CN110826848A - 基于层次分析法的驾驶人风险评估方法 - Google Patents
基于层次分析法的驾驶人风险评估方法 Download PDFInfo
- Publication number
- CN110826848A CN110826848A CN201910888734.0A CN201910888734A CN110826848A CN 110826848 A CN110826848 A CN 110826848A CN 201910888734 A CN201910888734 A CN 201910888734A CN 110826848 A CN110826848 A CN 110826848A
- Authority
- CN
- China
- Prior art keywords
- driver
- evaluation index
- risk
- calculating
- hierarchy process
- 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 65
- 238000012502 risk assessment Methods 0.000 title claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 71
- 239000011159 matrix material Substances 0.000 claims abstract description 49
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 15
- 238000012360 testing method Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000010606 normalization Methods 0.000 claims abstract description 5
- 241000700605 Viruses Species 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 15
- 238000004458 analytical method Methods 0.000 abstract description 7
- 230000006378 damage Effects 0.000 description 9
- 208000027418 Wounds and injury Diseases 0.000 description 8
- 208000014674 injury Diseases 0.000 description 8
- 230000034994 death Effects 0.000 description 5
- 231100000517 death Toxicity 0.000 description 5
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 108010076282 Factor IX Proteins 0.000 description 1
- 108010023321 Factor VII Proteins 0.000 description 1
- 102100040160 Rabankyrin-5 Human genes 0.000 description 1
- 101710086049 Rabankyrin-5 Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (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驾驶人风险评估方法，可解决现有交通负荷较大，很难对驾驶人进行全方位管控的技术问题。包括根据驾驶人的基本档案信息、历史违法信息、交通事故信息等相关信息，制定相应的驾驶人积分研判模型的分析指标；通过分析得到驾驶人评估指标框架；利用层次分析法计算驾驶人评价指标的权重向量，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；通过获取所需数据进行数据预处理；最后根据权重计算机动车驾驶人风险积分。本发明将驾驶人按照积分模型进行积分计算和统计，为道路驾驶人风险等级管理提供数据支撑，便于交通部门根据交通现状对驾驶人进行管控，采取相应的措施，降低交通安全隐患。
Description
技术领域
本发明涉及交通安全技术领域，具体涉及一种基于层次分析法的驾驶人风险评估方法。
背景技术
一直以来，驾驶人作为交通管理的主要对象受到了交通管理者的重点管控，但由于驾驶人数量的剧增，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。
发明内容
本发明提出的一种基于层次分析法的驾驶人风险评估方法，可解决现有交通负荷较大，很难对驾驶人进行全方位管控的技术问题。
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驾驶人风险评估方法，包括以下步骤：
S100、分析驾驶人信息制定驾驶人风险评价指标；
S200、根据驾驶人评价指标获取待评价驾驶人基本数据；
S300、对获取到的待评价驾驶人基本数据进行数据预处理；
S400、利用层次分析法计算驾驶人风险评价指标的权重向量；
S500、基于步骤S400的驾驶人风险评价指标的权重向量和步骤 S300处理后的驾驶人数据，进行计算得到驾驶人风险积分；
S600、根据驾驶人风险积分对驾驶人风险进行评估。
进一步的，所述S400、利用层次分析法计算驾驶人风险评价指标的权重向量；包括：
S401、构建驾驶人评价指标判断矩阵；
S402、计算驾驶人评价指标的权重向量；
S403、对驾驶人评价指标判断矩阵进行一致性检验。
进一步的，所述S402、计算驾驶人评价指标的权重向量；具体包括：
S4021、对驾驶人评价指标判断矩阵各列进行求和；
S4022、对驾驶人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、对驾驶人评价指标判断矩阵每一行进行求和，即得出特征向量；
S4024、计算驾驶人评价指标的权重；
计算公式：
得到指标的权重W，Wi：指标对应的权重，B：特征向量，Bj：特征向量对应位置的值，∑Bj：特征向量值的总和。
进一步的，所述S403对驾驶人评价指标判断矩阵进行一致性检验；
具体包括：
S4031、计算驾驶人评价指标判断矩阵最大特征根；
计算公式：
λmax：最大特征根，A：判断矩阵，W：权重向量，Wi：对应特征的权重，n：特征个数；
S4032、计算驾驶人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，认为驾驶人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时修改驾驶人评价指标判断矩阵直到通过检验为止。
进一步的，所述S100分析驾驶人信息制定驾驶人风险评价指标；其中驾驶人风险评价指标包括驾驶人的基本信息、交通违法、关联车辆、个人信用、交通事故。
进一步的，所述S200、根据驾驶人评价指标获取待评价驾驶人基本数据；其中所述待评价驾驶人基本数据包括驾驶人基本信息表、车辆信息表、违法信息表、事故信息表。
进一步的，所述S500基于步骤S400的驾驶人风险评价指标的权重向量和步骤S300处理后的驾驶人数据，进行计算得到驾驶人风险积分，其中驾驶人的积分计算步骤具体包括：
设置总分为100分，是否涉毒作为最原始判断规则，若涉毒，分值为0，否则积分是每个风险评价指标的分值减去每个特征权重值之后的总和；其中60分以下为高危，60-70中危，70以上高危。
本发明还公开一种基于层次分析法的驾驶人风险评估系统，包括以下模块：
数据获取单元，用于根据驾驶人评价指标获取待评价驾驶人基本数据；
数据处理单元，对获取到的待评价驾驶人基本数据进行数据预处理；
计算单元，用于利用层次分析法计算驾驶人风险评价指标的权重向量；
驾驶人风险评估单元，用于对驾驶人风险评价指标的权重向量和处理后的驾驶人数据，进行计算得到驾驶人风险积分；根据驾驶人风险积分对驾驶人风险进行评估。
进一步的，所述计算单元的计算步骤包括：
构建驾驶人评价指标判断矩阵；
计算驾驶人评价指标的权重向量；
对驾驶人评价指标判断矩阵进行一致性检验。
进一步的，驾驶人风险评估单元评估步骤包括设置总分为100分，是否涉毒作为最原始判断规则，若涉毒，分值为0，否则积分是每个风险评价指标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驾驶人风险评估方法具有以下有益效果：
本发明针对机动车驾驶人提供一种基于层次分析的驾驶人风险评估方法，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。将驾驶人按照积分模型进行积分计算和统计，为道路驾驶人风险等级管理提供数据支撑，便于交通部门根据交通现状对驾驶人进行管控，采取相应的措施，降低交通安全隐患。
附图说明
图1是本发明的方法流程图；
图2是本发明的风险指标分值分配示意图。
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。
本发明实施例的一种基于层次分析法的驾驶人风险评估方法，根据驾驶人的基本档案信息、历史违法信息、交通事故信息等相关信息，制定相应的驾驶人积分研判模型，将驾驶人按照积分模型进行积分计算和统计，划分为高危、中危、低危3个等级。
具体如图1所示，包括以下步骤：
S100、分析驾驶人信息制定驾驶人风险评价指标；
S200、根据驾驶人评价指标获取待评价驾驶人基本数据；
S300、对获取到的待评价驾驶人基本数据进行数据预处理；
S400、利用层次分析法计算驾驶人风险评价指标的权重向量；
S500、基于步骤S400的驾驶人风险评价指标的权重向量和步骤 S300处理后的驾驶人数据，进行计算得到驾驶人风险积分；
S600、根据驾驶人风险积分对驾驶人风险进行评估。
上述步骤可解释为根据驾驶人的基本档案信息、历史违法信息、交通事故信息等相关信息，制定相应的驾驶人积分研判模型的分析指标；通过分析、细化，得到驾驶人评估指标框架；利用层次分析法计算驾驶人评价指标的权重向量，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；根据所需驾驶人评价指标数据获取所需数据进行数据预处理；最后根据权重计算机动车驾驶人风险积分。
以下具体说明本发明实施例：
基本数据
由于重点人员维度没有数据暂时不参与分析建模。
驾驶人基本信息表
从驾驶人信息表中取得“SFZMHM”、“CCLZRQ”、“XB”、“ZJCX”、“ZT”、“GJ”、“CSRQ”、“SJHM”、“LJJF”、“YZJCX”对应的“身份证号码”、“初次领证日期”、“性别”、“准驾车型”、“驾驶证状态”、“国籍”、“出生日期”、“手机号码”、“累积积分”、“原准驾车型”。
车辆信息表
从车辆信息表中取得“SFZMHM”、“HPHM”、“HPZL”、“SYXZ”、“YXQZ”、“BXZZRQ”对应的“身份证号码”、“号牌号码”、“号牌种类”、“使用性质”、“检验有效期止”、“保险终止日期”。
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”。
数据清洗
基本信息
驾龄：由“CCLZRQ”确定，计算当前时间和初次领证日期的时间差，得到驾龄。
籍贯：由“SFZMHM”确定，取身份证号前两位数值，若为“65”或“54”则是新疆西藏籍贯，否则为其他籍贯。
性别：由“XB”确定，性别为1是男，性别为2是女。
准驾车型：由“ZJCX”确定，取最高的准驾车型。
驾驶证状态：由“ZT”确定，将驾驶证状态分成正常、不正常、不可用、其他(不属于正常范围)，处理方法如下：
国籍：由“GJ”确定，“156”中国、“158”中国(台湾)、“344”中国(香港)、“446”中国(澳门)这几个编号为中国国籍，其他为外国国籍。
初次领证年龄：由“CSRQ”确定，计算出生日期和初次领证日期的时间差，得到初次领证年龄。
有无手机号码：由“SJHM”确定。
累积积分：由“LJJF”确定。
车型降级：由“ZJCX”和“YZJCX”确定，若原准驾车型高于准驾车型，则有车型降级。
交通违法
违法维度分为单个扣分周期和连续扣分周期。
对于单个扣分周期，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
连续扣分周期：我们取驾驶人最近的一次扣分的违法时间，同时计算驾驶证近三年的清分日期，通过最近的违法时间能计算出驾驶人连续多少个周期未扣分。
关联车辆
逾期续保：由“BXZZRQ”确定，通过“SFZMHM”关联驾驶人表得到驾驶人有多少辆逾期续保的车。
逾期年检：由“YXQZ”确定，通过“SFZMHM”关联驾驶人表得到驾驶人有多少辆逾期年检的车。
拥有大小车：由“HPZL”确定，分为大汽车、小汽车、摩托车、其他车。
使用性质：由“SYXZ”确定，由于客车、校车、危险品车辆、货车影响比较大，因此将使用性质分为客车、校车、危险品车辆、货车、其他车。
违法扣分别人处理情况：违法表中驾驶证号和车辆表中身份证号不一致。统计他人代扣的次数。
个人信用
给多车扣分：违法表中根据'JSZH','HPHM','HPZL'确定，得到驾驶证对应的扣分车辆数。
违法交款逾期：由“ZNJ”确定，滞纳金用于判断违法交款逾期，若滞纳金大于0，则说明驾驶人交款逾期。
年审逾期：由“ZT”确定，驾驶证状态为“S”则是驾驶证年审逾期。
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
特征工程
归一化
驾龄、领证年龄、累积积分数值较大，不适合直接进行计算，同时驾龄、领证年龄和评价目标不是线性的关系，因此需要对数据进行归一化。
驾龄：对于驾龄来说，驾龄越小和驾龄越大的不安全指数越高，因此将驾龄的平均值作为最优点，驾龄越靠近均值驾驶人越好。测试数据的驾龄平均值是12，最高的领证年龄为70，最小领证年龄为18，因此规定的最大驾龄为52，所以计算公式为
领证年龄：和驾龄一样，领证年龄越小和领证年龄越大的不安全指数越高，因此将领证年龄的平均值作为最优点，领证年龄越靠近均值驾驶人越好。测试数据的领证年龄平均值是30，最大的领证年龄为 70，所以计算公式为
累积积分：一个周期的累积积分最高为12，最小积分为0，这里计算公式为
one_hot编码
类别特征驾驶证状态、车辆类型、使用性质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0100，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
驾驶人积分可以从基本信息，交通违法，关联车辆，个人信用，交通事故五个大的方面来衡量。这五个大的方面每个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，可以采用了层次分析法，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，我们可以得到驾驶人评价指标框架。如下表所示：
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
| 标度 | 含义 |
| 1 | 表示两个因素相比，具有同样重要性 |
| 3 | 表示两个因素相比，一个因素比另一个因素稍微重要 |
| 5 | 表示两个因素相比，一个因素比另一个因素明显重要 |
| 7 | 表示两个因素相比，一个因素比另一个因素强烈重要 |
| 9 | 表示两个因素相比，一个因素比另一个因素极端重要 |
| 2，4，6，8 | 上述两相邻判断的中值 |
| 倒数 | 因素i于j比较判断a<sub>ij</sub>，则因素j与i比较的判断a<sub>ji</sub>＝1/a<sub>ij</sub> |
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
定义一致性指标
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
计算评价目标判断矩阵
判断矩阵如下：
| 基本信息 | 违法 | 关联车辆 | 信用维度 | 交通事故 | |
| 基本信息 | 1 | 3 | 6 | 5 | 1/3 |
| 违法 | 1/3 | 1 | 3 | 2 | 1/6 |
| 关联车辆 | 1/6 | 1/3 | 1 | 1/2 | 1/9 |
| 信用维度 | 1/5 | 1/2 | 2 | 1 | 1/8 |
| 交通事故 | 3 | 6 | 9 | 8 | 1 |
对矩阵各列进行求和
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)。
| 基本信息 | 违法 | 关联车辆 | 信用维度 | 交通事故 | |
| 基本信息 | 0.213 | 0.277 | 0.286 | 0.303 | 0.192 |
| 违法 | 0.071 | 0.092 | 0.143 | 0.121 | 0.096 |
| 关联车辆 | 0.035 | 0.031 | 0.048 | 0.030 | 0.064 |
| 信用维度 | 0.043 | 0.046 | 0.095 | 0.061 | 0.072 |
| 交通事故 | 0.638 | 0.554 | 0.429 | 0.485 | 0.576 |
| sum | 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：
| 基本信息 | 违法 | 关联车辆 | 信用维度 | 交通事故 | SUM | W | |
| 基本信息 | 0.213 | 0.277 | 0.286 | 0.303 | 0.192 | 1.270 | 0.254 |
| 违法 | 0.071 | 0.092 | 0.143 | 0.121 | 0.096 | 0.523 | 0.105 |
| 关联车辆 | 0.035 | 0.031 | 0.048 | 0.030 | 0.064 | 0.208 | 0.042 |
| 信用维度 | 0.043 | 0.046 | 0.095 | 0.061 | 0.072 | 0.317 | 0.063 |
| 交通事故 | 0.638 | 0.554 | 0.429 | 0.485 | 0.576 | 2.682 | 0.536 |
| sum | 1.000 | 1.000 | 1.000 | 1.000 | 1.000 | 5.000 | 1.000 |
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＝5.104。
2)计算判断矩阵的一致性
计算结果为CI＝(5.104-5)/4＝0.026
3)计算一致性比例
5阶RI＝1.12
CR＝0.026/1.12＝0.0232<0.1,通过一致性检验。
其他权重
上面是对一级指标权重的计算，分解后的二级指标三级指标权重的计算方法是一样的，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，模块分值分配如图2 所示：
驾驶人积分计算规则：是否涉毒作为最原始判断规则，若涉毒，分值为0。否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。
本发明实施例还公开一种基于层次分析法的驾驶人风险评估系统，包括以下模块：
数据获取单元，用于根据驾驶人评价指标获取待评价驾驶人基本数据；
数据处理单元，对获取到的待评价驾驶人基本数据进行数据预处理；
计算单元，用于利用层次分析法计算驾驶人风险评价指标的权重向量；
驾驶人风险评估单元，用于对驾驶人风险评价指标的权重向量和处理后的驾驶人数据，进行计算得到驾驶人风险积分；根据驾驶人风险积分对驾驶人风险进行评估。
其中，所述计算单元的计算步骤包括：
构建驾驶人评价指标判断矩阵；
计算驾驶人评价指标的权重向量；
对驾驶人评价指标判断矩阵进行一致性检验。
其中，驾驶人风险评估单元评估步骤包括设置总分为100分，是否涉毒作为最原始判断规则，若涉毒，分值为0，否则积分是每个风险评价指标的分值减去每个特征权重值之后的总和。
可理解的是，本发明实施例提供的系统与本发明实施例提供的方法相对应，相关内容的解释、举例和有益效果可以参考上述方法中的相应部分。
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驾驶人风险评估方法，其特征在于：包括以下步骤：
S100、分析驾驶人信息制定驾驶人风险评价指标；
S200、根据驾驶人评价指标获取待评价驾驶人基本数据；
S300、对获取到的待评价驾驶人基本数据进行数据预处理；
S400、利用层次分析法计算驾驶人风险评价指标的权重向量；
S500、基于步骤S400的驾驶人风险评价指标的权重向量和步骤S300处理后的驾驶人数据，进行计算得到驾驶人风险积分；
S600、根据驾驶人风险积分对驾驶人风险进行评估。
2.根据权利要求1所述的基于层次分析法的驾驶人风险评估方法，其特征在于：所述S400、利用层次分析法计算驾驶人风险评价指标的权重向量；包括：
S401、构建驾驶人评价指标判断矩阵；
S402、计算驾驶人评价指标的权重向量；
S403、对驾驶人评价指标判断矩阵进行一致性检验。
3.根据权利要求2所述的基于层次分析法的驾驶人风险评估方法，其特征在于：所述S402、计算驾驶人评价指标的权重向量；具体包括：
S4021、对驾驶人评价指标判断矩阵各列进行求和；
S4022、对驾驶人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、对驾驶人评价指标判断矩阵每一行进行求和，即得出特征向量；
S4024、计算驾驶人评价指标的权重；
计算公式：得到指标的权重W，Wi：指标对应的权重，B：特征向量，Bj：特征向量对应位置的值，∑Bj：特征向量值的总和。
4.根据权利要求2所述的基于层次分析法的驾驶人风险评估方法，其特征在于：所述S403对驾驶人评价指标判断矩阵进行一致性检验；具体包括：
S4031、计算驾驶人评价指标判断矩阵最大特征根；
计算公式：
λmax：最大特征根，A：判断矩阵，W：权重向量，Wi：对应特征的权重，n：特征个数；
S4032、计算驾驶人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，认为驾驶人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时修改驾驶人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驾驶人风险评估方法，其特征在于：所述S100分析驾驶人信息制定驾驶人风险评价指标；其中驾驶人风险评价指标包括驾驶人的基本信息、交通违法、关联车辆、个人信用、交通事故。
6.根据权利要求1所述的基于层次分析法的驾驶人风险评估方法，其特征在于：所述S200、根据驾驶人评价指标获取待评价驾驶人基本数据；其中所述待评价驾驶人基本数据包括驾驶人基本信息表、车辆信息表、违法信息表、事故信息表。
7.根据权利要求1所述的基于层次分析法的驾驶人风险评估方法，其特征在于：所述S500基于步骤S400的驾驶人风险评价指标的权重向量和步骤S300处理后的驾驶人数据，进行计算得到驾驶人风险积分，其中驾驶人的积分计算步骤具体包括：
设置总分为100分，是否涉毒作为最原始判断规则，若涉毒，分值为0，否则积分是每个风险评价指标的分值减去每个特征权重值之后的总和；其中60分以下为高危，60-70中危，70以上高危。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910888734.0A CN110826848A (zh) | 2019-09-19 | 2019-09-19 | 基于层次分析法的驾驶人风险评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910888734.0A CN110826848A (zh) | 2019-09-19 | 2019-09-19 | 基于层次分析法的驾驶人风险评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110826848A true CN110826848A (zh) | 2020-02-21 |
Family
ID=69548109
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910888734.0A Pending CN110826848A (zh) | 2019-09-19 | 2019-09-19 | 基于层次分析法的驾驶人风险评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110826848A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111507617A (zh) * | 2020-04-15 | 2020-08-07 | 桂林电子科技大学 | 一种基于电动自行车风险驾驶行为量表的分析系统 |
| CN111950917A (zh) * | 2020-08-18 | 2020-11-17 | 奇瑞新能源汽车股份有限公司 | 一种多档纯电动汽车驾驶性综合评估方法 |
| CN112258830A (zh) * | 2020-10-23 | 2021-01-22 | 上海博泰悦臻电子设备制造有限公司 | 车辆编队行驶的可靠性评估方法及其应用 |
| CN112541632A (zh) * | 2020-12-15 | 2021-03-23 | 江苏大学 | 一种基于多属性决策的驾驶行为安全性评估方法 |
| 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 |
| CN113178071A (zh) * | 2021-04-22 | 2021-07-27 | 深圳壹账通智能科技有限公司 | 驾驶风险等级识别方法、装置、电子设备及可读存储介质 |
| CN113673826A (zh) * | 2021-07-20 | 2021-11-19 | 中国科学技术大学先进技术研究院 | 基于驾驶人个体因素的行车风险评估方法及系统 |
| CN115440035A (zh) * | 2022-08-25 | 2022-12-06 | 杭州海康威视系统技术有限公司 | 一种交通事件的预警方法、装置、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106202872A (zh) * | 2016-06-27 | 2016-12-07 | 江苏迪纳数字科技股份有限公司 | 机动车辆驾驶行为评分方法 |
| CN106920040A (zh) * | 2017-03-01 | 2017-07-04 | 西南交通大学 | 基于模糊层次分析的高速公路隧道交通事故风险评估方法 |
| CN108921372A (zh) * | 2018-05-17 | 2018-11-30 | 西南交通大学 | 基于层次分析和可拓物元的高速公路隧道运营安全风险评价方法 |
| CN110070306A (zh) * | 2019-05-05 | 2019-07-30 | 山东交通学院 | 一种基于交通管理大数据的驾驶人驾驶危险性辨识方法 |
-
2019
- 2019-09-19 CN CN201910888734.0A patent/CN110826848A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106202872A (zh) * | 2016-06-27 | 2016-12-07 | 江苏迪纳数字科技股份有限公司 | 机动车辆驾驶行为评分方法 |
| CN106920040A (zh) * | 2017-03-01 | 2017-07-04 | 西南交通大学 | 基于模糊层次分析的高速公路隧道交通事故风险评估方法 |
| CN108921372A (zh) * | 2018-05-17 | 2018-11-30 | 西南交通大学 | 基于层次分析和可拓物元的高速公路隧道运营安全风险评价方法 |
| CN110070306A (zh) * | 2019-05-05 | 2019-07-30 | 山东交通学院 | 一种基于交通管理大数据的驾驶人驾驶危险性辨识方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111507617A (zh) * | 2020-04-15 | 2020-08-07 | 桂林电子科技大学 | 一种基于电动自行车风险驾驶行为量表的分析系统 |
| CN111950917A (zh) * | 2020-08-18 | 2020-11-17 | 奇瑞新能源汽车股份有限公司 | 一种多档纯电动汽车驾驶性综合评估方法 |
| CN112258830A (zh) * | 2020-10-23 | 2021-01-22 | 上海博泰悦臻电子设备制造有限公司 | 车辆编队行驶的可靠性评估方法及其应用 |
| 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 |
| CN112541632A (zh) * | 2020-12-15 | 2021-03-23 | 江苏大学 | 一种基于多属性决策的驾驶行为安全性评估方法 |
| CN113178071A (zh) * | 2021-04-22 | 2021-07-27 | 深圳壹账通智能科技有限公司 | 驾驶风险等级识别方法、装置、电子设备及可读存储介质 |
| CN113673826A (zh) * | 2021-07-20 | 2021-11-19 | 中国科学技术大学先进技术研究院 | 基于驾驶人个体因素的行车风险评估方法及系统 |
| CN113673826B (zh) * | 2021-07-20 | 2023-06-02 | 中国科学技术大学先进技术研究院 | 基于驾驶人个体因素的行车风险评估方法及系统 |
| CN115440035A (zh) * | 2022-08-25 | 2022-12-06 | 杭州海康威视系统技术有限公司 | 一种交通事件的预警方法、装置、电子设备及存储介质 |
| CN115440035B (zh) * | 2022-08-25 | 2023-07-07 | 杭州海康威视系统技术有限公司 | 一种交通事件的预警方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110826848A (zh) | 基于层次分析法的驾驶人风险评估方法 | |
| US20210312567A1 (en) | Automobile Monitoring Systems and Methods for Loss Reserving and Financial Reporting | |
| US20180285974A1 (en) | Detection system for analyzing crash events and methods of the same | |
| Gitelman et al. | Designing a composite indicator for road safety | |
| CN110705852A (zh) | 一种基于层次分析法的车辆风险评估方法 | |
| CN110929224A (zh) | 基于公交行车安全的安全指标体系创建方法 | |
| CN114168646A (zh) | 基于多数据融合的营运车辆运输监控方法及系统 | |
| Yuan et al. | Analysis of the risk factors affecting the size of fatal accidents involving trucks based on the structural equation model | |
| CN109784586B (zh) | 车险的出险情况的预测方法及系统 | |
| Chang et al. | Capturing long-memory properties in road fatality rate series by an autoregressive fractionally integrated moving average model with generalized autoregressive conditional heteroscedasticity: A case study of Florida, the United States, 1975–2018 | |
| Gabler et al. | Automotive field data in injury biomechanics | |
| CN112330188A (zh) | 一种企业车辆管理方法和系统 | |
| Tang et al. | Principal component analysis of fatal traffic accidents based on vehicle condition factors | |
| Chen et al. | The impact of truck proportion on traffic safety using surrogate safety measures in China | |
| Schulz et al. | Reducing the death toll of road accidents in Costa Rica through the introduction of roadworthiness inspections by the government | |
| Xu et al. | Study on direct economic loss assessment method of road traffic accidents. | |
| Mitra | Analysis of truck accidents using structural equation models | |
| Buyvol et al. | Increase in the efficiency of the operation of vehicle inspection companies | |
| Benavente et al. | Case study assessment of crash data challenges: Linking databases for analysis of injury specifics and crash compatibility issues | |
| Wang et al. | Injury severity assessment of rear-end crashes via approaches based on generalized estimating equations | |
| Peres Lopes et al. | Paying for crime: frauds in DPVAT insurance and their impacts on society. | |
| Lopes et al. | Paying for crime: frauds in DPVAT insurance and their impacts on society | |
| Wanke et al. | Trends in road accidents on Brazil’s highways: Evidence of persistence using fractional integration | |
| Barhoum et al. | Targets for fuzzy enforcement scores; a way to set policies for helmet and seat-belt among countries | |
| Ayuso et al. | Forecasting the maximum compensation offer in the automobile BI claims negotiation process |
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 |