一种基于AHP和模糊评价法的网约车监管评价方法

摘要

本发明涉及城市共享出行资源监管技术领域，具体公开了一种基于AHP和模糊评价法的网约车监管评价方法，包括：建立网约车监管评价指标体系；确定所述网约车监管评价指标体系的权重向量；计算所述网约车监管评价指标体系的模糊评价矩阵；综合网约车监管评价指标体系的权重向量和模糊评价矩阵得到网约车监管评价结果向量，进一步得到网约车监管最终评价结果，以网约车监管最终评价结果最邻近的评语来衡量网约车的监管状态。本发明提供的基于AHP和模糊评价法的网约车监管评价方法，通过自动获取网约车监管平台的数据，后台自动处理计算，具有较好的可操作性、实时性和有效性的优势。

说明书

技术领域

本发明涉及城市共享出行资源监管技术领域，更具体地，涉及一种基于AHP和模糊评价法的网约车监管评价方法。

背景技术

网约车作为新生事物，虽然创新了商业模式、改善了用户服务体验、创造了新型就业，但是也存在广泛的争议。网约车乱象频发的问题使得网约车监管成了网约车发展的首要难题。

通过检索网约车监管相关论文，现有研究主要集中于网约车监管的法律制度方面，对于定量分析网约车监管水平的研究较少。现有的相关专利较少，申请号201710085017.5的专利提供了一种基于通信认证技术的网约车监管系统和监管方法，申请号201910368146.4的专利提供了一种基于运营数据的网约车监管方法，申请号201810491220.7的专利提供了一种基于轨迹数据的网约车监管方法，但是都没有考虑出行者和政府监管职能。

发明内容

本发明提供了一种基于AHP和模糊评价法的网约车监管评价方法，解决目前网约车监管缺少定量分析评价的问题。

作为本发明的第一个方面，提供一种基于AHP和模糊评价法的网约车监管评价方法，包括以下步骤：

步骤S1：获取网约车监管平台上的数据，并依据所述网约车监管平台上的数据，建立网约车监管评价指标体系；

步骤S2：对已建立的所述网约车监管评价指标体系构造判断矩阵，以确定所述网约车监管评价指标体系的权重向量，其中，所述网约车监管评价指标体系包括多个评价指标，所述权重向量由各个评价指标的权重值组成；

步骤S3：对已建立的所述网约车监管评价指标体系构建各个评价指标的隶属关系，并利用所述隶属关系计算得到所述网约车监管评价指标体系的模糊评价矩阵；

步骤S4：综合所述网约车监管评价指标体系的权重向量和模糊评价矩阵得到网约车监管评价结果向量，进一步综合所述网约车监管评价结果向量和预先设置的网约车监管状态的评语集计算得到网约车监管最终评价结果，以所述网约车监管最终评价结果最邻近的评语来衡量网约车的监管状态。

进一步地，所述多个评价指标包括：车辆在线率、车辆使用率、多次违法未处理车辆比例、预警处置有效率和投诉率。

进一步地，所述车辆在线率的计算公式为：

其中，R

所述车辆使用率的计算公式为：

其中，E

所述多次违法未处理车辆比例的计算公式为：

其中，S

所述预警处置有效率的计算公式为：

其中，S

所述投诉率的计算公式为：

其中，E

进一步地，所述步骤S2具体包括：

步骤S201：利用1～9标度法分析评价指标两两之间的相对重要性；

步骤S202：根据所述评价指标两两之间的相对重要性构造所述网约车监管评价指标体系的判断矩阵；

步骤S203：计算所述判断矩阵的最大特征根及其特征向量，以对所述判断矩阵做一致性检验，从而确定所述权重向量的有效性；

步骤S204：当所述一致性检验满足要求后，建立所述网约车监管评价指标体系的权重向量。

进一步地，所述步骤S3具体包括：

步骤S301：确定所述网约车监管状态的评语集，所述评语集包括优秀、良好、中等、一般以及较差5大类评语，并对所述评语集V赋值为V＝{v

步骤S302：依据所述网约车监管状态的评语集，确定各个评价指标的隶属度；

步骤S303：依据所述各个评价指标的隶属度，确定各个评价指标的隶属度函数；

步骤S304：利用所述隶属度函数计算得到所述网约车监管评价指标体系的模糊评价矩阵。

进一步地，所述网约车监管评价结果向量的计算公式为：

其中，Y为网约车监管评价结果向量，W为网约车监管评价指标体系的权重向量，R为网约车监管评价指标体系的模糊评价矩阵，w

所述网约车监管最终评价结果的计算公式为：

其中，Z为网约车监管最终评价结果，V为网约车监管状态的评语集，y

本发明提供的基于AHP和模糊评价法的网约车监管评价方法具有以下优点：通过调用网约车监管平台数据，对数据进行处理和分析后，得到网约车运行水平评价结果，以方便政府对网约车进行监管，改善网约车的运营安全、效率和服务质量。

附图说明

附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。

图1为本发明提供的基于AHP和模糊评价法的网约车监管评价方法的流程图。

图2为本发明提供的基于AHP和模糊评价法的网约车监管评价方法的具体实施方式流程图。

图3为本发明提供的网约车监管评价指标体系的结构图。

具体实施方式

为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于AHP和模糊评价法的网约车监管评价方法其具体实施方式、结构、特征及其功效，详细说明如后。显然，所描述的实施例为本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

在本实施例中提供了一种基于AHP和模糊评价法的网约车监管评价方法，如图1所示，基于AHP和模糊评价法的网约车监管评价方法包括：

步骤S1：获取网约车监管平台上的数据，并依据所述网约车监管平台上的数据，建立网约车监管评价指标体系；

步骤S2：对已建立的所述网约车监管评价指标体系构造判断矩阵，以确定所述网约车监管评价指标体系的权重向量，其中，所述网约车监管评价指标体系包括多个评价指标，所述权重向量由各个评价指标的权重值组成；

步骤S3：对已建立的所述网约车监管评价指标体系构建各个评价指标的隶属关系，并利用所述隶属关系计算得到所述网约车监管评价指标体系的模糊评价矩阵；

步骤S4：综合所述网约车监管评价指标体系的权重向量和模糊评价矩阵得到网约车监管评价结果向量，进一步综合所述网约车监管评价结果向量和预先设置的网约车监管状态的评语集计算得到网约车监管最终评价结果，以所述网约车监管最终评价结果最邻近的评语来衡量网约车的监管状态。

需要说明的是，数据集可由网约车监管平台自动获取，涉及公安交通管理、城市管理、交通运输部门和网约车运营企业等单位，涵盖网约车驾驶人、网约车车辆、网约车订单、车辆实时位置分布等多方面的数据。

优选地，结合图2所示，所述步骤S2具体包括：

步骤S201：利用1～9标度法分析评价指标两两之间的相对重要性；

注：c

步骤S202：根据所述评价指标两两之间的相对重要性构造所述网约车监管评价指标体系的判断矩阵；

步骤S203：计算所述判断矩阵的最大特征根及其特征向量，以对所述判断矩阵做一致性检验，从而确定所述权重向量的有效性；

步骤S204：当所述一致性检验满足要求后，建立所述网约车监管评价指标体系的权重向量W＝(w

优选地，结合图2所示，所述步骤S3具体包括：

步骤S301：确定所述网约车监管状态的评语集，所述评语集包括优秀、良好、中等、一般以及较差5大类评语，并对所述评语集V赋值为V＝{v

步骤S302：依据所述网约车监管状态的评语集，确定各个评价指标的隶属度；

步骤S303：依据所述各个评价指标的隶属度，确定各个评价指标的隶属度函数；

步骤S304：利用所述隶属度函数计算得到所述网约车监管评价指标体系的模糊评价矩阵，其中，模糊评价矩阵如下：

其中，r

优选地，如图3所示，所述多个评价指标包括：车辆在线率、车辆使用率、多次违法未处理车辆比例、预警处置有效率和投诉率。

优选地，所述车辆在线率的计算公式为：

其中，R

所述车辆使用率的计算公式为：

其中，E

所述多次违法未处理车辆比例的计算公式为：

其中，S

所述预警处置有效率的计算公式为：

其中，S

所述投诉率的计算公式为：

其中，E

需要说明的是，所述车辆在线率是实现网约车监管功能的基础，由网约车监管平台在线车辆数和注册车辆总数计算得到；所述车辆使用率是评估网约车运营和调度效率的重要指标，由网约车监管平台根据网约车回传的使用或载客情况计算得到；所述多次违法未处理车辆比例是评估网约车运营安全监管的重要指标，由网约车监管平台统计存在多次交通违法行为且未处理的机动车的比例得到；所述预警处置有效率是评估网约车运营安全监管的重要指标，由网约车监管平台根据5分钟内网约车监管平台的预警事件处置完成数计算得到；所述投诉率是评估网约车运营服务监管的重要指标，由网约车监管平台统计网约车订单的投诉事件总数计算得到。

优选地，所述网约车监管评价结果向量的计算公式为：

其中，Y为网约车监管评价结果向量，W为网约车监管评价指标体系的权重向量，R为网约车监管评价指标体系的模糊评价矩阵，w

所述网约车监管最终评价结果的计算公式为：

其中，Z为网约车监管最终评价结果，V为网约车监管状态的评语集，y

本发明的具体实施过程如下：

第一，确定网约车监管评价指标体系，如图3所示；

第二，对5项评价指标按照1～9标度法构造判断矩阵，需要说明的是，此过程需要结合行业专家评价等措施，最终得到判断矩阵，例如可获得如下的判断矩阵A：

第三，通过计算上述判断矩阵的最大特征根及其特征向量，可获得初步的权重向量；

第四，对上述结果进行一致性检验分析，以检查是否存在逻辑问题，一致性指标CR的计算公式为：

其中，CI为判断矩阵偏离一致性的指标，其计算公式为：

其中，λ

RI为随机一致性指标，其值可由下表获取：

表1 RI数值

例如，可计算得到上述判断矩阵的一致性检验结果为：λ

第五，确定最终网约车监管评价指标体系的权重向量W为：

W＝[0.2，0.16，0.09，0.37，0.18]

第六，确定模糊评价的评语集及对应的隶属度；需要说明的是，此过程需要查阅现有相关文献资料、标准、法规等资料以及行业专家建议；例如将网约车监管状态的评语划分为优秀、良好、中等、一般、较差5大类，并分别赋予权重[100，90，80，70，60]，各评价指标与评语集之间对应的隶属度如下表所示；

表2评价指标隶属度

第七，根据所述隶属度，最终确定各评价指标的隶属度函数；例如，评价指标车辆在线率的隶属度函数为：

其中，x为某一时刻的评价指标值；

第八，根据确定的隶属度函数和各评价指标值可获取模糊矩阵R，例如某一时刻，上述网约车监管评价指标体系的模糊评价矩阵为：

第九，根据上述权重向量和模糊评价矩阵，可计算得到网约车监管评价结果向量Y＝[0.24，0.42，0.18，0，0.16]，进一步可计算得到网约车监管最终评价结果为85.8；

第十，根据网约车监管最终评价结果可判断当前时刻当前监管范围内的网约车运营状态为良好。

综上，本发明提供的一种基于AHP和模糊评价法的网约车监管评价方法，通过自动获取网约车监管平台的数据，后台自动处理计算，具有较好的可操作性、实时性和有效性。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。