一种出租车的服务质量评价方法

本发明属于服务质量评价领域，具体涉及一种出租车的服务质量评价方法。
背景技术：
：随着人们工作、出行时效性要求的不断提高，人们更想寻求一种随时走随时乘车，但又能避免城市停车难困扰的出行方式，出租车出行作为公共交通出行的方式之一，无疑缓解了人们购车压力的同时也缓解了出行交通压力。目前，在出租车行业，为了提高服务目标客户的满意度，提升出租车司机的服务能力，需要对出租车的服务质量进行评价，出租车服务质量评价标准体系的建立具有繁杂性，近年来许多学者尝试通过不同的方法对出租车质量评价体系进行准确划分，例如使用层次分析法对研究对象的多项指标因素进行分析评价，通过定性与定量相结合的方法，一一比较两个层次指标因子的相对关系，得出方案中的较优者，但这种方法在指标因子过多的时候，难以确定指标的权重，只能得出指标重要程度的先后顺序；此外，模糊综合评价法可以通过精确的数据处理模糊的评价对象，但是计算更加复杂且评价主观性较强。技术实现要素：本发明的目的是提供一种出租车的服务质量评价方法，用于解决现有方法的评价不准确、不客观的问题。基于上述目的，一种出租车的服务质量评价方法的技术方案如下：1)获取与出租车服务质量有关的指标测量数据；所述指标测量数据包括：出租车司机是否有绕路行为，急加速次数，急刹车次数，超速次数和时长，闯红灯次数，是否与乘客发生争吵，车内温度、湿度；2)对各项指标测量数据进行归一化处理，统一量纲，确定各项指标的评分值，得到评分矩阵；对所述评分矩阵进行正态标准化，得到标准化后的矩阵，计算该矩阵的相关系数矩阵，求相关系数矩阵的特征值和特征向量，根据特征值的个数确定指标分类个数，根据所述特征值对应的特征向量，确定分为同一类别的指标，得到每个指标的分类结果；3)根据所述各项指标的评分值，以及每个指标的分类结果，建立结构方程模型，进行潜在性相关因子分析，确定各指标在所属分类因子下的路径系数，以及各分类因子之间的路径系数；根据各指标在所属分类因子下的路径系数，以及各分类因子之间的路径系数确定各分类的评分值；4)将各分类的评分值与各分类评分值的所占权值进行乘积后叠加求和，得到出租车的服务质量评分值。上述技术方案的有益效果是：本发明的出租车服务质量评价方法，通过获取能够体现出租车服务质量的指标测量数据，将这些数据进行有效分类，并将关联性较强的分为一类，然后利用结构方程模型得到各指标在每类下的路径系数和各分类因子之间的路径系数，确定各分类的评分值，分别对每类的评分值进行综合计算，最后根据综合服务质量评价模型中每类评分值的所占权重，求取所有类别下评分值与权重乘积叠加和，作为该出租车的综合服务质量评分，能够客观的评价出各出租车的服务质量，可靠性较高，具有较好的市场应用前景。进一步的，所述归一化处理的公式如下：式中，tij为对某项指标的归一化数据值，xij为某一项指标测量数据值，为某一项指标测量数据的均值，可通过观测一段时间该数据，取平均值。进一步的，所述正态标准化的公式如下：式中，fij为某项指标评价的标准化值，zij为指标评价的最终评分值，即评分矩阵中的元素z11～znm，为评分矩阵中第j列所有评分值的平均值，n为评分矩阵中的行数。进一步的，为了解决对出租车进行服务评价的数据来源问题，步骤1)中的指标测量数据通过一个监控平台来获取，该监控平台通信连接出租车的车载终端，通过车载终端与车内的检测设备连接，获取基础数据，并进行数据判断，给出判断结果，形成各种指标测量数据，最后将各种指标测量数据上传至监控平台。具体的，在获取出租车司机是否有绕路行为这一指标测量数据之前，判断出租车司机是否有绕路行为的方法为：车载终端通过将出租车的实际行驶路线，与设定的行驶路线进行比对，判断偏离行驶情况，判断司机产生绕路行为，并记录该行为。在获取是否与乘客发生争吵的这一指标测量数据之前，判断司机是否与乘客发生争吵的方法为：通过设置在出租车中的语音装置对司机和乘客间的谈话进行录音，该语音装置通信连接车载终端，车载终端根据录音信息判断是否发生争吵，由车载终端向监控平台发送判断结果。进一步的，所述的服务质量评价方法还包括：所述的监控平台用于进行在线叫车服务时，按照服务质量的高低设置优先级顺序，当多辆出租车均在客户叫车的距离范围内时，对于服务质量高的出租车进行优先派单。起到的效果是，通过设置根据服务质量的优先级排序对出租车进行派单，能够逐渐提高出租车的服务质量。附图说明图1是本发明实施例中的一种出租车的服务质量评价方法流程图；图2是本发明实施例中的潜在性相关因子分析模型图；图3是本发明实施例中的运用amos软件得到的潜在性相关因子分析结果图；图4是本发明实施例中的出租车综合服务质量评价模型图。具体实施方式下面结合附图对本发明的具体实施方式作进一步的说明。本实施例提出一种出租车的服务质量评价方法，整体流程如图1所示，其整体思路为：先确定一些与出租车服务质量有关的指标，获取这些指标的测量数据，经过统一量纲，对各指标测量数据进行评分，确定评分矩阵，计算评分矩阵的特征值和特征向量，并据此确定指标分类个数和每类下的指标；然后利用这些信息建立结构方程模型，使用amos软件进行潜在性相关因子分析，根据分析路径系数确定各分类的评分值；最后将各分类的评分值与各分类评分值所占权值进行乘积后叠加求和，得到出租车的服务质量评分值。具体包括以下步骤：步骤1，获取与出租车服务质量有关的指标测量数据。本步骤中，这些指标测量数据包括：出租车司机是否有绕路行为，急加速次数，急刹车次数，超速次数和时长，闯红灯次数，是否与乘客发生争吵，车内温度、湿度等。具体的，这些指标测量数据通过一个监控平台来获取，监控平台通信连接出租车的车载终端，通过车载终端与车内的各种检测设备(如定位系统，加速度传感器、温湿度传感器等各种传感器)连接，获取基础数据，并进行数据判断，给出判断结果，形成各种指标测量数据，最后将各种指标测量数据上传至监控平台。以判断出租车司机是否有绕路行为为例，介绍其判断过程为：车载终端通过将出租车的实际行驶路线，与设定的行驶路线(可为乘客设置的路线或系统推荐最优路线)进行比对，判断偏离行驶情况，判断司机产生绕路行为，并记录该行为。对于部分其他指标测量数据的判断，均是通过出租车上的相应设备获取信息，进而判断出来的指标测量数据。例如，采用相应的设备如每公里加减速次数感应器、每公里运营速度感应器、每公里超速次数感应器、闯红灯感应器等，以判断出租车的急加速次数，急刹车次数，超速次数和时长，闯红灯次数。对于判断司机是否与乘客发生争吵，其判断方法是：通过一个设在车内的语音装置对司机和乘客间的谈话进行录音，该语音装置通信连接车载终端，由车载终端向监控平台发送判断结果。本步骤中获取的指标测量数据包括但不限于上述数据，可以根据具体需求设置，假设为16项指标测量数据，为了更加清晰的分析出租车公司运营服务质量，需要将这十六项指标进行科学降维，而不是凭借经验进行分类处理。步骤2，对各项指标测量数据进行归一化处理，统一量纲。本步骤的目的是，通过步骤1中所涉及的指标测量数据拥有不同的量纲，如摄氏度、加减速次数、时间等，在后面步骤建立结构方程模型分析的过程中，对于量纲不一致的数据，会导致模型分析结果不准确，因此对于结构方程模型的改进之一为加入统一量纲这一过程。因此，本步骤利用均值法统一指标测量数据的量纲，统一量纲的具体办法为：由于本方法为评价类，因此通常用的统一量纲的方法对于本方法并不适用，需要对于指标进行确切的评分，因而采用五分制，分为以下两步：①根据指标合适值的上下浮动进行评分，评分公式如下：式中，tij为对某项指标的归一化数据值，xij为步骤1中的指标测量数据值(指某一时刻下的值)，为某一项指标测量数据的均值，可通过观测一段时间该数据，取平均值即可。②根据量纲统一后的指标测量值进行评分，对于随机分布的指标测量值，设定如下评分标准，见表1，对各项指标的归一化数据值，按照下表进行评分。表1测量指标tij评分值zij0.8≤tij≤1.250.6≤tij,<0.8或1.2<tij≤1.440.4≤tij,<0.6或1.4<tij≤1.630.2≤tij,<0.4或1.6<tij≤1.820≤tij,<0.2或1.8<tij≤21tij,<0或tij>20得到对于指标评价的最终评分矩阵为：步骤3，对上面的评分矩阵进行正态标准化，标准化公式如下：式中，fij为某项指标评价的标准化值，zij为指标评价的最终评分值，即评分矩阵中的元素z11～znm，为评分矩阵中第j列(指第1列～第m列)所有评分值的平均值，n为评分矩阵中的行数。因此，得到标准化后的评分矩阵为：步骤4，对标准化后的矩阵计算其相关系数矩阵e，计算相关系数矩阵e的特征值，并计算该特征值下对应的特征向量，根据其特征值的个数，确定一系列评价指标被分类的个数(如特征值个数为3，则分类个数为3)，根据某一特征值对应的特征向量，确定对应分为同一类别的指标，最终，得到每个指标所被归结到的类别。具体的，本步骤中，相关系数的计算公式如下：式中，eij为相关系数，这里的是为了计算各个评分与整体评分之间的关联性，以e11的计算过程为例，e11＝f11*f11+f11*f21+f11*f31+……+f11*fn1。则相关系数矩阵e：因此，本步骤完成了对于16项指标的分类，这种分类通过数据的计算更为合理。步骤5，依据步骤2中得到的指标评分值zij，以及步骤4中得到的指标分类结果，建立结构方程模型(即潜在性相关因子分析模型)，使用amos软件进行潜在性相关因子分析，根据分析路径系数确定各分类的评分值。例如，假设对于16项指标的分类结果为三类，分别f1、f2、f3，在f1分类下包括q4、q6、q10、q11、q13、q14、q15、q16这八项指标，在f2分类下包括q12、q2、q3这三项指标，在f3分类下包括q1、q5、q7、q8、q9这五项指标，由于各个分类f1、f2、f3之间也有潜在的关联性，不只是和各个指标因子之间有关系，因此根据上面的指标分类结果，需要建立如图2所示的潜在性相关因子分析模型，图2中，r1、r2、r3为因子的测量误差可忽略不计，e1～e6为指标的测量误差可忽略不计。另外，图2中，f1、f2和f3之间的箭头表示相互关联程度，最初f1、f2和f3之间的互相关联关系是由人为客观定义的，最终确定的f1、f2和f3之间的互相关联关系是根据amos软件中modificationindices提示进行调整确定的，最终调整结果是f2只与自己因子下指标影响，而f1、f3还要受其他因子下影响。然后，运用amos软件对该模型进行分析，得到如图3所示的潜在性相关因子分析结果，可以得到各个分类成分f1、f2、f3的评分值z1、z2、z3。各项因子的评分值计算方法如下：图3中，由于z2只被自己因子f2下的指标影响，因此这里先计算z2，其计算式如下：z2＝∑(f2下各观测指标评分*权重)其中，z2为因子f2的评分，f2下的观测指标评分包括q12、q2、q3在某一时段内的评分，从步骤三中的评分矩阵确定；各项指标权重的计算方法为：根据图3中的路径系数，如q12的路径系数为0.63、q2的路径系数为0.75，q3的路径系数为0.70，则q12的指标权重为：式中，q12为q12的指标权重。q2的指标权重为：式中，q2为q2的指标权重。q3的指标权重为：则z2＝观测指标q12的评分*q12+观测指标q2的评分*q2+观测指标q3的评分*q3。计算完z2后，继续计算z3，由于因子f3除了被自己因子下的指标影响外，还被因子f2影响，因此，z3的计算式如下：z3＝∑(z2所占权重*z2测量值+z3各观测指标评分*权重)其中，z2测量值为上一步计算得到的z2，z2所占权重为：如图3中，z3各观测指标评分包括观测指标q1、q5、q7、q8、q9在某段时间内的评分，从步骤三中的评分矩阵确定；观测指标的权值为：以求观测指标q1的权值q1为例，其计算式如下：待各观测指标的权值计算之后，按照上面z3的公式计算，最终得到z3的计算结果。最后计算z1，由于因子f1除了被自己因子下的指标影响外，还被因子f2和f3影响，计算方法与z3的计算方法同理。因此，本实施例仅给出z1的计算式，该计算式如下：z1＝∑(z2所占权重*z2测量值+z3所占权值*z3测量值+z1各观测指标评分*权重)其中，z2测量值、z3测量值为上面计算得到的z2、z3，z2所占权重的计算式如下：其中，q’z2为z1求解公式中的z2所占权重。z3所占权值的计算式如下：其中，qz3为z1求解公式中的z3所占权重。在上面z1的求解公式中，z1相关的观测指标评分包括观测指标q4、q6、q10、q11、q13～q16在某段时间内的评分，从步骤三中的评分矩阵确定，对应权重的求取方法与z3求解公式中的权重求法原理相同，本实施例不再赘述。步骤6，根据各分类的评分值，计算整体的服务质量评分值，该值的计算式如下：满意度m＝z1测量值*z1所占权重+z2测量值*z2所占权重+z3测量值*z3所占权重式中，满意度m为整体的服务质量评分值，z1测量值、z2测量值和z3测量值为步骤5中计算出的评分值z1、z2、z3，z1所占权重、z2所占权重、z3所占权重的确定方法如下：建立如图4所示的出租车综合服务质量评价模型得出，该模型中，因子f1对应的路径系数为0.93，因子f2对应的路径系数为0.57，因子f3对应的路径系数为0.32，则z1所占权重为0.93/(0.93+0.57+0.32)＝0.51，z2所占权重为0.57/(0.93+0.57+0.32)＝0.31，z3所占权重为0.32/(0.93+0.57+0.32)＝0.18。出租车综合服务质量评价模型中，0.32、0.93、0.570.32、0.93、0.57这些路径系数是录入数据后运行amos软件就直接得到的结果。给出图4的目的是为了说明计算f1、f2、f3与满意度之间的关系，图4中f1、f2、f3下各指标的路径系数在本步骤的计算过程中没用到，与本步骤无关，模型不同建立关系不同，amos分析得到的路径系数应为不同。本发明的出租车服务质量评价方法，是一种综合的、客观的服务质量评价方法，不采用乘客的主观评价作为指标数据来源，而是利用获取能够体现出出租车服务质量的指标测量数据，将这些数据进行有效分类，关联性较强的分为一类，然后利用结构方程模型得到各指标在每类下的路径系数和各分类因子之间的路径系数，确定各分类的评分值，分别对每类的测量值(即评分值)进行综合计算，最后根据综合服务质量评价模型中每类测量值的所占权重，求取所有类别下测量值与权重乘积叠加和，作为该出租车的综合服务质量评分，可靠性较高。这样，既可以横向上，对比多辆出租车之间的服务质量高低；也可以在纵向上，评价某个司机驾驶一台出租车在不同时间段下的服务质量变化，为出租车的服务质量管理带来便利。例如，对于在线叫车服务时，按照服务质量的高低设置优先级顺序，当多辆出租车均在客户叫车的距离范围内时，对于服务质量高的出租车进行优先派单。本实施例中，通过设置根据服务质量的优先级排序对出租车进行派单，能够逐渐提高出租车的服务质量。最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解，依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。当前第1页12