一种基于大数据分析的船舶承运人资质评价方法技术

本发明专利技术公开了本发明专利技术公开一种基于大数据分析的船舶承运人资质评价方法，选取能够全面、客观反映船舶承运人承运资质的信用指标，建立资质评估指标体系；基于指标关联和同类因素归并全面、系统分析船舶承运人会员的承运服务，得到船舶承运人承运交易资质的等级排序，并以船舶承运人承运关联度将其分类。资质评估指标体系更好地将承运数据量化为船舶承运人的承运资质，船舶承运人会员的排序分类可以有效解决货主对承运人的资质评估问题，并作出满足自己承运需求的选择，从而降低水路货运市场的风险波动，提高运输质量。

【技术实现步骤摘要】

本专利技术属于大数据信息分析
，特别涉及一种基于大数据分析的船舶承运人资质评价方法。
技术介绍
随着信息网络技术的发展，货运集配电子商务平台凭借服务优质逐渐取代传统的运力交易形式。水路运输作为货运的一种重要运输方式在运力交易变化过程中产生了诸多问题：船期延误、货损货差、理赔混乱等等，这是由于货运集配电子商务平台在推动运力交易扩大的同时无法对船舶承运人承运资质进行有效评估造成的。现有的物流运输电子商务平台对船舶承运人的资质评价模型多采用网购网站评价机制，考虑因素较少，容易产生评价失真、不实等问题。因此，货运平台需要一种基于大数据分析的船舶承运人资质的客观、有效的评价、选择方法，从而提高运输质量。
技术实现思路
专利技术目的：针对现有技术中存在的问题，本专利技术提供一种针对目前运力交易过程中存在的对承运人承运资质评估体系的不足，在充分考虑影响船舶承运人承运资质的多项重要因素，设立能够全面反映船舶会员承运资质的客观测量因素，提供一种客观、量化的基于大数据分析的船舶承运人资质评价方法。技术方案：为解决上述技术问题，本专利技术提供一种基于大数据分析的船舶承运人资质评价方法，包括如下步骤：步骤一：从平台数据库提取信息，然后确定信用评价指标，最后构建指标评价体系的结构层次模型；从数据库中选择提取与承运人信用评价相关信息，参考行业指标选取本平台需要的影响因素，根据因素指标之间及各层次指标间的相互关系，建立评价指标体系的递阶层次结构模型；步骤二：根据指标属性确定评估系统和特征参量；首先，选取平台的船舶承运人，确定评估系统S；然后，选取能够反映船舶承运人承运资质的指标体系，即船舶使用年限、船舶投保情况、船舶承运规模、船舶承运人交易次数、船舶承运人交易吨位、船舶承运人交易金额、船舶承运人遭投诉次数、船舶承运人准时装货、船舶承运人准时卸货、船舶承运人货损货差十个指标设为特征参量，即为Xij(Xij为船舶i的第j个指标，j＝1,2,3…10)；步骤三：根据指标属性确定最优序列：判断指标中船舶投保情况、船舶承运规模、船舶承运人交易次数、船舶承运人交易吨位、船舶承运人交易金额、船舶承运人准时装货、船舶承运人准时卸货七个指标是正向指标，越大越好，则其对应的最优序列Xoj为：X'oj＝max(X′ij)，Xoj为Xij对应的最优序列，X'ij为Xij中的正向指标；判断指标中船舶使用年限、船舶承运人遭投诉次数、船舶承运人货损货差三个指标是逆向指标，越小越好，则其对应的最优序列Xoj为：X”oj＝min(Xi”j)，X”ij为Xij中的逆向指标；步骤四：数据归一化处理：根据各特征参量的属性，以参予分析的原始数据按下式作统一测度处理，并同时作归一化处理，将各分析数据压缩至【0,1】区间；对指标属性为正向的指标：X'ij＝Xij/maxX′ij对指标属性为逆向的指标：X”ij＝minX”ij/Xij；步骤五：经过上述归一化处理后建立起标准化的分析体系，然后建立灰色相似矩阵，对关联系数、关联度、关联矩阵和灰色相似矩阵进行计算：计算Xi对Xp在第K点的关联系数ζi(k)：Xp(k)为参考序列，Xi(k)为比较序列。计算Xi对Xp的关联度γi：其中n为评估的船舶承运人数量；建立关联矩阵Γ：γij是以第i个评估对象的指标序列为参考序列以第j个评估对象的指标序列为比较序列的关联度，m为评估对象个数与最优序列之和，即m＝n+1；建立灰色相似矩阵G；其中gij＝(γij+γji)/2，γij和γji为关联矩阵Γ中的对称项；步骤六：关联序排列：步骤五中G矩阵最后一行即是以最优序列(Xoj)为参考序列求得的关联序，将gm1，gm2……gmm(gmm＝1)按大小排序，其对应的顺序即为评估船舶的资质优劣顺序；步骤七：通过步骤六中的关联序排列得到评估船舶的资质排序，从灰色相似矩阵G中取出对应的值，即相邻排序船舶之间的相似性形成序列Z：Z＝(Z1,Z2…Zn-1)，Zi即为第i和第i+1个船舶之间的相似性。步骤八：聚类分析：设定平台对船舶分类界限为λ(λ∈[0,1])，将步骤七中的相似性序列Z与λ进行比较，以λ为界将评估船舶的承运资质进行优劣层级划分。进一步的，步骤一中递阶层次结构模型包括：目标层：用于设定决策目标为船舶承运人承运资质评估；准则层：船舶基本情况的资质评估、船舶承运人交易情况的资质评估和船舶承运人服务质量的资质评估；方案层：选取船舶使用年限、船舶投保情况、船舶承运规模、船舶承运人交易次数、船舶承运人交易吨位、船舶承运人交易金额、船舶承运人遭投诉次数、船舶承运人准时装货、船舶承运人准时卸货、船舶承运人货损货差十个评价指标作为方案层；所述目标层中的船舶承运人承运资质评估由准则层中的船舶基本情况的资质评估、船舶承运人交易情况的资质评估和船舶承运人服务质量的资质评估构成；所述准则层中的船舶基本情况资质评估由方案层中的船舶使用年限、船舶投保情况和船舶承运规模构成；所述准则层中的船舶承运人交易情况的资质评估由方案层中的船舶承运人交易次数、船舶承运人交易吨位、船舶承运人交易金额和船舶承运人遭投诉次数构成；所述准则层中的船舶承运人服务质量的资质评估由方案层中的船舶承运人准时装货、船舶承运人准时卸货、船舶承运人货损货差构成。与现有技术相比，本专利技术的优点在于：本专利技术的货运质量评估方法，可以将承运数据量化为货运质量从而进一步作为船舶承运人的承运资质，船舶承运人会员的排序分类根据货运的质量可以有效解决货主对承运人的资质评估问题，并作出满足自己承运需求的选择，从而降低水路货运市场的风险波动，提高运输质量。附图说明图1为本专利技术的方法流程图；图2为本专利技术施例的递阶层次结构模型。具体实施方式下面结合附图和具体实施方式，进一步阐明本专利技术。一种基于大数据分析的船舶承运人资质评价方法方法，基于全面、客观的原则选取建立能够反映船舶承运人承运资质的信用评价体系，适用于物流运力交易的电子商务平台对车船会员进行综合、科学的选择。具体包括如下步骤：(1)提取平台数据库信息，建立指标的递阶层次结构从数据库中选择提取与承运人信用评价相关信息，参考行业指标选取本平台需要的影响因素，根据因素指标之间及各层次指标间的相互关系，建立评价指标体系的递阶层次结构。目标层：设定决策目标为船舶承运人承运资质评估。准则层：船舶基本情况的资质评估、船舶承运人交易情况的资质评估和船舶承运人服务质量的资质评估。方案层：选取船舶使用年限、船舶投保情况、船舶承运规模、船舶承运人交易次数、船舶承运人交易吨位、船舶承运人交易金额、船舶承运人遭投诉次数、船舶承运人准时装货、船舶承运人准时卸货、船舶承运人货损货差十个评价指标作为方案层。(2)根据指标属性确定评估系统和特征参量①选取平台的船舶承运人，确定评估系统S：S＝(S1,S2,S3,…,Sn)，其中n为船舶承运人个数②选取能够反映船舶承运人承运资质的指标体系，即船舶使用年限、船舶投保情况、船舶承运规模、船舶承运人交易次数、船舶承运人交易吨位、船舶承运人交易金额、船舶承运人遭投诉次数、船舶承运人准时装货、船舶承运人准时卸货、船舶承运人货损货差十个指标设为特征参量，即为：Xi＝(Xi1,Xi2,Xi3,,Xi3,Xi4,Xi5,Xi6,Xi7,Xi8,Xi9,Xi10)，Xi为船舶本文档来自技高网...

【技术保护点】
一种基于大数据分析的船舶承运人资质评价方法，其特征在于，包括如下步骤：步骤一：从平台数据库提取信息，然后确定信用评价指标，最后构建指标评价体系的结构层次模型；从数据库中选择提取与承运人信用评价相关信息，参考行业指标选取本平台需要的影响因素，根据因素指标之间及各层次指标间的相互关系，建立评价指标体系的递阶层次结构模型；步骤二：根据指标属性确定评估系统和特征参量；首先，选取平台的船舶承运人，确定评估系统S；然后，选取能够反映船舶承运人承运资质的指标体系，即船舶使用年限、船舶投保情况、船舶承运规模、船舶承运人交易次数、船舶承运人交易吨位、船舶承运人交易金额、船舶承运人遭投诉次数、船舶承运人准时装货、船舶承运人准时卸货、船舶承运人货损货差十个指标设为特征参量，即为Xij(Xij为船舶i的第j个指标，j＝1,2,3…10)；步骤三：根据指标属性确定最优序列：判断指标中船舶投保情况、船舶承运规模、船舶承运人交易次数、船舶承运人交易吨位、船舶承运人交易金额、船舶承运人准时装货、船舶承运人准时卸货七个指标是正向指标，越大越好，则其对应的最优序列Xoj为：X'oj＝max(X′ij)，Xoj为Xij对应的最优序列，X'ij为Xij中的正向指标；判断指标中船舶使用年限、船舶承运人遭投诉次数、船舶承运人货损货差三个指标是逆向指标，越小越好，则其对应的最优序列Xoj为：X”oj＝min(Xi'j')，X”ij为Xij中的逆向指标；步骤四：数据归一化处理：根据各特征参量的属性，以参予分析的原始数据按下式作统一测度处理，并同时作归一化处理，将各分析数据压缩至【0,1】区间；对指标属性为正向的指标：X'ij＝Xij/maxX′ij对指标属性为逆向的指标：X”ij＝minX″ij/Xij；步骤五：经过上述归一化处理后建立起标准化的分析体系，然后建立灰色相似矩阵，对关联系数、关联度、关联矩阵和灰色相似矩阵进行计算：计算Xi对Xp在第K点的关联系数ζi(k)：Xp(k)为参考序列，Xi(k)为比较序列。计算Xi对Xp的关联度γi：其中n为评估的船舶承运人数量；建立关联矩阵Γ：γij是以第i个评估对象的指标序列为参考序列以第j个评估对象的指标序列为比较序列的关联度，m为评估对象个数与最优序列之和，即m＝n+1；建立灰色相似矩阵G；其中gij＝(γij+γji)/2，γij和γji为关联矩阵Γ中的对称项；步骤六：关联序排列：步骤五中G矩阵最后一行即是以最优序列(Xoj)为参考序列求得的关联序，将gm1，gm2……gmm(gmm＝1)按大小排序，其对应的顺序即为评估船舶的资质优劣顺序；步骤七：通过步骤六中的关联序排列得到评估船舶的资质排序，从灰色相似矩阵G中取出对应的值，即相邻排序船舶之间的相似性形成序列Z：Z＝(Z1,Z2…Zn‑1)，Zi即为第i和第i+1个船舶之间的相似性。步骤八：聚类分析：设定平台对船舶分类界限为λ(λ∈[0,1])，将步骤七中的相似性序列Z与λ进行比较，以λ为界将评估船舶的承运资质进行优劣层级划分。...

【技术特征摘要】
1.一种基于大数据分析的船舶承运人资质评价方法，其特征在于，包括如下步骤：步骤一：从平台数据库提取信息，然后确定信用评价指标，最后构建指标评价体系的结构层次模型；从数据库中选择提取与承运人信用评价相关信息，参考行业指标选取本平台需要的影响因素，根据因素指标之间及各层次指标间的相互关系，建立评价指标体系的递阶层次结构模型；步骤二：根据指标属性确定评估系统和特征参量；首先，选取平台的船舶承运人，确定评估系统S；然后，选取能够反映船舶承运人承运资质的指标体系，即船舶使用年限、船舶投保情况、船舶承运规模、船舶承运人交易次数、船舶承运人交易吨位、船舶承运人交易金额、船舶承运人遭投诉次数、船舶承运人准时装货、船舶承运人准时卸货、船舶承运人货损货差十个指标设为特征参量，即为Xij(Xij为船舶i的第j个指标，j＝1,2,3…10)；步骤三：根据指标属性确定最优序列：判断指标中船舶投保情况、船舶承运规模、船舶承运人交易次数、船舶承运人交易吨位、船舶承运人交易金额、船舶承运人准时装货、船舶承运人准时卸货七个指标是正向指标，越大越好，则其对应的最优序列Xoj为：X'oj＝max(X′ij)，Xoj为Xij对应的最优序列，X'ij为Xij中的正向指标；判断指标中船舶使用年限、船舶承运人遭投诉次数、船舶承运人货损货差三个指标是逆向指标，越小越好，则其对应的最优序列Xoj为：X”oj＝min(Xi'j')，X”ij为Xij中的逆向指标；步骤四：数据归一化处理：根据各特征参量的属性，以参予分析的原始数据按下式作统一测度处理，并同时作归一化处理，将各分析数据压缩至【0,1】区间；对指标属性为正向的指标：X'ij＝Xij/maxX′ij对指标属性为逆向的指标：X”ij＝minX″ij/Xij；步骤五：经过上述归一化处理后建立起标准化的分析体系，然后建立灰色相似矩阵，对关联系数、关联度、关联矩阵和灰色相似矩阵进行计算：计算Xi对Xp在第K点的关联系数ζi(k)：Xp(k)为参考序列，Xi(k)为比较序列。计算Xi对Xp的关联度γi：其中n为评估的船...

【专利技术属性】
技术研发人员：李敬泉，张留，刘云飞，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏;32