引言 近几年国家不断完善道路交通安全管理体系(3)
2013-04-24 18:44
导读：3 城市道路交通色彩调和优化模 型色彩调和可以理解为两种或多种色彩按一定的方法，统一而协调的组合在一起，使色彩关系呈现出规律性、秩序性，满足
3 城市道路交通色彩调和优化模
型色彩调和可以理解为两种或多种色彩按一定的方法，统一而协调的组合在一起，使色彩关系呈现出规律性、秩序性，满足人的视觉审美和心理需求的色彩搭配。而科学的颜色描述是科学的颜色调和理论的基础。目前，颜色一般以三维空间的形式表达，具体的度量尺度随着应用的不同而不同。在基于显示的模型中，RGB 系统常用于颜色编码和生成；从颜色的心理效应出发描述颜色的空间一般称为颜色感知空间，比如Munsell 系统。现代的色彩调和理论有孟塞尔色彩调和理论、孟·斯宾瑟色彩调和理论等。
将色彩设计方案进行调和处理以获得和谐色彩效果的过程本质上是一个色彩配置的组合优化问题。所以在上述现代色彩理论的基础上，建立了城市道路交通色彩调和优化模型，步骤如下：（1）建立待调和色彩库，按灰色理论建立的各因素权重按由大到小的顺序分批次向待调和色彩库中加入该因素中与待调和色彩库包含色彩不同的色彩；（2）将易于采集数据的RGB 模型转换为HVC 模型；（3）进行两两色彩的组合，并计算色相差△H、明度差△V、纯度差△C；（4）根据算得的△H、△V、△C 判定色彩间是否调和；（5）按照孟·斯宾瑟色彩调和理论提供的伯克霍夫公式进行美度评价，若美度评价值M>0.5，则符合美度要求，此时调和色彩库的色彩组合均符合调和约束；否则，转回步骤（2）调整色相H 值；（6）将完成调和的色彩库中色彩HVC 值转化回RGB 值，并用计算机生成相应颜色；（7）判断所有因素相应的色彩是否已经分批次加入调和色彩库，如果是，则城市道路交通色彩调和完成；否则，按权重大小降序分批次加入该因素所包含颜色与调和色彩库中颜色不同的颜色。具体流程图如。
（科教范文网http://fw.nseac.com） 4 城市道路交通色彩验证算例
4.1 城市道路交通色彩安全评价
为了验证上述评价模型的准确性，特选择了一个算例对所建评价模型进行测试。经过对徐州市典型路段的对比，综合车流、人流、交通系统组成等，最终选定徐州市解放南路为测试路段。本例的数据来自对徐州市解放南路色彩安全评价的调查。调查的数据以打分量表的形式返回（解放南路现场随机发放，回收问卷234 份；中国矿业大学安全学院、
艺术学院和交通运输系中选取具有硕士以上学历学者30 份），然后经过打分量表信效度的分析和异常数据的检验，筛选出正常合理的数据，应用灰色理论评价法评价，灰色理论评价法的结果数据即是BP 网络评价法的期望值。这样，便汇集了评价打分和评价结果，构成了BP 网络的训练样本对。
将筛选后数据256 组数据分为三部分：专家打分的30 组数据作为测试组数据；剩余的226 组数据随机分为两部分，其中149 组数据为BP 神经网络训练组数据，77 组数据为BP神经网络检验组数据。经过评判表方法得出评价系统样例一二级指标目标权重值如下：
WA={5/24，9/24，9/24，1/24}；WB={1/2，1/2，5/12，2/12，5/12，5/24，5/24，9/24，5/24，5/12，2/12，5/12}。依据灰色系统评价的算法，运用EXCEL 2003 软件对256 组数据进行传统评价，得到综合评价值6.3541。
标准化各组数据，并设置神经网络和遗传算法结构[13]。算例使用具有一个输入层、一个隐含层和一个输出层的三层网络模型，输入层节点数为12，输出层节点数为1，隐含层节点数为10，初始学习率为0.1，动量因子为0.95，训练误差目标为1.0*10-6，最大训练步数为10000，各层使用函数依次为tansig，tansig，logsig。训练模式：traingdx。遗传算法初始种群为90，遗传代数为100。网络训练数据为训练组数据与灰色评价值组成的149 组数据对，检验网络训练精度的输入数据为77 组检验组数据、检验期望值均为灰色综合评价值。最后测试组数据为专家学者提供的30 组打分数据。
经过以上参数的确定和输入，使用MATLAB7.0（需另外加载遗传算法工具箱GAOT）进行编程求解GA-BP 模型，求得综合评价值6.3396 与专家评价综合值6.3667 的误差仅为0.43%，均属于神经网络评价集中的一般级别。
