铁路运输质量安全管理-第492部分

快捷操作: 按键盘上方向键 ← 或 → 可快速上下翻页 按键盘上的 Enter 键可回到本书目录页 按键盘上方向键 ↑ 可回到本页顶部! 如果本书没有阅读完，想下次继续接着阅读，可使用上方 "收藏到我的浏览器" 功能 和 "加入书签" 功能！


由此计算出的指标评价值可信度是较低的；第二，定量指标等级临界值的确定非常困难，

而它对于定量指标评价值的确定又是至关重要的，这给定量指标评价值的确定工作带来

了不必要的麻烦。基于上述理由，建议采用舍弃等级论域的方法确定基础指标评价值，即

将指标取值范围规定为　
％　
&　
#％％，相当于将指标评判等级划分　
#％％个小等级，指标值越大，

说明其隶属于安全的程度越高，同时也表明其安全性越好。舍弃等级论域的做法不仅克

服了等级论域法的上述不足，而且，它得到的指标值为一点值而非向量，不再局限于模糊

综合评判的处理方法。　


#*定性指标评价值的确定
对于定性指标，指标值具有模糊和非定量化的特点，很难用精确数字来表示，只能采
用模糊数学的方法对模糊信息进行量化处理，主要有等级比重法和专家评分法。
（#）等级比重法（又叫实验统计法）
请一组专家进行试验，每一人次试验是要在表格中打钩、且对每个因素仅打一个钩
（即每行打一个钩），见表　
！〃！〃（。最后统计出各个格子中打钩的频率，得到专家组对于　



—　
##〃！　
—　
铁路运输质量安全管理与事故处理实用手册
###################################################
##

每个单因素的评判结果。例如，请　
！〃〃位专家对“安全管理”进行评判，分别有　
#〃、〃、！〃、　
#、#人的评判为、、、、，“安全管理”这一单因素的

“很好”“较好”“一般”“较差”“很差”则对
评判为（〃％#，〃％，〃％！，〃　
％　
〃#，〃　
％　
〃#）。最后，将各个单因素评判结果综合成评判矩阵　
！　
&（　
〃　
#
）
％　
’　
&
式中　
％　
———因素个数；　
&———评语等级数。

表　
（）（）*等级比重法表

很好较好一般较差很差
因素　
！　
！
因素　
（　
！　
。
因素　
％　
！

ù　
ú　
ú　
úú
。　
é　
ê　
ê　
êê
。　

等级比重法的最大特点是简单、方便、实用，但精确度不高。
（（）专家评分法
请　
&个专家对取定的一组指标　
’　
！
，’　
（
，。，’％
，分别给出隶属度　
（（　
’#
）（　
#　
&！，（，
。，％）的估计值　
（　
#　
&！，　
。，％；　
&！，　
。，&）则因素　
的隶属度　
〃#

〃#（，（，，’#
可由下式估
计：　
〃#　
&！　
&　


&　
〃　
〃（#
　
&！，（，。，&）

　
&！　


式中　
〃#———第　
位专家对第　
#个因素的评价值。

由专家评分法得出的评判矩阵为一列向量　


〃　
！　


〃　
（

！　
&　


。　


〃％

利用专家评分法得出的判断较等级比重法精确。但是，该方法是用一个确切的数表
示判断，如果问题比较复杂、敏感、信息不全，或者专家对问题的了解不够全面、确切，在这
种情况下，人的判断具有多种可能性，无法找出一个确切的数值。但如果要专家给出判断
的一个范围，却是比较客观的选择。专家给出的判断范围越小，说明专家对问题的把握性
越大，反之，则相反。不同专家对同一问题所给出的判断范围，可以看作是一个随机集的
若干独立实现，而利用随机集估计真值，属于集值统计的范畴。因此，可应用集值统计法
来确定定性指标评价值。

集值统计是汪培庄、刘锡荟等学者于　
！＋；…年首次提出的一种新的模糊统计方法。它
不同于经典的概率统计，经典统计样本一般被看作是一个随机变量的若干独立实现，集值
统计的样本则被看作是一个随机集的独立实现。

具体做法为：　



附录二铁路运输安全系统分析、评价与管理—　
##〃！　
—　





选择　
！位专家，专家选择应视具体情况而定。给出评价指标值的两个极点，为方便
专家赋值，取　
！，〃！！两点，然后请专家给出指标　
〃#
；评价值的区间估计，得到　
！位专家对
指标　
〃#
的一个集值统计序列：

［　
〃〃
，#〃
，##
］［　
〃　
！
，#　
！
］

］［　
〃#
，　
。，
将这　
！个区间落影到评价指标值域轴上，得到样本落影函数　
！％（　
）（如图　
#　
　
#　
　
〃％
所示）：


图　
#　
#　
〃％样本落影直方图　


〃　
！　
（　
）

！％（　
）&　
！　
〃　
％［　
〃　
&
，#　
&
］

&　
&〃　


其中　
％［　
〃　
&
，#　
&
］（　
）&
〃｛〃　
&　
’　
　
’　
#　
&　


！　
其它
取（）*&｛#〃
，##
，。，#！
｝，（＋；&｛〃〃
，〃#
，。，〃！
｝，则指标〃#
的评价值’（）为：
’

！　


#　

　
（）*！％（　
）　
…　
〃［（　
#　
&
）#（　
〃　
&
）#］　


（　
）&　
#　
　
（＋；　
！％（　
）　
&　
&　
&〃
！　


　
（）*
（＋；　
…　
#〃［（　
#　
&　
　
〃　
&
）］　


&　
&〃

#。定量指标评价值的确定

定量指标即可量化指标，它可以通过一定的技术测量手段确定其量值。由于定量指
标的计量单位各不相同，不具有可比性。因此，在确定指标实际值之后，还必须解决指标
间的可综合性问题，即进行指标的无量纲化处理，通过一定的数值变换来消除指标间的量
纲影响。

从本质上讲，指标无量纲化过程也就是求解隶属函数的过程，各种无量纲化公式，也
就是指标的隶属函数。求定量指标隶属度的无量纲化方法多种多样，应根据各个指标本
身的性质确定其隶属函数公式，但依次确定每个指标隶属函数关系式非常困难。为简单
起见，可选择直线型无量纲化方法来解决定量指标间的可综合性问题，如图　
#　
　
#　
　
〃/所
示。

（〃）效益型（即指标值越大越好）指标　



—　
##〃！　
—　
铁路运输质量安全管理与事故处理实用手册
###################################################
##


图　
！〃　
！〃　
#直线型隶属函数　


ì#&&　
〃　
！　
〃　
’（）

。　
。。　

〃　
〃　
〃　
’＋；

！　
％　
í#&&　
*　
〃　
’＋；　
…〃　
…〃　
’（）

。　
。。　〃　
’（）　
〃　
〃　
’＋；　


。&　
〃〃　
〃　
’＋；
（！）成本型（即指标值越小越好）指标　


ì#&&　
〃　
〃　
〃　
’＋；　


〃

。　
。。　〃　
’（）　
〃　


！　
％　
í#&&　
*　
〃　
’＋；　
…〃　
…〃　
’（）

。　
。。　〃　
’（）　
〃　
〃　
’＋；　


。&　
〃！　
〃　
’（）
（。）适中型（即指标值越接近某一固定值越好）指标　


〃　
〃　
〃　
’＋；

ì

#&&　
*　


。〃#　
〃　
〃　
’＋；。　
！　
％　
í　〃　
’（）　
〃　
〃　


#&&　
*　


。　

。　〃　
’（）　
〃　
〃#　
。

&　


式中　
！　
———定量指标评价值；　
〃———有量纲指标实际值；　
〃　
’（）
——
——有量纲指标最大值；　
〃　
’＋；　
———有量纲指标最小值；　
〃#　
———适中型指标的固定值。

（三）指标体系的赋权处理

…

〃#　
…〃　
…〃　
’（）　
〃〃　
〃　
’＋；
，〃！　
〃　
’（）

〃　
’＋；　
〃〃　
〃#　


众所周知，指标体系中各评价指标对系统安全的贡献大小和重要程度不同，对评价指
标间的这种差异可通过赋以不同权重值的办法表示。

指标体系的赋权方法很多，对于带有定性指标的指标体系的赋权方法，目前主要包括
统计均值法、二项系数法、两两比较法、环比评分法、层次分析法等。其中，较为有效的是
层次分析法。

层次分析法（简称　
/01）是美国运筹学家萨提于　
2&年代中期提出的一种实用的决策
方法、其基本过程为：首先将复杂问题分解成递阶层次结构，然后将下一层次的各因素相
对于上一层次的各因素进行两两比较判断，构造判断矩阵，通过对判断矩阵的计算，进行
层次单排序和一致性检验，最后进行层次总排序，得到各因素的组合权重，并通过排序结　



附录二铁路运输安全系统分析、评价与管理—　
##〃！　
—　


！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！
！！

果分析和解决问题。它可以对非定量事物作定量分析，对人们的主观判断作客观描述。
运用　
！〃#确定权重，大体可分为四个步骤。　


％建立递阶层次结构

这是　
！〃#中最重要的一步，首先要把问题条理化、层次化，构造出一个层次分析的结
构模型、在这个结构模型下，复杂问题被分解为若干元素，这些元素又按其属性分成若干
组，形成不同层次。同一层次的元素对下一层次的某些元素起支配作用，同时它又受上一
层次元素的支配。

递阶层次结构中的层次数与问题的复杂程度及需要分析的详尽程度有关，一般地可
以不受限制。每一层次中各元素所支配的下一层元素一般不要超过九个，这是因为支配
的元素过多会给两两比较判断带来困难。一个好的层次结构对于解决问题是极为重要
的，因而层次结构必须建立在深入分析的基础上。　


&％构造判断矩阵
对于递阶层次结构中各层上的元素可以依次相对于与之有关的上一层元素，进行两
两比较，从而建立一系列的判断矩阵。判断矩阵　
！　
’（　
〃#
）
％　
（　
％
具有下述性质：　


〃#　
）*，〃#　
’　
〃　
　
#
，〃#　
’（　
#，　
’，&，。，％）

其中，　
（　
#，　
’，&，。，％）代表元素　
&#
与　
&
相对于其上一层元素重要性的比例标
度。判断矩阵的值反映了人们对各因素相对重要性的认识，一般采用　
＋；比例标度对重
要性程度赋值。标度及其含义如表　
&…&…。所示。

〃#

表　
&…&…。判断矩阵标度及其含义

标度含义　
表示两个元素相比，具有同等重要性　
/表示两个元素相比，前者比后者稍微重要　
0表示两个元素相比，前者比后者明显重要　
1表示两个元素相比，前者比后者强烈重要　
；表示两个元素相比，前者比后者极端重要　
&，2，3，。表示上述相邻判断的中间值
倒数若元素　
#与元素　
的重要性之比为　
〃　
#
，那么元素　
与元素　
#重要性之比为　
〃　
#　
’　
’　
〃　
#　


/％计算单一准则下元素的相对权重并进行一致性检验

设判断矩阵　
！的最大特征根为！456，其相应的特征向量为　
（，解判断矩阵　
！的特征
根问题：　


！（　
’！456　
（
所得　
（经归一化后，即为同一层次相应元素对于上一层次某一因素相对重要性的
权重向量。
由于客观事物的复杂性以及人们对事物认识的模糊性和多样性，所给出的判断矩阵
不可能完全保持一致，有必要进行一致性检验，计算一致性指标　
）*：　



—　
！！〃！　
—　
铁路运输质量安全管理与事故处理实用手册
〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃〃
〃〃

！〃　
！！〃#　
％　
#　
#　
％&
其中，#为判断矩阵阶数。
若随机一致性比率　
！　
！　
！〃　
％　
〃　
’　
（）&（，则判断矩阵具有满意的一致性，否则需要调
整判断矩阵的元素取值。随机一致性指标　
〃取值见表　
*％*％＋。

表　
*％*％＋平均随机一致性指标　
〃取值　


#　
&　
*　
；　
…。　
/　
0　
1　
＋　
&（　
〃　
（　
）　
（（　
（　
）　
（（　
（　
）　
。1　
（　
）　
＋（　
&　
）　
&*　
&　
）　
*&　
）　
；*　
&　
）　
…&　
&　
）　
…。　
&　
）　
…＋　


…）计算组合权重及一致性检验

计算组合权重是指计算同一层次所有因素对于最高层因素相对重要性的权重。若上
一层次　
&含有　
’个因素　
&　
&
，&　
*
，。，&’
，其组合权值为　
（&
，（*
，。，（’
，下一层次　
）包含　
#
个因素　
）&
，）*
，。，）#
，它们对于因素　
&*
的相对权值分别为　
＋&　
*
，＋*　
*
，。，　
（当　
）与　
&*
无

＋#*；

关时，＋；*　
！（），此时　
）层因素的组合权重由表　
*％　
*％　
&（给出。

此外，还需要进行递阶层次组合判断的一致性检验，该步也是从上到下逐层进行的。
若　
）层某些因素相对于　
&*
的层次单排序一致性指标为　
！〃*
相应的平均随机一致