基于超效率平行网络DEA的...机岛礁运输效能评估方法研究_崔栋.pdf

医疗卫生装备2023年1月第44卷第1期Chinese Medical Equipment JournalVol 44No 1January2023基于超效率平行网络 DEA 的民用无人机岛礁运输效能评估方法研究崔栋，李宏伟*，陆鸣，曾杨智（陆军工程大学野战工程学院，南京 210007）摘要目的：提出一种基于超效率平行网络数据包络分析（data envelopment analysis，DEA）的民用无人机岛礁运输效能评估方法。方法：在民用行业级无人机中选取 30 种不同型号的无人机型作为决策单元，将无人机的运输能力分解为飞行平台基础能力和任务环境适应能力 2 个平行分项，改进平行分项的共享占比，再引入超效率 DEA，构建超效率平行网络 DEA 模型。比较经典 CCR 模型、改进共享占比的平行网络 DEA 模型和超效率平行网络 DEA 模型对民用无人机岛礁运输效能的评估结果。结果：相比经典 CCR 模型和平行网络 DEA 模型，超效率平行网络 DEA 模型可以实现包含民用无人机内部结构信息的全排序，岛礁运输效能评估结果的区分度更加明显。结论：提出的民用无人机岛礁运输效能评估方法评估结果更为合理、解释性更强，可以为民用无人机军选应用提供参考。关键词超效率；平行网络；数据包络分析；无人机；岛礁运输；效能评估中国图书资料分类号R318；V279文献标志码A文章编号1003-8868（2023）01-0035-07DOI：10.19745/j.1003-8868.2023006Island transport efficiency evaluation method of civilian UAV based onsuper-efficiency parallel network data envelopment analysisCUI Dong,LI Hong-wei*,LU Ming,ZENG Yang-zhi(Field Engineering College,Army Engineering University of PLA,Nanjing 210007,China)AbstractObjectiveTo propose an island transport efficiency evaluation method for the civilian UAV based on super-efficiency parallel network data envelopment analysis(DEA).MethodsThirty different models of industry-grade civilianUAVs were selected as the decision units,and the transport capability of the selected UAVs was decomposed into 2 parallelsubcomponents of flight platform base capability and mission environment adaptation capability;the share proportions of theparallel subcomponents were improved,and then super-efficiency DEA was introduced to construct a super-efficiencyparallel network DEA model.The evaluation results by the classical CCR model,parallel network DEA model with improvedshare proportion and super-efficiency parallel network DEA model were compared when used for assessing the islandtransport efficiency of civilian UAVs.ResultsThe super-efficiency parallel network DEA model gained advantages over theclassical CCR model and parallel network DEA model with improved share proportion in full ranking involving in the internalstructural information of civilian UAVs and differentiation of island transport efficiency evaluation results.ConclusionThecivilian UAV island transport efficiency evaluation method has reasonable and interpretative results and provides referencesfor military application of civilian UAVs.Chinese Medical Equipment Journal，2023，44（1）：35-41Key wordssuper-efficiency;parallel network;data envelopment analysis;UAV;island transport;efficiency evaluation0引言运用无人机向位于高原、山地、岛礁等复杂地形条件的部队应急运输药品、弹药、器材等物资补给的方式具有灵活、高效、成本低、无人员伤亡风险等优势，其应用前景广阔1。在阿富汗战争中，美军针对多山的复杂地形，运用大量 K-MAX 等无人机实施后勤补给，累计转运货物 720 t，展示了无人机运输的巨大应用潜力2。国内无人机运输领域也发展迅速。顺丰、京东等物流企业已于 2017 年开始启动无人机配送试点，并在着力打造通用的低空无人机航空运基金项目：国家社会科学基金重点项目（16AGL023）；军队后勤重大理论与现实问题研究项目（KYGYQJO2101）作者简介：崔栋（1986），男，硕士研究生，工程师，主要从事效能评估方面的研究工作，E-mail：cder_。通信作者：李宏伟，E-mail：崔栋，李宏伟，陆鸣，等.基于超效率平行网络 DEA 的民用无人机岛礁运输效能评估方法研究J.医疗卫生装备，2023，44（1）：35-41.Thesis论著Thesis论著 35 医疗卫生装备2023年1月第44卷第1期Chinese Medical Equipment JournalVol 44No 1January2023输网络3。目前，我国民用无人机产业发展迅速、体系完备，市场上民用无人机品牌众多，不少型号可满足岛礁支线物资应急运输要求4。综合评价典型民用无人机岛礁运输效能，将待选机型的效能排序纳入决策考量，可为民用装备军选应用提供重要参考。经典的无人机运输效能评估方法主要有专家经验方法5、数学解析方法6、模拟仿真方法7和机器学习方法8等。专家经验方法能够充分发挥专家的经验和知识优势，但存在主观判断偏差的局限；数学解析方法比较适用于简单明确的系统，当评估对象比较复杂时，模型公式的建立比较困难；模拟仿真方法是对现实场景的模拟，更加贴近应用背景，但是由于评估对象的复杂性和不确定性，许多因素不易量化，使得仿真试验存在“组合爆炸”问题；机器学习方法能够根据数据样本拟合效能评估模型，并作出合理的回归预测，但由于标记样本收集困难，模型训练易出现过拟合或欠拟合情况。而数据包络分析（data envelopment analysis，DEA）方法是适用于多输入、多产出系统的数据驱动型评估方法，能够有效克服情景模拟困难、主观判断存在偏差、标记样本缺乏等困难。DEA 模型把单输入、单输出的工程效率概念推广到多输入、多输出的同类型决策单元（decision ma-king unit，DMU）的有效性评价中，其理论和方法在管理科学、经济评价、效能评估等领域广泛应用。在效能评估领域，冉景禄等9采用 DEA 方法和风险评估模型相结合的方式，提出了旨在降低评估风险的装备效能稳健评估方法。吴坤鸿等10采用 DEA 方法和逼近理想排序法相结合，在联合火力打击的目标选择和排序优化方面取得了较好的效果。以上研究主要是将 DEA 作为一种数据处理方法，但对评估对象各评价指标的制约关系和内部结构缺乏描述。随着 DEA 方法各种拓展模型的发展，网络 DEA 模型已经成为当前的研究热点11，其在应用中可将评估对象内部结构关系纳入考量范围，得出更加精细的评价结果。周中良等12采用系统动力学与串行网络 DEA 模型相结合的方法，能够基于评估对象的内部结构建立模型，其在突防兵力方案优选问题中取得了较好的效果。串行网络 DEA 模型的典型特征是内部结构存在时序依赖关系，在应用中有其局限性。而对于内部结构相对独立、呈平行结构、没有前后依赖关系的评估对象，平行网络 DEA 模型更加适用。本研究在民用无人机岛礁运输效能评估中引入平行网络 DEA 模型，首先把不同厂商型号的无人机作为决策单元，对无人机运输能力进行平行结构分解，将评价指标作为输入、输出变量。其次根据指标间生成关系，区分共享投入变量和独立投入变量，通过设置共享占比因子，调整共享投入变量在不同结构分项中的分配比例。最后引入超效率模型，将计算出的相对效率均值作为效能测度，评价结果比将评估对象作为“黑箱”的经典 DEA 模型和一般平行网络 DEA 模型更加精细，具有更好的适用性。1平行网络DEA模型效能评估原理1.1平行网络DEA模型DEA 方法最早由 Charnes、Cooper 和 Rhodes 于1978 年提出，第一个 DEA 模型（CCR 模型）就是以三人姓氏首字母命名13。基于规模收益不变（constantre-turns to scale，CRS）的 CCR 模型和基于规模收益可变（variable returns to scale，VRS）的 BCC 模型是 DEA方法的最基本模型，也是超效率模型、非径向模型、广义 DEA 模型等其他衍生模型的基础13。经典 DEA 模型对系统进行效能评估时，往往忽略了系统内部的运行结构，缺乏对系统内部约束关系的描述，其得出的评估结论往往不够全面。而网络DEA 模型作为打开决策单元“黑箱”的评估方法，由于建模过程考虑了系统内部的结构信息，更加符合系统运行实际，并且其评估结果能够揭示系统效能较低的原因，目前已广泛应用于银行14、交通15、运动16等领域的绩效评估。网络 DEA 模型按照内部结构关系类型可分为串行、平行和混合结构模型17。平行网络 DEA 模型结构示意图如图 1 所示。在平行网络 DEA 模型中，各决策单元内部的结构分项数量相同，各分项之间呈并行结构分布，并且相应的平行分项具有相同的投入和产出指标。系统总效率值计算公式如下：*=Maxsr=1ryr0图1平行网络DEA模型结构示意图DMUj平行分项 1平行分项 p平行分项 qXi（1）i 1（1）Xi（p）i 1（p）Xi（q）i 1（q）Xii 1Yr（1）r 0（1）Yr（p）r 0（p）Yr（q）r 0（q）Yrr 0注：DMUj表示决策单元 j；Xi（1）、Xi（p）和 Xi（q）表示决策单元 j 在平行分项 1、p 和 q的投入指标向量，Yr（1）、Yr（p）和 Yr（q）表示决策单元 j 在平行分项 1、p 和 q 的产出指标向量。Thesis论著崔栋，李宏伟，陆鸣，等.基于超效率平行网络 DEA 的民用无人机岛礁运输效能评估方法研究J.医疗卫生装备，2023，44（1）：35-41.3