張佳薇 ， 鄭岳涵, 李明寶

(1.東北林業(yè)大學(xué)機電工程學(xué)院， 哈爾濱 150040； 2東北林業(yè)大學(xué)土木工程學(xué)院， 哈爾濱 150040)

駕駛行為與交通安全的隱性關(guān)聯(lián)是問題的核心，交通安全事故形成的多因素性、不確定性、個性化等特征為解決此類問題提出了挑戰(zhàn)。因此，采取合理的科學(xué)方法對駕駛行為進(jìn)行全面評估，不僅能夠培養(yǎng)駕駛員的良好駕駛習(xí)慣，從而減少交通事故的發(fā)生，創(chuàng)造良好的交通環(huán)境，還可以為改善駕駛員的駕駛行為提出針對性意見。

對駕駛行為的研究已經(jīng)成為道路交通安全的核心內(nèi)容，駕駛員的駕駛行為是由車輛、駕駛員的肢體行為等因素共同作用的結(jié)果，大多數(shù)學(xué)者在研究過程中忽略了車輛屬性、運行狀態(tài)等因素對駕駛行為的影響。

目前，建立指標(biāo)體系過于簡單與求取權(quán)重方法單一是駕駛行為評估過程中存在的主要問題。石坤等[1]從車速、溫度等6個方面運用層次分析法研究駕駛行為可靠度；張曉博等[2]從行駛強度、行駛效率、行駛速率三個方面，運用熵權(quán)法給予權(quán)重從而建立評價體系；許治琦等[3]從行駛里程、超速時間、危險操作等方面構(gòu)建評價指標(biāo)體系，運用層次分析法對駕駛行為安全性進(jìn)行研究。在評估過程中將指標(biāo)分為不同維度進(jìn)行分析，更能突出駕駛員的駕駛行為特點，從而為改善其駕駛行為提出針對性意見。

王科銀等[4]提取車輛行駛軌跡，選取具有代表性的評價指標(biāo)，運用K-means聚類方法，將駕駛員的駕駛風(fēng)格分為謹(jǐn)慎型、普通型、激進(jìn)型。張志鴻[5]運用K-means聚類算法，選取平均時速、最高時速、超速等指標(biāo)進(jìn)行駕駛傾向性分類。利用K-means聚類的快速性與廣泛性，通過行車數(shù)據(jù)對駕駛行為進(jìn)行聚類分析雖然具有一定的廣泛與適用性,但當(dāng)指標(biāo)數(shù)量過多且區(qū)間較為復(fù)雜時，K-means聚類方法無法對各特征進(jìn)行準(zhǔn)確描述。

在確定權(quán)重的過程中，不同的權(quán)重求取方法，具有不同的特點與缺陷[6]，只有將主觀、客觀賦權(quán)方法組合應(yīng)用到具體實際問題中，才能彌補單一權(quán)重方法所存在的缺陷和不足。

因此，針對上述問題，通過K-means聚類方法對準(zhǔn)則層進(jìn)行大致分析，再通過AHP-EWM(analytic hierarchy process-entropy weight method)權(quán)重計算方法與模糊綜合評價方法相結(jié)合對指標(biāo)層進(jìn)行詳細(xì)分析，進(jìn)而針對目標(biāo)層得出最終評估結(jié)果。通過對評估結(jié)果進(jìn)行分析，進(jìn)一步找出非安全駕駛行為誘因，進(jìn)一步提高道路交通安全。

1 評估體系建立

交通擁堵、交通事故、空氣污染和能源消耗成為全世界不斷增加的問題。安全駕駛行為不僅僅關(guān)注駕駛員對車的操縱行為，還應(yīng)關(guān)注駕駛行為造成的車輛的行駛工況安全問題。傳統(tǒng)的駕駛行為評估體系大多數(shù)僅從駕駛員的不良操作[7]或僅從車因子分析駕駛員的駕駛行為[8]。為解決傳統(tǒng)駕駛行為評估體系的不足，提升評估過程的全面性與科學(xué)性。本研究選取車載診斷設(shè)備(on board diagnostics, OBD)數(shù)據(jù)中能夠科學(xué)反映駕駛員特性的7 類特征作為安全駕駛行為評估指標(biāo)，其中駕駛員操縱安全維度包括速度、加速度、急加速次數(shù)、急減速次數(shù)；車輛行駛工況安全維度包括負(fù)荷計算值、發(fā)動機轉(zhuǎn)速、發(fā)動機冷卻液溫度。兼顧駕駛員操縱安全、車輛行駛工況安全兩個方面，對駕駛行為的安全性進(jìn)行全面評估。安全駕駛行為評估體系結(jié)構(gòu)如圖1所示。

根據(jù)駕駛行為評估體系結(jié)構(gòu)，通過K-means聚類法對駕駛員操縱安全和車輛運行工況安全進(jìn)行大致分析，根據(jù)分類情況作為確定閾值的依據(jù)，再通過模糊綜合評價方法對目標(biāo)層進(jìn)行評估，并提出針對性意見。使得評估過程更加科學(xué)、全面。評估流程如圖2所示。

為構(gòu)建駕駛員的駕駛行為評估體系提供合理的理論依據(jù)，需構(gòu)建各評價指標(biāo)的評價方法，如表1所示。

(1)駕駛行為操縱安全。超速行駛是各類駕駛場景下眾多事故發(fā)生的直接原因，過高或過低的加速度會擾亂交通秩序，頻繁的進(jìn)行急加速行為會影響行車穩(wěn)定性，頻繁的急減速行為會增加駕駛員與乘客受傷的風(fēng)險。

(2)車輛行駛工況安全。過高或過低的負(fù)荷計算值，使不完全燃燒的機油增多，形成積碳；轉(zhuǎn)速過高會使車輛各個部件承受過大扭力，導(dǎo)致車輛安全性下降；良好的發(fā)動機水溫控制對保持健康穩(wěn)定的車輛狀態(tài)有積極的作用。

圖1 安全駕駛行為評估體系Fig.1 Evaluation system of ssfty driving behavior

圖2 評估流程Fig.2 Evaluation process

表1 駕駛員安全駕駛行為指標(biāo)Table 1 Drivers’ safety driving behavior indicators

2 準(zhǔn)則層評價模型

對駕駛員操縱安全和車輛運行工況安全兩個準(zhǔn)則層進(jìn)行初步分類，在初步探究兩個準(zhǔn)則層的樣本分布規(guī)律，細(xì)化駕駛行為特征的同時，將分類情況作為模糊綜合評價各指標(biāo)閾值設(shè)立的合理依據(jù)。

2.1 評價方法

K-means算法是基于距離的聚類算法，采用距離作為相似性的評價指標(biāo)[9],其基本原理是將樣本集中的樣本按歐氏距離判斷其相似度,并劃分到不同簇中，使簇間相差異度最大，算法基本流程如下。

(1)從輸入的數(shù)據(jù)點集合中隨機選取k個樣本作為初始聚類中心C={c1,c2,…,ck}。

(2)對數(shù)據(jù)集中的每個點xi，計算它到k個聚類中心的距離并將其分到距離最小的聚類中心所對應(yīng)的類中。

(3)針對每個類別ci，重新計算聚類中心：

(1)

(4)循環(huán)執(zhí)行步驟(2)～步驟(3)，如新的聚類中心不再移動，則終止計算；否則轉(zhuǎn)至步驟(2)。

2.2 準(zhǔn)則層分析

研究所使用到的數(shù)據(jù)是在汽車行駛時，MOBD設(shè)備檢測到通過CAN總線獲取的車況數(shù)據(jù)。記錄每一次駕駛員行車過程數(shù)據(jù)，以單個行車過程為單位，探究得到駕駛員出現(xiàn)安全駕駛行為的規(guī)律性。OBD雖然具有局限性，但在廣大車主中應(yīng)用廣泛[10]。具有成本低、獲取數(shù)據(jù)多等優(yōu)點且不會影響駕駛員的操作。OBD安裝如圖3所示，通過OBD適配器(MODB一代)接入車輛診斷座對車輛行車數(shù)據(jù)進(jìn)行采集，可采集包括加速度、行駛速度等近49 個車輛運行狀態(tài)數(shù)據(jù)。

駕駛員于2019年7月27日，夏季在北方某城市選取一臺M1型乘用汽車完成一次行程，行駛前車輛狀況正常，期間路況正常無特殊情況發(fā)生，以單次行程為單位，MODB采集設(shè)備的采集頻率為每2 s采集一次，共采集748 組有效數(shù)據(jù)。數(shù)據(jù)的采集、導(dǎo)出過程如圖4所示。

充分揣摩駕駛員的駕駛行為特征，并提出針對性意見，選擇K-means聚類作為準(zhǔn)則層評價模型，從駕駛員的操縱安全與車輛行駛工況安全兩方面，將聚類數(shù)目設(shè)為3，得出兩個準(zhǔn)則層的大致特征分布如圖5、圖6所示。

圖3 設(shè)備安裝Fig.3 Device installation

圖4 OBD數(shù)據(jù)采集、導(dǎo)出Fig.4 OBD data acquisition and export

圖5 駕駛員操縱安全聚類Fig.5 Driver manoeuver safety clustering

圖6 車輛行駛工況安全聚類Fig.6 Clustering of vehicle driving cycle safety

根據(jù)聚類結(jié)果，難以得出精準(zhǔn)的駕駛行為特征分布，但可以得到初步的駕駛行為特征，將駕駛行為分為三類。第一類速度、加速度絕對值、急加速次數(shù)、急減速次數(shù)或冷卻液溫度、轉(zhuǎn)速、負(fù)荷計算值數(shù)值較低；第二類各指標(biāo)數(shù)值較大；第三類各指標(biāo)數(shù)值介于前兩類之間。根據(jù)初步分類結(jié)果可以看出，在操縱行為方面與車輛行駛工況方面均存在少量樣本值較大的情況。不難看出，K-means聚類分析的方法，只能將駕駛行為大致劃分，難以準(zhǔn)確根據(jù)多指標(biāo)的不同特征進(jìn)行準(zhǔn)確分類，不能準(zhǔn)確描述每類行為的具體特征。

3 目標(biāo)層評價模型

通過聚類對兩個準(zhǔn)則層進(jìn)行初步分析，進(jìn)行大致分類，為對駕駛行為進(jìn)行進(jìn)一步準(zhǔn)確分析,根據(jù)聚類結(jié)果與文獻(xiàn)[11-13]作為設(shè)立閾值的合理依據(jù)，評價指標(biāo)分級如表2所示，為對兩個準(zhǔn)則層(共7 個指標(biāo))進(jìn)行總體分析，得出最終的駕駛行為性質(zhì)，采用傳統(tǒng)的評估方式很難對駕駛行為安全性進(jìn)行定量和定性分析，為了對駕駛行為做出更加全面的評估，并提出針對性意見，因此本研究結(jié)合模糊綜合評價，將駕駛員的駕駛行為分為安全、風(fēng)險、危險三個不同等級。

表2 評價指標(biāo)分級Table 2 Evaluation index grade

3.1 AHP-EWM組合賦權(quán)

權(quán)重的求取是模糊綜合評價的關(guān)鍵步驟，為克服主觀賦權(quán)法與客觀賦權(quán)法各自的缺陷，采用熵權(quán)法計算指標(biāo)層中各指標(biāo)的權(quán)重，以此代替專家打分構(gòu)建的判斷矩陣，在保留層次分析法解決多層次問題具有優(yōu)越性的同時，發(fā)揮熵權(quán)法能夠全面反映信息多樣性的特點。在權(quán)重求取的過程中采用AHP-EWM組合賦權(quán)的方法，主要步驟如下。

(1)建立準(zhǔn)則層遞階層次結(jié)構(gòu)。

(2)采用1～9標(biāo)度法構(gòu)造準(zhǔn)則層判斷矩陣A，并進(jìn)行一致檢驗，得出準(zhǔn)則層指標(biāo)權(quán)重wci。

(3)將指標(biāo)層中各指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，計算公式為

(2)

式(2)中：Xij為原始數(shù)據(jù);xij為標(biāo)準(zhǔn)化后的數(shù)據(jù)。

(4)計算信息熵ei，計算公式為

(3)

(4)

式中：m為評價對象個數(shù)；n為評價指標(biāo)個數(shù)。

(5)確定指標(biāo)層中各指標(biāo)權(quán)重，計算公式為

(5)

(6)采用和法求解出各準(zhǔn)則層與所對應(yīng)指標(biāo)層的權(quán)重，根據(jù)評價體系中的遞階關(guān)系，確定各指標(biāo)在評價體系中的總權(quán)重，將準(zhǔn)則層權(quán)重與準(zhǔn)則層下各指標(biāo)權(quán)重相乘，計算公式為

fi=wciwpi

(6)

得到組合權(quán)重F=(f1,f2,…,fn)。

3.2 模糊綜合評價

模糊綜合評價是對受多因素影響的事物做出全面評價的一種十分有效的多因素評價方法。將一些不易定量的因素定量化，該方法系統(tǒng)性強，在難以用精確方法解決的復(fù)雜模糊問題上具有很大的優(yōu)越性[14]。模糊綜合評價主要步驟如下。

(1)確定因素集與評判集。選取7 項指標(biāo)作為安全駕駛行為評價因素集，U={u1,u2,…,u7}，其中，ui為評價指標(biāo)。為準(zhǔn)確反映駕駛行為安全風(fēng)險等級，將駕駛行為安全狀態(tài)分為三個等級，分別為安全、風(fēng)險、危險，即V=[v1,v2,v3]。

(2)確定隸屬度。各因素指標(biāo)的隸屬度通過隸屬函數(shù)確定，選用偏小型、中間型、偏大型梯形隸屬函數(shù)。

(3)構(gòu)造評價矩陣。確定因素集對評判集的隸屬度，構(gòu)成單因素評判矩陣，記為

(7)

式(7)中：rij(i=1,2,…,m,j=1,2,…,n)為從被評事物的某一單因素ui看，該因素對被評結(jié)果的模糊評判集V的隸屬度值。

(4)應(yīng)用AHP-EWM組合賦權(quán)法確定權(quán)重集。

(5)綜合評價。對于權(quán)重F=(f1,f2,…,fn)，取max-min合成運算，即M(∧,∨)模型，可得綜合評判向量

M=F×R

(8)

式(8)中：M(∧,∨)為主因素決定型，得出綜合評判向量后，選擇最大隸屬度的元素所對應(yīng)的安全風(fēng)險等級作為評價結(jié)果。

3.3 實例分析

針對層次分析法的主觀性占比因素過大和熵權(quán)法的數(shù)據(jù)間差異較小導(dǎo)致權(quán)重分配不合理的缺點，通過MATLAB仿真，準(zhǔn)則層采用層次分析法(AHP),運用1～9標(biāo)度法和各項研究成果中的專家經(jīng)驗與比較數(shù)據(jù)，在主觀判斷的基礎(chǔ)上對各項評價指標(biāo)進(jìn)行評判，得到準(zhǔn)則層判斷矩陣及一致檢驗結(jié)果，運用熵權(quán)法對兩個準(zhǔn)則層所對應(yīng)的指標(biāo)層權(quán)重進(jìn)行計算，得出各自準(zhǔn)則層所對應(yīng)指標(biāo)的權(quán)重向量。即

(9)

選擇一致性比例(consistence ratio,CR)為一致性檢驗指標(biāo)，當(dāng)其數(shù)值小于0.1時，認(rèn)為該矩陣具有滿意一致性。CR=0.03<0.1，準(zhǔn)則層判斷矩陣達(dá)到了一致性。

駕駛員操縱安全準(zhǔn)則層與車輛行駛工況安全準(zhǔn)則層下所對應(yīng)指標(biāo)權(quán)重向量分別為

Wp1=(0.31,0.09,0.31,0.29)

(10)

Wp2=(0.38,0.37,0.25)

(11)

將兩者結(jié)合后得出綜合權(quán)重表3所示。

表3 指標(biāo)綜合權(quán)重Table 3 Comprehensive weight of index

權(quán)重結(jié)果表明了駕駛?cè)俗鳛榻煌ò踩诵?，也顯示出車輛健康狀況對交通安全具有一定影響，符合實際情況。

根據(jù)綜合權(quán)重與參考評價指標(biāo)分級建立的隸屬函數(shù)，以一次行程為單位，對采集的748 組數(shù)據(jù)進(jìn)行運算，通過MATLAB仿真得出的最終結(jié)果如圖7所示。

最終模糊綜合評價的分類結(jié)果如圖8～圖10所示。

圖7 駕駛行為特征分布Fig.7 Driving behavior characteristic distribution

圖8 安全型駕駛行為結(jié)果Fig.8 Safe driving behavior results

圖9 風(fēng)險型駕駛行為結(jié)果Fig.9 Risky driving behavior result

圖10 危險型駕駛行為結(jié)果Fig.10 Dangerous driving behavior result

由圖8可以看出，安全型有636 組樣本，可以看出絕大部分指標(biāo)均在安全閾值范圍內(nèi)，只有極少數(shù)指標(biāo)的數(shù)值超過了安全閾值范圍。

由圖9可以看出，風(fēng)險型有89 組樣本，其中89 組樣本中66 組樣本的速度超出安全閾值范圍，75 組急加/減速次數(shù)超過閾值，62 組樣本的負(fù)荷計算值超出安全閾值范圍。駕駛員應(yīng)及時減少不良操縱行為，及時調(diào)整汽車發(fā)動機負(fù)荷計算值，防止風(fēng)險行為進(jìn)一步惡化為危險行為。

由圖10可以看出，危險型有23 組樣本，其中23 組樣本的速度超出安全閾值范圍，6 組樣本的速度達(dá)到危險閾值范圍，21 組樣本的加速度達(dá)到危險閾值范圍，23 組樣本均存在急加/減速次數(shù)過多的現(xiàn)象，由此可見駕駛行為的危險性由駕駛員的不良操縱行為直接導(dǎo)致，駕駛員應(yīng)該降低行駛車速與急加減速次數(shù)，使行駛過程趨于穩(wěn)定，保證車輛各參數(shù)處于正常范圍，從而降低駕駛危險性。

3.4 改善措施

駕駛員應(yīng)該將更多精力集中在發(fā)動機負(fù)荷、冷卻液溫度、轉(zhuǎn)速等參數(shù)的變化，并將其保持在合適的范圍內(nèi)，這不僅損害了車輛健康，更威脅到了駕駛行為安全性。為提高城市交通安全，保障自身和他人的利益，駕駛員要減少急加速、急減速次數(shù)等不良操作，更要時刻關(guān)注車輛運行過程中一些工況參數(shù)的變化(如冷卻液溫度、轉(zhuǎn)速等)，可以在車內(nèi)增加工況參數(shù)預(yù)緊裝置，這樣才能全方位提高駕駛行為的安全性，降低風(fēng)險性與危險性。

4 結(jié)論

(1)從監(jiān)控行車數(shù)據(jù)的角度出發(fā)，選取速度、加速度、急加速次數(shù)、急減速次數(shù)、負(fù)荷計算值、轉(zhuǎn)速、冷卻液溫度7 個評價指標(biāo)，通過基于OBD的汽車運行狀態(tài)參數(shù)采集數(shù)據(jù)，全面考慮交通事故的起因與影響駕駛行為的因素，因此在駕駛行為評價中具有廣泛的實用性。

(2)運用K-measn聚類分別從駕駛員操縱安全和車輛運行工況安全兩個方面對駕駛行為進(jìn)行聚類分析，將駕駛行為進(jìn)行大致分類，結(jié)合分類結(jié)果設(shè)立合理閾值，運用模糊綜合評價方法，通過7 個指標(biāo)，結(jié)合駕駛員操縱行為與車輛運行工況兩個方面對駕駛行為進(jìn)行總體評估。

(3)為了克服單一賦權(quán)方法的缺陷，采用AHP-EWM求取指標(biāo)權(quán)重，一定程度上減少主觀因素的影響，客觀反映各評價指標(biāo)間重要程度關(guān)系，增強結(jié)果的科學(xué)性。為駕駛行為評估提供了一種新的思路。