一种模糊不确定的可靠性分析方法、装置及存储介质与流程

1.本发明涉及离散型数据可靠性分析技术领域，尤其是涉及一种模糊不确定的可靠性分析方法。


背景技术：

2.工地车辆在城市运营中发挥越来越重要的作用，对工地车辆的监管直接影响工程、营运的效率。
3.现有技术的缺点在于车辆的监测系统只针对单一的目标进行监测，采集的数据缺乏代表性。利用模拟法对系统的可靠性分析变现为周期短，误差大。单一数据的不确定判断困难，误差分析的不确定性造成在可靠性分析过程充满了很多的不稳定因素。


技术实现要素：

4.本发明提出一种模糊不确定的可靠性分析方法、装置及存储介质，通过将单一监测目标扩展到多目标监测，并结合空间数据不确定理论、模糊建模理论以及误差传播累计理论，构建一种可溯源数据模型，在数值法的基础上，通过构建模糊模型，对工地车辆监测数据的本身及相关涉及的业务方进行关联，利用多目标对主要监测目标的影响用以判断其系统数据的可靠性。
5.一种模糊不确定的可靠性分析方法，包括以下步骤：s1、采集目标区域的基础空间数据、业务时序数据及车辆轨迹空间数据；s2、将所述基础空间数据、所述业务时序数据及所述车辆轨迹空间数据进行不确定分析处理，得到确定型数据和不确定型数据，所述不确定型数据包括随机型数据和模糊型数据；s3、将所述不确定型数据进行可靠性分析处理，得到不同业务组合的应用决策模型；s4、构建误差传播累计估算模型，以校正数据分析处理过程中产生的误差；s5、设置所述应用决策模型的触发阈值，输出应用结果。
6.进一步地，所述基础空间数据包括遥感影像图、交通矢量图及区域天气数据；所述业务时序数据包括企业、工地、监管机构及交通规则数据；所述车辆轨迹空间数据包括车辆gps或gis位置数据。
7.进一步地，步骤s2包括：s21、事件定义不确定分析；s22、事件属性定义不确定分析；s23、数据采集不确定分析；s24、数据处理-分析-存储不确定分析。
8.进一步地，步骤s3包括：s31、将所述不确定型数据进行无量纲化处理；s32、构建连续随机型模型处理所述随机型数据，输出的数据具有模糊性；s33、建立对应的模糊矩阵，对所述模糊型数据、经步骤s32处理后的所述随机型数据进行聚类分析，统计数据之间的相关性；s34、根据步骤s33得到的数据相关性，建立目标模糊综合评价指标模型，设置对应业务的权重系数，得到不同业务组合的应用决策模型。
9.进一步地，步骤s31所述的无量纲化处理方法包括min-max归一化法、平均归一化法、非线性归一化法、范数归一化法、标准差/零均值标准化法。
10.进一步地，重复步骤s34得到多层级的目标模糊综合评价指标模型。
11.进一步地，在步骤s34之后添加后续不确定分析节点。
12.进一步地，所述应用决策模型包括预警、处置、研判。
13.一种模糊不确定的可靠性分析装置，包括：
14.数据采集模块，用于采集目标区域的基础空间数据、业务时序数据及车辆轨迹空间数据；空间不确定性过滤器，用于过滤所述基础空间数据、所述业务时序数据及所述车辆轨迹空间数据，分别得到确定型数据和不确定型数据；可靠性分析过滤器，用于处理所述不确定型数据，得到不同业务组合的应用决策模型；误差传播累计估算器，用于校正流程处理过程中的数据误差；结果输出模块，用于输出应用结果。
15.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意方案所述的模糊不确定的可靠性分析步骤。
16.本发明的有益效果是：
17.本发明通过对目标区域的车辆、企业、交通运输、工地等多关联目标构建数据可溯源模型，利用模糊综合决策法对车辆关联业务建立起决策评估模型，对工地车辆监测数据的本身及相关涉及的业务方进行关联，利用多目标对主要监测目标的影响用以判断其系统数据的可靠性，基于本发明的可靠性分析方法具有较好的稳定性。
附图说明
18.图1是本发明其中一实施例的一种模糊不确定的可靠性分析方法流程示意图；
19.图2是本发明其中一实施例的一种模糊不确定的可靠性分析装置框图。
具体实施方式
20.为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的优选实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反的，提供这些实施方式的目的是为了对本发明的公开内容理解得更加透彻全面。
21.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。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例，不是为了限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
22.请参阅图1，图1是本发明其中一实施例的一种模糊不确定的可靠性分析方法流程示意图，该方法包括以下步骤：
23.s1、采集目标区域的基础空间数据、业务时序数据及车辆轨迹空间数据；
24.其中，基础空间数据包括遥感影像图、交通矢量图及区域天气数据；业务时序数据包括企业、工地、监管机构及交通规则数据；车辆轨迹空间数据包括车辆gps或gis位置数据。
25.s2、将采集到的基础空间数据、业务时序数据及车辆轨迹空间数据输入不确定分析过滤器中进行处理，不确定分析流程如下：
26.s21、事件定义不确定分析，用于定义业务事件的确定、不确定属性；
27.s22、事件属性定义不确定分析，用于分析事件属性定义的确定和不确定类型；
28.s23、数据采集不确定分析，用于分析数据采集流程中存在的不确定因素；
29.s24、数据处理-分析-存储不确定分析，用于分析数据处理流程的不确定因素。
30.经步骤s21-s24顺序流程不确定分析，得到三种类型数据：
[0031][0032]
s3、将模糊型数据和随机型数据进行可靠性分析处理，步骤如下：
[0033]
s31、将模糊型数据和随机型数据进行无量纲化处理，使得不同指标之间具有可比性；采用线性函数归一化法(min-max scaling)，对原始数据进行线性变换，使结果映射到[0,1]的范围，实现对原始数据的等比缩放，归一化公式如下：
[0034][0035]
s32、构建连续随机型模型处理随机型数据；
[0036]
s321、选择一个经过不确定分析过滤器分类和无量纲化处理的车辆监测数据x为一个样本空间ω，函数ξ(ω)为样本空间ω的随机变量，样本空间ω的概率分布函数如下：
[0037]
f(x)＝p(ξ(ω)＜x),x∈(-∞,∞)
[0038]
概率密度函数p(x)为：
[0039][0040]
s322、设ξ1,ξ2,
…
,ξn是所有采集数据的样本空间，其n维分布函数为：
[0041]
f(x1,x2,
…
,xn)＝p(ξ1《x1,ξ2《x2,
…
,ξn《xn)
[0042]
对应的密度为：
[0043][0044]
s323、样本空间转化的二维随机变量(ξ,η)所得的二维正态分布为：
[0045][0046]
(ξ,η)～n(μ1,μ2,σ
12
,σ
22
,ρ)
[0047]
其中-∞《μ1,μ2《 ∞,σ1》0,σ2》0,|ρ|《1
[0048]
s324、统计出多个随机条件下的正态分布后，计算出ξ在(η＝y)条件下的数学期望：
[0049][0050]
s33、根据步骤s32得到随机型的期望结果具有模糊性，根据模糊数学理论，建立起对应的模糊矩阵，对数据进行聚类分析，统计出数据之间的相关性，方法如下：
[0051]
s331、取λ1＝1(最大值)，对于每个xi作相似类：[xi]r＝{xj|r
ij
＝1},满足r
ij
＝1的
xi和xj视为一类，构成相似类；
[0052]
s332、取λ2(λ2《λ1)为次大值，从r中直接找出其相似程度为λ2的元素对(xi,xj),即r
ij
＝λ2,并相应的将对应于λ1＝1的等价分类中xi，xj所在类合并为一类，这样可以得到λ2水平上的等价类；
[0053]
s333、依次取λ1》λ2》λ3》
…
,按s332的方法依次类推，直到合并到x成为最后一类，即可得到动态聚类图。
[0054]
s34、根据步骤s33得到的数据相关性，建立目标模糊综合评价指标模型，设置对应业务的权重系数，得到不同业务组合的应用决策模型，其构建方法如下：
[0055]
s341、建立各对象评价的集合x{x1,x2,
…
,xk}
[0056]
s342、设定指标体系ui＝{u
(i)1
,u
(i)2
,
…
,u
(i)ni
},i＝1,2,
…
,s
[0057]
其中：
[0058]
s343、计算得评语集v＝{v1,v2,
…
,vm}
[0059]
s344、由ui和v，有评价矩阵
[0060]
s345、针对每个ui设置因素权重其中当ri为单因素矩阵，有单因素评价向量集
[0061]
s346、将每个ui视为一个因素，记u＝{u1,u2,
…
,us}，有u的单因素判断矩阵为：
[0062][0063]
s4、构建误差传播累计估算模型，用于校正流程处理过程中的数据误差，其方法如下：
[0064]
s41、建立独立观测对象x1，x2，
…
，xn的函数z：
[0065]
z＝f(x1，x2，
…
，xn)
[0066]
s42、构建对应的观测对象值的中误差m1,m2,
…
,mn,函数z的中误差为：
[0067][0068]
其中是函数z的变量x的偏导数
[0069]
s5、经步骤s1-s4处理得到较为准确的模糊决策模型，其综合指标值反应在[0,1]之间，设预警、处置、研判的输出值为x1、x2、x3，对应的y1、y2、y3、y4为设置的触发阈值，可根据如下计算规则输出相应的应用结果：
[0070]
[0071]
在其他实施例中，步骤s31的数据无量纲化处理方法还可以是平均归一化法或非线性归一化法或范数归一化法或标准差/零均值标准化法。
[0072]
在其他实施例中，重复步骤s345-s346得到多层级目标模糊综合评价指标模型。
[0073]
在示例性实施例中，还提供了一种模糊不确定的可靠性分析装置(s00)，包括数据采集模块(s100)、空间不确定性过滤器(s200)、可靠性分析过滤器(s300)、误差传播累计估算器(s400)和结果输出模块(s500)。
[0074]
在示例性实施例中，还提供了一种存储介质，存储介质可以是计算机可读存储介质。
[0075]
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本技术权利要求所限定的范围。