多重模糊條件下的水上服務區(qū)類型決策

黃影，吳兵，郭國平

多重模糊條件下的水上服務區(qū)類型決策

黃影a,c，吳兵a,b，郭國平a,c

針對水上服務區(qū)類型選擇的多重模糊性問題，提出基于模糊貝葉斯的決策方法，根據(jù)文獻確定水上服務區(qū)選擇的影響因素和決策準則，建立四層決策框架；根據(jù)各服務區(qū)的供需關(guān)系對影響因素進行模糊化，利用改進的IF-THEN規(guī)則建立影響因素和輸入變量之間、影響因素和決策準則之間的推理關(guān)系；利用貝葉斯網(wǎng)絡對推理規(guī)則庫進行轉(zhuǎn)換，通過計算貝葉斯網(wǎng)絡的邊緣概率獲得決策方案值；對各節(jié)點的決策狀態(tài)賦予效用值及權(quán)重，獲得各水上服務區(qū)類型的綜合得分。將該方法應用于蕪申運河宜興水上服務區(qū)的類型選擇，結(jié)果表明，該方法能夠很好地實現(xiàn)水上服務區(qū)的類型選擇。

內(nèi)河航運；模糊貝葉斯；水上服務區(qū)；類型選擇；決策方法

水上服務區(qū)能夠解決過往船舶的日常所需，促進運輸資源的充分利用，推動航運管理的有效實施，因此其規(guī)劃選址和類型選擇問題一直備受關(guān)注[1]。在水上服務區(qū)規(guī)劃建設的過程中，需依據(jù)所在地的航運需求對服務功能進行取舍，其間往往存在服務功能需求與水上服務區(qū)類型功能配置不相符的情況。已有的研究表明[2]，服務區(qū)類型選擇需要考慮多方面的影響因素。具體來說，包括以下幾個方面：①影響因素變量描述的模糊性。由于各個影響因素既有定性和定量數(shù)據(jù)，對于定性變量，很難采用精確數(shù)值進行評價，因此往往僅能采用模糊語言變量進行描述[3]；②服務功能與類型匹配的模糊性。服務功能與類型匹配時存在定性和定量數(shù)據(jù)的轉(zhuǎn)換；③決策數(shù)據(jù)的模糊性。由于進行決策時很難獲取歷史數(shù)據(jù)，往往需要根據(jù)專家經(jīng)驗對功能需求與類型匹配進行評價，而專家往往會采用語言變量進行評價。

對于這類具有多重模糊性的決策問題，模糊數(shù)學是很好的決策方法[4-5]。首先對影響因素進行模糊化，利用IF-THEN規(guī)則建立決策準則和影響因素的關(guān)系，從而建立模糊推理規(guī)則庫，最后利用解模糊化的方法進行最終決策。然而在這個過程中，由于傳統(tǒng)的IF-THEN規(guī)則為多輸入單輸出，不能對決策準則進行精確的描述，因此也很難進行精確的決策。因此，引入置信度對各個決策準則的語言變量進行描述，建立改進的IF-THEN推理規(guī)則庫，在此基礎上，將改進的規(guī)則庫轉(zhuǎn)換為貝葉斯推理，從而建立貝葉斯網(wǎng)絡結(jié)構(gòu)模型[6-7]，并通過計算邊緣概率獲取最終決策方案值。

1 問題描述

1.1 水上服務區(qū)類型劃分

由文獻[8]獲取4類水上服務區(qū)的定義，且其各類水上服務區(qū)對應的功能配置見表1。

表1 水上服務區(qū)功能配置表

注：●必備；◎視情況選擇配置；—不設。

I類(綜合型)，主要設置在交通流量大的水域，服務對象包括過往船舶及附近居民，綜合性較強。

II類(普通型)，滿足水上運輸?shù)幕拘枨?，并可根?jù)其所處位置的實際情況設置其他拓展功能。

III類(單一型)，提供單一的加油服務，可根據(jù)實際情況增設加水、物資補給等功能。

IV類(特殊型)，沿旅游航線設置，結(jié)合沿途景觀，形成服務與景觀相結(jié)合的特色區(qū)域。

1.2 水上服務區(qū)決策問題描述

(1)

第一個問題是獲取描述影響因素的語言變量。在實際中，難以直觀獲取影響因素的語言變量，因此以較為直觀因子作為輸入變量，建立輸入變量與影響因素之間的推理規(guī)則，從而確定影響因素的語言變量。

第二個問題是利用改進后的IF-THEN規(guī)則建立影響因素與決策準則間的推理關(guān)系?？紤]到水上服務區(qū)類型選擇問題涉及15個影響因素，難以將所有影響因素作為決策準則，因此需建立影響因素與決策準則之間的推理關(guān)系。研究思路見圖2。

2 決策模型

2.1 模糊化影響因素及輸入變量

水上服務區(qū)類型選擇主要受到所在水域的船舶、船員以及當?shù)貙Ψ招枨蟮挠绊?，即對各項功能配置的需求，具體見表2。

在實際選擇中，一般根據(jù)較為直觀的因子確定描述影響因素的語言變量，例如日均船舶流量、航道等級等，本文將這些因子作為輸入變量，并依據(jù)相關(guān)文獻[9-12]對部分輸入變量進行模糊處理，將其轉(zhuǎn)化為具有模糊特征的語言變量[13]，并根據(jù)內(nèi)河水域的情況進行適當調(diào)整。其余部分輸入變量的處理則是根據(jù)調(diào)研的實際情況以及專家咨詢進行，具體見表3。

2.2 建立模糊推理規(guī)則庫

表2 水上服務區(qū)影響因素

表3 模糊化各輸入變量

在描述模糊化關(guān)系時，一般采用IF-THEN規(guī)則對輸入變量以及輸出結(jié)果之前的推理關(guān)系進行表達[14-15]。經(jīng)典的IF-THEN規(guī)則表達如下：

THENDk

(2)

由于Dk表達的是單個語言變量，因此，Rk實際上是多輸入單輸出的規(guī)則。但在經(jīng)典的IF-THEN規(guī)則中，輸入變量發(fā)生輕微變化時，單個語言變量的輸出結(jié)果難以表達出變化前后的差異。例如：

andX51,andX61,THENG11

andX51,andX62,THENG11

在上述例子中，當輸入變量由X61變化為X62時，對輸出結(jié)果并不產(chǎn)生影響。為了能夠得到多輸出結(jié)果，對經(jīng)典的IF-THEN規(guī)則進行改進，得到的表達式如下。

(3)

因此，在上述例子中，X61變化為X62時，輸出結(jié)果也隨之發(fā)生變化，具體表達如下。

在對輸入變量進行模糊化后，根據(jù)改進后的IF-THEN規(guī)則，建立輸入變量與影響因素的推理規(guī)則，見表4(以X1為例)。

類似地，建立影響因素與決策準則的推理規(guī)則。

2.3 實現(xiàn)推理規(guī)則與貝葉斯網(wǎng)絡的轉(zhuǎn)換

通過將決策目標作為父節(jié)點，輸入變量及影響因素作為中間節(jié)點，決策準則作為子節(jié)點，將輸入變量與影響因素、影響因素與決策準則的推理規(guī)則轉(zhuǎn)換為貝葉斯網(wǎng)絡，見圖3。

表4 輸入變量與影響因素的推理規(guī)則庫(X1為例)

在得到的貝葉斯網(wǎng)絡中，計算得到的邊緣概率即為水上服務區(qū)類型選擇的決策方案值。邊緣概率的計算如下。

(4)

2.4 引入效用值

為了使計算結(jié)果更加直觀，引入效用值PN，選取[0,1]區(qū)間上的值進行表達，其中(1,0.7,0.4,0.1)分別對應“非常需要”“需要”“不需要”“非常不需要”。

例如，某地區(qū)對于綜合型水上服務區(qū)船舶服務功能的邊緣概率計算為(0.816,0.184,0,0)，引入效用值后得到：

PN(G1)= 0.816×1+0.184×0.7+

0×0.3+0×0.1=0.944 8

最后，對決策準則賦予相應的權(quán)重，分別為w1，w2，w3，則綜合型水上服務區(qū)的綜合評價得分為：

S1=w1×PN(G1)+w2×PN(G2)+

(5)

3 實例

3.1 區(qū)域概況

為充分利用水上資源，進一步發(fā)揮宜興水陸聯(lián)運、內(nèi)外貿(mào)結(jié)合緊密的優(yōu)勢，同時為過往蕪申運河及掛靠宜興港的船舶提供必要的物資供應，宜興市航道管理處擬在蕪申運河宜興段設置水上服務區(qū)。

蕪申運河宜興段航道等級為IV級，規(guī)劃等級為III級，航道寬度為70 m。代表船型為500 t級內(nèi)河自航駁船，船長45 m。日均過往船舶流量約500艘，交通密度較大，船舶平均加油量約為600 L/艘，下游約200 m處設有一座多用途碼頭。水上服務區(qū)附近約200 m處設有宜興海事處辦事處，所在水域年均事故約為1次，無需設置溢油應急以及救助等服務功能。當?shù)刈匀粭l件良好，年平均風速為2.9 m/s，年均惡劣天氣約50 d。宜興水上服務區(qū)附近無旅游景點，距離市區(qū)較近，可考慮設置包括服務區(qū)室外園林綠地、休息廣場等設施，提供其他服務。

3.2 獲取各決策方案的決策準則值

對于改進后多輸入多輸出的推理規(guī)則，通過將確定父節(jié)點及子節(jié)點，可以轉(zhuǎn)換為貝葉斯網(wǎng)絡。在得到的貝葉斯網(wǎng)絡中，其邊緣概率就是決策方案值。以綜合型水上服務區(qū)船舶服務功能為例，邊緣概率計算如下：

(0.816,0.184,0,0)

即： {(0.816,非常需要),(0.184,需要),(0,不需要),(0,非常不需要)}

各決策準則邊緣概率也可利用GeNIe軟件獲得。以綜合型水上服務區(qū)為例，令決策目標中I類綜合型水上服務區(qū)取值為1，根據(jù)宜興當?shù)貙嶋H需求確定各父節(jié)點的條件概率，可得各決策準則的邊緣概率。

船舶服務功能p(G1)=(0.816,0.184,0,0);

船員服務功能p(G2)=(0.321,0.431,0.211,0.037);

公共服務功能p(G3)=(0.112,0.347,0.417,0.124)。

同樣的，各類型水上服務區(qū)決策準則的邊緣概率見表5。

3.4 獲取各決策方案值

表5 決策準則邊緣概率計算值

考慮到水上服務區(qū)船舶服務功能是其主要功能，船員服務功能也相對比較重要，對各決策準則賦予權(quán)重，分別為w1=0.5，w2=0.3，w3=0.2，在實際選擇的過程中也可以采用層次分析法等方法對其進行賦值。

根據(jù)式(5)計算得到綜合型水上服務區(qū)的評價得分。

S1=w1PN(G1)+w2PN(G1)+

w3PN(G1)=0.79246

同樣的，普通型水上服務區(qū)的評價得分為S2=0.920 14；單一型水上服務區(qū)為S3=0.873 37；旅游型水上服務區(qū)的評價得分為：S4=0.755 68。根據(jù)獲取的決策方案值，可判斷II類普通型水上服務區(qū)為最優(yōu)方案，該方案與實際選擇時采用的方案一致。

從計算結(jié)果來看，綜合型水上服務區(qū)的公共服務功能評價較低，該類型的功能配備多余；宜興水上服務區(qū)所在水域航道等級較低，交通流量較小，已設的海事辦事處能夠充分滿足過往船舶的應急需求；為避免資源浪費，應急救助、溢油應急等服務功能不宜在此地設置；單一型及旅游型水上服務區(qū)則是船員服務功能缺失，在蕪申運河宜興段航行的船舶航行時間較長，船員在航行過程中對生活物資、醫(yī)療等方面的需求較大，該地需配備相應的服務功能設施。綜合考慮，普通型水上服務區(qū)是蕪申運河宜興段的最佳決策方案。

4 結(jié)論

本文提出了一種多重模糊條件下的水上服務區(qū)類型選擇決策方法，對水上服務區(qū)供需關(guān)系的模糊化表達進行量化，減小了主觀因素對決策結(jié)果的影響，與其他模糊條件下的決策方法具有一定區(qū)別。由于數(shù)據(jù)采集有一定難度，統(tǒng)計數(shù)據(jù)不一定涵蓋所有的影響因素。所提出的方法一方面能夠解決決策時供需關(guān)系的模糊化表達問題，另一方面，通過建立多輸入多輸出的推理規(guī)則，能夠解決影響因素的語言變量模糊化問題。此外，該方法還可應用于具有多個影響因素、且具有模糊化的決策問題，具有較好的可推廣性。

[1] 卞華,肖慎,殷兆進.內(nèi)河水上服務區(qū)布局選址方法研究[J].水運工程,2007(2):6-10.

[2] 溫旭麗,過秀成,王國新.區(qū)域航道服務區(qū)布局規(guī)劃理論與實踐[J].水運工程,2008(7):121-126.

[3] XIA M, XU Z, CHEN N. Some hesitant fuzzy aggregation operators with their application in group decision making[J]. Group Decision and Negotiation, 2013,22(2):259-279.

[4] Rodriguez R M, Martinez L, Herrera F. Hesitant fuzzy linguistic term sets for decision making[J].Fuzzy Systems, IEEE Transactions on, 2012,20(1):109-119.

[5] Masahiro Inuiguchi, Tanino T. Possibilistic linear programming with fuzzy if-then rule coefficients [J].Fuzzy Optimization and Decision Making, 2002,1(1):65-91.

[6] ZHANG D, YAN X P, YANG Z L, et al. Incorporation of formal safety assessment and Bayesian network in navigational risk estimation of the Yangtze River [J].Reliability Engineering & System Safety, 2013,118:93-105.

[7] Ferreira L, Borenstein D. A fuzzy-Bayesian model for supplier selection[J].Expert Systems with Applications, 2012,39(9):7834-7844.

[8] 溫旭麗,李輝,過秀成.高等級航道水上服務區(qū)的探索與實踐[J].現(xiàn)代交通技術(shù),2005,2(4):80-84.

[9] 范中洲,吳兆麟,張闖,等.基于可拓理論的船舶定線制應用研究[J].大連海事大學學報:自然科學版,2013(1):43-45.

[10] 馬麗麗,吳超仲,陳剛,等.模糊綜合評判模型在三峽庫區(qū)通航環(huán)境安全評價中的應用[J].船海工程,2009(2):141-144.

[11] 吳兵,嚴新平,汪洋,等.多部門協(xié)同的內(nèi)河失控船應急處置決策方法[J].交通運輸系統(tǒng)工程與信息,2015,15(5):16-23.

[12] 吳建軍,肖英杰.基于集對分析的定線制水域航行環(huán)境的綜合安全評價[J].上海海事大學學報,2011,32(1)：30-34.

[13] 錢佳.不確定環(huán)境下模糊應急物資庫存模型[J].上海海事大學學報,2010,31(1):33-38.

[14] YANG Z, BONSALL S, WANG J. Fuzzy rule-based Bayesian reasoning approach for prioritization of failures in FMEA[J]. IEEE Transactions on Reliability, 2008,57(3):517-528.

[15] Lee C J, Lee K J. Application of Bayesian network to the probabilistic risk assessment of nuclear waste disposal [J]. Reliability Engineering & System Safety, 2006,91(5):515-532.

(武漢理工大學 a.航運學院； b.智能交通系統(tǒng)研究中心； c.內(nèi)河航運技術(shù)湖北省重點實驗室，武漢 430063)

Research for Type Selection of Waterway Service Area under Multiple-fuzziness

HUANG Yinga,c, WU Binga,b, GUO Guo-pinga,c

(a.School of Navigation; b.Intelligent Transportation System Research Center;c.Hubei Key Laboratory of Inland Shipping Technology Wuhan University of Technology, Wuhan 430063, China)

Aiming at the multiple-fuzziness problems in selecting the appropriate type of inland waterway service area, a decision-making method is proposed based on fuzzy Bayesian network. From the literature review, the influencing factors of inland waterway service area were obtained and the decision attributes were also defined to establish the four-layer decision-making framework. The membership function was introduced to fuzzify the influencing factors, and the improved IF-THEN rule was used to setup the relationship between influencing factors and input variables and influencing factors and attributes respectively. After transformation the rule base into Bayesian network, the decision matrix was obtained by the marginal probability. The utility value was introduced to obtain the utilities of each functional type. The inland waterway service area of Yixing is used to verify the proposed approach as an illustrative example, showing that this model is useful and beneficial for type selection of waterway service area.

inland waterway transportation; fuzzy Bayesian network; waterway service area; type selection; decision-making method

10.3963/j.issn.1671-7953.2017.01.041

2016-03-09

國家科技支撐計劃(2015BAG20B05)； 高等學校博士學科點專項科研基金 (20130143120014)

黃影(1992—)，女，碩士生研究方向:交通環(huán)境與安全保障

U697

A

1671-7953(2017)01-0167-06

修回日期：2016-06-13