基于层次分析法的驾驶员驾驶倾向性研究.pdf

Highways&Transportation in Inner Mongolia2023年第4期48内蒙古公路与运输文章编号：10 0 5-0 57 4-（2 0 2 3)0 4-0 0 48-0 5DOI:10.19332/ki.1005-0574.2023.04.011基于层次分析法的驾驶员驾驶倾向性研究宋以庆（淄博职业学院，山东淄博255000)摘要：驾驶倾向性是研究微观交通仿真的一个重要生理-心理特征参数，主要受到人、车、路、环境等多方面的影响，具体表现为汽车驾驶员自身状况、驾驶车辆状况、行驶道路及环境状况、交通干扰、气象情况以及所承载的任务缓急等影响因素。如何准确地确定驾驶员驾驶过程中的动态驾驶倾向性是研究驾驶员行为的难点。文章基于驾驶员的生理-心理特征，采用层次分析法（AHP）,对驾驶员行驶过程中的决策行为逐层递阶量化，建立基于层次分析法的驾驶倾向性模型,并进行实证分析。结果表明：层次分析法可用于驾驶员驾驶倾向性的识别。关键词：交通运输；驾驶员行为；层次分析法（AHP）；驾驶倾向性中图分类号：U471.15文献标识码：AAbstract:Driving tendency is an important physiological-psychological characteristic parameter for the study of micro trafficsimulation.Driving tendency is mainly affected by people,vehicles,roads,environment and other aspects,which is specifically reflect-ed in the conditions of car drivers themselves,various conditions of driving vehicles,driving roads and environmental conditions,exist-ing traffic interference,meteorological conditions,urgency of tasks and other factors.How to accurately determine the drivers dynamicdriving tendency in the driving process is the difficulty of studying the drivers behavior.Based on the physiological and psychologicalcharacteristics of drivers,this paper used the Analytic Hierarchy Process(AHP)to quantitatively analyze the decision-making behav-ior of drivers during the driving process and established a driving propensity model based on AHP to conduct empirical analysis.Theresults indicate that the Analytic Hierarchy Process can be used to identify driving propensity in drivers.Key words:transportation,driver behavior,Analytic Hierarchy Process(AHP)method,driving tendency0引言微观交通仿真中的汽车驾驶安全预警系统是预防交通事故的重要智能手段，对于增强道路交通通行能力、改善交通安全、实现智能自动驾驶有非常重要的作用-2。然而由于当前汽车驾驶安全预警系统忽视了驾驶员情感的影响，使得预警的准确性和有效性不高，容易产生误报。目前，在机器人研制、商务系统研发等领域开展了人类情感计算的研究，如美国MIT媒体实验室研制的情感机器人和情感数字人；日本SONY公司通过感性工学的研究，研制出AIBO机器狗和SDR-4X型情感机器人；德国教育及研究部（BMBF)资助建立的以消费者心理情感和环境需求为研究目标的网络电子商务系统等3。交通领域中对驾驶员情感的研究则较少。驾驶员驾驶过程中的心理情感状态变化一般用驾驶倾向性来表征4。如果把驾驶员驾驶过程中的动态驾驶倾向性加人到安全驾驶预警系统中，系统能够实时辩识驾驶员驾驶过程中的心理情感状态变化，在遇到突发情况时，主动、并行地进行驾驶意图辨识，自动调整自身算法或行为，进而准确评估驾驶员驾驶过程中的危险态势，进行预警提示。层次分析法是将待解决的问题分解成不同的层次结构，用判别矩阵求解特征向量，通过求解得到每一层各元素对应上一层元素的权重，进而求得每一方案对总目标的最终权重，权重最大的方案就是该问题的最优解决方案 5.6 。本文采用层次分析法，把在复杂交通环境中的驾驶员生理-心理特征分解为驾驶倾向性层次递阶结构图，包括目标层（确定驾驶员驾驶倾向性）、约束层（驾驶员自身因素、车辆状态因素、环境状态因素、其他因素等）、准则层（利益准则和安全准则）、方案层（内倾、中倾、外倾）。然后根据驾驶员驾驶倾向性层作者简介：宋以庆（198 7 一），男，山东淄博人，硕士研究生，讲师，研究方向：人车环境协同智慧及控制。总第19 6 期49宋以庆：基于层次分的驾驶员驾驶倾向性研究次结构图对每一层影响因素进行两两比较，确定判别矩阵，根据判别矩阵计算各影响因素的相对权重，进而给出各方案对目标的组合权重，从而得到驾驶员驾驶倾向性，较好地解决了在各种复杂环境下确定驾驶员驾驶倾向性的问题1驾驶倾向性影响因素分析驾驶倾向性是指在各种因素影响下的驾驶员对客观现实交通状况的态度及其表现出与之相适应的决策倾向的心理特征，反映了驾驶员在车辆操作和运行过程中表现出的心理情感状态，一般分为外倾型、中倾型和内倾型。不同个性的驾驶员在不同的影响因素之下,驾驶倾向性是不一样的。驾驶倾向性的影响因素有很多，主要由行车过程中驾驶员个人因素、行车道路条件、车辆特性、天气情况、交通干扰及承运任务缓急等方面决定。1.1驾驶员特性就性别而言，一般在相同条件下，男性驾驶员比女性驾驶员的驾驶倾向性更外放冲动。就年龄而言，年轻驾驶员的驾驶倾向性在所有驾驶员中最冲动，尤其年龄在2 5岁以下的驾驶员更为突出8,中老年驾驶员的驾驶倾向性较青年驾驶员更为保守和谨慎。同样驾驶过程，驾驶员期望车速不同，驾驶倾向性也不同。在交通微观仿真中，通常把驾驶员的期望车速分为低速、中速、高速三种类型9。在相同条件下，期望车速高的驾驶员在行车过程中驾驶倾向性更为外倾，而期望车速较低的驾驶员驾驶倾向性更为内倾，期望车速为中速的驾驶员驾驶倾向性则介于外倾型与内倾型之间。驾驶员的驾驶倾向性也会受其驾驶技术熟练程度的影响，根据驾驶年龄划分为半年以下、半年至三年、三年以上等类型。通常，半年以下驾龄的驾驶员，由于刚拿驾照不久，驾驶技术还有待提升，在行车过程中，驾驶倾向性一般较内倾；半年至三年驾龄的驾驶员，驾驶技术已逐渐熟练，在生理-心理特征上表现出进一步提高驾驶车速的倾向，驾驶倾向性一般较外倾；驾龄在三年以上的驾驶员，驾驶技能已经比较熟练，实际驾车过程中的驾驶倾向性一般表现为中倾1.2行车道路情况交通是由人-车-路-环境等方面组成的一个庞大系统。影响驾驶员驾驶倾向性的重要因素之一就是行车道路情况。一般情况下，行驶视野、道路交通服务水平、路面状况、设计车速等道路条件越好的道路，由于驾驶员对高驾驶速度的渴求，驾驶员的驾驶倾向性也就越外倾。所以，行车道路情况在很大程度上影响着驾驶员的驾驶倾向性。1.3行车特性在道路条件一定的条件下，车辆性能越优良，驾驶员的驾驶倾向性就越外倾。相反，如果驾驶员所驾驶的车辆性能越差，驾驶员的驾驶倾向性就会越保守、越内倾。对于车辆类型来说，一般小型车动力性能要比大型车好，行驶速度相对较快，驾驶倾向性相对外倾，大型车则相反1.4天气状况天气情况对驾驶员驾驶倾向性也会产生较大的影响。天气状况好时，驾驶员驾驶倾向性较外倾，反之，则较内倾。1.5交通干扰行车过程中驾驶员所受到的干扰因素（如交通标志、信号灯、街道化程度、侧向净空等）越多越严重，驾驶倾向性越内倾；反之,则较外倾。1.6承运任务急缓一般情况下，驾驶员承担的运输任务越急迫，其心理压力就越大，驾驶倾向性也就越外倾；反之，则较内倾。2基于AHP的驾驶员驾驶倾向性模型2.1层次分析法层次分析法（AnalyticHierarchyProcess）是一种定量分析与定性分析相结合的多目标决策分析方法，简称AHP，由美国运筹学家沙旦于2 0 世纪7 0 年代提出。如果问题结构比较复杂，又没有必要的数据支持，只能根据决策者以往的经验进行量化打分，那么此方法对于这类问题的解决更为实用2.13。AHP计算过程如下：根据问题影响因素构建判别矩阵，求解该矩阵的特征向量和最大特征根。根据问题结构层次图确定上下各层影响因素之间的隶属关系，并根据上一层的影响因素构建两两不同的判别矩阵。设两两不同的判别矩阵为(aj)nxn,则有 aij 0;aii=1;aij=(i,j=1,2,n)aji然后引用1 9标度对各影响因素的重要性进行判断量化，标度见表1。H小JOHighways&Transportation in Inner Mongolia2023年第4期50内蒙古公路与运输表1相对重要性标度标度值两准则或影响因素之间的关系（i与j）1i与j相同重要3i比稍微重要5i比j明显重要7i比j非常重要9i比j极为重要2,4,6,8两相邻判断的中值倒数若i因素与j因素比较,得到判断值为aj=ai=1ai采用方根法计算判别矩阵的特征向量和最大特征值，方法如下：计算判别矩阵中每一行所有元素的几何平均值w,见式(1),得到=(wi,w2,wn)i=1(1)nwj=Iaij(i=1,2,n)对得出的向量;进行规范标准化，见式（2），得到特征向量的近似值=(1,W2,Wn)，即各因素的相对权重Wi=Wi(i=1,2,n)(2)对判别矩阵的最大特征值入max按式（3)进行计算，式中，(Aw);为向量A的第i个元素。入max=n1Zi=1(AW)iWi(3)计算判别矩阵的一致性指标,并进行检验。通过定义C.I=mx_二n来检验判别矩阵的一致性。n-1当C.I=0时，说明两矩阵是完全一致的。C.I所求得的值越大，表明两矩阵越不一致，即一致性越差。通过引人修正值R.I放宽对高维判别矩阵的一致性要求，平均随机一致性指标R.1见表2。表2平均随机一致性指标阶数123456789R.I0.000.010.580.961.131.251.331.421.46当阶数n2时，矩阵始终具有完全一致性；当阶数n2时，C.R=，此公式称为矩阵的随机一致性比例。只有当C.R0.10时，矩阵才会具有满意的一致性，否则需重新调整矩阵。对问题的各层次进行总排序。对该问题的各层次从高到低进行逐层计算，计算每一层所有元素对于上一层的相对权值。把问题构建成包含有目标层A、准则层B、措施层P的结构层次模型。目标层A对准则层B的相对权重为：w)=(al.w.,)准则层B对措施层P的n个方案的相对权重为：(2)2）(2)(2)(l=1,2,k)人n措施层的各个方案对目标层的权重可以按表3进行计算。表3计算组合权重B,B.Bk(1).,(1).wk(1)组合权重(2)(2)(1)1(2)(2)（2)(2)P1WikP2(2)（2)(2)W21022W2k(2)(1)(2)KP,之(2)(2)(2)Wn(2)(1)(2)WnkW,nj=1通过计算检验指标CI和RI,验证各层次排序结果是否一致。当CR=%=210/C0.10时，认为该层次总排RI=2/1wjR.j序结果具有满意一致性。2.2基于层次分析法的驾驶员驾驶倾向性模型驾驶倾向性反应了驾驶员内在的心理决策倾向，可通过问卷调查得到其各影响因素之间的两两判别矩阵及在各种因素影响下的驾驶员驾驶倾向性。根据驾驶倾向性影响因素，可以得到驾驶倾向性层次结构图，如图1所示目标层A确定驾驶倾向性A约束层B驾驶员特性BI车辆特性B2其他因素B期驾驶技能车车交通任务缓急道路条年性辆辆子约束层C龄别类性情速CC型能况扰C件CCCC7CCCio半年以下半三低速中年至三老年中一年以上子约束层D速年青年男女大车中车小车良好差良 差优缓急好中差DD2DD7DsD,DioDDi6好Di8D22D233D24D2sD26Di2DiDi4DisD17D4年DD20D2Ds准则层E利益准则E安全准则E子准则层F舒适F般F不舒适安全F般F不安全F方案层G内倾G中倾G2外倾G3图1驾驶倾向性层次结构图根据图1得到的层次结构，应用AHP确定驾驶员驾驶倾向性。具体步骤如下：根据驾驶倾向性层次结构图构造判别矩阵，由驾驶倾向性判别矩阵计算相对权重，见表4。总第19 6 期51宋以庆：基于层次分驶驾驶倾向性研究表4约束层B对目标层A的判别矩阵及相对权重A-BAB,B2B;(Aw);Bi121/21.0000.2960.893B21/211/30.5500.1610.492B,2311.8170.5431.623对各个权重进行一致性检验：入max0.8930.4921.623:3.02130.2960.1610.543max一n3.021-3C.I0.010n-13-1C.10.010C.R0.0170.10R.10.58通过计算求解，检验指标在范围内，判别矩阵符合要求。约束层B各因素相对于目标层A的权重为w(1)=（0.2 96,0.16 1,0.543），这说明在驾驶倾向性的影响因素中,其他因素最为重要,驾驶员特性次之,车辆特性最小。表5子约束层C对约束层B的判别矩阵及相对权重B1-CiB,CiC2C3C4(Aw);Ci11/2241.4130.2861.148C221352.3410.4711.868C31/21/3130.8420.1670.686C41/41/51/310.3580.0750.295对约束层各因素的权重（表5)进行一致性检验：11.1481.8680.6860.295=4.005max40.2860.4710.1670.075入maxn4.005-4一C.I:0.002n-14-1C.I0.002C.R0.0020.10R.10.96通过计算求解，检验指标在范围内，判别矩阵符合要求。子约束层C相对于约束层B的权重为Wi(2)=(0.286,0.471,0.167,0.075），这说明在驾驶员特性的所有影响因素中,驾驶技能最为重要，期望车速次之,再次为年龄，性别因素最低。同样，可以通过计算得到子约束层C相对于约束层B2、B的权重分别为W2(2)=(0.200,0.800）、W3(2）=(0.472,0.073,0.168,0.287)。通过以上求解所得到的约束层B对目标层A的权重以及子约束层C相对于约束层B的权重,求得子约束层C对目标层A的组合权重，见表6。对组合权重进行一致性检验：CI0.2960.002+0.542 0.002CR=0.003 SRI折算交通量 RDI货车率。建议在事故多发路段、特殊线形路段，加强重中型货车靠右行驶监管力度，减少客货混行引发的交通冲突与通行干扰；优先筛选路面抗滑指数SRI、路面车辙指数RDI不足或偏低的路段，并及时采取相关养护措施进行纠偏；长大纵坡、急弯陡坡路段可根据需要设置纵向或横向减速标线，并与交通标志配合设置。参考文献1张天培.我国机动车保有量4.0 8 亿辆 N.人民日报，2 0 2 2-0 8-1 2（0 0 1)2乔枫.道路运输事故隐患及其分级模型 J.内蒙古公路与运输，2 0 2 1(03):57-59.3陈金梅.基于安全性的山区高速公路线形设计研究 .西部交通科技，2021,167(6):80-82,91.4苏晓智，刘维维，张江洪，等.基于关联规则的高速公路纵面线形事故风险概率研究 J.公路交通科技，2 0 2 1,38（9)：1-8.5熊艳，王曼君.道路线形因素对交通安全的影响分析 .交通世界，2021,570(12):76-77.6金昊男，李自豪,赵亮.基于CIS的章丘区公路交通事故风险诱因分析 J山东交通学院学报，2 0 2 2，30（3）：30-39.7叶飞，张冬梅，郭宝义.基于神经网络的交通事故严重程度影响因素研究 J.山东交通学院学报，2 0 1 3,2 1(2)：2 9-34.8冯岩.基于神经网络的地铁隧道健康监测研究 D.辽宁：沈阳建筑大学,2 0 0 9.9杨奎河，王宝树，赵玲玲.基于神经网络的预测模型中输入变量的选择 J.计算机科学，2 0 0 3(0 8)：1 39-1 40 1 43.10韦修喜，周永权.基于ROC曲线的两类分类问题性能评估方法 J计算机技术与发展，2 0 1 0，2 0(1 1)：47-5 0.11周志华.机器学习 M.北京：清华大学出版社，2 0 1 6.12山西省公安厅交警总队.转思路强基础抓重点求突破不断强化公路行车秩序管理 J.汽车与安全，2 0 1 9（0 8）：1 6-1 7.11周和平，曾勇，鞠涛.部队公路机动通行能力求解方法及模型研究 军事交通学院学报，2 0 0 8，1 0（5)：32-36.12李书涛.决策支持系统原理与技术 M.北京：北京理工大学出版社，1996.13张彩江,沈岐平.基于层次分析（AHP)的深层软基处理方案优化选择研究：一个案例 J.系统工程，2 0 0 9,2 4(9)：1 2 1-1 2 5.