基于三角模糊數(shù)AHP-BP的鐵路貨運(yùn)服務(wù)質(zhì)量評(píng)價(jià)研究

許曉偉，孟楠，侯維磊，康斌

（1.石家莊郵電職業(yè)技術(shù)學(xué)院，河北石家莊050021；2.中國(guó)鐵建大橋工程局集團(tuán)有限公司，天津300300）

我國(guó)經(jīng)濟(jì)的穩(wěn)步增長(zhǎng)與“一帶一路”戰(zhàn)略帶動(dòng)了鐵路建設(shè)的發(fā)展，鐵路運(yùn)輸貨物量不斷增加，貨運(yùn)行業(yè)中鐵路運(yùn)輸?shù)淖饔迷絹?lái)越突出。但是在貨運(yùn)變革背景下各種運(yùn)輸方式競(jìng)爭(zhēng)激烈，客戶對(duì)服務(wù)的要求提高使得服務(wù)質(zhì)量水平對(duì)其業(yè)務(wù)發(fā)展至關(guān)重要，為增長(zhǎng)市場(chǎng)份額貨運(yùn)企業(yè)逐漸重視自身的服務(wù)質(zhì)量[1]。因此，需要客觀評(píng)價(jià)鐵路貨運(yùn)的服務(wù)質(zhì)量，以期能夠增強(qiáng)鐵路貨運(yùn)的競(jìng)爭(zhēng)力。已經(jīng)有學(xué)者在該方面進(jìn)行了研究與探討。劉源建立了鐵路貨運(yùn)服務(wù)質(zhì)量的評(píng)價(jià)指標(biāo)體系，并提出了一些改善措施[2]；馮芬玲利用粗糙集與SERVQUAL對(duì)其進(jìn)行評(píng)價(jià)，通過(guò)案例驗(yàn)證了該方法的可行性[3]；馬曉晨等從多角度出發(fā)使用灰色關(guān)聯(lián)度構(gòu)建了評(píng)價(jià)模型，并通過(guò)實(shí)例驗(yàn)證認(rèn)為該方法在實(shí)際應(yīng)用中的可行性[4]等。而影響其服務(wù)質(zhì)量的因素很多，實(shí)際應(yīng)用中計(jì)算量較大，因此需要借助計(jì)算機(jī)技術(shù)，采用人工智能的評(píng)價(jià)方法為決策者制定有針對(duì)性的管理措施提供依據(jù)。

1 鐵路貨運(yùn)服務(wù)質(zhì)量評(píng)價(jià)指標(biāo)體系

1.1 傳統(tǒng)鐵路貨運(yùn)服務(wù)質(zhì)量評(píng)價(jià)存在的不足

傳統(tǒng)鐵路貨運(yùn)服務(wù)質(zhì)量評(píng)價(jià)的不足在于沒(méi)有充分考慮客戶在質(zhì)量評(píng)價(jià)中的作用，主要表現(xiàn)在：側(cè)重于內(nèi)部運(yùn)營(yíng)管理與提高運(yùn)輸能力，評(píng)價(jià)指標(biāo)體系缺少系統(tǒng)性，無(wú)法全面反映客戶的市場(chǎng)需求；原有指標(biāo)多為反映鐵路運(yùn)輸?shù)纳a(chǎn)能力，在進(jìn)行比較時(shí)可比性較差，很難直接體現(xiàn)貨運(yùn)的服務(wù)質(zhì)量；鐵路貨運(yùn)是為客戶提供服務(wù)的，以往評(píng)價(jià)沒(méi)有綜合考慮托運(yùn)人，一般是在鐵路貨運(yùn)企業(yè)內(nèi)部進(jìn)行評(píng)價(jià)，無(wú)法及時(shí)了解客戶需求的變化，使評(píng)價(jià)結(jié)果的可靠性較低。

1.2 評(píng)價(jià)指標(biāo)體系的構(gòu)建

鐵路貨運(yùn)服務(wù)是一種典型的服務(wù)行業(yè)，綜合鐵路貨運(yùn)自身特點(diǎn)以及鐵路貨運(yùn)改革后的新特點(diǎn)，借鑒PZB提出的SERVQUAL量表，及已有學(xué)者建立的評(píng)價(jià)指標(biāo)體系，根據(jù)評(píng)價(jià)指標(biāo)選取原則，通過(guò)專家調(diào)查法、打分等方法對(duì)評(píng)價(jià)指標(biāo)進(jìn)行篩選、優(yōu)化，最終確定鐵路貨運(yùn)服務(wù)質(zhì)量評(píng)價(jià)指標(biāo)體系，如表1所示。

2 建立鐵路貨運(yùn)服務(wù)質(zhì)量評(píng)價(jià)模型

2.1 三角模糊數(shù)AHP

2.1.1 方法簡(jiǎn)介

層次分析法最初由Saaty TL教授等人提出，憑借其計(jì)算簡(jiǎn)單、準(zhǔn)確實(shí)用、對(duì)數(shù)據(jù)要求低等特點(diǎn)被廣泛應(yīng)用于生產(chǎn)決策、安全管理等多領(lǐng)域的評(píng)價(jià)與分析中，并具有較好的應(yīng)用效果，但是由于該方法具有模擬人腦進(jìn)行決策的特點(diǎn)，因此存在主觀性太強(qiáng)、定性成分較多的缺點(diǎn)。Van Laargoven認(rèn)為可用三角模糊數(shù)進(jìn)行模糊判斷，計(jì)算后得到不同元素的排序。目前三角模糊數(shù)常用來(lái)解決非確定環(huán)境下的問(wèn)題，主要用在績(jī)效評(píng)價(jià)、多指標(biāo)多屬性的決策中。本文將AHP與三角模糊數(shù)結(jié)合起來(lái)，考慮主觀與客觀因素對(duì)各評(píng)價(jià)指標(biāo)權(quán)重的影響，使計(jì)算結(jié)果更加準(zhǔn)確。

2.1.2 權(quán)重計(jì)算過(guò)程

運(yùn)用該方法計(jì)算時(shí)的具體過(guò)程如下：

表1 鐵路貨運(yùn)服務(wù)質(zhì)量評(píng)價(jià)指標(biāo)體系

②接著構(gòu)建三角模糊數(shù)的判斷矩陣，請(qǐng)專家根據(jù)評(píng)價(jià)指標(biāo)體系和表2，兩兩比較各指標(biāo)。

表2 鐵路貨運(yùn)服務(wù)質(zhì)量評(píng)價(jià)指標(biāo)體系

并采用三角模糊數(shù)打分，即可得到三角模糊數(shù)的判斷矩陣

③對(duì)三角模糊數(shù)的判斷矩陣A進(jìn)行排序，主要根據(jù)可能度，可能度的定義為[5]

假設(shè)兩個(gè)三角模糊數(shù)P1=(l1,m1,u1)與P1=(l2,m2,u2)，則

為 P1≥P2的可能度。

設(shè)n個(gè)三角模糊數(shù)構(gòu)成集合{P1,P2,…,P3}，則P1≥P2,P3…,Pn的可能度為 Q=(P1≥P2,P3,…,Pn)=min{Q(P1≥P2),Q(P1≥P3),…,Q(P1≥Pn)}。

計(jì)算指標(biāo)權(quán)重時(shí)需先將三角模糊數(shù)判斷矩陣按行累加求和，然后將其作歸一化處理，得到三角模糊數(shù)的權(quán)重向量

兩兩比較三角模糊數(shù)的權(quán)重向量wi，根據(jù)可能度定義，計(jì)算相應(yīng)的可能度，其中，求得可能度矩陣

2.2 BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型

2.2.1 BP神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介

1986年是一種前饋性神經(jīng)網(wǎng)絡(luò)，由Rumelhart等人提出，基本原理是模擬人的思維方式，采用誤差逆向傳播對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；能夠自動(dòng)調(diào)整網(wǎng)絡(luò)模型中的權(quán)重，從而提高預(yù)測(cè)準(zhǔn)確性。該方法屬于非線性動(dòng)力學(xué)系統(tǒng)智能算法中的一種，具有容錯(cuò)性好、系統(tǒng)性、高度非線性等優(yōu)點(diǎn)，目前有較為廣泛的應(yīng)用領(lǐng)域。

2.2.2 BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)過(guò)程

鐵路貨運(yùn)的服務(wù)質(zhì)量受多重因素影響，且這些因素間多為非線性關(guān)系，因此可采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行評(píng)價(jià)，評(píng)價(jià)過(guò)程具體為：

本文以26家典型的鐵路貨運(yùn)站為研究對(duì)象，將收集到的數(shù)據(jù)整理后，即可輸入到網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練與檢驗(yàn)。

①建立模型。BP神經(jīng)網(wǎng)絡(luò)模型包括三層：輸入層、隱含層、輸出層，隱含層個(gè)數(shù)根據(jù)需要設(shè)定，可為一個(gè)或多個(gè)，已經(jīng)有理論證明三層神經(jīng)網(wǎng)絡(luò)模型已經(jīng)能夠滿足任何的連續(xù)影響，滿足使用需求。因此本文中將模型層數(shù)設(shè)定為三層，結(jié)點(diǎn)變換函數(shù)選擇Sigmoid函數(shù)，由于評(píng)價(jià)指標(biāo)體系中共有29個(gè)評(píng)價(jià)指標(biāo)，模型的輸入單元也為29個(gè)；隱含層節(jié)點(diǎn)個(gè)數(shù)的確定方法尚缺少理論依據(jù)，確定方法主要有：有；其中n代表輸入節(jié)點(diǎn)的個(gè)數(shù)，m代表輸出節(jié)點(diǎn)的個(gè)數(shù)，a一般取1～10間的常數(shù)，本文根據(jù)經(jīng)驗(yàn)將隱含層個(gè)數(shù)取為9[6]；含有1個(gè)輸出單元，表示鐵路貨運(yùn)站的服務(wù)質(zhì)量綜合值。

②訓(xùn)練與檢驗(yàn)?zāi)Ｐ汀?shù)據(jù)分為訓(xùn)練組與檢驗(yàn)組，本文第1～23組數(shù)據(jù)為訓(xùn)練樣本，第24～26組數(shù)據(jù)作為檢驗(yàn)樣本，訓(xùn)練過(guò)程中比較輸出值與期望值，當(dāng)誤差較大時(shí)通過(guò)調(diào)整迭代次數(shù)、隱含層個(gè)數(shù)等提高精度，直到誤差在5%以內(nèi)，停止訓(xùn)練。

③訓(xùn)練結(jié)束后，通過(guò)使用已經(jīng)發(fā)生收斂的神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)待評(píng)價(jià)的鐵路貨運(yùn)站的服務(wù)質(zhì)量狀況，從而得到服務(wù)質(zhì)量評(píng)價(jià)的預(yù)測(cè)結(jié)果。

3 鐵路貨運(yùn)服務(wù)質(zhì)量評(píng)價(jià)實(shí)證研究

3.1 三角模糊數(shù)AHP計(jì)算評(píng)價(jià)指標(biāo)權(quán)重

根據(jù)前文所述，本文通過(guò)采用隨機(jī)抽取方式邀請(qǐng)20名經(jīng)常使用鐵路辦理貨物配送的客戶與貨運(yùn)站管理相關(guān)人員，由他們根據(jù)表1評(píng)價(jià)指標(biāo)體系對(duì)各指標(biāo)進(jìn)行打分，進(jìn)而得到各層次的三角模糊數(shù)判斷矩陣，下面以9個(gè)二級(jí)指標(biāo)的判斷矩陣為例，如表3所示。

表3 二級(jí)指標(biāo)三角模糊數(shù)判斷矩陣

按照計(jì)算步驟得到三角模糊數(shù)的權(quán)重向量分別為：

w1=(0.082 25,0.108 53,0.160 12)

w2=(0.101 73,0.144 7,0.190 33)

......

w9=(0.069 26,0.095 61,0.135 95)

兩兩比較三角模糊數(shù)中的數(shù)值，可得對(duì)應(yīng)的可能度矩陣，在此省略，進(jìn)而得到可能度矩陣Q排序后的向量：w=(0.535,0.611,0.520,0.492,0.594,0.545,0.452,0.432,0.406)，對(duì)其作歸一化處理后得到9個(gè)二級(jí)指標(biāo)的權(quán)重，分別為：w=(0.116 6,0.133 2,0.113 3,0.107 2,0.129,0.119,0.098,0.094,0.089)。

按照同樣方法計(jì)算各三級(jí)指標(biāo)的權(quán)重，可以得到可靠性下的3個(gè)指標(biāo)權(quán)重分別為：w1=(0.360 3,0.336 1,0.303 5)。同樣可得到其他二級(jí)指標(biāo)下的各個(gè)三級(jí)指標(biāo)權(quán)重。至此，根據(jù)計(jì)算結(jié)果，對(duì)二級(jí)指標(biāo)與三級(jí)指標(biāo)的權(quán)重進(jìn)行加權(quán)平均，求得各評(píng)價(jià)指標(biāo)的綜合權(quán)重，如表4所示。

表4 鐵路貨運(yùn)服務(wù)質(zhì)量評(píng)價(jià)各指標(biāo)綜合權(quán)重

3.2 利用BP神經(jīng)網(wǎng)絡(luò)模型評(píng)價(jià)

以上述計(jì)算結(jié)果為基礎(chǔ)，對(duì)鐵路貨運(yùn)服務(wù)質(zhì)量進(jìn)行評(píng)價(jià)。評(píng)價(jià)指標(biāo)體系中既有定性指標(biāo)，也有定量指標(biāo)，因此通過(guò)隨機(jī)抽取鐵路貨運(yùn)站內(nèi)部的管理人員與貨運(yùn)辦理客戶共20名進(jìn)行訪談，邀請(qǐng)他們根據(jù)評(píng)價(jià)指標(biāo)體系對(duì)各評(píng)價(jià)指標(biāo)采用五分制打分，1～5代表服務(wù)質(zhì)量水平逐漸遞增，之后取20名受訪者打分的平均值，按下列公式對(duì)指標(biāo)得分進(jìn)行標(biāo)準(zhǔn)化處理：

可得到樣本鐵路貨運(yùn)站的服務(wù)質(zhì)量綜合評(píng)價(jià)值。在利用BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練與仿真時(shí)只需將這26個(gè)鐵路貨運(yùn)站的初始分值與輸出值輸入就能得到檢驗(yàn)值。限于篇幅在此僅列出第1～26組樣本貨運(yùn)站的數(shù)據(jù)，如表5所示。

表5 樣本鐵路貨運(yùn)站服務(wù)質(zhì)量評(píng)價(jià)指標(biāo)數(shù)據(jù)

通過(guò)公式Y(jié)=W×X可以得到26個(gè)鐵路貨運(yùn)站的服務(wù)質(zhì)量綜合評(píng)價(jià)值，其中W表示各服務(wù)質(zhì)量評(píng)價(jià)指標(biāo)的權(quán)重，X表示受訪者打分平均值，評(píng)價(jià)結(jié)果分別為（0.568 44,0.589 06,0.600 14,0.632 18,0.565 14,0.582 85,0.617 27,0.624 67,0.659 94,0.585 28,0.631 62,0.591 07,0.657 05,0.588 59,0.629 22,0.603 35,0.573 32,0.632 67,0.599 15,0.677 29,0.621 93,0.600 98,0.560 21,0.626 91,0.611 01,0.576 75）。

將26個(gè)樣本鐵路貨運(yùn)站的相關(guān)數(shù)據(jù)按照BP神經(jīng)網(wǎng)絡(luò)模型的進(jìn)行訓(xùn)練與檢驗(yàn)，第1～23組數(shù)據(jù)作為訓(xùn)練樣本，第24～26組數(shù)據(jù)作為檢驗(yàn)樣本，訓(xùn)練時(shí)的BP神經(jīng)網(wǎng)絡(luò)模型如圖1所示。參數(shù)設(shè)置如下：精度要求為10^(-10)，性能函數(shù)選用MSE，訓(xùn)練過(guò)程中每經(jīng)過(guò)50次顯示1次訓(xùn)練結(jié)果，網(wǎng)絡(luò)最大迭代次數(shù)為5 000次，經(jīng)過(guò)8次的運(yùn)行，精度已滿足要求，訓(xùn)練完成，訓(xùn)練結(jié)果如圖2所示。此時(shí)，網(wǎng)絡(luò)的期望值與輸出值已非常接近，最大誤差仍可以接受，表明該網(wǎng)絡(luò)模型已經(jīng)可以用于仿真與模擬，在對(duì)鐵路貨運(yùn)站的服務(wù)質(zhì)量進(jìn)行評(píng)價(jià)時(shí)可以使用。作為檢驗(yàn)樣本的第24～26組數(shù)據(jù)期望值與MATLAB2016a模擬值進(jìn)行對(duì)比，如表6所示。

圖1 構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型

表6 BP神經(jīng)網(wǎng)絡(luò)檢驗(yàn)結(jié)果

圖2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果

可以看出，第24～26組數(shù)據(jù)的仿真結(jié)果中，期望值與模擬值的最大相對(duì)誤差為0.035 78，仍滿足鐵路貨運(yùn)站的質(zhì)量評(píng)價(jià)要求，根據(jù)仿真結(jié)果認(rèn)為可以利用BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)鐵路貨運(yùn)站的服務(wù)質(zhì)量。將訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)保存，在評(píng)價(jià)其他鐵路貨運(yùn)站的服務(wù)質(zhì)量時(shí)只需將該鐵路貨運(yùn)站的相關(guān)指標(biāo)初始評(píng)價(jià)值輸入到模型中，運(yùn)行網(wǎng)絡(luò)就可以得到該鐵路貨運(yùn)站的服務(wù)質(zhì)量綜合值。

4 結(jié)論

本文利用三角模糊數(shù)AHP方法計(jì)算各評(píng)價(jià)指標(biāo)的權(quán)重，將模糊性較強(qiáng)的問(wèn)題具體化，同時(shí)兼顧主觀與客觀因素對(duì)指標(biāo)權(quán)重的影響，具有可靠性較高，計(jì)算過(guò)程易于操作的優(yōu)點(diǎn)；利用BP神經(jīng)網(wǎng)絡(luò)模型來(lái)評(píng)價(jià)鐵路貨運(yùn)站的服務(wù)質(zhì)量水平，通過(guò)調(diào)整參數(shù)來(lái)提高模型輸出的精度，直到達(dá)到使用要求，好處是對(duì)搜集到的大量歷史數(shù)據(jù)建立數(shù)據(jù)庫(kù)，在評(píng)價(jià)時(shí)只需輸入原始數(shù)據(jù)啟動(dòng)網(wǎng)絡(luò)就可得到預(yù)測(cè)值，即待評(píng)價(jià)鐵路貨運(yùn)站服務(wù)質(zhì)量水平，誤差較小，因此可將該評(píng)價(jià)方法用于服務(wù)質(zhì)量評(píng)價(jià)中。