改進(jìn)的層次模糊分析法在內(nèi)河航道危險貨物運(yùn)輸風(fēng)險評估中的應(yīng)用

王少雄　張明文

0 引 言

近年來，我國危險貨物運(yùn)輸行業(yè)快速發(fā)展，危險貨物運(yùn)輸事故也逐年增多。數(shù)據(jù)顯示，約80%的危險貨物事故發(fā)生在運(yùn)輸環(huán)節(jié)。[1]盡管危險貨物運(yùn)輸事故較少，但一旦發(fā)生將會造成嚴(yán)重的人身財產(chǎn)損失，因此有專家學(xué)者針對危險貨物運(yùn)輸過程中的風(fēng)險進(jìn)行了相關(guān)研究。申嘉輝等[2]采取層次分析法與模糊數(shù)學(xué)相結(jié)合的方法針對危險貨物物流公司的安全狀況進(jìn)行了評價，并通過計算歐幾里得貼近度對評價結(jié)果進(jìn)行了驗證;王玉等[3]對危險貨物運(yùn)輸車輛或船舶駕駛員的不穩(wěn)定因素進(jìn)行了識別，并采用模糊層次分析法與三角模糊數(shù)相耦合的方法對駕駛員差錯與其致因之間的關(guān)系進(jìn)行了分析;黃文成等[4]采用熵權(quán)法計算道路危險貨物運(yùn)輸系統(tǒng)的耦合度、協(xié)調(diào)度和耦合協(xié)調(diào)度，從而針對道路危險貨物運(yùn)輸系統(tǒng)的風(fēng)險進(jìn)行了評價;徐文星等[5]通過引入類決策樹剪枝法對危險貨物車輛運(yùn)輸過程中的路徑進(jìn)行了優(yōu)化，并通過現(xiàn)場應(yīng)用驗證了優(yōu)化方法的可行性。上述研究主要側(cè)重于危險貨物道路運(yùn)輸過程中人、機(jī)、環(huán)、管等4個子系統(tǒng)方面的安全評價，關(guān)于內(nèi)河航道危險貨物運(yùn)輸風(fēng)險評估的研究相對較少。

內(nèi)河水體具有相對封閉、自凈能力較弱等特點(diǎn)，一旦危險貨物泄漏將對內(nèi)河生態(tài)環(huán)境造成極大危害。王超[6]采用多層次分析法對內(nèi)河水路運(yùn)輸?shù)娜恕⒋?、環(huán)境、貨物和管理等5個方面進(jìn)行了風(fēng)險評價;田茂軍等[7] 對1～9標(biāo)度的層次分析法進(jìn)行了改進(jìn)，采用三標(biāo)度層次分析法構(gòu)建判斷矩陣來確定內(nèi)河航道運(yùn)輸風(fēng)險等級;鄭大明等[8]采用風(fēng)險分析和網(wǎng)格化定量風(fēng)險評估方法，對杭州內(nèi)河通航水域進(jìn)行了風(fēng)險量化評估。

上述針對內(nèi)河航道危險貨物運(yùn)輸風(fēng)險的評價研究存在兩方面問題：

（1）評估指標(biāo)選取有待優(yōu)化。環(huán)境因素指標(biāo)通常集中在氣象、水文等自然環(huán)境，忽略了船舶流量、橋梁等交通環(huán)境因素對運(yùn)輸風(fēng)險的影響;指標(biāo)選取時一級指標(biāo)和二級指標(biāo)中定量的指標(biāo)較少，定性指標(biāo)較多且難以量化導(dǎo)致評估結(jié)果與實際存在偏差。

（2）二級指標(biāo)權(quán)重系數(shù)確定方法有待改進(jìn)。大多數(shù)的內(nèi)河危險貨物運(yùn)輸風(fēng)險評估在確定二級指標(biāo)權(quán)重系數(shù)時通常沿用一級指標(biāo)使用的層次分析法，該方法依賴專家打分的客觀程度，且指標(biāo)增多導(dǎo)致計算過程繁瑣。

筆者對內(nèi)河航道危險貨物運(yùn)輸風(fēng)險評估指標(biāo)進(jìn)行了優(yōu)化，并對傳統(tǒng)的層次模糊綜合評價法進(jìn)行了改進(jìn)，對一級指標(biāo)和二級指標(biāo)分別采取不同的方法來確定相應(yīng)的權(quán)重系數(shù)，將專家權(quán)重系數(shù)與熵權(quán)法相結(jié)合以降低專家打分的主觀影響，提高最終評估結(jié)果的客觀性。

1 內(nèi)河航道危險貨物運(yùn)輸風(fēng)險評估指標(biāo)體系的構(gòu)建

筆者通過對內(nèi)河航道、錨地、碼頭、橋梁等風(fēng)險因素的現(xiàn)場調(diào)研，結(jié)合內(nèi)河危險貨物運(yùn)輸?shù)奶攸c(diǎn)構(gòu)建了內(nèi)河危險貨物運(yùn)輸風(fēng)險評估指標(biāo)體系（見圖1），指標(biāo)多為易定量且影響較大的風(fēng)險指標(biāo)。內(nèi)河危險貨物運(yùn)輸風(fēng)險評估指標(biāo)體系分為3層：第1層為目標(biāo)層;第2層為準(zhǔn)則層，共有環(huán)境因素、設(shè)備設(shè)施因素、人員因素、危險貨物因素、管理因素等5個一級指標(biāo);第3層為指標(biāo)層，共有日均通航船舶數(shù)、橋梁適航度、航道等級、氣象條件等14個二級指標(biāo)。

2 各級指標(biāo)權(quán)重系數(shù)的計算

2.1 計算一級指標(biāo)的權(quán)重系數(shù)

一級指標(biāo)共有5個影響因素，由于評估對象不多且對精度要求高，因此采用層次分析法來確定各個指標(biāo)的權(quán)重系數(shù)。邀請專家對照1～9標(biāo)度表對各個指標(biāo)進(jìn)行兩兩比較確定重要性程度，形成專家判斷矩陣M。

對判斷矩陣的處理有兩種思路：一種是計算判斷矩陣的特征值和對應(yīng)的特征向量，并進(jìn)行一致性檢驗，然后對特征向量進(jìn)行歸一化處理得出各個一級指標(biāo)的權(quán)重系數(shù);另外一種方法是先對判斷矩陣進(jìn)行簡化處理再進(jìn)行相容性計算，如果判斷矩陣相容則進(jìn)行歸一化處理，從而得出各一級指標(biāo)的權(quán)重系數(shù)。

由于一致性檢驗對于低階判斷矩陣可以通過查表得出，而判斷矩陣階數(shù)增多，其對應(yīng)的一致性指標(biāo)無法直接獲取，本文采用第二種方法來計算一級指標(biāo)的權(quán)重系數(shù)。根據(jù)專家的評估結(jié)果建立判斷矩陣M，見式（1）;對判斷矩陣M進(jìn)行簡化，矩陣M中大于等于1的元素記為1，小于1的元素記為0，得到簡化矩陣M'，見式（2）;將簡化后的矩陣M'進(jìn)行自乘運(yùn)算，即M"=M'xM'，計算結(jié)果見式（3）。M"簡化后的矩陣與簡化矩陣M'一致，因此判斷矩陣M具有相容性。

由于判斷矩陣M具有相容性，準(zhǔn)則層的5個一級指標(biāo)權(quán)重系數(shù)算法見式（4），計算結(jié)果見式（5）。對向量W?進(jìn)行歸一化處理即可得到5個一級指標(biāo)最后的權(quán)重系數(shù)，見式（6）。

式中：M為一級指標(biāo)的專家打分標(biāo)度;i= 1，2，…，5; j= 1，2，…，5。

2.2 計算二級指標(biāo)的權(quán)重系數(shù)

筆者采用熵權(quán)法簡化二級指標(biāo)權(quán)重系數(shù)的計算過程，同時在矩陣計算中增加專家信心指數(shù)來提高最后計算結(jié)果的精度。

熵權(quán)法確定指標(biāo)權(quán)重系數(shù)的思路是通過計算指標(biāo)的信息熵來確定指標(biāo)的變異程度，如果該指標(biāo)信息熵的值較大，則其變異程度較大，對評估結(jié)果的影響也就越大，其對應(yīng)的權(quán)重系數(shù)也就越大。

（1）內(nèi)河危險貨物運(yùn)輸風(fēng)險評估指標(biāo)體系共有14個二級指標(biāo)，邀請5名港航方向的專家對這14個二級指標(biāo)進(jìn)行賦值打分，每個指標(biāo)的分值區(qū)間為1～100，分值越高則表明該指標(biāo)的重要性越大。專家打分結(jié)果見表1。根據(jù)表1建立二級指標(biāo)專家判斷矩陣D：

式中：m為一級指標(biāo)個數(shù)，m=1，2，…，5; n為二級指標(biāo)個數(shù)，n=1，2，…，14。

（2）對二級指標(biāo)專家判斷矩陣D進(jìn)行標(biāo)準(zhǔn)化計算，見式（8）。標(biāo)準(zhǔn)化處理后的結(jié)果見表2。

式中： max（T）為指標(biāo)T的最大值; min（T）是指標(biāo)Tij的最小值。

（3）計算各個二級指標(biāo)的信息熵Ei及對應(yīng)的權(quán)重系數(shù)Fi，見式（9）、式（10），結(jié)果見表3。

筆者共邀請5名專家對二級指標(biāo)進(jìn)行賦值打分，每位專家的信心指數(shù)S通過式（11）計算。

式中：a、b、c、d分別表示各個專家的指標(biāo)評估自信度、專業(yè)領(lǐng)域熟悉度、專業(yè)技術(shù)職稱以及工作年限，具體對應(yīng)分值見表4。

5名專家的具體得分K見式（12）。將專家得分K進(jìn)行歸一化計算，得到專家信心系數(shù)，見式（13）。對二級指標(biāo)專家判斷矩陣D按照式（14）進(jìn)行歸一化計算，各二級指標(biāo)專家指數(shù)權(quán)重Fi' 通過式（15）進(jìn)行計算，計算結(jié)果見表3。

熵權(quán)法得到的二級指標(biāo)權(quán)重系數(shù)Fi與專家信心指數(shù)權(quán)重系數(shù)F'進(jìn)行耦合計算得出最終的二級指標(biāo)權(quán)重系數(shù)W'，耦合計算見式（16），計算結(jié)果見表3。

2.3 實例應(yīng)用

嘉興內(nèi)河水網(wǎng)密布，碼頭泊位主要分布在低等級航道及小港支流上，危險貨物運(yùn)輸主要通過杭申線、杭平申線、乍嘉蘇線、京杭運(yùn)河等干線航道及其支線航道。筆者選取杭平申線來驗證內(nèi)河航道危險貨物運(yùn)輸風(fēng)險評估指標(biāo)體系的合理性和有效性。

（1）邀請杭平申線航道上30名危險貨物經(jīng)營企業(yè)的安全管理人員和危險貨物運(yùn)輸企業(yè)的負(fù)責(zé)人，結(jié)合杭平申線航道危險貨物運(yùn)輸裝卸的實際情況，對各個二級指標(biāo)進(jìn)行評價，評價等級分為差、較差、一般、較好和好等5個等級。將評價結(jié)果進(jìn)行歸一化處理，處理結(jié)果見表5，形成二級指標(biāo)模糊判斷矩陣Bi，見式（17）。

（2）將二級指標(biāo)模糊判斷矩陣Bi與二級指標(biāo)權(quán)重系數(shù)Wi'進(jìn)行乘積計算確定杭平申線航線的整體評估矩陣N，計算結(jié)果見式（18）。將一級指標(biāo)權(quán)重系數(shù)W與整體評估矩陣Ni相乘得到最終的評價矩陣G，計算結(jié)果見式（19）。對照風(fēng)險等級評估分值（見表6）按照式（20）計算杭平申線航道最終的風(fēng)險等級L。杭平申線航道最終的風(fēng)險等級評估分值為70.6分，評估分值介于60～80，為一般風(fēng)險。

3 結(jié) 語

（1）構(gòu)建內(nèi)河航道危險貨物運(yùn)輸風(fēng)險評估指標(biāo)體系時盡量選取易定量且對風(fēng)險等級影響較大的因素，在環(huán)境因素中除自然環(huán)境因素外還增加了船舶流量、橋梁等交通環(huán)境因素。

（2）在傳統(tǒng)的模糊層次分析法的基礎(chǔ)上，采用熵權(quán)法來簡化二級指標(biāo)權(quán)重系數(shù)計算過程，同時在矩陣運(yùn)算中增加專家權(quán)重系數(shù)來降低專家的主觀性和不確定性對評估結(jié)果的影響，提高了最終評估結(jié)果的精度和可信度。

（3）采用模糊評價法進(jìn)行風(fēng)險評估指標(biāo)體系實例應(yīng)用時，由于14個二級指標(biāo)沒有完全定量化，收集到的危險貨物經(jīng)營企業(yè)安全管理人員和危險貨物運(yùn)輸企業(yè)負(fù)責(zé)人的打分結(jié)果部分存在雷同和主觀影響，需要邀請更多行業(yè)內(nèi)從業(yè)人員參與評估過程或者對各二級指標(biāo)進(jìn)行進(jìn)一步優(yōu)化來消除這方面的影響。

參考文獻(xiàn)：

[1] 鄒宗峰，張保全. 危險化學(xué)品道路運(yùn)輸安全管理現(xiàn)狀及發(fā)展趨勢研究[J]. 中國安全科學(xué)學(xué)報，2011（6）：129-134.

[2] 申嘉輝，李東明，萬梅.?；肺锪鞴景踩膶哟?模糊分析[J].科學(xué)技術(shù)與工程，2020（36）：14 890-14 894

[3] 王玉，王超，莊潔，等.基于改進(jìn)HFACS的?；饭捃嚬愤\(yùn)輸事故致因分析[J].物流技術(shù)，2019（9）：68-73.

[4] 黃文成，帥斌，龐璐，等. 基于耦合協(xié)調(diào)度的道路危險品運(yùn)輸系統(tǒng)風(fēng)險評價[J].中國安全科學(xué)學(xué)報，2016（6）：117-122.

[5] 徐文星，梁菁菁，邊衛(wèi)斌，等. 基于類決策樹剪枝法的?；愤\(yùn)輸實時路徑規(guī)劃[J].化工學(xué)報，2018（S2）：324-329.

[6]王超.基于多層次分析法的內(nèi)河水路運(yùn)輸風(fēng)險評價及控制措施[J].中國水運(yùn)，2019（5）：31-32.

[7] 田茂軍，毛瑞勇，楊雅鑫，等.基于FCE的內(nèi)河航道運(yùn)輸風(fēng)險評價[J].中國水運(yùn)，2020（1）：40-41.

[8] 鄭大明，江莉.杭州內(nèi)河航道通航安全風(fēng)險分析與對策研究[J]. 浙江交通職業(yè)技術(shù)學(xué)院學(xué)報，2017（1）：32-34，86.