云模型在应急物流系统服务能力评价中的应用研究

姚国梁，智路平 （上海海事大学，上海200136）

YAO Guo-liang, ZHI Lu-ping (Shanghai Maritime University, Shanghai 200136, China)

随着人类不断对自然资源的掠夺式开发和利用，人类所赖以生存的环境日益恶化，成为许多自然灾害频发的诱因。如2008 年我国南方大部分地区的低温雨雪冰冻灾害和“5.12”四川汶川特大地震；2009 年甲型H1N1 流感病毒在全国的肆虐等。诸如此类突发事件，如不能及时响应处理，将会危及人民生命和财产的安全，造成社会的不稳定。

通过比较分析可见，这些突发事件在救助过程中有一些共同点：灾区短时间内需要大量的应急救援物资；灾区由于交通和通讯被破坏的原因，与外界联系处于暂时中断状态，成为信息孤岛。因此，高效快速获得灾区的一线信息，派遣救援队伍进入灾区，并将救援物资运抵灾区显得十分重要。若没有强大的应急物流系统做支撑，在短时间内将应急救灾物资运抵灾区几乎是不可能的。建立一套反应速度快、服务能力强的应急物流服务系统，并不断改善和优化是当前形势发展的迫切需要。

1 应急物流系统及服务能力评价研究现状

1.1 应急物流系统

应急物流系统（Emergency Logistics System） 是一个由众多物流元素、物流环节和物流实体组成的相互联系、相互协调、相互作用的有机整体。该系统为了满足突发性事件，如自然灾害、公共卫生事件、重大事故等的物流需求，借助现代信息技术，整合物流诸要素，以时间效益最大化和灾害损失最小化为目标，及时、快速提供救援物资和实施救援活动。

根据实际运行的需要，应急物流系统的核心体系机构为应急物流指挥协调中心，下设三个主要职能型部门，分别为：应急物资采购及储存部门、物资运输保障部门和应急物资分配部门。应急物流总指挥中心以及各职能部门之间通过信息平台进行有效、实时的沟通协调，使整个应急物流系统高效有序运行。应急物流系统运作流程如图1 所示。

1.2 应急物流服务能力评价研究现状

在国内，诸多学者对应急物流系统的服务能力、系统评价体系等方面进行了相关研究：刘小群等从物流系统能力的角度分析了应急物流，并从有效性、柔性、独特性、开放与可扩展性、整体性等五个方面对其特征进行了剖析；李建国等对导致应急物流产生的四种突发公共事件所侧重的六种应急物流保障部门的物资储备进行了分析，并应用层次分析法评价了应急物流的保障能力；聂彤彤从物流网络环境的视角，并从组织能力、信息能力、基础能力、预案建设能力和敏捷性建设能力评价等方面对应急物流中心的能力评价展开分析和讨论；余德建等采用网络分析理论进行研究并力求建立应急物流保障能力评价方法，同时通过算例对应急物流的保障能力进行评价。

应急物流体系服务能力的研究现状表明，在服务能力评价或服务绩效评价等方面还存在一些有待改进的地方：如现有的研究对于系统评价指标体系的建立不够科学合理；在评价指标各因子所占权重时主观性较强，缺乏科学性；在具体评价中，部分指标具有一定的随机性和模糊性，在对其量化过程中，只是简单地根据经验值来确定，不能有效反应该指标在量上的真实数据等。

2 云模型理论

1995 年，在概率论和模糊数学的基础上，我国工程院院士李德毅教授提出了云的概念，并深入研究了模糊性和随机性及两者之间的关联性。云模型是用语言值描述的定性概念与其数值表示之间的不确定性转换模型。以云模型表示自然语言中的基元——语言值，用云的三个数字特征——期望Ex（）、熵En（）和超熵He（）表示语言值的数学性质。当前，云模型在数据挖掘、决策分析、智能控制、图像处理等众多领域发挥着极其重大的作用。

期望Ex（）是定性概念在论域的中心值，最能代表该概念，隶属度为1。熵En（）是定性概念模糊度的度量，体现定性概念定向表示的范围，熵的值越大，概念所能接受的数值范围越大，意味着概念越模糊。超熵He（）是熵En（）的熵。它反映了云滴的离散程度。超熵He（）越大，代表着某点的隶属度的随机性越大。通过云的三个数字特征值可以将模糊性和随机性综合到一起，实现定性与定量之间的映射。

云的生成算法称为云发生器，云发生器包括：正向云发生器、X条件云发生器、Y条件云发生器和逆向云发生器。由云的数字特征产生云滴，称为正向云发生器；给定云的三个数字特征（Ex,En,He）和特定的数值X0的条件下的云发生器称为X条件云发生器；给定云的三个数字特征（Ex,En,He）和特定的确定度值μ0的条件下的云发生器称为Y条件云发生器；给定符合某一正态云分布规律的一组云滴（xi, μi）作为样本，产生描述云模型所对应的定性概念的三个数字特征（Ex,En,He），称为逆向云发生器。X和Y两种条件云发生器是运用云模型进行不确定性推理的基础。结合正向云发生器和逆向云发生器，可以实现定性与定量的随时转换。

3 应急物流系统服务能力评价

运用云模型对应急物流系统服务能力进行评价是以量化专家对于各评价因素对服务能力影响程度的判断为基础，使用云模型的可视化特点获取各评价因素的权重，更具合理性和科学性；利用德尔菲法确定因素层次结构，并利用云模型发生器实现系统服务能力评价指标的定性定量的转换；运用多因素综合评判模型对已量化的数据进行计算，得到待评价的应急物流系统的服务能力。具体步骤如下：

（1） 建立应急物流系统评价指标体系——将评价前制定的总体评价目标进行细化，得到诸多分目标；专家组中各位专家根据自身的认知和经验，初步确定评价因素体系，进一步确定系统总体评价过程中各评价因素所占权重的分布范围，并进行定性描述。

（2） 获得云模型的数字特征——采用德尔菲法，进行打分；利用X条件云发生器完成专家定性认识的定量转换；并采用均值法逆向云发生器求得数据样本的数字特征（Ex,En,He）。

（3） 确定系统各评价因素的权重——在（2） 的基础上，借助正向云发生器生成评价云图，并根据云图判断专家对不同评价因素影响强度的离散程度；循环若干次，获得各评价因素的权重。

（4） 实现模糊语言评价的量化范围——制作应急物流系统服务能力评价调查表，收集待评价系统的评价因素的基本数据资料；确定各评价因素评价标准的语言描述与数值的对应关系。

（5） 实现定性定量转换——通过运用云模型发生器，实现各评价指标的定性语言描述与定量之间的转换，从而获得量化值。

（6） 计算系统得分——获得评价指标的权重和量化值后，运用多因素综合评判方法计算得到系统最终评价得分；根据得分，判断系统的服务能力，并提出相应的优化建议。

4 算 例

4.1 确定评价指标体系及评价标准

评价指标体系构建的合理性和科学性直接关系到评价结果的可信度和参考价值。一般来说，评价指标体系的层次多寡由待评价系统的复杂性以及评价精度共同决定。结合待评价系统的实际运作状况，建立如表1 所示的评价指标体系及评价标准。

表1 中，评价因子五个不同层次的评价标准是通过德尔菲方法，以评价专家根据自己的知识、经验积累为基础，用定性、模糊的语言值来表达一定量的数值范围。例如“应急物流技术水平”中的评价因子“收集的信息准确度”的评价标准——“优、良、中、较差、差”分别对应于该物流系统的技术水平优劣的不同数值范围。

表1 应急物流系统服务能力评价指标

4.2 各评价因素权重的确定

根据专家知识、经验建立各评价因素的权重数值分布范围及与之相对应的定性的语言描述。如表2 所示。

表2 评价因素权重分布范围

专家组成员对已建立的评价因素体系进行强度等级打分，在此基础上，运用云发生器进行定性描述与定量数值的相互转换；用正向云发生器产生云图，并经多次循环，逐渐可视化控制专家经验的收敛速度。

实际评价过程显示：在第一轮专家意见征询中，由于专家组成员对应急物流系统服务能力的含义、各评价因素对系统服务能力的影响强度的理解还不到位，导致熵和超熵都较大。也表明信息比较分散、每个数值隶属于相应语言值的隶属度的随机性变化也较大；利用这时云模型的数字特征Ex、En和He，采用正向云发生器发现得到的云滴的离散度仍然比较大，表明专家之间的认识还存在很大的分歧，还未统一认识；在第二轮专家意见征询时，将第一轮专家打分的结果经过筛选分类和归纳整理后反馈给各专家，让其逐步调整自己的打分结果。结果发现云模型的熵和超熵开始减小。利用这时的Ex、En、He，并通过正向云发生器得到的云图由雾状开始向云凝聚，表示概念逐步开始形成；将第二轮专家打分的结果归纳整理后再次反馈给专家，进行第三轮专家的意见征询统计，发现熵和超熵再次减小，利用这时的Ex、En、He，发现通过正向云发生器得到的云图凝聚性再次增强，表示概念已经形成，认识已经统一；经过多轮的意见征询，应急物流系统服务能力评价因素的权重得到最终的确定，结果如表3 所示。

4.3 评价指标的定性定量转换及综合评判

表4 是待评价的应急物流系统服务能力评价的调查表。根据评估专家组的知识和经验积累，对评价指标体系中的各个评价标准用云模型进行描述，然后使用云发生器实现服务能力评价的具体指标项的定性定量转换，获取各个评价指标的量化值，如表4。

根据已经获得的系统各个评价因素的权重值和表4 中的待评价系统中各评价指标的量化值后，利用如下的多因素综合评判模型公式进行计算：

表3 各评价因素权重

其中：i为评价因子数目；Fi为第i个因子的量化值；Wi为第i个因子的权重。

经计算，该应急物流服务系统的综合服务能力的综合评价得分为86.86。根据评价得分，可见该系统的总体服务能力处于中上等级的良好等级。由于系统是一个互相联系的有机整体，任何一项出现问题都会影响整个系统的服务水平，所以，整体综合评价得分高并不能保证系统就一定能够提供可靠的高水平服务。因此，需要根据具体的评价结果对系统进行优化和完善。该系统需要在管理控制机制及物流技术的采用等方面加强管理和分析研究，采取相应有效的措施，如提高管理控制的信息化水平、加强管理职能部门人员的技能培训、对相应的应急软件系统进行升级换代、及时关注物流技术的发展动向并组织学习，在适当时机将新的技术或方法应用到现有系统中等。通过发现系统的薄弱环节，并采用相应的优化措施和手段对系统进行优化提升，达到完善系统服务能力的目的。

5 结 论

本文通过建立应急物流系统服务能力综合评价指标体系，对应急物流系统服务能力展开综合评价研究。在评价过程中，采用云模型和特尔斐法挖掘并确定应急物流系统服务能力评价影响因素及其权重，同时，利用逆向云发生器实现评价指标评语的定性定量之间的转换，根据转换结果，利用多因素综合评判方法进行综合评测，从而得到系统的综合服务能力评价值，并提出相应的优化和改进建议。该评价过程考虑了现实世界和人类认识的模糊性和随机性，为系统服务能力的完善和提升提供了可行性的方法和思路，评价结果更具可信度和说服力。

表4 各评价因素指标评判及量化

[1] 李德毅. 不确定性人工智能[M]. 北京：国防工业出版社，2005.

[2] 范定国,等. 一种基于云模型的综合评判模型[J]. 科技情报开发与经济，2003(12):157-158.

[3] Zhi Ma, Wei Zhang, Hui Li. The Evaluation Method Based on Cloud Model for Complex System[C]//2011 IEEE International Conference on, 2011:438-441.

[4] Guo Rong-xiao, Xia Jing-bo, Zhang Li, et al. Research on Multiple Attribute Evaluation Method Based on Cloud Model[C]//Advanced Computer Control（ICACC）, 2010 2nd International Conference on, 2010.

[5] 刘小群,等. 应急物流能力的内涵剖析与构成体系[J]. 灾害学，2007,22(2):123-127.

[6] 钟利军. 应急物流系统绩效评价[J]. 物流工程与管理，2009(3):68.