王曉慧，榮見華，楊向前

（1.浙江工貿(mào)職業(yè)技術(shù)學(xué)院，浙江溫州 325002；2.長沙理工大學(xué)，長沙 410114；3.溫州交運集團，浙江溫州 325000）

0 引言

合理的駕駛行為評價包含了多重意義，從企業(yè)角度來說，通過駕駛行為評價，可以幫助企業(yè)改善車隊的管理；通過評價的反饋，可以不斷改善駕駛員的駕駛行為[1]，使企業(yè)在安全、能耗、車輛維護方面成本顯著下降。從行業(yè)角度來說，在商用車行業(yè)內(nèi)推出駕駛行為評價模型，形成具有可信度的行業(yè)標(biāo)準(zhǔn)，可以擴大車企在行業(yè)內(nèi)的影響力。

目前斯堪尼亞、戴姆勒Omniplus、FleetBoard等國際一流的商用車都推出了關(guān)于司機駕駛行為的評價功能。通過駕駛行為評價功能的使用，F(xiàn)leetBoard 官方宣傳平均油耗下降10%，油耗最多下降15%，保養(yǎng)成本下降3%～5%。斯堪尼亞FMS 官方宣傳油耗平均降低10%，駕駛行為評價存在非常大的商業(yè)價值。

1 總體方案設(shè)計

構(gòu)建多維駕駛行為評價體系，從人、車、環(huán)境三方提出駕駛行為表現(xiàn)影響因素，構(gòu)建先進性且可落地的評價指標(biāo)。為了實現(xiàn)駕駛行為評價，必須對人、車、環(huán)境三方的相關(guān)因素數(shù)據(jù)進行采集和挖掘，并進行有效地處理，采用合適的要素數(shù)據(jù)和評分模型對司機的駕駛行為分別進行綜合評價?？傮w方案設(shè)計如圖1所示。

圖1 總體方案設(shè)計

由于采用多目標(biāo)多維度進行駕駛行為評價，所以要對每個目標(biāo)對應(yīng)的維度和要素進行分析，才能確定采集數(shù)據(jù)信息，因此把整體流程劃分為5個步驟，如圖2所示。

圖2 整體流程圖

2 維度設(shè)計及因素分析

維度設(shè)計是指對每個評價目標(biāo)進行分解，梳理出與目標(biāo)關(guān)聯(lián)最高的行為維度，例如影響安全的維度包括是否違章操作、操控是否急躁、用車是否合理、開車會不會分神以及車況的狀態(tài)好不好；與經(jīng)濟型相關(guān)的維度主要包括操控是否急躁、空調(diào)使用是否合理等。由于不同車型的評價維度會有所差異，因此這里以客旅團車為例進行闡述?；邴溈襄a的MECE分析法[2]，可以對安全、油耗、舒適和維護4 個維度進行一一分解。

2.1 維度設(shè)計

多維度評價方法的評價目標(biāo)為安全、油耗、維護、舒適4個目標(biāo)，每個評價目標(biāo)進行分解和維度設(shè)計。

2.1.1 安全

“安全”可以拆分為違章、操控、使用、注意和車況5個維度，如圖3所示。其中，“違章”是與駕駛安全[3-5]相關(guān)的違章行為；“操控”是司機的不良操控行為（方向盤、油門使用不當(dāng)）導(dǎo)致車輛存在事故風(fēng)險的因素集合；“使用”是指由于司機不良的其他操作導(dǎo)致車輛存在事故風(fēng)險的因素集合；“注意”是指由于司機本身注意力下降導(dǎo)致車輛存在事故風(fēng)險的因素集合；“車況”是指車輛本身的故障問題導(dǎo)致車輛存在事故風(fēng)險的因素集合。

圖3 “安全”維度設(shè)計

圖4 “油耗”維度設(shè)計

2.1.2 油耗

“油耗”可以拆分為操控和空調(diào)2 個維度，如圖4 所示。其中，“操控”是司機的不良操控行為（方向盤、油門使用不當(dāng)）導(dǎo)致油耗高的因素集合；“空調(diào)”是指司機不當(dāng)使用空調(diào)導(dǎo)致油耗高的因素集合。除此之外，雖然不當(dāng)使用燈光、音響等也會升高油耗，但這些因素相對而言對油耗影響較小，另外也很難界定哪些行為屬于不當(dāng)使用，因此并沒有把這些維度列舉在內(nèi)。

2.1.3 舒適性

“舒適性”可以拆分為操控和路況2 個維度，如圖5 所示。其中，“操控”是司機的不良操控行為（方向盤、油門使用不當(dāng)）導(dǎo)致用戶乘車舒適性降低的因素集合；“路況”是指司機在通過特殊路段（下坡、減速帶）沒有減速導(dǎo)致用戶乘車舒適性降低的因素集合。

圖5 “舒適性”維度設(shè)計

圖6 “維護”維度設(shè)計

2.1.4 維護

“維護”可以拆分為三大件和易損件2 個維度，如圖6所示。其中，“三大件”是容易造成三大件損害的因素集合；“易損件”是對特定易損件造成傷害的因素集合。

2.2 要素分析

要素分析是指分析每個維度的相關(guān)要素，例如危害駕駛安全的違章包括闖紅燈、超速、實線變道等；而操控急躁包括急加速、急剎車、未關(guān)門起步等；目的、維度和因素分析框架圖如圖7所示。

圖7 目的、維度和因素分析框架圖

3 數(shù)據(jù)采集及處理

數(shù)據(jù)源是指每個要素需要的數(shù)據(jù)來源情況，例如為了獲取闖紅燈數(shù)據(jù)，需要司機的身份證、行駛證和排班信息，為了獲取急加速數(shù)據(jù)，需要獲取GPS 的速度數(shù)據(jù)或TBOX 的輪速數(shù)據(jù)或三軸加速度傳感器的加速度數(shù)據(jù)[5-6]?；谏鲜鲆蛩胤治?，進一步梳理了相關(guān)因素的數(shù)據(jù)來源及對數(shù)據(jù)采集的要求，包括司機身份信息模塊、GPS 模塊、TBOX 模塊、傳感器模塊、ADAS 模塊、車內(nèi)攝像頭模塊以及車內(nèi)溫度計模塊。

3.1 數(shù)據(jù)來源

3.1.1 司機模塊

司機模塊收集司機的身份信息，由于車與人并不總是一一對應(yīng)，因此需要收集司機排班信息，才可以唯一確定違章歸屬。

3.1.2 GPS模塊

GPS 模塊主要采集用戶的位置信息和速度、方向等信息，雖然“速度”信息TBOX也可以采集，但由于TBOX數(shù)據(jù)采集量大，整體取樣頻率不高，因此在計算急加速、急減速、急轉(zhuǎn)彎、超速等指標(biāo)時主要依賴于GPS 采集的數(shù)據(jù)?；疑尘皹?biāo)記的“海拔”和“水平精度”是GPS 模塊提供的字段，但是非必須采集。

3.1.3 TBOX模塊

TBOX 采集的數(shù)據(jù)包括車輛數(shù)據(jù)、警告信息、發(fā)動機數(shù)據(jù)、胎壓信息等。

3.1.4 其他模塊其他模塊包括傳感器模塊、ADAS模塊、車內(nèi)攝像頭模塊和車內(nèi)溫度傳感器模塊。

3.2 數(shù)據(jù)預(yù)處理

不同的數(shù)據(jù)來源收集到的數(shù)據(jù)有不同的精度，為了提高數(shù)據(jù)的利用率，可以采用相應(yīng)的方法進行改善。對于較高頻率的GPS 及傳感器相關(guān)數(shù)據(jù)，斑馬數(shù)智提出了一種改進的帶次優(yōu)漸消因子的自適應(yīng)擴展卡爾曼濾波算法。模型的原理如圖8所示。

圖8 帶次優(yōu)漸消因子的自適應(yīng)擴展卡爾曼濾波算法

為了提高濾波器的跟蹤能力和過程參數(shù)變化的魯棒性，此次應(yīng)用變化的漸消因子對過去的數(shù)據(jù)進行漸消[7]，過程中同時調(diào)整狀態(tài)的預(yù)報協(xié)方差方差陣。應(yīng)用漸消因子可以起到即使在過程參數(shù)改變的狀態(tài)下，濾波器也能得到較精確的狀態(tài)估計值的作用。圖9所示為經(jīng)過濾波器前后傳感器示數(shù)的變化情況對比，可以看出，經(jīng)過濾波器之后，傳感器數(shù)據(jù)的噪聲被有效去除，趨勢數(shù)據(jù)顯得更為明朗。

圖9 濾波前后傳感器示數(shù)對比

4 評價模型構(gòu)建

模型構(gòu)建是指為了獲取最終的行程評分，需要確定各個指標(biāo)之間以及各個目標(biāo)之間的相對權(quán)重。這里包括兩種方法，一是基于模型的方法，“油耗”、“安全”等目標(biāo)都有清晰的評價標(biāo)準(zhǔn)，因此指標(biāo)與指標(biāo)之間的權(quán)重評估適用此方法；二是基于專家打分的方法，各目標(biāo)之間（例如“安全”和“油耗”之間）數(shù)據(jù)無法直接評估出二者對行程分的相對重要性大小，因此這里需要由相關(guān)業(yè)務(wù)專家針對不同車輛類型進行評估，確定其權(quán)重。模型的數(shù)據(jù)流如圖10所示。

4.1 基于模型的方法（GAM模型）

對于司機駕駛“安全”和“維修”的評估，類似于車險領(lǐng)域的“出險率”評估。

為避免隨著司機駕駛年齡和駕駛經(jīng)驗的增加，或者汽車的使用年限增加，最終導(dǎo)致車輛事故風(fēng)險也會相應(yīng)減少或增加導(dǎo)致“出險率”評估出現(xiàn)較大誤差（假設(shè)司機的個體風(fēng)險水平為定值），國外的學(xué)者提出了用泊松回歸模型，替代原有齊次泊松混合模型作為車險索賠頻率模型。泊松回歸模型屬廣義線性模型(Generalized Linear Model)的一種，以對數(shù)變化作為連接函數(shù)(canonical function)，該模型的假設(shè)之一是其被解釋變量服從泊松分布，其模型形式為：

對比普通線性模型、邏輯回歸模型以及泊松回歸模型，可以發(fā)現(xiàn)，這幾個模型除了等式左邊形式不同，當(dāng)因變量取特定值時，這些模型所假設(shè)的y 的隨機分布形式也不一樣，如圖11 所示。圖中虛線為模型預(yù)測的因變量y 的平均值，點為實際數(shù)據(jù)值，圖11（c）細(xì)線為特定自變量取值下因變量y 的分布。由于出險次數(shù)主要集中在0～3 次，因此通過對比可以直觀感受到普通線性模型和邏輯回歸模型的不適用性。

圖10 模型的數(shù)據(jù)流

對于“油耗”，即經(jīng)濟性評估，可使用廣義加性模型，用單個光滑函數(shù)來估算其中每一個加性項，從而獲知每一加性項中因變量與自變量的變化規(guī)律。經(jīng)典線性回歸模型假定因變量y和自變量x1，x2,…,xp是線性形式：其中，β0,β1,…,βP通過最小二乘法獲得。廣義加性模型本質(zhì)是廣義線性模型的擴展：

圖12 GAM模型的樣條函數(shù)示意圖

4.2 基于專家打分的方法（德爾菲法）

模型各指標(biāo)確定的另一個方法是基于專家打分法，雖然可以基于模型計算出“安全”、“油耗”、“維修”的各指標(biāo)權(quán)重，但是對于“舒適性”并沒有一個直接的因變量可以用于建模，同樣的問題也出現(xiàn)在單次行程總分和車輛（司機）評分上。因此，在這里需要由業(yè)務(wù)專家根據(jù)經(jīng)驗及實際運營需求，合理制定各指標(biāo)權(quán)重，德爾菲法是常用的專家評分法[8]。德爾菲法流程如圖13所示。

圖13 德爾菲法流程

5 結(jié)束語

本文基于車聯(lián)網(wǎng)數(shù)據(jù)，采用合適模型構(gòu)建的多維度駕駛行為評價方法更全面更合理，對于企業(yè)和個人都有非常重要的作用。

（1）基于行程的評分，對車輛（司機）的每段行程進行評分，達到快速回顧自身駕駛過程狀況的目的；

（2）基于車輛（司機）的評分，將評分結(jié)果落實到個人，通過評分的反饋促進責(zé)任主體進行駕駛行為的改進，為實現(xiàn)企業(yè)的既定目標(biāo)奠定基礎(chǔ)；

（3）基于路線的評分，在企業(yè)范圍內(nèi)，對企業(yè)內(nèi)的多條線路進行評分和排名，通過企業(yè)內(nèi)多條線路間的比較橫向評比，提高各個線路的車隊管理水平；

（4）基于企業(yè)的評分，在行業(yè)范圍內(nèi)，定期發(fā)布企業(yè)駕駛行為報告，通過企業(yè)間的評比，促進企業(yè)自身管理水平的提升。