沈阳航空航天大学 民用航空学院,沈阳, 110136
摘要:本文针对民航客舱环境的舒适性评价,提出了基于熵权法-灰色关联理论的评价方法。通过对客舱空气流速、温度、气压、氧浓度、异味、声音环境六个因素进行分析,建立评价指标体系。由于传统的灰色关联理论在进行预测时不能很好地反应客舱舒适性的状况,这里对其进行改进,采用熵权法对各个影响因素进行赋权,通过计算,结果显示改进后的灰色关联理论能更好地对客舱环境进行评价,有更高的准确性。
关键词:参数指标、灰色关联理论、熵权法、环境评价
1引言
随着人们出行需要的日渐增加,飞机成为一种主流的交通工具。民航客舱具有密闭、活动范围小、人员密集的特点,在旅途中通过飞机的环控系统为旅客和机组成员营造一种健康、舒适的座舱环境就显得尤为重要。为了让乘客能够由更好的出行体验,航空公司会花费一定的成本优化客舱环境,但考虑到经济原因,就需要着重对影响大的因素进行优化,使收益达到最大。
目前,国内外关于环境舒适性的评价已经有了一定的研究,特别是在建筑领域,但在民航客舱舒适性评价的研究还相对较少,舒适性的预测研究也相对较少。邓高峰以北京市公共建筑为研究对象,从主客观两方面对室内空气品质进行评价,研究了环境参数与人体满意度之间的关系,建立了室内空气品质预评价模型。刘奕江以空调列车为研究对象,采用主成分分析法,得出了人体不同部位对全身舒适性的影响权重,分析出环境中人体的热舒适性。灰色关联分析法是解决不系统决策问题的有效方法,目前灰色关联分析应用比较广泛。传统灰色关联法在赋权时采用的是等权分配,在实际情况中,往往需要采用别的赋权方式,如熵权法、层次分析法、模糊层次分析法等。
本文采用改进的灰色关联理论对民航客舱环境进行评估,用熵权法确定各个影响因素的权重,来对客舱环境进行预测。
2客舱舒适性评价指标参数的确定
客舱的舒适性受众多因素的影响,其中包括热舒适性、空气质量、光舒适性、噪音级等。本文对6个航班的环境舒适性进行了问卷调查,调查内容包括客舱空气流速、温度、气压、氧浓度、异味、声音环境六个指标的满意度。由于人体对环境的感知能力有限,这里我们将六个指标的评价等级分为5个等级,分别是非常满意、满意、一般、不满意、极不满意,5个等级在统计处理时采用分数的形式,分别对应5、4、3、2、1分,方便后面对调查数据进行定量分析。6个因素对乘客的舒适性都有很大的影响,根据6个因素建立客舱环境评价指标体系。
3基于改进灰色关联理论的评估模型
3.1熵权法赋权
熵权法是一种客观赋权法,在一定程度上能减赋权时受人主观意识的影响,能更好地提高赋权的准确性。
构建初始评价指标矩阵
假设待评价对象V={V1,V2,...,Vn},评价参数T={T1,T2,...,Tm},对应的评价矩阵为
(1)
式中:xij为第i个评价对象的第j个参数的值。
第j个指标的第i个评价对象的比重为
(2)
计算熵值
(3)
计算熵权
(4)
式中:ωsj表示基于熵值的权重。
3.2基于灰色关联度的决策方法
灰色系统理论主要是对样本数目少,信息不完全的不确定系统进行研究,通过对有限样本信息的开发,生成对整个系统的评价。具体步骤如下:
确定待决策对象的各状态指标参数和评价标准
假设评价对象有m个,评价指标有n个,参考数列为X0={x0(k)|k=1,2,…,n},比较数列为Xi={xi(k)|k=1,2,…,n},i=1,2,…,m。
确定各个评价指标的权重
确定各个评价指标参数的权重w=(w1,w2,...wn),其中w表示的是各个指标的权重,这里采用熵值法进行赋权。
计算灰色关联系数
(5)
其中ρ为分辨系数,取值为0-1。
计算灰色加权关联度
(6)
式中:ωi表示权重,由熵权法获得,ri表示灰色加权关联度。
评价分析
根据建立的灰色预测模型,可以对评价对象进行评价,得出待评价对象的优劣顺序。
4实例分析
4.1改进灰色理论预测模型
以调查的6个航班为例,给6个航班分别编号1、2、3、4、5、6,一共调查了6个指标,另外还调查了满意度,用来验证预测结果的准确性。每个航班各有50份调查问卷,根据调查结果,取6个影响指标的平均评分作为状态参数,调查结果如下表1所示。
表1 客舱环境评价指标参数
航班 | 状态参数 | ||||||
空气流速 | 温度 | 气压 | 氧含量 | 异味 | 声音环境 | 满意度(%) | |
1 | 4.25 | 3.3 | 3.05 | 2.9 | 3.6 | 2.75 | 55 |
2 | 4.1 | 3.35 | 2.95 | 2.8 | 2.9 | 3.4 | 65 |
3 | 3.6 | 3.2 | 2.5 | 2.75 | 3.2 | 2.8 | 70 |
4 | 3.4 | 2.9 | 2.95 | 2.75 | 2.5 | 3.3 | 50 |
5 | 3.15 | 3.2 | 2.85 | 3.05 | 3.25 | 2.8 | 60 |
6 | 3.95 | 3.55 | 3.3 | 3.05 | 3.35 | 2.85 | 70 |
运用改进灰色关联理论对航班环境进行分析,首先对数据进行归一化处理,处理后的数据如表2所示。
表2 比较数列和参考数列
指标参数 | 待评价航班 | |||||
1 | 2 | 3 | 4 | 5 | 6 | |
x0 | 1 | 1 | 1 | 1 | 1 | 1 |
x1 | 7.7273 | 6.3077 | 5.1429 | 6.8000 | 5.2500 | 5.6429 |
x2 | 6.0000 | 5.1538 | 4.5714 | 5.8000 | 5.3333 | 5.0714 |
x3 | 5.5455 | 4.5385 | 3.5714 | 5.9000 | 4.7500 | 4.7143 |
x4 | 5.2727 | 4.3077 | 3.9286 | 5.5000 | 5.0833 | 4.3571 |
x5 | 6.5455 | 4.4615 | 4.5714 | 5.0000 | 5.4167 | 4.7857 |
x6 | 5.0000 | 5.2308 | 4.0000 | 6.6000 | 4.6667 | 4.0714 |
运用熵权法,计算得到熵权值为ω1=0.2512、ω2=0.0834、ω3=0.1537、ω4=0.0448、ω5=0.2937、 ω6=0.1732。
计算灰色关联系数。运用公式(5)计算灰色关联系数。
计算灰色关联度。运用公式(6)计算灰色关联度。r1=0.4967、r2=0.5452 、r3=0.6275 、r4=0.4822、r5=0.5703、r6=0.5810。
根据计算得出6个航班客舱环境的灰色关联度排序:r3>r6>r2>r5>r1>r4.
表3为灰色关联系数与采用熵权法计算得到的灰色关联度,可以得出结论,6个航班的环境舒适性排序为3,6,2,5,1,4。从我们进行调查的满意度可以看出,这个预测结果排序与实际的排序相符,说明这种方法在进行预测时具有很好的可靠性。
表3 关联系数和关联度
评价指标 | 待评价航班 | |||||
1 | 2 | 3 | 4 | 5 | 6 | |
x1 | 0.5882 | 0.6844 | 0.7907 | 0.6477 | 0.7795 | 0.7413 |
x2 | 0.7096 | 0.7895 | 0.8558 | 0.7270 | 0.7711 | 0.7983 |
x3 | 0.7504 | 0.8599 | 1.0000 | 0.7182 | 0.8343 | 0.8385 |
x4 | 0.7772 | 0.8896 | 0.9432 | 0.7547 | 0.7970 | 0.8831 |
x5 | 0.6662 | 0.8696 | 0.8558 | 0.8060 | 0.7628 | 0.8302 |
x6 | 0.8060 | 0.7815 | 0.9327 | 0.6621 | 0.8442 | 0.9223 |
ri | 0.4967 | 0.5452 | 0.6275 | 0.4822 | 0.5703 | 0.5810 |
4.2对比分析
传统的灰色预测理论对各个指标的影响权重是采用等权的方法,无法体现出各个指标对舒适性的影响程度。我们采用传统的灰色预测模型进行计算时,得出6个航班客舱环境的灰色关联度为r1=0.7163、r2=0.8124、r3=0.8964、r4=0.7193 、r5=0.7982、r6=0.8356,灰色关联度的排序为r3>r6>r2>r5>r4>r1。6个航班的排序依次为3,6,2,1,5,4,这与我们的实际调查值有很大误差。因此本文采用熵权法进行赋权,改进后的灰色关联理论能够更好地对客舱环境的舒适性进行预测。图1反应的是两种预测方法的预测结果与实际值的散点图,从图上可以看出,改进后的灰色关联理论,预测结果更接近实际值。
图1 预测值与实际值散点图
5结论
本文根据客舱环境舒适性的影响因素,运用改进灰色关联理论对客舱的舒适性进行了预测,主要内容包括以下几点:
(1)采用熵权法对6个影响因素进行赋权,得到6个影响因素的权重,设计者在进行提高客舱环境的时侯可以着重对权重大的因素进行优先改造。
(2)运用改进灰色关联理论对客舱的环境舒适性进行预测,结果显示改进后的灰色关联理论预测结果更符合实际情况。
参考文献