徐建閩，韋 佳，首艷芳

(1.華南理工大學(xué) 土木與交通學(xué)院，廣東 廣州 510641；2.華南理工大學(xué) 廣州現(xiàn)代產(chǎn)業(yè)技術(shù)研究院，廣東 廣州 511458)

科學(xué)有效的交通運(yùn)行評(píng)價(jià)為城市交通運(yùn)行效率的提高發(fā)揮著重要作用。由于城市道路交通運(yùn)行受多種因素的制約，大部分交通運(yùn)行狀態(tài)評(píng)價(jià)研究主要基于各自研究地域的相關(guān)參考標(biāo)準(zhǔn)，故當(dāng)前該類研究還沒有一致的評(píng)價(jià)指標(biāo)和標(biāo)準(zhǔn)[1-2]?；诮煌魈匦曰?qū)崪y(cè)數(shù)據(jù)的研究?jī)?nèi)容主要分為兩類：一類集中于將多因素進(jìn)行融合處理的評(píng)價(jià)方法[3-4]，另一類集中于評(píng)價(jià)形式[5]。高朝暉等[6]選取路段飽和度、交通密度、空間平均車速和平均行程延誤等指標(biāo)，結(jié)合綜合權(quán)重通過模糊評(píng)價(jià)得到高速路段交通運(yùn)行狀態(tài)；Ko等[7]結(jié)合高斯混合分布和EM算法建立了一種新的交通擁堵判別模型；戴學(xué)臻等[8]改進(jìn)傳統(tǒng)評(píng)價(jià)，提出了集對(duì)分析和三角模糊數(shù)a-截集耦合的多指標(biāo)評(píng)價(jià)模型；白驊等[9]選取4個(gè)基本評(píng)價(jià)單元，對(duì)公路網(wǎng)從點(diǎn)、線、面3個(gè)維度采用不同的評(píng)價(jià)方法進(jìn)行交通運(yùn)行評(píng)價(jià)；姚紅云等[10]根據(jù)常規(guī)公路路段特征，在密度和速度2個(gè)參數(shù)的基礎(chǔ)上，結(jié)合邏輯規(guī)則進(jìn)行了擁擠狀態(tài)下的綜合評(píng)價(jià)建模。

上述評(píng)價(jià)中，多關(guān)注于指標(biāo)的客觀屬性，而實(shí)際交通運(yùn)行中，不僅包含交通數(shù)據(jù)的模糊性和隨機(jī)性，還包含交通參與者主觀感受的模糊性，故交通運(yùn)行評(píng)價(jià)需考慮定性和定量信息的表達(dá)以及兩者之間的轉(zhuǎn)換。因此，已在其他評(píng)價(jià)領(lǐng)域里被運(yùn)用的能夠?qū)崿F(xiàn)此類轉(zhuǎn)換的云模型，也逐漸被應(yīng)用到交通運(yùn)行狀態(tài)評(píng)價(jià)中。萬佳[11]首次將云模型運(yùn)用到路網(wǎng)交通運(yùn)行評(píng)價(jià)，既拓展了ACI模型，又進(jìn)一步挖掘了交通數(shù)據(jù)；高雅雋等[12]基于云模型選取行程速度、速度梯度和擁擠系數(shù)，構(gòu)建了交通運(yùn)行評(píng)判體系；馮勇[13]借助K-mean方法，提出了城市快速路運(yùn)行狀態(tài)的改進(jìn)云模型識(shí)別方法；宋祎寧等[14]結(jié)合了云模型和德爾菲專家打分法，并繪制交通運(yùn)行結(jié)果云圖以實(shí)現(xiàn)評(píng)價(jià)可視化。目前，將云模型應(yīng)用到城市道路交通運(yùn)行狀態(tài)評(píng)價(jià)的研究較少，現(xiàn)有研究中不僅評(píng)價(jià)形式較為簡(jiǎn)易，且在評(píng)價(jià)指標(biāo)賦權(quán)方面僅采用主觀或客觀權(quán)重，具有單一賦權(quán)精準(zhǔn)度低的評(píng)價(jià)缺陷。

綜上，本文基于“點(diǎn)-路段”“線-道路”“面-區(qū)域”3個(gè)交通維度進(jìn)行城市道路運(yùn)行狀態(tài)的微觀、中觀和宏觀層面的綜合評(píng)價(jià)。首先根據(jù)交通數(shù)據(jù)的模糊性和隨機(jī)性，基于云模型的評(píng)價(jià)原理求取隸屬度，再結(jié)合直覺模糊熵法、信息熵法及博弈論方法求取綜合權(quán)重，然后采用加權(quán)期望值和最大隸屬度原則，逐層得到綜合評(píng)價(jià)結(jié)果并繪出結(jié)果云圖實(shí)現(xiàn)可視化，最后以實(shí)例驗(yàn)證了本文方法的合理性和可行性。

1 城市道路網(wǎng)交通運(yùn)行狀態(tài)評(píng)價(jià)指標(biāo)體系構(gòu)建

對(duì)城市道路交通運(yùn)行狀態(tài)進(jìn)行評(píng)價(jià)，需挑選適宜的評(píng)價(jià)指標(biāo)。按照選取指標(biāo)時(shí)所遵循的科學(xué)性、獨(dú)立性、整體性和可行性原則，應(yīng)選擇盡量少的指標(biāo)來實(shí)現(xiàn)系統(tǒng)且高效地評(píng)價(jià)。因此，為了對(duì)城市道路交通運(yùn)行狀態(tài)進(jìn)行微觀、中觀和宏觀評(píng)價(jià)，本文從路網(wǎng)的基礎(chǔ)維度出發(fā)，將路段平均行程速度、路段飽和度、平均停車次數(shù)和行程時(shí)間比作為基本評(píng)價(jià)因子，以微觀層的評(píng)價(jià)為基礎(chǔ)，依次進(jìn)行由微觀到宏觀層的交通運(yùn)行評(píng)價(jià)，即在路段交通運(yùn)行評(píng)價(jià)基礎(chǔ)上，逐層實(shí)現(xiàn)道路至路網(wǎng)的交通運(yùn)行狀態(tài)評(píng)價(jià)。構(gòu)建的評(píng)價(jià)指標(biāo)體系如圖1所示，并結(jié)合本文數(shù)據(jù)和參考相關(guān)規(guī)范[15]得到所需的級(jí)別閾值如表1所示。

圖1 城市道路交通運(yùn)行狀態(tài)評(píng)價(jià)指標(biāo)體系

表1 評(píng)價(jià)指標(biāo)等級(jí)閾值范圍

2 基于博弈論的評(píng)價(jià)指標(biāo)綜合賦權(quán)

2.1 基于直覺模糊熵-熵權(quán)法的指標(biāo)賦權(quán)

2.1.1 直覺模糊集

在直覺模糊集中，設(shè)X為一類非空集合，表示A={(x,uA(x),vA(x)|x∈X)}為直覺模糊集(intuitionistic fuzzy set,記為Fx(u))，uA(x)和vA(x)分別表示X內(nèi)元素x屬于X的關(guān)聯(lián)度和非關(guān)聯(lián)度，(uA(x),vA(x))稱為直覺模糊數(shù)，uA(x)：X→[0,1]，vA(x)：X→[0,1]，并滿足條件0≤uA(x)+vA(x)≤1，x∈X，此外，πA(x)=1-uA(x)-vA(x)表示x包含于X的猶豫程度[16]。

2.1.2 直覺模糊熵

利用直覺模糊熵對(duì)數(shù)據(jù)進(jìn)行描述，可使評(píng)價(jià)更加符合評(píng)價(jià)主體的直覺和實(shí)際情況。為全面地對(duì)模糊集的非準(zhǔn)確性和直覺模糊集的主觀隨機(jī)性進(jìn)行客觀量化，高明美等[17]構(gòu)建了新的直覺模糊熵計(jì)算公式，對(duì)于任意的直覺模糊集A∈Fx(u)，定義

(1)

2.1.3 熵權(quán)法

熵權(quán)法能將評(píng)價(jià)單元客觀信息或評(píng)價(jià)者主觀信息進(jìn)行量化和綜合，實(shí)現(xiàn)客觀賦權(quán)。步驟如下：

(1)設(shè)有n個(gè)待評(píng)單元、m個(gè)評(píng)判參考因子，x′ij為第i個(gè)待評(píng)單元的第j個(gè)評(píng)判參考因子取值，對(duì)其進(jìn)行標(biāo)準(zhǔn)化處理之后轉(zhuǎn)化為評(píng)判矩陣T=(xij)m×n；

(2)定義各評(píng)價(jià)參考因子的信息熵

(2)

(3)求取各評(píng)判參考因子的熵權(quán)

(3)

綜上，可得權(quán)重向量W=(ωi)T,i=1,2,…,n。

2.2 基于博弈論的指標(biāo)綜合賦權(quán)

為使指標(biāo)權(quán)重能兼顧主、客觀特性，采取博弈論方法求取指標(biāo)的綜合權(quán)重。其思想是先將不同權(quán)重之間的最優(yōu)權(quán)重找到，再實(shí)現(xiàn)其與其他權(quán)重之間的偏差縮至極小化，以求出一個(gè)能夠?qū)崿F(xiàn)彼此統(tǒng)一或妥協(xié)的綜合權(quán)重向量[18]。賦權(quán)步驟如下：

(4)

(5)

3 基于博弈論-云模型的城市道路運(yùn)行狀態(tài)評(píng)價(jià)方法與流程設(shè)計(jì)

3.1 云模型的原理

3.1.1 云模型基礎(chǔ)概念及云團(tuán)性質(zhì)

云模型為處理定性描述和定量信息的未確定性轉(zhuǎn)換模型[19-20]。記Z表示一定量閾值空間集合，x是Z里面的定量數(shù)值。Z可轉(zhuǎn)換的定性描述T隨機(jī)匹配一個(gè)x都可固有一個(gè)自帶不變偏向特性的隨機(jī)數(shù)，即表示x關(guān)聯(lián)T的程度μ，μ于Z內(nèi)的分布稱作云團(tuán)，每一個(gè)x可構(gòu)建一個(gè)云滴。

云模型定義3個(gè)數(shù)字特性去描述云團(tuán)性質(zhì)，分別是期望Ex、熵En及超熵He，借此能夠系統(tǒng)地表達(dá)定性信息的定量方面的特征。Ex為Z集合內(nèi)極其能夠取代定性描述T的位置樣本點(diǎn)；En代表T的不確定性；He表示熵的亂序特征。Ex與En能構(gòu)成反映云的數(shù)學(xué)期望曲線函數(shù)，即關(guān)聯(lián)度μ(x)，如式(6)所示，雖然μ(x)是隨機(jī)的，但其分布曲線整體上有傾向于穩(wěn)定性的趨勢(shì)。所以云模型能合理地描述實(shí)際生活中的不確定性，實(shí)現(xiàn)數(shù)據(jù)區(qū)間的軟劃分。

(6)

3.1.2 云模型的基本算法

云模型借助云發(fā)生器來實(shí)現(xiàn)定量與定性的具體轉(zhuǎn)換，根據(jù)轉(zhuǎn)換的方向把云發(fā)生器歸為：正向、逆向和X-條件云3種類型的云發(fā)生器。

(a)正向云發(fā)生器

②生成以Ex為期望、E′2n為方差的正態(tài)隨機(jī)數(shù)xi；

③求解ui(x)=y=exp (-(xi-Ex)2/(2(E′n)2))；

④定義云滴(x,y)；

⑤重復(fù)上述步驟M次，直到生成足夠云滴,若要滿足Ex誤差小于等于規(guī)定值Δ，則需M≥9S2/Δ2，S2為方差。

(b)逆向云發(fā)生器

(c)X-條件云發(fā)生器

該發(fā)生器是在獲取云數(shù)字特征的情況下，對(duì)于給定X的數(shù)值xi來求取其隸屬度：

②求解ui(x)=y=exp (-(xi-Ex)2/(2(E′n)2))。

3.1.3 評(píng)判級(jí)別閾值云數(shù)字特性

把級(jí)別閾值視作一種二約束指標(biāo)[cmin,cmax]，為改善傳統(tǒng)評(píng)價(jià)等級(jí)的硬性劃分，按照式(7)～(9)就邊界值模糊特性對(duì)2維約束指標(biāo)進(jìn)行適度擴(kuò)展[21]：

(7)

(8)

He=d，

(9)

式中d為根據(jù)模糊度而設(shè)置的常數(shù)。

3.2 城市交通運(yùn)行狀態(tài)評(píng)價(jià)模型與流程設(shè)計(jì)

基于云模型評(píng)價(jià)原理，將整個(gè)城市交通運(yùn)行狀態(tài)評(píng)價(jià)指標(biāo)體系作為論域，把指標(biāo)數(shù)值當(dāng)作各個(gè)云滴，據(jù)此，設(shè)計(jì)如下所示的城市交通運(yùn)行狀態(tài)評(píng)價(jià)流程：

步驟1：構(gòu)建因素集。按照?qǐng)D1的評(píng)定結(jié)構(gòu)形式，以路網(wǎng)交通運(yùn)行狀態(tài)評(píng)價(jià)作為宏觀層U=(u1,u2,…,un),i=1,2,…,n,其中ui為該層內(nèi)的中觀層指標(biāo)，即各道路的交通運(yùn)行評(píng)價(jià)；定義ui=(ui1,ui2,…,uik),l=1,2,…,k，其中uil表示中觀層內(nèi)的微觀層指標(biāo)，即各路段的交通運(yùn)行評(píng)價(jià)；定義uil=(Cl1,Cl2,…,Clp),q=1,2,…,p，其中Clq表示底層的評(píng)價(jià)因子，即路網(wǎng)評(píng)價(jià)中的基本單元指標(biāo)。

步驟2：確定評(píng)價(jià)集和評(píng)價(jià)云數(shù)字特征。將交通運(yùn)行狀態(tài)按照表1劃分為5個(gè)評(píng)價(jià)等級(jí)，定義暢通到嚴(yán)重?fù)矶路謩e為Ⅰ～Ⅴ級(jí)，建立評(píng)價(jià)集V={v1,v2,…,vg}，vj表示評(píng)價(jià)等級(jí),j=1,2,…,g；將Clq數(shù)值按照式(7)～(9)求解出對(duì)應(yīng)的各等級(jí)云參數(shù)數(shù)字特征(Exlq,Enlq,Helq)，如表2所示，再取2 000個(gè)云滴數(shù)并由正向云發(fā)生器生成評(píng)價(jià)指標(biāo)等級(jí)云圖。

表2 評(píng)價(jià)指標(biāo)的云參數(shù)數(shù)字特征

步驟3：求取權(quán)重?；谥庇X模糊原理，由s位專家打分得到初始直覺模糊集決策矩陣，進(jìn)行標(biāo)準(zhǔn)化處理得到直覺模糊集決策矩陣如式(10)所示，

(10)

在r*lp×g的基礎(chǔ)上，由式(1)～(3)構(gòu)建指標(biāo)的專家權(quán)重向量ω*ilp={ω*l1,ω*l2,…,ω*lp}；參照表2，利用X-條件云發(fā)生器經(jīng)過M次運(yùn)算求均值得到Clq對(duì)應(yīng)各等級(jí)的關(guān)聯(lián)度r′lqj,由此構(gòu)成的初始云關(guān)聯(lián)度矩陣r′lp×g，按照式(2)、(3)構(gòu)建指標(biāo)的客觀權(quán)重向量ω′ilp=(ω′l1,ω′l2,…,ω′lp)；最后基于博弈論思想，由式(4)、(5)計(jì)算出指標(biāo)的綜合權(quán)重向量ωilp=(ωl1,ωl2,…,ωlp)。

步驟4：計(jì)算綜合關(guān)聯(lián)度。

(a)計(jì)算微觀層指標(biāo)的綜合關(guān)聯(lián)度。

(11)

式中：μj(ril)為微觀層指標(biāo)的關(guān)聯(lián)度矩陣，其中ril為第l個(gè)微觀層指標(biāo)屬于j等級(jí)關(guān)聯(lián)度；μj(rilq)為評(píng)價(jià)因子的關(guān)聯(lián)度矩陣，其中rilq為第l個(gè)指標(biāo)對(duì)應(yīng)的第q個(gè)評(píng)價(jià)因子屬于j等級(jí)的云關(guān)聯(lián)度；ωilq為第l個(gè)指標(biāo)對(duì)應(yīng)的第q個(gè)評(píng)價(jià)因子的權(quán)重。

(b)計(jì)算中觀層指標(biāo)的綜合關(guān)聯(lián)度。

(12)

式中：μj(ri)為中觀層的關(guān)聯(lián)度矩陣，其中ri為某i個(gè)中觀層指標(biāo)屬于j等級(jí)的關(guān)聯(lián)度；ωil為第i個(gè)指標(biāo)的第l個(gè)微觀指標(biāo)權(quán)值。

(c)計(jì)算宏觀層的綜合關(guān)聯(lián)度。

(13)

式中：μj(r)為目標(biāo)層即路網(wǎng)評(píng)價(jià)中運(yùn)行狀態(tài)的關(guān)聯(lián)度矩陣，其中r為路網(wǎng)屬于各評(píng)價(jià)等級(jí)的云關(guān)聯(lián)度；ωi為第i個(gè)中觀指標(biāo)權(quán)重。

步驟5：狀態(tài)等級(jí)判定及結(jié)果云生成。以最大隸屬度原則能評(píng)判出各層次的綜合交通運(yùn)行結(jié)果，即

(14)

式中：μm(R)為最終的路網(wǎng)交通運(yùn)行狀態(tài)關(guān)聯(lián)度值，R為判別得到的評(píng)價(jià)值。

將μj(R)中各值進(jìn)行加權(quán)并按式(14)求取結(jié)果云的(En,Ex,He)，由正向云發(fā)生器繪制結(jié)果云圖。

4 案例分析

4.1 評(píng)價(jià)過程

選取貴陽市人民大道開通區(qū)域路網(wǎng)作為評(píng)價(jià)對(duì)象進(jìn)行實(shí)例分析，該路網(wǎng)由8條路段組成的3條道路構(gòu)成，為簡(jiǎn)化名稱，以阿拉伯?dāng)?shù)字作為路段序號(hào)，英文字母作為道路序號(hào)。此次調(diào)查數(shù)據(jù)是在實(shí)地卡口數(shù)據(jù)基礎(chǔ)上，選取2018年10月23日7：25—7：30的平均數(shù)據(jù),預(yù)處理后的數(shù)據(jù)見表3。

表3 研究區(qū)域交通參數(shù)數(shù)據(jù)

根據(jù)3.2節(jié)的城市交通運(yùn)行狀態(tài)評(píng)價(jià)流程步驟，取云滴數(shù)為2 000，應(yīng)用Python通過云發(fā)生器首先將評(píng)價(jià)因子信息和專家信息轉(zhuǎn)換為數(shù)據(jù)矩陣；然后結(jié)合數(shù)據(jù)模糊度計(jì)算出各評(píng)價(jià)因子的直覺熵值和云關(guān)聯(lián)度；再計(jì)算出各個(gè)評(píng)價(jià)因子主、客觀權(quán)重和綜合權(quán)重，鑒于篇幅原因，僅在表4、表5中列出路段1、2、5和6的權(quán)重及云關(guān)聯(lián)度，表5中r′Z級(jí)表示各評(píng)價(jià)因子屬于各交通狀態(tài)等級(jí)的隸屬程度，其中Z=Ⅰ，Ⅱ，…，Ⅴ；最后在此基礎(chǔ)上依次計(jì)算各路段和道路的交通運(yùn)行評(píng)價(jià)結(jié)果，如表6所示，表6中rZ級(jí)和RZ級(jí)分別表示各路段和道路對(duì)應(yīng)于各交通運(yùn)行狀態(tài)等級(jí)的隸屬程度，其中Z=Ⅰ，Ⅱ，…，Ⅴ。

表4 各路段權(quán)重

表5 各評(píng)價(jià)因子云隸屬度

表6 各路段和道路交通運(yùn)行狀態(tài)評(píng)價(jià)結(jié)果

以路段1和道路A的運(yùn)行評(píng)價(jià)結(jié)果分析為例。由最大隸屬度原則可判斷，路段1的交通運(yùn)行狀態(tài)屬于Ⅲ級(jí)，且偏向于Ⅳ級(jí)，從單個(gè)指標(biāo)影響上分析，該路段運(yùn)行狀態(tài)主要受平均行程速度較低的影響，因此，為改善該路段的運(yùn)行狀態(tài)，可從影響該道路平均行程速度的因素上進(jìn)行改善；道路A的綜合交通運(yùn)行狀態(tài)屬于Ⅲ級(jí)，從單個(gè)影響路段上分析，該道路的運(yùn)行狀態(tài)主要受路段3的運(yùn)行狀態(tài)影響，可由路段3的狀態(tài)進(jìn)一步分析影響指標(biāo)及因素。

圖2中反映的結(jié)果和B的結(jié)果一致，該路網(wǎng)的綜合交通運(yùn)行狀態(tài)屬于Ⅲ級(jí)，并有向Ⅳ級(jí)發(fā)展的趨勢(shì)，且結(jié)果云圖能夠更加直觀、清晰地給出運(yùn)行狀態(tài)情況。同樣，從單個(gè)道路影響上進(jìn)行分析，該路網(wǎng)的交通運(yùn)行狀態(tài)主要受道路C運(yùn)行狀態(tài)的影響。

圖2 路網(wǎng)評(píng)價(jià)等級(jí)結(jié)果

4.2 對(duì)比驗(yàn)證

為驗(yàn)證本文評(píng)價(jià)方法的合理性和有效性，采用模糊綜合評(píng)價(jià)[6]、可變模糊評(píng)價(jià)[22]和物元模糊評(píng)價(jià)[23]，分別對(duì)該路網(wǎng)進(jìn)行綜合運(yùn)行狀態(tài)評(píng)價(jià)，評(píng)價(jià)結(jié)果如表7所示，表7中bz級(jí)表示各評(píng)價(jià)方法的路網(wǎng)屬于各交通運(yùn)行狀態(tài)等級(jí)的隸屬程度，其中Z=Ⅰ，Ⅱ，…，Ⅴ。其表明4種評(píng)價(jià)方法的評(píng)價(jià)結(jié)果一致，由此驗(yàn)證了本文評(píng)價(jià)模型的合理性及有效性，且本文評(píng)價(jià)方法可將評(píng)價(jià)結(jié)果制成結(jié)果云圖，實(shí)現(xiàn)評(píng)價(jià)結(jié)果的可視化，使得結(jié)果更加清晰，便于分析。

表7 評(píng)價(jià)方法結(jié)果對(duì)比

為進(jìn)一步驗(yàn)證本文評(píng)價(jià)方法較其他3種評(píng)價(jià)方法的優(yōu)越性，分別將4種評(píng)價(jià)方法應(yīng)用于路段1的運(yùn)行狀態(tài)評(píng)價(jià)中，選取路段1在7：00—8：00時(shí)間段內(nèi)每隔5 min的交通數(shù)據(jù)進(jìn)行綜合運(yùn)行狀態(tài)評(píng)價(jià)，制成如圖3所示的交通狀態(tài)等級(jí)變化情況。

圖3 交通狀態(tài)評(píng)價(jià)結(jié)果對(duì)比

由圖3可知，雖然評(píng)價(jià)結(jié)果基本相同，但本文結(jié)果更加靈敏和細(xì)致。例如圖中7：15—7：30的時(shí)間段內(nèi)，本文評(píng)價(jià)方法繪制出由低到高的折線，體現(xiàn)出運(yùn)行狀態(tài)等級(jí)之間的過渡過程，可得在不同時(shí)間段之間運(yùn)行狀態(tài)的變化趨勢(shì)；而其他方法在該時(shí)間段內(nèi)基本繪制出一條直線，體現(xiàn)不出不同時(shí)間段之間運(yùn)行狀態(tài)的變動(dòng)情況。因此，在7：00—8：00的整個(gè)時(shí)間段內(nèi)，本文評(píng)價(jià)方法繪制的線圖變化程度相比于其他方法更加緩和，更利于反映交通運(yùn)行狀態(tài)。這是由于模糊綜合評(píng)價(jià)僅用絕對(duì)固定的關(guān)聯(lián)度函數(shù)來表達(dá)隸屬度，其主觀性會(huì)導(dǎo)致評(píng)價(jià)結(jié)果的主觀性而忽略了數(shù)據(jù)本身實(shí)際性的影響，致使結(jié)果不夠貼近實(shí)際；物元模糊評(píng)價(jià)內(nèi)經(jīng)典域的劃分在忽略各等級(jí)邊界處模糊性的同時(shí)，也忽略了各指標(biāo)對(duì)應(yīng)于各等級(jí)關(guān)聯(lián)度的隨機(jī)性，故降低了結(jié)果靈敏性；可變模糊評(píng)價(jià)雖通過對(duì)應(yīng)關(guān)聯(lián)度公式并轉(zhuǎn)改建模時(shí)的參數(shù)域去靈敏反映待評(píng)單元的非清晰特征，但同樣因分級(jí)區(qū)間的硬化問題，使得評(píng)價(jià)結(jié)果跟本文結(jié)果相比，靈敏性和精確性較弱。本文的評(píng)價(jià)方法考慮到交通數(shù)據(jù)的隨機(jī)性和模糊性，通過云滴隨機(jī)性來代表關(guān)聯(lián)度函數(shù)的主觀性，利用閾值云數(shù)字特性和云發(fā)生器實(shí)現(xiàn)區(qū)間軟化并求解指標(biāo)關(guān)聯(lián)度，實(shí)現(xiàn)其他方法未考慮的定量與定性的轉(zhuǎn)化；加上指標(biāo)賦權(quán)方面，主觀權(quán)重將評(píng)價(jià)信息的關(guān)聯(lián)度、非關(guān)聯(lián)度及猶豫程度結(jié)合，并由博弈論思想求取指標(biāo)綜合權(quán)重，進(jìn)一步降低評(píng)價(jià)結(jié)果的不確定性，增加其靈敏性和實(shí)際性，以此更加實(shí)際地反映出交通運(yùn)行狀態(tài)。

5 結(jié)論

本文按照微觀(點(diǎn)-路段)、中觀(線-道路)和宏觀(面-區(qū)域)的交通維度結(jié)構(gòu)，構(gòu)建了城市道路交通運(yùn)行狀態(tài)評(píng)價(jià)指標(biāo)體系，逐層實(shí)現(xiàn)交通運(yùn)行狀態(tài)綜合評(píng)價(jià)；顧及到交通數(shù)據(jù)的模糊性和隨機(jī)性，分別采用直覺模糊熵法和信息熵法得到主、客觀權(quán)重，避免了以往研究中單一賦權(quán)的不足，并基于博弈論思想得到綜合權(quán)重，使得指標(biāo)權(quán)重更加合理；采用云模型的評(píng)價(jià)原理，運(yùn)用云發(fā)生器保證結(jié)果的可靠性并繪制出評(píng)定結(jié)果云圖，實(shí)現(xiàn)交評(píng)可視化。

將本文方法進(jìn)行實(shí)例應(yīng)用的同時(shí)，還與模糊綜合評(píng)價(jià)、物元模糊評(píng)價(jià)和可變模糊評(píng)價(jià)進(jìn)行比較，既驗(yàn)證了其科學(xué)、可行，又進(jìn)一步驗(yàn)證了該方法較其他評(píng)價(jià)方法更加靈敏、貼近實(shí)際，所以更能有效準(zhǔn)確地反映交通運(yùn)行狀態(tài)，由此為交通運(yùn)行綜合評(píng)價(jià)提供了新的有效評(píng)價(jià)手段，不僅可以幫助交通參與者實(shí)現(xiàn)交通誘導(dǎo)，而且便于交通管理者做進(jìn)一步的交通分析和制定改善策略，對(duì)城市交通運(yùn)行質(zhì)量的提高做出積極的貢獻(xiàn)。

此次所選取的評(píng)價(jià)指標(biāo)，主要基于卡口數(shù)據(jù)按照評(píng)價(jià)指標(biāo)選取原則進(jìn)行選取的，后期將在評(píng)價(jià)指標(biāo)選取上做進(jìn)一步的處理和分析，由此完善城市交通運(yùn)行評(píng)價(jià)中的評(píng)價(jià)指標(biāo)體系。