基于未确知测度的公路交通效率评价

王卫东,李俊杰,王 京,傅庆湘,康文泓

(中南大学 土木工程学院,湖南 长沙 410075)



基于未确知测度的公路交通效率评价

王卫东,李俊杰,王 京,傅庆湘,康文泓

(中南大学 土木工程学院,湖南 长沙 410075)

针对长株潭、长三角及珠三角城市群的公路交通效率,从经济、交通结构与运输、公路路网合理度和交通管理与政策4个层面确定13项评价指标,运用信息熵和未确知测度理论方法,建立城市群公路交通效率等级评价和排序模型.该模型根据已有数据建立各评价指标的未确知测度函数,利用信息熵理论确定各指标权重,依照置信度识别准则对三大城市群公路交通效率进行等级判定,通过量化得分对公路交通效率等级进行排序.应用GIS技术制作三大城市群公路交通效率区域分布图,对各城市群的公路交通效率分布进行直观展示与分析,为明确城市群公路交通效率的重点提高区域提供参考.研究结果表明：未确知测度模型评价得到三大城市群公路交通效率等级排序为珠三角(较高)、长三角(较高)、长株潭(中等)；基于GIS的公路交通效率区域分布图显示,长株潭各市均处于III级和IV级效率区域,与长三角和珠三角的发达城市差距明显.

城市群；交通效率评价；未确知测度；信息熵；置信度识别准则；GIS

长株潭城市群位于湖南省中东部,包括长沙、株洲和湘潭三市,公路交通是长株潭建设“两型社会”的核心级引擎,本地区交通运输虽发展迅速,但与国内最富有活力的两大城市群——珠三角和长三角存在一定距离.长株潭城市群公路交通效率的研究对长株潭“两型社会”城市群的发展有重要的指导意义和促进作用[1].

目前对公路交通效率的评价方法主要有广义函数法、数据包络分析(DEA)模型以及随机前沿分析法(SFA)等.广义函数法仅运用层次分析法确定指标权重,评价的结果带有较大程度上的主观性.DEA模型忽略了随机因素对产出的影响,当输入输出指标过多而DMU相对过少时,DEA 模型的评价结果出现绝大多数DMU均为DEA有效的失常情况.SFA模型的基本假设较多,需要考虑生产函数、技术无效率项分布的具体形式,这直接导致模型很难作进一步扩展[2-4].未确知测度模型目前更多用于城市环境质量、公路安全性以及风险性等方面的评价[5-6],在公路交通效率方面的评价应用较少.

未确知测度模型采用信息熵确定权重和置信度识别准则进行判别评价,减少了误判,使评价结果更具客观性[7-8].本文结合熵值法,基于未确知测度模型综合比较并评价长株潭、长三角和珠三角城市群公路交通效率,利用ArcGIS技术直观展示长株潭城市群的公路交通效率区域分布图,为城市群公路交通效率的评价研究提供一种新的思路.

1 未确知测度模型

1.1 模型简述

设u=uijk(xij∈Ck)表示实测值xij属于第k个评价等级Ck的程度,要求u满足“非负有界性”、“归一性”和“可加性”.此时u称为未确知测度(unascertained measure).设矩阵(uijk)m×p为单指标测度矩阵[9],则

(1)

在构建单指标测度矩阵前,首先要构建单指标测度函数,本文采用应用最广泛、最简单的直线型未确知测度函数[10-11].

(2)

(3)

设λ为置信度(1>λ≥0.5,通常取λ为0.6或0.7),使得

则认为xi属于第k0个评价等级Ck0.

1.2 模型计算

1.2.1 评价指标选取与分级 在评价指标的选取方面,目前国内外研究中主要考虑的是投入的资本、人力、物力及产出等因素,具体有人均公路里程、人均交通工具使用量、公路客货运量、公路旅客周转量、货物周转量、线网密度及相关政策评价指标等.

表1 评价指标及分级标准

1.2.2 单指标测度函数和评价矩阵 根据单指标测度函数的定义、性质及表1的分级标准,构建直线型单指标测度函数[17]u,如图1所示.

根据2012年湖南省、广东省、江苏省、浙江省和上海市统计年鉴以及实地调查,得到2011年长株潭、长三角及珠三角城市群公路交通效率的各评价指标,如表2所示.

根据表2的取值及单指标测度函数,计算得到长株潭城市群的单指标测度评价矩阵(u1)13×5.

图1 各单指标测度函数Fig.1 Unascertained measurement function of different single index

城市群效率评价指标I1I2I3I4I5I6I7I8I9I10I11I12I13长株潭6.03.03264946221.617.60.17853.53.54.0长三角7.67.54219947125.516.70.141425.34.04.0珠三角7.78.0514.510378348.019.90.161674.84.04.5

1.2.3 多指标测度向量 计算多指标测度评价矩阵,运用式(5)和(6)确定长株潭城市群公路交通效率的各评价指标权重ωczt={ω1,ω2,ω3,ω4,…,ω13}={0.098,0.098,0.098,0.098,0.058,0.078,0.059,

00001

00100

1 0000

000.3760.6240

00.100.9000

000.660.340

00.900.1000

000.200.800

000.6250.3750

000.500.500

00.500.5000

01000.

1.2.4 置信度识别和效率排序 取置信度λ=0.6,根据多指标测度向量和置信度识别准则式,分别求得3个城市群的k0,确定各城市群公路交通效率所处的等级.对于长株潭城市群,k0=0.098+0.204+0.440=0.742>0.6；长株潭城市群公路交通效率等级为III级,即处于“中等”层次上.同理,对长三角及珠三角城市群公路交通效率进行评价.评价结果如表3所示.

因C1>C2>C3>C4>C5,取nl=12-2p,1≤p≤5,得到未确知重要度向量q=[6.088,7.800,8.504].根据三大城市群公路交通效率的评价得分(q值),现对长株潭、长三角及珠三角城市群公路交通效率排序为：珠三角、长三角、长株潭.

表3 未确知测度模型评价结果

2 基于GIS的城市群公路交通效率区域分布

2.1 指标权重的确定

运用上述的熵值法确定权重,可得各城市群公路交通效率评价指标的权重如下.

对于长株潭城市群：ωczt={ω1,ω2,ω3,ω4,…,ω13}={0.098,0.098,0.098,0.098,0.058,0.078,0.059,0.078,0.068,0.057,0.056,0.056,0.098}.

对于长三角城市群：ωcsj={ω1,ω2,ω3,ω4,…,ω13}={0.059,0.058,0.099,0.071,0.085,0.057,0.090,0.060,0.068,0.056,0.099,0.099,0.099}.

对于珠三角城市群：ωzsj={ω1,ω2,ω3,ω4,…，ω13}={0.060，0.068，0.099，0.065，0.099，0.062，0.068，0.087，0.079，0.099，0.058，0.099，0.057}.

2.2 评价指标分值计算

为了让各项指标数据具有可比性,采用线性比例变换法队指标xij进行无量纲处理,使处理后的各项指标数据取值分布在[0,1]内.对于越大越优的指标(即正向指标),

(4)

对于越小越优的指标(逆向指标),

(5)

2.3 各城市公路交通效率值计算

基于评价指标权重和分值的计算,运用综合指数模型来评价研究区域目标层交通效率：

(6)

根据式(6)计算得到的结果为各三大城市群公路交通效率的综合指标,即公路交通效率水平.可知,Yi∈[0,1],当Yi=0时,城市公路交通系统处于最不成熟的状态,效率最低；当Yi=1时,城市公路交通系统达到理想状态,效率最高[19].

运用上述方法对三城市群各城市公路交通效率进行计算,结合ArcGIS技术,得到长株潭、长三角和珠三角城市群公路交通效率分布图,如图2所示.

图2显示,长株潭、长三角和珠三角城市群公路交通效率对应的5个等级分别为：0.90～1.00(高)、0.80～0.90(较高)、0.70～0.80(中等)、0.60～0.70(较低)、0.50～0.60(低),详细参见表4.

由图2和表4可知：在长株潭城市群各城市中,仅长沙市公路交通效率位于“中等”等级上；株洲市和湘潭市效率位于“较低”等级上.在长三角城市群各城市中,上海市公路交通效率位于“高”等级上；杭州市、南京市、无锡市和苏州市公路交通效率位于“较高”等级上；宁波市、常州市和嘉兴市位于“中等”等级上；镇江市、扬州市等5市位于“较低”等级上；只有泰州市、台州市和舟山市位于“低”等级上.在珠三角城市群各城市中,深圳市公路交通效率最高,位于“高”等级上；广州市、佛山市和东莞市位于“较高”等级上；珠海市和中山市位于“中等”等级上；惠州市和江门市处于“较低”等级上；唯有肇庆市公路交通效率暂处“低”等级上.

图2 长株潭、长三角和珠三角公路交通效率区域分布图Fig.2 Regional distribution map of highway traffic efficiency of Chang-Zhu-Tan, Yangtze River Delta and Pearl River Delta

表4 长株潭、长三角和珠三角城市群公路交通效率具体分级

对于上述三大城市群,今后在提高城市交通效率时,效率处于“低”和“较低”等级上的各城市需要重点改善和发展.长株潭城市群公路交通效率与长三角和珠三角的差异很大,须在各效率指标上采取有效的措施加以不同程度的提高,从而有针对性地快速提高长株潭城市群公路交通效率.

3 结果分析

运用熵值法确定城市群公路交通效率的评价指标权重,基于未确知测度模型和GIS技术能够对长株潭、长三角和珠三角城市群公路交通效率进行合理的计算和评价.

未确知测度模型对当前长株潭、长三角和珠三角城市群的整体公路交通效率所处等级进行评定,分别得出长株潭位于“中等”等级上,长三角和珠三角均位于“较高”等级上,且三大城市群公路交通效率具体排序为：珠三角、长三角、长株潭.基于GIS技术对长株潭、长三角和珠三角城市群公路交通效率区域分布进行展示,能够看出这三大城市群各城市公路交通效率等级分布的差异情况,为明确各城市群公路交通的重点发展区域提供了针对性建议.

4 结 论

(1) 未确知测度模型采用信息熵确定权重和置信度识别准则代替最大隶属度识别准则进行判别评价,减少了误判,使评价结果更具客观性；得到三大城市群公路交通效率等级排序为：珠三角(较高)、长三角(较高)、长株潭(中等).

(2) 基于GIS技术,得到三大城市群公路交通效率区域的分布情况.长沙市、株洲市和湘潭市目前所处的效率区域均位于III级和IV级上,与长三角和珠三角的发达城市差距明显.

(3) 城市群公路交通效率评价是一项综合系统工程,需要权衡各个因素发挥的作用,逐步有针对性地调整并进一步优化评价指标从而实现城市群公路交通效率的最优化,如何调整与实现是后续研究的重点内容.

[1] 蔡立力. 建设“两型社会”的长株潭城市群区域规划[J]. 城市规划, 2009, 33(4): 27-30． CAI Li-li. Changsha-Zhuzhou-Xiangtan polycentric city-region planning from the perspective of constructing conservation-minded and environment-friendly society [J]. City Planning Review, 2009, 33(4): 27-30．

[2] LEI Y, HUANG L. Industrial water consumption efficiency of china’s major industrial provinces: a comparison of SFA and DEA [J]. Advanced Management Science, 2015, 4(1): 62-68．

[3] HAN J, HAYASHI Y. A data envelopment analysis for evaluating the performance of China’s urban public transport systems [J]. International Journal of Urban Sciences, 2008, 12(2): 173-183．

[4] HUA G. Research on China’s regional innovation efficiency and influence factors based on SFA [J]. International Journal of Management Science, 2015, 2(3): 21-34．

[5] 戴兵, 赵国彦, 董陇军. 岩体可爆性分级的未确知均值分级方法及应用[J]. 中南大学学报：自然科学版, 2015, 46(6): 2157-2161． DAI Bing, ZHAO Guo-yan, DONG Long-jun.Unascertained average clustering for classification of rock mass blastability and its application [J]. Journal of Central South University: Science and Technology, 2015, 46(6): 2157-2161．

[6] COSTA M D, GOLDBERGER A L. Generalized multiscale entropy analysis: application to quantifying the complex volatility of human heartbeat time series[J]. Entropy, 2015, 17(3): 1197-1203．

[7] LI H, QIN K, LI P. Selection of project delivery approach with unascertained model [J]. Kybernetes, 2015, 44(2): 238-252．

[8] LUO Y J, ZHAO M S, CHI E A, et al. Safety evaluation in emulsion explosive continuous manufacturing based on unascertained measurement model[J].Advanced Materials Research, 2014, 1033-1034: 1354-1357．

[9] LIU A H, DONG L, DONG L J. Optimization model of unascertained measurement for underground mining method selection and its application [J]. Journal of Central South University: Science and Technology, 2010, 17(4): 744-749．

[10] TAO T J, ZHANG J H, CHI E A, et al. Effect evaluation of Bench blasting based on unascertained measurement model[C]∥4th International Conference on Chemical Engineering and Advanced Materials. Shenzhen:[s.n.], 2014, 1033: 1377-1380．

[11]程爱平,高永涛,梁兴旺,等.基于未确知聚类法的底板采动破坏深度动态预测[J]. 采矿与安全工程学报, 2014(05): 739-744． CHENG Ai-ping,GAO Yong-tao,LIANG Xing-wang,et al. Dynamic forecasting of mining-induced failure depth of floor based on unascertained clustering method [J]. Journal of Mining and Safety Engineering, 2014(05): 739-744．

[12]王宇良, 郑海俊, 周业丰, 等. 多股进料搅拌釜停留时间分布的信息熵[J]. 浙江大学学报 :工学版, 2015,49(03): 590-597． WANG Yu-liang,ZHENG Hai-jun,ZHOU Ye-feng,et al. Information entropy of residence time distribution in stirred tank with multiple inlets [J]. Journal of Zhejiang University: Engineering Science, 2015,49(03): 590-597．[13] ZHANG Y, DONG Z, WANG S, et al. Preclinical diagnosis of magnetic resonance (MR) brain images via discrete wavelet packet transform with tsallis entropy and generalized eigenvalue proximal support vector machine (GEPSVM)[J]. Entropy, 2015, 17(4): 1795-1813．

[14] 张卫,潘晓弘,王正肖,等. 基于信息熵免疫优化的制造服务开发策略[J]. 浙江大学学报: 工学版, 2011, 45(11): 1908-1912． ZHANG Wei, PAN Xiao-hong, WANG Zheng-xiao, et al. Manufacturing services development strategy based on information entropy immune optimization [J]. Journal of Zhejiang University: Engineering Science, 2011, 45(11): 1908-1912．

[15] MIRACLE D B, MILLER J D, SENKOV O N, et al. Exploration and development of high entropy alloys for structural applications [J]. Entropy, 2014, 16(1): 494-525．

[16] 魏华,马荣国,吕斌,等. 基于信息熵的公交优先线控系统相位差优化模型[J]. 中国公路学报, 2014, 27(5): 158-163． WEI Hua, MA Rong-guo, LV Bin, et al. Offset optimization of bus priority arterial traffic control based on information entropy [J]. China Journal of Highway and Transport, 2014, 27(5): 158-163．

[17] 朱兴琳,方守恩,王俊骅. 基于未确知测度理论的高等级公路交通安全评价[J]. 同济大学学报:自然科学版, 2010, 38(7): 1012-1017． ZHU Xing-lin, FANG Shou-en, WANG Jun-hua. Traffic safety assessment of high-grade highway based on uncertainty measurement theory [J]. Journal of Tongji University: Natural Science, 2010, 38(7): 1012-1017．

[18] 何虎军,苏生瑞,王孝健,等. 基于未确知测度的崩塌危险性综合评价模型研究及应用[J]. 中南大学学报:自然科学版, 2013, 44(4): 1564-1570． HE Hu-jun, SU Sheng-rui, WANG Xiao-jian, et al. Study and application on comprehensive evaluation model of landslide hazard based on uncertainty measure theory [J]. Journal of Central South University: Science and Technology, 2013, 44(4): 1564-1570．

[19] 陆柳霖,卢远. 基于GIS和熵值法的农用地利用效率评价[J]. 广西师范学院学报: 自然科学版, 2011, 28(4): 55-61． LU Liu-lin, LU Yuan. Research on regional disparity evaluation of agricultural land use efficiency [J]. Journal of Guangxi Teachers Education University:Natural Science Edition, 2011, 28(4): 55-61．

Highway traffic efficiency evaluation based on unascertained measure model

WANG Wei-dong, LI Jun-jie, WANG Jing,FU Qing-xiang, KANG Wen-hong

(SchoolofCivilEngineering,CentralSouthUniversity,Changsha410075,China)

13 evaluation indices were abstracted from four aspects of economy, traffic structure and transportation, the reasonable degree of highway network and traffic management and policy focusing on the highway traffic efficiency of three urban agglomerations called Chang-Zhu-Tan, Yangtze River Delta and Pearl River Delta. The grade evaluation and ordering model was established for highway traffic efficiency of urban agglomerations based on information entropy and unascertained measures theory. The unascertained measure function of every assessment index was obtained according to the existing data, and the index weight was determined using information entropy theory. Grade judgment on highway traffic efficiency of the three urban agglomerations was conducted according to confidence recognition criteria, and highway traffic efficiency was sorted according to the quantitative score calculation. The regional distribution maps of highway traffic efficiency of the three urban agglomerations were produced using GIS technology to display and analyze the distribution map intuitively in order to provide reference for clarifying the main improving area of highway traffic efficient of each urban agglomeration. Results show that the order of highway traffic efficiency of the three urban agglomerations is from Pearl River Delta (higher), Yangtze River Delta (higher) to Chang-Zhu-Tan (medium) based on unascertained measure model. Regional distribution maps of highway traffic efficiency based on GIS show that the efficiency districts of the cities in Chang-Zhu-Tan are level III and level IV, which has an apparent gap between the developed cities in Yangtze River Delta and Pearl River Delta．

urban agglomeration; traffic efficiency evaluation; unascertained measure; information entropy; credible degree recognition criteria; GIS

2014-12-04. 浙江大学学报(工学版)网址： www.journals.zju.edu.cn/eng

交通部科技资助项目(2010334).

王卫东(1971-)，男，教授，博导，从事道路与铁道工程的研究.ORCID:0000-0001-6508-8654.E-mail:147745@163.com

10.3785/j.issn.1008-973X.2016.01.008

U 491

A

1008-973X(2016)01-0048-07