許曉偉，孟楠，侯維磊，康斌

（1.石家莊郵電職業(yè)技術(shù)學(xué)院，河北石家莊050021；2.中國鐵建大橋工程局集團有限公司，天津300300）

我國經(jīng)濟的穩(wěn)步增長與“一帶一路”戰(zhàn)略帶動了鐵路建設(shè)的發(fā)展，鐵路運輸貨物量不斷增加，貨運行業(yè)中鐵路運輸?shù)淖饔迷絹碓酵怀?。但是在貨運變革背景下各種運輸方式競爭激烈，客戶對服務(wù)的要求提高使得服務(wù)質(zhì)量水平對其業(yè)務(wù)發(fā)展至關(guān)重要，為增長市場份額貨運企業(yè)逐漸重視自身的服務(wù)質(zhì)量[1]。因此，需要客觀評價鐵路貨運的服務(wù)質(zhì)量，以期能夠增強鐵路貨運的競爭力。已經(jīng)有學(xué)者在該方面進行了研究與探討。劉源建立了鐵路貨運服務(wù)質(zhì)量的評價指標體系，并提出了一些改善措施[2]；馮芬玲利用粗糙集與SERVQUAL對其進行評價，通過案例驗證了該方法的可行性[3]；馬曉晨等從多角度出發(fā)使用灰色關(guān)聯(lián)度構(gòu)建了評價模型，并通過實例驗證認為該方法在實際應(yīng)用中的可行性[4]等。而影響其服務(wù)質(zhì)量的因素很多，實際應(yīng)用中計算量較大，因此需要借助計算機技術(shù)，采用人工智能的評價方法為決策者制定有針對性的管理措施提供依據(jù)。

1 鐵路貨運服務(wù)質(zhì)量評價指標體系

1.1 傳統(tǒng)鐵路貨運服務(wù)質(zhì)量評價存在的不足

傳統(tǒng)鐵路貨運服務(wù)質(zhì)量評價的不足在于沒有充分考慮客戶在質(zhì)量評價中的作用，主要表現(xiàn)在：側(cè)重于內(nèi)部運營管理與提高運輸能力，評價指標體系缺少系統(tǒng)性，無法全面反映客戶的市場需求；原有指標多為反映鐵路運輸?shù)纳a(chǎn)能力，在進行比較時可比性較差，很難直接體現(xiàn)貨運的服務(wù)質(zhì)量；鐵路貨運是為客戶提供服務(wù)的，以往評價沒有綜合考慮托運人，一般是在鐵路貨運企業(yè)內(nèi)部進行評價，無法及時了解客戶需求的變化，使評價結(jié)果的可靠性較低。

1.2 評價指標體系的構(gòu)建

鐵路貨運服務(wù)是一種典型的服務(wù)行業(yè)，綜合鐵路貨運自身特點以及鐵路貨運改革后的新特點，借鑒PZB提出的SERVQUAL量表，及已有學(xué)者建立的評價指標體系，根據(jù)評價指標選取原則，通過專家調(diào)查法、打分等方法對評價指標進行篩選、優(yōu)化，最終確定鐵路貨運服務(wù)質(zhì)量評價指標體系，如表1所示。

2 建立鐵路貨運服務(wù)質(zhì)量評價模型

2.1 三角模糊數(shù)AHP

2.1.1 方法簡介

層次分析法最初由Saaty TL教授等人提出，憑借其計算簡單、準確實用、對數(shù)據(jù)要求低等特點被廣泛應(yīng)用于生產(chǎn)決策、安全管理等多領(lǐng)域的評價與分析中，并具有較好的應(yīng)用效果，但是由于該方法具有模擬人腦進行決策的特點，因此存在主觀性太強、定性成分較多的缺點。Van Laargoven認為可用三角模糊數(shù)進行模糊判斷，計算后得到不同元素的排序。目前三角模糊數(shù)常用來解決非確定環(huán)境下的問題，主要用在績效評價、多指標多屬性的決策中。本文將AHP與三角模糊數(shù)結(jié)合起來，考慮主觀與客觀因素對各評價指標權(quán)重的影響，使計算結(jié)果更加準確。

2.1.2 權(quán)重計算過程

運用該方法計算時的具體過程如下：

表1 鐵路貨運服務(wù)質(zhì)量評價指標體系

②接著構(gòu)建三角模糊數(shù)的判斷矩陣，請專家根據(jù)評價指標體系和表2，兩兩比較各指標。

表2 鐵路貨運服務(wù)質(zhì)量評價指標體系

并采用三角模糊數(shù)打分，即可得到三角模糊數(shù)的判斷矩陣

③對三角模糊數(shù)的判斷矩陣A進行排序，主要根據(jù)可能度，可能度的定義為[5]

假設(shè)兩個三角模糊數(shù)P1=(l1,m1,u1)與P1=(l2,m2,u2)，則

為 P1≥P2的可能度。

設(shè)n個三角模糊數(shù)構(gòu)成集合{P1,P2,…,P3}，則P1≥P2,P3…,Pn的可能度為 Q=(P1≥P2,P3,…,Pn)=min{Q(P1≥P2),Q(P1≥P3),…,Q(P1≥Pn)}。

計算指標權(quán)重時需先將三角模糊數(shù)判斷矩陣按行累加求和，然后將其作歸一化處理，得到三角模糊數(shù)的權(quán)重向量

兩兩比較三角模糊數(shù)的權(quán)重向量wi，根據(jù)可能度定義，計算相應(yīng)的可能度，其中，求得可能度矩陣

2.2 BP神經(jīng)網(wǎng)絡(luò)評價模型

2.2.1 BP神經(jīng)網(wǎng)絡(luò)簡介

1986年是一種前饋性神經(jīng)網(wǎng)絡(luò)，由Rumelhart等人提出，基本原理是模擬人的思維方式，采用誤差逆向傳播對網(wǎng)絡(luò)模型進行訓(xùn)練；能夠自動調(diào)整網(wǎng)絡(luò)模型中的權(quán)重，從而提高預(yù)測準確性。該方法屬于非線性動力學(xué)系統(tǒng)智能算法中的一種，具有容錯性好、系統(tǒng)性、高度非線性等優(yōu)點，目前有較為廣泛的應(yīng)用領(lǐng)域。

2.2.2 BP神經(jīng)網(wǎng)絡(luò)評價過程

鐵路貨運的服務(wù)質(zhì)量受多重因素影響，且這些因素間多為非線性關(guān)系，因此可采用BP神經(jīng)網(wǎng)絡(luò)進行評價，評價過程具體為：

本文以26家典型的鐵路貨運站為研究對象，將收集到的數(shù)據(jù)整理后，即可輸入到網(wǎng)絡(luò)模型中進行訓(xùn)練與檢驗。

①建立模型。BP神經(jīng)網(wǎng)絡(luò)模型包括三層：輸入層、隱含層、輸出層，隱含層個數(shù)根據(jù)需要設(shè)定，可為一個或多個，已經(jīng)有理論證明三層神經(jīng)網(wǎng)絡(luò)模型已經(jīng)能夠滿足任何的連續(xù)影響，滿足使用需求。因此本文中將模型層數(shù)設(shè)定為三層，結(jié)點變換函數(shù)選擇Sigmoid函數(shù)，由于評價指標體系中共有29個評價指標，模型的輸入單元也為29個；隱含層節(jié)點個數(shù)的確定方法尚缺少理論依據(jù)，確定方法主要有：有；其中n代表輸入節(jié)點的個數(shù)，m代表輸出節(jié)點的個數(shù)，a一般取1～10間的常數(shù)，本文根據(jù)經(jīng)驗將隱含層個數(shù)取為9[6]；含有1個輸出單元，表示鐵路貨運站的服務(wù)質(zhì)量綜合值。

②訓(xùn)練與檢驗?zāi)Ｐ汀?shù)據(jù)分為訓(xùn)練組與檢驗組，本文第1～23組數(shù)據(jù)為訓(xùn)練樣本，第24～26組數(shù)據(jù)作為檢驗樣本，訓(xùn)練過程中比較輸出值與期望值，當(dāng)誤差較大時通過調(diào)整迭代次數(shù)、隱含層個數(shù)等提高精度，直到誤差在5%以內(nèi)，停止訓(xùn)練。

③訓(xùn)練結(jié)束后，通過使用已經(jīng)發(fā)生收斂的神經(jīng)網(wǎng)絡(luò)來預(yù)測待評價的鐵路貨運站的服務(wù)質(zhì)量狀況，從而得到服務(wù)質(zhì)量評價的預(yù)測結(jié)果。

3 鐵路貨運服務(wù)質(zhì)量評價實證研究

3.1 三角模糊數(shù)AHP計算評價指標權(quán)重

根據(jù)前文所述，本文通過采用隨機抽取方式邀請20名經(jīng)常使用鐵路辦理貨物配送的客戶與貨運站管理相關(guān)人員，由他們根據(jù)表1評價指標體系對各指標進行打分，進而得到各層次的三角模糊數(shù)判斷矩陣，下面以9個二級指標的判斷矩陣為例，如表3所示。

表3 二級指標三角模糊數(shù)判斷矩陣

按照計算步驟得到三角模糊數(shù)的權(quán)重向量分別為：

w1=(0.082 25,0.108 53,0.160 12)

w2=(0.101 73,0.144 7,0.190 33)

......

w9=(0.069 26,0.095 61,0.135 95)

兩兩比較三角模糊數(shù)中的數(shù)值，可得對應(yīng)的可能度矩陣，在此省略，進而得到可能度矩陣Q排序后的向量：w=(0.535,0.611,0.520,0.492,0.594,0.545,0.452,0.432,0.406)，對其作歸一化處理后得到9個二級指標的權(quán)重，分別為：w=(0.116 6,0.133 2,0.113 3,0.107 2,0.129,0.119,0.098,0.094,0.089)。

按照同樣方法計算各三級指標的權(quán)重，可以得到可靠性下的3個指標權(quán)重分別為：w1=(0.360 3,0.336 1,0.303 5)。同樣可得到其他二級指標下的各個三級指標權(quán)重。至此，根據(jù)計算結(jié)果，對二級指標與三級指標的權(quán)重進行加權(quán)平均，求得各評價指標的綜合權(quán)重，如表4所示。

表4 鐵路貨運服務(wù)質(zhì)量評價各指標綜合權(quán)重

3.2 利用BP神經(jīng)網(wǎng)絡(luò)模型評價

以上述計算結(jié)果為基礎(chǔ)，對鐵路貨運服務(wù)質(zhì)量進行評價。評價指標體系中既有定性指標，也有定量指標，因此通過隨機抽取鐵路貨運站內(nèi)部的管理人員與貨運辦理客戶共20名進行訪談，邀請他們根據(jù)評價指標體系對各評價指標采用五分制打分，1～5代表服務(wù)質(zhì)量水平逐漸遞增，之后取20名受訪者打分的平均值，按下列公式對指標得分進行標準化處理：

可得到樣本鐵路貨運站的服務(wù)質(zhì)量綜合評價值。在利用BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練與仿真時只需將這26個鐵路貨運站的初始分值與輸出值輸入就能得到檢驗值。限于篇幅在此僅列出第1～26組樣本貨運站的數(shù)據(jù)，如表5所示。

表5 樣本鐵路貨運站服務(wù)質(zhì)量評價指標數(shù)據(jù)

通過公式Y(jié)=W×X可以得到26個鐵路貨運站的服務(wù)質(zhì)量綜合評價值，其中W表示各服務(wù)質(zhì)量評價指標的權(quán)重，X表示受訪者打分平均值，評價結(jié)果分別為（0.568 44,0.589 06,0.600 14,0.632 18,0.565 14,0.582 85,0.617 27,0.624 67,0.659 94,0.585 28,0.631 62,0.591 07,0.657 05,0.588 59,0.629 22,0.603 35,0.573 32,0.632 67,0.599 15,0.677 29,0.621 93,0.600 98,0.560 21,0.626 91,0.611 01,0.576 75）。

將26個樣本鐵路貨運站的相關(guān)數(shù)據(jù)按照BP神經(jīng)網(wǎng)絡(luò)模型的進行訓(xùn)練與檢驗，第1～23組數(shù)據(jù)作為訓(xùn)練樣本，第24～26組數(shù)據(jù)作為檢驗樣本，訓(xùn)練時的BP神經(jīng)網(wǎng)絡(luò)模型如圖1所示。參數(shù)設(shè)置如下：精度要求為10^(-10)，性能函數(shù)選用MSE，訓(xùn)練過程中每經(jīng)過50次顯示1次訓(xùn)練結(jié)果，網(wǎng)絡(luò)最大迭代次數(shù)為5 000次，經(jīng)過8次的運行，精度已滿足要求，訓(xùn)練完成，訓(xùn)練結(jié)果如圖2所示。此時，網(wǎng)絡(luò)的期望值與輸出值已非常接近，最大誤差仍可以接受，表明該網(wǎng)絡(luò)模型已經(jīng)可以用于仿真與模擬，在對鐵路貨運站的服務(wù)質(zhì)量進行評價時可以使用。作為檢驗樣本的第24～26組數(shù)據(jù)期望值與MATLAB2016a模擬值進行對比，如表6所示。

圖1 構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型

表6 BP神經(jīng)網(wǎng)絡(luò)檢驗結(jié)果

圖2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果

可以看出，第24～26組數(shù)據(jù)的仿真結(jié)果中，期望值與模擬值的最大相對誤差為0.035 78，仍滿足鐵路貨運站的質(zhì)量評價要求，根據(jù)仿真結(jié)果認為可以利用BP神經(jīng)網(wǎng)絡(luò)評價鐵路貨運站的服務(wù)質(zhì)量。將訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)保存，在評價其他鐵路貨運站的服務(wù)質(zhì)量時只需將該鐵路貨運站的相關(guān)指標初始評價值輸入到模型中，運行網(wǎng)絡(luò)就可以得到該鐵路貨運站的服務(wù)質(zhì)量綜合值。

4 結(jié)論

本文利用三角模糊數(shù)AHP方法計算各評價指標的權(quán)重，將模糊性較強的問題具體化，同時兼顧主觀與客觀因素對指標權(quán)重的影響，具有可靠性較高，計算過程易于操作的優(yōu)點；利用BP神經(jīng)網(wǎng)絡(luò)模型來評價鐵路貨運站的服務(wù)質(zhì)量水平，通過調(diào)整參數(shù)來提高模型輸出的精度，直到達到使用要求，好處是對搜集到的大量歷史數(shù)據(jù)建立數(shù)據(jù)庫，在評價時只需輸入原始數(shù)據(jù)啟動網(wǎng)絡(luò)就可得到預(yù)測值，即待評價鐵路貨運站服務(wù)質(zhì)量水平，誤差較小，因此可將該評價方法用于服務(wù)質(zhì)量評價中。