□ 郭凌峰，耿凱亮，徐慧浩

(1.上海工程技術(shù)大學(xué) 城市軌道交通學(xué)院，上海 201620；2.上海申通地鐵集團(tuán)有限公司，上海 201103；3.嘉興市規(guī)劃管理服務(wù)中心，浙江 嘉興 314050)

城市軌道交通新線試運(yùn)行演練是在投入初期運(yùn)營之前必須完成的一項(xiàng)重要工作，其保障了新線有序、安全地運(yùn)行。它是對(duì)城市軌道交通系統(tǒng)綜合聯(lián)調(diào)的驗(yàn)證[1]，通過對(duì)設(shè)備的調(diào)試檢驗(yàn)以及運(yùn)營人員的能力檢驗(yàn)來確定新線是否具備運(yùn)營的能力。當(dāng)前，為了保證新線試運(yùn)行演練的各項(xiàng)科目滿足安全評(píng)估，在試運(yùn)行期間，地鐵公司會(huì)組織第三方獨(dú)立機(jī)構(gòu)對(duì)新開通地鐵線路開展試運(yùn)營基本條件評(píng)審工作，其中符合條件的方可開展載客試運(yùn)營。因此，建立一套科學(xué)的、全面的、系統(tǒng)的城市軌道交通新線試運(yùn)行演練評(píng)估方法就顯得極為重要了。

近年來，不少專家對(duì)城市軌道交通演練評(píng)估展開了研究，王華聲等[2]對(duì)地鐵運(yùn)營應(yīng)急管理進(jìn)行研究，確定了多維度評(píng)價(jià)指標(biāo)，全面評(píng)估應(yīng)急演練過程中各方面的演練效果。張新海等[3]對(duì)防汛應(yīng)急演練進(jìn)行研究，提出“問卷調(diào)查+現(xiàn)場(chǎng)評(píng)估”的方法，找出實(shí)際演練評(píng)估中的不足并提出針對(duì)性的意見。王華聲、闊康等[4-5]采用AHP方法對(duì)城市軌道交通新線演練進(jìn)行評(píng)估，驗(yàn)證了方法的適用性。王少杰[6]針對(duì)應(yīng)急預(yù)案評(píng)估方法評(píng)價(jià)指標(biāo)上的不足，提出用網(wǎng)絡(luò)層次分析法來確定指標(biāo)權(quán)重，然后用Topsis法進(jìn)行排序；李嶸等[7]通過AHP法確定影響演練效果的幾個(gè)因素的指標(biāo)值，然后用Topsis方法對(duì)結(jié)果進(jìn)行排序，提出AHP-Topsis的城市軌道交通應(yīng)急演練評(píng)估方法。王何鑫[8]將Topsis法和熵權(quán)法結(jié)合，建立了基于E-Topsis的新線試運(yùn)行演練評(píng)估模型，以實(shí)際線路驗(yàn)證，得到了較為科學(xué)的結(jié)果。

對(duì)于評(píng)估問題，合理的權(quán)重確定方法和有效的評(píng)估方法都非常重要。在確定權(quán)重、評(píng)估方法的研究上，周雪等[9]采用AHP法確定主觀權(quán)重、熵值法確定客觀權(quán)重，并以博弈論計(jì)算綜合權(quán)重的組合賦權(quán)法來確定影響因素的權(quán)重，利用云模型來對(duì)鐵路旅客的運(yùn)輸安全進(jìn)行評(píng)價(jià)。Zhang等[10]采用灰色關(guān)聯(lián)分析和熵權(quán)法確定客觀權(quán)重，基于遺傳算法得到組合權(quán)重，以此構(gòu)建了一個(gè)基于云模型的多層次模糊綜合評(píng)價(jià)模型。Yi等[11]采用模糊層次分析法和改進(jìn)的標(biāo)準(zhǔn)重要性來獲得主客觀權(quán)重，并采用最小平方法來獲得綜合權(quán)重，從而減少人工經(jīng)驗(yàn)的影響。虢小燕等[12]以3標(biāo)度的AHP法確定主觀權(quán)重，熵值法確定客觀權(quán)重，主客觀結(jié)合確定綜合權(quán)重，再結(jié)合Topsis法進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)。薛亮等[13]基于PSR模型來構(gòu)建評(píng)價(jià)指標(biāo)體系，利用博弈論思想將主客觀賦權(quán)得到的權(quán)重值進(jìn)行組合賦權(quán)，建立了城市軌道交通運(yùn)營水平評(píng)價(jià)模型。上述研究均通過組合賦權(quán)的計(jì)算方法來獲得綜合權(quán)重，但是主觀權(quán)重的計(jì)算較復(fù)雜、部分客觀權(quán)重方法沒有考慮極端權(quán)重的影響、組合賦權(quán)中組合系數(shù)的確定較為模糊，有些是專家經(jīng)驗(yàn)人為判定，具有較強(qiáng)的主觀性；并且組合賦權(quán)與評(píng)估方法的結(jié)合能否應(yīng)用在城市軌道交通新線演練評(píng)估中還有待驗(yàn)證。

鑒于此，本文將采用改進(jìn)的屬性層次分析法來確定主觀權(quán)重，反熵權(quán)法來確定客觀權(quán)重，同時(shí)以博弈論理論對(duì)兩者耦合確定綜合權(quán)重，最后以模糊綜合評(píng)價(jià)法得到城市軌道交通新線試運(yùn)行演練的評(píng)估結(jié)果。通過實(shí)際案例的計(jì)算分析，驗(yàn)證了所提出方法的科學(xué)有效性。

1 改進(jìn)組合賦權(quán)法確定最優(yōu)權(quán)重

1.1 改進(jìn)AHM法確定主觀權(quán)重

層次分析法(AHP)是傳統(tǒng)的主觀賦權(quán)方法，本文為簡化權(quán)重的計(jì)算過程以及省去一致性檢驗(yàn)的步驟，選取屬性層次模型(AHM)來確定主觀權(quán)重。AHM是在AHP的基礎(chǔ)上提出的一種無結(jié)構(gòu)決策方法，其計(jì)算結(jié)果與AHP一致。AHM的判斷矩陣構(gòu)造方法通常選取九標(biāo)度法，但九標(biāo)度法的判斷較模糊，于是采取五標(biāo)度法對(duì)傳統(tǒng)AHM法進(jìn)行改進(jìn)，來獲取更符合邏輯判斷的主觀權(quán)重。改進(jìn)AHM具體步驟如下。

①建立初始判斷矩陣。

利用1～5比例標(biāo)度法來表示各層級(jí)對(duì)象之間的相對(duì)重要程度并建立初始判斷矩陣A=(aij)n×n。五標(biāo)度法建立初始判斷矩陣的取值及含義如表1所示。

表1 1～5各比例標(biāo)度的定義

②建立屬性判斷矩陣。

通過式(1)將得到的改進(jìn)判斷矩陣轉(zhuǎn)化為屬性判斷矩陣Q=(qij)n×n：

(1)

式中，P表示大于等于2的正整數(shù)。

③確定主觀權(quán)重值。

主觀權(quán)重值的計(jì)算公式為

(2)

wsub=(wsub(1),wsub(2),…,wsub(n))T

(3)

式中，wsub(i)表示指標(biāo)i的主觀權(quán)重值

1.2 Anti-Entropy法確定客觀權(quán)重

利用傳統(tǒng)的熵權(quán)法(Entropy)在對(duì)權(quán)重賦值時(shí)會(huì)因?yàn)橹笜?biāo)差異程度敏感性較大而產(chǎn)生過大或者過小的極端權(quán)重，為了避免這種情況的發(fā)生，本文使用反熵權(quán)法(Anti-Entropy)來對(duì)各層級(jí)指標(biāo)的客觀權(quán)重進(jìn)行賦值。Anti-Entropy具體計(jì)算步驟如下。

①歸一化處理。

對(duì)評(píng)價(jià)指標(biāo)矩陣中的原始數(shù)據(jù)進(jìn)行同趨勢(shì)化處理，即諸如時(shí)間、速度等指標(biāo)希望越小越好，而類似正確率、評(píng)分等指標(biāo)則希望越大越好。通過式(4)對(duì)原始數(shù)據(jù)進(jìn)行同趨勢(shì)化處理：

(4)

式中，xij表示同趨勢(shì)化處理后矩陣X中第i行第j列的評(píng)價(jià)指標(biāo)值；tij表示初始評(píng)價(jià)指標(biāo)矩陣T中第i行第j列的評(píng)價(jià)指標(biāo)值。

通過式(5)對(duì)得到的xij進(jìn)行歸一化處理，并得到歸一化處理后的矩陣G=(gij)m×n。

(5)

②計(jì)算指標(biāo)的反熵。

根據(jù)反熵的定義，計(jì)算評(píng)價(jià)指標(biāo)的反熵：

(6)

③客觀權(quán)重賦值。

對(duì)反熵進(jìn)行歸一化處理后得到的反熵權(quán)作為各評(píng)價(jià)指標(biāo)的客觀權(quán)重：

(7)

1.3 改進(jìn)博弈論法確定綜合權(quán)重

為了讓主客觀賦權(quán)方法得到的權(quán)重值之間的偏差盡可能小、差異性不那么顯著，在進(jìn)行組合賦權(quán)前，首先利用距離函數(shù)對(duì)兩種賦權(quán)方法的結(jié)果進(jìn)行一致性檢驗(yàn)。如果一致性檢驗(yàn)結(jié)果∈(0，1)，則通過博弈論思想對(duì)兩種賦權(quán)方法進(jìn)行耦合，得到綜合權(quán)重；否則，重新計(jì)算各層級(jí)指標(biāo)權(quán)重。距離函數(shù)的計(jì)算公式如下：

(8)

引入博弈論的思想，將改進(jìn)AHM法得到的主觀權(quán)重wsub和Anti-Entropy法得到的客觀權(quán)重wobj視為博弈的雙方，來尋找使博弈雙方平衡的綜合權(quán)重wcom。通過線性加權(quán)的方式對(duì)wsub和wobj進(jìn)行組合，以綜合權(quán)重wcom與主、客觀權(quán)重wsub和wobj的離差總和最小化為目標(biāo)函數(shù)，尋找最優(yōu)綜合權(quán)重組合系數(shù)。

obj:min(‖wcom-wsub‖2+‖wcom-wobj‖2

(9)

(10)

結(jié)合微分性質(zhì)，目標(biāo)函數(shù)轉(zhuǎn)換成如下式所示：

(11)

由此得出博弈論思想下的組合最優(yōu)權(quán)重如下式所示：

wcom=ξ1wsub+ξ2wobj=(wcom1,wcom2,…,wcomm)

(12)

2 基于FCEM的城市軌道交通新線試運(yùn)行演練評(píng)估模型

模糊綜合評(píng)價(jià)法(Fuzzy Comprehension Evaluation Method，F(xiàn)CEM)是一種基于模糊數(shù)學(xué)的綜合評(píng)價(jià)方法，該法根據(jù)模糊數(shù)學(xué)的隸屬度理論(隸屬函數(shù))把定性評(píng)價(jià)轉(zhuǎn)化為定量評(píng)價(jià)。FCEM既充分尊重第三方專家評(píng)分?jǐn)?shù)據(jù)，又考慮多種因素的影響，對(duì)于評(píng)價(jià)城市軌道交通新線試運(yùn)行演練更具合理性和應(yīng)用型。FCEM的步驟如下。

①構(gòu)造評(píng)價(jià)因素集、評(píng)語集。

對(duì)研究所建立的城市軌道交通新線試運(yùn)行演練評(píng)價(jià)指標(biāo)進(jìn)行模糊評(píng)價(jià)，設(shè)指標(biāo)的模糊集合為U=(U1,U2,U3,…,Un)，式中Ui為第i個(gè)一級(jí)指標(biāo)(其中，i∈(1,2,…,n))，將Ui細(xì)分成Ui={ui1,ui2,…,uim}，式中uij表示第i個(gè)一級(jí)指標(biāo)下的第j個(gè)二級(jí)指標(biāo)(其中，j∈(1,2,…,m))。

在城市軌道交通新線試運(yùn)行演練中，每個(gè)車站的專項(xiàng)演練若耗時(shí)n天，則意味著有n組演練人員進(jìn)行相同的演練工作，則需要配備n名第三方評(píng)估專家對(duì)每一組演練工作進(jìn)行評(píng)分。假設(shè)用四個(gè)評(píng)價(jià)等級(jí)來作為指標(biāo)體系的評(píng)語集，即V={A,B,C,D}，則根據(jù)每位評(píng)估人員在評(píng)價(jià)指標(biāo)的選擇情況來確定隸屬度，以此構(gòu)建模糊評(píng)價(jià)矩陣R。

(13)

式中，rij為第i行第j列的隸屬度值，表示的是評(píng)價(jià)因素集相對(duì)于評(píng)語集的模糊數(shù)學(xué)隸屬度。

②確定評(píng)價(jià)因素的權(quán)重。

評(píng)價(jià)因素的權(quán)重表示的含義為各評(píng)價(jià)因素之間的相對(duì)重要程度，如前文所述，本文通過多指標(biāo)權(quán)重確定方法，將組合賦權(quán)所得到的綜合權(quán)重作為評(píng)價(jià)因素的權(quán)重系數(shù)。

③確定多級(jí)模糊綜合評(píng)價(jià)。

若評(píng)價(jià)因素集為三層，則首先計(jì)算第三級(jí)指標(biāo)層的單因素評(píng)估Bij。

Bij=Wij·Rij

(14)

式中，Wij表示第三層的指標(biāo)權(quán)重；Rij表示評(píng)價(jià)集矩陣。

然后計(jì)算第二級(jí)指標(biāo)層的單因素評(píng)估Bi。

(15)

式中，Wi表示第二層指標(biāo)的權(quán)重；k表示第二層指標(biāo)的個(gè)數(shù)。

最后計(jì)算綜合評(píng)定值B。

(16)

式中，W表示第一層指標(biāo)的權(quán)重。

3 算例分析

為保證新建線路的順利開通試運(yùn)營，各設(shè)備操作單位、各崗位人員進(jìn)一步熟悉掌握設(shè)備性能和提高對(duì)設(shè)備的認(rèn)識(shí)掌握程度，上海申通地鐵集團(tuán)有限公司分別進(jìn)行了無車演練、2車演練、6車演練，列車事故應(yīng)急處置演練、綜合公共安全應(yīng)急處置演練和綜合公共安全應(yīng)急處置演練以及大客流演練。

本文以某無人駕駛列車在無車條件下的手搖道岔演練為例，探析組合賦權(quán)-FCEM模型在無人駕駛新線試運(yùn)行演練評(píng)估的應(yīng)用。本次演練共評(píng)估5個(gè)地點(diǎn)，包括S1、S2、S3、S4、S5五個(gè)集中站。本研究構(gòu)造的手搖道岔處置演練評(píng)估模型包含目標(biāo)層、準(zhǔn)則層和指標(biāo)層三個(gè)層級(jí)，形成了4個(gè)準(zhǔn)則層指標(biāo)和26個(gè)指標(biāo)層指標(biāo)的“4+26”模式的遞階層次結(jié)構(gòu)評(píng)價(jià)體系，最終將從指揮協(xié)調(diào)、關(guān)鍵流程控制、信息傳遞、運(yùn)營恢復(fù)四個(gè)總指標(biāo)對(duì)手搖道岔處置演練執(zhí)行效果進(jìn)行評(píng)價(jià)，每個(gè)總指標(biāo)下又被細(xì)分成若干個(gè)具體的小指標(biāo)，S1站的評(píng)價(jià)指標(biāo)體系如表2所示。

表2 S1站新線試運(yùn)行演練評(píng)價(jià)指標(biāo)體系

3.1 指標(biāo)權(quán)重的計(jì)算

改進(jìn)AHM法確定主觀權(quán)重。

邀請(qǐng)城市軌道交通領(lǐng)域的專家對(duì)各層評(píng)價(jià)指標(biāo)進(jìn)行重要性比較，建立初始判斷矩陣，通過式(1)～(3)和式(4)～(7)分別計(jì)算主、客觀權(quán)重，通過式(8)對(duì)主觀賦權(quán)法和客觀賦權(quán)法計(jì)算得到的權(quán)重值進(jìn)行一致性經(jīng)驗(yàn)，經(jīng)計(jì)算，準(zhǔn)則層的一致性檢驗(yàn)結(jié)果為0.3621，指標(biāo)層的一致性檢驗(yàn)結(jié)果為0.5590、0.6203、0.6957、0.7697，均滿足一致性檢驗(yàn)要求。通過式(10)～(11)得到各評(píng)價(jià)指標(biāo)的綜合權(quán)重，結(jié)果如表3所示。

表3 各指標(biāo)權(quán)重結(jié)果

3.2 基于FCEM的城市軌道交通新線試運(yùn)行演練評(píng)估結(jié)果

3.2.1 構(gòu)造評(píng)價(jià)指標(biāo)集

目標(biāo)層指標(biāo)集：A={A1,A2,A3,A4}

指標(biāo)層指標(biāo)集：A1={A11,A12,A13,A14,A15}、

A2={A21,A22,A23,A24,A25,A26,A27,A28}、

A3={A31,A32,A33,A34,A35,A36,A37}、

A4={A41,A42,A43,A44,A45,A46}

3.2.2 確定指標(biāo)體系的評(píng)語集

由于該線手搖道岔試運(yùn)行演練涉及5個(gè)車站，而每個(gè)車站的評(píng)估天數(shù)為四天，每一天為一個(gè)工作班組的人員進(jìn)行演練，且每一天演練科目內(nèi)容完全相同，故對(duì)于每一個(gè)車站，各邀請(qǐng)四名專家對(duì)演練工作進(jìn)行打分，本文選取四個(gè)評(píng)價(jià)等級(jí)形成評(píng)語集，集V={A、B、C、D}，其中，A代表演練過程無失誤，評(píng)100分；B代表演練過程有輕微失誤，評(píng)75分；C代表演練過程有失誤，評(píng)50分；D代表演練過程有重大失誤，評(píng)25分。對(duì)每個(gè)車站的各項(xiàng)指標(biāo)進(jìn)行專家打分，統(tǒng)計(jì)評(píng)語集四個(gè)評(píng)價(jià)等級(jí)的個(gè)數(shù)，以此建立模糊評(píng)價(jià)矩陣R，如表4所示。

表4 S1站模糊評(píng)價(jià)矩陣

3.2.3 模糊綜合評(píng)價(jià)法計(jì)算

由式(14)可以計(jì)算得到B1=(0.8985 0.1015 0 0)，同理可以獲得：B2=(0.73425 0.1805 0.08525 0)、B3=(0.89775 0.028 0.07425 0)、B4=(0.927 0.073 0 0)，并根據(jù)式(15)得到B=(0.8337 0.1127 0.0536 0)。

而A、B、C、D對(duì)應(yīng)的分?jǐn)?shù)分別為100、75、50、25，即VT=(100 75 50 25)T，根據(jù)公式μ=B·VT得到S1站的綜合評(píng)定分?jǐn)?shù)為μS1=93.719825、S1站四個(gè)班組的綜合評(píng)定分?jǐn)?shù)分別為μS甲=97.4625、μS乙=91.225、μS丙=95.4625、μS丁=98.175。同理，依次進(jìn)行S1、S2、S3、S4、S5的綜合評(píng)定分?jǐn)?shù)計(jì)算，最終各車站的得分分別為93.719825、97.29938、96.8375、95.87563、93.2025。

圖1 各站的演練評(píng)價(jià)得分

根據(jù)圖1可知，該無人駕駛線路手搖道岔專項(xiàng)演練總體表現(xiàn)較好，手搖過程較為順利，每個(gè)參演班組在每個(gè)車站的演練得分均在90分以上。在本次演練中，以S1站為例，S1站班組丁表現(xiàn)最好，分?jǐn)?shù)排名為丁、甲、丙、乙。通過分析單因素模糊評(píng)價(jià)可以獲知本次演練出現(xiàn)的問題主要集中于道岔作業(yè)人員的操作問題、關(guān)鍵流程控制以及信息傳遞上的不足。因此，道岔作業(yè)人員應(yīng)加強(qiáng)信息匯報(bào)和復(fù)誦的意識(shí)，同時(shí)掌握對(duì)鉤鎖器的使用以及正確手搖道岔的方向，車站人員要加強(qiáng)對(duì)標(biāo)準(zhǔn)作業(yè)流程的掌握，以此來又快又好地完成手搖道岔作業(yè)任務(wù)。

4 結(jié)束語

針對(duì)城市軌道交通無人駕駛新線試運(yùn)行演練評(píng)估方法的缺陷和不足，本文構(gòu)建了基于組合賦權(quán)-FCEM的城市軌道交通無人駕駛新線試運(yùn)行演練評(píng)估模型，本文得到的結(jié)論如下。

①基于組合賦權(quán)-FCEM模型，本研究可以將城市軌道交通演練評(píng)估的評(píng)價(jià)轉(zhuǎn)化為簡單易計(jì)算的數(shù)學(xué)模型，在考慮主觀因素的同時(shí)，又尊重客觀數(shù)據(jù)。

②在確定權(quán)重賦權(quán)方法上，本文通過組合賦權(quán)獲取綜合權(quán)重，避免了過去演練評(píng)估時(shí)使用單一權(quán)重賦權(quán)方法所帶來的不合理性和局限性。

③通過所建立的模型，實(shí)現(xiàn)了對(duì)新線試運(yùn)行演練的綜合評(píng)分，可以獲得各項(xiàng)評(píng)估內(nèi)容、演練班組、評(píng)估車站等多維度的評(píng)價(jià)結(jié)果，可以為車站績效評(píng)級(jí)、發(fā)現(xiàn)演練過程的不足、提出演練改善意見等提供有利的依據(jù)。

通過實(shí)例分析，驗(yàn)證了組合賦權(quán)-FCEM對(duì)于城市軌道交通試運(yùn)行演練評(píng)估的可行性。同時(shí)，模型應(yīng)用性強(qiáng)，對(duì)于其他演練評(píng)估也具有一定的可追溯性和可長期應(yīng)用性。