基于粒子滤波算法的智慧社区信息化服务绩效评价

熊炳忠

摘要：由于现行绩效评价的层次分析法易受主观因素影响与模糊综合评价法隶属函数选取具有主观随意性的不足，提出基于粒子滤波算法的绩效评价方法。根据智慧社区建设绩效评价指标体系，利用浙北地区若干试点智慧社区的信息化服务统计调查数据，对比分析基于粒子滤波方法与模糊层次综合评价法对智慧社区信息化服务绩效评价的结果，表明基于粒子滤波算法的绩效评价是有效的且具有更优的客观准确性。

关键词：智慧社区；信息化服务；粒子滤波；绩效评价

中图分类号：F224.9 文献标识码：A 文章编号：1009-3044（2018）06-0167-03

作为城市细胞的社区，是居民生存和发展的载体。随着我国社会、经济、科技等各个方面的快速发展，社区居民对便捷、高效以及智能的社区服务需求与日俱增，以智慧系统为核心，移动终端、微信平台为抓手，依托先进的信息化技术为居民提供方便、快捷且精准服务的智慧社区理念应运而生，这是信息化时代背景下社会管理模式发展创新的必然要求。关于智慧社区的概念，中华人民共和国住房与城乡建设部于2014年5月编制的《智慧社区建设指南（试行）》中阐释为：综合运用云计算、移动互联网以及物联网等现代信息技术，整合区域内相关各方资源，依托信息环境基础设施，支撑于信息服务平台，为社区居民提供温馨、安全、便捷、高效的現代化、智慧化的社区生活环境。当前，各地纷纷进行智慧社区的试点建设工作，为即将到来的大规模智慧社区建设工作做好充分准备。

对于智慧社区建设中首当其冲的当然是信息化建设水平，社区的信息化已经被提高到战略的高度。利用量化的科学评测体系，对新时期的各类型居民社区在各个方面建设绩效进行科学有效的评估评价，为引导、规划、建设好居民社区等课题，已经引起国内有关部门、专家学者的高度重视。王素侠、朱芳霞等综合层次分析法与模糊综合评价方法对新型城镇化社区治理绩效进行测度。武建军等利用模糊层次分析法对现代社区的信息化水平进行评价探究。邹凯等采用多层次灰色评价评价方法对社区信息化绩效进行综合评价研究。对社区安全管理模式选择上张立华等采用模糊综合评价进行研究分析。众所周知，综合定性与定量分析的层次分析法在解决约束因素较少问题的评价误差较小，可靠度较高，但对于社区治理建设中的社区信息服务这样的约束因素众多、层次规模较大的绩效评价问题，其判断矩阵一般都难以满足一致性要求。由于较少使用定量数据，而更多关注定性成，层次分析方法下的分析结果难以令人信服。模糊综合评价方法又是另一种人们经常使用的绩效评价方法，该方法根据模糊数学中的隶属度原理，转化定性评价问题为定量评价，其具有系绕性强，结果清晰，能较好解决模糊的、难以量化的问题，但是由于人们对事物认识具有局限性，当前，对隶属函数的确定还没有行之有效的系统方法，使得模糊综合评价方法常常具有随意性。模糊综合评价方法还存在不能解决评价指标之间的相关性所造成评价信息重复利用问题的不足。针对层次分析方法与模糊综合评价法在社区治理、智慧社区信息化服务绩效评价中存在的不足，本文提出基于粒子滤波算法的智慧社区信息服务绩效评价方法。该评价方法依据粒子滤波算法原理，选取各个待评估智慧社区的指标最优值作为高斯抽样变量，进行迭代，求取各个评估指标下的智慧社区评估得分值，使得绩效评价结果更加具有科学性、公平性与准确性。通过对比分析多种方法下的智慧社区信息化服务绩效评价结果，发现基于粒子滤波算法的绩效评价方法的有效性，同时也为将该方法应用于解决其他类似的绩效评价问题提供借鉴与参考。

1粒子滤波算法原理

2粒子滤波方法绩效评价方案

绩效评价问题属于非线性系统的多个约束条件、多个目标的决策问题。基于粒子滤波算法的序列重要性再抽样获得系统的状态后验概率的基本思想，选取各项指标中的最优值为正态抽样变量，进行粒子、权重的迭代，求解出某个指标下某社区的绩效评估值来实现粒子滤波算法的绩效评价。

2.1确定评价指标的权重

如何确定评价指标的权重，已有文献的做法主要是基于判断矩阵。该方法根据各指标的重要性程度构造它们的可以相互比较的矩阵，这个矩阵称为判断矩阵，然后根据这个矩阵计算出其最大特征值的特征向量，作为各指标的相应权重，这里要注意的是判断矩阵是否符合一致性要求，一般设置一致性的临界值为0.1，若大于0.1，就要重新调整矩阵各参数，直至使得矩阵达到一致性的要求。

2.2粒子滤波算法绩效评价过程

3实际案例评价分析

3.1智慧社区信息化绩效评价指标的选取

以《智慧社区建设指南（试行）》中所列出的关于智慧社区的评价指标体系为主要依据，借鉴《社区信息服务满意度评价》中所列出的指标体系内容，参照已有文献中有关信息服务列出的指标，结合国内当前互联网+智慧社区的建设实际状况得到智慧社区信息化服务的绩效评价指标体系，选取6个作为评价的一级指标，23个作为评价的二级指标，详细内容见表1.

（注：一级指标、二级指标里的第一个数据为由判断矩阵计算得到的权重，二级指标里第二个数据为该指标下的最优值，第三个数据是该指标下6个社区的标准差）

3.2数据收集与处理

选取浙北地区6个试点建设的智慧社区，向每个社区的居民随机发放120份调查社区信息化服务的状况要求他们按照评价体系中的二级指标逐项打分，分值范围为0至100分，调查问卷收回数量依次为，101份、112份、115份、99份、108份与113份。按照每项评价指标算出各社区各项指标的平均分，汇总6个社区的各项指标平均分中的最大值与得到每一项指标数据的标准差等数据见表1.根据该片区域智慧社区信息化服务总体建设水平，按照德尔菲方法，将表1中的一级、二级评价指标分层提交给本领域内的专家，进行指标间的重要性程度判定，按照1—9分比例标度给出判断矩阵见表2.根据判断矩阵，经计算得到判断矩阵的最大特征值为6.14，其对应正则化特征向量w=（0.317，0.269，0.121，0.156，0.088，0.0495），依据层次分析法理论可知，向量埘为一级评价指标的相对重要的排序数，即权重经计算得到随机一致性比例CR=CI/RI=0.027<0.1，说明其对应的判断矩阵具有满意的一致性。

3.3基于粒子滤波算法的智慧社区信息化服务评价

根据表1中各项二级评价指标中的最优值和标准差，运行粒子滤波算法得到每个社区在每一项二级评价指标下的得分，然后根据层次分析法将各项得分与各二级指标的权重相乘相加获得每一社区的各个一级指标得分，再与各个一级指标对应权重相乘后相加获得第一个至第六个智慧社区信息化服务的综合评价得分值分别为：82.39，81.28，84.93，80.63，79.48，77.16，由此得到第3个智慧社区的信息化服务测度分值最高。

3.4智慧社区信息化服务的层次分析法的综合模糊评价

模糊综合评价是利用模糊数学中的隸属度原理，将受多种因素制约的事物对象的定性分析转为量化值后的一个总体评价。该方法系统性好，结果较为清晰，一般能较好解决模糊的、难以量化的问题，适合解决针对非确定性问题。在评价智慧社区信息化服务中，操作步骤如下：第一步，确定权重。文中权重的选择方法与粒子滤波方法评价相同，利用层次分析法求得；第二步，计算二级评价指标的调整平均得分。利用各个试点智慧社区的调查问卷数据，找到每个二级指标下的最高评分Max_ij（i表示第i个社区，j表示第j个二级指标），算出每个二级指标下的平均得分Aveq（i表示第i个社区，j表示第j个二级指标），算出每个二级指标的调整后的评价得分AAve_ij=100×Ave_ij/Max_ij；第三步，计算综合得分，将每个二级评价指标的权重与调整后评价得分相乘后相加得到每个一级评价指标的综合得分，再依次与相应的一级评价指标权重相乘后便可算得每个社区的最终综合评价得分87.46，86.21，91.13，85.73，84.98，82.39。由此可见，第3个智慧社区的信息化服务测度分值最高。

3.5两种绩效评价方法的对比分析

粒子滤波评价方法除定性量化指标权重外以原始数据为基准直接进行抽样迭代给出评价，不需要专家对量化数据变换，能减少主观意见对评价的影响，相比较层次分析法具有较高的客观性。从模糊综合评价方法来看，其隶属函数选取上会受到评价指标的最优值所干扰，粒子滤波评价方法不使用隶属函数，能克服模糊综合评价可能存在波动性的不足。在粒子滤波评价中，粒子迭代所选的高斯分布的标准差是综合了所有待评价社区的观测数据，故由该方法给出的评价结果会更加公平与合理。

4结束语

社区信息化已经成为智慧社区、智慧城市乃至全社会信息化的基础，积极推进社区的信息化服务建设，能提高社区的各种基础设施的集约化与智能化水平，促进各种政务信息的共享，降低行政管理成本，促进社区管理的现代化，提高社区治理效率。本文通过实地调研试点建设的智慧社区，结合智慧社区的评价指标体系制定其信息化服务的评价指标，基于粒子滤波方法来对社区信息化服务给出绩效评价分析，并与基于模糊层次分析综合评价法的评价结果进行对比分析，得到基于粒子滤波评价方法能更加客观准确表达出各项评价指标下的社区信息化建设的差异值，该方法能为社区管理者、各相关部门提供现代社区信息化建设与治理提供科学、公平、公正的参考建议，具有较高的研究与应用价值。