游 宇，唐秋生，孫齡波

(重慶交通大學(xué) 交通運(yùn)輸學(xué)院，重慶 400074)

近年來，隨著國家能源戰(zhàn)略、大氣污染防治計(jì)劃和節(jié)能減排政策的提出，新能源汽車產(chǎn)業(yè)在政府的支持下，從導(dǎo)入期開始進(jìn)入到穩(wěn)定增長時(shí)期。新能源汽車保有量的快速增長，極大地激發(fā)了人們對充電樁的需求，新能源汽車充電樁是推進(jìn)新能源汽車發(fā)展的重要基礎(chǔ)設(shè)施，如何科學(xué)地進(jìn)行公共充電樁服務(wù)質(zhì)量評價(jià)，得到準(zhǔn)確的用戶反饋，以提高公共充電樁的利用率是目前新能源汽車市場的關(guān)注焦點(diǎn)。

目前，國內(nèi)外學(xué)者在新能源汽車充電樁選址規(guī)劃、充配電系統(tǒng)開發(fā)、共享充電平臺設(shè)計(jì)等方面進(jìn)行了大量研究。李濤等[1]綜合考慮充電需求和交通網(wǎng)-配電網(wǎng)耦合關(guān)系，以充電站與配電網(wǎng)的投資運(yùn)行成本、用戶充電時(shí)間損耗成本最小為優(yōu)化目標(biāo)，建立了充電樁規(guī)劃模型；羅青玉等[2]引入便捷系數(shù)量化用戶的充電期望，建立了以充電站建設(shè)費(fèi)用和用戶廣義充電費(fèi)用最小為目標(biāo)的充電站定容模型；Zou H等[3]利用大數(shù)據(jù)工具獲取各類停車場及停車位信息，提出了“P+W”的新型充電樁布局方案；Shi R F等[4]通過對充電需求預(yù)測的統(tǒng)計(jì)分析，模擬ET運(yùn)行系統(tǒng)，提出了改進(jìn)目的地選擇模型，該模型能精準(zhǔn)評估充電站的綜合性能，并給出最佳充電站規(guī)劃方案；崔彥等[5]基于ARM處理器和云數(shù)據(jù)，設(shè)計(jì)了由APP客戶端、云服務(wù)器、分布式充電樁組成的云儲存充電樁控制系統(tǒng)；林健等[6]考慮住宅小區(qū)的負(fù)荷特征及峰谷電價(jià)，以用戶的充電成本與住宅小區(qū)負(fù)荷峰谷差最小為目標(biāo)，建立了電動汽車兩階段有序充電控制模型；Cao L C[7]基于云計(jì)算設(shè)計(jì)了連接用戶方、電網(wǎng)運(yùn)營方和投資方的充電樁智能充電系統(tǒng)，實(shí)現(xiàn)了多方通信和互動；Tan Q K等[8]以某分布式光伏發(fā)電車庫及儲能充電樁為對象，采用Shapley綜合賦權(quán)效益分配方法建立了充電樁充配電效益分配模型；Li G J等[9]基于半物理仿真技術(shù)開發(fā)了一種充電樁控制系統(tǒng)仿真測試平臺；Xu H[10]在考慮電動汽車?yán)m(xù)航能力的基礎(chǔ)上詳細(xì)介紹了基于云平臺的智能公共充電樁系統(tǒng)設(shè)計(jì)與應(yīng)用；Zhang Y J等[11]提出了一種基于mobile-edge計(jì)算框架的雙功能充電管理策略，在減少用戶等待時(shí)間的同時(shí)也提高了充電樁充電能效；劉維揚(yáng)等[12]基于智能合約屬性和功能的交易機(jī)制，將以太坊平臺作為基礎(chǔ)框架，詳細(xì)描述電動汽車用戶、充電樁運(yùn)營商和電動汽車管理商對共享充電樁的邏輯流程，研究了去中心化的電動汽車充電樁共享服務(wù)機(jī)制與技術(shù)平臺架構(gòu)；張瑞友等[13]考慮電動汽車的續(xù)航里程、員工工作時(shí)間等限制，對充電車輛的調(diào)出、調(diào)入站點(diǎn)及參與員工進(jìn)行決策分析，建立了非線性共享充電調(diào)度模型；Zhang Y L等[14]闡述了移動充電概念，并利用數(shù)學(xué)模型比較了傳統(tǒng)固定式充電樁和移動式共享充電樁的使用方便性、時(shí)間及費(fèi)用成本；Zhang T L等[15]根據(jù)用戶充電意圖檢測、共享級別分類及鏈?zhǔn)酵扑]，設(shè)計(jì)了基于動態(tài)充電區(qū)域機(jī)制的共享充電平臺。

綜上所述，現(xiàn)有研究主要集中在充電樁的布局優(yōu)化和充電樁智能系統(tǒng)的開發(fā)設(shè)計(jì)，沒有過多考慮用戶在使用中的實(shí)際感知，而公共充電樁使用者的真實(shí)反饋是提高公共充電設(shè)施利用率和推廣新能源汽車的重要前提?；诖?，本文從用戶感知服務(wù)質(zhì)量入手，為避免單一賦權(quán)和常權(quán)綜合帶來的片面性[16-17]，利用AHP和熵權(quán)法分別計(jì)算各指標(biāo)的主、客觀常權(quán)重，并在此基礎(chǔ)上引入博弈論組合模型和變權(quán)理論對常權(quán)重進(jìn)行修正，得到主、客觀統(tǒng)一的公共充電樁用戶滿意度評價(jià)體系綜合權(quán)重。同時(shí)，將李德毅等[18]提出的基于概率論和模糊數(shù)學(xué)理論的云模型與變權(quán)理論相結(jié)合，建立改進(jìn)變權(quán)云模型，以期找到一種既考慮用戶滿意度評價(jià)指標(biāo)的隨機(jī)性，又盡量減少主觀因素對評價(jià)過程影響的新能源汽車公共充電樁用戶滿意度綜合評價(jià)方法。最后，利用改進(jìn)變權(quán)-云模型評估了用戶對湖州市新能源汽車公共充電樁的滿意度，并針對評價(jià)結(jié)果提出了改進(jìn)對策和建議。

1 基于改進(jìn)變權(quán)的評價(jià)指標(biāo)客觀賦權(quán)

新能源汽車公共充電樁用戶滿意度評價(jià)指標(biāo)體系包含不同維度的多項(xiàng)指標(biāo)，各指標(biāo)對總體評價(jià)結(jié)果的影響程度不同，因此需要科學(xué)賦權(quán)。確定指標(biāo)權(quán)重的方法主要有主觀賦權(quán)和客觀賦權(quán)：主觀賦權(quán)法利用專家經(jīng)驗(yàn)對評價(jià)因素進(jìn)行評分進(jìn)而確定權(quán)重，具有較強(qiáng)的主觀局限性；客觀賦權(quán)法基于客觀數(shù)據(jù)的可變性進(jìn)行賦權(quán)，但未考慮評價(jià)數(shù)據(jù)本身的偏差，從而降低了權(quán)重的準(zhǔn)確程度[19]。以上兩種賦權(quán)方法都未考慮評價(jià)指標(biāo)間的均衡，基于此，本文引入改進(jìn)變權(quán)法來確定公共充電樁用戶滿意度評價(jià)指標(biāo)權(quán)重，以客觀賦權(quán)法減少主觀因素對權(quán)重分配的影響，引入變權(quán)公式對初始常權(quán)重進(jìn)行處理，使決策更具科學(xué)性，通過博弈論集結(jié)模型對主、客觀變權(quán)進(jìn)行組合，最終確定了公共充電樁用戶滿意度評價(jià)體系的綜合權(quán)重。

1.1 層次分析法

層次分析法(AHP)分階段處理不同定性因素之間的隸屬關(guān)系和影響程度，建立自上而下的多層次結(jié)構(gòu)模型，通常利用決策者的經(jīng)驗(yàn)判斷各衡量目標(biāo)的重要性，并定量表示，是一種綜合定性和定量分析的主觀賦權(quán)方法，其計(jì)算步驟為：構(gòu)建層次結(jié)構(gòu)模型；構(gòu)造判斷矩陣；判斷矩陣一致性檢驗(yàn)；計(jì)算評價(jià)指標(biāo)權(quán)重[20]。

1.2 熵權(quán)法

熵權(quán)法是利用各指標(biāo)數(shù)據(jù)的熵值來確定權(quán)重的客觀賦權(quán)方法,熵值反映了信息的混亂程度，可用于度量信息量的大小。當(dāng)用于滿意度評價(jià)時(shí)，若某項(xiàng)評價(jià)指標(biāo)的變異程度較大，該指標(biāo)的熵值會更小，可為評價(jià)結(jié)果提供更多的信息量；反之，當(dāng)某項(xiàng)評價(jià)指標(biāo)的數(shù)據(jù)相差較小甚至完全相同時(shí)，信息熵會變大，直至達(dá)到最大值，表明該指標(biāo)在評價(jià)體系中的意義較小[21]。采用基于評價(jià)數(shù)據(jù)的熵權(quán)法，將評價(jià)指標(biāo)提供的信息量化得到客觀權(quán)重，從而避免評價(jià)組織者的主觀因素影響。

根據(jù)預(yù)先設(shè)定的評價(jià)規(guī)則，假定對n個(gè)用戶的m項(xiàng)評價(jià)指標(biāo)進(jìn)行滿意度評價(jià)，將調(diào)查所得數(shù)據(jù)組成初始評價(jià)指標(biāo)樣本矩陣X=(xij)n×m，應(yīng)用熵權(quán)法確定權(quán)重的具體步驟。

Step1 數(shù)據(jù)標(biāo)準(zhǔn)化，將初始評價(jià)樣本數(shù)據(jù)作規(guī)范化處理

(1)

處理后得標(biāo)準(zhǔn)矩陣：X′=(xij)n×m(i=1,2,…,n;j=1,2,…,m)，xij為第i個(gè)用戶對第j項(xiàng)評價(jià)指標(biāo)的評價(jià)數(shù)據(jù)。

Step2 求各指標(biāo)的熵值，根據(jù)評價(jià)數(shù)據(jù)計(jì)算第j項(xiàng)評價(jià)指標(biāo)的熵值

(2)

Step3 根據(jù)所求熵值，計(jì)算第j項(xiàng)評級指標(biāo)的差異性系數(shù)

dj=1-Ej

(3)

Step4 計(jì)算各項(xiàng)指標(biāo)的熵權(quán)

(4)

采用熵權(quán)法可為評價(jià)體系客觀賦權(quán)：基于評價(jià)數(shù)據(jù)計(jì)算的指標(biāo)權(quán)重代表了相應(yīng)評價(jià)指標(biāo)的信息量大小，即各指標(biāo)可為評價(jià)分析提供的參考價(jià)值大小。

1.3 變權(quán)重

單一賦權(quán)和常權(quán)綜合具有片面性，為使評價(jià)數(shù)據(jù)真實(shí)反映實(shí)際情況，本文引入變權(quán)法處理主客觀常權(quán)重，得到最終的變權(quán)重，避免當(dāng)樣本數(shù)據(jù)異常時(shí)對評價(jià)結(jié)果產(chǎn)生的影響。假設(shè)評價(jià)指標(biāo)的初始權(quán)重表達(dá)式為

(5)

通過文獻(xiàn)[22]提供的均衡函數(shù)對初始權(quán)重和評價(jià)數(shù)據(jù)進(jìn)行處理，得到變權(quán)權(quán)重為

(6)

式中:xj為第j項(xiàng)評價(jià)指標(biāo)的歸一化值，α為參數(shù)。

一般而言，在評判者較為保守的情況下，即α<1/2時(shí)，對諸多因素的平衡問題考慮較多；在評判者較開明的情況下，即α>1/2時(shí)，比較能容忍某方面的缺陷[22]?；谝陨戏治觯疚娜ˇ?1/2。

1.4 組合賦權(quán)法

AHP屬于主觀賦權(quán)法，在確定權(quán)重時(shí)通常因研究人員對評價(jià)指標(biāo)相對重要的感知程度不同，導(dǎo)致評價(jià)結(jié)果與實(shí)際產(chǎn)生偏差。熵權(quán)法利用評價(jià)數(shù)據(jù)本身的客觀規(guī)律來確定各指標(biāo)的權(quán)重，避免了專家認(rèn)知的主觀因素影響，具有較好的客觀性。以上兩種方法確定的權(quán)重均沒有考慮評價(jià)指標(biāo)間的均衡性問題[23]。本文利用博弈論集結(jié)模型進(jìn)行組合賦權(quán)[24-25]：公共充電樁用戶滿意度各評價(jià)指標(biāo)的主、客觀權(quán)重視為博弈雙方，求組合權(quán)重與每種方法所確定權(quán)重之間的偏差極值。

假設(shè)使用L種賦權(quán)法(本文為兩種)，結(jié)合變權(quán)公式對公共充電樁用戶滿意度評價(jià)指標(biāo)分別賦權(quán)，得到初始變權(quán)重，基本權(quán)重集為wk={wk1,wk2,…,wkm}，k=1,2,…,L，設(shè)αk為線性組合系數(shù)，則L個(gè)向量的任意組合為

(7)

以w和wk的離差極小化為目標(biāo)，優(yōu)化式(7)中的L個(gè)線性組合系數(shù)αk，由此得到對策模型為

(8)

由矩陣的微分性質(zhì)得出等效最優(yōu)導(dǎo)數(shù)條件的線性方程組為

(9)

由式(9)計(jì)算得α1,α2,…，αL,歸一化處理為

(10)

則基于組合賦權(quán)得到的評價(jià)指標(biāo)綜合權(quán)重為

(11)

2 云模型理論

云模型可以處理定性語言與定量數(shù)值之間的不確定轉(zhuǎn)換，該模型可以很好地解決公共充電樁用戶滿意度評價(jià)過程中模糊性和隨機(jī)性相關(guān)聯(lián)問題，評價(jià)結(jié)果更為真實(shí)可靠。

2.1 云定義及其數(shù)字特征

設(shè)U為一個(gè)用精確數(shù)值表示的定量論域，T為論域U上的定性語言值，映射CT(x):U→[0,1]，?x∈U，x→CT(x)，則CT(x)在論域U上的分布稱為云，每一個(gè)x稱為一個(gè)云滴；當(dāng)CT(x)服從正態(tài)分布時(shí)，簡稱為正態(tài)云模型。

云模型的數(shù)字特征分別用Ex、En、He來表示，反映了定性概念的定量特性。期望Ex為云滴在論域空間U中最能代表定性概念的點(diǎn)值；熵En為定性概念模糊度和概率的度量；超熵He為熵的不確定度量，體現(xiàn)云滴的離散程度和厚度，He越大相應(yīng)的隸屬度隨機(jī)性越大，即云滴的凝聚性越小，從而呈現(xiàn)出云霧狀。

2.2 云發(fā)生器

云發(fā)生器(Cloud generator)是指生成云滴的算法或硬件[26]。設(shè)共有n組數(shù)據(jù)，采用不包含確定度信息的逆向正態(tài)云發(fā)生器生成評價(jià)指標(biāo)的云參數(shù)，將生成的云模型參數(shù)利用正向正態(tài)云發(fā)生器生成

n個(gè)云滴xi(i=1,2,…,n)，并繪制云圖。

Step1 根據(jù)xi計(jì)算樣本均值，云模型期望為

(12)

Step2 計(jì)算樣本方差

(13)

Step3 計(jì)算云模型的熵和超熵

(14)

Step4 輸出云的數(shù)字特征(Ex，En，He)；

Step5 利用正向正態(tài)云發(fā)生器將云模型參數(shù)繪制成評價(jià)云圖。

3 基于云模型的公共充電樁用戶滿意度綜合評價(jià)

3.1 滿意度評價(jià)指標(biāo)體系確定

在綜合分析從業(yè)人員意見和公共充電樁現(xiàn)狀的基礎(chǔ)上，參考文獻(xiàn)[27-28]的研究成果，在設(shè)計(jì)評價(jià)指標(biāo)體系時(shí)堅(jiān)持科學(xué)性、普適性等原則，一方面從用戶感知層面，如充電方便、迅速、支付便捷等角度設(shè)計(jì)；另一方面也考慮了公共充電樁服務(wù)水平，如電壓穩(wěn)定性、充電樁故障率等，構(gòu)建了包括感知質(zhì)量等3個(gè)維度、10個(gè)指標(biāo)的公共充電樁用戶滿意度評價(jià)指標(biāo)體系，如表1所示。

表1 公共充電樁用戶滿意度評價(jià)指標(biāo)體系

3.2 評語集云模型描述

對公共充電樁用戶滿意度測評的5個(gè)評分標(biāo)準(zhǔn)采用5分制，劃分為5個(gè)區(qū)間，每個(gè)評語等級都有相應(yīng)的取值范圍，具有形如[Bmin,Bmax]的上下界。利用正態(tài)云模型將評語集云化，采用式(15)計(jì)算各評語的云參數(shù)為

(15)

式中：k為根據(jù)模糊度確定的常數(shù)。

文中采用李克特量表法，設(shè)置評價(jià)集V={很滿意，較滿意，一般，較不滿意，很不滿意}，如表2所示。

表2 滿意度評價(jià)標(biāo)準(zhǔn)

對于只有單邊約束的評語取值范圍，期望值取其單邊約束[29]，再按照式(15)計(jì)算云參數(shù)，用半升降云來描述。根據(jù)建立的評語集及其云模型表述方法得到5級評分標(biāo)準(zhǔn)云模型，如圖1所示。

圖1 滿意度評價(jià)標(biāo)準(zhǔn)云

3.3 評價(jià)指標(biāo)云模型描述

文中所涉及的各項(xiàng)指標(biāo)大多與公共充電樁使用者的親身體驗(yàn)有關(guān)，易受主觀因素影響，因此，采用調(diào)查問卷與相關(guān)技術(shù)人員評分相結(jié)合的方式來確定每個(gè)評價(jià)指標(biāo)的最終評分。利用逆向正態(tài)云發(fā)生器求得每個(gè)評價(jià)指標(biāo)的云模型參數(shù)(Ex，En，He)。

底層評價(jià)指標(biāo)基本互相獨(dú)立，相關(guān)性較小，因此，采用云模型中的浮動云算法集結(jié)底層評價(jià)指標(biāo)，求得每個(gè)維度的云模型參數(shù)為

(16)

式中：wi為第i個(gè)評價(jià)指標(biāo)的綜合權(quán)重，根據(jù)式(11)計(jì)算；Exi,Eni,Hei為第i個(gè)評價(jià)指標(biāo)的云模型參數(shù)；i=1,2,…,m(m為評價(jià)指標(biāo)個(gè)數(shù))。

考慮到公共充電樁用戶滿意度評價(jià)維度之間的相互影響，擬采用虛擬云中的綜合算法[30]將底層概念集結(jié)到高層次概念中，即將多維度評價(jià)云模型綜合為一個(gè)更廣義的云,算式為

(17)

根據(jù)式(17)求得評價(jià)指標(biāo)體系云參數(shù)，并根據(jù)運(yùn)算結(jié)果采用正向正態(tài)云發(fā)生器即可得到每個(gè)屬性的實(shí)際云模型。

4 實(shí)例分析

采用分層隨機(jī)抽樣調(diào)研方法，以湖州市本地公共充電樁使用者為對象展開調(diào)查。調(diào)查共收集有效問卷144份，受訪者年齡以[18,50)歲為主，使用新能源汽車主要用于日常上下班、家庭出行或出租車和網(wǎng)約車運(yùn)營。目前，僅使用公共充電樁的受訪者占比66.67%，僅使用家用便攜式充電槍的受訪者占比14.58%，9.03%的受訪者既使用公共充電樁又使用家用充電槍； 9.72%的受訪者使用企業(yè)運(yùn)營商自配充電樁。

4.1 評級體系權(quán)重確定

基于上述構(gòu)建的改進(jìn)變權(quán)-云模型，以湖州市公共充電樁為例，進(jìn)行用戶滿意度綜合評價(jià)。先將調(diào)查問卷與相關(guān)技術(shù)人員的評分相結(jié)合，構(gòu)建判斷矩陣，根據(jù)層次分析法和yaahp 10.3版本軟件計(jì)算得到主觀權(quán)重w1，再將調(diào)研數(shù)據(jù)利用熵權(quán)法和MATLAB R2018b版本軟件計(jì)算得出客觀權(quán)重w2,兩種方法確定的初始常權(quán)重如表3所示。

表3 單一法確定的常權(quán)重

根據(jù)式(6)計(jì)算主、客觀變權(quán)權(quán)重，計(jì)算結(jié)果如表4所示。根據(jù)式(9)和式(10)求得基于博弈論組合權(quán)重的線性組合系數(shù):α1=0.739 3,α2=0.310 2。由式(11)計(jì)算評價(jià)指標(biāo)綜合權(quán)重，如表4所示，各維度綜合權(quán)重計(jì)算結(jié)果如表1所示。

表4 變權(quán)重與博弈論綜合權(quán)重

4.2 評價(jià)體系云模型確定

根據(jù)調(diào)查問卷與相關(guān)技術(shù)人員評分相結(jié)合的方式確定每個(gè)評價(jià)指標(biāo)的最終評分，利用逆向正態(tài)云發(fā)生器求得每個(gè)評價(jià)指標(biāo)的云模型參數(shù)(Ex，En，He)，利用浮動云算法計(jì)算各維度的云模型參數(shù)，結(jié)果如表1所示。采用綜合算法對各維度進(jìn)行虛擬云計(jì)算，得到湖州市公共充電樁用戶滿意度評價(jià)云模型為(3.28,1.07,0.29)。運(yùn)用正向正態(tài)云發(fā)生器生成滿意度評價(jià)結(jié)果云，如圖2所示。

圖2 湖州市公共充電樁用戶滿意度評價(jià)結(jié)果

由圖2可知，湖州市公共充電樁用戶滿意度評價(jià)結(jié)果云期望值為3.28，位于“一般”和“較滿意”之間，是較為偏向“較滿意”的綜合云，由此可以得出湖州市公共充電樁用戶滿意度為“一般偏好”狀態(tài)。此外，評價(jià)結(jié)果云的熵值遠(yuǎn)大于評價(jià)集云，反映出不同用戶群體對公共充電樁使用滿意度存在較大的認(rèn)知差異。

4.3 評價(jià)結(jié)果分析

對表1中各維度的云參數(shù)進(jìn)行比較，可見用戶感知質(zhì)量得分最高，用戶期望得分較高，而用戶感知價(jià)值得分最低。此外，利用四分圖法綜合分析各評價(jià)指標(biāo)的云參數(shù)及權(quán)重，以二維圖形式直接反映湖州市公共充電樁用戶滿意度綜合評價(jià)結(jié)果中需要改進(jìn)的要素。在四分圖中橫軸代表各評價(jià)指標(biāo)期望值，縱軸表示評價(jià)指標(biāo)綜合權(quán)重，如圖3所示。

圖3 湖州市公共充電樁滿意度評價(jià)指標(biāo)重要性分析

其中充電樁故障率落入了優(yōu)勢區(qū)，電壓穩(wěn)定性、支付方式便捷性等指標(biāo)落入維持區(qū)，得分較高且權(quán)重值較大，說明該指標(biāo)對公共充電樁用戶滿意度的影響程度較大，且目前用戶對該指標(biāo)相對較滿意。而片區(qū)充電樁數(shù)量、充電價(jià)格合理性、充電排隊(duì)等候時(shí)間、油車占位4項(xiàng)指標(biāo)的權(quán)重值較大，但由于位于修補(bǔ)區(qū)，是用戶相對不滿意的主要因素。因此，充電樁運(yùn)營企業(yè)應(yīng)重點(diǎn)關(guān)注此方面問題，根據(jù)準(zhǔn)確的用戶反饋進(jìn)行充電樁有序建設(shè)，以提高現(xiàn)有公共充電樁利用率。

5 結(jié) 論

1)通過對湖州市公共充電樁的實(shí)地調(diào)研，并閱讀相關(guān)文獻(xiàn)，最終選取用戶感知質(zhì)量、用戶期望、感知價(jià)值3個(gè)維度和充電樁電壓穩(wěn)定性等10個(gè)評價(jià)指標(biāo)建立新能源汽車公共充電樁用戶滿意度評價(jià)體系，通過分析得到湖州市公共充電樁用戶滿意度為“一般偏較好”狀態(tài)，符合當(dāng)?shù)貙?shí)際情況。

2)在確定指標(biāo)權(quán)重時(shí)，利用博弈論組合變權(quán)賦權(quán)法，并兼顧了計(jì)算權(quán)重時(shí)的主、客觀因素，提高了評價(jià)結(jié)果的可信度。同時(shí)，引入變權(quán)綜合使指標(biāo)權(quán)重隨狀態(tài)值變化而變化，減小因用戶認(rèn)知差異對評價(jià)結(jié)果帶來的影響。

3)充分考慮公共充電樁用戶滿意度評價(jià)指標(biāo)數(shù)據(jù)的隨機(jī)性和評價(jià)標(biāo)準(zhǔn)的模糊性，對評價(jià)指標(biāo)建立云模型，以指標(biāo)近似法構(gòu)建評價(jià)云，利用正向正態(tài)云發(fā)生器繪制云圖，用云圖來表示評價(jià)集云與綜合云之間的關(guān)系，實(shí)現(xiàn)評價(jià)指標(biāo)定量至定性的轉(zhuǎn)換，從而定性說明湖州市公共充電樁用戶滿意度所屬評價(jià)等級。