高速运输业安全资信评析

1资信评价体系

1.1指标集

定义指标集：U=（u1，u2，……，um），其中m表示评价指标数。评价指标应具有可测性、代表性、可比性和独立性，每个指标应该均能表征企业运输安全水平的某一方面。为了有效评估各运输企业的安全资信等级，本文中m=4；u1、u2、u3和u4分别表示超速率（Up-Speedratio，USR）、疲劳驾驶率（Tired-Driveratio，TDR）、夜间行驶率（Night-Travelratio，NTR）和无信号车率（Non-Signalratio，NSR），其中US表示企业单位时间的超速次数，TD表示企业单位时间的疲劳驾驶的次数，NT表示企业单位时间的夜间行驶次数，NS表示企业单位时间的无信号车个数，N表示该企业拥有的车辆总数。

1.2评语集

评语集是评价者对评价对象可能做出的各种评价结果所组成的集合。评语集一般可表示为：V=（v1，v2，……vρ），其中ρ的取值应以适中为宜。本文ρ取值为4，即将交通运输企业安全等级分为4个等级：V=（优秀、良好、合格、较差）。

2安全资信评估原理及评估方法

2.1安全资信评估原理

2.1.1差异驱动原理

差异驱动的指标客观赋权法的基本思想是：权重系数应当是各个指标在指标总体中变异程度和对其他指标影响程度的度量，赋权的原始信息应当直接来源于各指标所提供的信息量，并由其来决定相应指标的权重系数，避免人为干扰。针对n个被评价对象，有m个评价指标u1，u2，……，um，相应的权重系数为a1，a2，……，am，用ui1，ui2，……，uim表示第i个评价对象的各评价指标的取值，即U=（uij）n×m。则yi=mj=1Σajuij令Y=（y1，y2，…，yn）T，A=（a1，a2，…，am）T得到：Y=UA，其样本方差s2=yTyn-y2，式中y是yi的均值，因为原始数据经过标准化处理后y=0，于是有ns2=yTy=ATUTUA=ATHA式中：H=UTU。求得上式的最大值就使得各个指标之间的信息差异最大，从而实现差异驱动，于是可得：maxAHAT，s.tATA=1H＞1，计算H的最大特征值对应的特征向量，并对其归一化后得到A，即指标权重系数构成的向量。

2.1.2模糊C均值算法（FCM）

模糊C均值算法（FCM，FuzzyCMeans）以类内平方误差和最小为聚类准则，通过对目标函数的反复迭代优化来实现对集合的划分，从而计算每个样本属于各模糊子集（聚类）的隶属度，即属于各模糊子集的程度。聚类中心和隶属度计算公式如下：mj=ni=1Σμijbxini=1Σμijb，j=1，2，…，c利用上述公式得出样本对各个类别的隶属度矩阵：U其中uij是第i个样本对于第j个资信等级的隶属度。

2.2评估算法

本算法结合差异驱动原理和模糊C均值算法，将具体算法步骤描述如下：Step1：计算评价指标的权重向量。构建评价指标矩阵U，U=（uij）n×m，根据差异驱动法原理，对矩阵U进行标准化处理后并转置，得到矩阵UT；进而求矩阵UT的特征值及特征向量，最大特征值对应的特征向量经归一化即为指标权重系数向量A。Step2：计算各企业的评分。设企业的得分向量为Z，Z=A×UT。Step3：对所有企业的得分进行聚类分析。设集合Z=（zi，i=1，2，…，n）为个企业的得分向量，利用模糊C均值聚类算法，将Z划分成c个等级（即评语的个数），求出Zi对各等级的隶属度矩阵Ucn，其中uij为第j个企业对第i个等级的隶属度。Step4：综合评价各企业的资信等级。设矩阵U=（u1，u2，……，un），其中uj=（u1j，u2j，…，ucj）（j=1，2，…，n），求uj中的最大元素ukj，即得第j个企业的资信等级为k。3结语本文提出USR、TDR、NTR、NSR组成的评价指标只需通过GPS数据分析得出，具有经济性；采用差异驱动原理和模糊C均值的高速公路运输企业安全资信评价方法具有一定的预见性，可以通过企业的违规情况预见运输企业的安全等级。