基于改进云模型的出租车服务水平评价系统及评价方法

摘要

本发明的基于改进云模型的出租车服务水平评价系统及评价方法，评价系统包括评价指标体系模块、数据采集模块、数据库模块、改进云模型评价模块以及结果可视化模块，所述评价指标体系模块、数据采集模块、数据库模块、改进云模型评价模块依次相连，并最后到达结果可视化模块进行结果显示；评价方法包括数据采集、具体评价、改进云模型评价、主客观权重、K‑means聚类等；本发明在整个评价过程中实现评价过程的随机性、模糊性的同时兼有更好的比例性与灵活性，K‑means聚类用于主观权重确定保证主观性的同时，保留原始数据的分布，使计算结果更加科学合理，结合最初权重确定的变异系数法，使整个评价实现主观与客观的融合。

说明书

技术领域

本发明属于出租车服务质量技术领域，涉及出租车服务质量评级智能系统技术，更具体地说，涉及基于改进云模型的出租车服务水平评价系统及评价方法。

背景技术

出租车作为城市出行重要的交通工具，与公交共同承担城市的出行负担。面对交通压力的剧增，公交车的运营速度受到交通拥堵的严重限制，同时限号等措施从一定程度上限制了私家车的出行比例。因此，出租车成为了外地出差人员及本地居民出行的最佳方式。为了更好辅助公交车分担交通需求，促进出租车行业健康稳定发展，对于出租车行业的评价显得尤为重要。

目前关于出租车方面的评价，多采用随机挑选城市居民进行随机问卷调查，根据以往的乘坐经历进行指标评价，不能保证乘坐直观感受的真实有效性。评价不包含驾驶员编号或车辆车牌号，不能针对性进行有效改善或者建立激励机制，对于遗失物品和乘客人身安全等方面也并未实现有效保证。在权重确定方面一般只注重权重确定时的主观性或客观性，未实现两者有效的结合；且在评价过程中仅考虑到模糊性，并未充分考虑随机性的特点。

发明内容

有鉴于此，为解决上述现有技术的不足，本发明的目的在于提供基于改进云模型的出租车服务水平评价系统及评价方法，在整个评价过程中实现评价过程的随机性、模糊性的同时兼有更好的比例性与灵活性，K-means聚类用于主观权重确定保证主观性的同时，保留原始数据的分布，使计算结果更加科学合理，结合最初权重确定的变异系数法，使整个评价实现主观与客观的融合。贴合实际同时兼顾了模型模糊性、随机性与比例性。

为实现上述目的，本发明所采用的技术方案是：

基于改进云模型的出租车服务水平评价系统，包括评价指标体系模块、数据采集模块、数据库模块、改进云模型评价模块以及结果可视化模块，所述评价指标体系模块、数据采集模块、数据库模块、改进云模型评价模块依次相连，并最后到达结果可视化模块进行结果显示；

结合出租车运营实际情况建立出租车服务质量的所述评价指标体系模块，在乘客乘坐过程中，所述数据采集模块对各项指标评价数据采集，所述数据库模块进行数据收集分类，运用改进云模型评价模块进行评价，最后将评价结果可视化处理并传送给结果可视化模块。

进一步的，结合出租车运营实际情况从顾客期望、感知质量、感知价值、顾客抱怨及顾客忠诚五个方面建立出租车服务质量的评价指标体系模块，所述评价指标体系模块包括反映感知质量的5个一级指标，反映准时快捷的12个二级指标，反映候车时间的19个三级指标；定义一级指标为Lx，x为第x项一级指标；二级指标为Ry，y为第y项二级指标，三级指标为Cm，m为第m项三级指标。

进一步的，所述评价指标体系模块中采用5级李克特量表形式进行指标评价，采用的评价标准及赋值分别是：非常满意5、比较满意4、一般3、不太满意2和非常不满1。

进一步的，本发明的基于改进云模型的出租车服务水平评价系统的评价方法，包括以下步骤：

S1：所述数据采集模块包括测重传感器、监控设备，实现乘客上车定位或监控；

S11：数据采集模块具体评价时，需定位于该出租车车牌号或驾驶员驾驶编号；

S12：通过在副驾驶或后排座椅设置测重传感器，识别乘客上车，上车完成后，监控设备自动开始驾驶员语音、动作识别；

S2：在乘客乘坐过程中，所述数据采集模块对于以上各项指标进行调查评价信息采集，并采用网络调查问卷、调查链接或者APP软件进行整个乘坐过程的评价；

S3：所述数据库模块将整理的数据传递给改进云模型评价模块，改进云模型评价模块中各指标评价结果采用主观与客观权重以1:1比例与云参数结合进行加权平均的方法获得指标评价云B

S31：所述改进云模型评价模块中主观权重确定方面，运用K-means聚类法对于各指标进行聚类分析，根据三级指标各成员评价聚类，对各聚集簇成员权重进一步更新；

S4：所述改进云模型评价模块中通过主观与客观权重以1:1比例与指标评价云B

S5：评价完成后提交给所述数据库模块，数据库模块按照日期将评价问卷收集整理，待乘客下车完成，监控设备继续睡眠模式。

进一步的，所述步骤S31具体包括以下步骤：

S311：记录整理聚类数据，V个聚集簇聚集后的总成员个数之和为所有成员数总和；

S312：N

进一步的，所述步骤S31中，所述改进云模型评价模块中主观权重确定方面，运用K-means聚类法进行聚类分析时，在三级指标基础上进行二级指标的聚类分析，即在变异系数法确定的客观权重基础计算各个成员评价的二级指标分簇结果，进一步根据公式(5)更新成员的主观权重。

进一步的，所述步骤S31中，所述改进云模型评价模块中主观权重确定方面，运用K-means聚类法进行聚类分析时，进一步在二级指标基础上进行一级指标的聚类分析，进一步根据公式(5)更新成员的主观权重。

进一步的，所述步骤S31中，所述改进云模型评价模块中主观权重确定方面，运用K-means聚类法进行聚类分析时，可进一步在一级指标基础上进行整个评价分级的聚类分析，进一步根据公式(5)更新成员的主观权重。

本发明的有益效果是：

本发明以采取乘客乘车过程进行调查其对于出租车乘坐的直观感觉，通过后台对于问卷的收集进行数据分析了解产业现状，以寻找改善空间，每份问卷包括驾驶员编号或者驾驶车辆车牌号，可以横向分析乘客对于每辆出租车或者每位驾驶员的评价结果，以采取激励或定向措施进一步提高出租车产业的服务水平，同时，可方便乘客遗落物品找回以及保证乘客人身安全的目的。在整个评价过程中实现主客观权重确定的融合，在客观权重确定的基础上运用聚类方法进行权重进一步更新，形成主观权重；根据乘客评价特征，运用黄金分割法对云模型适当改进，贴合实际同时兼顾了模型模糊性、随机性与比例性。具体表现在：

与以往的出租车相比：车辆安装副驾驶或后排座椅测重传感器识别乘客上车，上车完成后，监控设备自动开始驾驶员语音、动作识别，在乘客乘坐过程中，对于以上各项指标进行调查评价信息采集，可采用网络调查问卷、调查链接或者APP软件进行整个乘坐过程的评价，评价完成后即提交系统，系统按照日期将评价问卷收集整理，待乘客下车完成监控设备继续睡眠模式。具体评价需定位于该出租车车牌号或驾驶员驾驶编号，以便于寻找问题针对性改善和采取激励机制促进整个行业的发展，同时，为遗失物品找寻及人身安全做到保障；

与传统的赋权方法相比：通过K-means聚类在聚类过程中形成聚集簇实现乘客权重的重新划分，由于乘客评价本身含有一定的主观性，在客观权重确定后进行各指标的簇划分进行各成员权重的进一步更新确定主观权重，相比于以往的主观赋权方法保证了数据的结构特征同时，在乘客评价的基础上进行主观赋权，使主观权重确定具有一定的科学性，并可以进行各级指标评价结果的分析，针对性采取改善措施；

与传统的评价算法相比：由于乘客对于各项指标评价的评价语言特征，评价过程具有模糊性和随机性，而云模型理论是基于传统概率统计和模糊集理论发展形成的一种综合评价法，能够实现定性概念和定量数值之间的相互转化，有效解决模糊概念的定量化处理，通过逆向或正向云发生器进行数据分析得到评价结果。而云模型在进行评价等级云参数确定中常用的方法为指标近似法，指标近似法中各评价等级之间的期望、熵值以及超熵分配类似，根据乘客评价的心理状态，对于指标感受处于一般中等状态最为常见，因此结合乘客自身心理状态，中等水平云参数与两端水平云参数存在较大差别，因此改进的云模型在云模型基础上通过黄金分割法进行评级等级的重新划分，使得云参数确定更加兼顾比例特征与灵活性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的系统流程图；

图2为K-means聚类流程图；

图3为本发明实施例的评价等级云图；

图4为本发明实施例的评价结果云图。

具体实施方式

下面给出具体实施例，对本发明的技术方案作进一步清楚、完整、详细地说明。本实施例是以本发明技术方案为前提的最佳实施例，但本发明的保护范围不限于下述的实施例。

基于改进云模型的出租车服务水平评价系统，包括评价指标体系模块、数据采集模块、数据库模块、改进云模型评价模块以及结果可视化模块，所述评价指标体系模块、数据采集模块、数据库模块、改进云模型评价模块依次相连，并最后到达结果可视化模块进行结果显示；

结合出租车运营实际情况建立出租车服务质量的所述评价指标体系模块，在乘客乘坐过程中，所述数据采集模块对各项指标评价数据采集，所述数据库模块进行数据收集分类，运用改进云模型评价模块进行评价，最后将评价结果可视化处理并传送给结果可视化模块。

进一步的，结合出租车运营实际情况从顾客期望、感知质量、感知价值、顾客抱怨及顾客忠诚五个方面建立出租车服务质量的评价指标体系模块，所述评价指标体系模块包括反映感知质量的5个一级指标，反映准时快捷的12个二级指标，反映候车时间的19个三级指标；定义一级指标为Lx，x为第x项一级指标；二级指标为Ry，y为第y项二级指标，三级指标为Cm，m为第m项三级指标。

在本实施例中，各级评价指标：一级指标、二级指标和三级指标如表1所示：

表1、一级指标、二级指标和三级指标如下：

进一步的，所述评价指标体系模块中采用5级李克特量表形式进行指标评价，采用的评价标准及赋值分别是：非常满意5、比较满意4、一般3、不太满意2和非常不满1。

进一步的，基于改进云模型的出租车服务水平评价系统的评价方法，包括以下步骤：

S1：所述数据采集模块包括测重传感器、监控设备，实现乘客上车定位或监控；

S11：数据采集模块具体评价时，需定位于该出租车车牌号或驾驶员驾驶编号；以便于寻找问题针对性改善和采取激励机制促进整个行业的发展，同时，为遗失物品找寻及人身安全做到保障；

S12：通过在副驾驶或后排座椅设置测重传感器，识别乘客上车，上车完成后，监控设备自动开始驾驶员语音、动作识别；

S2：在乘客乘坐过程中，所述数据采集模块对于以上各项指标进行调查评价信息采集，并采用网络调查问卷、调查链接或者APP软件进行整个乘坐过程的评价；

进一步的，步骤S3之前，改进云模型评价模块中权重确定方面，变异系数法用于客观权重即进行初步各成员权重确定，其计算步骤如下:

(1)计算变异系数：

(2)计算二级指标相对于服务质量的权重：

(3)计算一级指标权重：

(4)计算二级指标权重：

注：r

S3：所述数据库模块将整理的数据传递给改进云模型评价模块，改进云模型评价模块中各指标评价结果采用主观与客观权重以1:1比例与云参数结合进行加权平均的方法获得指标评价云B

S31：所述改进云模型评价模块中主观权重确定方面，运用K-means聚类法对于各指标进行聚类分析，根据三级指标各成员评价聚类，对各聚集簇成员权重进一步更新；

S4：所述改进云模型评价模块中通过主观与客观权重以1:1比例与指标评价云B

S5：评价完成后提交给所述数据库模块，数据库模块按照日期将评价问卷收集整理，待乘客下车完成，监控设备继续睡眠模式。

进一步的，所述步骤S31具体包括以下步骤：

S311：记录整理聚类数据，V个聚集簇聚集后的总成员个数之和为所有成员数总和；

S312：N

进一步的，所述步骤S31中，所述改进云模型评价模块中主观权重确定方面，运用K-means聚类法进行聚类分析时，在三级指标基础上进行二级指标的聚类分析，即在变异系数法确定的客观权重基础计算各个成员评价的二级指标分簇结果，进一步根据公式(5)更新成员的主观权重。

进一步的，所述步骤S31中，所述改进云模型评价模块中主观权重确定方面，运用K-means聚类法进行聚类分析时，进一步在二级指标基础上进行一级指标的聚类分析，进一步根据公式(5)更新成员的主观权重。

进一步的，所述步骤S31中，所述改进云模型评价模块中主观权重确定方面，运用K-means聚类法进行聚类分析时，可进一步在一级指标基础上进行整个评价分级的聚类分析，进一步根据公式(5)更新成员的主观权重。

进一步的，改进云模型评价模块中评价运用黄金分割法确定云模型各项参数；设评价标度为c，评价论域为[Qmin，Qmax]，若评价等级产生m朵云，中间的云参数为B

(1)期望的确定：根据论域[Qmin，Qmax]，取中间云朵的期望值为Ex

(2)熵值的确定：生成与中间云相邻的左右第一朵云En

(3)超熵值的确定：根据模糊程度设定中间云超熵值为H

进一步的，结果可视化模块中根据评价等级云参数和评价结果云参数形成云图，为减少误差，根据云模型理论，应取得云滴数

优选的，本发明的结果可视化模块中通过将各指标的出租车评价结果云图置于评价等级云图中，分析出租车各指标评价处于水平等级情况。可针对性分析现状，采取改善措施。整个评价过程可以得出乘客对于各项三级、二级、一级指标的不同满意程度，以此可作为出租车产业改善的方向。

综上所述，本发明的基于改进云模型的出租车服务水平评价系统及评价方法，在整个评价过程中实现评价过程的随机性、模糊性的同时兼有更好的比例性与灵活性，K-means聚类用于主观权重确定保证主观性的同时，保留原始数据的分布，使计算结果更加科学合理，结合最初权重确定的变异系数法，使整个评价实现主观与客观的融合。贴合实际同时兼顾了模型模糊性、随机性与比例性。

以上显示和描述了本发明的主要特征、基本原理以及本发明的优点。本行业技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会根据实际情况有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。