秦彤彤，張俊友，王樹(shù)鳳，王文魯

（1.山東科技大學(xué) 交通學(xué)院，山東 青島 266590；2.山東科技大學(xué) 地球科學(xué)與工程學(xué)院，山東 青島 266590）

1 引言

隨著京東成功研發(fā)無(wú)人配送站，蘇寧物流普及自動(dòng)駕駛技術(shù)并公開(kāi)了5G無(wú)人配送車的路測(cè)實(shí)況，菜鳥(niǎo)建立無(wú)人倉(cāng)，智能物流再升級(jí)，向無(wú)人配送又邁進(jìn)一步。國(guó)內(nèi)外關(guān)于無(wú)人配送的研究主要集中在無(wú)人機(jī)技術(shù)的發(fā)展，但是在無(wú)人車配送領(lǐng)域的研究微乎其微。國(guó)外的Tsan-Ming Choi[1]等闡述了物流系統(tǒng)的關(guān)鍵風(fēng)險(xiǎn)管理，即中斷風(fēng)險(xiǎn)管理、操作風(fēng)險(xiǎn)控制、災(zāi)害與應(yīng)急管理以及物流服務(wù)風(fēng)險(xiǎn)分析，并闡明了現(xiàn)代物流系統(tǒng)對(duì)于風(fēng)險(xiǎn)管理在未來(lái)的目標(biāo)和方向。中國(guó)對(duì)于物流無(wú)人配送項(xiàng)目風(fēng)險(xiǎn)的研究較少，依據(jù)之前學(xué)者的研究，主要針對(duì)無(wú)人機(jī)物流配送項(xiàng)目。在風(fēng)險(xiǎn)識(shí)別方法中，魏法杰[2]等結(jié)合無(wú)人機(jī)項(xiàng)目研制過(guò)程的特點(diǎn)，分析了不同風(fēng)險(xiǎn)識(shí)別方法的適用性，提出了無(wú)人機(jī)項(xiàng)目研制不同階段如何選擇適當(dāng)?shù)娘L(fēng)險(xiǎn)識(shí)別方法的識(shí)別準(zhǔn)則，并構(gòu)建了無(wú)人機(jī)項(xiàng)目研制風(fēng)險(xiǎn)因素識(shí)別表。在風(fēng)險(xiǎn)分析評(píng)價(jià)方法研究中，王騫[3]將貝葉斯網(wǎng)絡(luò)的不確定性推理技術(shù)引入到無(wú)人機(jī)的風(fēng)險(xiǎn)因素評(píng)估模型中，運(yùn)用了貝葉斯方法計(jì)算風(fēng)險(xiǎn)產(chǎn)生的各種因素，實(shí)現(xiàn)了無(wú)人機(jī)風(fēng)險(xiǎn)因素的分析評(píng)價(jià)，并將該方法運(yùn)用到無(wú)人機(jī)電力巡線項(xiàng)目風(fēng)險(xiǎn)管理中。曹珺雯[4]等對(duì)物流無(wú)人機(jī)配送體系的兩種模式做出解釋，“點(diǎn)對(duì)多”無(wú)人機(jī)物流配送模式中，配送的成本環(huán)節(jié)主要集中在末端，以快遞員為主的人力成本占據(jù)很大比例，無(wú)人機(jī)擬打造“干線-支線-末端”體系，用以解決“最后一公里”的配送問(wèn)題?！包c(diǎn)對(duì)點(diǎn)”無(wú)人機(jī)物流配送模式中，對(duì)快遞公司要求很高，在快遞攬收配送環(huán)節(jié)的智能化有待加強(qiáng)。由于無(wú)人配送在物流行業(yè)還不是一項(xiàng)成熟的技術(shù)，同時(shí)商業(yè)模式也不清晰，因此項(xiàng)目管理組織對(duì)無(wú)人配送項(xiàng)目的風(fēng)險(xiǎn)認(rèn)識(shí)不足，缺少對(duì)關(guān)鍵風(fēng)險(xiǎn)因素的控制，而且無(wú)人配送所面臨的風(fēng)險(xiǎn)因素也與傳統(tǒng)的風(fēng)險(xiǎn)因素不同?？梢园l(fā)現(xiàn)，目前對(duì)于無(wú)人配送的研究有限，鮮有對(duì)無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)研究的文獻(xiàn)。因此，本文在有人配送的基礎(chǔ)上構(gòu)建一套無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)的評(píng)價(jià)指標(biāo)體系，基于模糊綜合評(píng)價(jià)法將風(fēng)險(xiǎn)因素量化，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)建立模型，對(duì)無(wú)人配送風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)分析。

2 無(wú)人配送系統(tǒng)設(shè)計(jì)及風(fēng)險(xiǎn)評(píng)價(jià)體系的構(gòu)建

2.1 無(wú)人配送系統(tǒng)設(shè)計(jì)

工作人員在接入大數(shù)據(jù)網(wǎng)絡(luò)的智能導(dǎo)航系統(tǒng)中錄入包裹的起始地和目的地，智能導(dǎo)航系統(tǒng)計(jì)算出無(wú)人車的最優(yōu)路徑，規(guī)避障礙，根據(jù)周圍環(huán)境的變化，實(shí)時(shí)接收、更改路線、立即反饋信息給無(wú)人電動(dòng)車，自動(dòng)導(dǎo)航的無(wú)人電動(dòng)車安全高效行駛到目的地，與無(wú)人儲(chǔ)存快遞柜進(jìn)行信息交互，然后按智能導(dǎo)航系統(tǒng)之前計(jì)算出的最優(yōu)路徑返回待定區(qū)，在待定區(qū)進(jìn)行修整充電，等待下一配送指令。需要考慮來(lái)回時(shí)交通情況不同，所以智能導(dǎo)航系統(tǒng)需要更新最優(yōu)路徑的計(jì)算。無(wú)人儲(chǔ)存快遞柜錄入包裹的信息，包裹暫存在快遞柜中，對(duì)用戶發(fā)送取件信息，服務(wù)對(duì)象通過(guò)成熟的的人臉識(shí)別技術(shù)取出包裹，完成無(wú)人電動(dòng)車的最后一步。圖1是無(wú)人電動(dòng)車的工作流程圖。

圖1 無(wú)人電動(dòng)車配送流程圖

無(wú)人配送過(guò)程中的信息要素必須數(shù)字化后才能被讀取，并與配送的無(wú)人電動(dòng)車中攜帶的信息實(shí)現(xiàn)最優(yōu)匹配。通過(guò)視覺(jué)技術(shù)去判斷包裹的體積，用智能傳感器讀取數(shù)據(jù)[5]。使用傳感器判斷包裹目的地，以自動(dòng)化流水線把包裹送到無(wú)人電動(dòng)車上[6]。無(wú)人配送系統(tǒng)對(duì)信息的安全性要求更高，為避免身份識(shí)別錯(cuò)誤，應(yīng)采用雙重加密，包括明密匙流，將明匙流存儲(chǔ)于無(wú)人電動(dòng)車所攜帶的RFID卡中，密匙流則通過(guò)5G通信傳輸至客戶端，無(wú)人電動(dòng)車行駛到目的地后讀取無(wú)人電動(dòng)車中的RFID 數(shù)據(jù)并通過(guò)5G 網(wǎng)絡(luò)傳輸信息至客戶端，客戶端的密匙流進(jìn)行處理后解密，確認(rèn)無(wú)人電動(dòng)車身份，保證其配送安全性。每一次的明密匙流應(yīng)保證隨機(jī)產(chǎn)生，以防數(shù)據(jù)被破解或截取。其中，智能傳感器的傳感域的運(yùn)行方式如圖2所示。

圖2 無(wú)人配送傳感域的信息運(yùn)行方式

配送過(guò)程中，主調(diào)度控制室要做好系統(tǒng)安排，實(shí)現(xiàn)各環(huán)節(jié)、流程高效有序的開(kāi)展[7]。圖3 是無(wú)人配送系統(tǒng)設(shè)計(jì)圖。

2.2 無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)體系

無(wú)人配送出現(xiàn)的風(fēng)險(xiǎn)，包括人員傷亡、設(shè)備故障與損失、系統(tǒng)遭黑客攻擊、配送供應(yīng)鏈溝通不暢、操作人員專業(yè)技術(shù)能力不足等風(fēng)險(xiǎn)。由于預(yù)測(cè)風(fēng)險(xiǎn)眾多，不易進(jìn)行風(fēng)險(xiǎn)分析，本文在此著重對(duì)主要風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)分析以及評(píng)價(jià)。

圖3 無(wú)人配送系統(tǒng)設(shè)計(jì)圖

（1）自然風(fēng)險(xiǎn)：無(wú)人電動(dòng)車在配送過(guò)程中受天氣、環(huán)境（風(fēng)切變等）等自然因素影響，可能出現(xiàn)包裹損失等風(fēng)險(xiǎn)。

（2）信息風(fēng)險(xiǎn)：配送過(guò)程中由于人為和自然原因丟失運(yùn)載工具、接收方確認(rèn)錯(cuò)誤，導(dǎo)致網(wǎng)絡(luò)和通信中斷等風(fēng)險(xiǎn)。

（3）成本風(fēng)險(xiǎn)：企業(yè)開(kāi)展無(wú)人配送業(yè)務(wù)，可能發(fā)生購(gòu)置成本高、運(yùn)營(yíng)成本高、遠(yuǎn)距離配送回程空駛、遠(yuǎn)距離能源要求高等風(fēng)險(xiǎn)。

（4）其他風(fēng)險(xiǎn)：政府和相關(guān)部門(mén)對(duì)無(wú)人配送業(yè)務(wù)的包容政策和物業(yè)管理、居民對(duì)無(wú)人配送的信任度等，都會(huì)影響無(wú)人配送行業(yè)的發(fā)展。

其中，由于天氣等自然原因造成的人員傷亡、設(shè)備和包裹損失，可以通過(guò)提高操作人員的專業(yè)技術(shù)能力和完善設(shè)備以及無(wú)人配送系統(tǒng)的性能避免發(fā)生相關(guān)風(fēng)險(xiǎn)，屬于可靠的影響因素；反之，由于惡意破壞或拿走設(shè)備（指無(wú)人電動(dòng)車）、配送途中拿走他人包裹等人為原因造成的風(fēng)險(xiǎn)，不能有效避免此類情況的發(fā)生，屬于不可靠的影響因素。無(wú)人配送風(fēng)險(xiǎn)具體評(píng)價(jià)指標(biāo)體系見(jiàn)表1。

3 模型建立和算法設(shè)計(jì)

神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性映射能力、柔性的網(wǎng)絡(luò)結(jié)構(gòu)以及局部微調(diào)能力強(qiáng)等特點(diǎn)，但同時(shí)存在著收斂和訓(xùn)練速度慢、系統(tǒng)性弱的缺點(diǎn)。模糊綜合評(píng)價(jià)法具有結(jié)果清晰、系統(tǒng)性強(qiáng)的特點(diǎn)，能較好地解決模糊、難以量化的問(wèn)題。因此借助模糊綜合評(píng)價(jià)法，對(duì)無(wú)人配送風(fēng)險(xiǎn)進(jìn)行評(píng)分，可以減少訓(xùn)練時(shí)間。為預(yù)測(cè)無(wú)人配送風(fēng)險(xiǎn)，現(xiàn)將風(fēng)險(xiǎn)量化，但風(fēng)險(xiǎn)量化是一個(gè)復(fù)雜的過(guò)程，受到多種風(fēng)險(xiǎn)因素的不確定影響，且風(fēng)險(xiǎn)因素之間又相互作用。因此，風(fēng)險(xiǎn)因素與量化的風(fēng)險(xiǎn)值之間具有復(fù)雜的非線性關(guān)系[8]。本文基于模糊綜合評(píng)價(jià)法對(duì)風(fēng)險(xiǎn)因素進(jìn)行量化處理，形成定量指標(biāo)。再根據(jù)無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，使用BP 神經(jīng)網(wǎng)絡(luò)模型，對(duì)無(wú)人配送網(wǎng)絡(luò)進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)。

表1 無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)

3.1 模型建立

本文通過(guò)BP 神經(jīng)網(wǎng)絡(luò)建立無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)數(shù)學(xué)模型，尋找恰當(dāng)?shù)臋?quán)值和閾值，通過(guò)目標(biāo)函數(shù)對(duì)無(wú)人配送風(fēng)險(xiǎn)指標(biāo)進(jìn)行綜合評(píng)價(jià)。神經(jīng)網(wǎng)絡(luò)的權(quán)值一閾值向量用X表示[9]，目標(biāo)函數(shù)表示為：

其中，wi：輸入層到隱層的連接權(quán)值；θi：個(gè)體適應(yīng)度評(píng)價(jià)函數(shù)；M：輸入層節(jié)點(diǎn)數(shù)；S：隱含層節(jié)點(diǎn)數(shù)；N：輸出層節(jié)點(diǎn)數(shù)；N3：權(quán)值一閾值向量的維數(shù)。

3.2 算法設(shè)計(jì)

（1）建立風(fēng)險(xiǎn)評(píng)價(jià)因素集。設(shè)U={U1，U2，…，Un}為無(wú)人配送網(wǎng)絡(luò)的n 個(gè)風(fēng)險(xiǎn)指標(biāo)。由表1 得無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系中共有13 個(gè)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)，即n=13。

（2）確定決策評(píng)語(yǔ)集。根據(jù)風(fēng)險(xiǎn)管理中的風(fēng)險(xiǎn)評(píng)價(jià)情況，把無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)狀況分為6個(gè)等級(jí)，即M={1，0.8，0.7，0.5，0.3，0}，表示的風(fēng)險(xiǎn)狀態(tài)見(jiàn)表2。

表2 無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)等級(jí)劃分表

根據(jù)無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)等級(jí)劃分表將6 個(gè)風(fēng)險(xiǎn)等級(jí)劃分成5個(gè)風(fēng)險(xiǎn)區(qū)間，對(duì)不同區(qū)間的風(fēng)險(xiǎn)等級(jí)進(jìn)行描述，見(jiàn)表3。

表3 無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)等級(jí)界定表

（3）構(gòu)造訓(xùn)練樣本集。構(gòu)造P 個(gè)訓(xùn)練樣本，根據(jù)決策評(píng)語(yǔ)集，通過(guò)專家打分法對(duì)P個(gè)樣本下的風(fēng)險(xiǎn)因子打分，構(gòu)造出訓(xùn)練樣本集

（4）計(jì)算隱含層節(jié)點(diǎn)數(shù)。隱含層節(jié)點(diǎn)數(shù)可根據(jù)公式計(jì)算：

其中，M 為輸入層節(jié)點(diǎn)個(gè)數(shù)，N 為輸出層節(jié)點(diǎn)個(gè)數(shù)，γ為1到10之間的常數(shù)。

（5）執(zhí)行BP 算法。用神經(jīng)網(wǎng)絡(luò)對(duì)樣本進(jìn)行訓(xùn)練，將無(wú)人配送網(wǎng)絡(luò)各指標(biāo)的風(fēng)險(xiǎn)值，帶入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中[10]，得到最終的無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)值，即為無(wú)人配送網(wǎng)絡(luò)的風(fēng)險(xiǎn)。根據(jù)無(wú)人配送風(fēng)險(xiǎn)級(jí)別區(qū)間，確定無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)的風(fēng)險(xiǎn)等級(jí)為非常危險(xiǎn)、危險(xiǎn)、較危險(xiǎn)、一般、較安全或安全。

4 實(shí)例驗(yàn)證

4.1 數(shù)據(jù)收集

市南區(qū)，隸屬于山東省青島市，面積30.01km2。2018 年，市南區(qū)快遞業(yè)務(wù)量達(dá)1 664.66 萬(wàn)件，地區(qū)生產(chǎn)總值1 200 億元，同比增長(zhǎng)7.5%左右[11]。截至到2018 年末，市南區(qū)總?cè)丝跒?8.83 萬(wàn)人（常住人口）。通過(guò)下轄的10個(gè)街道對(duì)市南區(qū)進(jìn)行區(qū)域劃分。以青島市某物流企業(yè)的無(wú)人配送網(wǎng)絡(luò)為例，在有人配送數(shù)據(jù)基礎(chǔ)上對(duì)青島市市南區(qū)無(wú)人配送的營(yíng)業(yè)數(shù)據(jù)進(jìn)行預(yù)測(cè)，分析風(fēng)險(xiǎn)，得出風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果。預(yù)測(cè)無(wú)人配送風(fēng)險(xiǎn)專家評(píng)分見(jiàn)表4。

表4 青島某物流企業(yè)市南區(qū)無(wú)人配送風(fēng)險(xiǎn)評(píng)分表

4.2 風(fēng)險(xiǎn)分析

利用Matlab 軟件，以訓(xùn)練樣本為網(wǎng)絡(luò)的輸入，選擇一個(gè)最佳個(gè)體作為BP 神經(jīng)網(wǎng)絡(luò)的的初始權(quán)值與閾值，實(shí)現(xiàn)對(duì)BP 神經(jīng)網(wǎng)絡(luò)模型的驗(yàn)證。運(yùn)行Matlab算法工具箱，得出網(wǎng)絡(luò)預(yù)測(cè)輸出，如圖4所示。

圖4 網(wǎng)絡(luò)預(yù)測(cè)輸出圖

運(yùn)算得目標(biāo)函數(shù)值為0.021 1。網(wǎng)絡(luò)的輸入層到隱含層的權(quán)值W1、隱含層到輸出層的權(quán)值W2、隱含層的閾值B1、輸出層的閾值B2的值[12]分別如下：

優(yōu)化后的權(quán)閾值分布曲線如圖5所示。

圖5 優(yōu)化后的權(quán)閾值分布曲線

4.3 結(jié)果分析

用神經(jīng)網(wǎng)絡(luò)對(duì)樣本進(jìn)行訓(xùn)練，對(duì)神經(jīng)網(wǎng)絡(luò)的權(quán)閾值進(jìn)行微調(diào)，求出權(quán)閾值最佳分布的神經(jīng)網(wǎng)絡(luò)[13]。訓(xùn)練輸出的結(jié)果見(jiàn)表5，如圖6及圖7所示。

表5 訓(xùn)練輸出結(jié)果

圖6 訓(xùn)練輸出結(jié)果

圖7 優(yōu)化神經(jīng)網(wǎng)絡(luò)變化曲線及最佳性能圖

調(diào)用已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，根據(jù)無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)值建立樣本，對(duì)無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)狀況進(jìn)行評(píng)價(jià)，得出風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果為0.558，在評(píng)價(jià)集區(qū)間[0.5，0.7]之間，即企業(yè)無(wú)人配送網(wǎng)絡(luò)的風(fēng)險(xiǎn)狀況處在一般到較危險(xiǎn)區(qū)間。近似說(shuō)明企業(yè)無(wú)人配送網(wǎng)絡(luò)存在一定的風(fēng)險(xiǎn)，需要找出存在風(fēng)險(xiǎn)的相關(guān)因素，加大管理力度來(lái)降低風(fēng)險(xiǎn)。

針對(duì)案例中無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果，分析造成物流企業(yè)無(wú)人配送網(wǎng)絡(luò)的風(fēng)險(xiǎn)因素，并提出風(fēng)險(xiǎn)管理方案：自然風(fēng)險(xiǎn)方面，實(shí)時(shí)關(guān)注氣象報(bào)告，遵循預(yù)先防控原則，提前勘測(cè)無(wú)人配送過(guò)程中的地理環(huán)境，確定無(wú)人電動(dòng)車在適宜條件下進(jìn)行工作；信息風(fēng)險(xiǎn)方面，遵循預(yù)先防控原則，提前評(píng)估所需的材料和設(shè)備，選取影響力大、信譽(yù)良好的供應(yīng)商，嚴(yán)格按照時(shí)間節(jié)點(diǎn)進(jìn)行，確保配送過(guò)程中信息的實(shí)時(shí)追蹤；成本風(fēng)險(xiǎn)方面，加強(qiáng)長(zhǎng)期技術(shù)儲(chǔ)備工作，選擇可靠的設(shè)備技術(shù)類型，重點(diǎn)提升核心技術(shù)，定期對(duì)無(wú)人電動(dòng)車等配送工具以及無(wú)人配送系統(tǒng)進(jìn)行全面檢查，及時(shí)調(diào)試更換有問(wèn)題的零部件，由負(fù)責(zé)人對(duì)自己負(fù)責(zé)的相應(yīng)模塊進(jìn)行預(yù)算編制。在此基礎(chǔ)上，項(xiàng)目相關(guān)管理人員應(yīng)該積累和總結(jié)風(fēng)險(xiǎn)，提高對(duì)風(fēng)險(xiǎn)的敏感性，及時(shí)應(yīng)對(duì)發(fā)生的風(fēng)險(xiǎn)，將發(fā)生風(fēng)險(xiǎn)造成的損失降到最低；社會(huì)風(fēng)險(xiǎn)方面，實(shí)時(shí)關(guān)注市場(chǎng)需求變化，及時(shí)獲取相關(guān)法律法規(guī)的動(dòng)態(tài)，對(duì)企業(yè)無(wú)人配送相關(guān)業(yè)務(wù)及時(shí)進(jìn)行調(diào)整。

5 總結(jié)與展望

根據(jù)本文建立的無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，結(jié)合模糊綜合評(píng)價(jià)法和BP 神經(jīng)網(wǎng)絡(luò)算法，建立基于模糊神經(jīng)網(wǎng)絡(luò)的無(wú)人配送網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)模型，較好的實(shí)現(xiàn)了無(wú)人配送指標(biāo)的定量化?；跓o(wú)人配送風(fēng)險(xiǎn)評(píng)價(jià)模型和算法，通過(guò)青島某物流企業(yè)的案例驗(yàn)證風(fēng)險(xiǎn)評(píng)價(jià)模型方法的準(zhǔn)確性，得出案例中各項(xiàng)風(fēng)險(xiǎn)指標(biāo)參數(shù)對(duì)無(wú)人配送網(wǎng)絡(luò)的影響程度，為風(fēng)險(xiǎn)管理方案提供一個(gè)參考方向。

本文將模糊綜合評(píng)價(jià)法與BP 神經(jīng)網(wǎng)絡(luò)算法進(jìn)行結(jié)合，建立了模糊神經(jīng)網(wǎng)絡(luò)模型。在今后的研究中，可以從指標(biāo)參數(shù)優(yōu)化方案和指標(biāo)參數(shù)飽和區(qū)間等方面對(duì)無(wú)人配送風(fēng)險(xiǎn)評(píng)價(jià)體系的靈敏度分析做深入研究，探討他們的結(jié)合方法與應(yīng)用將是一個(gè)具有實(shí)際意義的課題。