论文部分内容阅读
摘 要：随着社会的发展，公交车的安全运营成为社会关注的焦点。如何降低交通安全隐患构建智慧交通系统，是当前亟待解决的问题。本文利用车联网系统的识别技术，提出了基于层次分析法的行车安全评价模型。通过实时的对驾驶车辆进行追踪和评价，实现对驾驶员驾驶状态的行为分析，从而及时对具有不良驾驶行为的车辆进行安全预警，保障公交车出行的安全。
关键词：车联网系统;层次分析法;行车安全评价模型;行为分析
0 引言
随着经济和工业的发展以及人们对绿色、环保、低碳生活的需求，公交车成为了广大市民绿色出行最主要的交通工具。近年来，由于公交司机驾驶途中被乘客干扰、司机驾驶疲劳、驾驶行为不规范等问题直接造成了多起重大交通事故。如何有效的管理公交车辆的运营，从源头上减少事故的发生是当前亟待解决的问题。
当前国内很多研究使用神经网络模型对驾驶行为进行分析和预测，但是由于神经网络模型本身比较复杂，运行速度较慢，在工作效率上比较落后。为了提高工作效率，本研究借助车联网在信息网络上采集车辆的行车数据并对数据进行去噪，然后利用层次分析法构建一个行车安全评价模型。在该评价模型中，本文考虑了多种驾驶行为对行车安全的综合影响，通过设计驾驶行为识别算法对数据进行分析，从而对驾驶员驾驶行为进行评价。
1 驾驶行为数据的采集与处理
本研究借助车联网的识别技术，实现在信息网络上实时收集车辆的属性信息和静、动态信息，采集的数据主要包括车辆的车牌号码、经纬度信息、ACC狀态（熄火/点火状态）、GPS速度。
在本研究中，主要通过清除速度异常值实现对数据的清洗。本研究所认为的速度异常值指的是：（1）速度明显不符合实际情况的，比如，当车辆属于熄火状态时，速度值不为0的数据，或者根据运输行业的数据统计，速度超过了200km/h的视为速度异常值;（2）通过经纬度计算出的速度值与GPS记录的速度值相差比较大的数据，在本研究中，认为两者相差值超过10km/h的速度视为速度异常值。在这里，给出了速度异常值的判断计算公式：
其中，表示通过经纬度求出的两点之间的距离，、分别表示、两点的经纬度坐标;表示地球半径;表示通过经纬度求出来的车速。
2 驾驶行为识别算法
2.1 符号说明
符号 定义 GPS速度（） 前一时刻的GPS速度（） 后一时刻的GPS速度（） 最高车速限值（） 加速度（） 加速度限速（） 车连续运行时长（） 车累积休息时长（）
2.2 行车安全评价指标的确定
参考文献《基于车辆运行监控系统的驾驶行为安全与节能评价方法研究》，本研究提出以下驾驶行为行车安全指标，详见表1。
本研究中将紧急制动、熄火行驶作为减速操作驾驶行为的评价指标，将超速行驶、急加速行驶、车速稳定性作为车速控制的评价指标，将疲劳驾驶作为驾驶员状态的评价指标。为了后面便于描述，用分别表示减速操作、车速控制、驾驶员状态三种驾驶行为，用分别表示紧急制动、熄火行驶、超速行驶、急加速行驶、车速稳定性、疲劳驾驶6种评价指标。
2.3 行车安全评价指标识别算法
（1）紧急制动识别算法：
a.触发条件：当车的GPS速度出现减速情况时开始识别，即：。
b.评价方法：在满足触发条件的基础上，计算加速度：
判断加速度a的绝对值是否大于加速度限值a1：若，则不存在紧急制动情况;若，且减速时间发生在3秒内，则认为该驾驶行为属于紧急制动情况，记录该不良驾驶行为的次数和总时长。在本研究中，我们将加速度限速为
c.终止条件：当速度重新保持不变时，即=0时，终止。
（2）熄火行驶识别算法：
a.触发条件：当车的GPS速度出现减速情况时开始识别，即。
b.评价方法：在满足触发条件的基础上，判断的状态：若，即车属于熄火状态，则该驾驶行为属于熄火行驶，应记录该不良驾驶行为的次数和总时长;若，即车属于点火状态，则该驾驶行为不属于熄火行驶。
c.终止条件：当速度重新保持不变时，即时，终止。
（3）超速行驶识别算法：
a.触发条件：当车的GPS速度不为0时开始识别，即。
b.评价方法：在满足触发条件的基础上，判断车速是否大于最高车速限值：若，即车速超过最高车速限值，若超速时间维持大于3秒，则认为该驾驶行为属于超速行驶，记录超速行驶的次数和总时长;若，则该行为不属于超速行为。
c.终止条件：当车的行驶速度为0时，终止。
（4）急加速行驶评价模型：
a.触发条件：当车的行驶速度出现速度增加的情况时开始识别，即。
b.评价方法：在满足触发条件的基础下，计算加速度：
判断加速度a是否大于最大加速度限值：若，即加速度大于最大加速度限值，若速度变化在3秒内发生，认为该行驶行为属于急加速行驶，应记录急加速行驶的次数和总时长;若，则该行驶行为不属于急加速行驶。在本研究中，加速度限速为.
c.终止条件：当车的行驶速度重新稳定时，即时，终止。
（5）车速稳定性识别算法：
车速稳定性是指车行驶过程中速度的稳定程度，在行驶过程中，如果车速波动过大，造成增加了车辆行驶的不安全。在本文中我们使用车的行驶速度的标准差来表示了车速的离散程度，即：标准差越大，离散度越大，车速变化频繁。计算车速的标准差公式如下：
其中，表示车在这一段行驶过程中的平均速度，表示一共记录了多少条速度数据，表示车速的标准方差。
（6）疲劳驾驶识别算法：
a.触发条件：当车的GPS速度不为0时开始识别，即。 b.评价方法：在满足触发条件的基础上，计算速度连续不为0的时长，若该时长大于4小时，则认为该驾驶行为属于疲劳驾驶。若连续驾驶时长在4小时内，则认为该行为不属于疲劳驾驶。
c.终止条件：当车的行驶速度再次为0时，且连续为0的时长大于8小时，终止。
3 基于AHP的行车安全评价模型
本研究中，我们先用层次分析法求出驾驶员行为对行车安全的权重比例，再制定驾驶员驾驶行为得分标准，通过驾驶行为评价指标识别算法求出驾驶员减速操作、车速控制以及驾驶员状态三个驾驶行为的得分，用三个驾驶行为的得分别乘以三个驾驶行为对行车安全的权重，从而得到一个判断驾驶行为的总得分，用总得分去评价一个驾驶员的行车安全。驾駛员驾驶行为得分标准，如表2所示：
3.1 建立层次结构模型
本研究中，将行车安全作为层次结构中的目标层，行车安全的六个评价指标作为层次结构中的准则层，驾驶员的三种驾驶行为作为方案层。得到层次结构图如图1所示：
3.2 构造判断矩阵
参照1～9标度法构造如下判断矩阵：
其中，矩阵A表示行车安全的6个评价指标对行车安全的相关重要性的比较，矩阵（）分别表示减速操作、车速控制、驾驶员状态三种驾驶行为对第个行车安全评价指标的相关重要性的比较。利用MATLAB对判断矩阵进行一致性检验，并同时通过MATLAB求出层次单排序的结果，结果如下：
当驾驶员驾驶行为安全得分低于75时，对驾驶员进行提示，当驾驶员驾驶行为低于60分时，对驾驶员进行预警。
4 结语
本研究基于车联网系统的识别技术，利用层次分析法构建一个行车安全评价模型。通过这个模型可以得到驾驶员当前驾驶行为的安全性得分，并反馈给系统，评估行为是否安全，然后通过车载系统及时进行反馈提醒驾驶员进行调整车辆状态，最终保证驾驶安全。该模型针对车辆的运行状态，分析预警驾驶行为，可以大大提高行车安全性。
参考文献：
[1] 许书权.基于车辆运行监控系统的驾驶行为安全与节能评价方法研究[D]. 2015
[2] 司守奎， 孙玺菁. 数学建模算法与应用[M]. 国防工业出版社， 2011.
[3]丁琛. 基于车辆动态监控数据的异常驾驶行为识别技术研究[D]. 2015.
[4]肖献强. 基于信息融合的驾驶行为识别关键技术研究[D]. 合肥工业大学， 2011.
[5]冀永强. 层次分析法（AHP）权重向量计算及其应用分析[J]. 中国市场， 2015， 000（052）：47-49.
[6]董玉成， 陈义华. 层次分析法（AHP）中的检验[J]. 系统工程理论与实践， 2004（07）：106-111.
关键词：车联网系统;层次分析法;行车安全评价模型;行为分析
0 引言
随着经济和工业的发展以及人们对绿色、环保、低碳生活的需求，公交车成为了广大市民绿色出行最主要的交通工具。近年来，由于公交司机驾驶途中被乘客干扰、司机驾驶疲劳、驾驶行为不规范等问题直接造成了多起重大交通事故。如何有效的管理公交车辆的运营，从源头上减少事故的发生是当前亟待解决的问题。
当前国内很多研究使用神经网络模型对驾驶行为进行分析和预测，但是由于神经网络模型本身比较复杂，运行速度较慢，在工作效率上比较落后。为了提高工作效率，本研究借助车联网在信息网络上采集车辆的行车数据并对数据进行去噪，然后利用层次分析法构建一个行车安全评价模型。在该评价模型中，本文考虑了多种驾驶行为对行车安全的综合影响，通过设计驾驶行为识别算法对数据进行分析，从而对驾驶员驾驶行为进行评价。
1 驾驶行为数据的采集与处理
本研究借助车联网的识别技术，实现在信息网络上实时收集车辆的属性信息和静、动态信息，采集的数据主要包括车辆的车牌号码、经纬度信息、ACC狀态（熄火/点火状态）、GPS速度。
在本研究中，主要通过清除速度异常值实现对数据的清洗。本研究所认为的速度异常值指的是：（1）速度明显不符合实际情况的，比如，当车辆属于熄火状态时，速度值不为0的数据，或者根据运输行业的数据统计，速度超过了200km/h的视为速度异常值;（2）通过经纬度计算出的速度值与GPS记录的速度值相差比较大的数据，在本研究中，认为两者相差值超过10km/h的速度视为速度异常值。在这里，给出了速度异常值的判断计算公式：
其中，表示通过经纬度求出的两点之间的距离，、分别表示、两点的经纬度坐标;表示地球半径;表示通过经纬度求出来的车速。
2 驾驶行为识别算法
2.1 符号说明
符号 定义 GPS速度（） 前一时刻的GPS速度（） 后一时刻的GPS速度（） 最高车速限值（） 加速度（） 加速度限速（） 车连续运行时长（） 车累积休息时长（）
2.2 行车安全评价指标的确定
参考文献《基于车辆运行监控系统的驾驶行为安全与节能评价方法研究》，本研究提出以下驾驶行为行车安全指标，详见表1。
本研究中将紧急制动、熄火行驶作为减速操作驾驶行为的评价指标，将超速行驶、急加速行驶、车速稳定性作为车速控制的评价指标，将疲劳驾驶作为驾驶员状态的评价指标。为了后面便于描述，用分别表示减速操作、车速控制、驾驶员状态三种驾驶行为，用分别表示紧急制动、熄火行驶、超速行驶、急加速行驶、车速稳定性、疲劳驾驶6种评价指标。
2.3 行车安全评价指标识别算法
（1）紧急制动识别算法：
a.触发条件：当车的GPS速度出现减速情况时开始识别，即：。
b.评价方法：在满足触发条件的基础上，计算加速度：
判断加速度a的绝对值是否大于加速度限值a1：若，则不存在紧急制动情况;若，且减速时间发生在3秒内，则认为该驾驶行为属于紧急制动情况，记录该不良驾驶行为的次数和总时长。在本研究中，我们将加速度限速为
c.终止条件：当速度重新保持不变时，即=0时，终止。
（2）熄火行驶识别算法：
a.触发条件：当车的GPS速度出现减速情况时开始识别，即。
b.评价方法：在满足触发条件的基础上，判断的状态：若，即车属于熄火状态，则该驾驶行为属于熄火行驶，应记录该不良驾驶行为的次数和总时长;若，即车属于点火状态，则该驾驶行为不属于熄火行驶。
c.终止条件：当速度重新保持不变时，即时，终止。
（3）超速行驶识别算法：
a.触发条件：当车的GPS速度不为0时开始识别，即。
b.评价方法：在满足触发条件的基础上，判断车速是否大于最高车速限值：若，即车速超过最高车速限值，若超速时间维持大于3秒，则认为该驾驶行为属于超速行驶，记录超速行驶的次数和总时长;若，则该行为不属于超速行为。
c.终止条件：当车的行驶速度为0时，终止。
（4）急加速行驶评价模型：
a.触发条件：当车的行驶速度出现速度增加的情况时开始识别，即。
b.评价方法：在满足触发条件的基础下，计算加速度：
判断加速度a是否大于最大加速度限值：若，即加速度大于最大加速度限值，若速度变化在3秒内发生，认为该行驶行为属于急加速行驶，应记录急加速行驶的次数和总时长;若，则该行驶行为不属于急加速行驶。在本研究中，加速度限速为.
c.终止条件：当车的行驶速度重新稳定时，即时，终止。
（5）车速稳定性识别算法：
车速稳定性是指车行驶过程中速度的稳定程度，在行驶过程中，如果车速波动过大，造成增加了车辆行驶的不安全。在本文中我们使用车的行驶速度的标准差来表示了车速的离散程度，即：标准差越大，离散度越大，车速变化频繁。计算车速的标准差公式如下：
其中，表示车在这一段行驶过程中的平均速度，表示一共记录了多少条速度数据，表示车速的标准方差。
（6）疲劳驾驶识别算法：
a.触发条件：当车的GPS速度不为0时开始识别，即。 b.评价方法：在满足触发条件的基础上，计算速度连续不为0的时长，若该时长大于4小时，则认为该驾驶行为属于疲劳驾驶。若连续驾驶时长在4小时内，则认为该行为不属于疲劳驾驶。
c.终止条件：当车的行驶速度再次为0时，且连续为0的时长大于8小时，终止。
3 基于AHP的行车安全评价模型
本研究中，我们先用层次分析法求出驾驶员行为对行车安全的权重比例，再制定驾驶员驾驶行为得分标准，通过驾驶行为评价指标识别算法求出驾驶员减速操作、车速控制以及驾驶员状态三个驾驶行为的得分，用三个驾驶行为的得分别乘以三个驾驶行为对行车安全的权重，从而得到一个判断驾驶行为的总得分，用总得分去评价一个驾驶员的行车安全。驾駛员驾驶行为得分标准，如表2所示：
3.1 建立层次结构模型
本研究中，将行车安全作为层次结构中的目标层，行车安全的六个评价指标作为层次结构中的准则层，驾驶员的三种驾驶行为作为方案层。得到层次结构图如图1所示：
3.2 构造判断矩阵
参照1～9标度法构造如下判断矩阵：
其中，矩阵A表示行车安全的6个评价指标对行车安全的相关重要性的比较，矩阵（）分别表示减速操作、车速控制、驾驶员状态三种驾驶行为对第个行车安全评价指标的相关重要性的比较。利用MATLAB对判断矩阵进行一致性检验，并同时通过MATLAB求出层次单排序的结果，结果如下：
当驾驶员驾驶行为安全得分低于75时，对驾驶员进行提示，当驾驶员驾驶行为低于60分时，对驾驶员进行预警。
4 结语
本研究基于车联网系统的识别技术，利用层次分析法构建一个行车安全评价模型。通过这个模型可以得到驾驶员当前驾驶行为的安全性得分，并反馈给系统，评估行为是否安全，然后通过车载系统及时进行反馈提醒驾驶员进行调整车辆状态，最终保证驾驶安全。该模型针对车辆的运行状态，分析预警驾驶行为，可以大大提高行车安全性。
参考文献：
[1] 许书权.基于车辆运行监控系统的驾驶行为安全与节能评价方法研究[D]. 2015
[2] 司守奎， 孙玺菁. 数学建模算法与应用[M]. 国防工业出版社， 2011.
[3]丁琛. 基于车辆动态监控数据的异常驾驶行为识别技术研究[D]. 2015.
[4]肖献强. 基于信息融合的驾驶行为识别关键技术研究[D]. 合肥工业大学， 2011.
[5]冀永强. 层次分析法（AHP）权重向量计算及其应用分析[J]. 中国市场， 2015， 000（052）：47-49.
[6]董玉成， 陈义华. 层次分析法（AHP）中的检验[J]. 系统工程理论与实践， 2004（07）：106-111.