基于模糊复合物元的停车诱导系统综合评估研究

卢柏蓉，王花兰，周华珍，梁院生，米 均

(1.兰州交通大学交通运输学院，甘肃兰州 730070；2.西南交通大学交通运输与物流学院，四川成都 610031)

基于模糊复合物元的停车诱导系统综合评估研究

卢柏蓉1，王花兰1，周华珍1，梁院生1，米 均2

(1.兰州交通大学交通运输学院，甘肃兰州 730070；2.西南交通大学交通运输与物流学院，四川成都 610031)

在考虑城市停车诱导系统多种因素的基础上，利用定性、定量相结合的分析方法提出基于模糊复合物元的城市停车诱导评估模型。该模型以可拓学、关联函数、隶属函数、模糊物元分析为基础，将评价指标、测量值、评价等级等应用于城市停车诱导系统评估，采用关联熵法确定指标权重，通过计算得到评估值并进行排序，进而判断城市停车诱导系统水平。该模型的实例应用表明，所建模型计算简单，便于应用，为停车诱导系统提供了一种合理可行的评估方法。

停车诱导系统；模糊复合物元；关联函数；交通影响评价

近年来，随着城市交通需求的迅猛增加，道路等交通基础设施的增长远远小于机动车总量和出行量的增长。而建立新停车场、增加停车泊位数量等方法对于缓解静态交通问题有其局限性，如何提高现有停车场的利用率，并进行科学有效的管理，越来越多的人把研究的重点放在了停车诱导系统(Parking Guidance and Information System，PGIS)上。文献[1]进行3次停车调查，比较停车诱导系统实施前后驾驶员寻找停车位花费时间的变化。文献[2]将PGIS评价指标分为成本、效益、技术指标3大类，提出基于DEA的粗糙集的综合评价法。文献[3]采用模糊AHP综合评价方法建立评价模型，最后得出评价结果。在这些定性和定量分析中忽略掉了许多关键因素，如指标的无量纲化处理、指标的类型单一等，最后得出的结果具有片面性、通用性差。

城市停车诱导系统综合评估是在一定标准下，将现有停车诱导系统的属性从技术、经济、社会、生态等方面综合研究，通过评估可以清楚的认识到停车诱导系统的服务现状与社会需求的差距，以提高停车诱导系统的有效诱导率。停车诱导系统评估是一种多指标决策过程，由于统计数据有限，还有人为因素的影响，采用模糊复合物元可扩大信息源，提高评价结果的可信度。因此，本文建立基于模糊复合物元的城市停车诱导评估模型，以期为停车诱导系统提供一种合理可行的评估方法。

1 评价指标体系的建立

城市停车诱导系统不同级别的指标是具体描述、评估城市停车诱导系统正常运营情况的重要依据。所建指标体系应满足[4-5]：

1)能够衡量一个停车诱导系统不同时期的变化；

2)能够衡量同一时期不同停车诱导系统发展水平的差异；

3)可以分析城市停车问题的关键症结和严重程度，以提出改善方案，有利于诱导能力的发挥。

根据诱导系统运行记录、诱导系统实际运行情况等给出行者、停车场和管理部门带来的综合效益和较长时间才能发挥出的效益进行较全面的评价，构建城市停车诱导系统评估指标体系，见表1。

表1 城市停车诱导系统评估指标体系

2 评估模型

城市停车诱导系统所涉及的各个因素，依据有关国家标准和相应的统计调查数据，用各因素因子的量值，建立停车诱导系统评估的复合物元模型，得到量化的结果。

影响停车诱导的因素很多，且具有一定的不确定性和模糊性。因此，对不同停车诱导系统的综合评估是一种多因素、模糊性的综合评估。故采用模糊数学与物元理论、信息论相结合的模糊物元法[6-13]，对事物特征量值所存在的模糊性以及影响事物诸多因素间的不相容性进行综合分析，建立停车诱导系统的评估模型。

2.1 预备知识

在可拓学中，物元指用有序三元组“事物、特征、模糊量值”来描述事物的基本元[14]。给定事物N，已知它的特征Ci及其量值V(x)，构成一个基本物元P=(N,C,V)，若物元模型中的特征量值具有模糊性，则称为模糊物元。记为

如果事物有m个特征C1,C2,…，Cm和对应的量值V1(x1),V2(x2),…,Vm(xm),称R为m维物元。如果n个事件的m维模糊物元组合在一起，则为n个事件的m维复合模糊物元，记为Rnm[15-16]。

2.2 模型构建

1)构建复合物元

根据模糊物元的基本知识，构建城市停车诱导系统模糊复合物元，即有n个城市停车诱导系统用m项测度指标及其相应量值来描述，则称为n个城市停车诱导系统的m维复合物元，记为Rnm，即

(1)

式中Mi为城市第i个停车诱导系统，i=1，2,…,n；Vi(xij) 为Mi的第j项测度指标相应量值，j=1，2,…,m。

以城市停车诱导系统、评价指标、模糊物元测度值作为描述城市停车诱导系统的基本元。

2)不同类型指标的标准化处理

由于停车诱导系统每一项指标的含义有所不同，对比较事物的贡献大小不同，则相应指标值的计算方法不同，其量纲也不同。因此，必须对其量值进行标准化处理。把各个指标的量值转化为隶属度，表示对停车诱导的贡献程度。

令Ia=效益型指标，越大越好；Ib为成本型指标，越小越好；Ic为固定型指标，为定性分析指标;Id为区间型指标。

不同类型指标标准化处理采用的方法不同，有

(2)

(3)

(4)

(5)

(6)

式中μij为 标准化后的量值。

则标准化处理后n个诱导系统的m维复合物元为

(7)

3)计算各个测度指标的权重，构建指标权重的复合物元

由于客观事物的复杂性和不确定性以及人类思维的模糊性，往往不能明确给出测度指标的权重。

(8)

式中ρ为分辨系数，ρ∈(0，1)，ρ影响数据的转化，若使关联系数之间差异的显著性提高，则要使ρΔmax取较小值，简化计算中一般取ρ=0.5。

根据信息论可知，城市交通诱导系统第j项评价指标的输出熵Fj为

(9)

第j个测度指标Cj的权重系数，即熵权ωj的计算公式为

(10)

4)确定停车诱导系统的复合关联熵物元

(11)

(12)

根据式(11)～(12)综合评估，即可得出评估结果。

根据式(1)～(12)可得城市停车交通诱导系统的综合测度值，值越大表示该停车诱导系统发展水平越好，即与参考值关联性越大。

3 实例分析

将上述模型应用于某大城市的4个停车诱导系统(M1、M2、M3、M4)中，通过1个月的实际调查统计计算，得到4个城市停车诱导系统的基础数据资料，见表2。

表2 基本指标数据资料

根据式(8)～(11)可得到城市停车诱导系统的权重复合物元Rωj，根据表2调查数据及式(1)得到城市停车诱导系统模糊复合关联物元R诱导1，根据式(2)～(6)对不同类型的指标进行标准化处理，得到R诱导2为

表3 综合评估结果

通过分析表3的优劣排序，可知4个城市停车诱导系统的综合评价结果，诱导系统M1综合诱导性能最强，运营情况最好，利用率最高，诱导效果最好；其余3个可以从提高服务水平、增强系统运行效能等方面提高停车诱导系统的诱导效果。此评估结果和实际情况基本相符，验证了所建评估模型的有效性。

4 结论

综合考虑城市停车诱导系统的特点、影响因素、实施诱导后的效应等，构建了城市停车诱导系统评估指标体系，建立停车诱导系统综合评估物元模型。并对不同类型的指标进行标准化处理，通过关联熵法对各指标进行客观赋权，使评估结果更具科学性和合理性。通过实例分析可得，用该模型对停车诱导系统进行综合评估，减小了评估过程中人为因素的影响程度，提高了客观性，保持了某些指标的模糊性，可进一步用到交通系统的综合评估中。

[1]Polak J, Axhausen K.Measuring the Effectiveness of Parking Guidance Systems: a Case Study of Frankfurt/Main[J].TSU REF, 1994(17)：791-799.

[2]季彦婕.城市停车诱导信息系统规划及关键技术研究[D].南京：东南大学，2006.

[3]党媚.区域停车诱导系统综合评价研究[D].长安大学，2008.

[4]Kurogo H, Takada K, Akiyama H.Concept of a Parking Guidance System and Its Effects in the Shinjuku Area-Configuration, Performance, and Future Improvement of System[C].SEATTLE： WA. Vehicle Navigation and Information Systems Conference, 1995.

[5]蔡文.物元模型及其应用[M].北京：科学技术文献出版社，1995：21-25，267-273．

[6]吕锋.灰色系统关联度之分辨系数的研究[J].系统工程理论与实践,1997(06)：50-55.

[7]夏非，范莉，苏浩益，等.基于云物元分析理论的电能质量综合评估模型[J].电力系统保护与控制，2012，40(11)： 6-10.

[8]A Synthetic Power Quality Evaluation Model Based on Cloud Matter Element Analysis Theory[J].Power System Protection and Control，2012，40(11)：6-10.

[9]沈阳武，彭晓涛，施通勤， 等.基于最优组合权重的电能质量灰色综合评价方法[J].电力系统自动化，2012，36(10): 67-73.

[10]SHEN Yang-wu,PENG Xiao-tao,SHI Tong-qin,et al.A Grey Comprehensive Evaluation Method of Power Quality Based on Optimal Combination Weight[J].Automation of Electric Power Systems，2012，36(10)： 67-73.

[11]胡国政.停车诱导信息系统诱导策略的评价指标体系研究[J].交通标准化, 2012 (17): 26-28.

[12]聂艳，周勇，钱建平，等.基于信息熵和模糊物元模型的城乡结合部农地质量评价[J].资源科学，2008，30(6)： 919-924.

[13]季彦婕.城市停车诱导信息系统规划及关键技术研究[D].南京：东南大学，2006.

[14]王作雷，蔡国梁.基于可拓学的城市商用土地等级综合评价[J].江苏大学学报:自然科学版，2003，24(4)：97-91.

[15]潘峰，梁川，王志良，等.模糊物元模型在区域水资源可持续利用综合评价中的应用[J].水科学进展，2003，14(3)： 271-275.

[16]张锦华，门宝辉.基于信息熵的天然草地综合评价的模糊物元分析法[J].山地学报，2003，21(12)：64-68.

(责任编辑：杨秀红)

ResearchonParkingGuidanceSystemEvaluationBasedonFuzzyMatterElement

LUBai-rong1,WANGHua-lan1,ZHOUHua-zhen1,LIANGYuan-sheng1,MIJun2

(1.SchoolofTransportation,LanzhouJiaotongUniversity,Lanzhou730070,China;2.SchoolofTransportationandlogistics,SouthwestJiaotongUniversity,Chengdu610031,China)

For the evaluation of the urban parking guidance system, the parking guidance system evaluation model is proposed based on a variety of factors and fuzzy complex analysis methods. A complex matter-element model for the urban parking guidance system is constructed based on extenics, relational function, membership function, fuzzy matter element analysis. Evaluation indicators, measured values and the evaluation level are used in the urban parking guidance system evaluation model. The relation entropy method is used to determine the indicator weight and the evaluation values of the parking guidance system are arranged in order by calculation to determine the level of the urban parking guidance system. Finally, the practical use of the model shows that the established model is characterized by the simple calculation and friendly use, which provides a reasonable and feasible evaluation method for the parking guidance system.

parking guidance system; fuzzy matter element; correlation function; traffic impact evaluation

2014-04-16

甘肃省财政厅支持项目(212092-2)

卢柏蓉(1990—)，女，甘肃平凉人，兰州交通大学硕士研究生，主要研究方向为交通运输规划与管理.

10.3969/j.issn.1672-0032.2014.02.006

U491

A

1672-0032(2014)02-0021-06