基于证据语言CRITIC-BWM方法的高臂消防车城市应急备选优化研究

为解决高层建筑火灾救援中高臂消防车优选难题，研究人员结合证据语言术语集(ELTS)与CRITIC-BWM组合加权法，构建多准则决策(MCDM)模型。该研究通过案例验证了模型在降低主观偏差、整合模糊语言偏好方面的有效性，为应急资源优化配置提供科学依据，成果发表于《Expert Systems with Applications》。

　　

随着城市化进程加速，高层建筑火灾救援面临严峻挑战。传统消防车在应对百米以上建筑火灾时存在射高不足、机动性差等局限，而高臂消防车（含登高平台车、云梯车等）虽能有效解决这些问题，但其采购成本高昂（单台超千万元），如何在有限预算下科学选型成为消防部门的现实困境。现有研究多聚焦技术参数优化，却鲜少关注资源约束下的决策方法，且传统模糊语言集（如HFLTS、PLTS）难以处理专家评估中的信息缺失与意见冲突。

针对这一空白，由青岛理工大学领衔的研究团队创新性地将证据语言术语集(ELTS)与CRITIC-BWM组合加权法结合，开发了高臂消防车优选决策模型。ELTS通过信念函数量化专家对语言术语的置信度，有效整合了四位专家对"基础设施优先重建"（支持度0.65）与"居民区优先重建"（支持度0.85）的矛盾意见；CRITIC方法通过指标间冲突性分析客观赋权，BWM则简化了AHP的成对比较过程。二者结合既规避了主观偏见，又解决了传统方法在数据不完整时的失效问题。

关键技术方法
研究采用三阶段数据采集：1) 设计双问卷分别收集CRITIC法客观权重与BWM主观权重；2) 通过两轮专家评审确定包含可靠性、作业半径等核心指标的评估体系；3) 基于ELTS转化专家语言评估为置信度分布，经Dempster-Shafer证据理论融合多源信息。最终通过TOPSIS法对某历史旅游城市（人口密度1.5万人/km²）的三种高臂消防车方案排序。

研究结果

1. 高臂消防车城市应急需求
   案例城市因古建筑密集、旅游客流大（年300万人次），需同时满足52米窄巷通行与90米建筑灭火需求。模型显示登高平台车在综合评分（0.782）上显著优于云梯车（0.653），因其兼具30L/s流量与70°仰角优势。

2. 指标体系构建
   经德尔菲法筛选的9项指标中，"最大工作高度"（权重0.218）与"响应时间"（0.201）权重最高，CRITIC分析揭示二者存在强负相关（r=-0.73），反映高层救援中效率与安全的权衡。

3. 模型验证
   对比传统TOPSIS，本模型决策一致性提高23.7%，特别在专家意见分歧场景下（如对"智能控制系统"重要性评估差异达40%时），ELTS的置信度分配使结果稳定性提升。

结论与意义
该研究首次将ELTS与CRITIC-BWM耦合应用于应急装备选型领域，突破了三重技术瓶颈：1) 通过ELTS的幂集空间扩展，解决了PLTS无法处理评估信息缺失的问题；2) CRITIC-BWM组合使权重分配既反映数据内在关联（CRITIC），又保留专家经验（BWM）；3) 构建的决策框架可推广至疫苗分配、救灾物资调度等领域。实际应用中，该模型帮助案例城市将消防车采购成本降低15%，同时使高层建筑灭火响应时间缩短至4分钟达标线内。

研究局限性在于ELTS对非专业评估者的适用性待验证，且模型在超高层（>150米）场景的普适性需进一步测试。未来工作将探索深度学习与ELTS的融合，以动态优化灾害演化中的决策路径。