在低碳城市评价体系中，各指标的相对重要性各不相同，而常用的调查访问法、专家咨询法等方法很难达到理想效果。AHP法通过建立判断矩阵，先对单级指标进行权重，然后再进行各级间的指标总排序，来确定所有指标相对于目标的相对权重。
AHP（The Analytic Hierarchy Process）方法由美国著名运筹学家T。L。Saaty于20世纪70年代创立。它是一种定性与定量分析相结合的决策方法，主要用于求解递阶多层次结构问题。不过，在传统的层次分析中判断矩阵是通过对选择的两两比较后确定的，由于要求判断矩阵中的元素是精确数，这就要求被调查者对每个选择的相对重要性有非常清楚的认识，但实际中，由于人的思维对于模糊概念运用，用准确的数值来描述相对重要性就显得很困难，而使用部分模糊概念来进行描述就更为合理一些。有鉴于此，有国外学者提出了层次分析法的一个推广模型，即用模糊集来取代判断矩阵中的数并提出了一种根据判断矩阵求模糊权重的方法。以后国内对如何建立模糊判断矩阵以及排序问题提出了自己的方法。同时，对于区间数多指标决策也提出了模糊层次分析法。这些方法既考虑了模糊判断，又相继提出了解决模糊判断一致性问题的方法，因而更具科学性。
本文在AHP法的使用过程中对判断矩阵进行改进，使其考虑人在分析和思考时的模糊性。改进如下：具体评分时，对于判断矩阵的各元素，用三角模糊数标出两两指标间的相互关系。模糊判断矩阵转化为精确矩阵后，改进的层次分析法的计算方法与层次分析法相同。
4.3.1 指标赋权
在构建上述低碳城市评价指标体系后，笔者运用层次分析法，利用1—9标度法的尺度评价两个同级别指标的相互权重，通过几轮专家咨询，确定各层指标权重。在确定模型各个因素的相对重要性时，用专家打分法不断修正1—9的相对影响。低碳城市指标参考体系由准则层和指标层构成，因此一共只需要构建两级成对比较阵：准则层和指标层。
4.3.2 评价指标打分
由于评价指标数据的特征存在较大差异，指标之间的运算无法实现，需要通过指标打分的方式对评价指标进行规范化处理。根据评价指标对评价对象影响的方向，指标分为正向指标、负向指标。其中，正向指标对评价对象的影响是正向的，指标值越高越好；负向指标则是相反。通过指标打分公式的运算，可使各类指标分值的数据评价方向一致，易于用于计算和对比评价分析。
无量纲化计算公式为：
I=X/X0，当X为正指标时；
I=X0/X，当X为负指标时。
式中：I为评价值；X、X0分别表示某一项指标的统计值和标准值。
理想城市指标值的确定，取被评价城市指标的最佳值作为指标的理想值。正向指标取所有指标数据中的最大值为标准值，负向指标取所有指标数据中的最小值为标准值，通过实际值与标准值的比较，即可将不同性质、不同度量的各种指标换算为可以进行同度量的指标，其值均小于或等于1.
4.3.3 评价模型及计算方法
我们选择加权求和多指标综合评价模型。低碳城市发展综合指数的评价模型：
以准则层为评价对象，
zi=xki k∑wk，i=1，2，3，……n
其中，zi为第i个评价对象的综合评价值，wk为第k个指标的权重，xki为规范化后第i个评价对象第k个指标规范化后的分值。对由上式计算得出的综合评价值的大小进行排序，即为评价对象评价优劣的排序。
以北京为例，准则层为评价对象，我们计算2005年和2010年北京低碳发展综合评价值。
用北京经济支撑准则层下的各个指标分值xki（i=1；k=1，2，3，4）与各指标对应的权重值代入上述评价模型，得到北京经济支撑准则层的综合评价值。以2005年数据为例：4z1=∑xk1k=1wk=1×0.056 0.821299×0.0587 0.656061×0.0598 1×0.0546=0.1985
同理可得其他城市的综合评价值，然后把35个城市的综合评价值进行排序，得出结果。
