摘要：危险货物在实施异地运输时，一般会有多种运输方式供选择，本文着重考虑危险货物运输决策者的心理行为，运用粗糙集理论、灰靶理论和前景理论，解决如何进行危险货物运输方式选择的问题。首先，通过粗糙集理论构建了危险货物运输方式决策指标体系，然后结合灰靶思想与前景理论，考虑不同决策者对各个选择评价指标的期望灰靶值以及他们的风险态度，确定了各个决策者的权重及前景价值函数值，基于综合前景值对危险货物运输方式进行选择。最后，通过一个例子验证了该方法的可行性和有效性。

　　关键词：危险货物;运输方式;粗糙集;前景理论;灰靶

　　0 引言

　　随着社会经济的迅猛发展，危化品需求日趋增多，在此需求的带动下，危化品的运输量相应地增加了，与此同时事故的常发问题在运输过程中尤为凸显，这些事故在一定程度上制约着化工类行业的发展，影响着整个社会经济的发展。随着危险货物运输需求的增多，危险货物运输问题也日益备受关注，针对这一问题的运输行业标准也日益完善、健全，基础设施、设备建设也为其提供了保障，信息化平台也跟上了时代的发展。而危险货物的运输问题中最基本的运输方式的决策问题，在解决整个危险货物运输事故起着最基础的保障作用，只要能够为不同的危险货物选择出正确的、合理的运输方式，再加上必要的管理，就可以很大程度上避免事故的发生。

　　针对普通货物运输方式选择问题，胡松评[1]从速度、成本、便利性、运载力、安全性等方面进行综合比较分析，提出了基于有关运输参数的运输方式选择决策评价模式。诸多学者例如常刚，基于比如层次分析法、灰色评价等相关理论，分析思考到消费者、用户的偏好，有了军事运输方式选择模型;再比如学者孙彬、陈秋双，在依据了运输决策的合作、自治、动态这些相关特点层面，研究了多式联运模型、优化相关方法及选择路径，探索出满足托运人更多需求的运输决策方案。针对危险货物，赵杰君[4] 在层次分析法、模糊综合评价法的基础上，探索中国境内危险货物的可以选择的绿色运输方式有哪些，并逐一分析、评价。上述运输方式选择方法均未考虑决策者心理行为及风险态度。

　　本文在解决危险货物运输方式选择决策的问题上，除了考虑决策一致性的基础上，为了能够避免主观因素错误判断带来的决策偏差对决策结果产生差异化影响，加入了决策者的心理行为的考虑，每一位决策者的个人偏好存在差异，正是由于这些不同的偏好差异，导致决策结果的合理性受到相关影响。因此，本文首先通过粗糙集理论以及专家打分法建立起危险货物运输方式选择评价指标体系，然后采用灰靶思想，建立决策者权重模型，并融入前景理论, 提出一种新的方法来更好地解决考虑决策者心理行为的多属性值群体决策问题。

　　1.危险货物运输方式决策指标体系的构建

　　本文结合文献[1]中对运输方式提出的评价决策因素，根据危险货物的特性，考虑以下5种评价运输方式的因素，具体因素是：运输可靠性因素、运输时间因素、运输成本因素、运输风险管控、便捷因素。并通过粗糙集理论对这五种指标进行重要度排序，从而得到危险货物运输方式决策指标体系。

　　粗糙集理论——其内涵包括对于未知领域以及在不能全面掌握数据、素材的前提下进行推断进而得出结论，波兰科学家Z.Pawlak，1982年分析得出[5]。危险货物运输方式决策，一般是根据先前经验或者货物特性来模糊、定性的分析，得出方案。而粗糙集理论，在一定程度上，能够较其他类型的处理方法相比，能够更具客观、有效及实用的特点，除此以外，可以不借助其他附加信息和先验知识的情况下，结合利用自身相关信息，对未来事务进行判断、推理、预测等决策。

　　Sept 1：构造危险货物运输方式决策表，用表格中的横向数列表明分析对象，用表格中的纵向数列表示分析对象具备的特点。由横向数列和纵向数列构成的矩阵构成“知识库”;

　　通过专家打分法对运输方式选择评价属性进行打分，选最具有权威的n个专家作为对象集U，在纵向数列中，按照如下表1所示的评分标准，对以下条件属性a-e的影响进行评分，具体包括：运输时间、运输成本、运输可靠性、风险性和便捷性，并在数列中标出决策属性(D)。

　　表1 运输方式选择评价属性值及其赋值表

　　Sept 2：化简危险货物运输决策表，从该表中将重复的行去掉;

　　Sept 3：对决策表中所有相关属性的重要程度进行计算;

　　Sept 4：归一化每个属性的重要度。

　　2.危险货物运输方式决策数据预处理

　　现实生活中，对于决策的判断往往是不确定的，对于这些决策指标值的搜集，也都没有精确的数据来表示，一般通过模糊数、区间数、语义值等方式处理，但不同的决策者会对决策有主观性的偏好，导致决策的结果依然很难客观化。本文将侧重考虑决策者心理行为，在灰靶思想的基础上，引入前景理论的内涵，解决这一问题。

　　2.1数据规范化处理

　　借鉴前景理论对决策者心理行为的分析，确定各属性不同期望值并进行参考，在三种指标类型中进行筛选，给出最适合的价值函数。

　　(1)关于效益型指标

　　若aijk(?茚)>gjk(?茚)，则决策者的心理感知为收益，其价值函数为：

　　vijk+=(d(aijk(?茚)，gjk(?茚)))α (1)

　　若aijk(?茚)

　　vijk-=-λ(-d(aijk(?茚)，gjk(?茚)))β (2)

　　(2)关于成本型指标

　　若aijk(?茚)

　　vijk+=(d(aijk(?茚)，gjk(?茚)))α (3)

　　若aijk(?茚)>gjk(?茚)，则决策者的心理感知为损失，其价值函数为：

　　vijk-=-λ(-d(aijk(?茚)，gjk(?茚)))β (4)

　　(3)关于区间型指标

　　若aijLk(?茚)>gjkL(?茚)且aijUk(?茚)

　　vijk+=(d(aijk(?茚)，gjk(?茚)))α (5)

　　若aijLk(?茚)gjUL(?茚)，则此时决策者的心理感知为损失，其价值函数为：

　　vijk-=-λ(-d(aijk(?茚)，gjk(?茚)))β (6)

　　无论所选取指标是以上哪一种类型，所得的前景价值按照是否落在期望灰靶内来判断正负。为了减少计算结果受到不同量纲的影响，以是否满足灰靶为统一标准，通过下式达到统一规范化的效果：

　　■=■ (7)

　　根据上述价值函数，用正前景值+负前景值得出最终的综合前景值。

　　将■从小到大排序，得到■≤…≤■≤0≤■≤…≤■，

　　vik=■π-(wj)■+■π+(wj)■ (8)π+(wj)=■ (9)

　　π-(wj)=■ (10)

　　文献[8]表明，当参数α=β=0.88，α=α=β=0.88，λ=2.25，γ=0.61，δ=0.69时与经验数据较为一致。

　　3.危险货物运输方式决策步骤

　　Step1: 结合指标特性，由前六个公式得出方案内的所有决策者对所有指标的前景价值函数，确定最终的数值;

　　Step 2: 将所得结果按照上述式 (7)对各指标进行规范化处理;

　　Step 3: 利用通过粗糙集理论得到的各指标的决策权重，带入式(8)计算各决策者关于方案指标的前景值;

　　Step 4: 利用粗糙集理论计算出各决策者权重;

　　Step 5: 将涉及到的所有综合前景值Vt=(i=1，2，3，…，m)排序。

　　4.案例分析

　　现有一化工企业计划从A地到B地运输一批危险货物，由于危险货物的特性，企业决策者们需要在以下3种运输方式(如下表2所示)，并从中找出最优的选择。

　　表2 运输决策方案

　　Sept 1: 构造决策表;通过专家打分法对运输方式选择评价属性进行打分，选最具有权威的10个专家作为对象集U，按照如表1所示的评分标准，专家对以下条件属性a-e的影响进行评分，结果如下表3所示：

　　表3 运输方式选择决策知识表达系统

　　按照粗糙集理论有关定义，考察表3，因U/Indc≠U/Indc-i(i=a，b，c，d，e)，故没一个属性可以约简。

　　Sept 2:求解属性a~e的重要度;

　　U/D={{2，4，7}，{6，8，10}，{1，3，5，9}}

　　U/Ind(a)={{6，8，10}，{1，3，5，9}，{2，4，7}}

　　U/Ind(b)={{7，8，9}，{1，2，5，10}，{3，4，6}}

　　U/Ind(c)={{1，3，4，6，9}，{2，5，7，8，10}}

　　U/Ind(d)={{2，4，6，7，10}，{1，3，5，8，9}}

　　U/Ind(e)={{1，3，6，10}，{2，4，5，7，9}，8}

　　U/Ind(b，c，d，e)={{1，3，6，7，9，10}，{2，5，4}，8}

　　U/Ind(a，c，d，e)={{1，3，10}，{2，4，5，7，9}，8，6}

　　U/Ind(a，b，d，e)={{1，3，6，7，9}，{2，4，5}，8，10}

　　U/Ind(a，b，c，e)={{3，6，7，10}，{2，4，5}，8，{1，9}}

　　U/Ind(a，b，c，d)={{6，7，9，10}，{1，2，3，4，5}，8}

　　U/Ind(a，b，c，d，e)={1，2，3，4，5，6，7，8，9，10}

　　令：X1={2，4，7}，X1={6，8，10}，X3={1，3，5，9}，对表三进行分析，考虑a的重要度。

　　由U/Ind(b，c，d，e)={{1，3，6，7，10}，{2，5，4}，8}，有：

　　Rc-a(X1)={7};Rc-a(X2)=φ;Rc-a(X3)=φ

　　求的a的重要度为：SigC-a(D)=1-■=0.9。

　　同理，可求出属性b，c，d，e的重要度如下：

　　SigC-b(D)=1-■=1 SigC-c(D)=1-■=0.9

　　SigC-d(D)=1-■=0.7 SigC-e(D)=1-■=0.9

　　Sept 3：对所有条件属性的重要度进行归一化处理;

　　对上述条件属性进行归一化的结果如下：

　　WCa=SigC-ca(D)/■SigC-ci(D)=■=20.45%

　　WCb=SigC-cb(D)/■SigC-ci(D)=■=22.73%

　　WCc=SigC-cc(D)/■SigC-ci(D)=■=20.45%

　　WCd=SigC-cd(D)/■SigC-ci(D)=■=15.92%

　　WCe=SigC-ce(D)/■SigC-ci(D)=■=20.45%

　　令X={x1，x2，x3}表示所有备选方案的集合，Y={y1，y2，y3，y4，y5}表示所有指标的集合，D={d1，d2，d3}表示企业决策者集合;Aijk=(gjk(?茚))m×n表示的含义是：第k个专家关于第i个方案下的j指标的评价值，该评价值一个是区间灰数;W={w1，w2，w3，w4，w5}表示各个指标的权重向量，λ={λ1，λ2，λ3}表示企业决策者所占权重;Gijk={g1k(?茚)，g2k(?茚)，g3k(?茚)，g4k(?茚)，g5k(?茚)}表示第k个企业决策者关于各指标的期望向量，即用一个区间数来表示每个企业决策者对各属性的观测值的心理可承受值。各企业决策者的每个属性的心理可承受灰靶的临界值向量和其对每个方案属性的评价值矩阵分别如下所示：

　　G1={[9.3，9.6]，[14.2，15]，[9.3，9.6]，[9.2，9.5]，[9，9.3]}

　　G2={[9，9.5]，[13.8，14.7]，[9.1，9.5]，[9.4，9.8]，[9.3，9.6]}

　　G3={[9，9.4]，[14，14.5]，[9.3，9.6]，[9.3，9.6]，[9.1，9.5]}

　　A1=[9.3，9.5]，[13.8，14.2]，[9.2，9.4]，[8.7，9.1]，[9.4，9.8][9.2，9.4]，[14.7，15.1]，[8.9，9.2]，[9.3，9.6]，[9.2，9.5][8.8，9.1]，[14.5，15]，[9，9.4]，[8.9，9.2]，[9.2，9.5]

　　A2=[9，9.5]，[14，14.7]，[9.2，9.5]，[9.4，9.6]，[9.2，9.5][9.3，9.8]，[14.5，15]，[8.8，9.2]，[9.2，9.6]，[9，9.5][8.9，9.3]，[13.8，14.2]，[9.2，9.6]，[9，9.2]，[9.2，9.5]

　　A2=[9.2，9.7]，[14.3，14.6]，[9.1，9.4]，[9.3，9.7]，[9.5，9.8][9.1，9.3]，[14.5，15.8]，[8.9，9.2]，[9.2，9.4]，[9，9.3][8.8，9.5]，[14，14.9]，[9.3，9.5]，[9，9.2]，[9.2，9.6]

　　其中，a，b，e为成本型指标;c，d为效益型指标，指标的权重向量为：W={20.45%，22.73%，20.45%，15.92%，20.45%}。

　　Step 4：根据指标的特征和各决策者的期望，求出所有方案下所有指标的前景价值函数值;

　　v1= 0.1318 -1.8489 -0.5459 -1.2226 0.5434-0.5459 0.5434 -1.0046 0.1318 0.2426-1.2226 0.3466 -0.7799 -0.7799 0.1318

　　v2= 0 0.2426 0.1318 0.2426 -0.2966 0.3466 0.7306 -0.7799 -0.5439 -0.7799-0.5459 0.5435 0.1318 -1.4353 -0.2966

　　v3= 0.3466 0.3466 -0.5439 0.1318 0.4465 0.1318 0.5434 -1.0046 -0.5459 -0.5459-0.5459 0.4465 0.1318 -1.0046 0.1318

　　Step 5：对各指标进行规范化处理;

　　■= 0.1078 -1 -0.5434 -1 1-0.4465 0.2939 -1 -0.1078 0.4464 -1 0.1875 -0.7763 -0.6379 0.2425

　　■= 0. 0.3321 0.1690 0.1690 -0.3803 0.6349 1 -1 -0.3803 -1 -1 0.7438 -0.1690 -1 -0.3803

　　■= 0.6349 0.6378 -0.5434 0.1312 0.8179 0.2414 1 -1 -0.5434 -1 -1 0.8217 -0.1312 -1 0.2414

　　Step 6：计算所有决策者关于方案指标的前景值;

　　V1=(-0.3002，-0.1649，-0.4521)

　　V2=(0.0491，-0.1919，-0.3192)

　　V3=(0.3612，-0.3117，-0.1640)

　　Step 7:计算出所有决策者所占权重;

　　V+=(0.3612，-0.1649，-0.1640)

　　V-=(-3002，-0.3117，-0.4521)

　　■=(0.0367，-0.2228，-0.3118)

　　得到各个方案的接近度为：

　　C1=0.7015 C2=1.9292 C3=1.6882

　　从而求的所有决策者权重为：

　　λ1=0.1622 λ2=0.4473 λ3=0.3905

　　Step 8：计算所有方案的综合前景值Vi=(i=1，2，3，m)，并排序：

　　V1=0.1143 V2=-0.2343 V3=-0.2802

　　可以看出：V2<0，V3<0得出方案2、方案3的综合前景值为负数，不予考虑;而V1>0，表示方案1的综合前景值为正数;因此，最终方案1被选择。

　　5.结语

　　本文在解决危险货物运输方式选择问题上，提出了基于粗糙集理论和前景灰靶理论的解决方法，侧重考虑了不同决策者心理可承受度对决策的影响。首先，通过粗糙集理论建立危险货物运输方式选择评价指标体系;然后，结合前景理论和灰靶思想，建立决策者权重模型，求出每个决策者的权重，解决了群体决策中不同决策者决策分歧的问题。之后，对比每个决策者对各个指标的期望灰靶值和决策者的风险态度，融入前景理论的相关知识，寻找出最合适的选择方案。案例研究表明，该决策方法可用于危险货物运输方式的决策。C

　　(作者单位：银川能源学院)

　　参考文献

　　[1] 胡松评.运输方式选择的决策模型[J].物流科技，2002，25(2):6-10.

　　[2]常刚，刘宝新，宋凯.应用灰色评价理论选择最优军事运输方式的研究[J].数学的实践与认识，2007，37(3):57-63.

　　[3] 孙彬，陈秋双.基于多Agent多式联运运输决策与动态协调[J].计算机集成系统，2013，19(12):3194-3201.

　　[4] 赵杰君.我国危险化学品绿色运输方式评价[D].大连,大连海事大学，2010.

　　[5] 王国胤.Rough集理论与知识获取[M].西安:西安交通大学出版社，2001.

　　[6] 闫书丽，刘思峰.基于前景理论的群体灰靶决策方法[J].控制与决策，2014，29(4):673-678.

　　[7] Tversky A., Kahneman D. Advances inprospect theory:Cumulative representation of uncertainty[J]. Journal of Risk and Uncertainty, 1992, 5(4): 297-323.

　　[8] Krohling R. A., De Souza T. Combining prospect theoryand fuzzy numbers to multi-criteria decision making[J].Expert Systems with Applications, 2012, 39(13): 11487-11493.