多重模糊条件下的水上服务区类型决策

黄影，吴兵，郭国平

多重模糊条件下的水上服务区类型决策

黄影a,c，吴兵a,b，郭国平a,c

针对水上服务区类型选择的多重模糊性问题，提出基于模糊贝叶斯的决策方法，根据文献确定水上服务区选择的影响因素和决策准则，建立四层决策框架；根据各服务区的供需关系对影响因素进行模糊化，利用改进的IF-THEN规则建立影响因素和输入变量之间、影响因素和决策准则之间的推理关系；利用贝叶斯网络对推理规则库进行转换，通过计算贝叶斯网络的边缘概率获得决策方案值；对各节点的决策状态赋予效用值及权重，获得各水上服务区类型的综合得分。将该方法应用于芜申运河宜兴水上服务区的类型选择，结果表明，该方法能够很好地实现水上服务区的类型选择。

内河航运；模糊贝叶斯；水上服务区；类型选择；决策方法

水上服务区能够解决过往船舶的日常所需，促进运输资源的充分利用，推动航运管理的有效实施，因此其规划选址和类型选择问题一直备受关注[1]。在水上服务区规划建设的过程中，需依据所在地的航运需求对服务功能进行取舍，其间往往存在服务功能需求与水上服务区类型功能配置不相符的情况。已有的研究表明[2]，服务区类型选择需要考虑多方面的影响因素。具体来说，包括以下几个方面：①影响因素变量描述的模糊性。由于各个影响因素既有定性和定量数据，对于定性变量，很难采用精确数值进行评价，因此往往仅能采用模糊语言变量进行描述[3]；②服务功能与类型匹配的模糊性。服务功能与类型匹配时存在定性和定量数据的转换；③决策数据的模糊性。由于进行决策时很难获取历史数据，往往需要根据专家经验对功能需求与类型匹配进行评价，而专家往往会采用语言变量进行评价。

对于这类具有多重模糊性的决策问题，模糊数学是很好的决策方法[4-5]。首先对影响因素进行模糊化，利用IF-THEN规则建立决策准则和影响因素的关系，从而建立模糊推理规则库，最后利用解模糊化的方法进行最终决策。然而在这个过程中，由于传统的IF-THEN规则为多输入单输出，不能对决策准则进行精确的描述，因此也很难进行精确的决策。因此，引入置信度对各个决策准则的语言变量进行描述，建立改进的IF-THEN推理规则库，在此基础上，将改进的规则库转换为贝叶斯推理，从而建立贝叶斯网络结构模型[6-7]，并通过计算边缘概率获取最终决策方案值。

1 问题描述

1.1 水上服务区类型划分

由文献[8]获取4类水上服务区的定义，且其各类水上服务区对应的功能配置见表1。

表1 水上服务区功能配置表

注：●必备；◎视情况选择配置；—不设。

I类(综合型)，主要设置在交通流量大的水域，服务对象包括过往船舶及附近居民，综合性较强。

II类(普通型)，满足水上运输的基本需求，并可根据其所处位置的实际情况设置其他拓展功能。

III类(单一型)，提供单一的加油服务，可根据实际情况增设加水、物资补给等功能。

IV类(特殊型)，沿旅游航线设置，结合沿途景观，形成服务与景观相结合的特色区域。

1.2 水上服务区决策问题描述

(1)

第一个问题是获取描述影响因素的语言变量。在实际中，难以直观获取影响因素的语言变量，因此以较为直观因子作为输入变量，建立输入变量与影响因素之间的推理规则，从而确定影响因素的语言变量。

第二个问题是利用改进后的IF-THEN规则建立影响因素与决策准则间的推理关系。考虑到水上服务区类型选择问题涉及15个影响因素，难以将所有影响因素作为决策准则，因此需建立影响因素与决策准则之间的推理关系。研究思路见图2。

2 决策模型

2.1 模糊化影响因素及输入变量

水上服务区类型选择主要受到所在水域的船舶、船员以及当地对服务需求的影响，即对各项功能配置的需求，具体见表2。

在实际选择中，一般根据较为直观的因子确定描述影响因素的语言变量，例如日均船舶流量、航道等级等，本文将这些因子作为输入变量，并依据相关文献[9-12]对部分输入变量进行模糊处理，将其转化为具有模糊特征的语言变量[13]，并根据内河水域的情况进行适当调整。其余部分输入变量的处理则是根据调研的实际情况以及专家咨询进行，具体见表3。

2.2 建立模糊推理规则库

表2 水上服务区影响因素

表3 模糊化各输入变量

在描述模糊化关系时，一般采用IF-THEN规则对输入变量以及输出结果之前的推理关系进行表达[14-15]。经典的IF-THEN规则表达如下：

THENDk

(2)

由于Dk表达的是单个语言变量，因此，Rk实际上是多输入单输出的规则。但在经典的IF-THEN规则中，输入变量发生轻微变化时，单个语言变量的输出结果难以表达出变化前后的差异。例如：

andX51,andX61,THENG11

andX51,andX62,THENG11

在上述例子中，当输入变量由X61变化为X62时，对输出结果并不产生影响。为了能够得到多输出结果，对经典的IF-THEN规则进行改进，得到的表达式如下。

(3)

因此，在上述例子中，X61变化为X62时，输出结果也随之发生变化，具体表达如下。

在对输入变量进行模糊化后，根据改进后的IF-THEN规则，建立输入变量与影响因素的推理规则，见表4(以X1为例)。

类似地，建立影响因素与决策准则的推理规则。

2.3 实现推理规则与贝叶斯网络的转换

通过将决策目标作为父节点，输入变量及影响因素作为中间节点，决策准则作为子节点，将输入变量与影响因素、影响因素与决策准则的推理规则转换为贝叶斯网络，见图3。

表4 输入变量与影响因素的推理规则库(X1为例)

在得到的贝叶斯网络中，计算得到的边缘概率即为水上服务区类型选择的决策方案值。边缘概率的计算如下。

(4)

2.4 引入效用值

为了使计算结果更加直观，引入效用值PN，选取[0,1]区间上的值进行表达，其中(1,0.7,0.4,0.1)分别对应“非常需要”“需要”“不需要”“非常不需要”。

例如，某地区对于综合型水上服务区船舶服务功能的边缘概率计算为(0.816,0.184,0,0)，引入效用值后得到：

PN(G1)= 0.816×1+0.184×0.7+

0×0.3+0×0.1=0.944 8

最后，对决策准则赋予相应的权重，分别为w1，w2，w3，则综合型水上服务区的综合评价得分为：

S1=w1×PN(G1)+w2×PN(G2)+

(5)

3 实例

3.1 区域概况

为充分利用水上资源，进一步发挥宜兴水陆联运、内外贸结合紧密的优势，同时为过往芜申运河及挂靠宜兴港的船舶提供必要的物资供应，宜兴市航道管理处拟在芜申运河宜兴段设置水上服务区。

芜申运河宜兴段航道等级为IV级，规划等级为III级，航道宽度为70 m。代表船型为500 t级内河自航驳船，船长45 m。日均过往船舶流量约500艘，交通密度较大，船舶平均加油量约为600 L/艘，下游约200 m处设有一座多用途码头。水上服务区附近约200 m处设有宜兴海事处办事处，所在水域年均事故约为1次，无需设置溢油应急以及救助等服务功能。当地自然条件良好，年平均风速为2.9 m/s，年均恶劣天气约50 d。宜兴水上服务区附近无旅游景点，距离市区较近，可考虑设置包括服务区室外园林绿地、休息广场等设施，提供其他服务。

3.2 获取各决策方案的决策准则值

对于改进后多输入多输出的推理规则，通过将确定父节点及子节点，可以转换为贝叶斯网络。在得到的贝叶斯网络中，其边缘概率就是决策方案值。以综合型水上服务区船舶服务功能为例，边缘概率计算如下：

(0.816,0.184,0,0)

即： {(0.816,非常需要),(0.184,需要),(0,不需要),(0,非常不需要)}

各决策准则边缘概率也可利用GeNIe软件获得。以综合型水上服务区为例，令决策目标中I类综合型水上服务区取值为1，根据宜兴当地实际需求确定各父节点的条件概率，可得各决策准则的边缘概率。

船舶服务功能p(G1)=(0.816,0.184,0,0);

船员服务功能p(G2)=(0.321,0.431,0.211,0.037);

公共服务功能p(G3)=(0.112,0.347,0.417,0.124)。

同样的，各类型水上服务区决策准则的边缘概率见表5。

3.4 获取各决策方案值

表5 决策准则边缘概率计算值

考虑到水上服务区船舶服务功能是其主要功能，船员服务功能也相对比较重要，对各决策准则赋予权重，分别为w1=0.5，w2=0.3，w3=0.2，在实际选择的过程中也可以采用层次分析法等方法对其进行赋值。

根据式(5)计算得到综合型水上服务区的评价得分。

S1=w1PN(G1)+w2PN(G1)+

w3PN(G1)=0.79246

同样的，普通型水上服务区的评价得分为S2=0.920 14；单一型水上服务区为S3=0.873 37；旅游型水上服务区的评价得分为：S4=0.755 68。根据获取的决策方案值，可判断II类普通型水上服务区为最优方案，该方案与实际选择时采用的方案一致。

从计算结果来看，综合型水上服务区的公共服务功能评价较低，该类型的功能配备多余；宜兴水上服务区所在水域航道等级较低，交通流量较小，已设的海事办事处能够充分满足过往船舶的应急需求；为避免资源浪费，应急救助、溢油应急等服务功能不宜在此地设置；单一型及旅游型水上服务区则是船员服务功能缺失，在芜申运河宜兴段航行的船舶航行时间较长，船员在航行过程中对生活物资、医疗等方面的需求较大，该地需配备相应的服务功能设施。综合考虑，普通型水上服务区是芜申运河宜兴段的最佳决策方案。

4 结论

本文提出了一种多重模糊条件下的水上服务区类型选择决策方法，对水上服务区供需关系的模糊化表达进行量化，减小了主观因素对决策结果的影响，与其他模糊条件下的决策方法具有一定区别。由于数据采集有一定难度，统计数据不一定涵盖所有的影响因素。所提出的方法一方面能够解决决策时供需关系的模糊化表达问题，另一方面，通过建立多输入多输出的推理规则，能够解决影响因素的语言变量模糊化问题。此外，该方法还可应用于具有多个影响因素、且具有模糊化的决策问题，具有较好的可推广性。

[1] 卞华,肖慎,殷兆进.内河水上服务区布局选址方法研究[J].水运工程,2007(2):6-10.

[2] 温旭丽,过秀成,王国新.区域航道服务区布局规划理论与实践[J].水运工程,2008(7):121-126.

[3] XIA M, XU Z, CHEN N. Some hesitant fuzzy aggregation operators with their application in group decision making[J]. Group Decision and Negotiation, 2013,22(2):259-279.

[4] Rodriguez R M, Martinez L, Herrera F. Hesitant fuzzy linguistic term sets for decision making[J].Fuzzy Systems, IEEE Transactions on, 2012,20(1):109-119.

[5] Masahiro Inuiguchi, Tanino T. Possibilistic linear programming with fuzzy if-then rule coefficients [J].Fuzzy Optimization and Decision Making, 2002,1(1):65-91.

[6] ZHANG D, YAN X P, YANG Z L, et al. Incorporation of formal safety assessment and Bayesian network in navigational risk estimation of the Yangtze River [J].Reliability Engineering & System Safety, 2013,118:93-105.

[7] Ferreira L, Borenstein D. A fuzzy-Bayesian model for supplier selection[J].Expert Systems with Applications, 2012,39(9):7834-7844.

[8] 温旭丽,李辉,过秀成.高等级航道水上服务区的探索与实践[J].现代交通技术,2005,2(4):80-84.

[9] 范中洲,吴兆麟,张闯,等.基于可拓理论的船舶定线制应用研究[J].大连海事大学学报:自然科学版,2013(1):43-45.

[10] 马丽丽,吴超仲,陈刚,等.模糊综合评判模型在三峡库区通航环境安全评价中的应用[J].船海工程,2009(2):141-144.

[11] 吴兵,严新平,汪洋,等.多部门协同的内河失控船应急处置决策方法[J].交通运输系统工程与信息,2015,15(5):16-23.

[12] 吴建军,肖英杰.基于集对分析的定线制水域航行环境的综合安全评价[J].上海海事大学学报,2011,32(1)：30-34.

[13] 钱佳.不确定环境下模糊应急物资库存模型[J].上海海事大学学报,2010,31(1):33-38.

[14] YANG Z, BONSALL S, WANG J. Fuzzy rule-based Bayesian reasoning approach for prioritization of failures in FMEA[J]. IEEE Transactions on Reliability, 2008,57(3):517-528.

[15] Lee C J, Lee K J. Application of Bayesian network to the probabilistic risk assessment of nuclear waste disposal [J]. Reliability Engineering & System Safety, 2006,91(5):515-532.

(武汉理工大学 a.航运学院； b.智能交通系统研究中心； c.内河航运技术湖北省重点实验室，武汉 430063)

Research for Type Selection of Waterway Service Area under Multiple-fuzziness

HUANG Yinga,c, WU Binga,b, GUO Guo-pinga,c

(a.School of Navigation; b.Intelligent Transportation System Research Center;c.Hubei Key Laboratory of Inland Shipping Technology Wuhan University of Technology, Wuhan 430063, China)

Aiming at the multiple-fuzziness problems in selecting the appropriate type of inland waterway service area, a decision-making method is proposed based on fuzzy Bayesian network. From the literature review, the influencing factors of inland waterway service area were obtained and the decision attributes were also defined to establish the four-layer decision-making framework. The membership function was introduced to fuzzify the influencing factors, and the improved IF-THEN rule was used to setup the relationship between influencing factors and input variables and influencing factors and attributes respectively. After transformation the rule base into Bayesian network, the decision matrix was obtained by the marginal probability. The utility value was introduced to obtain the utilities of each functional type. The inland waterway service area of Yixing is used to verify the proposed approach as an illustrative example, showing that this model is useful and beneficial for type selection of waterway service area.

inland waterway transportation; fuzzy Bayesian network; waterway service area; type selection; decision-making method

10.3963/j.issn.1671-7953.2017.01.041

2016-03-09

国家科技支撑计划(2015BAG20B05)； 高等学校博士学科点专项科研基金 (20130143120014)

黄影(1992—)，女，硕士生研究方向:交通环境与安全保障

U697

A

1671-7953(2017)01-0167-06

修回日期：2016-06-13