刘殿臣

摘 要：本文通过调查G107国道路段的实际情况，分析了平均行驶速率、车流量和车辆饱和度三个风险来源带来的道路拥堵情况，同时基于模糊综合评价的方法，对经济损失的三种风险进行了定量评估，得出了各个时段的经济风险值，以指导交通管制。

关键词：模糊综合评价；经济损失风险；层次分析法

模糊综合评价方法是模糊数学中应用的比较广泛的一种方法。在对某一事务进行评价时常会遇到这样一类问题，由于评价事务是由多方面的因素所决定的，因而要对每一因素进行评价；在每一因素作出一个单独评语的基础上，如何考虑所有因素而作出一个综合评语，这就是一个综合评价问题。

一、问题评价标准

依据道路通行状态的不同划分以下道路状态等级：非常畅通、畅通、迟缓、拥堵、堵塞。由于影响带路状态的因素较多，我根据相关参考文献所提出的结论在影响道路状态的因素中选取三个所占比例较大的评价因素，并基于G107国道的实际情况划分出不同区间值所对应不同的道路通行状态：

（一）车辆在道路行驶时的平均速率指标

根据相关文献以及G107国道该的实际情况给出不同道路通行状态时所对应的平均速率的区间值，确定平均速率的评价指标（如表1）

（二）车流量评判标准

道路上的平均行驶速率和自由流的速率决定了车流量，为了使评价因素所得结果具有相同的表达方式，利用数据拟合把车流量和平均行驶速率建立联系[12]，然后根据（一）的评价指标的划分方式来评定车流量和道路通行状态之间的对应关系，当前道路还能容纳的车流量越多代表道路状态越好。结果如下表2所示：

二、模型的建立

（一）确定评价因素集与评语集

依据上诉道路通行状态的层次和所选的评价指标确定模糊综合评判法中的因素集合评语集，其中平均行驶速率、车流量和饱和度对应的因素集是X={x1，x2，x3}，而对应不同道路通行状态的评判集Z={z1，z2，z3，z4，z5}。

（二）确定评价指标权重向量

为使权重比例合理我们运用层次分析法的原理来计算路段平均行驶速率x1、车流量x2和饱和度x3三个指标的权重。

定义判断矩阵，已知矩阵A=（aij）n×n为正互反矩阵，即aij>0，aij=1aji，且其中aij是第i个元素与第j个元素参照标度表3.4所得的比值。如此，就称该矩阵为判断矩阵。

然后计算权向量并做一致性检验。一致性检验过程如下：

我们计算出一致性比例CR，其中CR=CIRI。当CR<0.10时，判断矩阵A通过一致性检验，当CR>0.10时，矩阵不能通过一致性检验，结合实际情况调整A。

若判断矩阵通过一致性检验，则对特征向量W=（w1，…，wn）进行单位化，得到w，

w=W∑wi，

这样就得到n个元素的权重向量w。

对判断矩阵的一致性检验的步骤如下：

1、计算一致性指标CI

2、查找相应的平均随机一致性指标n=3。当n=3，RI=0.58

3、计算一致性比例CR

CR=CIRI=0.00460.58=0.0079<0.10，

因此，判断矩阵的一致性检验可以接受。

根据上述模型的计算结果，可知路段平均行驶速度指标、车流量指标和饱和度指标的权重向量为：

w=（0.54，0.30，0.16）.

（三）确定指标隶属度

在确定指标隶属度时，对于数值越高越优指标和数值越低越优指标，分别采用不同的数据量化方式。其中饱和度指标属于数值越低越优指标，其他两个评价指标属于数值越高越优指标。

.

三、模型的求解

以5：00-7：00为例，评价因素数值为（60，4500，0.2）根据以上给出的隶属度函数给出模糊评价矩阵R，

令bk=max{b1，b2，b3，b4，b5}=1，根据上述的道路通行状态指数与评价语对应关系可知bk=1代表非常畅通的状态，此时带来的经济损失风险为b=1-bk=0，即在道路非常畅通时刻经济损失风险可以忽略不计，其他时间段的拥堵度和经济损失风险大小可同理得出。

根据G107国道该路段的实地收集的数据，利用上述模型把一天中需要考虑的时段分为八段，根据模型计算所得结果如下表：

根据上述得到的各时段的道路通行状态的评价指标和G107国道该路段的周边环境，可以指导相关部门对各时段的交通进行合理调控，进行交通分流和某类型车辆限行等，例如在下午13：00—16：00时道路通行状态明显较差，存在较大的经济损失风险。为避免出现经济损失，则在该时段应采取措施降低经济损失风险，例如可以对各物流园转向G107国道的车辆进行限行或者规划时间区间分流这些转向国道的车辆。

四、结论

由于现代人们的攀比心理致使很多不必要的机动车辆出行，给道路带来了一定的负担，所以一方面改变国民的虚荣和攀比心理，一方面加大如小汽车类型的车辆用车成本，减少不必路段出现不必要的用车时间，如在经济繁华的中心地段提高机小汽车类型车辆在高峰时期的出行成本。通过以上方式可以在一定程度上抑制非必需车辆的数量，从而缓解道路通行的堵车现象。（作者单位：成都理工大学）