基于灰色聚類法的MaaS出行服務水平評價研究

王麗園 白家安 張存保 沈繼超

(中交第二公路勘察設計研究院有限公司1) 武漢 430056) (武漢理工大學智能交通系統研究中心2) 武漢 430063)

0 引 言

城市居民在交通出行方式上的選擇逐漸增多，但是存在各類出行信息資源難以形成有效聯系，出行交通方式相互孤立等問題.隨著一體化出行協同管控理念的產生以及居民對出行服務質量要求的不斷提升，出行即服務(mobility as a service，MaaS)理念作為一體化出行服務逐漸興起[1].MaaS出行通過深入剖析用戶出行需求，將多交通方式路徑規劃、集成信息、集成票務、預訂與支付以及動態行程管理功能置于統一的出行體系中，并通過物聯網、自動駕駛、5G等新興技術支持各類出行資源進行合理調度和輔助出行決策，讓各種孤立的出行交通方式在信息端與基礎設施端能夠形成有效鏈接并引導各出行交通方式達成一體化的出行協同管控目標，以此提升出行服務質量.

國內已有部分城市對MaaS出行理念進行了相應的探索與實踐，例如河北雄安MaaS出行系統、北京MaaS平臺、廣州黃浦區自動駕駛MaaS平臺以及深圳巴士集團MaaS智慧出行服務等.其中河北雄安MaaS出行系統將提供定線接駁車、彈性接駁車及城市交換中心(city exchange center，CEC)換乘等相關出行服務.在國內各城市對MaaS出行理念進行探索與實踐的初期，為準確全面地評估國內城市MaaS出行服務水平，有必要對MaaS出行服務水平評價方法進行研究.

近年來針對MaaS出行服務水平評價問題已有居多研究.Qu等[2]從出行可靠性、便捷性、經濟性、舒適性層面構建MaaS出行下的公交服務水平評價體系，并通過專家法獲取指標權重后采用層次分析法加以評估.He等[3]從獨特性層面、可用性層面、可達性層面、信息層面、時間層面、人文關懷層面以及舒適度層面提出了基于自動駕駛車輛的MaaS出行服務質量評估方法，并利用層次分析法與評價值聚合加權得到最終服務質量水平.He等[4]引入改進的三角模糊層次分析法對MaaS服務質量進行評價，從集成性層面、信息層面、出行層面以及舒適度層面闡述了定量計算服務質量指數和確定質量等級的方法，并對10項MaaS服務進行了評估.王家川等[5]將MaaS理念與公眾旅游出行的需求融合，從可達性，交通運行特性和信息服務特性層面建立了MaaS理念下的景區交通服務能力評價指標體系，并利用層次分析法對典型景區南鑼鼓巷交通服務能力進行計算.

現有MaaS出行服務水平評價研究主要側重于公交、景區、自動駕駛等某方面研究，缺乏涵蓋MaaS出行全方式、全過程的服務水平評價.對于評價指標研究而言，現有文獻對MaaS出行安全與信息安全因素考慮不足，相關因素需進一步完善.同時，現有研究大多使用層次分析法進行評價，而MaaS出行系統為復雜多層次系統，評價指標信息存在不確定性，層次分析法得出的評價結果易產生偏差.而灰色理論是以部分信息已知，部分信息未知的不確定性系統為研究對象，在對MaaS出行服務水平評價時適用程度更高.因此本文在出行即服務理念的基礎上對用戶出行服務影響因素進行分析，并提出MaaS出行服務水平評價指標體系與灰色聚類評價方法，為針對性發展與改善國內MaaS出行服務提供科學依據.

1 MaaS出行服務水平評價指標體系

1.1 評價指標體系建立

在綜合分析MaaS出行服務影響因素與及現有相關出行服務水平評價文獻[6-8]的基礎上，確定MaaS出行服務準則層與對應指標.

文中構建4個準則層13個指標組成的MaaS出行服務水平評價指標體系，見圖1.各MaaS出行服務水平評價指標描述及獲取方式見表1.

表1 MaaS出行服務水平評價指標描述及獲取方式

圖1 MaaS出行服務水平評價指標體系

1.2 評價指標等級劃分

將MaaS出行服務評價指標等級劃分為一級(很好)、二級(較好)、三級(中等)、四級(較差)、五級(很差)，各級邊界值可依據評價的具體需要進行調整，見表2.

表2 MaaS出行服務水平評價指標等級建議值

2 MaaS出行服務水平評價方法

2.1 評價方法的確定

MaaS出行是復雜出行網絡下的一體化出行，在出行服務過程中存在各類不確定影響因素，因此MaaS出行系統具有顯著的復雜性與不確定性，并且評價中涉及多因素及多目標過程，常規層次分析評價方法不能對其準確評價.而灰色聚類評價法對解決數據模糊性較高、小數據樣本等不確定信息適用性較好，可用于解決多層次多指標的量化及決策問題[9].

在灰色聚類評價方法中，確定指標權重時采用決策實驗和評估實驗法(decision making trial and evaluation laboratory，DEMATEL)改進的三角模糊層次分析法(triangular fuzzy number analytic hierarchy process，TFNAHP)，從而形成包含便捷性、安全性、經濟性、舒適性的準則層及相應的指標層的綜合權重矩陣.

2.2 MaaS出行服務水平評價方法步驟

1)MaaS出行服務評價指標權重確定 在MaaS出行服務指標體系中考慮指標與MaaS出行服務水平隸屬關系，采用三角模糊層次分析法得到價值權重，利用決策實驗和評估實驗法得到MaaS出行服務評估指標的影響權重，將兩者權重利用積和歸一法進行融合，獲得包含MaaS出行服務水平與指標隸屬程度信息和MaaS出行服務評估指標之間相互影響信息的綜合權重，具體方法步驟見文獻[10].

2)MaaS出行服務評價樣本矩陣確定 對于MaaS出行服務項目C，使MaaS平臺用戶對各指標進行賦值并無量綱化處理，使指標評價值轉化為[0,1]的具體數值，得到無量綱的評價樣本矩陣為

C=[c1c2…ci…c13]T

(1)

式中：ci為第i個指標的量綱-的量評價打分.

3)構建白化權函數 依據評價指標等級劃分，相應的評價灰類同樣設為五個，分成一級(很好)、二級(較好)、三級(中等)、四級(較差)、五級(很差)五個級別：①很好，即MaaS出行服務水平評價水平很高，各項指標達到頂尖水準，MaaS出行服務水平為優；②較好，MaaS出行平臺功能比較完善，在出行便捷、出行安全以及舒適感受上效果均較好；③中等，即已有體現MaaS出行的各項功能，在出行便捷、出行安全以及舒適感受上達到基本服務效果；④較差，即MaaS出行服務水平較差，需加強MaaS功能層面建設，提高出行便捷，出行安全以及舒適感受；⑤很差，即MaaS出行服務水平很差，各項指標均未達到MaaS出行服務基本要求.

構造白化權函數如下.

(2)

(3)

(4)

(5)

(6)

4)計算MaaS出行服務灰色評價權值 對MaaS出行服務評價指標Ci而言, 依據構造的白化權函數得出對應MaaS出行項目C的所對應灰類的評價灰類函數值，即fe(ci1),fe(ci2),…，fe(cip),其中cip是用戶對MaaS出行服務項目的評價值，則其相應的MaaS出行服務灰色評價系數記為xie.

(7)

每個MaaS出行服務評價灰類總灰色評價系數記為xi，則有

(8)

每個MaaS出行服務指標ci對項目C的第e個灰類的灰色評價權記為rie，則有

(9)

(10)

5)確定MaaS出行服務評價結果等級 對MaaS出行項目C進行服務水平評價，其指標層計算等級最終結果為Bi,Bi=Wi×Ri=(bi1,bi2,bi3,bi4,bi5)，由最大隸屬度原則，得出將Bi中向量值中的最大值所對應的評價等級作為MaaS出行服務水平評價中的準則層評價結果等級.其中總灰色評價權矩陣R=(B1,B2,…Bm)T.對整個MaaS出行服務項目C的準則層進行評價，其評價結果為B=W×R=(b1,b2,b3,b4,b5)，將向量值中的最大值對應的評價等級作為MaaS出行項目C的服務水平評價結果等級.

3 實例分析

3.1 案例評價

廣州市某MaaS出行平臺在一站式出行服務理念指引下，通過整合多種出行方式，滿足用戶出行、查詢、支付或者評價的出行需求，將整個出行的支付、票務置于一個平臺中，以實現多方式的一體化出行.之后其將逐步把其他交通出行方式納入其服務范疇，通過大數據進行決策，剖析用戶出行需求和出行特征，以實現涵蓋更多種交通方式、更多種場景、更多元化的票制的MaaS一體化出行平臺.

通過對該MaaS出行平臺進行數據調查及相關資料研究，對MaaS出行服務評價體系下的各指標值進行統計與分析，其中出行安全指標中按出行訂單量分類統計的事故數據較少，相對較難獲取，因此本文將每萬單事故率指標作缺省項處理，后續如有條件則進行具體數據調查收集.其他指標數據則參考MaaS出行服務評價指標等級建議值賦值后再進行無量綱化處理，處理后的結果見表3.在指標權重方面，通過收集到的權重信息，利用2.1的DEMATEL-TFNAHP方法確定各準則層與指標權重，結果見表4.

表3 MaaS出行服務水平評價指標值及無量綱化評價值結果

表4 MaaS出行服務水平指標權重表

3.2 結果分析與建議

在MaaS出行服務水平評價指標等級建議值的評定標準下，廣州市MaaS出行服務水平的指標得分情況按照5個等級(很好、較好、中等、較差、很差)衡量，屬于三級中等級別.

廣州市MaaS出行服務水平在便捷性上評價為四級(較差)，用戶認為“便捷性”是影響MaaS出行服務水平的首要因素，并且對MaaS系統功能完善程度、平均等待時間與出行準點率關注較大，相應指標權重也比較高，但是在MaaS系統功能完善程度、交通方式種類及時間便捷指標方面得分均較差，應注重提升MaaS出行功能服務體驗，同時能夠及時響應用戶需求，準時到達目的地.安全性評價為三級(中等)，“安全性”也是用戶所重點關注的因素，廣州市MaaS出行在信息安全與出行安全方面表現一般，后期還應增強其信息安全與出行安全保障的技術支持.經濟性層面評分為三級(中等)，用戶對“經濟性”的關注相對便捷與安全而言較小，其MaaS出行服務在支付選擇靈活性指標與綠色出行優惠指標方面仍需提升.最后在舒適性層面評價為三級(中等)，用戶在對出行服務的舒適性滿意度表現較好，但是在人文關懷方面表現較差，作為MaaS出行更應注重提升用戶出行舒適感與提升人文關懷體驗，并且隨著國內MaaS出行的不斷發展，用戶舒適性感知也會不斷的提升.

4 結 束 語

文中以出行即服務理念分析用戶出行服務影響因素，分別從便捷性、安全性、經濟性、舒適性4個準則層建立了MaaS出行服務水平指標評價體系，對各指標含義進行描述且提出指標值獲取方式，并確定了MaaS出行服務水平指標評價分級標準.在指標評價體系基礎上，利用DEMATEL-TFNAHP方法對指標進行賦權并利用灰色聚類法對MaaS出行服務進行評價.在案例分析中，以廣州市某MaaS出行平臺為研究對象，對廣州市MaaS出行服務水平進行綜合分析與評價.評價結果表明，本方法以城市MaaS出行平臺為數據源，可較為準確評估國內城市MaaS出行服務水平.