本发明涉及物理领域，尤其涉及测量技术，特别是一种基于模糊层次分析法的汽车驾驶行为评估方法。
背景技术：
：交通事故往往由各类违规驾驶行为导致。目前，随着智慧城市、车联网等新兴信息技术的不断发展，越来越多的车辆安装了北斗/gps定位系统，这些车载定位系统产生的数据被源源不断的发送到车辆监控平台，为车辆的监控和风险预防发挥着重要的作用。从车载北斗/gps数据可以分析出的常见违规驾驶行为主要有：超速行为、急转弯行为、急加速行为和急减速行为、夜间驾驶行为和疲劳驾驶行为等。但是现有技术中，未能利用这些违规驾驶行为数据来评估汽车驾驶行为的优劣，是现有交通监控技术的不足。技术实现要素：本发明的目的是提供一种基于模糊层次分析法的汽车驾驶行为评估方法，所述的这种基于模糊层次分析法的汽车驾驶行为评估方法要解决现有技术中未能利用这些违规驾驶行为数据来评估汽车驾驶行为优劣的技术问题。本发明的这种基于模糊层次分析法的汽车驾驶行为评估方法，将常见影响汽车行驶的违规驾驶行为分为瞬间违规驾驶行为和持续违规驾驶行为两大类，所述的瞬间违规驾驶行为包括超速行为、急转弯行为、急加速行为和急减速行为，所述的持续违规驾驶行为包括夜间驾驶行为和疲劳驾驶行为，然后确定汽车驾驶行为的评价指标集u，具体如下：u＝{u1,u2}＝{瞬间违规驾驶行为,持续违规驾驶行为}，u1＝{u11,u12,u13,u14}＝{超速行为,急转弯行为,急加速行为,急减速行为}，u2＝{u21,u22}＝{夜间驾驶行为,疲劳驾驶行为}，所述的两大类违规驾驶行为的相对重要性模糊标度按照下列表格确定：uu1u2u10.50.7u20.30.5所述的瞬间违规驾驶行为的相对重要性模糊标度按照下列表格确定：u1u11u12u13u14u110.50.40.30.3u120.60.50.40.4u130.70.60.50.6u140.70.60.40.5所述的持续违规驾驶行为的相对重要性模糊标度按照下列表格确定：u2u21u22u210.50.2u220.80.5基于模糊层次分析法建立以下汽车驾驶行为评估模型：e＝0.135x11+0.168x12+0.205x13+0.191x14+0.06x21+0.24x22其中，e为当前汽车驾驶行为得分，x11为汽车超速行为得分，x12为汽车急转弯行为得分，x13为汽车急加速行为得分，x14为汽车急减速行为得分，x21为汽车夜间驾驶行为得分，x22为汽车疲劳驾驶行为得分。进一步的，利用一个通讯装置和一个计算装置接收并处理车载定位系统产生的定位数据，并查询电子地图数据和定位当时时间，根据车载定位系统的定位数据，从所述的电子地图数据中取得当时车辆所处道路类型,根据车载定位系统的定位数据计算车辆当时的速度、方向和加速度，从而判断车辆当时的超速行为、急转弯行为、急加速行为、急减速行为。夜间驾驶行为和疲劳驾驶行为。本发明与现有技术相比较，其效果是积极和明显的。本发明提供一种基于模糊层次分析法的汽车驾驶行为评估方法，使监控人员可以利用北斗/gps定位系统的监控数据评估当前汽车的驾驶行为优劣程度。具体实施方式：实施例1本发明的基于模糊层次分析法的汽车驾驶行为评估方法，将常见影响汽车行驶的违规驾驶行为分为瞬间违规驾驶行为和持续违规驾驶行为两大类，所述的瞬间违规驾驶行为包括超速行为、急转弯行为、急加速行为和急减速行为，所述的持续违规驾驶行为包括夜间驾驶行为和疲劳驾驶行为，然后确定汽车驾驶行为的评价指标集u，具体如下：u＝{u1,u2}＝{瞬间违规驾驶行为,持续违规驾驶行为}，u1＝{u11,u12,u13,u14}＝{超速行为,急转弯行为,急加速行为,急减速行为}，u2＝{u21,u22}＝{夜间驾驶行为,疲劳驾驶行为}，所述的两大类违规驾驶行为的相对重要性模糊标度按照下列表格确定：其中，u1行u2列的值为0.7，表示指标的u1要比指标u2很重要(两个指标同样重要时，该值为0.5；一个比另一个指标重要时，该值为0.6；一个比另一个指标很重要时，该值为0.7；一个比另一个指标非常重要时，该值为0.8；一个比另一个指标极度重要时，该值为0.9)，下同。uu1u2u10.50.7u20.30.5所述的瞬间违规驾驶行为的相对重要性模糊标度按照下列表格确定：所述的持续违规驾驶行为的相对重要性模糊标度按照下列表格确定：u2u21u22u210.50.2u220.80.5基于模糊层次分析法建立以下汽车驾驶行为评估模型：e＝0.135x11+0.168x12+0.205x13+0.191x14+0.06x21+0.24x22其中，e为当前汽车驾驶行为得分，x11为汽车超速行为得分，x12为汽车急转弯行为得分，x13为汽车急加速行为得分，x14为汽车急减速行为得分，x21为汽车夜间驾驶行为得分，x22为汽车疲劳驾驶行为得分。进一步的，利用一个通讯装置和一个计算装置接收并处理车载定位系统产生的定位数据，并查询电子地图数据和定位当时时间，根据车载定位系统的定位数据，从所述的电子地图数据中取得当时车辆所处道路类型,根据车载定位系统的定位数据计算车辆当时的速度、方向和加速度，从而判断车辆当时的超速行为、急转弯行为、急加速行为、急减速行为。夜间驾驶行为和疲劳驾驶行为。具体的，本实施例的推理过程如下：一、建立汽车驾驶行为评价指标集：u＝{u1,u2}＝{瞬间违规驾驶行为,持续违规驾驶行为}；u1＝{u11,u12,u13,u14}＝{超速行为,急转弯行为,急加速行为,急减速行为}；u2＝{u21,u22}＝{夜间驾驶行为,疲劳驾驶行为}；二、根据专家给出的各指标相对重要性标度，产生模糊判断矩阵：1、基于表1的两类违规驾驶行为的相对重要性模糊标度判断矩阵a，如下：2、基于表2的四种瞬间违规驾驶行为的相对重要性模糊标度判断矩阵a1，如下：3、基于表3的两种持续违规驾驶行为的相对重要性模糊标度判断矩阵a2，如下：三、将模糊判断矩阵转换为一致性判断矩阵：根据公式可以将上文中的模糊标度判断矩阵转换为一致性判断矩阵，(其中，a为模糊标度判断矩阵，r为一致性判断矩阵，rij为一致性判断矩阵中的第i行第j列元素，ri表示矩阵r中第i行元素之和，rj表示矩阵r中第j行元素之和，)；在上述矩阵变换过程中，基于表2的四种瞬间违规驾驶行为的相对重要性模糊标度判断矩阵a1转换为与之对应的一致性判断矩阵r1；同理，基于表3的两种持续违规驾驶行为的相对重要性模糊标度判断矩阵a2转换为与之对应的一致性判断矩阵r2；同理，基于表1的两类违规驾驶行为的相对重要性模糊标度判断矩阵a，转换为与之对应的一致性判断矩阵r。四、利用最小二乘法计算各指标的权重：根据最小二乘法公式可以将上文中的一致性判断矩阵r计算出评价驾驶行为优劣的各指标的权重矩阵w，(其中，wi为一致性判断矩阵中的第i行指标的权重值，rik表示一致性判断矩阵r中第i行第k列元素，m表示一致性判断矩阵r中第i行的列数)；w＝[0.70.3]；w1＝[0.1930.240.2930.273]；w2＝[0.20.8]；根据上述公式，表2的四种瞬间违规驾驶行为指标的权重值为w1，表3的两种持续违规驾驶行为的权重值为w2。五、评估模型：设e为当前汽车驾驶行为得分，x11为汽车超速行为得分，x12为汽车急转弯行为得分，x13为汽车急加速行为得分，x14为汽车急减速行为得分，x21为汽车夜间驾驶行为得分，x22为汽车疲劳驾驶行为得分，则：e＝0.7e1+0.3e2＝0.7(0.193x11+0.24x12+0.293x13+0.273x14)+0.3(0.2x21+0.8x22)＝0.135x11+0.168x12+0.205x13+0.191x14+0.06x21+0.24x22；所以，e＝0.135x11+0.168x12+0.205x13+0.191x14+0.06x21+0.24x22。当前第1页12