洗车指数研发方案(20150506)

洗车指数研发方案一、洗车指数研发背景随着汽车拥有量的迅猛增加，车主消费意识日益增强，当前汽车护理项目中，洗车是最平凡而且是最重要的。经常洗车可以减少空气阻力,提高燃油经济性,延长汽车漆面寿命。而洗车又是车身漆面日常保养的基本工作。内饰精洗可创造良好车内环境，保护健康。洗车指数是给爱车族提供是否适宜洗车的气象指数。考虑过去12小时和未来24小时内有无雨雪天气，路面是否有积雪和泥水，是否容易使爱车溅上泥水，是否有沙尘天气等条件，给广大爱车族提供是否适宜洗车的建议。二、理论支持-模糊数学1、模糊数学定义模糊数学是研究和处理模糊性现象的一种数学理论和方法。1965年美国控制论学者L.A.扎德发表论文《模糊集合》，标志着这门新学科的诞生。2、模糊数学的应用模糊数学是一门新兴学科，它已初步应用于模糊控制、模糊识别、模糊聚类分析、模糊决策、模糊评判、系统理论、信息检索、医学、生物学等各个方面。在气象、结构力学、控制、心理学等方面已有具体的研究成果。然而模糊数学最重要的应用领域是计算机职能，不少人认为它与新一代计算机的研制有密切的联系。3、模糊综合评判综合评判就是对受到对多个因素制约的事物或对象作出一个总的评价，如产品质量评定、科技成果鉴定、某种作物种植适应性的评价等，都属于综合评判问题。由于从多方面对事物进行评价难免带有模糊性和主观性，采用模糊数学的方法进行综合评价将使结果尽量客观，从而取得更好的实际效果。由于在很多问题上，我们对事物的评价常常带有模糊性，因此，应用模糊数学的方法进行综合评价将会取得更好的实际效果。模糊综合评判的数学模型可分为一级模型和多级模型两类，洗车指数应用一级模型。应用一级模型进行综合评判，一般可归纳为以下几个步骤：1、建立评判对象的因素集{}。因素就是对象的各种属性或性能，在不同场合，也成为参数指标或质量指标，它们综合地反映出对象的质量，根据这些因素给对象评价。2、建立单因素评判。即建立一个从U到F(V)的模糊映射()()()由f可诱导出模糊关系R，得到单因素评判矩阵()矩阵R中第i行第j列元素表示从某个被评事物对等级模糊子集的隶属度。每一列向量表示的是每一个评价方案。3、确定权重。由于对U中各因素有不同的侧重，需要对每个因素赋予不同的权重，它可表示为U上的一个模糊子集{}，并且规定∑。4、综合评判。在R与A求出之后，则综合评判为记{}，它是V上的模糊子集。其中⋁(︿)()如果评判结果∑，应将它归一化，具体做法如下：∑在模糊综合评判的上述过程中，建立单因素评判矩阵R和确定权重分配A，是两项关键性的工作，没有统一的格式可以遵循，一般采用统计实验或专家评分等方法求出。三、洗车指数模型建立步骤1、建立影响洗车指数的因素集{，，，}其中，表示过去12小时天气状况，表示未来24小时天气状况，表示未来24小时气温，表示未来24小时风力。过去12小时及未来24小时天气现象分类标准如下：过去12小时天气状况未来24小时天气状况未来24小时气温未来24小时风力A1晴、多云、阴、霾、雾、扬沙、浮尘B1晴、多云、阴C138°以上D13级及以下A2小雨、小雪B2霾、雾C230-38°D23-4级A3中雨及以上、中雪及以上B3扬沙、浮尘C320-29°D34-5级A4沙尘暴B4小雨、小雪C410-19°D45级以上B5中雨及以上、中雪及以上C50-9°B6沙尘暴C6(-7)-(-1)°C7-8°以下上表中表示过去12小时、未来24小时天气状况的分级，未来24小时气温以及未来24小时风力，每一个等级可以看作是基本变量的模糊限制标记，可以由隶属函数来表征，隶属函数把基本变量的每一个值与区间[0,1]中的一个数结合起来，这个数就表示了每个值与模糊限制之间的隶属度。2、建立评判集（洗车指数等级）{，，}其中，表示适宜（保持3天），表示较适宜（保持2-3天），表示较不适宜（保持2天）表示不适宜（保持1天）。3、收集经验数据，根据相关分析法得出各影响因素与洗车指数的相关性各影响因素与洗车指数的相关系数如下表：根据上表可以看出，未来24小时天气状况与洗车指数的相关性最强R=0.879，风力与洗车指数之间的相关系数R=0.463，未来24小时气温与洗车指数的相关系数为R=-0.578，负相关，气温越高越不适宜洗车，过去12小时天气状况与洗车指数之间的相关系数为R=0.066，过去12小时对洗车指数的影响很小。4、根据各因素与洗车指数的相关性大小，初步确定各影响因素对等级模糊子集的隶属度过去12小时天气状况不同级别天气对评判集的隶属度如下表：过去12小时天气状况适宜较适宜较不适宜不适宜A10.40.600A20.30.60.10A300.10.20.7A40.30.60.10未来24小时天气状况不同级别对评判集的隶属度如下表：未来24小时天气状况适宜较适宜较不适宜不适宜B10.350.6500B20.30.700B300.10.70.2B4000.30.7B5000.20.8B6000.10.9未来24小时气温各级别对评判集隶属度如下表：未来24小时气温适宜较适宜较不适宜不适宜C13800.10.70.2C230-380.30.50.10.1C320-290.40.50.10C410-190.40.50.10C50-90.30.40.20.1C6-7--10.20.50.30C7-8以下000.20.8未来24小时风力对评判集隶属度如下表：未来24小时风力适宜较适宜较不适宜不适宜D10.20.60.10.1D20.30.50.10.1D300.10.70.2D4000.80.2过去12小时天气状况、未来24小时不同的天气状况、气温以及风力会得到不同的评判矩阵R。例如以北京市2015年5月7日是否适宜洗车，需要看5月6日晚天气状况（过去12小时天气状况）、5月7日白天及夜晚天气状况（未来24小时天气状况，一般取最坏天气）、5月7日全天气温（夏天取最高气温，冬天取最低气温）、5月7日全天风力（一般取24小时最大风力）。根据气象服务-中国网的天气预报：北京市5月6日夜晚为小雨（A2），5月7日全天天气为阴（B1）,5月7日气温为25℃（C3），5月7日风力为微风小于3级（D1），则天气组合为（A2，B1，C3，D1），各影响因素对应哪一个级别就取哪一行数据。根据上述4个表格的数据得到矩阵R如下：()5、根据各影响因素与洗车指数相关性的大小，确定各影响因素的权重权重A不是一个固定数列，不同的天气状况会选择不同的权重，具体如下：{()默认值()且且()6、综合评判B=A*R=（b1,b2,b3,b4）A=（a1,a2,a3,a4）,R=rrrrrrrrrrrrrrrr44434241343332312423222114131211具体采用的是M（︿，﹀）算法，表示先取小，再取大。A*R具体计算步骤：a1与R中第一列的第一个数据比较，取小，a2和第一列第二个数据比较，取小，a3和第一列第三个数据比较，取小，a4和第一列第四个数据比较，取小，获得新的数据集E1=（e11,e12,e13,e14）,最后在这4个数据中取大，得e1i.a1与第二列第一个数据比较，取小，a2与第二列第二个数据比较，取小，a3与第二列第三个数据比较，取小，a4与第二列第四个数据比较，取小，获得数据集E2=（e21,e22,e23,e24）,在这四个数据中取最大值，e2i。以此类推，最后获得一组数据B=（e1i,e2i,e3i,e4i）,若∑e,需要归一化，具体算法如下：e∑e得到=（）,分别代表对四个评判等级的隶属度，哪个值最大，就说明对哪个等级隶属度最高。7、根据影响洗车指数4个因素的不同级别的划分可以确定共有672种天气状况过去12小时天气状况（A1，A2，A3，A4）4个级别未来24小时天气状况（B1，B2，B3，B4，B5，B6）6个级别未来24小时气温（C1，C2，C3，C4，C5，C6，C7）7个级别未来24小时风力（D1，D2，D3，D4）4个级别在4个影响因素中分别任取一种天气状况，可得4*6*7*4=672种天气状况。根据上述6个步骤可以计算出672种天气状况对应的洗车级别，从而得到洗车指数数据库（取一部分数据）。天气状况洗车级别洗车状况A1,B1,C1,D12较适宜A1,B1,C1,D22较适宜A1,B1,C1,D33较不适宜A1,B1,C1,D43较不适宜A1,B1,C2,D12较适宜A1,B1,C2,D22较适宜A1,B1,C2,D33较不适宜A1,B1,C2,D43较不适宜A1,B1,C3,D12较适宜A1,B1,C3,D22较适宜A1,B1,C3,D33较不适宜A1,B1,C3,D43较不适宜A1,B1,C4,D12较适宜A1,B1,C4,D22较适宜A1,B1,C4,D33较不适宜A1,B1,C4,D43较不适宜A1,B1,C5,D12较适宜A1,B1,C5,D22较适宜..................四、案例案例：2015年5月7日,北京、福州、郑州、武汉、葫芦岛、西安、西宁、玉溪、香港、黄山等城市是否适合洗车呢？1、确定过去12小时天气状况、未来24小时天气状况、未来24小时气温、未来24小时风力。城市过去12小时天气未来24小时天气未来24小时气温未来24小时风力天气状况北京小雨A2阴B125℃C3小于3级D1A2,B1,C3,D1福州阵雨A3阵雨B527℃C3小于3级D1A3,B5,C3,D1郑州多云A1多云B127℃C3小于3级D1A1,B1,C3,D1武汉晴A1小雨B429℃C3小于3级D1A1,B4,C3,D1葫芦岛多云A1多云B121℃C34-5级D3A1,B1,C3,D3西安晴A1多云B127℃C3小于3级D1A1,B1,C3,D1西宁小雨A2小雨B414℃C4小于3级D1A2,B4,C4,D1玉溪晴A1晴B130℃C24-5级D3A1,B1,C2,D3香港多云A1雷阵雨B530℃C2小于3级D1A1,B5,C3,D1黄山多云A1多云B118℃C44-5级D3A1,B1,C4,D32、计算各城市的洗车级别有两周方法。方法一：将各城市的天气状况与数据库中672个数据匹配，可以得到洗车指数，该方法简单快捷。2015年5月7日各城市洗车级别城市天气状况洗车级别洗车状况北京A2,B1,C3,D12较适宜福州A3,B5,C3,D14不适宜郑州A1,B1,C3,D12较适宜武汉A1,B4,C3,D14不适宜葫芦岛A1,B1,C3,D33较不适宜西安A1,B1,C3,D12较适宜西宁A2,B4,C4,D14不适宜玉溪A1,B1,C2,D33较不适宜香港A1,B5,C3,D14不适宜黄山A1,B1,C4,D33较不适宜与气象服务-中国网的洗车级别完全吻合。方法二：分别计算各城市的综合评判B城市天气状况综合评判洗车级别洗车状况北京A2,B1,C3,D1(37.6%,40.9%,10.8%,10.8%)2较适宜福州A3,B5,C3,D1(18.2%,29.1%,18.2%,34.5%)4不适宜郑州A1,B1,C3,D1(37.6%,40.9%,10.8%,10.8%)2较适宜武汉A1,B4,C3,D1(16.7%,26.7%,25%,31.7%)4不适宜葫芦岛A1,B1,C3,D3(23.1%,23.1%,38.5%,15.4%)3较不适宜西安A1,B1,C3,D1(37.6%,40.9%,10.8%,10.8%)2较适宜西宁A2,B4,C4,D1(16.7%,26.7%,25%,31.7%)4不适宜玉溪A1,B1,C2,D3(23.1%,23.1%,38.5%,15.4%)3较不适宜香港A1,B5,C3,D1(18.2%,29.1%,18.2%,34.5%)4不适宜黄山A1,B1,C4,D3(23.1%,23.1%,38.5%,15.4%)3较不适宜以北京为例，具体计算步骤如下：1、根据北京天气状况获取矩阵R()2、确认各影响因素权重A=（0.1,0.38,0.2,0.32）3、计算综合评判B（）j⋁(ai︿)4i(