基于偏好信息的實數型不確定交通安全測度研究

王斌

（西南交通大學，四川成都 610031）

基于偏好信息的實數型不確定交通安全測度研究

王斌

（西南交通大學，四川成都 610031）

由于交通安全問題的復雜性和交通安全測度者認識的不確定性，在實數型不確定交通安全測度過程中可能會給出不同形式的偏好信息。針對互反判斷矩陣、模糊互補判斷矩陣、殘缺互補判斷矩陣和混合判斷矩陣4種測度對象偏好信息，分別采用特征向量法、最小方差法、殘缺互補判斷矩陣的線性方程組法和混合判斷矩陣的線性目標規劃法計算出相應的排序向量，然后采用WAA算子合成出每個交通安全測度對象的綜合測度值，并排序。算例研究證明該方法的有效性和易操作性。

偏好信息；實數型；不確定；交通安全測度

0 引言

由于交通安全問題的復雜性和交通安全測度者認識的不確定性，不確定交通安全測度問題已成為交通安全評價中的一個新的研究方向。目前，關于方案無偏好的不確定多屬性決策問題的研究已經取得了豐富的成果[1-7]。然而，在實際交通安全測度過程中，交通安全測度者通常對交通安全測度對象有一定的主觀偏好，即對交通安全測度對象有偏好信息的不確定交通安全測度問題，國內外學者對此研究較少。本文針對基于偏好信息的實數型不確定交通

安全測度問題，提出了一種基于判斷矩陣和WAA算子的不確定交通安全測度方法，即對偏好信息分別采用互反判斷矩陣、模糊互補判斷矩陣、殘缺互補判斷矩陣和混合判斷矩陣4種標度，再分別使用特征向量法、最小方差法、殘缺互補判斷矩陣的線性方程組法和混合判斷矩陣的線性目標規劃法計算出各自排序向量，最后采用WAA算子合成出每個測度對象的綜合測度值，并通過算例證明該方法的有效性和易操作性。

1 交通安全測度者的偏好信息類型

ij表示交通安全測度者dk認為交通安全測度對象χi優于交通安全測度對象yi的程度，且，則此類信息為互補判斷矩陣型偏好信息。

如果交通安全測度者dk根據某一準則或偏好對交通安全測度對象進行兩兩比較，給出互反判斷矩陣Ak=（akij）n×n，其中akij表示交通安全測度者dk認為交通安全測度對象χi優于交通安全測度對象yi的程度，且，則此類信息為互反判斷矩陣型偏好信息。如果互補判斷矩陣中，既有殘缺元素又有非殘缺元素，且非殘缺元素滿足cij+cji=1，cii=0.5，cij≥0，則此類信息為殘缺互補判斷矩陣偏好信息。

既含有互反判斷信息，又含有互補判斷信息的矩陣稱為混合判斷矩陣，該矩陣所反映的信息為混合判斷矩陣型偏好信息。

2 基于偏好信息的實數型不確定交通安全測度方法

交通安全測度者在表達交通安全測度信息時，往往以感性認識為判斷依據，具有不精確、不完備的特點；同時，交通安全測度的要求又有輕重緩急之分。因而，交通安全測度者常常以互反判斷矩陣、互補判斷矩陣、殘缺互補判斷矩陣和混合判斷矩陣等偏好形式對交通安全測度對象進行測度，并采用特征向量法、最小方差法、殘缺互補判斷矩陣的線性方程組法和混合判斷矩陣的線性目標規劃法對交通安全測度對象進行排序。

2.1 特征向量法

但是，由于交通安全問題的復雜性及交通安全測度者知識水平的影響，在實際交通安全測度中所做出的判斷往往是非一致性的，所以式（1）一般不成立。因而可以用下列特征值問題來近似代替式（1）：

式中：λmax——互反判斷矩陣A的最大特征值；

ω——A的最大特征值所對應的特征向量，歸一化后就是A的排序向量。

由此導出排序向量的方法稱為互反判斷矩陣排序的特征向量法（CEM）。

為了求得互反判斷矩陣A的排序向量ω=（ω1，ω2，…，ωn），可采用下列迭代算法[8]：

（1）任取初始正向量

ω（0）=[ω1（0），ω2（0），…，ωn（0）]∈A，給定迭代精度ε。令k=0。

（2）計算

F（ω）總是越小越好，因此，合理的排序向量ω*應使

ω為轉換矩陣A的排序向量。

2.2 最小方差法

設判斷矩陣B是模糊互補判斷矩陣，ω=（ω1，ω2，…，ωn）是B的排序向量。如果

則對任意k∈N，有bij=bik-bjk+0.5，故矩陣B是加型模糊一致性互補判斷矩陣。如果B不是加型模糊一致性互補判斷矩陣，則式（3）往往不成立。為此，引入偏差項，即令

同時構造偏差函數

用構造法解題,關鍵是構造,它無一定之規,表現出思維的試探性、不規則性和創造性[2]．本題還可通過構造函數y=lnx與y=ax-1或構造函數與y=a來解決．

成立。由此導出排序向量的方法稱為模糊互補判斷矩陣的最小方差法（LVM）。

設互補判斷矩陣B=（bij）n×n，則由LVM求得的排序向量ω=（ω1，ω2，…，ωn）滿足[9]：

2.3 殘缺互補判斷矩陣的線性方程組法

對于某一交通安全測度問題，交通安全測度者利用互補標度在某一準則下對測度指標進行兩兩比較，并構造殘缺互補判斷矩陣C=（cij）n×n。其中C中的殘缺元素cij用未知數χ表示，且相應的cij用1-χ表示。

對于殘缺互補判斷矩陣C=（cij）n×n構造一個輔助矩陣=（）n×n，其元素為得到一個線性方程組，并解之，可得殘缺互補判斷矩陣C的排序向量ω=（ω1，ω2，…，ωn）。

2.4 混合判斷矩陣的線性目標規劃法

當C=（cij）n×n是一致性混合判斷矩陣時，其中的互反判斷信息滿足：

其中的模糊互補判斷信息滿足：

由于交通安全測度者在實際測度時所給出的判斷矩陣常常是非一致性的，νi=cijνj和cjiνi=cijνj一般不成立。為了刻畫此非一致性，引入偏差函數：

為了得到合理的排序向量ν=（ν1，ν2，…，νn），偏差函數fij的值總是越小越好。求解最佳排序向量ν=（ν1，ν2，…，νn），構造下列多目標最優化模型

假設所有的交通安全目標函數都是公平競爭的，且每個交通安全目標函數fij的期望值都是0，所以可以將上述模型轉化為

tij——dij的權系數。

解此線性目標規劃模型，可以得到混合判斷矩陣C的排序向量ν。

3 算例

路口渠化是提高道路通行能力的重要措施，也是提高交通安全水平的重要手段。渠化路口是指依據《城市道路設計指南》，根據路口流量和基本特征，對車輛、行人作合理分離、導流等設計，并以標線和其他物理設施等形式實施的路口。渠化是否合理的判斷依據是：（1）路口渠化時，左轉、直行、右轉進口道數量是否與相應方向的交通量一致，用U1表示；（2）路口中央是否有導流標線，用U2表示；（3）兩相位控制時，左轉車道是否有等待位置指示線，用U3表示；（4）根據視距三角形原理，是否保證了足夠視距，用U4表示；（5）信號周期、綠信比和相位差3個參數設置是否符合路口交通流的實際情況，用U5表示；（6）路口渠化與信號控制參數設置是否協調，用U6表示；（7）渠化標志是否符合規范，用U7表示；（8）渠化標線是否符合規范，用U8表示。現有4位交通安全測度者dk（k=1，2，3，4）根據上述8個指標對4個路口χi（i=1，2，3，4）進行打分（范圍從0分到100分）測度，其測度結果如表1～表4所示。

同時這4位交通安全測度者對上述8個指標利用0.1～0.9五標度或1～9標度進行兩兩比較并構造判斷矩陣Bk（k=1，2，3，4）（它們分別為互反判斷矩陣、模糊互補判斷矩陣、殘缺互補判斷矩陣和混合判斷矩陣），即：

表1 測度者d1給出的測度矩陣R1

表2 測度者d2給出的測度矩陣R2

表3 測度者d3給出的測度矩陣R3

表4 測度者d4給出的測度矩陣R4

試對這4個路口交通安全狀態進行測度。

（1）計算交通安全指標判斷矩陣的排序向量。

利用特征向量法求出B1的排序向量：

利用模糊互補判斷矩陣排序的最小方差法求出B2的排序向量：

利用殘缺互補判斷矩陣排序的方法求出B3的排序向量：

利用混合判斷矩陣排序的線性目標規劃法求出B4的排序向量：

（2）利用WAA算子對交通安全測度矩陣Rk中第i行的交通安全指標值進行加權合成，得到交通安全測度者dk所給出的測度對象χi的綜合交通安全測度值（ω（k））。

（4）利用CWAA算子對4位交通安全測度者給出的測度對象χi的綜合交通安全測度值z（k）i（ω（k））合成。

（5）按zi（λ，w）值大小排序。

4 結束語

針對基于偏好信息的實數型不確定交通安全測度問題，本文給出了互反判斷矩陣、模糊互補判斷矩陣、殘缺互補判斷矩陣和混合判斷矩陣4種偏好信息類型，分別采用特征向量法、最小方差法、殘缺互補判斷矩陣的線性方程組法和混合判斷矩陣的線性目標規劃法求解。該方法計算簡單，易于上機實現，為解決多種偏好信息形式的實數型不確定交通安全問題提供了一個新的途徑。

[1]熊文濤，劉三陽，史加榮．不確定型多屬性決策的一種新方法[J]．系統工程與電子技術，2005，27（5）：841-843.

[2]許葉軍，達慶利．一種不確定型OWGA算子及其在決策中的應用[J]．系統工程與電子技術，2005，27（6）：1038-1040.

[3]許葉軍，達慶利．不確定型多屬性決策的權系數確定及其應用[J]．系統工程理論方法應用，2005，14（5）：434-436.

[4]Yao SB，Yue C Y．Method formultip le attribute decisionmaking under risk based on synthetic weighting[J]．Systems Engineering and Electronics，2005，27（12）：2047-2050.

[5]Zhou H G，Liu S Y．Method of uncertainmulti-attribute decision-making based on quadratic programm ing and relative superiority degree[J]．Systems Engineering and Electronics，2007，29（4）：559-562.

[6]HuangW Q，Yao SA，Guo Y J．Dynamic comprehensive evaluation model of incomplete index preference information and its application[J]．Journal of Northeastern University（Natural Science），2011，32（6）：891-894.

[7]Cai Z Y，Cai ZQ．Group-decision making withmulti-level using vague set under fuzzy preference environment[J]．Journal of Huazhong University of Science&Technology：Natural Science，2010，38（9）：68-71.

[8]徐澤水．互補判斷矩陣的兩種排序方法——權的最小平方法及特征向量法[J]．系統工程理論與實踐，2002，22（7）：71-75.

[9]徐澤水．模糊互補判斷矩陣排序的最小方差法[J]．系統工程理論與實踐，2001，21（10）：93-96.

Research on real uncertain traffic safety measurement based on preference information

WANG Bin
（Southwest Jiaotong University，Chengdu 610031，China）

Due to the complexity of traffic safety and the uncertainty of traffic measurement，the different forms of preference information may be given in real uncertain traffic safety measure process.According to four kinds measuring object preference information of reciprocal judgment matrix，fuzzy complementary judgment matrix，incomplete complementary judgment matrix and hybrid judgment matrix，eigenvector method，least square method，incomplete matrix method and hybrid matrix linear goal programming method are used to calculate the corresponding sorting vector，then the integrated values of each traffic safety measure object are synthesized with WAA operator and sorted.The result of case study shows that the method is effective and easy to operate．

preference information；real；uncertainty；traffic safety measure

U491；O213.2；TM930.114；TP274+.2

A

1674-5124（2013）02-0019-05

2012-07-09；

：2012-08-30

王斌（1969-），男，四川劍閣縣人，講師，博士研究生，主要從事交通運輸安全工程研究。