基于遗传层次分析法的高速铁路运营统计指标筛选

2021-06-05范千里李青青

交通运输工程与信息学报 2021年1期

薛锋，范千里，胡萍，李青青

（1. 西南交通大学，交通运输与物流学院，成都611756；2. 综合交通大数据应用技术国家工程实验室，成都611756）

0 引言

统计指标是铁路运营效果的重要表现形式，运营统计指标体系的完善有助于提高统计工作的质量，同时建立健全统计指标体系是做好铁路行业统计工作的基础。我国铁路早期的运营统计指标是根据前苏联的铁路运营管理指标体系，结合我国铁路运营管理的实践和特点建立的，符合我国当时的铁路运营实际情况。近年来，随着高速铁路的快速发展，以往基于普速铁路构建的运营统计指标体系难以全面反映高速铁路的运营状况，因此亟须构建与高速铁路运营实际相适应的指标体系。

在铁路运营统计指标研究方面，我国取得了比较丰富的理论研究成果，大致可分为以下几个方面：

（1）对现有的铁路运营指标体系进行一定的改进。姜晓燕[1]为现有的铁路运营统计指标体系进行了完善，使其符合铁路发展特点，并结合作业成本理论，对现有的运营统计指标进行了修改；周尊仁[2]在现有铁路运营统计指标的基础上，分析了新的条件下运营统计指标建立的影响因素，初步提出了高速铁路运营统计指标体系。

（2）针对需求主体，构建相应的运营统计指标体系。李雪飞等[3]基于现有的铁路运营统计指标体系，提出了客运专线运营统计指标；仲亮[4]基于网络时代特点，对铁路运输质量的含义以及当下统计工作中存在的问题进行了详细分析，就提高运输统计质量给出了解决对策；吕笑媛等[5]采用定性与定量相结合的方法，建立了高速铁路客运服务质量评价指标体系，并通过结构方程模型对该评价指标体系的科学性与合理性进行了验证；吴华稳[6]结合铁路发展的需要和统计管理体制的特点，设计包括铁路运输业、铁路安全、工程建设、铁路设备在内的统计体系框架；崔华伟[7]构建了适应于资产经营责任制和现代企业经营理念的新运营指标体系，并以南京新客站为背景，对其运营成本、能源消耗状况进行了系统的分析和评价；单杏花等[8]对铁路旅客运营指标体系进行分析研究，并对运营指标体系进行分类和初步设计，最后给出利用指标体系和雷达图进行评价的方法；王宇[9]根据货运指标在不同时期的变化，对指标影响值进行计算，揭示货运指标运行规律，从而更有效地指导铁路运输企业认识和发现问题。

（3）分析指标及指标间影响因素，以促进铁路运营指标完善。胡思继[10]在分析统计运营指标的基础上，论述了指标间的内在联系，以明确铁路运营统计指标中生产指标与财务指标的相互关系；潘峰[11]分析了与客车运营效率相关的运用统计指标，提出通过完善运营统计指标，从而提高客车运用效率；郎茂祥等[12]人对铁路货运总收入与运营指标关系进行了全面的研究；程玲燕等[13]利用因素影响分析法，选取 2010 年和2011 年全路统计数据，计算出包括新增指标在内的各项运营指标变动对货运总收入变动的影响程度，从而为提高货运总收入提出对策建议。

在运用层次分析法计算权重以对指标权重排序，从而进行筛选的研究中，现有的研究较为丰富，包括特征值法、行和归一化、列和求逆归一化、模糊综合评价法[14-16]等，但一方面，类似于特征值法在权重的计算时并没有考虑到一致性条件，判断矩阵确定后，权重与一致性指标随之确定，无法改善，较为被动。另一方面，类似于行和归一化、列和求逆归一化等方法，计算精度不高，只考虑到了矩阵中一行或一列的影响。

综上所述，目前我国铁路运营统计指标体系的构建已经拥有了较为丰富的成果，将多个指标体系进行整合可以得到较为全面的运营统计指标体系，但不同的研究成果具有不同的侧重点，直接进行整合会导致指标体系过于庞杂，且部分指标之间相互涵盖，无法体现指标体系的整体性、系统性特点。另外，运用遗传层次分析法计算指标权重，可以调整各指标的权值，从而改进一致性指标值，相较于其他方法，较为主动，且计算精度较高。因此，本文在现有的研究成果基础上，采用定性分析与定量计算有机结合选取高速铁路运营统计指标，并运用遗传层次分析法[17-18]对现有统计指标进行筛选。

1 高速铁路运营统计指标的选取

1.1 指标选取的原则

（1）科学性原则

高速铁路运营统计指标的选取，需要尊重高速铁路运营管理与发展的实际情况以及客观规律。运用各类科学的理论方法，对现有的运营统计指标体系进行筛选，以期构建出的高速铁路运营统计指标体系能够符合高速铁路运营实际。

（2）全面性原则

高速铁路运营统计指标体系的构建需要全面反映高速铁路运营全过程及运营过程中的特点，为之后依据统计指标的结果，制定相应的发展策略奠定基础。

（3）系统性原则

高速铁路运营统计指标必须结合系统性原则，在建立统计指标体系时根据子体系、一级指标、二级指标层层递进，实现各级指标的完善性和全面性。

（4）主体化原则

运营指标体系涉及高速铁路运营管理全过程，在建立过程中需要明确运营统计指标服务的主体，明确统计指标体系是服务于车站还是其他相关部门，从而使整个高速铁路运营统计指标更准确地把握重点。

1.2 高速铁路运营统计指标的初步选取

借鉴文献[1-13]中的铁路运营统计指标体系，并根据高速铁路运营统计指标的选取原则和运营特点进行分析、整合，进一步研究可以发现，高速铁路运营工作可以从资产规模及运用、人力资源及运用、运营消耗、运营工作量、旅客服务质量、运营效益等方面反映。因此，将统计指标体系初步分为如下6 个子体系，分别为资产规模及运用指标子体系、人力资源及运用指标子体系、运营消耗指标子体系、运营工作量指标子体系、旅客服务质量指标子体系、运营效益指标子体系，具体如表1 所示。

表1 高速铁路运营统计的初步指标体系

续表1

在这6 个子系统中：

（1）资产规模及运用指标子体系主要表示现有高速铁路的规模以及发展情况，并且涉及高速铁路系统的资产运用水平，因此，该子系统的一级指标主要包括总体规模、基础线网、发展水平以及资产运用水平四个方面。

（2）人力资源及运用指标子体系表示现有高速铁路系统中的基本人员情况。人员情况应考虑人员发展水平以及人员工作水平，因此，该子系统的一级指标包括人员状况以及绩效情况两个方面。

（3）运营消耗指标子体系应反映高速铁路总体的消耗以及总体污染物的排放。因此，该子体系的一级指标包括能源消耗以及污染物排放两个方面。

（4）运营工作量指标子体系应反映高速铁路系统车辆以及列车的运输情况，同时高速铁路的事故情况也应反映在该子体系中。因此，该子体系包括车辆运用情况、运能与运力、行驶里程、运行速度、人员伤亡、财产损失、事故率7 个方面。

（5）旅客服务质量指标子体系应该反映两个方面，一方面是高速铁路系统站内服务水平，另一方面是列车运行计划完成率。因此，该子体系包括旅客服务、计划兑现、延误时间三个方面。

（6）运营效益指标子体系反映高速铁路系统具体财政情况，因此，该子体系包括成本、收入、利润三个方面。

2 高速铁路运营统计指标的筛选方法

高速铁路运营统计指标的筛选，可由专家对各子体系中具体指标进行重要性排序。在重要性排序值中，数值越小表示重要程度越高，若数个指标的重要度值相同时，则表示这些指标具有相同的重要性，比如表2 为某专家对资产规模及运用指标子体系中各指标的重要性排序示例。

表2 某专家对资产规模及运用指标子体系重要值排序

通过对指标的重要性排序，利用遗传层次分析法计算各指标权重值，具体计算方法如下：

（1）若专家r 对高速铁路运营管理指标体系子体系i 中的指标k 的重要性排序值为｛x (i , k , r )｝，则子体系i 中的指标k 的重要性排序值的均值可由下式计算：

式中，rn 表示专家人数。

（2）计算子体系i 中的指标k 的重要性标准差，计算方法如下：

（3）建立评价子体系i 的互反判断矩阵iP，计算方法如下：

式中， pi,k,l表示子体系i 中的指标k 相对于指标l的重要程度。

（4）计算权重以及一致性指标系数

式中，CIC ( ni)表示一致性指标系数；d 表示一个非负参数，从[0,0.5]内选择。对于式（4）的求解，可以采用全局优化的遗传算法[17-18]进行加速求解。具体计算思路为：若一致性指标系数小于某一设定的临界值时，那么可以认为互反判断矩阵满足一致性检验，排序权重可取，否则改变非负参数或修改判断矩阵。

3 指标筛选方法的应用分析

对高速铁路运营管理初步统计指标体系的6个子体系制作类似于表2 的专家咨询表。经过20位铁路局公司的运营管理人员打分，可以获得指标的重要性排序。根据前文建立的筛选模型，可以进一步得到子体系各自以及总体的一致性指标系数，其一致性指标系数经核算均符合要求，从而可以获得各指标的具体权重。

高速铁路运营统计指标各子体系权重值如表3 所示。从表3 各指标权重情况可以看出，各子系统的重要程度层次划分较为明显，资产规模及运用和运营效益是最重要的指标，人力资源及运用、旅客服务质量以及运营工作量为较重要的指标，而运营消耗的重要性程度较低。

表3 高速铁路运营统计指标体系中各子体系权重值

资产规模及运用指标子体系中各指标权重如表4 所示，从中可以发现高速铁路总产值是重要度最高的指标，但路网的发展程度等也较为重要，这说明对于高速铁路运营统计而言，最重要的是总体的资产水平，在后续高速铁路发展过程中，仍需着眼于高速铁路总体资产的增长。

表4 资产规模及运用指标子体系中各指标权重

人力资源及运用指标子体系中各指标权重情况如表5 所示，可以看出相较于人员的绩效情况，专家认为人员的总量以及人员的培训水平以及技术水平更为重要，人员是推动高速铁路发展的第一要素。

表5 人力资源及运用指标子体系各指标权重

运营消耗指标子体系中各指标的权重情况如表6 所示，不难发现，相比于污染物的排放，高速铁路运营统计较为重视能源的消耗，因为高速铁路的能源消耗水平很大程度上与高速铁路运营成本及收益相关。

表6 运营消耗指标子体系中各指标权重

续表6

运营工作量指标体系中各指标的权重情况如表7 所示。在铁路运营过程中，铁路公司最为重视的是高速铁路的安全情况，与实际情况相符。

表7 运营工作量指标子体系各指标权重

旅客服务质量子体系中各指标权重如表 8所示，可以发现最为重要的指标是计划开行列次和计划兑现列次。铁路运输部门非常重视计划的完成情况，因此此指标相较于其他指标更为重要。

表8 旅客服务质量指标子体系各指标权重

运营效益指标子体系中各指标权重情况如表9 所示，最为重要的是总收入，相较之下，成本相关的相关指标重要程度偏低。

表9 运营效益指标子体系中各指标权重

为验证遗传层次分析法的优越性，以资产规模及运用指标子体系进行说明，运用最优传递矩阵法可以得到对应的排序权重为（0.118，0.092，0.081，0.040，0.078，0.066，0.023 ，0.006，0.092，0.040，0.062，0.102，0.085，0.015，0.049，0.052），一致性指标系数为0.8051；而结合表4 可以发现，运用遗传层次分析法对指标权重进行计算，可以得到在设置d 为0.3 后，对应的排序权重向量为（0.109，0.089，0.084，0.042，0.072，0.071，0.018，0.011，0.101，0.05，0.052，0.096，0.091，0.025，0.047，0.042），一致性指标系数为0.034 6，可见，运用遗传层次分析法得到的一致性指标系数更小，具有较好的优越性。