方案层P。本文以机坪电动引导车为分析对象，对机坪电动特种车辆运行安全进行普适性的评估[4⁃5]。目标层为电动特种车辆运行安全G，准则层集合为{C1，C2，C3，C4}，方案层{Pi1，Pi2，，…，Pin}，i=1，2，3，4。构建的指标体系见图1。
机坪电动特种车辆在实际运行的交通系统中，“人、车、路、环境”是构成该系统的基本要素，其运行安全风险指标必定是建立在这些因素的基础上，下面对方案层P的某些指标做出解释：
（1） 驾驶员是整个交通系统中影响运行安全的最主观性的因素。为了避免驾驶员心理素质、人格因素等这些因人而异的主观性因素导致评估结果不具普适性，选取操作技能P11与疲劳程度P12两个相对客观的指标。驾驶员的操作技能是决定正确行驶的关键。疲劳程度是随着工作时长的增加导致工作能力下降的客观规律。
（2） 制动性P21主要分为制动效能的好坏、制动效能的恒定性以及制动方向的稳定性三个指标。机坪特种车辆根据服务性质的不同都有不同程度的限速，由此可知制动频率较高，这种工作环境对制动系提出了较高要求。
（3） 操纵稳定性P22是指车辆在各种条件下能保持稳定行驶状态的能力。机坪特种车辆在作业期间通常保持低速稳定运行，因而操纵稳定性良好。
（4） 电池组的动力性P23分为爬坡性能、加速性能与最高速度性能三个指标。爬坡性能与加速性能反映了车辆的后备功率。电池组的后备功率对于安全运行的影响主要体现在超车过程中减少并行时间。此性能主要表现在特种车辆非作业区的公共交通系统中。
（5） 总成部件的疲劳强度P24主要是指电机、电池、轮胎等关键部件的磨损与老化程度，总成部件的疲劳强度是影响特种车辆安全运行的潜在因素。
（6） 电池组的安全性P25主要是指包括电池组的防水、散热、防撞以及过放电等指标，其中电池组的安全性是决定特种车辆“油改电”是否成功的关键。
（7） 道路线形设计P31包括曲线半径、坡度、坡长等指标。
（8） 路面基本状况P32包括路面强度、平整度、稳定度等指标。
（9） 天气状况P41与昼夜状况P42是影响视距的两个主要因素，视距越小，事故率越高。
2 电动特种车辆运行安全评估方法
建立起电动特种车辆安全运行的指标体系之后，依据AHP方法对同层次的各指标两两对比构造判断矩阵，对矩阵进行一致性检验，确定各指标的权重，再用改进的隶属函数法构建单因素评估矩阵，最终对电动特种车辆运行安全做出综合评估[6]。
2.1 AHP方法确定评价指标的权重
AHP方法中，指标权重的确定非常关键，它直接反映出各指标所起的作用，决定了模糊综合评估结果的成败。AHP方法将定量分析与定性分析结合，既解决了量纲不同的问题，又将不同类型的性能指标在同一矩阵中量化[7]。
（1） 构造判断矩阵。判断矩阵G就是对存在于同一层次的各指标对于上层隶属指标的重要程度进行两两对比， 根据专家经验量化对比结果[8]。为了提高量化的精确性，往往采用标度的方法，具体标度见表1。
上述判断矩阵G=（gij）n×n的具体形式如下：
式中，gij表示指标i相比指标j的重要性，并且满足gij>0，gii=1，gij=（i，j=1，2，…，n）。
（2） 层次单排序。层次单排序就是同层次的各指標对于上层隶属指标按重要程度的排序，先计算出判断矩阵G的最大特征值λmax ，再根据特征方程G·W=λmax·W，计算出特征向量W=（ω1，ω2，…，ωn）T，最后对特征向量W归一化处理。
表1 标度量化方法
具体步骤如下：
将判断矩阵G进行列归一化处理，得到矩阵B=（bij）n×n （i，j=1，2，…，n），再将矩阵B按行求和：
式中：n为判断矩阵的阶数；C=0时，判断矩阵完全一致，C值越大，判断矩阵越不一致，但是无法衡量判断矩阵不一致程度的范围，因此，引入随机一致性比例指标，记作CR，即：，R为随机一致性指标。当CR<0.1时，判断矩阵的不一致性在合理范围内，否则必须重新构造判断矩阵。R为撒汀经验值[9]，取值如表2所示。
表2 撒汀经验值
2.2 模糊综合评估的计算
确定指标权重之后，需要构建单因素评估矩阵，隶属度权重的计算取决于隶属函数的设定，最常用的隶属函数有三角函数、梯形函数以及高斯函数等，隶属函数的参数由行业专家给定[10]。
（1） 评判集的构建。首先建立评判集V={v1，v2，…，vn}，通常影响安全的等级vi用“很低，较低，较高”等类似的词汇描述。
（2） 计算特种车辆的评分矩阵D。咨询m个专家对n个指标进行评分，评价值为dij，dij表示第i个专家对第j个指标的评分，评分矩阵D的具体形式如下：
（3） 改进的隶属函数法。在实际运用中，为了计算方便，三角函数与梯形函数是应用广泛的隶属函数，这些单一的隶属函数法对评估的结果的准确度都有不同程度的降低。本文首次提出梯形隶属函数与高斯隶属合成的方法，使得模糊处理的结果更精确。例如疲劳程度属于越小越好型指标，选取5个风险评价集V={很低，较低，中，较高，很高}，合成隶属函数如图2所示。
2.4 对综合评估向量结果分析
综合评估向量B的结果为百分制的数字，对评估结果的分析通常运用最大隶属度原则，找出B中的最大值Bmax，以此最大值作为评估的参考值，该值属于哪个评价等级则评估结果就是哪个等级[11]。
3 实例验证分析
通过AHP法的递阶层次思想计算出的系统指标权重反映了不同指标间的重要性差别，然后通过改进的隶属函数合成法对机坪电动车辆运行安全做出综合评估。选取我国某机场的真实运行交通环境进行研究，以机坪电动引导车（FOLLOW ME）为评估对象，对评估结果的合理性和客观性进行验证。专家组成员包括机场运行指挥专家、机场运行指挥人员、经验丰富的一线驾驶员等。
（1） 根据2.1节中AHP方法确定机坪电动特种车辆评价指标的权重：
A=[0.237 9，0.595 4，0.053 6，0.113 0]
A1=[0.666 7，0.333 3]
A2=[0.291 1，0.038 3，0.076 7，0.117 0，0.476 8]
A3=[0.482 9，0.088 2，0.272 0，0.157 0]
A4=[0.529 2，0.268 1，0.068 4，0.134 2]
（2） 咨询20位行业专家对电动引导车的各指标进行评分，构造评分矩阵D。以准则层指标道路C3为例分析，对其下层指标进行评分，其中dij∈[0，10]，得到评分矩阵D3：
（3） 隸属度的计算。通过Matlab模糊工具箱，编辑模糊隶属函数，设置模糊规则，将评分矩阵的值dij作为输入值在Matlab计算相应输出值f，从而计算出隶属度Xjn：n=1，X=7.032 6；n=2，X=5.511 2；n=3，X=3.544 1；n=4，X=0.513；n=5，X=0。
（4） 单因素评估矩阵的构建。根据隶属度权重计算公式可得单因素评估矩阵 R3：
同理可求出R1，R2，R4。
（5） 模糊综合评估。一级指标模糊评估：利用Bi=Ai·Ri（i=1，2，3，4），得到一级指标模糊评估如下：
B1=（0.360 3，0.443 5，0.172 7，0.023 5，0）
B2=（0.371 6，0.351 9，0.252 0，0.019 9，0）
B3=（0.447 8，0.419 5，0.117 1，0.015 7，0）
B4=（0.388 8，0.358 1，0.226 9，0.026 1，0）
二级指标模糊评估：由电动引导车的一级因素C1，C2，C3，C4构成的总单因素评判矩阵R为：
利用B=A·R可得出电动引导车模糊综合评估的结果：
B=（0.374 9，0.378 0，0.223 0，0.021 2，0）
依据最大隶属度原则，B中最大值为0.378 0为评估结果，0.378 0对应风险评价集{很低，较低，中，较高，很高}中的“较低”等级，说明该机场的电动引导车运行风险较低，与实际情况吻合。实际中有30.65%的专家认为风险等级很低，有37.8%的专家认为风险等级较低，28.4%的专家认为风险等级为中等，有3.15%的专家认为风险等级较高。
改进的隶属函数对比：对电动引导车运行安全做出合理评估以后，进一步用改进的合成隶属函数与梯形隶属函数、高斯隶属函数的评估结果做出对比，也分别得到了不同的评估结果，其结果如表3所示。
从表3可知，高斯隶属函数与合成隶属函数的评估结果均能正确反映引导车运行风险等级，但是合成隶属函数的评估结果与实际情况更为吻合，从而验证了改进的隶属函数的优点。
表3 电动引导车运行安全评估结果对比
4 结 论
为了实现机场节能减排，大量电动特种车辆进入机坪作业，对车辆安全运行提出了新的要求。本文对机坪电动特种车辆进行分析，建立了电动特种车辆安全运行的指标体系，运用AHP法计算出指标权重，通过改进的合成隶属函数对电动特种车辆安全运行进行模糊综合评估，改善了目前对特种车辆的安全评估方法还停留在现场观察评估的现状。同时对影响电动特种车辆运行安全的指标按重要程度进行排序，对机场预防风险隐患提供了科学的参考依据，具有很好的实际应用价值[12]。
参考文献
[1] 于敬磊.中国民航节能减排对策研究[J].资源节约与环保，2014（10）：83.
[2] 程明，孙瑞山.机场运行岗位安全评估模型的构建与验证[J].工业安全与环保，2013，39（6）：88⁃90.
[3] 项磊，杨新，张扬，等.基于层次分析法与模糊理论的卫星效能评估[J].计算机仿真，2013，30（2）：55⁃61.
[4] 李鸣慎，杨帆，杨夯，等.基于层次分析与模糊评判的电动汽车充电站能效评估[J].电测与仪表，2013，50（9）：69⁃73.
[5] 安雪滢，赵勇，杨乐平，等.基于模糊理论的卫星系统效能评估仿真研究[J].系统仿真学报，2006，18（8）：2334⁃2337.
[6] MUSAVI F， EDINGTON M， EBERLE W， et al. Energy efficiency in plug⁃in hybrid electric vehicle chargers： evaluation and comparison of front end AC⁃DC topologies [C]// Proceedings of 2011 IEEE Energy Conversion Congress and Exposition. [S.l.]： IEEE， 2011： 273⁃280.
[7] WANG X， WANG S， CHEN M， et al. Efficiency testing technology and evaluation of the electric vehicle motor drive system [C]// Proceedings of 2014 IEEE Conference on Transportation Electrification Asia⁃Pacific. Beijing， China： IEEE， 2014： 1⁃5.
[8] LU S B， XU S G， MA T， et al. Application of variable fuzzy recognition model in comprehensive benefit evaluation of floodwater utilization [C]// Proceedings of the Seventh 2010 IEEE International Conference on Fuzzy Systems and Knowledge Discovery. Yantai， China： IEEE， 2010： 836⁃840.
[9] 谢季坚.模糊数学方法及其应用[M].武汉：华中科技大学出版社，2013.
[10] CHEN J， LU B. The study of multi⁃granular fuzzy comprehensive evaluation model [C]// Proceedings of 2007 the second IEEE Conference on Industrial Electronics and Applications. Harbin， China： IEEE， 2007： 1578⁃1583.
[11] XU Bin， ZHANG Li. Groundwater hydro⁃ecological security evaluation based on generalized multi⁃level fuzzy comprehensive evaluation model： A case of Shihezi reclamation area in Xinjiang province， China [C]// Proceedings of 2011 International Symposium on Water Resource and Environmental Protection. Xi’an， China： IEEE， 2011： 384⁃387.
[12] GARCIA H J， BERLANGA A， MOLINA J M， et al. Methods for operations planning in airport decision support systems [J]. Applied intelligence， 2005， 22（3）： 183⁃206.