[基于模糊评价的沪宁高铁乘客满意度研究]乘客满意度
时间：2019-05-24 03:29:59 来源：柠檬阅读网 本文已影响 人 
［摘 要］近年来高速铁路的建设及发展备受关注，高铁乘客满意度水平调查及分析对于提升我国铁路运输企业的服务质量和水平，提高旅客出行满意度具有重要意义。采用模糊综合评判方法对沪宁高铁的乘客满意度进行研究，得出“非常满意”的结论，表明乘客对高铁这一现代化运输方式的认可，同时对我国高铁运输的建设发展也是一种激励。
［关键词］高速铁路；沪宁高铁；客户满意度；模糊评价
［中图分类号］U238 ［文献标识码］A ［文章编号］
2095-3283（2012）03-000-02
一、研究背景
高铁运输是适应我国经济快速发展的新兴运输方式，近几年随着沪宁城际高速铁路、京津城际铁路等相继开通运营，我国高铁的建设序幕迅速展开，正以前所未有的速度引领世界高铁发展，社会各界也给予高铁越来越多的关注。2010年7月1日长三角地区第一条时速300公里以上的高速铁路——沪宁高铁开始通车，从上海虹桥到南京的最快运行时间仅为73分钟，这将大大促进两地经济的发展。沪宁城际高速铁路作为当今我国乃至世界上标准最高、里程最长、运营速度最快的一条高速铁路，它的建成通车对于推进高速铁路建设具有引领和示范作用。高铁乘客满意度是衡量高铁营运质量的一个重要指标，本文采用模糊综合评判方法对高铁乘客满意度作以评价。
二、模糊评判方法及模型的建立
（一）模糊综合评判的概念
综合评判就是对受到多个因素制约的事物或对象作出总的评价。在日常生活和科研工作中经常遇到一些问题，如产品质量评定、科技成果鉴定、作物种植适应性的评价等，都属于综合评判范畴。由于从多方面对事物进行评价难免带有模糊性和主观性，采用模糊数学的方法进行综合评判可使结果尽量客观从而收到更好的实际效果。模糊综合评判就是应用模糊变换原理和最大隶属度原则，考虑与被评价事物相关的各个因素，对其作综合评价。利用模糊数学将模糊的评价指标信息定量化，从而对多因素进行定量评价与决策。
（二）模糊综合评判模型
模糊综合评判的数学模型用来对统计数据进行模糊评价分析。通常情况下，模糊综合评判的数学模型可分为一级模型和多级模型，在此采用一级模型进行综合评判，一般可归纳为以下几个步骤：
1.建立评判对象因素集U={u1，u2，…，un}。因素就是对象的各种属性或性能，也称为参数指标或质量指标，它们能综合反映出对象的质量，从而来评价对象。乘客对列车满意水平的影响因素主要包括：列车票价、舒适性、运行时间、安全性以及便捷程度等。
2.建立评判集V={v1，v2，…，vn}。如对某一产品的评价，评判集是等级的集合：一等品、二等品等；对农作物种植区域适应性的评价，评判集是适应程度的集合，满意度的评价应该是非常满意、满意、不满意、非常不满意等。其中的层级数目可以根据需要自行设置。
3.建立单因素评判，即建立一个从U（评判对象因素）到F（V）的模糊映射。
f:U→F（V），ui∈U
ui→f（ui）=
ri1v1+
ri2v2+…+
rimvm
0≤rij≤1，1≤i≤n，1≤j≤m
如果单独从一个因素进行评判，以确定评判对象对评判集元素的隶属度，称为单因素模糊评判。由f将各单因素评判集的隶属度构造组成矩阵可以诱导出模糊关系，得到模糊矩阵：
R=
r11r12…r1m
r21r22…r2m
…………
rn1rn2…rnm
称R为单因素评判矩阵，根据上面已经给出的U、V、R，将（U，V，R）定义为一个综合评判模型。
4.综合评判。一般说来，因素集U中的各因素对整个体系的影响程度是不一样的，对重要的因素应特别着重，对不太重要的因素也应考虑但不必十分看重。为了反映各因素的重要程度，对U中各个因素有不同的侧重，需要对每个因素赋予不同的权重，它可表示为U上的一个模糊子集A=（a1，a2，…，an），且规定ni=1ai=1。
本文在实际操作过程中应用了先期研究得到的因素权重：A=（0.2594，0.1776，0.1028，0.1258，0.3512）。本权重基于此次调研的结果，利用粗糙集和熵权法得到实验数据，比较合理。
在求出R与A之后，综合评判模型为B=A o R。记B=（b1，b2，…，bm），它是V上的一个模糊子集，其中
bj=∨ni=1 （aj∧rij）（j=1，2，…，m）
如果评判结果mj=1bj≠1，进行归一化处理。
（三）模型评价
建立单因素评判矩阵R和确定权重分配A是两项关键性的工作。评判矩阵及权重分配没有统一的方法可以遵循，一般可采用统计实验或专家评分的方法。
本文针对高速铁路满足乘客需求能力的综合评价符合其模型标准，数据来源真实可靠，可以使用模糊综合评判方法来研究。DPS数据处理系统是一款多功能的数据分析应用软件，是学术研究领域广泛使用的数据分析工具，能够实现此次研究的数据处理要求。在DPS平台上，根据给出的评判矩阵R和确定的权重分配A进行综合评判处理。同时，用户可以在平台上利用公式计算，根据定义公式，计算其隶属函数。
三、基于DPS的数据处理
DPS数据处理系统是一款实验设计及统计分析功能齐全的多功能统计分析软件包，已广泛应用于自然科学和社会科学各个领域。
（一）评判矩阵的计算
通过对沪宁高速铁路乘客的调查，选取高铁票价、时间、舒适、便捷、安全五个因素的乘客评价数据进行统计分析，得到乘客评价结果（见表1）。（定义为因素集合Uij，i=l、2、3、4、5，j=1、2、3、4、5、6，即关于第i项评价因素为第j种评价的认可人数。）
将各单因素评判集的隶属度构造组成矩阵可以诱导出模糊关系，得到模糊矩阵。根据DPS系统中变现形式，将评判矩阵表现为如表2形式：
（二）根据给定的评估数据（评判矩阵R）和最终的评价结果（权重分配A），确定出最终的综合评价系数。本文对高速铁路乘客满意度进行综合评定。已知因素集合为U，评语集合为V:
U={高铁票价，运行时间，舒适满意，便捷满意，安全满意}
V={非常不满意，很不满意，比较不满意，比较满意，很满意，非常满意}
首先，建立评估集合（评判矩阵），即评价矩阵数据编辑和定义。操作方法：在DPS平台上，以行表示因素集，以列表示评语集。每一行为因素集U中某一单因素的评价结果，最后一行存放最终评价值（即权重分配），本例的权重分配为A=（0.2594，0.1776，0.1028，0.1258，0.3512）并放在数据块的最后一行。
然后，完成评估数据（评判矩阵R）和最终评价结果（权重分配A）数据块的编辑及定义。依据模糊综合评判的数据编辑示意图（见表3），选中需要处理数据。
最后，在菜单下选择“模糊数学（综合评判”功能项，选择评判模式M（∧，∨），按比例进行权重调整，回车执行后即得到分析结果（如表4所示）。
（三）评判结论：有35.38%的人感到非常满意，33.59%感到很满意，17.82%的人一般满意，15.26%的人感到一般不满意，0%的人感到很不满意，0%的人感到非常不满意，通过简单加和得到：感到满意（满意程度达到一般满意及以上）的人占总数的86.79%。根据最大隶属度原则：结论是“非常满意”。
四、结语
本文采用模糊评价法结合相关数据对高铁乘客满意度进行研究，尽量得出较为靠近事实的结论，而“非常满意”的结论不仅是铁路乘客对高铁这一现代化的铁路方式运输的认可，也是对我国尚处在初期发展阶段的高速铁路事业发展的一种激励。
［参考文献］
［1］肖欣荣，姜国杰.建立城市大运量快速交通体系:升级战略［J］.城市问题，1999（2）：39-41.
［2］周维，叶义成.矩阵方法在单因素模糊综合评价中的应用［J］.中国水运［J］.2007（10）:202-204.
［3］刘春风，郑飞云.啤酒口感品评的模糊综合评价法［J］.食品科学，2008（9）:138-142.
［4］郭倩倩，李成兵，都国报.基于模糊综合评价的铁路客运服务质量研究［J］.铁道运输与经济，2008（10）.
［5］周元峰，贾元华，房生修.铁路旅客满意度模糊评测方法研究服务［J］.北方交通大学学报，2003，27（5）.
［6］陈晓东，肖小科.铁路客运站旅客服务体系的模糊综合评价［J］.铁道运营技术，2008（4）:16-18.
［7］缪颖林.顾客满意度指数测评方法及其应用研究［M］.上海:上海财经大学出版社，2008:131-132.
（责任编辑：乔 虹）
