吉林大学学报(工学版) ›› 2023, Vol. 53 ›› Issue (2): 385-395.doi: 10.13229/j.cnki.jdxbgxb20210761

• 交通运输工程·土木工程 • 上一篇    下一篇

基于模糊双边界网络模型的道路运输效率评价

王占中(),蒋婷,张景海()   

  1. 吉林大学 交通学院,长春 130022
  • 收稿日期:2021-08-09 出版日期:2023-02-01 发布日期:2023-02-28
  • 通讯作者: 张景海 E-mail:wangzz@jlu.edu.cn;jinghai@jlu.edu.cn
  • 作者简介:王占中(1965-),男,教授,博士生导师. 研究方向:物流资源优化技术. E-mail: wangzz@jlu.edu.cn
  • 基金资助:
    国家自然科学基金面上项目(61873109)

Evaluation of road transportation efficiency based on fuzzy double frontiers network model

Zhan-zhong WANG(),Ting JIANG,Jing-hai ZHANG()   

  1. College of Transportation,Jilin University,Changchun 130022,China
  • Received:2021-08-09 Online:2023-02-01 Published:2023-02-28
  • Contact: Jing-hai ZHANG E-mail:wangzz@jlu.edu.cn;jinghai@jlu.edu.cn

摘要:

为更加全面、客观、灵活地评价道路运输效率,本文将道路运输过程拆解为基础设施建设、客货运输主体及运输绩效评估三部分,充分考虑非期望产出和指标不确定性对效率的影响,提出了基于模糊双边界网络数据包络模型的道路运输效率评价方法。模型的主要优点为能灵活地监测不精确系统中内部子过程效率的变化情况,突出无效决策单元在效率评价中的作用。最后,采用秩和检验证明模型可靠性后,对吉林省道路运输效率进行评价。

关键词: 交通运输规划与管理, 模糊环境, 道路运输效率, 双边界, 网络DEA

Abstract:

In order to evaluate the efficiency of road transportation more comprehensively, objectively and flexibly, the road transportation process was disassembled into three parts: infrastructure construction, passenger and cargo transportation and transportation performance evaluation, and fully considered the impact of undesired output and indicator uncertainty on efficiency. As a result, a road transportation efficiency evaluation method based on fuzzy double frontiers network data envelopment model was proposed. The main advantage of the model was that it can monitor the variation of internal sub-process efficiency in the imprecise system and highlight the role of inefficiency decision unit in efficiency evaluation. Finally, the model was used to evaluate the road transportation efficiency in Jilin Province, and the reliability of the model was proved by the rank-sum test.

Key words: transportation planning and management, fuzzy environment, road transport efficiency, double frontiers, network DEA

中图分类号: 

  • U491

表1

投入产出指标集"

目标层过程层投入产出层指标层单位说 明
道路运输效率基础设施建设过程投入载客汽车拥有量万辆-
载货汽车拥有量万辆-
固定资产投资总额亿元-
中间产出公路里程万公里包含等级公路里程和等级以外公路里程
客位数万客位公路营运汽车额定载客人数
载货吨位万吨公路营运汽车额定载货吨数
客货运输过程投入道路运输业从业人数-
客位数万客位-
载货吨位万吨-
能源万吨折算成标准煤
公路里程公里-
中间产出旅客周转量亿人公里-
货运周转量亿吨公里-
运输绩效过程投入旅客周转量亿人公里-
货运周转量亿吨公里-
最终产出道路运输业增加值亿元-
二氧化碳排放量万吨利用能源估算

图1

道路运输3层网络结构"

表2

不同边界下的各年道路运输效率值"

年份EBEF排名EBIF排名EBDF排名

2000

2001

2002

0.6676

0.7814

1

19

13

1

1

1.7744

1.9175

19

8

3

0.8171

1.1775

1.3847

19

10

3

20030.5602201200.748520
20040.7319161.4082151.015215

2005

2006

2007

2008

2009

2010

2011

2012

0.6840

0.8842

1

0.8854

0.7334

0.6862

0.8039

0.9393

18

9

1

8

15

17

12

6

1.3319

1.7744

2.0886

1.7819

1.6210

1

1.7133

1.8913

16

8

2

7

12

18

10

4

0.9545

1.2526

1.4452

1.2561

1.0900

0.8284

1.1736

1.3329

16

8

2

7

14

18

11

5

2013

2014

2015

2016

2017

2018

2019

1

0.8618

1

0.7641

0.8987

0.8122

1

1

10

1

14

7

11

1

1.7643

1

2.1370

1.6210

1.6509

1.5035

1.7843

6

17

1

12

11

14

5

1.3283

0.9283

1.4618

1.1129

1.2181

1.1051

1.3358

6

17

1

12

9

13

4

图2

道路运输3种效率值"

图3

单边界效率分布象限图"

图4

α=0时双边界下各年效率最值分布图"

表3

子过程效率及敏感性分析结果"

年份子过程效率敏感性
S1S2S3固资能源CO2

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

2016

2017

2018

2019

0.6687

1.1421

1.2399

0.8142

0.9433

0.8838

1.2305

1.4280

1.1624

0.9750

0.8906

1.0746

1.1303

1.2587

1.0331

1.4452

1.1246

1.0076

1.1193

1.3821

0.9235

1.2942

1.5402

0.7729

1.0979

0.9813

1.3855

1.4739

1.2182

1.1917

0.8326

1.4846

1.3563

1.2457

0.8456

1.4311

1.1568

1.4379

1.1094

1.3270

0.8590

1.0962

1.3741

0.6583

1.0045

0.9983

1.1417

1.4337

1.3876

1.1043

0.7619

0.9616

1.5120

1.4804

0.9063

1.5092

1.0574

1.2087

1.0865

1.2982

0.2693

0.2610

0.2671

0.2445

0.2845

0.2614

0.2643

0.2531

0.2764

0.2484

0.2477

0.2402

0.2479

0.2406

0.2022

0.2105

0.1965

0.1988

0.1717

0.1594

0.1653

0.1870

0.1774

0.1992

0.2259

0.2153

0.1826

0.2149

0.2120

0.1984

0.1736

0.1749

0.2245

0.1831

0.1749

0.2227

0.2310

0.1705

0.1636

0.1749

0.1494

0.1676

0.1742

0.1824

0.1907

0.1933

0.1929

0.1772

0.2055

0.2238

0.2020

0.1903

0.2316

0.2308

0.2012

0.2299

0.2281

0.2129

0.2112

0.2377

图5

3种指标敏感性分析结果"

1 Li Y J, Wang L Z, Li F. A data-driven prediction approach for sports team performance and its application to National Basketball Association[J]. Omega-International Journal of Management Science, 2021, 98: 102-123.
2 朱伟权, 杨晓光, 滕靖. 基于数据包络分析和随机前沿分析的公交线路绩效的外部运营环境影响分析[J]. 吉林大学学报:工学版, 2013, 43(5): 1215-1221.
Zhu Wei-quan, Yang Xiao-guang, Teng Jing. External operating environment impact analysis of bus route performance based on data envelopment analysis and stochastic frontier analysis[J]. Journal of Jilin University(Engineering and Technology Edition), 2013, 43(5): 1215-1221.
3 郝合瑞, 邵春福, 陈晓明, 等. 基于组合评价方法的道路运输站场布局评价[J]. 吉林大学学报:工学版, 2008, 38(6): 1291-1294.
Hao He-rui, Shao Chun-fu, Chen Xiao-ming, et al. Road transport station layout evaluation based on combination evaluation method[J]. Journal of Jilin University(Engineering and Technology Edition), 2008, 38(6): 1291-1294.
4 Liu H W, Wu J, Chu J F. Environmental efficiency and technological progress of transportation industry-based on large scale data[J]. Technological Forecasting and Social Change, 2019, 144: 475-482.
5 Liu H W, Yang R L, Wang Y Q, et al. Measuring performance of road transportation industry in China in terms of integrated environmental efficiency in view of streaming data[J]. Science of the Total Environment, 2020, 727: 138675.
6 Liu H W, Yang R L, Wu J, et al. Total-factor energy efficiency change of the road transportation industry in China: a stochastic frontier approach[J]. Energy, 2021, 219: 119612.
7 Cooper W W, Park K S, Yu G. IDEA and AR-IDEA: models for dealing with imprecise data in DEA [J]. Management Science, 1999, 45(4): 597-607.
8 Hashem O, Khatereh S, Arash A. Integrated data envelopment analysis and cooperative game for evaluating energy efficiency of transportation sector: a case of Iran[J]. Annals of Operations Research, 2019, 274(1/2): 471-499.
9 Kwanjira K, Van-Nam H, Veeris A, et al. A risk analysis based on a two-stage model of fuzzy AHP-DEA for multimodal freight transportation systems[J]. IEEE Access, 2020(8): 756-773.
10 Liu J S, Lu L Y Y, Lu W M, et al. A survey of DEA applications[J]. Omega-International Journal of Management Science, 2013, 41(5): 893-902.
11 Tone K, Tsutsui M. Network DEA: a slacks-based measure approach[J]. European Journal of Operational Research, 2009, 197(1): 243-252.
12 Mahmoudabadi M Z, Azar A, Emrouznejad A. A novel multilevel network slacks-based measure with an application in electric utility companies[J]. Energy, 2018, 158: 1120-1129.
13 Wang Y M, Chin K S, Yang J B. Measuring the performances of decision-making units using geometric average efficiency[J]. Journal of the Operational Research Society, 2007, 58(7): 929-937.
14 Tone K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2001, 130(3): 498-509.
15 Liu S T, Lee Y C. Fuzzy measures for fuzzy cross efficiency in data envelopment analysis[J]. Annals of Operations Research, 2021, 300(2): 369-398.
16 Shermeh H E, Najafi S E, Alavidoost M H. A novel fuzzy network SBM model for data envelopment analysis: a case study in Iran regional power companies[J]. Energy, 2016, 112: 686-697.
17 Dotoli M, Epicoco N, Falagario M. A fuzzy technique for supply chain network design with quantity discounts[J]. International Journal of Production Research, 2017, 55(7): 1862-1884.
18 程豪. 碳排放怎么算: 《2006年IPCC国家温室气体清单指南》[J]. 中国统计, 2014(11): 28-30.
19 国家统计局. 分省年度数据[EB/OL]. [2021-03-04].
20 马帅. 《中国能源统计年鉴》[EB/OL]. [2021-04-04].
21 吉林省统计局. 《吉林省统计年鉴》[EB/OL]. [2021-02-16].
[1] 闫云娟,查伟雄,石俊刚,李剑. 具有随机充电需求的混合动态网络平衡模型[J]. 吉林大学学报(工学版), 2022, 52(1): 136-143.
[2] 李浩,陈浩. 考虑充电排队时间的电动汽车混合交通路网均衡[J]. 吉林大学学报(工学版), 2021, 51(5): 1684-1691.
[3] 户佐安,夏一鸣,蔡佳,薛锋. 延误条件下综合多种策略的城轨列车运行调整优化[J]. 吉林大学学报(工学版), 2021, 51(5): 1664-1672.
[4] 朱才华,孙晓黎,李岩. 站点分类下的城市公共自行车交通需求预测[J]. 吉林大学学报(工学版), 2021, 51(2): 531-540.
[5] 罗清玉,田万利,贾洪飞. 考虑通勤需求的电动汽车充电站选址与定容模型[J]. 吉林大学学报(工学版), 2019, 49(5): 1471-1477.
[6] 曹骞, 李君, 刘宇, 曲大为. 基于马尔科夫链的长春市乘用车行驶工况构建[J]. 吉林大学学报(工学版), 2018, 48(5): 1366-1373.
[7] 孙宝凤, 高坤, 申琇秀, 梁婷. 基于能力平衡和变覆盖半径的加油站网络扩充选址模型[J]. 吉林大学学报(工学版), 2018, 48(3): 704-711.
[8] 孙旭, 李翀, 杨印生, 杨军. 基于网络DEA方法的机械产品生产过程效率测度[J]. 吉林大学学报(工学版), 2012, 42(增刊1): 484-488.
[9] 徐亮,程国柱. 基于车速离散度和经济车速的高速公路最低车速限制[J]. 吉林大学学报(工学版), 2010, 40(03): 661-0665.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 李寿涛, 李元春. 在未知环境下基于递阶模糊行为的移动机器人控制算法[J]. 吉林大学学报(工学版), 2005, 35(04): 391 -397 .
[2] 刘庆民,王龙山,陈向伟,李国发. 滚珠螺母的机器视觉检测[J]. 吉林大学学报(工学版), 2006, 36(04): 534 -538 .
[3] 李红英;施伟光;甘树才 .

稀土六方Z型铁氧体Ba3-xLaxCo2Fe24O41的合成及电磁性能与吸波特性

[J]. 吉林大学学报(工学版), 2006, 36(06): 856 -0860 .
[4] 张全发,李明哲,孙刚,葛欣 . 板材多点成形时柔性压边与刚性压边方式的比较[J]. 吉林大学学报(工学版), 2007, 37(01): 25 -30 .
[5] 杨树凯,宋传学,安晓娟,蔡章林 . 用虚拟样机方法分析悬架衬套弹性对
整车转向特性的影响
[J]. 吉林大学学报(工学版), 2007, 37(05): 994 -0999 .
[6] 杨庆芳,陈林 . 交通控制子区动态划分方法[J]. 吉林大学学报(工学版), 2006, 36(增刊2): 139 -142 .
[7] 于华楠,康健 . 改进的基于Kalman滤波的盲多用户检测算法
[J]. 吉林大学学报(工学版), 2006, 36(增刊2): 122 -125 .
[8] 李成,刘治华,张平 . 具有初始位移的两层转子结构复合材料储能飞轮的应力及位移分析[J]. 吉林大学学报(工学版), 2007, 37(04): 828 -832 .
[9] 李月英,刘勇兵,陈华 . 凸轮材料的表面强化及其摩擦学特性
[J]. 吉林大学学报(工学版), 2007, 37(05): 1064 -1068 .
[10] 张和生,张毅,温慧敏,胡东成 . 利用GPS数据估计路段的平均行程时间[J]. 吉林大学学报(工学版), 2007, 37(03): 533 -0537 .