基于AHP的駕駛習慣評估方法研究

謝慶年，李福貴，鄧飛宇，劉鳳來

(1.上汽通用五菱汽車股份有限公司，廣西 柳州 545007 2.武漢理工大學 機電工程學院，湖北 武漢 430070)

良好的駕駛行為對汽車燃油經濟性、車輛壽命以及行車安全和禮儀具有重要的社會意義，因此需要一種客觀、公正、量化的評價方式來對駕駛人的行為習慣進行評估，幫助駕駛人改善自己不良的駕駛行為。以Android智能手機為橋梁連接車輛OBD(on board diagnostics)系統[1]，利用車載終端讀取有關車輛狀態的數據，通過AHP(analytic hierarchy process)建立評估模型并計算相對權重，對車輛行駛數據進行分析，完成對駕駛員駕駛行為的量化評估。

1 車輛行駛數據的獲取方法

Android移動端要想獲取車輛OBD系統的數據，就要與安裝在OBD接口上的ELM327藍牙適配器建立藍牙通道，Android客戶端 APP中會開啟兩個線程，分別負責藍牙數據的發送和接收[2-3]。APP發送程序內部封裝好的規范指令至ELM327，ELM327在收到指令后會通過OBD接口與車輛OBD系統完成數據交互，并將獲取到的車輛OBD系統的數據通過藍牙返回給APP。其工作過程如圖1所示。

圖1 APP獲取車輛行駛數據工作過程

APP會將采集到的車輛狀態信息上傳至服務器并存儲在數據庫中，然后利用服務器對數據庫中的車輛狀態數據進行處理，從而完成對用戶駕駛習慣的評估。

2 駕駛習慣評估模型建立

獲得車輛行駛數據后，使用AHP層次分析法，構建層次結構模型，利用獲得的定量數據把決策過程數學化，計算每一項數據在評價過程中的權重。

2.1 AHP層次分析法

AHP層次分析法是一種多準則決策方法，把復雜問題層次化、條理化，并最終獲得最底層元素對目標層元素的定量描述。建立數學模型的具體步驟如下：

步驟1：AHP分析模型通常將問題劃分為3個層次，從高到低依次為目標層、準則層和方案層。層次結構模型如圖2所示[4-6]。

圖2 層次結構模型圖

步驟2：構造判斷矩陣，設有n個元素B={b1，b2,…，bn}對目標A有影響，B中的元素進行兩兩比較，uij為bi對bj的重要程度，之后將uij依次排列形成判斷矩陣A-B。

步驟3：層次單排序就是以判斷矩陣為基礎，計算出本層次中的某些元素相對于上一層某個元素的權重排序，計算過程為：

(1)計算判斷矩陣A-B每一行元素之間的總乘積Mi:

(1)

(2)

(3)

根據式(3)可計算得到特征向量W=[W1,W2,…,Wn]T，即為本層次中某些元素相對于上一層次某個元素的相對權重排序。

(4)判斷矩陣A-B與特征向量W相乘后得到向量P=[P1,P2,…,Pn]T，再根據向量P計算A-B的最大特征根λmax，如式(4)所示。

(4)

在判斷矩陣A-B中，由于判斷矩陣A-B是正互反陣，正互反矩陣A具備完全一致性的充要條件[7]為矩陣A的最大特征根λmax=n，因此，需要根據該矩陣的最大特征根來檢驗一致性。

步驟4：在層次單排序完成后，要根據其結果計算最底層元素相對于最高層元素的相對權重排序，這個計算過程就稱之為層次總排序。

根據層次結構圖2，設準則層中元素B1,B2,…,Bm(m=1,2,…,n)相對于最終目標A的權重排序為b1,b2,…，bm；方案層中元素C1,C2,…,Cn(n=1,2,…,n)相對于準側層中某一元素Bj(j=1,2,…,m)的權重排序為C1j,C2j,…，Cnj，則方案層元素(C1,C2,…,Cn)相對于最終目標A的層次總排序的方法如表1所示。

表1 層次總排序計算規則

層次總排序完成后，對其一致性進行檢驗。設方案層中元素C1,C2,…,Cn(n=1,2,…,n)對準則層中元素Bj(j=1,2,…,m)的層次單排序一致性指標為CIj，平均隨機一致性指標為RIj，則層次總排序的一致性比率CR為：

(5)

當CR<0.1時，則層次總排序一致性通過檢驗，否則要對一致性比率高的判斷矩陣進行調整。

2.2 評估模型的層次劃分

根據AHP層次結構模型的建立方法，對評估模型進行劃分，得到如圖3所示的駕駛習慣評估問題的層次結構模型。

圖3 駕駛習慣評估問題的層次結構模型

基于方案層中的8個元素，對每個元素的評價標準進行劃分，具體評價標準如表2所示。

表2 方案層元素評價標準

2.3 構造判斷矩陣

根據對從事汽車行業的相關人員以及駕駛員的調訪，構造相關判斷矩陣。

構造準則層元素相對于最終目標“駕駛習慣評估”的判斷矩陣A-[B1,B2,B3]。

(6)

構造方案層元素急加速、急剎車、加速踏板位置變化、疲勞駕駛時間相對于準則“行車穩定”的判斷矩陣B1-[C1,C2,C3,C7]。

(7)

構造方案層元素急加速、急剎車、平均油耗、發動機轉速控制、冷卻液溫度控制相對于準則“經濟節能”的判斷矩陣B2-[C1,C2,C4,C5,C6]。

B2-[C1,C2,C4,C5,C6]=

(8)

構造方案層元素急加速、急剎車、發動機轉速控制、冷卻液溫度控制、故障駕駛相對于準則“車輛健康”的判斷矩陣B3-[C1,C2,C5,C6,C8]。

B3-[C1,C2,C5,C6,C8]=

(9)

2.4 層次單排序與層次總排序及一致性驗證

(1)對判斷矩陣A-[B1,B2,B3]進行計算，并對其一致性進行驗證，結果如下：W=[0.277 7,0.239 7,0.482 6]T,λmax=3.021 7,CI=0.010 9,RI=0.58,CR=0.018 7<0.10。

(2)對判斷矩陣B1-[C1,C2,C3,C7]進行計算，并對其一致性進行驗證，結果如下：W=[0.321 8,0.321 8,0.224 4,0.132 0]T,λmax=4.003 9,CI=0.001 3,RI=0.90,CR=0.015<0.10。

(3)對判斷矩陣B2-[C1,C2,C4,C5,C6]進行計算，并對其一致性進行驗證，結果如下：W=[0.148 8,0.174 9,0.363 1]T,λmax=5.092 8,CI=0.023 2,RI=1.12,CR=0.020 7<0.10。

(4)對判斷矩陣B3-[C1,C2,C5,C6,C8]進行計算，并對其一致性進行驗證，結果如下：W=[0.169 4,0.184 1,0.143 8,0.124 6，0.378 1]T,λmax=5.057 6,CI=0.014 4,RI=1.12,CR=0.013 9<0.10。

綜上所述，各個層次均滿足CR<0.10,因此認為層次單排序滿足一致，判斷矩陣有效。

層次總排序計算結果如表3所示。

表3 層次總排序

對層次總排序進行一致性驗證：

0.012 2<0.10

即層次總排序的一致性驗證通過。

2.5 評估模型定量化分析

首先根據表2所示的方案層元素評價標準，對方案層中的每一個元素進行評價，評價采用百分制，優、良、差分別代表100分、60分和0分。然后根據層次單排序的結果，分別對“行車穩定”、“經濟節能”和“車輛健康”3個維度進行評分，評分標準如表4～表6所示。

表4 行車穩定維度的評分標準

表5 經濟節能維度的評分標準

表6 車輛健康維度的評分標準

根據3個維度的評分標準可以得到每個維度的量化評分結果，并以此來評估駕駛員在“行車穩定”、“經濟節能”和“車輛健康”3個維度上的操控能力[8-9]。之后根據層次總排序的結果設計出方案層元素相對于最終目標“駕駛習慣評估”的評分標準，如表7所示。

表7 駕駛習慣評估的評分標準

2.6 駕駛習慣評估實現效果

在Android客戶端的個人信息管理界面中點擊“駕駛習慣評估”按鈕便可進入駕駛習慣評估界面，選擇時間后點擊“確定”按鈕，Android客戶端向遠端服務器發送請求，服務器根據用戶選擇的時間來調用編寫好的駕駛習慣評估模塊對該時間段內用戶的駕駛習慣作出量化評估，并將評估報告響應給Android客戶端進行顯示[10]。實現效果如圖4所示，Android客戶端會根據響應結果將駕駛員駕駛習慣的總評分、3個維度和8個元素各自的量化評分以及評估等級以文本的形式反饋給駕駛員。

圖4 駕駛習慣評估實現效果

3 結論

筆者詳細介紹了基于AHP的駕駛員駕駛習慣評估功能的設計與實現的方法。首先介紹了獲取車輛行駛數據的方法，然后對利用AHP層次分析法建立分析模型的過程進行詳細的解析。最后，利用服務器對實時上傳的車輛數據進行分析和處理，根據AHP評估模型計算各層次元素的相對權重，完成對駕駛人駕駛習慣的量化評估。筆者研究的駕駛行為習慣評估模型可以有效地對駕駛人駕駛行為進行評估，并幫助駕駛人改善駕駛習慣。