一种顾及预警信息及车辆运行轨迹的行驶安全评价方法

1.本发明涉及智能交通领域，具体涉及一种顾及预警信息及车辆运行轨迹的行驶安全评价方法。


背景技术：

2.对营运车辆驾驶安全性开展评价研究，是辅助营运企业进行危险识别、风险监控与评估、开展主动安全管理等工作的有效支撑。以往研究针对车辆运行的安全性评价主要围绕驾驶人微观行为所展开，如车速、车距等，忽略了驾驶人的不良驾驶状态以及道路环境等信息。随着车联网技术的发展，车载主动安全监控设备的应用为研究营运车辆运行的安全综合评价提供了新视角。
3.目前，营运企业对车辆的风险水平划分通常仅依赖于营运车辆涉及的交通事故数量或违法行为数量。但实际上，部分未发生过交通事故的营运车辆可能因驾驶人日常的不良驾驶习惯导致其事故风险更高，营运企业缺少对车辆出行过程的驾驶安全性开展系统性评估，导致对高风险营运车辆的划分不够准确，使得营运企业对车辆及驾驶人的风险管控措施难以精准实施。
4.因此，现有技术还有待于改进和发展。


技术实现要素：

5.本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种顾及预警信息及车辆运行轨迹的行驶安全评价方法，旨在解决现有技术中营运企业缺少对车辆出行过程的驾驶安全性开展系统性评估，导致对高风险营运车辆的划分不够准确的问题。
6.本发明解决技术问题所采用的技术方案如下：
7.第一方面，本发明提供一种顾及预警信息及车辆运行轨迹的行驶安全评价方法，其中，所述方法包括：
8.获取车辆行驶数据；
9.根据所述车辆行驶数据，得到评价指标及所述评价指标的组合权重和划分阈值；
10.根据所述评价指标的组合权重和划分阈值，建立营运车辆驾驶安全性综合评价模型。
11.在一种实现方式中，所述根据所述车辆行驶数据，得到评价指标及所述评价指标的组合权重和划分阈值，包括：
12.根据所述车辆行驶数据，得到影响车辆行驶安全的评价指标；其中，所述评价指标包括驾驶行为、出行行为以及主动安全预警；
13.利用层次分析法对所述评价指标进行比较分析，得到所述评价指标的主观权重；
14.利用熵权法对所述评价指标进行计算，得到所述评价指标的客观权重；
15.根据所述主观权重和客观权重，得到所述评价指标的组合权重。
16.在一种实现方式中，所述根据所述车辆行驶数据，得到评价指标及所述评价指标
的组合权重和划分阈值，包括：
17.使用k-means方法对所述车辆行驶数据进行聚类，得到离散行驶数据；
18.利用决策树的方法计算所述离散行驶数据的最优划分阈值，得到所述评价指标的划分阈值。
19.在一种实现方式中，所述利用层次分析法对所述评价指标进行比较分析，得到所述评价指标的主观权重，包括：
20.通过建模将所述评价指标划分为三个层级，并得到每个层级的评价指标的指标重要性数值；其中所述层级包括目标层、准则层和子准则层；
21.将任意两个层级的评价指标的指标重要性数值进行比较，得到比较结果；
22.使用比例标度表对所述比较结果进行量化，得到相对重要性数值；
23.根据所述相对重要性数值，建立指标重要性判断矩阵；
24.通过一致性比率对所述指标重要性判断矩阵的一致性进行检验，得到所述评价指标的主观权重。
25.在一种实现方式中，所述利用熵权法对所述评价指标进行计算，得到所述评价指标的客观权重，包括：
26.对所述评价指标进行归一化处理，得到归一化评价指标；
27.计算每个归一化评价指标的样本所占比重，并根据所述样本所占比重得到每个评价指标的指标熵值；
28.根据所述指标熵值，得到每个评价指标的指标熵权；
29.根据所述指标熵权，得到所述评价指标的客观权重。
30.在一种实现方式中，所述根据所述主观权重和客观权重，得到所述评价指标的组合权重，包括：
31.将所述主观权重和客观权重求和并进行归一化，得到所述评价指标的组合权重。
32.在一种实现方式中，所述根据所述评价指标的组合权重和划分阈值，建立营运车辆驾驶安全性综合评价模型，包括：
33.根据划分阈值对所述评价指标进行划分，得到每个评价指标的参考值分段；
34.根据组合权重对每个评价指标的参考值分段进行分值分配，得到所述营运车辆驾驶安全性综合评价模型。
35.第二方面，本发明实施例还提供一种顾及预警信息及车辆运行轨迹的行驶安全评价装置，其中，所述装置包括：
36.车辆行驶数据获取模块，用于获取车辆行驶数据；
37.组合权重和划分阈值获取模块，用于根据所述车辆行驶数据，得到评价指标及所述评价指标的组合权重和划分阈值；
38.模型建立模块，用于根据所述评价指标的组合权重和划分阈值，建立营运车辆驾驶安全性综合评价模型。
39.第三方面，本发明实施例还提供一种智能终端，其中，所述智能终端包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的顾及预警信息及车辆运行轨迹的行驶安全评价程序，所述处理器执行所述顾及预警信息及车辆运行轨迹的行驶安全评价程序时，实现如以上任一项所述的顾及预警信息及车辆运行轨迹的行驶安全评价方法的步
骤。
40.第四方面，本发明实施例还提供一种计算机可读存储介质，其中，所述计算机可读存储介质上存储有顾及预警信息及车辆运行轨迹的行驶安全评价程序，所述顾及预警信息及车辆运行轨迹的行驶安全评价程序被处理器执行时，实现如以上任一项所述的顾及预警信息及车辆运行轨迹的行驶安全评价方法的步骤。
41.有益效果：与现有技术相比，本发明提供了一种顾及预警信息及车辆运行轨迹的行驶安全评价方法，首先，根据获取到的车辆行驶数据，得到评价指标及所述评价指标的组合权重和划分阈值，在考虑营运车辆主动安全管理预警特征、出行行为和驾驶行为等评价指标的基础上，制定组合权重为每个评价指标赋权，以实现区别每个评价指标的影响力。通过划分阈值将每个评价指标分段划分，以实现分段评分。最后，根据所述评价指标的组合权重和划分阈值，建立营运车辆驾驶安全性综合评价模型，构建营运车辆驾驶安全性综合评价指标体系，从而实现车辆营运机构对其管理的车辆进行危险识别、风险监控与准确评估。
附图说明
42.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
43.图1是本发明实施例提供的顾及预警信息及车辆运行轨迹的行驶安全评价方法流程示意图。
44.图2是本发明实施例提供营运车辆驾驶安全性评价结果分段统计示意图。
45.图3是本发明实施例提供的顾及预警信息及车辆运行轨迹的行驶安全评价装置的原理框图。
46.图4是本发明实施例提供的智能终端的内部结构原理框图。
具体实施方式
47.为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
48.本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
49.本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的
意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
50.目前，营运企业对车辆的风险水平划分通常仅依赖于营运车辆涉及的交通事故数量或违法行为数量。但实际上，部分未发生过交通事故的营运车辆可能因驾驶人日常的不良驾驶习惯导致其事故风险更高。营运企业缺少对车辆出行过程的驾驶安全性开展系统性评估，导致对高风险营运车辆的划分不够准确，使得营运企业对车辆及驾驶人的风险管控措施难以精准实施。
51.因此，本发明利用车载gps及主动安全预警装置收集驾驶人驾驶行为、出行行为及主动安全预警特征，构建营运车辆驾驶安全性综合评价指标体系，实现对营运车辆的行驶安全性进行综合评价，并验证评价模型的有效性，为营运企业安全管理提供支持。
52.示例性方法
53.本实施例提供一种顾及预警信息及车辆运行轨迹的行驶安全评价方法。如图1所示，所述方法包括如下步骤：
54.步骤s100、获取车辆行驶数据；
55.具体地，汽车不仅是一系列复杂系统的集成，也是不同传感器的集成。只要汽车驶过，对周围环境、路况都可以进行数据收集，路上的每一辆车都会成为一个数据黑洞将周围环境的数据吸收进来。车内会有摄像头来判断司机是否疲劳驾驶，通过麦克风实现人机互动。车辆的行驶路线、速度、路况信息可由gps卫星系统直接获取。利用车载gps、传感器、车载摄像头及其他主动安全预警装置收集的驾驶人驾驶行为、出行行为及主动安全预警特征，构成了车辆行驶数据。通过车辆行驶数据，可以间接的判断驾驶员的驾驶习惯和驾驶状态，也可以推断环境因素，为车辆运行轨迹的行驶安全评价提供依据。
56.举例说明，本实施例获取的车辆行驶数据为若干营运车辆驾驶人行车数据集，据集主要包括：驾驶行为特征集、出行行为特征集、主动安全预警特征集。
57.步骤s200、根据所述车辆行驶数据，得到评价指标及所述评价指标的组合权重和划分阈值；
58.具体地，本实施例在借鉴国际上针对驾驶安全性评价指标使用的基础上，结合已有车辆行驶数据，对营运车辆驾驶安全性综合评价指标进行选择。再获取评价指标的组合权重和划分阈值，以区分每个评价指标在营运车辆驾驶安全性综合评价模型中的影响力和对评价指标进行分段评分。
59.在一种实现方式中，本实施例所述步骤s200包括如下步骤：
60.步骤s201、根据所述车辆行驶数据，得到影响车辆行驶安全的评价指标；其中，所述评价指标包括驾驶行为、出行行为以及主动安全预警；
61.具体地，根据车辆行驶数据，提取驾驶行为(c1)、出行行为(c2)以及主动安全预警(c3)三类特征，构建营运车辆驾驶安全性评价指标体系特征集合c，c＝{c1,c2,c3}，则样本数据集u的结构为
62.u＝{c
11
,c
12
,
…
,c
1a
,c
21
,c
22
,
…
,c
2b
,c
31
,c
32
,
…
,c
3d
}；其中，c
1a
为驾驶人驾驶行为特征变量，c
2b
为出行行为特征变量，c
3d
为主动安全预警特征变量，a、b、d分别为特征维度。
63.步骤s202、利用层次分析法对所述评价指标进行比较分析，得到所述评价指标的主观权重；
64.具体地，利用层次分析法(analytic hierarchy process，ahp)得出各评价指标的主观权重。层次分析法是指将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。层次分析法根据问题的性质和要达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合，形成一个多层次的分析结构模型，从而最终使问题归结为最低层相对于最高层的相对重要权值的确定或相对优劣次序的排定。
65.在一种实现方式中，本实施例所述步骤s202包括如下步骤：
66.步骤s2021、通过建模将所述评价指标划分为三个层级，并得到每个层级的评价指标的指标重要性数值；其中所述层级包括目标层、准则层和子准则层；
67.步骤s2022、将任意两个层级的评价指标的指标重要性数值进行比较，得到比较结果；
68.步骤s2023、使用比例标度表对所述比较结果进行量化，得到相对重要性数值；
69.步骤s2024、根据所述相对重要性数值，建立指标重要性判断矩阵；
70.步骤s2025、通过一致性比率对所述指标重要性判断矩阵的一致性进行检验，得到所述评价指标的主观权重。
71.具体地，本实施例中先将问题建模为一个层次结构，包含目标层、准则层、子准则层。针对营运车辆综合安全评价体系的评价指标设计指标重要性专家调查问卷；构造判断矩阵a
x
，邀请n位交通安全领域的专家对于每一层级的指标进行两两比较，判断相对重要性，并使用比例标度表对相对重要性进行量化，建立各层级指标的判断矩阵，生成各层级指标的局部权重；利用一致性比率cr对各判断矩阵的一致性进行检验。一致性比率定义为cr＝ci/ri。其中，ci为判断矩阵的一致性指数，其计算方法为＝ci/ri。其中，ci为判断矩阵的一致性指数，其计算方法为λ
max
是判断矩阵a
x
的最大特征根，k为矩阵的阶数；ri为平均随机一致性指数，取值见表1。
72.表1平均随机一致性指数
73.k12345678910ri000.520.891.111.251.351.401.451.49
74.计算在判断矩阵通过一致性检验的基础上，得到所述评价指标的主观权重w
ahp
。
75.举例说明，在本实施例中根据层次分析法的基本原理，构建了营运车辆驾驶安全性综合评价指标体系，如表2所示。
76.表2营运车辆驾驶安全性评价指标体系
[0077][0078]
构造判断矩阵a
x
，通过基于指标的成对比较做出一系列判断，在层次结构的指标之间建立相对重要性。判断矩阵是一个行列数相同的矩阵。以5阶矩阵为例，定义判断矩阵a＝(a
pq
)5×5为：
[0079][0080]
其中a
ij
＝w
p
/wq》0，是指标w
p
和wq对于上层因素的主观比值(相对重要性)；对于每个判断矩阵，a
pq
＝1/a
qp
，a
pp
＝1。为了量化一个指标相对于另一个指标的相对重要性，即a
pq
，需使用比例标度表对其进行转化，具体如表3所示。
[0081]
表3判断矩阵元素a
pq
的比例标度表
[0082][0083]
邀请18位交通安全领域的专家对评价指标体系中各项指标重要度进行评价，生成准则层、子准则层判断矩阵。以准则层判断矩阵为例，表示如下：
[0084]
表4准则层判断矩阵
[0085]
cc1c2c3c1121/3c21/211/4c3341
[0086]
为了比较不同专家主观评价结果是否具有一致性，对判断矩阵结果一致性进行检验，计算各矩阵的最大特征根λ
max
、一致性指数ci及一致性比率cr结果。当一致性比率cr≤0.10是可以接受的，可继续进行ahp分析；如果cr》0.10，则有必要对判断进行修改，找出影响一致性的原因并予以纠正。结果如表5所示。各判断矩阵的一致性比率均小于0.10，表明各判断矩阵均通过一致性检验，专家评价结果具有一致性。
[0087]
表5各判断矩阵的最大特征根、一致性指数、平均随机一致性指数及一致性比率结果
[0088] cc1c2c
22
c3λ
max
3.0184.0614.0463.0184.183ci0.0090.0200.0150.0090.061ri0.520.890.890.520.89cr0.0180.0230.0170.0180.067
[0089]
确定层次分析法权重，包括局部权重与全局权重。局部权重是指每个准则层类别或子准则层变量经层次分析法计算的权重结果；全局权重是指变量针对总目标的最终权重，其计算方法为每个类别的局部权重与该类别下具体变量局部权重的乘积。结果如表6所示。
[0090]
表6层次分析法赋权结果
[0091][0092][0093]
步骤s203、利用熵权法对所述评价指标进行计算，得到所述评价指标的客观权重；
[0094]
在一种实现方式中，本实施例所述步骤s203包括如下步骤：
[0095]
步骤s2031、对所述评价指标进行归一化处理，得到归一化评价指标；
[0096]
步骤s2032、计算每个归一化评价指标的样本所占比重，并根据所述样本所占比重得到每个评价指标的指标熵值；
[0097]
步骤s2033、根据所述指标熵值，得到每个评价指标的指标熵权；
[0098]
步骤s2034、根据所述指标熵权，得到所述评价指标的客观权重。
[0099]
具体地，利用熵权法(entropyweightmethod，ewm)计算各评价指标的客观权重，其中熵权法是对指标体系客观(利用已知数据)赋权的方法。根据信息熵的定义，对于某项指标，可以用熵值来判断某个指标的离散程度，其信息熵值越小，指标的离散程度越大，该指标对综合评价的影响(即权重)就越大，如果某项指标的值全部相等，则该指标在综合评价中不起作用。因此，可利用信息熵这个工具，计算出各个指标的权重，为多指标综合评价提供依据。
[0100]
具体地，首先对所述评价指标进行归一化处理，通过归一化对数据进行标准化处理，以消除不同特征之间的量纲影响。然后，计算每个指标下第j个样本所占比重，计算各指标熵值。最后，计算各指标熵权w
ewm
，根据所述指标熵权，得到所述评价指标的客观权重。w
ewm
为熵权-层次分析法组合权重wc的基础。
[0101]
举例说明，在本实施例中对数据进行归一化处理，并计算每个指标下第j个样本所占比重p
ij
，其中z
ij
是第j个样本的第i个指标的归一化取值。计算各指标熵值ei，，计算各指标熵权wi，结果如表7所示。
[0102]
表7熵权法赋权结果
[0103][0104][0105]
步骤s204、根据所述主观权重和客观权重，得到所述评价指标的组合权重。
[0106]
在一种实现方式中，本实施例所述步骤s204包括如下步骤：
[0107]
步骤s2041、将所述主观权重和客观权重求和并进行归一化，得到所述评价指标的组合权重。
[0108]
具体地，组合权重(wc)的计算方法是利用主观权重(w
ewm
)与客观权重(w
ahp
)求和并进行归一化而来，具体计算如公式(1)所示。其中i为第i个指标。本实施例中组合权重的计算结果如表8所示。
[0109]
[0110]
表8ewm-ahp方法组合赋权结果
[0111][0112][0113]
步骤s205、使用k-means方法对所述车辆行驶数据进行聚类，得到离散行驶数据；
[0114]
具体地，为了使得评分模型易于解释，在最终建立模型前需对连续变量离散化，设置备择选项，以便对指标分级设置评分。故先使用k-means方法对数据进行聚类，将连续变量进行离散化处理。
[0115]
步骤s206、利用决策树的方法计算所述离散行驶数据的最优划分阈值，得到所述评价指标的划分阈值。
[0116]
具体地，利用决策树算法得到各指标经离散化处理后元素之间的划分阈值，并将上述阈值作为各评价指标的备择选项(即参考阈值，若满足某一参考阈值，则赋予与其相对应的得分)，使得模型更容易被解读。
[0117]
举例说明，本实施例中以驾驶行为变量为例，其参考阈值如表9所示。
[0118]
表9变量备则选项参考阈值(以驾驶行为变量为例进行展示)
[0119][0120][0121]
步骤s300、根据所述评价指标的组合权重和划分阈值，建立营运车辆驾驶安全性综合评价模型。
[0122]
具体地，对各项评价指标进行分值分配，各项评价指标的分值总和为s分，其中，驾驶行为类别总计s1分、出行行为类别总计s2分、主动安全预警类别总计s3分。再生成评价打分表，即营运车辆驾驶安全性综合评价模型。
[0123]
在一种实现方式中，本实施例所述步骤s300包括如下步骤：
[0124]
步骤s301、根据划分阈值对所述评价指标进行划分，得到每个评价指标的参考值分段；
[0125]
步骤s302、根据组合权重对每个评价指标的参考值分段进行分值分配，得到所述营运车辆驾驶安全性综合评价模型。
[0126]
具体地，结合ewm-ahp组合权重结果，对各项评价指标进行分值分配，令各项评价指标的分值总和为100分，以此构成营运车辆驾驶安全性评分模型。其中，驾驶行为类别总计16分、出行行为类别总计30分、主动安全预警类别总计54分。以驾驶行为类别为例，各变量得分赋值结果如表10所示，表10以驾驶行为变量为例进行展示。通过构建营运车辆驾驶安全性综合评价指标体系，实现辅助车辆营运机构对其管理的车辆进行危险识别、风险监控与评估，为开展主动安全管理等工作提供有效支持。
[0127]
表10营运车辆驾驶安全性评分模型
[0128][0129][0130]
具体地，为了验证本实施例中评价模型的有效性，对数据集中各营运车辆的综合安全性得分进行计算。令评价结果以10分为区段进行分段统计，结果如图2所示。由图可知，半数以上的货运车辆综合安全性得分集中在[60,70)分，占据车辆总数的51.85％；其次为得分在[50,60)区段，占据总数的近三分之一；得分在70分及以上的车辆数占据总数的15.84％。一般可认为，分数在60分以下的货运车辆安全性较低，60～70分的货运车辆安全水平适中，70分及以上的货运车辆安全性较好。该结果与实际认知相符，表明本发明所提出的营运车辆驾驶安全性评价模型有效。
[0131]
示例性装置
[0132]
如图3中所示，本实施例还提供一种顾及预警信息及车辆运行轨迹的行驶安全评价装置，所述装置包括：
[0133]
车辆行驶数据获取模块10，用于获取车辆行驶数据；
[0134]
组合权重和划分阈值获取模块20，用于根据所述车辆行驶数据，得到评价指标及所述评价指标的组合权重和划分阈值；
[0135]
模型建立模块30，用于根据所述评价指标的组合权重和划分阈值，建立营运车辆驾驶安全性综合评价模型。
[0136]
在一种实现方式中，所述组合权重和划分阈值获取模块20包括：
[0137]
评价指标获取单元，用于根据所述车辆行驶数据，得到影响车辆行驶安全的评价指标；其中，所述评价指标包括驾驶行为、出行行为以及主动安全预警；
[0138]
主观权重获取单元，用于利用层次分析法对所述评价指标进行比较分析，得到所
述评价指标的主观权重；
[0139]
客观权重获取单元，用于利用熵权法对所述评价指标进行计算，得到所述评价指标的客观权重；
[0140]
组合权重获取单元，用于根据所述主观权重和客观权重，得到所述评价指标的组合权重。
[0141]
数据离散单元，用于使用k-means方法对所述车辆行驶数据进行聚类，得到离散行驶数据；
[0142]
划分阈值获取单元，用于利用决策树的方法计算所述离散行驶数据的最优划分阈值，得到所述评价指标的划分阈值。
[0143]
在一种实现方式中，所述客观权重获取单元包括：
[0144]
归一化子单元，用于对所述评价指标进行归一化处理，得到归一化评价指标；
[0145]
指标熵值获取子单元，用于计算每个归一化评价指标的样本所占比重，并根据所述样本所占比重得到每个评价指标的指标熵值；
[0146]
指标熵权获取子单元，用于根据所述指标熵值，得到每个评价指标的指标熵权；
[0147]
客观权重获取子单元，用于根据所述指标熵权，得到所述评价指标的客观权重。
[0148]
在一种实现方式中，所述主观权重获取单元包括：
[0149]
分层子单元，用于通过建模将所述评价指标划分为三个层级，并得到每个层级的评价指标的指标重要性数值；其中所述层级包括目标层、准则层和子准则层；
[0150]
比较子单元，用于将任意两个层级的评价指标的指标重要性数值进行比较，得到比较结果；
[0151]
相对重要性数值获取子单元，用于使用比例标度表对所述比较结果进行量化，得到相对重要性数值；
[0152]
判断矩阵建立子单元，用于根据所述相对重要性数值，建立指标重要性判断矩阵；
[0153]
主观权重获取子单元，用于通过一致性比率对所述指标重要性判断矩阵的一致性进行检验，得到所述评价指标的主观权重。
[0154]
在一种实现方式中，所述组合权重获取单元包括：
[0155]
组合权重获取子单元，用于将所述主观权重和客观权重求和并进行归一化，得到所述评价指标的组合权重。
[0156]
在一种实现方式中，所述模型建立模块30包括：
[0157]
参考值分段单元，用于根据划分阈值对所述评价指标进行划分，得到每个评价指标的参考值分段；
[0158]
建模单元，用于根据组合权重对每个评价指标的参考值分段进行分值分配，得到所述营运车辆驾驶安全性综合评价模型。
[0159]
基于上述实施例，本发明还提供了一种智能终端，其原理框图可以如图4所示。该智能终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏、温度传感器。其中，该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种顾及预警信息及车辆
运行轨迹的行驶安全评价方法。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏，该智能终端的温度传感器是预先在智能终端内部设置，用于检测内部设备的运行温度。
[0160]
本领域技术人员可以理解，图4中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的智能终端的限定，具体的智能终端以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0161]
在一个实施例中，提供了一种智能终端，智能终端包括存储器、处理器及存储在存储器中并可在处理器上运行的顾及预警信息及车辆运行轨迹的行驶安全评价程序，处理器执行顾及预警信息及车辆运行轨迹的行驶安全评价程序时，实现如下操作指令：
[0162]
获取车辆行驶数据；
[0163]
根据所述车辆行驶数据，得到评价指标及所述评价指标的组合权重和划分阈值；
[0164]
根据所述评价指标的组合权重和划分阈值，建立营运车辆驾驶安全性综合评价模型。
[0165]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、运营数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双运营数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0166]
综上，本发明公开了一种顾及预警信息及车辆运行轨迹的行驶安全评价方法，所述方法包括：获取车辆行驶数据；根据所述车辆行驶数据，得到评价指标及所述评价指标的组合权重和划分阈值；根据所述评价指标的组合权重和划分阈值，最终建立营运车辆驾驶安全性综合评价模型。本发明在考虑营运车辆主动安全管理预警特征、出行行为和驾驶行为的基础上，构建营运车辆驾驶安全性综合评价指标体系，可辅助车辆营运机构对其管理的车辆进行危险识别、风险监控与评估，为开展主动安全管理等工作的有效支持。
[0167]
最后应说明的是：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。

技术特征：
1.一种顾及预警信息及车辆运行轨迹的行驶安全评价方法，其特征在于，所述方法包括：获取车辆行驶数据；根据所述车辆行驶数据，得到评价指标及所述评价指标的组合权重和划分阈值；根据所述评价指标的组合权重和划分阈值，建立营运车辆驾驶安全性综合评价模型。2.根据权利要求1所述的顾及预警信息及车辆运行轨迹的行驶安全评价方法，其特征在于，所述根据所述车辆行驶数据，得到评价指标及所述评价指标的组合权重和划分阈值，包括：根据所述车辆行驶数据，得到影响车辆行驶安全的评价指标；其中，所述评价指标包括驾驶行为、出行行为以及主动安全预警；利用层次分析法对所述评价指标进行比较分析，得到所述评价指标的主观权重；利用熵权法对所述评价指标进行计算，得到所述评价指标的客观权重；根据所述主观权重和客观权重，得到所述评价指标的组合权重。3.根据权利要求1所述的顾及预警信息及车辆运行轨迹的行驶安全评价方法，其特征在于，所述根据所述车辆行驶数据，得到评价指标及所述评价指标的组合权重和划分阈值，包括：使用k-means方法对所述车辆行驶数据进行聚类，得到离散行驶数据；利用决策树的方法计算所述离散行驶数据的最优划分阈值，得到所述评价指标的划分阈值。4.根据权利要求2所述的顾及预警信息及车辆运行轨迹的行驶安全评价方法，其特征在于，所述利用层次分析法对所述评价指标进行比较分析，得到所述评价指标的主观权重，包括：通过建模将所述评价指标划分为三个层级，并得到每个层级的评价指标的指标重要性数值；其中所述层级包括目标层、准则层和子准则层；将任意两个层级的评价指标的指标重要性数值进行比较，得到比较结果；使用比例标度表对所述比较结果进行量化，得到相对重要性数值；根据所述相对重要性数值，建立指标重要性判断矩阵；通过一致性比率对所述指标重要性判断矩阵的一致性进行检验，得到所述评价指标的主观权重。5.根据权利要求2所述的顾及预警信息及车辆运行轨迹的行驶安全评价方法，其特征在于，所述利用熵权法对所述评价指标进行计算，得到所述评价指标的客观权重，包括：对所述评价指标进行归一化处理，得到归一化评价指标；计算每个归一化评价指标的样本所占比重，并根据所述样本所占比重得到每个评价指标的指标熵值；根据所述指标熵值，得到每个评价指标的指标熵权；根据所述指标熵权，得到所述评价指标的客观权重。6.根据权利要求1所述的顾及预警信息及车辆运行轨迹的行驶安全评价方法，其特征在于，所述根据所述主观权重和客观权重，得到所述评价指标的组合权重，包括：将所述主观权重和客观权重求和并进行归一化，得到所述评价指标的组合权重。
7.根据权利要求1所述的顾及预警信息及车辆运行轨迹的行驶安全评价方法，其特征在于，所述根据所述评价指标的组合权重和划分阈值，建立营运车辆驾驶安全性综合评价模型，包括：根据划分阈值对所述评价指标进行划分，得到每个评价指标的参考值分段；根据组合权重对每个评价指标的参考值分段进行分值分配，得到所述营运车辆驾驶安全性综合评价模型。8.一种顾及预警信息及车辆运行轨迹的行驶安全评价装置，其特征在于，所述装置包括：车辆行驶数据获取模块，用于获取车辆行驶数据；组合权重和划分阈值获取模块，用于根据所述车辆行驶数据，得到评价指标及所述评价指标的组合权重和划分阈值；模型建立模块，用于根据所述评价指标的组合权重和划分阈值，建立营运车辆驾驶安全性综合评价模型。9.一种智能终端，其特征在于，所述智能终端包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的顾及预警信息及车辆运行轨迹的行驶安全评价程序，所述处理器执行所述顾及预警信息及车辆运行轨迹的行驶安全评价程序时，实现如权利要求1-7任一项所述的顾及预警信息及车辆运行轨迹的行驶安全评价方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有顾及预警信息及车辆运行轨迹的行驶安全评价程序，所述顾及预警信息及车辆运行轨迹的行驶安全评价程序被处理器执行时，实现如权利要求1-7任一项所述的顾及预警信息及车辆运行轨迹的行驶安全评价方法的步骤。

技术总结
本发明公开了一种顾及预警信息及车辆运行轨迹的行驶安全评价方法，所述方法包括：获取车辆行驶数据；根据所述车辆行驶数据，得到评价指标及所述评价指标的组合权重和划分阈值；根据所述评价指标的组合权重和划分阈值，最终建立营运车辆驾驶安全性综合评价模型。本发明在考虑营运车辆主动安全管理预警特征、出行行为和驾驶行为的基础上，构建营运车辆驾驶安全性综合评价指标体系，可辅助车辆营运机构对其管理的车辆进行危险识别、风险监控与评估，为开展主动安全管理等工作提供有效支持。为开展主动安全管理等工作提供有效支持。为开展主动安全管理等工作提供有效支持。


技术研发人员：张旭欣 崔海鹏
受保护的技术使用者：深圳职业技术学院
技术研发日：2023.04.17
技术公布日：2023/7/11