论文部分内容阅读
模糊综合评价法可克服现行评价方法定量不够与评价面过广等不足，将其引入机动车驾驶培训机构信用评价具有一定的指导意义。
近年来，道路交通事故居高不下，每年因道路交通事故造成的人员死亡近10万人。据不完全统计，80%的道路交通事故是由机动车驾驶员的交通违法引起的。因此，对机动车驾驶培训机构进行专项信用评价，可有效保障机动车驾驶培训质量。为提高机动车驾驶培训机构信用评价方法的精度与效度，本文采用指数标度的层次分析法建立数学模型，有效避免了1-9标度法容易引起的权重失真。
影响机动车驾驶培训机构信用评价的因素大多是定性的，层次分析法是对定性数据进行定量化处理的简便、有效的方法，由指数标度的层次分析法确定的权重具有较高的精度。在评价过程中，模糊综合评价方法很好地解决了对于某个评价指标权重因其模糊性专家难以形成一致意见的问题。层次分析法和模糊综合评价相结合的方法使机动车驾驶培训机构信用评价更为科学有效。
信用评价的总体思路
1．建立评价指标体系框架
为对机动车驾驶培训机构的信用状况做出科学全面地评价，在充分调研的基础上，经过专家筛选，提出机动车驾驶培训机构信用评价指标体系，信用评价指标由3个一级指标和12个二级指标组成，见表1。信用评价分为三个层次：第一层A称为目标层，第二层B称为准则层，第三层C称为方案层。
2．评价指标权重的确定
设（B1，B2，…，Bn）为评价因素集，A表示评价目标。判断矩阵为：
为避免1-9标度引起的相对权重计算失真，导致判断矩阵一致性与判断思维一致性不等价的状况，判断矩阵中元素uij的取值采用指数标度，其取值及相应的含义见表2：
其中a=1.316，因素Bi与Bj比较得uij=ak，则Bj与Bi比较得uji＝a-k。ak的取值见表3。
3．权重计算
求判断矩阵T的最大特征根λmax及相应的特征向量，把特征向量标准化后得到权重向量w=(w1,w2,…wn)T。
4．一致性检验
计算权重向量后，对每个判断矩阵都要进行一致性检验，以保证所得权重的合理性及正确性。
（1）计算一致性指标CI=（λmax-n）/（n-1）。
（2）得到平均随机一致性指标RI，当n=1，…，8时，RI的取值见表4。
（3）当随机一致性比率CR=CI/RI＜0.1时，该层次排序权重具有满意的一致性，否则，需要重新调整判断矩阵的元素取值，直至得到满意的结果。
记A-B表示目标层对于准则层的判断矩阵，Bi-C表示准则层的指标Bi对于方案层的判断矩阵，i=1,2,3,4。可以给出各判断矩阵，并求出最大特征值及权重向量，由此可计算出C级指标的权重，见表5。
模糊综合评价
下面以杭州长运驾驶培训学校有限公司为例，介绍多级模糊综合评价方法对其进行信用评价的详细步骤。
1．确定信用评价指标集与评语集
确定一级指标集B＝｛B1，B2，B3｝和二级指标集Cij，i＝1，2，3。见表1，并确定评语集V＝｛V1，V2，V3，V4，V5｝＝｛AAA，AA，A，B，C｝。
2．确定信用评价指标权重
前面用层次分析法得到的权重为：W=（0.40，0.33，0.27）T，W1=（0.38，0.25，0.20，0.17）T，W2=（0.38，0.20，0.17，0.13，0.12）T，W3=（0.40，0.30，0.30）T。
3．模糊综合评价
由专家（N1=10）、信用主管人员（N2=4）及机动车驾驶培训机构的自评人员（N3=4）组成评价成员组，根据上述分析得出的权重，C级指标的得分结果分别见表6。
由表6可知，专家对该公司的信用综合模糊评价矩阵为：
由表5可知，C级信用评价权重的模糊集为：
W=（0.152,0.1,0.08,0.068,0.125,0.066,0.056,0.043,0.04,0.108,0.081,0.081），由于评价矩阵与权重模糊集都与信用评价保持一定的模糊关系。因此，专家的信用评价结果为：
同理，信用主管人员及机动车驾驶培训机构的自评人员的模糊综合评价结果分别为：
由于不同评价人员关联的信用评价的重要性不同，设其权重集为C=（0.5,0.3,0.2）
最终评估人员对机动车驾驶培训机构的信用状况总体评价结果为：
=（0.4937,0.3321,0.1374,0.0368,0）
现规定各等级的分值矩阵为D=（90,80,75,60,30），于是该机构的最终信用评价得分为：
L=D·T=83.51，处于“AA”级别。
近年来，道路交通事故居高不下，每年因道路交通事故造成的人员死亡近10万人。据不完全统计，80%的道路交通事故是由机动车驾驶员的交通违法引起的。因此，对机动车驾驶培训机构进行专项信用评价，可有效保障机动车驾驶培训质量。为提高机动车驾驶培训机构信用评价方法的精度与效度，本文采用指数标度的层次分析法建立数学模型，有效避免了1-9标度法容易引起的权重失真。
影响机动车驾驶培训机构信用评价的因素大多是定性的，层次分析法是对定性数据进行定量化处理的简便、有效的方法，由指数标度的层次分析法确定的权重具有较高的精度。在评价过程中，模糊综合评价方法很好地解决了对于某个评价指标权重因其模糊性专家难以形成一致意见的问题。层次分析法和模糊综合评价相结合的方法使机动车驾驶培训机构信用评价更为科学有效。
信用评价的总体思路
1．建立评价指标体系框架
为对机动车驾驶培训机构的信用状况做出科学全面地评价，在充分调研的基础上，经过专家筛选，提出机动车驾驶培训机构信用评价指标体系，信用评价指标由3个一级指标和12个二级指标组成，见表1。信用评价分为三个层次：第一层A称为目标层，第二层B称为准则层，第三层C称为方案层。
2．评价指标权重的确定
设（B1，B2，…，Bn）为评价因素集，A表示评价目标。判断矩阵为：
为避免1-9标度引起的相对权重计算失真，导致判断矩阵一致性与判断思维一致性不等价的状况，判断矩阵中元素uij的取值采用指数标度，其取值及相应的含义见表2：
其中a=1.316，因素Bi与Bj比较得uij=ak，则Bj与Bi比较得uji＝a-k。ak的取值见表3。
3．权重计算
求判断矩阵T的最大特征根λmax及相应的特征向量，把特征向量标准化后得到权重向量w=(w1,w2,…wn)T。
4．一致性检验
计算权重向量后，对每个判断矩阵都要进行一致性检验，以保证所得权重的合理性及正确性。
（1）计算一致性指标CI=（λmax-n）/（n-1）。
（2）得到平均随机一致性指标RI，当n=1，…，8时，RI的取值见表4。
（3）当随机一致性比率CR=CI/RI＜0.1时，该层次排序权重具有满意的一致性，否则，需要重新调整判断矩阵的元素取值，直至得到满意的结果。
记A-B表示目标层对于准则层的判断矩阵，Bi-C表示准则层的指标Bi对于方案层的判断矩阵，i=1,2,3,4。可以给出各判断矩阵，并求出最大特征值及权重向量，由此可计算出C级指标的权重，见表5。
模糊综合评价
下面以杭州长运驾驶培训学校有限公司为例，介绍多级模糊综合评价方法对其进行信用评价的详细步骤。
1．确定信用评价指标集与评语集
确定一级指标集B＝｛B1，B2，B3｝和二级指标集Cij，i＝1，2，3。见表1，并确定评语集V＝｛V1，V2，V3，V4，V5｝＝｛AAA，AA，A，B，C｝。
2．确定信用评价指标权重
前面用层次分析法得到的权重为：W=（0.40，0.33，0.27）T，W1=（0.38，0.25，0.20，0.17）T，W2=（0.38，0.20，0.17，0.13，0.12）T，W3=（0.40，0.30，0.30）T。
3．模糊综合评价
由专家（N1=10）、信用主管人员（N2=4）及机动车驾驶培训机构的自评人员（N3=4）组成评价成员组，根据上述分析得出的权重，C级指标的得分结果分别见表6。
由表6可知，专家对该公司的信用综合模糊评价矩阵为：
由表5可知，C级信用评价权重的模糊集为：
W=（0.152,0.1,0.08,0.068,0.125,0.066,0.056,0.043,0.04,0.108,0.081,0.081），由于评价矩阵与权重模糊集都与信用评价保持一定的模糊关系。因此，专家的信用评价结果为：
同理，信用主管人员及机动车驾驶培训机构的自评人员的模糊综合评价结果分别为：
由于不同评价人员关联的信用评价的重要性不同，设其权重集为C=（0.5,0.3,0.2）
最终评估人员对机动车驾驶培训机构的信用状况总体评价结果为：
=（0.4937,0.3321,0.1374,0.0368,0）
现规定各等级的分值矩阵为D=（90,80,75,60,30），于是该机构的最终信用评价得分为：
L=D·T=83.51，处于“AA”级别。