基于组合客观赋权法的交通信用评级方法

doi:10.3969/j.issn.1674-0696.2022.04.05

重庆交通大学学报（自然科学版） ›› 2022, Vol. 41 ›› Issue (04): 27-32.DOI: 10.3969/j.issn.1674-0696.2022.04.05

• 交通+大数据人工智能 • 上一篇下一篇

基于组合客观赋权法的交通信用评级方法

许旺土1，文琰杰2

(1. 厦门大学建筑与土木工程学院，福建厦门 361005; 2. 中南大学轨道交通安全教育部重点实验室，湖南长沙 410075)

收稿日期:2020-11-10 修回日期:2021-01-05 发布日期:2022-04-13
作者简介:许旺土（1981—），男，福建漳州人，教授，博士，主要从事城市交通规划与管理方面的研究。E-mail：ato1981@xmu.edu.cn 通信作者：文琰杰（1996—），男，湖南湘潭人，博士研究生，主要从事城市交通规划与管理方面的研究。E-mail：446984972@qq.com
基金资助:
福建省交通运输科技项目重点课题（201930）

Traffic Credit Rating Method Based on Combined Objective Weighting Method

XU Wangtu1, WEN Yanjie2

(1. School of Architecture and Civil Engineering, Xiamen University, Xiamen 361005, Fujian, China; 2. Key Laboratory for Track Traffic Safety of Ministry of Education, Central South University, Changsha 410075, Hunan, China)

Received:2020-11-10 Revised:2021-01-05 Published:2022-04-13

摘要/Abstract

摘要： 为了解决交通信用评级问题，基于组合客观赋权法对交通运输企业进行了合理评级。分析了交通信用评级指标的构成；利用组合客观赋权法结合连续式3-sigma准则获得了交通运输企业的信用得分，并采用区间式3-sigma准则对交通运输企业信用进行评级；以厦门市各运输企业的信用相关指标数据为例进行算法性能分析。研究结果表明：企业监督检查(cs)权重最大；对于企业信誉考评指标而言，其权重随着信誉等级的下降而降低。

关键词: 交通工程；交通信用；客观赋权法；组合算法；3-sigma准则

Abstract: In order to solve the problem of traffic credit rating, the transportation enterprises were reasonably graded based on combined objective weighting method. The composition of traffic credit rating indexes was analyzed. The credit score of transportation enterprises was obtained by combining the combined objective weighting method with the continuous 3-sigma criterion, and the credit of transportation enterprises was rated by the interval 3-sigma criterion. The credit-related index data of various transportation enterprises in Xiamen was taken as an example to analyze the performance of the algorithm. The research results show that the enterprise supervision inspection (cs) has the largest weight. For the enterprise reputation evaluation index, its weight decreases with the decline of its reputation level.

Key words: traffic engineering; traffic credit; objective weighting method; combination algorithm; 3-sigma traffic criterion

中图分类号:

U491.1

许旺土1，文琰杰2. 基于组合客观赋权法的交通信用评级方法[J]. 重庆交通大学学报（自然科学版）, 2022, 41(04): 27-32.

XU Wangtu1, WEN Yanjie2. Traffic Credit Rating Method Based on Combined Objective Weighting Method[J]. Journal of Chongqing Jiaotong University(Natural Science), 2022, 41(04): 27-32.

参考文献

［1］ XIN Zhongliang, CHEN Lei, YANG Yaojie, et al. Application of AHP-DEA model in comprehensive evaluation of distribution network planning reliability［C］∥
Proceedings of the 2019 IEEE Sustainable Power and Energy Conference (iSPEC). 2009: 21-23.
［2］胡又咏，刘栋栋，张向阳.改进层次分析法在地铁火灾风险评价中的应用［J］.北京建筑工程学院学报，2009，25(3)：38-41, 59.
HU Youyong, LIU Dongdong, ZHANG Xiangyang. Application of improved AHP in subway fire risk assessment［J］. Journal of Beijing Institute of Civil Engineering and
Architecture, 2009, 25(3): 38-41, 59.
［3］赵星，林灏，刘艺，等.城市道路交叉口信号控制策略综合评价［J］.重庆交通大学学报(自然科学版)，2020，39(5)：7-13.
ZHAO Xing, LIN Hao, LIU Yi, et al. Comprehensive evaluation of signal control strategy at urban road intersection［J］. Journal of Chongqing Jiaotong University(Natural
Science), 2020, 39(5): 7-13.
［4］ ZHANG Zundong, MA Weixin, ZHANG Zhaoran, et al. A transportation network stability analysis method based on betweenness centrality entropy maximization［C
］∥ Proceedings of the 30th Chinese Control and Decision Conference(CCDC). Shenyang: Editorial Board of Control and Decision, 2018: 9-11.
［5］ BAI Pengrui, JIA Ruining, WANG Zheng. Analysis of passenger transportation influencing factors under clustering analysis-Shaanxi Province［C］∥ Proceedings of
the 2014 Seventh International Joint Conference on Computational Sciences and Optimization. Beijing: IEEE, 2014.
［6］李海莲，林梦凯，王起才.高速公路沥青路面使用性能模糊区间评价方法研究［J］.重庆交通大学学报(自然科学版)，2020，39(9)：80-87.
LI Hailian, LIN Mengkai, WANG Qicai. Freeway asphalt pavement performance based on fuzzy interval evaluation method［J］. Journal of Chongqing Jiaotong University
(Natural Science), 2020, 39(9): 80-87.
［7］ SHAW M J, GENTRY J A. Inductive learning for risk classification［J］.IEEE Expert, 1990, 5(1): 47-53.
［8］ LASISI A, SADIQ M O, BALOGUN I, et al. A boosted tree machine learning alternative to predictive evaluation of nondestructive concrete compressive strength［C］
∥Proceedings of the 2019 18th IEEE International Conference on Machine Learning and Applications(ICMLA). Boca Raton, FL, USA: IEEE, 2019: 16-19.
［9］刘杰.基于支持向量机的轨道司机驾驶水平评价方法研究［J］.重庆交通大学学报(自然科学版)，2020，39(10)：31-36.
LIU Jie. Evaluation method of driving level of urban rail transit drivers based on support vector machine［J］. Journal of Chongqing Jiaotong University(Natural Science),
2020, 39(10): 31-36.
［10］ KOLARIK M, BURGET R, RIHA K. Comparing normalization meth-ods for limited batch size segmentation neural networks［C］∥Proceedings of the 2020 43rd
International Conference on Telecom-munications and Signal Processing(TSP). ［S.l.］: ［s.n.］, 2020: 7-9.
［11］ AYTBAGINA E, VITVITSKIY E. Method of two-factor analysis of cars operation in the road transport system of cargo transportation［M］∥VIII International
Scientific Siberian Transport Forum. ［S.l.］: ［s.n.］, 2020: 56-59.
［12］ GULL S F, SKILLING J. Maximum entropy method in image processing［J］.Communications, Radar and Signal Processing, 2008, 131(6): 646-659.
［13］ LEE B B, RAVINDRA P, CHAN E S. A critical review: Surface and interfacial tension measurement by the drop weight method［J］. Chemical Engineering
Communications, 2008, 195(8): 889-924.
［14］ FRIEDRICH P. The three sigma rule［J］. The American Statistician, 1994, 48(2): 88-91.

[1]	李振龙, 董爱华, 杨磊. 基于群决策和熵权法的换道轨迹评价研究[J]. 重庆交通大学学报（自然科学版）, 2023, 42(1): 120-127.
[2]	翁小雄, 覃镇林, 张鹏飞. 基于图卷积门控循环网络的个体地铁出行预测[J]. 重庆交通大学学报（自然科学版）, 2022, 41(09): 1-6.
[3]	焦柳丹1,朱影含1,吴雅2,宋向南3. 基于演化博弈理论的城市轨道交通高峰票价定价研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(08): 42-49.
[4]	查伟雄，冯涛，严利鑫. 考虑车辆到达时间窗的应急公交调度优化模型[J]. 重庆交通大学学报（自然科学版）, 2021, 40(08): 57-62.
[5]	王涛1，谢思红1，黎文皓1,2，李文勇1. 基于FFOS-ELM和PF的短时交通流自适应预测模型[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 21-27.
[6]	郑义彬，蔡航鹏，赖伟伟，刘冠宇. 基于复杂网络的湖北省高速公路网特性分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 31-37.
[7]	吴文静，孙刃超，宗芳，贾洪飞. 居民低碳通勤出行的主观态度识别及影响分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 53-58.
[8]	李岩1，南斯睿2，胡文斌3，汪帆1，陈宽民1. 机非标线分隔道路电动自行车越线风险模型[J]. 重庆交通大学学报（自然科学版）, 2021, 40(02): 13-20.
[9]	裴同松1，裴彧2. 基于马尔科夫链-BP神经网络模型对公路运量的预测研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(02): 35-41.
[10]	常四铁，严飞，左康. 出行者对出行方式服务属性的感知差异研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(02): 42-46.
[11]	蒋劲羽1，赵旭1，李铖钰1，杨忠振2. 农村公路治超站选址与治超车路径优化研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(02): 61-68.
[12]	任其亮，张丽莉，吴玲玲. 城市组团间居民出行方式选择决策方法[J]. 重庆交通大学学报（自然科学版）, 2021, 40(01): 36-43.
[13]	黄益绍1,2，韩磊2,3. 基于RS-IPSOSVM的公交客流量预测方法[J]. 重庆交通大学学报（自然科学版）, 2020, 39(11): 11-19.
[14]	翁小雄，郝翊. 基于LSTM引入客车占比特征的短时交通流预测[J]. 重庆交通大学学报（自然科学版）, 2020, 39(11): 20-25.
[15]	邬岚，王彤伟，李鹏举，翟伟. 基于窄马路理念的车道缩减设计方法[J]. 重庆交通大学学报（自然科学版）, 2020, 39(11): 26-32.

基于组合客观赋权法的交通信用评级方法

Traffic Credit Rating Method Based on Combined Objective Weighting Method

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics