CN115359663A - 山区公路灾害路段抗灾韧性计算方法、装置以及电子设备 - Google Patents

山区公路灾害路段抗灾韧性计算方法、装置以及电子设备 Download PDF

Info

Publication number
CN115359663A
CN115359663A CN202211290040.5A CN202211290040A CN115359663A CN 115359663 A CN115359663 A CN 115359663A CN 202211290040 A CN202211290040 A CN 202211290040A CN 115359663 A CN115359663 A CN 115359663A
Authority
CN
China
Prior art keywords
road
index
section
toughness
disaster
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211290040.5A
Other languages
English (en)
Other versions
CN115359663B (zh
Inventor
杨昌凤
何云勇
刘自强
王义鑫
龚臻
喻国轩
方信
苟聪
吴跃成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Highway Planning Survey and Design Institute Ltd
Original Assignee
Sichuan Highway Planning Survey and Design Institute Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan Highway Planning Survey and Design Institute Ltd filed Critical Sichuan Highway Planning Survey and Design Institute Ltd
Priority to CN202211290040.5A priority Critical patent/CN115359663B/zh
Publication of CN115359663A publication Critical patent/CN115359663A/zh
Application granted granted Critical
Publication of CN115359663B publication Critical patent/CN115359663B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例公开了山区公路灾害路段抗灾韧性计算方法、装置以及电子设备，属于公路技术领域。该方法能够对公路网韧性进行定量分析，首先从公路网各路段确定影响公路网运营的核心路段作为目标路段，重点考虑目标路段的指标韧性度，通过各目标路段的指标韧性度间接确定公路网韧性值，该方法能够从公路网侵扰的本质入手，摒弃非目标路段的影响，基于渗流原理入手，合理确定目标路段，简化公路网评价形式，以目前运营的各目标路段的影响因素作为评价指标，综合确定公路网的韧性值，该韧性值利于既有设施进行改扩建和升级改造，加强对另辟新线扩容的规划管理。

Description

山区公路灾害路段抗灾韧性计算方法、装置以及电子设备
技术领域
本公开涉及公路技术领域，尤其涉及一种山区公路灾害路段抗灾韧性计算方法及装置。
背景技术
随着人口迅速增长和全球气候变暖增加了自然灾害的频率和强度，韧***通建设的紧迫性日益凸显。为适应以及应对气候变化、自然灾害等环境因素影响，各个国家积极打造韧***通。
而目前山区公路地质灾害频繁，一旦重要路段被滑坡掩埋或者被泥石流冲断道路，甚至导致交通瘫痪，道路救援难以施展。公路网网络***复杂，公路网韧性评价指标多，各指标间相互影响，导致无法对公路网韧性进行评价。
发明内容
提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的目标特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开实施例提供了一种山区公路灾害路段抗灾韧性计算方法及确定装置，该方法能够对公路网韧性进行定量分析，确定公路网韧性值，有利于既有设施进行改扩建和升级改造，加强对另辟新线扩容的规划管理。
第一方面，本公开实施例提供了一种山区公路灾害路段抗灾韧性计算方法，所述方法包括：
确定目标公路网的各公路交汇点，各相邻公路交汇点之间构成公路路段，以公路交汇点为点，以公路路段视为边，以断面车流量进行加权，确定公路网模型；
基于公路路段车辆平均速度、公路路段车流量确定公路网服务质量模型，设定公路网服务质量阈值并动态调整阈值至出现巨大节点集群的临界阈值，确定影响交通网络畅通的目标路段；
基于影响交通网络畅通的各目标路段的抗扰性指标、适应性指标、恢复指标确定各目标路段的指标韧性度；
基于各目标路段的指标韧性度确定公路网韧性值。
结合第一方面的实施例，在一些实施例中，所述公路网拓扑网络模型，具体为：
Figure 997873DEST_PATH_IMAGE001
式1
其中，V代表点集，E代表边集，W代表权值集。
结合第一方面的实施例，在一些实施例中，基于公路路段车辆平均速度、公路路段车流量确定公路网服务质量模型具体为：
基于公路路段车辆平均速度、公路路段车流量确定公路网服务质量模型，其中，公路网服务质量模型为：
Figure 510894DEST_PATH_IMAGE002
式2
Figure 784880DEST_PATH_IMAGE003
=
Figure 307129DEST_PATH_IMAGE004
式3
式中，
Figure 350171DEST_PATH_IMAGE005
为指定时段内d内公路网服务质量指标集合；
Figure 34093DEST_PATH_IMAGE003
为时段d下公路路段mn内公路网服务质量指标；
Figure 529797DEST_PATH_IMAGE006
为公路路段mn的车辆平均速度，
Figure 590157DEST_PATH_IMAGE007
为时间段d内公路路段mn的车流量。
结合第一方面的实施例，在一些实施例中，
Figure 753285DEST_PATH_IMAGE006
为公路交汇点m、n之间的车辆行驶速度，
Figure 605178DEST_PATH_IMAGE008
为时间段d内公路交汇点m、n之间的车流量，具体为：
公路路段mn的车辆行驶速度为
Figure 853757DEST_PATH_IMAGE009
式4
式中，lmn为公路路mn距离，t_mn为公路路段mn通行时间；
时间段d内公路交汇点m、n之间的车流量为
Figure 452229DEST_PATH_IMAGE010
式5
式中，Q (mn,d,1)为时间段d内公路路段mn上车的车流量；Q (mn,d,2)为时间段d内公路路段mn下车的车流量；
得出：
Figure 469863DEST_PATH_IMAGE011
式6
将各公路路段数据代入，获得各路段
Figure 495588DEST_PATH_IMAGE012
，将对应集合
Figure 965884DEST_PATH_IMAGE013
赋予网络模型作为边权。
结合第一方面的实施例，在一些实施例中，设定公路网服务质量阈值并动态调整阈值至出现巨大节点集群的临界阈值，确定影响交通网络畅通的目标路段，具体为：
设定公路网服务质量阈值，并获得各公路路段的交通状态；
动态调整阈值至出现巨大节点集群的临界阈值，公路网全网络畅通，公路网服务质量达到最高，当略微增大临界阈值时，全网络畅通转变为局部畅通，此时由畅通路段转变为拥挤路段的公路路段即为目标路段。
结合第一方面的实施例，在一些实施例中，基于影响交通网络畅通的各目标路段的抗扰性指标、适应性指标、恢复指标确定各目标路段的指标韧性度，包括
基于潜在灾害体的规模、灾害发生的影响范围、潜在灾害体发生的概率确定各目标路段的抗扰性指标，抗扰性指标计算公式：
Figure 368046DEST_PATH_IMAGE014
式7
式中，
Figure 240187DEST_PATH_IMAGE015
为目标路段mn的抗扰性指标，
Figure 967972DEST_PATH_IMAGE016
为目标路段mn的潜在灾害体的规模表征系数，灾害体的规模为巨型，取0.2；灾害体的规模为大型，取0.4；灾害体的规模为小型，取0.6；无灾害体，取1.0；
Figure 659984DEST_PATH_IMAGE017
为公路路段mn中受到干扰的路段长度，
Figure 131417DEST_PATH_IMAGE018
为潜在灾害体发生的概率；
基于各目标路段的平均车速确定各目标路段的适应性指标，适应性指标计算公式：
Figure 858065DEST_PATH_IMAGE019
式8
式中，
Figure 228522DEST_PATH_IMAGE020
为目标路段mn的抗扰性指标；
基于各目标路段受到破坏，由较低车速恢复正常车速的时间确定恢复性指标，恢复性指标计算公式：
Figure 938989DEST_PATH_IMAGE021
式9
式中，
Figure 682954DEST_PATH_IMAGE022
为目标路段mn的恢复性指标；
基于层次分析法确定抗扰性指标、适应性指标以及恢复性指标的初始权重；
基于目标公路网的运营信息确定影响各目标路段出现交通拥挤状态的影响指标以及指标重要性，获取每个指标的百分占比，归一化处理后获得指标的经验权重；
基于指标的初始权重以及经验权重，根据熵权法确定动态权重，动态权重计算公式：
Figure 264108DEST_PATH_IMAGE023
式10
式中：
Figure 333695DEST_PATH_IMAGE024
为第
Figure 300DEST_PATH_IMAGE025
个指标第
Figure 547956DEST_PATH_IMAGE026
次更新后的动态权重；
Figure 514775DEST_PATH_IMAGE027
为第
Figure 224105DEST_PATH_IMAGE025
个指标第
Figure 643585DEST_PATH_IMAGE026
次更新的熵权；
Figure 994932DEST_PATH_IMAGE026
为动态权重更新次数，
Figure 550678DEST_PATH_IMAGE028
为第
Figure 427980DEST_PATH_IMAGE025
个指标初始权重；
Figure 334756DEST_PATH_IMAGE029
为第
Figure 224214DEST_PATH_IMAGE025
个指标经验权重；
基于抗扰性指标、适应性指标、恢复性指标以及对应的动态权重，确定各指标的韧性度，即抗扰性韧性度、适应性韧性度以及恢复性韧性度，韧性度为指标值与其对应的动态权重的乘积。
结合第一方面的实施例，在一些实施例中，基于各目标路段的指标韧性度确定公路网韧性值，对各目标路段抗扰性韧性度、适应性韧性度以及恢复性韧性度进行正向化处理，建立以O为原点的三维坐标系，分别将抗扰性指标韧性度、适应性指标韧性度、恢复指标韧性度投射至三维坐标系，获得的目标路段的向量模长即为该公路网的韧性值。
第二方面，本公开实施例提供了，所述装置包括：
构建模型单元，所述模型单元用于确定目标公路网的各公路交汇点，各相邻公路交汇点之间构成公路路段，以公路交汇点为点，以公路路段视为边，以断面车流量进行加权，确定公路网模型；
确定目标单元，所述确定目标单元用于，基于公路路段车辆平均速度、公路路段车流量确定公路网服务质量模型，设定公路网服务质量阈值并动态调整阈值至出现巨大节点集群的临界阈值，确定影响交通网络畅通的目标路段；
求解单元，所述求解单元用于基于影响交通网络畅通的各目标路段的抗扰性指标、适应性指标、恢复指标确定各目标路段的指标韧性度；
确定单元，所述确定单元用于基于各目标路段的指标韧性度确定公路网韧性值。
结合第二方面的实施例，在一些实施例中，基于公路路段车辆平均速度、公路路段车流量确定公路网服务质量模型具体为：
基于公路路段车辆平均速度、公路路段车流量确定公路网服务质量模型，其中，公路网服务质量模型为：
Figure 900046DEST_PATH_IMAGE030
式2
Figure 216758DEST_PATH_IMAGE031
=
Figure 345251DEST_PATH_IMAGE032
式3
式中，
Figure 38401DEST_PATH_IMAGE033
为指定时段内d内公路网服务质量指标集合；
Figure 568739DEST_PATH_IMAGE031
为时段d下公路路段mn内公路网服务质量指标；
Figure 56352DEST_PATH_IMAGE006
为公路路段mn的车辆平均速度，
Figure 406562DEST_PATH_IMAGE034
为时间段d内公路路段mn的车流量。
第三方面，本公开实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面上述的山区公路灾害路段抗灾韧性计算方法。
本公开实施例提供的山区公路灾害路段抗灾韧性计算方法，该方法能够对公路网韧性进行定量分析，首先从公路网各路段确定影响公路网运营的核心路段作为目标路段，重点考虑目标路段的指标韧性度，通过各目标路段的指标韧性度间接确定公路网韧性值，该方法能够从公路网侵扰的本质入手，摒弃非目标路段的影响，基于渗流原理入手，合理确定目标路段，简化公路网评价形式，以目前运营的各目标路段的影响因素作为评价指标，综合确定公路网的韧性值，该韧性值利于既有设施进行改扩建和升级改造，加强对另辟新线扩容的规划管理。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是根据本公开的山区公路灾害路段抗灾韧性计算方法的一个实施例的流程图；
图2是根据本公开实施例提供的电子设备的基本结构的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
请参考图1，其示出了根据本公开的山区公路灾害路段抗灾韧性计算方法的一个实施例的流程。该山区公路灾害路段抗灾韧性计算方法，可以应用于公路网韧性评价，但是并不进行限定。如图1所示，该山区公路灾害路段抗灾韧性计算方法包括以下步骤：
步骤101，确定目标公路网的各公路交汇点，各相邻公路交汇点之间构成公路路段，以公路交汇点为点，以公路路段视为边，以断面车流量进行加权，确定公路网模型（即公路网拓扑网络模型）
在这里，公路网拓扑网络模型，具体为：
Figure 372244DEST_PATH_IMAGE035
式1
其中，V代表点集，E代表边集，W代表权值集。
步骤102，基于公路路段车辆平均速度、公路路段车流量确定公路网服务质量模型，设定公路网服务质量阈值并动态调整阈值至出现巨大节点集群的临界阈值，确定影响交通网络畅通的目标路段。
在这里，其借助渗流理论设定公路网服务质量阈值，当进行动态调整阈值时，如果出现巨大节点集群的临界阈值即拥堵路段。
基于公路路段车辆平均速度、公路路段车流量确定公路网服务质量模型具体为：
基于公路路段车辆平均速度、公路路段车流量确定公路网服务质量模型，其中，公路网服务质量模型为：
Figure 748300DEST_PATH_IMAGE036
式2
Figure 406814DEST_PATH_IMAGE031
=
Figure 244320DEST_PATH_IMAGE037
式3
式中，
Figure 13693DEST_PATH_IMAGE033
为指定时段内d内公路网服务质量指标集合；
Figure 253045DEST_PATH_IMAGE031
为时段d下公路路段mn内公路网服务质量指标；
Figure 82461DEST_PATH_IMAGE006
为公路路段mn的车辆平均速度，
Figure 407263DEST_PATH_IMAGE034
为时间段d内公路路段mn的车流量。
其中，
Figure 980326DEST_PATH_IMAGE006
为公路交汇点m、n之间的车辆行驶速度，
Figure 339764DEST_PATH_IMAGE038
为时间段d内公路交汇点m、n之间的车流量，具体为：
公路路段mn的车辆行驶速度为
Figure 340081DEST_PATH_IMAGE039
式4
式中，lmn为公路路mn距离，t_mn为公路路段mn通行时间；
时间段d内公路交汇点m、n之间的车流量为
Figure 152179DEST_PATH_IMAGE040
式5
式中，Q (mn,d,1)为时间段d内公路路段mn上车的车流量；Q (mn,d,2)为时间段d内公路路段mn下车的车流量；
得出：
Figure 260425DEST_PATH_IMAGE041
式6
将各公路路段数据代入，获得各路段
Figure 474368DEST_PATH_IMAGE042
，将对应集合
Figure 645587DEST_PATH_IMAGE043
赋予网络模型作为边权。
进一步地，设定公路网服务质量阈值并动态调整阈值至出现巨大节点集群的临界阈值，确定影响交通网络畅通的目标路段，具体为：
设定公路网服务质量阈值，并获得各公路路段的交通状态；
动态调整阈值至出现巨大节点集群的临界阈值，公路网全网络畅通，公路网服务质量达到最高，当略微增大临界阈值时，全网络畅通转变为局部畅通，此时由畅通路段转变为拥挤路段的公路路段即为目标路段。
步骤103，基于影响交通网络畅通的各目标路段的抗扰性指标、适应性指标、恢复指标确定各目标路段的指标韧性度。
在这里，包括基于潜在灾害体的规模、灾害发生的影响范围、潜在灾害体发生的概率确定各目标路段的抗扰性指标；基于各目标路段的平均车速确定各目标路段的适应性指标；基于各目标路段受到破坏，由较低车速恢复正常车速的时间确定恢复性指标；基于层次分析法确定抗扰性指标、适应性指标以及恢复性指标的初始权重；基于目标公路网的运营信息确定影响各目标路段出现交通拥挤状态的影响指标以及指标重要性，获取每个指标的百分占比，归一化处理后获得指标的经验权重；基于指标的初始权重以及经验权重，根据熵权法确定动态权重；基于抗扰性指标、适应性指标、恢复性指标以及对应的动态权重，确定各指标的韧性度，即抗扰性韧性度、适应性韧性度以及恢复性韧性度。
示例性地，抗扰性指标计算公式：
Figure 944981DEST_PATH_IMAGE044
式7
式中，
Figure 859847DEST_PATH_IMAGE015
为目标路段mn的抗扰性指标，
Figure 193877DEST_PATH_IMAGE045
为目标路段mn的潜在灾害体的规模表征系数，灾害体的规模为巨型，取0.2；灾害体的规模为大型，取0.4；灾害体的规模为小型，取0.6；无灾害体，取1.0；
Figure 535996DEST_PATH_IMAGE046
为公路路段mn中受到干扰的路段长度，
Figure 57108DEST_PATH_IMAGE047
为潜在灾害体发生的概率；
适应性指标计算公式：
Figure 775665DEST_PATH_IMAGE048
式8
式中，
Figure 229780DEST_PATH_IMAGE049
为目标路段mn的抗扰性指标，取
恢复性指标计算公式：
Figure 742801DEST_PATH_IMAGE050
式9
式中，
Figure 754138DEST_PATH_IMAGE022
为目标路段mn的恢复性指标。
动态权重计算公式：
Figure 10807DEST_PATH_IMAGE051
式10
式中：
Figure 319428DEST_PATH_IMAGE052
为第
Figure 3351DEST_PATH_IMAGE025
个指标第
Figure 764633DEST_PATH_IMAGE026
次更新后的动态权重；
Figure 824993DEST_PATH_IMAGE053
为第
Figure 988121DEST_PATH_IMAGE025
个指标第
Figure 108524DEST_PATH_IMAGE026
次更新的熵权；
Figure 91523DEST_PATH_IMAGE026
为动态权重更新次数，
Figure 689995DEST_PATH_IMAGE054
为第
Figure 707630DEST_PATH_IMAGE055
个指标初始权重；
Figure 998934DEST_PATH_IMAGE056
为第
Figure 466300DEST_PATH_IMAGE055
个指标经验权重。
韧性度为指标值与其对应的动态权重的乘积。
步骤104，基于各目标路段的指标韧性度确定公路网韧性值。
在这里，对各目标路段抗扰性韧性度、适应性韧性度以及恢复性韧性度进行正向化处理，建立以O为原点的三维坐标系，分别将抗扰性指标韧性度、适应性指标韧性度、恢复指标韧性度投射至三维坐标系，获得的目标路段的向量模长即为该公路网的韧性值。
本公开实施例提供的山区公路灾害路段抗灾韧性计算方法，该方法能够对公路网韧性进行定量分析，首先从公路网各路段确定影响公路网运营的核心路段作为目标路段，重点考虑目标路段的指标韧性度，通过各目标路段的指标韧性度间接确定公路网韧性值，该方法能够从公路网侵扰的本质入手，摒弃非目标路段的影响，基于渗流原理入手，合理确定目标路段，简化公路网评价形式，以目前运营的各目标路段的影响因素作为评价指标，综合确定公路网的韧性值，该韧性值利于既有设施进行改扩建和升级改造，加强对另辟新线扩容的规划管理。
进一步，作为对上述各图所示方法的实现，本公开提供了一种山区公路灾害路段抗灾韧性计算装置，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
本实施例的山区公路灾害路段抗灾韧性计算装置包括：
构建模型单元，所述模型单元用于确定目标公路网的各公路交汇点，各相邻公路交汇点之间构成公路路段，以公路交汇点为点，以公路路段视为边，以断面车流量进行加权，确定公路网模型；
确定目标单元，所述确定目标单元用于，基于公路路段车辆平均速度、公路路段车流量确定公路网服务质量模型，设定公路网服务质量阈值并动态调整阈值至出现巨大节点集群的临界阈值，确定影响交通网络畅通的目标路段；
求解单元，所述求解单元用于基于影响交通网络畅通的各目标路段的抗扰性指标、适应性指标、恢复指标确定各目标路段的指标韧性度；
确定单元，所述确定单元用于基于各目标路段的指标韧性度确定公路网韧性值。
下面参考图2，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图2示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图2所示，电子设备可以包括处理装置（例如中央处理器、图形处理器等）201，其可以根据存储在只读存储器（ROM）202中的程序或者从存储装置208加载到随机访问存储器（RAM）203中的程序而执行各种适当的动作和处理。在RAM203中，还存储有电子设备200操作所需的各种程序和数据。处理装置201、ROM202以及RAM203通过总线204彼此相连。输入/输出（M/O）接口205也连接至总线204。
通常，以下装置可以连接至M/O接口205：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置206；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置207；包括例如磁带、硬盘等的存储装置208；以及通信装置202。通信装置202可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图2示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置209从网络上被下载和安装，或者从存储装置208被安装，或者从ROM202被安装。在该计算机程序被处理装置201执行时，执行本公开实施例的方法中限定的上述功能。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Nava、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASMC）、专用标准产品（ASSP）、片上***（SOC）、复杂可编程逻辑设备（CPLD）等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种山区公路灾害路段抗灾韧性计算方法，其特征在于，所述方法包括：
确定目标公路网的各公路交汇点，各相邻公路交汇点之间构成公路路段，以公路交汇点为点，以公路路段视为边，以断面车流量进行加权，确定公路网模型；
基于公路路段车辆平均速度、公路路段车流量确定公路网服务质量模型，设定公路网服务质量阈值并动态调整阈值至出现巨大节点集群的临界阈值，确定影响交通网络畅通的目标路段；
基于影响交通网络畅通的各目标路段的抗扰性指标、适应性指标、恢复指标确定各目标路段的指标韧性度；
基于各目标路段的指标韧性度确定公路网韧性值。
2.根据权利要求1所述的山区公路灾害路段抗灾韧性计算方法，其特征在于，所述公路网模型，具体为：
Figure 262301DEST_PATH_IMAGE001
式1
其中，V代表点集，E代表边集，W代表权值集。
3.根据权利要求2所述的山区公路灾害路段抗灾韧性计算方法，其特征在于，基于公路路段车辆平均速度、公路路段车流量确定公路网服务质量模型具体为：
基于公路路段车辆平均速度、公路路段车流量确定公路网服务质量模型，其中，公路网服务质量模型为：
Figure 972768DEST_PATH_IMAGE002
式2
Figure 982312DEST_PATH_IMAGE003
=
Figure 300817DEST_PATH_IMAGE004
式3
式中，
Figure 370404DEST_PATH_IMAGE005
为指定时段内d内公路网服务质量指标集合；
Figure 771429DEST_PATH_IMAGE006
为时段d下公路路段mn内公路网服务质量指标；
Figure 584665DEST_PATH_IMAGE007
为公路路段mn的车辆平均速度，
Figure 551484DEST_PATH_IMAGE008
为时间段d内公路路段mn的车流量。
4.根据权利要求3所述的山区公路灾害路段抗灾韧性计算方法，其特征在于，
Figure 729655DEST_PATH_IMAGE007
为公路交汇点m、n之间的车辆行驶速度，
Figure 414714DEST_PATH_IMAGE009
为时间段d内公路交汇点m、n之间的车流量，具体为：
公路路段mn的车辆行驶速度为
Figure 31641DEST_PATH_IMAGE010
式4
式中，lmn为公路路mn距离，t_mn为公路路段mn通行时间；
时间段d内公路交汇点m、n之间的车流量为
Figure 56228DEST_PATH_IMAGE011
式5
式中，Q (mn,d,1)为时间段d内公路路段mn上车的车流量；Q (mn,d,2)为时间段d内公路路段mn下车的车流量；
得出：
Figure 733197DEST_PATH_IMAGE012
式6
将各公路路段数据代入，获得各路段
Figure 639973DEST_PATH_IMAGE013
，将对应集合
Figure 732694DEST_PATH_IMAGE005
赋予模型作为边权。
5.根据权利要求4所述的山区公路灾害路段抗灾韧性计算方法，其特征在于，设定公路网服务质量阈值并动态调整阈值至出现巨大节点集群的临界阈值，确定影响交通网络畅通的目标路段，具体为：
设定公路网服务质量阈值，并获得各公路路段的交通状态；
动态调整阈值至出现巨大节点集群的临界阈值，公路网全网络畅通，公路网服务质量达到最高，当略微增大临界阈值时，全网络畅通转变为局部畅通，此时由畅通路段转变为拥挤路段的公路路段即为目标路段。
6.根据权利要求5所述的山区公路灾害路段抗灾韧性计算方法，其特征在于，基于影响交通网络畅通的各目标路段的抗扰性指标、适应性指标、恢复指标确定各目标路段的指标韧性度，包括
基于潜在灾害体的规模、灾害发生的影响范围、潜在灾害体发生的概率确定各目标路段的抗扰性指标，抗扰性指标计算公式：
Figure 936755DEST_PATH_IMAGE014
式7
式中，
Figure 456729DEST_PATH_IMAGE015
为目标路段mn的抗扰性指标，
Figure 850802DEST_PATH_IMAGE016
为目标路段mn的潜在灾害体的规模表征系数，灾害体的规模为巨型，取0.2；灾害体的规模为大型，取0.4；灾害体的规模为小型，取0.6；无灾害体，取1.0；
Figure 809530DEST_PATH_IMAGE017
为公路路段mn中受到干扰的路段长度，
Figure 808710DEST_PATH_IMAGE018
为潜在灾害体发生的概率；
基于各目标路段的平均车速确定各目标路段的适应性指标，适应性指标计算公式：
Figure 827482DEST_PATH_IMAGE019
式8
式中，
Figure 708850DEST_PATH_IMAGE020
为目标路段mn的抗扰性指标；
基于各目标路段受到破坏，由较低车速恢复正常车速的时间确定恢复性指标，恢复性指标计算公式：
Figure 143374DEST_PATH_IMAGE021
式9
式中，
Figure 59377DEST_PATH_IMAGE022
为目标路段mn的恢复性指标；
基于层次分析法确定抗扰性指标、适应性指标以及恢复性指标的初始权重；
基于目标公路网的运营信息确定影响各目标路段出现交通拥挤状态的影响指标以及指标重要性，获取每个指标的百分占比，归一化处理后获得指标的经验权重；
基于指标的初始权重以及经验权重，根据熵权法确定动态权重，动态权重计算公式：
Figure 186733DEST_PATH_IMAGE023
式10
式中：
Figure 555398DEST_PATH_IMAGE024
为第
Figure 855929DEST_PATH_IMAGE025
个指标第
Figure 578770DEST_PATH_IMAGE026
次更新后的动态权重；
Figure 939345DEST_PATH_IMAGE027
为第
Figure 795305DEST_PATH_IMAGE025
个指标第
Figure 571631DEST_PATH_IMAGE026
次更新的熵权；
Figure 462227DEST_PATH_IMAGE026
为动态权重更新次数，
Figure 931385DEST_PATH_IMAGE028
为第
Figure 274642DEST_PATH_IMAGE025
个指标初始权重；
Figure 120238DEST_PATH_IMAGE029
为第
Figure 599761DEST_PATH_IMAGE025
个指标经验权重；基于抗扰性指标、适应性指标、恢复性指标以及对应的动态权重，确定各指标的韧性度，即抗扰性韧性度、适应性韧性度以及恢复性韧性度，韧性度为指标值与其对应的动态权重的乘积。
7.根据权利要求6所述的山区公路灾害路段抗灾韧性计算方法，其特征在于，基于各目标路段的指标韧性度确定公路网韧性值，包括
对各目标路段抗扰性韧性度、适应性韧性度以及恢复性韧性度进行正向化处理，建立以O为原点的三维坐标系，分别将抗扰性指标韧性度、适应性指标韧性度、恢复指标韧性度投射至三维坐标系，获得的目标路段的向量模长即为该公路网的韧性值。
8.山区公路灾害路段抗灾韧性计算装置，其特征在于，所述装置包括：
构建模型单元，所述模型单元用于确定目标公路网的各公路交汇点，各相邻公路交汇点之间构成公路路段，以公路交汇点为点，以公路路段视为边，以断面车流量进行加权，确定公路网模型；
确定目标单元，所述确定目标单元用于基于公路路段车辆平均速度、公路路段车流量确定公路网服务质量模型，设定公路网服务质量阈值并动态调整阈值至出现巨大节点集群的临界阈值，确定影响交通网络畅通的目标路段；
求解单元，所述求解单元用于基于影响交通网络畅通的各目标路段的抗扰性指标、适应性指标、恢复指标确定各目标路段的指标韧性度；
确定单元，所述确定单元用于基于各目标路段的指标韧性度确定公路网韧性值。
9.根据权利要求8所述的山区公路灾害路段抗灾韧性计算装置，其特征在于，基于公路路段车辆平均速度、公路路段车流量确定公路网服务质量模型具体为：
基于公路路段车辆平均速度、公路路段车流量确定公路网服务质量模型，其中，公路网服务质量模型为：
Figure 302138DEST_PATH_IMAGE002
式2
Figure 70374DEST_PATH_IMAGE030
=
Figure 716731DEST_PATH_IMAGE004
式3
式中，
Figure 519602DEST_PATH_IMAGE005
为指定时段内d内公路网服务质量指标集合；
Figure 392880DEST_PATH_IMAGE031
为时段d下公路路段mn内公路网服务质量指标；
Figure 648412DEST_PATH_IMAGE007
为公路路段mn的车辆平均速度，
Figure 632549DEST_PATH_IMAGE032
为时间段d内公路路段mn的车流量。
10.电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的山区公路灾害路段抗灾韧性计算方法。
CN202211290040.5A 2022-10-21 2022-10-21 山区公路灾害路段抗灾韧性计算方法、装置以及电子设备 Active CN115359663B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211290040.5A CN115359663B (zh) 2022-10-21 2022-10-21 山区公路灾害路段抗灾韧性计算方法、装置以及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211290040.5A CN115359663B (zh) 2022-10-21 2022-10-21 山区公路灾害路段抗灾韧性计算方法、装置以及电子设备

Publications (2)

Publication Number Publication Date
CN115359663A true CN115359663A (zh) 2022-11-18
CN115359663B CN115359663B (zh) 2023-03-14

Family

ID=84008625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211290040.5A Active CN115359663B (zh) 2022-10-21 2022-10-21 山区公路灾害路段抗灾韧性计算方法、装置以及电子设备

Country Status (1)

Country Link
CN (1) CN115359663B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116485269A (zh) * 2023-04-28 2023-07-25 交通运输部公路科学研究所 等级公路路段地震灾害韧性评价方法、***、装置和介质

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6312188B1 (en) * 1996-06-27 2001-11-06 General Dynamics Ordnance And Tactical Systems, Inc. Non-lethal, rapidly deployed vehicle immobilizer
US20070294023A1 (en) * 2006-06-19 2007-12-20 Navteq North America, Llc Traffic data collection with probe vehicles
US20080167774A1 (en) * 2007-01-04 2008-07-10 Cisco Technology, Inc Ad-hoc mobile ip network for intelligent transportation system
CN104269051A (zh) * 2014-10-17 2015-01-07 成都四为电子信息股份有限公司 一种高速公路监控管理***
CN104361746A (zh) * 2014-11-05 2015-02-18 上海新炬网络信息技术有限公司 一种高速公路智能交通路况监控方法
CN104658253A (zh) * 2015-02-14 2015-05-27 浙江大学 一种高速公路交通状态判别方法
CN105303831A (zh) * 2015-10-20 2016-02-03 四川公用信息产业有限责任公司 一种基于通信数据判断高速路拥堵情况的方法
CN108876203A (zh) * 2018-07-26 2018-11-23 中国地震局工程力学研究所 道路交通震后功能韧性评价方法和装置
US20190279502A1 (en) * 2018-03-07 2019-09-12 Here Global B.V. Method, apparatus, and system for detecting a merge lane traffic jam
CN111080136A (zh) * 2019-12-19 2020-04-28 四川省公路规划勘察设计研究院有限公司 一种强震后地质灾害链的风险定量评估方法及装置
JP2020112863A (ja) * 2019-01-08 2020-07-27 富士通株式会社 立地評価プログラム、立地評価方法及び立地評価装置
CN111595672A (zh) * 2020-05-08 2020-08-28 北京市高强混凝土有限责任公司 室内抗扰动混凝土的抗扰动评价方法
CN112508392A (zh) * 2020-12-02 2021-03-16 云南省交通规划设计研究院有限公司 一种山区双车道公路隐患路段交通冲突风险动态评估方法
US20210201145A1 (en) * 2019-12-31 2021-07-01 Nvidia Corporation Three-dimensional intersection structure prediction for autonomous driving applications
CN113667292A (zh) * 2021-08-24 2021-11-19 桂迎生 一种聚合物弹性复合材料及公路桥梁伸缩装置
CN114014210A (zh) * 2022-01-05 2022-02-08 四川省公路规划勘察设计研究院有限公司 用于提升路网韧性的道路救援原地调转装置
CN114093168A (zh) * 2021-11-18 2022-02-25 长安大学 一种基于韧性视角下的城市道路交通运行状态评价方法
CN114427204A (zh) * 2022-01-07 2022-05-03 四川省公路规划勘察设计研究院有限公司 考虑滑坡灾害的关键路段道路恢复救援装备
CN114446051A (zh) * 2022-01-06 2022-05-06 东南大学 一种城市路网交通韧性薄弱识别方法
CN114639241A (zh) * 2022-03-15 2022-06-17 北京交通大学 路段中断状态判断方法及***
EP4030376A1 (en) * 2021-01-16 2022-07-20 Bayerische Motoren Werke Aktiengesellschaft Method for determining an impact of ride pooling on a traffic situation
CN115094697A (zh) * 2022-07-01 2022-09-23 中铁二十局集团第二工程有限公司 公路封层施工方法

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6312188B1 (en) * 1996-06-27 2001-11-06 General Dynamics Ordnance And Tactical Systems, Inc. Non-lethal, rapidly deployed vehicle immobilizer
US20070294023A1 (en) * 2006-06-19 2007-12-20 Navteq North America, Llc Traffic data collection with probe vehicles
US20080167774A1 (en) * 2007-01-04 2008-07-10 Cisco Technology, Inc Ad-hoc mobile ip network for intelligent transportation system
CN104269051A (zh) * 2014-10-17 2015-01-07 成都四为电子信息股份有限公司 一种高速公路监控管理***
CN104361746A (zh) * 2014-11-05 2015-02-18 上海新炬网络信息技术有限公司 一种高速公路智能交通路况监控方法
CN104658253A (zh) * 2015-02-14 2015-05-27 浙江大学 一种高速公路交通状态判别方法
CN105303831A (zh) * 2015-10-20 2016-02-03 四川公用信息产业有限责任公司 一种基于通信数据判断高速路拥堵情况的方法
US20190279502A1 (en) * 2018-03-07 2019-09-12 Here Global B.V. Method, apparatus, and system for detecting a merge lane traffic jam
CN108876203A (zh) * 2018-07-26 2018-11-23 中国地震局工程力学研究所 道路交通震后功能韧性评价方法和装置
JP2020112863A (ja) * 2019-01-08 2020-07-27 富士通株式会社 立地評価プログラム、立地評価方法及び立地評価装置
CN111080136A (zh) * 2019-12-19 2020-04-28 四川省公路规划勘察设计研究院有限公司 一种强震后地质灾害链的风险定量评估方法及装置
US20210201145A1 (en) * 2019-12-31 2021-07-01 Nvidia Corporation Three-dimensional intersection structure prediction for autonomous driving applications
CN111595672A (zh) * 2020-05-08 2020-08-28 北京市高强混凝土有限责任公司 室内抗扰动混凝土的抗扰动评价方法
CN112508392A (zh) * 2020-12-02 2021-03-16 云南省交通规划设计研究院有限公司 一种山区双车道公路隐患路段交通冲突风险动态评估方法
EP4030376A1 (en) * 2021-01-16 2022-07-20 Bayerische Motoren Werke Aktiengesellschaft Method for determining an impact of ride pooling on a traffic situation
CN113667292A (zh) * 2021-08-24 2021-11-19 桂迎生 一种聚合物弹性复合材料及公路桥梁伸缩装置
CN114093168A (zh) * 2021-11-18 2022-02-25 长安大学 一种基于韧性视角下的城市道路交通运行状态评价方法
CN114014210A (zh) * 2022-01-05 2022-02-08 四川省公路规划勘察设计研究院有限公司 用于提升路网韧性的道路救援原地调转装置
CN114446051A (zh) * 2022-01-06 2022-05-06 东南大学 一种城市路网交通韧性薄弱识别方法
CN114427204A (zh) * 2022-01-07 2022-05-03 四川省公路规划勘察设计研究院有限公司 考虑滑坡灾害的关键路段道路恢复救援装备
CN114639241A (zh) * 2022-03-15 2022-06-17 北京交通大学 路段中断状态判断方法及***
CN115094697A (zh) * 2022-07-01 2022-09-23 中铁二十局集团第二工程有限公司 公路封层施工方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
WEI W 等: "Feasibility Analysis of Data Transmission in Partially Damaged loT networks of Vehicles", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 *
李彤: "韧性城市研究新进展", 《国际城市规划》 *
殷强 等: "映汶高速公路桥梁防震减灾技术的应用", 《公路交通技术》 *
毛新华 等: "基于韧性最优的灾后公路网修复调度研究", 《中国公路学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116485269A (zh) * 2023-04-28 2023-07-25 交通运输部公路科学研究所 等级公路路段地震灾害韧性评价方法、***、装置和介质

Also Published As

Publication number Publication date
CN115359663B (zh) 2023-03-14

Similar Documents

Publication Publication Date Title
CN109543909B (zh) 车辆案件数量的预测方法、装置和计算机设备
CN110704751B (zh) 数据处理方法、装置、电子设备及存储介质
US9129522B2 (en) Traffic speed estimation using temporal and spatial smoothing of GPS speed data
CN109684613B (zh) 在线文档中的引用显示方法、装置、存储介质及电子设备
CN110689804B (zh) 用于输出信息的方法和装置
CN112731565B (zh) 一种基于多级网格地图的天气预报数据加工方法及装置
CN115359663B (zh) 山区公路灾害路段抗灾韧性计算方法、装置以及电子设备
Moosavi et al. Characterizing driving context from driver behavior
CN114360239A (zh) 一种多层时空交通知识图谱重建的交通预测方法及***
CN112434260A (zh) 一种公路的交通状态检测方法、装置、存储介质及终端
CN110287817B (zh) 目标识别及目标识别模型的训练方法、装置和电子设备
WO2016037346A1 (en) Measuring and diagnosing noise in urban environment
CN117725159A (zh) 数据处理、模型训练方法、装置及电子设备
CN111414921B (zh) 样本图像处理方法、装置、电子设备及计算机存储介质
CN116088537B (zh) 车辆避障方法、装置、电子设备和计算机可读介质
CN115512336B (zh) 基于路灯光源的车辆定位方法、装置和电子设备
CN114724414B (zh) 城市空中交通分担率的确定方法、装置、电子设备及介质
CN113850297B (zh) 道路数据的监测方法、装置、电子设备及存储介质
CN112036519B (zh) 基于多位sigmoid的分类处理方法、装置及电子设备
CN109558980B (zh) 景区流量数据预测方法、装置和计算机设备
CN112434644A (zh) 车辆图像的处理方法、装置、电子设备及存储介质
US11187554B2 (en) Method, device and computer storage medium for providing running speed of urban road
CN111950572A (zh) 训练分类器的方法、装置、电子设备和计算机可读存储介质
CN111292329B (zh) 视频分割网络的训练方法、装置及电子设备
CN116541421B (zh) 地址查询信息生成方法、装置、电子设备与计算机介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant