CN105741280A

CN105741280A - 一种模糊数学矢量分区评价方法及装置

Info

Publication number: CN105741280A
Application number: CN201610056465.8A
Authority: CN
Inventors: 黄佳铭; 张庆华; 彭卫平; 钟林; 谢小荣
Original assignee: Guangzhou Urban Planning Survey and Design Institute
Current assignee: Guangzhou Urban Planning Survey and Design Institute
Priority date: 2016-01-26
Filing date: 2016-01-26
Publication date: 2016-07-06

Abstract

本发明公开了一种模糊数学矢量分区评价方法及装置，涉及地理信息***技术领域，所述方法包括：根据评价目的确定评价因子，根据所述评价因子建立评价数据库；确定各个评价因子的权重系数，建立权重集；根据所述评价数据库绘制各个评价因子专题图；对各个评价因子进行标度，得到综合评价的隶属度值；对各个评价因子专题图进行空间叠加得到综合专题图，对所述综合专题图进行处理得到综合评价分区图，根据所述综合评价分区图获得综合评价值。本发明采用GIS平台对图元的处理和叠加分析，使得分析结果边界分明；采用模糊数学分析作为理论基础，使分析结果更为科学。

Description

一种模糊数学矢量分区评价方法及装置

技术领域

本发明涉及地理信息***技术领域，尤其涉及一种模糊数学矢量分区评价方法及装置。

背景技术

目前对空间信息相关的对象进行综合评价，多采用地域单元评价法进行，采用的方法可分为栅格单元法划分和矢量单元法划分。栅格单元法划分是指将综合评价区域划分为完全相同的等分式空间单元模块，并近似模拟实际空间属性的边界，最终的综合评价也属于将所有的考虑因素进行叠加计算，但计算方式大多为手动计算，运用Excel表格，编辑公式进行计算。

但是，上述方法具有如下的缺陷：

1.栅格单元在划分时是人为的来定，栅格单元的大小要恰当，尺寸过大会丢失原数据的精度，尺寸过小的话则会使计算量过大，因此栅格单元的大小需要根据原始数据的精度和问题的需要进行反复调整后确定；

2.在将具有明显边界的矢量数据转化为栅格数据时，边界部分的单元不好分辨，即使按照面积大小进行判定，也会存在原始数据的丢失。这也就使得在计算时，边界上的单元计算结果不够精确。如附图一所示，A与B边界处单元的划分如左图所示，存在将存在跨越A与B区域的单元，以往是按照面积大小来进行判别该单元属于哪边，这样将会使得原始数据丢失，当多张专题图进行叠加计算时，边界划分更为复杂，会导致计算结果与现实出现较大的偏差；

3.同时若采用人工来计算最终的叠加因素图时，计算量巨大，容易发生人为性的错误。

发明内容

为了解决上述技术问题，本发明提供一种模糊数学矢量分区评价方法及装置，采用地理信息***(GeographicInformationSystem，简称GIS)对图元的处理和叠加分析，使得分析结果边界分明；采用模糊数学分析作为理论基础，分析结果考虑多个因子要素，使得结果更为科学。

本发明通过以下技术手段解决上述问题：

一种模糊数学矢量分区评价方法，包括以下步骤：

根据评价目的确定评价因子，根据所述评价因子建立评价数据库；

确定各个评价因子的权重系数，建立权重集；

根据所述评价数据库绘制各个评价因子专题图；

对各个评价因子进行标度，得到综合评价的隶属度值；

对各个评价因子专题图进行空间叠加得到综合专题图，对所述综合专题图进行处理得到综合评价分区图，根据所述综合评价分区图获得综合评价值。

进一步的，所述评价数据库包括：

因子集U＝{u₁，u₂，u₃，…，u_m}；

评判集V＝{v₁，v₂，v₃，…，v_n}；

其中：m，n为自然数。

进一步的，所述确定各个评价因子的权重系数，建立权重集，具体为：

对因子集U＝{u₁，u₂，u₃，…，u_m}中的各评价因子u_i(i＝1，2，…，m)赋予相应的权数a_i(i＝1，2，…，m)，m为自然数；

采用层次分析法将各评价因子进行两两比较，确定评价因子的权重，建立判别矩阵；

根据所述判别矩阵验证权数a_i的随机一致性比率；

得到因子权重集A＝{a₁，a₂，…，a_m}。

进一步的，所述根据所述评价数据库绘制各个评价因子专题图，具体为：

根据所述评价数据库，在GIS中进行等值线追踪、分区得到各个评价因子专题图；

其中，所述各个评价因子专题图采用相同比例尺、坐标***和绘图边界。

进一步的，所述对各个评价因子进行标度，得到综合评价的隶属度值，具体为：

若评判对象按因子集中第i个评价因子进行评判，评判集中的第j个元素对评价因子的隶属度为R(0≤R≤1)，则按第i个评价因子评判的结果为：

R_i＝(r₁₁,r₁₂,…，r_1m,…,)

则单因子评判矩阵为：

R = [\begin{matrix} R_{1} \\ R_{2} \\ M \\ R_{n} \end{matrix}] = [\begin{matrix} r_{11} & r_{12} & Λ & Λ & r_{1 m} \\ r_{21} & r_{22} & Λ & Λ & r_{2 m} \\ Λ & Λ & Λ & Λ & Λ \\ r_{n 1} & r_{n 2} & Λ & Λ & r_{n m} \end{matrix}];

其中，R_i为按第i个评价因子评判的结果，r_nm为评判对象按因子集中第i个评价因子进行评判，评判集中的第j个元素对评价因子的隶属度，m，n为自然数；所述单因子评判矩阵表示评判集中各元素对因素集中各个评判因子的隶属度。

进一步的，所述对各个评价因子专题图进行空间叠加得到综合专题图，对所述综合专题图进行处理得到综合评价分区图，具体为：

将所述各评价因子的专题图进行矢量空间叠加运算，得到综合图；

将所述隶属度值作为属性赋予对应评价因子的专题图中进行运算，得到综合模糊评价属性值；

将综合图根据所述综合模糊评价属性值采用聚类法进行后处理，得到综合评价分区图。

进一步的，所述各评价因子的专题图的矢量空间叠加的原理为：利用GIS中对区要素的相交分析，将上下两个专题图的区边界进行互相切割，重新生成独立的区要素，使得叠加后的专题图拥有上下两个专题图的重叠部分的全部属性。

进一步的，所述将所述隶属度值作为属性赋予对应评价因子的专题图中进行运算，得到综合模糊评价属性值，具体为：

综合各个评价因子的评判矩阵，得到模糊综合评判矩阵：

B = A \times R = (a_{1}, a_{2}, a_{3}, K a_{m}) \times [\begin{matrix} r_{11} & r_{12} & Λ & Λ & r_{1 m} \\ r_{21} & r_{22} & Λ & Λ & r_{2 m} \\ Λ & Λ & Λ & Λ & Λ \\ r_{n 1} & r_{n 2} & Λ & Λ & r_{n m} \end{matrix}]

其中，A为因子权重集A＝{a₁，a₂，…，a_m}，R为单因子评价矩阵；

B表示评判集中各元素对因子集中各评判因子的隶属度，即U到V上的一个模糊关系；

采用模糊综合评判中的逻辑算子M(∧，∨)模型进行计算，其中的“∧，∨”符号是模糊数学中的取小与取大运算符号，则：

B＝(b₁,b₂,Λ,b_m)；

其中，

进一步的，所述将综合图根据所述综合模糊评价属性值采用聚类法进行后处理，得到综合评价分区图，具体为：

将综合图的属性数据进行综合计算，得到所有图元的隶属等级，然后根据GIS具有的“根据属性赋参数”功能，将属于同一个等级的图元赋颜色，使综合图先从颜色上分别表达所需的几个等级；

对隶属相同等级的图元进行合并，再根据颜色对图元进行相邻合并工作；

通过聚类分析，将面积小于预设值的图元合并到相邻图元上。

本发明还提供一种模糊数学矢量分区评价装置，包括：

数据库建立模块，用于根据评价目的确定评价因子，根据所述评价因子建立评价数据库；

权重集建立模块，用于确定各个评价因子的权重系数，建立权重集；

绘制模块，用于根据所述评价数据库绘制各个评价因子专题图；

标度模块，用于对各个评价因子进行标度，得到综合评价的隶属度值；

综合评价模块，用于对各个评价因子专题图进行空间叠加得到综合专题图，对所述综合专题图进行处理得到综合评价分区图，根据所述综合评价分区图获得综合评价值。

本发明提供的模糊数学矢量分区评价方法及装置，具有下述的有益效果：

1、在地理信息***中对原始数据进行分析，采用GIS对图元的处理和叠加分析，采用插值算法进行等值线追踪分区，使得边界分明，避免了栅格法分析时，边界单元出现边界模糊、原始数据丢失、定义模糊等情况，从而提高了边界上的单元计算结果的精确度；

2、采用模糊数学分析作为理论基础，综合了多个因子要素，将各因子要素专题图的矢量空间叠加得到综合评价分区图，使得结果更为科学；

3、所有的计算过程全是在地理信息***中进行，既能大大的减少计算的人工成本，同时避免了人为的计算错误的出现，提高了计算的精确度。

附图说明

图1是本发明实施例一提供的一种模糊数学矢量分区评价方法的流程图；

图2是本发明实施例一中的松软土厚度专题图；

图3是本发明实施例一中的各评价因子专题图空间叠加示意图；

图4是本发明实施例一中各评价因子的矢量图元空间叠加分析示意图；

图5是本发明实施例一中的各评价因子专题图叠加后未经处理的综合评价分区图；

图6是本发明实施例一中的综合评价分区图；

图7是本发明实施例二提供的一种模糊数学矢量分区评价装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

本发明实施例提供的模糊数学矢量分区评价方法，如图1所示，包括以下步骤：

101、根据评价目的确定评价因子，根据所述评价因子建立评价数据库。

具体的，针对各评价因子搜集资料，建立评价数据库。

所述评价数据库包括：因子集U＝{u₁，u₂，u₃，…，u_m}和评判集V＝{v₁，v₂，v₃，…，v_n}；其中：m，n为自然数。

具体的，所述评价因子的构建，按以下原则进行：

突显性：根据评价对象的评价目的来确定其要突显的问题，针对所述突显的问题确定起决定性作用的因素；

***科学性：所述评价指标体系作为一个有机整体，从不同的侧面反映和测度评价各子***的主要特征和状况，并使得评价目标和评价指标有机地联系起来，形成一个层次分明的整体，力求指标体系内部结构的逻辑性和合理性；定性、定量指标相结合：评价指标有定性和定量之分，做好二者的合理结合，同时在指标标准化时，要注意二者不同的量化方法，使其起到真正的评价作用；

可操作性：从资料获取和数据处理角度看，评价指标应力求简单、明了，因此，选取概括性强、代表信息量大、容易获取的评价指标；在强调评价指标间有机联系的同时，避免元素之间的交叉与重复，以降低信息的冗余度；评价指标体系最终供决策者使用为政策制度和科学管理服务；充分考虑数据取得和指标量化的难易程度，尽量利用统计部门现有的公开资料，以利于评价指标体系的普遍运用。

102、确定各个评价因子的权重系数，建立权重集；

具体的，对各评价因子进行比较，确定各评价因子的权数，对因子集U＝{u₁，u₂，u₃，…，u_m}中的各因子要素u_i(i＝1，2，…，m)赋予相应的权数a_i(i＝1，2，…，m)，m为自然数；

采用层次分析法将各因子要素进行两两比较，确定因子要素的权重，建立判别矩阵；根据所述判别矩阵验证权数a_i的随机一致性比率；得到因子权重集A＝{a₁，a₂，…，a_m}。

其中，所述随机一致性比率的验证包括：通过所述判别矩阵求得所述权数a_i的随机一致性比率CR＝CI/RI值；

当CR<0.1时，权数a_i具有可以接受的一致性，则得到因子权重集；

当CR≥0.1时，权数a_i不具有可以接受的一致性，则调整和修改各评价因子的权数，使其满足CR＜0.1后，得到因子权重集。

103、根据所述评价数据库绘制各个评价因子专题图

具体的，根据所述评价数据库，在GIS中进行等值线追踪、分区得到各个评价因子专题图。其中，为了确保了用于专题图矢量化的原始数据具有足够的精度，避免在对专题图进行叠加后数据不完全和错误，确保了最后综合评价结果的科学性和准确性，所述各个评价因子专题图采用相同比例尺、坐标***和绘图边界。具体绘制过程中：运用GIS软件作为分析工具，根据评价数据库中的基础资料数据编制各评价因子的专题图；对各评价因子的专题图进行处理，得到各评价因子的专题图。

其中，对专题图的处理包括：投影的一致性转换、区域的边界切割、专题图元边界的完善和校准。

可选的，所述GIS具体为ArcGIS或MapGIS。

104、对各个评价因子进行标度，得到综合评价的隶属度值。

本步骤中，单独对一个因子要素进行评判，建立单因子要素的评判矩阵。

对所述权重集中的各评价因子进行定量分析：对所述权重集中的各评价因子进行标度，即用统一尺度对不同指标加以量化以消除指标之间的不公正性，得到评价集元素对因子集元素的隶属度值。

本实施例中，选用升半梯形分布模式或降半梯形分布模式来确定定量指标隶属度函数，或者根据评价因子的特点自定义合适的隶属度函数。

具体的，所述各评价因子进行定量分析的方法主要有：专家评判法、特尔斐方法、二元对比法、层次分析法、改进层次分析法等。

本步骤中，若评判对象按因子集中第i个评价因子进行评判，评判集中的第j个元素对评价因子的隶属度为R(0≤R≤1)，则按第i个评价因子评判的结果为：

R_i＝(r₁₁,r₁₂,…，r_1m,…,)

则单因子评判矩阵为：

R = [\begin{matrix} R_{1} \\ R_{2} \\ M \\ R_{n} \end{matrix}] = [\begin{matrix} r_{11} & r_{12} & Λ & Λ & r_{1 m} \\ r_{21} & r_{22} & Λ & Λ & r_{2 m} \\ Λ & Λ & Λ & Λ & Λ \\ r_{n 1} & r_{n 2} & Λ & Λ & r_{n m} \end{matrix}];

其中，R_i为按第i个评价因子评判的结果，r_nm为评判对象按因子集中第i个评价因子进行评判，评判集中的第j个元素对评价因子的隶属度，m，n为自然数；

所述单因子评判矩阵表示评判集中各元素对因素集中各个评判因子的隶属度。

105、对各个评价因子专题图进行空间叠加得到综合专题图，对所述综合专题图进行处理得到综合评价分区图，根据所述综合评价分区图获得综合评价值。

单因素模糊评判，仅反映了一个因素对评判对象的影响，但评判目的是要综合考虑所有因素的影响，才能得出科学的评判结果，所述步骤105具体为：

1051、将所述各评价因子的专题图进行矢量空间叠加运算，得到综合图；

其中，所述各评价因子的专题图的矢量空间叠加的原理为：利用GIS中对区要素的相交分析，将上下两个专题图的区边界进行互相切割，重新生成独立的区要素，使得叠加后的专题图拥有上下两个专题图的重叠部分的全部属性。

1052、将所述隶属度值作为属性赋予对应评价因子的专题图中进行运算，得到综合模糊评价属性值；

具体的，综合各个评价因子的评判矩阵，得到模糊综合评判矩阵：

B = A \times R = (a_{1}, a_{2}, a_{3}, K a_{m}) \times [\begin{matrix} r_{11} & r_{12} & Λ & Λ & r_{1 m} \\ r_{21} & r_{22} & Λ & Λ & r_{2 m} \\ Λ & Λ & Λ & Λ & Λ \\ r_{n 1} & r_{n 2} & Λ & Λ & r_{n m} \end{matrix}]

B＝(b₁,b₂,Λ,b_m)；

其中，

1053、将综合图根据所述综合模糊评价属性值采用聚类法进行后处理，得到综合评价分区图

因矢量单元大小和形状不一、边界复杂，生成的是一个被所有评价因子的边界切割之后的综合图，图形数目巨大且图形复杂，因此需要对综合评价分区图进行后处理。具体的，将综合图的属性数据进行综合计算，得到所有图元的隶属等级，然后根据GIS具有的“根据属性赋参数”功能，将属于同一个等级的图元赋颜色，使综合图先从颜色上分别表达所需的几个等级；

本发明实施例提供的模糊数学矢量分区评价方法，具有下述的有益效果：在地理信息***中对原始数据进行分析，采用GIS对图元的处理和叠加分析，采用插值算法进行等值线追踪分区，使得边界分明，避免了栅格法分析时，边界单元出现边界模糊、原始数据丢失、定义模糊等情况，从而提高了边界上的单元计算结果的精确度；采用模糊数学分析作为理论基础，综合了多个因子要素，将各因子要素专题图的矢量空间叠加得到综合评价分区图，使得结果更为科学；所有的计算过程全是在地理信息***中进行，既能大大的减少计算的人工成本，同时避免了人为的计算错误的出现，提高了计算的精确度。

下面以某地区的地质环境质量综合评价为例说明本发明实施例提供的模糊数学矢量分区评价方法，该方法包括以下步骤：

101、根据评价目的确定评价因子，根据所述评价因子建立评价数据库。首先，根据评价目的确定评价因子，本实施例中评价目的主要是基于地质环境条件作出的评价，因此确定影响评价对象的多个评价因子u分别为松软土层厚度u₁、地震效应(砂土液化等级)u₂、砂层厚度u₃、连续3m以上硬塑土层埋深u₄、强风化岩埋深u₅、中微风化岩埋深u₆和填土厚度u₇，如表1所示：

表1工程建设适宜性多层次评价指标体系

其中，评价因子的构筑，按以下四条原则进行：

突显性：由于本实施例所述评价模型主要基于地质环境条件做出评价，为今后城市建设适宜性评价提供参考，所以要突出显现城市建设中的主要地质环境问题，如岩土体条件、地震等地质灾害等起决定性作用的因素；

***科学性：评价指标体系作为一个有机整体，应该从不同的侧面反映和测度所评价各子***的主要特征和状况，并使得评价目标和评价指标有机地联系起来，形成一个层次分明的整体，具体指标所涵盖的内容应该适宜，粗而不失描述***目标的本质特征，细而不失建模和规划实施可能性，力求指标体系内部结构的逻辑性和合理性；

定性、定量指标相结合：评价指标有定性和定量之分，做好二者的合理结合，同时在指标标准化时，要注意二者不同的量化方法，使其起到真正的评价作用；

可操作性：从资料获取和数据处理角度看，评价指标应力求简单、明了，因此需要选择那些概括性强、代表信息量大、容易获取的指标，在强调指标间有机联系的同时，应避免元素之间的交叉与重复，以降低信息的冗余度，指标体系要全面但不可包罗万象，因此，要充分考虑数据取得和指标量化的难易程度，尽量利用统计部门现有的公开资料，以利于指标体系的普遍运用。

102、确定各个评价因子的权重系数，建立权重集；

由专家组对各评价因子进行比较，确定各评价因子的权数，从而为各评价因子u_i(i＝1，2，…，m)赋予相应的权数a_i(i＝1，2，…，m)，采用层次分析法(AHP)，将每个评价因子进行两两比较，确定评价因子的权重，得到权重集A＝{a₁，a₂，…，a_m}，建立判别矩阵，如表2所示：

表2指标体系的判别矩阵

A	a₁	a₂	a₃	a₄	a₅	a₆	a₇
								a₁	1	3	3	5	5	6	7
a₂	1/3	1	1	2	2	4	5
								a₃	1/3	1	1	2	2	3	5
a₄	1/5	1/2	1/2	1	1	2	4
								a₅	1/5	1/2	1/2	1	1	2	4
a₆	1/6	1/4	1/3	1/2	1/2	1	3
								a₇	1/7	1/5	1/5	1/4	1/4	1/3	1

验证随机一致性比率CR＝CI/RI＝0.06<0.10，满足要求；

计算求得要素权重集A＝{a₁，a₂，a₃，a₄，a₅，a₆，a₇}＝(0.40，0.16，0.15，0.10，0.10，0.06，0.03)，如表3所示：

表3程建设适宜性评价层次评价指标总权重分配

103、根据所述评价数据库绘制各个评价因子专题图

搜集各评价因子的相关资料，在GIS中进行等值线追踪、分区成图。得到各评价因子的专题图，并对单个评价因子的专题图进行必要的矢量化处理；为确保最后综合评价结果的科学性和准确性，用于专题图矢量化的原始数据须保证有足够的精度，所有专题图共用同一比例尺、坐标***和绘图边界，避免在对专题图进行叠加后数据不完全和错误，图2所示为松软土厚度专题图，即松软土厚度的等值线图。

104、对各个评价因子进行标度，得到综合评价的隶属度值。

首先，对各评价因子进行定量分析：对各评价因子进行标度，即用统一尺度对不同指标加以量化以消除指标之间的不公正性，得到评价集元素对因子集元素的隶属度值，

然后对象按因子集中第i个因素进行评判，若评判集中的第j个元素对评价因子的隶属度为(0≤R≤1)，则按第i个因素评判的结果，可用单评价因子的评判集表示：

R₁＝(r₁₁,r₁₂,Λ,r_1m,Λ)

则单因子要素评判矩阵为：

R = [\begin{matrix} R_{1} \\ R_{2} \\ M \\ R_{n} \end{matrix}] = [\begin{matrix} r_{11} & r_{12} & Λ & Λ & r_{1 m} \\ r_{21} & r_{22} & Λ & Λ & r_{2 m} \\ Λ & Λ & Λ & Λ & Λ \\ r_{n 1} & r_{n 2} & Λ & Λ & r_{n m} \end{matrix}]

其中，单因子要素评判矩阵表示评判集中各元素对因子集中因素的隶属度，各因素隶属度划分标准见表4。

表4各因素隶属度等级划分标准表

(a)松软土层厚度

(b)地震效应(砂土液化等级)

液化砂土分布	隶属度优	隶属度良	隶属度中	隶属度差	隶属度很差
						不液化区	1	0	0	0	0
轻微液化区	0.2	0.7	0.1	0	0
						中等液化区	0	0	0.5	0.5	0
强烈液化区	0	0	0	0.3	0.7

(c)砂层厚度

砂层厚度	隶属度优	隶属度良	隶属度中	隶属度差	隶属度很差
						0～2m	0.8	0.2	0	0	0
2～4m	0.6	0.4	0	0	0
						4～6m	0.3	0.7	0	0	0
6～8m	0	0.5	0.5	0	0
						>8m	0	0.2	0.7	0.1	0

(d)连续3m以上硬塑土层埋深

(e)强风化岩埋深

强风化岩埋深	隶属度优	隶属度良	隶属度中	隶属度差	隶属度很差
						>0m	1	0	0	0	0
0～-5m	0.8	0.2	0	0	0
						-5～-10m	0.5	0.5	0	0	0
-10～-15m	0	0.7	0.3	0	0
						<-15m	0	0.2	0.7	0.1	0

(f)中微风化岩埋深

(g)填土厚度

填土厚度	隶属度优	隶属度良	隶属度中	隶属度差	隶属度很差
						0～1m	1	0	0	0	0
1～2m	0.8	0.2	0	0	0
						2～3m	0.4	0.6	0	0	0
>3m	0.2	0.4	0.4	0	0

以单因子要素的评判矩阵为基础，综合考虑各因子要素的影响，得到模糊综合评判矩阵，建立模糊综合评判模型。

综合考虑所有因子要素的影响，得到模糊综合评判结果：

B = A \times R = (a_{1}, a_{2}, Λ, a_{6}, a_{7}) \times [\begin{matrix} r_{11} & r_{12} & Λ & r_{16} & r_{17} \\ r_{21} & r_{22} & Λ & r_{26} & r_{27} \\ M & M & M & M & M \\ r_{61} & r_{62} & Λ & r_{66} & r_{67} \\ r_{71} & r_{72} & Λ & r_{76} & r_{77} \end{matrix}]

B＝(b₁,b₂,Λ,b₇)

并采用模糊综合评判中的M(∧，∨)模型进行计算，其中的“∧，∨”符号是模糊数学中的取小与取大运算符号，则

将在GIS中获得的各评价因子的专题图进行叠加，得到综合评价分区图。

将各评价因子专题图进行矢量空间叠加运算，如图3所示并将表4中的信息作为属性赋予对应的每个专题图中进行运算得到综合模糊评价属性值，最后将综合图根据综合模糊评价属性值采用聚类法进行后处理就得到综合评价分区图。

其中，各评价因子专题图的矢量空间叠加原理为：利用GIS平台对各要素的专题图元空间的叠加分析，如图4所示，将上下两图的区边界进行互相切割，重新生成独立的区要素，使得叠加后的图拥有上下两图的重叠部分的全部属性；

对所述综合评价分区图进行后处理，得到矢量单元模糊综合评价成果图。

由于矢量单元大小和形状不一、边界复杂，生成的是一个被所有因素的边界切割之后的综合评价分区图，图形数目巨大且图形复杂，因此需要对综合评价分区图进行后处理，如图5所示，包括以下步骤：

将综合评价分区图的属性数据进行综合计算，得到所有图元的隶属等级，然后根据GIS的“根据属性赋参数”功能，将属于同一个等级的图元赋颜色，使综合图先从颜色上分别表达所需的几个等级；

因图元数目巨大，使得对综合图浏览和编辑工作非常耗时，因此对隶属相同等级的图元进行合并，再根据颜色批量对图元进行相邻合并工作，从而大大减少图元数目；

因为矢量数据都是以坐标点为基本参数进行运算的，或本身因素图中对某一对象的矢量存在微小差异，造成综合图存在大量的细小碎料，为了解决上述问题，首先要严格要求原始资料的准确性，其次可以通过聚类分析，将面积小于预设值的图元合并到相邻图元上去。

106、在GIS上对所述综合评价分区图进行面积统计，获得模糊综合评价成果。

叠加处理后的综合评价分区图即为矢量单元法模糊综合评价成果图，如图6所示，在GIS平台上对其进行面积统计，得出结果，从而得到综合评价的结果图的数个不同的等级：

在本实施例中，地质环境质量综合评价分级为u₁＝Ⅰ(优良)，u₂＝Ⅱ(较高)，u₃＝Ⅲ(一般)，u₄＝Ⅳ(低)，u₅＝Ⅴ(较差)，

在GIS平台上对矢量单元法模糊综合评价成果图进行面积统计，得出以下结果：

地质环境质量优良区面积为5.54km²，本区地质环境条件优良，是良好的建设用地，可进行高强度开发，可规划布置各类建筑物；

地质环境质量较好区面积为9.51km²，本区地质环境条件较好，是较好的建设用地，在充分尊重现状地质条件，考虑防洪要求、软土特性，可合理开发，可规划布置各类建筑物，但应做好沿江堤岸整治和保护及防洪措施。

实施例二

本发明实施例二提供一种模糊数学矢量分区评价装置，如图7所示，该装置包括：

数据库建立模块71，用于根据评价目的确定评价因子，根据所述评价因子建立评价数据库；

权重集建立模块72，用于确定各个评价因子的权重系数，建立权重集；

绘制模块73，用于根据所述评价数据库绘制各个评价因子专题图；

标度模块74，用于对各个评价因子进行标度，得到综合评价的隶属度值；

综合评价模块75，用于对各个评价因子专题图进行空间叠加得到综合专题图，对所述综合专题图进行处理得到综合评价分区图，根据所述综合评价分区图获得综合评价值。

本发明实施例提供的模糊数学矢量分区评价装置，具有下述的有益效果：在地理信息***中对原始数据进行分析，采用GIS对图元的处理和叠加分析，采用插值算法进行等值线追踪分区，使得边界分明，避免了栅格法分析时，边界单元出现边界模糊、原始数据丢失、定义模糊等情况，从而提高了边界上的单元计算结果的精确度；采用模糊数学分析作为理论基础，综合了多个因子要素，将各因子要素专题图的矢量空间叠加得到综合评价分区图，使得结果更为科学；所有的计算过程全是在地理信息***中进行，既能大大的减少计算的人工成本，同时避免了人为的计算错误的出现，提高了计算的精确度。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims

1.一种模糊数学矢量分区评价方法，其特征在于：包括以下步骤：

确定各个评价因子的权重系数，建立权重集；

根据所述评价数据库绘制各个评价因子专题图；

对各个评价因子进行标度，得到综合评价的隶属度值；

2.根据权利要求1所述的模糊数学矢量分区评价方法，其特征在于，所述评价数据库包括：

因子集U＝{u₁，u₂，u₃，…，u_m}；

评判集V＝{v₁，v₂，v₃，…，v_n}；

其中：m，n为自然数。

3.根据权利要求2所述的模糊数学矢量分区评价方法，其特征在于，所述确定各个评价因子的权重系数，建立权重集，具体为：

根据所述判别矩阵验证权数a_i的随机一致性比率；

得到因子权重集A＝{a₁，a₂，…，a_m}。

4.根据权利要求1所述的模糊数学矢量分区评价方法，其特征在于，所述根据所述评价数据库绘制各个评价因子专题图，具体为：

5.根据权利要求2所述的模糊数学矢量分区评价方法，其特征在于，所述对各个评价因子进行标度，得到综合评价的隶属度值，具体为：

R_i＝(r₁₁,r₁₂,…，r_1m,…,)；

则单因子评判矩阵为：

R = [\begin{matrix} R_{1} \\ R_{2} \\ M \\ R_{n} \end{matrix}] = [\begin{matrix} r_{11} & r_{12} & Λ & Λ & r_{1 m} \\ r_{21} & r_{22} & Λ & Λ & r_{2 m} \\ Λ & Λ & Λ & Λ & Λ \\ r_{n 1} & r_{n 2} & Λ & Λ & r_{n m} \end{matrix}];

6.根据权利要求1所述的模糊数学矢量分区评价方法，其特征在于，所述对各个评价因子专题图进行空间叠加得到综合专题图，对所述综合专题图进行处理得到综合评价分区图，具体为：

7.根据权利要求6所述的模糊数学矢量分区评价方法，其特征在于，

所述各评价因子的专题图的矢量空间叠加的原理为：利用GIS中对区要素的相交分析，将上下两个专题图的区边界进行互相切割，重新生成独立的区要素，使得叠加后的专题图拥有上下两个专题图的重叠部分的全部属性。

8.根据权利要求6所述的模糊数学矢量分区评价方法，其特征在于，所述将所述隶属度值作为属性赋予对应评价因子的专题图中进行运算，得到综合模糊评价属性值，具体为：

综合各个评价因子的评判矩阵，得到模糊综合评判矩阵：

B = A \times R = (a_{1}, a_{2}, a_{3}, {Ka}_{m}) \times [\begin{matrix} r_{11} & r_{12} & Λ & Λ & r_{1 m} \\ r_{21} & r_{22} & Λ & Λ & r_{2 m} \\ Λ & Λ & Λ & Λ & Λ \\ r_{n 1} & r_{n 2} & Λ & Λ & r_{n m} \end{matrix}]

B＝(b₁,b₂,Λ,b_m)；

其中，(i＝1，2，…，n；j＝1，2，…，m)。

9.根据权利要求6所述的模糊数学矢量分区评价方法，其特征在于，所述将综合图根据所述综合模糊评价属性值采用聚类法进行后处理，得到综合评价分区图，具体为：

10.一种模糊数学矢量分区评价装置，其特征在于，包括：