精准扶贫易地安置项目的宜居性评价模型优化

1.确定模糊综合评判因素集合U

记4个一级指标为:

U={U1,U2,U3,U4}

其中U1表示区域空间环境、U2表示社区配套设施、U3表示住房功能质量、U4表示居民发展活力。

按一级指标分组记25个子指标为:

U1=　{C11,C12,C13,C14,C15}

其中C11—C15依次表示到乡镇中心距离、到城市中心距离、到主要道路距离、安置区绿地率和安置区容积率。

U2=　{C21,C22,C23,C24,C25,C26}

其中C21—C26依次表示农贸市场、便民超市、教育设施、医疗设施、商业网点和公共交通设施。

U3=　{C31,C32,C33,C34}

其中C31—C34依次表示户型布局功能、人均户型面积、装饰装修等级和窗地面积比。

U4=　{C41,C42,C43,C44,C45,C46,C47,C48,C49,C410}

其中C41—C410依次表示物业管理水平、安置区文化氛围、人均收入水平、医疗保险覆盖率、养老保险覆盖率、居民整体素质、搬迁群众差异、产业基础、产业发展和因户因人施策。

2.建立综合评判评价集合V

根据第三章第三节中评价指标量化的方法建立的精准扶贫易地安置项目宜居性评价指标分级标准,记4个评价等级为V={v1,v2,v3,v4},其中v1—v4依次表示高度适宜、中度适宜、低度适宜、不适宜。

3.确定评价指标隶属值

由表3.4可知,评价体系中基于客观数据来评判的评价指标有11项。其中定量指标有到乡镇中心距离、到城市中心距离、到主要道路距离、安置区绿地率、安置区容积率、人均户型面积、窗地面积比、医疗保险覆盖率和养老保险覆盖率9项。定性指标有户型布局功能和装饰装修等级2项。

基于客观数据进行评判的定量指标,构造隶属函数来确定评价指标对应各个评价等级的隶属度。隶属函数(membership function)用于描述因素集合U中元素对评价集合V上的一个模糊集合的隶属关系,由于这种关系的界限不分明性,用从区间[0,1]中所取的数值来表示元素属于某模糊集合的“符合程度”。隶属函数的确定方法有很多,如模糊统计方法、指派方法、专家经验法和二元对比排序法等。本书根据评价等级分级标准特点,采用指派方法来构造隶属函数。本书的模糊集合定义在实数域上,选择模糊分布中的梯形隶属函数来辅助确定定量指标的隶属度值。定量指标的梯形隶属函数分布见表4.1。基于客观数据进行评判的定量指标的隶属函数如表4.2所示。

表4.1　定量指标的梯形隶属函数分布

基于客观数据进行评判的定性指标,采用卡尔沃夫斯基提出的工程隶属函数方法来确定定性指标的隶属度值,工程隶属函数方法详见表4.3。本书基于客观数据的2个定性指标在各评价等级的隶属值,详见表4.4。

表4.3　卡尔沃夫斯基工程隶属值(https://www.xing528.com)

表4.4　基于客观数据的定性指标隶属值

由表3.4可知,评价体系中基于专家经验来主观评判的评价指标有农贸市场、便民超市、教育设施、医疗设施、商业网点、公共交通设施、物业管理水平、安置区文化氛围、人均收入水平、居民整体素质、搬迁群众差异、产业基础、产业发展和因户因人施策14项。其中,14项均为定性指标。采用访谈同时填写问卷的方式,咨询扶贫办公室、人居环境相关研究方向的学者共计7人,对该14项评价指标进行单因素评价。通过对调查结果的整理、统计,以各个评价等级的评价人数所占总评价人数的百分比作为各个评价等级的隶属值。

4.构造评判矩阵R

根据确定的U中各因素对于V的隶属函数关系,分别进行模糊映射,将得到的模糊矩阵。由第三步得到各项评价指标在各个评价等级的隶属值。例如,一级评价指标“区域空间环境”的评判矩阵为:

其中,r111是二级指标“C11到乡镇中心距离”在评价等级“高度适宜”的隶属值,r143是二级指标“C14安置区绿地率”在评价等级“低度适宜”的隶属值。

同理可得,

5.结合指标权重,得出综合评判

常用的合成算法主要有加权平均型算法和主因素突出型算法两种。主因素突出型算法适用于在所统计的模糊矩阵中的数据相差很悬殊的情形。加权平均型算法适用于因素集较多的情形。根据本书因素数据的情况,选择加权平均型算法。

由表3.10得一级指标权重矩阵为:

A=(0.0868,0.2986,0.1650,0.4495)

由表3.11得二级指标权重矩阵为:

A1=(0.2783,0.0792,0.2718,0.1507,0.2199)

A2=(0.1982,0.1076,0.2580,0.2199,0.0536,0.1627)

A3=(0.1565,0.3757,0.3445,0.1233)

A4=(0.0314,0.0215,0.1411,0.1885,0.0970,0.0509,0.0271,0.1318,0.1222,0.1884)

对各个子因素集进行一级模糊综合评判得到:

B1=A1 R1=　(b11,b12,b13,b14)

B2=A2 R2=　(b21,b22,b23,b24)

B3=A3 R3=　(b31,b32,b33,b34)

B4=A4 R4=　(b41,b42,b43,b44)

再由一级模糊综合评判得到二级综合评判: