呂 建，任鵬飛

（西南交通大學(xué) 交通運(yùn)輸與物流學(xué)院，四川 成都 610000）

1 引言

在“互聯(lián)網(wǎng)+”的大背景下，各行各業(yè)飛速發(fā)展，在貨運(yùn)行業(yè)也是如此。伴隨著“互聯(lián)網(wǎng)+貨運(yùn)”的發(fā)展，車貨雙方從線下交易轉(zhuǎn)為線上交易，解決了信息不對(duì)稱問題，提高了車貨匹配效率，降低了貨車空駛率，提升了車貨雙方的用戶體驗(yàn)，也降低了物流成本。

當(dāng)交易從線下轉(zhuǎn)到線上，由于網(wǎng)絡(luò)交易雙方都有一定程度的虛擬性和匿名性的特點(diǎn)，使得交易雙方存在天然的不信任感，加之近幾年車貨匹配平臺(tái)上頻頻出現(xiàn)貨主發(fā)布“虛假信息”、壓低運(yùn)價(jià)、拖欠運(yùn)費(fèi)、騙取信息費(fèi)、車主攜貨跑路等惡劣問題，使得車貨雙方關(guān)系更加緊張。因此車貨匹配平臺(tái)建立完善的信譽(yù)評(píng)估機(jī)制具有重要的意義。

2 文獻(xiàn)回顧

目前，國(guó)內(nèi)外學(xué)者提出了多種信譽(yù)評(píng)價(jià)模型。在物流信息平臺(tái)信譽(yù)評(píng)價(jià)的研究中，熊宜強(qiáng)[1]提出了物流公共信息平臺(tái)車貨匹配排序及誠(chéng)信激勵(lì)機(jī)制研究，采用信號(hào)博弈模型對(duì)現(xiàn)有的物流公共信息平臺(tái)的會(huì)員等級(jí)劃分機(jī)制的有效性進(jìn)行了分析，通過適當(dāng)設(shè)立懲罰成本和期望風(fēng)險(xiǎn)成本，對(duì)非誠(chéng)信行為進(jìn)行約束；蘇小根[2]對(duì)物流信息平臺(tái)的信用技術(shù)保障體系進(jìn)行研究，總結(jié)了物流平臺(tái)上發(fā)生的信用問題，對(duì)其進(jìn)行了歸類并分析了信用問題對(duì)平臺(tái)運(yùn)營(yíng)產(chǎn)生的系統(tǒng)性影響，提出了以多媒體形式發(fā)布業(yè)務(wù)信息以降低虛假信息的數(shù)量，引入第三方支付來解決拖欠運(yùn)費(fèi)等信用問題，并分析確定了最佳第三方支付模式；因?yàn)榫W(wǎng)絡(luò)交易的虛擬性、復(fù)雜性等特點(diǎn)，所以如何判斷評(píng)價(jià)的可信度成為信譽(yù)評(píng)價(jià)研究的重要研究方向。Xiong 和Liu[3]在其信任模型中提出時(shí)間因素和交易金額作為信任計(jì)算的權(quán)重因子；王超等[4]在研究電子商務(wù)信譽(yù)評(píng)價(jià)模型時(shí)，提出使用時(shí)間窗口和交易窗口機(jī)制對(duì)參與計(jì)算的評(píng)價(jià)因素進(jìn)行選擇；Hubermanba等[5]對(duì)信譽(yù)計(jì)算進(jìn)行研究時(shí)，提出歷史評(píng)價(jià)對(duì)于信譽(yù)的影響隨時(shí)間而變化；紀(jì)淑嫻等[6]研究了如何降低時(shí)間對(duì)信用評(píng)價(jià)的影響。李聰?shù)萚7]在建立信譽(yù)評(píng)價(jià)模型時(shí)考慮了欺詐懲罰維度對(duì)信譽(yù)評(píng)價(jià)的影響。李文等[8]在研究電子商務(wù)信譽(yù)評(píng)價(jià)時(shí)，運(yùn)用“差評(píng)敏感”處理運(yùn)算保證了模型的敏感性和實(shí)用性。

本文以目前主要車貨匹配APP的信譽(yù)評(píng)價(jià)系統(tǒng)為研究對(duì)象，借鑒前人研究成果并加以創(chuàng)新，主要工作如下：

（1）分析車貨匹配平臺(tái)信譽(yù)評(píng)價(jià)機(jī)制現(xiàn)狀，構(gòu)建新的信譽(yù)評(píng)價(jià)機(jī)制，總結(jié)影響車貨雙方信譽(yù)評(píng)價(jià)的因素并運(yùn)用AHP建立信譽(yù)評(píng)價(jià)模型。

（2）根據(jù)影響信譽(yù)評(píng)價(jià)的主要因素引入模型修正因子，引入運(yùn)滿滿平臺(tái)的用戶評(píng)價(jià)數(shù)據(jù)并對(duì)引入數(shù)據(jù)進(jìn)行合理轉(zhuǎn)換，最后將轉(zhuǎn)換后的數(shù)據(jù)帶入修正模型檢驗(yàn)其有效性。

3 車貨匹配平臺(tái)信譽(yù)評(píng)價(jià)機(jī)制現(xiàn)狀分析

目前國(guó)內(nèi)車貨匹配平臺(tái)如雨后春筍，但是具有較為完善的車貨雙邊信譽(yù)評(píng)價(jià)機(jī)制的平臺(tái)卻不多。我國(guó)目前主流車貨匹配平臺(tái)及其用戶信譽(yù)狀況評(píng)價(jià)指標(biāo)見表1。

表1 我國(guó)主流車貨匹配平臺(tái)與用戶信譽(yù)狀況評(píng)價(jià)指標(biāo)

各平臺(tái)信譽(yù)評(píng)價(jià)體系分析如下：

（1）運(yùn)滿滿。交易結(jié)束后，交易雙方可給出好評(píng)、中評(píng)、差評(píng)三種評(píng)價(jià)，可給對(duì)方添加標(biāo)簽（如付款及時(shí)、價(jià)格公道等），也可發(fā)布自定義評(píng)語。平臺(tái)用戶主頁(yè)會(huì)顯示歷史好評(píng)總數(shù)、中評(píng)總數(shù)、差評(píng)總數(shù)、好評(píng)率、各標(biāo)簽數(shù)量。

（2）貨拉拉。因?yàn)樨浝峭秦涍\(yùn)叫車平臺(tái)，類似于“滴滴打車”的模式，所以平臺(tái)僅對(duì)司機(jī)進(jìn)行信譽(yù)評(píng)價(jià)。對(duì)司機(jī)的評(píng)價(jià)分為四點(diǎn)：行為分、拒單率、準(zhǔn)點(diǎn)率、評(píng)分。行為分是貨拉拉平臺(tái)為了規(guī)范司機(jī)行為而推出的一種評(píng)價(jià)指標(biāo)，行為分滿分為12分，它不會(huì)對(duì)服務(wù)好的司機(jī)產(chǎn)生任何的接單影響，只會(huì)針對(duì)一些非常惡劣的違規(guī)行為進(jìn)行扣分，同時(shí)對(duì)司機(jī)做出一定的懲罰。比如刷評(píng)分（扣3分，封號(hào)兩天）跳單（扣6 分，封號(hào)2 天）、違規(guī)加價(jià)（扣3 分，封號(hào)一天）等。行為分除了扣分，還會(huì)根據(jù)系統(tǒng)提醒完成相應(yīng)任務(wù)來進(jìn)行加分，比如面包車完成200 單，貨車完成150單就能恢復(fù)到12分。拒單率和準(zhǔn)點(diǎn)率由系統(tǒng)根據(jù)司機(jī)以往的交易記錄自動(dòng)給出，評(píng)分則是所有交易評(píng)分的均值。

（3）快狗打車（原58 速運(yùn)）。其對(duì)司機(jī)的評(píng)價(jià)分為四個(gè)維度：月完成率、周好評(píng)率、評(píng)分、司機(jī)等級(jí)（銅牌司機(jī)、金牌司機(jī)、優(yōu)質(zhì)金牌司機(jī)三等）。月完成率和周好評(píng)率為系統(tǒng)自動(dòng)給出，評(píng)分則是所有交易評(píng)分的均值，司機(jī)等級(jí)可以用積分換取，每完成一單可以賺取一定的積分，搶單率越高、每單評(píng)分越高，交易結(jié)束后所得積分越高。司機(jī)等級(jí)越高，所得特權(quán)越多，而差評(píng)可能會(huì)使司機(jī)被平臺(tái)封禁。

（4）路鯨。對(duì)司機(jī)的評(píng)價(jià)分為兩個(gè)維度：評(píng)分、司機(jī)等級(jí)（普通、高級(jí)、超級(jí)、VIP）。評(píng)分是所有交易評(píng)分的均值，司機(jī)等級(jí)根據(jù)司機(jī)經(jīng)驗(yàn)值確定，經(jīng)驗(yàn)值越高司機(jī)等級(jí)越高，經(jīng)驗(yàn)值可以根據(jù)完成系統(tǒng)所給任務(wù)獲得。

由以上分析可知，目前車貨匹配平臺(tái)的信譽(yù)評(píng)價(jià)機(jī)制過于簡(jiǎn)單，很難對(duì)當(dāng)前的影響車貨雙邊信譽(yù)問題的主要因素做出有效評(píng)價(jià)。

4 構(gòu)建信譽(yù)評(píng)價(jià)模型

4.1 影響車貨雙方信譽(yù)的主要因素總結(jié)

目前國(guó)內(nèi)外學(xué)者對(duì)物流平臺(tái)運(yùn)營(yíng)模式及車貨雙邊匹配的方法進(jìn)行了大量的研究，但是關(guān)于物流平臺(tái)上車貨雙邊信譽(yù)評(píng)價(jià)的研究卻少之又少。

本文在借鑒前人優(yōu)秀成果的基礎(chǔ)上，總結(jié)各大網(wǎng)站、論壇上出現(xiàn)的關(guān)于車貨雙方的信譽(yù)問題，同時(shí)對(duì)車貨匹配平臺(tái)雙邊信譽(yù)狀況進(jìn)行了實(shí)地調(diào)研，總結(jié)出影響貨主信譽(yù)的主要因素為拖欠運(yùn)費(fèi)、貨物描述不符、發(fā)布虛假貨源信息、“放空”。影響車主信譽(yù)的主要因素為貨車描述與實(shí)際不符、服務(wù)態(tài)度差、沒有按時(shí)送達(dá)、貨物損壞。

4.2 構(gòu)建雙邊信譽(yù)評(píng)價(jià)機(jī)制

鑒于現(xiàn)存的車貨匹配平臺(tái)信譽(yù)評(píng)分機(jī)制過于簡(jiǎn)單，很難反映平臺(tái)用戶的真實(shí)信譽(yù)值，而淘寶網(wǎng)的買家和賣家的信譽(yù)評(píng)價(jià)體系趨于成熟，所以借鑒淘寶網(wǎng)的5級(jí)評(píng)分機(jī)制。在平臺(tái)上每單交易結(jié)束后，車主可從運(yùn)費(fèi)支付、貨物描述、貨源信息真實(shí)性、沒有“放空”這四個(gè)方面對(duì)貨主進(jìn)行評(píng)價(jià)，貨主可從貨車描述真實(shí)性、服務(wù)態(tài)度、準(zhǔn)時(shí)性、貨物安全這四個(gè)方面對(duì)車主進(jìn)行評(píng)價(jià)。評(píng)價(jià)等級(jí)劃分及其表示含義見表2。

表2 雙邊信譽(yù)評(píng)價(jià)等級(jí)劃分與含義

在平臺(tái)貨主的個(gè)人信譽(yù)頁(yè)面可以看到運(yùn)費(fèi)支付綜合得分、貨物描述綜合得分、貨源信息真實(shí)性綜合得分、沒有“放空”綜合得分、綜合信譽(yù)值5項(xiàng)指標(biāo)；在平臺(tái)車主的個(gè)人信譽(yù)頁(yè)面可以看到貨車描述真實(shí)性綜合得分、綜合服務(wù)態(tài)度綜合得分、準(zhǔn)時(shí)性綜合得分、貨物安全綜合得分、綜合信譽(yù)值5項(xiàng)指標(biāo)。

4.3 建立評(píng)價(jià)指標(biāo)體系

本文利用層次分析法構(gòu)建貨主和車主的信譽(yù)評(píng)價(jià)指標(biāo)體系，綜合問卷調(diào)查結(jié)果，計(jì)算各指標(biāo)的權(quán)重，從而將定性問題轉(zhuǎn)化成定量問題。

基于上述分析，建立車貨匹配平臺(tái)雙邊信譽(yù)評(píng)價(jià)指標(biāo)體系，見表3。

表3 車貨匹配平臺(tái)雙邊信譽(yù)評(píng)價(jià)指標(biāo)體系

4.4 構(gòu)建車貨匹配平臺(tái)雙邊信譽(yù)評(píng)價(jià)模型

4.4.1 建立評(píng)估對(duì)象因素集。設(shè)貨主綜合信譽(yù)值的因素集U=(u1,u2,u3,u4)，其中u1為運(yùn)費(fèi)支付，u2為貨物描述，u3為貨源信息真實(shí)性，u4為沒有“放空”；車主綜合信譽(yù)值的因素集F=(f1,f2,f3,f4)，其中f1為貨車描述真實(shí)性，f2為服務(wù)態(tài)度，f3為準(zhǔn)時(shí)性，f4為貨物安全。

4.4.2 確定指標(biāo)權(quán)重。設(shè)因素集U中元素的權(quán)重集因素集F中元素的權(quán)重集

依據(jù)指標(biāo)體系建立調(diào)查問卷，并向多位業(yè)內(nèi)專家發(fā)放，回收問卷后確定各指標(biāo)的評(píng)分，利用軟件計(jì)算各指標(biāo)權(quán)重。判斷矩陣和各指標(biāo)權(quán)重見表4、表5。

表4 貨主因素集判斷矩陣與指標(biāo)權(quán)重

表5 車主因素集判斷矩陣與指標(biāo)權(quán)重

4.4.3 平臺(tái)用戶各信譽(yù)評(píng)估指標(biāo)綜合得分計(jì)算。設(shè)因素集U=(u1,u2,u3,u4) 中各因素的綜合得分集因素集F=(f1,f2,f3,f4)中各因素的綜合得分集貨主綜合信譽(yù)值為X1，車主綜合信譽(yù)值為X2。

式（1）中Li(j)為因素在第j次評(píng)價(jià)中的得分,n為總評(píng)價(jià)次數(shù)；式（2）中Mi(j)為因素在第j次評(píng)價(jià)中的得分,n為總評(píng)價(jià)次數(shù)。

5 影響評(píng)價(jià)指標(biāo)綜合得分準(zhǔn)確度的主要因素分析及模型修正

5.1 影響評(píng)價(jià)指標(biāo)綜合得分準(zhǔn)確度的主要因素

在實(shí)際的信譽(yù)評(píng)價(jià)中，影響評(píng)價(jià)指標(biāo)綜合得分準(zhǔn)確度的因素有很多，鑒于所研讀文獻(xiàn)和調(diào)研結(jié)果，本文把影響評(píng)價(jià)指標(biāo)綜合得分準(zhǔn)確度的主要影響因素分為三點(diǎn)。

5.1.1 時(shí)間因素。本文已給模型沒有考慮評(píng)價(jià)時(shí)間對(duì)信譽(yù)評(píng)價(jià)的影響，導(dǎo)致信譽(yù)評(píng)價(jià)模型很難準(zhǔn)確給出用戶近期的信譽(yù)狀況，所以給每次評(píng)價(jià)加入時(shí)間因子來修正模型，且需要滿足隨著評(píng)價(jià)日期與當(dāng)前日期相隔越久時(shí)間因子就越小。

設(shè)gt為每次評(píng)價(jià)的時(shí)間因子，180天內(nèi)的評(píng)價(jià)不受時(shí)間影響。

式中，tp表示當(dāng)前日期；tj表示第j次評(píng)價(jià)時(shí)的日期。

5.1.2 評(píng)價(jià)方自身信譽(yù)值。因?yàn)楦咝抛u(yù)值的用戶其本身具有較為良好的信用狀況，所以這類用戶給出的評(píng)分也更具有可信度，為了減弱惡意差評(píng)對(duì)信譽(yù)評(píng)價(jià)模型的影響，對(duì)模型引入用戶自身信譽(yù)值因子，且需要滿足當(dāng)評(píng)價(jià)方的信譽(yù)值越高時(shí)，其評(píng)價(jià)對(duì)被評(píng)價(jià)方信譽(yù)值的正向性影響越大。

設(shè)用戶自身信譽(yù)值因子為gt。

式中Xj表示第j次評(píng)價(jià)時(shí)評(píng)價(jià)方的信譽(yù)值表示第j次評(píng)價(jià)時(shí)被評(píng)價(jià)方的信譽(yù)值

5.1.3 交易真實(shí)性。因?yàn)槟壳爸髁鬈囏浧ヅ淦脚_(tái)并沒有對(duì)車貨雙方交易的真實(shí)性進(jìn)行監(jiān)管，所以很容易讓“詐騙團(tuán)伙”通過“偽交易”刷高所使用賬號(hào)的信譽(yù)值，取得平臺(tái)其他用戶的信任，從而對(duì)其進(jìn)行欺詐行為。為了防止這種情況的發(fā)生，本文建議對(duì)于相同交易雙方在一定的時(shí)間內(nèi)的評(píng)分只取一次加入綜合信譽(yù)值的計(jì)算，僅僅保留其他評(píng)價(jià)的自定義評(píng)語。

5.2 加入修正因子后車貨雙邊綜合信譽(yù)值計(jì)算

n'為180天內(nèi)評(píng)價(jià)次數(shù)。

6 模型有效性檢驗(yàn)

以運(yùn)滿滿為例，本文從運(yùn)滿滿上抽取兩名交易數(shù)量和好評(píng)率大致相當(dāng)?shù)呢浿?，采集其歷史被評(píng)價(jià)數(shù)據(jù)，見表6。

截止到2018.09.25，貨主1的好評(píng)率為90%，好評(píng)37個(gè)，差評(píng)3個(gè)，中評(píng)1個(gè)；貨主2的好評(píng)率為89%，好評(píng)34個(gè)，差評(píng)3個(gè)，中評(píng)1個(gè)，那么貨主1的信譽(yù)狀況是否真的比貨主2略高呢？

因?yàn)檫\(yùn)滿滿評(píng)價(jià)系統(tǒng)為三級(jí)評(píng)分模式，貨主1和貨主2的數(shù)據(jù)無法直接帶入本文的信譽(yù)評(píng)價(jià)模型，所以本文對(duì)車主評(píng)價(jià)數(shù)據(jù)進(jìn)行如下轉(zhuǎn)換：

Ei(z)為轉(zhuǎn)換后的車主z對(duì)貨主i的評(píng)分。

對(duì)車主給出評(píng)價(jià)時(shí)的好評(píng)率進(jìn)行如下轉(zhuǎn)換：

式中，Kp(z)為車主z給出評(píng)價(jià)時(shí)自身好評(píng)率，Hi為貨主i轉(zhuǎn)化后的綜合信譽(yù)值，“5”指五級(jí)評(píng)分中的5分。

為得到貨主1和2的實(shí)時(shí)信譽(yù)值，本文做出如下假設(shè)：

式中，q為車主z對(duì)貨主評(píng)價(jià)時(shí)貨主的被評(píng)價(jià)總次數(shù)；q'為好評(píng)總次數(shù)；L為貨主的實(shí)時(shí)信譽(yù)值。

車主給出評(píng)價(jià)后貨主信譽(yù)值則是歷史評(píng)分的均值，轉(zhuǎn)化后的數(shù)據(jù)見表7。

由數(shù)據(jù)分析可知，貨主1 的信譽(yù)狀況較為穩(wěn)定，且該貨主進(jìn)入平臺(tái)不足180天；貨主2進(jìn)入平臺(tái)近兩年時(shí)間，初入平臺(tái)時(shí)信譽(yù)值較差，但隨著發(fā)貨量越來越多，其好評(píng)率也越來越高，且近16 次評(píng)價(jià)全為好評(píng)，證明貨主2 在不斷提升自己各方面的服務(wù)質(zhì)量，因此貨主2近期的信譽(yù)值應(yīng)高于貨主1。

表6 車主歷史被評(píng)價(jià)數(shù)據(jù)

表7 轉(zhuǎn)化后數(shù)據(jù)

將轉(zhuǎn)換后的數(shù)據(jù)帶入本文模型得貨主1的綜合信譽(yù)值為4.2，貨主2的綜合信譽(yù)值為4.3，貨主2的綜合信譽(yù)值高于貨主1，這與平臺(tái)的計(jì)算結(jié)果相反，卻與我們上述分析一致。計(jì)算結(jié)果表明，修正后的模型能夠更加準(zhǔn)確地計(jì)算平臺(tái)用戶的信譽(yù)值，更好地體現(xiàn)平臺(tái)用戶的近期信譽(yù)狀況。

7 結(jié)語

本文總結(jié)和分析了目前主流的車貨匹配平臺(tái)的信譽(yù)評(píng)價(jià)機(jī)制。針對(duì)其缺陷，本文提出的車貨匹配平臺(tái)五級(jí)信譽(yù)評(píng)價(jià)機(jī)制，能夠?qū)⑵脚_(tái)用戶的信譽(yù)狀況分成四個(gè)板塊，在用戶選擇交易方時(shí)能夠根據(jù)自己偏好的信譽(yù)板塊來決定。為模型加入修正因子后，削弱了“陳舊”評(píng)價(jià)對(duì)用戶信譽(yù)狀況的影響，使模型更好的體現(xiàn)用戶近期的信譽(yù)狀況。

因?yàn)楸疚乃钄?shù)據(jù)很難提取，所以對(duì)引入的運(yùn)滿滿用戶信譽(yù)評(píng)價(jià)數(shù)據(jù)進(jìn)行合理轉(zhuǎn)換，使數(shù)據(jù)能夠代入修正后模型，實(shí)驗(yàn)結(jié)果表明本文模型能夠更加準(zhǔn)確的體現(xiàn)平臺(tái)用戶的信譽(yù)狀況，能更好的適用于車貨匹配平臺(tái)。