劉元林 劉 勇 李紅偉 胡伍生
(東南大學交通學院1) 南京 210096)
(新加坡國立大學土木與環境工程系2) 新加坡 119223)
自從Zadeh 1965年提出模糊集合的概念以來,很多研究者引用模糊數學中的描述方法,來處理一些定義不很明確的概念.Chen和Ishii[1],Ojha[2],Kheirkhah[3]等均對交通運輸中的模糊性提出了建議以及有用的算法;Liang[4],Lau和Chan[5],Lohgaonkar和 Bajaj[6]等將模糊數學的概念引入多目標交通運輸問題中.陳艷艷[7]建議使用模糊數學的概念處理道路暢通度的問題,將暢通度分為“不暢通”、“不甚暢通”、“基本暢通”、“標準暢通”和“非常暢通”五類.楊曉光和彭春露[9]應用暢通度的模糊描述,并依據道路網絡拓撲結構將道路網絡分為道路單元、路徑以及路網三級,依次構造救援車輛通行暢通概率的模糊綜合評價模型.本文提出簡化原模糊評價模型的思路,將“暢通程度”作為一個模糊事件,并建議采用簡單的隸屬函數描述這一模糊事件.在修正的模型下,暢通概率與隸屬度之間是一對一的關系,從而避免了一條道路在等級劃分時的模糊性,使得一條道路的暢通等級具有“惟一性”.
文獻[7]將集合A內的各個評估詞視為模糊數,模糊數的特征由其隸屬函數描述.通過隸屬函數的形式,將暢通概率與描述暢通的評估詞聯系起來.然而,在此值得探討的是,暢通概率與隸屬度之間的對應關系.首先,對于某一特定的暢通概率,對應一個或者多個隸屬度.例如,當暢通概率Pr=0.4時,此時可以選擇“不甚暢通”或者“基本暢通”下的隸屬函數,其隸屬度分別為:0.5和0.5.這表明,對于同一個暢通概率Pr=0.4,既可以歸為“不甚暢通”,又可以歸為“基本暢通”.其次,對于某一特定隸屬度,對應一個或者多個暢通概率.例如,當選擇“基本暢通”這個模糊數,其隸屬度為0.5時,對應2個暢通概率,分別為:0.4和0.7.這表明,在此模型下,Pr=0.4和Pr=0.7之間沒有區別.這顯然是不合理的.綜合以上分析,在此模型中,暢通概率與隸屬度之間是多對多的關系,圖1顯示了這種復雜的多對多關系.

圖1 隸屬函數圖
本文建議用將“暢通程度”作為一個模糊事件(而非上述的模糊數),采用特定的隸屬函數來描述從“不暢通”到“非常暢通”的過渡過程.很多形式的函數可以充當這一隸屬函數,參見文獻[9-10].文中引用3種不同形式的隸屬函數:線性模型、平方模型和方根模型(見圖2),以分析結論對隸屬函數形式的敏感性

如圖2所示,若取0代表“不暢通”,1代表“非常暢通”,則隸屬函數將“不暢通”與“非常暢通”之間的連接函數,是道路暢通概率Pr的函數.需要指出的是,因為暢通概率Pr只在區間[0,1]上有定義,所以隸屬函數(見式(6)~(8))的定義域也為[0,1].其他不同形式的隸屬函數參見文獻[11].

圖2 隸屬函數與暢通概率的函數曲線
式(6)~(8)所示的3種隸屬函數模型中,隸屬度和暢通概率之間是嚴格增函數關系,從而使得這兩者為一對一的映射.因此,對于任意2個暢通概率pr1≤pr2,均有μ(pr1)≤μ(pr2).
為了方便應用,可以將隸屬度區間[0,1]劃分為若干可數個區間.例如,本文為了方便比較,仍然采用上節中的5類評估詞(在此應該為評估區間),劃分結果見表1.

表1 暢通度區間劃分
以上是對于某一段路的路況進行評估.對于多(n)段路的組合,可采用如下函數對其進行評估


本文算例引用文獻[8].選取上海市黃浦區主要道路網,該道路網的分布簡圖見圖3.其中有單箭頭的表示單向行駛,其余則均可雙向通行.假設車輛出行起點為結點1,訖點為結點24.采用最小路算法,可以確定出10條有效出行路徑,見表2.文獻[8]在考慮這10條出行路徑時,首先對每個路段的暢通程度進行暢通信息的收集,并對暢通程度采用原模型進行模糊分類,然后對道路網路中的道路單元、路徑以及路網進行了詳細分析,并采用加權平均的方式對每條出行路徑進行模糊評估.與文獻[8]一樣,本文假設各路段之間的長度一致.因為這10條有效出行路徑均包含8條路段,則出行的道路選擇主要考慮因素為平均暢通度,其他廣義的影響因素不會影響各條路徑之間暢通度的比較.按照本文提供的模型,各路段只有一個暢通隸屬度.為了方便對比,本文對各個路段的暢通概率是采用最大隸屬度簡化原則,見表3.所建新的修正模型計算結果列于表4.

圖3 路網分布圖

表2 車輛出行OD對的有效路徑

表3 道路暢通度描述信息

表4 3種模型計算結果
由表4可知,對于3種不同的隸屬函數形式,路徑3與8的平均隸屬度均最高.所以,按照修正模型,車輛出行可以選擇路徑3或者8.若按照表1的分類,這3條路徑均屬于“標準暢通”這一類.值得指出的是,由于本文的模型是屬于“一對一”的關系,所以得出的結果為平均隸屬度,從而模型可以對各條路徑的暢通程度排序,以便使用者做出合理的選擇.然而,與此相比,文獻[8]運用原模型得出的結論是,10條路徑的選擇是沒有差別的.
為了使評估模型的結果不“模糊”,文中建議簡化已有研究中對暢通度的隸屬函數描述,將暢通度作為一個模糊事件,采用簡單的線性函數描述從“不暢通”狀態過渡到“非常暢通”狀態.該修正模型具有以下優點:(1)修正模型簡單明了,適合于實際應用;(2)在修正模型中,暢通度與道路暢通概率之間為一對一的關系.在這樣的模型下,暢通概率大的道路,對應的暢通隸屬度也大.這一點于實際情況相符合,也避免了原模型中暢通概率不等的道路,得到同樣暢通隸屬度的可能;(3)修正模型對于多路段組成的路徑,最終得出的結果為一個具體的隸屬度,而非一個區間.這一特點使得不同路徑之間的比較成為可能;(4)計算結果對隸屬函數的形式不是很敏感.
本文中提出的模型是基于暢通概率已知的前提下,對于暢通概率的計算與估計并沒有進行探討.根據需要,用戶也可以選用其他形式的隸屬函數.
[1]Chen M,Ishii H,Wu C.Transportation problems on a fuzzy network[J].International Journal of Innovative Computing,Information and Control,2008,4(5):1 105-1 109.
[2]Ojha A,Das B,Mondal S,et al.An entropy based solid transportation problem for general fuzzy costs and time with fuzzy equality[J].Mathematical and Computer Modelling,2009,50(1-2):166-178.
[3]Kheirkhah A S,Esmailzadeh A,Ghazinoory S.Developing strategies to reduce the risk of hazardous materials transportation in Iran using the method of fuzzy SWOT analysis[J].Transport,2009,24(4):325-332.
[4]Liang T.Interactive multi-objective transportation planning decisions using fuzzy,linear programming[J].Asia-Pacific Journal of Operational Research,2008,25(1):11-31.
[5]Lau H C W,Chan T M,Tsui W T,et al.A fuzzy guided multi-objective evolutionary algorithm model for solving transportation problem[J].Expert Systems with Applications,2009,36(4):8 255-8 268.
[6]Lohgaonkar M H,Bajaj V H.Fuzzy multi-objective transportation problem with interval cost[J].International journal of agricultural and statistical sciences,2010,6(1):187-196.
[7]陳艷艷,劉小明,梁 穎.可靠度在交通系統規劃與管理中的應用[M].北京:人民交通出版社,2006.
[8]楊曉光,彭春露.救援車輛通行暢通可靠度模糊綜合評價方法研究[J].土木工程學報,2007,40(1):79-84.
[9]Gegov A.Complexity management in fuzzy systems:a rule base compression approach[M].New York:Springer,2007.
[10]Nanda S,Das N R.Fuzzy mathematical concepts[M].Oxford:Alpha Science International Ltd,2010.
[11]Verma A K,Srividya A,Prabhu Gaonkar R S.Fuzzy-reliability engineering:concepts and applications[M].New Delhi:Narosa,2007.