CN110119874A - 一种对铁路客运站运输服务能力进行评价的方法以及动态监测装置 - Google Patents

Abstract

本发明提供了一种对铁路客运站运输服务能力进行评价的方法以及动态监测装置，方法包括以下步骤：从人力、设备、环境以及管理四个方面构建铁路运输服务能力的综合评价指标；根据各个因素之间的关系，利用网络分析法对所有指标进行逐一赋权，确定各个指标的权值；根据综合模糊评价建立铁路客运站运输能力综合评价模型，由能力等级划分标准结合综合评价指标确定所评价的铁路客运站运输能力等级。本发明方法所赋的权重能够更符合实际问题，从而使得评价和监测车站的运输能力的结果更加准确，有利于行业人员对相关设备或人员进行能力的提高，使得车站的运输能力得到提升。

Description

一种对铁路客运站运输服务能力进行评价的方法以及动态监 测装置

技术领域

本发明属于服务能力评价方法领域，特别涉及一种对铁路客运站运输服务能力进行评价的方法以及动态监测装置。

背景技术

铁路作为我国重要的陆上交通运输方式，在人员的输送中发挥着极为重要的作用。2017年全国铁路旅客发送量完成30.84亿人。随着社会的发展，旅客对客运服务的质量要求也越来越高。为了满足日益增长的旅客运输和对客运服务质量的要求，提高工作人员服务的效率和质量，高速铁路运输能力的评价对提高铁路运输效率和运输能力具有重要意义。

由于车站对旅客的运输服务能力评价指标体系应该是由一些有着相互影响、相互作用的指标组成，而Saaty提出的网络分析法ANP(AnalyticNetworkProcess)在这种方法中元素之间可以相互依存，相同或者不同层级的指标之间可以是支配或者反馈的关系。很显然，使用这种方法所赋的权重能够更符合实际问题，从而使得决策的结果更加准确。传统的模糊理论由于隶属度不满足可加性，取大或取小运算则容易丢失相关信息，容易导致评价结果的失真。

发明内容

技术问题：为了解决现有技术的缺陷，本发明提供了一种对铁路客运站运输服务能力进行评价的方法以及动态监测装置，方法包括以下步骤：

步骤1：从人力、设备、环境以及管理四个方面构建铁路运输服务能力的综合评价指标；

步骤2：根据各个因素之间的关系，利用网络分析法对所有指标进行逐一赋权，确定各个指标的权值；

步骤3：根据综合模糊评价建立铁路客运站运输能力综合评价模型，由能力等级划分标准结合综合评价指标确定所评价的铁路客运站运输能力等级。

作为一种优化方案：步骤1的人力、设备、环境以及管理四个方面具体包括服务人员能力状况、设备工作状态情况、周围服务环境以及运营人员管理水平方面。

作为进一步优化方案：服务人员能力状况具体包括，售票窗口人员能力状况、检票人员能力状况、服务点人员能力状况以及手检工作人员能力状况。

作为进一步优化方案：设备工作状态情况包括：自助售取票机工作状态情况、行李安检机工作状态情况、进站闸机工作状态情况、出站闸机工作状态情况、无障碍设施工作状态情况以及信息显示屏工作状态情况。

作为进一步优化方案：周围服务环境包括：车站地理位置环境以及极端天气影响环境。

作为进一步优化方案：运营人员管理水平包括管理机构及人员的设置、安全教育培训、客运组织和调动指挥以及事故应急预案及组织安排水平。

作为进一步优化方案：步骤2的确定各个指标的权值具体操作步骤为：

步骤1.1：将决策问题进行系统的分析、组合，形成元素和元素集；

步骤1.2：构造控制层次，界定决策目标和决策准则；

步骤1.3：构造网络层次，归类确定每一个元素集，分析其网络结构和相互影响关系，分析元素之间的关系；

步骤1.4：构建无权重超矩阵，将构建网络时选取的各个准则分别作为主准则，以某因素组中的元素作为次准则，按照因素组中各因素对其他因素的影响程度构造判断矩阵，并求出归一化特征向量，以此类推将所有判断矩阵的归一化特征向量汇总到一个超矩阵中；

步骤1.5：构建加权超矩阵，以各准则指标为主准则，以因素组为次准则，求出因素组权重矩阵，再乘以无权超矩阵便得到了加权超矩阵；

步骤1.6：求出极限超矩阵，求极限超矩阵的过程是一个反复迭代最终趋于稳定的过程；

步骤1.7：混合权重的综合。

作为进一步优化方案：步骤3的建立铁路客运站运输服务能力综合评价模型具体操作步骤为：

步骤2.1：对每个指标设置评价的评语集，并在此基础上构造出评价指标体系的vague集评价矩阵；

步骤2.2：根据各指标的权重向量wi和vague集评价矩阵Ri，对各指标Cij(i＝1,2,3,4；j＝1,2,3,4,5)进行基于Vague集的模糊综合评价；

步骤2.3：根据最终得到的评价向量Vi，按照Vague集的一种排序规则：设a＝[a-，a+]，b＝[b-，b+]，若[a-，a+]/2≤[b-，b+]/2，则a≤b，按照隶属度最大原则即可得到综合评价模型的最终结果，从而评价出该铁路客运站的运输服务能力。

本发明的装置包括以下模块：

数据采集模块：通过售票窗口、自助售取票机、安检以及进出站闸机等单位和设备来采集旅客位置信息；

数据分析模块：分析和计算采集到的旅客信息，消除干扰数据；

数据校准模块：对统计数据进行校准，建立客流预测模型；

结果输出模块：将预测到的客流信息及时的发送给相关工作人员，从而能够做好相应的准备工作，保证车站内各项工作的顺利进行。

有益效果：本发明方法所赋的权重能够更符合实际问题，从而使得评价和监测车站的运输能力的结果更加准确，有利于行业人员对相关设备或人员进行能力的提高，使得车站的运输能力得到提升。

附图说明

图1为本发明权重的计算流程示意图；

图2为本发明动态监测装置的工作流程示意图；

图3为本发明网络分析法的结构模型示意图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

Gau和Buenahrer提出的Vague集是对Zadeh模糊理论的进一步推广，它对模糊信息的分析处理相较于普通模糊集更强大、更灵活也更准确，已经广泛的应用于自动控制、模式识别和人工智能等。本发明用以在铁路客运站中对旅客运输服务能力的状况进行评价及监测，评价方法具体步骤如下：

步骤1：构建铁路运输服务能力的综合评价指标

评价指标应该既能体现铁路运输服务的复杂特点，又能全面反映系统内互相影响的因素，还能满足实际的操作需要。因此，在遵循客观、规范原则的基础上，结合《铁路旅客运输服务质量标准》规范，并参照了国内的相关研究从人力、设备、环境以及管理四个方面对铁路的运输服务能力状况进行有效的衡量，服务人员能力状况、设备工作状态情况、周围服务环境以及运营人员管理水平，从而构建铁路运输服务能力的综合评价指标体系如下表1所示：

表1客运站旅客运输服务能力综合评价指标体系

步骤2：各个指标权值的确定

网络分析法是在层次分析法的基础上，考虑到了各因素或者是相邻层次之间的相互影响，利用“超矩阵”对各相互作用并影响的因素进行综合分析得出其混合权重。而ANP模型并不要求像AHP模型那样有严格的层次关系，各决策层或相同层次之间都存在相互作用。

最终权重的计算过程：

步骤1.1：将决策问题进行系统的分析、组合，形成元素和元素集；

步骤1.2：构造控制层次，界定决策目标和决策准则；

步骤1.3：构造网络层次，归类确定每一个元素集，分析其网络结构和相互影响关系，分析元素之间的关系；

步骤1.4：构建无权重超矩阵，将构建网络时选取的各个准则分别作为主准则，以某因素组中的元素作为次准则，按照因素组中各因素对其他因素的影响程度构造判断矩阵，并求出归一化特征向量，以此类推将所有判断矩阵的归一化特征向量汇总到一个超矩阵中；

步骤1.5：构建加权超矩阵，以各准则指标为主准则，以因素组为次准则，求出因素组权重矩阵，再乘以无权超矩阵便得到了加权超矩阵；

步骤1.6：求出极限超矩阵，求极限超矩阵的过程是一个反复迭代最终趋于稳定的过程；

步骤1.7：混合权重的综合。

步骤3：建立铁路客运站运输服务能力综合评价模型

首先对每个指标设置评价的评语集。由于这些指标都是定性指标，对于定性指标要直接使用带量纲的精确数字评价往往比较困难，解决办法是通过选择合适的语言变量来表示评价者的意见。给出相应评语集k＝{好，较好，一般，较差，差}五个等级，其次，在此基础上构造出评价指标的vague集评价矩阵。令Ci表示准则层指标，Cij(i＝1,2,3,4；j＝1,2,3,4,5)代表任一因素指标，评语集为Vk(k＝1,2,3,4,5)，对其构造评价指标体系C和V之间的Vague集评价矩阵如下图所示公式：

上式矩阵中每一行表示五个评语等级，每一列均对应着每个指标相对应评语等级的vague集隶属度，rijk表示因素指标Cij对应评语集的相应评价，rijk＝[tijk,1-fijk]。根据各指标的权重向量wi和vague集评价矩阵Ri，对各指标Cij(i＝1,2,3,4；j＝1,2,3,4,5)进行基于Vague集的模糊综合评价，计算公式如下：Vi＝Wi°R。

上式中“°”为Vague集运算的符号，同时需要用到vague集的两个基本公式：

乘运算：k·A＝[k·tA，k·(1-fA)],k∈(0，1)。

限和运算：A⊕B＝[min{1，tA+tB}]，[min{1，(1-fA)+(1-fB)}]。

最后，根据最终得到评价向量Vi，按照Vague集的一种排序规则；设a＝[a-，a+]，b＝[b-，b+]，若[a-，a+]/2≤[b-，b+]/2，则a≤b。按照隶属度最大原则即可得到最终综合评价结果，从而判断出该铁路客运站的运输服务能力。

本发明的装置，包括以下模块：

数据采集模块：通过售票窗口、自助售取票机、安检以及进出站闸机等单位和设备来采集旅客位置信息；

数据分析模块：分析和计算采集到的旅客信息，消除干扰数据；

数据校准模块：对统计数据进行校准，建立客流预测模型；

结果输出模块：将预测到的客流信息及时的发送给相关工作人员，从而能够做好相应的准备工作，保证车站内各项工作的顺利进行。

本发明通过评价和监测铁路客运站运输服务能力，从而有利于行业人员对相关设备或人员进行能力的提高，使得车站的运输服务能力得到提升。

Vague集的基本概念：定义1设U是一个论域，x表示其中任一元素，U中的一个Vague集A可用一个真隶属函数tA和一个假隶属函数fA表示，tA(x)是从支持x的证据所导出的x的隶属度下界，fA(x)则是从反对x的证据所导出的x的否定隶属度下界，不确定部分为1-tA(x)-fA(x)。tA(x)和fA(x)将区间[0,1]中的实数与U中的每一个元素联系起来。即：tA(x)：U→[0,1]，fA(x)：U→[0,1]，为讨论方便，简记tA(x)为tx，fA(x)为fx。

公式1：当U是连续的时候，Vague集A表示为：A＝∫U[tA(x)，1-fA(x)]/xdx，x∈U。

公式2：当U是离散的时候，Vague集A表示为：A＝∑[tA(xi),1-fA(xi)]/xi，xi∈U。

上式中：tA(x)+fA(x)≤1，令πA(x)＝1-tA(x)-fA(x)表示不确定度。显然，由于同时考虑了支持和反对两方面的证据，vague集对不确定信息的表达能力较普通模糊集更强也更全面。

以某市车站为例，其正常运营不满十年，为了调查该车站的运输服务能力，需要通过有效的综合评价来完成。

由于ANP的赋权工作是一个相对比较复杂的过程，需要先采用1-9值法基本原理对每个一级指标和二级指标构建对应的互反判断矩阵，然后计算并且通过一致性检验后，依次得到无权超矩阵、加权超矩阵和极限超矩阵，最后得到各评价指标的混合权重。下面以设备设施的工作状态为例，相关输入过程和结果如表2所示：

表2：对车站旅客运输能力的各指标vague集评价值

为了评价工作的顺利进行，车站邀请相关人员进行评审，对运输能力指标逐一进行了相应的vague值评价，相关数据如表3所示：

表3：各指标vague集评价值

因此，我们根据公式2便可以分别求出服务项目对应每个评价等级的vague集综合评价值分别为：

V1＝[0.1508,0.1508]⊕[0.1092,0.1213]⊕[0.0989,0.1130]⊕[0.0840,0.0840]⊕

[0.0501,0.0501]⊕[0.0740,0.0822]⊕[0.0911,0.1012]⊕[0.0186,0.0248]⊕

[0.0076,0.0091]⊕[0.0311,0.0363]⊕[0.0239,0.0265]⊕[0.0094,0.0109]⊕

[0.0177,0.0212]⊕[0.0197,0.0225]⊕[0.0060,0.0072]⊕

[0.0105,0.0118]＝[0.8026,0.8729]；

同理可求出V2＝[0.0926,0.1632]；V3＝[0.0246,0.0986]；V4＝[0.0097,0.0803]；V₅＝[0,0.0705]。所以V_i＝([0.8026,0.8729]，[0.0926,0.1632]，[0.0246,0.0986]，[0.0097,0.0803]，[0,0.0705])最后，根据vague集的排序规则可知隶属度的大小顺序为：V₁＞V₂＞V₃＞V₄＞V₅，所以该车站的旅客运输能力等级为好。

Claims (9)

1.一种评价铁路客运站运输服务能力的方法，其特征在于，包括以下步骤：

步骤1：从人力、设备、环境以及管理四个方面构建铁路运输服务能力的综合评价指标；

步骤2：根据各个因素之间的关系，利用网络分析法对所有指标进行逐一赋权，确定各个指标的权值；

步骤3：根据综合模糊评价建立铁路客运站运输能力综合评价模型，由能力等级划分标准结合综合评价指标确定所评价的铁路客运站运输能力等级。

2.根据权利要求1所述的评价铁路客运站运输服务能力的方法，其特征在于：步骤1所述的人力、设备、环境以及管理四个方面具体包括服务人员能力状况、设备工作状态情况、周围服务环境以及运营人员管理水平方面。

3.根据权利要求2中所述的评价铁路客运站运输服务能力的方法，其特征在于：所述服务人员能力状况具体包括，售票窗口人员能力状况、检票人员能力状况、服务点人员能力状况以及手检工作人员能力状况。

4.根据权利要求2所述的评价铁路客运站运输服务能力的方法，其特征在于：设备工作状态情况包括：自助售取票机工作状态情况、行李安检机工作状态情况、进站闸机工作状态情况、出站闸机工作状态情况、无障碍设施工作状态情况以及信息显示屏工作状态情况。

5.根据权利要求2中所述的评价铁路客运站运输服务能力的方法，其特征在于：周围服务环境包括：车站地理位置环境以及极端天气影响环境。

6.根据权利要求2中所述的评价铁路客运站运输服务能力的方法，其特征在于：运营人员管理水平包括管理机构及人员的设置、安全教育培训、客运组织和调动指挥以及事故应急预案及组织安排水平。

7.根据权利要求1所述的评价铁路客运站运输服务能力的方法，其特征在于：步骤2所述的确定各个指标的权值具体操作步骤为：

步骤1.1：将决策问题进行系统的分析、组合，形成元素和元素集；

步骤1.2：构造控制层次，界定决策目标和决策准则；

步骤1.3：构造网络层次，归类确定每一个元素集，分析其网络结构和相互影响关系，分析元素之间的关系；

步骤1.4：构建无权重超矩阵，将构建网络时选取的各个准则分别作为主准则，以某因素组中的元素作为次准则，按照因素组中各因素对其他因素的影响程度构造判断矩阵，并求出归一化特征向量，以此类推将所有判断矩阵的归一化特征向量汇总到一个超矩阵中；

步骤1.5：构建加权超矩阵，以各准则指标为主准则，以因素组为次准则，求出因素组权重矩阵，再乘以无权超矩阵便得到了加权超矩阵；

步骤1.6：求出极限超矩阵，求极限超矩阵的过程是一个反复迭代最终趋于稳定的过程；

步骤1.7：混合权重的综合。

8.根据权利要求1所述的评价铁路客运站运输服务能力的方法，其特征在于：步骤3所述的建立铁路客运站运输服务能力综合评价模型具体操作步骤为：

步骤2.1：对每个指标设置评价的评语集，并在此基础上构造出评价指标体系的vague集评价矩阵；

步骤2.2：根据各指标的权重向量wi和vague集评价矩阵Ri，对各指标Cij(i＝1,2,3,4；j＝1,2,3,4,5)进行基于Vague集的模糊综合评价；

步骤2.3：根据最终得到的评价向量Vi，按照Vague集的一种排序规则：设a＝[a-，a+]，b＝[b-，b+]，若[a-，a+]/2≤[b-，b+]/2，则a≤b，按照隶属度最大原则即可得到综合评价模型的最终结果，从而评价出该铁路客运站的运输服务能力。

9.一种对铁路客运站的运输服务能力进行动态监测的装置，其特征在于，包括以下模块：

数据采集模块：通过售票窗口、自助售取票机、安检以及进出站闸机等单位和设备来采集旅客位置信息；

数据分析模块：分析和计算采集到的旅客信息，消除干扰数据；

数据校准模块：对统计数据进行校准，建立客流预测模型；

结果输出模块：将预测到的客流信息及时的发送给相关工作人员，从而能够做好相应的准备工作，保证车站内各项工作的顺利进行。