CN105095682A - 一种基于桥区水域通航安全风险评价模型的评价方法 - Google Patents

Abstract

本发明提供一种基于桥区水域通航安全风险评价模型的评价方法，在风险评价指标量表中列入分级别的桥区水域通航安全风险因素进行专家打分；分别使用AHP法、VCM法计算指标权重后，由CWM法进行组合赋权计算，以消除AHP法、VCM法计算的权重之间的差异；在对各方法计算的权重进行基于多元联系数的一致度检验；进行二级评价、一级评价后进行风险合成，并根据风险合成后的评分值对桥区水域通航安全风险划分相应的等级。本发明从桥区水域通航安全管理的角度，对不同桥区实施分级管理，建立评价模型，以对不同桥区进行跟踪评价，根据评价结果进行分类分级管理。

Description

一种基于桥区水域通航安全风险评价模型的评价方法

技术领域

本发明涉及水上交通领域、安全科学与工程领域，特别涉及一种基于桥区水域通航安全风险评价模型的评价方法。

背景技术

随着大桥建设的不断增多和航运的高速发展，船撞桥事故的发生率呈不断上升的趋势。平均每年约有一座大型桥梁因船舶撞击而倒毁或遭受严重破坏。在国内由于船舶撞击而导致桥梁垮塌或严重损坏的案例也频繁发生。船撞桥事故的危害极大，会造成巨大的经济损失和人员伤亡，并带来恶劣的政治影响和严重的环境损失。

发明内容

本发明的目的是提供一种评价方法，通过构建桥区水域通航安全风险评价模型，实现各桥区水域的通航安全风险评价，基于风险评价结果对不同桥区水域进行分级管理，制定针对性的风险控制措施，实现桥区水域的通航安全，避免或减少船舶撞桥事故的发生。

为了达到上述目的，本发明的技术方案是提供一种基于桥区水域通航安全风险评价模型的评价方法，在风险评价指标量表中列入分级别的桥区水域通航安全风险因素，通过风险评价指标量表收集专家对于各风险因素的可能性及后果程度的评分数值；对于专家人数基本对称的两个组别，分别使用AHP法、VCM法对这两个组别的风险评价指标量表采集的评分数值计算各级别指标的权重；

对AHP法、VCM法分别计算得到的权重，使用CWM法进行组合赋权计算，以消除AHP法、VCM法计算的权重之间的差异；对于AHP法、VCM法、CWM法分别获得的权重，计算权重排序之间的多元联系数进行一致度检验；

对于通过一致性检验的由CWM法获得的各级权重，根据其中任意一级指标及该级指标相应的权重，对所述任意一级的上一级指标进行风险评价，直到根据二级指标及二级指标相应的权重对一级指标进行风险评价后，根据由一级指标进行风险评价后的结果进行风险合成，并根据风险合成后的评分值对桥区水域通航安全风险划分相应的等级。

优选地，对于风险评价指标量表中采集的评分数值，通过计算克朗巴赫α系数来进行数据信度检验。

优选地，基于K-means算法对通过风险评价指标量表采集的原始数据进行聚类，将聚类结果与通过基于桥区水域通航安全风险评价模型的评价方法的计算结果比较，来进行一致性检验。

综上所述，本发明提出从桥区水域通航安全管理的角度，对不同桥区实施分级管理，建立评价模型，以对不同桥区进行跟踪评价，根据评价结果进行分类分级管理。

基于本发明的方法，可以完善大桥安全综合管理协调合作机制，加强对桥区水域通航船舶监管，密切关注船舶异常行为的出现，在能见度不良等恶劣气象条件下实行交通管制等措施。整改和完善大桥防撞装置等工程设施，监督大桥业主和经营管理单位落实安全主体责任。增加大桥水上监管力量与设施的投入建设，加强桥区应急救助能力建设，完善拖轮等应急力量配置。强化大桥水上安全宣传，推进大桥安全监管的信息化建设，以有效降低桥区水域通航安全风险。

附图说明

图1是桥区水域通航安全风险评价流程图；

图2是桥区水域通航安全风险评价指标体系的示意图；

图3是第3层指标X_1jk相对于第1层指标X₁的权重的示意图；

图4是第3层指标X_2jk相对于第1层指标X₂的权重的示意图；

图5是第3层指标X_3jk相对于第1层指标X₃的权重的示意图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合上海港桥区水域通航安全风险评价具体实施方式，进一步阐述本发明。图1是本发明中桥区水域通航安全风险评价的流程图。

1.设计水上交通安全风险评价指标量表，进行数据收集

根据大桥水上安全与管理现状，国内外大桥船撞事故及影响等，对大桥船撞危险源进行辨识与分析，形成桥区水域通航安全风险因素；所述风险因素的具体项目及其级别划分如图2所示，不一一赘述。

根据图2所列的风险因素，向相关单位、海事管理人员(诸如基层和直属局海事管理人员、在研究水域具有航行经历的船长、熟悉研究水域的具有船长和高级船员适任证书的教师、熟悉研究水域的船长班学员等对象)发放量表，邀请其针对桥区水域内的各个大桥(如本例中为东海大桥、上海长江大桥、崇启大桥、杨浦大桥、南浦大桥、卢浦大桥、徐浦大桥、闵浦大桥、奉浦大桥、闵浦二桥)进行0–5标度的专家打分，评分标准如下表。

可能性大小	几乎不可能	不太可能	可能	很可能	几乎肯定
						后果程度	可以忽略	不太严重	比较严重	很严重	极其严重
得分	[0,1)	[1,2)	[2,3)	[3,4)	[4,5)

2.进行水上交通安全风险评价指标数据信度检验

克朗巴赫α系数(coefficientalphaofL.J.Cronbach)是在评价内部一致性信度时最常用信度系数，克朗巴赫α系数可反应量表中各条目间得分的一致性。一般探索性研究，克朗巴赫α系数在0.6以上，基准研究在0.8以上，通常情况下克朗巴赫α系数在0.6以上，被认为可信度较高。利用SPSS软件对回收的量表进行问卷数据的信度检验，检验结果如下表。克朗巴赫α系数均在0.6以上，量表较为可信。

3.权重计算与检验

通过对相关专家进行DELPHI问卷调查，设计人数基本对称的组别进行调查。回收问卷后，对不同组别分别用层次分析法(AnalyticHierarchyProcess，AHP)、VCM法(VariationCoefficientMethod，VCM)计算指标权重。两者还是呈现一定的差异，为消除该差异，再用2-范数法组合赋权法(CombinedWeightsMethod,CWM)对AHP法、VCM法计算的指标权重进行组合赋权计算。

AHP法计算步骤如下：

设有n×n矩阵A＝{a_ij}，(i,j＝1,2,…,n)用和积法估算矩阵A的最大特征值及其对应特征向量步骤如下：

(1)计算比较判断矩阵A中每一列要素的列和S_j

$\begin{array}{cc}{S}_j=\underset{i=1}{\overset{n}{\Σ}}{a}_{ij}& (j=1,2,...,n)\end{array}---\left(1\right)$

(2)将比较判断矩阵A中的各个要素除以该要素所在列的列和S_j，得到一个归一化的新矩阵A_norm，这里的归一化矩阵是指每一列的列和等于1的矩阵。设则有：

$a_{ij}^{*}=\frac{a_{ij}}{S_j},(i,j=1,2,...,n)---\left(2\right)$

(3)计算新矩阵A_norm中每一行的均值W_i，得到特征向量W，它是A矩阵中各要素的层次单排序权值：

$W_i=\frac{\underset{j=1}{\overset{n}{\Σ}}{a}_{i}j}{n},(i=1,2,...,n)---\left(3\right)$

则W＝[W1,W2,…,Wi,…,Wn]T为所求之特征向量。

(4)计算比较判断矩阵的最大特征值λ_max

${\mathrm{\λ}}_{max}=\underset{i=1}{\overset{n}{\Σ}}\frac{{\left(AW\right)}_i}{{\mathrm{nW}}_i}---\left(4\right)$

VCM法的计算步骤如下：

设有n项评价指标和m个评价对象，X为原始指标数据矩阵，x_ij为第j个对象的第i个指标值。

计算各指标的均方差，反映各指标的绝对变异程度。

$s_i=\sqrt{\underset{j=1}{\overset{m}{\Σ}}{(x_{ij}-{\stackrel{\‾}{x}}_i)}^2/m}---\left(5\right)$

式中s_i为第i个指标的均方差；为第i个指标的均值。

计算各指标的变异系数，反映各指标的相对变异程度。

$v_i=s_i/\stackrel{\‾}{x}---\left(6\right)$

对各指标的变异系数进行归一化处理，得到各指标的权重。

${\mathrm{\ω}}_i=v_i/\underset{i=1}{\overset{n}{\Σ}}{v}_i---\left(7\right)$

2-范数组合赋权法计算步骤：

对于n个指标，用k种方法确定指标权重，设第j种方法所获得的权重向量为W_j＝(w_j1,w_j2,…,w_jn)。

将k个权重向量构造成权重向量矩阵W。

$W=\left(\begin{array}{cccc}{w}_{11}& w_{12}& \mathrm{...}& w_{ln}\\ w_{21}& w_{22}& \mathrm{...}& w_{2n}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ w_{k1}& w_{k2}& \mathrm{...}& w_{kn}\end{array}\right)---\left(8\right)$

计算向量矩阵W的每个列向量的2–范数，如第i列向量的2–范数为

$\left|\right|W_i^T\left|\right|=\sqrt{{w_{1i}}^2+w_{2i}^2+\mathrm{...}+{w_{ki}}^2},0\≤i\≤n---\left(9\right)$

对每个列向量的2–范数进行归一化，即得到n个指标的组合权重，例如，其中第i个指标的组合权重为

$W_i^{\′}=\frac{\left|\right|W_i^T\left|\right|}{\left|\right|W_1^T\left|\right|+\left|\right|W_2^T\left|\right|+...+\left|\right|W_n^T\left|\right|},0\≤i\≤n---\left(10\right)$

记K′_ijk＝K_ijK_ijk，则K′_ijk为第3层指标中决定第1层次指标X_i的指标X_ijk的权数，记用AHP、VCM、CWM方法获得权数K′_ijk分别为K′_ijk,AHP、K′_ijk,VCM、K′_ijk,CWM。计算结果如下表。

序号	标号	AHP权重	VCM权重	CWM权重
					1	K′111	0.0600	0.2977	0.1972
2	K′111	0.0380	0.2172	0.1342
					3	K′121	0.0199	0.0365	0.0219
4	K′122	0.0467	0.0124	0.0297
					5	K′123	0.0210	0.0084	0.0137
6	K′124	0.0227	0.0090	0.0148
					7	K′125	0.0117	0.0867	0.0436
8	K′131	0.1513	0.0382	0.1080
					9	K′132	0.2367	0.0430	0.1427
10	K′141	0.1239	0.0372	0.0705
					11	K′142	0.0949	0.1114	0.1022
12	K′143	0.1733	0.1024	0.1216
					13	K′211	0.1420	0.0998	0.1475
14	K′212	0.1886	0.0770	0.1348
					15	K′213	0.2374	0.0266	0.1173
16	K′221	0.2238	0.2366	0.2456
					17	K′222	0.1348	0.2706	0.1897
18	K′223	0.0734	0.2894	0.1650
					19	K′311	0.4481	0.3105	0.3854
20	K′312	0.2609	0.5625	0.3944
					21	K′321	0.0524	0.0060	0.0282
22	K′322	0.1461	0.0585	0.1032
					23	K′323	0.0925	0.0625	0.0888

通过AHP、VCM、CWM等3种方法，获得的第3层指标X_ijk相对于第1层指标X_i的权重K′_ijk如图3、图4、图5所示，3种方法获得的权重大小各异，利用多元联系数对其进行一致度检验。

基于多元联系数的权重一致度检验方法步骤如下：

对于n个指标，用r种方法进行权重确定，对各权重确定方法所确定的权重按进行排序，记权重序数N_pq为使用第p种方法的指标q按权重大小的排序数。

对于两种方法获得的权重向量：

W_p＝(w_p1,w_p2,…,w_pn)，W_q＝(w_q1,w_q2,…,w_qn)，

其对应的权重排序数向量为

N_p＝(N_p1,N_p2,…,N_pn)，N_q＝(N_q1,N_q2,…,N_qn)，

定义两种方法的权重排序数差异向量为

Δ_pq＝(Δ_pq1,Δ_pq2,…,Δ_pqn)＝(|N_p1-N_q1|,|N_p2-N_q2|,…,|N_pn-N_qn|)(11)

则每个元素满足0≤Δ_pqi≤n-1。

统计权重排序数差异向量中不同取值的元素个数，记S_pqi为向量Δ_pq中元素值为i的元素的总数(0≤i≤n-1)，则权重排序数差异统计向量S_pq＝(s_pq0,s_pq1,…,s_pq(n-1))，其中的S_pqi即表示用第p种方法获得的权重排序与第q种方法获得的权重排序差异值为i的指标的总数。

令 $a=\frac{s_{pq0}}{{\mathrm{\Σ}}_{i=0}^{n-1}{s}_{pqi}},b_i=\frac{s_{pqi}}{{\mathrm{\Σ}}_{i=0}^{n-1}{s}_{pqi}},c=\frac{s_{pq(n-1)}}{{\mathrm{\Σ}}_{i=0}^{n-1}{s}_{pqi}},$

则p、q两种方法获得权重的排序数的联系度为

$\begin{array}{c}{\mathrm{\μ}}_{pq}=a+b_1{i}_1+b_2{i}_2+\mathrm{...}+b_m{i}_m+cj=\\ \frac{s_{pq0}}{{\Σ}_{i=0}^{n-1}{s}_{pqi}}+\frac{s_{pq1}{i}_1}{{\Σ}_{i=0}^{n-1}{s}_{pqi}}+\frac{s_{pq2}{i}_2}{{\Σ}_{i=0}^{n-1}{s}_{pqi}}\mathrm{...}+\frac{s_{pqm}{i}_m}{{\Σ}_{i=0}^{n-1}{s}_{pqi}}+\frac{s_{pq\left(n-1\right)}j}{{\Σ}_{i=0}^{n-1}{s}_{pqi}}\end{array}---\left(12\right)$

其中m＝n-2，j＝-1，并令1≤t≤m，计算可得p、q两种不同方法获得权重的排序数的联系数μ′_pq。

其中，μ′_pq＝1表示评价方法的结论完全相符；

0.5≤μ′_pq<1时，可以接受，一致度非常好；

0≤μ′_pq<0.5时，一致度达到最低可接受水平；

-1≤μ′_pq<0时，一致度不可接受，存在较大分歧。

不同方法所确定的权重排序之间的多元联系数计算结果如下表所示。

CWM法获得权重与AHP、VCM法获得权重的联系数均大于0，具有一致性，除AHP法获得的权数K′_2jk,AHP与CWM法获得的权数K′_2jk,CWM之间的联系数外，均大于0.5，具有良好的一致性。

虽然K′_1jk,AHP与K′_1jk,VCM之间及K′_3jk,AHP与K′_3jk,VCM之间也具有一致性，但显然K′_1jk,AHP与K′_1jk,VCM间的联系数K′_3jk,AHP与K′_3jk,VCM间的联系数K′_1jk,VCM与K′_1jk,CWM间的联系数K′_3jk,VCM与K′_3jk,CWM间的联系数均大于0.5，具有良好的一致性。

4.风险评价

桥区水域通航安全风险评价公式如下：

二级指标的风险评价

$X_{ij}={\mathrm{\&Sigma;}}_{k=0}^p{K}_{ijk}{X}_{ijk}---\left(13\right)$

一级指标的风险评价

$X_i={\mathrm{\&Sigma;}}_{k=0}^p{K}_{ik}{X}_{ik}---\left(14\right)$

对评价指标体系中的一级指标的风险评价结果，按式(15)合成为桥区水域通航安全风险。

$R=X_1\&lsqb;1+\frac{X_2-R_{\min }\left(X_2\right)}{R_{\max }\left(X_2\right)-R_{\min }\left(X_2\right)}-\frac{X_3-R_{\min }\left(X_3\right)}{R_{\max }\left(X_3\right)-R_{\min }\left(X_3\right)}\&rsqb;---\left(15\right)$

式中R_max(X_i)、R_min(X_i)分别表示X_i值域的上限和下限。

按公式(13)、式(14)对上海港各桥区的通航安全风险依次进行二级评价、一级评价，按照公式(15)对评价后的一级评价结果进行风险合成，并根据风险合成后的评分值对上海港各桥区的通航安全风险划分不同的等级，结果如下表。

从评价结果可以看出，本例中东海大桥、上海长江大桥、崇启大桥、杨浦大桥桥区水域通航安全风险高，奉浦大桥、闵浦二桥次之，杨浦大桥、南浦大桥、卢浦大桥、徐浦大桥、闵浦大桥桥区水域通航安全风险相对较低。

5.评价结果一致性检验

基于K-means算法对上海港桥区水域通航安全风险评价的原始数据进行聚类，定义k值为3，聚类结果如下表所示。

	K-Means聚类结果	模型计算结果分类
			东海大桥	1	1
上海长江大桥	1	1
			崇启大桥	1	1
杨浦大桥	3	3
			南浦大桥	3	3
卢浦大桥	3	3
			徐浦大桥	3	3
闵浦大桥	3	3
			奉浦大桥	2	2
闵浦二桥	2	2

使用K-Means方法对数据聚类的结果与基于桥区水域通航安全风险评价模型所计算结果的分类排序结果一致。因此，所提出的模型计算结果较好的保留了原始数据的信息，计算结果可信。

6.制定风险控制措施

根据本发明方法获得的评价结果，在桥区水域通航安全监管上，应特别加强对较高风险的东海大桥、上海长江大桥、崇启大桥、杨浦大桥桥区水域通航安全监管。

基于本发明的方法，可以完善大桥安全综合管理协调合作机制，加强对桥区水域通航船舶监管，密切关注船舶异常行为的出现，在能见度不良等恶劣气象条件下实行交通管制等措施。整改和完善大桥防撞装置等工程设施，监督大桥业主和经营管理单位落实安全主体责任。增加大桥水上监管力量与设施的投入建设，加强桥区应急救助能力建设，完善拖轮等应急力量配置。强化大桥水上安全宣传，推进大桥安全监管的信息化建设，以有效降低桥区水域通航安全风险。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

综上所述，本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.一种基于桥区水域通航安全风险评价模型的评价方法，其特征在于，

在风险评价指标量表中列入分级别的桥区水域通航安全风险因素，通过风险评价指标量表收集专家对于各风险因素的可能性及后果程度的评分数值；对于专家人数基本对称的两个组别，分别使用AHP法、VCM法对这两个组别的风险评价指标量表采集的评分数值计算各级别指标的权重；

对AHP法、VCM法分别计算得到的权重，使用CWM法进行组合赋权计算，以消除AHP法、VCM法计算的权重之间的差异；对于AHP法、VCM法、CWM法分别获得的权重，计算权重排序之间的多元联系数进行一致度检验；

对于通过一致性检验的由CWM法获得的各级权重，根据其中任意一级指标及该级指标相应的权重，对所述任意一级的上一级指标进行风险评价，直到根据二级指标及二级指标相应的权重对一级指标进行风险评价后，根据由一级指标进行风险评价后的结果进行风险合成，并根据风险合成后的评分值对桥区水域通航安全风险划分相应的等级。

2.如权利要求1所述的评价方法，其特征在于，

对于风险评价指标量表中采集的评分数值，通过计算克朗巴赫α系数来进行数据信度检验。

3.如权利要求1所述的评价方法，其特征在于，

基于K-means算法对通过风险评价指标量表采集的原始数据进行聚类，将聚类结果与通过基于桥区水域通航安全风险评价模型的评价方法的计算结果比较，来进行一致性检验。

4.如权利要求1所述的评价方法，其特征在于，

基于多元联系数进行一致度检验时，对于n个指标，用r种方法进行权重确定，对各权重确定方法所确定的权重按进行排序，记权重序数N_pq为使用第p种方法的指标q按权重大小的排序数；

将AHP法、VCM法、CWM法两两组合，对其中任意一个组合中的两种方法获得权重向量：

W_p＝(w_p1,w_p2,…,w_pn)，W_q＝(w_q1,w_q2,…,w_qn)，

计算其对应的权重排序数向量：

N_p＝(N_p1,N_p2,…,N_pn)，N_q＝(N_q1,N_q2,…,N_qn)，

定义两种方法的权重排序数差异向量为

Δ_pq＝(Δ_pq1,Δ_pq2,…,Δ_pqn)＝(|N_p1-N_q1|,|N_p2-N_q2|,…,|N_pn-N_qn|)

则每个元素满足0≤Δ_pqi≤n-1；

统计权重排序数差异向量中不同取值的元素个数，以S_pqi表示用第p种方法获得的权重排序与第q种方法获得的权重排序差异值为i的指标的总数；

令 $\begin{array}{ccc}a=\frac{s_{pq0}}{{\mathrm{\&Sigma;}}_{i=0}^{n-1}{s}_{pqi}},& b_i=\frac{s_{pqi}}{{\mathrm{\&Sigma;}}_{i=0}^{n-1}{s}_{pqi}},& c=\frac{s_{pq(n-1)}}{{\mathrm{\&Sigma;}}_{i=0}^{n-1}{s}_{pqi}},\end{array}$

则两种方法获得权重的排序数的联系度为

$\begin{array}{c}{\mathrm{\&mu;}}_{pq}=a+b_1{i}_1+b_2{i}_2+\mathrm{...}+b_m{i}_m+cj=\\ \frac{s_{pq0}}{{\&Sigma;}_{i=0}^{n-1}{s}_{pqi}}+\frac{s_{pq1}{i}_1}{{\&Sigma;}_{i=0}^{n-1}{s}_{pqi}}+\frac{s_{pq2}{i}_2}{{\&Sigma;}_{i=0}^{n-1}{s}_{pqi}}\mathrm{...}+\frac{s_{pqm}{i}_m}{{\&Sigma;}_{i=0}^{n-1}{s}_{pqi}}+\frac{s_{pq(n-1)}j}{{\&Sigma;}_{i=0}^{n-1}{s}_{pqi}}\end{array}$

其中m＝n-2，j＝-1，并令1≤t≤m，计算得到两种

方法获得权重的排序数的联系数μ′_pq。

5.如权利要求4所述的评价方法，其特征在于，

联系数μ'_pq＝1，表示两种方法确定的权重完全相符；

0.5≤μ'_pq<1，表示两种方法确定的权重的一致性可以接受；

0≤μ'_pq<0.5，表示两种方法确定的权重的一致度达到最低可接受水平；

-1≤μ'_pq<0，表示两种方法确定的权重的一致度不可接受。

6.如权利要求5所述的评价方法，其特征在于，

二级指标的风险评价为

$X_{ij}={\mathrm{\&Sigma;}}_{k=0}^p{K}_{ijk}{X}_{ijk}$

其中，X_ijk是三级指标，K_ijk是三级指标相应的权重；

一级指标的风险评价

$X_i={\mathrm{\&Sigma;}}_{k=0}^p{K}_{ik}{X}_{ik}$

风险合成的算式为：

$R=X_1\&lsqb;1+\frac{X_2-R_{\min }\left(X_2\right)}{R_{max}\left(X_2\right)-R_{\min }\left(X_2\right)}-\frac{X_3-R_{\min }\left(X_3\right)}{R_{max}\left(X_3\right)-R_{\min }\left(X_3\right)}\&rsqb;$

式中，R_max(X_i)、R_min(X_i)分别表示X_i值域的上限和下限。