武佳琪 張慧慧 檀亞寧

摘? 要：隨著車聯(lián)網(wǎng)技術(shù)的發(fā)展，在車輛行駛的過程中對相關(guān)指標(biāo)的檢測越來越準(zhǔn)確，產(chǎn)生的行車數(shù)據(jù)也日益增多，如何判別行車安全狀況成為當(dāng)前運(yùn)輸行業(yè)研究的熱點(diǎn)問題。該文通過熵權(quán)法對數(shù)據(jù)進(jìn)行處理，并建立灰色關(guān)聯(lián)模型對行車安全進(jìn)行分析。通過分析可知，大部分車輛駕駛者的交通安全意識水平一般，極易釀成嚴(yán)重后果，只有加強(qiáng)對車輛駕駛者安全意識的培養(yǎng)，才能有效降低交通事故的發(fā)生率。

關(guān)鍵詞：行車安全;熵權(quán)法;灰色關(guān)聯(lián)

中圖分類號： U461.91? ? ? 文獻(xiàn)標(biāo)志碼：A

0 引言

隨著我國社會發(fā)展和經(jīng)濟(jì)持續(xù)增長，越來越多的人選擇汽車作為主要交通工具，但同時出現(xiàn)的行車安全問題也日益增多。為緩解該社會現(xiàn)象，該文構(gòu)建一種基于灰色關(guān)聯(lián)分析的行車安全評價模型，利用熵權(quán)法計算出各個影響因素的權(quán)值，并將計算得到的權(quán)值結(jié)合灰色關(guān)聯(lián)分析法構(gòu)建行車安全評價模型。

1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理包括2點(diǎn)。1）去除異常值，針對收集的數(shù)據(jù)，該文將異常值刪除，保證了數(shù)據(jù)的合理性。2）填補(bǔ)缺失值，部分車輛出現(xiàn)數(shù)據(jù)缺失的情況，該文根據(jù)數(shù)據(jù)集中記錄的取值分布情況來對缺失值進(jìn)行自動填充，通過計算行車速度的平均值進(jìn)行填補(bǔ)。

2 安全評價模型

2.1 模型假設(shè)

安全評價模型有4個假設(shè)。1）假設(shè)車輛行駛路段未發(fā)生重大自然災(zāi)害。2）假設(shè)駕駛員在行車過程中健康狀況良好。3）假設(shè)每個城市單位時間道路人流量相同。4）假設(shè)車輛行駛過程中不考慮天氣和能效等因素。

2.2 模型建立

為避免在指標(biāo)權(quán)重的確定中受到主觀因素和不確定性因素的干擾，該文采用客觀權(quán)重熵權(quán)法來確定影響因素的權(quán)重系數(shù)，該方法根據(jù)指標(biāo)變異性的大小來確定客觀權(quán)重[1]。它能將一些邊界不清且不易定量的因素定量化，進(jìn)而實(shí)現(xiàn)綜合評價。同時結(jié)合灰色關(guān)聯(lián)模型，通過運(yùn)用序列算子對原始數(shù)據(jù)進(jìn)行生成并處理[3]。

2.2.1 選取測評指標(biāo)

通過對數(shù)據(jù)集的處理，分析導(dǎo)致不良駕駛的行為的因素包括：疲勞駕駛、加速度突變、怠速情況、超速、急變道（不良駕駛行為影響圖如圖1所示），選取這些因素作為測評指標(biāo)，并選取部分輛運(yùn)輸車為測評對象進(jìn)行下一步操作。

2.2.2 指標(biāo)處理

對各指標(biāo)進(jìn)行等級劃分，以數(shù)值10為占比最大，數(shù)值1為占比最小，為得到正確率較大的指標(biāo)權(quán)重數(shù)值，該文在做數(shù)據(jù)處理時將各個指標(biāo)單位正向化和無量綱化，讓所有數(shù)值落入?yún)^(qū)間（0，1）內(nèi)，由此計算可得到第j項(xiàng)指標(biāo)下的第i個測評對象占比權(quán)值。

式中：xij和xnj表示樣本數(shù)據(jù)矩陣中的數(shù)據(jù)。部分車輛正向化處理結(jié)果見表1。

2.2.3 計算指標(biāo)權(quán)重

指標(biāo)的權(quán)重描述該指標(biāo)在整體評價中的相對重要程度，將需要測評的指標(biāo)進(jìn)行對整體體系的重要性進(jìn)行排序，各個評價指標(biāo)體系相對應(yīng)的權(quán)重組成了權(quán)重體系。如果指標(biāo)的信息熵越小， 那么該指標(biāo)提供的信息量就越大， 其在綜合評價中所占比重給也就越大， 同時權(quán)重也會越高[2]。

式中：dj表示指標(biāo)熵冗余度，ωj表示指標(biāo)權(quán)重結(jié)果，j代表指標(biāo)序號，m代表指標(biāo)個數(shù)。不良駕駛行為對應(yīng)權(quán)重見表2。

2.2.4 確定特征矩陣

通過上述權(quán)重的計算，對各車輛的數(shù)據(jù)進(jìn)行重新定義后得到特征矩陣，

定義x0=（x0（1），x0（2）……x0（n））為系統(tǒng)特征序列，其中xi（i）代表特征值。

2.2.5 計算關(guān)聯(lián)系數(shù)

為定量的描述相關(guān)因素或者系統(tǒng)之間的相關(guān)程度，灰色系統(tǒng)引進(jìn)關(guān)聯(lián)系數(shù)的概念，其基本思想是對系統(tǒng)數(shù)據(jù)序列中的幾何關(guān)系和曲線幾何形狀的相似程度進(jìn)行比較分析[4]。

式中：Loi是指標(biāo)關(guān)聯(lián)系數(shù)， p為分辨系數(shù)，0

Step6：求解關(guān)聯(lián)度

關(guān)聯(lián)度表征了各測評對象與理想對象之間的相似程度，其值越大，則測評 對象越優(yōu)，反之越劣[5]。其中等權(quán)聯(lián)度Roi是各子序列與母序列各個時刻的關(guān)聯(lián)系數(shù)的平均值，其中是n指標(biāo)關(guān)聯(lián)系數(shù)個數(shù)。

加權(quán)關(guān)聯(lián)度的計算則考慮了測評對象的指標(biāo)信息的可靠性，減小了計算結(jié)果的誤差，增加了關(guān)聯(lián)度計算結(jié)果的可靠性。

式中：roi是指標(biāo)加權(quán)關(guān)聯(lián)度，W（t）是加權(quán)值，通過對導(dǎo)致不良駕駛行為的影響因素進(jìn)行等權(quán)關(guān)聯(lián)計算和加權(quán)關(guān)聯(lián)計算得到測評對象的相關(guān)結(jié)果見表3。

根據(jù)上表結(jié)果，劃分評價安全等級，為安全性較高，不易發(fā)生交通事故，為安全性中等，可能會發(fā)生交通事故，為安全性低，極易發(fā)生交通事故。得到測評對象A車輛在安全行駛，測評對象D車輛極易發(fā)生交通事故，駕駛員需要馬上安全?？坎⒄{(diào)整自己的行車狀態(tài)，其余車輛雖然安全性中等，但是駕駛者也要同時提高警惕，防止交通事故的發(fā)生。

3 模型評價

模型優(yōu)點(diǎn)：

可以較好地克服評價指標(biāo)的灰色性和不確定性，對于樣本的要求條件較少。

計算較為簡單，貼合實(shí)際生活中車輛行駛的狀況，能夠給出較為客觀的評價，真實(shí)反映車輛交通的行駛狀況。

可以對多目標(biāo)決策以及不完全的樣本信息進(jìn)行評價處理，分析得到的結(jié)果的解釋性和客觀性較強(qiáng)。

模型不足：

計算關(guān)聯(lián)系數(shù)時由于不考慮指標(biāo)變量權(quán)重對決策影響系數(shù)的幅度，可能會造成信息損失并影響決策值的關(guān)聯(lián)傾向。

模型理論體系目前并不是很完善，并不能很好的應(yīng)用解決所有的問題。

4 結(jié)語

通過該文的分析得知大部分車輛駕駛者的交通安全意識處于一般水平，在平常行駛中很可能由于各種原因釀成極其嚴(yán)重的后果，所以相關(guān)部門應(yīng)加強(qiáng)對車輛駕駛者安全意識的培養(yǎng)和提高，加強(qiáng)對交通運(yùn)輸?shù)墓芾恚e極宣傳安全駕駛規(guī)范，增強(qiáng)人們的安全和守法觀念，嚴(yán)格執(zhí)行交通法規(guī)，降低交通事故的發(fā)生率。

參考文獻(xiàn)

[1]丁浩.基于熵權(quán)法的江蘇省農(nóng)業(yè)現(xiàn)代化發(fā)展水平實(shí)證研究[J].現(xiàn)代商業(yè)，2019（8）：68-70.

[2]欒國華，李昊陽，李鑫，儲勝利，秦夢.基于AHP和熵權(quán)法的量化應(yīng)急檢查技術(shù)研究[J].油氣田環(huán)境保護(hù)，2018，28（6）：37-40，44，57.

[3]張長耀，劉秀麗.基于灰色系統(tǒng)理論GM（1，1）模型的林芝旅游市場規(guī)模預(yù)測[J].科技和產(chǎn)業(yè)，2017，17（9）：40-42，47.

[4]段家現(xiàn).基于灰色關(guān)聯(lián)和模糊邏輯的注塑工藝多目標(biāo)優(yōu)化[J].塑料科技，2018，46（11）：38-43.