徐春婕,史天運,王曉冬
(中國鐵道科學研究院 電子計算技術研究所,北京100081)
基于粗糙集的高鐵客運站服務質量評價模型
徐春婕,史天運*,王曉冬
(中國鐵道科學研究院 電子計算技術研究所,北京100081)
鑒于傳統(tǒng)車站服務質量評價存在的主觀性和數(shù)據(jù)模糊性等問題,分析高速鐵路客運站服務的特征及服務質量影響因素,構建二級評價指標體系;將模糊評價方法與粗糙集理論相結合,提出了一種新的客運站服務質量評價模型.該模型采用粗糙集基于路線的權重確定方法,解決了評價指標之間相關性對評價質量的影響;將粗糙集理論、專家評審綜合確定綜合評價指標權重,避免了權重確定的盲目性和主觀性;通過顧客調(diào)查數(shù)據(jù)進行服務質量模糊綜合評價,有效實現(xiàn)了定性與定量指標的科學綜合評價.通過實例驗證了評價方法的可行性與準確性,可以很好地應用于高速鐵路客運站服務質量的改進決策.
鐵路運輸;鐵路客運站;服務質量;模糊評價方法;粗糙集
在我國大力發(fā)展高速鐵路客運專線及新型高速鐵路客運站背景下,針對高速鐵路客運站服務需求呈現(xiàn)的新特征,對車站服務設施、結構和功能進行分析,充分考慮進站客流流線組織,以旅客需求為基礎,以高效舒適為原則,基于旅客調(diào)查數(shù)據(jù)及車站歷史數(shù)據(jù),建立客觀合理的服務質量評價方法和體系,對提高新型高速鐵路客運站客流組織水平及服務質量具有十分重要的意義.
目前國內(nèi)外對鐵路客運站服務質量評價指標體系、指標權重、顧客滿意度及鐵路客運服務質量特性等方面進行了許多探討.在評價方法和模型方面[1,2]提出基于神經(jīng)網(wǎng)絡的評價方法、層次分析法和專家評審法結合、SERVQUAL評價模型等.權重確定的方法主要采用主成分分析法、數(shù)據(jù)包絡分析法、神經(jīng)網(wǎng)絡及模糊綜合分析等方法,但這些方法具有主觀性和模糊性等弊端[3].本文在分析高速鐵路客運站服務的影響因素基礎上,構建評價指標體系,利用粗糙集理論計算指標屬性的權重.結合專家評價及旅客調(diào)查數(shù)據(jù)確定綜合權重,基于模糊綜合評價模型對高速鐵路客運站歷史數(shù)據(jù)進行定量和定性綜合評價,有效克服評價過程中的主觀性和不確定性,提高評價的準確性和科學性.
高速鐵路客運站的建設理念和指導原則[3]是“以人為本、以流為主”,采用以綜合大廳為中心的通過式組織模式,要求站內(nèi)流線設計和功能布局合理,功能服務呈現(xiàn)以提供旅客舒適便捷的環(huán)境為前提,以客流組織便捷順暢、售檢票一體化、公共交通便捷、站內(nèi)設施優(yōu)化等為服務需求的新特征.
針對高速鐵路客運站服務特征,通過分解服務質量目標方式,建立服務質量評價指標體系.指標選取遵循全面性、系統(tǒng)性、層次性、獨立性、實用性、穩(wěn)定性,以及定量與定性相結合的原則,結合現(xiàn)有車站服務水平評價體系的研究成果,將指標分解為兩個基本層次,即一級指標和二級指標.高速鐵路客運站服務質量評價從硬件和軟件兩個方面進行:硬件針對售檢票一體化需求及站內(nèi)設計要求,對售檢票等服務設施使用率及完好率、站內(nèi)規(guī)模匹配度、站內(nèi)流線設計進行評價.設施的使用率和完好率反映了車站設施的使用效率,站內(nèi)規(guī)模匹配度更好地反映了高鐵車站規(guī)模與服務能力的協(xié)調(diào)性;軟件評價則以高速客運車站功能定位為出發(fā)點,包括車站的客運、行車組織的實際水平與車站擴展服務.客運組織服務包括舒適度、換乘效率、車站安全及信息服務程度及滿意度,候車環(huán)境舒適度包含旅客候車空氣質量、高峰時段人均占用空間及衛(wèi)生條件水平,換乘效率包括在站時間、換乘便利度、走行距離、換乘有效性及繞行系數(shù).換乘運能匹配度是指高峰時段到達的客流與軌道交通和其他運輸方式的單位運能的比值.本文主要對車站服務設施和客運組織水平重點分析,從車站服務設施、客運組織服務、行車組織水平、車站擴展服務四個角度建立一級評價指標,結合綜合評價指標體系的建立方法,將一級指標進一步細化,建立高速鐵路客運站指標評價體系如圖1所示.
圖1 高速鐵路客運站服務質量評價指標體系Fig.1 Service quality evaluation index system of high-speed railway station
粗糙集理論[4]是波蘭科學家Z Pawlak教授于1982年提出的一種處理不確定性和不完整性的數(shù)據(jù)工具.它無需提供數(shù)據(jù)以外的任何先驗知識,在保證分類能力不變的前提下,計算屬性重要度,導出問題的決策或分類規(guī)則.屬性的重要度反映去掉某屬性后的決策表中分類能力,從而避免對信息的主觀評價所帶來的誤差.
在粗糙集理論中,基于屬性重要度的權重不能保證每一個屬性的權重均不為0,當屬性權重為0時,將該指標約簡.但在車站服務質量評價中,確定的指標都有實際意義,不能隨意去掉.此外僅考慮單個指標在維度內(nèi)的權重,不能客觀上反映每個指標對評價的重要程度,需要分析同一維度指標之間的相互作用,計算各指標的相關性.因此,本文采用多維指標條件屬性組合權重[5](基于信息表的指標權重)計算方法.
根據(jù)各結點遍歷的原則,對圖1所示的指標體系建立屬性權重確定路線[6](見圖2),權重計算過程中信息系統(tǒng)、等價類、正域及屬性重要度等定義參見文獻[4],計算方法如下:
圖2 指標權重確定路線Fig.2 Determined route of index weights
(1)構建信息系統(tǒng)S=(U,A,V,f).其中,U表示車站對象的非空有限集合;A表示屬性的非空有限屬性集合,A=C?D,其中C為條件屬性集,D為決策屬性集.從二級指標數(shù)據(jù)開始,對數(shù)據(jù)進行歸一化,建立對一級指標的決策表,子指標即條件屬性,父指標為決策屬性.
(2)從最低層開始,對于屬性 p11,p12,p13,…, p21,p22,p23,…,p31,p32,p33,p41,p42,p43∈C,分別計算在對于決策屬性D={p1,p2,p3,p4}的重要度Impij,并歸一化為Wpij:
式中 card表示集合的基數(shù);pospij(pi)表示 pi的pij正域.
(3)遍歷圖中各結點,分別計算圖2中各條路線中屬性重要度,計算一級指標權重.
以路線 p11,p21,p31,p41為例,計算各個屬性的重要度,即計算最底層屬性的權重,以p11為例:計算一級指標屬性的權重,以p1為例:
同理計算屬性 p2,p3,p4的權重,且歸一化為客觀權重Wp'1,Wp'2,Wp'3,Wp'4.
(4)確定二級指標在服務質量中的權重:
4.1 基本思想
粗糙集理論的屬性重要度原理為評價指標權重的確定提供了理論依據(jù).首先通過車站系統(tǒng)數(shù)據(jù)及客戶調(diào)查數(shù)據(jù)分類對子集的影響,充分考慮各維度指標之間的相互作用,利用基于路線的權重確定方法,計算客觀指標權重值.其次通過與專家評審法相結合,確定綜合的指標權重,改善了原來各屬性權重整體主觀因素確定的弊端.最后利用模糊綜合評價方法,給出高速鐵路客運站服務質量綜合評價方法.
4.2 綜合評價模型
由于評價指標體系分為三個層次,因此采用多層次模糊綜合評價方法,建立高速鐵路客運站服務質量模糊綜合評價模型,其具體步驟如下:
步驟1建立因素集.因素集是影響評價對象的因素組成的集合,即
式中 pi代表因素集P中第i個影響因素.
本文中影響鐵路客運站服務質量的因素主要有車站服務設施、客運組織服務、行車組織水平、車站擴展服務等因素.
步驟2建立評價標準集.評價標準集是評價者對評價對象做出的各種評價結果組成的集合.首先對圖1中的所有二級指標作為信息系統(tǒng)的屬性集合,建立評價集.即
式中 vj代表評語集V={v1,v2,…vm} 中第 j種可能的評價.
對系統(tǒng)中每一個二級指標項目的評價集為:“優(yōu)秀”“良好”“一般”和“差”四個等級來衡量,對應的分值區(qū)間分別為[10,9),[7,9),[5,7),[0,5),從而構建一個信息系統(tǒng).
步驟3確定評價指標權重,建立權重集,確定綜合權重.權重集是反映因素集中各因素重要程度的集合,即
式中 ai為因素集中第i個因素的重要程度.
基于粗糙集的屬性權重完全由數(shù)據(jù)驅動,要求選取的樣本數(shù)據(jù)具有普遍性和代表性,否則得到的屬性權重具有一定的片面性.因此本文中采用綜合權重確定方法,把由歷史數(shù)據(jù)確定的客觀屬性重要度及專家評審屬性重要度相結合確定指標的權重.
式中 α為經(jīng)驗因子(0≤α≤1),α取值越大,說明綜合權重越重視專家的意見.
步驟4建立單因素模糊矩陣.
利用顧客調(diào)查數(shù)據(jù),通過統(tǒng)計的方法,建立第i個單項因素對 j級服務評價的隸屬程度項.形成單因素模糊評價矩陣,記為
式中為調(diào)查顧客人數(shù),aij為指標 pij滿意度調(diào)查問卷中評價集vj對應人數(shù),k為pi的二級指標個數(shù).
步驟5模糊綜合評價
將單因素評價矩陣分別與權重集進行模糊變換,最后形成多因素模糊評價,建立指標層模糊評價,記為
式中 模糊算子采用
從而得出某段時間對高速鐵路客運站服務質量評價結果集.
步驟6服務質量評價結果集處理.
根據(jù)旅客滿意度調(diào)查數(shù)據(jù),將評價等級定量化,ηj={1.0,0.8,0.6,0.3},j=1,2,3,4,分別對應評價集的“優(yōu)秀”、“良好”、“一般”和“差”四個等級.然后用評價結果集與對應分量加權平均得到被評價對象的結果.
某鐵路局為掌握其轄區(qū)內(nèi)的高速鐵路客運站的服務質量狀況,根據(jù)歷史資料以及問卷調(diào)查對管內(nèi)12個高速鐵路客運站的數(shù)據(jù)作為樣本.即論域為U={u1,u2,u3,…,u12},系統(tǒng)評價輸入指標集為:乘降引導設備完好率 p15,流線設計合理度p16,平均售票簽票時間 p21,換乘平均等待時間p25,信息獲取是否便捷 p28,正點率 p32,投訴平均響應時間p42,換乘運能匹配度p43.鐵路客運站服務質量評價數(shù)據(jù)如表1所示.
表1 鐵路客運站服務質量評價表Table 1 Form of railway passenger service quality evaluation
對指標數(shù)據(jù)進行歸一化處理,其中乘降引導設備完好率大于0.8用好(1)、大于0.6小于等于0.8用一般(2)、小于等于0.6用差(3)來表示;其他指標參數(shù)按照不同的數(shù)據(jù)段同樣進行歸一化處理,建立決策表,計算各二級指標在服務質量評價中的權重.
根據(jù)專家給出的二級指標主觀權重(0.152, 0.065),(0.088,0.142,0.026),0.301,(0.052,0.144),選取經(jīng)驗因子α=0.6,本文獲得服務質量指標的綜合權重如表2所示.
表2 服務質量指標綜合權重表Table 2 QOS index comprehensive weight table
通過對該局管內(nèi)12個鐵路客運站的不同性別、年齡、職業(yè)、文化程度的350個旅客進行問卷調(diào)查數(shù)據(jù),得到如表3所示的數(shù)據(jù)表.
通過本文方法獲得該局的旅客服務質量評價分數(shù)為0.726,屬于良好等級,與專家評審法確定權重分數(shù)0.732分數(shù)基本一致,說明該方法是有效的.且模糊綜合評價可知,該局的23.8%的概率評價為優(yōu)秀,36.9%認為良好,26.1%評定為一般,只有13.2%評價為差.
表3 旅客服務調(diào)查數(shù)據(jù)表Table 3 The survey data of passengers
在該局評價的8個指標中,5個指標評價值達到0.76以上,而信息獲取便捷程度、投訴平均響應時間及換乘運能匹配度有3個指標評價值為0.618, 0.609,0.575,剛剛達到一般水平.由表2可以看出換乘運能匹配度等指標權重值較高,嚴重影響了高鐵客運站的服務質量,必須予以關注,采取針對性措施,拓寬旅客獲得信息的渠道等措施,以便改善和提高質量服務水平.
本文通過分析高速鐵路客運站服務的特征及影響因素,構建了評價指標體系,采用粗糙集理論,由數(shù)據(jù)驅動的分類決策能力,計算指標的重要度.但單純的定量分析可能會引起與事實相悖的結論,因此融入專家的先驗知識,確定最終的綜合權重,避免了權重確定的主觀性.同時利用模糊評價模型,克服了定性與定量指標不具有可比性的缺點,使評價更客觀、精確.并通過實例驗證了方法的有效性與科學性.
[1]田志強,韓君,潘全山.鐵路客運站旅客服務質量評價體系與方法研究[J].鐵道運輸與經(jīng)濟,2008,30(9):26-29.[TIAN Z Q,HAN J,PAN Q S.Research on railway passenger transport service quality evaluation system and method[J].Railway Transport and Economic,2008, 30(9):26-29.]
[2]劉艦.基于神經(jīng)網(wǎng)絡方法的鐵路客運站服務水平評價[J].鐵路運輸與經(jīng)濟,2008,30(2):21-24.[LIU J.Rail?way passenger service level evaluation based on neural network[J].Railway Transport and Economic,2008,30 (2):21-24.]
[3]金祎.新型高鐵客運站布局設計的建議[J].軌道交通, 2011,7(8):64-66.[JIN Y.The layout design recommen?dations for the new high-speed railway passenger sta?tion[J].Rail Transit,2011.7,(8):64-66]
[4]張文修,吳偉志,梁吉業(yè),等.粗糙集理論與方法[M].北京科學出版社,2001.7. [ZHANG W X,WU W Z,LI?ANG J Y,et al.Rough set theory and method[M].Beijing Science Press,2001.7]
[5]王鎖柱,何朝輝.基于粗糙集的鐵路客運服務質量改善程度評價模型研究[J].數(shù)學的實踐與認識,2011,41 (13):64-71.[WANG S Z,HE Z H.Study in evaluation model to railway passenger service quality improvement based on rough set[J].Mathematics in Practice and Theo?ry.2011.7,41(13):64-71.]
[6]鐘嘉鳴,李訂芳.基于粗糙集理論的屬性權重確定最優(yōu)化方法研究[J].計算機工程與應用,2008,44(20): 51-53.[ZHONG J M,LI D F.Research on optimization method of attribute weight determining based on rough set theory[J].Computer Engineering and Applications, 2008,44(20):51-53.]
Service Quality Evaluation Model for High-speed Railway Passenger Station Based on Rough Set
XU Chun-jie,SHI Tian-yun,WANG Xiao-Dong
(Institute of Computing Technology,ChinaAcademy of Railway Sciences,Beijing 100081,China)
Considering the current service quality evaluation with subjectivity and data ambiguity in traditional railway passenger station,the two layered service evaluation index system is established.And it is based on the analysis of the service characteristics and influencing factors for high-speed railway passenger station.With the fuzzy evaluation method and rough set theory,the service quality evaluation model for highspeed railway passenger station is proposed also in this paper.It solves the correlation effect between the indexes by the method based weight determined route.And it avoids the blindness and subjectivity through the set theory and expert estimation combined.The proposed method realizes comprehensive evaluation to the qualitative and quantitative indicators using the customer survey data besides.Result shows that the method is feasible and accuracy to applied into the service improvement of high-speed railway passenger station.
railway transportation;railway passenger station;service quality;fuzzy evaluation method; rough set
1009-6744(2014)02-0132-06
U293.3
A
2013-11-07
2013-12-31錄用日期:2014-01-17
鐵道部科學技術研究發(fā)展中心基金資助項目(1119DZ4303);鐵科院基金項目(1151GC1103).
徐春婕(1976-),女,山東昌樂人,博士生.*通訊作者:shitianyun@sina.com