基于灰色关联分析的行车安全评价研究

来源:用户上传      作者:

　　摘  要：随着车联网技术的发展，在车辆行驶的过程中对相关指标的检测越来越准确，产生的行车数据也日益增多，如何判别行车安全状况成为当前运输行业研究的热点问题。该文通过熵权法对数据进行处理，并建立灰色关联模型对行车安全进行分析。通过分析可知，大部分车辆驾驶者的交通安全意识水平一般，极易酿成严重后果，只有加强对车辆驾驶者安全意识的培养，才能有效降低交通事故的发生率。
　　关键词：行车安全;熵权法;灰色关联
　　中图分类号： U461.91      文献标志码：A
　　0 引言
　　随着我国社会发展和经济持续增长，越来越多的人选择汽车作为主要交通工具，但同时出现的行车安全问题也日益增多。为缓解该社会现象，该文构建一种基于灰色关联分析的行车安全评价模型，利用熵权法计算出各个影响因素的权值，并将计算得到的权值结合灰色关联分析法构建行车安全评价模型。
　　1 数据预处理
　　数据预处理包括2点。1）去除异常值，针对收集的数据，该文将异常值删除，保证了数据的合理性。2）填补缺失值，部分车辆出现数据缺失的情况，该文根据数据集中记录的取值分布情况来对缺失值进行自动填充，通过计算行车速度的平均值进行填补。
　　2 安全评价模型
　　2.1 模型假设
　　安全评价模型有4个假设。1）假设车辆行驶路段未发生重大自然灾害。2）假设驾驶员在行车过程中健康状况良好。3）假设每个城市单位时间道路人流量相同。4）假设车辆行驶过程中不考虑天气和能效等因素。
　　2.2 模型建立
　　为避免在指标权重的确定中受到主观因素和不确定性因素的干扰，该文采用客观权重熵权法来确定影响因素的权重系数，该方法根据指标变异性的大小来确定客观权重[1]。它能将一些边界不清且不易定量的因素定量化，进而实现综合评价。同时结合灰色关联模型，通过运用序列算子对原始数据进行生成并处理[3]。
　　2.2.1 选取测评指标
　　通过对数据集的处理，分析導致不良驾驶的行为的因素包括：疲劳驾驶、加速度突变、怠速情况、超速、急变道（不良驾驶行为影响图如图1所示），选取这些因素作为测评指标，并选取部分辆运输车为测评对象进行下一步操作。
　　2.2.2 指标处理
　　对各指标进行等级划分，以数值10为占比最大，数值1为占比最小，为得到正确率较大的指标权重数值，该文在做数据处理时将各个指标单位正向化和无量纲化，让所有数值落入区间（0，1）内，由此计算可得到第j项指标下的第i个测评对象占比权值。
　　式中：xij和xnj表示样本数据矩阵中的数据。部分车辆正向化处理结果见表1。
　　2.2.3 计算指标权重
　　指标的权重描述该指标在整体评价中的相对重要程度，将需要测评的指标进行对整体体系的重要性进行排序，各个评价指标体系相对应的权重组成了权重体系。如果指标的信息熵越小， 那么该指标提供的信息量就越大， 其在综合评价中所占比重给也就越大， 同时权重也会越高[2]。
　　式中：dj表示指标熵冗余度，ωj表示指标权重结果，j代表指标序号，m代表指标个数。不良驾驶行为对应权重见表2。
　　2.2.4 确定特征矩阵
　　通过上述权重的计算，对各车辆的数据进行重新定义后得到特征矩阵，
　　定义x0=（x0（1），x0（2）……x0（n））为系统特征序列，其中xi（i）代表特征值。
　　2.2.5 计算关联系数
　　为定量的描述相关因素或者系统之间的相关程度，灰色系统引进关联系数的概念，其基本思想是对系统数据序列中的几何关系和曲线几何形状的相似程度进行比较分析[4]。
　　式中：Loi是指标关联系数， p为分辨系数，0<p<1，通常p取0.5，Δmin和 Δmax分别为各个时刻对应的序列绝对值差中的最小值和最大值。
　　Step6：求解关联度
　　关联度表征了各测评对象与理想对象之间的相似程度，其值越大，则测评 对象越优，反之越劣[5]。其中等权联度Roi是各子序列与母序列各个时刻的关联系数的平均值，其中是n指标关联系数个数。
　　加权关联度的计算则考虑了测评对象的指标信息的可靠性，减小了计算结果的误差，增加了关联度计算结果的可靠性。
　　式中：roi是指标加权关联度，W（t）是加权值，通过对导致不良驾驶行为的影响因素进行等权关联计算和加权关联计算得到测评对象的相关结果见表3。
　　根据上表结果，划分评价安全等级，为安全性较高，不易发生交通事故，为安全性中等，可能会发生交通事故，为安全性低，极易发生交通事故。得到测评对象A车辆在安全行驶，测评对象D车辆极易发生交通事故，驾驶员需要马上安全停靠并调整自己的行车状态，其余车辆虽然安全性中等，但是驾驶者也要同时提高警惕，防止交通事故的发生。
　　3 模型评价
　　模型优点：
　　可以较好地克服评价指标的灰色性和不确定性，对于样本的要求条件较少。
　　计算较为简单，贴合实际生活中车辆行驶的状况，能够给出较为客观的评价，真实反映车辆交通的行驶状况。
　　可以对多目标决策以及不完全的样本信息进行评价处理，分析得到的结果的解释性和客观性较强。
　　模型不足：
　　计算关联系数时由于不考虑指标变量权重对决策影响系数的幅度，可能会造成信息损失并影响决策值的关联倾向。
　　模型理论体系目前并不是很完善，并不能很好的应用解决所有的问题。
　　4 结语
　　通过该文的分析得知大部分车辆驾驶者的交通安全意识处于一般水平，在平常行驶中很可能由于各种原因酿成极其严重的后果，所以相关部门应加强对车辆驾驶者安全意识的培养和提高，加强对交通运输的管理，积极宣传安全驾驶规范，增强人们的安全和守法观念，严格执行交通法规，降低交通事故的发生率。
　　参考文献
　　[1]丁浩.基于熵权法的江苏省农业现代化发展水平实证研究[J].现代商业，2019（8）：68-70.
　　[2]栾国华，李昊阳，李鑫，储胜利，秦梦.基于AHP和熵权法的量化应急检查技术研究[J].油气田环境保护，2018，28（6）：37-40，44，57.
　　[3]张长耀，刘秀丽.基于灰色系统理论GM（1，1）模型的林芝旅游市场规模预测[J].科技和产业，2017，17（9）：40-42，47.
　　[4]段家现.基于灰色关联和模糊逻辑的注塑工艺多目标优化[J].塑料科技，2018，46（11）：38-43.
转载注明来源:https://www.xzbu.com/8/view-15319588.htm