吳偉東，黃鵬，鐘明茜，萬(wàn)旭升，潘海澤

(西南石油大學(xué) 土木工程與測(cè)繪學(xué)院，四川 成都610500)

自2008年中國(guó)第1條高速鐵路——京津城際鐵路開通運(yùn)營(yíng)以來(lái)，高速鐵路在中國(guó)大陸飛速發(fā)展。但與此同時(shí)，高速鐵路建設(shè)和運(yùn)營(yíng)過(guò)程中對(duì)生態(tài)環(huán)境造成巨大影響，在西南地區(qū)，由于存在大范圍的山丘峽谷，鐵路建設(shè)過(guò)程中的山體開挖、隧道開鑿、架橋修涵、高挖低填等工程活動(dòng)，易造成施工范圍內(nèi)水土擾動(dòng)，在侵蝕營(yíng)力作用下易產(chǎn)生水土流失，且施工中耗費(fèi)大量資源，同時(shí)還產(chǎn)生廢棄物、噪音和粉塵等，破壞沿線生態(tài)環(huán)境。在此背景下，國(guó)家大力推進(jìn)生態(tài)文明建設(shè)，倡導(dǎo)“綠色施工”的發(fā)展理念，因此對(duì)鐵路的綠色施工水平進(jìn)行評(píng)估對(duì)鐵路行業(yè)的可持續(xù)發(fā)展具有重要意義。鐵路建設(shè)過(guò)程中實(shí)現(xiàn)“綠色施工”的主要因素不僅包括對(duì)外在環(huán)境影響的控制，也包含自身節(jié)能減排的重視程度，因此對(duì)鐵路的綠色施工評(píng)估是一個(gè)組成因素眾多且相互聯(lián)系的復(fù)雜多屬性決策問(wèn)題。并且由于鐵路施工具有周期長(zhǎng)、跨度大、管理粗放等特點(diǎn)，導(dǎo)致出現(xiàn)指標(biāo)信息模糊多樣、數(shù)據(jù)收集困難和專家難以客觀判斷等問(wèn)題，使得評(píng)估信息具有很強(qiáng)的模糊性和不確定性，必然影響評(píng)價(jià)結(jié)果的可信性。目前，針對(duì)鐵路綠色施工，已有王明慧等[1?2]從不同角度對(duì)其進(jìn)行了研究。也有學(xué)者[3?4]在綜合指標(biāo)主、客觀權(quán)重的基礎(chǔ)上，分別結(jié)合灰色聚類法和未確知測(cè)度理論進(jìn)行評(píng)估。上述學(xué)者的研究雖從不同的視角反映了綠色施工的水平，但對(duì)處理評(píng)估過(guò)程中決策信息的模糊與不確定性問(wèn)題的研究仍有待補(bǔ)充和完善。云模型是一種專門研究復(fù)合不確定性的現(xiàn)代數(shù)學(xué)理論，可較好地描述變量的隨機(jī)性、模糊性與關(guān)聯(lián)性，具有優(yōu)秀的處理不確定性問(wèn)題的能力。目前，云模型已在安全績(jī)效評(píng)價(jià)[5]、河流健康評(píng)價(jià)[6]等方面有較多的運(yùn)用。本文首次將云模型運(yùn)用在鐵路的綠色施工等級(jí)評(píng)價(jià)中，結(jié)合前人研究成果，建立綠色施工等級(jí)評(píng)價(jià)指標(biāo)體系，以西(西安)成(成都)鐵路為例對(duì)云模型應(yīng)用于等級(jí)評(píng)價(jià)進(jìn)行探討。

1 指標(biāo)體系構(gòu)建與分級(jí)標(biāo)準(zhǔn)確定

構(gòu)建科學(xué)合理的指標(biāo)體系是對(duì)高速鐵路綠色施工等級(jí)進(jìn)行評(píng)價(jià)的基礎(chǔ)和關(guān)鍵。由于高速鐵路綠色施工等級(jí)的影響因素眾多且相互關(guān)聯(lián)，劉鵬舉等[7]利用目標(biāo)分解法從環(huán)境管理、環(huán)保措施及水保措施、環(huán)境污染治理和節(jié)能降耗4個(gè)方面建立了綠色鐵路的評(píng)價(jià)指標(biāo)體系。但是高速鐵路的跨度廣，不同路段的地理環(huán)境差異巨大，指標(biāo)體系的建立應(yīng)該結(jié)合所處環(huán)境的地形地域特點(diǎn)。因此，鮑學(xué)英等[3]針對(duì)西北寒旱地區(qū)水資源匱乏、生態(tài)環(huán)境脆弱的特點(diǎn)從“節(jié)水”、“節(jié)能”、“節(jié)地”、“節(jié)材”和“環(huán)境保護(hù)”5個(gè)方面建立了評(píng)價(jià)指標(biāo)體系，并應(yīng)用到蘭新高速的綠色施工等級(jí)評(píng)價(jià)中?；谏鲜鲅芯砍晒?，考慮到西南地區(qū)地形起伏大以及降雨豐富容易造成水土流失的特點(diǎn)，本文從“水土流失防治”、“資源節(jié)約”和“環(huán)境保護(hù)”3個(gè)方面建立了評(píng)價(jià)指標(biāo)體系，如表1所示。同時(shí)，將評(píng)價(jià)指標(biāo)的等級(jí)標(biāo)準(zhǔn)設(shè)置為5個(gè)等級(jí)：G={g1,g2,g3,g4,g5}，分別為：非綠色(不合格)，黃綠色(合格)，綠色(一般)，青綠色(良)，深綠色(優(yōu))。對(duì)于評(píng)價(jià)指標(biāo)的分級(jí)標(biāo)準(zhǔn)，本文參考了鮑學(xué)英等[3]在蘭新鐵路綠色施工評(píng)價(jià)研究中設(shè)立的分級(jí)標(biāo)準(zhǔn)、丁小玲[8]在京滬鐵路綠色生態(tài)評(píng)價(jià)中設(shè)立的水土保持指標(biāo)評(píng)價(jià)標(biāo)準(zhǔn)，以及《生產(chǎn)建設(shè)項(xiàng)目水土流失防治標(biāo)準(zhǔn)》(GB/T 50434—2018)中對(duì)西南紫色土區(qū)水土流失防治指標(biāo)值的規(guī)定、《建筑工程綠色施工評(píng)價(jià)標(biāo)準(zhǔn)》(GB/T 50640—2010)中對(duì)資源節(jié)約和環(huán)境保護(hù)的相關(guān)規(guī)定等，最后結(jié)合專家的意見(jiàn)確定了各指標(biāo)的分級(jí)標(biāo)準(zhǔn)，如表1所示。

表1 高速鐵路綠色施工評(píng)價(jià)指標(biāo)體系及分級(jí)標(biāo)準(zhǔn)Table 1 Evaluation index system and grading standards for green construction of high-speed railway

2 評(píng)估指標(biāo)權(quán)重計(jì)算

2.1 利用不確定層次分析法求取指標(biāo)權(quán)重區(qū)間

如何合理地確定各個(gè)指標(biāo)的權(quán)重是本文的重點(diǎn)。因此，本文采用不確定層次分析法[9]的區(qū)間標(biāo)度表示指標(biāo)間的相對(duì)重要性，以區(qū)間數(shù)的方式統(tǒng)一專家判斷的主觀性與不確定性，使得各指標(biāo)的權(quán)重更加真實(shí)可信。確定各指標(biāo)權(quán)重的具體計(jì)算步驟如下。

Step 1：對(duì)評(píng)價(jià)體系中n個(gè)評(píng)價(jià)指標(biāo)，采用SAATY等[10]提出的1～9標(biāo)度法(如表2所示)對(duì)各指標(biāo)的重要度兩兩比較，得到區(qū)間數(shù)判斷矩陣A=其中表示指標(biāo)i相對(duì)于j的重要程度，為重要度下限，為重要度上限。

表2 1～9標(biāo)度法Table 2 1～9 scaling method

Step 2：計(jì)算一致性判斷矩陣M=(mij)n×n：

Step 3：求矩陣M的權(quán)重向量Wi=(w1,w2,…,wn)：

Step 4：計(jì)算權(quán)重傳遞誤差Δtwj：

式中：Δ1mij=(mij-aij)n×n，Δ2mij=(bij-mij)n×n。

Step 5：求修正后的權(quán)重區(qū)間w?：

2.2 計(jì)算權(quán)重精確值

不確定層次分析法只能獲得權(quán)重區(qū)間，引入集對(duì)理論里的三元聯(lián)系數(shù)將其轉(zhuǎn)化為定值，三元聯(lián)系數(shù)同、異、反3個(gè)方面描述指標(biāo)的權(quán)重區(qū)間值，即對(duì)于權(quán)重區(qū)間w??[0,1]，建立與區(qū)間[0,1]的集對(duì)，表示為：

式中：i,j分別為差異系數(shù)和對(duì)立系數(shù)；ai表示確定能夠達(dá)到的程度；bi表示不能確定達(dá)到的程度；ci表示確定不能達(dá)到的程度。

Step 1：計(jì)算確定性區(qū)間的相對(duì)權(quán)重Pi與不確定區(qū)間的相對(duì)權(quán)重Qi：

Step 2：最后計(jì)算指標(biāo)的精確權(quán)重值w*=

3 云相似度綜合評(píng)判模型

3.1 云模型

在構(gòu)建高速鐵路綠色施工評(píng)價(jià)指標(biāo)體系并確定指標(biāo)權(quán)重后，需要專家在自身專業(yè)知識(shí)和工作經(jīng)驗(yàn)的基礎(chǔ)上，結(jié)合收集到的資料和監(jiān)測(cè)數(shù)據(jù)對(duì)鐵路的綠色施工等級(jí)做出評(píng)價(jià)。但在實(shí)際評(píng)價(jià)過(guò)程中，專家不僅難以掌握全部信息并且客觀指標(biāo)也存在不確定性，這種不完全信息導(dǎo)致專家的評(píng)價(jià)具有一定的隨機(jī)性和模糊性，使得最終評(píng)價(jià)結(jié)果出現(xiàn)偏差?；诖?，學(xué)者將模糊集、證據(jù)理論等理論引入到評(píng)價(jià)模型中，為這類問(wèn)題的解決提供了參考。

云模型理論是李德毅院士在模糊集和概率統(tǒng)計(jì)的基礎(chǔ)上提出的一種數(shù)學(xué)模型[11]。該模型能夠從樣本數(shù)據(jù)中找到數(shù)據(jù)的規(guī)律性和統(tǒng)計(jì)特征，實(shí)現(xiàn)定性概念與定量描述的相互轉(zhuǎn)換。云模型將定性概念量化為定量論域上的云滴，云滴在論域內(nèi)隨機(jī)分布形成云圖。其中，云滴與期望的偏離程度體現(xiàn)數(shù)據(jù)的模糊性，而云滴的離散程度則體現(xiàn)數(shù)據(jù)的隨機(jī)性。

云模型通過(guò)3個(gè)數(shù)字特征值(期望Ex，熵En和超熵He)共同表征一個(gè)定性概念，期望Ex表示云滴在論域中分布的平均值；熵En表示定性概念的模糊性度量，用來(lái)描述云的寬度；超熵He是對(duì)熵En的不確定性度量，反映數(shù)值隸屬于定性概念的隨機(jī)程度，在云圖上，超熵直觀表現(xiàn)為云的厚度，超熵越大，云層越厚。其中，正態(tài)云模型是結(jié)合正態(tài)分布和鐘型隸屬函數(shù)并且使用廣泛的一種云模型[12]，正態(tài)云如圖1所示。

圖1 正態(tài)云模型示意圖及其數(shù)字特征Fig.1 Schematic diagram of normal cloud model and its digital features

隸屬云發(fā)生器是云模型中最基本的算法，包括正向云生成器和逆向云生成器，正向云生成器具體描述如下。

算法1(正向云生成器)。

輸入：數(shù)字特征值(Ex，En，He)和云滴數(shù)N；

輸出：N個(gè)云滴(xi,μi)。

Step 1：生成以En為期望值，He為標(biāo)準(zhǔn)差的一個(gè)正態(tài)隨機(jī)數(shù)En′i；

Step 2：生成以Ex為期望值，|En′i|為標(biāo)準(zhǔn)差的一個(gè)正態(tài)隨機(jī)數(shù)xi；

Step 3：計(jì)算μi=exp{-(xi-Ex)2/2(En′i)2}；

Step 4：重復(fù)步驟1～3，直到產(chǎn)生N個(gè)云滴。

3.2 指標(biāo)層標(biāo)準(zhǔn)云生成

根據(jù)評(píng)價(jià)指標(biāo)與綠色度等級(jí)的對(duì)應(yīng)關(guān)系，將g1，g2，g3，g4和g5的 取 值 區(qū) 間 分 別 確 定 為[0,a)，[a,b)，[b,c)，[c,d)，[d,e)。云模型的數(shù)字特征值計(jì)算見(jiàn)表3。其中，He為標(biāo)準(zhǔn)云的厚度，反映分級(jí)標(biāo)準(zhǔn)的隨機(jī)性，是一個(gè)主觀設(shè)定的值，但取值不宜過(guò)大，可根據(jù)實(shí)際情況進(jìn)行調(diào)整。本文參考了文獻(xiàn)[13]對(duì)超熵值的確定，該文獻(xiàn)利用黃金分割法確定各評(píng)語(yǔ)等級(jí)的云數(shù)字特征值。在該文中論域取值為[0,1]，中間評(píng)語(yǔ)的超熵為0.005，而本文大部分指標(biāo)的論域區(qū)間在[0,100]以內(nèi)，因此將超熵的值進(jìn)行了擴(kuò)大，并統(tǒng)一取值0.5。

表3 標(biāo)準(zhǔn)云的數(shù)字特征Table 3 Digital characteristics of cloud model

g3，g4計(jì)算方法同g2，出現(xiàn)僅有單邊約束的情況，可依據(jù)數(shù)據(jù)的上下限確定其缺省參數(shù)再進(jìn)行計(jì)算。以建筑實(shí)體材料損耗率U211為例，結(jié)合表1的分級(jí)標(biāo)準(zhǔn)和表3的計(jì)算公式，依次得到各等級(jí)G={g1,g2,g3,g4,g5}的特征值Cloud1(0,4.25,0.5)，Cloud2(15,4.25,0.5)，Cloud3(22.5,2.12,0.5)，Cloud3(27.5,2.12,0.5)，Cloud5(35,2.12,0.5)，將所得特征值輸入算法2，設(shè)置云滴數(shù)N=3 000，利用Mat‐lab2016a繪制標(biāo)準(zhǔn)云圖，如圖2所示。

圖2 評(píng)價(jià)等級(jí)標(biāo)準(zhǔn)云圖Fig.2 Standard cloud for evaluation standard grade

3.3 確定專家評(píng)價(jià)云

采用基于四階絕對(duì)中心距的逆向云算法[14]生成評(píng)價(jià)云EC(Ex,En,He)，代替單一定量數(shù)據(jù)處理評(píng)價(jià)指標(biāo)。具體計(jì)算過(guò)程如下。

算法2(逆向高斯云算法)。

輸入：N個(gè)樣本值xi(i=1,2,…,N)；

輸出：數(shù)字特征值(Ex,En,He)。

Step 1：計(jì)算樣本期望Ex:

其中，xi為待評(píng)價(jià)指標(biāo)U的第i個(gè)樣本估算值，N為專家數(shù)。

Step 2：計(jì)算樣本二階和四階中心距μˉ2,μˉ4：

Step 3：計(jì)算熵En和超熵He：

3.4 計(jì)算云相似度

計(jì)算專家評(píng)價(jià)云EC(Exi,Eni,Hei)與各等級(jí)標(biāo)準(zhǔn)云Cloud(Exj,Enj,Hej)之間的相似度，得到相似度判斷矩陣B?，F(xiàn)有的云相似度計(jì)算方法主要有：云滴距離法、夾角余弦法和期望曲線法，而這些方法存在計(jì)算復(fù)雜度高、計(jì)算結(jié)果誤差大等問(wèn)題?；诖?，文獻(xiàn)[15]在期望曲線法的基礎(chǔ)上提出了兼顧形狀?距離的云相似度計(jì)算方法。其中，云的形狀相似度由2朵云的熵和超熵確定；而距離相似度則是通過(guò)計(jì)算2朵云的期望距離的差值來(lái)得到。同時(shí)，作者簡(jiǎn)化了距離相似度的計(jì)算過(guò)程，得到了距離相似度和期望相對(duì)距離的函數(shù)關(guān)系，并利用高斯曲線對(duì)函數(shù)關(guān)系進(jìn)行擬合，得到擬合參數(shù)，使得距離相似度只需求出特定的參數(shù)值就可以得到。算法具體描述如下。

算法3(兼顧形狀和距離的正態(tài)云模型相似度計(jì)算)。

輸入：評(píng)價(jià)云EC(Exi,Eni,Hei)與標(biāo)準(zhǔn)云Cloud(Exj,Enj,Hej)；

輸出：EC與Cloud之間的相似度δ。

Step 1：計(jì)算EC與Cloud的形狀相似度δs：

Step 2：計(jì)算2朵云熵的比值k及θ0：

Step 3：查找擬合參數(shù)數(shù)據(jù)表[15]，得到距離相似度的擬合函數(shù)

Step 4：計(jì)算兩朵云期望之間的相對(duì)距離θ：

Step 5：將θ代入擬合函數(shù)，得到距離相似度δd：

Step 6：計(jì)算兩朵云的綜合相似度δ：

3.5 基于云相似度改進(jìn)的綜合評(píng)價(jià)

經(jīng)過(guò)云相似度的計(jì)算，可得到每個(gè)指標(biāo)的評(píng)價(jià)云與各個(gè)綠色度等級(jí)的相似度映射關(guān)系向量，所有指標(biāo)則構(gòu)成相似度矩陣R：

式中：δmn表示第m個(gè)指標(biāo)的評(píng)價(jià)云與該指標(biāo)第n個(gè)等級(jí)標(biāo)準(zhǔn)云的相似度。

模糊綜合評(píng)價(jià)是應(yīng)用模糊變換原理，通過(guò)模糊隸屬函數(shù)對(duì)被評(píng)價(jià)事物所做的綜合評(píng)價(jià)。但是，隸屬函數(shù)采用精確的函數(shù)曲線對(duì)模糊現(xiàn)象進(jìn)行處理，實(shí)質(zhì)上又將模糊問(wèn)題精確化，違背了模糊學(xué)的基本精神[11]。云模型擁有比模糊隸屬函數(shù)更強(qiáng)的普遍適用性與描述不確定問(wèn)題的能力。本文采用云相似度矩陣改進(jìn)模糊評(píng)判矩陣，采用加權(quán)平均模型M(·,+)，將權(quán)重集W與相似度矩陣R合成。計(jì)算出綜合評(píng)判結(jié)果向量為：

按照最大相似度原則，找出最大的bi(i=1,2,…,n)所對(duì)應(yīng)的評(píng)價(jià)等級(jí)作為評(píng)價(jià)結(jié)果。

4 工程實(shí)例

西(西安)成(成都)高速鐵路(四川段)從陜省界(CK335+400)至江油站(CK516+445)，線路全長(zhǎng)166.901 km，永久占地379.12 hm2。鐵路施工中產(chǎn)生的大量棄渣，不僅占用部分耕地、林地且堆積的棄渣易造成水土流失，因此早期設(shè)計(jì)階段就已考慮到表土剝離，旱地和水地清理厚度達(dá)到0.4 m左右，對(duì)于施工中形成的開挖面，及時(shí)采用當(dāng)?shù)貥洹⒉莘N進(jìn)行植被恢復(fù)，棄渣場(chǎng)采取邊坡綠化措施，棄渣頂部復(fù)耕或綠化，渣場(chǎng)上游等地區(qū)修建截排水設(shè)施且順延至自然排水系統(tǒng)。環(huán)境保護(hù)方面，施工場(chǎng)地及運(yùn)輸?shù)缆芳皶r(shí)灑水降塵和綠化，運(yùn)土車輛使用篷布覆蓋，有效控制揚(yáng)塵污染，在噪音防護(hù)方面，通過(guò)限定作業(yè)帶范圍、使用帶有減震機(jī)座的機(jī)械等措施，降低對(duì)周邊居民及動(dòng)植物的干擾。為處理運(yùn)營(yíng)期鐵路的噪音問(wèn)題，工程設(shè)置聲屏障37處，長(zhǎng)度1.8萬(wàn)m，通風(fēng)隔聲窗16處，面積3 700 m2。

4.1 評(píng)估體系權(quán)重計(jì)算

1)計(jì)算權(quán)重區(qū)間

對(duì)于各指標(biāo)權(quán)重的確定以及數(shù)據(jù)的采集，共邀請(qǐng)了9位來(lái)自于設(shè)計(jì)院、施工單位及鐵路局且具有高級(jí)職稱以上的技術(shù)專家，由于篇幅所限僅以節(jié)材目標(biāo)下的3個(gè)指標(biāo)U211，U212，U213為例，介紹指標(biāo)權(quán)重的計(jì)算過(guò)程。9位評(píng)估人員根據(jù)1～9比例標(biāo)度法對(duì)上述3個(gè)指標(biāo)進(jìn)行兩兩比較，綜合各個(gè)專家評(píng)價(jià)結(jié)果并取均值得到判斷矩陣A為：

根 據(jù) 式(2)～(5)，U211，U212，U213的 權(quán) 重 區(qū)間為：

2)計(jì)算精確權(quán)重值

將權(quán)重區(qū)間w?通過(guò)三元聯(lián)系數(shù)構(gòu)成集對(duì)，根據(jù)式(6)和式(7)計(jì)算得到Pi和Qi：Pi=[0.33,0.20,0.47]，Qi=[0.33,0.34,0.33]。最后根據(jù)式(8)計(jì)算得到U211，U212，U213的精確權(quán)值值w=[0.32,0.21,0.47]。同理可得指標(biāo)層以及目標(biāo)層各指標(biāo)的權(quán)重值，經(jīng)計(jì)算得到各指標(biāo)最終權(quán)重值，見(jiàn)表1。

4.2 生成標(biāo)準(zhǔn)云與評(píng)價(jià)云

依據(jù)評(píng)價(jià)等級(jí)G={g1,g2,g3,g4,g5}按照各等級(jí)的分級(jí)標(biāo)準(zhǔn)結(jié)合表3的計(jì)算公式得到各指標(biāo)的標(biāo)準(zhǔn)云。對(duì)于評(píng)價(jià)云，9位技術(shù)專家根據(jù)實(shí)地調(diào)研結(jié)果、環(huán)境影響評(píng)估及證據(jù)融合等過(guò)程，給出各項(xiàng)指標(biāo)的估算值，結(jié)合逆向高斯云算法得到各指標(biāo)的數(shù)字特征值，見(jiàn)表4。以實(shí)體材料損耗率U211為例，其標(biāo)準(zhǔn)云見(jiàn)圖2，由表4得到數(shù)字特征值EC(14.67,2.67,2.02)，通過(guò)正向云生成器生成評(píng)價(jià)云，見(jiàn)圖3。

表4 各指標(biāo)專家評(píng)價(jià)云Table 4 Cloud models of evaluation indexes

圖3 評(píng)價(jià)云圖Fig.3 Evaluation cloud chart

4.3 相似度計(jì)算及評(píng)價(jià)結(jié)果分析

利用算法3計(jì)算各指標(biāo)的專家評(píng)語(yǔ)云C與標(biāo)準(zhǔn)云的相似度，得到相似度矩陣R。如將評(píng)語(yǔ)云CU211(14.67,2.67,2.02)與各綠色度的標(biāo)準(zhǔn)Cloud1(0,4.25,0.5)，Cloud2(15,4.25,0.5)，Cloud3(22.5,2.12,0.5)，Cloud4(27.5,2.12,0.5)，Cloud5(35,2.12,0.5)代入算法3得到相似度R(δ1,δ2,δ3,δ4,δ5)為(0.03,0.8,0.07,0,0)。最終，將權(quán)重值及相似度矩陣代入式(10)得到最終評(píng)判結(jié)果，如表5所示。

分析表5結(jié)果可知，水土流失防治和環(huán)境保護(hù)的綠色等級(jí)大致位于一般和良好之間，偏向于良好，而資源節(jié)約方面則屬于一般水平，西成鐵路綠色施工等級(jí)總體上屬于良好，這與專家的預(yù)期結(jié)果相符合。也證明將云模型與鐵路綠色施工等級(jí)評(píng)價(jià)相結(jié)合的可行性，可為今后公路、鐵路等交通基礎(chǔ)設(shè)施的綠色施工等級(jí)評(píng)價(jià)提供參考。

表5 計(jì)算結(jié)果Table 5 Computational results

5 結(jié)論

1)針對(duì)綠色施工各評(píng)價(jià)指標(biāo)所具有的模糊性與隨機(jī)性的特點(diǎn)，本文將云模型的相關(guān)理論引入到鐵路施工綠色評(píng)價(jià)中，通過(guò)逆向高斯云算法有效處理了專家的評(píng)價(jià)數(shù)據(jù)，彌補(bǔ)了以往方法在處理決策信息不確定性問(wèn)題上的不足。

2)本文評(píng)價(jià)模型不僅可以確定各指標(biāo)的綠色施工等級(jí)，而且能確定評(píng)價(jià)指標(biāo)與各個(gè)等級(jí)之間的相似度，可為今后制定綠色施工等級(jí)提高策略提供數(shù)據(jù)支持，進(jìn)而確定優(yōu)先次序。