文琰杰， 許旺土， 董 陽(yáng)

(廈門大學(xué)建筑與土木工程學(xué)院， 廈門 361005)

0 引言

道路運(yùn)輸車輛衛(wèi)星定位系統(tǒng)運(yùn)營(yíng)商作為政企的數(shù)據(jù)樞紐和安全生產(chǎn)監(jiān)督者，在保障道路運(yùn)輸安全，提高道路客貨運(yùn)輸效率方面起著重要的作用.

目前交通領(lǐng)域中管理效果評(píng)價(jià)的研究大部分集中在鐵路、公路和城市公共交通系統(tǒng)上，涉及包括人員、經(jīng)濟(jì)效益、管理結(jié)構(gòu)、安全性以及滿意度等多個(gè)方面，但對(duì)于車輛監(jiān)管定位系統(tǒng)評(píng)價(jià)的相關(guān)研究較少[1-3]. 道路運(yùn)輸車輛衛(wèi)星定位系統(tǒng)運(yùn)營(yíng)商能解決政企合作關(guān)系松散性，實(shí)現(xiàn)主動(dòng)，實(shí)時(shí)定位運(yùn)輸車輛的需求[4]. 針對(duì)道路運(yùn)輸車輛衛(wèi)星定位系統(tǒng)運(yùn)營(yíng)商考評(píng)指標(biāo)多維度問(wèn)題，構(gòu)建合理的衛(wèi)星定位系統(tǒng)運(yùn)營(yíng)商考評(píng)體系，得到公平的考評(píng)結(jié)果，這對(duì)于提高政府監(jiān)管效率，實(shí)現(xiàn)地方政府有限監(jiān)管力量的優(yōu)化配置，提高道路運(yùn)輸車輛安全具備重要意義.

目前，針對(duì)道路運(yùn)輸車輛衛(wèi)星定位系統(tǒng)運(yùn)營(yíng)商的相關(guān)考評(píng)研究少，Xuan等[5]對(duì)企業(yè)道路運(yùn)輸車輛衛(wèi)星定位系統(tǒng)評(píng)價(jià)內(nèi)容、評(píng)價(jià)標(biāo)準(zhǔn)、評(píng)價(jià)標(biāo)準(zhǔn)權(quán)重展開(kāi)研究，提出了層次分析法對(duì)其進(jìn)行綜合考評(píng). 雖然針對(duì)道路運(yùn)輸車輛衛(wèi)星定位系統(tǒng)運(yùn)營(yíng)商的考評(píng)研究不足，但針對(duì)不同的考評(píng)方法應(yīng)用于不同的場(chǎng)景取得了優(yōu)秀的成果，如Feng等[6]針對(duì)航空公司樣本規(guī)模小、樣本分布未知等問(wèn)題，采用灰色關(guān)聯(lián)分析法選取具有代表性的指標(biāo)，并運(yùn)用TOPSIS法對(duì)航空公司的排名進(jìn)行排序；Zhu等[7]采用數(shù)據(jù)包絡(luò)分析(DEA)方法對(duì)出租車的運(yùn)營(yíng)商績(jī)效進(jìn)行評(píng)估，結(jié)果表明多個(gè)DEA模型的組合可獲得更為客觀的效率值；張舒沁等[8]從用地、出行、經(jīng)濟(jì)、環(huán)境、社會(huì)5個(gè)維度選取相關(guān)指標(biāo)構(gòu)建了北京市TOD發(fā)展成效評(píng)價(jià)指標(biāo)體系；楊國(guó)元等人[9]從旅客感知角度出發(fā)，構(gòu)建了鐵路客運(yùn)服務(wù)質(zhì)量評(píng)價(jià)體系；王瑋琪等[10]提出了基于雙重標(biāo)準(zhǔn)指標(biāo)體系框架應(yīng)用于公路建設(shè)方案必選.

綜上，考評(píng)研究的核心是理解各項(xiàng)指標(biāo)的權(quán)重關(guān)系，而獲取具體評(píng)定結(jié)果時(shí)，傳統(tǒng)方法會(huì)導(dǎo)致計(jì)算過(guò)程中有效信息的損失，屬性識(shí)別法[11]則能對(duì)事物進(jìn)行有效識(shí)別和比較分析. 屬性識(shí)別法結(jié)合客觀定權(quán)的方法能使得考評(píng)結(jié)果更加真實(shí)可信，張文會(huì)等[12]用熵值法計(jì)算指標(biāo)權(quán)重結(jié)合屬性識(shí)別模型對(duì)事故現(xiàn)場(chǎng)處置方案進(jìn)行安全性評(píng)價(jià)；楊尚陽(yáng)等 采用熵值法結(jié)合屬性識(shí)別模型用于對(duì)路面狀況的評(píng)價(jià)；郭延勇等[13]基于屬性識(shí)別理論提出了高速公路安全設(shè)施綜合評(píng)價(jià)模型，構(gòu)建了高速公路安全設(shè)施評(píng)價(jià)指標(biāo)體系. 綜上，通過(guò)熵權(quán)法確定指標(biāo)權(quán)重結(jié)合屬性識(shí)別模型可合理地對(duì)有序數(shù)據(jù)集進(jìn)行評(píng)價(jià)，但是相關(guān)論文缺少不同定權(quán)算法與屬性識(shí)別模型相結(jié)合的對(duì)比.

縱覽相關(guān)的研究，本文主要彌補(bǔ)現(xiàn)存研究的不足，研究?jī)?nèi)容具體如下：①提出屬性識(shí)別法對(duì)道路營(yíng)運(yùn)車輛衛(wèi)星定位運(yùn)營(yíng)商績(jī)效進(jìn)行評(píng)定，達(dá)到保留較多計(jì)算過(guò)程中有效中間信息的目的. ②討論不同權(quán)重算法融合屬性識(shí)別法對(duì)考評(píng)結(jié)果的影響. ③以廈門市營(yíng)運(yùn)車輛衛(wèi)星定位運(yùn)營(yíng)商績(jī)效數(shù)據(jù)為例，進(jìn)行算法性能分析，驗(yàn)證提出算法的可行性.

1 衛(wèi)星定位運(yùn)營(yíng)商績(jī)效考評(píng)指標(biāo)

根據(jù)交通運(yùn)輸部印發(fā)的《全國(guó)重點(diǎn)營(yíng)運(yùn)車輛聯(lián)網(wǎng)聯(lián)控系統(tǒng)考核管理辦法(交運(yùn)發(fā)[2016]160號(hào))》的規(guī)定，運(yùn)營(yíng)商的考評(píng)指標(biāo)由三大部分組成：基礎(chǔ)硬件(BH)、技術(shù)指標(biāo)(TI)、運(yùn)營(yíng)管理(MS). 其中每個(gè)指標(biāo)都由若干個(gè)二級(jí)指標(biāo)組成. 由于基礎(chǔ)硬件與運(yùn)營(yíng)管理是相關(guān)管理部門的主觀考察指標(biāo)，也是運(yùn)營(yíng)商必須達(dá)標(biāo)的硬性指標(biāo)，其考評(píng)具備主觀性和空間分布上的無(wú)差異性. 因此，本文主要以技術(shù)指標(biāo)(TI)為考評(píng)內(nèi)容，依照相關(guān)指標(biāo)對(duì)運(yùn)營(yíng)商進(jìn)行考評(píng)排序.

TI一共包括了5項(xiàng)二級(jí)指標(biāo)，其內(nèi)容和標(biāo)稱數(shù)據(jù)意義分別如下，相應(yīng)指標(biāo)的值標(biāo)稱意義一致，即其值越大則相應(yīng)的考評(píng)結(jié)果越好.

1)平臺(tái)連通率(PC):統(tǒng)計(jì)周期內(nèi)，轄區(qū)內(nèi)平臺(tái)連通率. 低于90%為差，90%～95%為良，95%～100%為好.

2)車輛上線率(VOR):統(tǒng)計(jì)周期內(nèi)，有營(yíng)運(yùn)車輛未上線(含臨時(shí)報(bào)停)的扣1個(gè)百分點(diǎn). 轄區(qū)內(nèi)車輛上線率低于90%為差，90%～95%為良，95%～100%為好.

3)軌跡完整率(TIA):統(tǒng)計(jì)周期內(nèi)，統(tǒng)計(jì)有軌跡丟失車輛占比. 轄區(qū)內(nèi)車輛軌跡率低于70%為差. 70%～97%為良，97%～100%為好.

4)數(shù)據(jù)合格率(DPR):轄區(qū)內(nèi)數(shù)據(jù)合格率低于80%為差，80%～90%為良，90%～100%為好.

5)衛(wèi)星定位飄逸率(SPR)：統(tǒng)計(jì)周期內(nèi)，在一定時(shí)間間隔內(nèi)，運(yùn)輸車輛的軌跡差超過(guò)閾值則認(rèn)為該車軌跡出現(xiàn)飄逸. 轄區(qū)內(nèi)衛(wèi)星定位飄逸率高于5%為差，1%～5%為良，低于1%為好，為了保證數(shù)據(jù)標(biāo)稱的一致性對(duì)此特征進(jìn)行重新定義:衛(wèi)星定位非飄逸率即低于95%為差，95%～99%為良，高于99%為好.

2 融合權(quán)重的屬性識(shí)別改進(jìn)算法

在實(shí)際的問(wèn)題中，例如考評(píng)的問(wèn)題，都可歸結(jié)為對(duì)定性描述的度量問(wèn)題，在面對(duì)有序集方面，屬性識(shí)別法與模糊綜合評(píng)判法[14]得到了廣泛的應(yīng)用，但后者在關(guān)于回答一項(xiàng)數(shù)據(jù)有多“差(好)”的程度時(shí)會(huì)導(dǎo)致大批有用的中間信息損失，因此屬性識(shí)別法具備分級(jí)清晰，關(guān)系、結(jié)論與實(shí)際相符合的優(yōu)點(diǎn). 考慮指標(biāo)間的權(quán)重是影響屬性識(shí)別法性能的關(guān)鍵，將提出4類融合權(quán)重算法的屬性識(shí)別法改進(jìn)算法融合權(quán)重算法的屬性識(shí)別改進(jìn)算法主要有3個(gè)核心部分：分類標(biāo)準(zhǔn)矩陣、測(cè)量數(shù)據(jù)矩陣、指標(biāo)權(quán)向量.定義如下，下標(biāo)i代表指標(biāo)的索引，下標(biāo)j為標(biāo)稱尺度索引，下標(biāo)z為數(shù)據(jù)樣本的索引，m為分類指標(biāo)數(shù)，k為標(biāo)稱尺度數(shù)，n為樣本數(shù)據(jù)條數(shù)，Ii代表第i個(gè)指標(biāo)在每個(gè)評(píng)價(jià)尺度下的對(duì)應(yīng)值向量，Cj代表在當(dāng)前第j個(gè)尺度下各個(gè)指標(biāo)的取值向量，Dz為第z條數(shù)據(jù)各項(xiàng)指標(biāo)的測(cè)量值組成的向量，Ei為第i個(gè)指標(biāo)在所有樣本中的取值組成的向量.各個(gè)符號(hào)和變量的說(shuō)明如下.

分類標(biāo)準(zhǔn)矩陣：

單指標(biāo)分類向量：

Ii=[ai1,ai2…,aik](i=1,2,3…,m)

單分類指標(biāo)向量：

測(cè)量數(shù)據(jù)矩陣：

單條數(shù)據(jù)各指標(biāo)向量：

Dz=[bz1,bz2,…,bzm](z=1,2,3,…n)

單指標(biāo)各條數(shù)據(jù)向量：

指標(biāo)權(quán)向量：

W=[w1,w2,…,wm]

一般地，屬性識(shí)別法中將各項(xiàng)指標(biāo)認(rèn)為同等重要，即各項(xiàng)指標(biāo)權(quán)重相等.然而實(shí)際情況下各項(xiàng)指標(biāo)的重要程度不一致，等權(quán)重法并不適用，為了使得評(píng)價(jià)結(jié)果客觀合理需要充份利用已有的信息，確定各項(xiàng)指標(biāo)的權(quán)重，即基于已有信息計(jì)算W.本節(jié)將首先介紹4類權(quán)重計(jì)算方法.

1)信息濃縮:因子分析法

因子分析法與主成分分析法類似均是利用信息濃縮的思想[15]，但因子分析法通過(guò)“旋轉(zhuǎn)”，讓因子更具備解釋意義，因子分析法通過(guò)共性因子來(lái)表達(dá)觀測(cè)變量，反之，也可通過(guò)觀測(cè)變量來(lái)表達(dá)共性因子，見(jiàn)式(1)，其中Xi為觀測(cè)因子，F(xiàn)m為共性因子，εi為特殊因子，F(xiàn)m和εi均為不可直接觀測(cè)的隨機(jī)變量.其矩陣形式可寫為：X=AF+ε，即將m維的x變量壓縮至p維.

Xi=ai1F1+ai2F2+…+aipFP+εi
(i=1,2,…,m)

(1)

2)數(shù)字相對(duì)性:層次分析法

層次分析法主要是通過(guò)專家打分獲取判斷矩陣，依據(jù)判斷矩陣通過(guò)行(列)和求出各層指標(biāo)的權(quán)重[16].其主要思想按照權(quán)重在不同層的傳遞來(lái)求每層各個(gè)指標(biāo)的權(quán)重.特征向量歸一化作為該層指標(biāo)的權(quán)重向量，最大特征根用于判斷判斷矩陣的一致性.

3)利用數(shù)據(jù)信息量:熵值法

熵值法是依據(jù)數(shù)據(jù)攜帶的信息量的大小進(jìn)行權(quán)重計(jì)算，熵是一種不確定性的度量，其衡量了信息的混亂程度，信息量越小，不確定性越大，熵值越大，相對(duì)應(yīng)該指標(biāo)獲得的權(quán)重也越小[17]，其核心計(jì)算流程如式(2)～(5).其中下標(biāo)代表數(shù)據(jù)條的索引，一共n條數(shù)據(jù)集；下標(biāo)i代表指標(biāo)索引，一共m個(gè)指標(biāo)，wi為第i項(xiàng)指標(biāo)的權(quán)重.

(2)

(3)

gi=1-ei

(4)

(5)

4)數(shù)據(jù)波動(dòng)性:獨(dú)立性權(quán)重法

獨(dú)立性權(quán)重法利用多元線性回歸通過(guò)計(jì)算復(fù)相關(guān)系數(shù)R進(jìn)行定權(quán)，相關(guān)系數(shù)越大說(shuō)明重復(fù)信息越多則權(quán)重越小，最終權(quán)重由復(fù)相關(guān)系數(shù)的倒數(shù)值進(jìn)行歸一化得到[18].

k=β0+β1x1+…+βnxm

(6)

(7)

通過(guò)對(duì)核心變量的定義，結(jié)合測(cè)度函數(shù)求出測(cè)度分布矩陣，來(lái)獲得考評(píng)結(jié)果，式(8)求測(cè)度分布矩陣，此處假設(shè)指標(biāo)為升序，即值越大越好，滿足ai1

M=BnmAmk

(8)

(9)

通過(guò)上述對(duì)多指標(biāo)多數(shù)據(jù)條的測(cè)度計(jì)算，可得到測(cè)度分布矩陣如式(10).測(cè)度分布矩陣：

(10)

基于測(cè)度矩陣需要對(duì)數(shù)據(jù)進(jìn)行考評(píng)，考評(píng)準(zhǔn)則分為基于置信度準(zhǔn)則與基于評(píng)分標(biāo)準(zhǔn)準(zhǔn)則.其中按照置信度準(zhǔn)則計(jì)算式(11)，取置信度為γ，lz為對(duì)應(yīng)第z條數(shù)據(jù)的所屬等級(jí).

(11)

按照評(píng)分標(biāo)準(zhǔn)準(zhǔn)則計(jì)算式(12)，對(duì)每條數(shù)據(jù)依據(jù)數(shù)值大小進(jìn)行排序，其中sz為對(duì)應(yīng)第z條數(shù)據(jù)的評(píng)分值，nj=K+1-j，1≤j≤K.

(12)

按照置信度度準(zhǔn)測(cè)可對(duì)數(shù)據(jù)樣本進(jìn)行等級(jí)劃分，能從整體上，按照評(píng)分標(biāo)準(zhǔn)準(zhǔn)則可在數(shù)值上動(dòng)態(tài)比較數(shù)據(jù)之間的考評(píng)結(jié)果差異，能從細(xì)粒度了解數(shù)據(jù)的變化.

3 案例分析

以廈門市06-01—06-26衛(wèi)星定位運(yùn)營(yíng)商技術(shù)指標(biāo)(TI)考評(píng)數(shù)據(jù)為基礎(chǔ)，其中除了層次分析法不需要先驗(yàn)數(shù)據(jù)來(lái)獲取權(quán)重外，其余3類權(quán)重計(jì)算方法均需要基于數(shù)據(jù)定權(quán)，采用06-01—06-21為獲取權(quán)重?cái)?shù)據(jù)，22—26日為實(shí)驗(yàn)對(duì)比數(shù)據(jù).

基于SPSS獲取各個(gè)指標(biāo)的權(quán)重如表1所示，因子分析法中VOR，DPR，SPR占同等權(quán)重，TIA權(quán)重最大而PC權(quán)重最低；層次分析法依據(jù)專家經(jīng)驗(yàn)從判斷矩陣到各項(xiàng)指標(biāo)權(quán)重，其中PC，VOR，DPR權(quán)重相等，TIA權(quán)重最大；熵值法中VOR與TIA占同等權(quán)重，PC與DPR占同等權(quán)重而SPR的權(quán)重最大，這是由于其數(shù)據(jù)分布差異性較大,熵值法缺乏各指標(biāo)之間的橫向比較且權(quán)值依賴于樣本的原因；獨(dú)立性權(quán)重中VOR、PC的權(quán)重較大而DPR與SPR的權(quán)重小，對(duì)下列不同算法的權(quán)重由大到小排序見(jiàn)表1.

表1 不同權(quán)重計(jì)算方法結(jié)果

由表2可看出權(quán)重算法不同其得到相應(yīng)的結(jié)果也會(huì)有差異，其中因子分析法與層次分析法在數(shù)值上有所差異但在趨勢(shì)上大致相同，而熵權(quán)法與獨(dú)立性權(quán)重法的結(jié)果卻存在較大差異.

表2 權(quán)重排序

定權(quán)后，對(duì)五日的運(yùn)營(yíng)商數(shù)據(jù)進(jìn)行評(píng)估，其中廈門市一共6家衛(wèi)星定位運(yùn)營(yíng)商，定義為(A,B,C,D,E,F)，其分類標(biāo)準(zhǔn)矩陣如式(13)，對(duì)應(yīng)等級(jí)為{“差”“良”“好”}.

(13)

則可獲得在不同權(quán)重條件下的屬性測(cè)度分布矩陣，如表3所示，其中行代表數(shù)據(jù)條，列代表對(duì)應(yīng)的標(biāo)稱尺度.從測(cè)度矩陣看，在不同權(quán)重條件下，各運(yùn)營(yíng)商考評(píng)結(jié)果在“好”尺度上具備較大從屬度.

表3 不同權(quán)重下運(yùn)營(yíng)商5日測(cè)度矩陣

續(xù)表3

表3中為對(duì)應(yīng)不同權(quán)重算法結(jié)合屬性識(shí)別法計(jì)算的各個(gè)運(yùn)營(yíng)商5日的測(cè)度矩陣，為了對(duì)在不同權(quán)重下的各個(gè)運(yùn)營(yíng)商進(jìn)行考評(píng)結(jié)果進(jìn)行考評(píng)結(jié)果比較，需要在不同的準(zhǔn)則條件下計(jì)算其整體分級(jí)結(jié)果.

1)置信度準(zhǔn)則

取置信度γ=0.5,根據(jù)式(10). 各運(yùn)營(yíng)商評(píng)分排序如表4，對(duì)應(yīng)定義為{C1,C2,C3}={“差”“良”“好”}， 6家運(yùn)營(yíng)商5日評(píng)分等級(jí)基本為“好”，除了在以層次分析法中第1日6家運(yùn)營(yíng)商評(píng)分等級(jí)為“良”. 由于評(píng)分等級(jí)為離散值，能反映出運(yùn)營(yíng)商的整體情況，但是不能在運(yùn)營(yíng)商之間進(jìn)行比較且分析運(yùn)營(yíng)商逐日的運(yùn)營(yíng)考評(píng)結(jié)果，因此還需按照評(píng)分標(biāo)準(zhǔn)準(zhǔn)則進(jìn)行對(duì)比.

表4 各運(yùn)營(yíng)商5日評(píng)分等級(jí)

2)按照評(píng)分標(biāo)準(zhǔn)準(zhǔn)則

將測(cè)度矩陣整合為各個(gè)運(yùn)營(yíng)商的評(píng)分標(biāo)準(zhǔn)以數(shù)值化顯示，得分越低表示考評(píng)結(jié)果越好，以此來(lái)反映單個(gè)運(yùn)營(yíng)商連續(xù)日的考核情況變化(見(jiàn)表6)以及運(yùn)營(yíng)商之間的考核對(duì)比情況(見(jiàn)表5). 由表5可對(duì)比不同權(quán)重之間各個(gè)運(yùn)營(yíng)商的考核情況，對(duì)其進(jìn)行評(píng)分由大到小排序排序結(jié)果見(jiàn)表7,根據(jù)表5～ 7得到如下結(jié)論：

1)在不同權(quán)重計(jì)算方法下，運(yùn)營(yíng)商的考評(píng)結(jié)果也會(huì)不同(見(jiàn)表5)，整體排序也存在差異(見(jiàn)表7).

表5 5日運(yùn)營(yíng)商平均考評(píng)得分

2)整體上A、E運(yùn)營(yíng)商考核情況好，而B(niǎo)、C運(yùn)營(yíng)商考核情況差(見(jiàn)表7).

3)獨(dú)立性權(quán)重法與等權(quán)重法計(jì)算的考評(píng)結(jié)果較其他3類權(quán)重計(jì)算考評(píng)結(jié)果具備明顯差異(見(jiàn)表7).

表7 不同權(quán)重評(píng)分大小排序

4)不同權(quán)重計(jì)算方法下，雖然得出的考評(píng)結(jié)果不同，但連續(xù)日的考評(píng)結(jié)果變化趨勢(shì)基本一致(見(jiàn)表6).

5)以層次分析法，A運(yùn)營(yíng)商為例，通過(guò)連續(xù)值來(lái)表示運(yùn)營(yíng)商的考核情況，A運(yùn)營(yíng)商在第一日考核略差，而后連續(xù)3日考核較好，第5日考核略有下降(見(jiàn)表6)，通過(guò)評(píng)分標(biāo)準(zhǔn)準(zhǔn)則可把握運(yùn)營(yíng)商在不同時(shí)間段的績(jī)效考核情況，以此達(dá)到動(dòng)態(tài)監(jiān)管的目的.

表6 各運(yùn)營(yíng)商每日考評(píng)得分情況

4 結(jié)束語(yǔ)

各指標(biāo)間的權(quán)重是影響屬性識(shí)別算法性能的關(guān)鍵，本文提出4類權(quán)重計(jì)算方法融合屬性識(shí)別法并以廈門市運(yùn)輸車輛衛(wèi)星定位系統(tǒng)運(yùn)營(yíng)商績(jī)效考評(píng)數(shù)據(jù)為例進(jìn)行算法性能實(shí)驗(yàn)分析，結(jié)果表明不同的權(quán)重算法下其考核的結(jié)果不相同，按照評(píng)分標(biāo)準(zhǔn)準(zhǔn)則下運(yùn)營(yíng)商每日考核情況趨勢(shì)一致，而在平均具體得分中，結(jié)果略有不同. 為獲取指標(biāo)權(quán)重，在有大批量先驗(yàn)數(shù)據(jù)的情況下可采用因子分析法、熵權(quán)法、獨(dú)立性權(quán)重法；當(dāng)無(wú)先驗(yàn)數(shù)據(jù)或獲取數(shù)據(jù)成本較高時(shí)候可通過(guò)層次分析法確定權(quán)重.

在研究上也存在一定的不足，如數(shù)據(jù)樣本量較小，因此基于小批量數(shù)據(jù)計(jì)算出來(lái)的權(quán)重具有一定的局限性，在未來(lái)的研究中可考慮融入高維度，大批量的數(shù)據(jù)進(jìn)行權(quán)重的計(jì)算.