CN101441745A - 一种实现铁路应急救援能力综合评价的方法 - Google Patents

Abstract

本发明公开了一种针对铁路应急救援能力综合评价的方法，属于铁路应急救援能力评价技术领域。本发明的技术方案包括下列步骤，建立铁路应急评价指标体系，利用模糊综合评价确定各指标的隶属函数，利用AHP层次分析法确定各指标的权重，设计调查问卷，对调查问卷及数据进行处理，计算得出结果。本发明适应于铁路特有的自身结构并满足铁路灾害救援类型多样性的特点，可作为不同地区铁路应急能力评价指标体系的基本框架结构。

Description

一种实现铁路应急救援能力综合评价的方法

技术领域

本发明属于铁路应急救援能力评价技术领域。尤其是一种针对铁路应急救援能力综合评价的方法。

背景技术

应急救援作为维持铁路运输系统正常运行的重要支撑体系之一，在铁路的安全运营方面起到了极为重要的作用，建立一个高效的铁路应急救援评价体系并对其指标进行科学合理的评价是十分有必要的。目前，我国铁路这一领域相对落后，总体上存在着信息资源少、业务功能弱、通信手段差等问题，因此，运用铁路应急救援能力综合评价方法将铁路应急救援能力作为整体进行评价研究，为我国铁路应急救援能力评价领域提供了一种合理的新方法。具有十分重要的经济价值和社会意义。

发明内容

本发明的目的在于提供一种实现铁路应急救援能力综合评价的方法。构建适应于铁路应急救援能力评价的指标体系，利用模糊综合评价法确定各指标的隶属函数，同时，根据指标内容进行问卷调查，利用AHP层次分析法对各指标权重进行计算，最终得出评价结果，并根据结果提出相应改进措施。

本发明的技术方案是，一种实现铁路应急救援能力综合评价的方法，其特征是所述方法包括下列步骤：

步骤1：建立铁路应急评价指标体系；

步骤2：利用模糊综合评价确定各指标的隶属函数；

步骤3：利用AHP层次分析法确定各指标的权重；

步骤4：设计调查问卷；

步骤5：对调查问卷及数据进行处理；

步骤6：计算得出结果；

步骤7：根据结果进行同级指标排序并提出改进措施。

所述步骤3，还包括下列步骤，

步骤31：选择专家决策群填写AHP调查问卷；

步骤32：比较判断矩阵；

步骤33：计算一致性指标和一致性比率；

步骤34：检验判断矩阵的一致性；如果不一致，则跳回到步骤31，对判断矩阵进行调整；

步骤35：计算得到权重。

本发明提出的一种实现铁路应急救援能力综合评价的方法，适应于铁路特有的自身结构并满足铁路灾害救援类型多样性的特点，可作为不同地区铁路应急能力评价指标体系的基本框架结构。同时，也为救援指挥人员改进救援方法、提高救援能力提供了依据。

附图说明

图1是实现铁路应急救援能力综合评价的方法流程图。

图2是铁路应急能力评价指标体系图。

图3是模糊综合评判流程图。

图4是模糊统计法隶属曲线图。

图5是半梯形分布与梯形分布图。

图6是矩形分布或半矩形分布图。

图7是抛物形分布图。

图8是三角形分布图。

图9是中间型岭形分布图。

图10是AHP层次分析法的计算流程图。

图11是三层结构层次图。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

图1是实现铁路应急救援能力综合评价的方法流程图。图中，步骤101铁路应急评价指标体系的建立，其过程如图2所示。图2中，基于铁路应急能力是一项全方位的工作，因此涉及到日常建设工作、预案管理及演练实施、应急救援行动、应急资源装备及支持及恢复阶段等五个方面内容。将所有评价指标按照体系的结构和内容进行层次化、结构化划分，建立铁路应急能力评价指标体系，为铁路应急能力的综合评价提供计算依据。

图1中，步骤102利用模糊综合评价确定各指标的隶属函数。如附图3所示，模糊综合评价方法就是对涉及模糊因素的对象综合考虑多种因素进行评价和判决的问题。对于各级指标的内容，选择与其信息最为接近的隶属函数，将评价指标无量纲化，从而较好的反映指标所表达的客观实际内容。对于指标数量多且内容不同，统计难度较大的情况，选用指派法确定该评价指标的隶属函数，即根据每一指标的特性和专家知识，从已有的标准模糊分布中选择适当的模糊分布，然后根据经验指定或根据试验数据计算出隶属函数中有关参数，最后确定该评价指标的隶属函数。

这里有必要介绍一下常用的隶属函数：

(1)推理法

推理法是依“理”推出隶属函数的表达式。这里的“理”是指所考虑的模糊集的特性。模糊集合总是代表某个领域中的某一概念，根据这些特性可以推导出其隶属函数的表达式。推导过程中，先要选定论域，然后确定隶属度为1和0的那些特殊点，然后根据隶属函数的大致形状来确定隶属函数的表达式。

(2)模糊统计法

图4是模糊统计法隶属曲线图，该方法借用了概率统计的思想，其步骤与概率统计中的随机试验是相对应的。选择相应的论域X，对象在X上的模糊集为

，用统计试验确定指标x对

的隶属度，即通过n次试验得出覆盖x区间的资料为m，则称m/n为x对于该对象的隶属概率。

模糊统计方法主要是进行模糊统计实验。要确定论域U上的模糊集合A的隶属函数A(u)，在U中选择一个元素u₀∈U，再考虑U上的一个集合A^*，A^*对应于A，是一个动态的经典集合。每次模糊统计实验要判定u₀是否属于A^*，要作出明确的判定，要么u₀∈A^*，要么 $u_0\∉A^{*},$ 因此A^*是一个经典集合，但A^*在每次实验中可能有变化，有时u₀∈A^*，而有时 $u_0\∉A^{*},$ 因此A^*是动态的、边界可变的经典集合。如果进行了n次模糊统计实验，定义：

其中

表示第j次判定集合A^*的特征函数对u₀的取值。随着n的增大，隶属频率也呈稳定性，频率所稳定的值取作u₀对A的隶属度。

对于任意的u∈U都得到隶属度，就得到了A的隶属函数

(3)二元对比法

二元对比法是根据人类习惯于两两比较的心理特点设计的。要求人们同时比较论域中的所有元素并由此确定各元素的隶属度往往是很困难的，但当取U中的两个元素相比时，情况较为简单，容易正确地比较出两者中哪一个属于某一模糊集合的程度大，以两两比较的结果为基础确定隶属函数的方法称为二元对比法。

设论域U＝{u₁，u₂，...，u_m}，A∈F(U)，用二元比较法确定隶属函数A(u_i)，i＝1，2，...，m的方法如下：

取U中任意一对元素(u_i，u_k)，其中1≤i<k≤m，对均进行n次比较，规定第j次比较结果为：

并且有：α^j(k，i)＝1-α^j(i，k)

n次比较的总结果为：

$\mathrm{\&alpha;}(i,k)=\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}^j(i,k)$

$\mathrm{\&alpha;}(k,i)=\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}^j(k,i)=\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}(1-{\mathrm{\&alpha;}}^j(i,k))=n-\mathrm{\&alpha;}(i,k)$

当i＝k＝1，2，...，m时，令：α(i，k)＝0

由以上结果构造一个矩阵，其对角线上第i行第k列元素(i＝k＝1，2，...，m)α(i，k)均为0。上三角第i行第k列元素(1≤i<k≤m)对应取α(i，k)，下三角元素对应取α(k，i)：

$\left[\begin{array}{cccc}0& & & \\ & 0& & \mathrm{\&alpha;}(i,k)\\ & \mathrm{\&alpha;}(k,i)& \&CenterDot;\&CenterDot;\&CenterDot;& \\ & & & 0\end{array}\right]$

两两比较中总的次数，即为矩阵中各元素之和，记为γ：

$\mathrm{\&gamma;}=\underset{i=1}{\overset{m-1}{\mathrm{\&Sigma;}}}\underset{k=i+1}{\overset{m}{\mathrm{\&Sigma;}}}(\mathrm{\&alpha;}(i,k)+\mathrm{\&alpha;}(k,i))=\underset{i=1}{\overset{m-1}{\mathrm{\&Sigma;}}}\underset{k=i+1}{\overset{m}{\mathrm{\&Sigma;}}}n=\underset{i=1}{\overset{m-1}{\mathrm{\&Sigma;}}}(m-i)n=\frac{1}{2}(m^2-m)n$

上式可直接由

$\mathrm{\&gamma;}=C_m^{2}n=\frac{1}{2}(m^2-m)n$

计算得出。

设矩阵各行元素这各分别为γ_i，i＝1，2，...，m，则γ_i表示第i个元素u_i在两两比较中比其余各元素属于A程度大的次数，显然有：

$\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{\mathrm{\&gamma;}}_i=\mathrm{\&gamma;}$

当n足够大时，取隶属函数为：

$A\left(u_i\right)=\frac{{\mathrm{\&gamma;}}_i}{\mathrm{\&gamma;}},i=\mathrm{1,2},...,m$

(4)模糊分布

在客观事物中，最常见的是以实数R作论域的情形。把实数R上上模糊集的隶属函数称为模糊分布。这里，列出几种常用的模糊分布，以便在研究实际问题时供选择之用。如可根据问题的性质，选择适当(即符合实际情况)分布，那么，隶属函数的确定便显得十分简便。

1)半梯形分布与梯形分布

图5是半梯形分布与梯形分布图。图中，从左至右依次为偏小型、偏大型和中间型。

偏小型： $\tilde{A}\left(x\right)=\left\{\begin{array}{cc}1& x<a\\ \frac{b-x}{b-a}& a\&le;x\&le;b\\ 0& x>b\end{array}\right.$ 偏大型： $\tilde{A}\left(x\right)=\left\{\begin{array}{cc}0& x<a\\ \frac{x-a}{b-a}& a\&le;x\&le;b\\ 1& x>b\end{array}\right.$

中间型： $\tilde{A}\left(x\right)=\left\{\begin{array}{cc}0& x<a\\ \frac{x-a}{b-a}& a\&le;x<b\\ 1& b\&le;x<c\\ \frac{d-x}{d-c}& c\&le;x<d\\ 0& x\&GreaterEqual;d\end{array}\right.$

2)矩形分布或半矩形分布

图6是矩形分布或半矩形分布图。图中，从左至右依次为偏小型、偏大型和中间型。

偏小型： $\tilde{A}\left(x\right)=\left\{\begin{array}{cc}1& x\&le;a\\ 0& x>a\end{array}\right.$ 偏大型： $\tilde{A}\left(x\right)=\left\{\begin{array}{cc}0& x<a\\ 1& x\&GreaterEqual;a\end{array}\right.$

中间型： $\tilde{A}\left(x\right)=\left\{\begin{array}{cc}0& x<a\\ 1& a\&le;x<b\\ 0& x\&GreaterEqual;b\end{array}\right.$

3)抛物形分布

图7是抛物形分布图。图中，从左至右依次为偏小型、偏大型和中间型。

偏小型： $\tilde{A}\left(x\right)=\left\{\begin{array}{cc}1& x<a\\ {\left(\frac{b-x}{b-a}\right)}^k& a\&le;x<b\\ 0& x\&GreaterEqual;b\end{array}\right.$

偏大型： $\tilde{A}\left(x\right)=\left\{\begin{array}{cc}1& x<a\\ {\left(\frac{x-a}{b-a}\right)}^k& a\&le;x<b\\ 0& x\&GreaterEqual;b\end{array}\right.$

中间型： $\tilde{A}\left(x\right)=\left\{\begin{array}{cc}0& x<a\\ {\left(\frac{x-a}{b-a}\right)}^k& a\&le;x<b\\ 1& b\&le;x<c\\ {\left(\frac{d-x}{d-c}\right)}^k& c\&le;x<d\\ 0& x\&GreaterEqual;d\end{array}\right.$

4)三角形分布

图8是三角形分布图。三角分布的隶属函数曲线的形状由三个参数a，b，c决定，其表达式如下：

$\tilde{A}\left(x\right)=\left\{\begin{array}{cc}0& x\&le;a\\ \frac{x-a}{b-a}& a\&le;x\&le;b\\ \frac{c-x}{c-b}& b\&le;x\&le;c\\ 0& c\&le;x\end{array}\right.$

5)中间型岭形分布

图9是中间型岭形分布图。中间型岭形分布的隶属函数曲线的形状由二个参数a，b决定，其表达式如下：

$\tilde{A}\left(x\right)=\left\{\begin{array}{cc}0& x\&le;=-b\\ \frac{1}{2}+\frac{1}{2}\sin \frac{\mathrm{\&pi;}}{b-a}(x+\frac{a+b}{2})& -b<x\&le;-a\\ 1& -a<x\&le;a\\ \frac{1}{2}-\frac{1}{2}\sin \frac{\mathrm{\&pi;}}{b-a}(x-\frac{a+b}{2})& a<x\&le;b\\ 0& b<x\end{array}\right.$

图1中，步骤103利用AHP层次分析方确定各指标的权重。目前，测量权重的方法众多：专家咨询法、相对比较法、连环比率法、重要度比较法、熵值法、层次分析法(AHP)等等。考虑到影响铁路安全因素的复杂性以及人为因素较多，选择应用层次分析法的方法对指标权重进行计算。AHP层次分析法一种定量分析与定性分析相结合起来的多目标决策分析方法。在实际应用中，以AHP比较调查问卷为基础，通过隶属函数计算各指标的隶属值，并以此为计算的基础，通过AHP层次分析法对各指标的权重进行计算，最终得出计算结果。

图10是AHP层次分析法的计算流程图。AHP层次分析法就是从所有元素中任取两个元素进行对比，将“同等重要”、“稍微重要”、“明显重要”、“强烈重要”、“极端重要”等定性语言量化。结合图10，其步骤主要如下：

步骤201：选择专家决策群填写AHP调查问卷

专家决策群体指的是包括在铁路应急救援部门工作的具有丰富行业经验的相关人员以及从事铁路应急救援研究工作的相关专家。同时，在对问卷的处理过程中根据填写人员各自的年龄、学历以及从事应急救援工作的经验等赋予问卷一定权重。

步骤202：比较判断矩阵

判断矩阵也可表示为：

$P={\left({\mathrm{\&delta;}}_{\mathrm{ij}}\right)}_{n\&times;n}=\left[\begin{array}{cccc}{\mathrm{\&delta;}}_{11}& {\mathrm{\&delta;}}_{12}& ...& {\mathrm{\&delta;}}_{1n}\\ {\mathrm{\&delta;}}_{21}& {\mathrm{\&delta;}}_{22}& ...& {\mathrm{\&delta;}}_{2n}\\ ...& ...& ...& ...\\ {\mathrm{\&delta;}}_{n1}& {\mathrm{\&delta;}}_{n2}& ...& {\mathrm{\&delta;}}_{\mathrm{nn}}\end{array}\right]$

其中，δ_ij(i＝1，2，...，n；j＝1，2，...，n)表示因素B_i与B_j相对A_k的重要性标度值。

在判断矩阵A中，其元素δ_ij满足以下关系：

δ_ij>0(i，j＝1，2，...，n)

δ_ij＝1(i＝1，2，...，n)

δ_ij＝1/δ_ji

在层次分析法中，一系列成对因素的相对重要性的比较是定性的，为了使决策判断定量化，形成上述数值判断矩阵，必须引入合适的标度值对各种相对重要性的关系进行度量。层次分析法引用了表1-1所示的1~9标度方法使定性评价转化为定量的评价。

表1-1 判断矩阵标度及其含义

 

标度	含义
		1	表示两个因素相比，具有同样重要性
3	表示两个因素相比，一个因素比另一个因素稍微重要
		5	表示两个因素相比，一个因素比另一个因素明显重要
7	表示两个因素相比，一个因素比另一个因素强烈重要
		9	表示两个因素相比，一个因素比另一个因素极端重要
2，4.6，8	介于以上两相邻判断的中值
		倒数	指标Bi与Bj相比得判断λij，则Bj与Bi比较得判断λji＝1/λij

步骤203：计算一致性指标、一致性比率

由于客观事物的复杂性或对事物认识的片面性，通过所构造的判断矩阵求出的特征向量(权值)是否合理，需要对判断矩阵进行一致性和随机性检验，检验公式为

C.R.＝C.I./R.I.

$C.I.=\frac{{\mathrm{\&lambda;}}_{\max }-n}{n-1}$

其中

C.R.----判断矩阵的随机一致性比率

C.I.----判断矩阵的一致性指标

λ_max----判断矩阵的最大特征值

n----判断矩阵的阶数

R.I.----平均随机一致性指标

为了得到一个对不同阶数的判断矩阵均适用的一致性检验的临界值，还必须考虑一致性与矩阵阶数之间的关系。一般地，判断矩阵的阶数越大，元素之间的关系就更难达到一致性。因此，层次分析法提出用平均随机一致性指标R.I.修正C.I.的方法。1～15阶判断矩阵的R.I.均值如表1-2所示。

表1-2 平均随机一致性指标R.I.值

 

N	2	3	4	5	6	7	8
								R.I.	0	0.51	0.89	1.12	1.25	1.35	1.42
N	9	10	11	12	13	14	15
								R.I.	1.46	1.49	1.52	1.54	1.56	1.58	1.59

步骤204：判断矩阵一致性检验

当C.R.<0.10时，即认为判断矩阵具有满意的一致性，否则，跳回到步骤201，需要对判断矩阵进行调整，直至具有满意的一致性为止。

步骤205：计算同一原则下元素的相对权重

在同一原则下求解各因素相对权重问题，在数学上也就是计算判断矩阵最大特征根及其对应的特征向量问题。以判断矩阵P为例，即是由PW＝λW，解出最大特征根λ_max及对应的特征向量W，将λ_max所对应的最大特征向量归一化，就得到B₁，B₂，...，B_n相对于A的权重值。

具体步骤如下：

1)求出判断矩阵中各行元素的几何平均值：

$b_i={\left(\underset{j=1}{\overset{n}{\mathrm{\&Pi;}}}{\mathrm{\&delta;}}_{\mathrm{ij}}\right)}^{\frac{1}{n}}$  (i＝1，2，...，n)

2)把bi(i＝1，2，...，n)归一化，即求得最大特征值所对应的特征向量：

${\mathrm{\&omega;}}_j=\frac{b_j}{\underset{k=1}{\overset{n}{\mathrm{\&Sigma;}}}{b}_k}$   (j＝1，2，...，n)

3)由W＝(ω₁，ω₂，...，ω_n)^T，则判断矩阵P的最大特征值λ_max满足PW＝λ_maxW。

即得到：

$\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_{\mathrm{ij}}{\mathrm{\&omega;}}_j={\mathrm{\&lambda;}}_{\max }{\mathrm{\&omega;}}_j$    (j＝1，2，...，n)

4)计算判断矩阵的最大牲特征值λ_max：

${\mathrm{\&lambda;}}_{\max }=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\frac{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_{\mathrm{ij}}{\mathrm{\&omega;}}_j}{{\mathrm{\&omega;}}_i}$

5)层次总排序

以上求出的是各层次中各个因素相对于上一层次中某因素的相对权重。在此基础上，还需要计算出方案层各方案相对目标层总目标的权重，即合成权重。

图11是三层结构层次图。以图11为例来计算合成权重。假定经过计算，B₁，B₂，...，B_m对目标层A的权重为b₁，b₂，...，b_m，方案层C中的各要素C₁，C₂，...，C_n对准则层B中的要素B₁，B₂，...，B_m的权重分别为W₁₁，W₂₁，...，W_n1；W₁₂，W₁₂，...，W_n2；....；W_1m，W_2m，...，W_nm。则方案层中的n个要素对目标导A的权重值分别为W₁，W₂，...，W_n，其计算公式为：

$W_i=\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{b}_j{W}_{\mathrm{ij}}$     i＝1，2，...，n

图1中，步骤104设计调查问卷，实际上是通过调查问卷、实地调研或者实际演练等方式，获取指标体系底层指标的原始数据。

图1中，步骤105对调查文件及数据进行处理，是将各级指标的原始数据代入隶属函数。

图1中，步骤106计算结果，是针对上述步骤的计算结果，计算出评价指标的结果。

图1中，步骤107根据结果进行同级指标排序并提出改进措施，是将计算结果进行排名，并对需要改进的指标提出改进意见或建议。

下面以青藏铁路应急救援能力评价指标体系为基础，进一步详细说明本方法的实施过程：

1、根据AHP比较调查问卷的结果利用AHP层次分析法得出计算结果如表1-3所示：

表1-3 指标权重值

2、选择各指标相应的隶属函数并利用模糊综合评价法对各指标的隶属函数进行分析，结果如下：

相关法律法规的制订U₁₁₁

应急领导机构的建立U₁₂₁

应急救援部门的个数U₁₃₁

$a_{131}=\left\{\begin{array}{cc}0& x<10\\ \frac{x-10}{10}& 10\&le;x<20\\ 1& x\&GreaterEqual;20\end{array}\right.$

接受应急知识培训的人口比例U₁₄₁

$a_{141}=\left\{\begin{array}{cc}0& x<0.1\\ \frac{x-0.1}{0.4}& 0.1\&le;x<0.5\\ 1& x\&GreaterEqual;0.5\end{array}\right.$

预案规定应急机构组成和职责U₂₁₁

预案规定救援人员的组织行动U₂₁₂

预案规定应急通信保障U₂₁₃

预案规定物资保障及救助装备U₂₁₄

预案有详细的救援流程U₂₁₅

预案修订更新的期限U₂₂₁

$a_{221}=\left\{\begin{array}{cc}0& x\&GreaterEqual;5\\ \frac{5-x}{4}& 1\&le;x<5\\ 1& x<1\end{array}\right.$

演练方案的制定U₂₃₁

预案演练的次数U₂₄₁

$a_{241}=\left\{\begin{array}{cc}1& x\&GreaterEqual;4\\ 0& x<4\end{array}\right.$

现场应急指挥系统的设立U₃₁₁

预案启动时间U₃₂₁

$a_{321}=\left\{\begin{array}{cc}0& x\&GreaterEqual;2\\ 2-x& 1\&le;x<2\\ 1& x<1\end{array}\right.$

专业救援人员的人口比例U₃₃₁

$a_{331}=\left\{\begin{array}{cc}\frac{x}{4\%}& x<4\%\\ 1& x\&GreaterEqual;4\%\end{array}\right.$

救援队伍出动时间U₃₃₂

$a_{332}=\left\{\begin{array}{cc}0& x\&GreaterEqual;60\\ \frac{60-x}{40}& 20\&le;x<60\\ 1& x<20\end{array}\right.$

应急联动单位的个数U₃₄₁

$a_{341}=\left\{\begin{array}{cc}0& x<11\\ \frac{x-6}{5}& 6\&le;x<11\\ 1& x\&GreaterEqual;11\end{array}\right.$

应急联动系统的完备性U₃₄₂

事故上报时间U₃₅₁

$a_{351}=\left\{\begin{array}{cc}0& x\&GreaterEqual;60\\ \frac{60-x}{50}& 10\&le;x<60\\ 1& x<10\end{array}\right.$

食物数量U₄₁₁

$a_{411}=\left\{\begin{array}{cc}\frac{x}{2\mathrm{bn}}& x<2\mathrm{bn}\\ 1& x\&GreaterEqual;2\mathrm{bn}\end{array}\right.$

其中：b-事故中被困人数

n-事故救援持续天数记为5天，以每人每天两份食物计算应急用水供应能力U₄₁₂

$a_{412}=\left\{\begin{array}{cc}\frac{x}{\mathrm{bm}}& x<\mathrm{bm}\\ 1& x\&GreaterEqual;\mathrm{bm}\end{array}\right.$

其中：b-事故中被困人数

m-每人每天的用水量，按6升计算

药品供应能力U₄₁₃

$a_{413}=\left\{\begin{array}{cc}\frac{x}{\mathrm{cv}}& x<\mathrm{cv}\\ 1& x\&GreaterEqual;\mathrm{cv}\end{array}\right.$

其中：c-事故中需救援人数

v-持续天数为5天，每人每天所需药品数按一份计算

有线通讯方式U₄₂₁

无线通讯方式U₄₂₂

卫星通讯方式U₄₂₃

网络通讯方式U₄₂₄

技术支持体系U₄₃₁

$a_{431}=\left\{\begin{array}{cc}0& x<4\\ \frac{x-4}{4}& 4\&le;x<8\\ 1& x\&GreaterEqual;8\end{array}\right.8$

应急专项准备资金额U₄₄₁

$a_{441}=\left\{\begin{array}{cc}0& x<100\\ \frac{x-100}{200}& 100\&le;x<300\\ 1& x\&GreaterEqual;300\end{array}\right.$

事故恢复时间U₅₁₁

$a_{511}=\left\{\begin{array}{cc}0& x\&GreaterEqual;7\\ \frac{7-x}{6}& 1\&le;x<7\\ 1& x<1\end{array}\right.$

事后评估分析U₅₂₁

奖励与责任追究U₅₃₁

3、通过对青藏公司的实地调研，并通过参加实地演练，参照其演练考核标准，并参照《国家突发公共事件总体应急预案》、《国家处置铁路行车事故应急预案》、《青藏铁路公司突发公共事件总体应急预案》、《铁路行车事故处理规则》等相关条例规定及文件，得到本指标体系底层指标的原始数据，并将各三级指标的原始数据代入上述隶属函数，所得结果如表1-4表所示：

表1-4 隶属函数分析

4、对各级指标的权重计算结果如下：

1)一级指标评价结果如下：

将三级指标隶属值代入其权重值计算：

法律法规制定：V₁₁＝W₁₁*A₁₁＝1*1＝1

应急领导机构：V₁₂＝W₁₂*A₁₂＝1*1＝1

应急抢险救援部门：V₁₃＝W₁₃*A₁₃＝0.6*1＝0.6

培训及宣传教育：V₁₄＝W₁₄*A₁₄＝0.625*1＝0.625

预案的编制：V₂₁＝W₂₁ ^*A₂₁＝(1 1 0.5 1 1)*(0.2 0.2 0.2 0.2 0.2)＝0.9

预案的维护更新：V₂₂＝W₂₂*A₂₂＝0.75*1＝0.75

演练计划的制定：V₂₃＝W₂₃*A₂₃＝1*1＝1

演练的具体实施：V₂₄＝W₂₄*A₂₄＝1*1＝1

现场指挥系统：V₃₁＝W₃₁*A₃₁＝1*1＝1

预案的启动：V₃₂＝W₃₂*A₃₂＝1*1＝1

应急队伍的救援能力：V₃₃＝W₃₃*A₃₃＝(0.5 0.75)*(0.5 0.5)＝0.625

应急联动系统的运行：V₃₄＝W₃₄*A₃₄＝(0.4 0.5)*(0.5 0.5)＝0.45

危险源的监测通报：V₃₅＝W₃₅*A₃₅＝0.6*1＝1

资源储备：V₄₁＝W₄₁ ^*A₄₁＝(10.667 1)*(0.33 0.33 0.33)＝0.88

通信保障：V₄₂＝W₄₂*A₄₂＝(1 1 1 1)*(0.25 0.25 0.25 0.25)＝1

相关技术支持：V₄₃＝W₄₃*A₄₃＝0.2*1＝0.2

资金保障：V₄₄＝W₄₄*A₄₄＝0.6*1＝0.6

善后处置及恢复：V₅₁＝W₅₁*A₅₁＝1*1＝1

事后总结分析：V₅₂＝W₅₂*A₅₂＝1*1＝1

相关奖励与惩罚：V₅₃＝W₅₃ ^*A₅₃＝0.5*1＝0.5

2)二级指标评价结果如下：

把二级指标权重与一级评价结果代入，二级评价结果为：

日常建设工作：

V1＝W1*A1＝(1 1 0.6 0.625)*(0.1248 0.2832 0.3655 0.2265)＝0.7689

预案管理及演练实施：

V2＝W2*A2＝(0.9 0.75 1 1)*(0.2621 0.2047 0.2121 0.3211)＝0.9226

应急救援行动：

V3＝W3*A3＝(1 1 0.625 0.451)*(0.1829 0.2176 0.2487 0.1997 0.1511)＝0.7969

应急资源装备及支持：

V4＝W4*A4＝(0.88 1 0.2 0.6)*(0.2821 0.3084 0.1362 0.2733)＝0.7479

恢复阶段：V₅＝W₅*A₅＝(1 1 0.5)*(0.4214 0.3078 0.2709)＝0.8645

3)三级指标评价结果如下：

最后将一级指标的权重和二级评价结果代入模型，得到三级即最终评价结果：

V＝W*A＝(0.7689 0.9226 0.7969 0.7479 0.8645)*(0.1654 0.2267 0.3043 0.20870.0949)＝0.8169

5、对计算结果进行排序并提出决策建议：

表1-5 一级指标排名

 

指标名称	占总指标权重	排名
			应急救援行动	0.3043	1
预案管理及演练实施	0.2267	2
			应急资源装备及支持	0.2087	3
日常建设工作	0.1654	4

 

恢复阶段

0.0949

5

表1-6 二级指标排名

 

指标名称	占总指标权重	排名
			应急队伍的救援能力	0.0757	1
演练的具体实施	0.0728	2
			预案的启动	0.0662	3
通信保障	0.0644	4
			应急联动系统的运行	0.0608	5
应急抢险救援部门	0.0605	6
			预案的编制	0.0594	7
资源储备	0.0589	8
			资金保障	0.057	9
现场指挥系统	0.0557	10
			演练计划的制定	0.0481	11
应急领导机构	0.0468	12
			预案的维护更新	0.0464	13
危险源的监测通报	0.046	14
			善后处置及恢复	0.0399	15
培训及宣传教育	0.0375	16
			事后总结分析	0.0292	17
相关技术支持	0.0284	18
			相关奖励与惩罚	0.0257	19
法律法规制定	0.0206	20

从一级的评价结果可以看出，在青藏铁路应急体系建设项目中执行得较好的指标有演练计划的制定、演练的具体实施、现场指挥系统、预案的启动、通信保障、善后处置及恢复，同时这些指标在权重评价中也都是较为重要的，因此这对提升铁路应急体系的应急能力有很大的帮助。

同时从结果中可以看到，应急抢险救援部门、培训及宣传教育、预案的编制、预案的维护更新、相关技术支持资金保障、应急抢险救援部门指标的执行情况还有很大的提升空间，从权重计算的结果可以看到，上述指标在铁路应急体系的建设中的重要性小不容小觑，因此，应加强对上述指标建设的重视。

从三级评价结果可得知青藏铁路应急体系的模糊综合评价值是0.8169，处于较好的水平，但同时应看到，该评价结果只是比一般水平稍好，说明该铁路应急体系运行品质还有很大的提升空间，在演练、应急队伍的建设、平时的培训及宣传管理中，出现的问题和缺陷已经不容忽视，应加强铁路应急管理和监督的力度；加强应急队伍的建设规模；积极开展平时的培训及宣传管理，并将结果定时上报公司处理。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (2)

1、一种实现铁路应急救援能力综合评价的方法，其特征是所述方法包括下列步骤：

步骤1：建立铁路应急评价指标体系；

步骤2：利用模糊综合评价确定各指标的隶属函数；

步骤3：利用AHP层次分析法确定各指标的权重；

步骤4：设计调查问卷；

步骤5：对调查问卷及数据进行处理；

步骤6：计算得出结果；

步骤7：根据结果进行同级指标排序并提出改进措施。

2、根据权利要求1所述的一种实现铁路应急救援能力综合评价的方法，其特征是所述步骤3，还包括下列步骤，

步骤31：选择专家决策群填写AHP调查问卷；

步骤32：比较判断矩阵；

步骤33：计算一致性指标和一致性比率；

步骤34：检验判断矩阵的一致性；如果不一致，则跳回到步骤31，对判断矩阵进行调整；

步骤35：计算得到权重。

Images