基于熵权法和云模型的商品车运输安全评价研究

2019-09-19张文会宋贺贺邓红星

重庆理工大学学报(自然科学) 2019年8期

张文会，宋贺贺，管峰，邓红星

(东北林业大学交通学院，哈尔滨 150040)

由于运输工具和运输对象的特殊性，商品车运输一般都由第三方承担，以提供专业化的服务。相对于运输效率，商品车运输企业更关注运输安全，因此，规范从业人员的操作行为、建立健全运输安全管理体系、实现运输工具的全过程监管已成为商品车运输企业生产安全标准化考评的关键指标。

国内外对该方面的研究也取得了一些成果，其中代表性的有：刘贵林[3]主张对整车物流运输车辆进行在途实时状态监控，并提供在途信息服务；姜彦宁等[5]提出了共享车辆和共享车辆分拨中心两种资源共享模式下的整车物流路径优化网络；侯玉梅等[6]构建了带软时间窗约束的整车物流车辆路径优化问题模型，进而对于该模型设计了自适应遗传算法；Kevin等[10]考虑了半挂车和车辆共享，主张利用单调路径选择原理来减少运输规模；杨文超等[9]则针对物流配送提出了新车增派策略和多车协作策略。

总的来看，目前关于商品车运输配送问题的研究大部分集中在配送路径的优化与网络的优化层面，缺少对商品车运输安全的研究；同时，大部分对商品车运输安全的研究只能实现对车辆运输过程中的控制，对事前、事后的预防与控制关注的较少。

本文深入分析商品车运输安全影响因素，运用熵权云模型量化评价商品车运输安全等级，辨识关键影响因素，为运输企业采取有效的持续改进措施、提高本质安全提供理论依据。

1 熵权云模型

1.1 云模型理论

云模型表示定性概念与数值表示之间的关系，设X是一个精确数值量的集合X={x}，称为论域，可能是一维、二维或多维。论域X上的定性概念N是指对于任意数值量x都存在一个有稳定倾向的随机数为x的隶属度，x对N的隶属度μ(x)∈[0，1]是随机的数并有稳定倾向。

μ∶x→[0，1]，∀x∈X，x→μ(x)

(1)

隶属度在论域上的分布称为云，它由成百上千的“云滴”构成，云的整体形状，云滴的集中分布区域直观地反映定性概念的特征，通常用期望Ex、熵En和超熵He表示其数值，云及其数字特征见图1。

图1 云及其数字特征

1.2 云发生器

正向云发生器可以将定性概念转化为定量数值，将云模型的参数Ex、En和He代入到发生器中，即可得到对应“云滴”，最终通过正向云发生器来绘制评价因子的云图。

正向云发生器的运算过程为：

1) 生成期望值为Ex、方差为En的正态随机数x；

2) 生成期望值为En、方差为He的正态随机数En；

3) 计算y=exp[-(x-Ex)2/2(En)2]；

4) 形成云滴(x,y)；

5) 重复步骤1)～4)，直到生成所需n个云滴为止。

逆向云发生器是从定量数值向定性概念的转化，可以确定评价指标模型，能把精确数据转换成以云模型参数(Ex,En,He)表示的定性概念，其3个数字特征Ex,En,He由下式确定：

(2)

1.3 熵权法

利用熵权理论修正各个影响因子的权重，流程如下：

1) 设将对a个评价因子进行评价，每个评价因子有b个指标，构建标准化数字矩阵为

R=(rij)a×b

(3)

(4)

(5)

式中:fij为隶属度;b为评价等级数量，0≤fij≤1。

3) 用向量ωi=(ωi1,ωi2,…,ωia)T作为各指标的权重向量，熵权修正后权重为

(6)

式中：0≤ωij≤1。

1.4 综合评判流程

基于云模型的综合评判法流程见图2。首先明确安全影响因素及评价标准，从而建立因素集、评语集和权重集，得到不同风险因素的相对权重大小，然后通过逆向云发生器生成以云模型数字特征形式表示的综合评价结果，最后通过模糊综合评判得到评价云模型，将其与评语云模型比较得到最终的风险评估结果。

2 商品运输安全评价指标体系与安全评语云

2.1 评价指标体系

综合考虑商品车运输全过程安全影响因素，将从业人员、载运工具、安全管理、环境条件列为一级指标，将驾龄结构等12个要素列为二级指标，见表1。

图2 基于熵权法和云模型的安全评价流程

一级指标二级指标指标解释从业人员因素U1驾龄结构U11根据驾龄长短不同区分安全意识U12认知规避危险的能力操作规范U13与条件相配套的规程载运工具因素U2综合性能U21作业车辆各项技术要求维修保养U22减缓车辆损坏的措施长度及转向轴U23其不合理改造影响运输安全管理因素U3规章制度U31符合规范和法律的规则安全设施U32安全管理设施和人员设置完备信息化U33现代智能科技的应用环境条件因素U4气候条件U41主要指复杂的气象资源最小曲率半径U42道路地势、转弯幅度等因素交通流量U43特定时间通过某地点的交通实体数

2.2 安全评语云

安全评价等级是商品车运输企业采取安全管理措施的依据，因此需要合理确定安全等级和边界值。参照文献[8,13]，将商品车的运输安全状态划分为5个等级，分别为不及格、及格、中等、良好、优秀，对应的评语取值范围分别为[0,60)、[60,70)、[70,80)、[80,90)、[90,100]。根据划分的5个安全等级分数范围，云参数计算公式为：

Ex=(Cmin+Cmax)/2

En=(Cmax-Cmin)/6

图书馆作为文化教育的中心，在弘扬传统文化上启到传承的作用，而高校图书馆更是被称作“大学的心脏”，对传播知识文化和促进校园文化建设方面扮演着不可或缺的重要角色。齐齐哈尔大学图书馆在2017年9月24日孔子诞辰为契机，以“习六艺、阅经典”为主题开展弘扬中华传统文化的活动，着力点在于让高校师生更能够被传统文化感染，从而更容易理解孔子六艺，让更多的学生能够用心和传统文化做交流。

He=k

(7)

式中：Cmin、Cmax分别是安全等级区间的最小、最大边界值；k是常数，可通过变量自身的模糊度大小来确定，本文k值是0.5。

由式(7)，得出5个安全等级下云模型特征值(Ex,En,He)，安全状态评语云见表2。

表2 安全状态评语云

将各等级云模型特征值输入正向云发生器，生成安全评语云，见图3。

图3 安全评价标准云图

2.3 综合评价模型

邀请行业专家调查商品车运输企业的实际情况，分别对每个二级指标打分。将每位专家分数看作一个“云滴”，根据逆向云发生器计算出云模型参数，并运用熵权法确定指标权重ωi，再根据正向云发生器获得每个属性的实际云模型。考虑到各个二级评价指标的关联性较弱，每个评价因子都分属于不同的一级指标下，所以本文将运用浮动云算法对底层各评价指标进行云整合：

(8)

考虑到商品车运输安全综合评价中各一级指标有较大的关联，采用虚拟云中的综合算法，将低层次概念集结到高层次概念中，计算式为：

(9)

将虚拟云综合算法获得的综合云模型参数输入正向云发生器，可得到某企业商品车运输安全评价云模型，由此确定安全等级。

3 案例应用

本文以哈尔滨市某商品车运输企业安全标准化考评材料为依据，邀请20位专家对12个二级指标进行打分，开展运输安全评价。

3.1 一级指标的安全评价

首先对每位专家给出的从业人员因素中每个评价因子的评价分值进行统计，见表3。

表3 从业人员因素调查结果

运用单指标测度计算模型确定评价因子隶属度，从而得出模糊评价结果，计算各二级指标的熵权。构建隶属度函数如下：

隶属度fij=因素(指标)得到相应评语的有效问卷/总的有效问卷。根据构造的隶属度函数可计算商品车运输安全评价中的各个二级评价指标测度值，指标驾驶员驾龄U11的测度值向量为(0,0,0.15,0.75,0.1)，指标从业人员的安全意识U12的测度值向量为(0,0,0.25,0.5,0.25)，指标装卸操作规范程度U13的测度值向量为(0,0,0.6,0.35,0.05)。

根据熵权的计算式(4)，得：

Hu1=(0.45，0.64，0.51)

根据熵权的计算式(5)，得：

Vu1=(0.55，0.36，0.49)

根据熵权的计算式(6)，得权重值：

ωu1=(0.39，0.26，0.35)

根据云模型特征值计算式(2)，得到每一个评价指标的云数字特征值(Ex,En,He)，如表4所示。