《Sustainability》：A Hierarchical and Logistic Regression-Based Evaluation Framework for Smartness of Expressway Service Areas: A Case Study in Wuhan, China
编辑推荐：
摘要译文：随着智能交通系统的发展，高速公路服务区（ESA）的智慧化升级日益增多。在规划设计实践中，可考虑的智慧功能众多，但确定哪些功能应优先建设并非易事。其原因之一在于，智慧化涉及运营管理、公共服务和成本等多个方面的众多指标，而对这些指标进行赋权往往较为困难且
摘要译文：随着智能交通系统的发展，高速公路服务区（ESA）的智慧化升级日益增多。在规划设计实践中，可考虑的智慧功能众多，但确定哪些功能应优先建设并非易事。其原因之一在于，智慧化涉及运营管理、公共服务和成本等多个方面的众多指标，而对这些指标进行赋权往往较为困难且可能引入偏差。为解决该问题，本研究提出了一种基于层次结构与Logistic回归赋权的TOPSIS（逼近理想解排序法）评价框架。具体而言，首先将评价ESA智慧化水平的指标划分为三个层级，并利用Logistic回归技术计算每个层级内的指标权重；其次，基于层次结构获得指标的最终权重，并采用TOPSIS对不同ESA设计方案进行排序。研究以中国武汉在建的蔡家扎服务区项目为案例，对四种设计方案（即智能监控方案、高安全方案、旅客便利方案和典型方案）进行了评价。结果证实了基于Logistic回归的赋权方法具有稳定性，并揭示了非层次赋权方法相较于层次赋权方法存在的明显差异，例如对经济类指标的低估。所提出的方法可为ESA建设的方案比较和分步实施提供支持。
论文解读
一、研究背景与问题提出
随着智能交通系统的发展，智慧化升级已成为高速公路服务区（Expressway Service Area, ESA）建设的重要趋势。传统的ESA不仅承担休息和补给功能，还逐步扩展到交通组织、安全支撑、信息服务和应急响应等多元职能。然而，在规划与设计阶段，可供选用的智慧功能众多，而预算和空间资源有限，决策者亟需明确哪些功能应优先建设、哪些可分期实施、哪些可能投资效益有限。这一决策需求的前提是对ESA的智慧化水平进行科学评价。当前文献中针对ESA智慧化评价的研究较为稀缺，已有评价多将ESA纳入更综合的管理系统评估中，缺乏系统化的智慧化评价指标体系。同时，评价指标的赋权面临两难：主观赋权方法（如层次分析法，AHP）在面对大量指标时，专家难以逐一进行两两比较，认知负担较重；客观赋权方法（如熵权法，EWM）则因规划阶段多数ESA智慧化指标为二元取值（0/1）而难以有效度量信息量，其权重仅反映类别频率而非实际重要性。因此，有必要发展一种能够适应指标数量大、数据类型特殊且兼具可解释性的赋权与评价方法。
二、研究目标与总体内容
针对上述问题，研究人员提出了一套包含层次结构与Logistic回归赋权的TOPSIS评价框架，并应用于中国武汉蔡家扎服务区（Caijiazha service area）的在建项目。研究完成三项主要任务：第一，构建了涵盖运营管理能力、公共服务能力和经济成本三个维度的三级评价指标体系；第二，提出了基于Logistic回归的赋权方法（Logistic Regression-Based Weighting Method, LRWM），并进一步形成层次化赋权流程；第三，以四种设计方案为案例进行TOPSIS综合评价，比较层次与非层次赋权方法在权重分配和方案排序上的差异，验证所提方法的有效性与稳定性。
三、关键技术方法
研究人员采用的主要方法包括以下三项。其一，基于Logistic回归的指标赋权方法（LRWM）：将专家对指标重要性的有序评分视为潜在效用的体现，假设随机误差服从标准Logistic分布，通过最大似然估计获得效用常数与阈值，并将“重要”打分对应的累积概率作为指标相对权重。其二，层次化权重传递机制：将三级指标结构纳入赋权过程，第三级指标的绝对权重由其组内相对权重与其所属第二级、第一级指标权重相乘得到，从而将高层级的专家判断传递至底层指标。其三，TOPSIS综合评价方法：对指标值进行归一化并区分效益型与成本型指标，计算各方案与正理想解和负理想解的欧氏距离，进而得到相对贴近度以实现方案排序。数据处理与建模采用R 4.6.1软件。专家问卷通过问卷星平台发放，共回收101份有效问卷，受访者包括交通运输工程专业研究生（49人）、高校教师或研究人员（22人）、道路设计与规划人员（13人）以及服务区运营管理人员（17人），其中22.8%的受访者从业超过10年。
四、主要研究结果
（一）指标权重计算结果
基于LRWM的估计结果显示，在第一级指标中，公共服务能力指标获得最高权重（0.3740），运营管理能力与经济成本指标权重均为0.3130。在第二级指标中，公共服务组的组内权重差异最大（0.2467对0.1324），其次为运营管理组（0.1583对0.0564）。第三级指标中，组内差异最大的主要包括：便捷自助服务中的共享设备（0.6399）远高于智能服务机器人（0.3601）；视频检索与分析中的CCTV中央控制平台（0.2859）显著高于VR显示系统（0.0629）；智慧卫生间中的空位监测传感器（0.5827）高于智能显示屏（0.4173）。而智能能源管理系统、无线网络、实时摄像机监控等组内权重差异较小，表明专家对其内部指标重要性判断较为一致。
（二）层次与非层次赋权结果对比
通过比较层次与非层次赋权方法得到的第三级指标绝对权重，研究发现非层次方法明显高估了运营管理类指标权重，部分低估公共服务类指标，并完全低估经济成本类指标。其原因是层次方法将指标组内相对权重与其所属父级类别的专家权重相乘，使得指标最终权重同时反映自身重要性和功能类别重要性。例如，属于商业管理和综合收银这一第二级指标的指标权重被大幅下调（差异超过160%），而属于经济成本和公共服务维度的指标权重被显著上调（超过75%）。
（三）TOPSIS综合评价结果
采用TOPSIS对四种设计方案进行评价。在非层次赋权下，高安全方案（HSSC）排名第一（综合得分0.4778），智能监控方案（SMSC）第二（0.4300），旅客便利方案（PCSC）第三（0.3991），典型方案（TYSC）第四（0.2546）。而在层次赋权下，排序发生显著变化：SMSC以相对贴近度0.5632升至第一，PCSC以0.4633列第二，TYSC以0.3096列第三，HSSC以0.2244降至第四。HSSC因在安全设备上投入巨大，非层次方法因忽略经济成本将其推至首位；层次方法赋予经济成本合理权重后，其成本劣势导致综合排序下降。这表明仅追求安全配置最大化而不考虑成本的方案未必符合整体智慧化目标。
（四）敏感性分析与稳健性检验
为检验以4、5分作为“重要”阈值是否造成结果偏差，研究人员仅以5分为“重要”重新计算权重并评价，结果与原有排序完全一致，SMSC仍为最优方案。进一步采用Bootstrap重抽样（1000次）和随机子抽样（100次，每次抽取50名专家）检验，所有迭代中四种方案的排序均保持稳定，即SMSC > PCSC > TYSC > HSSC。以上分析证实了所提层次与Logistic回归赋权方法在ESA智慧化评价中的稳健性。
五、结论与讨论
研究结论指出，所提出的层次化Logistic回归赋权方法能够有效应对指标数量大、二元数据类型以及专家主观判断随机性等挑战。方法上的贡献在于：层次化权重传递机制可清晰显示指标类别间的差异，并减弱少数波动较大的指标对整体结果的过度影响，提升评价结果的可解释性。实践上的贡献在于：可将不同建设方案的配置数据转化为可比较的综合得分和排序，为决策者提供优先级判断依据，还可用于项目验收或改造评估，通过识别关键能力项的得分变化发现薄弱环节。研究同时指出若干局限：案例仅基于一个服务区和四种设计方案，未来需扩展至更多对象；部分指标采用二元功能项或设备数量，未能详细描述运营质量；未与AHP、熵权法等经典方法进行实证比较；运营维护成本目前为聚合层面，待运营数据可及后可细化；未来还可将成本作为约束条件而非评价准则，以及检验TOPSIS中不同距离度量对排序的影响。
