基于AHP的驾驶习惯评估方法研究

谢庆年，李福贵，邓飞宇，刘凤来

(1.上汽通用五菱汽车股份有限公司，广西 柳州 545007 2.武汉理工大学 机电工程学院，湖北 武汉 430070)

良好的驾驶行为对汽车燃油经济性、车辆寿命以及行车安全和礼仪具有重要的社会意义，因此需要一种客观、公正、量化的评价方式来对驾驶人的行为习惯进行评估，帮助驾驶人改善自己不良的驾驶行为。以Android智能手机为桥梁连接车辆OBD(on board diagnostics)系统[1]，利用车载终端读取有关车辆状态的数据，通过AHP(analytic hierarchy process)建立评估模型并计算相对权重，对车辆行驶数据进行分析，完成对驾驶员驾驶行为的量化评估。

1 车辆行驶数据的获取方法

Android移动端要想获取车辆OBD系统的数据，就要与安装在OBD接口上的ELM327蓝牙适配器建立蓝牙通道，Android客户端 APP中会开启两个线程，分别负责蓝牙数据的发送和接收[2-3]。APP发送程序内部封装好的规范指令至ELM327，ELM327在收到指令后会通过OBD接口与车辆OBD系统完成数据交互，并将获取到的车辆OBD系统的数据通过蓝牙返回给APP。其工作过程如图1所示。

图1 APP获取车辆行驶数据工作过程

APP会将采集到的车辆状态信息上传至服务器并存储在数据库中，然后利用服务器对数据库中的车辆状态数据进行处理，从而完成对用户驾驶习惯的评估。

2 驾驶习惯评估模型建立

获得车辆行驶数据后，使用AHP层次分析法，构建层次结构模型，利用获得的定量数据把决策过程数学化，计算每一项数据在评价过程中的权重。

2.1 AHP层次分析法

AHP层次分析法是一种多准则决策方法，把复杂问题层次化、条理化，并最终获得最底层元素对目标层元素的定量描述。建立数学模型的具体步骤如下：

步骤1：AHP分析模型通常将问题划分为3个层次，从高到低依次为目标层、准则层和方案层。层次结构模型如图2所示[4-6]。

图2 层次结构模型图

步骤2：构造判断矩阵，设有n个元素B={b1，b2,…，bn}对目标A有影响，B中的元素进行两两比较，uij为bi对bj的重要程度，之后将uij依次排列形成判断矩阵A-B。

步骤3：层次单排序就是以判断矩阵为基础，计算出本层次中的某些元素相对于上一层某个元素的权重排序，计算过程为：

(1)计算判断矩阵A-B每一行元素之间的总乘积Mi:

(1)

(2)

(3)

根据式(3)可计算得到特征向量W=[W1,W2,…,Wn]T，即为本层次中某些元素相对于上一层次某个元素的相对权重排序。

(4)判断矩阵A-B与特征向量W相乘后得到向量P=[P1,P2,…,Pn]T，再根据向量P计算A-B的最大特征根λmax，如式(4)所示。

(4)

在判断矩阵A-B中，由于判断矩阵A-B是正互反阵，正互反矩阵A具备完全一致性的充要条件[7]为矩阵A的最大特征根λmax=n，因此，需要根据该矩阵的最大特征根来检验一致性。

步骤4：在层次单排序完成后，要根据其结果计算最底层元素相对于最高层元素的相对权重排序，这个计算过程就称之为层次总排序。

根据层次结构图2，设准则层中元素B1,B2,…,Bm(m=1,2,…,n)相对于最终目标A的权重排序为b1,b2,…，bm；方案层中元素C1,C2,…,Cn(n=1,2,…,n)相对于准侧层中某一元素Bj(j=1,2,…,m)的权重排序为C1j,C2j,…，Cnj，则方案层元素(C1,C2,…,Cn)相对于最终目标A的层次总排序的方法如表1所示。

表1 层次总排序计算规则

层次总排序完成后，对其一致性进行检验。设方案层中元素C1,C2,…,Cn(n=1,2,…,n)对准则层中元素Bj(j=1,2,…,m)的层次单排序一致性指标为CIj，平均随机一致性指标为RIj，则层次总排序的一致性比率CR为：

(5)

当CR<0.1时，则层次总排序一致性通过检验，否则要对一致性比率高的判断矩阵进行调整。

2.2 评估模型的层次划分

根据AHP层次结构模型的建立方法，对评估模型进行划分，得到如图3所示的驾驶习惯评估问题的层次结构模型。

图3 驾驶习惯评估问题的层次结构模型

基于方案层中的8个元素，对每个元素的评价标准进行划分，具体评价标准如表2所示。

表2 方案层元素评价标准

2.3 构造判断矩阵

根据对从事汽车行业的相关人员以及驾驶员的调访，构造相关判断矩阵。

构造准则层元素相对于最终目标“驾驶习惯评估”的判断矩阵A-[B1,B2,B3]。

(6)

构造方案层元素急加速、急刹车、加速踏板位置变化、疲劳驾驶时间相对于准则“行车稳定”的判断矩阵B1-[C1,C2,C3,C7]。

(7)

构造方案层元素急加速、急刹车、平均油耗、发动机转速控制、冷却液温度控制相对于准则“经济节能”的判断矩阵B2-[C1,C2,C4,C5,C6]。

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

(8)

构造方案层元素急加速、急刹车、发动机转速控制、冷却液温度控制、故障驾驶相对于准则“车辆健康”的判断矩阵B3-[C1,C2,C5,C6,C8]。

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

(9)

2.4 层次单排序与层次总排序及一致性验证

(1)对判断矩阵A-[B1,B2,B3]进行计算，并对其一致性进行验证，结果如下：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)对判断矩阵B1-[C1,C2,C3,C7]进行计算，并对其一致性进行验证，结果如下：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)对判断矩阵B2-[C1,C2,C4,C5,C6]进行计算，并对其一致性进行验证，结果如下：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)对判断矩阵B3-[C1,C2,C5,C6,C8]进行计算，并对其一致性进行验证，结果如下：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。

综上所述，各个层次均满足CR<0.10,因此认为层次单排序满足一致，判断矩阵有效。

层次总排序计算结果如表3所示。

表3 层次总排序

对层次总排序进行一致性验证：

0.012 2<0.10

即层次总排序的一致性验证通过。

2.5 评估模型定量化分析

首先根据表2所示的方案层元素评价标准，对方案层中的每一个元素进行评价，评价采用百分制，优、良、差分别代表100分、60分和0分。然后根据层次单排序的结果，分别对“行车稳定”、“经济节能”和“车辆健康”3个维度进行评分，评分标准如表4～表6所示。

表4 行车稳定维度的评分标准

表5 经济节能维度的评分标准

表6 车辆健康维度的评分标准

根据3个维度的评分标准可以得到每个维度的量化评分结果，并以此来评估驾驶员在“行车稳定”、“经济节能”和“车辆健康”3个维度上的操控能力[8-9]。之后根据层次总排序的结果设计出方案层元素相对于最终目标“驾驶习惯评估”的评分标准，如表7所示。

表7 驾驶习惯评估的评分标准

2.6 驾驶习惯评估实现效果

在Android客户端的个人信息管理界面中点击“驾驶习惯评估”按钮便可进入驾驶习惯评估界面，选择时间后点击“确定”按钮，Android客户端向远端服务器发送请求，服务器根据用户选择的时间来调用编写好的驾驶习惯评估模块对该时间段内用户的驾驶习惯作出量化评估，并将评估报告响应给Android客户端进行显示[10]。实现效果如图4所示，Android客户端会根据响应结果将驾驶员驾驶习惯的总评分、3个维度和8个元素各自的量化评分以及评估等级以文本的形式反馈给驾驶员。

图4 驾驶习惯评估实现效果

3 结论

笔者详细介绍了基于AHP的驾驶员驾驶习惯评估功能的设计与实现的方法。首先介绍了获取车辆行驶数据的方法，然后对利用AHP层次分析法建立分析模型的过程进行详细的解析。最后，利用服务器对实时上传的车辆数据进行分析和处理，根据AHP评估模型计算各层次元素的相对权重，完成对驾驶人驾驶习惯的量化评估。笔者研究的驾驶行为习惯评估模型可以有效地对驾驶人驾驶行为进行评估，并帮助驾驶人改善驾驶习惯。