基于熵值法-云理论的高铁客运站交通协调评价模型

张 荣

(兰州交通大学，甘肃 兰州 730070)



基于熵值法-云理论的高铁客运站交通协调评价模型

张 荣

(兰州交通大学，甘肃 兰州 730070)

文章针对高铁客运站交通协调评价因子的特殊性，提出了基于熵值法-云理论高铁客运站交通协调的综合评价方法，介绍了模型建立与应用的具体过程，并结合北京南站客运站进行了实例分析，论证了该模型的效用，为大型高铁客运枢纽站的交通协调性的综合评估研究提供参考。

高铁客运站；交通协调性；评价因子；熵值法；云理论

0 引言

我国高铁建设正处于蓬勃发展的高峰期，相对应配备的客运枢纽站也相继增多，大多数的高铁客运站都是汇集铁路、轨道交通、常规公交、出租车等多种交通方式于一体的大型交通枢纽综合体，该综合体的交通协调能力的好坏将直接影响整个枢纽的运营能力。一个交通协调性好的客运站能够在较短的时间内疏散到达客流，减少站内旅客聚集人数，从而为旅客提供一个舒适、安全、顺畅的环境。由于多种交通运输方式下的交通协调问题比较复杂、影响因素较多

且存在的不确定性较多，考虑起来相对比较复杂，同时国内对该领域的研究比较少，大多数集中在利用传统的评价方法。

文献[1]中通过AHP确定评价指标的确定后结果模糊综合评价理论对北京南站交通协调性进行分析。文献[2]中虽然运用熵值法将评价指标权重的可变性考虑在内，并运用广义效用函数法和集对分析法分别进行宏观布局和微观换乘系统评价，但没有综合考虑到评价指标的亦此亦彼性。文献[3]通过数据挖掘分析和处理多方式协调调度海量信息从而优化协调调度策略。探索基于云服务模式下的公共交通协调调度模式，达到提高交通运输组织的效率。本文针对大高铁客运站交通协调评价因子的特殊性，提出了基于熵值法-云理论高铁客运站交通协调的综合评价方法。

1 大型高铁客运枢纽站评价体系指标的建立

表1 大型高铁客运枢纽站评价因素指标表

大型高铁客运枢纽是乘客集散、换乘其他交通工具方式和线路的重要场所，我们在评价其交通协调性的时候不能用“较好”“很差”等类似模糊性较强的定性概念进行定义，我们在实际中需更多关注的是客运站点的设计服务能力能否满足实际交通拥有量即高铁客运站交通协调程度的能力大小。在建立较为完善的评价体系之前，首先要做的就是如何确定评价体系的指标。本文将交通协调评估指标分为6个因素，并在每个指标下又细分3个因子，具体如表1所示。

2 权重的确定

大型高铁客运枢纽站的交通协调性评价是一个受多因素影响的过程，对于不同高铁客运枢纽站以及同一枢纽站在不同的时期对其交通协调评价的侧重点不同，其评价指标权重合理与否直接关系到评价的准确性和科学性，以往我们使用的方法主要有专家评定、AHP、主观经验、德尔菲法等[1]，这些方法得到的权值存在着相对稳定性，不能随实际指标的变化而变化。本文采用的熵值法可以很好地解决此问题，其方法可以对初步给定的权重进行微调，做到静态赋权和动态赋权相结合，从而使得结果更贴近实际情况且具有较高的可信度。

首先利用专家打分法可以获取各个指标的原始评分数据，通过对数据的处理后可以分到指标的数据矩阵X=(xij)m×n(其中m为专家人数，n为评价因子)，对于指标j，此方法通过各位专家评定的指标值间的差距量反映指标在评价中所起的作用大小，指标间的差距量越大则说明其在评价体系中作用越大；相反则越小。权重的具体确定步骤[4][5][6]如下：

3 采用云理论进行评价分析并给出实例验证

3.1 云理论的相关理论

(1)云的定义及其数字特征[7]

设U是一个以精确数值表示的定量论域U={x}，T是与论域U相对应的定性概念，若元素x∈U，是T的一次随机实现，y=μT(x)，称为x对T的隶属度，那么隶属度y在论域U上的分布称作隶属云，简称云。用来反映自然语言中概念的不确定性，反映随机性和模糊性的关联性，构成定量与定性的映射。云是从论域U到区间[0，1]的映射，即：

(1)

从上面定义可以看出，论域U中元素x与它的隶属度y间的映射并不是一对一的关系，而是一对多的转换。每一个y称为一个云滴。每一个云滴代表T映射到数域空间的一个点，云滴的产生过程反映了定性与定量之间的不确定性相互映射。数以万计的云滴形成云，云是通过自然语言表达的某个定性概念与定量数值之间的相互转换模型，云通常由三个数字特征期望值Ex、熵En和超熵He来表示，它把语言值中的模糊性和随机性关联在一起。这三个数值可以描绘出云的大致轮廓，体现出定性知识的定量特性，其中Ex是概念在U中的重心位置，它最能代表这个定性概念在U的坐标。En是定性概念模糊度的度量，它反映了在U中可被语言值所接纳的数值范围，同时也体现出在U中的这些点所代表语言值的概率，En越大，概念所接受的数值范围相应也越大，概念越模糊。He是En的熵，体现的云滴的离散程度，He越大，相应的隶属度的随机性越大，从而呈现出云雾状。

(2)云模型

云模型的类型有对称云、组合云、半云(半降云、半升云)、正态云、二维云等。正向云发生器是定性到定量概念表示的转换，通过(Ex，En，He)产生满足条件的云滴进而构成云的过程，反之称之为逆向云发生器，是由云滴进而得到云的三个数字特征(Ex，En，He)的过程。隶属云中的三次正态分布规律是指：反映模糊概念模糊性的隶属云的期望曲线服从正态分布；反映隶属度随机性的隶属云上的点服从隶属云期望曲线上的相应点为期望值的正态分布；反映隶属云厚度变化规律的方差服从两个半正态分布。正态云模型数学期望曲线MEμ为：

(2)

正态云的生成算法如下：

(1)xi=G(Ex，En)。生成m个期望值为Ex、标准差为En的正态随机数xi；

(2)Eni=G(En，He)。生成m个期望值为En、标准差为He的正态随机数Eni；

(4)重复(1)～(3)，生成N个云滴。

用上面算法生成所需要数量的云滴，即构成具有三个数字特征的正态云。云的形态能够直观地理解语言值和定量数值之前转换的随机性和不确定性，该算法生成的云自然地具有不均匀厚度的特性，云的腰部、顶部、底部等不需要精确地定义，3个数字特征值足以描述整个云的形态。

逆向云算法[8]：

指标评价集一般取奇数个云，如3个或5个，评语总是“好、一般、差”之类的模糊概念。各位专家给出的指标评语构成的评语集对应区间为[0，1]连续数值区域，每个评语与其中一个区间相对应。针对存在双边约束[Bmin，Bmax]的评语，可利用下式计算云的数字特征，具体计算方法如下：

Ex=(Bmax+Bmin)/2

En=(Bmax-Bmin)/6

He=k，其中k为常数，可根据评语本身的模糊程度来具体调整。

对于只有单边约束的评语，可以先确定缺省期望值，再按照上式计算云参数，用半升半降云来描述，期望值取其单边约束，熵值则取其相对应对称云模型熵值的一半。由表1可知本文中交通协调性各因子的评语集都是5级，为了计算方便，将各个因子的评语[9]综合表示为{差、较差、一般、较好、好}，并将5个协调性评语置于论域区间[0，1]上，利用上面描述的对称云或半对称云模型计算Ex和En，结果见表2。

表2 专家评语对应的Ex和En数值表

3.2 基于云理论评价模型的建立及实例分析

基于熵值法-云理论的高铁客运站评价模型是在云理论的基础上提出的，通过熵值法确定指标因素的权重，使得权重数值更加贴近实际的情况，此评价模型的具体步骤如下：

(1)建立高铁客运站协调性评价指标体系

上文中已经根据文献[1]中北京南站的实例分析在表格1中给出了整个评价体系的指标。

(2)指标权重的确定

指标权重的确定是熵值法的算法进行求解的，得到的结果见表3。

表3 高铁客运站协调性评价指标权重值表

利用云理论中的逆向云生成各个因子指标的云模型特征值，结合该层指标的权重系数值及文献[4]中的相关公式，就可以得到一级指标层各指标的评价结果，同理可以求解出大型高铁客运枢纽站交通协调性最终的整体评价云模型，求解出此时的(Ex，En，He)，然后结合正态云算法在matlab中绘制云图像，分析结果。

本文采用文献[1]中的案例，利用基于熵值法-云理论的评价方法对北京南站进行分析，根据上述求解过程可以得到最终的评价云的特征值(0.530 8，0.027 4，0.005)，具有1 000个云滴的正态隶属云如图1所示。

图1 北京南站交通协调评价云图

从图中可以看出北京南站交通协调的评价指标值相对比较集中，这与该指标值具有较小的熵值一一对应，上述建立的模型和实例分析过程兼顾了高铁客运站交通协调性的随机性和定性语言描述的模糊性，并结合了熵值法的动静结合的赋权方法，使其具有较好的客观性，并且通过云理论的定性与定量的灵活转换的特点对评价的最终结果进行描述，对于大型高铁客运枢纽站的交通协调性的综合评估研究很有意义。

4 结语

基于熵值法和云模型的大型高铁客运站交通协调评价方法首先用熵值法对已给定的静态权重做出动态赋权，从而使得到的权重结果更加顺应实际情况的变化，然后再将各个指标的评价结果用云模型来表示，全面考虑客运站协调能力指标的模糊性和随机性，实现了定性语言值与定量数值之间的不确定性转换的优点，与传统的评价方法[10]相比，更加准确地反映出了北京南站客运枢纽交通协调状况。

通过对北京南站的实例分析，客运枢纽规划部门也可以根据评价的结果有针对性地改进站内设施及进行客运站的整改和扩建，提高北京南站客运枢纽的客运能力以及与其他交通方式衔接的协调水平，因此该评价方法具有一定的实践意义。该模型不仅能够得到满意的综合评估结果，而且可以给出评估结果的可信度信息，结果更加具体和直观，模型适应性较强，为高速铁路客运站协调性评估提供了一种新方法。

[1]王 梦，张 喜.北京南站交通协调综合模糊评价分析[J].铁路计算机应用，2009，18(12)：13-16.

[2]付 斌，李道国，王慕快.云模型研究的回顾与展望[J].计算机应用研究，2011，28(2)：420-426.

[3]张晓利，陆化普.城市公共交通协调调度现状与发展趋势[J].工程研究：跨学科视野中的工程，2014(1)：81-85.

[4]肖艳玲，刘晓晶，刘剑波.基于熵值法的员工绩效指标权重确定方法[J].东北石油大学学报，2005，29(1)：107-109.

[5]杨志伟.基于熵值法的物流公司仓储绩效评价[J].物流技术，2011，30(5)：89-90.

[6]张卫民.基于熵值法的城市可持续发展评价模型[J].厦门大学学报：哲学社会科学版，2004(2)：109-115.

[7]苗 鑫，西 宝.基于云理论的路网可靠性评估方法[J].公路交通科技，2008，25(8)：132-136.

[8]冉燕辉，唐万梅.基于云-灰关联分析的教学评价研究[J].重庆师范大学学报：自然科学版，2015(1)：142-146.

[9]左 巍.基于云模型和熵权的高校课堂教学质量评价模型[J].经济师，2012(8)：116-117.

[10]欧阳展.大型综合客运枢纽交通协调模型与评价方法研究[D].北京交通大学，2008.

Traffic Coordination Evaluation Model of High-speed Rail Passenger Station Based on Entropy Method-Cloud Theory

ZHANG Rong

(School of Traffic and Transportation，Lanzhou Jiaotong University，Lanzhou，Gansu，730070)

Aiming at the particularity of traffic coordination evaluation factor of high-speed rail passenger station，this article proposed the comprehensive evaluation method for traffic coordination of high-speed rail passenger station based on entropy method-cloud theory，introduced the specific process of model establishment and application，and combined with the case analysis of Beijing South Railway Station，it demonstrated the utility of this model，thereby providing the reference for the comprehensive evaluation study of traffic coordination of large high-speed rail passenger hub station.

High-speed rail passenger station；Traffic coordination；Evaluation factor；Entropy method；Cloud theory

张 荣(1990—)，在读研究生，主要研究方向：交通运输规划与管理。

U238

A

10.13282/j.cnki.wccst.2015.11.021

1673-4874(2015)11-0094-05

2015-10-12