基于AHP的高速公路智能交通管理系统模糊综合评价*

封春房 董开帆 李志林

1. 公安部交通管理科学研究所 2. 现代城市交通技术江苏高校协同创新中心

引言

高速公路在促进经济增长、改善投资环境、有效配置资源等方面发挥了重要作用，但高速公路交通安全形势仍不容乐观，2017年，高速公路发生较大以上交通事故178起，占总数的26.2%，高速公路发生交通事故死亡人数占总数的9.01%[1]。为有效缓解高速公路交通管理面临的压力，各地纷纷加强了高速公路智能交通管理系统建设，实现对辖区内道路交通的指挥、控制、服务[2]。高速公路智能交通管理系统作为公安交通指挥系统概念的提升和扩展，是极具中国特色的公安交通指挥系统在内涵和外延上的扩充[3]。但是，由于各地经济和科技发展水平不一，高速公路智能交通管理系统的建设和应用水平参差不齐，存在盲目跟风建设的现象，亟需在全面了解高速公路智能交通管理系统建设现状的基础上，对其做出专业和客观的评价，可以更有针对性地指导各地高速公路智能交通管理系统的建设，提高各地系统建设和应用水平。

本文将结合我国智能交通管理系统现有标准规范，从标准符合性的角度，对高速公路智能交通管理系统建设和应用水平进行综合评价，为各地高速公路智能交通管理系统的发展提供指引。

一、综合评价指标体系

为使选择的评价指标具有代表性、可操作性，本文将从系统建设的标准符合性出发，重点参照《公安交通指挥系统建设技术规范》、《道路交通信息监测记录设备设置规范》[18]等现有的ITMS标准选取评价指标，将高速公路智能交通管理系统划分为指挥中心、中心应用平台、交通视频监视系统、交通违法行为监测记录系统、交通信息发布系统、道路车辆智能监测记录系统、管理维护、其他应用系统、单警装备等九个一级指标项，具体如表1所示。

?

二、ITMS评价层次分析

采用层次分析法（Analytic Hierarchy Process，AHP）[19]确定高速公路智能交通管理系统的各组成子系统对于高速公路智能交通管理系统建设和应用水平综合评价的权值。

（一）建立评价层次模型

高速公路智能交通管理系统建设和应用评价指标的层次结构分为目标层（A）、准则层（B）和方案层（C）三个层次。目标层为高速公路智能交通管理系统建设和应用评价，准则层为9个子项，方案层包括21个评价指标，每个子项对应不同的评价指标，如指挥中心评价子项包括中心大厅、机房、分控中心、安全性能等4个指标[19]，具体如图1所示。

（二）构造判断矩阵

建立起层次结构之后，对于上一层次有关因素的相对重要性，各因素指标之间两两比较判断，构造判断矩阵，通常采用T. L. Saaty建议的1~9标度法。具体采用与相关领域专家、技术人员、实战单位人员面谈和问卷调查的方式，广泛征求高速公路智能交通管理系统建设和应用评价指标项和相对重要性。准则层包括指挥中心（B1）、中心应用平台（B2）、交通视频监视系统（B3）、交通违法行为监测记录系统（B4）、交通信息发布系统（B5）、道路车辆智能监测记录系统（B6）、管理维护（B7）、其他应用系统（B8）、单警装备（B9）9个子项，得到九阶判断矩阵。

同理，可得到各方案层判断矩阵，指挥中心（B1）方案层、中心应用平台（B2）方案层为四阶判断矩阵，管理维护（B7）方案层为三阶判断矩阵，交通视频监视系统（B3）方案层、交通违法行为监测记录系统（B4）方案层、交通信息发布系统（B5）方案层、道路车辆智能监测记录系统（B6）方案层为二阶判断矩阵，其他应用系统（B8）方案层、单警装备（B9）方案层为一阶判断矩阵。实际中，一阶、二阶判断矩阵具有完全一致性，其余判断矩阵则需进行一致性检验。

（三）层次单排序

理论上讲，层次单排序计算问题可归结为计算判断矩阵的最大特征根及其特征向量的问题。研究采用矩阵最大特征根及其对应特征向量的方根法计算权重值[20]。经过计算，高速公路智能交通管理系统建设和应用评价准则层λmax=9.666，指挥中心（B1）方案层λmax=4.1086，中心应用平台（B2）方案层λmax= 4.2688， 管理维护（B7）方案层λmax=3。

（四）判断矩阵一致性检验

建立判断矩阵时，由于主体认识的多样性以及客观事物的复杂性，判断矩阵不可能具有完全一致性。设最大特征根为λmax，判断矩阵为n阶，则有度量判断矩阵偏离一致性的指标CI（Consistency Index）。

式（2）中：

CI——判断矩阵一致性指标；

λmax——判断矩阵的最大特征值；

n— —判断矩阵的阶数。

当判断矩阵的阶数n较大时，则引入随机一致性指标RI（Random Index）进行修正，常见的RI数值如表2所示，经修正的一致性指标用CR表示。

式（3）中，RI为随机一致性指标，当CR＜0.1时，排序结果具有满意一致性，否则需调整判断矩阵的元素值。

经过计算，高速公路智能交通管理系统建设和应用评价准则层CR=0.0574＜0.1，指挥中心（B1）方案层CR=0.0402＜0.1，中心应用平台（B2）方案层CR=0.0996＜0.1，管理维护（B7）方案层CR=0＜0.1，表明判断矩阵的结果可以接受。

依次沿阶梯层次结构逐层计算，即可计算出底层因素相对于高层的相对重要性或者相对优劣的排序值。具体如表3所示，其中w、h表示各指标所占的权重。

?

?

三、模糊综合评价

利用模糊综合评价方法重构评价模型，其基本思想是在确定评价指标的综合权重值的基础上，运用模糊集合的变换原理，以隶属度描述各评价指标的模糊界限，构造模糊评价矩阵，通过多层的复合运算，最终确定评价对象的综合分值和所属等级[21]。

（一）确定评价因素集

将高速公路智能交通管理系统建设和应用水平分为五类，分别为较差、一般、中等、良好、优秀，即评价集U={较差，一般，中等，良好，优秀}，选择三角形函数来表达隶属函数[22]，对应评价集确定的隶属函数如下：

式（4）～式（8）中，表示方案层各评价指标（C1～C21）的实际得分。

（二）一级综合评判

评价项目分为准则层9个子项、方案层21个评价指标。对应的权重如表2所示，其中w1, w2, …,w9为准则层9个子项的权重，h1, h2, …,h21为方案层21个评价指标的权重，根据具体得分情况和隶属函数，得到一级综合评判矩阵J=[J1, J2, …,J9] 。R1, R2, …,R9表示准则层9个子项评价指标对评判等级的隶属程度所得到的评判矩阵。本文中评语级为5级，矩阵均为5列矩阵，行数为准则层子项包含的方案层评价指标数量。

以R1为例：

式（9）中，rij表示方案层第i个评价指标的实际得分根据上述隶属函数的计算所得到的对评判等级的隶属程度。

一级综合模糊评判为：

以Ji为例：

（三）二级综合评判

将一级综合判断矩阵构造为二级综合判断矩阵。

（四）模糊综合计算

归一化处理，将模糊评语转化为总得分，对评价集中各元素赋予相应的分值。本文中给定各评价因素的分值分布为{优秀=90，良好=80，中等=70，一般=60，较差=50}，根据式（13）计算高速公路智能交通管理系统建设和应用的综合得分，确定所属等级。

四、实例分析

本文选取韶关市高速公路智能交通管理系统作为评价对象，包括京港澳高速公路韶关北段和乐广高速公路韶关段。研究人员对韶关市高速公路智能交通管理系统进行了调研，在核实资料、现场调查的基础上，结合建设和应用的实际情况对各评价指标进行打分，具体打分情况如表4所示。

?

（1）根据具体得分情况，利用隶属度函数，计算各指标的隶属度。

（2）构造一级综合评判矩阵，经计算：

形成一级综合判断矩阵

（3）构造二级综合判断矩阵

（4）得到综合得分和所属等级

韶关市高速公路智能交通管理系统建设与应用评价总得分为70.8分∈[70,80]，为中等水平，基本符合系统使用者的评价期望。

五、结语

本文提出了符合中国特色的高速公路智能交通管理系统建设和应用评价指标体系，通过层次分析法和模糊综合评价法，构建了高速公路智能交通管理系统评价模型，并在河北、广东两省公安交管部门组织的全省智能交通管理系统建设和应用评价中进行了实际应用。

评价完成后，两省各级政府及公安交管部门均看到自身在智能交通管理系统建设和应用中的不足，纷纷进行了系统的升级改造工作，包括补充建设违法抓拍设备、建设交通动态信息采集系统、构建完善信息传输网络、升级改造交通指挥中心等，智能交通管理系统的建设水平得到了较大提高；同时，各地结合本地实际情况，制定了相应的工作规范和工作流程，智能交通管理系统的应用水平也得到了较大改善。总之，各地在公安交通科技建设中均取得了丰硕成果，有效提高了交警的指挥调度和应急处置能力，提升了高速公路交通管理水平，降低了交通事故发生率。

应用结果表明，本文构建的评价方法可操作性较强，可用于客观合理地评价高速公路智能交通管理系统的建设和应用水平。