CN115271480A - 一种城市轨道交通无人化客服质量评估的方法和系统 - Google Patents
一种城市轨道交通无人化客服质量评估的方法和系统 Download PDFInfo
- Publication number
- CN115271480A CN115271480A CN202210924567.2A CN202210924567A CN115271480A CN 115271480 A CN115271480 A CN 115271480A CN 202210924567 A CN202210924567 A CN 202210924567A CN 115271480 A CN115271480 A CN 115271480A
- Authority
- CN
- China
- Prior art keywords
- index
- evaluation
- customer service
- matrix
- service quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种城市轨道交通无人化客服质量评估的方法和系统,属于公共交通评价技术领域,方法内容包括:筛选客服质量评价指标;根据筛选出的客服质量评价指标确定评估指标体系;基于超矩阵确定所述评估指标体系中各指标相对权重,基于用户需求结合所述各指标相对权重确定指标评价矩阵;根据所述指标评价矩阵进行指标统计,得到对应的统计参数,根据所述各指标相对权重产生针对城市轨道交通全出行链上所提供服务的多维度评估结果。本发明方法有效地解决了城市轨道交通全出行链无人化客服质量评估不科学,不完善等问题,缩短了客服评价的反馈和处理周期,简化了相应流程,提升了城市轨道交通无人化服务效率。
Description
技术领域
本发明涉及公共交通评价技术领域,尤其涉及一种城市轨道交通无人化客服质量评估的方法和系统。
背景技术
随着各城市轨道交通建设规划的不断实施,越来越多的城市步入无人化建设阶段,无人化建设已成为我国城市轨道交通的发展趋势。考虑城市轨道交通作为一种公共交通系统,运营服务质量是其赖以生存和可持续发展的关键。而无人化乘客服务质量的评估更是逐步完善和规范城市轨道交通无人化持续发展的重要环节。但目前国内尚缺乏完善的城市轨道交通无人化乘客服务质量的监督与评估方法,运用较多的方法仍是通过KPI指标来监控。如故障总数、客流量、运营里程等指标,虽能就城市轨道交通某一方面的服务质量或效益进行横向比较和评价,但不能全面描述某一条线路区域的运作质量,更不能系统评价复杂的运作状态,也不能动态反映城市轨道交通无人化发展的轨迹,不利于无人化客服质量的集中管控和各区域间的竞争优化。
现有针对轨道交通系统服务质量评价研究偏重于用户感知,通常分析基于用户感知的轨道交通服务质量评价的指标模型,应用神经网络工具进行综合评价或综合使用粗糙集理论和专家评审方法计算服务质量指标权重,对用户调查数据进行了服务质量模糊综合评价或从客服质量特性分析入手,建立能够合理确定轨道交通用户服务质量综合指标权重的层次分析方法或综合采用偏定性四分图原理和KANO模型进行量化计算,得出现阶段我国轨道交通乘客服务质量的总体水平与用户期望值存在差异的结论等。但是仍面临如下问题:
(1)现有技术中服务质量评价多局限于车站主体及其所提供的主要服务上,未能涉及到城市轨道交通无人化乘客服务的各个方面,对于现有城市轨道交通无人化客服欠缺适配;
(2)现有客服评价系统指标体系多是在以往城市轨道交通运营基础上总结产生,并未考虑到城市轨道交通无人化客服的新特征,对于现有城市轨道交通智能化服务欠缺更好的适配,不能很好的适用于现有城市轨道交通客服评价;
(3)现有城市轨道交通服务评价系统主要用于车站服务考评,对于评价结果的整合、存储以及反馈调整缺乏完善机制,在客服提升方面未能发挥理想的效果。
发明内容
针对上述问题,现本发明通过结合城市轨道交通无人化建设现状,提出了一种城市轨道交通无人化客服质量评估的方法和系统。
第一方面,提出了一种城市轨道交通无人化客服质量评估的方法,具体步骤包括:
步骤S1:筛选客服质量评价指标;
步骤S2:根据筛选出的客服质量评价指标确定评估指标体系;
步骤S3:基于超矩阵确定所述评估指标体系中各指标相对权重,基于用户需求结合所述各指标相对权重确定指标评价矩阵;
步骤S4:根据所述指标评价矩阵进行指标统计,得到对应的统计参数,根据所述各指标相对权重产生针对城市轨道交通全出行链上所提供服务的多维度评估结果。
进一步地,所述筛选客服质量评价指标,为利用因果分析法确定客服质量影响因素,基于德尔菲法结合SERVQUAL模型对所述客服质量影响因素进行筛选,具体内容包括:
在问卷设计过程中借鉴问卷调查模式,对某个指标是否需要存在于客服质量评价指标模型内进行正、反两方向的评定;
循环回收和投放问卷,对反馈的专家意见进行统计,进而判断每个评价指标的存在必要性,在所述客服质量影响因素中选出客服质量评价指标。
进一步地,所述方法还包括,将所述全出行链上所提供服务的多维度评估结果汇总至乘客服务管理中心进行量化考评及反馈,具体内容如下:
根据筛选出的客服质量评价指标的均值得分和预设等级确定量化考评规则;
根据城市轨道交通无人化体系架构以及无人化客服建设情况确定评估反馈和联动调整流程;
根据城市轨道交通无人化客服后台数据库建设情况确定评估数据库结构。
进一步地,所述根据筛选出的客服质量评价指标确定评估指标体系,具体为基于解释结构模型ISM对筛选出的客服质量评价指标进行维度分析来确定评估指标体系,所述确定评估指标体系,包括:
确定客服质量评价指标间的影响关系;
根据所述影响关系建立评价指标邻接矩阵;
根据所述评价指标邻接矩阵计算可达矩阵,根据所述可达矩阵确定指标层次关系;
根据所述指标层次关系确定评估指标体系。
进一步地,所述基于超矩阵确定所述评估指标体系中各指标相对权重,内容包括:
对所述评估指标体系模型中的各指标进行关联性分析;
综合关联性分析结果构建加权超矩阵;
对所述加权超矩阵进行升幂计算得到各指标相对权重。
进一步地,确定所述评估指标体系中各指标相对权重,具体步骤如下:
步骤S3.1:使用模糊决策实验室法对评估指标体系模型中父类指标进行关联性分析;
包括搭建初始直接关系矩阵,初始直接关系矩阵去模糊化,初始直接关系矩阵的标准化,计算父类指标总关系矩阵;
步骤S3.2:使用网络分析法ANP对评估指标体系模型中隶属于不同父类指标的子类指标进行外部关联性分析;
包括对隶属于不同父类指标的子类指标间的影响关系进行成对比较,利用ANP构建成对比较矩阵;
步骤S3.3:利用ANP结合云模型对评估指标体系模型中隶属于相同父类指标的子类指标进行内部关联性分析;
包括对隶属于相同父类指标的子类指标间的影响关系进行成对比较,利用ANP结合云模型构建子类指标总关系矩阵;
步骤S3.4:综合计算过程构成加权超矩阵,通过加权超矩阵的升幂结果得到指标重要度排序。
进一步地,所述利用ANP结合云模型构建子类指标总关系矩阵,为利用云模型特点对子类指标内部关联性分析及改进,按行归一化至子类指标总关系矩阵的每一行。
进一步地,所述综合计算过程构成加权超矩阵,通过加权超矩阵的升幂结果得到指标重要度排序,为将所述成对比较矩阵和所述子类指标总关系矩阵合成超矩阵,结合所述父类指标总关系矩阵构建加权超矩阵,进行加权超矩阵的计算并升幂,得到指标重要度计算结果。
进一步地,所述根据筛选出的客服质量评价指标的均值得分和预设等级确定量化考评规则,具体是以客观的历史数据为依据模型自动确定优良中差四个等级的取值范围,其中预设等级划分规则设置如下:
设得分均值为A,得分最高值为M,则C=0.9×M,D=1.2×M,B=(A+C)/2;
优:X∈(B,A];
良:X∈(C,B];
中:X∈(D,C];
差:X∈[0,D]。
第二方面,提出了一种城市轨道交通无人化客服质量评估的系统,包括:客服质量评价指标筛选模块,评估指标体系确定模块,指标评价矩阵确定模块,维度评估结果产生模块,各模块依次顺序连接;
所述客服质量评价指标筛选模块,用于筛选客服质量评价指标;
所述评估指标体系确定模块,用于根据筛选出的客服质量评价指标确定评估指标体系;
所述指标评价矩阵确定模块,用于基于超矩阵确定所述评估指标体系中各指标相对权重,基于用户需求结合所述各指标相对权重确定指标评价矩阵;
所述维度评估结果产生模块,用于所述多维度评估结果产生模块,用于根据所述指标评价矩阵进行指标统计,得到对应的统计参数,根据所述各指标相对权重产生针对城市轨道交通全出行链上所提供服务的多维度评估结果。
有益效果:
本发明公开的一种城市轨道交通无人化客服质量评估的方法与系统,基于德尔菲法结合SERVQUAL模型个性化城市轨道交通客服质量评估指标体系,针对城市轨道交通无人化客服现状,开展全出行链上无人化客服评估、结果反馈、联动调整、数据保存等工作。本发明提升了城市轨道交通无人化客服评估的科学性,缩短了客服评价的反馈和处理周期,简化了相应流程,提升了城市轨道交通无人化服务效率,保障了城市轨道交通建设稳步发展。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明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,下面所描述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为本发明实施例所示的一种城市轨道交通无人化客服质量评估方法流程图;
图2为本发明一实施例所示的无人化客服评估系统指标体系建立及评估流程图;
图3为本发明另一个实施例所示的乘客服务管理中心服务评估反馈和联动调整示意图;
图4为本发明另一个实施例所示的无人化客服评估分布式数据库布置结构示意图;
图5为本发明实施例所示的一种城市轨道交通无人化客服质量评估系统原理框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
本发明实施例所述的一种城市轨道交通无人化客服质量评估的方法,如图1所示,包括以下步骤:
步骤S1:筛选客服质量评价指标;
步骤S2:根据筛选出的客服质量评价指标确定评估指标体系;
步骤S3:基于超矩阵确定所述评估指标体系中各指标相对权重,基于用户需求结合所述各指标相对权重确定指标评价矩阵;
步骤S4:根据所述指标评价矩阵进行指标统计,得到对应的统计参数,根据所述各指标相对权重产生针对城市轨道交通全出行链上所提供服务的多维度评估结果。
进一步地,步骤S1中的筛选客服质量评价指标,在本实施例中具体为基于行业标准及前人研究成果或文献、系统结构和用户需求,利用因果分析法确定客服质量影响因素,基于德尔菲法结合SERVQUAL(Service Quality,服务质量)模型对所述客服质量影响因素进行筛选,具体内容包括:
在问卷设计过程中借鉴问卷调查模式,对某个指标是否需要存在于客服质量评价指标模型内进行正、反两方向的评定;
循环回收和投放问卷,对反馈的专家意见进行统计,进而判断每个评价指标的存在必要性,在所述客服质量影响因素中选出客服质量评价指标。
根据轨道交通行业标准、运行经验、无人化客服结构对基于用户需求的无人化客服质量评价指标进行汇总,如表1所示:
表1无人化客服质量评价指标汇总
进一步地,步骤S2中所述根据筛选出的客服质量评价指标确定评估指标体系,具体为基于解释结构模型ISM对筛选出的客服质量评价指标进行维度分析来确定评估指标体系,所述确定评估指标体系,包括:
确定客服质量评价指标间的影响关系;
根据所述影响关系建立评价指标邻接矩阵;
根据所述评价指标邻接矩阵计算可达矩阵,根据所述可达矩阵确定指标层次关系;
根据所述指标层次关系确定评估指标体系。
在本实施例中,对表1中的指标基于德尔菲法结合SERVQUAL模型进行维度分析,分析结果如表2所示:
表2维度分析结果
步骤S3中基于超矩阵确定所述评估指标体系中各指标相对权重,基于用户需求结合所述各指标相对权重确定指标评价矩阵;
具体到本实施例,所述基于超矩阵确定所述评估指标体系中各指标相对权重,内容包括:
对所述评估指标体系模型中的各指标进行关联性分析;
综合关联性分析结果构建加权超矩阵;
对所述加权超矩阵进行升幂计算得到各指标相对权重。
进一步地,确定所述评估指标体系中各指标相对权重,具体步骤如下:
步骤S3.1:使用F-DEMATEL(FUZZY-Decision-Making Trial and EvaluationLaboratory,模糊决策实验室法)对评估指标体系模型中父类指标进行关联性分析;
包括搭建初始直接关系矩阵,初始直接关系矩阵去模糊化,初始直接关系矩阵的标准化,计算父类指标总关系矩阵,父类指标总关系矩阵用于分析父类指标之间、父类指标与子类指标间的关系。
步骤S3.2:使用ANP(Analytic Network Process,网络分析法)对评估指标体系模型中隶属于不同父类指标的子类指标进行外部关联性分析;
具体为对隶属于不同父类指标的子类指标间的影响关系进行成对比较,利用ANP构建成对比较矩阵;成对比较矩阵是网络分析法的重要内容,用于确定各层次之间指标的相对权重。
步骤S3.3:利用ANP结合云模型对评估指标体系模型中隶属于相同父类指标的子类指标进行内部关联性分析;
具体地,包括对隶属于相同父类指标的子类指标间的影响关系进行成对比较,利用ANP结合云模型构建子类指标总关系矩阵;
构建子类指标总关系矩阵为利用云模型特点对子类指标内部关联性分析及改进,按行归一化至子类指标总关系矩阵的每一行;
子类指标总关系矩阵用于分析子类指标之间关系。
步骤S3.4:综合计算过程构成加权超矩阵,通过加权超矩阵的升幂结果得到指标重要度排序。
具体地,为将父类指标总关系矩阵按行归一化至子类指标总关系矩阵后,将所述成对比较矩阵和所述子类指标总关系矩阵合成超矩阵,结合所述父类指标总关系矩阵构建加权超矩阵,然后进行加权超矩阵的计算并升幂,得到指标重要度计算结果。
本实施例中,指标的相对权重排序结果如表3所示:
表3指标相对权重排序结果
所述基于用户需求结合所述各指标相对权重确定指标评价矩阵。
在本实施例中,具体为基于四分图模型原理设计指标评价矩阵,对客服质量指标进行评价,得到指标落入不同分区情况,根据评价结果归纳合理建议。具体的,包括基于用户需求的指标分类和指标重要度分类设计了客服质量评价指标模型的指标评价矩阵,可快速定位指标对系统整体服务质量的影响程度。
在步骤S4中根据所述指标评价矩阵进行指标统计,得到对应的统计参数,根据所述各指标相对权重产生针对城市轨道交通全出行链上所提供服务的多维度评估结果。
至此,针对客服质量具体的评估流程可详述如下:
首先依靠轨道交通无人化客服质量评估指标体系,基于客服数据、客流数据、地铁运营数据、车站无人化管理数据,根据所述指标评价矩阵进行指标统计,得到对应的指标统计参数;
然后基于所述指标统计参数根据指标相对权重产生针对城市轨道交通全出行链上所提供服务的多维度评估结果,最终汇总至乘客服务管理中心进行量化考评及反馈。
图2为本发明一实施例所示的无人化客服评估系统指标体系建立及评估流程图。
本实施例根据所述多维度评估结果对城市轨道交通无人化客服的各个环节进行量化考评,具体为根据筛选出的客服质量评价指标均值得分和预设等级划分规则设立四个考评等级。
在进行传统量化考评等级判断时,等级取值范围的确定一般是人为较主观地划分,并且确定之后就不再变化,存在一定的滞后性。相较于传统指标量化考评等级,本发明以客观的历史数据为依据模型自动确定优良中差四个等级的取值范围,避免人为主观干扰,且等级的取值范围会随着历史数据的变化微调,使得等级判别与时俱进。具体预设等级划分规则如下:
设得分均值为A,得分最高值为M,则C=0.9×M,D=1.2×M,B=(A+C)/2;
优:X∈(B,A];
良:X∈(C,B];
中:X∈(D,C];
差:X∈[0,D]。
进一步地,在另一个实施例中具体实施内容还包括根据城市轨道交通无人化体系架构以及无人化客服建设情况确定评估反馈和联动调整流程;
具体到其实施例中为将所述多维度评估的结果直接提交至城市轨道交通运营公司的乘客服务管理中心,由乘客服务管理中心对结果进行处理,涉及单一服务部门的应当直接与该部门开展对应的调整工作,由乘客服务管理中心进行监督;涉及多个部门的问题进行评估联动调整。
在评估联动调整环节,针对评价中所出现的跨部门的问题,由乘客服务管理中心联合涉及部门共同研究改进方案,协调实施,并且由乘客服务管理中心进行监督。
如图3所示,为另一个实施例的乘客服务管理中心服务评估反馈和联动调整示意图;
在另一个实施例中根据城市轨道交通无人化客服后台数据库建设情况确定评估数据库结构。
在具体实施中为将各阶段无人化客服多维评估得分、细化评估指标得分、考评结果、调整数据保存至乘客服务管理中心无人化客服评估数据库,定期维护;且因为城市轨道交通线路和站点之间建设和运营具有较明显差距,尤其在物理上有明显距离等;如图4所示,所述实施例建立无人化客服评估分布式数据库,并在各地铁站点或地铁线路设置单独的物理存储,存储上采用多副本策略,每份数据默认同时储存在同一条线路所有站点内,使用负载均衡设备更有效利用不同物理机节点的资源,避免服务器性能的浪费,在数据库高负载的情况下将压力平衡到各个物理机节点上。各数据节点使用SyncNavigator进行数据同步,该软件支持后台同步,自动运行和异构同步,保证了个站点间数据存储的一致性。数据库管理系统,由无人化客服管理中心负责,对数据库进行运维管理、集群管理、全局事务管理,设置协调节点、数据节点和分布式键值存储系统,实现评估数据实时更新,实时查询,供相关部门合理使用,为日后城市轨道交通建设提供经验。
第二方面,提出了一种城市轨道交通无人化客服质量评估的系统,如图5所示,包括:客服质量评价指标筛选模块,评估指标体系确定模块,指标评价矩阵确定模块,多维度评估结果产生模块,各模块依次顺序连接;
所述客服质量评价指标筛选模块,用于筛选客服质量评价指标;
所述评估指标体系确定模块,用于根据筛选出的客服质量评价指标确定评估指标体系;
所述指标评价矩阵确定模块,用于基于超矩阵确定所述评估指标体系中各指标相对权重,基于用户需求结合所述各指标相对权重确定指标评价矩阵;
所述多维度评估结果产生模块,用于所述多维度评估结果产生模块,用于根据所述指标评价矩阵进行指标统计,得到对应的统计参数,根据所述各指标相对权重产生针对城市轨道交通全出行链上所提供服务的多维度评估结果。
经实施例检验本发明具有如下优点:
(1)针对城市轨道交通无人化客服现状和未来发展建设趋势,本实施例为设计完整科学的无人化客服质量评估系统,从指标体系建设到考评结果反馈处理,再到无人化客服评估数据库建设,形成了一套完成度高、实用性强的客服质量评估系统。
(2)依据德尔菲法结合SERVQUAL模型,结合城市轨道交通无人化客服特性,提供了个性化评估指标体系,基于超矩阵确定所述评估指标体系中各指标相对权重,根据均值得分和预设等级划分规则划分评估等级,极大地提升评价的科学性。
(3)建立了服务评价反馈和联动调整机制,将评价结果的反馈及各部门间的联动调整整合进入无人化客服质量评估系统,大大提升服务效率和服务质量,降低工作冗余。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的方法/系统实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种城市轨道交通无人化客服质量评估的方法,其特征在于,具体步骤包括:
步骤S1:筛选客服质量评价指标;
步骤S2:根据筛选出的客服质量评价指标确定评估指标体系;
步骤S3:基于超矩阵确定所述评估指标体系中各指标相对权重,基于用户需求结合所述各指标相对权重确定指标评价矩阵;
步骤S4:根据所述指标评价矩阵进行指标统计,得到对应的统计参数,根据所述各指标相对权重产生针对城市轨道交通全出行链上所提供服务的多维度评估结果。
2.根据权利要求1所述的城市轨道交通无人化客服质量评估的方法,其特征在于,所述筛选客服质量评价指标,为利用因果分析法确定客服质量影响因素,基于德尔菲法结合SERVQUAL模型对所述客服质量影响因素进行筛选,具体内容包括:
在问卷设计过程中借鉴问卷调查模式,对某个指标是否需要存在于客服质量评价指标模型内进行正、反两方向的评定;
循环回收和投放问卷,对反馈的专家意见进行统计,进而判断每个评价指标的存在必要性,在所述客服质量影响因素中选出客服质量评价指标。
3.根据权利要求1所述的城市轨道交通无人化客服质量评估的方法,其特征在于,所述方法还包括,将所述全出行链上所提供服务的多维度评估结果汇总至乘客服务管理中心进行量化考评及反馈,具体内容如下:
根据筛选出的客服质量评价指标的均值得分和预设等级确定量化考评规则;
根据城市轨道交通无人化体系架构以及无人化客服建设情况确定评估反馈和联动调整流程;
根据城市轨道交通无人化客服后台数据库建设情况确定评估数据库结构。
4.根据权利要求1所述的城市轨道交通无人化客服质量评估的方法,其特征在于,所述根据筛选出的客服质量评价指标确定评估指标体系,具体为基于解释结构模型ISM对筛选出的客服质量评价指标进行维度分析来确定评估指标体系,所述确定评估指标体系,包括:
确定客服质量评价指标间的影响关系;
根据所述影响关系建立评价指标邻接矩阵;
根据所述评价指标邻接矩阵计算可达矩阵,根据所述可达矩阵确定指标层次关系;
根据所述指标层次关系确定评估指标体系。
5.根据权利要求1所述的城市轨道交通无人化客服质量评估的方法,其特征在于,所述基于超矩阵确定所述评估指标体系中各指标相对权重,内容包括:
对所述评估指标体系模型中的各指标进行关联性分析;
综合关联性分析结果构建加权超矩阵;
对所述加权超矩阵进行升幂计算得到各指标相对权重。
6.根据权利要求1所述的城市轨道交通无人化客服质量评估的方法,其特征在于,确定所述评估指标体系中各指标相对权重,具体步骤如下:
步骤S3.1:使用模糊决策实验室法对评估指标体系模型中父类指标进行关联性分析;
包括搭建初始直接关系矩阵,初始直接关系矩阵去模糊化,初始直接关系矩阵的标准化,计算父类指标总关系矩阵;
步骤S3.2:使用网络分析法ANP对评估指标体系模型中隶属于不同父类指标的子类指标进行外部关联性分析;
包括对隶属于不同父类指标的子类指标间的影响关系进行成对比较,利用ANP构建成对比较矩阵;
步骤S3.3:利用ANP结合云模型对评估指标体系模型中隶属于相同父类指标的子类指标进行内部关联性分析;
包括对隶属于相同父类指标的子类指标间的影响关系进行成对比较,利用ANP结合云模型构建子类指标总关系矩阵;
步骤S3.4:综合计算过程构成加权超矩阵,通过加权超矩阵的升幂结果得到指标重要度排序。
7.根据权利要求6所述的城市轨道交通无人化客服质量评估的方法,其特征在于,所述利用ANP结合云模型构建子类指标总关系矩阵,为利用云模型特点对子类指标内部关联性分析及改进,按行归一化至子类指标总关系矩阵的每一行。
8.根据权利要求6所述的城市轨道交通无人化客服质量评估的方法,其特征在于,所述综合计算过程构成加权超矩阵,通过加权超矩阵的升幂结果得到指标重要度排序,为将所述成对比较矩阵和所述子类指标总关系矩阵合成超矩阵,结合所述父类指标总关系矩阵构建加权超矩阵,进行加权超矩阵的计算并升幂,得到指标重要度计算结果。
9.根据权利要求3所述的城市轨道交通无人化客服质量评估的方法,其特征在于,所述根据筛选出的客服质量评价指标的均值得分和预设等级确定量化考评规则,具体是以客观的历史数据为依据模型自动确定优良中差四个等级的取值范围,其中预设等级划分规则设置如下:
设得分均值为A,得分最高值为M,则C=0.9×M,D=1.2×M,B=(A+C)/2;
优:X∈(B,A];
良:X∈(C,B];
中:X∈(D,C];
差:X∈[0,D]。
10.一种城市轨道交通无人化客服质量评估的系统,其特征在于,包括:客服质量评价指标筛选模块、评估指标体系确定模块、指标评价矩阵确定模块、多维度评估结果产生模块,各模块依次顺序连接;
所述客服质量评价指标筛选模块,用于筛选客服质量评价指标;
所述评估指标体系确定模块,用于根据筛选出的客服质量评价指标确定评估指标体系;
所述指标评价矩阵确定模块,用于基于超矩阵确定所述评估指标体系中各指标相对权重,基于用户需求结合所述各指标相对权重确定指标评价矩阵;
所述多维度评估结果产生模块,用于根据所述指标评价矩阵进行指标统计,得到对应的统计参数,根据所述各指标相对权重产生针对城市轨道交通全出行链上所提供服务的多维度评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210924567.2A CN115271480A (zh) | 2022-08-02 | 2022-08-02 | 一种城市轨道交通无人化客服质量评估的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210924567.2A CN115271480A (zh) | 2022-08-02 | 2022-08-02 | 一种城市轨道交通无人化客服质量评估的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115271480A true CN115271480A (zh) | 2022-11-01 |
Family
ID=83747674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210924567.2A Pending CN115271480A (zh) | 2022-08-02 | 2022-08-02 | 一种城市轨道交通无人化客服质量评估的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115271480A (zh) |
-
2022
- 2022-08-02 CN CN202210924567.2A patent/CN115271480A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106168799B (zh) | 一种基于大数据机器学习进行电动汽车电池预测性维护的方法 | |
CN112766550B (zh) | 基于随机森林的停电敏感用户预测方法、系统、存储介质及计算机设备 | |
CN110837963A (zh) | 一种基于数据、模型及策略的风险控制平台建设方法 | |
CN103632203A (zh) | 一种基于综合评价的配电网供电区域划分方法 | |
CN113537807B (zh) | 一种企业智慧风控方法及设备 | |
CN108170769A (zh) | 一种基于决策树算法的装配制造质量数据处理方法 | |
CN106022480B (zh) | 基于d-s证据理论的机器人功能模块粒度划分评价方法 | |
CN114638021B (zh) | 物联网轻量级区块链系统安全性评价方法 | |
CN109446243B (zh) | 一种基于大数据分析检测光伏电站发电异常的方法 | |
CN104915897A (zh) | 一种电网规划评价业务的计算机实现方法 | |
Wang et al. | Practical and white-box anomaly detection through unsupervised and active learning | |
CN116318878A (zh) | 一种电力信息网络安全风险的评估方法 | |
CN113327047B (zh) | 基于模糊综合模型的电力营销服务渠道决策方法及系统 | |
Teymourifar et al. | A comparison between NSGA-II and NSGA-III to solve multi-objective sectorization problems based on statistical parameter tuning | |
CN113689079A (zh) | 基于多元线性回归和聚类分析的台区线损预测方法及系统 | |
CN112508465A (zh) | 一种多维审计监控综合评价方法 | |
CN115271480A (zh) | 一种城市轨道交通无人化客服质量评估的方法和系统 | |
Wang et al. | A model of telecommunication network performance anomaly detection based on service features clustering | |
CN115860526A (zh) | 一种基于综合模糊评估的通信网络综合效能评估方法 | |
Liu | Using neural network to establish manufacture production performance forecasting in IoT environment | |
CN115271907A (zh) | 基于公开数据对中小微企业评价的方法及相关设备 | |
Kun et al. | Supplier Management Decision Support System Under Data Mining Algorithms | |
CN117610707B (zh) | 一种城市群生产空间利用预测方法及系统 | |
Yang et al. | Design and Application of Big Data Technology Management for the Analysis System of High Speed Railway Operation Safety Rules | |
Wang et al. | Product Key Reliability Characteristics Identification Method Based on XGBoost in Manufacturing Process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |