費(fèi)春國(guó)+潘偉鵬

摘 要： 機(jī)坪電動(dòng)特種車(chē)輛運(yùn)行安全風(fēng)險(xiǎn)評(píng)估是保證特種車(chē)輛穩(wěn)定運(yùn)行、降低航班延誤率的基礎(chǔ)。目前電動(dòng)特種車(chē)輛運(yùn)行安全評(píng)估尚未有一套合理科學(xué)的評(píng)估體系，因此提出一種改進(jìn)隸屬函數(shù)的模糊綜合評(píng)估方法。通過(guò)分析機(jī)坪特種車(chē)輛特有的交通環(huán)境，首先建立電動(dòng)特種車(chē)輛安全運(yùn)行指標(biāo)體系，運(yùn)用層次分析法計(jì)算指標(biāo)權(quán)重，并用改進(jìn)的合成隸屬函數(shù)方法確定隸屬度，最后用模糊綜合評(píng)估方法對(duì)電動(dòng)特種車(chē)輛運(yùn)行安全做出評(píng)估。驗(yàn)證結(jié)果表明了該方法提高了評(píng)估結(jié)果的精確度，解決了電動(dòng)特種車(chē)輛運(yùn)行安全評(píng)估的不系統(tǒng)、不科學(xué)的問(wèn)題。

關(guān)鍵詞： 安全風(fēng)險(xiǎn)評(píng)估； 層次分析法； 模糊綜合評(píng)估； 電動(dòng)特種車(chē)輛

中圖分類(lèi)號(hào)： TN082?34； TP391.9 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）12?0034?05

Abstract： The safety risk evaluation for the electric special vehicle running on airport apron is the basis to ensure the stable running of special vehicle and reduce the flight delay rate. At present， it hasn′t a set of reasonable and scientific evaluation system for the running safety assessment of the electric special vehicle， so a fuzzy comprehensive evaluation method with improved membership function is proposed. The exclusive traffic environment of the special vehicle running on airport apron is analyzed to set up the safety running index system of the electric special vehicle. The analytic hierarchy process （AHP） is used to calculate the weight of index. The improved membership function synthesis method is adopted to determine the membership. The fuzzy comprehensive evaluation method is employed to evaluate the running safety of electric special vehicle. The validation results show that the method can improve the accuracy of the evaluation result， and solve the problems of poor?systematicness and poor?scientificity evaluation for running safety of the electric special vehicle.

Keywords： safety risk evaluation； analytic hierarchy process； fuzzy comprehensive evaluation； electric special vehicle

0 引 言

綠色低碳機(jī)場(chǎng)已成為全球機(jī)場(chǎng)發(fā)展的趨勢(shì)，近年來(lái)民航局致力于節(jié)能減排，積極探索綠色機(jī)場(chǎng)的發(fā)展道路。據(jù)統(tǒng)計(jì)，機(jī)坪地面特種車(chē)輛消耗的汽油、柴油占機(jī)場(chǎng)總耗能的13%以上。2014年開(kāi)始，中國(guó)民用航空局倡導(dǎo)全國(guó)各機(jī)場(chǎng)針對(duì)機(jī)坪特種車(chē)輛進(jìn)行“油改電”項(xiàng)目。該項(xiàng)目主要將機(jī)場(chǎng)區(qū)域內(nèi)的牽引車(chē)、客梯車(chē)、機(jī)場(chǎng)擺渡車(chē)、引導(dǎo)車(chē)等燃油特種車(chē)輛更替為電動(dòng)特種車(chē)輛[1]。

一直以來(lái)，機(jī)場(chǎng)都是將安全問(wèn)題放在首位。隨著機(jī)坪電動(dòng)特種車(chē)輛逐步代替燃油車(chē)輛，未來(lái)機(jī)場(chǎng)將長(zhǎng)期存在電動(dòng)車(chē)與燃油車(chē)共存的局面?！坝透碾姟钡淖罱K目的就是保證機(jī)坪特種車(chē)輛在安全運(yùn)行的基礎(chǔ)上，最大程度地實(shí)現(xiàn)節(jié)能減排。因此，建立一套合理的電動(dòng)特種車(chē)輛運(yùn)行安全評(píng)估體系對(duì)機(jī)場(chǎng)穩(wěn)定安全的運(yùn)行是十分必要的?，F(xiàn)有的評(píng)估方式大都是專家們通過(guò)觀察現(xiàn)場(chǎng)的整個(gè)運(yùn)行過(guò)程，然后做出評(píng)估，但無(wú)法體現(xiàn)評(píng)估過(guò)程的科學(xué)性、客觀性、合理性[2]。

本文根據(jù)電動(dòng)特種車(chē)輛運(yùn)行過(guò)程中影響安全的風(fēng)險(xiǎn)因素，建立系統(tǒng)的安全評(píng)估指標(biāo)體系，采用層次?模糊綜合評(píng)估方法對(duì)電動(dòng)特種車(chē)輛的運(yùn)行過(guò)程做出一個(gè)普適性評(píng)估，運(yùn)用實(shí)例驗(yàn)證評(píng)估結(jié)果的合理性與科學(xué)性，解決了電動(dòng)特種車(chē)輛運(yùn)行安全評(píng)估的主觀性和片面性問(wèn)題[3]。

1 電動(dòng)特種車(chē)輛運(yùn)行安全評(píng)估指標(biāo)體系

電動(dòng)特種車(chē)輛在機(jī)坪實(shí)際運(yùn)行中，涉及的指標(biāo)因素眾多，指標(biāo)體系構(gòu)建的合理性是決定評(píng)估結(jié)果成敗的關(guān)鍵，為了確保評(píng)估結(jié)果的普遍適用性，指標(biāo)體系的構(gòu)建一定要遵循科學(xué)、合理、客觀的原則。

將機(jī)坪交通系統(tǒng)中的“人、車(chē)、道路、環(huán)境”作為研究目標(biāo)，以現(xiàn)場(chǎng)車(chē)輛實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)和已發(fā)生的事故數(shù)據(jù)樣本為基礎(chǔ)，結(jié)合行業(yè)專家和一線工作人員的經(jīng)驗(yàn)，甄別出具有可比性、代表性和可測(cè)性的指標(biāo)，以此克服以往對(duì)于車(chē)輛安全運(yùn)行評(píng)估指標(biāo)過(guò)于單一的缺點(diǎn)。運(yùn)用AHP方法分析影響電動(dòng)車(chē)輛運(yùn)行安全的各指標(biāo)的關(guān)聯(lián)，建立電動(dòng)車(chē)輛運(yùn)行安全的遞階層次框架：目標(biāo)層G，準(zhǔn)則層C，方案層P。本文以機(jī)坪電動(dòng)引導(dǎo)車(chē)為分析對(duì)象，對(duì)機(jī)坪電動(dòng)特種車(chē)輛運(yùn)行安全進(jìn)行普適性的評(píng)估[4?5]。目標(biāo)層為電動(dòng)特種車(chē)輛運(yùn)行安全G，準(zhǔn)則層集合為{C1，C2，C3，C4}，方案層{Pi1，Pi2，，…，Pin}，i=1，2，3，4。構(gòu)建的指標(biāo)體系見(jiàn)圖1。

機(jī)坪電動(dòng)特種車(chē)輛在實(shí)際運(yùn)行的交通系統(tǒng)中，“人、車(chē)、路、環(huán)境”是構(gòu)成該系統(tǒng)的基本要素，其運(yùn)行安全風(fēng)險(xiǎn)指標(biāo)必定是建立在這些因素的基礎(chǔ)上，下面對(duì)方案層P的某些指標(biāo)做出解釋：

（1） 駕駛員是整個(gè)交通系統(tǒng)中影響運(yùn)行安全的最主觀性的因素。為了避免駕駛員心理素質(zhì)、人格因素等這些因人而異的主觀性因素導(dǎo)致評(píng)估結(jié)果不具普適性，選取操作技能P11與疲勞程度P12兩個(gè)相對(duì)客觀的指標(biāo)。駕駛員的操作技能是決定正確行駛的關(guān)鍵。疲勞程度是隨著工作時(shí)長(zhǎng)的增加導(dǎo)致工作能力下降的客觀規(guī)律。

（2） 制動(dòng)性P21主要分為制動(dòng)效能的好壞、制動(dòng)效能的恒定性以及制動(dòng)方向的穩(wěn)定性三個(gè)指標(biāo)。機(jī)坪特種車(chē)輛根據(jù)服務(wù)性質(zhì)的不同都有不同程度的限速，由此可知制動(dòng)頻率較高，這種工作環(huán)境對(duì)制動(dòng)系提出了較高要求。

（3） 操縱穩(wěn)定性P22是指車(chē)輛在各種條件下能保持穩(wěn)定行駛狀態(tài)的能力。機(jī)坪特種車(chē)輛在作業(yè)期間通常保持低速穩(wěn)定運(yùn)行，因而操縱穩(wěn)定性良好。

（4） 電池組的動(dòng)力性P23分為爬坡性能、加速性能與最高速度性能三個(gè)指標(biāo)。爬坡性能與加速性能反映了車(chē)輛的后備功率。電池組的后備功率對(duì)于安全運(yùn)行的影響主要體現(xiàn)在超車(chē)過(guò)程中減少并行時(shí)間。此性能主要表現(xiàn)在特種車(chē)輛非作業(yè)區(qū)的公共交通系統(tǒng)中。

（5） 總成部件的疲勞強(qiáng)度P24主要是指電機(jī)、電池、輪胎等關(guān)鍵部件的磨損與老化程度，總成部件的疲勞強(qiáng)度是影響特種車(chē)輛安全運(yùn)行的潛在因素。

（6） 電池組的安全性P25主要是指包括電池組的防水、散熱、防撞以及過(guò)放電等指標(biāo)，其中電池組的安全性是決定特種車(chē)輛“油改電”是否成功的關(guān)鍵。

（7） 道路線形設(shè)計(jì)P31包括曲線半徑、坡度、坡長(zhǎng)等指標(biāo)。

（8） 路面基本狀況P32包括路面強(qiáng)度、平整度、穩(wěn)定度等指標(biāo)。

（9） 天氣狀況P41與晝夜?fàn)顩rP42是影響視距的兩個(gè)主要因素，視距越小，事故率越高。

2 電動(dòng)特種車(chē)輛運(yùn)行安全評(píng)估方法

建立起電動(dòng)特種車(chē)輛安全運(yùn)行的指標(biāo)體系之后，依據(jù)AHP方法對(duì)同層次的各指標(biāo)兩兩對(duì)比構(gòu)造判斷矩陣，對(duì)矩陣進(jìn)行一致性檢驗(yàn)，確定各指標(biāo)的權(quán)重，再用改進(jìn)的隸屬函數(shù)法構(gòu)建單因素評(píng)估矩陣，最終對(duì)電動(dòng)特種車(chē)輛運(yùn)行安全做出綜合評(píng)估[6]。

2.1 AHP方法確定評(píng)價(jià)指標(biāo)的權(quán)重

AHP方法中，指標(biāo)權(quán)重的確定非常關(guān)鍵，它直接反映出各指標(biāo)所起的作用，決定了模糊綜合評(píng)估結(jié)果的成敗。AHP方法將定量分析與定性分析結(jié)合，既解決了量綱不同的問(wèn)題，又將不同類(lèi)型的性能指標(biāo)在同一矩陣中量化[7]。

（1） 構(gòu)造判斷矩陣。判斷矩陣G就是對(duì)存在于同一層次的各指標(biāo)對(duì)于上層隸屬指標(biāo)的重要程度進(jìn)行兩兩對(duì)比， 根據(jù)專家經(jīng)驗(yàn)量化對(duì)比結(jié)果[8]。為了提高量化的精確性，往往采用標(biāo)度的方法，具體標(biāo)度見(jiàn)表1。

上述判斷矩陣G=（gij）n×n的具體形式如下：

式中，gij表示指標(biāo)i相比指標(biāo)j的重要性，并且滿足gij>0，gii=1，gij=（i，j=1，2，…，n）。

（2） 層次單排序。層次單排序就是同層次的各指標(biāo)對(duì)于上層隸屬指標(biāo)按重要程度的排序，先計(jì)算出判斷矩陣G的最大特征值λmax ，再根據(jù)特征方程G·W=λmax·W，計(jì)算出特征向量W=（ω1，ω2，…，ωn）T，最后對(duì)特征向量W歸一化處理。

表1 標(biāo)度量化方法

具體步驟如下：

將判斷矩陣G進(jìn)行列歸一化處理，得到矩陣B=（bij）n×n （i，j=1，2，…，n），再將矩陣B按行求和：

式中：n為判斷矩陣的階數(shù)；C=0時(shí)，判斷矩陣完全一致，C值越大，判斷矩陣越不一致，但是無(wú)法衡量判斷矩陣不一致程度的范圍，因此，引入隨機(jī)一致性比例指標(biāo)，記作CR，即：，R為隨機(jī)一致性指標(biāo)。當(dāng)CR<0.1時(shí)，判斷矩陣的不一致性在合理范圍內(nèi)，否則必須重新構(gòu)造判斷矩陣。R為撒汀經(jīng)驗(yàn)值[9]，取值如表2所示。

表2 撒汀經(jīng)驗(yàn)值

2.2 模糊綜合評(píng)估的計(jì)算

確定指標(biāo)權(quán)重之后，需要構(gòu)建單因素評(píng)估矩陣，隸屬度權(quán)重的計(jì)算取決于隸屬函數(shù)的設(shè)定，最常用的隸屬函數(shù)有三角函數(shù)、梯形函數(shù)以及高斯函數(shù)等，隸屬函數(shù)的參數(shù)由行業(yè)專家給定[10]。

（1） 評(píng)判集的構(gòu)建。首先建立評(píng)判集V={v1，v2，…，vn}，通常影響安全的等級(jí)vi用“很低，較低，較高”等類(lèi)似的詞匯描述。

（2） 計(jì)算特種車(chē)輛的評(píng)分矩陣D。咨詢m個(gè)專家對(duì)n個(gè)指標(biāo)進(jìn)行評(píng)分，評(píng)價(jià)值為dij，dij表示第i個(gè)專家對(duì)第j個(gè)指標(biāo)的評(píng)分，評(píng)分矩陣D的具體形式如下：

（3） 改進(jìn)的隸屬函數(shù)法。在實(shí)際運(yùn)用中，為了計(jì)算方便，三角函數(shù)與梯形函數(shù)是應(yīng)用廣泛的隸屬函數(shù)，這些單一的隸屬函數(shù)法對(duì)評(píng)估的結(jié)果的準(zhǔn)確度都有不同程度的降低。本文首次提出梯形隸屬函數(shù)與高斯隸屬合成的方法，使得模糊處理的結(jié)果更精確。例如疲勞程度屬于越小越好型指標(biāo)，選取5個(gè)風(fēng)險(xiǎn)評(píng)價(jià)集V={很低，較低，中，較高，很高}，合成隸屬函數(shù)如圖2所示。

2.4 對(duì)綜合評(píng)估向量結(jié)果分析

綜合評(píng)估向量B的結(jié)果為百分制的數(shù)字，對(duì)評(píng)估結(jié)果的分析通常運(yùn)用最大隸屬度原則，找出B中的最大值Bmax，以此最大值作為評(píng)估的參考值，該值屬于哪個(gè)評(píng)價(jià)等級(jí)則評(píng)估結(jié)果就是哪個(gè)等級(jí)[11]。

3 實(shí)例驗(yàn)證分析

通過(guò)AHP法的遞階層次思想計(jì)算出的系統(tǒng)指標(biāo)權(quán)重反映了不同指標(biāo)間的重要性差別，然后通過(guò)改進(jìn)的隸屬函數(shù)合成法對(duì)機(jī)坪電動(dòng)車(chē)輛運(yùn)行安全做出綜合評(píng)估。選取我國(guó)某機(jī)場(chǎng)的真實(shí)運(yùn)行交通環(huán)境進(jìn)行研究，以機(jī)坪電動(dòng)引導(dǎo)車(chē)（FOLLOW ME）為評(píng)估對(duì)象，對(duì)評(píng)估結(jié)果的合理性和客觀性進(jìn)行驗(yàn)證。專家組成員包括機(jī)場(chǎng)運(yùn)行指揮專家、機(jī)場(chǎng)運(yùn)行指揮人員、經(jīng)驗(yàn)豐富的一線駕駛員等。

（1） 根據(jù)2.1節(jié)中AHP方法確定機(jī)坪電動(dòng)特種車(chē)輛評(píng)價(jià)指標(biāo)的權(quán)重：

A=[0.237 9，0.595 4，0.053 6，0.113 0]

A1=[0.666 7，0.333 3]

A2=[0.291 1，0.038 3，0.076 7，0.117 0，0.476 8]

A3=[0.482 9，0.088 2，0.272 0，0.157 0]

A4=[0.529 2，0.268 1，0.068 4，0.134 2]

（2） 咨詢20位行業(yè)專家對(duì)電動(dòng)引導(dǎo)車(chē)的各指標(biāo)進(jìn)行評(píng)分，構(gòu)造評(píng)分矩陣D。以準(zhǔn)則層指標(biāo)道路C3為例分析，對(duì)其下層指標(biāo)進(jìn)行評(píng)分，其中dij∈[0，10]，得到評(píng)分矩陣D3：

（3） 隸屬度的計(jì)算。通過(guò)Matlab模糊工具箱，編輯模糊隸屬函數(shù)，設(shè)置模糊規(guī)則，將評(píng)分矩陣的值dij作為輸入值在Matlab計(jì)算相應(yīng)輸出值f，從而計(jì)算出隸屬度Xjn：n=1，X=7.032 6；n=2，X=5.511 2；n=3，X=3.544 1；n=4，X=0.513；n=5，X=0。

（4） 單因素評(píng)估矩陣的構(gòu)建。根據(jù)隸屬度權(quán)重計(jì)算公式可得單因素評(píng)估矩陣 R3：

同理可求出R1，R2，R4。

（5） 模糊綜合評(píng)估。一級(jí)指標(biāo)模糊評(píng)估：利用Bi=Ai·Ri（i=1，2，3，4），得到一級(jí)指標(biāo)模糊評(píng)估如下：

B1=（0.360 3，0.443 5，0.172 7，0.023 5，0）

B2=（0.371 6，0.351 9，0.252 0，0.019 9，0）

B3=（0.447 8，0.419 5，0.117 1，0.015 7，0）

B4=（0.388 8，0.358 1，0.226 9，0.026 1，0）

二級(jí)指標(biāo)模糊評(píng)估：由電動(dòng)引導(dǎo)車(chē)的一級(jí)因素C1，C2，C3，C4構(gòu)成的總單因素評(píng)判矩陣R為：

利用B=A·R可得出電動(dòng)引導(dǎo)車(chē)模糊綜合評(píng)估的結(jié)果：

B=（0.374 9，0.378 0，0.223 0，0.021 2，0）

依據(jù)最大隸屬度原則，B中最大值為0.378 0為評(píng)估結(jié)果，0.378 0對(duì)應(yīng)風(fēng)險(xiǎn)評(píng)價(jià)集{很低，較低，中，較高，很高}中的“較低”等級(jí)，說(shuō)明該機(jī)場(chǎng)的電動(dòng)引導(dǎo)車(chē)運(yùn)行風(fēng)險(xiǎn)較低，與實(shí)際情況吻合。實(shí)際中有30.65%的專家認(rèn)為風(fēng)險(xiǎn)等級(jí)很低，有37.8%的專家認(rèn)為風(fēng)險(xiǎn)等級(jí)較低，28.4%的專家認(rèn)為風(fēng)險(xiǎn)等級(jí)為中等，有3.15%的專家認(rèn)為風(fēng)險(xiǎn)等級(jí)較高。

改進(jìn)的隸屬函數(shù)對(duì)比：對(duì)電動(dòng)引導(dǎo)車(chē)運(yùn)行安全做出合理評(píng)估以后，進(jìn)一步用改進(jìn)的合成隸屬函數(shù)與梯形隸屬函數(shù)、高斯隸屬函數(shù)的評(píng)估結(jié)果做出對(duì)比，也分別得到了不同的評(píng)估結(jié)果，其結(jié)果如表3所示。

從表3可知，高斯隸屬函數(shù)與合成隸屬函數(shù)的評(píng)估結(jié)果均能正確反映引導(dǎo)車(chē)運(yùn)行風(fēng)險(xiǎn)等級(jí)，但是合成隸屬函數(shù)的評(píng)估結(jié)果與實(shí)際情況更為吻合，從而驗(yàn)證了改進(jìn)的隸屬函數(shù)的優(yōu)點(diǎn)。

表3 電動(dòng)引導(dǎo)車(chē)運(yùn)行安全評(píng)估結(jié)果對(duì)比

4 結(jié) 論

為了實(shí)現(xiàn)機(jī)場(chǎng)節(jié)能減排，大量電動(dòng)特種車(chē)輛進(jìn)入機(jī)坪作業(yè)，對(duì)車(chē)輛安全運(yùn)行提出了新的要求。本文對(duì)機(jī)坪電動(dòng)特種車(chē)輛進(jìn)行分析，建立了電動(dòng)特種車(chē)輛安全運(yùn)行的指標(biāo)體系，運(yùn)用AHP法計(jì)算出指標(biāo)權(quán)重，通過(guò)改進(jìn)的合成隸屬函數(shù)對(duì)電動(dòng)特種車(chē)輛安全運(yùn)行進(jìn)行模糊綜合評(píng)估，改善了目前對(duì)特種車(chē)輛的安全評(píng)估方法還停留在現(xiàn)場(chǎng)觀察評(píng)估的現(xiàn)狀。同時(shí)對(duì)影響電動(dòng)特種車(chē)輛運(yùn)行安全的指標(biāo)按重要程度進(jìn)行排序，對(duì)機(jī)場(chǎng)預(yù)防風(fēng)險(xiǎn)隱患提供了科學(xué)的參考依據(jù)，具有很好的實(shí)際應(yīng)用價(jià)值[12]。

參考文獻(xiàn)

[1] 于敬磊.中國(guó)民航節(jié)能減排對(duì)策研究[J].資源節(jié)約與環(huán)保，2014（10）：83.

[2] 程明，孫瑞山.機(jī)場(chǎng)運(yùn)行崗位安全評(píng)估模型的構(gòu)建與驗(yàn)證[J].工業(yè)安全與環(huán)保，2013，39（6）：88?90.

[3] 項(xiàng)磊，楊新，張揚(yáng)，等.基于層次分析法與模糊理論的衛(wèi)星效能評(píng)估[J].計(jì)算機(jī)仿真，2013，30（2）：55?61.

[4] 李鳴慎，楊帆，楊夯，等.基于層次分析與模糊評(píng)判的電動(dòng)汽車(chē)充電站能效評(píng)估[J].電測(cè)與儀表，2013，50（9）：69?73.

[5] 安雪瀅，趙勇，楊樂(lè)平，等.基于模糊理論的衛(wèi)星系統(tǒng)效能評(píng)估仿真研究[J].系統(tǒng)仿真學(xué)報(bào)，2006，18（8）：2334?2337.

[6] MUSAVI F， EDINGTON M， EBERLE W， et al. Energy efficiency in plug?in hybrid electric vehicle chargers： evaluation and comparison of front end AC?DC topologies [C]// Proceedings of 2011 IEEE Energy Conversion Congress and Exposition. [S.l.]： IEEE， 2011： 273?280.

[7] WANG X， WANG S， CHEN M， et al. Efficiency testing technology and evaluation of the electric vehicle motor drive system [C]// Proceedings of 2014 IEEE Conference on Transportation Electrification Asia?Pacific. Beijing， China： IEEE， 2014： 1?5.

[8] LU S B， XU S G， MA T， et al. Application of variable fuzzy recognition model in comprehensive benefit evaluation of floodwater utilization [C]// Proceedings of the Seventh 2010 IEEE International Conference on Fuzzy Systems and Knowledge Discovery. Yantai， China： IEEE， 2010： 836?840.

[9] 謝季堅(jiān).模糊數(shù)學(xué)方法及其應(yīng)用[M].武漢：華中科技大學(xué)出版社，2013.

[10] CHEN J， LU B. The study of multi?granular fuzzy comprehensive evaluation model [C]// Proceedings of 2007 the second IEEE Conference on Industrial Electronics and Applications. Harbin， China： IEEE， 2007： 1578?1583.

[11] XU Bin， ZHANG Li. Groundwater hydro?ecological security evaluation based on generalized multi?level fuzzy comprehensive evaluation model： A case of Shihezi reclamation area in Xinjiang province， China [C]// Proceedings of 2011 International Symposium on Water Resource and Environmental Protection. Xian， China： IEEE， 2011： 384?387.

[12] GARCIA H J， BERLANGA A， MOLINA J M， et al. Methods for operations planning in airport decision support systems [J]. Applied intelligence， 2005， 22（3）： 183?206.