喬建剛，程 璨

(河北工業(yè)大學 土木與交通學院，天津 300401)

交通規(guī)范編制序列是指根據(jù)交通發(fā)展需求確定相關交通規(guī)范的編制時間計劃，這對統(tǒng)籌安排規(guī)范的制定、全面提升交通運輸標準化水平、促進交通運輸科學發(fā)展都具有十分重要的作用。

目前，國內外對規(guī)范編制方面的研究較少。石彥琴等[1]用層次結構和三維坐標表示了農業(yè)工程建設標準體系的構架；孫智等[2]基于標準維度序列優(yōu)先規(guī)則，提出了構建工程建設標準體系的新方法；舒印彪等[3]根據(jù)中國現(xiàn)行電力系統(tǒng)安全穩(wěn)定相關標準的不足，指出未來發(fā)展方向。這些研究者從不同方提出各行業(yè)規(guī)范的規(guī)劃建設，但都未從編制序列方面進行研究。目前，規(guī)范制定序列的確定多采用專家座談方式，受參與人員主觀因素的影響較大，因此采用一種科學的決策方法對規(guī)范編制序列進行系統(tǒng)安排，對提高規(guī)范制定的專業(yè)性和效率具有實際意義。

1 交通規(guī)范編制序列算法

1.1 多屬性決策VIKOR法

多屬性決策的具體方法較多，側重方面也有所區(qū)別。國內外學者主要針對各種方法改進和不同領域應用進行了研究[4-8]。考慮到通過問卷形式參與決策的專家數(shù)量較多，且由于各專家對待規(guī)范編制序列問題的側重點不盡相同，所以可把參與調查的專家作為一個屬性集，以此為基礎進行多屬性決策，以確定交通規(guī)范編制序列。這樣一來模糊分析、法灰色聚類等確定各屬性權重方法在此便不再適用。而TOPSIS法和VIKOR法根據(jù)不同規(guī)范相對理想解和非理想解距離對方案的優(yōu)劣進行排序方法可適用于此。

多準則妥協(xié)解排序(VIKOR法)是南斯拉夫學者S.OPRICOVIC等[9]提出的一種基于理想點解的折衷排序法。其基本思想是在確定正理想解和負理想解基礎上，根據(jù)各方案評價值與理想方案接近程度對方案進行優(yōu)選排序。

從綜合角度來說，VIKOR法采用了Lpj-mertic發(fā)展而來的聚合函數(shù)，如式(1)：

(1)

式中：1≤p≤∞；j=1,2,…,J表示備選方案個數(shù)；測度Lp為方案aj到理想解的距離。

1.2 二元語義

由于規(guī)范編制序列問題的復雜性和不確定性，以及決策主體的主觀因素影響，各專家往往不能給出一個具體的編制年份，而是使用自然語言(如：急需、不需要等)的形式來表達自己意愿。近年來不確定語言多屬性決策問題已引起了許多學者重視。楊山亮等[10]和A.SHEMSHADI等[11]分別提出了采用直覺和梯形模糊數(shù)擴展VIKOR法的多屬性群決策模型，但模糊數(shù)計算方法繁瑣且與語言變量對應關系存在主觀性；劉培德等[12]和李磊等[13]分別針對指標權重未知多屬性決策問題和鐵路突發(fā)事件應急預案評估問題，將語言評估值轉化為二元語義參與計算，這較好解決了語言轉換過程的失真問題。綜上所述，專家們將自然語言轉化為二元語義信息，并應用于VIKOR法中。

二元語義是西班牙學者F.HERRERA等[14]于2000年首次提出的。其語言評價信息與二元語義之間轉化、比較和距離關系可利用以下定義和規(guī)則：

定義1：設S為預先設定好的由奇數(shù)個元素l構成的有序自然語言評價集；β是一個位于[0,l-1]中的數(shù)。則與β對應的二元語義可由式(2)得到：

Δ：[0，l-1]→S×[-0.5,0.5]

Δ(β)=(si,ai)

(2)

式中：i=round(β)，round為四舍五入取整算子；ai=β-i，a∈[-0.5, 0.5]。

則存在逆函數(shù)Δ-1，將二元語義轉換成相應的數(shù)值，如式(3)：

Δ-1：S×[-0.5,0.5]→[0，l-1]

Δ-1(si,ai)=i+ai=β

(3)

定義2：假設(si,ai)、(sk,ak)為兩個二元語義，關于二元語義之間的比較有如下規(guī)定：

若i>k，則(si,ai)>(sk,ak)；

定義3：設(sδ,aδ)、(sγ,aγ)為兩個二元語義，則其距離如式(4)：

d(sδ,aδ),(sγ,aγ)=Δ-1(sδ,aδ)-Δ-1(sγ,aγ)

(4)

1.3 二元語義改進VIKOR算法

根據(jù)以上論述，用二元語義可改進VIKOR法，使其適用于交通規(guī)范的編制序列確定。通過二元語義的定義1，可解決專家評價的自然語言信息轉化問題，構建專家評價矩陣，用于VIKOR法中；通過二元語義的定義2，可確定理想解和負理想解；通過二元語義的定義3，可分別計算VIKOR法中最大群體效應值S、個體遺憾最小值R和所有備選方案的折衷值Q，并根據(jù)所得結果進行排序，最后根據(jù)Q值得變化及VIKOR中的折衷方案確定交通規(guī)范編制序列。

2 二元語義改進VIKOR法的應用

天津地區(qū)瀕臨渤海，其中天津港是我國北方的第一大港，具有港口貨運量大、堆積物品多、重型車量多、降雨量大、對周圍環(huán)境影響大等特點；天津市內河流較多，貨運和客運量較大，跨河橋梁數(shù)量多、種類差別大；加之天津地區(qū)具有多雨多霧、空氣中鹽分含量大、多分布有軟土地基等地區(qū)特征。針對這些特點，筆者對22項待編標準進行了調研分析。

待編制的22項規(guī)范用ai表示，對水運行業(yè)不同專業(yè)方向的42位同等水平專家進行調研，構成屬性集B={bj}，j=1,2,…,42，且專家決策權重相同。

2.1 第1步

專家按“急需1年”～“急需5年”、“一般”、“暫緩”和“不需要”等標準對各規(guī)范編制時序進行評價，根據(jù)式(2)將專家語言評價值轉化為二元語義形式，構建二元語義評價矩陣，如式(5)：

(5)

式中：基本語言評價集S=(s0=“不需要”，s1=“暫緩”，s2=“一般”，s3=“急需”，s4=“十分急需”)；其中，s3對應“急需3～5年”，s4對應“急需1～2年”。

2.2 第2步

在確定正理想解和負理想解時，其標準是一致的，故正負理想解相應就是在確定語言評價集情況下最高級和最低級評價所對應的二元語義。

利用定義2確定正負理想解，如式(6)：

(6)

2.3 第3步

根據(jù)式(3)、(4)，計算所有規(guī)范最大群體效應值S和個體遺憾最小值R，如式(7)：

(7)

2.4 第4步

計算所有備選方案的折衷值Qi，如式(8)：

(8)

就規(guī)范編制序列問題而言，群體效應應占主要位置，但考慮到個體可能會根據(jù)實際經驗得出不同結果，也要適當減小個體遺憾。因此筆者計算了υ=0.7和υ=0.8這兩種情況，結果如式(9)、(10)：

(9)

(10)

2.5 第5步

確定排列順序，按Ri值從小到大排序，方案排在前面的比后面的需要更早制定標準。并將排序后的Ri值繪制成散點圖。分別就υ=0.7和υ=0.8所得Q值進行排序，得表1；排序后的Qi值繪制成圖1。

表1 Q值排序(υ=0.7、υ=0.8)Table 1 Q values sorting table (υ=0.7,υ=0.8)

圖1 Qi值排序散點圖Fig. 1 Qi value sorting scatter plot

2.6 第6步

根據(jù)Q值得變化及VIKOR折衷方案確定交通規(guī)范的編制序列規(guī)劃。

張志剛[15]結合城市交通發(fā)展戰(zhàn)略規(guī)劃和輕重緩急原則，提出規(guī)范編制的時間分為近期、中期和長期的規(guī)劃原則。筆者引用此方法確定了交通規(guī)范編制序列。

由表1和圖1可發(fā)現(xiàn)：當υ=0.7和υ=0.8時，序列順序除2與4對調外，其他完全相同，總體變化規(guī)律也基本一致。筆者分析不同υ值差異：當υ=0.7時，在序列8、9之間出現(xiàn)了一個較大跳躍，其對應規(guī)范為18和20，專家評價統(tǒng)計如圖2。

圖2 規(guī)范18和規(guī)范20專家評價結果Fig. 2 Expert evaluation results of standard 18 and 20

可發(fā)現(xiàn)：這兩者差距不大，規(guī)范20出現(xiàn)較大跳躍是因為相較規(guī)范18存在兩個“不需要”評價。說明υ=0.7與υ=0.8相比較，其過度考慮個體遺憾最小情況，出現(xiàn)了一定偏差，因此取υ=0.8情況下的排序確定水運規(guī)范編制序列是合適的。

根據(jù)Ri變化規(guī)律：序列1～4以相似斜率遠離理想解，序列4與序列5之間出現(xiàn)一個較大跳躍，考慮VIKOR法折衷解確定方法，因此把序列1～4所對應的規(guī)范歸入近期計劃；同理，把序列5～16所對應規(guī)范歸入中期計劃；17～22所對應規(guī)范歸入長期計劃。最終得到了天津水運規(guī)范編制序列，如表3。

表3 天津水運規(guī)范編制序列Table 3 Compilation sequence of water transportation in Tianjin

3 TOPSIS法比較分析

為驗證模型可行性和實用性，筆者采用二元語義改進TOPSIS法(逼近理想解)對文中決策矩陣進行分析，并與VIKOR算法結果進行比較。在TOPSIS法中，利用各規(guī)范標準與理想解和非理想解相對貼近度c確定規(guī)范序列，c值越大則說明時序越早，見圖3。

圖3 c值排序散點圖Fig. 3 c value sorting scatter plot

根據(jù)c值斜率變化，可看出序列1～4斜率相近，將其對應規(guī)范列入近期計劃，之后斜率變化不大，但序列16和17的c值差相對較大，故以其為分界點分別將其對應規(guī)范列入中期和長期計劃。對比基于二元語義的TOPSIS法和VIKOR法所得結果完全一致，說明改進VIKOR法完全可行。這兩種方法不同編制時間計劃間斜率及差值比較見圖4。

由圖4可看出：相比TOPSIS法，VIKOR法不同序列間斜率變化率更加明顯，提高率達到了70.8%；其差值更大，提高率達86.4%和76.0%。VIKOR法能更顯著區(qū)分不同序列間的區(qū)別，對規(guī)劃制定者而言辨識度更高，而且VIKOR法中關于折衷解定義，使規(guī)范編制時間規(guī)劃更加科學。同時VIKOR法在時序制定過程中可根據(jù)評估情況和專家水平不同，設置不同的決策機制系數(shù)υ，考慮群體效益和個別遺憾相互妥協(xié)，得到更為合理的編制序列。

圖4 兩種方法對比Fig. 4 Comparison of two methods

4 結 語

筆者提出了采用二元語義改進VIKOR法確定交通規(guī)范編制序列的思路。用二元語義將專家語言評價進行轉化，使其可用于計算，之后根據(jù)各規(guī)范距離理想解和非理想解的距離，結合VIKOR折衷解確定方法和規(guī)范編制時間計劃，得到交通規(guī)范編制序列。

以天津地區(qū)水運規(guī)范編制序列為例，確定了規(guī)范編制序列，并使用TOPSIS法進行驗證和對比分析，驗證了該方法準確性和實用性，為各地區(qū)交通標準編制序列的確定提供了一種新方法。

參考文獻(References)：

[1] 石彥琴，趙躍龍，李笑光，等.中國農業(yè)工程建設標準體系構架研究[J].農業(yè)工程學報，2012，28(5)：1-5.

SHI Yanqin, ZHAO Yuelong, LI Xiaoguang, et al. Infrastructure of standard system for agricultural engineering construction in China [J].TransactionsoftheChineseSocietyofAgriculturalEngineering, 2012, 28(5): 1-5.

[2] 孫智，張守健.工程建設標準體系的復雜性研究[J].土木工程學報，2012，45(增刊2)：277-283.

SUN Zhi, ZHANG Shoujian. Research on the complexity of construction standard system [J].ChinaCivilEngineeringJournal, 2012, 45 (Sup2): 277-283.

[3] 舒印彪，湯涌，孫華東.電力系統(tǒng)安全穩(wěn)定標準研究[J].中國機電工程學報，2013，33(25)：1-8.

SHU Yinbiao, TANG Yong, SUN Huadong. Research on power system security and stability standards [J].ProceedingsoftheCSEE, 2013, 33 (25): 1-8.

[4] HWANG C L, YOON K.MultipleAttributeDecisionMaking[M]. New York: Springer-Verlag, 1981.

[5] 梵治平，陳發(fā)動，張曉.基于累計前景理論的混合型多屬性決策方法[J].系統(tǒng)工程學報，2012，27(3)：295-301.

FAN Zhiping, CHEN Fadong, ZHANG Xiao. Method for hybridmultiple attribute decision making based on cumulative prospect theory [J].JournalofSystemsEngineering, 2012, 27(3): 295-301.

[6] 楊玉中，張強，吳立云.基于熵權的TOPSIS供應商選擇方法[J].北京理工大學學報，2006，26(1)：31-35.

YANG Yuzhong, ZHANG Qiang, WU Liyun. Technique for order preference by similarity to ideal solution based on entropy weight for supplier selection [J].TransactionsofBeijingInstituteofTechnology, 2006, 26(1): 31-35.

[7] 袁宇，關濤，閆相斌，等.基于混合VIKOR方法的供應商選擇決策模型[J].控制與決策，2014，29(3)：551-560.

YUAN Yu, GUAN Tao, YAN Xiangbin, et al. Based on hybrid VIKOR method decision making model for supplier selection [J].ControlandDecision, 2014, 29(3): 551-560.

[8] 羅圓，姚令侃，魏永幸.鐵路選線方案比選指標權重確定及靈敏度分析[J].重慶交通大學學報(自然科學版)，2015，34(6)：73-78.

LUO Yuan, YAO Lingkan, WEI Yongxing. Weight determination and sensitivity analysis of scheme comparison index in railway location [J].JournalofChongqingJiaotongUniversity(NaturalScience), 2015, 34 (6): 73-78.

[9] OPRICOVIC S, TZENG G H. Extended VIKOR method in comparison with outranking methods [J].EuropeanJournalofOperationalResearch, 2007, 178(2): 514-529.

[10] 楊山亮，王鵬，李革，等.基于直覺模糊VIKOR方法的裝備優(yōu)選群決策模型[J].系統(tǒng)仿真學報，2015，27(9)：2169-2175.

YANG Shanliang, WANG Peng, LI Ge, et al. Group decision making model for weapon selection using extended VIKOR method under intuitionistic fuzzy environment[J].JournalofSystemSimulation, 2015, 27(9): 2169-2175.

[11] SHEMSHADI A, SHIRAZI H, TOREIHI M, et al. A fuzzy VIKOR method for supplier selection based on entropy measure for objective weighting [J].ExpertSystemswithApplications, 2011, 38(10): 12160- 12167.

[12] 劉培德，關忠良.一種基于二元語義的混合型多屬性決策方法[J].控制與決策，2009，24(7)：1074-1077.

LIU Peide, GUAN Zhongliang. Hybrid multiple attribute decision making method based on 2-tuple [J].ControlandDecision, 2009, 24(7): 1074-1077.

[13] 李磊，王富章.基于改進多準則妥協(xié)解排序(VIKOR)法的鐵路應急預案評估研究[J].中國安全科學學報，2012，22(8)：29-35.

LI Lei, WANG Fuzhang. Research on evaluation of railway emergency plan based on improved VIKOR method [J].ChinaSafetyScienceJournal, 2012, 22(8): 29-35.

[14] HERRERA F, MARTINEZ L. A 2-tuple fuzzy linguistic representation model for computing with words [J].IEEETransactionsonFuzzySystems, 2001, 8(6): 746-752.

[15] 張志剛.基于聚類分析方法的地方標準規(guī)劃序列研究[J].交通標準化，2014，42(12)：169-172.

ZHANG Zhigang. Planning order of local standards based on clustering analysis method [J].TransportationStandardization, 2014, 42(12): 169-172.