功能匹配

功能匹配（精选五篇）

功能匹配篇1

随着市场竞争压力的增大以及用户需求的多样化发展,产品配置技术在国内外得到了越来越广泛的研究和应用,目前主要集中在基于知识的配置、配置过程建模、配置问题求解等方面[1]。产品配置可以理解为根据预定义的零部件集及它们之间的相互约束关系,通过合理组合,形成满足客户个性化要求的产品设计过程[2]。在传统价值工程研究工作中,主要考虑对功能与成本之比择优后满足约束要求的解决方案,对子功能之间协调关系的研究较少[3],较少考虑功能间的匹配与协调。在实际的设计工作中,随着产品功能的扩展与客户需求的细分,新产品功能层次和成本层次也逐步丰富,不同功能与成本层次的产品构成一个功能丰富的产品集,如汽车产品。在成本允许范围较大的情况下,从功能角度考虑,由于目前设计领域主要采取零部件制的分级项目管理式设计,并按照一定设计约束进行组合,较少考虑功能间的匹配协调问题,因此如何定义功能之间的逻辑关系以及如何根据功能之间的协调关系对功能集中的产品功能在既定设计约束条件下择优选择,在产品设计领域具有一定的研究与应用意义。

1 基于依赖约束的产品功能属性协调关系

产品各子功能之间存在一定的干涉,如某摩托车产品前照灯部件的主功能属性(外观性、耐用性和经济性)之间相互影响。为此引入产品功能协调关系来表示功能间的这种干涉影响。产品功能协调关系是功能集内部以及各子功能之间各功能协调程度高低的重要表征。设计水平、软件资源、硬件资源、设计目标等要素的冲突与依赖关系导致功能之间存在优先约束关系,故可用功能集F上的一个偏序关系“≺”表示优先约束关系,fi≺fj意味着完成功能fi才能进行功能fj。如果功能集F中至少有两个功能受到优先约束的限制,则集合F的功能间的关系称为相关,否则称为无关,根据协调理论的描述,将这种逻辑关系定义为依赖关系[4,5,6]。为直观起见,采用一个称为优先约束图的关系图来表示。在随后的约束关系图中,点对应功能,弧对应偏序关系,始点为fi、终点为fj的弧对应fi≺fj。称fi为fj的先驱,fj为fi的后继[7]。此处引入图论中的表述方法,定义依赖约束关系的3种典型情况:如果每个功能最多有一个先驱和一个后继,则依赖约束图称为链(chain);如果每个功能最多有一个后继,则依赖约束图称为入树(in-tree);如果每个功能最多有一个先驱,则依赖约束图称为出树(out-tree)[8]。图1给出了链、入树和出树的例子。

链、入树和出树是构成功能属性的3种基本逻辑关系,可构成不同设计目标下的功能依赖约束逻辑图。3种依赖约束关系中各设计功能的依赖程度不同,在处理过程中相应的权重也有所不同。通常情况下,三者权重关系为Win-tree≥Wchain≥Wout-tree。同时,需要对功能之间协调效率的判断尺度进行定义,这里对设计功能协调效率的判断尺度按5级取值进行定义,如表1所示。

按照上面的评价尺度,可以建立功能集Fa与功能集Fb间的协调效率评价矩阵Sab:

2 产品设计功能属性的选择模型

2.1 产品设计功能属性的基因表达

考虑到某个产品可能需要从多个功能属性集中选择一个系列的子功能,而某个功能属性集内可能有多项功能满足某产品设计要求,如某摩托车部件的功能集可以有外观性、耐用性、舒适性、行驶速度等选择,而其中某个部件可能既要求外观性又要求耐用性,为此提出一种功能属性选取表示方法。该方法将所有功能属性集中适合这个产品的功能属性按部件次序进行编号,使得例如,某产品pj由3个部件组成,需要从3个功能属性集中选择适合设计目标的功能属性,部件1需要从功能属性集1和功能属性集2中选择,功能属性集1和功能属性集2中适合部件1的功能属性个数分别为2和3,根据部件的特点需要从功能属性集1和功能属性集2中分别选择出1个和2个功能属性;部件2需要从功能属性集2和功能属性集3中选择,功能属性集2和功能属性3中适合部件2的功能属性个数分别为3和2,根据部件的特点需要从功能属性集2和功能属性集3中分别选择出2个和1个功能属性;部件3则需要从功能属性集3中选择,功能属性集3中适合部件3的功能属性个数为2,根据部件的特点需要从功能属性集3中选择出1个功能属性。图2为某产品3个部件功能选择示意图,图3为它的一个功能属性选择方案基因表示图。

图3表示部件1从功能属性集1中选择了功能属性1,从功能属性集2中选择了功能属性2和功能属性3,部件2从功能属性集2中选择了功能属性1和功能属性3,从功能属性集3中选择了功能属性2,部件3从功能属性集3中选择了功能属性1。

2.2 产品设计功能属性的选择

产品设计过程中,通常将复杂产品分解为一系列的子功能部件,根据各子功能部件的结构特点、材料选择、功能要求以及其他设计约束,选择合适的功能。首先,每个部件可能有一个或多个适合的功能属性,而每个功能属性与部件的匹配度是有差异的。其次,产品设计过程需要考虑各个功能属性间的协调效率,这将对新产品的使用效果起着关键的作用。下面采用相关矩阵的方法来建立功能属性选择的多目标优化模型。

2.2.1 问题描述及变量定义

假定某产品p可分解为n个设计部件p1、p2、…、pn,该产品总共需要从m个功能属性集的集合F1、F2、…、Fm中选择功能属性,m个集合所包含的功能属性个数分别为k1、k2、…、km。其中,部件pi需要从L(i)={l1,l2,l3,…,ln}个功能集合中选择与之匹配度最高的功能集,L(i)个功能集合中适合该部件的功能属性的个数分别为li1、li2、…、lili,根据部件的特点需要从li个功能集合中选择出的功能属性个数分别为l′i1、l′i2、…、l′ili,映射关系如图4所示。

根据描述可知,对于每一个部件而言,它从某个功能集合中选取的功能属性个数满足如下约束条件:

$\sum_{j = 1}^{l_{k l_{k}}} g_{k j}^{(i)} = l^{'}_{k l_{k}} k = 1, 2, \dots, l_{i}$

2.2.2 功能-功能适合度向量及协调效率矩阵的求取

为了表述的方便,将所有功能属性集中适合这个产品的功能属性用一个序列来表示:

f={f(1),f(2),f(n)}

f(i)={f(i)11,f(i)12,…,f(i)1li1;

f(i)21,f(i)22,…,f(i)2li2;…;f(i)li1,f(i)li2,…,f(i)lilili}

功能属性集中每个功能对某一设计部件的适合度以定量的方式给出,量化的标准类似于表1,如果功能fj能够适合部件pj,则根据适合的优劣程度用1～5中的1个整数表示,不能适合则用0表示,建立的功能-部件适合度向量如下:

B=(b(1),b(2),…,b(n))

b(i)={b $_{11}^{(i)}$ ,b $_{12}^{(i)}$ ,…,b(i)1li1;

b(i)21,b(i)22,…,b(i)2li2;…;b(i)li1,b(i)li2,…,b(i)lilili}

功能与功能间的协调效果按优劣程度赋予1～5的不同整数值,则可以得到功能-功能协同效率矩阵Sab:

$\begin{matrix} \begin{matrix} f^{(1)} & f^{(2)} & \dots & f^{(n)} \end{matrix} \\ \begin{matrix} f^{(1)} \\ f^{(2)} \\ ⋮ \\ f^{(n)} \end{matrix} & [\begin{matrix} s_{11} & s_{12} & \dots & s_{1 n} \\ s_{21} & s_{22} & \dots & s_{2 n} \\ ⋮ & ⋮ & ⋮ \\ s_{n 1} & s_{n 2} & \dots & s_{n n} \end{matrix}] \end{matrix}$

2.2.3 功能选择模型的建立

功能选择模型的优化目标是使所选择的功能属性最适合既定的部件,并且功能之间的协同效果最好。首先要使得所选功能与部件的适合度最优,则得到如下目标函数:

$\max Ζ_{1} = \sum_{i = 1}^{n} \sum_{k = 1}^{l_{i}} \sum_{j = 1}^{l_{k l_{k}}} g_{k j}^{(i)} c_{k j}^{(i)}$ (1)

其次要使得所选功能协调效果最好,则得到如下目标函数:

$\max Ζ_{2} = \sum_{i = 1}^{n} \sum_{j = 1}^{n} \sum_{p = i}^{l_{i}} \sum_{q = j}^{l_{j}} \sum_{r = 1}^{l_{p l_{p}}} \sum_{t = 1}^{l_{q l_{q}}} g_{p r}^{(i)} g_{q t}^{(j)} (f_{p r}^{(i)}, f_{q t}^{(j)}) (2)$

此处对上述两函数进行线性组合来表示功能和部件适合度最优与功能间协调效果最好,得到总目标函如下:

max Z=α Z1+β Z2 (3)

其中,α、β为权重系数,α+β=1。α、β的取值取决于设计目标、环境、具体需求以及支撑的工具手段等因素。

3 基于改进遗传算法的产品功能选择

由于产品功能属性匹配选择较多,传统的方法很难快速得出最优问题的答案,随着智能算法的发展,许多学者将智能算法引入问题求解,取得了一定的成果,如谢天保等[9]结合多代理的自适应机制和遗传算法在组合优化问题求解中的优势,给出了敏捷制造调度问题的解决方案。由于遗传算法具有并行搜索、鲁棒性强和搜索效率高的优点[10],因此本文将遗传算法引进模型的求解中。

设基因Gi为参与选择功能的一个组合,它由t组功能属性集组成,每组功能属性集的功能属性的个数分别为N1、N2、…、Nt,按照每组设计功能调用数目将Gi依次分为t个部分GN1、GN2、…、GNt,将GNi(1≤i≤t)称为基因Gi的一个基因段。

基于基因段进行的交叉、变异操作采用轮盘赌的方法,设群体大小为n,个体i的适应度为γi,则个体i 被选中遗传到下一代群体的概率为

$Ρ_{i} = γ_{i} / \sum_{i = 1}^{n} γ_{i}$ (4)

交叉和变异操作都是在某个基因段进行的,并且要保证交叉、变异操作后,每个基因段中的为1(0)的染色体个数不变。

4 实例分析

设某型号摩托车产品的前减振器部件产品p={p1,p2,p3},由3个部件构成,3个部件对应的功能属性集为外观F1、材质F2、色彩F3,要完成该设计目标,部件p1需要从F1中选择2个功能属性与之相匹配,匹配集合为B11;部件p2需要从F2中选择1个适合功能属性,匹配集合为B22;部件p3需要从F3中选择1个适合的功能属性,匹配集合为B33。3个设计功能属性集适合于各部件的功能属性的个数分别为4、5、4,各设计功能与相应部件的适合度可用矩阵H1表述:

根据排列组合知识可知H1有C $_{4}^{2}$ ×C $_{5}^{1}$ ×C $_{4}^{1}$ =120种。此处设p1与 F1在协调实际的过程中可能有多个串行或并行功能集进行选择,排列组合将更为复杂。

各功能集与其他功能集的协调效果矩阵H2为

$\begin{array}{l} \begin{matrix} \begin{matrix} F_{1} & F_{2} & F_{3} \end{matrix} \\ \begin{matrix} F_{1} \\ F_{2} \\ F_{3} \end{matrix} & [\begin{matrix} S_{11} & S_{12} & S_{13} \\ S_{21} & S_{22} & S_{23} \\ S_{31} & S_{32} & S_{33} \end{matrix}] \end{matrix} \\ S_{11} = [\begin{matrix} 0 & 2 & 4 & 3 \\ 2 & 0 & 3 & 2 \\ 4 & 3 & 0 & 3 \\ 3 & 2 & 3 & 0 \end{matrix}] S_{12} = [\begin{matrix} 2 & 4 & 5 & 3 & 4 \\ 4 & 3 & 2 & 2 & 4 \\ 2 & 2 & 5 & 1 & 1 \\ 4 & 3 & 4 & 3 & 4 \end{matrix}] \\ S_{13} = [\begin{matrix} 2 & 2 & 4 & 3 \\ 3 & 5 & 1 & 4 \\ 2 & 4 & 3 & 3 \\ 1 & 4 & 1 & 4 \end{matrix}] S_{23} = [\begin{matrix} 3 & 2 & 4 & 1 \\ 2 & 3 & 5 & 1 \\ 4 & 5 & 1 & 2 \\ 4 & 1 & 2 & 3 \\ 3 & 1 & 5 & 2 \end{matrix}] \\ S_{22} = [\begin{matrix} 0 & 3 & 4 & 3 & 4 \\ 3 & 0 & 3 & 2 & 2 \\ 4 & 3 & 0 & 1 & 3 \\ 3 & 2 & 1 & 0 & 2 \\ 4 & 2 & 3 & 2 & 0 \end{matrix}] S_{33} = [\begin{matrix} 0 & 4 & 3 & 2 \\ 4 & 0 & 3 & 1 \\ 3 & 3 & 0 & 2 \\ 2 & 1 & 2 & 0 \end{matrix}] \end{array}$

设置初始种群数为30,迭代次数为500,交叉概率Pc=0.45,变异概率Pm=0.008,α=0.7,β=0.3,采用MATLAB编程。运算结果(最优值)为16.3,最优选择方案为1001100001000,它表示部件1从功能属性集F1中选择功能属性1、功能属性4,部件2从功能属性集F2中选择功能属性1,部件3从功能属性集F3中选择功能属性1,如图5所示。

在进行的100次运算中,全部取得最优值16.3,说明算法运行效果较好,其中有75次运算在50次迭代内达到最优值,有17次运算在50～100次迭代间取得最优值。说明算法收敛速度较快,图6为MATLAB输出的迭代35次后达到最优值的运算结果。

5 结束语

基于功能属性间的协调效率关系能够更有效地选择设计功能。本文借助遗传算法在解决组合优化问题方面的优势,引入协调理论与图论中的表述方法,对产品部件的多功能属性进行优化选择。某摩托车部件功能选择的实例表明,该方法能够较快得到有效运行结果,为产品设计功能属性选择提供了一种可选择的方法,可作为价值工程方法论的补充。

本文在协同设计功能选择中主要考虑两个因素:功能属性对设计部件的适合度以及功能属性之间的协调效率。进一步的研究将考虑更为复杂产品的功能选择,如串并混联或其他逻辑关联的功能组合。此外,采用图论方法对功能属性之间的逻辑关系进行分类,能够有效分析功能之间的逻辑关系,但缺乏精确的定量分析,可引入灰关联分析、模糊评价或层次分析法等科学评价方法提高功能适应度数值的准确性。

参考文献

[1]王世伟,谭建荣,张树有,等.基于GBOM的产品配置研究[J].计算机辅助设计与图形学学报,2004,16(5):655-659.

[2]祖耀,肖人彬,张智明.基于变功能参数的机械产品创新设计方法[J].中国机械工程,2009,20(5):601-605.

[3]付璐,付黎明.商用车造型设计中的价值工程分析[J].吉林大学学报(工学版),2008,38(S2):304-308.

[4]Date C J.What Not How:the Business Rule Ap-proach to Application Development[M].Boston:Addison-Wesley,2000.

[5]von Halle B.Business Rules Applied:Building BetterSystems Using the Business Rules Approach[M].New York:John Wiley&Sons,2002.

[6]Malone T W,Crowston K.Organizing BusinessKnowledge:the MIT Process Handbook[M].Cam-bridge:The MIT Press,2003.

[7]杨斌鑫.若干单机在线排序问题研究[D].西安:西北工业大学,2004.

[8]Chartrand G,Zhang Ping.图论导引[M].范益政,汪毅,龚世才,译.北京:人民邮电出版社,2007.

[9]谢天保,何娟,雷西玲.信息不完备模型下的敏捷制造调度系统研究[J].中国机械工程,2007,18(1):44-48.

功能匹配篇2

[摘要]同期装置和快切装置都是发电厂中的重要操作设备，二者在具体功能上有着相同点和不同点。因为这些相同点，当今很多人将这两者的主要功能混淆，不仅降低了电力生产的效率，甚至还造成了安全隐患。本文主要针对这两种装置分别进行介绍，帮助大家更明确地了解它们的相同点和不同点，并提出了较为合理的匹配方式。

[关键词]发电厂；同期装置；快切装置；功能；合理匹配

同期装置是发电厂中的必备装置，早期使用为手动同期装置，随着科学技术的进步逐渐发展为自动准同步技术，并广泛应用于现代发电厂中。快切装置在火力发电厂中用于在厂用电出现问题快速切换电源，大部分使用100～200MW机组和200MW以上的机组，厂用电源在出现特殊问题导致消失时，快切装置自动将负荷切换至备用电源接带，这样不但可以在事故状态下减小厂内的失电时间，也可以将失电情况下对厂用电设备所造成的影响降低到最小，目前的快切装置均已实现无扰切换。

一、同期装置和快切装置

1、同期装置

根据电力设计手册中的规定操作内容，为了保证操作恢复供电的可靠、迅速，操作方式的灵活性和减少操作，那么对于三绕组升压变，可以在其三侧都设立同步点，这样不需要利用母联，可以直接进行同步操作，减少了操作中的必要步骤。

同步方式可以分为自同步和准同步。自同步是把没有励磁的发电机合闸，加大电流冲击，一般不采用这种方法。准同步是在投入系统之前，通过调节器把待并发电机进行原动机转速的调节，让整个发电机的转速更加接近于同步转速。用励磁调整装置对发电机励磁电流进行调节，这样将发电机端电压调节至接近于系统电压。当同步方式中，频差和压差都满足于额定值时，选择零相角差来临之前的某一个时刻将断路器合上，此时断路器的触点发生瞬间闭合会引起冲击电流，这个电流比允许值小，就会迅速把发电机拉入而造成同步运行。

各个同步装置中只允许一套装置进行工作，其他同步装置应闭锁。同步装置之间有转换开关，上面有“工作”、“断开”、“试验”三个位置，同步转换的开关共同使用一个手柄，这个手柄在“断开”位置时可以抽出，在“试验”位置时，要把出口回路切除开。

2、快切装置

我国当前通用的快切动作条件是根据厂用母线失压以后母线中的残压和备用电源之间出现的相角差、频率差、电压差等的关系作为判断标准。通过调差统计结果表明，快切装置中用的比较多的整定值是相角差30°、频率差1Hz或者电压差40～50V、残压30V、频率差5Hz。

冶金、煤炭和化工、发电厂等场合对于电源切换有较高的要求，在切换电源中，设备不能中断运行，这样会因为电流的冲击而造成设备的损坏。传统的厂用电进行切换时，一般都使用备用自投装置，工作开关的辅助接点直接对备用电源发生作用，或通过低压继电器把继电器启动设备延迟启用，这种方式并不安全，如果合闸时，厂用母线反馈电压和备用电源电压之间的相角差可能接近就180°或较大，就会对电动机造成冲击。采用加固定延时的方式也会产生反相点合闸的情况，原因多为厂用负荷较大、发生故障或系统运行方式有问题。由于这些方式在切换过程中极易对设备造成损坏，因此对于发电机组对厂用电切换的要求判定主要是在切换的过程中不会导致设备发生损坏，并且能够减少备用电流跳闸而导致设备停运等事故。

二、同期装置和快切装置在使用中的功能错位

同期装置和快切装置具有完全不同的使用功能，但在我国现阶段的火力发电厂中，均使用同期装置用于两电源的解列操作，其中主要使用系统和发电机的同期应用。当发电厂和变电站的断路器遇到问题无法合环时，就采用断路器进行手工操作，这样有可能在操作时造成潮流的重新分配，也就是说，合环前运行的半环负荷会被新投入想线路重新分流。从这种情况中可以看出，如果负荷在分配时过大，那么由于负荷超过了额定电流值，或分配的功率大于了额定功率，就会导致继电保护装置把断路器进行二次切断，即人们平时所说的跳闸。人们对于跳闸的原因并没有做过特地的分析，也没有对问题进行处理，而是一直采用固定角度值的同期装置来检查合环点断路器的合闸回路，这个固定的角度和该半环线路的负荷之间存在一定的比例关系，若角度大于继电器的额定数值，那么合闸回路会自动闭锁，这样就不会引起合环操作导致再次跳闸。

同期装置的配置主要针对于有同期需要的断路器，所谓的同期，是指开环点的合作操作和两解列电源之间的并列操作。发电厂因为某些原因造成停止电源时，快切装置就可以迅速控制备用电源的断路器，启动备用电源为发电厂供电。由此可以看出，同期装置是在厂内用电正常时使用，而快切装置是在厂内发生停电情况时使用。我国目前的电力发展情况中，同期装置并没有对合环操作的需求进行考虑，而很多发电厂的断路器都是合环或开环，因此，在设计时都没有设置合环操作的同期装置，反而安装快切装置。快切装置是用来控制合环操作性能的断路器，这样同期装置和快切装置的功能匹配就发生了错位，导致同期装置负责两解列电源并网的断路器，如发电组高压侧断路器和发电机出口断路器等差频并网断路器，而快切装置却只负责厂用电断路器的正常切换，但它只具有粗糙的检同期功能，无法承担起这样艰巨的任务。显然，这种分配方式对于发电厂来说是非常不合理、不科学的，是错位的。

快切装置在发电厂中的作用类似于继电保护装置，都是负责事故停电后的厂用电切换。在发电厂正常运行中，并没有必要用快切装置进行操作，而且当今市面上很多快切装置的安全性能和精确性都没有达到规定的标准，它们的质量并不合格，合环操作无法满足工作需求，在超过额定值后，只能由工作人员手动对其进行操作，但并不是每位工作人员都具有专业的技术水平，操作不当极易引起事故，造成人员和物质的损伤，这时，快切装置非但无法为电厂进行服务，反正变成了一项安全隐患。

三、对同期装置和快切装置的分工

同期装置专门针对需要同期的断路器而进行操作，但这种操作方式只针对差频并网，并不顾及合环并网，这种设计是同期装置中非常错误的一点。

快切装置是在厂内发生突发事故时，在厂用电发生断电的情况下，作为备用电源切换而启动的。正常工作中，很多发电厂把快切装置在正常状态下和断电状态下的作用混为一谈，这也是快切装置操作中错误的一点。

火力发电厂内断路器合闸主要是合环操作性质，只有很少部分是差频并网性质，所以，对于同期装置和快切装置的合理匹配上，应主要采用同期装置对这些断路器进行控制。快切装置对于厂内事故后启动备用电源十分有效，因此，要保留快切装置中及时切换备用电源的功能，而抛弃其余粗糙又存在安全隐患的功能，这样才是同期装置和快切装置之间最合理的匹配方式。

[结语]

同期装置和快切装置都是火力发电厂中重要的组成设备，二者因为其结构不同，起到的作用也不同。传统发电厂中，由于技术水平的落后，并没有对同期装置和快切装置进行细致的区分，有时甚至颠倒了二者的功能。在生产中，正确配备同期装置和快切装置十分重要，不但可以降低厂内的安全隐患，更主要是可以最大程度的发挥设备的功用，对于电力生产的安全和高效都起到了积极的作用。

[参考文献]

[1] 胡延青.大型火力发电厂同期装置和快切装置功能的合理匹配[J].继电器.2010.（09）：67-70

[2] 苏鹏飞.柳冬冬同期快切装置在发电公司捷制机组中的运行分析[J]. DCS控制系统.2010（08）：68-69

功能匹配篇3

1 西城区商业中心发展与居住功能的匹配

德国地理学家克里斯泰勒提出的中心地理论, 是分析商业中心与居住人口是否匹配的重要理论[3]。中心地的等级取决于其能够提供的商品和服务的种类, 不同等级的商业中心其服务范围不同。这主要是由于不同类型的商品其门槛人口不一样, 奢侈商品的门槛人口高, 日常生活用品的门槛人口低。很多学者利用中心地理论划分了城市商业中心的等级[4,5,6,7,8]。本文关注高等级商业中心与全市范围内居住人口的匹配, 低等级商业中心与周边街道人口的匹配。

1.1 北京市商业空间格局中的西城区商业中心地等级

本文根据2011年规模以上基本单位的数据, 制作了2011年北京市四环以内地区各个商业中心规模以上百货企业营业收入权重图, 显示了西城区主要的商业中心, 其中西单是一级商业中心, 二级 (区域级) 商业中心有阜成门、复兴门、菜市口、新街口、西直门、广安门外等。

1.2 高等级商业中心与全市范围人口的匹配

1.2.1 一级商业中心——西单

西单是最高等级的一级商业中心。调查结果显示, 西单的服务人口既来自中心城区 (64.7%) , 也来自近、远郊区 (16.1%) , 还有来自京外的旅游人口 (19.2%) 。这说明西单的服务人口的范围是非常广泛的。但是, 与王府井相比, 西单高端商业的比例不足。北京正朝着建设世界城市的目标发展, 商业服务业还有很大的发展空间。西单紧邻金融街, 具有突出的区位优势, 改善商业环境、依托金融街提升服务功能和品质是西单高端化发展的重要途径。

1.2.2 二级商业中心

按照中心地理论推论, 西城区二级商业中心地服务范围是1000~2000千米的半径之内。在这些二级商业中心的覆盖范围内, 这五年常住人口数量虽然未减少, 但是因为当地居民将房屋转租给外地人, 或者人户分离等原因, 真正居住的人口减少了, 加之居民消费选择的多样化, 使得西城区一些二级商业中心的地位有所下降, 比如甘家口、菜市口、白纸坊等。

1.3 低等级商业中心与街道人口的匹配

低等级商业中心对应着三、四级商业中心, 规模一般比较小, 服务半径也比较小, 比如, 西城区的北太平庄、新街口、西四、护国寺等都属于这类商业中心。这类商业中心一般是服务于周边半径1000米之内的地区。因此, 可以参照人口密度, 大致推断其服务人口的数量。首都行政区划调整后, 新西城全区总人口的总体趋势是增长的, 但是在西城区内, 街道级别的人口密度有增有减。人口密度的减少意味着居民对周围低端商业网点的需求会下降, 这些地区的商业中心就可能会萎缩。在未来商业设施建设中需要注意社区级商业中心与常住人口的动态匹配。

2 西城区商业发展与交通功能的匹配

2.1 西城区商业空间与交通拥堵的关系

根据交通调查数据, 西城区交通流量比较集中的是德外地区、西外地区和金融街地区, 交通拥堵显著的点段有西直门地区、德胜门地区、月坛地区和西单地区[9]。其中, 西二环路 (西直门至西便门) 拥堵与商业区几乎没有关系, 西二环为西城区南北向主要通道, 南北方向过境交通大多汇聚于此, 由此造成其交通量大;阜成门内大街 (阜成门至西四北大街) 拥堵与商业区有一定关系;德胜门至积水潭方向拥堵与商业区的关系不大, 拥堵的主要原因是北面进出核心区的人流主要在这里分流到二环之内。西城区交通主要拥堵路段与具体的商业中心没有直接的关系, 与二环内就业机会集中有直接关系, 但是商业区的路面交通速度慢与车流量大有关系。商业空间与交通空间的匹配问题主要表现在停车空间不足上。

2.2 西城区商业空间交通改善的建议

西城区未来道路建设的扩容空间相对比较小, 所以, 完全依靠扩充交通供给的办法来改善西城商业区的交通问题是不可行的。在改善商业区的交通情况方面, 国内外经历了一个由提高交通供给到交通需求管理 (TDM) 的阶段[10]。要改善商业区的交通拥挤, 需要通过鼓励乘坐公交、限制私车进入商业区的泊车成本等措施, 减缓地面的交通。同时, 充分挖掘现有交通设施的能力、合理开发地下空间, 拓展交通资源。比如西单地区, 消费者中一半以上 (57.7%) 乘坐地铁, 公共交通能减少道路拥堵的情况, 另一方面, 西单的未来发展要指向依托金融街的高端发展, 因此, 需要适当增加停车设施的规模。由于西单本身的交通用地拓展空间极为有限, 所以建议西单的交通建设以完善周边路网系统建设为主。再比如什刹海这样的历史文化保护区, 同时也是重要的旅游商业区, 其交通建设需要维持现有道路及街巷胡同的机理和空间尺度, 重在调整交通组织、治理交通环境, 体现历史风貌街区的氛围。

3 北京市西城区商业发展建议

3.1 西单——基于中端的高端化

西单需要高端化的原因:第一, 西单与阜成门、复兴门二级商业中心毗邻, 它们所提供的二级商品和服务面临激烈竞争;第二, 西单的高端商品和服务不及王府井商业区。本研究根据简单随机抽样调查了西单消费者的消费行为和特征。调查共发放问卷273份, 回收有效问卷266份, 有效率为97.44%。对西单消费者基本情况的调查显示, 西单的消费者群体收入水平较高, 这一点可以说明西单高端化的潜力大, 高端化可以释放高收入群体的购买力。对西单不同等级商业的联系程度调查显示, 消费者多去不同等级的商场, 而且不同等级商场客流量没有太大的差别。这说明西单需要并且可以走产业升级、品牌提升的高端化道路, 但是不能盲目高端化。按照目前消费群体的消费习惯, 要保持一定的中低端商业, 给消费者多样化的选择。

3.2 什刹海地区——发展高端成熟文化创意产业

国外城市内城衰落区的更新或再建模式中有一种现象叫“中产阶级化”或“绅士化” (gentrification) 。“绅士化”指的是中产阶级从郊区迁回内城衰败地区, 返迁回来的中产阶级中许多是从事创意产业的人员[11]。中产阶级的进入提高了当地的税收, 从而使得街区基础设施得到修缮, 一些历史建筑得到了更好的保护和再利用。这种形式或许可以用于西城区旧城商业区的更新模式。我国城市的税收制度是在企业所在地纳税, 这应该更利于旧城的更新。但是与国外城市不同的是, 中国城市土地的国有制使得目前私人投资更新的动力不如国外强。中高收入人群进入西四、什刹海历史文化保护区的速度还是很低的。根据国内历史街区不同的保护动力和演变过程, 可以将中产阶级化现象粗略划分为“旅游休闲产业带动型”和“高端传统住区产品开发型”两种模式。西城区除了稳固琉璃厂等地的原有创意产业集中地外, 还可以以什刹海地区为基地, 通过连片规划文化创意产业园区或高端居住区, 加快吸引中产阶级人群进入, 进而促进历史文化区的保护, 并兼顾实现发展经济的目标。

3.3 三级商业中心——柔性专门化规划

类似业种的小型商业企业向同一个地域集中, 彼此可以带来正外部性。有学者提出这种现象是后福特时代“柔性专门化” (flexible specialization) 的表现。柔性专门化原本是企业的竞争策略, 转换到经济地理学上体现为商业区内的所有小企业不断调整, 以求获得更高的获利机会, 客观上则加强了该商业区的整体竞争力。西城区目前专门化的三级商业中心有马连道茶叶特色商业区和菜市口黄金珠宝艺术品交易中心。这两个中心的发展已经颇具成效, 为西城区其他商业中心的发展提供了一定的参考经验。西城区可以进行专门化的地区还有积水潭至宣武门沿线。据调查, 积水潭—宣武门沿线的专门化业种有五个:婚纱摄影、珠宝玉器、小五金电机、乐器、服装。缸瓦市到西四是婚纱摄影和珠宝玉器专业区;西四到平安里是小五金电机专业区;护国寺到新街口是乐器专业区和第二个珠宝专业区;新街口到积水潭为服装专业区。所以, 积水潭—宣武门这一沿线已有专门化的基础, 而且沿线公交、地铁站点密集, 具备很强的交通优势。对这一沿线的专门化产业进行一定的规划和营销, 是保持西城区低等级商业中心活力的重要举措。

4 结论及建议

本文以定性分析为主, 结合问卷调查, 分析了西城区商业与居住和交通的匹配问题。最后给出了西城区商业发展的一些建议:一是建议西城区依托金融街的优势发展高端商业;二是建议在什刹海地区促进文化创意产业的发展;三是建议选择交通便利的低等级商业区进行专门化的产业规划。以期为西城区的商业发展提供一定的帮助。

摘要：商业与居住、交通匹配与否, 直接影响到商业中心的发展。本文首先依据中心地理论分析西城区商业中心与人口匹配的情况, 然后分析了商业中心与交通的匹配, 并对西城区商业的发展提出建议。

关键词：匹配,商业,居住,交通,西城区

参考文献

[1]北京市西城区“十二五”规划研究课题组.北京市西城区“十二五”规划研究课题成果汇编 (三) .

[2]北京市统计局, 国家统计局北京市调查总队编.北京市2010年国民经济和社会发展统计公报.

[3]CHRISTALLER W.德国南部中心地原理[M].常正文, 王兴中等译.北京:商务印书馆, 1998.

[4]宁越敏.上海市区商业中心区位的探讨[J].地理学报, 1984, 39 (2) .

[5]吴郁文, 谢彬, 等.广州市城区零售商业企业区位布局的探讨[J].地理科学, 1988, 8 (3) .

[6]李振泉, 李诚固, 周建武.试论长春市商业地域结构[J].地理科学, 1989, 9 (2) .

[7]宁越敏, 黄胜利.上海市区商业中心的等级体系及其变迁特征[J].地域研究与开发, 2005, 24 (2) .

[8]仵宗卿, 戴学珍.北京市商业中心的空间结构研究[J].城市规划, 2001 (10) .

[9]北京交通发展研究中心, 北京市规划委员会西城分局.西城区综合交通规划.

[10]梁禹民.沈阳市太原街商业区交通改善研究[D].同济大学建筑与城市规划学院, 2007.

最佳匹配变功率匹配技术的应用篇4

发动机与液压泵的匹配中,最常见的是采用传统恒功率控制系统,但实际工作中由于工况变化,如高速工况或精细作业工况时,需要不断改变恒功率值的设定,以保证发动机处于最佳工作状态,这给作业带来了诸多不便。

为解决上述问题,需要引入变功率控制技术,通过检测发动机在当前转速下的标定功率以及液压泵在当前的实际输出功率,经控制器比较两者间的差值,反馈至液压泵或者发动机,以控制泵的恒功率设定值或者调整发动机转速。

电子越权功率控制的引用

功率调节控制中需加装功率控制阀,功率值就可以通过改变控制电流的大小来实现功率在可调范围内变化。其原理就是在恒功率控制阀上加比例电磁铁,在正常工作状态下,液压泵恒功率曲线为初始值,通过恒功率调节,保证液压泵工作在恒功率曲线上,不会超过发动机最大输出功率。当出现由于外部条件导致发动机性能下降,使发动机输出扭矩小于泵吸收扭矩时,通过系统转速感应,控制电子越权电磁阀调整泵输出功率变化。

极限负载控制

极限负载控制技术主要根据负载的变化自动调节变量泵的排量,以保证变量泵输出功率与发动机输出功率相匹配,保护发动机不过载,使整机能够在任意发动机转速下满载正常工作。调节规则为:负载增大(减小),系统压力升高(降低),泵的吸收功率增大(减小),发动机转速下降(增大),系统检测转速变化,调节泵减少(增大)排量,从而降低(增大)泵的吸收功率,保证泵和发动机输出功率相匹配。转速感应控制的优点是容易实现发动机转速的准确控制,并且泵额定压力一额定流量特性是标准的双曲线,无误差,充分地利用了发动机功率,有效地防止了发动机过载。

分级作业模式

基于模糊匹配的多级车牌匹配技术篇5

随着智能交通技术的发展,城市交通管理系统和公路交通管理系统的自动化、智能化水平在不断提高,视频监控设备、电子拍照设备、移动监测设备被广泛地布设在路网中的观测站、收费站及重要路口,通过车牌自动识别技术可以从这些设备获取图片、视频中提取车牌信息。当前,我国城市路网和国道、省道等公路网每天都在获取超过百万计的车辆检测信息,包括车牌号、车辆通过路口的时刻、路口ID等。然而这些信息却没有得到足够的重视和高效的利用,当前的车牌利用停留在车速测量、不停车收费、交通违章的初级阶段,未能从网络化、全局化、轨迹化的角度来分析利用车牌数据,造成了车牌资源的很大浪费。

近年来,ITS技术的发展使牌照自动识别技术更加完善,车牌捕获率和识别率有了显著提高,车牌号作为全世界惟一对车辆身份进行识别的标识,它的特殊性和重要性决定了车牌识别系统成为城市智能交通管理系统中不可或缺的重要组成部分。通过对比同一辆车经过上下游路口车牌被识别到的时刻,可以对一辆车连续通过两个路口的旅行时间进行计算[1],可以分析该路段的交通状态[2,3]、延误、路段服务水平等交通分析评价指标,还可以分析车辆的出行轨迹[4]等,而这些分析的前提是要对得到的车牌号进行匹配、处理。

现在的车牌识别系统虽然有了很大的发展,但是由于车牌的污损、模糊、遮挡、天气等原因,识别车牌的准确率达到100%是不可能的。如果车牌没有被正确读取,精确的车牌匹配会损失掉这部分数据,影响后续工作的完成,因此选用合适的方法对车牌进行匹配显得尤为重要。

本文设计的车牌匹配方法采用多级匹配策略:一级匹配,限定车牌经过上下游交叉路口的时间间隔;二级匹配,车牌模糊匹配、设定阈值,增加匹配成功率;三级匹配,异常数据剔除。通过北京市某路段的实测数据进行验证。图1为车牌多级匹配流程框架图。

1 限定时间间隔

车牌数据为车辆通过停车线后检测区域时识别得到,车辆通过每个路口时,其车牌将被识别并存储。车辆正常行驶,经过上下游路口的间隔时间是在一定范围内的,如果间隔时间过大,则不能进行有效地车牌匹配数据。原因在于:上下游交叉口获取的相同车牌数据可能来源于车辆的二次出行,甚至是多次出行。在限定的时间间隔内进行车牌匹配,可以有效地减少这种情况的发生。对于交通量大的路口,每天都有海量的车牌数据,在匹配之前限定范围,可以大大减少车牌匹配的工作量,加快匹配速度。车牌识别系统中可能出现如“京A12345”、“京A12845”,这种情况有可能源于车牌系统识别错误,将3识别为8,也有可能本身就是两个不同的车牌,限定时间间隔可以减少这种情况出现的匹配误差。限定车牌经过上下游交叉路口的时间间隔可以很好地提高基础数据的质量。

假定当前路口有一要匹配的车牌A,在下游路口选取10 min(可以根据上下游路口的路段长度及交通状况等进行调整)内的车牌数据进行匹配,这样减少了匹配的工作量,同时提高了匹配的准确率。

2 模糊匹配算法

现阶段的车牌匹配大多采用精确匹配,车牌的精确匹配是指查找的车牌与搜索到的车牌完全相同,是最理想的匹配方式。但是,这种方法匹配要求严格,存在一些弊端,当车牌识别错误时,无法返回匹配结果,不能满足研究的需要,故需要寻找一种匹配率较高的方法。

车牌其实就是一串字符串,可以通过研究各种字符串的匹配算法实现车牌的匹配。字符串匹配[5]可以分为精确匹配和模糊匹配。本文的车牌匹配采用后一种,即模糊匹配[6]。

2.1 编辑距离的定义

本文拟采用“编辑距离”[7,8]的概念实现模糊字符串的匹配。通俗地讲,编辑距离算法是指两个字符串之间,由一个字符串通过一些编辑操作可以变换成另外一个字符串所需要的最少编辑次数。这里的编辑操作包括从字符串中删除、插入、更改一个字符,称为一个编辑距离,它能够体现两个字符串的差异。

起始的编辑距离是0,然后操作一次编辑距离就加1,直到这个字符串已经完全变成另外一个字符串。操作的次数越多,那么编辑距离就越大,最少操作次数代表了最精确的操作,也就是变换过程中的最优解。

例如将变换成 ,可以按照这样的步骤转变:

( 1 )将kid中的第三个字符d变成n ( kid→kin );

(2)在kin的后面添加g(kin→king)。

经过了2次编辑操作,那么kid到king的编辑距离为2。

通过计算编辑距离,可以得出最佳匹配。

2.2 算法实现

车牌字符串具有如下的特点:

(1)汽车牌照的位数固定,一般为7位,最多的如武警车牌(WJ01-12345)等极少数为9位。

(2)对汽车牌照进行模糊匹配时与字符串有所不同,字符的匹配顺序不能颠倒。

基于车牌的特性,车牌匹配的编辑操作不能有删除、插入,只考虑从字符串中将一个字符改为另一个字符的操作。

假设现在已求得A的前i - 1个字符编辑成B的前i - 1个字符的最短编辑距离,此时如果A、B的第i个字符相同,显然无需任何字符操作就可以在原来的基础上得到A、B的前i个字符相同 ,此时的编辑距离就是D(i) = D(i - 1) ;如果A、B的第i个字符不相同,则可以通过更改A的第i个字符为B的第i个字符,此时也可以在原来的基础上使得A、B的第i个字符相同,由于只做了一个修改操作,因此D(i) = D(i - 1) + 1。

综上所述D(i) 的递推公式如下:

假定待匹配的车牌号是A,它是一串字符串设为A{a1,a2,…,ai,…,am}( 7 ≤ m ≤ 9),在数据库中等待要匹配的车牌号有n个 ,放在集合S{B1,B2,…,Bj,…,Bn} (0 < j ≤ n) 中 ,每一个车牌号是一串字符串设为Bj{b1,b2,…,bi,…,bm} ,将字符串A中的一个字符编辑成字符串Bj所需的最小操作数记为D(A,Bj)。

算法的思想是将待匹配的车牌号A的第一个字符与数据库中的Bj的第一个字符进行匹配,若相等,则D(1)= 0;若不相等,则D(1)= 1。继续比较A的第二个字符和Bj的第二个字符;依次比较下去,直到字符串匹配完成,得到A和Bj的编辑距离D( j)。车牌数据库中有n个待匹配的车牌,需要依次求出A与这n个车牌的编辑距离,编辑距离越小,其匹配度越高,要想得到一个与A匹配度最高的车牌,需要取A和Bj的编辑距离的最小值, 即D(A,Bj)= min{D( j)}。

用C#代码来实现A和某一Bj的编辑距离,如下:

2.3 匹配方案

如何从海量的数据库中搜索出需要匹配的车牌。解决这个问题之前,必须首先解决串的相似性如何定义。俄国的Vladimir Levenshtein在1965年就提出了用编辑距离[5]的概念来描述两个字符串的相似程度,因此编辑距离又称Levenshtein距离。编辑距离越小,其相似程度越高。编辑距离越大,其相似程度就越低。假设字符串的最大长度为L,编辑距离为D(A,Bj),相似度为S,那么:

在当前技术下 ,车牌识别系统的识别率达不到100% ,在车牌识别中可能将车牌“京CE0192”识别为 “京CEQ792”,这实际为同一车牌,为了提高匹配的效率,设定其相似度在一定的范围。将阈值设为0.6,即S > 0.6时,两个车牌之间是匹配的。其中S = 1时,A到Bj的操作次数是0,也就是完全匹配。

在交通流量比较大的路口,车牌数据比较多,每一次匹配都是海量数据,车牌匹配速度的快慢影响其设计系统的效率。车牌具有一些其他字符串没有的特性,“京B12345”和“京C83345”在第4个字符时编辑距离为3,相似度已经超过了设定的阈值0.6,为了提高速度,这两个车牌没有必要匹配下去,可以大大的提高其效率。

3 异常数据剔除

经过上述方法匹配之后的车牌,依然会出现异常数据,这些异常数据可以用行程时间来进行剔除。出现异常行程时间数据主要有以下因素:系统误差,由于采集车牌装置出现误差;异常交通行为,车辆在道路上偶然停车、车辆从道路上离开正常行驶轨迹等。一些异常的交通行为对交通流量产生震荡,从而导致行程时间突变。这些数据都会显著影响对路段旅行时间的估计,需要应用一定的筛选算法将其从数据中剔除,以便提高输出数据的质量。

四分位数法[9](Quartile)是统计学的一种分析方法, 用于描述任何类型的数据,尤其是偏态数据的离散程度。简单地说,就是将全部数据从小到大排列并分成4等分,处于三个分割点位置的数值就是四分位数,使用四分位数间距来反映变异程度的大小。其中,四分位数间距指的是:上四分位数与下四分位数之差。相关文献给出了一种基于四分位数法的异常数据的处理方法:凡是超出此区间范围之外的数据,都被认为是异常数据需要剔除:

式中:Z表示有效数据区间;Q0.25表示位于1 4位置的数值,叫做下四分位值;Q0.75表示位于3 4位置的数值, 称为上四分位值;R表示四分位极差。

四分位数法的计算比较简便,计算速度较快,图2为四分位数法处理前后的效果。由图2可以看出,通过四分位数法可以较好地处理掉旅行时间过大或过小的异常数据,为后续的统计分析等提供高质量的基础数据。

4 实例分析

利用北京市利泽东二路口北向南和利泽东街口北向南的实测车牌识别数据进行三级匹配策略的实例分析,路口情况如图3所示。

利用文中设计的匹配算法,对2014年2月6日24小时内经过两个路口的车牌进行匹配。经人工匹配成功的有110对,经多级匹配之后成功的有106对,精确匹配的只有88对。

设定该路段的时间间隔为10 min,车辆京K06276在09:22:55经过利泽东二路口,在18:49:55经过利泽东街口,间隔时间大于设定的路段时间间隔,该算法可以很好地避免这种情况下的错误匹配。

按照设定的相似度阈值,匹配结果(去除精确匹配部分)如表1所示,为了对比实验结果,人工做了车牌的匹配,匹配结果(去除精确匹配部分)如表2所示。

实验结果表明,精确匹配的匹配率为80%,如果只通过精确匹配,则会遗漏掉表2中的数据。多级匹配的匹配率为96.36%,比人工实际的匹配结果少了4对,这4对车牌的相似度依次为0.43,0.43,0.29,0.57,超过设定的阈值,仅占整个匹配车牌的3.64%,说明设定的相似度阈值0.6是合理的。相似度阈值设置过小,会导致一些车牌不能匹配,达不到理想的匹配率。阈值设置过大,会导致匹配的错误率提高,速度降低。