铁路港站生产组织质量评价指标体系与评价方法研究

Quality Evaluation Index System and Method for Production Organization of Railway Terminals

摘要

为了更好地开展铁路港站运输组织工作，提高铁路港站生产组织质量，以铁路港站作业流程为基础，将铁路港站生产组织作业划分为到达、解体、装车、卸车、取送车、清车底、编组、出发8项作业环节，剖析其运输生产组织影响因素，构建全流程的铁路港站生产组织质量评价指标体系，设计各项评价指标的量化方法和等级参照标准，利用熵权-CRITIC计算各项指标的组合权重，建立铁路港站生产组织质量灰色综合评价模型，通过案例分析对模型进行验证。结果表明，利用组合权重法求取的指标权重分布更为均衡，评价结果波动率更低、准确性更强；该研究方法可以发现铁路港站生产作业的潜在问题，能够为铁路港站生产组织决策提供参考，辅助铁路港站货物运输高效运行。

Abstract

To better carry out the transportation organization work of railway terminals and improve the production organization quality of railway terminals, the production organization of railway terminals was divided into eight operational procedures: arrival, disassembly, loading, unloading, vehicle fetching and sending, cleaning up the bottom of the train, marshalling and departure, based on the operation flow of railway terminal operations. By analyzing the influencing factors of production organization, a comprehensive quality evaluation index system for railway terminal production organization was constructed. Quantification methods and grade reference standards for various evaluation indexes were designed. Entropy weight-CRITIC was used to calculate the combined weight of each index, and a grey comprehensive evaluation model for railway terminal production organization quality was established. The model was verified through case analysis. The results show that the index weight distribution obtained by the combined weight method is more balanced, and the evaluation results have lower volatility and stronger accuracy. This research method can help discover potential problems in the production process of railway terminals, guide production organization decisions, and assist in the efficient operation of freight transportation at railway terminals.

Graphical abstract

关键词

铁路港站 / 生产组织质量 / 评价指标体系 / 组合权重 / 灰色综合评估法

Key words

Railway Terminal / Production Organization Quality / Evaluation Index System / Combined Weight / Grey Comprehensive Evaluation Method

0　引言

随着我国综合交通运输体系的迅速发展，铁路与水路的联合运输凭借其运能大、成本低、污染小等特点，逐步成为我国货物运输的发展重点^[1]。《推进铁水联运高质量发展行动方案(2023—2025年)》(交水发〔2023〕11号)强调，要加快综合运输组合效率，推动大宗货物等铁水联运的高质量发展。港站作为铁路运输网络的重要节点，其运输生产水平是推动铁水联运高速发展的前提。因此，统筹考虑铁路港站的作业组织，合理把控铁路港站生产作业的实际情况，进一步提高车站生产组织质量十分必要。

铁路港站生产组织连接了铁路运输生产作业与港口装卸任务，主要办理列车到发、解编、装卸及空重车取送等作业^[2]。现阶段，已有部分学者针对港站的生产问题进行研究。张艳伟等^[3]分析码头布置、车站生产计划及装卸设备配置等，研究覆盖港站生产运营和港口规划设计的生产效能评估与优化平台；胡艳华^[4]从人为安全、本质安全、运行安全和管理创新4个方面，对从业人员岗位安全、港站设备设施安全、港站危险货物转运等进行精细化管理，建立全面的安全生产体系；周正雄^[5]针对铁路和港口不同的管理体系，从安全监管、作业流程、货物流通等方面制定解决对策，为铁路和港口的联合发展打下坚实基础；Menezes等^[6]以铁路港站生产管理为背景，通过启发式算法求解调度决策的集成优化问题；杨鹏南等^[7]利用大数据分析技术建设港口车站生产调度智能分析平台，从多角度分析调度过程、评价调度方案，为车站管理人员提供决策支持；Stingǎ等^[8]阐述多式联运的发展过程，强调铁路运输组织在海铁联运中的重要地位；罗本成等^[9]建立智慧港口等级评价指标体系，利用灰色熵权法求取指标权重，构建基于灰色熵权的等级评价模型；张新^[10]以驱动力—压力—状态—影响—响应(DPSIR)模型为框架建立智慧港口评价指标体系，利用AHP的客观赋权法确定各项指标的权重，定量分析智慧港口建设水平。

综上所述，既有文献对铁路港站生产组织质量评价的研究较少，大多侧重于港站的生产效能^[3]、安全生产^[4-5]、生产调度^[6-7]和港口建设^[9-10]等方面，采用的模型评价方法多以客观赋权法计算指标权重，部分权重比例失调，导致评价结果波动性较大。研究结合铁路港站生产作业实际情况，构建更为完善的铁路港站生产组织质量评价指标体系，并在客观赋权法计算指标权重的基础上，采用熵权-CRITIC组合权重法，建立铁路港站生产组织质量灰色综合评价模型，评价车站生产组织质量，为车站管理提供决策依据。

1　铁路港站生产组织质量评价指标分析与量化

1.1　评价指标分析与建立

铁路港站作业可以划分为到达、解体、装车、卸车、取送车、清车底、编组、出发8项环节。从作业环节的计划兑现、作业开展、设备设施利用等方面设计评价指标要素。

（1）到达作业环节。到达作业环节主要考虑到达计划兑现率和接车股道负荷度2个方面。到达计划兑现率反映到达作业计划完成情况，列车到达具有随机性，其计划兑现率对后续阶段计划编制和作业开展的影响较大。接车股道负荷度反映接车股道的占用情况，股道占用时间是否合理关乎后续列车是否进站顺利。

（2）解体作业环节。铁路港站根据到站列车的组织形式编制解体计划，该环节需要考虑解体计划兑现率、解体作业负荷度2个方面。解体计划兑现率反映解体作业计划完成情况。解体作业负荷度指铁路港站的解体作业能力是否满足解体列车的需求，也可以反映车站解体作业能力的利用程度。

（3）装车作业环节。铁路港站按照港口编制的装车计划，安排空车衔接。装车作业速度反映铁路与港口装运任务的协同程度、装车作业完成情况及装车设备能力，都是该环节的重点考虑因素。装车作业环节需要从装车计划兑现率、装车作业超时率、装车能力利用率、装车作业负荷度4个角度进行分析。装车计划兑现率 指车列装车作业计划完成率，反映车列在计划时间内装车作业的完成情况。装车作业超时率指车列装车作业超时情况。装车能力利用率指装车设备利用率，判断装车设备是否超负荷工作。装车作业负荷度 反映铁路港站装车能力需求和现有装车能力的匹配情况，装车量过大会给装车设备增加作业强度，导致装车作业超时率上升。

（4）卸车作业环节。铁路港站按照港口编制的卸车计划，安排重车衔接。卸车作业速度反映铁路与港口卸车任务的协调程度、卸车作业完成情况及卸车设备能力，都是该环节的重点考虑因素。卸车作业环节需要从卸车计划兑现率、卸车作业超时率、卸车能力利用率、卸车作业负荷度4个角度进行分析。卸车计划兑现率指车列卸车作业计划完成率。卸车作业超时率表征车列卸车作业超时情况。卸车能力利用率 指卸车设备等港站基础设施的利用程度，卸车设备的利用率也体现车列之间卸车作业的衔接程度。卸车作业负荷度反映车站当前卸车能力与实际卸车需求之间的匹配程度。

（5）取送车作业环节。取送车作业指铁路港站向港口货物装卸线、清车线或车辆检修线等安排取送业务，该环节与其他作业环节的衔接效率是重点考虑因素。取送车作业环节需要从取送车调车计划兑现率进行分析。取送车调车计划兑现率 即取送车调车计划总兑现率，调度人员需根据站内的待取车辆和待送车辆数目编制计划，取送车调车计划兑现率越高说明取送车辆的数目越多。

（6）清车底作业环节。铁路港站在货物装车前和货物卸车后都需要对车列内部的残留物进行清理，清车底作业结束后才能开展后续作业。该作业环节需要从清车线股道负荷度、清车底作业负荷度2个方面进行分析。清车线股道负荷度反映清车线股道的占用情况。清车底作业负荷度 反映铁路港站清车底需求和现有作业能力的匹配情况。

（7）编组作业环节。车站根据计划将待编车列组合，该环节需要从编组计划兑现率、编组作业负荷度2个方面进行分析。编组计划兑现率 反映编组作业计划完成情况，按计划作业是保证后续环节顺利开展的前提，该要素是对场内实际编组状况的表征。编组作业负荷度 反映铁路港站的编组能力与编组需求的匹配情况，也说明了车站编组作业强度。

（8）出发作业环节。该环节主要考虑列车的出发计划兑现率和发车股道负荷度2个方面。出发计划兑现率反映出发作业计划完成情况，体现列车以列车运行图为准的运行状况。发车股道负荷度指发车股道的占用情况。

根据上述各环节生产作业的分析，采用逐层递进的方式建立铁路港站生产组织质量评价指标体系，通过分析基础指标状况，发现铁路港站在生产组织过程中的潜在问题，以便后续针对性提升铁路港站生产组织质量。铁路港站生产组织质量评价指标体系如图1所示。

1.2　评价指标量化

铁路港站生产组织质量评价指标之间存在一定的相关性和差异性。对于一些相关性和对称性较强的指标，如到达与出发作业、解体与编组作业、装车和卸车作业，可将其归类成组进行数学量化分析；取送车、清车底作业与其他作业指标存在部分差异，需要单独进行量化处理。

（1）列车到发计划兑现率。铁路港站接发车的计划兑现率数学量化公式如下。

\left\{\begin{array}{c}{P}_{a_{\mathrm{1}}}^t=a_{\mathrm{1}}^t/A_{\mathrm{1}}^t\\ P_{s_{\mathrm{1}}}^t=s_{\mathrm{1}}^t/S_{\mathrm{1}}^t\end{array}\right.⑴

式中：P_{a_{\mathrm{1}}}^t，P_{s_{\mathrm{1}}}^t分别表示列车的到、发计划兑现率，%；a_{\mathrm{1}}^t，s_{\mathrm{1}}^t分别表示t阶段内列车实际到、出站数量，列；A_{\mathrm{1}}^t，S_{\mathrm{1}}^t\mathrm{分别}表示t阶段内计划到、出站列车总数，列。

参考文献[11]，将列车到发计划兑现率分为4个等级。列车到发计划兑现率等级参照表如表1所示。

（2）解编计划兑现率。列车解体、编组计划完成情况数学量化公式如下。

\left\{\begin{array}{c}{P}_{d_{\mathrm{2}}}^t=d_{\mathrm{2}}^t/D_{\mathrm{2}}^t\\ P_{m_{\mathrm{2}}}^t=m_{\mathrm{2}}^t/M_{\mathrm{2}}^t\end{array}\right.⑵

式中：P_{d_{\mathrm{2}}}^t，P_{m_{\mathrm{2}}}^t分别表示解体和编组计划兑现率，%；d_{\mathrm{2}}^t，m_{\mathrm{2}}^t分别表示t阶段内港站完成解体、编组作业的列车总数，列；D_{\mathrm{2}}^t，M_{\mathrm{2}}^t分别表示t阶段内计划解体、编组列车总数，列。

参考文献[12]，对解编计划兑现率划分为4个等级。解编计划兑现率等级参照表如表2所示。

（3）接发车股道负荷度。作业股道占用时间数学量化公式如下。

\left\{\begin{array}{c}{L}_{a_{\mathrm{3}}}^t=t_{a_{\mathrm{3}}}^t/T^t\\ L_{s_{\mathrm{3}}}^t=t_{s_{\mathrm{3}}}^t/T^t\end{array}\right.⑶

式中：L_{a_{\mathrm{3}}}^t，L_{s_{\mathrm{3}}}^t分别表示接、发作业的股道平均负荷度，%；t_{a_{\mathrm{3}}}^t，t_{s_{\mathrm{3}}}^t分别表示t阶段内接、发车作业股道的占用时间，min；T^t表示阶段t的总时长，min。

参考文献[11]，将接发车股道负荷度划分为3个等级。接发车股道负荷度等级参照表如表3所示。

（4）解编作业负荷度。铁路港站的解编作业能力和解编能力需求数学量化公式如下。

\left\{\begin{array}{c}{L}_{d_{\mathrm{4}}}^t=d_{\mathrm{4}}^t/D_{\mathrm{4}}^t\\ L_{m_{\mathrm{4}}}^t=m_{\mathrm{4}}^t/M_{\mathrm{4}}^t\end{array}\right.⑷

式中：L_{d_{\mathrm{4}}}^t，L_{m_{\mathrm{4}}}^t分别表示解体、编组作业负荷度，%；d_{\mathrm{4}}^t，m_{\mathrm{4}}^t分别表示t阶段内港站的解体、编组能力需求，列；D_{\mathrm{4}}^t，M_{\mathrm{4}}^t分别表示t阶段内港站的平均解体、编组能力，列。

参考文献[12]，将解编作业负荷度分为3个等级。解编作业负荷度等级参照表如表4所示。

（5）装卸作业计划兑现率。铁路港站装车计划兑现率和卸车计划兑现率数学量化公式如下。装卸计划兑现率未查到相关等级划分研究，对其近似使用解编计划兑现率的等级划分参考标准。

\left\{\begin{array}{c}{P}_{z_{\mathrm{5}}}^t=z_{\mathrm{5}}^t/Z_{\mathrm{5}}^t\\ P_{x_{\mathrm{5}}}^t=x_{\mathrm{5}}^t/X_{\mathrm{5}}^t\end{array}\right.⑸

式中：P_{z_{\mathrm{5}}}^t，P_{x_{\mathrm{5}}}^t分别表示装车、卸车计划兑现率，%；z_{\mathrm{5}}^t，x_{\mathrm{5}}^t分别表示t阶段内铁路港站完成装车、卸车总数，列；Z_{\mathrm{5}}^t，X_{\mathrm{5}}^t分别表示t阶段内计划装车、卸车总数，列。

（6）装卸作业超时率。铁路港站装车、卸车作业超时率数学量化公式如下。

\left\{\begin{array}{c}{P}_{z_{\mathrm{6}}}^t=z_{\mathrm{6}}^t/Z_{\mathrm{6}}^t\\ P_{x_{\mathrm{6}}}^t=x_{\mathrm{6}}^t/X_{\mathrm{6}}^t\end{array}\right.⑹

式中：P_{z_{\mathrm{6}}}^t，P_{x_{\mathrm{6}}}^t\mathrm{分别}表示装车、卸车作业超时率，%；z_{\mathrm{6}}^t，x_{\mathrm{6}}^t分别表示t阶段内装车、卸车作业超时数量，列；Z_{\mathrm{6}}^t，X_{\mathrm{6}}^t分别表示t阶段内完成装车、卸车作业列车总数，列。

根据文献[12]和港站装卸作业优化的相关研究^[13]，将装卸作业超时率划分为4个等级。装卸作业超时率等级参照表如表5所示。

（7）装卸作业能力。装卸作业能力利用率和作业负荷度数学量化公式如下。装卸作业能力等级划分参考解编作业负荷等级标准。

\left\{\begin{array}{l}{P}_{z_{\mathrm{7}}}^t=t_{z_{\mathrm{7}}}^t/\sum T_{z_{\mathrm{7}}}^t\\ L_{r_{\mathrm{7}}}^t=r_{\mathrm{7}}^t/R_{\mathrm{7}}^t\\ P_{x_{\mathrm{7}}}^t=t_{x_{\mathrm{7}}}^t/\sum T_{x_{\mathrm{7}}}^t\\ L_{u_{\mathrm{7}}}^t=u_{\mathrm{7}}^t/U_{\mathrm{7}}^t\end{array}\right.⑺

式中：P_{z_{\mathrm{7}}}^t，P_{x_{\mathrm{7}}}^t分别表示装车、卸车作业能力利用率，%；L_{r_{\mathrm{7}}}^t，L_{u_{\mathrm{7}}}^t分别表示装车、卸车作业能力负荷度，%；t_{z_{\mathrm{7}}}^t，t_{x_{\mathrm{7}}}^t分别表示t阶段内车列装车、卸车所需要的平均作业时间，min；\sum T_{z_{\mathrm{7}}}^t，\sum T_{x_{\mathrm{7}}}^t\mathrm{分别}表示t阶段内列车从装车、卸车点前方股道至离开装车、卸车点后方股道所需要的总时间，包括车列的等待时间，min；r_{\mathrm{7}}^t，u_{\mathrm{7}}^t分别表示t阶段内车站的装车、卸车能力需求，列；R_{\mathrm{7}}^t，U_{\mathrm{7}}^t分别表示t阶段内车站的平均装车、卸车能力，列。

（8）取送车调车计划兑现率。取送车调车作业计划兑现率数学量化公式如下。针对取送车作业对列车解编及装卸作业的影响^[14-15]，取送车调车作业计划兑现率的等级划分参考解编计划兑现率评价标准。

P_{j_{\mathrm{8}}}^t=j_{\mathrm{8}}^t/J_{\mathrm{8}}^t⑻

式中：P_{j_{\mathrm{8}}}^t表示取送调车计划兑现率，%；j_{\mathrm{8}}^t表示t阶段内车站完成取送车总数，辆；J_{\mathrm{8}}^t表示t阶段内计划取送车总数，辆。

（9）清车底作业能力。清车线股道负荷度和清车底作业负荷度数学量化公式如下。清车底作业未查到相关等级划分研究，对其采用解编作业负荷等级标准。

\left\{\begin{array}{c}{P}_{q_{\mathrm{9}}}^t=t_{q_{\mathrm{9}}}^t/T^t\\ L_{z_{\mathrm{9}}}^t=z_{\mathrm{9}}^t/Z_{\mathrm{9}}^t\end{array}\right.⑼

式中：P_{q_{\mathrm{9}}}^t，L_{z_{\mathrm{9}}}^t分别表示清车线股道负荷度和清车底作业负荷度，%；t_{q_{\mathrm{9}}}^t表示t阶段内清车线股道的平均占用时间，min；z_{\mathrm{9}}^t表示t阶段内清车底能力需求，列；T^t表示阶段t的总时长，min；Z_{\mathrm{9}}^t表示t阶段内的平均清车底能力，列。

2　铁路港站生产组织质量评价模型构建

采用熵权-CRITIC组合权重法，建立铁路港站生产组织质量灰色综合评价模型。传统的熵权法忽略了指标间的相关性和实际意义，过于客观，导致权重比例失调。结合CRITIC法，将对比强度及冲突性概念融入其中，用标准差和相关系数描述指标间的差距大小和相关性^[16]。由于铁路港站生产组织质量属于动态模型，对其动态历程的分析应细化到每个指标，因而采用灰色综合评估法进行研判，及时发现铁路港站生产组织质量的不足，以便针对性解决问题。计算步骤如下。

（1）构建原始指标矩阵。根据指标体系的n个指标，计算m个时间段内的评价指标初值，作为评价对象的指标集Y_{m\times n}，该指标集表示为非优指标。基于等级参照表，设定各项指标的最优参照标准，建立最优指标集Y_{\mathrm{1}\times n}。利用最优指标集和评价对象的指标集构成原始矩阵Y_{\left(m+\mathrm{1}\right)\times n}。

Y_{\left(m+\mathrm{1}\right)\times n}=\left[\begin{array}{c}{Y}_{\mathrm{1}\times n}\\ Y_{m\times n}\end{array}\right]={\left[\begin{array}{c}{y}_{\mathrm{01}}\\ \begin{array}{l}{y}_{\mathrm{11}}\\ ⋮\\ y_{m\mathrm{1}}\end{array}\end{array}\begin{array}{c}{y}_{\mathrm{02}}\\ \begin{array}{l}{y}_{\mathrm{12}}\\ ⋮\\ y_{m\mathrm{2}}\end{array}\end{array}\begin{array}{c}\cdots \\ \begin{array}{l}\cdots \\ \\ \cdots \end{array}\end{array}\begin{array}{c}{y}_{\mathrm{0}n}\\ \begin{array}{l}{y}_{\mathrm{1}n}\\ ⋮\\ y_{mn}\end{array}\end{array}\right]}_{\left(m+\mathrm{1}\right)\times n}⑽

式中：y_{\mathrm{01}}，y_{\mathrm{02}}，\dots ，y_{mn}为矩阵元素\mathrm{。}

（2）原始指标矩阵标准化。采用数值均值化方法对数据进行一致化和无量纲化处理，即对矩阵Y内的每列所有数据除以该列数据的平均值，得到标准化矩阵X。

x_{ij}=y_{ij}/[({\displaystyle \sum _{i=\mathrm{0}}^m}{y}_{ij})/(m+\mathrm{1})]i=\mathrm{0,1},\cdots ,m;j=\mathrm{1,2},\cdots ,n⑾

X={\left[\begin{array}{c}{x}_{\mathrm{01}}\\ \begin{array}{l}{x}_{\mathrm{11}}\\ ⋮\\ x_{m\mathrm{1}}\end{array}\end{array}\begin{array}{c}{x}_{\mathrm{02}}\\ \begin{array}{l}{x}_{\mathrm{12}}\\ ⋮\\ x_{m\mathrm{2}}\end{array}\end{array}\begin{array}{c}\cdots \\ \begin{array}{l}\cdots \\ \\ \cdots \end{array}\end{array}\begin{array}{c}{x}_{\mathrm{0}n}\\ \begin{array}{l}{x}_{\mathrm{1}n}\\ ⋮\\ x_{mn}\end{array}\end{array}\right]}_{\left(m+\mathrm{1}\right)\times n}⑿

（3）计算指标权重。采用熵权法-CRITIC确定各项指标的权重。计算步骤如下。

①对非优指标集Y_{m\times n}利用公式⑾计算其标准化矩阵X^{\text{'}}={\left[x_{ij}\right]}_{m\times n}\left(i=\mathrm{1,2},\cdots m;j=\mathrm{1,2},\cdots ,n\right)。

②利用熵权法计算指标的客观权重w_j^{\mathrm{1}}。

w_j^{\mathrm{1}}=\left(\mathrm{1}-e_j\right)/{\displaystyle \sum _{j=\mathrm{1}}^n}\left(\mathrm{1}-e_j\right)⒀

e_j=-k{\displaystyle \sum _{i=\mathrm{1}}^m}{p}_{ij}\mathrm{l}\mathrm{n}{p}_{ij}⒁

p_{ij}=x_{ij}^{\text{'}}/{\displaystyle \sum _{i=\mathrm{1}}^m}{x}_{ij}^{\text{'}}⒂

式中：e_j为各项指标的信息熵；p_{ij}为指标变异性，表示第j项指标下第i时段指标值的比重；k为信息熵的系数，k=\mathrm{1}/\mathrm{l}\mathrm{n}m。

③利用CRITIC法分析指标的差异性和相关性，计算主观权重w_j^{\mathrm{2}}。

w_j^{\mathrm{2}}=c_j/({\displaystyle \sum _{j=\mathrm{1}}^n}{c}_j)⒃

c_j=\frac{{\sigma }_j}{{{\overline{x}}^{\mathrm{\text{'}}}}_j}{\displaystyle \sum _{i=\mathrm{1}}^m}\left(\mathrm{1}-\left|f_{ij}\right|\right)⒄

式中：c_j为各项指标的信息量；{\sigma }_j，{{\overline{x}}^{\text{'}}}_j分别为第j项指标的标准差和平均值；f_{ij}为第i项指标和第j项指标的相关系数。

④计算组合权重，确定最终权重值w_j，建立指标权重W={\left[w_j\right]}_n。

w_j=\beta w_j^{\mathrm{1}}+\left(\mathrm{1}-\beta \right)w_j^{\mathrm{2}}⒅

式中：\beta为组合权重系数，取\beta =\mathrm{0.5}，表示指标的客观性和主观性同等重要。

（4）确定评价矩阵。在矩阵X的基础上计算非优指标集和最优指标集之间的灰色关联系数r_{ij}，构建评价矩阵R。

r_{ij}=\frac{\underset{i}{\mathrm{m}\mathrm{i}\mathrm{n}}\underset{j}{\mathrm{m}\mathrm{i}\mathrm{n}}\left|x_{\mathrm{0}j}-x_{ij}\right|+\epsilon \underset{i}{\mathrm{m}\mathrm{a}\mathrm{x}}\underset{j}{\mathrm{m}\mathrm{a}\mathrm{x}}\left|x_{\mathrm{0}j}-x_{ij}\right|}{\left|x_{\mathrm{0}j}-x_{ij}\right|+\epsilon \underset{i}{\mathrm{m}\mathrm{a}\mathrm{x}}\underset{j}{\mathrm{m}\mathrm{a}\mathrm{x}}\left|x_{\mathrm{0}j}-x_{ij}\right|}⒆

R={\left[\begin{array}{l}{r}_{\mathrm{11}}\cdots r_{\mathrm{1}n}\\ ⋮⋮\\ r_{m\mathrm{1}}\cdots r_{mn}\end{array}\right]}_{m\times n}⒇

式中：\epsilon为分辨系数，且\epsilon \in \left[\mathrm{0,1}\right]，取\epsilon =\mathrm{0.5}；\underset{i}{\mathrm{m}\mathrm{i}\mathrm{n}}\underset{j}{\mathrm{m}\mathrm{i}\mathrm{n}}\left|x_{\mathrm{0}j}-x_{ij}\right|为各项非优指标到最优指标距离的最小值；\underset{i}{\mathrm{m}\mathrm{a}\mathrm{x}}\underset{j}{\mathrm{m}\mathrm{a}\mathrm{x}}\left|x_{\mathrm{0}j}-x_{ij}\right|为各项非优指标到最优指标距离的最大值。

（5）计算灰色关联度，寻找最优指标方案。利用权重和评价矩阵计算非优集与最优集之间的灰色关联度A，进行关联度排序，其值越大，说明该非优集越接近最优集，该集合内的各项指标越优。

A=W\times R^{\mathrm{T}}

3　案例分析

以某铁路港站为例，该站作业量较大、作业过程繁琐，总计2个工作区，6个站场，13台翻车机。主要作业流程为列车到站后，以车站编制的解体计划拆分列车，按照车列卸车顺序送至卸车点作业，并于卸车点后方牵引送至固定地点进行清车底和编组作业，最后办理出站^[17]。结合案例站的生产作业特点，对车站的到达、解体、卸车、取送车、清车底、编组、出发作业环节评价指标进行分析，探究站内生产组织质量的潜在问题。

3.1　数据预处理计算

以案例站某日(当日18：00—次日18：00)的运输数据为例，以3 h为单位将时间划分为8个时段，记为Stage1，Stage2，…，Stage8。Stage1为当日18：00—21：00，Stage2为当日21：00—24：00，Stage3为次日24：00—3：00，Stage4为次日3：00—6：00，Stage5为次日6：00—9：00，Stage6为次日9：00—12：00，Stage7为次日12：00—15：00，Stage8为次日15：00—18：00。一个时段即为一个评价对象，计算评估8个时段的铁路港站生产组织质量。根据指标量化公式整理计算，得到铁路港站生产组织质量各项指标初值Y_{m\times n}，某铁路港站生产组织质量评价指标初值如表6所示。并结合指标初值和等级参照表，设定最优指标集Y_{\mathrm{1}\times n}=\left[\mathrm{0.9}\mathrm{0.6}\mathrm{0.8}\mathrm{0.55}\mathrm{0.55}\mathrm{0.2}\mathrm{0.55}\mathrm{0.55}\mathrm{0.8}\mathrm{0.55}\mathrm{0.55}\mathrm{0.8}\mathrm{0.55}\mathrm{0.9}\mathrm{0.6}\right]。

3.2　模型计算及结果

利用公式⑽至公式⒅对各项指标进行标准化，计算指标的组合权重。铁路港站生产组织质量评价指标权重如表7所示。为了验证方法的有效性，采用2种方法分析8个对象的关联度结果，铁路港站生产组织质量评价结果及对比如表8所示。

3.3　评价结果分析

由表7可知，传统熵权法的权重标准差为4.86%、极值差为14.21%，组合权重的标准差为1.05%、极值差为2.73%；传统熵权法求取的权重系数相差较大，组合权重系数更为均衡。铁路港站生产组织质量评价结果对比如图2所示。整体来看，2种方法的贴近度趋势走向基本一致，贴近度取值均具有一定的波动性，整体呈现先降低再提升后显著下降的趋势。但两者间仍存在部分差异，熵权法-灰色综合评估的结果波动率为15.86%，改进后的方法使评估结果波动率降低，为13.37%，减小了由权重比例失调对模型输出的影响，输出结果更加准确可靠。

图2中显示的贴近度趋势变化表明案例站生产组织整体质量较不稳定，Stage8时段的质量下降明显，因此分析该时段的指标因素进行问题查找，Stage8的生产组织质量评价指标等级情况如表9所示。分析可知，该时段铁路港站的卸车作业超时较为严重，P_{x_{\mathrm{6}}}^t为77.8%，说明卸车设备占用时间过长，导致现场卸车能力与实际需求不匹配；卸车作业能力负荷度L_{u_{\mathrm{7}}}^t为91.2%，表现为不均衡。车站应重点关注卸车作业环节，根据现场实际情况针对性地解决问题，同时需要时常开展铁路港站生产组织质量阶段性评估，促进生产质量稳定发展。

4　结束语

铁路港站作为铁路运输网络的重要节点，其生产组织质量的提升是铁水联运高速发展的前提。通过构建熵权-CRITIC组合权重的灰色综合评价模型对铁路港站生产组织质量进行评估，克服单一采用熵权法导致评价结果失调的瓶颈。该方法为铁路港站生产组织质量评估提供了一种定性和定量相结合的技术手段，评价结果符合铁路港站生产作业的实际情况，可以为铁路港站运输生产工作提供决策依据。后续铁路港站需要根据自身的作业特点，结合评价指标体系分析车站现有问题，为铁路港站生产组织质量的提升打下基础条件。

参考文献

[1] 刘骐玮. 海铁联运港站运输组织研究[D]. 北京：中国铁道科学研究院，2020.

[2] 吴艺迪，何世伟，周　汉. 重载铁路智慧港口站作业计划综合优化模型及算法研究[J]. 交通运输系统工程与信息，2023，23(6)：215-226，261.

[3] WU Yidi， HE Shiwei， ZHOU Han. Comprehensive Optimization Model and Algorithm of Operation Plan for Smart Port Station of Heavy Haul Railway[J]. Journal of Transportation Systems Engineering and Information Technology，2023，23(6)：215-226，261.

[4] 张艳伟，周　强，肖汉斌，等. 港口生产效能评估与智能优化平台[J]. 中国科技成果，2014(7)：21-23，27.

[5] 胡艳华. 港口安全生产精细化管理创新技术体系[J]. 港口科技，2021(3)：1-5，21.

[6] 周正雄. 港口安全生产管理问题及改进措施分析[J]. 中国科技纵横，2021(6)：158-159.

[7] ZHOU Zhengxiong. Analysis of Port Safety Production Management Issues and Improvement Measures[J]. China Science & Technology Overview，2021(6)：158-159.

[8] MENEZES G C， MATEUS G R， RAVETTI M G. A Hierarchical Approach to Solve a Production Planning and Scheduling Problem in Bulk Cargo Terminal[J]. Computers & Industrial Engineering，2016(97)：1-14.

[9] 杨鹏南，侯贵宾，赵谞博，等. 港口生产调度大数据分析平台[J]. 港口科技，2017(5)：22-25，30.

[10] YANG Pengnan， HOU Guibin， ZHAO Xubo，et al. Port Production Scheduling Big Data Analysis Platform[J]. Science & Technology of Ports，2017(5)：22-25，30.

[11] STINGǍ G V， ANCUŢA C. The Evolution of Container Transport in the Framework of Intermodal Transport[EB/OL]. (2016-12-31)[2023-06-20].

[12] 罗本成，胡　笳，王若蒂. 基于灰色熵变权的智慧港口等级评价方法[J]. 交通运输研究，2023，9(1)：127-133，142.

[13] LUO Bencheng， HU Jia， WANG Ruodi. Evaluation Method of Smart Port Development Based on Gray Entropy Variable Weight[J]. Transport Research，2023，9(1)：127-133，142.

[14] 张　新. 智慧港口评价指标体系构建[J]. 港口科技，2020(3)：1-3.

[15] 梁　倩，韩　调，张　静. 大秦线开行2万吨重载列车对湖东编组站到发场的影响[J]. 中国铁道科学，2005，26(3)：1-6.

[16] LIANG Qian， HAN Tiao， ZHANG Jing. Influence on the Reception-Departure Yard of Hudong Marshalling Station by 20 000 t Heavy Haul Train Running on Datong-Qinhuangdao Railway Line[J]. China Railway Science，2005，26(3)：1-6.

[17] 王　磊. 黄岛站扩能改造方案研究[J]. 铁道标准设计，2013，57(8)：45-49.

[18] WANG Lei. Schematic Study on Capacity Expansion and Reconstruction of Huangdao Station[J]. Railway Standard Design，2013，57(8)：45-49.

[19] 卢　璇. 煤炭港口装卸作业一体化问题模型及算法研究[D]. 武汉：武汉理工大学，2022.

[20] 国　巍. 一种新的铁路港湾站不同港区分组取送车的方法[J]. 河南科技，2020(1)：115-117.

[21] GUO Wei. A New Method of Group Pick-up and Delivery of Trains in Different Port Areas of Railway Harbor Station[J]. Henan Science and Technology，2020(1)：115-117.

[22] 朱海笑. 铁路技术站取送车作业研究[D]. 兰州：兰州交通大学，2015.

[23] 张正坤，朱昌锋. 改进熵权-TOPSIS法的铁路事故定级模糊评价[J]. 兰州交通大学学报，2021，40(1)：31-38.

[24] ZHANG Zhengkun， ZHU Changfeng. Fuzzy Evaluation on Railway Accident Classification Based on Improved Entropy Weight-TOPSIS Method[J]. Journal of Lanzhou Jiaotong University，2021，40(1)：31-38.

[25] 段蕴桔，刘　青，王宏嘉，等. 黄骅港站作业组织智能优化探讨[J]. 铁道货运，2022，40(8)：46-51.

[26] DUAN Yunjie， LIU Qing， WANG Hongjia，et al. Discussion on Intelligent Optimization of Operation Organization of Huanghua Port Railway Station[J]. Railway Freight Transport，2022，40(8)：46-51.

基金资助

中国铁道科学研究院集团有限公司科研项目(ATH22Y029)