基于灰色聚类法的MaaS出行服务水平评价研究

王丽园 白家安 张存保 沈继超

(中交第二公路勘察设计研究院有限公司1) 武汉 430056) (武汉理工大学智能交通系统研究中心2) 武汉 430063)

0 引 言

城市居民在交通出行方式上的选择逐渐增多，但是存在各类出行信息资源难以形成有效联系，出行交通方式相互孤立等问题.随着一体化出行协同管控理念的产生以及居民对出行服务质量要求的不断提升，出行即服务(mobility as a service，MaaS)理念作为一体化出行服务逐渐兴起[1].MaaS出行通过深入剖析用户出行需求，将多交通方式路径规划、集成信息、集成票务、预订与支付以及动态行程管理功能置于统一的出行体系中，并通过物联网、自动驾驶、5G等新兴技术支持各类出行资源进行合理调度和辅助出行决策，让各种孤立的出行交通方式在信息端与基础设施端能够形成有效链接并引导各出行交通方式达成一体化的出行协同管控目标，以此提升出行服务质量.

国内已有部分城市对MaaS出行理念进行了相应的探索与实践，例如河北雄安MaaS出行系统、北京MaaS平台、广州黄浦区自动驾驶MaaS平台以及深圳巴士集团MaaS智慧出行服务等.其中河北雄安MaaS出行系统将提供定线接驳车、弹性接驳车及城市交换中心(city exchange center，CEC)换乘等相关出行服务.在国内各城市对MaaS出行理念进行探索与实践的初期，为准确全面地评估国内城市MaaS出行服务水平，有必要对MaaS出行服务水平评价方法进行研究.

近年来针对MaaS出行服务水平评价问题已有居多研究.Qu等[2]从出行可靠性、便捷性、经济性、舒适性层面构建MaaS出行下的公交服务水平评价体系，并通过专家法获取指标权重后采用层次分析法加以评估.He等[3]从独特性层面、可用性层面、可达性层面、信息层面、时间层面、人文关怀层面以及舒适度层面提出了基于自动驾驶车辆的MaaS出行服务质量评估方法，并利用层次分析法与评价值聚合加权得到最终服务质量水平.He等[4]引入改进的三角模糊层次分析法对MaaS服务质量进行评价，从集成性层面、信息层面、出行层面以及舒适度层面阐述了定量计算服务质量指数和确定质量等级的方法，并对10项MaaS服务进行了评估.王家川等[5]将MaaS理念与公众旅游出行的需求融合，从可达性，交通运行特性和信息服务特性层面建立了MaaS理念下的景区交通服务能力评价指标体系，并利用层次分析法对典型景区南锣鼓巷交通服务能力进行计算.

现有MaaS出行服务水平评价研究主要侧重于公交、景区、自动驾驶等某方面研究，缺乏涵盖MaaS出行全方式、全过程的服务水平评价.对于评价指标研究而言，现有文献对MaaS出行安全与信息安全因素考虑不足，相关因素需进一步完善.同时，现有研究大多使用层次分析法进行评价，而MaaS出行系统为复杂多层次系统，评价指标信息存在不确定性，层次分析法得出的评价结果易产生偏差.而灰色理论是以部分信息已知，部分信息未知的不确定性系统为研究对象，在对MaaS出行服务水平评价时适用程度更高.因此本文在出行即服务理念的基础上对用户出行服务影响因素进行分析，并提出MaaS出行服务水平评价指标体系与灰色聚类评价方法，为针对性发展与改善国内MaaS出行服务提供科学依据.

1 MaaS出行服务水平评价指标体系

1.1 评价指标体系建立

在综合分析MaaS出行服务影响因素与及现有相关出行服务水平评价文献[6-8]的基础上，确定MaaS出行服务准则层与对应指标.

文中构建4个准则层13个指标组成的MaaS出行服务水平评价指标体系，见图1.各MaaS出行服务水平评价指标描述及获取方式见表1.

表1 MaaS出行服务水平评价指标描述及获取方式

图1 MaaS出行服务水平评价指标体系

1.2 评价指标等级划分

将MaaS出行服务评价指标等级划分为一级(很好)、二级(较好)、三级(中等)、四级(较差)、五级(很差)，各级边界值可依据评价的具体需要进行调整，见表2.

表2 MaaS出行服务水平评价指标等级建议值

2 MaaS出行服务水平评价方法

2.1 评价方法的确定

MaaS出行是复杂出行网络下的一体化出行，在出行服务过程中存在各类不确定影响因素，因此MaaS出行系统具有显著的复杂性与不确定性，并且评价中涉及多因素及多目标过程，常规层次分析评价方法不能对其准确评价.而灰色聚类评价法对解决数据模糊性较高、小数据样本等不确定信息适用性较好，可用于解决多层次多指标的量化及决策问题[9].

在灰色聚类评价方法中，确定指标权重时采用决策实验和评估实验法(decision making trial and evaluation laboratory，DEMATEL)改进的三角模糊层次分析法(triangular fuzzy number analytic hierarchy process，TFNAHP)，从而形成包含便捷性、安全性、经济性、舒适性的准则层及相应的指标层的综合权重矩阵.

2.2 MaaS出行服务水平评价方法步骤

1)MaaS出行服务评价指标权重确定 在MaaS出行服务指标体系中考虑指标与MaaS出行服务水平隶属关系，采用三角模糊层次分析法得到价值权重，利用决策实验和评估实验法得到MaaS出行服务评估指标的影响权重，将两者权重利用积和归一法进行融合，获得包含MaaS出行服务水平与指标隶属程度信息和MaaS出行服务评估指标之间相互影响信息的综合权重，具体方法步骤见文献[10].

2)MaaS出行服务评价样本矩阵确定 对于MaaS出行服务项目C，使MaaS平台用户对各指标进行赋值并无量纲化处理，使指标评价值转化为[0,1]的具体数值，得到无量纲的评价样本矩阵为

C=[c1c2…ci…c13]T

(1)

式中：ci为第i个指标的量纲-的量评价打分.

3)构建白化权函数 依据评价指标等级划分，相应的评价灰类同样设为五个，分成一级(很好)、二级(较好)、三级(中等)、四级(较差)、五级(很差)五个级别：①很好，即MaaS出行服务水平评价水平很高，各项指标达到顶尖水准，MaaS出行服务水平为优；②较好，MaaS出行平台功能比较完善，在出行便捷、出行安全以及舒适感受上效果均较好；③中等，即已有体现MaaS出行的各项功能，在出行便捷、出行安全以及舒适感受上达到基本服务效果；④较差，即MaaS出行服务水平较差，需加强MaaS功能层面建设，提高出行便捷，出行安全以及舒适感受；⑤很差，即MaaS出行服务水平很差，各项指标均未达到MaaS出行服务基本要求.

构造白化权函数如下.

(2)

(3)

(4)

(5)

(6)

4)计算MaaS出行服务灰色评价权值 对MaaS出行服务评价指标Ci而言, 依据构造的白化权函数得出对应MaaS出行项目C的所对应灰类的评价灰类函数值，即fe(ci1),fe(ci2),…，fe(cip),其中cip是用户对MaaS出行服务项目的评价值，则其相应的MaaS出行服务灰色评价系数记为xie.

(7)

每个MaaS出行服务评价灰类总灰色评价系数记为xi，则有

(8)

每个MaaS出行服务指标ci对项目C的第e个灰类的灰色评价权记为rie，则有

(9)

(10)

5)确定MaaS出行服务评价结果等级 对MaaS出行项目C进行服务水平评价，其指标层计算等级最终结果为Bi,Bi=Wi×Ri=(bi1,bi2,bi3,bi4,bi5)，由最大隶属度原则，得出将Bi中向量值中的最大值所对应的评价等级作为MaaS出行服务水平评价中的准则层评价结果等级.其中总灰色评价权矩阵R=(B1,B2,…Bm)T.对整个MaaS出行服务项目C的准则层进行评价，其评价结果为B=W×R=(b1,b2,b3,b4,b5)，将向量值中的最大值对应的评价等级作为MaaS出行项目C的服务水平评价结果等级.

3 实例分析

3.1 案例评价

广州市某MaaS出行平台在一站式出行服务理念指引下，通过整合多种出行方式，满足用户出行、查询、支付或者评价的出行需求，将整个出行的支付、票务置于一个平台中，以实现多方式的一体化出行.之后其将逐步把其他交通出行方式纳入其服务范畴，通过大数据进行决策，剖析用户出行需求和出行特征，以实现涵盖更多种交通方式、更多种场景、更多元化的票制的MaaS一体化出行平台.

通过对该MaaS出行平台进行数据调查及相关资料研究，对MaaS出行服务评价体系下的各指标值进行统计与分析，其中出行安全指标中按出行订单量分类统计的事故数据较少，相对较难获取，因此本文将每万单事故率指标作缺省项处理，后续如有条件则进行具体数据调查收集.其他指标数据则参考MaaS出行服务评价指标等级建议值赋值后再进行无量纲化处理，处理后的结果见表3.在指标权重方面，通过收集到的权重信息，利用2.1的DEMATEL-TFNAHP方法确定各准则层与指标权重，结果见表4.

表3 MaaS出行服务水平评价指标值及无量纲化评价值结果

表4 MaaS出行服务水平指标权重表

3.2 结果分析与建议

在MaaS出行服务水平评价指标等级建议值的评定标准下，广州市MaaS出行服务水平的指标得分情况按照5个等级(很好、较好、中等、较差、很差)衡量，属于三级中等级别.

广州市MaaS出行服务水平在便捷性上评价为四级(较差)，用户认为“便捷性”是影响MaaS出行服务水平的首要因素，并且对MaaS系统功能完善程度、平均等待时间与出行准点率关注较大，相应指标权重也比较高，但是在MaaS系统功能完善程度、交通方式种类及时间便捷指标方面得分均较差，应注重提升MaaS出行功能服务体验，同时能够及时响应用户需求，准时到达目的地.安全性评价为三级(中等)，“安全性”也是用户所重点关注的因素，广州市MaaS出行在信息安全与出行安全方面表现一般，后期还应增强其信息安全与出行安全保障的技术支持.经济性层面评分为三级(中等)，用户对“经济性”的关注相对便捷与安全而言较小，其MaaS出行服务在支付选择灵活性指标与绿色出行优惠指标方面仍需提升.最后在舒适性层面评价为三级(中等)，用户在对出行服务的舒适性满意度表现较好，但是在人文关怀方面表现较差，作为MaaS出行更应注重提升用户出行舒适感与提升人文关怀体验，并且随着国内MaaS出行的不断发展，用户舒适性感知也会不断的提升.

4 结 束 语

文中以出行即服务理念分析用户出行服务影响因素，分别从便捷性、安全性、经济性、舒适性4个准则层建立了MaaS出行服务水平指标评价体系，对各指标含义进行描述且提出指标值获取方式，并确定了MaaS出行服务水平指标评价分级标准.在指标评价体系基础上，利用DEMATEL-TFNAHP方法对指标进行赋权并利用灰色聚类法对MaaS出行服务进行评价.在案例分析中，以广州市某MaaS出行平台为研究对象，对广州市MaaS出行服务水平进行综合分析与评价.评价结果表明，本方法以城市MaaS出行平台为数据源，可较为准确评估国内城市MaaS出行服务水平.