基于模糊綜合評(píng)價(jià)的共享單車市場(chǎng)競(jìng)爭(zhēng)影響力模型構(gòu)建研究

凌杰瑤 顧可恒

（南京師范大學(xué)泰州學(xué)院，江蘇 泰州 225300）

一、引言

共享單車作為城市公共交通工具，是企業(yè)在校園、地鐵站點(diǎn)。公交站點(diǎn)、居民區(qū)、商業(yè)區(qū)、公共服務(wù)區(qū)等地提供自行車單車共享服務(wù)，是一種分時(shí)租賃模式，共享單車是一種新型綠色環(huán)保共享經(jīng)濟(jì)?，F(xiàn)代社會(huì)倡導(dǎo)節(jié)能、環(huán)保的生活理念，共享單車的具有操作簡(jiǎn)單、低碳環(huán)保、租車費(fèi)用低廉、隨借隨還、緩解交通擁堵等優(yōu)勢(shì)，逐漸引起人們的注意。同時(shí)，由于其符合低碳出行理念政府對(duì)這一新鮮事物也處于善意的觀察期。共享單車交通系統(tǒng)在拓寬公共交通服務(wù)范圍、促進(jìn)交通系統(tǒng)循環(huán)、緩解城市交通問(wèn)題等方面具有實(shí)用價(jià)值。運(yùn)用社會(huì)網(wǎng)絡(luò)分析法對(duì)共享單車運(yùn)行網(wǎng)絡(luò)進(jìn)行分析，發(fā)現(xiàn)共享單車在建設(shè)布局和使用模式上的影響力，能夠指導(dǎo)共享單車的合理使用和有效運(yùn)營(yíng)，為人們出行或換乘提供最大便利。

二、結(jié)構(gòu)分析

根據(jù)共享單車站點(diǎn)地圖可以獲取站點(diǎn)的可借車數(shù)以及停車位實(shí)時(shí)數(shù)據(jù)，利用調(diào)查及車輛跟蹤數(shù)據(jù)繪制出共享單車的網(wǎng)絡(luò)時(shí)需要在以下前提下進(jìn)行。

（一）整體網(wǎng)絡(luò)由小網(wǎng)絡(luò)構(gòu)成

共享單車的整體網(wǎng)絡(luò)是由許多具有相似特征及影響力的小網(wǎng)絡(luò)構(gòu)成，在對(duì)共享單車網(wǎng)絡(luò)進(jìn)行研究時(shí)，可以選取具有代表性的局部網(wǎng)絡(luò)區(qū)域進(jìn)行研究，研究結(jié)果可以推廣到整體網(wǎng)絡(luò)中去。

（二）網(wǎng)絡(luò)由路徑有向加權(quán)而成

將網(wǎng)點(diǎn)視為社會(huì)網(wǎng)絡(luò)中的節(jié)點(diǎn)，站點(diǎn)之間車輛的路線作為邊，邊上的權(quán)值為兩站點(diǎn)之間有效的共享單車租用量，整個(gè)網(wǎng)絡(luò)抽象為有向加權(quán)網(wǎng)絡(luò)。

（三）網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)化

市民在某些站點(diǎn)換騎另一輛單車的情況可能是之前所騎單車出現(xiàn)故障，影響騎行舒適度而換騎正常單車，對(duì)選定區(qū)域內(nèi)存在車輛外出或進(jìn)入的路線同樣不計(jì)入網(wǎng)絡(luò)結(jié)構(gòu)中，以免影響網(wǎng)絡(luò)結(jié)構(gòu)的計(jì)算量，使網(wǎng)絡(luò)結(jié)構(gòu)擴(kuò)大，超出可控范圍。

三、基于模糊綜合評(píng)價(jià)的共享單車競(jìng)爭(zhēng)影響力的模型構(gòu)建

（一）熵值法

熵值法是對(duì)不確定性的度量方法。是指用來(lái)判斷某個(gè)指標(biāo)的離散程度的數(shù)學(xué)方法，基于信息論基本原理的解釋，熵是對(duì)不確定性的一種度量。信息量越大，不確定性就越小，熵也就越??；信息量越小，不確定性越大，熵也越大。該指標(biāo)提供的信息量越大，在評(píng)價(jià)中的作用相應(yīng)越大，權(quán)重就越高，根據(jù)熵的特性，我們可以通過(guò)計(jì)算熵值來(lái)判斷一個(gè)事件的隨機(jī)性及無(wú)序程度，也可以用熵值來(lái)判斷某個(gè)指標(biāo)的離散程度，指標(biāo)的離散程度越大，該指標(biāo)對(duì)綜合評(píng)價(jià)的影響越大。

采用熵值法確定指標(biāo)權(quán)重，具體模型如下：

1.建立初始評(píng)估矩陣

2.規(guī)范初始評(píng)估矩陣

3.指標(biāo)的熵

評(píng)價(jià)指標(biāo)的效用值取決于熵值與1的差值。其值直接影響權(quán)重的大小。效用值越大，指標(biāo)的重要性越大，權(quán)重越大。

4.第一個(gè)指標(biāo)的效用值

5.j指數(shù)的熵權(quán)

（二）模糊綜合評(píng)價(jià)模型

Step1：確定影響力評(píng)價(jià)指標(biāo)客觀權(quán)重

考慮到不同指標(biāo)的量綱并不相同，對(duì)指標(biāo)值進(jìn)行標(biāo)準(zhǔn)化處理，具體轉(zhuǎn)換方法如下：

Step2：劃分影響力評(píng)價(jià)指標(biāo)等級(jí)區(qū)間

借鑒共享單車現(xiàn)有的知識(shí)體系，將指標(biāo)值劃分為最差、差、中、良、優(yōu)秀5個(gè)等級(jí)，并按照指標(biāo)劃分為軟硬件以及布局指標(biāo)，硬件指標(biāo)中包括單車配置、外形及舒適度，軟件指標(biāo)中包括品牌名氣、融資及服務(wù)管理水平，布局指標(biāo)中包括投放量、覆蓋城市及海外擴(kuò)展。

Step3：構(gòu)造影響力模糊評(píng)價(jià)矩陣

設(shè)U為因素集，其中：

Step4：依據(jù)層次分析法計(jì)算模糊綜合評(píng)價(jià)向量

采用層次分析法（簡(jiǎn)稱AHP法）得到層對(duì)層的權(quán)重分別為：（二級(jí)對(duì)一級(jí)指標(biāo)的權(quán)重）

令Ui的一級(jí)評(píng)判向量為，則。在二級(jí)評(píng)判中，將每一個(gè)看成一個(gè)因素，即為一個(gè)因素集，的單因素評(píng)判矩陣為：

（三）改進(jìn)最大隸屬度模糊綜合評(píng)價(jià)模型

1.最大隸屬度原則

2.模型改進(jìn)的依據(jù)

最大隸屬度原則是模糊綜合評(píng)價(jià)使用的最廣泛的方法，憑借其使用簡(jiǎn)便占優(yōu)，但在某些情況下會(huì)存在低效或失效的問(wèn)題。

3.模型的改進(jìn)

由上文分析進(jìn)行最大隸屬度的改進(jìn)，提出最大隸屬度有效性的評(píng)價(jià)方法。有效性指標(biāo)定義如下：

四、仿真模擬

通過(guò)網(wǎng)上搜集數(shù)據(jù)，在A市統(tǒng)計(jì)局搜集到的人口數(shù)量、人均可支配收入、街區(qū)面積等數(shù)據(jù)，數(shù)據(jù)如表1（注：見(jiàn)文章最后）：

表1 數(shù)據(jù)統(tǒng)計(jì)表

通過(guò)熵權(quán)法得出權(quán)重，具體如表2所示：

表2 權(quán)重分析

熵權(quán)法的權(quán)重計(jì)算結(jié)果如上表所示，其中指標(biāo)權(quán)重最大值為人口數(shù)量（萬(wàn)人）（23.099%），最小值為指標(biāo)人均可支配收入（元）（17.264%）。

構(gòu)建共享單車影響力的模糊評(píng)價(jià)體系，具體如表3所示：

表3 共享單車整體評(píng)價(jià)表

共享單車評(píng)價(jià)指標(biāo)：

一級(jí)評(píng)判向量為：

將進(jìn)行歸一化處理，變?yōu)?/p>

五、結(jié)論

本文通過(guò)模糊綜合評(píng)價(jià)法在共享單車市場(chǎng)競(jìng)爭(zhēng)力中的應(yīng)用，得出模糊綜合評(píng)價(jià)法更能反映各層級(jí)、各影響因素的重要程度，對(duì)共享單車影響較大的因素為人口數(shù)量和居民消費(fèi)價(jià)格指數(shù)。指標(biāo)評(píng)價(jià)中A市共享單車在配置、融資和投放量等方面做得較好。運(yùn)用模糊綜合評(píng)價(jià)模型對(duì)共享單車相關(guān)指標(biāo)進(jìn)行了定量評(píng)估，結(jié)論是：共享單車對(duì)市場(chǎng)競(jìng)爭(zhēng)的影響力為0.8507。