【技术实现步骤摘要】
一种区域道路运输安全服务水平的评价方法
[0001]本专利技术涉及道路运输安全领域,特别是涉及一种区域道路运输安全服务水平的评价方法。
技术介绍
[0002]建立科学的指标体系,采用合理的方法对区域道路运输安全水平进行监测和评价,有助于把握道路运输行业安全发展趋势,制定符合实际的安全发展战略和管理策略,提升本质安全水平。
[0003]关于区域道路交通安全水平评价主要采用了回归分析方法、熵权法、模糊评价法和DEA等方法。本方案的评价对象为区域道路运输安全水平,表征区域由营运客车、营运货车承担的营运性质的道路运输安全服务的能力和水平,不同于包括营运性运输和非营运性出行的道路交通安全水平的评价,因此区域道路运输安全水平评价使用的指标与道路交通安全水平评价有所差别。从评价方法的选择上,回归分析方法主要是基于历史交通安全数据,对未来年交通安全状态进行预测而非对现状的把握;模糊评价方法中关于评价指标权重的确定及评价结果等级标准的划分,主要采用层次分析法和专家评定法,主观性较强;熵权法确定指标权数时会与预期的结果产生差异,往往会忽视决策者主观的意图,并且权数依赖于样本,在应用上受限制;实践中往往需要在对不同区域截面进行比较评价的同时,对一定时间序列的交通安全水平进行纵向比较,来综合把握区域交通安全发展趋势。DEA方法作为一种非参数方法,采用了最优化方法确定各指标的权重,避免了确定评价指标之间的具体表达关系,较好地解决了确定评价指标权重的问题。但现有采用DEA方法的评价无法在面板数据、突破径向、非期望产出等方面兼顾,不能客观 ...
【技术保护点】
【技术特征摘要】
1.一种区域道路运输安全服务水平的评价方法,其特征在于,包括以下步骤:S1:根据统计学原理,选取公路客运周转量、公路货运周转量、死亡人数、受伤人数和事故起数作为区域道路运输安全服务水平评价指标;S2:基于区域道路运输安全服务水平评价指标,构建具有非期望输出的道路安全服务水平评价模型;S3:基于具有非期望输出的道路安全服务水平评价模型,以某一技术层面构造生产可能集,建立面向面板数据的扩展模型;S4:基于面向面板数据的扩展模型,将投入产出的松弛变量纳入目标函数,采用非径向和非角度的度量方法,构建方向距离函数超效率的扩展模型;S5:基于方向距离函数超效率的扩展模型,构建非期望产出的Malmquist指数模型,用于衡量技术变动、全要素变动和技术效率变动之间的变动关系,实现区域道路运输安全服务水平的评价;S6:基于区域道路运输安全服务水平的评价,根据区域道路运输安全管理效率,提高区域道路运输的安全性。2.根据权利要求1所述的区域道路运输安全服务水平的评价方法,其特征在于,所述S2中构建具有非期望输出的道路安全服务水平评价模型包括以下分步骤:S2
‑
1:设定有n个决策单元和个样本单元,每个决策单元有m种投入和s种产出,设定样本单元输入指标值、样本单元输出指标值、决策单元输入指标值、决策单元非期望输出指标值、投入矩阵、产出矩阵和决策单元安全状态可能集,公式如下所示:第j个样本单元输入指标值为其中,为样本单元不同输入指标,上标T为矩阵的转置;第j个样本单元输出指标值为其中,为样本单元不同输出指标;第p个决策单元输入指标值x
p
为x
p
=(x
1p
,x
2p
,x
3p
,
…
,x
mp
)
T
其中,x
1p
,x
2p
,x
3p
,
…
,x
mp
为决策单元不同输入指标;第p个决策单元非期望输出指标值y
p
为y
p
=(y
1p
,y
2p
,y
3p
,
…
,y
sp
)
T
其中,y
1p
,y
2p
,y
3p
,
…
,y
sp
为决策单元不同非期望输出指标;投入矩阵X为X=(x1,x2,
…
,x
n
)∈R
m*n
其中,x1,x2,
…
,x
n
为不同投入值,R为投入集合;产出矩阵Y为Y=(y1,y2,
…
,y
n
)∈R
s*n
其中,y1,y2,
…
,y
n
为不同产出值;
决策单元安全状态可能集P为其中,(x,y)为所有可能生产活动集合,(x
j
,y
j
)为j决策可能单元,λ
j
为决策单元的线性组合系数,δ1、δ2和δ3分别为取值为0或1的取值参数,为维度的线性组合系数,λ为线性组合系数;S2
‑
2:基于决策单元安全状态可能集,根据G
‑
DEA有效的概念,构造带有非期望输出的广义DEA模型为其中,(DG
U
)为带有非期望输出的广义DEA模型,min表示最小值,θ为目标条件值,s.t.表示约束条件,y
rj
为第j决策单元的第r指标产出;S2
‑
3:对带有非期望输出的广义DEA模型引入投入和产出松弛变量,构建具有非期望输出的道路安全服务水平评价模型(DG'
U
)为其中,λ0为最优解取值系数,s
‑
和t
‑
为松弛变量。3.根据权利要求2所述的区域道路运输安全服务水平的评价方法,其特征在于,所述S3中建立面向面板数据的扩展模型包括以下分步骤:S3
‑
1:设定第k个时间段共测得n
(k)
个决策单元的数据、第k个时间段内的第p个决策单元的输入指标、第k个时间段内的第p个决策单元的输出指标、基础时间上测得n
(0)
个决策单元的数据,基础时间上的第j个决策单元的输入指标、基础时间上的第j个决策单元的输出指标和各决策单元相对于基础时间段上的安全可能集,公式如下所示:第k个时间段内的第p个决策单元的输入指标为
【专利技术属性】
技术研发人员:党晓旭,王国毓,贺鹏举,李玲,吴洲豪,汪泽,段先军,王梦莹,彭晋,刘力源,刘隆捷,赵琪,毛江慧,柴俊杰,
申请(专利权)人:西安科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。