智能运输系统的评价方法

目前，常用的智能运输系统评价方法有很多，但每种评价方法都各有利弊，本节主要介绍费用效益分析法、德尔菲法、DHGF算法三种评价方法。

1）费用效益分析法

在美国和欧盟，费用效益分析法在ITS项目评价中占据了主导地位，费用效益分析法的过程可分为3个阶段：确定备选方案、影响分析、评价。下面分别予以阐述。

（1）确定备选方案。

基础方案：不严格地说，基础方案就是现状或“作最少”方案。

备选方案：可供选择的方案，例如建设ITS设施，还是采用其他方案如拓宽道路等。

辅助设施：不管哪一个备选方案被选中，都有与之相关的一套辅助设施以确保该投资获得最大效益。

（2）影响分析。

所有的影响都可归为费用、效益和转移。费用和效益已为人们所熟知，这里主要就转移略作说明。实际上，大量的影响都是转移，这意味着个人可能在其中有得有失，而社会总量却未变动，例如由于ITS设施建设和运行导致的利用者付费和税率的变化和土地利用的变化等。社会总量不会因为转移而提高或降低，然而转移会影响公平和行为，由此产生费用和效益。

实际上，一个特定的费用是否称为费用或效益也不是固定的，在实际操作中，费用一般由ITS项目的直接费用组成，它应该包括首期投资，但可以包括或不包括运行和维护费用。

ITS项目的效益来源于建设ITS项目的目标，它包括正效益和负效益，通常包括：①时间的节约；②用户费用和外部费用的减少；③安全性的提高；④质量的提高，例如客运的舒适度、准时性的提高，货物破损率的降低；⑤消费者剩余的增加。上述效益都可归为交通费用的降低，当此交通费用的降低以一般化费用呈现给用户时，将会诱发更多的交通量。诱增交通量的效益可以用价格与需求曲线间的面积来计量，称为消费者剩余。

（3）评价。

计算各备选方案的总效益和总费用并对它们进行比较，计算效益费用比或效益费用差，确定项目的可行性和最佳方案。

采用费用效益分析法进行ITS评价，首先需要明确的问题是ITS项目是否明显不同于其他传统运输项目（例如新建、扩建道路），因而导致常规的费用效益分析法无法应用或需要做大量的修改呢？问题的答案是复杂的。其实以往的费用效益分析法仍然可使用，但是传统运输项目的费用效益分析是建立在良好的历史数据积累的基础之上的。然而ITS项目经常是缺乏费用和效益的历史数据的，因为很多项目可能是头一次实施，根本没有别的已建项目的数据可供参考。因此ITS项目评价的数据主要基于模型（包括仿真），而非来源于历史数据的收集。

相对于费用估计而言，效益估计是一个非常困难的工作，ITS效益估计需要复杂的假设和仿真技术提供估计的输人，于是不同的假设和仿真技术将导致效益计算不同的输人，最终导致评价结果的差异，因此ITS评价人员应该充分意识到这些问题。如何为估算费用和效益作出合理的假设需要ITS评价人员作出艰苦的努力，为了精确预计ITS项目的费用和效益，现在亟须建立ITS项目的费用和效益的数据库（数据来源于仿真和现场实施监测），这个数据库应该包括工程、经济、社会、环境等方面的费用和效益等方面的数据。

2）德尔菲法

德尔菲法是对智能运输系统进行评价的一种定性分析方法，它是为了避免集体讨论时有可能发生屈从于权威或盲目服从等现象而采用的一种方法。它主要运用匿名方式进行意见的征询与交流，专家之间互不知晓，意见及看法代表了各自的真正想法。这样得到的汇总也比较能反映群体意志。这种方法的优点主要是简便、易行、快速，具有一定科学性和实用性，可以避免会议讨论时“权威影响”及“大多数效应”的弊端。其缺点是该评价分析主要属于专家的主观定性判断，个人的观点对评价起着关键作用，具有一定的局限性。

3）DHGF算法

DHGF算法是将德尔菲法、层次分析法、灰色关联法、模糊评判法集合而成的一种综合性算法。其具体步骤如下：根据需要确定的评价指标种类，得出每类指标的权重；根据专家的意见得出评价量矩阵；根据需要设定的评价等级得出评估灰类；根据模糊评判矩阵得出评价结果。

（1）根据需要确定的评价指标种类，得出每类指标的权重。

交通运输的发展在环境与能源方面有一定的影响，而智能运输系统对交通运输解决环境与节能两大问题具有积极的作用。目前世界各国都很关注气候变暖问题，根据哥本哈根会议的精神要求，为适应“低碳时代”的需要，目前指标体系的可以从安全性、环保性、节能性、经济性、准时性、及时性6个方面来考虑。

假定设置的指标体系包含以上6个方面（可以根据实际需要进行不同的设置），那么可确定这6类（Ai，i＝1，2，…，6）智能运输系统的评价指标集合为：

Ai＝A1，A2，…，A6（12-1）

由于各个指标在专家看来对智能运输系统的影响程度不一样，所以有必要对这些指标加权重并进行归一化处理，得到比较权重矩阵：式中，Fi为指标Ai所对应的权重，且

F＝（F1，F2，…，F6）（12-2）

以下为某实例资料：经过专家对指标的比选，某智能运输系统的指标权重

如下：

F＝（F1，F2，F3，…，F6）＝（0.15，0.22，0.21，0.17，0.11，0.14）

（12-4）

（2）根据专家的意见得出评价量矩阵。

设有m位专家参与上述6类指标的评价，将第i位专家对指标Al给出的评分记为hli。综合各位专家得到评价样本矩阵H，为了便于专家评定，规定使用5分制打分，最高分为5分。

现假设请5位专家为该智能运输系统进行评分，形成如下评价样本矩阵H：

（3）根据需要设定的评价等级得出评估灰类。

设智能运输系统评价标准集合Ｕ为：

Ｕ＝（Ｕ1，Ｕ2，Ｕ3，Ｕ4）（12-6）

根据评价等级集合Ｕ，可确定评估灰类也为4类：

C＝（C1，C2，C3，C4）＝（4，3，2，1）（12-7）

式（12-7）中，Ci为灰数的等级，设fj＝（hli）为根据hli得到的第j灰类的白化权函数，则白化权函数如下：

第1灰类，灰数C1∈［4，］，其白化权函数如下：

第2灰类，灰数C2∈［0，3，6］，其白化权函数如下：

第3灰类，灰数C3∈［0，2，4］，其白化权函数如下：

第4灰类，灰数C4∈［0，1，2］，其白化权函数如下：

（4）根据模糊评判矩阵得出评价结果。

求出灰色统计数、灰色评估权值及模糊权矩阵：设所有m位专家对评价指标Ai第j灰类的灰色统计数为bij，总灰数统计数为bi，灰色权向量记为pij，则有：可得由pij构成的模糊权矩阵P：

结合本例，对于指标A1，该智能运输系统属于第1灰类至第4灰类的统计数分别为：同理：对于指标A1的总灰数统计数为：则有同理可得pij。

计算模糊综合评判矩阵及评价结果：对上述指标权重矩阵F和模糊权矩阵P进行复合运算，得到模糊综合评判矩阵X：先对Ｘ进行归一化处理，再令：

式中Y为智能运输系统的综合评价值。综合评价值越高，说明智能运输系统的应用效果越好。相对本例，根据上述已计算出的资料可得：归一化处理后仍为：

因此，根据以上所给定的“优”“良”“中”“差”4个等级的标准可知，该智能运输系统的综合评价等级属于良好的水平。

DHGF算法的主要优点是该评价方法比较科学与直观，不足之处是采用的专家评分仍然具有一定的主观性，且分析过程相对于其他算法来说也比较烦琐。

以上所介绍的三种评价方法都有自己的利弊，当然除了上述的评价方法外还有层次分析法、多目标分析方法等其他评价方法，具体选择哪种评价方法需要根据实际情况和要求进行选择。