沈孟如1，杨萌柯2
(1.北京交通大学 交通运输学院，北京 100044；2.北京邮电大学 经济管理学院，北京 100876)
摘要：研究了交通信息网和电信网的融合架构，并从资源和技术层次、业务层次和服务层次分别提出了两网融合的实施策略。选择智能交通系统作为交通信息网与电信网的融合架构的应用对象，并相应地从技术和资源、业务、服务3个层次提出了融合架构在智能交通系统的实施策略。此外，综合考虑系统性能、用户满意度以及社会和组织影响，建立了全新的、指标完整的融合信息系统技术评价指标体系，采用解释结构模型方法对建立的指标体系雏形进行了证明，采用层次分析法为评价体系的指标确定权重，最后采用反向传播神经网络方法对建立的指标体系进行了修正，得到了交通信息网和通信网的融合信息系统的技术评价模型。
关键词：智能运输系统；融合信息系统技术评价；解释结构模型；反向神经网络；网络融合
近年来，我国的交通运输业取得了快速发展，但随着经济的快速发展，交通运输能力、运营管理和服务水平已经不能完全满足发展的需求，特别是承担着交通管理和公众服务的交通信息网，存在着利用率不高和对新技术的探索应用研究不够等局限性[1]。同时，现阶段电信企业处于转型时期，消费者对于交通信息网大量交通信息的需求则是电信企业未来盈利的重要潜在要素。因此，交通信息网和电信网如果能有机融合，将实现通信资源的整合利用，并提高交通运输业和电信业的效益，使交通信息化更好地服务于交通行业和社会公众。未来交通信息网和电信网通过信息通信技术与智能交通系统的融合应用，将与终端用户随时、随地通过各种方式相连，从而使融合信息系统为出行者提供无所不在的服务。在这一趋势影响下，传统的信息系统评价方法也将不再适合。因此，本文对交通信息网和电信网的融合，在路径、架构和策略方面进行研究和分析，并据此建立融合信息系统技术评价模型，旨在为我国城市级以上的交通信息网和电信网融合信息系统的评价提供建议。
目前国外信息系统的评价多以定量的可测数据为基础，采用多级指标评价的方式。美国、欧盟国家、日本等发达国家的智能交通系统(Intelligent Transport Systems, ITS)发展较早，已进入相对成熟的阶段，数据获取渠道建设完备，测量准确，最常用的方法如成本-收益评价法、层次分析法、逆向表格、框架式定性分析等[2]。其中，成本-收益评价法是应用最为广泛的信息系统评价方法，它是一种用财务数据说话的简单、有效的评价方法，但也存在忽视对人的影响这一明显缺陷。国内交通信息系统起步较晚，评价方法较为单一，目前还有很多需要借鉴国外信息系统评价经验之处。本文在对国内主要ITS评价和信息系统评价相关文献进行研究后,认为国内信息系统评价存在如下特点[3-5]：
(1)使用层次模型。在对69篇国内信息系统相关报刊论文、会议论文和学位论文进行研读后，统计发现有64篇使用的是层次模型，有3篇采用的是系统动力学模型或框架模型， 2篇采用的是案例式的定性分析。
(2)指标内容单一。使用层次模型的文献大多使用3～5个二级指标，大多从系统性能、管理层、用户3个角度确定二级指标，每个二级指标之下有3～6个三级指标，对二级指标进行细化，指标名称虽有不同，但本质大同小异。现代社会必须考虑的有些问题，如环境保护问题、社会老龄化问题、残疾人问题等并未受到关注。
(3)分析方法单一。层次分析法这一诞生于国外的与专家法结合的分析方法很受青睐[6-7]。64篇使用层次模型的文献中，有27篇单纯地使用层次分析法或模糊层次分析法，无其他方法辅助；有17篇使用(模糊)层次分析法和(模糊)神经网络方法对层次分析的结果进行修正；有11篇单纯地使用神经网络方法，且大部分案例数不超过20，严重影响了神经网络分析的准确性；6篇采用灰色模型进行分析，旨在解决缺乏数据的问题；还有3篇只是建立了层次模型，并未进行分析。这个现象可能是源自国内论文互相学习的原因，因此适当地借鉴国外的经验能很好地解决国内文献“近亲繁殖”的问题。
(4)不考虑指标相关性的问题。64篇层次模型文献中无一提到指标相关性的问题，只是简单地建立起模型然后对其进行分析。指标相关性是个至关重要的问题。一个指标如果包含于同级的另一个指标，那么对它的权重确定将毫无意义；两个指标间如果有不包括的线性或非线性相关关系，那么这两个指标的权重都将不准确。不能因为指标相关性问题不好解决就不加以研究，否则指标体系的建立将不具说服力。因此，本文加强了对信息系统技术评价指标体系的建立、证明、修正等环节的研究，以弥补前人研究的不足。
1.1 交通信息网与电信网的互补关系
本文通过对交通信息网和电信网融合基础的研究，综合考虑交通信息网和电信网彼此的优、劣势，得出图1所示的交通信息网与电信网互补关系。
图1 交通信息网与电信网互补关系
Fig.1 Complementation between traffic information network and telecommunications network
(1)交通信息网负责交通信息的采集、传输、处理和整合，并把加工后的交通信息通过拥有客户优势的电信网传输到社会公众手中。
(2)电信网整合行业应用业务, 设计交通行业解决方案，帮助交通信息网完成网络建设，平台搭建，信息采集、传输、处理和整合，协助交通行业内部办公。
(3)交通信息网和电信网的通信资源可以优势互补。高速公路各路段公司可以把富余通信资源租用给电信运营商；水运通信网由于能覆盖到一些电信网不能覆盖的地方，可承担部分公众通信任务；城市交通则可以借助发达的电信网完成数据传输。
1.2 交通信息网与电信网的融合路径
从技术角度考虑，由于交通信息网的构建遵循从物理设施到业务应用，从数据采集到数据整合的层次进行，因此与电信网的融合也应考虑这一发展框架，即自下而上，先完成基础网络的融合，在基础网络上进行业务应用和数据整合，然后进行辅助决策的融合，最后完成面向公众的服务融合。
在交通方式上，欠完善的城市交通通信和公路交通通信会进行自下而上较全面的融合，其他建设较完善的交通信息网会在通信业务层次、服务业务层次等较上层次进行融合[8]。
从市场角度考虑，与消费者联系最紧密的领域出现的业务，往往最容易成功，受到市场的青睐。如数字技术是融合的必要条件，但这只是必要条件，而不是充分条件，这是因为有了数字技术也可能会因为消费者信心和技术标准限制等因素而无法在市场上得到应用。因此交通信息网和电信网融合的业务应当与消费者的需求紧密相连[9]。
因此，交通信息网与电信网的融合路径有两条线：一条线是在部门推动下进行交通信息网与电信网自下而上的融合，从基础网络到服务层次，为管理和社会公众提供服务业务，城市交通通信、公路交通通信会先进行自下而上较全面的融合，建设较完善的其他交通信息网会在通信业务层次、服务业务层次等较上层次进行融合；另一条线是一些与消费者密切相关的业务需求会促使交通信息网与电信网在这些局部网络、技术和业务上进行融合，在局部融合的基础上促使两网的全面融合。
1.3 交通信息网与电信网的融合架构
从交通信息网和电信网的互补关系和融合路线可以看到，两网的融合应该是多层次的，既有资源和技术层次的融合，也有业务和服务层次的融合。通过交通网与电信网在多个层次的有机融合，才能更好地实现交通信息网的跨越式发展，适应交通信息化建设的要求。两个网络融合的研究层次如图2所示。
图2 交通信息网与电信网融合研究层次图
Fig.2 Research hierarchical diagram of fusion of traffic information network and telecommunications network
结合各个融合层次，分析交通信息网的建设与发展路径,本文构建出交通信息网与电信网的融合架构,见图3。
图3 交通信息网和电信网的融合架构
Fig.3 Fusion architecture of traffic information network and telecommunications network
(1)基础设施的建设需要进行资源层次和技术层次的融合。搭建基础网络时应考虑资源的有效利用，考虑电信已有技术和交通信息化的未来发展，技术采用上有预见性，使用上尽量借用电信网的资源，降低维护成本，对于已有资源，应提高利用率，达到资源的有效配置。
(2)业务应用需要进行业务层次的融合。交通信息化的过程需要融合不同的通信业务来进行语音、数据、图像、视频的传递和沟通，从而为用户提供多样化的业务选择[10]。通信业务的融合既包括整合交通信息网和电信网现有的各种业务，也包括两网进行业务的联合开发、互补与合作。
(3)数据整合需要进行业务层次的融合。数据整合需要整合交通、公安、城管、铁路、水运、航空等各交通部门和各城市间的信息，涉及到各方面的资源。交通业务和电信业务可以在这个环节有效结合，为出行者提供较全面和多样化的出行信息服务，包括城市道路实时路况和高速公路路况信息，公交、地铁、长途客运线路和换乘信息，各类交通服务企业和机构信息，占路施工信息，复杂立交桥和拥堵路段的行车线路信息等。
(4)辅助决策需要进行服务层次的融合，这里的服务主要指行业管理服务。电信网可以利用自身丰富的行业信息化经验为交通行业提供行业管理解决方案和优质的信息化服务，交通网则可为电信网的服务提供大量行业信息和资源，并提供行业专业知识指导，同时也可以得到政府的保障以及对信息化的推动。行业管理服务的融合将会为交通监管部门提供更专业和高效的决策支持系统。
(5)公众服务也需要进行服务层次的融合，这里的服务主要指社会公众信息服务和应急通信服务。
在社会公众服务层次，交通信息网可以与电信网合作，在交通信息网中采集、传输、处理和整合交通信息，把加工后的交通信息通过拥有客户优势的电信网传输到社会公众手中，珍贵的行业动态信息和相关数据便可与庞大的公众用户群联结起来。两网的融合可以大量拓展有相似需求的行业应用，形成规模化效应，并降低方案实施成本。这样可以拓展交通信息化的应用，使更多的行业享受到交通信息网与电信网融合的益处，也能提高电信运营企业的投入产出效益。
在应急通信服务层次，可以将电信网服务与交通网服务进行融合，使得电信网的数字微波等应急通信服务体系和交通网的海事卫星通信服务等互为补充、互相促进[11]。同时，可以将交通信息网和电信网的各项通信设备和系统纳入同一个管理系统，建设多套应急保障机制，保障在灾害发生时，可以以最快的速度恢复通信，尽最大的可能保障通信的畅通，从而保障和健全我国的应急通信服务体系。
2.1 前提与假定
本文构建的融合信息系统技术评价指标体系基于以下两方面假定：
(1)所研究的交通信息系统指标针对的至少是市级大型车辆交通信息系统项目成果，不是普遍适用的，不针对小型系统(如制动防抱死系统等)，不针对轮船、火车和飞机等运输方式。
(2)参与选择的交通信息系统已经经过有经验的评估人员简略评估，不会出现一些很明显的大缺陷，如：占用带宽超过3G网络的负荷能力，消耗电力超过国家电网负荷能力，系统稳定性最好时也要每天崩溃一次等。排除这些离谱的问题能使研究专注于系统之间更难取舍的指标的评估。
2.2 融合信息系统技术评价指标体系结构构想
根据对已有研究不足之处的分析，综合考虑系统性能、用户满意度及社会和组织影响3个方面，根据指标的特点决定用更科学的定性指标或定量指标，并尽量考虑全面，因为多余的指标可以在第3节中去除。指标体系将建设到二级，最后形成整齐的3层次结构，旨在尽量清晰、全面、简洁地反应出一个交通信息系统的各个方面。
2.2.1 信息系统性能指标
信息系统性能指标主要基于ISO 9126(国际标准化组织制定的软件产品评价标准，包含6项指标，尽可能全面而不重复地定义软件产品质量)，具体计算方法由交通信息系统的特性决定。ISO 9126中对可移植性的定义对于大型交通信息系统而言无太大意义，因此将其剔除。
(1)可靠性Pr：软件在特定条件下和一定时间内保持一定水平性能的能力，包括系统成熟度、恢复能力和纠错能力3个方面。将可靠性表示为系统能在一段固定时间内持续无故障执行系统功能的概率：
(1)
式中，tr为固定时间段内能无故障执行系统功能的时间；tr 0为固定时间段。
对可靠性的测定需要在多次测定后取平均值，这样才能保证测得数据的准确性和合理性。
(2)有效性Ee0：ISO 9241对有效性的定义是：用户使用系统达到某种目标的准确度和完整度。这一概念在交通信息系统中可以采用系统完成识别或警告任务的准确度和完整度。这是一个综合评价指标，因为本文所评估的大型交通信息系统是包含多个子系统的复杂大系统，需要完成的任务有很多，不能用完成每项任务或功能的准确度和完整度来衡量整个系统的有效性。本文对有效性的计算方法表示为：
(2)
式中，Eei为某个子系统的有效性；ME为某个子系统在一段时间内准确且完整地执行任务的数量；M0为某个子系统在一段时间内执行的总任务数。
(3)效率Ey 0：指产出绩效与投入资源(时间、人力、物力、资产)之比。
(3)
式中，e为交通信息系统的功能效益，文中该功能效益等同于信息系统的有效性；t为时间成本，通过计算该系统相对某一基准交通信息系统的机会成本，将时间换算成资产；h为人力成本，即雇佣人力的总资金成本；r为物力成本，将固定资产和易耗品等物力投入换算成资金；m为资产成本，包括与系统相关的所有流动资产。
(4)功能性：指系统具有一系列功能和属性，能满足明确表达的或隐含的需求，包括适宜性、准确性、协同性、灵活性和安全性5个方面。准确性在有效性的概念中已经体现，因此本文所指功能性专指其他4个方面。功能性由系统设计人员和维护人员打分量化。
(5)可维护性：指为了对系统进行维护需要付出的努力，包括稳定性、可分析性、可变更性和可测试性4个方面。采用系统设计人员和维护人员打分方式进行量化。
(6)保密性：指保证信息系统信息不为无权限者获取的能力。该指标由系统维护人员打分获得。
2.2.2 通信系统性能指标
原则上对通信系统的评价和对信息系统的评价都要根据ISO 9126的6项指标进行，但对于附加于信息系统的通信系统而言，一味追求高带宽、高传输距离等并不意味着对信息系统的整体性能有提升作用。例如，信息系统所有功能的并发带宽为10 Mbps，大多数正常情况下所需带宽仅为50 kbps，那么100 Mbps的通信网络最大也只有10%的利用率，剩下的90 Mbps就是浪费。因此，只需要满足信息系统信息传输的最高要求即可。
基于这个思想，本文采用契合度的概念来反映交通信息系统所需通信信息系统性能被满足的程度。
(1)契合度C：与交通信息系统需求的契合度决定着通信系统是否能满足交通信息系统的需求。本文对契合度的评价选取了带宽、传输距离、传输速率、时延和误码率5个不相互重叠的最重要的衡量通信系统性能的指标，计算方法如下：
(4)
式中，Bc为交通信息系统分配的通信系统带宽；Bs为交通信息系统所需最大带宽；dc为交通信息系统分配的通信系统最大传输距离；ds为交通信息系统所需最大传输距离；vc为交通信息系统分配的通信系统平均传输速率；vs为交通信息系统所需的最大传输速率；Dc为交通信息系统分配的通信系统传输时延；Ds为不对交通信息系统正常工作造成任何影响的最大传输时延；ηc为交通信息系统分配的通信系统误码率；ηs为不对交通信息系统正常工作造成任何影响的最大误码率。
需说明的是：(1)对于那些正效应指标，用通信系统指标除以信息系统指标；对于那些副效应指标则反之。这是为了保证结果是通信系统性能与信息系统性能比。(2)进行“-5”并取绝对值的操作是为了将值域为-∞～+∞的单调递增函数变为值域为0～+∞的折线函数，便于具体评价时的数据处理。
(2)通信设施完备程度：指通信设施的基础设施完善程度，包括城市网络覆盖率、电梯和地下等室内信道、普遍服务等。完善的设施能提供更全面、更理想的智能交通通信相关服务。为了方便理解和数据采集，论文将通信设施完备程度这一指标拆分成以下3个指标。
①覆盖区域：指由能为某交通信息系统服务的通信信号覆盖的整个区域的面积，用这一区域占国土面积的百分数表示。由于我国最近几年对3G的大力推广，具有3G通信功能的通信终端日益流行，因此有必要将GSM和3G覆盖区域分开统计并给出综合评价值。具体的操作方法如下。
(5)
式中，Cp为覆盖区域的百分比；SGSM为GSM的覆盖区域面积；S3G为3G的覆盖区域面积；St为我国国土面积，这一指标可从为特定智能交通信息系统通信服务的电信企业网站获得客观数据。
②室内信号：指能为某交通信息系统服务的通信信号对地铁、电梯、地下和其他封闭区域的覆盖能力，由对这些区域覆盖率的百分数表示。与上一个指标相同，对GSM和3G的覆盖能力都有要求，采用同上的计算方法获得数据。
(6)
式中，Sp为封闭区域覆盖率的百分比;SOGSM为GSM对封闭区域的覆盖面积;SO3G为3G对封闭区域的覆盖面积;SO为封闭区域总面积。这一指标可从为特定智能交通信息系统通信服务的电信企业网站和年报获得客观数据。
(3)通信设施技术性能：指为一个特定交通信息系统分配的通信设施(如：通信网、终端等)的传输时延、误码率、带宽等技术参数。该指标可以从为特定智能交通信息系统通信服务的电信企业主页上获得客观数据。
2.2.3 用户满意度指标
用户满意度是产品和服务评价的一个重要方面。最早的用户满意度标尺是Bailey 和 Pearson 的Computer User Satisfaction (CUS) 工具，包含39个指标，5个评价方面，7个评价等级的指标体系，需要195份有效问卷。从用户对这39个指标的重要性评分发现，准确性、可靠性、及时性、相关性和对系统的信心为用户最为重视的系统指标。7个月后，Baroudi等在CUS的基础上提出了更受欢迎的User Information Satisfaction (UIS) 工具。UIS避免了用户因需填写长问卷而产生的厌倦情绪和不负责任评分的做法，只要求用户对13个指标进行评分，需要26份有效问卷。
然而，计算机技术的发展速度很快，评价方法也在相应地不断更新[12]。Doll等在此前研发和运营人员的基础上提出了终端用户的概念，指只使用计算机产品而不关心研发和运营的用户。这里的用户专指信息系统的日常运营人员和智能交通终端用户，他们不关心信息系统的研发，更关心系统的人机交互界面、实际效果、是否体贴周到等方面。
Davis等提出了适用于信息系统的技术接受模型 (Technology Acceptance Model, TAM)，用以模拟用户接受一种技术的过程。TAM认为用户决定何时和如何使用一项技术取决于两个因素：可感知的有用性和可感知的易用性，并试图用这两个因素代替理性行为理论(Theory of Rational Action，TRA)所提出的所有影响用户行为的因素。TAM所提出的这两个因素是广义的概念，本文中使用到的这两个概念为狭义的：可感知的有用性专指用户认为系统功能是否能满足需要，易用性专指用户认为系统功能易于掌握和使用。
学者们在不断调整指标体系的同时也在探索指标数据获取的方法。传统的指标数据获取方法是通过用户评分的方式，即给出一个指标由用户对一个具体系统在这个指标方面的表现给出一个分值，一般是5分制、7分制或9分制。Wilson等提出可采用测量心率、脉搏等客观方法鉴定用户满意度，该方法能反映出一些用户潜意识里的感觉，但这一技术还不成熟，且相当耗费时间和财力。
本文建立的用户满意度指标体系建立在Baroudi等人的UIS、Davis 等人的TAM以及Doll等人的终端用户概念基础上。
(1)及时性T：指系统接受信息处理信息并提交给用户的及时程度。及时性是交通信息系统的一个重要评价指标，因为对交通事故的处理、路况信息的公布和事故逃逸人员的追捕等常见事件都很依赖智能交通系统的及时处理。计算方法如下：
(7)
式中
(2)用户感知易用性：指用户能感知的交通信息系统终端或运营易于掌握和使用的程度，是TRA的指标之一。该指标不涉及系统设计和维护人员，仅包括使用系统的终端用户；不涉及系统的设计和维护，仅包括将系统作为一个整体使用的行为。该指标为主观指标，通过由运营人员和其他终端用户打分的方式进行评价。
(3)用户感知有用性：指用户能感知的交通信息系统功能对自己有用的程度，是TRA的指标之一。该指标只涉及终端用户，甚至不包括运营人员，因为终端用户才是系统的切实服务对象，他们对系统是否能满足其需要最有发言权。这里所说的有用性不包括及时的概念，仅指功能是否能满足需要；同时与系统性能方面的有用性，即ISO 9126所提出的有用性概念相似，但它用于用户感知的主观评价。该指标为主观指标，通过由终端用户打分的方式进行评价。
(4)接触点的友好程度：指终端用户和运营人员能感觉到的交通信息系统界面、配套服务、品牌、携带方式、对用户视力、手指等健康保护的友好程度。该指标是人机交互界面友好性的扩展概念，将整个信息系统的服务、品牌形象等时下所有企业都很注重的因素都涵盖在内，注重的是交通信息系统的市场意识和用户意识。接触点的友好程度为主观指标，通过由运营人员和其他终端用户打分的方式进行评价。
(5)性能价格比RPP：指交通信息系统作为一个整体的性能和价格的比值。该指标需要一个基准系统进行比较，且先要计算出信息系统性能值才能得到最终结果。关心这一指标的为系统运营人员，终端用户所关心的终端性价比不在此指标的范围之内，因为论文讨论的是作为一个整体的交通信息系统。
(8)
式中，a1i(i=1,2,3,4,5)为被评价系统的性能指标权重；Pr为被评价系统的可靠性；Ee0为被评价系统的有效性；Ey0为被评价系统的效率；F为被评价系统的功能性；M为被评价系统的可维护性；G为被评价系统的价格；G0为基准系统的价格；D0为基准系统的性能。这里基准系统是一个虚构的系统，其性能和价格也都是凭经验选取的虚构数据。
(6)对系统的信心：指用户由于对交通信息系统各方面的了解产生的信心，表现在忠诚度、用户口碑等方面。这一指标由系统运行和维护人员以及终端用户对系统进行主观评价。
(7)相对优势：指某交通信息系统相对其他交通信息系统为用户带来的更多利益，包括对工作质量的提高、对可控性的增加、对速度的提高、对绩效的提高、对效率的提高、对工作难度的降低6个方面。该指标由系统运行和维护人员以及终端用户进行主观评价。
2.2.4 组织和社会效益指标
组织和社会效益指标是最容易被信息系统评估人员忽视的一个指标。这个指标切实地影响着整个社会和运营信息系统的组织，这个影响在短时间内不明显，但从长远来看很可能会造成一些社会性或者世界性的问题。该指标将交通信息系统放在社会的大背景下进行评价，考虑其宏观影响，应该引起更多人重视。
本文将组织和社会效益指标的二级指标选取如下。
(1)对自然环境的影响：指通过采用交通信息系统对自然环境产生的影响，是智能交通系统的一个重要作用。欧盟已采取行动将电子化航空货运、智能运输系统和信息、通信和技术(Information Communication Technology，ICT)相结合，在力图提高货运效率的同时尽量降低人类运输对环境的影响。
有些学者将这个指标视为定量指标，认为可通过检测空气中的PM10，PM2.5，NOx等有害气体、噪声分贝等指标来确定交通信息系统施加的影响，但定量方法存在很多实际应用方面的缺陷。例如：无法确定空气中有害气体含量的减少是因为信息系统的影响还是天气变化、车辆数量、使用的燃料、新能源、人们的环保意识、其他排放源排放量的减少等一系列其他原因的共同作用，因此测量的值很可能和实际上在交通信息系统的作用下产生的变化大相径庭。同时测量这些指标很耗时间和财力，并且需要长期监控。
因此认为可从以下两方面来考虑交通信息系统对自然环境的影响：一是该交通信息系统具备多完善的环保功能；二是这些环保功能的性能如何，这是可以通过对部件的测试得出的数据。出于为层次体系的结构考虑，将对自然环境的影响这一因素拆分成以下两个因素：
①系统环保功能的完善度：现代汽车尾气中含有150～200种化合物，其中有害成分达十几种，包括CO，CO2，CH，硫化物、氮氧化合物、铅的化合物、固体粉尘等。对有害物质的减少将是智能交通益处的一个重要体现。对这个指标的量化可以按照表1进行。
表1 交通信息系统环保功能完善程度量表
Tab.1 Traffic information system environmental protection function perfection degree scale
指标得分鼓励使用新能源1 2 3 4 5 6 7 8 9汽车燃油售出量1 2 3 4 5 6 7 8 9提升公共交通利用率1 2 3 4 5 6 7 8 9
需要说明的是，“鼓励使用新能源”是指通过采取在新能源车上预装智能交通终端等措施而鼓励推广新能源的做法。
②环保功能综合性能：该性能的测量数据可通过如表2所示的量表取得。
表2 交通信息系统环保功能综合性能量表
Tab.2 Traffic information system environmental protection function integrated performance scale
得分1年内使用新能源车辆较上年增加量/%1年内汽车燃油售出量增长率较上年下降量/%公共交通使用人数较上年增长/%10.1以下-10以下1以下20.1～0.5-10～-51～530.5～1-5～05～741～20～57～1052～35～1010～1563～410～1515～2574～515～1825～4085～1018～2040～80910以上20以上80以上
注：该量表数据参考最近几年北京市车辆增长率、燃油售出量、公共交通使用人数等公共数据。
“系统环保功能的完善度”作为“环保功能综合性能”的权值，将后者加权即得“对自然环境影响”这一二级指标的值。
(2)照顾老年及残疾人：老龄人和残疾人问题是世界性问题，对智能交通提出了新的要求，自然应作为其评价的主要方面之一。我国残疾人占总人口的比例虽低于世界平均水平，但由于我国人口基数庞大，残疾人总数居世界首位。
我国的老龄化问题更不容忽视，严峻程度居世界首位。2004年，我国60岁以上的老人为1.43亿，据预测2014年这个数字将变为2亿，到2026年为3亿，2037年将大于4亿，到2051年达到最大值。联合国预测，到21世纪50年代，我国将成为世界上老年人口最多的国家，我国的老年人口将占世界老年人口总量的1/5。到2030年，欧洲的老年人和残疾人将约占欧洲人口总数的31%，而当时我国的这一比例将达到约34%。欧洲针对老年人和残疾人的智能交通计划已经在10年前启动，我国却还有很长的路要走。如果我国新兴的交通信息系统忽视了将在20年后占我国人口比例1/3的人群，无疑将是不成功的，因此对交通信息系统的评价必须考虑这一因素[13]。
由于有确定的服务对象，“照顾老年人和残疾人”指标由老年和残疾用户打分确定(表3)，参与的老年人和残疾人用户问卷通过按比例抽样从有效问卷中抽取。问卷设计将涉及4个方面：系统功能全面性、接口设计科学性、系统信息易理解性、硬件设计人性化。
(3)对组织的影响：组织指与交通系统的建设、运营和维护有直接或间接关系的团体。它可以是国家的交通运输部、参与承包的技术企业或者运营与管理企业、监管交通的部门以及相关社会组织。这一指标比较抽象，也没有严格的界定，大致从3个方面进行分析：对企业成长的影响、监管难易程度、与企业产品市场目标的符合程度。这3个指标分别由企业员工和企业管理层、政府工作人员等进行主观评价，格式同表3。
表3 老年人和残疾人指标评价表
Tab.3 Elderly and disabled index evaluation
指标得分系统功能是否足够全面,能满足您的需求123456789系统接口的设计是否方便您的使用(字体大小、文字颜色等)123456789系统硬件的设计是否方便您的使用(键盘、屏幕、操纵杆等)123456789系统提供的信息您是否可以理解123456789
2.2.5 基于ICT的交通信息系统技术选择模型雏形
本文在前3节详细介绍了采用评价指标的概念、重要性、细分、计算或取值方法等。为了对指标体系有整体上的把握，本节中构建了选择模型的雏形——一个无权重的层次模型，见图4。这是一个包含了20个指标的综合评价模型，包含了定量和定性指标(定量和定性方法的确定由指标数值获取的科学性和准确性为基础)，单一和复合指标，对每个指标数据的获取方式都有清晰的定义(图4)。
图4 基于ICT的交通信息系统技术选择模型雏形
Fig.4 Traffic information system technology selecting prototype model based on ICT
虽然这个雏形是建立在大量的文献研习和分析的基础上的，而且肯定这些指标都对基于ICT的交通信息系统技术选择有重要意义，但是还不能确定这20个指标是否具有会影响指标体系科学性的相关性。这些相关性包括但不限于线性相关、包含关系、重叠、重合等。因此本文又应用解释结构模型法对该模型进行了进一步的客观分析和探讨。
2.3 指标体系的证明与重构
本文采用解释结构模型方法证明指标体系雏形，以改进整个指标体系的科学性，去除不良相关性的指标，从而达到提高指标精确性的目的。操作步骤如下：首先对模型各模块元素之间的相互关系进行整理，得到邻接矩阵；再通过矩阵运算得到可达矩阵；然后进行区域分解和层级分解并建立系统结构模型，对之前构建的模型进行证明与重构。
(1)信息系统性能
将邻接矩阵与单位矩阵做布尔相加运算得到如下矩阵：
A+I= B11B12B13B14B15B16
B11100000
B12010000
B13001000
B14000101
B15000010
B16000001。
计算以上矩阵的二次方后发现矩阵不再变化，故此矩阵即为可达矩阵：
(A+I)2=B11
B12
B13
B14
B15
B16
对可达矩阵进行区域分解得到如下矩阵：
Ⅰ区
Ⅱ区 M′=B14B16B11B12B13B15
B14110000
B16010000
B11001000
B12000100
B13000010
B15000001。
Ⅰ区中的两个指标B14和B16形成一个子系统，而B14包含B16，因此可将B16去除。信息系统性能指标变为：可靠性、效率、功能性、可维护性、有效性。
(2)通信系统性能
将邻接矩阵与单位矩阵做布尔相加运算得到如下矩阵：
A+I=B21B22B23B24
B211001
B220100
B230010
B241111。
计算以上矩阵的三次方后发现矩阵不再变化，故此矩阵即为可达矩阵：
(A+I)3=B21
B22
B23
B24
对可达矩阵进行区域分解得到如下矩阵：
Ⅰ区
Ⅱ区
M′= B21B24B22B23
B211111
B241111
B220010
B230001。
Ⅰ区中的两个指标B21和B24形成一个子系统，而B24一部分与B21重合，不重合的部分为B22和B23的并集，因此可将B24去除。通信系统性能指标变为：契合度、覆盖区域、室内信号。
(3)用户满意度
将邻接矩阵与单位矩阵做布尔相加运算得到如下矩阵：
A+I=B31B32B33B34B35B36B37
B311000011
B320100011
B330010011
B340001011
B350000111
B360000010
B370000011
计算以上矩阵的二次方后发现矩阵不再变化，故此矩阵即为可达矩阵：
(A+I)2=B31
B32
B33
B34
B35
B36
B37
对可达矩阵进行区域分解得到如下矩阵：
Ⅰ区
Ⅱ区M′=B31B32B33B34B35B37B36
B311000011
B320100011
B330010011
B340001011
B350000111
B370000111
B360000111。
Ⅱ区中的两个指标B36和B37形成一个子系统，而这一子系统全部受Ⅰ区因素的影响，因此可将这一子系统去除。信息系统性能指标变为：及时性、易用性、有用性、友好程度、性价比。
(4)组织和社会效益
将邻接矩阵与单位矩阵做布尔相加运算得到如下矩阵：
A+I=B41B42B43
B41100
B42010
B43001。
计算以上矩阵的二次方后发现矩阵不再变化，故此矩阵即为可达矩阵：
(A+I)2=B41
B42
B43
该可达矩阵无法进行区域分解，该系统不需要优化。
(5)目标层
将邻接矩阵与单位矩阵做布尔相加运算得到如下矩阵：
A+I= A1A2A3A4
A11000
A20100
A30010
A40001。
计算以上矩阵的二次方后发现矩阵不再变化，故此矩阵即为可达矩阵：
(A+I)2=A1
A2
A3
A4
该可达矩阵无法进行区域分解，该系统不需要优化。
对指标体系进行证明后，发现原先的指标体系并不是最优体系，指标之间有相互作用或指标之间相互包含、重叠。解释结构模型方法直观地解决了这一问题，使本文对无效或多余指标的去除具有数学依据。优化后的基于ICT的交通信息系统技术选择模型指标体系如图5所示。
图5 优化后的基于ICT的交通信息系统技术选择模型指标体系
Fig.5 Optimized traffic information system technology selecting model index system based on ICT
2.4 融合信息系统技术评价模型的构建
2.4.1 评价模型指标权重的确定
本节在前文评价体系结构研究的基础上，为各指标分配权重，以标注各个指标的重要性。这里采用的权重分配方法是层次分析法，该方法凭借一组专家的主观判断，对各指标相对重要性进行打分，最后得到专家组的整体评价。
专家问卷发放40份，收回33份，有效问卷32份。问卷回收率82.5%，有效问卷率80%。专家年龄、所在单位分布和部门分布分别如图6、图7和图8所示。
图6 年龄分布
Fig.6 Age distribution
图7 单位分布
Fig.7 Work unit distribution
图8 部门分布
Fig.8 Department distribution
(1)年龄分布
年龄在30～60岁之间的专家占大多数，他们在技术和实践上比较成熟，对新技术和管理趋势有一定理解，在企事业单位具有重要地位。年龄在30岁以下的专家占1/3左右，他们主要是研发人员，对系统本身有较好的理解。
(2)所在单位和部门分布
专家在各单位的分布较为均匀，其中来自高校的专家既是运营商专家，又是解决方案企业专家，因为他们所作的研究与两者皆相关。
(3)所在部门分布
专家在各单位的分布较为均匀。
本文利用层次分析法计算权值，所建立的ITS技术经济评价模型是一个带有权值的层次模型，结果如表4所示。
表4 技术评价模型指标权重
Tab.4 Technical evaluation model index weight
选择最佳技术方案一级指标指标权重指标名称A10.158644信息系统性能A20.111856通信系统性能A30.387522用户满意度A40.341978组织和社会效益二级指标指标权重指标名称B110.255245可靠性B120.406867有效性B130.131842效率B140.119881功能性B150.086166可维护性B210.533610契合度B220.287163覆盖区域B230.179227室内信号B310.428797及时性B320.077963用户感知易用性B330.208684用户感知有用性B340.070993接触点的友好程度B350.213563性能价格比B410.400658对自然环境的影响B420.171046照顾老年及残疾人B430.428296对组织的影响
图9 修正后的ITS技术评价模型
Fig.9 Amended ITS technical evaluation model
注：指标后数字为权重值。
2.4.2 模型的修正
采用反向神经网络方法对前面建立的交通信息系统技术评价选择模型进行修正。
(1)参数的初始化
反向神经网络方法需要以下几组初始值。
权重xi：由层次分析法取得。学习率l：为循环次数的倒数，初始值设为0.9。偏移量θj：在第1轮循环中均设为0，从第2轮循环开始由学习率决定。
(2)模型修正思路
采用反向传播神经网络方法对模型进行修正，该方法是一种通过对案例的学习进行参数修正而达到正确预测、证明、分类等目的的技术，需要通过持续输入案例完成对参数的修正。在本文中，用反向传播神经网络输入层次分析法得出的权重对评价模型进行修正，实际上进行的循环次数和需要的案例数将远小于随机初始权重方法所需。这里采用的数学辅助工具为Borland Delphi 7.0，语言为Pascal。采用的试验数据由国家智能交通系统工程技术研究中心(ITSC)、我国交通运输部网站和我国工业和信息化部网站提供。在对所有试验样本进行5轮代入后总误差已可忽略不计。修正后的权重保留3位小数，如表5所示。
表5 修正后的权重列表
Tab.5 Amended weight list
指标代码修正后权重指标代码修正后权重指标代码修正后权重B110.064B220.072B350.053B120.103B230.044B410.102B130.032B310.109B420.042B140.028B320.017B430.109B150.020B330.052B210.137B340.016
修正后的ITS技术评价模型如图9所示。可以看出，现代交通信息系统注重计算机网与通信网之间的融合，并且综合考虑用户满意度、对环境等社会方方面面的影响以及组织自身的完善，全面综合的发展正在代替单一的脱离整体的发展思路。
在建设现在智能交通体系时应注意以下几个方面：①在追求企业与组织自身发展与成长的同时，注重节能减排和保护环境。②力求系统与界面简单易懂，易于操作，尽量及时提供用户需要的信息。③在保证计算机系统性能及用户满意度的同时，加强与通信网络的融合，做到相互促进，共同发展。
本文综合考虑系统性能、用户满意度和社会和组织影响3个方面，建立了一个全新的、指标完整的融合信息系统评价体系。同时，文章采用解释结构模型方法对建立的指标体系雏形进行了证明，对整个指标体系的科学性进行了改进，并去除了具有有害相关性的指标，完成了指标系的重构。
采用层次分析法作为评价体系结构的权重分配方法，以标注各个指标的重要性。为使权重的分配尽量严谨，项目采用德尔菲法，凭借专家的主观判断对各指标进行相对重要性打分，最后得到了整个专家组的整体评价，对问卷的数据进行了整理。为剔除各指标之间的差异，将定性指标量化，将定量指标和量化后的定性指标标准化。
最后，采用反向传播神经网络方法对建立的模型进行了修正，得到了交通网和通信网融合信息系统的技术评价模型。该模型改进了动态评估的层次评价体系模型。
参考文献：
References:
[1] 宗术. 公路智能交通系统发展趋势[J]. 交通建设与管理，2006(9):75-78. ZONG Shu. Road Intelligent Transport Systems Development Trend[J].Transportation Construction & Management，2006，9：75-78.[2] 胡明伟，史其信，刘洪涛. 基于系统目标的智能交通系统评价方法研究[J]. 中南公路工程，2002，27(4):74-76. HU Ming-wei，SHI Qi-xin，LIU Hong-tao. Study on the Evaluating Methods for Intelligent Transportation System Based on Systemic Objects[J]. Central South Highway Engineering，2002,27(4)：74-76.
[3] 邵培基. AHP方法综合评价管理信息系统[J]. 系统工程理论与实践，2000，20(10):63-67. SHAO Pei-ji. Comprehensive Evaluation on MIS Using Analytical Hierarchy Process[J].Systems Engineering-Theory & Practice，2000，20(10):63-67.
[4] 沈峥嵘. 智能交通系统效果评价方法及其应用研究[D]. 北京：北京交通大学，2007. SHEN Zheng-rong. Research on Intelligent Transport Systems Evaluation Method and Its Application[D]. Beijing：Beijing Jiaotong University，2007.
[5] 王璐，胡清. 模糊神经网络在管理信息系统综合评价中的应用[C]//第6届中国青年运筹与管理学者大会论文集. 香港：高宝出版社，2004：372-378. WANG Lu，HU Qing. Application of Fuzzy Neural Network in Comprehensive Assessment of Management Information System[C]//Sixth China Youth Research and Management Science Scholars Assembly. Hong Kong：Global-link Press，2004:372-378.[6] 高隽. 人工神经网络原理及仿真实例[M]. 北京：机械工业出版社，2003. GAO Jun. Artificial Neural Networks and Simulation Examples[M]. Beijing：Machinery Industry Press，2003.
[7] 钟珞，饶文碧，邹承明. 人工神经网络及其融合应用技术[M]. 北京：科学出版社，2007. ZHONG Luo，RAO Wen-bi，ZOU Cheng-ming. Artificial Neural Network and Its Fusion Applications[M]. Beijing：Science Press，2007.
[8] BELL M C. Environmental Factors in Intelligent Transport Systems[J]. IEE Proceedings-Intelligent Transport Systems, 2006,153(2):113-128.
[9] 张先恩. 科学技术评价的理论与实践[M]. 北京：科学出版社，2008. ZHANG Xian-en. Theory and Practice of Science and Technology Evaluation[M]. Beijing：Science Press，2008.
[10]BARFIELD W, DINGUS T A. Human Factors in Intelligent Transport Systems [M]. [S.l.]: Psychology Press, 2014: 317-324.
[11]CHIKARA S, FUJII H, KAWASAKI R. Dynamic Simulation System for ITS Overall-performance Evaluation from Transport and Telecommunication Views[C]// Proceedings of the IEEE International Vehicle Electronics Conference. Tottori: IEEE, 2001: 125-130.
[12]JIAWEI H, KAMBER M. Data Mining: Concepts and Techniques[M]. San Francisco, CA: Morgan Kaufmann, 2001.
[13]杜宏川. 我国智能交通系统发展现状与对策分析[J]. 吉林交通科技,2009(1)：60-63. DU Hong-chuan. Development Status and Strategies Analysis of Intelligent Transportation Systems[J]. Jilin Science & Technology，2009(1)：60-63.
Convergence Architecture of Traffic Information Network with Telecommunications Network and Technology Evaluation of Convergence Information System
SHEN Meng-ru1，YANG Meng-ke2
(1.School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044,China；2.School of Economics and Management, Beijing University of Posts and Telecommunications, Beijing 100876, China)
Abstract：The convergence architecture of traffic information network with telecommunications network is studied，and the implementation strategies of convergence the 2 networks from resources and technical level, business level and service level are proposed. ITS is selected as the application object of the convergence architecture，and the implementation strategies of the convergence architecture in ITS is from the 3 levels are proposed correspondingly. In addition, considering the system performance, user satisfaction, and social and organizational effects together, a new and complete convergence information system technology evaluation index system is created, the index system prototype is proved with interpretative structural modelling (ISM) method, the weight of evaluation system index is assigned by analytic hierarchy process, and the established index system is modified using back propagation neural network (BPNN) method, and a convergence information system technology evaluation model of traffic information network with telecommunications network is proposed at last.
Key words：ITS；technology evaluation of convergence information system; interpretative structural model (ISM); BPNN; network convergence
doi：10.3969/j.issn.1002-0268.2015.10.018
收稿日期：2013-02-21
基金项目：中央高校基本科研业务费专项资金资助项目(2015JBM055)
作者简介：沈孟如(1986-)，女，辽宁丹东人，博士.(mrshen@bjtu.edu.cn)
中图分类号：U49, F62
文献标识码：A
文章编号：1002-0268(2015)10-0108-12
联系客服
