动态层次评估模型（精选7篇）
动态层次评估模型 篇1
层次分析法概述
层次分析法 (AHP, Analytic Hierarchy Process) 是美国著名的运筹学家Satty T.L教授于二十世纪七十年代提出的, 是一种层次化、定量与定性相融合的多准则决策方法, 也是简便灵活而且实用、有效的, 能够处理不易定量化问题的评估方法。
层次分析法的基本原理就是以数字的形式进行处理与表达, 将决策者的主观判断进行量化, 把复杂的问题层次化, 把问题简化并利用层次进行分析细节;通过定量的数据把定量与定性分析结合起来, 进而为决策者的决策提供依据。也就是说, 层次分析法把要决策的问题看成一个很大的系统, 它是若干的影响因素组合而成的, 并且因素与因素间都存在一定的关联与制约, 根据因素与因素间的隶属关系能够组成一个层次结构, 然后通过相关数学计算, 将这些因素层次排序, 最后将分析排序的结论作为决策依据。
利用层次分析法解决问题一般包含四个基本步骤:
(1) 构造待解决问题的层次结构模型;
(2) 构造各层次内的两两对比较判断矩阵;
(3) 根据对判断矩阵计算出各层次单排序;
(4) 计算各层元素的最终组合权重。
首先对系统进行分层次与拟定量, 并作规范化处理, 将复杂的问题分解为因素并划分为若干层次。两两比较标度值, 将依据主观经验定性问题进行定量化处理, 把层次内的因素之间简单地进行计算、判断和比较, 得出这些因素的权重值, 计算出相对于系统总目标的单个因素的排序权值, 最终分析得出各个因素的总体风险状况。
1构造层次结构模型
实际上构造层次结构模型就是对问题进行剖析的过程, 在层次结构模型的最上层仅有一个元素, 为目标的焦点, 即目标层。目标层以外的其它层次允许有多个元素, 相邻两层的元素是按照一定的规则进行确定的。通常情况下, 层次结构模型分为三层, 如图4.2所示。
目标层 (Goal) ;在该层只有一个元素, 是待解决问题所设定的总的目标。
准则层 (Criteria) ;该层包含了需要完成的预定目标涉及到的一系列中间环节, 涵盖了相关的准则以及子准则, 允许一个或者有若干个层次组合而成。
方案层 (Alternatives) ;该层包含了可供选择的各种措施以及方案等。
不同层次的元素之间往往会存在着隶属关系, 即上一层的元素对下一层元素有支配的作用并且由下一层元素组合构成;同层元素也可以划分为若干小组, 性质相近的元素划分为一组, 同组元素隶属的上层元素通常会是同一个, 不同组元素性质不同, 一般隶属于不同的上一层元素。通过对复杂问题进行分析, 先要明确决策的目标, 并将它作为目标层 (最高层) 的元素, 这个层次的元素是唯一的。接着找到与目标实现相关的准则, 并作为准则层的因素。复杂问题的准则层因素可能很多, 有的是主要准则, 还有的是次准则, 次准则隶属于主要准则。详细地分析准则因素之间的内在联系, 再根据分析结果把这些准则划分在不同层次。分析准则与实际的问题后, 确定可选择的最终解决方案或者措施, 在递阶层次结构的最下面一层的因素就是这些方案与措施。明确了层次结构中所有因素的位置, 用连线把它们依照规则连接起来, 就完成了递阶层次结构的创建。
在有些元素较多, 关系复杂的层次结构中, 组的关系可能会不太明显, 形成层次关系是相互交叉的, 这时也会存在下一层的一些元素同时受到上层的若干元素的支配, 但还是会有明显的上下层的隶属关系。
2构造各层的判断矩阵
对比较判断矩阵指的是相对上一层某个准则而言, 与该准则有关联的本层的要素之间的相对重要性。若方案层P (b1, b2, …, bn) 相对上一层准则C而言有关联, 那么建立方案层中的各个元素相对于准则P的判断矩阵如公式所示。
式中, bij表示的是对于准则C而言, 方案层P中的元素ib与元素bj比较得出的两者的相对重要程度。bij的取值根据专家经验和意见或者资料、历史统计数据来确定的。在层次分析法当中, 可以根据Satty引入了1至9的9分位标度法, 两要素的比较可以进行定量描述。由此, 可以通过各层要素之间的成对比较得到层次结构模型的判断矩阵, 标度如表4.1所示。
建立的对判矩阵应该具备以下特性:
从理论上分析:如果C_P是完全一致的成对比较判断矩阵, 应该有bij=1/bji (i, j=1, 2, …, n) , 判断矩阵可以具有传递性。但实际上, 构造出的对比较判断矩阵是不可能的满足所有以上的等式, 所以对比较判断矩阵在一定程度上可以存在一定程度的不一致。
3层次单排序与检验
计算层次单排序就是把本层各要素, 相对上一层根据对比较判断矩阵计算出权重顺序的过程, 常用的计算方法主要有方根法与和积法。
方根法首先将判断矩阵C_P的每一行因素求乘积, 对求得的乘积做根方计算, 再将方根归一化, 以确定这一层因素对于上一层的相对风险权重, 也就是计算方案P层中各要素相对于准则C的权重排序, 最终得出排序结果。
在层层排序过程中, 需要对判断矩阵进行一致性检验。判断矩阵在特殊情况会具有一致性以及传递性。但通常并不需要判断矩阵必须满足一致性与传递性, 只是判断矩阵在进行其重要性排序时必须遵循一定的逻辑规律, 如果A比B重要, B又比C重要, 应该得出A比C更加重要的结论, 若出现了A比C重要这种结果, 就意味着该判断矩阵在不符合逻辑, 不能通过一致性的检验。
实际计算过程中, 判断矩阵需要满足基本的一致性, 并进行相应的一致性的检验。通过了检验, 该判断矩阵才能对计算结果进行后续的分析。下面简要介绍一致性检验的步骤。
(2) 以Satty给出的RI的指标值表为依据, 进行平均随机一致性指标RI的对比查找。
(3) 利用CR=CI/RI来计算修正的一致性指标, 当CR≤0.1时就认为对比较判断矩阵符合一致性检验的要求, 若不符合就要继续调整判断矩阵。
4层次总排序与检验
层次总排序指的是根据各层次单排序得到的每层相对于上层的各个元素的相对权重, 进一步计算单排序结果得出层次结构模型中各层的所有因素相对于目标层的组合权重, 由上往下逐层进行, 最终得出方案层中的元素相对于目标层的组合权重。
和单排序一样, 总排序结果也要进行相应的一致性检验。
若已知相对于第k-1层第j个元素为准则的CIj (k) 、RIj (k) 和CRj (k) , j=1, 2, …, m, 那么第k层的综合检验指标如下所示。
若CR (k) <0.1时, 判断矩阵的整体一致性是可以接受的。通过对排序结果的分析, 得出最后的决策方案。
层次分析法的优缺点
层次分析法是典型的定性分析与定量分析综合的方法, 比较适用于不能够完全定量分析的问题。相比之下, 层次分析法的结构化理论基础使得它在解决各类复杂问题或者多目标、多层次的大型信息系统的问题较为简单, 分层次的系统框架, 可以有效地分解系统, 只需将信息系统结构化处理之后, 进行简单的计算。层次分析法使用对比标度, 使得客观性的判断能力大大增强, 通过分析信息系统的相关因素及其关联, 将复杂问题层次化、简单化。结合实际生活中主观和客观因素, 综合考虑定量分析与定性分析, 定量的描述对主观的评估, 使评估科学化、系统化、数学化, 使风险评估的结果较为客观。
层次分析法也存在缺陷, 主要的缺点包括以下两个方面。
首先是层次分析法自身的缺点, 在构造判断矩阵时, 如果采用专家打分评判方式, 利用若干专家对信息安全风险因素的认知判断作为构造数据, 专家有根据客观的自我偏好进行打分的可能, 进而影响到评估的最终结果, 可能会造成评估结果误差较大, 降低了评估的客观性精确度。如果仅仅是依靠几个相关专家的评判得出的评估结果进行构造判断矩阵, 容易造成判断矩阵不具有全面性, 致使评估的结果可信度降低。若选择相应的修正方式改进评估方法, 也可能会造成其它因素受到某个因素改善的影响, 降低其它因素的精确度。因此, 构造判断矩阵会受到专家的质量、数量等主观因素方面的影响, 并最终影响评估结果的精确度。
层次分析法不可以计算精确度要求高的问题, 只可以看作是半定量的分析方法。在风险评估时, 针对层次分析法的缺陷, 本文引入了模糊数学理论改善层次分析法, 使模糊分析与层次分析方法相结合, 使评估的结果趋于合理化、客观化。
小结
本文主要是介绍了层次分析法的信息安全风险评估模型。首先是介绍了基于层次分析法的风险评估模型, 分析其优缺点, 并解析了改进后层次分析法结合的评估模型的主要评估流程。
摘要：信息的安全风险评估和分析的目的在于对安全事件发生的概率以及产生的影响做出尽可能精确的估计。这是制定并实施风险控制的重要参考, 也是风险控制的必要前提。而现实世界中人们认识的局限性、安全事件的档案缺失、环境的多变性以及信息系统的复杂性等因素都可以造成风险评估中出现失误, 选择科学风险评估方法可以大大缩小这些偏差, 提高评估的精准度。本文将采用改进后的层次分析法, 计算信息系统的风险值。
动态层次评估模型 篇2
招商评估具体是指由专门的机构和专业人员, 依据国家相关法律、法规、政策和调查研究所获得的资料, 依据特定目的, 遵循一定的工作原则、程序和标准, 采用适当的计算方法, 对招商项目进行评估, 确定项目的级别, 是对项目的一个专业、综合性的评定。目的是分析和衡量招商项目的公平市场价值, 并提供相关信息, 以帮助政府对招商项目的进行择优去劣。当前招商评估的主要手段是建立评 估专家组 ,对引资项目进行人工的招商评估。
人工评估 存在不足[1]:( 1 ) 对项目进 行评估时 要先对项目 的各类指 标进行人 工的统计 , 并对统计 的结果进 行整理, 最后在对整理的数据进行人工的评估, 整个过程耗费了大量的人类资源, 评估的成本较高;(2) 在人工评 估中每个步骤都要进行人工的审核, 步骤繁杂、效率低下, 导致评估的速度缓慢;(3) 人工评估时评 估人员往 往存在一 定的主观偏 向 , 导致评估 结果存在 主观性 , 影响评估 的准确性和可靠性。
招商评估问题的本质是多属性决策问题, 而层次分析法是解决该类问题的有效手段之一。因此可以利用层次分析法建立一个针对招商评估问题的评估模型, 并将该模型在计算机内进行实现, 实现招商评估的自动化计算。目前已经有部分学者开始采用这种方法来实现自动化的招商评估。但是目前根据现有的案例分析, 当前的模型都是针对特定评估模型的建立进行总结和概括, 同时对模型实现的方法进 行说明 ,让自动化招商评估的实现可以更加的一般化和通用化。
2 模型设计
2.1 指标设定
利用层次分析法设计评估模型的第一步需要根据实际情况设计相关的评估指标, 将以对某大学科技园的具体案例为例进行说明。
指标设定的具体方法是在评估模型中将对较复杂的问题进行划分, 划分后所得的各个组成部分被称之为指标, 每个元素还可以进行进一步的划分为多个指标, 直至不可划分为止。这样就得到了层次化的指标结构。
指标的选择是多种多样的, 但是通过对大量招商评估案例的分析得到了评估指标的第一层往往几个具有一般性的评估指标, 分别是经济效益、社会效益、环境效益和技术能力。这4个指标是一般招商评估模型中都会涉及的评估指标, 而针对具体情况进行需求分析后可以对指标进行进一步的确认。而第一层指标确认后下面只要根据用户需求进行简单的进一步细分就可以得到具体的评估模型了。一般只要再划分一两层即可。此外为了在权重分配时不会因为指标过多而难以分配, 一般建议指标在同层指标在6个以内。
以具体案例而言首先设定评估的第一层指标, 分别为负责人指标、项目技术能力、预期经济效益、团队综合能力 个指标。其中预期经济效益对于经济效益, 项目技术能力对应技术能力, 而由于评估项目是高科技项目, 没有环境污染的问题, 因此环境效益可以不考虑。同时根据用户需求去除经济效益并加入了负责人指标和团队综合能力两项指标。然后结合用户要求对这4个指标再次进行划分, 负责人指标下设二级指标4个, 分别为: 学历、创业经历、研发能力、工作业绩; 项目技术能力下设二级指标4个, 分别为: 技术创新性、在同类产品中地位、知识产权、技术成熟度; 预期经济效益下设二级指标3个, 分别为: 注册资金、预期销售额、预期税收额; 团队综合能力下设二级指标3个, 分别为: 团队预期人数、团队管理能力、团队技术能力。到此评估模型的指标划分已分至不可分, 所以指标设定完成。
2.2 判断矩阵建立
指标建立完成后需要对同层指标两两间的相对重要性以数值的形式进行标定, 最终的结果就是判断矩阵。
判断矩阵 的每一行 和每一列 都代表同 一层中的 一个指标 , 而矩阵中 的每一个 元素则代 表两个指 标间的相 对重要性。重要性的数值给定方式是若两个元素一样重要则用1来表示 , 前一个元 素比后一 个元素则 依据重要 的程度用2, 3, 4等数值来表示 , 最大是9。若后一个元素比前一个元素则用1/2, 1/3, 1/4等数值来表示, 最小为1/9[2]。
根据上述的准则可以得到判断矩阵A=(aij)n×n, 其中aij是第i个指标和第j个指标之间的根据重要性的标度所得的数值 ,而n为判断矩阵A所代表的该层的元素个数[3]。
重要性数值的设定往往只能根据经验来设定, 本文根据对以往招商评估模型的分析, 给出一种较为一般的设定方法。首先为让用户对指标重要性进行从低到高的排序, 并根据这个排序对指标进行编号, b1, b2, ..., bn。让后给指标设定固定的步长L, 取值可以是小于3的正整数。然后重要性数值aij可以按照以下公式进行计算。
计算时要确保bn1指标重要性比bn2指标强。当权值矩阵确定后需要由用户确认, 期间可以对指标权值进行一定的调整, 但是调整幅度要效益步长L。
以某大学科技园评估模型的第一层指标为例, 其中每个指标和其自身的相对重要性应该都为1, 即所有同行同列的元素值都为1。而根据用的实际情况对该层4个指标的重要性性排序, 从低到高依次是团队综合能力、负责人指标、预期经济效益和项目技术能力, 将其分别编号为1、2、3、4, 设置固定步长为2。让后根据公示对每个重要性数值进行计算, 如项目技术能力和团队综合能力的编号分别为4和1, 根据技术可以得到项目技术能力相对于团队综合能力的重要性数值是7, 而团队综合能力相对于项目技术能力的重要性数值则是计算结果的倒数1/7。重复上述步骤可以得到初步的判断矩阵。在将该判断矩阵交由用户修改和确认, 得到最终的判断矩阵如表1所示。
2.3 相对权值计算及一致性检验
当判断矩阵建立完成后就需要计算出判断矩阵对应的相对权值, 相对权值代表了当前层中每一个指标在该层所占的权重。
相对权值 的计算方 式有很多 , 如和法、 根法、特 征值法、最小二乘法等方法。本例将采用特征值法来进行相对权值的计算, 理由有两个: 第一特征值法计算出的相对权值能较好的反映当前指标间的权重关系; 第二特征值法中计算出的最大特征值在一致性检验中将被用到, 同特征值法可以减少计算。
依旧以某大学科技园评估模型的第一层指标为例, 用特征值法计算出该层的相对权重。利用Matlab软件计算出判断矩阵对应 的最大特 征值λMAX为4.0013, 最大特征 向量β为(0.389, 0.8234, 0.5518, 0.2358)T, 对最大特征向量归一化运算后即可得到权值向量ω为(0.1945, 0.4117, 0.2759, 0.1179)T,权值向量的每一个元素分别代表了一个指标在该层的 权值。在该例中每个向量元素从左到右依次代表了负责人指标、项目技术能力、 预期经济效益、团队综合能力4个指标的相对权值。
在相对权值计算完成后需要对判断矩阵进行一致性检验,保证判断矩阵符合传递性和一致性的特性。具体来说就是如果指标A比指标B重要, 而指标B又比指标C重要, 那么指标A就应该比指标C极端重要, 这个特性就是判断矩阵的一致性和传递性。
一致性判断的第一步是计算一致性指标CI, 计算公式如下[4]。
公式中λmax是判断矩阵所对应的最大特征值, n是判断矩阵的阶数。
计算出一致性指标后需要计算相应的一致性比例CR, 其计算公式如下[5]。
其中CI即上一步中计算出的一致性指标, 而RI是一个常量, 可以查表所得。
计算出CR后判断其值是否小于0.1, 若小于0.1则说明判断矩阵通过了一致性检验, 否则即没通过需要修改判断矩阵, 直至通过检验为止。
以某大学科技园评估模型的第一层指标的判断矩阵为例进行一致性检验, 根据公式计算出CR为0.0019, 小于0.1所以该判断矩阵通过了一致性检验。
3 模型实现
3.1 评估表
在将设计的招商评估模型在计算机中进行实现之前要先根据设计的评估指标和计算出的指标相对权重设计出具体的招商评估表。
设计评估表首先需要确定评估表的评分上限, 100分或者200分等 , 可以根据用户的具体需求而定。这里以100分为例, 将评分上限乘以第一层指标的相对权重, 就可以得到第一层每个指标的评分上限。以某大学科技园评估模型中的第一层指标相对权重为例, 将相对权重向量ω乘以100即可得到当前层 中所有指 标的评分 上限 , 分别为19.45、41.17、27.59和11.79, 为了计算的简单也可以对这些数值进行简单的调整, 将其化为整数。上例中的评估上限就可以化为19、41、28和12。然后就以相同的步骤对下一层的指标也进行评估上限的计算, 直至最底层的指标。
当最底层的指标的评估上限确定后就可以进行评估指标的评估属性和对应得分的设计了。评估属性和对应得分的设计主要是根据用户的实际情况和底层指标的评估上限来确定的。如在某大学科技园的评估模型中的一个底 层指标学 位 ,其评估上限是5分, 而根据用户需求将其评估属性分为本科、硕士、博士、其他4项, 对应的得分分别为2、3、5、1。其他的底层指标的设计方式与此相同, 最终可以得到一个完整的招商评估表。
3.2 系统架构
实现招商评估模型的系统架构既可以采用C/S架构也可以采用B/S架构。但是B/S架构的系统相对于C/S架构的系统有好扩展、易维护和成本低等优点, 所以一般采用B/S架构来构建系统。
不论是B/S架构还是C/S架构都采用相同的系统结构, 系统结构可分为三层逻辑结构框架体系, 如图1所示, 分为数据存储层、数据计算层和用户操作层。这样的设计可以很好地实现逻辑分离, 为系统的稳定运行提供良好的环境。
数据计算层: 主要是完成自动化评估的功能, 根据存储在数据库中的评估模型数据和具体评估项目的各项指标信息进行自动化的招商评估, 并将评估结果在数据库中进行保存。
数据存储层: 用于存在之前设计的招商评估模型中评估表的中的评估属性和对应得分, 还有每个评估项目的具体指标属性和其评估的结构。
用户操作层: 提供用户进行操作的具体界面, 包括评估项目的具体指标录入、评估结果的查询和评估结果的管理等等的功能, 方便用户进行与招商评估相关的各种操作。
4 模型效益
本招商评估模型已经在某大学科技园的招商评估系统中进行实现, 而该招商评估系统已于2013年正式上线并投入运行。通过一年的试运行, 该评估系统的评估效果非 常良好 ,很好地解决了以往评估所存在的几个问题。
以往的招商评估由于没有计算机的支持往往只能采用人工的数据采集和专家会议的方式进行评估。这样的评估不仅效率低下, 而且评估的周期是分的长, 同时每次评估消耗的评估成本也非常的巨大, 但是用了基于招商评估模型设计的招商评估系统后这个问题被有效地解决了。从图2和图3中可以看出, 在2013年招商评估系统投入运营之后, 招商评估的成本有了明显的下降, 而评估的流程也明显地被缩短了。
此外以往的招商评估由于有大量的人工操作的介入往往令评估结果有一定的主观性, 从而影响评估的准确性, 导致一些较差的项目也被进行了引资, 而这些项目在后期往往会因为各种问题发展失败, 最终影响地方的招商引资的 开展。而在招商评估系统被引进后该问题得到了明显的改善, 从图中可以看出, 在引进了招商评估系统后发展失败的项目在所有项目中的占有率有了明显的下降。
5 结语
在总结以往利用层 次分析法 建立招商 评估模型 基础上 ,提出了一种更为一般化的招商评估模型建立以及通过计算机实现的方法, 可以快速地设计出了一种在计算机上实现的招商评估模型, 克服了传统人工评估导致的评估效率低下、成本过高 和评估结 果精度差 不稳定等 问题。同 时通过具 体的系统实现可以让评估的结果易于查看和分析, 具有很高的实用性。
动态层次评估模型 篇3
关键词：交通管理,道路交通安全,层次分析法,不安全因素,风险评估
0 引言
道路风险评估已逐步被引入相关部门的交通安全管理之中,它是风险管理方法在交通安全中的最新应用。据统计[1]全世界每年约有120万人死于道路交通伤害,受伤者多达5000万人,而我国每天因道路交通事故伤亡的人数接近300人,因此有必要全面、细致地分析道路交通所面临的风险,通过对道路交通可能存在的风险进行全面系统的排查,针对不同的风险事件,提出详细的预防措施,并制定合理的工作方案,使人们面临的道路交通风险降到最低。
1 道路交通安全风险评估
上世纪80年代末,英国率先开展了道路安全评估工作,澳大利亚、新西兰、加拿大、美国等国家也相继开展了这项工作。国外研究表明,道路安全评估可有效地预防交通事故,降低交通事故数量及其严重度,有效提升公路安全水平。在我国,为了减少事故的发生,道路安全评估在公路建设中已有运用。道路安全评估[2]是由公正独立、有资质的人员对涉及使用者的道路项目(已建或将建)进行的正式审查,以确定对道路使用者任何潜在的不安全特性或构成威胁的运营安排。它的目的就是保证现已运营或将建设的道路项目都能为使用者提供最高实用标准的交通安全服务。
1.1 道路交通安全风险评估过程
道路交通安全风险评估通常由风险评估小组开展,其过程包括下列几个方面:
确定组长。组长应熟知交通安全、交通工程、道路设计、道路维护、交通运营及管理、交通法律法规等方面的知识,具有丰富的驾驶经验、熟悉运输业务流程、能发现道路安全问题。组长管理评估过程、鼓励评估小组成员积极参与;确保评估过程及结果的完整性和全面性。
选拔小组成员。小组成员(2~5人)一般应熟悉运输业务流程和了解道路安全风险之所在。道路风险评估的效果取决于小组成员的经验,以及能否抛开成见、积极参与。
收集道路安全风险因素。安排现场实际查看,收集道路旅程基本路线图、道路状况、周边环境信息、车辆状况和驾驶员培训记录。
进行小组风险评估。小组成员讨论、分析可能存在的危害,评估风险程度,制定控制措施。
形成风险评估结论。
1.2 可能造成道路交通安全风险的因素
道路交通安全风险是个复杂的系统工程,评估结论能否达到采取预防措施,降低道路事故的目的,取决于众多不安全因素[3,4],如人、车、路、环境、管理等的影响。
①人的不安全因素
在道路交通事故中人的因素起着决定性作用,许多交通事故都是由于人的原因造成的,抓好道路交通事故预防就必须抓住对人的教育和管理。人是道路交通安全的主体,包括所有使用道路者,如机动车驾驶员、乘车人、骑自行车的人、行人等,他们各自可能存在如下不安全因素:
机动车驾驶人员:疏忽大意、超速行驶、措施不当、违规超车、不按规定让行等。
行人:不走人行横道、地下通道、天桥;翻越护栏、中间隔离带;横穿和斜穿路口、机动车道等,其不安全因素主要体现为不遵守交通规则。
乘车人:违章穿行行车道、违章拦车扒车、违章跳车、违章跨越隔离栏等。
骑自行车的人:不走非机动车道,抢占机动车道;路口、路段抢行猛拐;对来往车辆观察不够;自行车制动系统失灵或根本没有;骑车技术不熟练,青少年骑车追逐嬉戏等。
②车辆的不安全因素
机动车种类多,动力性能差别大,安全性能低,管理难度大。
机动车保有量增加速度已大大超过了道路的增长速度,使得本来不宽裕的路面更是雪上加霜,使交通事故绝对数和交通事故伤亡人数急剧上升。
由于监管不力,一些不符合标准、已近报废的车辆仍在行驶。
③路的不安全因素
非法占用挖掘道路、路面光滑、路面损坏、路肩松软、急弯陡坡等。
道路交通构成不合理,交通流中车型复杂,人车混行、机非混行问题严重。
道路结构不合理,直线路段过长,道路景观过于单调,容易使驾驶员产生疲劳。
路网密度不足,交通流不均衡,个别道路交通负荷度过大,交通安全性差。
④管理因素
机动车管理不严格,表现在对车辆检验、牌照管理、车辆报废制度执行不严。
机动车驾驶员培训及其再教育、管理和监督方面不完善。
交通管理人员素质、文化水平和管理水平参差不齐,缺乏知识型、综合型的管理人员。
对现有危险路段鉴别和改造重视不够,交通事故的防治措施缺乏科学性、有效性和长期性。
⑤交通法规因素
道路交通规则的意义在于秩序化交通,减少因无序交通而产生的交通堵塞,维护广大交通参与者的共同利益,让每一个交通者都能平安、顺利地实现交通目的。然而目前,由于我国刚颁布实施的《道路交通安全法》还没有被广大老百姓完全的了解,在这样的情况下,致使各种交通隐患得以上路,从而造成交通事故的发生。
2 层次分析法
层次分析法[5,6]是美国运筹学家Saaty教授于二十世纪80年代提出的一种实用的多方案或多目标的决策方法。其主要特征是,它合理地将定性与定量的决策结合起来,按照思维、心理的规律把决策过程层次化、数量化。该方法自1982年被介绍到我国以来,以其定性与定量相结合地处理各种决策因素的特点,以及其系统灵活简洁的优点,迅速地在我国社会经济各个领域内,如能源系统分析、城市规划、经济管理、科研评价等,得到了广泛的重视和应用。
2.1 层次分析法的相关定义
定义1判断矩阵分析法是把m个评价因素排成一个m阶判断矩阵,请专家通过对因素两两比较,根据各因素的重要程度来确定矩阵中元素值的大小。各因素判断值的确定方法如表1所示。
定义2对给定的某个实际问题设X={x1,x2,…,xn}是全部因素的集,可请专家按表所列各项的意义,对全部因素作两两之间的对比,填写矩阵A=(aij)m×n,其中aij=f(xi,xj),并称A为判断矩阵。
判断矩阵具有如下性质:
①若aij>1,则对总目标而言,因素xi比因素xj重要;若aij<1,因素xj比因素xi重要;若aij=1,因素xi与因素xj同等重要。
③aij=aikakj(i,j,k=1,2,…n)称为一致性(满意性)。
在实际分析问题的过程中,为了达到总目标所涉及的诸因素各自所占的权重(比例)是客观存在的,使用判断矩阵对其进行描述,是层次分析法建议使用的一种“认识”方法。由于种种客观条件的限制,这种认识不可能是绝对可靠的,要全面衡量这种方法的可靠程度也很困难,但是可以要求判断矩阵没有明显的“矛盾”,即出现不一致问题。
定义3设A=(aij)m×n是n阶判断矩阵,如对于任意i,j,k都有aij=aikakj,则称A是一致性判断矩阵(具有满意性)。
2.2 层次权重分析法的应用步骤
建立层次结构图,即把问题包含的因素划分为目标层,准则层和方法层。建立结构图时,把目标层列在最高层,把为实现总目标所涉及的约束条件、评价准则或策略列在中间层,把为实现总目标所采取的重大措施列在最低层,凡上下层次因素之间有关系的因素用直线相连接,无关联的因素之间不划线。如图1所示。
构造判断矩阵。如果下一层次中的某些元素与上一层次中的某个元素有关联,则在客观上下一层次中的这些元素在上一层次那个元素中均占有一定的权重,判断矩阵是通过各评价因素的两两比较确定的。各评价因素的重要程度关系用表1表示。
检验判断矩阵的相容性。即将判断矩阵B划为0-1矩阵B′。方法为:将B中大于等于1的数在B′中用1表示,B中小于1的数用0表示,只要满足B′·B′⊆B′即认为判断矩阵B有满意的一致性(相容性好)。如果B的相容性好,则使用下面公式:
求权重向量近似值。其中bij为B中相应元素。归一化后的权重向量W为:
进行层次单排序。利用归一化的估计权重向量公式(2),对与上一层中某元素有关联的本层次中的各个元素进行排序。
进行系统总排序。利用同一层次中所有单排序的结果,写出单排序矩阵
3 层次分析法在道路安全风险评估中的应用
3.1 建立模型
本文以兰州市七里河区铁道宾馆附近区域作为研究对象,把该区域可能发生道路交通安全风险的结果作为目标层(A层),而将该区域遭受交通事故后的损失作为准则层(B层),区域内面临的安全隐患作为方法层(C层)。该区域可能存在的不安全因素有:驾驶员违章行驶、监管“真空”、行人不遵守交规、高峰时段、事故多发路段、交通安全设施的缺失等。
上述不安全因素所造成的危害用人身伤亡、财产损失和交通监管形象损害三方面来度量,可以得到区域道路安全风险分析的层次模型,如图1所示。
3.2 构造各层判断矩阵,评估风险
构造目标层—准则层A-B的判断矩阵:本文中将人身伤亡B1,财产损失B2和监管形象损害B3的重要性定为:人身伤亡>监管形象损害>财产损失。
运用层次分析法进行评估,分别对图1中所列的不安全因素进行打分,用层次分析法运算公式求得方法层中元素C1,C2,C3,C4,C5,C6对目标层A的总排序权值为0.29,0.38,0.32,0.15,0.09,0.21。通过计算的相应权重,可以发现对该区域道路安全风险造成危害的因素依次为:驾驶员违章行驶、监管“真空”、行人不遵守交规、高峰时段、事故多发路段、交通安全设施的缺失。因此根据评估结论可以制定出相应的控制措施。
3.3 道路交通安全的控制措施
①加强对驾驶员的监督与约束。
借助速度摄像仪和雷达测速器手段,制定和实行速度限制;对酒驾司机实行更为严厉的处罚;避免疲劳驾驶;禁止驾驶员驾驶过程中使用手持移动电话。
②提高车辆安全性。
严厉禁止报废车、自行改装车参与运营;严厉禁止车辆超载超限运营。
③提高道路(环境)的安全性。
道路的设计应考虑驾驶人员、行人、乘车人、骑自行车者的安全,比如,设置减速振动带、有单独分开的人行道和自行车道、道路两侧没有树木、大木块、钢制和水泥杆柱;在人多地段设置过街天桥或地下通道等。
④关注弱势群体。
倡导老人、儿童过交叉路口时佩戴安全帽,同时给予优先通行等安全保证措施。小汽车内设儿童固定座椅,其作用和安全带一样。
⑤加强道路交通安全的宣传教育。
通过举办交通安全讲座,发放交通安全宣传材料,举办交通安全知识竞赛等活动,提高公众的交通安全意识,防止驾驶员,行人、骑自行车人、乘客的不安全行为。
4 结束语
本文从系统工程的角度,运用层次分析法建立了兰州某区域的道路交通安全风险评估模型,分析了多种不安全因素下占主导地位的安全隐患,并据此制定了相应的防范措施,分析过程直观清晰。但是该模型也有不足之处,即风险分析模型需要依赖于经验丰富的专家才能获得较为准确的原始数据,另外评估过程中的主观性对评估的结果也有很大的影响,因此,今后还要对算法进行进一步的改进。
参考文献
[1]刘运通.论道路交通安全的宏观评价[J].中国公路学报,1995,8:158.
[2]王琰,郭忠印.基于模糊逻辑理论的道路交通安全评价方法[J].同济大学学报:自然科学版,2008,36(1):47-51
[3]李耀南.基于区间值的模糊评判在道路交通评价中的应用[J].公路与汽运,2010,11(6):67-70.
[4]许洪国,刘兆惠,王超,等.基于模糊统计的山区公路安全评价研究[J].中国安全科学学报,2006,10(10):116-119.
[5]张跃,邹寿平,宿芬.模糊数学方法及其应用[M].北京:煤炭工业出版社,1992.
动态层次评估模型 篇4
一、层次分析法
层次分析法 ( AHP) 是将决策过程涉及的元素, 在不同层面上分解成目标、准则、方案等, 并在此基础上进行定性和定量分析, 进而进行决策。20世纪70年代初, 美国运筹学家T. L. Saaty教授, 在为美国国防部研究“根据各个工业部门对国家福利的贡献大小而进行电力分配”课题时, 应用网络系统理论和多目标综合评价方法, 提出了此层次权重决策分析法。
AHP确定权重的步骤:
1. 建立递阶层次结构
应用AHP解决实际问题, 首先明确要分析决策的问题, 并把它条理化、层次化, 理出递阶层次结构。AHP要求的递阶层次结构一般由以下三个层次组成:
( 1) 目标层 ( 最高层) : 指问题的预定目标;
( 2) 准则层 ( 中间层) : 指影响目标实现的准则;
( 3) 措施层 ( 最低层) : 指促使目标实现的措施。
2. 构造判断矩阵并赋值
根据递阶层次结构就能很容易地构造判断矩阵A* 。构造判断矩阵的方法是: 每一个具有向下隶属关系的元素 ( 被称作准则) 作为判断矩阵的第一个元素 ( 位于左上角) , 隶属于它的各个元素依次排列在其后的第一行和第一列。
i, j = 1, 2, ···, n
3. 层次单排序 ( 计算权向量) 与检验
对于专家填写后的判断矩阵, 要进行一致性判断。对于非一致性判断矩阵, 每一列归一化后近似其相应的权重, 在对这n个列向量求取算术平均值作为最后的权重。具体的公式是:
在实际中要求判断矩阵满足大体上的一致性, 需进行一致性检验。只有通过检验, 才能说明判断矩阵在逻辑上是合理的, 才能继续对结果进行分析。
一致性检验的步骤:
1计算一致性指标
2查表确定相应的平均随机一致性指标
据判断矩阵不同阶数查下表, 得到平均随机一致性指标RI , 下表给出了n≤10时的RI取值, 一般可以满足模型计算需要。
3计算一致性比例判断
当CR < 0. 1时, 判断矩阵一致性是可接受; CR > 0. 1时, 判断矩阵不符合一致性要求, 需要进行重新修正。
4层次总排序与检验
同样, 也需要对总排序结果进行一致性检验。
认为判断矩阵的整体一致性是可以接受的。
二、工学结合课程评估模型的构建
2. 1基于工作过程的课程开发流程
课程开发需要解决课程设置的原则、课程载体的选择、课程内容的重构、课程标准的制订、课程情境的创设、课程的实施与评价等问题。工学结合课程的具有工作过程系统化 ( 基于工作过程) 的特点[2,3]。因此, 根据流程化思路, 工学结合课程开发要体现工作过程分析到教学过程分析两大部分, 工学结合基于工作过程的课程体系开发包括工作岗位确定、工作任务分析、课程门类设置、教学设计实施四个方面, 涉及工作任务分析、行动领域归纳、学习领域转换、学习情境设计等4个阶段。
2. 2 课程开发评估模型的构建
为了展示层次分析法在课程开发评估中的具有应用, 本文以机电一体化技术专业的工学结合课程开发为例进行研究, 列出了典型的学习领域与学习情境, 并根据层次分析法建立递阶层次结构, 共分为3个层, 具体见图2。
2. 3评估模型的权重确定
通过专家评议, 进行各级判断矩阵构建, 在此限于篇幅不在赘述。[1]对矩阵A , w = ( 0. 4925, 0. 3293, 0. 1153, 0. 0629) , 其CR = 0. 0636 < 0. 1 , λmax= 4. 1697 ; 对矩阵B1, w1= ( 0. 3266, 0. 0381, 0. 3088, 0. 1300, 0. 0983, 0. 0981) , 其中CR = 0. 0817 < 0. 1 , 对总目标的权重0. 4925, λmax= 6.5147 ; 对矩阵B2, w2= ( 0. 0372, 0. 1323, 0. 0994, 0. 4038, 0. 0833, 0.2440) , 其中CR = 0. 0598 < 0. 1 , 对总目标的权重0. 3293, λmax= 6. 6034; 对矩阵B3, w3= ( 0. 6667, 0. 3333) , 其中CR = 0 < 0. 1 , 对总目标的权重0. 1153, λmax= 2 ; 对矩阵B4, w4= ( 0. 1079, 0. 0739, 0. 0427, 0. 0426, 0.1203, 0. 3643, 0. 0312, 0. 1513, 0. 0659) , 其中CR = 0. 0792 < 0. 1 , 对总目标的权重0. 0629, λmax= 9. 9254。通过计算可以得到C1 -23对整体评估目标的权重如下:
W = ( 0. 1609, 0. 0188, 0. 1521, 0. 0640, 0. 0484, 0. 0483, 0. 0123, 0.0436, 0. 0327, 0. 1330, 0. 0274, 0. 0803, 0. 0768, 0. 0384, 0. 0068, 0. 0047, 0.0027, 0. 0027, 0. 0076, 0. 0229, 0. 0020, 0. 0095, 0. 0041)
三、课程开发的综合评价
3. 1 评价准则
( 1) 等级划分。对工学结合课程评价的最终结果采用百分制, 各要素可采取百分制, 也可根究需要, 规定分值, 这不影响在本研究中的最终评估结果, 不以百分制的要素赋分, 是考虑如果对各要素进行构建检查表, 可根据检查表的检查项实际分数, 累计得到总分。本文采用的是百分制。最终综合评估的分数分为四个等级: 第一级: 优, 分值85 - 100分之间; 第二级:良, 分值75 - 85分之间; 第三级: 一般, 分值60 - 75分之间; 第四级: 差, 分值0 - 60分之间。
( 2) 评估计算方法。对于专家组对课程开发的每个要素的评分, 本文使用百分制, 在专家组专家打分后, 按照以下公式, 利用2. 3中给出的各要素的权重, 进行综合评估计算, 得出此课程的综合得分, 计算公式如右:
式中 - T为综合得分; qi为第i个要素的权重, Ci' 是专家组对要素的评价; Ci是要素满分; j评价组专家序号; n是评价专家组的人数i为要素C中要素的序号; m为C中要素的序号。
3. 2机电专业课程的综合评价
本次组织12名专家对机电一体化技术专业工学结合课程开发的成果进行综合评价, 每个要素均按照百分制进行评分, 具体的评价得分不再赘述, 然后按照本文给出的模型与方法进行综合评价。通过3. 1中 ( 2) 给出的方法, 可以得到最终得分为T = 78. 11分, 根据定义的定级划分原则, 可知75≤T = 78. 11 < 85 , 所以开发课程整体处于良, 课程还存在提升的空间。
四、结论
( 1) 以工作过程为主导开发工学结合课程, 能够对教师与学生双方均带来利益, 可促进学生在工学结合过程中进行深入学习和实践, 促进学生职业能力的形成与提升。
( 2) 对于建立的引入了层次分析法, 对各要素进行分别赋权, 量化的综合评估工学结合课程开发成效, 让评价结果更具科学性和可信度。
( 3) 通过对课程开发各要素得分及综合评价得分的分析, 可以明确课程开发过程中存在的短板, 开发者可根据短板制定针对性对策。
摘要：按照工作过程对工学结合课程进行设计开发, 并利用层次分析法对工学结合课程的多个要素进行赋值, 然后对课程每个要素进行赋权, 对课程的整体效果进行评估, 不断提高工学结合教育效果和水平。
关键词：层次分析法,工学结合,课件开发,评估
参考文献
[1]邓雪, 李家铭, 曾浩健, 陈俊羊, 赵俊峰.层次分析法权重计算方法分析及其应用研究[J].数学的实践与认识, 2012, (07) .
[2]耿洁.构建工学结合培养模式框架设想[J].中国职业技术教育, 2006, (31) .
动态层次评估模型 篇5
关键词：攻防博弈模型,层次化,网络安全评估
1 网络攻防的博弈模型具体定义
通常网络攻防博弈的模型ADG为三元组合, 也就是 (N、S、U) 。第一种定义N等于 (P1、P2、P3 Pn) 是网络攻防防御局中的全部集合, 而博弈决策主体、策略制定者不仅具有共同利益与目标的团体, 而且可作为防御系统或者是攻击者, 若攻击者数量超过2, 代表可以进行分布协同的攻击;若防御系统数据超过2, 代表各个防御系统进行协同的防御。第二种定义S等于 (S1、S2、S3 Sn) 是局中人的策略全部集合, 可作为局中人员博弈工具与手段, 其中, 每个人员效用的函数集, 其中效用值为R, 可表示双方在博弈中的效益水平, 如果策略不同, 所产生的收益就会存在差异, 网络攻防效用的函数=回报和攻防成本和, 具体从图1中可以看出。这种模型是计算机网络攻防的博弈常用模型, 通常在分析过程中需要对模型进行简化, 也就是只需要考虑n等于2的情况。在ADG等于 ( (Pa、Pd) , (Sa、Sd) , (Ua、Ud) ) 式中, Pd主义代表防御系统, Pa代表攻击者, Sa则为攻击策略的集合, Sd为防御策略的集合, 通常效用函数的集合可作为矩阵U, 同时防御者与攻击者策略选取需要考虑双方目标最大化的收益[1]。
在网络攻击的环境中, 网络攻击和防御双方关系是对抗关系, 在博弈中, 双方不会将决策信息告诉另一方, 最大限度地减少损失, 攻质量和目标资源尽可能为了获得利润最大化, 如图2所示。网络攻击和防御游戏矩阵。在特殊情况下, 容易存在网络攻防双方收益与损失不相等的情况, 若网络攻防双方收益符合Ua+Ud等于0, 表示零和攻防的博弈, 若Ua+Ud不等于零, 则表示非零和攻防的博弈, 再按照各种主动防御的策略选择算法来分析。
2 攻防博弈模型层次化网络的安全技术
(1) 防火墙的技术。防火墙技术是被动访问、控制的技术, 也属于传统的网络密保技术, 防火墙技术一般部署在外网与内网交界处, 能够有效监测外部网、内部网间的数据访问与传输。防火墙技术存在于内部网络, 比较可靠与安全;如果将防火墙技术用来防范外来网的威胁, 这会使防火墙技术无法防范内部网络攻击, 不能准确检测恶意的代码, 只可过滤可疑网络的流量, 大部分入侵难以完全过滤。
(2) 关于入侵保护的技术。计算机网络入侵保护的技术可以检测已知或是未知攻击体系, 可提供主动防御保护的能力。其中入侵保护防御的技术可以技术拦截恶意入侵主机的行为与恶意网络的流量, 防止因为以上攻击者而产生损失。其中, 入侵保护的技术主要包含主机入侵的保护防御系统、网络入侵防御保护的系统[2]。
(3) 密码的技术。对计算机网络信息安全来说, 密码技术至关重要, 能够有效保障信息可用性、真实性、完整性与机密性, 在计算机网络密码技术发展的过程中, 经常会把密码技术分成密码的编码学与密码的分析学两个部分。密码的编码学一般是分析在信息编码过程中实现网络信息的屏蔽, 而密码的分析学是通过密文来获得信息。计算机信息密码技术是网络的信息安全防御技术, 在网络发展中, 有广阔的应用市场与发展的前景。
(4) 安全防御的模型。a.Chiness Wall的模型。Chiness Wall的模型提出主要是为更好地控制各种咨询业务, 目的就是为避免可能造成双方利益损失的信息流, 通常Chiness Wall的模型可以把单位信息分成三个层次来储存:COI类、数据对象与公司数据的集合。通常情况下, 单个用户不可以对COI类数据, 换句话说, 若COIi为公司利益的冲突类, 用户访问COI类公司的信息以后, 就不可以访问COIi中其他信息。b.BLP的模型。在BLP模型中的每个对象将被分为各种安全类别, 主要标签也称为安全许可, 对象标签被称为的安全级别。在正常情况下, BLP模型包含四个访问模式, 通常为执行、读、写和读写只有四个。为了确保信息的机密性, 将访问BLP控制策略设置为不下写、不上读。在实际操作的过程中, 一些低级保密的主体不可以读取高级的保密客体内容, 高级保密的主体不可以对低级保密的客体进行操作。
3 应用攻防博弈的模型优势
在当前计算机网络安全的发展中, 网络攻击和防御博弈模型技术与传统的防御模型相比, 主要有以下优点:首先, 网络攻击和防御模型显示的应用程序, 可以深刻反映攻击和防御的双方关系, 充分展示攻击和防御双方的战略合作、依存性与对立性的关系。其次, 攻防博弈的模型主要从网络攻防双方防御措施进行考虑, 这样不仅可以取得较好的防御效果, 而且能够使网络信息防御更加全面与有效[3]。最后, 网络攻防博弈的模型在网络安全应用的过程中, 融入数据信息的安全理论, 可以有针对性地制定攻防的对策, 清楚推算攻防双方的利益情况, 便于相关人员选择主动保护的对策, 促进网络安全发展, 推动层次化的网络安全评估完善。
4 结束语
总而言之, 在选择网络安全的最优防御对策过程中, 需要充分考虑网络复杂性的问题, 从网络攻防的博弈模型层次化信息安全评估着手, 全方面研究网络的攻防模型, 寻找有效安全防御的模型与技术, 研究攻防博弈模型的主要优势, 同时完善网络攻防的决策全过程, 给攻防双方攻防动态的领域提供最佳防范的策略, 从而保障用户信息的安全, 给用户提供优质服务。
参考文献
[1]彭亚发.应用路由和远程访问服务实现企业虚拟专用网技术的研究[J].商情, 2013, 23 (47) :314-316.
[2]刘烈宏.发挥国家队作用构建可检测、可防控、可替代的网络安全和信息化[J].中国信息安全, 2014, 14 (3) :37-42.
动态层次评估模型 篇6
随着我国1999年高校扩招政策的实施, 我国的高等教育已经从精英教育转向了大众教育。高职教育处于高等教育的最底层, 进入高职院校的大学生成绩一般都不太高, 这一部分大学生对理论学习不感兴趣, 甚至有部分学生本身不想上大学, 但迫于家长压力或其他因素而进入高职院校学习。目前大部分高职院校的学生都处于这种状态, 他们进入高职院校后普遍存在厌学的现象[1]。国内有好多专家学者对当代大学生的厌学现象都做了大量的研究, 也建立了一些数学模型[2,3], 但专门针对高职院校大学生的厌学现象和建立数学模型的研究还比较少。本文选用属性层次模型[4,5]对高职院校大学生的厌学情况进行了分析, 该数学模型较传统的层次分析法模型大大减少了计算量[6], 避免了人为因素的误差, 从而提高了模型的有效性和实用性。
1 属性层次模型
属性层次模型是北京大学程乾生教授在1997年提出的一种无结构决策方法。该方法克服了常用方法 (如数理统计方法、层次分析法) 的不足, 避免了对数据的繁琐处理, 简化了数学计算过程。
下面简要介绍一下属性层次分析法的建模过程。
1.1 建立评价层次结构
根据评价对象建立层次结构。一般评价结构为三层:第一层为目标层, 第二层为评价准则层, 第三层为对象层。目标层是为实现评价对象而建立的标准;评价准则层是能够代表评价对象特征的主要因素;对象层是代表评价对象特征的详细因素。
1.2 构建属性判断矩阵
构建判断矩阵。根据两两因素之间的重要性, 利用1~9比例标度法表示相对于上一级因素而言下一层两两因素之间的重要性, 当两个因素比较时, 如果重要程度相同, 则用1来表示;如果前者比后者稍强, 则用3来表示;如果前者比后者强, 则用5来表示;如果前者比后者很强, 则用7来表示;如果前者比后者极强, 则用9来表示;2、4、6、8用来表示处于两个奇数之间的中间值;取倒数时则表示后者相对于前者的量化值。通过量化计算可得判断矩阵:
式 (1) 中, aij=1/ajt, aii=1。
判断矩阵通过式 (2) 转换可得属性判断矩阵:
式 (2) 中, k≥2, U为系数, U≥1。通常情况下U=1或U=2。
1.3 计算相对属性权重
各个因素的相对属性权重可以利用公式 (3) 计算得到:
1.4 计算组合权重
利用准则层求出的属性相对权值再乘以对应的对象层的各个属性相对权值, 就可求出各个因素的组合权重。组合权重由公式 (4) 得到:
2 属性层次模型的应用
下面以高职院校大学生厌学为评估对象进行评估。
2.1 建立评价层次结构
为了找出影响高职院校大学生厌学情绪的原因, 笔者对邯郸职业技术学院各个院系的各个专业分别进行了问卷调查, 并对专职教师和专职辅导员也做了大量的咨询, 最后对他们的意见进行归纳整理, 筛选出具有代表性的19项指标进行分类, 得出的厌学原因指标体系如表一所示。
2.2 构建属性判断矩阵
首先根据调查的数据计算出判断矩阵, 设u1~u4;u11~u16;u21~u25;u31~u34;u41~u44的判断矩阵分别为A, B, C, D, E。表示如下:
由式 (2) 可得以上各个判断矩阵的属性判断矩阵:
2.3 计算相对属性权重
根据式 (3) 计算各个因素的相对权重值如下:
2.4 计算组合权重
根据式 (4) 计算组合权重, 最后得到的评价权重如表二所示。
3 模型数据分析
分析属性层次模型可知, 影响高职院校大学生厌学的主要因素为:个人因素占43.73%;学校因素占30.72%;家庭因素占16.55%;社会因素占9.00%。由此可知, 高职院校大学生厌学的主要因素还是学生自己个人的因素, 其次是学校的因素, 家庭因素和社会因素所占的比例较小。
在个人因素中, 影响高职院校大学生厌学的主要因素排序为:对专业的认可占24.67%, 学习的目标占21.24%, 自我控制能力和学习方法和效率各占17.00%, 自我认知能力占10.10%。高职院校大学生厌学的因素主要是对所学专业认识不清或对自己所学的专业根本就不了解;有的学生对所学专业不感兴趣, 或者想改学其他的专业。
在学校因素中, 影响高职院校大学生厌学的主要因素排序为:学校的学习氛围占27.13%, 教学与实践课的吻合程度占23.05%, 教师的教学水平占17.78%, 生产实习实训课所占的比例和课程的合理性各占12.29%, 学校的知名度占7.47%。由此可见, 一个学校如果没有一个良好的学习氛围, 学生就会产生厌学现象。
在家庭因素中, 影响高职院校大学生厌学的主要因素排序为家庭的经济状况占38.73%, 家长对学生的期望占30.00%, 家庭的知识结构占20.00%, 家庭和睦占19.05%。目前高职大学生中家庭经济条件较好的, 出现厌学现象的反而较多。
在社会因素中, 影响高职院校大学生厌学的主要因素排序为:高职大学生的社会地位占38.73%, 学生所学专业的前景占30.00%, 企业对学生的衡量占20.00%, 社会需求的一致程度占11.28%。高职院校大学生的社会地位对大学生的厌学现象影响较大。
4 高职院校大学生厌学解决对策
4.1 充分了解所学专业
高职院校大学生了解大学的各个专业情况主要有两个机会:一是高考填报志愿, 通过招生简章了解所报专业;二是大学入学后在大学里了解所学专业。为了避免厌学现象的出现, 学生应在填报志愿时通过网络、电话、报刊等各种方式充分了解自己所报专业;对于高职院校, 要想使学生充分了解自己所选专业, 在高考填报志愿时高职院校应设置专职人员进行高考填报志愿解答, 使学生充分了解自己所选的专业;入学后各个专业主任应及时进行专业介绍。为使学生进一步了解所学专业, 专业主任应分不同学期分别介绍自己的专业, 让学生对所学专业有一个循序渐进的了解过程。此外, 学生在充分了解各个专业后, 学校应允许学生在大学二年级进行调换专业, 学生在充分了解各个专业后, 可重新选择自己热爱的专业进行学习。
4.2 营造良好的学习氛围
每一个学校的学习氛围都不太一样, 有的高职院校学生学习的氛围较浓, 学生积极开展各种课堂内外活动, 积极参加各类大赛;有的高职院校学习氛围较差, 学生上课迟到、早退, 上课玩手机、玩游戏, 上课睡觉, 对各种课外活动不感兴趣。高职院校应通过各种渠道加强学校的学习氛围, 如设置一定比例的奖学金及助学金, 积极开展系部、学院的各种专业技能大赛。对积极参加课内外活动的学生给以一定的奖励, 在校园内大力宣传优秀学生的事迹等等, 使高职院校内各个层次的大学生都能积极地表现自己、展现自己, 以增加高职院校的学习氛围。
4.3 树立正确的价值观
高职院校大学生进入大学后, 还没有完全建立正确的人生价值观, 很容易受到社会上不良的影响, 如享乐主义、拜金主义等。这时应引导学生树立正确的人生价值观, 树立远大的理想, 有明确的学习目标, 为实现自己的人生目标而努力学习。
摘要：本文介绍了属性层次模型 (AHM) 的基本原理, 建立了高职院校大学生厌学的属性层次模型, 并根据模型的结论, 分析了高职院校大学生厌学的主要因素, 提出了针对高职院校大学生厌学的解决建议。
关键词：属性层次模型,高职大学生,厌学现象,解决对策
参考文献
[1]于文露, 增凡稳.高职院校大学生:“厌学心理”探析[J].教育现代化, 2015, (12) :60-61.
[2]吴哲敏, 梁海霞.改进的层次分析法在大学生厌学分析中的应用[J].武汉理工大学学报, 2006, 28 (01) :147-149.
[3]柳春.基于AHP法的成人学历教育教学质量评价体系研究[J].成人教育, 2016, 350 (03) :64-68.
[4]程乾生.属性识别理论模型及其应用[J].北京大学学报 (自然科学版) , 1997, 33 (01) :12.
[5]程乾生.属性层次模型AHM一种新的无结构决策方法[J].北京大学学报 (自然科学版) , 1998, 34 (01) :10-14.
动态层次评估模型 篇7
关键词：层次分析法,中小高新技术企业,无形资产,价值评估模型
随着我国加快落实创新驱动发展战略,大力加强科技创新能力,高新技术企业成为国民经济发展的重要推动力量。其中,中小高新技术企业是高新技术产业的重要组成部分,其具有较大的成长空间和较好的发展前景。在知识经济快速发展的宏观环境下,无形资产逐渐成为中小高新技术企业重要组成部分,与此同时无形资产价值评估在资产交易、政府拨款、基金评审等方面的现实意义越来越突显。因此,正确评估无形资产的价值对于促进企业的发展具有重大作用。
1 中小高新技术企业无形资产价值评估模型研究背景
无形资产是企业整体资产中的一种资产,它虽与有形资产有共性,但无形资产也有其独特的特点——垄断性、独占性、不具有实物形态,属于非货币性长期资产。由于无形资产特殊的价值特点与功能特性,导致无形资产评估难度加大。要使无形资产的评价结果相对准确,就需要充分考虑影响无形资产的各个要素,例如:取得成本、机会成本、预期效益、市场供求与寿命期限,等等。
现行的无形资产评估方法主要有成本法、市价法、收益法3 种传统方法。这3 种方法凭借其特有的优势在评估实践中应用较广泛,但不可否认的是这些方法在某种程度上存在一定的局限性。例如:成本法,以历史成本为基准进行调整,而不能确定被评估资产是否具有超额获利能力;市价法,在市场不完善的情况下,很难找到合适的参照物来确定被评估资产的价值;收益法,由于较难合理估计折现率、确定收益年限以及预测未来收益,因此,评估结果易受主观影响。
国内学者也从不同角度出发,探求新的评估方法。由于高科技企业无形资产具有期权的特点,曲艳梅构建了实物期权估价模型来评估无形资产价值,但此方法计算复杂且资料较难取得;侯莉颖、何俊在前人研究成果基础上,提出了“无形资产是区别于有形资产且能为企业带来超额利益的总和”这一概念,并提出用无形资产获取超额收益的能力来衡量无形资产价值;魏莉、张涛利用经济增加值对企业价值的合理评价来构建基于EVA(经济增加值)的无形资产价值评价模型,更有效地评估企业无形资产的内在价值,但该模型未考虑税收影响且没有通用的公式。
2 无形资产价值评估模型的构建
本文以40 余家参与上海市创新资金项目评审的中小高新技术企业为研究对象,期望构建一个包括评价维度、评价指标、评价因素、打分标准、算法和评价因素权重在内的无形资产价值评估模型。该模型能够使分析评价的依据标准化,分析过程量化,最终得出无形资产的价值度(Intangible Assets Value Degree,IAVD),使无形资产价值度的计算更加快速、便捷、易于操作,计算结果更加准确和具有说服力。
2.1 评价维度、指标、因素的选择
对样本企业在无形资产研发阶段时资金投入、新获相关证书、经济指标与社会影响等因素进行调研,通过数据的比较、分析、归纳,本文将从企业研发和企业效益两大维度来进行无形资产价值的评估。
企业研发维度主要从研发投入和研发能力两大指标进行衡量的。①研发投入。在一定程度上,无形资产的价值取决于其研发时的成本耗费以及费用分配的合理性。本文主要采用各类研发费用(如人力成本、原材料、培训费等)占研发总投入的比重,来对研发投入进行评价。②研发能力。本文主要从无形资产研发时所获得的各类证书奖金(如质量认证体系证书、所获各类国家奖金次数等)进行评价。
企业效益维度主要从经济效益和社会效益两大指标进行衡量。①经济效益。经济效益的高低通常表现为特定时期内企业收益数及其水平的高低,故本文主要选取累计销售收入、累计净利润、累计缴税以累计创汇4 个经济指标加以定量分析。②社会效益。本文选择从行业贡献、经济贡献、绿色环保3 个因素来衡量该指标,然后总结整理上述各项指标,见表1。
2.2 评价因素的衡量
对各评价因素的衡量,主要根据因素的特性进行定量或定性的打分(0 ~ 100 分)。对于定量指标的打分,主要与被评价企业所在行业该因素的行业标准值进行比较。以人力成本为例,假设行业标准区间和打分如表2 所示,则某无形资产人力成本占研发投入55%,则该指标得分为70。其余定量指标的打分方法与之类似。对于定性指标的评价,应从多种渠道收集相关信息以及社会各界的看法,做出综合打分。
根据上述该打分方法,笔者分别对每个评价指标的各个评价要素进行打分,同一指标的各因素打分可以组成一个行向量(e1,e2,…,en)(n即为被评价指标的因素数),X1、X2、Y1、Y24 个评价指标打分行向量记为A,B,C,D。
2.3 利用层次分析法(AHP)确定评价因素的权重
AHP作为一个系统评价方法,在进行要素间的成对比较时必须依据一个统一的比较基准。根据Saaty等学者的实验结论,可以运用9级比例标尺(如表3所示)作为评价标准得到判断矩阵。
所谓判断矩阵即目标评价指标的各个评价因素进行成对比较,最后以矩阵形式呈现的结果。以研发投入为例,根据其9 个影响因素的重要性,赋予判断矩阵数值(结果如表4 所示)。
为求得各评价因素的标准化排序权重,采用和积法处理判断矩阵。
(1)设判断矩阵为A=(aij)n×n,对A中每个元素进行归一化处理:
(2)将归一化后新矩阵的各行元素相加取平均值得到i:
(3)将得到的按下标从小到大排序形成一个行向量记为 λ。
根据上述过程计算得到研发投入各因素权重为 λ1=(0.342 1,0.124,0.101,0.101,0.160,0.041 6,0.041 6,0.041 6,0.107)。通过同样的方法,可以算出研发能力、经济效益和社会效益3 个指标的影响因素权重并分别记为 λ2,λ3,λ4。
2.4 评估模型公式
综上所述,利用层次分析法所得的权重系数和各评价指标打分,可以总结得出无形资产价值度IAVD的表达式:
其中X1=A·λ1T,X2=B·λ2T,Y1=C·λ3T,Y2=C·λ4T,并且对评价指标之间也利用层次分析法进行分析后得到:
利用该公式可以对中小高新技术企业无形资产进行较准确的评估,IAVD值越大无形资产价值也越大。
3 结语
本文以参与上海市创新资金项目评审的中小高新技术企业为研究对象,通过对企业财务数据以及市场信息和产品技术领域的调研分析,结合知识产权服务机构、专业财会服务机构和高校等3 方面的研究力量,尝试建立起无形资产价值评估的科学决策模型。该模型利用层次分析法将中小企业无形资产指标判断数量化,运用矩阵理论进行分析,求得层次排序和分层权系数,最后将评价指标权重与打分相乘得到价值度,并以此来衡量该无形资产价值大小。由于该模型具有很强的数学背景,符合实际情况,从而为评估中小高新技术企业无形资产的价值提供一个值得借鉴的解决方案。当然,本文在对各指标选择时未能全面考虑影响无形资产价值的各个因素。此外在对指标衡量打分时尤其是定性指标,未能降低主观判断的影响,因此,指标衡量标准在日后研究中还需进一步完善。
参考文献
[1]魏莉,张涛.基于EVA的企业无形资产价值评估模型及应用[J].中外企业家,2014(7).
[2]侯莉颖,何俊.基于CIA法的无形资产价值评估研究——对房地产上市公司的实证分析[J].价值工程,2007(5).