CN106202872A - 机动车辆驾驶行为评分方法 - Google Patents

Abstract

本发明提出了一种机动车辆驾驶行为评分方法，包括如下步骤：获取驾驶行为评分指标相关数据信息；根据评分指标相关数据信息，通过层次分析法，计算每个标准层的权重和指标层各指标权重；根据熵权法，计算指标层各指标权重；将根据层次分析法所得的每个标准层的权重和指标层各指标权重与根据熵权法所得的指标层各指标权重，计算得到驾驶行为评分指标权重。本发明将熵权法和层次分析法融合提出一种改进型熵权层次分析法，对机动车辆驾驶行为进行了评分，实现了对不同车主驾驶行为行车安全级别量化评分。

Description

机动车辆驾驶行为评分方法

技术领域

本发明涉及驾驶行为评分技术领域，特别涉及一种机动车辆驾驶行为评分方法。

背景技术

自21世纪以来，随着人们生活水平的不断提高和汽车工业的飞速发展，我国的汽车持有量不断增长，预计至2020年将会成为总量第一的汽车大国。作为车联网时代下新兴的机动车辆保险，备受关注的车联网保险的中心概念是指驾驶员在车辆行驶过程中的实际驾驶行为表现的不同将导致车险保费的差异化。车险保费的差异化是在驾驶行为安全评级的基础上实现的，因此驾驶行为评分是车险的关键。驾驶行为影响因子的不同决定了驾驶行为评分的不同，针对指标赋值方法，常用的有调查法、层次分析法、偏好比率法、熵权法、灰色关联分析法等。然而，传统的驾驶行为评分方法采用过多的指标且存在重复情况，导致工作量加大。

如中国专利CN 104408922 A的发明专利，该发明提供一种基于北斗导航驾驶行为评分方法，其成本低、数据处理简单，然而，该发明在驾驶行为影响指标选取中，采用过多的指标且存在重复情况，导致工作量加大。

发明内容

本发明的目的旨在至少解决所述技术缺陷之一。

为此，本发明的目的在于提出一种能够对不同车主驾驶行为进行行车安全级别量化评分的机动车辆驾驶行为评分方法。

为了实现上述目的，本发明提供一种机动车辆驾驶行为评分方法，包括如下步骤：

步骤S1，获取驾驶行为评分指标相关数据信息；

步骤S2，根据评分指标相关数据信息，通过层次分析法，计算每个标准层的权重和指标层各指标权重；

步骤S3，根据熵权法，计算指标层各指标权重；

步骤S4，将根据层次分析法所得的每个标准层的权重和指标层各指标权重与根据熵权法所得的指标层各指标权重，计算得到驾驶行为评分指标权重。

进一步的，在步骤S1中，所述评分指标包括加速次数、急减速次数、急刹车次数、急转弯次数、行车里程、疲劳驾驶、驾驶时间段。

进一步的，在步骤S2中，通过层次分析法，计算每个标准层的权重AB_i(i＝1,2,...,m)和指标层各个指标权重AS_j(j＝1,2,...,n)，AW_j(j＝1,2,...,n)表示层次分析法所得权值，为标准层权重AB_j和指标层权重AS_j乘积：

${\mathrm{AW}}_i=\frac{\sqrt[n]{M_i}}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\sqrt[n]{M_i}}$

其中，m表示标准层的数量，n表示指标层的数量，且每个标准层对应n₁,n₂,...,n_k个指标，同时满足n₁+n₂+...+n_k＝n，k表示每个标准层对应指标的数量，B_ij表示判断矩阵，i表示判断矩阵的行，j表示判断矩阵的列，M_i表示判断矩阵每一行元素的乘积，即：

$M_i=\underset{j=1}{\overset{n}{\mathrm{\Π}}}{b}_{ij},(i=1,2,\mathrm{...},k)$

b为判断矩阵B_ij中第i行j列的数值。

进一步的，在步骤S3中，根据熵权法，设驾驶行为评分机制中评分对象为A_i(i＝1,2,...m)，指标集为X_j(j＝1,2,...,n)，AX_ij表示驾驶行为评分数据中第i组数据中第j个指标的原始数据值，AX_i'_j表示AX_ij经公式标准化处理后的数据值；

计算AX_ij的公式为：

${\mathrm{AX}}_{ij}=\frac{{\mathrm{AX}}_{ij}^{\′}-\min \left({\mathrm{AX}}_{ij}^{\′}\right)}{max\left({\mathrm{AX}}_{ij}^{\′}\right)-\min \left({\mathrm{AX}}_{ij}^{\′}\right)}$

计算各指标权重EW_j(j＝1,2,...,n)的公式为：

${\mathrm{EW}}_j=\frac{1+(1/\ln m){\mathrm{\Σ}}_{i=1}^m{P}_{ij}\ln P_{ij}}{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(1+(1/\ln m\left){\mathrm{\Σ}}_{i=1}^m{P}_{ij}\ln P_{ij}\right)}$

其中，P_ij表示驾驶行为评分数据中第i组数据中第j个指标的比重，即：

$P_{ij}=\frac{{\mathrm{AX}}_{ij}}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{AX}}_{ij}},(i=1,2,\mathrm{...},m;j=1,2,\mathrm{...},n).$

进一步的，在步骤S4中，将层次分析法中指标层权重AS_j与熵权法指标权重EW_j进行一一对应进行结合，步骤如下：

首先得出综合指标权重τ_j(j＝1,2,...,n)；

然后再根据标准层对指标层重新进行归一化处理得出标准层下的对应指标层的权重Ω_ij(i＝1,2,...m；j＝1,2,...,n)；

最后将Ω_ij与层次分析法中标准层权重AB_j进行相乘，得出驾驶行为评分指标权重W_j(j＝1,2,....n)；

层次分析法中指标层权重AS_j与熵权法指标权重EW_j进行一一对应进行结合的公式如下：

${\mathrm{\τ}}_i=\frac{{\mathrm{AS}}_j\·{\mathrm{EW}}_j}{{\mathrm{\Σ}}_{j=1}^n({\mathrm{AS}}_j\·EW)}.$

本发明提出一种机动车辆驾驶行为评分方法，将熵权法和层次分析法融合提出一种改进型熵权层次分析法，由于熵权法依靠客观数据对指标权重进行确定时与实际情况符合度高，层次分析法中判断矩阵是由经验值进行决定，能过灵活对多目标决策问题进行处理，因此把熵权法计算得出的客观权重与层次分析法计算得出的主观权重进行综合考量，结合了熵权法和层次分析法的中间计算过程，得出最终指标权重，最后对机动车辆驾驶行为进行了评分，实现了对不同车主驾驶行为行车安全级别量化评分。且本发明采用指标少且不存在重复情况，大大减少了工作量。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明的整体流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

本发明提供一种机动车辆驾驶行为评分方法，参考附图1，包括如下步骤：

步骤S1，获取驾驶行为评分指标相关数据信息。

其中，评分指标包括加速次数、急减速次数、急刹车次数、急转弯次数、行车里程、疲劳驾驶、驾驶时间段。

步骤S2，根据评分指标相关数据信息，通过层次分析法，计算每个标准层的权重和指标层各指标权重；

设有m个标准层，n个指标层，每个标准层对应n₁,n₂,...,n_k个指标，通过层次分析法，计算每个标准层的权重AB_i(i＝1,2,...m,)和指标层各个指标权重AS_j(j＝1,2,...,n)，AW_j(j＝1,2,...,n)表示层次分析法所得权值，为标准层权重AB_j和指标层权重AS_j乘积：

${\mathrm{AW}}_i=\frac{\sqrt[n]{M_i}}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\sqrt[n]{M_i}},---\left(1\right)$

其中，m表示标准层的数量，n表示指标层的数量，且每个标准层对应n₁,n₂,...,n_k个指标，同时满足n₁+n₂+...+n_k＝n，k表示每个标准层对应指标的数量，B_ij表示判断矩阵，i表示判断矩阵的行，j表示判断矩阵的列，M_i表示判断矩阵每一行元素的乘积，即：

$M_i=\underset{j=1}{\overset{n}{\mathrm{\Π}}}{b}_{ij},(i=1,2,\mathrm{...},k),---\left(2\right)$

b为判断矩阵B_ij中第i行j列的数值。

步骤S3，根据熵权法，计算指标层各指标权重；

设驾驶行为评分机制中评分对象为A_i(i＝1,2,...m)，指标集为X_j(j＝1,2,...,n)，AX_ij表示驾驶行为评分数据中第i组数据中第j个指标的原始数据值，AX_i'_j表示AX_ij经公式标准化处理后的数据值；

计算AX_ij的公式为：

${\mathrm{AX}}_{ij}=\frac{{\mathrm{AX}}_{ij}^{\′}-\min \left({\mathrm{AX}}_{ij}^{\′}\right)}{max\left({\mathrm{AX}}_{ij}^{\′}\right)-\min \left({\mathrm{AX}}_{ij}^{\′}\right)},---\left(3\right)$

计算各指标权重EW_j(j＝1,2,...,n)的公式为：

${\mathrm{EW}}_j=\frac{1+(1/\ln m){\mathrm{\Σ}}_{i=1}^m{P}_{ij}\ln P_{ij}}{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(1+(1/\ln m\left){\mathrm{\Σ}}_{i=1}^m{P}_{ij}\ln P_{ij}\right)},---\left(4\right)$

其中，P_ij表示驾驶行为评分数据中第i组数据中第j个指标的比重，即：

$P_{ij}=\frac{{\mathrm{AX}}_{ij}}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{AX}}_{ij}},(i=1,2,\mathrm{...},m;j=1,2,\mathrm{...},n),---\left(5\right).$

步骤S4，将根据层次分析法所得的每个标准层的权重和指标层各指标权重与根据熵权法所得的指标层各指标权重，计算得到驾驶行为评分指标权重。

将层次分析法中指标层权重AS_j与熵权法指标权重EW_j进行一一对应进行结合，步骤如下：

首先得出综合指标权重τ_j(j＝1,2,...,n)；

然后再根据标准层对指标层重新进行归一化处理得出标准层下的对应指标层的权重Ω_ij(i＝1,2,...m；j＝1,2,...,n)；

最后将Ω_ij与层次分析法中标准层权重AB_j进行相乘，得出驾驶行为评分指标权重W_j(j＝1,2,....n)；

层次分析法中指标层权重AS_j与熵权法指标权重EW_j进行一一对应进行结合的公式如下：

${\mathrm{\τ}}_i=\frac{{\mathrm{AS}}_j\·{\mathrm{EW}}_j}{{\mathrm{\Σ}}_{j=1}^n({\mathrm{AS}}_j\·EW)},---\left(6\right).$

具体描述如下：

本发明中选取驾驶行为评分指标相关数据信息，主要有行车时间及里程和驾驶行为表现，其中行车时间及里程包括的指标有每月行车总里程、每月夜间行车总时间、每月周末行车总时间及每月高峰期行车总时间，驾驶行为表现指标如第三章驾驶行为识别算法所描述的，根据车辆采集数据中的速度、角速度、时间等得出“四急”(急加速、急减速和急刹车、急转弯)以及疲劳驾驶次数。根据改进型熵权层次分析法算法，将行车时间及里程和驾驶行为表现列为标准层，而每月行车总里程、每月夜间行车总时间、每月周末行车总时间及每月高峰期行车总时间、急加速、急减速和急刹车、急转弯以及疲劳驾驶次数这八项因子列为指标层。

(1)将驾驶行为评分指标进行分层，上层为标准层，下层为指标层。其中准则层包括行车时间及里程、驾驶行为表现这两个一级指标，指标层分为八个二级指标，如表1所示。

表1驾驶行为指标分层表

(2)为减少主观性对判断矩阵的影响，提高判断矩阵的科学性，依据李明杰的驾驶行为评分问卷调查表对各项指标进行评定，得出了驾驶行为评分指标的判断矩阵，如表2所示。

(3)根据上述公式(1)-(5)计算出层次分析法标准层权重和指标层权重，以及熵权法指标权重。根据公式(6)得出分别得出准则层和因子层各个指标综合权重，并分别对行车时间及里程和驾驶行为表现重新进行归一化处理。

表2驾驶行为评分指标判断矩阵

本发明提出一种机动车辆驾驶行为评分方法，将熵权法和层次分析法融合提出一种改进型熵权层次分析法，由于熵权法依靠客观数据对指标权重进行确定时与实际情况符合度高，层次分析法中判断矩阵是由经验值进行决定，能过灵活对多目标决策问题进行处理，因此把熵权法计算得出的客观权重与层次分析法计算得出的主观权重进行综合考量，结合了熵权法和层次分析法的中间计算过程，得出最终指标权重，最后对机动车辆驾驶行为进行了评分，实现了对不同车主驾驶行为行车安全级别量化评分。且本发明采用指标少且不存在重复情况，大大减少了工作量。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求极其等同限定。

Claims (5)

1.一种机动车辆驾驶行为评分方法，其特征在于，包括如下步骤：

步骤S1，获取驾驶行为评分指标相关数据信息；

步骤S2，根据评分指标相关数据信息，通过层次分析法，计算每个标准层的权重和指标层各指标权重；

步骤S3，根据熵权法，计算指标层各指标权重；

步骤S4，将根据层次分析法所得的每个标准层的权重和指标层各指标权重与根据熵权法所得的指标层各指标权重，计算得到驾驶行为评分指标权重。

2.如权利要求1所述的一种机动车辆驾驶行为评分方法，其特征在于：在步骤S1中，所述评分指标包括加速次数、急减速次数、急刹车次数、急转弯次数、行车里程、疲劳驾驶、驾驶时间段。

3.如权利要求1所述的一种机动车辆驾驶行为评分方法，其特征在于：在步骤S2中，通过层次分析法，计算每个标准层的权重和指标层各个指标权重AS_j(j＝1,2,...n,)，AW_j(j＝1,2,...,n)表示层次分析法所得权值，为标准层权重AB_j和指标层权重AS_j乘积：

其中，m表示标准层的数量，n表示指标层的数量，且每个标准层对应n₁,n₂,...,n_k个指标，同时满足n₁+n₂+...+n_k＝n，k表示每个标准层对应指标的数量，B_ij表示判断矩阵，i表示判断矩阵的行，j表示判断矩阵的列，M_i表示判断矩阵每一行元素的乘积，即：

b为判断矩阵B_ij中第i行j列的数值。

4.如权利要求1所述的一种机动车辆驾驶行为评分方法，其特征在于：在步骤S3中，根据熵权法，设驾驶行为评分机制中评分对象为A_i(i＝1,2,...m)，指标集为X_j(j＝1,2,...,n)，AX_ij表示驾驶行为评分数据中第i组数据中第j个指标的原始数据值，AX′_ij表示AX_ij经公式标准 化处理后的数据值；

计算AX_ij的公式为：

计算各指标权重EW_j(j＝1,2,...,n)的公式为：

其中，P_ij表示驾驶行为评分数据中第i组数据中第j个指标的比重，即：

5.如权利要求1所述的一种机动车辆驾驶行为评分方法，其特征在于，在步骤S4中，将层次分析法中指标层权重AS_j与熵权法指标权重EW_j进行一一对应进行结合，步骤如下：

首先得出综合指标权重τ_j(j＝1,2,...,n)；

然后再根据标准层对指标层重新进行归一化处理得出标准层下的对应指标层的权重Ω_ij(i＝1,2,...m；j＝1,2,...,n)；

最后将Ω_ij与层次分析法中标准层权重AB_j进行相乘，得出驾驶行为评分指标权重W_j(j＝1,2,....n)；

层次分析法中指标层权重AS_j与熵权法指标权重EW_j进行一一对应进行结合的公式如下：