基于资源配置决策的铁路货运场站综合评价

李笑红，徐金辰，杨 南,2

(1.北京交通大学 交通运输学院，北京 100044；2.上海德邦物流有限公司 快递市场本部，上海 201702）

铁路货运场站作为铁路货运系统的重要组成部分，是增强铁路货运市场竞争力的关键。由于近年外部环境变化，货运场站的实际状况已与建设初期的设计目标发生较大偏差，如何全面了解和考核场站，目前尚无适用于全路的准则和方法。铁路部门曾提出建设标准化货场，并规定了标准化货场应具备的基本条件和评价指标，但这个规定主要关注货场内部管理以及生产安全、作业量等自身因素，对货场地理位置、市场环境、环保等外部因素考虑较少，不能全面客观地反映货运场站的现实情况及发展潜力。因此亟须一套合理有效的方法准确评价全路各货运场站的总体状况，发现问题，为未来的资源配置及管理决策提供依据。建立科学的评价体系与评价方法是综合评估货运场站的有效手段。

相关研究中，国内外学者主要集中在物流基地、物流园区和编组站等方面［1-4］，并采用了不同的评价方法。如YANG Congcong等［1］使用数据包络方法计算了欧洲20 个货运村的经营水平；ÖZC⁃EYLAN Eren 等［2］建立了基于GIS 的多目标货运村评价模型，使用TOPSIS方法对货运村经营状况进行评价；崔海阔［3］提出了主成分分析—灰色熵权法用于综合性的物流园区绩效评价；HENRIKE Koch 等［4］建立了29 个评价指标，对欧洲76 个货运村的综合绩效进行排序；余少鹤等［5］运用主成分综合评价法对若干编组站运营状况进行评价分析；王丹竹［6］采用变权分析法对某三级铁路物流基地进行分析；刘启刚等［7］对铁路物流专业化服务体系的设计进行了研究。而关于铁路货运场站综合评价方面的研究较少。

铁路货运场站具备物流节点的功能，但与一般意义上的物流园区又有不同，为此，考虑货运场站当前的生产管理状况及未来的发展潜力，针对货运场站的设施设备条件、运营能力、管理与服务水平等方面归纳设计出综合评价指标体系，将模糊层次分析法（FAHP）与超效率数据包络分析法（Superefficiency DEA）2种方法相结合，建立铁路货运场站的综合评价模型和评价方法；通过实例验证其实用性，并对其资源配置提出改进建议。

1 指标体系的构建与筛选

为使评价指标能够全面合理地反映铁路货运场站的实际情况，在具体确定评价指标时分2 步考虑。第1 步，在参考国家标准［8］和国内外物流节点综合评价成果的基础上，针对铁路货运场站当前基础条件和未来发展潜力（发展基础）、业务和作业能力（服务能力）、运营管理效果（运营水平）构建出3 级指标；第2 步，根据可得性、目标导向性、通用可比性和独立性等原则，充分考虑行业专家意见，对第1 步构建的指标进行咨询与定性筛选。专家组由高校教师、科研院所的科研人员和铁路货运系统工作人员组成，通过统计分析专家意见，对第一步的结果进行更正。由此构建出铁路货运场站的综合评价指标体系，如图1所示，其中1级指标3个，2级指标10个，3级指标21个。

图1 铁路货运场站综合评价指标体系

2 综合评价模型与方法

2.1 基本理论

模糊层次分析法（FAHP）是一种定性与定量相结合的评价方法。该方法克服了层次分析法中因评价者思维不一致导致构造判断矩阵时出现的矛盾，能更好地反映人的主观判断的模糊性，并采用0.1～0.9 模糊标度将评价指标的重要度定量化，从而得到各指标的相对权重，在体系评价、效能评估、系统优化等方面有着广泛的应用。

数据包络分析（DEA）是对具有多个输入和多个输出的生产部门进行研究，并最终给出生产部门间的相对有效性的数学规划方法［9-10］。但DEA模型并不能进一步排序以及区分相对效率已经生效的决策单元，只能将系统内部的决策单元分为有效以及无效2 种。而Andersen P 等［11］提出的超效率DEA （Super-efficiency DEA）模型，可以进一步区分有效单元，在保证客观性的基础上使评价结果具有很高的区分度［12-13］，其基本思想是将被测单元从参考集内移去之后，再评估该单元相对于其它所有决策单元的有效性。

本文建立的铁路货运场站综合评价模型，为尽可能多地对每个铁路货运场站进行区分，故采用可以区分有效单元和能够排序的超效率DEA 模型，并以规模报酬不变［14］为基本假设。此外，模型中各指标的权重完全由数学规划得来，虽然较为客观，但却无法在评价中考虑评价主体偏好。考虑在铁路货运场站综合评价过程中，既保证客观公正性，又充分吸收评价主体（管理决策者）的主观意愿，从而使评价结果更具实践意义，本文对超效率DEA 模型进行加权改进，即使用FAHP 方法获得指标权重，对指标进行加权，从而在模型中表现指标权重所带来的影响。图2显示了基于改进超效率DEA的货运场站综合评价的基本思路。

图2 基于改进超效率DEA的综合评价思路

假设每个被评价的货运场站（简记为DMU）都有m个负向指标和s个正向指标。=表示第j个货运场站DMUj的第1，2，…，i，…，m个负向指标规范化值的集合；同理表 示DMUj的正向指标规范化值的集合；分别为负、正向指标的权重集。将通过FAHP 方法得到的指标权重与规范化后的指标值加权求和，带入超效率DEA 模型，求解出每个货运场站的超效率。这样既可体现权重带来的影响，也使原来的多输入多输出问题转化为单一输入单一输出的DEA 模型，使整体评价模型变得简洁。需要说明的是，与DEA 中投入产出的原始意义［9］不同，本文从数学规划角度，将正向指标对应DEA 中“产出”的概念，将负向指标对应“投入”的概念。图1列出的3 级指标中，红色外框表示正向指标，蓝色外框表示负向指标。

2.2 模型与方法

参数定义：θ为DMU 与有效前沿面之间的距离，即被评价货运场站对应的效率指数；ε为非阿基米德无穷小量；与σT分别表示m和s维的列向量，其中的所有元素均为1；为第i个负向指标的松弛变量，为第r个正向指标的剩余变量；λj为反映DMUj投入产出关系的变量；xi0和yr0分别为被评价货运场站DMU0为DEA有效时对应的第i个负向和第r个正向指标值；N为被评价货运场站的个数。考虑系统的最小投入，以DMU 的效率指数最小为目标函数，构建加权超效率DEA模型如下。

s.t.

约束条件中：式（2）和式（3）可使评价对象先从参考集内移去，再将其与其它所有决策单元的凸组合进行比较，从而求解出超效率；式（4）和式（5）是对FAHP 法得出的正向和负向指标权重之和分别进行的约束。

该加权超效率DEA 模型依然是一个线性规划模型，可使用单纯形法求解。其决策单元有效性的判断方式与超效率DEA 相同。结合图2，以及FAHP 的求解程序［15-16］，设计对货运场站进行评价的如下求解步骤。

Step 1：使用专家咨询法分别分层构建n阶模糊互补矩阵R如式（6），式中元素表示各项指标两两之间的模糊关系隶属度，参照表1赋值。

表1 模糊关系隶属度的量化参照表

Step 2：将模糊互补矩阵R调整为模糊一致性矩阵。模糊互补矩阵R是模糊一致矩阵的充要条件是，任意指定行和其余各行对应元素之差为固定值，为了尽可能多地保留专家咨询信息，以矩阵的第1 行为参照行，应该使元素的调整值尽可能小，因此建立调整量模型为

s.t.

lk+αk=c

式中：S为调整量之和；αk为待调整行中的第k个元素的调整量；lk为调整行与被参照行第k个元素之差；c为常数。

由此对数据进行逐行调整，直至所有元素与其在第1 行的对应元素之差相等，使互补矩阵R调整为一致性矩阵R’。

Step 3：由一致性矩阵R’，获得归一化权重。参考文献［17-18］，各指标权重计算式为

式中：ωi为第i项指标的权重值；a为反映被评价指标间关系相对重要程度的参数，需满足a=(n-1)/2。

求得各指标权重后，按负向指标和正向指标分别做归一化处理，得到全部负向指标的权重集V和全部正向指标的权重集U。

Step 4：针对所有的评价场站，分别按照式（9）进行统一量纲的规范化处理。

3 实例分析

Step 5：将归一化后的权重和规范化后的指标值，带入加权超效率DEA 评价模型，求解得出每个货运场站的综合评分。

Step 6：根据综合得分对货运场站进行排序；结合排序情况，分析相应货运场站在各指标上的表现，找出存在的问题，提出改进或发展建议。

选取上海局集团公司某货运中心作为案例，对该货运中心下辖的货运场站进行评价。该货运中心地处我国东部沿海地带，其下辖的23 个货运场站各自分布在经济发展条件不同的地区，货运需求大小不一；此外，受各种内外部因素影响，部分货运场站的实际运营情况与初期建设目标脱节。

3.1 数据的采集与处理

对图1中的21 个3 级指标进行数据采集，通过资料查阅、现场调研以及问卷调查3 种方式获得原始数据，并经计算处理后采纳。将所得数据根据式（9）做规范化处理，处理结果见表2。由于数据量过大，本文仅展示处理后的部分数据。

表2 某货运中心辖内货运场站各指标数据规范化结果

3.2 评价结果与分析

将评价指标分层次向专家咨询，参照表1构建模糊互补矩阵，使用FAHP 法分别计算每个正向指标与负向指标的权重，结果见表3。将表3中的正负向权重分别归一化处理，与表2中的各指标规范化值一起，代入所建立的评价模型中，将“多投入多产出问题”转化为“单投入单产出问题”。使用Python 编程求解模型，得出评价对象的综合得分。23 个货运场站在21 个3 级指标上的表现情况如图3所示。按照得分由高到低排序，结果见表4。

表3 指标权重计算结果

图3中展示了各指标的表现对场站整体排名的贡献情况。在水平轴线以上的正向指标中，“装卸搬运设备最大能力I213”对综合得分贡献较大；而在水平轴线以下的负向指标中，“业务办理时长I322”与“燃油设备配置率I142”对综合得分影响较大。从表4可以看出：在23 个场站中，场站FS20的综合得分最高，而场站FS6 综合得分排名最后。由此可见，基于改进的超效率DEA 方法的综合评价模型可以了解被评价场站在各评价指标上的具体表现，并据此对各货运场站进行排序。

图3 货运中心下辖场站在各指标上的表现

表4 货运中心下辖场站综合得分及排名

以FS18，FS13 和FS11 这3 个典型场站为例，根据调研中了解到的货运场站的实际情况及综合评价结果，分析比较各场站的运营发展和资源配置状况，并给出合理化建议。3个场站在21个指标的表现如图4所示，可见，3 个场站在不同的指标上表现出不一样的优劣势规律，据此可得如下结论。

图4 场站FS18，FS13和FS11在各指标上的表现

（1）排名第2的货运场站FS18，是一个海铁联运枢纽站，该站货运量较大、装卸搬运与场站到发能力较强、交通与货源条件较好，体现在装卸与运输服务能力、区位条件以及经济效益方面具有较大的优势，但其在服务质量方面存在不足。因此，为适应运量需求的快速增长，上级部门可以对其加大投资，进一步增强作业能力和服务水平，并考虑与地方政府配合，充分发挥其海铁联运的优势，提高运营管理水平，打造优质服务场站品牌。

（2）排名第7 的场站FS13，其年货运总量较低，这是影响其排名的重要因素。此外还存在装卸设备能力较低、货物线与专用线数量较少以及职工流失率较高等问题。因此应将增加运量作为首要目标，并可考虑增加设备投资，在人力资源管理上进行改革，适当提升职工的待遇水平和综合素质。

（3）排名第21 的场站FS11，虽然其装卸搬运能力较强，但在服务水平和生产安全上表现较差，且交通条件和货源条件不佳，这导致了其在综合评价中的排名较为靠后。鉴于周边有与其功能类似的场站，上级部门可考虑适时对其进行搬迁或与附近其它场站合并，从而减少资源的浪费。

（4）3 个场站的燃油搬运设备配置率均较高，说明这些场站的环保措施有待加强，可以考虑采用清洁能源的设备替代，实现可持续发展。

由此可见，该评价方法具有一定应用价值。从上级部门角度，评价结果可为优化场站资源配置，进行管理决策提供参考；从货运场站个体角度，评价结果可使其了解自身的差距并提供改进方向。

4 结 语

为有效了解和分析铁路货运场站的运营发展状况和资源配置的合理性，对铁路货运场站进行了综合评价方法的研究。参考国家物流园区相关标准和国内外物流节点的综合评价成果，基于可得性、目标导向性、通用可比性、独立性等原则，针对我国铁路货运场站的特点，在考虑发展基础、服务能力、运营水平等反映铁路货运场站整体状况相关因素的基础上，建立了评价指标体系；基于FAHP和超效率DEA 方法，提出了改进超效率DEA 方法的综合评价模型和评价步骤。综合评价模型使用FAHP方法获得指标权重，对指标进行加权以便在超效率DEA 模型中体现指标权重的影响；同时将评价指标分为负向指标和正向指标，以分别对应DEA 中“投入”和“产出”的概念。评价时首先将构建的模糊互补矩阵调整为模糊一致性矩阵，并对指标权重进行计算和归一化处理，然后与规范化处理后的负向指标和正向指标数据一同带入评价模型，求解得出综合评分，并对评价的货运场站进行排序和分析。通过对上海局某货运中心下辖的23个货运场站的案例分析，验证了模型的有效性和结果的合理性。研究表明：该方法可有效得出综合评分，反映出参评对象的真实状况和存在的问题，可为上级铁路部门进行场站资源配置决策提供参考，并为货运场站提供改进的方向。