灰色综合评价法

2024-07-26

灰色综合评价法（精选10篇）

灰色综合评价法篇1

为了加快与公路网规划的衔接, 推动综合运输的发展, 2007年, 交通部公布了《国家公路运输枢纽布局规划》, 共确定179个国家公路运输枢纽, 全国196个城市列为国家公路主枢纽城市。

公路运输枢纽的总体规划是1个多因素的决策过程, 枢纽的现状评价作为1个多因素的决策分析是枢纽规划的基础环节, 为规划布局合理的运输枢纽奠定基石。

本文提出了将灰色关联投影法应用于枢纽综合评价的思路, 以资丰富可供选择的公路运输枢纽综合评价方法。结合河南省驻马店市客运枢纽现状, 建立了客运枢纽综合评价指标体系并应用灰色关联投影法对其客运枢纽现状进行了综合评价, 揭示了地区内客运枢纽发展的现状。

1 公路运输枢纽规划评价技术

1.1 灰色关联投影法

灰色关联投影法是1种多因素统计分析方法, 建立评价模型简单易用。本文将灰色关联投影法用于公路运输枢纽综合评价, 原因是:对公路运输枢纽进行综合评价时, 待评价的公路运输枢纽本身就是1个多因素的灰色系统。系统中既有已被了解的白色信息, 又有尚未被发现的黑色信息, 而更多的是一般定性了解的灰色信息。各种因素之间并不是相互独立的, 尽管它们之间的关系不明确, 但实际上确是存在的, 从本质上讲, 这是1种灰色关联关系。所以, 对这样的系统进行评价, 实际上是1个灰色多目标决策问题。运用灰色关联投影法对其实施综合评价更具有针对性和灵活性。

1.2 评价技术对比

目前, 用于公路运输枢纽规划评价的技术方法主要有模糊综合评价法、层次分析法 (AHP) 等[1,2,3,4], 本文将其与灰色关联投影法进行了分析对比, 如表1。

2 灰色关联投影法原理

灰色关联投影法是在矢量投影原理和灰色系统理论基础上衍生的1种数学模型[5]。目前, 该方法被应用于综合经济效益评价、工程项目评价和公路网综合评价, 评价效果较好[6]。本文采用此方法进行公路运输枢纽综合评价。该方法的基本原理如下:

考虑多指标决策域的集合:

$\begin{array}{l} A = {方案 1 ‚ 方案 2 ‚ \dots ‚ 方案 n} = \\ {A_{1}, A_{2}, \dots ‚ A_{n}} \end{array}$

记V是因素指标的集合:

$\begin{array}{l} V = {指标 1 ‚ 指标 2 ‚ \dots ‚ 指标 m} = \\ {V_{1}, V_{2}, \dots ‚ V_{m}} \end{array}$

方案Ai对指标Vj的指标值记为Yij (i=1, 2, …, n;j=1, 2, …, m) 。通常, 指标有“效益型”指标、“成本型”指标的区别。效益型指标是属性值愈大愈好的指标, 成本型指标是属性值愈小愈好的指标。

定义1 记最佳决策方案A0的因素指标为Y0j, 且满足:

当因素指标为效益型指标:

$\begin{array}{l} Y_{i j}^{´} = Y_{i j} / Y_{0 j} \\ i = 1 ‚ 2 ‚ \dots ‚ n ； j = 1 ‚ 2 ‚ \dots ‚ m (1) \end{array}$

当因素指标为成本型指标:

$\begin{array}{l} Y_{i j}^{´} = Y_{0 j} / Y_{i j} \\ i = 1 ‚ 2 ‚ \dots ‚ n ； j = 1 ‚ 2 ‚ \dots ‚ m (2) \end{array}$

经过初值化处理以后, 显然Y′0j=1 (j=1, 2, …, m) 即为理想方案, 以Y′0j为母因素, 以Y′ij=1 (i=1, 2, …, n;j=1, 2, …, m) 为子因素, 就可以得到其他方案与理想方案的关联度。

定理1 记 (S, Γ) 为灰色关联空间;ξ为特定关联映射, rij为子因素Y′ij (i=1, 2, …, n;j=1, 2, …, m) 关于母因素Y′0j (j=1, 2, …, m) 的关联度, rij=ξ (Y′0j, Y′ij) , 则有:

$\begin{array}{l} r_{i j} = \\ \frac{\min \underset{n}{} \min_{m} | Y_{0 j}^{´} - Y_{i j}^{´} | + λ \max_{n} \max_{m} | Y_{0 j}^{´} - Y_{i j}^{´} |}{| Y_{0 j}^{´} - Y_{i j}^{´} | + λ \max_{n} \max_{m} | Y_{0 j}^{´} - Y_{i j}^{´} |} (3) \end{array}$

常数λ称为分辨系数, 它的作用在于调整比较环境的大小, 即将比较环境缩小改变, 当λ=0时, 环境消失;通常, 取λ=0.5。

定义2 称由 (n+1) m个r组成的矩阵为多目标灰色关联度判断矩阵F。

$F = | \begin{matrix} r_{01} & \dots & r_{0 m} \\ ⋮ & ⋮ \\ r_{n 1} & \dots & r_{n m} \end{matrix} |$

显然, r01= r02=…= r0m=1。

设评价指标间的加权向量为W= (w1, w2, …, wm) T>0。

定义3 将每个决策方案看成1个行向量 (矢量) , 则称每个决策方案Ai与理想方案A0之间的夹角θi为灰色关联投影角, 如图1所示。

且满足决策方案Ai与理想方案A0之间的夹角余弦为:

$\begin{array}{l} r_{i} = \cos θ_{i} = \frac{A_{i} \cdot A_{0}}{∥ A_{i} ∥ \cdot ∥ A_{0} ∥} = \\ \frac{\sum_{j = 1}^{m} w_{j} F_{i j} \cdot w_{j}}{\sqrt{\sum_{j = 1}^{m} [w_{j} F_{i j}]^{2}} \cdot \sqrt{\sum_{j = 1}^{m} [w_{j}]^{2}}} \\ (i = 1, 2, \dots ‚ m) (4) \end{array}$

显然, 夹角余弦0<ri≤1, 且总是愈大愈好, ri愈大, 表示决策方案Ai与理想方案A0之间的变化方向愈一致。

定义4 称决策方案Ai的模数为di

$d_{i} = \sqrt{\sum_{j = 1}^{m} [w_{j} F_{i j}]^{2}} (5)$

将模的大小与夹角余弦的大小结合考虑, 就可以全面准确地反映各决策方案与理想方案之间的接近程度。

定义5 称决策方案Ai在理想方案A0上的投影为灰色关联投影值Dj, 且满足:

$\begin{array}{l} D_{j} = d_{i} \cdot r_{i} = \sqrt{\sum_{j = 1}^{m} [F_{i j} w_{j}]^{2}} \times \\ \frac{\sum_{j = 1}^{m} w_{j} F_{i j} \times w_{j}}{\sqrt{\sum_{j = 1}^{m} [F_{i j} w_{j}]^{2}} \times \sqrt{\sum_{j = 1}^{m} [w_{j}]^{2}}} = \\ \sum_{j = 1}^{m} F_{i j} ω_{j}^{2} \sqrt{\sum_{j = 1}^{m} [ω_{j}]^{2}} (6) \end{array}$

经过上述步骤, 就可以得到各比选方案的投影值。根据这些投影值的大小, 对多指标的比选方案做出科学的排序比较和分析。

3 实例分析

应用灰色关联投影法对驻马店市公路客运枢纽现状进行评价, 以揭示各地区客运枢纽建设的均衡性, 为在未来的客运枢纽规划中能有所侧重, 体现枢纽规划的公平原则, 为公路运输的均衡发展提供决策服务。

3.1 评价实施步骤

依据灰色关联投影法原理, 划分评价步骤如图2。

3.2 建立方案集和因素指标集

已知方案集为驻马店辖区内的一区九县, A={驿城区, 西平县, 上蔡县, 平舆县, 正阳县, 确山县, 泌阳县, 汝南县, 遂平县, 新蔡县}。

因素指标集为与客运枢纽属性相关的各因素集合。在遵循科学性、可操作性和综合性的原则上, 参考相关文献[3,4,5,6], 本文建立的客运枢纽综合评价指标体系从技术、需求和社会评价三方面考虑, 共10个因素指标, 如图3所示。

3.2.1 技术评价指标

技术评价指标反映了客运枢纽的现状及其与城市规划的协调性。由于本文旨在评价各地区客运枢纽建设的均衡性, 不同于枢纽规划评价。采用C1和C2能够直接反应出客运枢纽的规模和生产能力。

C3可考虑2个主要指标的协调:①与总体规划中用地规划协调C31;②与城市道路网协调C32。

$C_{3} = a C_{31} + (1 - a) C_{32} (7)$

C31=总体规划中客运枢纽用地与现状客运枢纽用地重合的面积C′2/C2

C32:可将城市客、货专用道路类同于城市道路等级, 分成快速、主干和次干3种专用等级的道路, 出入通道如选择其一, 可给一定的值。选快速:C32=1, 主干:C32=0.9, 次干:C32=0.8。是表征与城市用地规划协调的重要性系数, 可取0.5～0.6。

3.2.2 需求评价指标

需求评价指标从客运需求和经济发展两方面反映了对客运枢纽规模的需求情况。C6为客运枢纽的现状需求, 与C1相比可反映出现状枢纽生产饱和状态;C4、C5可反映出客运枢纽的潜在需要。

交通运输与经济发展有着密切关系, 经济的快速增长往往促进出行需求的增长和运输枢纽的建设。C7、C8可反映出地区间经济发展的不均衡性以及对运输需求的刺激作用。

3.2.3 社会评价指标

社会评价指标综合考虑了客运枢纽对社会与经济公平发展的影响程度, 对环境的适应性。这2个指标为灰色信息, 通过综合分析考察意见对其量化。

根据图3建立的评价指标体系, 统计分析驻马店各县区经济发展和交通运输方面的历史数据[7], 得到驻马店各县区现状客运枢纽评价单项指标汇总情况, 如表2所列。

3.2.4 确定评价指标权重集

调查并整理专家意见, 得到1组权重加权系数, 见表3。

则权重集矩阵W= (0.234, 0.126, 0.09, 0.094 5, 0.063, 0.157 5, 0.074 25, 0.060 75, 0.05, 0.05) 。

3.3 计算程序

显然, 指标集中C4、C5、C6、C9、C10为成本型指标, 依据定义1选取最佳方案, 建立决策矩阵X。根据灰色关联投影法评价步骤, 采用Matlab软件编制计算程序, 图4为计算程序的流程图。

表4为计算得到的多目标灰色关联度矩阵, 表5为灰色关联投影值。

3.4 评价结果

根据灰色关联投影值 (见表5) , 可以得出各县区客运枢纽现状的排序结果, 接近最优值的地区客运枢纽现状良好, 依次排序为:驿城区>确山县>遂平县>西平县 (平舆县、正阳县) >上蔡县 (泌阳县、汝南县) >新蔡县。从排序结构可以看出驻马店市各县区客运枢纽在一定程度存在不均衡性。由此评价结构可知, 为了体现客运枢纽规划的“效率优先, 兼顾公平”的原则, 在对驻马店市进行客运枢纽规划时, 各县区客运枢纽需改进的顺序依次为:新蔡县、上蔡县、泌阳县、汝南县、西平县、平舆县、正阳县、遂平县、确山县、驿城区。

注:C1～C10的最优值为1.00。

注:最优值为0.36

4 结束语

公路运输枢纽总体规划作为一个多因素作用下的综合规划过程, 运输枢纽的现状评价为规划布局合理的运输枢纽奠定基石。本文通过分析运输枢纽评价系统的特点, 揭示其实质为灰色系统, 指出了运用灰色关联投影法对其实施综合评价较其他评价方法更具有针对性和灵活性。

在分析灰色关联投影法的原理上, 运用此方法对驻马店市客运枢纽现状进行了综合评价, 得到了各县区客运枢纽现状的排序结果, 量化显示了各县区客运枢纽发展的不均衡性, 对未来客运枢纽规划作为导向。

本文采用灰色关联投影法仅进行了枢纽现状的综合评价, 此方法还可以用于其他规划方案评价, 关键是建立因素指标集, 本文建立的客运枢纽综合评价指标体系可能有不完善之处, 还需进一步研究。

参考文献

[1]Racunica I, Wynter L.Optimal location of inter-modal freight hubs[J].Transport Research PartB, 2005, 39 (5) :453-477

[2]Ackchai S, Koen H van Dan, Iuis Ferreira.Optimi-zing the location of intermodal freight hubs:An o-verview of agent based modelling approach[J].Journal of Transportation Systems Engineering andInformation Technology, 2007, 7 (4) :71-81

[3]陈大伟, 张鸽, 李旭宏.城市对外客运枢纽综合评价研究.交通与计算机, 2007, 25 (1) :4-8

[4]邓聚龙.灰色系统理论教程[M].武汉:华中理工大学出版社, 1990

[5]朱辉.灰色关联投影法在公路网综合评价中的应用[J].公路交通科技, 2005, 22 (2) :90-94

[6]刘伟华, 晏启鹏, 龙小强.公路主枢纽站场布局评价指标定量化研究[J].2003, 16 (2) :86-89

[7]河南省驻马店市统计局编委会.驻马店统计年鉴2007[M].北京:中国统计出版社, 2007

灰色综合评价法篇2

利用灰色关联法评价苏州河水质状况

摘要：系统阐述了灰色关联评价方法在地表水水质状况上的实践应用,并应用该方法对苏州河、年及白鹤、黄渡和华漕等6个监测断面的`水质进行综合评价.评价结果表明.通过近来苏州河综合整治工程的有效实施,苏州河的水质有了明显的改善,各断面水质状况由19的V类或劣V水.到2004年和20基本提高到Ⅳ类或V类水质状况,且上下游水质差别运渐缩小.作者：施萍 SHI Ping 作者单位：同济大学环境科学与工程学院,上海,200092 期刊：江苏环境科技 ISTIC Journal：JIANGSU ENVIRONMENTAL SCIENCE AND TECHNOLOGY 年，卷(期)：, 21(z1) 分类号：X8 关键词：水质评价灰色关联苏州河

灰色综合评价法篇3

关键词：水质评价；灰色加权关联度法；供水水源地；地下水

70年代以来水质评价方法多采用水体综合污染指数法，该方法简单方便。由于水质标准分级的硬性规定和综合污染指数分级的硬性划分，使在分级临界值附近的实测浓度值或综合污染指数的微小变化都可能导致评价结果的明显不同或级别归属的变化，这显然不合理。事实上水质的分级或水体是否污染并非是黑白明的概念，某种污染物浓度的微小变化决不会引起水体污染程度的明显变化。因此“水质级别”、“污染程度”等都是一些灰色概念，水体环境系统是一个本特征的灰色系统，具有不确定性[1]。灰色关联分析法是基于水质评价中的灰色及不确定性，等权灰关联法的计算结果有时会存在误判现象，本文就是在对灰色关联分析法中改进权重确定方法改进的基础上进行的。

1、灰色加权关联度模型及其水质评价的步骤

1.1灰色关联度模型

1.2本文提出的灰色加权关联度模型

在水环境质量综合评价中，对于不同的指标，标准值不同有时其绝对值相差较大，不同污染物浓度对水环境质量的影响不同。权重系数的确定是水环境质量综合评价的核心问题。目前关于如何确定权数的方法大致可分为两大类：研究者根据其主观价值判断对各指标进行比较而赋权的方法，称主观赋权法；直接根据各指标的原始信息经过一定数学处理后获得权数的方法，称客观赋权法[2]。

本文对灰色关联度分析法中等权求取关联度的方法进行权重计算的合理改进，提出根据污染物超标情况（污染因子实测浓度与标准限值之比）对各点（k=1，2，…，n）的关联系数进行加权，依据数值监测水源地所属的功能区类别计算得到权重，然后计算关联度，根据关联度的大小，确定出样本的质量级别，以判断水质是否符合功能区的要求。

2、实例应用

应用上述方法对岷县15个供水水源地的水质情况进行综合评价。本次评价过程中选定总硬度、氯化物、氟化物、硫酸盐、硝酸盐、亚硝酸盐、氨氮、砷、镉、挥发酚等10个单项污染指数进行水质指数计算，具体实测水质数据见表1。

2.1参考数列与比较数列的确定

将待评价地下水水质样本的各个指标实测值（表1）构成的数列作为参考数列{Xi（k）}，此时k=1，2，…，10，i为水源地（i=1，2，…，15）。

将地下水质量分级标准中某一质量级别的各指标浓度限值构成的数列{Xj（k）}作为比较数列，j为水质级别（j=1，2，…，5），分别表示地下水质量标准中对应的Ⅰ～Ⅴ级。

2.2关联系数的计算

有表2可以看出，MX01水源地的氨氮占Ⅰ-Ⅴ级的權重依次为0.671、0.843、0.561、0.467、0.467，属于Ⅱ类水体，但属于Ⅰ、Ⅱ类水体的权重大于Ⅲ、Ⅳ类水体的权重，这显然不合理。对于岷县各个供水水源地水质综合评价所得结果与实际有一定偏差，因此，提出依据功能区划中的类别确定关联系数权重的方法，即MX01水源地在功能区划中是Ⅲ类水体，对于每一级别的关联系数所取权重值均为Ⅲ类级别水质所对应的权重值。这样避免了权重值依属于其他级别值较大时对评价结果的影响，也符合功能区划的思想[4]。最后计算得到的权重值见表3。

由表4和5可以看出：两种评价方法对各个水源地的评价结果有些差异，MX01、MX03、MX05、MX06、MX07、MX08、MX09、MX10、MX11、MX13、MX14和MX15水源地的评价结果相同，因为等权关联度法对各评价指标的影响等权对待，在各个指标超标情况不大时，其评价结果可信。在水质评价过程中若仅用等权灰关联的结果作为地下水水质综合评价依据，容易出现与实际水质情况不符的误判，而依据不同水源地的功能区类别来确定评价指标的权重，强化了高浓度指标的影响，又考虑到各个指标对地下水水质产生影响的综合效应，从而提高了评价结果的准确性，也可以为地下水功能区划提供依据。

由功能区评价结果可以看出，15个供水水源地的水质情况好于功能区划中的水质类别。

3、结论

本文将灰色关联度法应用于岷县农村供水水源地地下水质量评价的过程中，根据地下水质量评价的特点和监测水质的实际情况，考虑了不同指标对地下水质量不同的影响程度，采用地下水功能区方法确定了各个指标不同的权重值。并从加权和等权两个角度对地下水质量进行了评价，从实例分析结果看出，灰色加权关联度法避免了传统水质评价及等权关联度法评价中对各个指标影响程度“一刀切”的影响，评价结果更准确，更符合实际情况，从而说明了它是一种切实有效的地下水质量评价方法。

参考文献

[1]翟国静.灰色关联分析在水质评价中的应用[J].水电能源科学.1996，14（3）：183-187.

[2]Meng Xianlin，Shao Xue， Qi Zhining， et al.Research on gray-weighted correlation method for evaluation of water environment functional[J].Journal of Harbin Institute of Technology.2012，44（4）：67-70.

[3]GB/T14848 -1993.地下水质量标准[S].国家环境保护总局.北京：中国标准出版社， 2003.

[4]Shao Xue，Meng Xianlin， Wang Peng.Gray weighted correlation water quality evaluation method used in Songhua river[J].Journal of Harbin University of Commerce（Natural Sciences Edition）.2011，27（6）：810-813.

灰色综合评价法篇4

关键词：灰色综合评价法,关联分析,评价模型

评标,即评标委员会根据招标文件确定的评标标准和方法,对投标文件的技术部分及商务部分进行评审、比较,从中选出最佳投标人作为推荐中标候选人的过程。评标工作是整个招标过程的核心环节,它关系到整个招标是否体现公平竞争的原则,是招标结果是否能使买主得到最大效应的关键。评标方法的选择,直接影响招标质量和招标效率的提高。

1 现行招标评标方法存在的主要问题

目前工程招标的评标方法主要有经评审的最低投标价法、综合评估法或者法律、行政法规允许的其他评标方法,在实践中存在以下主要问题:

1)评价指标的划分及各因素所占权重的确定随机性强,业主的干预和倾向性选择有利于个别投标人,导致不合理现象出现。2)企业信誉、实力等因素不易量化,评分时主观随意,加大评价难度。3)技术与经济脱节,多数投标以商务标优势压倒技术标优势而获得中标,但实际工作中不能满足施工要求。

基于以上原因,从系统工程学原理出发,可将价值工程和灰色综合评价法合理引入评标机制,使商务标评审和技术标评审有机结合,可以有效防止上述弊端的出现。价值工程在评标中的应用在有关著作和文献资料中论述较多,文中就灰色综合评价法在建筑工程评标中的具体应用做一阐述。

2 灰色综合评价法的内容

2.1 灰色综合评价法的涵义

灰色综合评价法是灰色系统理论对研究对象进行综合评价的一种方法。灰色系统理论的研究对象就是灰色系统。灰色系统是相对于白色系统和黑色系统而言的,是部分信息已知、部分信息未知的系统。灰色系统理论建立以来,它以新颖的系统思想和独树一帜的建模方法及有效工具(主要是关联分析),不仅成功地应用于工程控制、经济管理等系统领域中,而且取得了可喜的成绩。

灰色系统理论分析系统的主要工具是关联分析。工程控制系统往往包含相互关联、相互制约的多种因素。关联分析就是通过计算关联系数和关联度,来确定各种影响因素或备选方案的重要度,进而决定重要因素或最优方案。

2.2 灰色综合评价法特点

分析思路清晰,分析时所需要数据不多,计算方法简单,可以充分利用白化的信息,综合评价的误差小。

2.3 灰色综合评价的评价模型及评价步骤

2.3.1 灰色综合评价的评价模型

设A1,A2,A3,…,Am为m个评价方案,X1,X2,…,Xn为n个评价指标;W1,W2,…,Wn为n个评价指标的权重;Vi1,Vi2,…,Vin为i个替代方案Ai关于Xj指标(j=1,2,…,n)的价值评定值,则灰色综合评价的数学模型为R=W×V,其中,R=[r1,r2,…,rm]为m个方案综合评价结果矩阵;ri(i=1,2,…,m)为第i个方案的综合评判结果。

W=[W1,W2,…,Wn],且∑Wj=1。

V为各指标的评价矩阵:

$V = [\begin{matrix} V_{11} & V_{12} & \dots & V_{1 n} \\ V_{21} & V_{22} & \dots & V_{2 n} \\ ⋮ & ⋮ & ⋮ & ⋮ \\ V_{m 1} & V_{m 2} & \dots & V_{m n} \end{matrix}]$

2.3.2 灰色综合评价法的步骤

1)确定最优指标集F*。

设F*=[f1*,f2*,…,fn*],其中,fk*(k=1,2,…,n)为第k个指标在诸个方案中的最优值。制定最优指标时,既要考虑标准的先进性,又要考虑标准的可行性。最优指标集是进行各方案比较的基础,若最优指标选得过高,则是不现实的,也是难以实现的。

2)指标值的规范化处理。

由于评价指标相互之间通常具有不同的量纲和数量级,因而不能直接进行比较,因此需要对原始指标值进行规范化处理。

设第k个指标的变化区间为[Vkm,Vkl],其中,Vkm为第k个指标在所有方案中的最大值;Vkl为第k个指标在所有方案中的最小值,可采用下列公式:

Cki=(Vik-Vkl)/(Vkm-Vkl)将原始指标值变换为无量纲值Cki∈[0,1];同时也要把最优指标值转化为无量纲值。

3)计算关联系数。

将经规范化处理后的最优指标集C0*=[C1*,C2*,…,Cn*]作为参考数据列,将经规范化处理后各方案的指标值Ci=[C1i,C2i,…,Cni]作为被比较数据列,则可用下列公式:

其中,ρ∈[0,1],一般ρ=0.5;分别求得第i个方案第k个指标与第k个最优指标的关联系数ξik(i=1,2,…,m;k=1,2,…,n)。

4)计算综合评判结果。

根据综合评判模型,可计算综合评价结果R=W×V或ri=∑Wk·ξik,其中,ri为关联度。若ri最大,则说明Ci与C*最接近,亦即第i个方案最优。

注:七项指标得分,是根据若干名专家采用[0～4]打分法打分后取平均而得

3 应用灰色综合评价法进行评标实例

某高层住宅楼工程建筑面积15 000 m2,钢筋混凝土框架结构,共18层,预计总造价2 700万元。采用公开招标方式进行招标,经初步评审有3家投标单位合格,各投标单位投标方案的技术经济指标见表1,现对其技术商务标进行进一步评审。以“评标过程”作为灰色系统的分析对象。

1)计算七项指标重要性系数Wj。

根据各项指标重要程度计算各指标重要性系数Wj。指标权重Wj=某项指标得分fj/各项指标得分总和∑fj,其中,j=1,2,…,m;本工程项目为m=7。

即W=[0.179,0.190,0.167,0.143,0.131,0.107,0.083]。

2)确定最优参考数列F*。

F*=[施工技术方案,报价,工期,质量保证,设备与人员配备,环保文明施工,业绩与信誉]=[12.833,2 588,21.6,11,11,8.5,7]。

3)指标值的规范化处理。

根据Cki=(Vik-Vkl)/(Vkm-Vkl),指标值的规范化处理结果见表2。

4)计算关联系数。

由表3和R=W×V或ri=∑Wk·ξik,经计算,结果见表4。

以上计算结果显示,r1>r2>r3,方案1的关联度r1最大,说明它最接近最优参考数列,所以甲投标单位应作为最佳中标单位候选人。

参考文献

灰色综合评价法篇5

基于灰色关联和组合赋权法的道路交通安全评价

摘要：利用灰色关联分析法得到各决策变量(DMU)之间的关联度,通过组合数据包络分析(DEA)和层次分析法(AHP)确定关联系数的权重,同时考虑主客观因素得到相对最优的`关联度,实现对评价对象的客观优先排序.建立城市道路交通安全评价体系,运用MATLAB软件进行编程,实现模型的运算,并得到评价结果.作者：李菁张卫华 LI Jing ZHANG Wei-hua 作者单位：合肥工业大学交通研究所,安徽合肥,230009 期刊：交通科技与经济 Journal：TECHNOLOGY & ECONOMY IN AREAS OF COMMUNICATIONS 年，卷(期)：2010, 12(3) 分类号：X951 关键词：城市道路交通安全灰色关联分析数据包络分析层次分析法综合评价

灰色综合评价法篇6

关键词：公路网规划,综合评价,灰色关联度法

综合评价是公路网规划的重要内容, 对公路网规划项目的实施有着重要的决策支持作用, 涉及技术、经济、社会环境等多方面因素, 必须采取先进合理的评价方法。

公路网规划是一个复杂的灰色系统, 涉及很多因素指标, 而且有的指标间的相互内在关系并不明确, 是一种灰色关系。基于人们对公路网规划的认识具有灰色性, 因此综合评价可采用灰色关联度方法。

1 用于公路网规划综合评价的灰色关联度法

公路网规划综合评价灰色关联度法的步骤如下。

1.1 确定比较数列和参考数列

设有m个评价指标x1, x2, …, xm, 且有n个路网规划方案, 即确定比较数列矩阵为

$x = [\begin{matrix} x_{11} & x_{12} & \dots & x_{1 m} \\ x_{21} & x_{22} & \dots & x_{2 m} \\ ⋮ & ⋮ & ⋮ & ⋮ \\ x_{n 1} & x_{n 2} & \dots & x_{n m} \end{matrix}]$

, 参考数列阵为x0=[x01, x02, …, x0m]。

1.2 指标原始数据的无量纲化处理

对指标原始数据按照极值法进行无量纲化处理:

$X_{i j} = \frac{x_{i j} - m i n x_{j}}{m a x x_{j} - m i n x_{j}}$ (1)

$X_{i j} = \frac{m a x x_{i} - x_{i j}}{m a x x_{j} - m i n x_{j}}$ (2)

其中, 式 (1) 用于效益型指标;式 (2) 用于成本型指标, 得到无量纲化后的比较数列矩阵为

$X = [\begin{matrix} X_{11} & X_{12} & \dots & X_{1 m} \\ X_{21} & X_{22} & \dots & X_{2 m} \\ ⋮ & ⋮ & ⋮ & ⋮ \\ X_{n 1} & X_{n 2} & \dots & X_{n m} \end{matrix}]$

, 参考数列阵为X0=[X01, X02, …, X0m]。

1.3 计算关联系数

设 $Δ_{i j} = │ X_{i j} - X_{0 j} │ ‚ Δ_{\min} = \min_{i} \min_{j} │ X_{i j} - X_{0 j} │ ‚ Δ_{\max} =$

$\max_{i} \max_{j} │ X_{i j} - X_{0 j} │$ , 则:关联系数为:

$ξ_{i j} = \frac{Δ_{\min} + ρ Δ_{\max}}{Δ_{i j} + ρ Δ_{\max}}$ (3)

其中, ρ为分辨系数, ρ越小, 分辨力越大。ρ∈ (0, 1) , 一般取ρ=0.5。由此得到关联系数矩阵

$E = [\begin{matrix} ξ_{11} & ξ_{12} & \dots & ξ_{1 m} \\ ξ_{21} & ξ_{22} & \dots & ξ_{2 m} \\ ⋮ & ⋮ & ⋮ & ⋮ \\ ξ_{n 1} & ξ_{n 2} & \dots & ξ_{n m} \end{matrix}]$

。

1.4 计算关联度并排序

分别计算各个方案的关联度:

$r_{i} = \sum_{j = 1}^{m} W_{j} ξ_{i j}$ (4)

其中, Wj为各个指标的权重, 可由层次分析法、专家评分法等赋权法得到。各方案与最优方案关联度ri越大, 表示该方案与最优方案越接近, 因此根据关联度的排序, 可得出各方案的优劣。

2 实例分析

本文选取文献[2]中山西省干线公路网未来规划年2020年的规划方案数据进行综合评价。该例中仅从技术评价角度, 考虑公路网的道路特征、交通特征以及公路网所能提供的服务水平等方面, 选用网等级JN、网行程时间TN、网饱和度SN、网运输成本TRN、网事故率AN以及网等级里程偏离率EN作为评价指标进行综合评价。

利用灰关联度法进行公路网的综合评价, 计算过程如下:

1) 确定参考数列。

本例中所采用的评价指标均为成本型指标, 所以参考数列阵取为:

x0=[1.525 0, 0.937 0, 4 635.100 0, 244.160 0, 0.908 5, 0.117 7]。

2) 指标原始数据的无量纲化处理。

根据式 (2) 对原始数据进行无量纲化处理, 见表1。

3) 计算关联系数矩阵。

$E = (\begin{matrix} 0.590 8 & 0.652 2 & 0.649 3 & 0.333 3 & 0.706 8 & 0.522 1 \\ 0.534 3 & 1.000 0 & 1.000 0 & 0.393 4 & 0.579 4 & 1.000 0 \\ 0.435 0 & 0.407 9 & 0.406 5 & 0.756 1 & 0.425 9 & 0.433 7 \\ 1.000 0 & 0.574 5 & 0.574 9 & 1.000 0 & 1.000 0 & 0.333 3 \\ 0.333 3 & 0.333 3 & 0.333 3 & 0.563 6 & 0.333 3 & 0.501 8 \\ 0.446 2 & 0.574 5 & 0.566 5 & 0.615 1 & 0.442 6 & 0.613 6 \end{matrix})$

。

4) 用层次分析法计算各个指标的权重。

在本例中, 建立如图1所示的评价层次结构。

确定判断矩阵, 求出各因素相对上一层某准则的权重。评价指标的权重见表2。

5) 计算关联度并排序。

各方案对最优方案的关联度和排序结果见表3。

3 结语

灰色关联度法考虑了所有因素的影响, 对基础数据样本的大小和有无典型的分布规律性不作要求, 通过计算各方案与最优方案的关联度来区别方案优劣, 原理简单, 计算方便, 是对公路网规划综合评价的有效方法。

参考文献

[1]邓聚龙.灰色理论基础[M].武汉:华中科技大学出版社, 2002.

[2]陈红, 颜英秋, 周伟.公路网规划方案综合评价方法及应用[J].系统工程理论与实践, 1999 (6) :107-115.

[3]丁小河.灰色关联分析法在施工方案比选中的应用[J].山西建筑, 2007, 33 (17) :218-219.

灰色综合评价法篇7

201 1年底,我国汽车保有量超过1亿辆,仅次于美国,位居世界第二,预计到2020年,我国汽车保有量将超过2亿辆,我国石油消费的快速增长将导致未来会面临严重的交通能源问题。此外,传统燃油汽车的尾气排放是全球温室气体排放的主要来源之一,我国已成为世界第二大CO2排放国。因此寻求无污染或低污染的绿色汽车,成为我国未来汽车的发展方向。我国2012年4月18日召开的国务院常务会议讨论通过了《节能与新能源汽车产业发展规划(2012—2020年)》,预示着“十二五”期间,我国新能源汽车将正式开始进入产业化发展阶段。新能源汽车是指动力来源采用非常规、非传统的车用燃料,技术先进、具有新结构的汽车。新能源汽车有很多种类,例如:纯电动汽车、混合动力汽车、燃料电池汽车、燃气汽车以及氢发动机汽车、醇醚汽车等[1]。

美国侧重研发氢燃料电池汽车和充电式混合动力汽车,并开始逐步推广乙醇燃料汽车[2]。欧洲重点研发了氢燃料电池汽车和氢内燃机汽车,其生物柴油汽车的产业化水平居于世界前列[3]。日本侧重于混合动力汽车技术的研发,已成功向市场推出了多款混合动力车型[4]。我国对于新能源汽车产业的研究与西方发达国家相比,起步较晚。国内学者主要对新能源汽车的技术发展水平和政策措施影响进行了总结和研究。其中,刘明岗、郭芙琴分别从纯电动车的驱动系统的设计、锂离子动力电池的安全性、充电设施的设计3个角度做了研究[5,6]。郝娟、谭敏等探讨了充电设施的设计、电动汽车充电站的充电模式[7,8]。王善生基于“能源碳足迹”对纯电动汽车的技术经济性进行了分析[9]。杨萍、易克传通过SWOT分析探讨了后危机时代我国发展新能源汽车的优势与劣势,威胁与机会[0]。李金津、张晓宇等分析了我国新能源汽车产业的发展现状及存在的问题,并相应地对我国新能源汽车产业的发展提出建议[11,12]。艾民等运用钻石模型理论,将我国的新能源汽车产业与发达国家相比,分析了我国新能源汽车发展的竞争优势与劣势[13]。陈学有、文明浩研究了电动汽车接入对电网运行的影响及经济效益综述[14]。此外,章道彪对各种主要类型的汽车进行对比分析,探讨了我国新能源汽车技术的发展路线[15]。

本文基于新能源汽车的技术特点,将6大类别的新能源汽车细分为10类,考查了各种新能源汽车技术的特点后,选取了5个指标,即技术成熟性、经济适用性、环境保护性、能源效用性和资源禀赋性来构建新能源汽车技术5维评价指标体系,采用了将主观与客观相结合的改进的灰色关联度法对这10类新能源汽车技术进行综合评价,对各类新能源汽车的发展优势与劣势进行了分析,从而对我国新能源汽车技术的发展路线提出建议。

1 改进的灰色关联度法

灰色关联度分析是基于邓聚龙教授1981年首次提出的灰色系统概念,主要根据空间理论的数学基础,来认识系统中各因素之间的主要关系。对2个系统或2个因素之间关联性大小的度量,称为关联度。它描述系统发展过程中因素间相对变化的情况,即变化大小、方向及速度等指标的相对性。运用灰色关联度法进行综合评价,可以在很大程度上减少由于信息不对称带来的损失,并且对数据要求较低,工作量较少,传统灰色关联度法中最后关联度的计算是对关联度系数直接加权平均得到,本文将对此做出改进,步骤如下:

(1)确定参考数列

运用灰色关联方法进行综合评价时,评价标准是各指标中的最优值。对于“效益型”指标(指标值越大越好型),取各序列中的最大值为参考;对于“成本型”指标(指标值越小越好型),取各序列中的最小值为参考。对于有m个评价指标、n个评价对象的评价体系,参考数列记为C0(j)={C0(1),C0(2),…,C0(m)}

(2)指标值的无量纲化

为减少随机因素的干扰并便于比较,按下式对最优指标集和各序列指标进行无量纲化处理:

(3)计算灰色关联系数

根据灰色系统理论,比较数列Ci对参考数列C0在指标Ci(j)上的关联系数:

其中,i=1,2,…,n;j=l,2,…,m;ρ为分辨系数,其值在0～1之间,通常取0.5。其作用在于提高关联系数之间的差异显著性。

(4)计算综合灰色关联度

记综合关联度为:

其中,权重ωk的计算采用主观的五级标度赋值法与客观的熵值法综合确定,设五级标度赋值法确定的权重为ω1k,熵值法确定的权重为ω2k,则ωk=(ω1k+ω2k)/2。

则综合灰色关联度为:

γi值越大,则说明相应方案越优。

2 我国新能源汽车技术综合评价

2.1 评价指标的构建与预处理

基于各种新能源汽车技术的特点,本文选取技术成熟性、经济适用性、环境保护性、能源效用性和资源禀赋性5个指标,从5个维度来进行分析,技术成熟性主要是考查新能源汽车技术进入产业化发展的技术水平;经济适用性主要指成本及价格,当前我国纯粹出于环保角度考虑购买新能源汽车的消费者基数还较小;环境保护性主要是指温室气体以及有害气体的排放量;能源效用性指的是从一次能源到终端使用整个过程中能源的利用效率;资源禀赋性主要考虑的是各种新能源汽车所使用的能源的可获得性。

采用比较分析法来确定各指标值,即对某一个指标在各种新能源汽车技术中进行比较,采用1-10分的打分制,针对某一评价指标,相对最好的打10分,相对最不好的打1分。通过专家打分得出其5维指标的具体数值[1],如表1所示。

本文选取的5个评价指标均属于“效益型”指标时,则取各方案中的最大值构成参考数列C0(j)=1 0,10,10,10,10,根据式(1)对最优指标集和各方案指标进行无量纲化处理的结果如表2所示。

2.2 关联度系数的计算

依据式(2)计算关联度系数的结果如表3所示。

2.3 综合关联度的计算

(1)权重的确定

权重确定方法的选择直接影响到综合评价的可行性与质量,主观赋权法是指人们基于知识和经验,由决策分析者根据各指标的主观重视程度而赋权的一类方法;客观赋权法一般根据所选指标的实际信息形成决策矩阵,在此矩阵基础上通过客观运算形成权重。本文将主观赋权法与客观赋权法相结合,选用五级标度赋值法与熵值法来确定权重。

1)五级标度赋值法确定权重的步骤如下:

指标j与k同等偏好,取djk=djk=4。

指标j比k稍微偏好,取djk=4+1,djk=4-1。

指标j比k明显偏好,取djk=4+2,dkj=4-2。

指标j比k极端偏好,取djk=4+4,djk=4-4。

从而得赋值矩阵:D=(djk)m×m

5个指标分别为技术成熟性、经济适用性、环境保护性、能源效用性和资源禀赋性。则通过主观判断可得赋值矩阵为

计算各个指标的五级标度优序数:

从而可得对指标的主观偏好权重:

计算结果如表4所示。

2)熵值法确定权重的步骤如下:

设决策矩阵为:

xij为第j个指标属性下第i个方案的指标值。则:

计算第j项指标下,第i个系统的特征比重或贡献度:

式中:pij为第j个指标属性下第i个方案的贡献度,所得结果如表5所示。

熵ej表示所有方案对第j个指标的贡献总量:

其中,常数k一般取k=l/lnn,以保证0≤ej≤1。

计算指标xj的差异性系数gj:差异性系数gj表示第j个指标下各方案的贡献度的不一致性程度,由gj=1-ej确定。gj越大,越重视该指标的作用。

权重wj为经归一化后的权重系数,由式(9)确定的计算结果如表6所示

(2)综合关联度的计算

依据式(3)先计算得权重ωk如表7所示,再计算得关联度,最后根据式(4)计算综合关联度,并按照关联度越大、方案越优的原则进行综合排名,所得结果如表8所示。

从表8可以看出,运用改进灰色关联度法对我国的10种新能源汽车技术进行综合评价后得到的综合排序为:氢燃料电池、天然气、纯电动(基于水电、煤电)、纯电动(基于太阳能、风能等)、可充电式混合动力、氢动力、油-电混合动力、二甲醚、生物燃料(粮食原料)、生物燃料(非粮食原料)—。

综上所述,能量效率高、低污染、零排放的氢燃料电池汽车,综合评分第一;天然气汽车在经济性和技术性上占据优势,且我国天然气资源相对充足,综合排名第二;纯电动汽车,不管是基于传统能源还是新能源,由于具有良好的环保性能,纯电动汽车技术综合排名比较靠前;可充电式混合动力汽车能量利用效率较高,污染和温室气体排放也相对较低;氢动力汽车技术相对成熟、成本也较低,但是能量的利用率过低,综合排名第六;油-电混合动力汽车具有广泛的适应性,但是成本相对较高,且其环保性能相对差一些,综合排名第七;此外,二甲醚汽车技术在污染和温室气体排放方面存在较大的劣势排名较靠后;生物燃料汽车的环境性能较差以及资源效率较低,综合排名在最后。

3 结论

灰色综合评价法篇8

一、建立因素集 (U)

要评价高校教师的教学水平, 本文在进行高校教学实际调研后, 建立表1所示的指标体系。

二、建立评价集 (V)

为了使最后的结果便于区分, 要对最后的结果进行量化, 根据实际情况, 在本文的教学评价中, 对于每一个指标设定四个级别评语, 即V={优秀 (V1) , 良好 (V2) , 合格 (V3) , 不合格 (V4) }。其相应的评分等级分值, 如表2所示。

参照评语集, 判断这一分值位于哪一区间, 说明该教师教学质量目前处于哪一水平。

三、建立因素权重集 (W)

为了反映每个因素Ui的重要性, 每个因素均有一权重Wi。确定权重的方法有很多。如AHP法, 熵值法, 经验判断法, DELPHI法等, 选择其中一种来确定其权重值。本文在对高校进行广泛调查后确定, 采用AHP法来确定因素权重。

四、建立样本矩阵 (D)

本例中组织5位领导、5位同事、5位同学对某四位教师按评价指标评分等级进行评分。

依据专家所给的评分表, 求得被评价对象的评价样本矩阵D, 如公式 (1) 所示。

其中, Uij为定性指标, 若将定性指标进行量化需要将其转化为定量指标, 可以通过制定评价指标评分等级标准来实现。通常设评价者序号为k (k=1, 2, …, r) 。

本例中获取到的评价者的评分结果如表3所示:

根据评分表获取教师1的样本矩阵D1:

同理可得教师2、教师3、教师4的样本矩阵:D2, D3, D4。

五、确定评价灰类

确定评价灰类即要确定待评价灰类的灰数、等级数以及灰数的白化权函数。

本文评价高校教师的教学质量, 依据评语等级的划分, 对应有4个评价灰类, 相对应的灰数= (1, 2, 3, 4) = (4, 3, 2, 1) , 各类的白化权函数为:

第1灰类:优秀 (e=1) , 灰数1∈[4, ∞], 白化权函数楋1的表达式如公式 (2) 所示。

第2灰类:良好 (e=2) , 灰数2∈[0, 3, 6], 白化权函数楋2的表达式如公式 (3) 所示。

第3灰类:合格 (e=3) , 灰数3∈[0, 2, 4], 白化权函数楋3的表达式如公式 (4) 所示。

第4灰类:不合格 (e=4) , 灰数4∈[0, 1, 2], 白化权函数楋4的表达式如公式 (5) 所示。

六、计算灰色评价系数

对于Uij评价指标, 将被评对象属于第e个灰类的灰色评价系数, 记为fe (dijk) , 则有。对于Uij评价指标, 将被评对象属于各个灰类的总灰色评价系数, 记为Xij, 则有

所有专家就Uij评价指标, 对被评对象属于第e个灰类的灰色评价权, 记为rije则有rije=xije/xij。由于评价灰类有n个, 即e=1, 2, …, n, 于是便有被评对象的Uij评价指标相对于各个灰类的灰色评价权向量rij。其中rij={rij1, rij2, …, rijn}。

将被评对象的Ui所属指标Uij, 对于各灰类的灰色评价权向量综合后, 得出该对象的Ui所属指标Uij对于各灰类的灰色评价权矩阵Ri, 如公式 (6) 所示。

本文中, 对于评价指标U11, 教师1属于第e个评价灰类的灰色评价系数X111e:

对于指标U11, 教师1属于各个评价灰类总灰色评价系数为X111:

专家就指标U11对教师1主张第e个评价灰类的灰色评价权r111e:

故教师1的评价指标U11对于各类灰的灰色评价权向量为:

同理可求出其他指标的权向量:

七、单因素评价, 建立关系矩阵R

单因素评价, 就是对被评事物的各个单因素Ui (i=1, 2, …, n) 作综合评价。用于综合评价的算子有多种, 不同的算子适用于解决不同的问题。

基于各种方面的考虑, 本文选用了M (+, ·) 算子。Bi=W'i·Ri= (b1, b2, bn) 。

各因素综合评价后, 得出模糊关系矩阵R如公式 (7) 所示。

本例中, 针对Ui得出的模糊关系矩阵R为:

八、综合评价

基于单因素评价结果之上, 利用一级指标权重, 得出评价对象的总体评价, 计算公式如公式 (8) 所示。

本例中的综合评价结果为:

最终评价结果G是一个代数值, 表示对高校教师的教学质量的最终评分。它是用目标层U的综合评价结果与评价等级量化向量相乘得到的, 如公式 (9) 所示。分值越高, 说明该教师的教学水平越高;反之分值越低, 该教师的教学水平越低。

参照评语集, 评判这一分数介于某一区间, 说明该高校教师目前处于某一水平上。

本例中, 教师1所得的分数为:

同理可以计算出教师2、教师3、教师4的教学评价分数, 本文不再叙述。

在有了模型的指标体系、评估方法以及模型指标等级划分的准备后, 就可以根据模型的框架结构来较为科学、公正地评价高校教师教学质量。模型使用的具体步骤:一是邀请评价领导、同事、学生组成评价小组。二是选择评价对象。三是根据层次分析法确定权重。四是采用模糊灰色综合评价法综合评价高校教师的教学水平。五是分析评价结果。

本文建立的模糊与灰色相结合的模糊灰色综合评价模型, 能充分利用专家评判信息的模糊性与灰性, 使高校教学评价更为科学有效。此外, 将此模型应用高校教学的实际评价中, 说明将灰色理论与模糊评价结合起来, 建立一种基于模糊灰色的综合评价模型是可行的。

摘要：教学评价是高校教学管理与教学质量监控的一项重要工作, 是反馈教师教学水平的重要手段, 而评价结果的准确性、可靠性对教学水平的提高起着至关重要的作用。在模糊数学理论基础上构建一个灰色综合教学评价模型, 并以此搭建的评价信息系统, 能够在很大程度上保证高校教师教学评价的科学性, 对教学质量不断提高会起到积极的促进作用。

关键词：模糊数学,灰色,高校,评价

参考文献

[1] .郭亚军.综合评价理论、方法及应用[M].北京:北京科学出版社, 2007:24~65

灰色综合评价法篇9

国外最早关于交通影响后评价的研究由Peter Nijkamp提出,认为应该对交通规划和交通影响评价工作进行社会以及经济的再次评估,并对评估结果进行反馈。由于国外的交通模式相对比较稳定,交通基础数据充足,因此交通影响再评估主要是根据建设项目所在的区域,定时(一般为2年)对交通影响评价报告进行修编。国内最早由王元庆等人指出进行交通影响后评价的必要性;之后,陈燕凌、李鑫铭等人提出对交通影响评价措施进行后监管和评价,总结经验教训,保证交通影响评价的科学性和客观性;盖春英、刘兴权等人指出交通影响后评价可以对交通影响评价的结果进行动态检验,分析交通预测数据误差的产生原因,为后续交通影响分析工作提供数据和积累经验;随后,李啸虎研究了交通影响后评价的主要内容并给出相关指标体系,运用模糊综合评价的方法进行了实例论证,但其评价指标过细,不利于实际操作;王小艳等人综合模糊综合评价法和关联矩阵法,对交通影响后评价方法进行了研究,但其数据统计量大、权重难以确定。周昱等人基于属性数学模型,建立了交通影响后评价指标属性测度模型,但其无法检验交通影响评价和交通影响后评价分析存在偏差的原因。

所以,虽然上述文献均肯定了进行交通影响后评价工作的重要性,并对交通影响后评价体系的内容进行了研究,但是现有的评价模型与实际工程的操作应用还存在一定的差距,同时交通影响评价和交通影响后评价前后对比分析的实践案例也不多见。因此,需要提出适合于工程实践运用的评价方法和模型,并通过案例反馈来完善交通影响后评价工作。本研究在建设项目交通影响后评价定义的基础上,应用科学确定权重,并综合考虑主观和客观因素影响的多层次灰色模糊综合评价法,针对具体项目案例选取科学、合理的指标进行分析,评价结果与实际案例的运行情况基本相符,从而论证了评价模型的有效性和实用性。

1 建设项目交通影响后评价定义

建设项目交通影响后评价(Traffic Impact Post Evaluation,TIPE)指在建设项目建成使用初年(项目投入使用2~5年),对项目实施后的交通影响及其交通影响评价中相应的改善措施进行跟踪管理和验证性评价,通过对交通影响的回顾分析和进一步的预测评价,总结经验教训,提出补救措施及改进建议,实现交通发展的可持续性。

交通影响后评价示意图,如图1所示。

2 建设项目交通影响评价模型

在建设项目交通影响后评价中,一方面,由于各个项目所处的内、外部环境不同,评价准则相对具有不确定性,使得影响交通系统的一些因素是模糊的;另一方面,由于参与评价人员的知识结构限制等主观原因的影响,所提供的评价信息往往是不完全的或不充分的(即灰色性)。故本研究采用灰色模糊综合评价法评价项目对交通产生的影响。

2.1 确定评价体系

依据层次分析法(AHP)的基本思想和建设项目交通影响后评价指标体系的内容,设A代表一级指标,记为:A={A1,A2,…,An},n为一级指标的数量,Ai二级评价指标为:Ai={Ai1,Ai2,…,Aij},j为A中第i个指标所包含的指数个数,Aij三级评价指标为:Aijk={A11k,A12k,…,Anjk},k为A中二级指标所包含的三级指标的子分类数。

2.2 确定评价等级

设V={V1,V2,…,Vm}表示评价目标优劣程度的集合,Vm为第m个评价等级,m为评价等级的个数。本文采用5级评判方法,将交通影响后评价指标分为“好、较好、中等、较差、差”5个等级,各等级得分为V={5,4,3,2,1}。通过打分,将定性指标定量化。

2.3 确定权重集

利用层次分析法(AHP法)构建判断矩阵,通过一致性检验后,确定评价指标的权重W。

2.4 建立评判矩阵

组织评价专家按评分标准评分并建立样本评分矩阵D。设评价专家序号为q(q=1,2,…,p),第q个评价专家对评价指标Aij的评分为dijq,则评价样本矩阵D=(dijq)Bij×p,即:

2.5 确定评价灰类

设评价灰类序号为c(c=12,…g),即有g个评价灰类等级。将评价灰类取为“好、较好、中等、较差、差”五级,则g=5。第一灰类e=5,灰数白化权函数为f1;第二灰类:e=4,灰数白化权函数为f2;第三灰类e=3,灰数白化权函数f3;第四灰类:e=2,灰数白化权函数为f4;第五灰类:e=1,灰数白化权函数为f5。

2.6 计算灰色评价系数

对指标Aij,第p个评价指标属于第e个评价灰类的灰色评价系数为属于各个评价灰类的总灰色评价系数为

2.7 计算灰色评价向量及权矩阵

评价专家就指标Aij对第p个评价指标属于第e个评价灰色评价权为rije=Xije/rij,则Aij对于各个评价灰类的灰色评价权向量rij={rij1,rij2,…rijg}。

将被评价指标的所属指标Ai对于评价灰类的灰色评价权向量综合后,得到Ai所属指标Aij对于各评价灰类的灰色评价权矩阵Ri:

2.8 对Ai和A作综合评价

对被评价指标的Ai作综合评价的结果为:

由Ai的综合评价结果得到被评价指标的A所属指标An对于各评价灰类的灰色评价矩阵R:

由R进一步得出受评者A的综合评价结果向量A:

2.9 计算综合评价值

将受评者综合评价结果A单值化,即计算受评者的综合评价值Z。

将各类灰等级按“灰水平”赋值,得到各种评价灰类等值化向量C={C1,Ci2,…,Cg},最后,得出受评者的综合评价值Z=A·CT。

3 案例分析

本研究以乌鲁木齐时代广场项目作为实际案例,运用上述模型进行交通影响后评价。

乌鲁木齐时代广场项目位于城市中心,为商业、办公、住宅混合用地,规划建设用地面积为2 965m2,总建筑面积为284 995m2,其中地上建筑面积234 995m2,地下建筑面积50 000m2,项目于2008年动工,计划于2010年建设完工,实际投入使用时间为2012年。2008年完成的交通影响评价报告中,选取规划建成年2010年和远景目标年2015年为评价年。

根据2008年的交通影响评价报告,预测:2010年项目影响范围内路网整体饱和度(V/C)为0.76,路段服务水平一般,路段D级以下服务水平比重为36%;2015年项目影响范围内路网整体饱和度(V/C)为0.80,路段D级以下服务水平比重为36%。城市道路服务水平划分参见表1。

注:V为最大交通量;C为最大通行能力

3.1 交通影响后评价指标选取

建设项目交通影响后评价是一个多层次、涉及面广的工作。因此,本研究根据其涉及内容建立3级指标体系,一级指标包括交通需求预测后评价指标、交通改善措施实施效果后评价指标和交通影响评价报告完善性后评价指标;二级指标为各一级指标涉及的影响因素;三级指标为各影响因素的明细指标。结合时代广场项目交通影响前评价报告及建设项目运营后的实际交通状况,选取适宜三级的评价指标(45个)用于该项目的交通影响后评价,详见表2。

3.2 交通影响后评价指标评分标准及依据

对于定性指标采取专家打分法,对于定量指标,部分指标无法直接对其进行评判,故采用相对误差指标γ进行处理,再根据评价等级“好、较好、中等、较差、差”,定义不同评分等级相对误差的取值范围。

相对误差γ的计算公式如下:

式中:X1为交通影响后评价指标实际值;X2为交通影响前评价指标预测值。

所选取指标的评分标准通过专家访谈的形式确定,具体评价指标详见表3。

3.3 确定指标权重

根据AHP的1-9标度法,本研究邀请5位专家在了解时代广场项目交通影响后评价指标的基础上,构造了判断矩阵,最终采取加权平均算法来计算各层次指标的权重。权重向量如下:

3.4 确定评价样本矩阵和评价灰类

定量指标根据表2中的评分依据和时代广场项目2015年实际情况与交通影响评价报告预测值的偏差,确定分值;定性指标邀请5位专家进行打分,确定分值。时代广场项目交通影响后评价专家评价样本矩阵详见表4。

根据不同阶段的白化权函数,确定相应的白化权函数如图2所示。

3.5 计算灰色评价权值和模糊权矩阵

根据灰色模糊评价法和时代广场项目的判断矩阵,计算时代广场项目交通影响后评价的灰色统计权值,得出模糊权矩阵,如表5所示。

3.6 对因素层指标作综合评价

对因素层评价指标A11技术参数预测作综合评价:

同理:

3.7 对准则层指标作综合评价

准则层指标A1包括因素层指标A11交通需求预测后评价、A12交通改善措施实施效果后评价、A13交通影响评价报告完善性后评价。则令

对准则层指标评价指标作综合评价:

综上可得评价指标A时代广场项目交通影响后评价的总灰色评价权矩阵R为:

进一步得出时代广场项目交通影响后评价的综合评价结果向量A:

3.8 计算综合评价值

根据时代广场项目交通影响后评价各灰类等值化向量C={5,4,3,2,1},得出时代广场交通影响后评价的综合评价值为:

时代广场交通影响后评价得分为3.280 3,评价等级为“中等”,说明该建设项目交通影响评价中的预测值是比较合理的,交通影响评价结果是合格的,交通影响评价报告的预测内容与项目实际运行情况基本相符,可以为政府相关主管部门今后规划项目影响范围内周边片区以及其他类似项目的建设决策提供理论依据。

4 结束语

建设项目交通影响后评价是对交通影响评价的技术方法、预测内容和改善建议进行总结和改善的过程,同时,通过重新对项目进行后续预测,为项目周边交通系统未来的发展建设提供有效的建议和意见,协调城市交通和土地利用之间的矛盾,促进城市交通系统的可持续发展。目前,建设项目交通影响后评价还是一个比较新的概念,对其体系研究还处在探索和实验阶段,其理论依据和技术方法仍需要不断完善。

本文通过对城市建设项目的交通影响后评价进行研究,完善了建设项目交通影响后评价的定义,并借鉴项目后评价的方法提出了方便工程实际应用的交通影响后评价模型,最后以乌鲁木齐市时代广场项目作为实际案例,进行城市建设项目交通影响后评价,案例评价结果验证了本研究评价指标和评价方法的有效性,为交通影响评价体系的完善提供了参考。

摘要：在交通影响评价和项目后评价理论基础上,完善建设项目交通影响后评价定义,同时运用项目后评价的层次分析法和灰色模糊综合评价法建立建设项目交通影响后评价模型,并以乌鲁木齐已投入使用的时代广场项目为例,进行交通影响后评价。评价结果为"中等",表明交通影响评价时段及交通量增长率等主要指标的交通影响评价的预测结果与时代广场项目实际运行情况基本相符,验证所提评价指标和评价方法的有效性。

灰色综合评价法篇10

1 灰色层次综合评价法

1.1 灰色系统理论简介

灰色系统理论是1982年由邓聚龙教授[4]创立的,是一种研究少数据、贫信息不确定性问题的新方法。灰色系统理论以“部分信息已知,部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象,主要通过对部分已知信息的生成、开发,提取有价值的信息,实现对系统运行行为、演化规律的正确描述和有效监控。灰色层次分析法是灰色系统理论与层次分析法相结合的产物。具体来讲就是在层次分析法中,不同决策“权”的数值是按照灰色系统理论计算的[5]。

1.2 农民用水户协会灰色层次综合评价模型的建立

1.2.1 建立评价指标体系

由于影响农民用水户协会的因素很多,因此对用水户协会建立评价指标体系必须从多层次、多角度层面考虑[6,7,8]。笔者综合考虑了用水户协会在组建和运行中的影响因素建立了农民用水户协会评价指标体系,如表1所示。

1.2.2 确定评价指标ui,uij的权重

应用层次分析法[9]确定评价指标ui,uij的权重向量A和Ai。设评价指标ui(i=1,2,…,4)权重向量为 A=(a1,a2,…,a4),评价指标u1j(j=1,2,…,6),u2j(j=1,2,…,7),u3j(j=1,2,…,5),u4j(j=1,2,3)权重向量分别为A1=(a11,a12,…,a16),A2=(a21,a22,…, a27),A3=(a31,a32,…,a35),A4=(a41,a42,a43)。

1.2.3 确定评价标准

把第二层评价因素uij划分为优、良、中、差、很差5个等级,对其进行无量纲归一化处理。各等级分别赋分为9,7,5,3,1分,若在两相邻等级之间则其评分为8,6,4,2分。

1.2.4 确定评价样本矩阵

由p位专家组成一个评分团,每位专家对农民用水户协会按照上述的等级标准对uij评分,将所评的分组成一个评价样本矩阵D。

$D = [\begin{matrix} d_{111} & d_{121} & \dots & d_{161} & d_{211} & d_{221} & \dots & d_{271} & d_{311} & d_{321} & \dots & d_{351} & d_{411} & d_{421} & d_{431} \\ ⋮ & ⋮ & ⋮ & ⋮ & ⋮ & ⋮ & ⋮ & ⋮ & ⋮ & ⋮ & ⋮ & ⋮ \\ d_{11 p} & d_{12 p} & \dots & d_{16 p} & d_{21 p} & d_{22 p} & \dots & d_{27 p} & d_{31 p} & d_{32 p} & \dots & d_{35 p} & d_{41 p} & d_{42 p} & d_{43 p} \end{matrix}]^{Τ} (1)$

1.2.5 求出评价系数、评价权和灰色评价矩阵

a. 将灰类分为优、良、中、差、很差5个等级。设优等级的白话函数为f1(x),良等级的白话函数为f2(x),中等级的白话函数为f3(x),差等级的白话函数为f4(x),很差等级的白话函数为f5(x)。

b. 确定灰类评价系数 $x_{i j c} ‚ x_{i j c} = \sum_{k = 1}^{p} f_{c} (d_{i j k}) (c = 1 ‚ 2 ‚ \dots ‚ 5)$ 。由公式 $x_{i j} = \sum_{c = 1}^{5} x_{i j c}$ 算出对于指标uij属于各评价灰类的总灰类评价系数。

c. 设rijc=xijc/xij为属于第c个灰类评价指标uij的评价权。uij对于各个灰类的评价权向量为rij=(rij1,rij2,…,rij5),就可以得到ui(i=1,2,…,4) 所属指标对于各评价灰类的灰色评价矩阵R1,R2,R3,R4。

1.2.6 对U和ui作综合评判

a. 对ui作综合评价,其结果为Bi=AiRi=(bi1,bi2,…,bi5),得总灰色评价权矩阵R。

b. 对U及农民用水户协会作综合评价,结果为B=AR=(b1,b2,…,b5)。

c. 将各灰类等级按灰水平赋值,得各评价灰类等级值化向量C=(9,7,5,3,1),然后按公式Z=BCT计算农民用水户协会的综合评价值Z。根据Z值大小和已确定的灰类等级,可以评判U。

2 实例分析

以安徽省肥西县为例,利用本文的评价方法对肥西县农民用水户协会进行综合评价。

2.1 确定各指标的权重

采用层次分析法算出ui及uij(i=1,2,…,4)的权重向量:经计算ui的权重向量A=(0.052 6,0.221 8,0.112 7,0.612 9);u1j,u2j,u3j,u4j的权重向量分别为A1=(0.131 2,0.057 9,0.091 0,0.057 9,0.244 6,0.417 7);A2=(0.073 7,0.042 8,0.047 2,0.180 3,0.203 5,0.052 5,0.400 0);A3=(0.090 8,0.461 4,0.058 5,0.194 6,0.194 6);A4=(0.637 0,0.258 3,0.104 7)。

2.2 对农民用水户协会各指标评分

由5位专家对农民用水户协会按照上述的等级标准对uij评分,将所评的分组成一个评价样本矩阵D。

$D = [\begin{matrix} 7 & 9 & 6 & 6 & 7 & 7 & 6 & 5 & 8 & 9 & 5 & 6 & 8 & 7 & 5 & 7 & 8 & 6 & 6 & 5 & 4 \\ 8 & 9 & 7 & 4 & 8 & 6 & 4 & 4 & 9 & 9 & 7 & 6 & 7 & 9 & 7 & 6 & 7 & 5 & 7 & 7 & 5 \\ 9 & 8 & 6 & 3 & 7 & 8 & 5 & 4 & 7 & 8 & 5 & 4 & 9 & 5 & 4 & 5 & 8 & 7 & 7 & 6 & 6 \\ 8 & 8 & 5 & 5 & 8 & 7 & 7 & 6 & 8 & 8 & 6 & 5 & 8 & 7 & 5 & 6 & 7 & 7 & 6 & 7 & 6 \\ 8 & 9 & 7 & 6 & 8 & 8 & 7 & 6 & 9 & 9 & 7 & 6 & 9 & 8 & 8 & 7 & 8 & 7 & 7 & 7 & 6 \end{matrix}]^{Τ}$

2.3 对农民用水户协会进行综合评价

2.3.1 计算灰类评价系数、权向量和灰色评价矩阵

把5位专家对某农民用水户协会的打分代入各白化函计算相应的白化值。评价指标uij第c(c=1,2,…,5)个评价灰类的评价系数为xijc,将评价指标uij的各个评价灰类的评价系数相加,得uij的总灰类评价数 $x_{i j} = \sum_{c = 1}^{5} x_{i j c}$ ,则属于评价指标uij的第c个评价灰类的灰色评价权为rijc。令rij为评价指标uij对于各灰色的灰色评价权向量,根据rij得出ui所属指标u1j,u2j,…,u4j对于各评价灰类的灰色评价矩阵为R1,R2,R3,R4。

$\begin{array}{l} R_{1} = [\begin{matrix} 0.640 ? 0 & 0.360 ? 0 & 0 & 0 & 0 \\ 0.826 ? 9 & 0.173 ? 1 & 0 & 0 & 0 \\ 0.367 ? 5 & 0.472 ? 5 & 0.16 & 0 & 0 \\ 0.249 ? 3 & 0.320 ? 6 & 0.289 ? 8 & 0.140 ? 2 & 0 \\ 0.546 ? 8 & 0.453 ? 2 & 0 & 0 & 0 \\ 0.493 ? 4 & 0.475 ? 8 & 0.030 ? 8 & 0 & 0 \end{matrix}] \\ R_{2} = [\begin{matrix} 0.325 ? 0 & 0.417 ? 8 & 0.206 ? 8 & 0.050 ? 4 & 0 \\ 0.265 ? 8 & 0.341 ? 8 & 0.296 ? 7 & 0.095 ? 7 & 0 \\ 0.694 ? 9 & 0.305 ? 1 & 0 & 0 & 0 \\ 0.826 ? 9 & 0.173 ? 0 & 0 & 0 & 0 \\ 0.337 ? 8 & 0.434 ? 3 & 0.228 ? 0 & 0 & 0 \\ 0.302 ? 8 & 0.389 ? 3 & 0.257 ? 4 & 0.050 ? 5 & 0 \\ 0.694 ? 9 & 0.305 ? 1 & 0 & 0 & 0 \end{matrix}] \\ R_{3} = [\begin{matrix} 0.487 ? 0 & 0.391 ? 3 & 0.121 ? 7 & 0 & 0 \\ 0.321 ? 5 & 0.349 ? 2 & 0.279 ? 4 & 0.049 ? 9 & 0 \\ 0.367 ? 5 & 0.472 ? 5 & 0.160 ? 0 & 0 & 0 \\ 0.546 ? 8 & 0.453 ? 2 & 0 & 0 & 0 \\ 0.437 ? 5 & 0.562 ? 5 & 0 & 0 & 0 \end{matrix}] \\ R_{4} = [\begin{matrix} 0.412 ? 9 & 0.530 ? 8 & 0.056 ? 3 & 0 & 0 \\ 0.379 ? 2 & 0.487 ? 5 & 0.133 ? 3 & 0 & 0 \\ 0.322 ? 0 & 0.414 ? 0 & 0.264 ? 0 & 0 & 0 \end{matrix}] \end{array}$

2.3.2 确定综合评价结果

由公式Bi=AiRi算出Bi(i=1,2,…,4),从而可得某农民用水户协会的总灰色评价矩阵R。

$R = [\begin{matrix} 0.519 ? 4 & 0.418 ? 9 & 0.044 ? 2 & 0.008 ? 1 & 0 \\ 0.579 ? 8 & 0.321 ? 9 & 0.087 ? 9 & 0.010 ? 5 & 0 \\ 0.405 ? 6 & 0.420 ? 3 & 0.149 ? 3 & 0 & 0 \\ 0.393 ? 7 & 0.507 ? 4 & 0.097 ? 9 & 0 & 0 \end{matrix}]$

对U即某农民用水户协会作综合评价,其综合评价结果B=AR=(0.442 9,0.451 8,0.098 7,0.002 8,0)。按公式Z=BCT计算Z值。Z=(0.442 9,0.451 8,0.098 7,0.002 8,0)(9,7,5,3,1)T=7.650 6。

由评价结果可知,肥西县农民用水户协会的综合评价为良好。

3 结语

本文以灰色层次综合评价法为理论基础,构建了评价农民用水户协会的综合评价模型,从定量和定性相结合的角度来对用水户协会进行评价,使得到的评价结果更精确,更具指导性和说服力。该方法对农民用水户协会进行评价具有可操作性和适用性。必须指出的是对于不同发展阶段的农民用水户协会的评价指标是不一样的,在评价的过程中应根据具体的情况确定评价指标和各指标的权重,使评价结果更客观、准确。

摘要：以灰色系统理论与层次分析法为理论基础,构建了农民用水户协会综合评价方法。该方法运用层次分析法确定各指标权重,根据灰色系统理论量化定性指标,综合考虑协会组建状况、协会运行状况、渠系工程状况和协会带来效益等因素,对用水户协会进行综合评价。以安徽省肥西县为例,应用该方法对肥西县农民用水户协会进行综合评价,评价结果为良好。

关键词：用水户协会,灰色系统理论,层次分析法,肥西县

参考文献

[1]国家农业综合开发办公室.农民用水户协会理论与实践[M].南京:河海大学出版社,2005.

[2]张自伟,张启敏.基于AHP的青铜峡灌区农民用水户协会(WUA)项目后评价[J].农业科技研究,2009(3):5-8.

[3]王建鹏,崔远来,张笑天,等.基于灰色关联法的灌区用水户协会绩效综合评价[J].武汉大学学报:工学版,2008,41(5):40-48.

[4]邓聚龙.灰理论基础[M].武汉:华中科技大学出版社,2002.

[5]余育青.基于灰色层次分析法的实训资源配置评估模型及其应用研究[D].杭州:浙江工业大学,2008.

[6]张庆华,姜文岱.农民用水户协会建设与管理[M].北京:中国农业科学技术出版社,2007.

[7]张庆华,徐学东,王艳艳,等.政府在农民用水协会建设与运行中的资金支持[J].水利经济,2008,26(2):4-6.

[8]叶义成,柯丽华,黄德育.系统综合评价技术及其应用[M].北京:冶金工业出版社,2006.

【灰色综合评价法】推荐阅读：

灰色模糊综合评判法08-30