基于UTAGMS方法的内河港口竞争力排序
段雪妍 余思勤 王效俐 范琛
摘要：为全面地进行内河港口竞争力排序问题研究， 采用UTAGMS方法并结合极限排序分析（Extreme Ranking Analysis，ERA）和蒙特卡洛仿真法，对我国长江干线16个内河港口竞争力进行实证分析，给出每个港口的最好排名和最差排名以及全部港口的参考全序.根据结果给出提升我国内河港口竞争力的建议.该方法既可为我国内河港口决策提供依据，也可为相关研究开拓思路.
关键词：UTAGMS； 内河港口； 竞争力； 排序
中图分类号： U691.71
文献标志码： A
Abstract：For fully studying the inland port competitiveness ranking issue， the UTAGMS method in combination with Extreme Ranking Analysis （ERA） as well as the Monte Carlo simulation method is used to analyze the competitiveness of 16 inland ports along Yangtze River in China. The best ranking and the worst ranking for each port are given. The reference total order of 16 inland ports is also given. Some proposals on promoting Chinese inland port competitiveness are proposed based on the results. This method can not only provide basis for the inland port decisionmaking in China， but also open ideas for related research.
Key words：UTAGMS； inland port； competitiveness； ranking
0引言
港口竞争力排序问题是多属性决策研究的一个重要分支.国内外一些学者对港口竞争力评价和排序进行深入研究，其评价方法主要分为客观评价法和主观评价法两大类.[14]但是，已有的港口竞争力评价的研究主要集中在海港评价上[5]，对内河港口竞争力的评价研究较少.目前仅有：李志等[6]运用模糊层次分析法构建内河港口竞争力2级指标评价体系，选取重庆港等6个内河港口进行实证评价；刘志平等[7]运用因子分析法对我国长江沿线几个内河港口的竞争力进行排序和比较；焦泥沙[8]运用层次分析法和模糊综合评价法对岳阳港及其周边4个港口进行综合竞争力评价.
在低碳经济时代，内河港口的发展受到各国政府的重视，合理评价内河港口竞争力并进行排序，对确定其自身优劣势、实现港口资源有效配置有重大意义，直接关系到内河港口的发展.
影响内河港口竞争力的因素众多，但由于我国内河港口信息化水平较低，很难获得与影响指标相关的统计数据.因此，在实际操作中，人们往往希望主客观结合，融入一些专家经验，用较少的量化指标代替较多的指标进行评价.这种情况下，UTAGMS方法的优势便体现出来.[911]KADZINSKI等[12]将该方法应用于20个欧洲国家大学质量的评价排序中.
本文尝试运用UTAGMS方法研究内河港口竞争力排序问题，同时结合极限排序分析（Extreme Ranking Analysis， ERA）和蒙特卡洛仿真法，对我国长江干线16个内河港口的竞争力排序进行实证分析，给出每个港口的最好排名和最差排名，以及全部港口的参考全序，既可为我国内河港口决策提供依据，也可为相关研究开拓思路.
1UTAGMS简介
1982年，JACQUETLAGREZE等[13] 提出UTA（Utility Additive）方法.该方法基于效用函数，利用决策者对部分方案间优劣关系的判断，采用鲁棒序数回归（Robust Ordinal Regression， ROR）模型进一步推断其他方案之间的优劣关系.UTA方法采用线性插值法求解，将总的效用区间平均分成若干小区间，区间数越多，分段线性函数越逼近整个曲线，同一区间内的效用函数为线性单调非递减关系.UTA及其扩展方法已经被应用在房地产评估、物料选择、生物学、石油勘探风险评级等领域.[1417]
2008年，GRECO等[9]对UTA方法进行改进，将所有方案在同一属性下得分相邻的两点作为一个区间，区间内采用线性效用函数，从而提出UTAGMS方法.与UTA方法相比，UTAGMS方法考虑的效用函数的范围更广，计算结果也更加鲁棒，即使单个方案的某个准则的原始数据有所失真或发生变化，只要其变化范围没有影响该方案在这个准则下的排序位置，都不会影响整体方案的排序结果.
以UTAGMS方法为基础，结合其他方法，在排序评价研究上可以解决3个问题：（1）偏序.通过参考单个方案在每个评价准则下的数值，基于效用理论，通过决策者针对个别方案之间已知的偏好关系，利用ROR模型可以推断其他方案之间的排序关系，从而得到偏序.
（2）每个方案的可能排序范围.UTAGMS方法得到的是偏序，在此基础上结合ERA可以得到每个方案的可能排序范围，即最好排名和最差排名.（3）参考全序.利用UTAGMS方法给出的偏序，可进一步进行蒙特卡洛仿真，得到两两方案之间的优劣概率，获得一个最优的参考全序，即全部方案的排名.[1819]
2.4蒙特卡洛仿真
在偏序基础上，利用蒙特卡洛法进行仿真，随机生成n组效用函数，考察满足EARROR条件的可行域内效用函数的概率，根据仿真结果，得到一个最优的参考全序.根据文献[12]给出的算例和伪代码进行相应的仿真程序开发.
3模型应用实例
3.1评价对象的选择
选择我国长江干线上的重庆港、武汉港、苏州港、南京港等16个内河港口进行评价，构建16个方案的评价方案集.
3.2评价准则的确定
内河港口竞争力的影响因素众多，不仅取决于港口自然条件和基础设施，也取决于港口作业水平和经营效率，是一个系统的评价体系.
由于UTAGMS方法计算复杂，如果评价指标超过6个，则计算结果不佳，可能无法推断出有效的偏序数量帮助决策.因此，兼顾可得性、可比性和实用性原则，最终选择反映港口基础设施情况的泊位长度（m）、泊位数量（个）、反映港口生产经营效果的货物吞吐量（万t）和内河集装箱吞吐量（万TEU）作为评价指标，4个评价指标依次记为g1，g2，g3和g4.
为统一口径，样本数据统一采用2012年的内河港口统计数据.16个河内港口4个评价指标的原始数据主要来源于《中国港口年鉴2012》、《中国港口年鉴2013》、交通部网站和港口城市2012年国民经济与社会发展统计公报等，具体数据见表1.
3.3专家对评价对象的排序偏好
根据研究目的和方法，编写内河港口竞争力评价调研问卷，采用访谈法，请港口行业的专家对16个内河港口两两之间的竞争力进行评价.每位专家对两两港口之间的竞争力评价并不完全一致，还有相互冲突的评价结果.挑选专家意见一致的6个排序偏好作为已知的评价者偏好条件：苏州港南京港，南京港重庆港，重庆港武汉港，苏州港芜湖港，镇江港九江港，江阴港泰州港.
3.4基于UTAGMS方法得到方案偏序
利用式（3）和（4），采用MATLAB和Grubi MATLAB Interface编程计算，得出评价对象之间的偏序，见图1.
图1中：两两港口之间有实线箭头，表示必要关系，即a～Nb，说明港口a一定优于港口b；两两港口之间没有实线箭头，表示可能关系，即a～Pb，说明港口a与港口b之间的优劣关系不确定.从图1可以看出，苏州港优于南京港、南京港优于重庆港、重庆港优于武汉港、苏州港优于芜湖港、镇江港优于九江港、江阴港优于泰州港，这与已知专家偏好约束条件是一致的.
在此基础上，图1还反映除已知的6个专家偏好条件外的18个排序，如：南京港优于江阴港、镇江港、南通港，重庆港优于宜昌港、荆州港、岳阳港、九江港、芜湖港、泰州港，镇江港优于黄石港、九江港、泰州港.这18个排序是在6个专家偏好条件的基础上得到的.
但是，偏序图里的24个排序结果不能反映16个港口的优劣顺序，还有一些港口的优劣顺序没有得到，如：重庆港、镇江港、南通港和江阴港之间的优劣顺序尚不明确，武汉港、宜昌港、荆州港、岳阳港等港口之间也很难确定优劣顺序.
在偏序图的基础上，可进一步结合ERA和蒙特卡洛仿真法研究16个港口的全局排序位置.
3.5利用ERA和蒙特卡洛法给出每个方案的可能排序范围和参考全序
对于偏序图中未能得到的可能关系，基于文献[12]中提供的伪代码，利用MATLAB和Grubi MATLAB Interface开发仿真程序，通过随机产生1 000组符合效用函数可行域的效用值，得出这些内河港口两两之间竞争力对比关系及其优劣逼近概率.蒙特卡洛仿真结果见图2，偏序图中已知的必要关系不再重复列在图2中.图2中，箭头方向表示a～b，箭头上的数字表示a～b的仿真概率.
偏序图中没有体现的港口优劣关系更多地反映在图2中，如：江阴港与武汉港的关系，蒙特卡洛仿真结果得到江阴港以93%的概率优于武汉港，而武汉港以7%的概率优于江阴港，可知江阴港相对于武汉港的竞争优势非常明显；泰州港与岳阳港的关系，泰州港以52%的概率优于岳阳港，而岳阳港以48%的概率优于泰州港，这说明泰州港相对于岳阳港的竞争优势不太明显.
1 000组数据的蒙特卡洛仿真结果中，两两港口之间的优劣逼近概率为100%的占74.2%，为80%～100%的占12.5%，为60%～80%的占8.3%，为50%～60%的占5%，说明绝大部分港口两两之间的优劣关系是非常明确的.
在此基础上，根据蒙特卡洛仿真结果中的优劣逼近概率推断每个方案的优劣关系，从而得到16个内河港口的参考全序，见表2.
同时，利用式（5）和（6），采用MATLAB和Grubi MATLAB Interface编程得出每个港口的排序范围，即最好排名和最差排名，结果也列入表2中.
这个参考全序的结果与ERA给出的每个港口的排序范围也是一致的，如：苏州港的最好排名是第1名，最差排名是第1名，蒙特卡洛仿真结果中的参考排序为第1名；重庆港的最好排名是第3名，最差排名是第7名，蒙特卡洛仿真结果中的参考排序为第5名；其他港口以此类推.
3.6排序结果分析
苏州港在整合太仓、常熟、张家港三大港区之后，区位优势突出，港口经营效率较高，在码头岸线和泊位数量并不突出的前提下，货物吞吐量和集装箱吞吐量均名列前茅，最终排在第1位.南京港、重庆港、镇江港、武汉港作为干线大港，港口航道条件优越，基础设施完善，货物吞吐量和集装箱吞吐量也较为领先，分别位列第2，第5，第6和第7；江阴港和南通港近年来发展迅速，分别位列第3和第4，特别是江阴港的内河集装箱运输在16个内河港口中位列第3，为其带来较多的竞争优势.芜湖港、泰州港、岳阳港、九江港、马鞍山港港口条件较好，港口吞吐量较大，但是内河集装箱运输发展缓慢，竞争优势降低，依次位列第8到第12；宜昌港、荆州港、安庆港和黄石港虽然岸线和泊位众多，但是港口产出却相对落后，特别是内河集装箱运输量尚不足10万TEU，依次位列第13到第16.
从排序结果看，内河港口的竞争优势更多地体现在港口经营效果上，规模化、集约化的港口基础设施更有利于发挥港口优势、提高港口生产能力.在低碳经济时代，内河集装箱运输是未来内河港口提高效率、发挥自身优势的发展方向所在.我国各大内河港口要针对自身特点，找到限制其生产效率的因素，整合港口资源，改进港口生产经营理念和方法，从而更好地发挥竞争优势，实现快速发展.
4结论
运用UTAGMS方法研究我国内河港口竞争力排序问题，结合ERA和蒙特卡洛仿真法，构建内河港口竞争力排序评价模型.在内河港口数据信息贫乏的状态下，该模型主客观结合，为全面科学地评价内河港口竞争力提供一个新的研究视角.
运用该模型对我国长江干线16个内河港口竞争力排序进行实证分析，通过数据搜集和专家问卷调研，最终给出16个内河港口的参考全序和每个内河港口的可能排序范围.
实证结果也为长江干线16个内河港口竞争力排序提供依据，对内河港口认清自身位置、找准发展方向具有积极意义.
文中构建的内河港口竞争力评价模型也可用于其他领域的评价和排序中.
在后续的相关研究中，可对如何挑选一组具有代表性的效用函数作进一步探讨，找出各个评价准则下的具有代表性的一组效用函数，来反映专家的知识和经验，通过不断迭代，最终可以较为精确地绘制出专家的效用函数.通过研究效用函数，可以更进一步找到未来港口发展的方向.
参考文献：
[1]郑辉. 我国港口竞争力及其演化的理论与方法研究[D]. 大连： 大连海事大学， 2007.
[2]吕梁. 港口综合竞争力评价模型与方法及其实证研究[D]. 大连： 大连海事大学， 2011.
[3]董岗. 现代港口竞争力的理论与应用研究[D]. 上海： 复旦大学， 2011.
[4]王爱虎， 刘晓辉. 港口竞争力研究综述[J]. 华南理工大学学报： 社会科学版， 2013， 15（1）： 917.
[5]刘翠莲， 刘健美， 刘南南， 等. DPSIR 模型在生态港口群评价中的应用[J]. 上海海事大学学报， 2012， 33（2）： 6164.
[6]李志， 蒋惠园， 李红亮， 等. 基于FAHP 的内河港口竞争力分析[J]. 水运工程， 2009（10）： 9195.
[7]刘志平， 李丽， 肖汉斌. 长江内河港口的竞争力分析[J]. 武汉理工大学学报： 交通科学与工程版， 2009， 33（4）： 757759.
[8]焦泥沙. 岳阳港综合竞争力比较研究[D]. 武汉： 武汉理工大学， 2012.
[9]GRECO S， MOUSSEAU V， SLOWINSKI R. Ordinal regression revisited： multiple criteria ranking using a set of additive value functions[J]. Eur J Operational Res， 2008， 191（2）： 415435.
[10]GRECO S， MOUSSEAU V， SLOWINSKI R. Multiple criteria sorting with a set of additive value functions[J]. Eur J Operational Res， 2010， 207（4）： 14551470.
[11]GRECO S， KADZINSKI M， SLOWINSKI R. Selection of a representative value function in robust multiple criteria sorting[J]. Computers & Operations Res， 2011， 38（11）： 16201637.
[12]KADZINSKI M， TERVONEN T. Robust multicriteria ranking with additive value models and holistic pairwise preference statements[J]. Eur J Operational Res， 2013， 228（1）： 169180.
[13]JACQUETLAGREZE E， SISKOS J. Assessing a set of additive utility functions for multicriteria decision making： the UTA method[J]. Eur J Operational Res， 1982， 10（2）： 151164.
[14]GOMES L F A M， RANGEL L A D. Determining the utility functions of criteria used in the evaluation of real estate[J]. Int J Production Economics， 2009， 117（2）： 420426.
[15]ATHAWALE V M， KUMAR R， CHAKRABORTY S. Decision making for material selection using the UTA method[J].
Int J Advanced Manufacture Technol， 2011， 57（1/2/3/4）： 1122.
[16]GRUCA A， SIKORA M. Rule based functional description of genes estimation of the multicriteria rule interestingness measure by the UTA method[J]. Biocybernetics and Biomedical Eng， 2013， 33： 222234
[17]刘金兰， 朱晓旸. UTADIS方法在石油勘探风险评级中的应用[J]. 工业工程， 2004， 7（1）： 4246.
[18]KADZINSKI M， GRECO S， SLOWINSKI R. Extreme ranking analysis in robust ordinal regression[J]. Omega， 2012， 40（4）： 488501.
[19]KADZINSKI M， TERVONEN T. Robust multicriteria ranking with additive value models and holistic pairwise preference statements[J]. Eur J Operational Res， 2013， 228： 169180.
（编辑赵勉）
摘要：为全面地进行内河港口竞争力排序问题研究， 采用UTAGMS方法并结合极限排序分析（Extreme Ranking Analysis，ERA）和蒙特卡洛仿真法，对我国长江干线16个内河港口竞争力进行实证分析，给出每个港口的最好排名和最差排名以及全部港口的参考全序.根据结果给出提升我国内河港口竞争力的建议.该方法既可为我国内河港口决策提供依据，也可为相关研究开拓思路.
关键词：UTAGMS； 内河港口； 竞争力； 排序
中图分类号： U691.71
文献标志码： A
Abstract：For fully studying the inland port competitiveness ranking issue， the UTAGMS method in combination with Extreme Ranking Analysis （ERA） as well as the Monte Carlo simulation method is used to analyze the competitiveness of 16 inland ports along Yangtze River in China. The best ranking and the worst ranking for each port are given. The reference total order of 16 inland ports is also given. Some proposals on promoting Chinese inland port competitiveness are proposed based on the results. This method can not only provide basis for the inland port decisionmaking in China， but also open ideas for related research.
Key words：UTAGMS； inland port； competitiveness； ranking
0引言
港口竞争力排序问题是多属性决策研究的一个重要分支.国内外一些学者对港口竞争力评价和排序进行深入研究，其评价方法主要分为客观评价法和主观评价法两大类.[14]但是，已有的港口竞争力评价的研究主要集中在海港评价上[5]，对内河港口竞争力的评价研究较少.目前仅有：李志等[6]运用模糊层次分析法构建内河港口竞争力2级指标评价体系，选取重庆港等6个内河港口进行实证评价；刘志平等[7]运用因子分析法对我国长江沿线几个内河港口的竞争力进行排序和比较；焦泥沙[8]运用层次分析法和模糊综合评价法对岳阳港及其周边4个港口进行综合竞争力评价.
在低碳经济时代，内河港口的发展受到各国政府的重视，合理评价内河港口竞争力并进行排序，对确定其自身优劣势、实现港口资源有效配置有重大意义，直接关系到内河港口的发展.
影响内河港口竞争力的因素众多，但由于我国内河港口信息化水平较低，很难获得与影响指标相关的统计数据.因此，在实际操作中，人们往往希望主客观结合，融入一些专家经验，用较少的量化指标代替较多的指标进行评价.这种情况下，UTAGMS方法的优势便体现出来.[911]KADZINSKI等[12]将该方法应用于20个欧洲国家大学质量的评价排序中.
本文尝试运用UTAGMS方法研究内河港口竞争力排序问题，同时结合极限排序分析（Extreme Ranking Analysis， ERA）和蒙特卡洛仿真法，对我国长江干线16个内河港口的竞争力排序进行实证分析，给出每个港口的最好排名和最差排名，以及全部港口的参考全序，既可为我国内河港口决策提供依据，也可为相关研究开拓思路.
1UTAGMS简介
1982年，JACQUETLAGREZE等[13] 提出UTA（Utility Additive）方法.该方法基于效用函数，利用决策者对部分方案间优劣关系的判断，采用鲁棒序数回归（Robust Ordinal Regression， ROR）模型进一步推断其他方案之间的优劣关系.UTA方法采用线性插值法求解，将总的效用区间平均分成若干小区间，区间数越多，分段线性函数越逼近整个曲线，同一区间内的效用函数为线性单调非递减关系.UTA及其扩展方法已经被应用在房地产评估、物料选择、生物学、石油勘探风险评级等领域.[1417]
2008年，GRECO等[9]对UTA方法进行改进，将所有方案在同一属性下得分相邻的两点作为一个区间，区间内采用线性效用函数，从而提出UTAGMS方法.与UTA方法相比，UTAGMS方法考虑的效用函数的范围更广，计算结果也更加鲁棒，即使单个方案的某个准则的原始数据有所失真或发生变化，只要其变化范围没有影响该方案在这个准则下的排序位置，都不会影响整体方案的排序结果.
以UTAGMS方法为基础，结合其他方法，在排序评价研究上可以解决3个问题：（1）偏序.通过参考单个方案在每个评价准则下的数值，基于效用理论，通过决策者针对个别方案之间已知的偏好关系，利用ROR模型可以推断其他方案之间的排序关系，从而得到偏序.
（2）每个方案的可能排序范围.UTAGMS方法得到的是偏序，在此基础上结合ERA可以得到每个方案的可能排序范围，即最好排名和最差排名.（3）参考全序.利用UTAGMS方法给出的偏序，可进一步进行蒙特卡洛仿真，得到两两方案之间的优劣概率，获得一个最优的参考全序，即全部方案的排名.[1819]
2.4蒙特卡洛仿真
在偏序基础上，利用蒙特卡洛法进行仿真，随机生成n组效用函数，考察满足EARROR条件的可行域内效用函数的概率，根据仿真结果，得到一个最优的参考全序.根据文献[12]给出的算例和伪代码进行相应的仿真程序开发.
3模型应用实例
3.1评价对象的选择
选择我国长江干线上的重庆港、武汉港、苏州港、南京港等16个内河港口进行评价，构建16个方案的评价方案集.
3.2评价准则的确定
内河港口竞争力的影响因素众多，不仅取决于港口自然条件和基础设施，也取决于港口作业水平和经营效率，是一个系统的评价体系.
由于UTAGMS方法计算复杂，如果评价指标超过6个，则计算结果不佳，可能无法推断出有效的偏序数量帮助决策.因此，兼顾可得性、可比性和实用性原则，最终选择反映港口基础设施情况的泊位长度（m）、泊位数量（个）、反映港口生产经营效果的货物吞吐量（万t）和内河集装箱吞吐量（万TEU）作为评价指标，4个评价指标依次记为g1，g2，g3和g4.
为统一口径，样本数据统一采用2012年的内河港口统计数据.16个河内港口4个评价指标的原始数据主要来源于《中国港口年鉴2012》、《中国港口年鉴2013》、交通部网站和港口城市2012年国民经济与社会发展统计公报等，具体数据见表1.
3.3专家对评价对象的排序偏好
根据研究目的和方法，编写内河港口竞争力评价调研问卷，采用访谈法，请港口行业的专家对16个内河港口两两之间的竞争力进行评价.每位专家对两两港口之间的竞争力评价并不完全一致，还有相互冲突的评价结果.挑选专家意见一致的6个排序偏好作为已知的评价者偏好条件：苏州港南京港，南京港重庆港，重庆港武汉港，苏州港芜湖港，镇江港九江港，江阴港泰州港.
3.4基于UTAGMS方法得到方案偏序
利用式（3）和（4），采用MATLAB和Grubi MATLAB Interface编程计算，得出评价对象之间的偏序，见图1.
图1中：两两港口之间有实线箭头，表示必要关系，即a～Nb，说明港口a一定优于港口b；两两港口之间没有实线箭头，表示可能关系，即a～Pb，说明港口a与港口b之间的优劣关系不确定.从图1可以看出，苏州港优于南京港、南京港优于重庆港、重庆港优于武汉港、苏州港优于芜湖港、镇江港优于九江港、江阴港优于泰州港，这与已知专家偏好约束条件是一致的.
在此基础上，图1还反映除已知的6个专家偏好条件外的18个排序，如：南京港优于江阴港、镇江港、南通港，重庆港优于宜昌港、荆州港、岳阳港、九江港、芜湖港、泰州港，镇江港优于黄石港、九江港、泰州港.这18个排序是在6个专家偏好条件的基础上得到的.
但是，偏序图里的24个排序结果不能反映16个港口的优劣顺序，还有一些港口的优劣顺序没有得到，如：重庆港、镇江港、南通港和江阴港之间的优劣顺序尚不明确，武汉港、宜昌港、荆州港、岳阳港等港口之间也很难确定优劣顺序.
在偏序图的基础上，可进一步结合ERA和蒙特卡洛仿真法研究16个港口的全局排序位置.
3.5利用ERA和蒙特卡洛法给出每个方案的可能排序范围和参考全序
对于偏序图中未能得到的可能关系，基于文献[12]中提供的伪代码，利用MATLAB和Grubi MATLAB Interface开发仿真程序，通过随机产生1 000组符合效用函数可行域的效用值，得出这些内河港口两两之间竞争力对比关系及其优劣逼近概率.蒙特卡洛仿真结果见图2，偏序图中已知的必要关系不再重复列在图2中.图2中，箭头方向表示a～b，箭头上的数字表示a～b的仿真概率.
偏序图中没有体现的港口优劣关系更多地反映在图2中，如：江阴港与武汉港的关系，蒙特卡洛仿真结果得到江阴港以93%的概率优于武汉港，而武汉港以7%的概率优于江阴港，可知江阴港相对于武汉港的竞争优势非常明显；泰州港与岳阳港的关系，泰州港以52%的概率优于岳阳港，而岳阳港以48%的概率优于泰州港，这说明泰州港相对于岳阳港的竞争优势不太明显.
1 000组数据的蒙特卡洛仿真结果中，两两港口之间的优劣逼近概率为100%的占74.2%，为80%～100%的占12.5%，为60%～80%的占8.3%，为50%～60%的占5%，说明绝大部分港口两两之间的优劣关系是非常明确的.
在此基础上，根据蒙特卡洛仿真结果中的优劣逼近概率推断每个方案的优劣关系，从而得到16个内河港口的参考全序，见表2.
同时，利用式（5）和（6），采用MATLAB和Grubi MATLAB Interface编程得出每个港口的排序范围，即最好排名和最差排名，结果也列入表2中.
这个参考全序的结果与ERA给出的每个港口的排序范围也是一致的，如：苏州港的最好排名是第1名，最差排名是第1名，蒙特卡洛仿真结果中的参考排序为第1名；重庆港的最好排名是第3名，最差排名是第7名，蒙特卡洛仿真结果中的参考排序为第5名；其他港口以此类推.
3.6排序结果分析
苏州港在整合太仓、常熟、张家港三大港区之后，区位优势突出，港口经营效率较高，在码头岸线和泊位数量并不突出的前提下，货物吞吐量和集装箱吞吐量均名列前茅，最终排在第1位.南京港、重庆港、镇江港、武汉港作为干线大港，港口航道条件优越，基础设施完善，货物吞吐量和集装箱吞吐量也较为领先，分别位列第2，第5，第6和第7；江阴港和南通港近年来发展迅速，分别位列第3和第4，特别是江阴港的内河集装箱运输在16个内河港口中位列第3，为其带来较多的竞争优势.芜湖港、泰州港、岳阳港、九江港、马鞍山港港口条件较好，港口吞吐量较大，但是内河集装箱运输发展缓慢，竞争优势降低，依次位列第8到第12；宜昌港、荆州港、安庆港和黄石港虽然岸线和泊位众多，但是港口产出却相对落后，特别是内河集装箱运输量尚不足10万TEU，依次位列第13到第16.
从排序结果看，内河港口的竞争优势更多地体现在港口经营效果上，规模化、集约化的港口基础设施更有利于发挥港口优势、提高港口生产能力.在低碳经济时代，内河集装箱运输是未来内河港口提高效率、发挥自身优势的发展方向所在.我国各大内河港口要针对自身特点，找到限制其生产效率的因素，整合港口资源，改进港口生产经营理念和方法，从而更好地发挥竞争优势，实现快速发展.
4结论
运用UTAGMS方法研究我国内河港口竞争力排序问题，结合ERA和蒙特卡洛仿真法，构建内河港口竞争力排序评价模型.在内河港口数据信息贫乏的状态下，该模型主客观结合，为全面科学地评价内河港口竞争力提供一个新的研究视角.
运用该模型对我国长江干线16个内河港口竞争力排序进行实证分析，通过数据搜集和专家问卷调研，最终给出16个内河港口的参考全序和每个内河港口的可能排序范围.
实证结果也为长江干线16个内河港口竞争力排序提供依据，对内河港口认清自身位置、找准发展方向具有积极意义.
文中构建的内河港口竞争力评价模型也可用于其他领域的评价和排序中.
在后续的相关研究中，可对如何挑选一组具有代表性的效用函数作进一步探讨，找出各个评价准则下的具有代表性的一组效用函数，来反映专家的知识和经验，通过不断迭代，最终可以较为精确地绘制出专家的效用函数.通过研究效用函数，可以更进一步找到未来港口发展的方向.
参考文献：
[1]郑辉. 我国港口竞争力及其演化的理论与方法研究[D]. 大连： 大连海事大学， 2007.
[2]吕梁. 港口综合竞争力评价模型与方法及其实证研究[D]. 大连： 大连海事大学， 2011.
[3]董岗. 现代港口竞争力的理论与应用研究[D]. 上海： 复旦大学， 2011.
[4]王爱虎， 刘晓辉. 港口竞争力研究综述[J]. 华南理工大学学报： 社会科学版， 2013， 15（1）： 917.
[5]刘翠莲， 刘健美， 刘南南， 等. DPSIR 模型在生态港口群评价中的应用[J]. 上海海事大学学报， 2012， 33（2）： 6164.
[6]李志， 蒋惠园， 李红亮， 等. 基于FAHP 的内河港口竞争力分析[J]. 水运工程， 2009（10）： 9195.
[7]刘志平， 李丽， 肖汉斌. 长江内河港口的竞争力分析[J]. 武汉理工大学学报： 交通科学与工程版， 2009， 33（4）： 757759.
[8]焦泥沙. 岳阳港综合竞争力比较研究[D]. 武汉： 武汉理工大学， 2012.
[9]GRECO S， MOUSSEAU V， SLOWINSKI R. Ordinal regression revisited： multiple criteria ranking using a set of additive value functions[J]. Eur J Operational Res， 2008， 191（2）： 415435.
[10]GRECO S， MOUSSEAU V， SLOWINSKI R. Multiple criteria sorting with a set of additive value functions[J]. Eur J Operational Res， 2010， 207（4）： 14551470.
[11]GRECO S， KADZINSKI M， SLOWINSKI R. Selection of a representative value function in robust multiple criteria sorting[J]. Computers & Operations Res， 2011， 38（11）： 16201637.
[12]KADZINSKI M， TERVONEN T. Robust multicriteria ranking with additive value models and holistic pairwise preference statements[J]. Eur J Operational Res， 2013， 228（1）： 169180.
[13]JACQUETLAGREZE E， SISKOS J. Assessing a set of additive utility functions for multicriteria decision making： the UTA method[J]. Eur J Operational Res， 1982， 10（2）： 151164.
[14]GOMES L F A M， RANGEL L A D. Determining the utility functions of criteria used in the evaluation of real estate[J]. Int J Production Economics， 2009， 117（2）： 420426.
[15]ATHAWALE V M， KUMAR R， CHAKRABORTY S. Decision making for material selection using the UTA method[J].
Int J Advanced Manufacture Technol， 2011， 57（1/2/3/4）： 1122.
[16]GRUCA A， SIKORA M. Rule based functional description of genes estimation of the multicriteria rule interestingness measure by the UTA method[J]. Biocybernetics and Biomedical Eng， 2013， 33： 222234
[17]刘金兰， 朱晓旸. UTADIS方法在石油勘探风险评级中的应用[J]. 工业工程， 2004， 7（1）： 4246.
[18]KADZINSKI M， GRECO S， SLOWINSKI R. Extreme ranking analysis in robust ordinal regression[J]. Omega， 2012， 40（4）： 488501.
[19]KADZINSKI M， TERVONEN T. Robust multicriteria ranking with additive value models and holistic pairwise preference statements[J]. Eur J Operational Res， 2013， 228： 169180.
（编辑赵勉）
