常建鵬， 周國華， 陳振頌,4， 李延來,4， 周芳汀

(1. 西南交通大學(xué) 交通運(yùn)輸與物流學(xué)院, 四川 成都 610031; 2. 西南交通大學(xué) 經(jīng)濟(jì)管理學(xué)院, 四川 成都 610031; 3. 西南交通大學(xué) 中國鐵路發(fā)展研究院，四川 成都 610031; 4. 西南交通大學(xué) 綜合交通運(yùn)輸智能化國家地方聯(lián)合工程實(shí)驗(yàn)室， 四川 成都 610031)

鐵路應(yīng)急預(yù)案(以下簡(jiǎn)稱預(yù)案)是“一案三制”應(yīng)急管理體系的核心要素，是鐵路應(yīng)急管理工作(以下簡(jiǎn)稱應(yīng)急管理)的重要內(nèi)容[1]，不僅規(guī)定應(yīng)急機(jī)構(gòu)與職責(zé)、技術(shù)、裝備、響應(yīng)程序及指揮與協(xié)調(diào)等，同時(shí)明確當(dāng)突發(fā)事件發(fā)生之前、之中和之后，各應(yīng)急部門負(fù)責(zé)做什么、何時(shí)做、怎么做等內(nèi)容[2]，規(guī)范應(yīng)急管理，提升鐵路系統(tǒng)應(yīng)對(duì)風(fēng)險(xiǎn)和防范突發(fā)事件的能力，降低人員傷亡及財(cái)產(chǎn)損失等方面發(fā)揮重要作用。預(yù)案評(píng)估作為預(yù)案管理的重要環(huán)節(jié)，不僅可以全面衡量預(yù)案的編制質(zhì)量與實(shí)施效果，而且便于發(fā)現(xiàn)現(xiàn)有預(yù)案存在的不足以便及時(shí)修正與調(diào)整，相關(guān)研究已受到許多學(xué)者的關(guān)注。

鐵路突發(fā)事件種類繁多，嚴(yán)重程度及影響范圍也不同。各部門應(yīng)對(duì)突發(fā)事件時(shí)根據(jù)應(yīng)急場(chǎng)景的實(shí)際情況確定并啟動(dòng)應(yīng)急預(yù)案的類型與級(jí)別，進(jìn)而采取針對(duì)性較強(qiáng)的處置措施。目前，預(yù)案評(píng)估研究主要從兩方面展開：其一，憑借一定的評(píng)估方法以判定預(yù)案的薄弱環(huán)節(jié)，偏向于評(píng)價(jià)[3-6]；其二，依據(jù)一定的標(biāo)準(zhǔn)從候選預(yù)案集中篩選出最佳預(yù)案，偏向于決策[7]。本文主要針對(duì)后者展開研究，即針對(duì)特定突發(fā)事件，采用科學(xué)、有效的方法從眾多預(yù)案中確定最佳預(yù)案作為處置該類事件的處置依據(jù)，并對(duì)所選預(yù)案存在的不足予以進(jìn)一步調(diào)整?，F(xiàn)有關(guān)于應(yīng)急預(yù)案評(píng)估的研究以構(gòu)建科學(xué)合理的評(píng)估指標(biāo)體系為首要目標(biāo)，然后重點(diǎn)關(guān)注如何確定合理的評(píng)估方法，如改進(jìn)層次分析法[3-4]、改進(jìn)DEA法[5]、案例推理法[6]、多屬性決策方法[7]等，但存在一些問題，主要表現(xiàn)為：

(1) 現(xiàn)有評(píng)估方法均停留在靜態(tài)評(píng)估的層面上，即通過一次性評(píng)估判定預(yù)案的優(yōu)劣，由此使預(yù)案評(píng)估存在一定的偶然性與不全面性；

(2) 現(xiàn)有研究多以評(píng)估專家采用決策矩陣的形式給出各預(yù)案在各指標(biāo)下的具體評(píng)估值，忽視專家面對(duì)復(fù)雜且不確定對(duì)象時(shí)評(píng)估的盲目性與所給指標(biāo)評(píng)估值的不準(zhǔn)確性；

(3) 現(xiàn)有確定指標(biāo)權(quán)重的方法往往架構(gòu)在指標(biāo)間相互獨(dú)立、互不影響的假設(shè)上[3-7]，忽視指標(biāo)間具有相互依賴、關(guān)聯(lián)的特性。

實(shí)際上，預(yù)案評(píng)估本身不斷發(fā)展變化，評(píng)估專家對(duì)預(yù)案的認(rèn)識(shí)也是由淺入深。對(duì)候選預(yù)案多次模擬、演練與評(píng)估，利用多次評(píng)估信息做出決策能夠更為準(zhǔn)確地判定預(yù)案的優(yōu)劣，并可提升評(píng)估模型的魯棒性。因此，本文首次將多階段動(dòng)態(tài)決策理論引用到應(yīng)急預(yù)案評(píng)估研究中，以提高預(yù)案評(píng)估的全面性與準(zhǔn)確性。

近幾年關(guān)于動(dòng)態(tài)多階段決策的研究受到學(xué)術(shù)界的廣泛關(guān)注，主要集中在時(shí)間階段權(quán)重的確定和階段信息的集結(jié)上，如文獻(xiàn)[8]針對(duì)多階段多元判斷偏好信息，構(gòu)建基于先驗(yàn)信息和方案區(qū)分度的階段賦權(quán)模型；文獻(xiàn)[9]綜合階段信息的動(dòng)態(tài)加權(quán)平均算子，結(jié)合等差數(shù)列、等比數(shù)例和正態(tài)分布數(shù)列的特點(diǎn)分別提出確定時(shí)間階段權(quán)重的方法；文獻(xiàn)[10]利用動(dòng)態(tài)語言加權(quán)幾何平均算子集結(jié)多階段決策信息，基于Orness測(cè)度構(gòu)建最小方差模型計(jì)算階段權(quán)重；文獻(xiàn)[11]在文獻(xiàn)[10]的基礎(chǔ)上，基于決策矩陣信息和Orness測(cè)度約束，以最小化相鄰階段方案的綜合貼近度離差和為目標(biāo)構(gòu)建優(yōu)化模型確定階段權(quán)重。

此外，考慮預(yù)案評(píng)估問題本身的復(fù)雜性及評(píng)估信息的不確定性，預(yù)案評(píng)估需要集結(jié)不同領(lǐng)域?qū)＜业囊庖娨蕴嵘A(yù)案評(píng)估的準(zhǔn)確性。而實(shí)際評(píng)估時(shí)，專家個(gè)體很難準(zhǔn)確量化候選預(yù)案在指標(biāo)下的實(shí)際表現(xiàn)情況，獲得的評(píng)估值也難以反饋不同預(yù)案間優(yōu)劣的差異程度，但專家對(duì)于不同預(yù)案間關(guān)于某個(gè)指標(biāo)的優(yōu)劣程度是較易直接判斷的，即專家能更為準(zhǔn)確、方便地以判斷矩陣的形式給出評(píng)估信息。羅文婷在文獻(xiàn)[3]中采用判斷矩陣形式的評(píng)估信息，但主要通過判定指標(biāo)間的優(yōu)劣程度以確定指標(biāo)權(quán)重，而非判定預(yù)案間的優(yōu)劣程度以確定最佳預(yù)案。因此，本文利用判斷矩陣形式的評(píng)估信息對(duì)預(yù)案展開評(píng)估?，F(xiàn)有判斷矩陣的形式主要有兩種，即互反判斷矩陣和互補(bǔ)判斷矩陣。其中，互反判斷矩陣在一致性判定、調(diào)整及與人類思維一致性等方面存在一定的缺陷。而互補(bǔ)判斷矩陣較互反判斷矩陣更符合人類的邏輯思維習(xí)慣，也更易于掌握使用。因此，本文將互補(bǔ)判斷矩陣作為評(píng)估信息的表征方式。目前，基于互補(bǔ)判斷矩陣的群決策問題研究已有一定進(jìn)展[12-14]，過程為：專家群體給出互補(bǔ)判斷矩陣→判斷矩陣一致性檢驗(yàn)與改進(jìn)→專家權(quán)重確定→群體一致性判定與改進(jìn)→一致性判斷矩陣集結(jié)及方案排序。

群體評(píng)估問題中，專家權(quán)重確定的合理與否將極大影響專家評(píng)估信息集結(jié)的有效性?？紤]到判斷矩陣一致性水平反映評(píng)估專家的邏輯一致性和對(duì)預(yù)案評(píng)估的認(rèn)識(shí)水平，以及判斷矩陣的群體一致性水平表征專家給出評(píng)估信息對(duì)群體一致性水平的貢獻(xiàn)程度，本文提出綜合上述兩方面信息的組合賦權(quán)法以確定評(píng)估專家權(quán)重。目前，描述指標(biāo)間關(guān)聯(lián)關(guān)系的研究多采用網(wǎng)絡(luò)層次分析法(ANP)[15]與模糊測(cè)度理論[16]，實(shí)際上，ANP較模糊測(cè)度在反饋不同指標(biāo)間的關(guān)聯(lián)關(guān)系方面更具有優(yōu)勢(shì)。因此本文利用ANP法確定指標(biāo)權(quán)重。

綜上所述，本文針對(duì)目前研究中存在的不足，提出基于偏好信息的多指標(biāo)多階段群評(píng)估方法。首先，基于對(duì)預(yù)案的研究與分析，構(gòu)建預(yù)案評(píng)估指標(biāo)體系；其次，組建評(píng)估專家團(tuán)隊(duì)，確定候選預(yù)案集、評(píng)估階段，針對(duì)每個(gè)階段組織專家給出指標(biāo)的預(yù)案偏好信息；再次，對(duì)互補(bǔ)判斷矩陣進(jìn)行一致性檢驗(yàn)與調(diào)整，確定專家的綜合權(quán)重，對(duì)調(diào)整后的互補(bǔ)判斷矩陣進(jìn)行群體一致性檢驗(yàn)與調(diào)整，集結(jié)專家的偏好信息；而后，利用ANP求解指標(biāo)權(quán)重，集結(jié)指標(biāo)的群體偏好信息；最后求解階段權(quán)重，集結(jié)階段的群體偏好信息，由此確定候選預(yù)案集的優(yōu)劣排序。

1 構(gòu)建預(yù)案評(píng)估指標(biāo)體系

現(xiàn)有研究中指標(biāo)體系的構(gòu)建多關(guān)注預(yù)案的特性，如經(jīng)濟(jì)性、完整性、可操作性、責(zé)任明確性等[4,6]，但上述指標(biāo)較難聚焦預(yù)案優(yōu)劣的關(guān)鍵點(diǎn)，也增加專家的評(píng)估難度。事實(shí)上，預(yù)案主要涵蓋6方面：組織指揮機(jī)構(gòu)及職責(zé)、應(yīng)急保障措施、宣傳培訓(xùn)與演練、預(yù)防預(yù)警、應(yīng)急響應(yīng)與后期處置。本文指標(biāo)體系構(gòu)建的方法可通過多次模擬、演練得以實(shí)現(xiàn)，組織評(píng)估團(tuán)隊(duì)依據(jù)候選預(yù)案在上述6方面的實(shí)際表現(xiàn)情況分階段給出偏好信息，以提升預(yù)案評(píng)估的針對(duì)性，便于確定預(yù)案的薄弱環(huán)節(jié)，有利后期的改進(jìn)。

本文構(gòu)建的指標(biāo)體系包括：組織指揮機(jī)構(gòu)及職責(zé)為明確應(yīng)急組織機(jī)構(gòu)形式、構(gòu)成單位、人員及相應(yīng)的職責(zé)；應(yīng)急保障措施為保障應(yīng)急處置順利進(jìn)行而采取的各種措施；宣傳、培訓(xùn)與演練為提高應(yīng)急預(yù)案的可操作性、增強(qiáng)應(yīng)急預(yù)防意識(shí)而開展的各類針對(duì)性活動(dòng)；預(yù)防預(yù)警為明確危險(xiǎn)源排查與監(jiān)控、風(fēng)險(xiǎn)評(píng)估和預(yù)警發(fā)布等內(nèi)容；應(yīng)急響應(yīng)為在突發(fā)事件發(fā)生后，依據(jù)響應(yīng)級(jí)別，明確鐵路應(yīng)急行動(dòng)、資源調(diào)配、應(yīng)急避險(xiǎn)等程序；后期處置為突發(fā)事件得到有效控制后，明確傷員救助、理賠工作、調(diào)查評(píng)估等工作。其中，預(yù)防預(yù)警、應(yīng)急響應(yīng)和后期處置作為處置應(yīng)急事件的3個(gè)關(guān)鍵階段，明確參與單位的職責(zé)和要求、處置措施、各措施之間的邏輯順序關(guān)系等；而組織指揮機(jī)構(gòu)及其職責(zé)、應(yīng)急保障措施和宣傳培訓(xùn)與演練作為應(yīng)急準(zhǔn)備的內(nèi)容為以上3個(gè)階段人力、財(cái)力、物資等各方面提供有效支撐，由此保障應(yīng)急措施快速、高效、科學(xué)地展開。因此，上述6項(xiàng)評(píng)估指標(biāo)相關(guān)依賴、相互關(guān)聯(lián)見圖1。

1.1 問題描述

對(duì)預(yù)案進(jìn)行評(píng)估時(shí)，需從預(yù)案編制、演練與實(shí)施等部門以及相關(guān)專家中篩選出一批專家組成評(píng)估專家團(tuán)隊(duì)，設(shè)專家團(tuán)隊(duì)為ZJ={ZJ1,ZJ2,…,ZJg,…,ZJm}，其中：ZJg為第g位評(píng)估專家。針對(duì)某類突發(fā)事件，專家團(tuán)隊(duì)需從候選預(yù)案集YA={YA1,YA2,…,YAi,…,YAn}中選出最佳預(yù)案作為部門應(yīng)對(duì)該類突發(fā)事件的行動(dòng)指南，其中YAi為第i個(gè)應(yīng)急預(yù)案，且候選預(yù)案由不同部門(預(yù)案編制、實(shí)施等)依據(jù)不同地區(qū)、不同時(shí)間段制定較為詳實(shí)的針對(duì)特定突發(fā)事件的預(yù)案，候選預(yù)案之間存在一定差異。為避免單次評(píng)估存在的偏差，對(duì)候選預(yù)案進(jìn)行多次模擬、演練、分析與評(píng)估，進(jìn)而綜合多階段評(píng)估信息，設(shè)評(píng)估階段為JD={JD1,JD2,…,JDt,…,JDh}，其中：JDt為第t個(gè)評(píng)估階段。針對(duì)應(yīng)急預(yù)案，評(píng)估團(tuán)隊(duì)確定評(píng)估指標(biāo)集為ZB={ZB1,ZB2,…,ZBk,…,ZBl}，其中：ZBk為第k個(gè)評(píng)估指標(biāo)，并記G={1,2,…,m}，I={1,2,…,n}，T={1,2,…,h}，K={1,2,…,l}。

( 1 )

則稱Ptkg為互補(bǔ)判斷矩陣。

1.2 偏好信息一致性檢驗(yàn)與改進(jìn)

實(shí)際評(píng)估中，專家給出的互補(bǔ)判斷矩陣很難具有完全一致性，而不一致的判斷矩陣很可能導(dǎo)致獲得的結(jié)果偏離實(shí)際情形。因此需對(duì)判斷矩陣的一致性進(jìn)行檢驗(yàn)、分析及改進(jìn)。此外，互補(bǔ)判斷矩陣經(jīng)過調(diào)整也難以達(dá)到完全一致性，卻易達(dá)到滿意的一致性，而由滿意一致性的判斷矩陣可以得到與專家意見相符的預(yù)案排序。

( 2 )

基于兩個(gè)互補(bǔ)判斷矩陣的相離度，可給出判斷矩陣的一致性判定方法。

由定義2可知，0≤CI(Ptkg)≤1；CI(Ptkg)越小，Ptkg一致性越高；當(dāng)CI(Ptkg)=0時(shí)，Ptkg具有完全一致性。設(shè)專家團(tuán)隊(duì)經(jīng)過商議給出的判斷矩陣一致性指標(biāo)的臨界值為αtk，0≤αtkg≤1。若判斷矩陣Ptkg的一致性指標(biāo)滿足CI(Ptkg)≤αtk，則判斷矩陣Ptkg具有滿意一致性；否則，還需對(duì)Ptkg進(jìn)行調(diào)整。判斷矩陣一致性檢驗(yàn)、調(diào)整算法見Algorithm 1[14]，其中，?i,j∈I，?g∈G，?k∈K，?t∈T。

Algorithm 1

基于文獻(xiàn)[12]及Algorithm 1可知CI(P(a+1))

1.3 評(píng)估專家群體評(píng)估一致性分析及專家權(quán)重確定

在群評(píng)估過程中，由于專家對(duì)問題的熟知程度、評(píng)判水平、個(gè)人偏好等不同，評(píng)估群體很難就同一指標(biāo)下預(yù)案的優(yōu)劣達(dá)成一致。而群體評(píng)估的主要目標(biāo)為尋求意見的一致與妥協(xié)，由不一致程度較大的信息得到的結(jié)果將存在一定偏差。因此，針對(duì)專家群體評(píng)估信息不一致的情況，需要調(diào)整個(gè)別專家給出的判斷信息，使專家群體給出的評(píng)估信息具有滿意的群體一致性。此外，確定專家權(quán)重方面，由于專家對(duì)各評(píng)估指標(biāo)的認(rèn)識(shí)水平不同，不同階段專家認(rèn)識(shí)深度的提高程度也不同。因此在不同階段不同指標(biāo)下專家的權(quán)重并不相同，設(shè)在階段JDt針對(duì)指標(biāo)ZBk專家ZJg的權(quán)重為wtk(ZJg)，本文給出綜合考慮專家判斷矩陣的一致性水平與群體一致性水平的組合賦權(quán)法。

1.3.1 專家群體評(píng)估一致性檢驗(yàn)與改進(jìn)

定義3在階段JDt上對(duì)于指標(biāo)ZBk，已知專家群體給出的判斷矩陣為{Ptk1,Ptk2,…,Ptkm}，以及專家權(quán)重{wtk(ZJ1),wtk(ZJ2),…,wtk(ZJm)}，則群體判斷矩陣為

( 3 )

基于定義3和文獻(xiàn)[14]可知CI(Ptk)≤max{CI(Ptkg)|g=1,2,…,m}，?k∈K，?t∈T。表明在階段JDt上對(duì)于指標(biāo)ZBk，若專家給出的判斷矩陣Ptkg具有滿意一致性，則由定義3確定的群體判斷矩陣Ptk也具有滿意一致性。

由定義4可知，0≤GCI(Ptkg)≤1；若GCI(Ptkg)=0，則專家ZJg所給判斷矩陣Ptkg具有完全群體一致性；GCI(Ptkg)越小，Ptkg的群體一致性越高。設(shè)評(píng)估團(tuán)隊(duì)通過商議給出滿意群體一致性臨界值βtk，若GCI(Ptkg)≤βtk，則判斷矩陣Ptkg具有滿意群體一致性；若GCI(Ptkg)>βtk，則判斷矩陣Ptkg并不具有滿意群體一致性，需要進(jìn)行調(diào)整。判斷矩陣Ptkg群體一致性檢驗(yàn)與調(diào)整算法見Algorithm 2[14]，其中?i,j∈I，?g∈G，?k∈K，?t∈T。

Algorithm 2

Step3依據(jù)定義4計(jì)算判斷矩陣的群體一致性指標(biāo)GCI(Ptkg,a)，?g∈G。若GCI(Ptkg,a)≤βtk(?g∈G)或a≥amax，則轉(zhuǎn)Step5 ，否則轉(zhuǎn)Step4；

( 4 )

而后，令a=a+1，轉(zhuǎn)Step2；

1.3.2 評(píng)估專家權(quán)重確定

群評(píng)估過程中，專家的權(quán)重還體現(xiàn)在專家個(gè)體所給評(píng)估信息的群體一致性程度上：若專家給出的判斷矩陣群體一致性程度越高，則該專家越能代表群體意愿，相應(yīng)賦予該專家較大的權(quán)重；反之，群體一致性程度越低，其偏離群體共同意愿越遠(yuǎn)，相應(yīng)賦予該專家較小權(quán)重，以減弱該專家對(duì)群體評(píng)估的影響。以群體一致性程度最小化為目標(biāo)，構(gòu)建規(guī)劃模型Μ-1為

M-1

( 5 )

式中：wtk(2)(ZJf)為階段JDt上針對(duì)指標(biāo)ZBk，基于評(píng)估信息群體一致性程度確定的專家ZJf的權(quán)重；

GCI(Ptkg)=d(Ptkg,Ptk)=

已知基于評(píng)估信息群體一致性程度確定的專家權(quán)重向量

{wtk(2)(ZJ1),wtk(2)(ZJ2),…,wtk(2)(ZJm)}

以及基于判斷矩陣一致性水平確定的專家權(quán)重向量{wtk(1)(ZJ1),wtk(1)(ZJ2),…,wtk(1)(ZJm)}，將2類專家的權(quán)重予以集結(jié)，可得評(píng)估專家的綜合權(quán)重wtk(ZJg)=ξ1wtk(1)(ZJg)+ξ2wtk(2)(ZJg) ?g∈G。其中，ξ1和ξ2分別是專家權(quán)重wtk(1)(ZJg)和wtk(2)(ZJg)的相對(duì)重要度因子，由專家團(tuán)隊(duì)商議確定，0≤ξ1,ξ2≤1，ξ1+ξ2=1。

1.4 評(píng)估指標(biāo)權(quán)重確定

ANP是Saaty基于AHP提出的適用于指標(biāo)間存

在關(guān)聯(lián)關(guān)系的權(quán)重確定方法[16]。ANP將指標(biāo)體系劃分為2部分:

控制層包含問題目標(biāo)及決策準(zhǔn)則，可以沒有決策準(zhǔn)則但至少有1個(gè)目標(biāo)；

網(wǎng)絡(luò)層由受決策準(zhǔn)則或目標(biāo)支配的元素組組成，其中元素組由受其支配的元素構(gòu)成，元素組之間和元素之間相互影響、相互關(guān)聯(lián)。

基于預(yù)案評(píng)估指標(biāo)體系及各指標(biāo)之間的關(guān)系，構(gòu)建ANP網(wǎng)絡(luò)結(jié)構(gòu)，見圖2。

基于ANP的指標(biāo)權(quán)重求解算法為

Algorithm 3

Step1構(gòu)建超矩陣

Step2構(gòu)建加權(quán)超矩陣

Step3確定指標(biāo)權(quán)重

1.5 階段權(quán)重確定

階段權(quán)重的確定是多階段評(píng)估問題的關(guān)鍵?，F(xiàn)有研究中，通過構(gòu)建最小偏差模型確定階段權(quán)重[10-11,17]。對(duì)于預(yù)案評(píng)估而言，候選預(yù)案在各階段的表現(xiàn)基本趨于穩(wěn)定，但在實(shí)際評(píng)估中，各階段評(píng)估結(jié)果之間必然存在一定的偏差，而過大的偏差將影響評(píng)估的科學(xué)性。因此，確定階段權(quán)重即是協(xié)調(diào)階段間的偏差，偏差較小的階段應(yīng)賦予較大權(quán)重，反之賦予較小權(quán)重，進(jìn)而使總偏差達(dá)到最小。

令階段JDt與階段JDv評(píng)估值間的偏差為

(Ptw(JDt)-Pvw(JDv))2=

( 6 )

此外，在多階段評(píng)估過程中，專家群體對(duì)階段權(quán)重具有異化偏好程度，為此本文引入Orness測(cè)度的概念[11]。

Μ-2

( 7 )

式中：α為各階段權(quán)重{w(JD1),w(JD2),…,w(JDh)}的Orness測(cè)度；?i,j∈I,?t,v∈T。

1.6 候選預(yù)案優(yōu)劣排序

Μ-3

?i,j∈I

( 8 )

式中：pij為預(yù)案YAi優(yōu)于預(yù)案YAj的程度。

候選預(yù)案集{YA1,YA2,…,YAn}可按所求各預(yù)案權(quán)重值{wi|?i∈I}大小排序，wi越大，候選預(yù)案YAi則越優(yōu)。此外，多階段評(píng)估完成后，專家群體對(duì)候選預(yù)案有更深入的了解。同時(shí)，評(píng)估專家主要從應(yīng)急預(yù)案的6個(gè)方面展開評(píng)估，可比較容易就預(yù)案的薄弱內(nèi)容達(dá)成共識(shí)。因此，進(jìn)一步組織專家團(tuán)隊(duì)商議明確各候選預(yù)案的優(yōu)缺點(diǎn)，進(jìn)而針對(duì)確定好的最佳預(yù)案，專家團(tuán)隊(duì)借鑒其他預(yù)案的優(yōu)勢(shì)，并改正所選預(yù)案的不足，以對(duì)最佳預(yù)案進(jìn)行調(diào)整與改進(jìn)。圖3給出上述方法的實(shí)施流程。

2 案例分析

對(duì)表1數(shù)據(jù)進(jìn)行處理前，需對(duì)每個(gè)互補(bǔ)判斷矩陣Ptkg通過Algorithm 1進(jìn)行一致性檢驗(yàn)與調(diào)整。專家團(tuán)隊(duì)經(jīng)過商議給出一致性指標(biāo)臨界值為αtk=0.1，調(diào)整系數(shù)為ε=0.5，然后利用MATLAB軟件編程，對(duì)判斷矩陣進(jìn)行一致性檢驗(yàn)與調(diào)整(限于篇幅，不列出改進(jìn)后的判斷矩陣)。

表1 專家給出的判斷矩陣

專家權(quán)重確定方面，wtk(1)(ZJg)可由各判斷矩陣的一致性指標(biāo)確定，wtk(2)(ZJg)可通過規(guī)劃模型Μ-1并借助LINGO軟件編程求解，并取相對(duì)重要度因子為ξ1=0.7和ξ2=0.3，進(jìn)而確定評(píng)估專家綜合權(quán)重wtk(ZJg)，見表2。

集結(jié)專家給出的判斷矩陣之前，還需利用Algorithm 2對(duì)判斷矩陣進(jìn)行群體一致性檢驗(yàn)與修改。專家團(tuán)隊(duì)通過商議給出滿意群體一致性臨界值βtk=0.2和調(diào)整系數(shù)δ=0.5，然后利用MATLAB軟件編程，對(duì)判斷矩陣進(jìn)行群體一致性檢驗(yàn)與調(diào)整(限于篇幅，不列出具體結(jié)果)。已知專家權(quán)重以及調(diào)整后的判斷矩陣，通過定義3求出階段JDt關(guān)于評(píng)估指標(biāo)ZBk的群體判斷矩陣，見表3。

表2 評(píng)估專家綜合權(quán)重

確定評(píng)估指標(biāo)權(quán)重方面，采用ANP(Algorithm 3)予以求解，借助Super Decisions軟件實(shí)現(xiàn)，確定評(píng)估指標(biāo)權(quán)重為{0.176,0.188,0.136,0.103,0.231,0.166}。已知階段JDt對(duì)指標(biāo)ZBk的群體判斷矩陣Ptk，以及各評(píng)估指標(biāo)權(quán)重，可確定在階段JDt由專家群體確定的判斷矩陣Pt，見表4。

表3 各階段評(píng)估指標(biāo)群體判斷矩陣

表4 各階段群體判斷矩陣

通過構(gòu)建最小偏差模型M-2確定各階段權(quán)重。實(shí)際上，對(duì)應(yīng)急預(yù)案進(jìn)行多階段評(píng)估時(shí)，專家群體對(duì)階段信息的重視程度有所不同，隨著評(píng)估次數(shù)的增加，專家群體對(duì)預(yù)案評(píng)估問題的認(rèn)識(shí)深度以及對(duì)候選預(yù)案的了解程度逐步增加，給出的評(píng)估數(shù)據(jù)較前階段也更為準(zhǔn)確。因此，應(yīng)賦予較后階段更大的權(quán)重。專家團(tuán)隊(duì)經(jīng)過商議確定階段權(quán)重的Orness測(cè)度α取0.35，利用LINGO軟件求解模型M-2得到{0.184,0.332,0.484}，進(jìn)而獲得多階段綜合判斷矩陣P=(pij)4×4，見式( 9 )。

( 9 )

最后，由綜合判斷矩陣P=(pij)4×4確定候選預(yù)案優(yōu)劣排序，利用LINGO軟件對(duì)模型M-3進(jìn)行求解，獲得各候選預(yù)案的重要度為{0.283,0.278,0.214,0.230}，基于重要度大小的預(yù)案優(yōu)劣排序?yàn)閅A1,YA2,YA4,YA3。因此，鐵路局應(yīng)把預(yù)案YA1作為應(yīng)對(duì)冰雪災(zāi)害的行動(dòng)方案。

針對(duì)選出的最佳預(yù)案YA1，仍可能存在某些缺陷與不足，因此還需對(duì)預(yù)案YA1進(jìn)一步調(diào)整與完善。評(píng)估專家已就各預(yù)案的文本、模擬、演練的情況從應(yīng)急預(yù)案的6個(gè)方面進(jìn)行3個(gè)階段的評(píng)估，則經(jīng)過商議較易確定各候選預(yù)案的優(yōu)劣勢(shì)。因而進(jìn)一步組織專家團(tuán)隊(duì)與預(yù)案編制團(tuán)隊(duì)通過吸收其他候選預(yù)案的優(yōu)點(diǎn)，對(duì)最佳預(yù)案YA1做進(jìn)一步的調(diào)整。然而，這種改進(jìn)方式只是對(duì)應(yīng)急預(yù)案做初步調(diào)整，還不能確保應(yīng)急預(yù)案在各方面都處于最佳狀態(tài)。實(shí)際上，利用本文提出的多階段評(píng)估模型構(gòu)建思路，還可對(duì)所選預(yù)案做進(jìn)一步的評(píng)估與調(diào)整，即：針對(duì)所選的應(yīng)急預(yù)案，構(gòu)建評(píng)估指標(biāo)體系，組建評(píng)估專家團(tuán)隊(duì)；專家團(tuán)隊(duì)分階段對(duì)應(yīng)急預(yù)案進(jìn)行模擬、演練、分析與評(píng)估，并組織專家在每個(gè)階段給出預(yù)案在各指標(biāo)下的實(shí)際表現(xiàn)；針對(duì)每個(gè)評(píng)估階段，集結(jié)專家群體的意見，進(jìn)而明確應(yīng)急預(yù)案的短板，對(duì)其改進(jìn)，然后進(jìn)入下一個(gè)評(píng)估階段。通過這種多階段的評(píng)估方式，應(yīng)急預(yù)案可以得到不斷完善，最終達(dá)到科學(xué)性、有效性、可操作性的統(tǒng)一。

3 結(jié)論

本文針對(duì)預(yù)案評(píng)估問題，構(gòu)建預(yù)案評(píng)估指標(biāo)體系，提出基于偏好信息與指標(biāo)關(guān)聯(lián)的多階段群評(píng)估方法。預(yù)案評(píng)估指標(biāo)體系從預(yù)案內(nèi)容出發(fā)，考慮組織指揮機(jī)構(gòu)及其職責(zé)、應(yīng)急保障措施、宣傳培訓(xùn)與演練、預(yù)防預(yù)警、應(yīng)急響應(yīng)、后期處置等6方面內(nèi)容，較準(zhǔn)確地從不同方面反映預(yù)案的質(zhì)量，易于專家做出評(píng)估并準(zhǔn)確找出預(yù)案的薄弱環(huán)節(jié)。同時(shí)，可根據(jù)預(yù)案內(nèi)容進(jìn)一步細(xì)化指標(biāo)體系，提高預(yù)案評(píng)估準(zhǔn)確性。預(yù)案很難通過一次性評(píng)估準(zhǔn)確判定其優(yōu)劣，而多階段評(píng)估方法通過對(duì)預(yù)案多次模擬、演練、分析與評(píng)估，依據(jù)多階段信息更為準(zhǔn)確地做出評(píng)判。辨別預(yù)案優(yōu)劣時(shí)，在某些實(shí)際場(chǎng)景中，偏好矩陣相比于評(píng)估矩陣更為準(zhǔn)確地表征評(píng)估專家的評(píng)估信息。為此，本文給出處理偏好信息的一系列方法，如偏好矩陣的集結(jié)、一致性檢驗(yàn)與調(diào)整、群體一致性檢驗(yàn)與調(diào)整、預(yù)案優(yōu)劣排序等。此外，確定專家權(quán)重方面，文中提出綜合考慮專家個(gè)體給出評(píng)估信息的一致性水平與群體一致性水平的組合賦權(quán)法；指標(biāo)權(quán)重確定方面，針對(duì)評(píng)估指標(biāo)間的關(guān)聯(lián)關(guān)系，給出基于ANP的指標(biāo)權(quán)重確定方法。最后，以某鐵路局應(yīng)對(duì)冰雪災(zāi)害的候選預(yù)案篩選最優(yōu)預(yù)案為例，說明本文所提方法具有可行性與有效性。

參考文獻(xiàn)：

[1] 程曉卿, 賈利民, 秦勇, 等. 鐵路應(yīng)急管理研究[J]. 鐵道學(xué)報(bào), 2012, 34(3): 7-13.

CHENG Xiaoqing, JIA Limin, QIN Yong, et al. Research on Railway Emergency Management[J].Journal of the China Railway Society,2012,34(3):7-13.

[2] 賈利民,秦勇,程曉卿,等.現(xiàn)代鐵路應(yīng)急管理[M]. 北京: 科學(xué)出版社, 2011: 106-132.

[3] 羅文婷,王艷輝,賈利民,等.改進(jìn)層次分析法在鐵路應(yīng)急預(yù)案評(píng)價(jià)中的應(yīng)用研究[J]. 鐵道學(xué)報(bào), 2008, 30(6): 24-28.

LUO Wenting, WANG Yanhui, JIA Limin, et al. Application of Improved AHP in Evaluation of Railway Emergency Plans[J]. Journal of the China Railway Society, 2008, 30(6): 24-28.

[4] 唐士晟, 李小平. 鐵路交通事故應(yīng)急救援體系脆弱性評(píng)價(jià)方法研究[J]. 鐵道學(xué)報(bào), 2013, 35(7): 14-20.

TANG Shisheng, LI Xiaoping. Study on Method for Assessment of Vulnerability of Railway Emergency Rescue System[J]. Journal of the China Railway Society, 2013, 35(7): 14-20.

[5] 祝凌曦, 肖雪梅, 李瑋, 等.基于改進(jìn)DEA法的鐵路應(yīng)急預(yù)案編制績(jī)效評(píng)價(jià)方法研究[J]. 鐵道學(xué)報(bào), 2011, 33(4): 1-6.

ZHU Lingxi, XIAO Xuemei, LI Wei, et al. Research on Performance Evaluation of Compilation of Railway Emergency Plan Based on Improved DEA Method[J]. Journal of the China Railway Society, 2011, 33(4): 1-6.

[6] 張振海, 王曉明, 黨建武, 等. 基于整體相似度的鐵路應(yīng)急救援預(yù)案推理決策方法研究[J]. 鐵道學(xué)報(bào), 2012, 34(11): 49-53.

ZHANG Zhenhai, WANG Xiaoming, DANG Jianwu, et al. Research on CBR Decision Method of Railway Emergency Rescue Based on Integral Similarity Degree[J]. Journal of the China Railway Society, 2012, 34(11): 49-53.

[7] JU Y B, WANG A H. Emergency Alternative Evaluation under Group Decision Makers: A Method of Encorporating DS/AHP with Extended TOPSIS [J]. Expert Systems with Applications, 2012, 39(1):1 315-1 323.

[8] 朱建軍, 劉思峰, 李洪偉, 等. 群決策中多階段多元判斷偏好的集結(jié)方法研究[J]. 控制與決策, 2008, 23(7): 730-734.

ZHU Jianjun, LIU Sifeng, LI Hongwei, et al. Aggregation Approach of Multiple Stages Multiple Judgment Preferences Styles in Group Decision-making[J]. Control and Decision, 2008, 23(7): 730-734.

[9] XU Z S. On Multi-period Multi-attribute Decision Making[J]. Knowledge-based Systems, 2008, 21(2): 164-171.

[10] XU Z S. Multi-period Multi-attribute Group Decision-making under Linguistic Assessments[J]. International Journal of General Systems, 2009, 38(8): 823-850.

[11] 郝晶晶, 朱建軍, 劉思峰. 基于Orness測(cè)度的多階段不確定語言信息優(yōu)化集結(jié)[J]. 系統(tǒng)工程理論與實(shí)踐, 2013, 33(11): 2 866-2 873.

HAO Jingjing, ZHU Jianjun, LIU Sifeng. Aggregation of Multi-stage Uncertain Linguistic Evaluation Information Based on Orness[J]. Systems Engineering Theory & Practice, 2013, 33(11): 2 866-2 873.

[12] MENG F Y, CHEN X H. A New Method for Group Decision Making with Incomplete Fuzzy Preference Relations[J]. Knowledge-based Systems, 2015, 73: 111-123.

[13] XU Z S, CAI X Q. Group Consensus Algorithms Based on Preference Relations[J]. Information Sciences, 2011, 181(1): 150-162.

[14] WU Z B, XU J P. A Concise Consensus Support Model for Group Decision Making with Reciprocal Preference Relations Based on Deviation Measures[J]. Fuzzy Sets and Systems, 2012, 206(11): 58-73.

[15] SAATY T L. Decision Making with Dependence and Feedback: The Analytic Network Process[M]. Pittsburgh: RWS Publication, 1996.

[16] MENG F Y, ZHANG Q, CHENG H. Approaches to Multiple-criteria Group Decision Making Based on Interval-valued Intuitionistic Fuzzy Choquet Integral with Respect to the Generalized λ-Shapley Index[J]. Knowledge-based Systems, 2013, 37: 237-249.

[17] 盧志平, 侯利強(qiáng), 陸成裕. 一類考慮階段賦權(quán)的多階段三端點(diǎn)區(qū)間數(shù)型群決策方法[J]. 控制與決策, 2013, 28(11):1 756-1 760.

LU Zhiping, HOU Liqiang, LU Chengyu. Multi-stage Three Endpoint Group Decision-making Method Considered Stage Weight[J]. Control and Decision,2013, 28(11): 1 756-1 760.

[18] XU Z S. Goal Programming Models for Obtaining the Priority Vector of Incomplete Fuzzy Preference Relation[J]. International Journal of Approximate Reasoning, 2004, 36(3): 261-270.