的运输工具来完成。 在大件货物配送过程中，物流公司进行货物的装卸搬运需要合理利用集装箱的空间才能更好地节约成本，更需要对大件运输的经济性以及时效性进行考量。
3、在智能交通系统的管理之下，大件运输路径的规划方法成了智能交通系统中不可缺少的一环，现有的大件运输路径规划技术直接采用地图辅助软件或者利用最短路径算法规划路径，在此基础上进行空间可通行和安全性验算，最终提供最优路线。却缺少一种综合考虑经济性、时效性来确定推荐运输路线，然后对推荐路线沿线控制性桥梁进行可通行性验算，评估大件运输车辆过桥安全性和空间可通行性，最终实现路径智能决策的方法。
技术实现思路<
1、有鉴于此，本专利技术的目的在于提供基于模糊层次综合评价法的大件运输路径智能决策方法来综合考虑经济性、时效性并确定推荐运输路线，然后对推荐路线沿线控制性桥梁进行可通行性验算，评估大件运输车辆过桥安全性和空间可通行性，最终实现大件运输路径智能决策的方法。
2、为达到上述目的，本专利技术提供如下技术方案：
3、本专利技术所提供的基于模糊层次综合评价法的大件运输路径智能决策方法，包括：
4、步骤s1、获取用户所提交关于大件运输的第一申请信息，并确定其中的多个隶属函数集；
5、步骤s2、根据第一申请信息确定运输起点以及终点并进行路径寻优计算，获得多条备选路径；
6、步骤s3、对于任意一条备选路径，预测计算目标车辆在该条备选路径上所产生的对评价结果的多项影响因素并生成因素集，采用模糊综合评价法基于多个隶属函数集以及因素集进行模糊综合评价，得到所对应备选路径的评价结果；
7、步骤s4、按照评价结果将多条备选路径进行排序，并按序对每条备选路径分别进行基于目标车辆能否通行的可行性判断，直至输出最优且可通行的备选路径。
8、优选的，多个隶属函数集预先通过用户所对应公司多位专家各自设定得到，每个隶属函数集中包含多项隶属函数，隶属函数用于根据对应输入的影响因素计算获得相对应专家对于该项影响因素的评价结果。
9、优选的，步骤s3包括：
10、步骤s31、对于任意备选路径，基于该备选路径上的多段高速收费标准以及第一申请信息计算出高速收费值，并通过备选路径的路径总长与车型计算油量消耗，根据路径总长与车速计算耗费时长信息，利用高速收费值、油量消耗以及耗费时长信息形成因素集；
11、步骤s32、利用任意隶属函数集内部的多项隶属函数分别基于因素集中的因素进行计算，确定因素集中任意元素相对于评价集中评价指标的模糊映射关系，并得到该隶属函数集所对应专家对各项因素的打分结果；
12、步骤s33、统计所有专家各自的打分结果，确定任意项因素所对应的评价指标的分布状况并构建单因素评价向量；
13、步骤s34、利用多个单因素评价向量构建单因素评价矩阵，并结合第一申请信息中的因素权向量构建综合评价模型计算得到对应备选路径的评价结果。
14、优选的，步骤s4包括：
15、步骤s41、按照评价结果将多条备选路径进行排序，得到备选路径选择序列；
16、步骤s42、选择最优评价结果的备选路径，按照目标车辆在备选路径上下行以及枢纽转换方向确定出通行路径上的所有桥梁；
17、步骤s43、对于所选择的备选路径上的任意桥梁确定在云端对应存储的桥梁相关参数，分别采用荷载效应对比法以及弯桥抗倾覆验算法进行一阶段运算、抗弯承载能力检算法进行二阶段运算的可通行性验算，得到验算结果；
18、步骤s44、根据验算结果以及预设的判断准则确定该桥梁是否通过可通行性验算；
19、步骤s45、当该条备选路径上任意桥梁均通过可通行性验算则确定当前备选路径为最优路径，否则按照备选路径选择序列中次优备选路径循环执行步骤s42至步骤s44，直至输出最优路径。
20、优选的，步骤s43中，在选择备选路径上的任意桥梁时，优先从备选路径靠近起点端依次对桥梁进行选择并进行可通行性验算，并在出现第一个不可通行的桥梁时对该桥梁进行记录，并对备选路径选择序列中含有该桥梁的所有备选路径进行剔除。
21、优选的，对每条备选路径分别进行基于目标车辆能否通行的可行性判断还包括：
22、获取目标车辆的车辆型号信息以及目标车辆处于载货状态下的第一类三维点云扫描数据；
23、获取预先对备选路径上多段路程所对应现实空间的第二类三维点云扫描数据，以及其对应生成的第二类三维模型；
24、根据目标车辆的车辆型号信息获取预先在云端存储的该车辆型号相对应的车辆参数模型，并将车辆参数模型与第一类三维点云扫描数据进行模型匹配，得到匹配结果；
25、根据匹配结果确定第一类三维点云扫描数据相对于车辆参数模型中车体部位的对应关系，并对第一类三维点云扫描数据中的稀疏点云数据以及对应车轮以下地面点云数据进行剪除，得到第三类三维点云扫描数据；
26、根据第三类三维点云扫描数据生成目标车辆在载货状态下的第一类三维模型，并建立第三类三维点云扫描数据相对于第一类三维模型中车体部位的对应关系；
27、利用第一类三维模型以及第二类三维模型进行目标车辆在对应道路中间位置行驶的仿真实验，并记录第一类三维模型以及第二类三维模型的碰撞区域以及碰撞时间；
28、当备选路径上多段路程均不存在碰撞区域时，则认定目标车辆能够在该条备选路径上通行。
29、本专利技术至少取得了以下有益效果：
30、1. 通过本专利技术，能够基于模糊综合评价法考虑经济性、时效性以及风险性确定推荐运输路线，并评估大件运输车辆在备选路径上的可通行性，从而最终实现对大件运输车辆行驶路径的智能决策。
31、2. 利用隶属函数作为评分标准取代专家直接评分的过程，从而有效减少人力资源的投入。
32、3. 实现了对目标车辆在备选路径上的碰撞方面的仿真试验，通过仿真试验结果判断大件运输车辆在运输过程中是否会难以避免的与道路上的限高桩、隧道顶部、桥梁结构上各位置点位发生碰撞，从而实本文档来自技高网...
【技术保护点】
1.基于模糊层次综合评价法的大件运输路径智能决策方法，其特征在于，包括：
2.根据权利要求1所述的基于模糊层次综合评价法的大件运输路径智能决策方法，其特征在于，所述多个隶属函数集预先通过用户所对应公司多位专家各自设定得到，每个隶属函数集中包含多项隶属函数，所述隶属函数用于根据对应输入的影响因素计算获得相对应专家对于该项影响因素的评价结果。
3.根据权利要求1所述的基于模糊层次综合评价法的大件运输路径智能决策方法，其特征在于，所述步骤S3包括：
4.根据权利要求1所述的基于模糊层次综合评价法的大件运输路径智能决策方法，其特征在于，所述步骤S4包括：
5.根据权利要求4所述的基于模糊层次综合评价法的大件运输路径智能决策方法，其特征在于，所述步骤S43中，在选择备选路径上的任意桥梁时，优先从备选路径靠近起点端依次对桥梁进行选择并进行可通行性验算，并在出现第一个不可通行的桥梁时对该桥梁进行记录，并对备选路径选择序列中含有该桥梁的所有备选路径进行剔除。
6.根据权利要求1所述的基于模糊层次综合评价法的大件运输路径智能决策方法，其特
...【技术特征摘要】
1.基于模糊层次综合评价法的大件运输路径智能决策方法，其特征在于，包括：
2.根据权利要求1所述的基于模糊层次综合评价法的大件运输路径智能决策方法，其特征在于，所述多个隶属函数集预先通过用户所对应公司多位专家各自设定得到，每个隶属函数集中包含多项隶属函数，所述隶属函数用于根据对应输入的影响因素计算获得相对应专家对于该项影响因素的评价结果。
3.根据权利要求1所述的基于模糊层次综合评价法的大件运输路径智能决策方法，其特征在于，所述步骤s3包括：
4.根据权利要求1所述的基于模糊层次综合评价法的大...
【专利技术属性】
技术研发人员：王涛，韩万水，邓泽城，刘博，靳阳，王俊峰，陈适之，贾绍明，肖济邦，赵卫华，张景，梁雄，李乾坤，武建中，
申请(专利权)人：长安大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。