劉 萌，鄒忠義，黃 斐

（公安海警學(xué)院 后勤系，浙江 寧波 315801）

基于熵權(quán)AHP理論的駕駛傾向性辨識(shí)評(píng)價(jià)方法

劉 萌，鄒忠義，黃 斐

（公安海警學(xué)院 后勤系，浙江 寧波 315801）

駕駛傾向性反映的是在不同的環(huán)境中汽車駕駛員的心理情感狀態(tài)，只能根據(jù)駕駛員在日常駕駛過程中的行為進(jìn)行推測(cè)，而無法精確測(cè)量，因此這在交通安全研究中具有一定的難度。由于對(duì)駕駛員駕駛傾向性辨識(shí)需要涉及到很多個(gè)指標(biāo)，采用單一評(píng)價(jià)方法易受評(píng)價(jià)主體主觀影響，本文將層次分析法和熵權(quán)法結(jié)合起來，對(duì)機(jī)動(dòng)車駕駛員駕駛傾向性進(jìn)行辨識(shí)。

駕駛傾向性；熵值法；AHP法

汽車作為日常出行主要的交通工具，給人們的生活帶來了極大的便利，同時(shí)也帶來了很多交通安全隱患。國際國內(nèi)學(xué)者的相關(guān)研究表明，由于人為因素造成的交通事故占事故總數(shù)高達(dá)90%以上，而由于駕駛員的原因造成的交通事故又高達(dá)70%。因此，可以認(rèn)為駕駛員自身因素是造成交通事故的主要因素之一，影響駕駛員的因素包括駕駛員的年齡、性別、駕齡、操作習(xí)慣等，不同的個(gè)體具備不同的駕駛心理特征，這些都可以歸納到駕駛傾向性上。駕駛傾向性反映的是在不同的環(huán)境中汽車駕駛員的心理情感狀態(tài)，只能根據(jù)駕駛員在日常駕駛過程中的行為進(jìn)行推測(cè)，而無法精確測(cè)量，因此這在交通安全研究中具有一定的難度。在已有的研究中，主要集中在駕駛員心理對(duì)駕駛行為的預(yù)測(cè)，或者集中在駕駛員意圖的辨識(shí)，很少有研究對(duì)駕駛傾向性進(jìn)行量化分析。由于對(duì)駕駛員駕駛傾向性辨識(shí)需要涉及到很多個(gè)指標(biāo)，采用單一評(píng)價(jià)方法易受評(píng)價(jià)主體主觀影響，組合評(píng)價(jià)將不同評(píng)價(jià)方法優(yōu)化組合，揚(yáng)長避短。本文將層次分析法和熵值法結(jié)合起來，對(duì)機(jī)動(dòng)車駕駛員駕駛傾向性進(jìn)行辨識(shí)。

1 駕駛傾向性辨識(shí)評(píng)價(jià)指標(biāo)體系的建立

1.1 駕駛傾向性的影響因素

根據(jù)常見的不安全駕駛行為，提取了決定駕駛員駕駛傾向的駕駛員因素、駕駛風(fēng)格和環(huán)境因素等三個(gè)指標(biāo)，構(gòu)建了駕駛傾向性評(píng)價(jià)模型。

1.1.1 駕駛員自身因素

駕駛傾向性影響因素與個(gè)體生理心理等因素有直接的關(guān)系。同等情況下，女司機(jī)在反應(yīng)速度上要比男司機(jī)慢，需要更長的反應(yīng)時(shí)間；對(duì)駕駛員而言，對(duì)車距的把握、車速的控制以及道路情況的判斷相當(dāng)重要；當(dāng)駕駛?cè)嗽谏』蛘咂跔顟B(tài)下開車時(shí)，注意力和反應(yīng)力也會(huì)大大的降低；不同性格的駕駛員在遇到危險(xiǎn)時(shí)，所采取的方法也有差異，因此經(jīng)常將性格與駕駛傾向性聯(lián)系在一起。因此，駕駛員自身因素可以分解為以下四個(gè)指標(biāo)：生理因素、健康狀況、性格因素、以及感知特性。

1.1.2 駕駛風(fēng)格因素

駕駛員對(duì)機(jī)動(dòng)車的操作風(fēng)格反映了他對(duì)行駛狀態(tài)和外界環(huán)境的感知，因此可以通多對(duì)駕駛員駕駛風(fēng)格的推測(cè)來預(yù)測(cè)其駕駛傾向性。不同駕駛傾向性的司機(jī)在速度、安全車距、變道以及緊急制動(dòng)上表現(xiàn)是不一樣的。一般來說，性格比較沖動(dòng)的駕駛員車速比較快、安全車距比較小，喜歡緊急制動(dòng)或者踩油門。因此，駕駛風(fēng)格因素可以分解為以下三個(gè)指標(biāo)：行駛車速、剎車油門踏板使用頻率、車道改變頻率。

1.1.3 駕駛環(huán)境因素

機(jī)動(dòng)車的內(nèi)部環(huán)境包括溫度、聲音、座椅等的舒適性以及車內(nèi)的安全感直接影響著駕駛員的精神狀態(tài)；機(jī)動(dòng)車所處的外部環(huán)境，如道路條件、天氣條件以及交通密度等與駕駛員駕駛傾向性也密切相關(guān)。當(dāng)雨雪天氣下，道路濕滑，交通擁堵很容易造成駕駛員緊張焦慮的情緒，對(duì)駕駛傾向的影響較為明顯。因此駕駛環(huán)境因素可以分解為車內(nèi)環(huán)境、道路環(huán)境、氣候環(huán)境以及交通干擾因素四個(gè)指標(biāo)。

1.2 駕駛傾向性綜合評(píng)價(jià)指標(biāo)的設(shè)立

根據(jù)以上分析，可以建立如圖1所示的駕駛員駕駛傾向性綜合評(píng)價(jià)指標(biāo)體系。

圖1 駕駛員駕駛傾向性綜合評(píng)價(jià)指標(biāo)體系

2 基于熵權(quán)AHP法的駕駛傾向性辨識(shí)評(píng)價(jià)體系

2.1 模型構(gòu)建

2.1.1 層次分析法確定指標(biāo)權(quán)重

層次分析法(AHP)是一種定性和定量分析相結(jié)合的系統(tǒng)分析方法，將人的主觀判斷用數(shù)量形式表達(dá)和處理,在社會(huì)經(jīng)濟(jì)研究的多個(gè)領(lǐng)域得到了廣泛的應(yīng)用。該方法把復(fù)雜問題分解成各個(gè)組成因素，通過兩兩比較的方式確定層次中諸因素的相對(duì)重要性。通過構(gòu)造兩兩比較判斷矩陣,確定層次內(nèi)指標(biāo)的權(quán)重。一般情況下,采用9級(jí)標(biāo)度來表達(dá)因素之間的相對(duì)重要性程度（如表1所示）。

表1 各標(biāo)度數(shù)值的含義

假定上一層指標(biāo)支配下一層的指標(biāo)有n個(gè)，則這n個(gè)指標(biāo)就可以構(gòu)成一個(gè)兩兩判斷矩陣A（aij）n×n。其中，aij表示指標(biāo)i與指標(biāo)j的重要性之比，指標(biāo)j與指標(biāo)i的重要性之比則為若向量ω=（ω，ω，…ω）T滿足Aω=λ ω，則式中

12nmax的λmax為矩陣A的最大特征根。則ω為相應(yīng)的特征向量,歸一化后的ω可以作為權(quán)向量。這種方法叫做特征根法。本文采用該方法確定層次內(nèi)的權(quán)重。由于客觀事物復(fù)雜多變，人們對(duì)事物的認(rèn)識(shí)往往具有片面性，要達(dá)到完全一致是非常困難的，因此在對(duì)一個(gè)判斷矩陣進(jìn)行單層排序后需要對(duì)判斷矩陣進(jìn)行一致性檢驗(yàn)。首先要通過公示計(jì)算出一致性指標(biāo)，然后對(duì)照表2查找相應(yīng)的平均隨機(jī)一致性指標(biāo)R.I.，最后通過公式計(jì)算一致性比例。

表2 隨機(jī)一致性指標(biāo)R.I.的取值

當(dāng)C.R.＜0.1認(rèn)為判斷矩陣的一致性是可以接受的,將各權(quán)向量作為三級(jí)指標(biāo)對(duì)于二級(jí)指標(biāo)的主觀權(quán)重，當(dāng)C.R.＞0.1時(shí),應(yīng)該對(duì)判斷矩陣作適當(dāng)?shù)男拚?/p>

2.1.2 熵權(quán)法確定指標(biāo)權(quán)重

熵權(quán)法是一種客觀賦權(quán)方法，它是信息論中用于度量信息量的，即一個(gè)系統(tǒng)越是有序，信息熵就越低；反之，信息熵就越高。因此，信息熵也可以說是系統(tǒng)無序程度的一個(gè)度量。在評(píng)價(jià)過程中，所獲信息的大小是評(píng)價(jià)精度和可靠性的決定因素之一，如果指標(biāo)的信息熵越小，該指標(biāo)提供的信息量越大，在綜合評(píng)價(jià)中所起作用也越大，權(quán)重也越高。以模糊綜合評(píng)價(jià)矩陣R作為研究系統(tǒng)，H（i）為系統(tǒng)同一個(gè)層次中第i個(gè)指標(biāo)的熵值，計(jì)算公式為規(guī)定rij=0時(shí)，H（i） =0。在具體的分析過程中，可以利用熵值計(jì)算出各個(gè)指標(biāo)變量的變異程度，并根據(jù)變異程度賦予指標(biāo)權(quán)重，加權(quán)之后可以得出較為客觀的綜合評(píng)價(jià)結(jié)果。第i個(gè)指標(biāo)的熵權(quán)可表示為：同理，可以求出其他指標(biāo)對(duì)應(yīng)的權(quán)重，這樣就可以得出基于熵權(quán)法的指標(biāo)權(quán)重向量ωi'=（ω1'，ω2'，…ωn'）。

2.1.3 基于模糊綜合評(píng)價(jià)法的駕駛傾向性辨識(shí)模型

根據(jù)ωi=aωi'+（1-a）ωi"，其中a為系數(shù)，且0≤a≤1。權(quán)重會(huì)隨著a數(shù)值的改變而改變，當(dāng)a=0時(shí)，權(quán)重即為層次分析法下的權(quán)重，當(dāng)a=1時(shí)，權(quán)重即為熵權(quán)法下的權(quán)重。本文結(jié)合實(shí)際情況，取a=0.5。

2.1.4 建立評(píng)價(jià)集

根據(jù)評(píng)估的需要，將駕駛員的駕駛傾向類型用駕駛傾向粒度來表示：最內(nèi)傾的駕駛員傾向粒度為0，最外傾的駕駛員傾向粒度為1，所有的駕駛員傾向粒度均在［0，1］之間，駕駛傾向粒度越小，表明駕駛傾向越內(nèi)傾，反之則越外傾。如表3所示。

表3 不同駕駛傾向類型對(duì)應(yīng)的駕駛傾向粒度

2.2 實(shí)證分析

利用該模型對(duì)海苑駕校1位教練的駕駛傾向性進(jìn)行測(cè)定，采用5名專家對(duì)被測(cè)定者的駕駛員自身因素、駕駛風(fēng)格因素、駕駛環(huán)境因素進(jìn)行打分。該過程分兩步，第一步是各專家對(duì)指標(biāo)體系進(jìn)行打分，分別計(jì)算出層次分析法下和熵值法下的權(quán)重，然后求出綜合權(quán)重并進(jìn)行一致性檢驗(yàn)；第二步是專家對(duì)各教練的駕駛習(xí)慣進(jìn)行打分，進(jìn)行綜合評(píng)價(jià)。

2.2.1 構(gòu)造判斷矩陣并計(jì)算權(quán)重

對(duì)于駕駛傾向性辨識(shí)因素而言，由專家對(duì)指標(biāo)相對(duì)重要性進(jìn)行兩兩比較，可得如下判斷矩陣。層次分析法下得指標(biāo)權(quán)重為ωA'=（0.2389，0.1374，0.6237）T。熵權(quán)法下可得權(quán)重為ωA"=（0.4044，0.2774，0.3182）T。

2.2.2 一致性檢驗(yàn)

對(duì)駕駛傾向性辨識(shí)因素進(jìn)行一致性檢驗(yàn)。由Aω=λmaxω，可得λmax=3.038，則C.I.=0.019，查表2可得R.I.=0.58，則C.R.=C.I.R.I.=0.033＜0.1，通過檢驗(yàn)。對(duì)駕駛員自身因素進(jìn)行一致性檢驗(yàn)。由B1ω=λmaxω，可得λmax=4.0466，則C.I.=0.0155。查表2可得R.I.=0.9，則C.R.=C.I.R.I.=0.0172＜0.1，通過檢驗(yàn)。對(duì)駕駛技術(shù)因素進(jìn)行一致性檢驗(yàn)。由B2ω=λmaxω，可得λmax=3.01，則C.I.=0.005，查表2可得R.I.=0.58，則C.R.=C.I.R.I.=0.0086＜0.1，通過檢驗(yàn)。對(duì)駕駛環(huán)境因素進(jìn)行一致性檢驗(yàn)。由B3ω=λmaxω可得λmax=4.051，則C.I.=0.017。查表2可得R.I.=0.9，則C.R.=C.I.R.I.=0.0189＜0.1，通過檢驗(yàn)。因此，所有指標(biāo)均通過檢驗(yàn)。

2.2.3 綜合權(quán)重

根據(jù)公式ωi=aωi'+（1-a）ωi"可得各級(jí)指標(biāo)的綜合權(quán)重為：T

因此，可得各指標(biāo)的綜合權(quán)重為：ω=（0.0379，0.0878，0.0599，0.136，0.091，0.0705，0.04 59，0.046，0.1416，0.099，0.1844）T。

邀請(qǐng) 5位專家對(duì)各指標(biāo)進(jìn)行量化風(fēng)險(xiǎn)評(píng)價(jià)，其結(jié)果作為該教練員駕駛傾向性評(píng)價(jià)結(jié)果，如表4所示。教練員駕駛傾向粒度值為0.618，對(duì)照表3可得該教練員駕駛傾向?yàn)槿跬鈨A性。

3 結(jié)語

本文針對(duì)駕駛員心理變化較大，個(gè)體差異比較明顯的特征，構(gòu)建了駕駛傾向性識(shí)別指標(biāo)體系，對(duì)運(yùn)用熵權(quán)法和層次分析法對(duì)各指標(biāo)賦予權(quán)重，對(duì)駕駛員駕駛傾向性進(jìn)行了評(píng)判，并進(jìn)行了實(shí)證檢驗(yàn)。模型表明，利用該指標(biāo)體系在研究駕駛員駕駛傾向性的過程中是可行的，并在宏觀上對(duì)預(yù)防交通安全事故有重要的意義。

表4 指標(biāo)因素風(fēng)險(xiǎn)評(píng)估表

[1]余臘生,何滿慶.基于Agent和情感計(jì)算的司機(jī)駕駛行為模型研究[J].企業(yè)技術(shù)開發(fā)，2009,28（3）:19-21.

[2]馬艷,王令,郭華.駕駛員交通心理劃分與個(gè)性化訓(xùn)練研究[J].公路交通科技,2008,25（9）:363-366.

[3]敖谷昌,楊利.機(jī)動(dòng)車駕駛員人為因素與交通事故危害性關(guān)聯(lián)分析[J].重慶交通大學(xué)學(xué)報(bào):自然科學(xué)版,2010,29（1）:121-124.

Driving Tendentiousness Recognition Based on Theory of Entropy AHP Evaluation Methods

LIU Meng，ZOU Zhongyi，HUANG Fei
（China Maritime Police Academy,Ningbo 315801,China）

Driving orientation reflects the car driver in the different environment of psychological emotional state,only according to speculate in the process of driver in daily driving behavior,and is unable to accurately measure,so it has certain difficulty in the study of traffic safety.Due to driver's driving tendentiousness recognition need to involve a number of indicators,using the single evaluation method and easilyinfluenced bysubjectiveevaluation subject,thispapercombined theanalytic hierarchy process(ahp)and entropy weight method,to identify motorists driving tendency.

Driving tendency；Entropy value method;The AHP method

U491.254

：A

：2095-2384（2016）01-0012-04

（責(zé)任編輯 儲(chǔ) 歡）

2015-12-15

公安部技術(shù)研究計(jì)劃（2014JSYJB023）。

劉萌（1982-），男，江蘇鎮(zhèn)江人，講師，研究方向：部隊(duì)后勤管理。