具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。

参照图1所示，本发明的实施例提供了一种交通运输电子证照生成效率确定方法具体包括以下步骤：

101、获取电子证照发放历史数据并对历史数据进行预处理得到电子证照相关数据；

全国交通运输安全生产标准化系统是进行电子证照申请、登记、操作、发放的系统平台，从用户注册到换证审核的近20个操作均在安标系统中完成。基于交通运输安全生产标准化系统可以获得各个省级行政单位的电子证照发放历史数据。并对历史数据进行预处理进而统一数据格式，提高数据质量，为数据模型处理做好基础。

102、基于预设投入指标和预设产出指标对电子证照相关数据进行量化，以得到电子证照相关指标；

因为交通运输电子证照一个典型的企业、社会公众等多利益相关方参与的信息系统，测定效率受多种因素影响，因此需要采用预设投入指标和预设产出指标对电子证照相关数据进行量化，以得到电子证照相关指标，进而能够更好的进行指标的量化测算。

103、基于电子证照相关指标构建测定效率框架；

利用上述交通电子证照相关指标结合交通运输电子证照实际情况，构建以“投入-过程-产出”为划分依据的交通运输电子证照生成效率测定框架。

104、基于预设电子证照效率模型和测定效率框架中的投入指标和产出指标确定电子证照生成效率。

可基于交通运输电子证照超效率CCR模型求解，以决策单元 (DMU_j(1≤j≤n))为评价对象，采用DEA中基于规模收益不变的CCR(Charnes, Cooper,hodes)超效率模型的产出导向规划方法，测定交通运输电子证照生成效率。

这样通过采用数据的特征工程处理，指标量化处理方法和电子证照效率模型的集成算法。能够对省级行政单位的电子证照生成效率测算。克服了以往测定指标主观性强，指标选取困难等问题，对省级行政单位决策和管理人员掌握全国交通运输电子证照态势，及时调整投入产出结构，进行区域调控具有重要意义。并且本发明方法具有计算科学合理、客观可量化，适用度较广等特点。

作为上述实施例可行的实现方式，参照图2所示，电子证照发放历史数据。包括：证书发放企业名称、归属地、证书级别、证书类型。评审人员和发放到期日期等基本信息，变量字段如下表所示。为下步进行分析奠定数据基础：

在进行数据预处理时运用Python中的pandas数据分析工具，对获取的交通运输电子证照数据进行重复值、异常值删除和缺失值补充等数据特征工程处理，对省份等字段进行格式转换和重新编码工作。从而统一数据格式，提高数据质量，为数据模型处理做好基础。

其中交通运输电子证照证书标号为唯一值，以该字段进行数据比对，对重复的数值进行删除；

获取电子证照整个数据集各个变量5％和95％分位值，依此对明显异常数值进行排除；

对具有缺失值的变量项用数据集的的众数进行填充。

然后电子证照投入产出指标量化测算共计包含3项投入指标和4项产出指标如下表所示：

投入相关指标包括：评审员操作数、审核员操作分摊和固定资产折旧；

产出相关指标包括：新增电子证照复合指标、换发电子证照复合指标、年审电子证照复合指标、复合产出指标等指标相关的生成效率。

其中投入产出指标量化方法采用O1、O2、O3分别通过查询每年电子证照统计数字和其对应的难度量表进行加权计算指标；O4则是对O1、O2、O3指标进行加权求和计算，其中：

O1＝α₁₁λ₁+α₁₂λ₂+α₁₃λ₃

O2＝α₂₁λ₁+α₂₂λ₂+α₂₃λ₃

O3＝α₃₁λ₁+α₃₂λ₂+α₃₃λ₃

O4＝x₁O₁+x₂O₂+x₃O₃

α_ij为每项指标难度量化系数；λ_i为每项指标的统计数字；x_i为权重。

产出指标则通过对数据库type，province，grade字段等数据字段进行加权指标计算：

评审员操作数I1查询评审员操作：type，province，grade查询审核员操作；

审核员操作分摊I2查询评审员操作：type，province，grade查询审核员操作，并进行分摊；

固定资产折旧I3双倍余额递减法(预计净残值率5％,按15年折旧)在各省间进行总投入均摊。

然后构建构建测定效率框架，基于上述中量化的交通电子证照相关指标，利用因子分析的方法对评审员操作数、审核员操作分摊、固定资产等7项指标进行矩阵旋转计算，目标是得到旋转后的成分因子矩阵。

在因子分析中，经正交变换的变量系数是相关矩阵R的特征向量的相应元素，因子分析的模型变量系数取自因子负荷量。因子负荷量矩阵A与相关矩阵 R满足以下关系：

其中AA^T分别为负荷矩阵；λ_i为矩阵系数。

然后可运用SPSS数据处理分析软件，进行因子分子，得出特征变量相应的旋转矩阵。选取成分矩阵指标大于0.6的特征矩阵，进行保留，对于小于0.6 的特征向量进行删除，从而得到构建测定框架的相关特征向量。

根据保留的相应指标，结合交通运输电子证照实际情况，构建如图3所示的“投入-过程-产出”为划分依据的交通运输电子证照生成效率测定框架。

最后进行交通运输电子证照效率测定：交通运输电子证照超效率CCR模型求解。以决策单元(DMU_j(1≤j≤n))为评价对象，采用DEA中基于规模收益不变的CCR(Charnes,Cooper,hodes)超效率模型的产出导向规划方法，测定交通运输电子证照生成效率。具体计算方法如下：

s.t.ωx_j-μ^Ty_j≥0,j＝1,...,n

ω^Tx₀＝1

ω≥0,μ≥0

其中x、y分别代表预设投入指标和预设产出指标；s.t为相关系数，ω为松弛变量；ω^T为松弛变量转置；μ^T为指标权重；为输出向量；

当ω^*＞0,μ^*＞0，并且时，模型有效同时可求该模型的效率值。反之，则该模型无效。

为进一步优化该技术方案，在本发明的另一具体实施例中交通运输电子证照生成效率确定方法还包括：

基于预设电子证照指数模型和测定效率框架中的投入产出指标和产出指标确定电子证照的技术效率变化率和技术进步变化率。

具体的，交通运输电子证照Malmquist指数模型方法求解是对交通运输电子证照要素投入产出变化率进行测算，基于不同年份数据进行电子证照决策单元效率动态变化趋势测算，并进一步分解为技术效率变化和技术进步变化，进而对我国不同省级行政单位交通运输电子证照不同时期和地理区域的指数进行分析比对，方法如下：

其中，其中D^t(x_t,y_t)为t期的距离函数，x_t为预设投入指标，y_t为预设产出指标，Techch为技术效率变化率，Effch为技术进步变化率。

并且在该指标数值大于1表示变化趋势为增长型，等于1表示变化趋势不变，小于1表示变化趋势为下降型。

下面将结合具体的效率评测实施例进行进一步的详细说明：

首先从交通运输安全生产标准化系统数据库中获取31个省级行政区 2016年至2019年交通运输电子证照相关数据。在Python编程环境中，通过调用pandas数据分析工具，进行数据特征工程处理，使用相关算法进行数据降重、异常值处理和缺失值填补。最终得到交通运输电子证照相关数据，选取部分数据图下表所示：

然后进行电子证照投入产出指标量化测算：

针对2016年到2019年之间4年不同等级交通运输电子证照的新增数量、换发数量和年审核数量进行计算；对31个省份进行编码转换，以省级行政区域为划分依据，计算每个省级所对应的不同级别电子证书数量。再根据交通运输安全生产标准化系统数据库进行人员操作数查询计算，获取人员投入、操作数等交通电子证照相关数据。其中3个省份的数据结果如下表所示

进行交通运输电子证照符合指标加权计算。取一级、二级、三级电子证书难度分别为α₁₁、α₁₂、α₁₃，α₂₁、α₂₂、α₂₃和α₃₁、α₃₂、α₃₃，按照上述公示对O1、O2、O3 和O4进行加权计算。再根据交通运输安全生产标准化系统数据库进行人员操作数查询计算，计算得出I1、I2。按照双倍余额递减法(预计净残值率5％,按15 年折旧)在各省间进行均摊换算得出I3。

基于以上处理过程，即可对交通运输电子证照投入产出指标进行量化，从而避免了主观性强，难以量化等缺陷。

然后构建立交通运输电子证照测定效率框架：量化得到的交通运输电子证照相关指标，然后利用因子分析的方法对评审员操作数、审核员操作分摊、固定资产等7项指标进行矩阵旋转计算。运用SPSS数据处理软件，得到旋转后的成分因子矩阵，选取矩阵得分指标大于0.6的特征矩阵，进行保留；对小于0.6 的特征向量进行删除。结果如下表所示。

按照以“投入-过程-产出”的划分依据，构建交通运输电子证照生成效率测定框架，如图3所示。

然后进行交通运输电子证照效率测定：交通运输电子证照效率测定采用超效率CCR模型求解。以决策单元(DMU_j(1≤j≤n))为评价对象，采用DEA中基于规模收益不变的CCR(Charnes,Cooper,hodes)超效率模型的产出导向规划方法，测定交通运输电子证照生成效率。

进行交通运输电子证照Malmquist指数模型求解。在模型中导入2016年至 2019年4年期间交通运输电子证照数据集，分别计算技术效率变化和技术进步变化，对不同省级行政单位交通运输电子证照不同时期和地理区域的指数进行分析比对。

其中，Techch为技术效率变化率，Effch为技术进步变化率。

根据以上计算方法，进行交通运输电子证照生成效率测定，得到我国31 个省交通电子证照生成效率和Malmquist指数、技术效率及生产技术变化如下表所示：

31个省交通运输电子证照生成效率表

总体上看，我国31个省交通电子证照生成效率，四年效率均值分别为0.727307613、0.613567976、1.24843715、0.723408647，即2018年实现了最优的产出规模，其余年份并未达到DEA有效。从变异系数来看，2018年各省间的效率差异非常明显。如广东省2018年效率值较高，而海南省的效率仅为 0.370686737。

Malmquist指数、技术效率及生产技术变化

通过对我国交通电子证照生成效率的趋势分析，Malmquist效率值逐年下降，EC值(追赶效应)有所上升，但生产技术变化值逐年下降，2019年已进入技术衰退。根据EC与TC值的四年均值结果，根据1作为EC值得分界点，将2 作为TC值的分界点，可将七大地理区域划分为3大类型，“高高”型区域、“高低”型区域、“低高”型区域，结果如图4所示。

基于同样的设计思路参照图5所示本发明的实施例还提供了一种交通运输电子证照生成效率确定装置的结构示意图，该装置适用于执行本发明实施例提供给的一种交通运输电子证照生成效率确定方法。如图5所示，该装置具体可以包括：

预处理模块1，用于获取电子证照发放历史数据并对历史数据进行预处理得到电子证照相关数据；

指标量化模块2，用于基于预设投入指标和预设产出指标对电子证照相关数据进行量化，以得到电子证照相关指标；

效率框架模块3，用于基于电子证照相关指标构建测定效率框架；以及

生成效率评定模块4，用于基于预设电子证照效率模型和测定效率框架中的投入指标和产出指标确定电子证照生成效率。

本发明实施例提供的交通运输电子证照生成效率确定装置可执行本发明任意实施例提供的交通运输电子证照生成效率确定方法，具备执行方法相应的功能模块和有益效果。

本发明的实施例还提供了一种存储介质，存储介质中存储有计算机程序，计算机程序至少用于执行以上任一实施例所述的交通运输电子证照生成效率确定方法。

本发明上述实施例所提供的交通运输电子证照生成效率确定方法、装置和存储介质，通过采用数据的特征工程处理，指标量化处理方法和基于因子分析和超效率模型的集成算法。并测算了31省级行政单位的电子证照生成效率测算。克服了以往测定指标主观性强，指标选取困难等问题，对省级行政单位决策和管理人员掌握我国交通运输电子证照态势，及时调整投入产出结构，进行区域调控具有重要意义。并且本发明方法具有计算科学合理、客观可量化，适用度较广等特点。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。