基于熵權法和云模型的商品車運輸安全評價研究

張文會，宋賀賀，管 峰，鄧紅星

(東北林業大學 交通學院， 哈爾濱 150040)

由于運輸工具和運輸對象的特殊性，商品車運輸一般都由第三方承擔，以提供專業化的服務。相對于運輸效率，商品車運輸企業更關注運輸安全，因此，規范從業人員的操作行為、建立健全運輸安全管理體系、實現運輸工具的全過程監管已成為商品車運輸企業生產安全標準化考評的關鍵指標。

國內外對該方面的研究也取得了一些成果，其中代表性的有：劉貴林[3]主張對整車物流運輸車輛進行在途實時狀態監控，并提供在途信息服務；姜彥寧等[5]提出了共享車輛和共享車輛分撥中心兩種資源共享模式下的整車物流路徑優化網絡；侯玉梅等[6]構建了帶軟時間窗約束的整車物流車輛路徑優化問題模型，進而對于該模型設計了自適應遺傳算法；Kevin等[10]考慮了半掛車和車輛共享，主張利用單調路徑選擇原理來減少運輸規模；楊文超等[9]則針對物流配送提出了新車增派策略和多車協作策略。

總的來看，目前關于商品車運輸配送問題的研究大部分集中在配送路徑的優化與網絡的優化層面，缺少對商品車運輸安全的研究；同時，大部分對商品車運輸安全的研究只能實現對車輛運輸過程中的控制，對事前、事后的預防與控制關注的較少。

本文深入分析商品車運輸安全影響因素，運用熵權云模型量化評價商品車運輸安全等級，辨識關鍵影響因素，為運輸企業采取有效的持續改進措施、提高本質安全提供理論依據。

1 熵權云模型

1.1 云模型理論

云模型表示定性概念與數值表示之間的關系，設X是一個精確數值量的集合X={x}，稱為論域，可能是一維、二維或多維。論域X上的定性概念N是指對于任意數值量x都存在一個有穩定傾向的隨機數為x的隸屬度，x對N的隸屬度μ(x)∈[0，1]是隨機的數并有穩定傾向。

μ∶x→[0，1]，?x∈X，x→μ(x)

(1)

隸屬度在論域上的分布稱為云，它由成百上千的“云滴”構成，云的整體形狀，云滴的集中分布區域直觀地反映定性概念的特征，通常用期望Ex、熵En和超熵He表示其數值，云及其數字特征見圖1。

圖1 云及其數字特征

1.2 云發生器

正向云發生器可以將定性概念轉化為定量數值，將云模型的參數Ex、En和He代入到發生器中，即可得到對應“云滴”，最終通過正向云發生器來繪制評價因子的云圖。

正向云發生器的運算過程為：

1) 生成期望值為Ex、方差為En的正態隨機數x；

2) 生成期望值為En、方差為He的正態隨機數En；

3) 計算y=exp[-(x-Ex)2/2(En)2]；

4) 形成云滴(x,y)；

5) 重復步驟1)～4)，直到生成所需n個云滴為止。

逆向云發生器是從定量數值向定性概念的轉化，可以確定評價指標模型，能把精確數據轉換成以云模型參數(Ex,En,He)表示的定性概念，其3個數字特征Ex,En,He由下式確定：

(2)

1.3 熵權法

利用熵權理論修正各個影響因子的權重，流程如下：

1) 設將對a個評價因子進行評價，每個評價因子有b個指標，構建標準化數字矩陣為

R=(rij)a×b

(3)

(4)

(5)

式中:fij為隸屬度;b為評價等級數量，0≤fij≤1。

3) 用向量ωi=(ωi1,ωi2,…,ωia)T作為各指標的權重向量，熵權修正后權重為

(6)

式中：0≤ωij≤1。

1.4 綜合評判流程

基于云模型的綜合評判法流程見圖2。首先明確安全影響因素及評價標準，從而建立因素集、評語集和權重集，得到不同風險因素的相對權重大小，然后通過逆向云發生器生成以云模型數字特征形式表示的綜合評價結果，最后通過模糊綜合評判得到評價云模型，將其與評語云模型比較得到最終的風險評估結果。

2 商品運輸安全評價指標體系與安全評語云

2.1 評價指標體系

綜合考慮商品車運輸全過程安全影響因素，將從業人員、載運工具、安全管理、環境條件列為一級指標，將駕齡結構等12個要素列為二級指標，見表1。

圖2 基于熵權法和云模型的安全評價流程

一級指標二級指標指標解釋從業人員因素U1駕齡結構U11根據駕齡長短不同區分安全意識U12認知規避危險的能力操作規范U13與條件相配套的規程載運工具因素U2綜合性能U21作業車輛各項技術要求維修保養U22減緩車輛損壞的措施長度及轉向軸U23其不合理改造影響運輸安全管理因素U3規章制度U31符合規范和法律的規則安全設施U32安全管理設施和人員設置完備信息化U33現代智能科技的應用環境條件因素U4氣候條件U41主要指復雜的氣象資源最小曲率半徑U42道路地勢、轉彎幅度等因素交通流量U43特定時間通過某地點的交通實體數

2.2 安全評語云

安全評價等級是商品車運輸企業采取安全管理措施的依據，因此需要合理確定安全等級和邊界值。參照文獻[8,13]，將商品車的運輸安全狀態劃分為5個等級，分別為不及格、及格、中等、良好、優秀，對應的評語取值范圍分別為[0,60)、[60,70)、[70,80)、[80,90)、[90,100]。根據劃分的5個安全等級分數范圍，云參數計算公式為：

Ex=(Cmin+Cmax)/2

En=(Cmax-Cmin)/6

圖書館作為文化教育的中心，在弘揚傳統文化上啟到傳承的作用，而高校圖書館更是被稱作“大學的心臟”，對傳播知識文化和促進校園文化建設方面扮演著不可或缺的重要角色。齊齊哈爾大學圖書館在2017年9月24日孔子誕辰為契機，以“習六藝、閱經典”為主題開展弘揚中華傳統文化的活動，著力點在于讓高校師生更能夠被傳統文化感染，從而更容易理解孔子六藝，讓更多的學生能夠用心和傳統文化做交流。

He=k

(7)

式中：Cmin、Cmax分別是安全等級區間的最小、最大邊界值；k是常數，可通過變量自身的模糊度大小來確定，本文k值是0.5。

由式(7)，得出5個安全等級下云模型特征值(Ex,En,He)，安全狀態評語云見表2。

表2 安全狀態評語云

將各等級云模型特征值輸入正向云發生器，生成安全評語云，見圖3。

圖3 安全評價標準云圖

2.3 綜合評價模型

邀請行業專家調查商品車運輸企業的實際情況，分別對每個二級指標打分。將每位專家分數看作一個“云滴”，根據逆向云發生器計算出云模型參數，并運用熵權法確定指標權重ωi，再根據正向云發生器獲得每個屬性的實際云模型。考慮到各個二級評價指標的關聯性較弱，每個評價因子都分屬于不同的一級指標下，所以本文將運用浮動云算法對底層各評價指標進行云整合：

(8)

考慮到商品車運輸安全綜合評價中各一級指標有較大的關聯，采用虛擬云中的綜合算法，將低層次概念集結到高層次概念中，計算式為：

(9)

將虛擬云綜合算法獲得的綜合云模型參數輸入正向云發生器，可得到某企業商品車運輸安全評價云模型，由此確定安全等級。

3 案例應用

本文以哈爾濱市某商品車運輸企業安全標準化考評材料為依據，邀請20位專家對12個二級指標進行打分，開展運輸安全評價。

3.1 一級指標的安全評價

首先對每位專家給出的從業人員因素中每個評價因子的評價分值進行統計，見表3。

表3 從業人員因素調查結果

運用單指標測度計算模型確定評價因子隸屬度，從而得出模糊評價結果，計算各二級指標的熵權。構建隸屬度函數如下：

隸屬度fij=因素(指標)得到相應評語的有效問卷/總的有效問卷。根據構造的隸屬度函數可計算商品車運輸安全評價中的各個二級評價指標測度值，指標駕駛員駕齡U11的測度值向量為(0,0,0.15,0.75,0.1)，指標從業人員的安全意識U12的測度值向量為(0,0,0.25,0.5,0.25)，指標裝卸操作規范程度U13的測度值向量為(0,0,0.6,0.35,0.05)。

根據熵權的計算式(4)，得：

Hu1=(0.45，0.64，0.51)

根據熵權的計算式(5)，得：

Vu1=(0.55，0.36，0.49)

根據熵權的計算式(6)，得權重值：

ωu1=(0.39，0.26，0.35)

根據云模型特征值計算式(2)，得到每一個評價指標的云數字特征值(Ex,En,He)，如表4所示。

表4 從業人員因素各二級指標云模型參數

通過式(8)將從業人員因素中的各評價因子云模型參數整合，獲得從業人員因素的評價云模型特征值(81.83，4.39，0.53)，其計算過程如下：

運用正向云發生器得到從業人員因素評價云模型，見圖4。

圖4 從業人員因素評價云模型

由圖4分析可知，該公司從業人員安全等級屬于良好級別，期望值為81.83。

同理，可獲得載運工具、安全管理和環境條件的云模型參數和安全等級，即載運工具安全等級為良好，期望值為81.93；安全管理安全等級為中等，期望值為76.01；環境條件安全等級為良好，期望值為82.34。

3.2 綜合評價

采用式(9)虛擬云中的綜合算法，獲得商品車運輸安全評價云模型參數值：

Ex總=80.7；En總=4.7；He總=0.56

則商品車運輸安全評價云模型為(80.7,4.7,0.56)，通過正向云模型算法發生器即可得到商品車運輸的安全評價云圖，見圖5。

圖5 商品車運輸安全評價云圖

由圖5可見，該企業商品車運輸安全期望值為80.70，總體安全等級為良好，但安全管理指標的期望值偏低，因此，可采取有針對性的管理措施。

4 結論

1) 為辨識運輸危險源，建立了商品車運輸安全評價指標體系，將商品車運輸全過程安全影響因素劃分為從業人員、載運工具、安全管理和環境條件4個一級指標以及12個二級指標。將商品車運輸安全狀態劃分為不及格、及格、中等、良好、優秀5個等級。

2) 在此基礎上將熵權法和云模型理論相結合，利用熵權法修正各級評價指標權重，再利用云模型評價商品車運輸安全等級。該方法對商品車運輸安全進行了定量評價，充分考慮了評價因子自身的不確定性和評價標準的模糊性，可以得到較為直觀、精確、客觀的結果。

3) 在對商品車運輸進行安全評價時，難免會漏掉一些潛在的影響因子，劃分還不夠具體和詳細。雖然云模型考慮了風險的不確定性以及隨機性，盡可能地消除了專家主觀因素帶來的影響，但主觀因素仍然存在。