王強(qiáng) 張雷 陳浩 林奇 劉虹蔚

摘要：隨著我國私家車擁有量逐年增加，“停車難，難停車”問題也日漸凸顯，作為停車實(shí)施者，駕駛者的停車行為是決定停車過程的主要因素。文章分析了多種綜合指標(biāo)評價(jià)體系，得出熵權(quán)決策法是解決多目標(biāo)決策有效而準(zhǔn)確的方法，最后進(jìn)行實(shí)例演示，實(shí)施結(jié)果表明，提出的方法能為停車者決策提供有利依據(jù)。

關(guān)鍵詞：熵權(quán)；多目標(biāo)決策法；停車者；行為選擇模型；綜合指標(biāo)評價(jià)體系 文獻(xiàn)標(biāo)識碼：A

中圖分類號：U491 文章編號：1009-2374（2016）23-0017-02 DOI：10.13535/j.cnki.11-4406/n.2016.23.007

1 概述

多目標(biāo)決策的多屬性決策，是按照某種規(guī)則對幾個(gè)屬性的一些方案進(jìn)行選擇和排序，在實(shí)際應(yīng)用中，通常需要評判多個(gè)目標(biāo)的方案、計(jì)劃、設(shè)計(jì)的好壞，在對各評價(jià)指標(biāo)賦予權(quán)重以及綜合衡量各種因素的指標(biāo)后，考慮各個(gè)評價(jià)指標(biāo)的重要權(quán)值進(jìn)而做出合理的決策，目前通常利用主觀賦權(quán)法和客觀賦權(quán)法兩種方法進(jìn)行確定權(quán)重，這兩種方法存在很突出的不足，因此權(quán)重問題的多屬性決策的研究具有顯著地位。目前很多學(xué)者都提出了相關(guān)的解決方法，接近于線性加權(quán)的排序方法是一種有效地解決有限方案多目標(biāo)決策問題的方法，但需要事先確定虛擬解；ELECTRE法基本思想是對方案集中各方案作級別關(guān)系檢驗(yàn)，逐步淘汰，該方法雖然邏輯清晰，能充分利用方案信息，但結(jié)果過分依賴指示值；層次分析法（AHP）是目前應(yīng)用最為廣泛的定性與定量相結(jié)合的方法，該方法允許將復(fù)雜問題分解成若干個(gè)遞進(jìn)層次，通過兩兩對比確定目標(biāo)的相對重要性，該方法思路清晰，但權(quán)值的確定過于主觀。針對以上方法的不足，本文以某行政服務(wù)中心區(qū)域停車者為研究對象，以優(yōu)化行政服務(wù)中心區(qū)域配建停車場高效選擇共享停車場為目標(biāo)，研究建立基于熵權(quán)多目標(biāo)決策的停車者行為選擇模型。

2 熵權(quán)多目標(biāo)決策模型的建立

一般利用多指標(biāo)綜合評價(jià)體系對停車者對停車場選擇的方案進(jìn)行評價(jià)，停車場選擇受各個(gè)指標(biāo)的影響不同，通過主觀或客觀法確定權(quán)重，從而體現(xiàn)差異的影響，主觀賦權(quán)法主要依據(jù)決策者各個(gè)指標(biāo)的重視程度的先驗(yàn)信息，如AHP法、Delphi法等；客觀賦權(quán)法則是依據(jù)已有信息從實(shí)際數(shù)據(jù)出發(fā)進(jìn)行賦權(quán)，如PCA、DNN、熵權(quán)法等，從而避免主觀認(rèn)識差異所存在的不足。目前現(xiàn)有的客觀賦權(quán)法中，主成分分析對原有指標(biāo)進(jìn)行線性組合，得到低維的新指標(biāo)來代替原有指標(biāo)，通過新指標(biāo)對原來信息的反映程度作為權(quán)重，而且具有一定的降維功能，該方法具有很強(qiáng)的客觀性，但在新指標(biāo)還原原有指標(biāo)的信息尚存在不足，存在一定的誤差?；谌四X神經(jīng)網(wǎng)結(jié)構(gòu)提出的神經(jīng)網(wǎng)絡(luò)人工構(gòu)造的信息處理系統(tǒng)，需要大量的數(shù)據(jù)樣本，并且對信息的處理過程復(fù)雜，具有低的可操作性。因此，熵權(quán)法利用指標(biāo)變異程度的大小來確定客觀的熵值以及權(quán)重，既避免了主觀評價(jià)帶來的偏差，同時(shí)比較容易實(shí)現(xiàn)。

熵是物質(zhì)系統(tǒng)狀態(tài)中表示系統(tǒng)的混亂程度的一個(gè)函數(shù)，是表示目前混亂狀態(tài)的一種量度，經(jīng)過對評估矩陣計(jì)算得出的熵作為當(dāng)前權(quán)值，與主觀決策確定權(quán)值方法不同，熵圈法在給定被評價(jià)方案集后各種評價(jià)指標(biāo)確定的情況下，各指標(biāo)在競爭意義上的相對激烈程度系數(shù)，從信息論的方法出發(fā)，其表示了該指標(biāo)對于決策者提供的信息的有價(jià)值程度。