智能背景下城市共享停車風(fēng)險及對策研究
——基于ANP-Fuzzy模型

蓋鈺娜

（青島科技大學(xué)）

1 引言

隨著我國社會經(jīng)濟(jì)的快速發(fā)展和人民生活水平的不斷提高，私家車數(shù)量不斷增長。這不僅加劇了道路交通的擁擠，其他方面的諸多問題也由此產(chǎn)生，例如小區(qū)的環(huán)境、管理問題等。于是，在智能化的大背景下，“共享停車”的思想由此誕生。

雖然共享停車這一理念在許多城市中已經(jīng)開始進(jìn)行推廣應(yīng)用，但其仍然面臨著許多實質(zhì)性的問題，阻礙著共享停車的進(jìn)一步推廣。

2 共享停車風(fēng)險評價指標(biāo)體系

風(fēng)險的評價能夠有效引導(dǎo)共享停車的發(fā)展，本文分別從內(nèi)部風(fēng)險和外部風(fēng)險兩個方面建立共享停車存在風(fēng)險的評價指標(biāo)體系，具體構(gòu)成如表1所示。

2.1 ANP-Fuzzy評價方法

ANP- Fuzzy評價方法是將ANP網(wǎng)絡(luò)分析法與Fuzzy模糊綜合評價法相結(jié)合。這樣一來，相互影響的各個元素的關(guān)系不僅能夠得到處理，同時不易量化分析的定性指標(biāo)也得到了定量分析，能夠保證最終的結(jié)論的準(zhǔn) 確性。

表1 共享停車風(fēng)險評價指標(biāo)體系

2.2 構(gòu)建ANP-Fuzzy模型的步驟

1）構(gòu)建ANP的判斷矩陣

假設(shè)ANP的控制層Pn，網(wǎng)絡(luò)層有元素Pni，首先要分別計算其子指標(biāo)的權(quán)重向量。在衡量矩陣Ck任意兩因素的相對重要性時，應(yīng)當(dāng)以標(biāo)度作為標(biāo)準(zhǔn)，以層次分析法創(chuàng)始人Thomas L.Saaty提出的九分法為標(biāo)準(zhǔn)。最后，利用方根法來判斷矩陣P的最大特征根λmax和對應(yīng)的經(jīng)歸一化處理的特征向量W。其中三者之間的關(guān)系可以表示為AW=λmaxW。

根據(jù)求解特征向量的步驟，可以計算出以二級指標(biāo)為準(zhǔn)則的指標(biāo)的各個權(quán)重向量。但由于存在一級指標(biāo)，在一級指標(biāo)的作用下，又將生成n個權(quán)重向量即為超矩陣W，每一個權(quán)重向量都是一個包含二級指標(biāo)權(quán)重向量的獨立矩陣。同樣將超矩陣W進(jìn)行歸一化處理，即可得到加權(quán)超矩陣W—。

2）對判斷矩陣進(jìn)行一致性檢驗

如果一致性比例＜0.1，那么可以稱判斷矩的一致性是可以接受的。

3）模糊綜合評價法步驟

建立綜合評價評價模型，根據(jù)矩陣乘法計算模糊向量=T×W。利用“最大隸屬原則”判斷，數(shù)值最大的即為軟件開發(fā)過程中最需要注重的因素。

3 基于ANP-Fuzzy模型的案例應(yīng)用

3.1 研究對象

將小區(qū)“百合苑”作為案例研究對象。百合苑是坐落在山東省煙臺市鳳翔區(qū)中心的一個普通公寓住宅小區(qū)，也是該地第一個共享停車的試點小區(qū)。區(qū)中心的現(xiàn)狀是：上班族早上到公司 “車位已滿”，而下班回家又找不到空余車位所在。鳳翔區(qū)通過智能平臺，在百合苑小區(qū)嘗試共享停車試點，推出錯峰共享停車計劃，探索解決區(qū)中心的停車難題。

3.2 基于ANP-Fuzzy模型的實證分析

3.2.1 建立不同準(zhǔn)則下的ANP判斷矩陣

根據(jù)專家建議、“百合苑”智能軟件后臺評論數(shù)據(jù)以及通過訪問小區(qū)中具有代表性的使用者共同對“捷停車位”開發(fā)風(fēng)險的評價指標(biāo)進(jìn)行評判，同時采用Thomas L.Saaty提出的九分法進(jìn)行數(shù)值確定，建立以P1準(zhǔn)則為例的ANP判斷矩陣：

由此得到的特征向量[0.099，0.221，0.680]作為以P1為準(zhǔn)則的指標(biāo)的權(quán)重向量。同理可得P2、P3、P4、P5準(zhǔn)則下的指標(biāo)權(quán)重分別為：

綜上可以得出，以P為準(zhǔn)則下的矩陣都符合一致性檢驗的標(biāo)準(zhǔn)。由于存在一級指標(biāo)，需要計算由指標(biāo)二形成的加權(quán)超矩陣，所以通過運用Super Decision軟件，計算出了一級指標(biāo)的權(quán)重向量為：（0.418，0.126，0.239，0.072，0.145），由于C.R.=0.077＜0.1，所以也符合一致性檢驗的標(biāo)準(zhǔn)。

3.2.2 對指標(biāo)運用模糊綜合評價法

為了保證計算效果的準(zhǔn)確性，本文通過調(diào)查問卷形式向30名有代表性的人員尋求建議，所得結(jié)果綜合匯總?cè)绫?所示。

根據(jù)計算過程，可以得出

模糊向量U=WB=（0.296，0.340，0.304，0.055，0.004）

3.2.3 案例風(fēng)險評價分析

根據(jù)上述的計算過程得到的最終結(jié)果，然后利用模糊數(shù)學(xué)的基本原則之一“最大隸屬原則”進(jìn)行判斷、分析，可以得出以下結(jié)論。

基于內(nèi)部風(fēng)險的角度。共享停車的引入者要對案例小區(qū)的所有用戶的目標(biāo)進(jìn)行了解，盡量形成一個整體統(tǒng)一的目標(biāo)。同時合理分配物業(yè)方面的提成，提高物業(yè)方面的合作力度，使業(yè)主深刻了解停車位不足的現(xiàn)狀，積極向業(yè)主展現(xiàn)使用共享車位可以帶來的收益，幫助合作各方達(dá)到目標(biāo)上的最大契合。

表2 共享停車位開發(fā)風(fēng)險評價表

基于外部風(fēng)險的角度，案例小區(qū)需要注重解決外部風(fēng)險特別是“技術(shù)風(fēng)險”存在的問題。加大對軟件的投資力度，給予開發(fā)商充足的資金支持，大力發(fā)展技術(shù)，定期對智能系統(tǒng)進(jìn)行升級改造。同時共享停車負(fù)責(zé)后臺應(yīng)該時刻注意用戶提出的反饋意見與面臨問題，及時進(jìn)行處理和解決，給用戶更好地體驗，以獲得用戶更好的支持。

4 結(jié)論與展望

根據(jù)實證案例分析得出的結(jié)論，可以看出智能背景下共享停車的主要任務(wù)是技術(shù)層面與合作層面的雙步提升，只有技術(shù)與溝通得到提升，共享停車才能夠得到大眾用戶的歡迎，才能擁有更廣闊的市場。

此外，本文也證實了ANP-Fuzzy方法用來評估不同領(lǐng)域風(fēng)險的可行性。ANP和Fuzzy的相互作用，能夠克服傳統(tǒng)經(jīng)驗定性和定量方法中 AHP 思路存在的缺點，大大增強(qiáng)了共享停車的開發(fā)商對智能共享軟件開發(fā)過程中風(fēng)險存在的重視程度，在一定程度上避免了由于開發(fā)不當(dāng)、用戶需求得不到滿足的行為，提升了共享停車在用戶范圍內(nèi)的認(rèn)可程度，提高了共享停車在小區(qū)甚至更寬范圍的使用率。

綜上所述，可從問題視角和方法工具的角度為此領(lǐng)域內(nèi)的研究提供新的思路，可將此研究模式運用到不同小區(qū)共享停車風(fēng)險的評價工作中。