CN110705852A - 一种基于层次分析法的车辆风险评估方法 - Google Patents
一种基于层次分析法的车辆风险评估方法 Download PDFInfo
- Publication number
- CN110705852A CN110705852A CN201910888752.9A CN201910888752A CN110705852A CN 110705852 A CN110705852 A CN 110705852A CN 201910888752 A CN201910888752 A CN 201910888752A CN 110705852 A CN110705852 A CN 110705852A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- evaluation index
- risk
- calculating
- consistency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000008569 process Effects 0.000 title claims abstract description 29
- 238000012502 risk assessment Methods 0.000 title claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 92
- 239000013598 vector Substances 0.000 claims abstract description 42
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 63
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000007613 environmental effect Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 10
- 206010039203 Road traffic accident Diseases 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000006378 damage Effects 0.000 description 9
- 208000027418 Wounds and injury Diseases 0.000 description 8
- 208000014674 injury Diseases 0.000 description 8
- 238000012550 audit Methods 0.000 description 7
- 230000034994 death Effects 0.000 description 5
- 231100000517 death Toxicity 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 102100040160 Rabankyrin-5 Human genes 0.000 description 1
- 101710086049 Rabankyrin-5 Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于层次分析法的车辆风险评估方法,可解决交通现状机动车很难管控,安全风险较高的技术问题。包括以下步骤:分析车辆基本数据信息制定车辆风险评价指标;根据车辆评价指标获取待评价车辆数据;对获取到的待评价车辆数据进行数据预处理;利用层次分析法计算车辆风险评价指标的权重向量;基于的车辆风险评价指标的权重向量和处理后的待评价车辆数据,进行计算得到车辆风险积分;根据车辆风险积分对车辆风险进行评估。本发明通过层次分析在风险评估中的应用,对风险评估过程中出现的各种风险因素、指标进行分析,建立风险评估积分模型,辅助交通部门对交通现状进行分析,进而采取合理的措施进行管控,提高安全系数。
Description
技术领域
本发明涉及车辆交通安全技术领域,具体涉及一种基于层次分析法的车辆风险评估方法。
背景技术
一直以来,机动车作为交通管理的主要对象都受到了交通管理者的重点管控,但由于机动车数量的剧增,交管部门有限的警力资源己经无法对其进行全方位的严格管控,致使各类交通违法和乱象层出不穷。给人们的交通出行安全带来极大的隐患。结合交通警务管理实战的需求,建立机动车管控体系,实现警务实战的高效精准管理。
根据车辆档案信息、历史违法信息、交通事故信息等相关信息建立风险评估积分模型,积分越低车辆风险越高,交通管理者对风险高的车辆越需要严加管控。
发明内容
本发明提出的一种基于层次分析法的车辆风险评估方法,可解决交通现状机动车很难管控,安全风险较高的技术问题。
为实现上述目的,本发明采用了以下技术方案:
一种基于层次分析法的车辆风险评估方法,包括以下步骤:
S100、分析车辆基本数据信息制定车辆风险评价指标;
S200、根据车辆评价指标获取待评价车辆数据;
S300、对获取到的待评价车辆数据进行数据预处理;
S400、利用层次分析法计算车辆风险评价指标的权重向量;
S500、基于步骤S400的车辆风险评价指标的权重向量和步骤S300处理后的待评价车辆数据,进行计算得到车辆风险积分;
S600、根据车辆风险积分对车辆风险进行评估。
进一步的,所述S400、利用层次分析法计算车辆风险评价指标的权重向量;包括:
S401、构建车辆评价指标判断矩阵;
S402、计算车辆评价指标的权重向量;
S403、对车辆评价指标判断矩阵进行一致性检验。
进一步的,所述S402、计算车辆评价指标的权重向量;具体包括:
S4021、对车辆评价指标判断矩阵各列进行求和;
S4022、对车辆评价指标判断矩阵每一列进行归一化处理;
公式如下:其中∑Aij的值为各列的和,Bij:新的矩阵对应位置上的数值,Aij:原矩阵对应位置上的数值;
S4023、对车辆评价指标判断矩阵每一行进行求和,即得出特征向量;
S4024、计算车辆评价指标的权重;
进一步的,所述S403对车辆评价指标判断矩阵进行一致性检验;
具体包括:
S4031、计算车辆评价指标判断矩阵最大特征根;
S4032、计算车辆评价指标判断矩阵的一致性;
定义一致性指标CI:一致性指标,λmax:最大特征根,n:特征个数;
CI=0,有完全的一致性;
CI接近于0,有满意的一致性;
CI越大,不一致越严重;
S4033、计算一致性比例;
CR=CI/RI;
当CR<0.1时,认为车辆评价指标判断矩阵的不一致程度在容许范围之内,有满意的一致性,通过一致性检验;
当CR>=0.1时修改车辆评价指标判断矩阵直到通过检验为止。
进一步的,基于步骤S400的车辆风险评价指标的权重向量和步骤S300处理后的待评价车辆数据,进行计算得到车辆风险积分;
其中,车辆积分计算包括若车辆已报废,分值为0,若车辆未报废,则积分是每个车辆风险评价指标特征的分值减去每个特征对应的权重值之后的总和。
进一步的,所述S100中的车辆风险评价指标包括违法、事故、车辆类型、是否报废、车龄、环保等级、使用性质。
进一步的,所述步骤S100中车辆基本数据信息包括车辆档案信息、车辆历史违法信息、车辆交通事故信息。
另一方面,本发明还公开一种基于层次分析法的车辆风险评估系统,包括以下模块:
数据获取单元,用于根据所需车辆评价指标获取待评价车辆数据;
数据处理单元,对数据获取单元获取的数据进行数据预处理,将特征数据规范化;
计算单元,用于利用层次分析法计算车辆评价指标的权重向量;
车辆风险评估单元,用于对计算单元计算得到的车辆评价指标的权重向量和数据处理单元处理后的待评价车辆数据进行计算得到车辆风险积分,并根据积分对车辆风险进行评估。
进一步的,所述计算单元的计算步骤包括:
构建车辆评价指标判断矩阵;
计算车辆评价指标的权重向量;
对车辆评价指标判断矩阵进行一致性检验。
进一步的,所述车辆风险评估单元,其中车辆积分计算包括若车辆已报废,分值为0,若车辆未报废,则积分是每个车辆风险评价指标特征的分值减去每个特征权重值之后的总和。
由上述技术方案可知,本发明的基于层次分析法的车辆风险评估方法具有以下有益效果:
本发明所述的基于层次分析法的车辆风险评估方法,根据车辆违法情况和违法频率情况,制定相应的车辆积分评估模型,依托交通信息情报大数据中心库中车辆的基本档案信息、历史违法信息、交通事故信息等相关信息,机动车积分越低越危险。
本发明通过层次分析在风险评估中的应用,对风险评估过程中出现的各种风险因素、指标进行分析,建立风险评估积分模型,辅助交通部门对交通现状进行分析,进而采取合理的措施进行管控,提高安全系数。
附图说明
图1是本发明的方法流程示意图;
图2是本发明实施例的一般车辆积分示意图;
图3是本发明的重点车辆积分示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
根据对业务的梳理,重点车辆包括大型公路客车、大型旅游客车、危险货物运输车、重型货车、重型挂车、“营转非”大客车、校车、农村面包车。这些车需要受到重点关注,评估的标准不同,因此本实施例将模型分为重点车辆模型和一般车辆模型。
如图1所示,本实施例的基于层次分析法的车辆风险评估方法包括以下步骤:
S100、分析车辆基本数据信息制定车辆风险评价指标;
S200、根据车辆评价指标获取待评价车辆数据;
S300、对获取到的待评价车辆数据进行数据预处理;
S400、利用层次分析法计算车辆风险评价指标的权重向量;
S500、基于步骤S400的车辆风险评价指标的权重向量和步骤S300处理后的待评价车辆数据,进行计算得到车辆风险积分;
S600、根据车辆风险积分对车辆风险进行评估。
其中,S100可解释为根据车辆档案信息、历史违法信息、交通事故信息制定相应的车辆风险评估积分模型;经过专家讨论意见得到多个评价指标生成评价指标:违法、事故、车辆类型、是否报废、车龄、环保等级、使用性质。设定不同评估标准,将模型分为重点车辆风险评估积分模型和一般车辆风险评估积分模型;并通过分析、细化,得到重点车辆评价指标和一般车辆评价指标。
步骤S200到S600可解释为:利用层次分析法计算重点车辆和一般车辆评价指标的权重向量,根据车辆评价指标获取待评价车辆数据并进行数据处理,通过构造判断矩阵、计算特征根和一致性检验以及数据归一化处理建立合理的权重向量;根据所需车辆评价指标数据获取所需数据进行数据预处理;最后根据权重向量计算车辆风险积分。
以下是本发明实施例的具体实施步骤:
其中,车辆基本数据包括以下:
车辆基本信息表
从车辆信息表中取得“XH”、“HPHM”、“HPZL”、“CLLX”、“SYXZ”、“CCDJRQ”、“YXQZ”、“QZBFQZ”、“BXZZRQ”、“HBDBQK”对应的“序号”、“号牌号码”、“号牌种类”、“车辆类型”、“使用性质”、“初次登记日期”、“检验有效期止”、“强制报废期止”、“保险终止日期”、“环保达标情况”。取得的车辆信息表数据为593888条。
违法信息表
从违法信息表中取“JSZH”、“WFSJ”、“WFJFS”、“ZNJ”对应“驾驶证号”、“违法时间”、“违法计分数”、“滞纳金”。
事故信息表
事故信息表数据由事故人员信息表和事故表关联事故编号得到。取事故人员信息表中的“SFZMHM”、“SGZR”和事故表中的“SSRS”、“SWRS30”、“ZJCCSS”对应的是“身份证号码”、“事故责任”、“受伤人数”、“死亡人数”、“直接财产损失”。
数据处理:
车辆类型
一般车辆车辆类型:通过“cllx”字段处理。
处理方法如下:
第一个字符 | 表示车辆 | 判断规则 |
B | 半挂车 | 大车 |
D | 电车 | 小车 |
G | 挂车 | 大车 |
H | 货车 | 第二个字符1、2为大车,3、4、5为小车 |
J | 挖掘机 | 大车 |
K | 客车轿车 | 第二个字符1、2大车,3、4小车 |
M | 摩托车 | |
N | 三轮汽车 | 小车 |
Q | 牵引车 | 大车 |
T | 拖拉机 | 第二个字符1大车,2小车 |
X | 其他 | |
Z | 专业作业车 | 第二个字符1、2、5大车,4、7小车 |
最后将车辆类型分为大车、小车、摩托车、其他四种。
重点车辆车辆类型:由于重点车辆基本都是大车或者重型车辆,因此不按车辆类型分。
使用性质
重点车辆是由“SYXZ”、“HPZL”、“CLLX”确定,筛选出大型公路客车、大型旅游客车、危险货物运输车、重型货车、重型挂车、“营转非”大客车、校车。
一般车辆:是重点车辆以外的车辆,根据数据字典将使用性质分为客车、货车、其他(不在以上范围内以及未登记的)三种。
重点车辆:根据使用性质分为客车、校车、危化品车辆、货车、挂车五种。
车龄
车龄:由“CCDJRQ”确定,计算当前时间和初次登记日期的时间差。
是否年审逾期
由“YXQZ”确定,将检验期止和当前时间进行比较,若晚于当前时间则在检验有效期内,否则在有效期外。
是否报废
由“QZBFQZ”确定,将强制报废期止和当前时间进行比较,若晚于当前时间则未报废,否则已报废。
是否保险逾期
由“BXZZRQ”确定,将保险终止日期和当前时间进行比较,若晚于当前时间则在保险有效期内,否则在有效期外。
车辆环保情况
由“HBDBQK”确定,由于环保达标情况登记时数据不规范,出现空值、字符不一致(例如有的登记的是“,”,有的是“,”,还有“、”和空格的情况)、中英文字符混合、登记信息不全无法判断是属于哪一种环保等级。经过对字符串进行清洗,最终将环保等级分为国一、国二、国三、国四、国五、登记信息不全或未登记六种。
违法
由于违法行为种类太多,不方便数据分析,而违法计分数能体现出违法行为的严重程度,所以这里取了违法计分数字段。为了方便统计车辆的“WFJFS”对应的次数,这里将违法信息表进行变换,最后变成:
WF_0:扣0分的次数
WF_1:扣1分的次数
WF_2:扣2分的次数
WF_3:扣3分的次数
WF_6:扣6分的次数
WF_12:扣12分的次数
事故
事故按损害后果分,根据死亡事故、伤人事故、财产损失事故的判断规则计算。
死亡事故是指仅有人员死亡或者既有人员死亡又有人员受伤和财产损失的交通事故。
伤人事故是指仅有人员受伤或者既有人员受伤又有财产损失的交通事故。
财产损失事故是指仅有财产损失的交通事故。
最后计算变换得到表
SWSG_1:死亡事故-全部责任次数
SWSG_2:死亡事故-主要责任次数
SWSG_3:死亡事故-同等责任次数
SWSG_4:死亡事故-次要责任次数
SWSG_5:死亡事故-无责次数
SWSG_6:死亡事故-无法认定次数
SRSG_1:伤人事故-全部责任次数
SRSG_2:伤人事故-主要责任次数
SRSG_3:伤人事故-同等责任次数
SRSG_4:伤人事故-次要责任次数
SRSG_5:伤人事故-无责次数
SRSG_6:伤人事故-无法认定次数
CCSG_1:财产损失事故-全部责任次数
CCSG_2:财产损失事故-主要责任次数
CCSG_3:财产损失事故-同等责任次数
CCSG_4:财产损失事故-次要责任次数
CCSG_5:财产损失事故-无责次数
CCSG_6:财产损失事故-无法认定次数。
数据归一化
数据one_hot编码
类别特征车辆类型、使用性质、环保情况等无法直接进行积分计算,这种情况需要对离散特征进行编码处理,因此采用one_hot编码得到01特征。
以车辆类型为例,车辆类型由大汽车、小汽车、摩托车、其他车四种。若某辆车是大汽车,那么它对应的编码是1000,详细见下表。
车辆类型 | 大汽车 | 小汽车 | 摩托车 | 其他车 |
大汽车 | 1 | 0 | 0 | 0 |
小汽车 | 0 | 1 | 0 | 0 |
摩托车 | 0 | 0 | 1 | 0 |
其他车 | 0 | 0 | 0 | 1 |
同样,其他类别特征也是这样处理。
模型构建
车辆评估可以从车辆类型,使用性质,车龄,年审预期,是否报废、是否保险逾期、车辆环保情况、违法、事故九个大的方面来衡量。
由专家知识可知,若车辆已报废则车辆为高危车辆,因此这个模型只需要评估剩下八大方面。
这八个大的方面有的又由若干个小指标构成。在做评价时,这些因素的重要性,影响力或优先程度往往难以量化,人的主观选择会起着相当大的作用。为解决此问题,采用了层次分析法,可以定性与定量相结合、系统化、层次化的进行分析。
通过分析、细化,得到车辆评价指标框架。
一般车辆评价指标:
重点车辆评价指标:
层次分析法求解步骤:
构建判断矩阵
层次分析法中构造判断矩阵的方法是一致矩阵法,即:不把所有因素放在一起比较,而是两两相互比较;对此时采用相对尺度,以尽可能减少性质不同因素相互比较的困难,以提高准确度。
判断矩阵aij的标度方法如下:
对判断矩阵进行一致性检验:
在对多个元素进行比较时,人们的判断难以保持完全一致性。为了使对影响因素重要性的比较具有逻辑的一致性,要进行一致性检验。对于每一个判断矩阵计算一致性比例,若一致性比例小于0.1,则检验通过;若不通过,需重新构造判断矩阵。
1)、一致性指标
CI=0,有完全的一致性;
CI接近于0,有满意的一致性;
CI越大,不一致越严重。
2)、查找相应的平均随机一致性指标RI
为了衡量CI的大小,引入随机一致性指标RI
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 |
RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 | 1.51 |
3)、计算一致性比例
CR=CI/RI
当CR<0.1时,认为判断矩阵的不一致程度在容许范围之内,有满意的一致性,通过一致性检验。当CR>=0.1时应修改判断矩阵直到通过检验为止。
求解过程
计算一般车辆评价目标判断矩阵:
判断矩阵如下:
事故 | 违法 | 车辆类型 | 使用性质 | 年审逾期 | 车龄 | 保险逾期 | 环保等级 | |
事故 | 1 | 5 | 7 | 7 | 7 | 8 | 9 | 9 |
违法 | 1/5 | 1 | 3 | 3 | 3 | 4 | 5 | 5 |
车辆类型 | 1/7 | 1/3 | 1 | 1 | 1 | 2 | 3 | 3 |
使用性质 | 1/7 | 1/3 | 1 | 1 | 1 | 2 | 3 | 3 |
年审逾期 | 1/7 | 1/3 | 1 | 1 | 1 | 2 | 3 | 3 |
车龄 | 1/8 | 1/4 | 1/2 | 1/2 | 1/2 | 1 | 2 | 2 |
保险逾期 | 1/9 | 1/5 | 1/3 | 1/3 | 1/3 | 1/2 | 1 | 1 |
环保等级 | 1/9 | 1/5 | 1/3 | 1/3 | 1/3 | 1/2 | 1 | 1 |
对矩阵各列进行求和
事故 | 违法 | 车辆类型 | 使用性质 | 年审逾期 | 车龄 | 保险逾期 | 环保等级 | |
事故 | 1 | 5 | 7 | 7 | 7 | 8 | 9 | 9 |
违法 | 1/5 | 1 | 3 | 3 | 3 | 4 | 5 | 5 |
车辆类型 | 1/7 | 1/3 | 1 | 1 | 1 | 2 | 3 | 3 |
使用性质 | 1/7 | 1/3 | 1 | 1 | 1 | 2 | 3 | 3 |
年审逾期 | 1/7 | 1/3 | 1 | 1 | 1 | 2 | 3 | 3 |
车龄 | 1/8 | 1/4 | 1/2 | 1/2 | 1/2 | 1 | 2 | 2 |
保险逾期 | 1/9 | 1/5 | 1/3 | 1/3 | 1/3 | 1/2 | 1 | 1 |
环保等级 | 1/9 | 1/5 | 1/3 | 1/3 | 1/3 | 1/2 | 1 | 1 |
sum | 1.976 | 7.650 | 14.167 | 14.167 | 14.167 | 20.000 | 27.000 | 27.000 |
对每一列进行归一化处理
公式如下:
其中∑Aij的值为各列的和,得到一个新的矩阵(可以看出,每列的和为1)。
事故 | 违法 | 车辆类型 | 使用性质 | 年审逾期 | 车龄 | 保险逾期 | 环保等级 | |
事故 | 0.506 | 0.654 | 0.494 | 0.494 | 0.494 | 0.400 | 0.333 | 0.333 |
违法 | 0.101 | 0.131 | 0.212 | 0.212 | 0.212 | 0.200 | 0.185 | 0.185 |
车辆类型 | 0.072 | 0.044 | 0.071 | 0.071 | 0.071 | 0.100 | 0.111 | 0.111 |
使用性质 | 0.072 | 0.044 | 0.071 | 0.071 | 0.071 | 0.100 | 0.111 | 0.111 |
年审逾期 | 0.072 | 0.044 | 0.071 | 0.071 | 0.071 | 0.100 | 0.111 | 0.111 |
车龄 | 0.063 | 0.033 | 0.035 | 0.035 | 0.035 | 0.050 | 0.074 | 0.074 |
保险逾期 | 0.056 | 0.026 | 0.024 | 0.024 | 0.024 | 0.025 | 0.037 | 0.037 |
环保等级 | 0.056 | 0.026 | 0.024 | 0.024 | 0.024 | 0.025 | 0.037 | 0.037 |
sum | 1.000 | 1.000 | 1.000 | 1.000 | 1.000 | 1.000 | 1.000 | 1.000 |
对每一行进行求和,即得出特征向量
计算指标的权重
计算公式:
得到指标的权重W:
得到权重后,我们需要对其进行检验,检验矩阵的一致性。
矩阵的一致性检验
一致性的概念是我们在对比几个指标的时候,需要对指标进行两两比较,如果得出一个结果:A>B,B>C,我们必须得出A>C,反之则一致性不成立。更精细点,如果:A比B重要值为3,B比C重要值也为3,那么A与B比较,值应该为6,但是如果最终不是6,是5,或者7之类,也会在某种程度上影响一致性。
1)计算矩阵最大特征根
计算公式:
计算结果为λmax=8.225。
2)计算判断矩阵的一致性
计算结果为CI=(8.225-8)/7=0.032
3)计算一致性比例
5阶RI=1.12
CR=0.032/1.41=0.0227<0.1,通过一致性检验。
其他权重
上面是对一般车辆一级指标权重的计算,分解后的二级指标的计算方法是一样的,重点车辆计算方式也是一样。就不一一列出了。
积分计算
设置总分为100分,经过权重计算,四舍五入,模块分值分配如下:
一般车辆:如图2所示;
重点车辆:如图3所示;
车辆积分计算规则:是否报废作为最原始判断规则,若车辆已报废,分值为0。若车辆未报废,则积分是每个模块的分值减去每个特征权重值之后的总和。60分以下为高危,60-70中危,70以上高危。
另一方面本实施例还公开一种基于层次分析法的车辆风险评估系统,包括以下模块:
数据获取单元,用于根据所需车辆评价指标数据获取待评价车辆数据;
数据处理单元,对数据获取单元获取的数据进行数据预处理,将特征数据规范化;
计算单元,用于利用层次分析法计算车辆评价指标的权重向量;
车辆风险评估单元,用于对计算单元计算得到的车辆评价指标的权重向量和数据处理单元处理后的待评价车辆数据进行计算得到车辆风险积分,并根据积分对车辆风险进行评估。
所述计算单元的计算步骤包括:
构建车辆评价指标判断矩阵;
计算车辆评价指标的权重向量;
对车辆评价指标判断矩阵进行一致性检验。
其中,所述计算车辆评价指标的权重向量;具体包括:
对车辆评价指标判断矩阵各列进行求和;
对车辆评价指标判断矩阵每一列进行归一化处理;
对车辆评价指标判断矩阵每一行进行求和,即得出特征向量;
计算车辆评价指标的权重;
进一步的,所述对车辆评价指标判断矩阵进行一致性检验;具体包括:
计算车辆评价指标判断矩阵最大特征根;
计算车辆评价指标判断矩阵的一致性;
CI=0,有完全的一致性;
CI接近于0,有满意的一致性;
CI越大,不一致越严重;
计算一致性比例;
CR=CI/RI;
当CR<0.1时,认为车辆评价指标判断矩阵的不一致程度在容许范围之内,有满意的一致性,通过一致性检验;
当CR>=0.1时修改车辆评价指标判断矩阵直到通过检验为止。
同时,所述车辆风险评估单元,其中车辆积分计算是把车辆否报废作为最原始判断规则,若车辆已报废,分值为0,若车辆未报废,则积分是每个模块的分值减去每个特征权重值之后的总和。
需要说明的是,本发明实施例提供的基于层次分析法的车辆风险评估系统与上述评估方法相对应,上述方法的实施细节同样适用于上述系统,本发明实施例不再对上述系统进行详细说明。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种基于层次分析法的车辆风险评估方法,其特征在于:包括以下步骤:
S100、分析车辆基本数据信息制定车辆风险评价指标;
S200、根据车辆评价指标获取待评价车辆数据;
S300、对获取到的待评价车辆数据进行数据预处理;
S400、利用层次分析法计算车辆风险评价指标的权重向量;
S500、基于步骤S400的车辆风险评价指标的权重向量和步骤S300处理后的待评价车辆数据,进行计算得到车辆风险积分;
S600、根据车辆风险积分对车辆风险进行评估。
2.根据权利要求1所述的基于层次分析法的车辆风险评估方法,其特征在于:所述S400、利用层次分析法计算车辆风险评价指标的权重向量;包括:
S401、构建车辆评价指标判断矩阵;
S402、计算车辆评价指标的权重向量;
S403、对车辆评价指标判断矩阵进行一致性检验。
4.根据权利要求2所述的基于层次分析法的车辆风险评估方法,其特征在于:所述S403对车辆评价指标判断矩阵进行一致性检验;具体包括:
S4031、计算车辆评价指标判断矩阵最大特征根;
S4032、计算车辆评价指标判断矩阵的一致性;
定义一致性指标CI:一致性指标,λmax:最大特征根,n:特征个数;
CI=0,有完全的一致性;
CI接近于0,有满意的一致性;
CI越大,不一致越严重;
S4033、计算一致性比例;
CR=CI/RI;
当CR<0.1时,认为车辆评价指标判断矩阵的不一致程度在容许范围之内,有满意的一致性,通过一致性检验;
当CR>=0.1时修改车辆评价指标判断矩阵直到通过检验为止。
5.根据权利要求1所述的基于层次分析法的车辆风险评估方法,其特征在于:基于步骤S400的车辆风险评价指标的权重向量和步骤S300处理后的待评价车辆数据,进行计算得到车辆风险积分;
其中,车辆积分计算包括若车辆已报废,分值为0,若车辆未报废,则积分是每个车辆风险评价指标特征的分值减去每个特征对应的权重值之后的总和。
6.根据权利要求1所述的基于层次分析法的车辆风险评估方法,其特征在于:所述S100中的车辆风险评价指标包括违法、事故、车辆类型、是否报废、车龄、环保等级、使用性质。
7.根据权利要求1所述的基于层次分析法的车辆风险评估方法,其特征在于:所述步骤S100中车辆基本数据信息包括车辆档案信息、车辆历史违法信息、车辆交通事故信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910888752.9A CN110705852A (zh) | 2019-09-19 | 2019-09-19 | 一种基于层次分析法的车辆风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910888752.9A CN110705852A (zh) | 2019-09-19 | 2019-09-19 | 一种基于层次分析法的车辆风险评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110705852A true CN110705852A (zh) | 2020-01-17 |
Family
ID=69194990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910888752.9A Pending CN110705852A (zh) | 2019-09-19 | 2019-09-19 | 一种基于层次分析法的车辆风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110705852A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308463A (zh) * | 2020-11-23 | 2021-02-02 | 国网北京市电力公司 | 基于电网约束条件的评价方法、装置、存储介质及处理器 |
CN112686499A (zh) * | 2020-12-14 | 2021-04-20 | 中国汽车技术研究中心有限公司 | 车辆信息安全水平评价方法及装置、电子设备、介质 |
CN113762896A (zh) * | 2021-09-14 | 2021-12-07 | 福建三钢闽光股份有限公司 | 一种基于层次分析法的物流园车辆动态排队方法 |
CN114219300A (zh) * | 2021-12-16 | 2022-03-22 | 重庆中信科信息技术有限公司 | 基于重点车辆的危险系数分析方法及装置 |
-
2019
- 2019-09-19 CN CN201910888752.9A patent/CN110705852A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308463A (zh) * | 2020-11-23 | 2021-02-02 | 国网北京市电力公司 | 基于电网约束条件的评价方法、装置、存储介质及处理器 |
CN112686499A (zh) * | 2020-12-14 | 2021-04-20 | 中国汽车技术研究中心有限公司 | 车辆信息安全水平评价方法及装置、电子设备、介质 |
CN113762896A (zh) * | 2021-09-14 | 2021-12-07 | 福建三钢闽光股份有限公司 | 一种基于层次分析法的物流园车辆动态排队方法 |
CN114219300A (zh) * | 2021-12-16 | 2022-03-22 | 重庆中信科信息技术有限公司 | 基于重点车辆的危险系数分析方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110705852A (zh) | 一种基于层次分析法的车辆风险评估方法 | |
CN110826848A (zh) | 基于层次分析法的驾驶人风险评估方法 | |
CN110570655B (zh) | 基于层次聚类和决策树的车辆特征评估方法 | |
CN110796859A (zh) | 基于交通流的实时交通状态辨识及事故风险预警方法 | |
Wong et al. | Rough set approach for accident chains exploration | |
CN110929224A (zh) | 基于公交行车安全的安全指标体系创建方法 | |
CN110705850A (zh) | 一种基于层次分析法的道路风险评估方法 | |
CN110598734B (zh) | 基于卷积神经网络和支持向量域描述的驾驶员身份认证方法 | |
Yuan et al. | Analysis of the risk factors affecting the size of fatal accidents involving trucks based on the structural equation model | |
Liu et al. | Predicting interstate motor carrier crash rate level using classification models | |
Peck et al. | Failure rates and data driven policies for vehicle safety inspections in Pennsylvania | |
CN112330188A (zh) | 一种企业车辆管理方法和系统 | |
CN116153063A (zh) | 一种交通安全隐患预警方法及系统 | |
Chen et al. | The impact of truck proportion on traffic safety using surrogate safety measures in China | |
Buyvol et al. | Increase in the efficiency of the operation of vehicle inspection companies | |
Aleksandrowicz | Verification of motor vehicle post accident insurance claims | |
Aulin et al. | Comprehensive assessment of technical condition of vehicles during operation based on Harrington’s desirability function | |
Xiaorui et al. | Analysis on the Trends and Characteristics of Vehicle Recalls in the United States | |
Malik et al. | Enhancing transportation safety: An integrated approach using FLFS and OSNCA for advanced driving behavior analysis | |
Benavente et al. | Case study assessment of crash data challenges: Linking databases for analysis of injury specifics and crash compatibility issues | |
CN111833195A (zh) | 一种面向车险信息化系统的智能赔付率方法 | |
Newstead et al. | Trends in the safety of the New Zealand vehicle fleet: 1964 to 2021. Supplement to MUARC Report 367-vehicle safety ratings estimated from police-reported crash data: 2023 update. Monash University | |
Hoxha et al. | Developing a new model for assessment of heavy vehicle-pedestrian collisions | |
Newstead et al. | Trends in aggressivity of the Australian light vehicle fleet by year of manufacture and market group: 1964 to 2000 | |
Araiza Iturria et al. | A Consolidated Database of Police-Reported Motor Vehicle Traffic Accidents in the United States for Actuarial Applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200117 |
|
RJ01 | Rejection of invention patent application after publication |