考虑驾驶员行为偏好的车辆最优路径选择的G1—TOPSIS法

邢建平

【摘 要】以前的车辆最优路径选择大多是考虑路程最短或时间最少.然而在实际的情形往往是伴随着驾驶员不同的行为偏好.充分考虑了驾驶员在路径选择中的不同要求， 将G1法引入到驾驶员路径选择影响因素的权重确定，同时发展出基于G1-TOPSIS法车辆最优路径方法， 并通过应用例子说明了方法的有效性和实用性.

【关键词】路径选择；群特征法；TOPSIS法

【Abstract】The previous optimal path selection of vehicles is mostly considered the shortest path or the least time. However， in practice， there is often a different behavior preference. The different requirements of the driver in the path selection are considered in this article， and the G1 method is used to determine the weight of the influence factors on the path selection. Further the optimal path method based on TOPSIS combining with G1 method is developed， which considers the driver's behavior preference. An example is used to show that the proposed method is effective and practical.

【Key words】Path selection； G1 method； TOPSIS； Behavior preference

0 引言

现有的车辆路径选择问题大多是考虑路程最短或时间最少.然而随着路况的改善和车辆拥有率的提升，在路径选择方面只有将驾驶员的心理偏好考虑到导航系统才会赢得更多的市场占有率.现有的大多数交通流诱导系统在设计上还没有考虑此类驾驶员的特殊偏好要求.随着模糊数学以及多目标决策理论的发展，近年来已经有部分学者尝试利用模糊逻辑或近似推理等方法来解决该问题[1-2].驾驶员在进行车辆最优路径选择问题上，会考虑多个路径选择的影响因素[3]，如行驶时间、行驶距离、拥挤程度（路上车辆数、排队长度）、出行费用、行驶困难程度（道路宽度、车道数、行人和自行车数量等）和沿途景观（特别是对长途旅行）等.因而含有驾驶员行为偏好的车辆路径选择问题实质上也是一个复杂的多属性决策问题.近10年来，多属性决策方法已经得到了大量的研究和关注，方法已经被广泛应用到供应商合作伙伴选择[4]、企业信用评价[5]、水质评价[6]以及目标识别[7]等多个领域.

已经有部分学者将多属性决策理论应用到含有驾驶员行为偏好的车辆路径选择问题，但是这方面的研究成果的还很少，有必要进行进一步的研究.文献[8-9]利用灰色系统理论研究了考虑驾驶员心理行为因素的自适应最优路径选择问题，取得了较好的效果.在确定影响因素（属性）权重的过程中，该文采用的层次分析法的思想.不过对于层次分析法，很多学者对其必须满足一致性提出了质疑，并且在成对比较矩阵的维数较大时，层次分析法的一致性矩阵构造以及修正都会遇到困难[9].文献[10]提出的属性权重确定的G1法可以有效地避免层次分析法的上述缺憾.由于驾驶员针对不同属性的偏好选择路径时，对不同的路径属性有不同的要求，且对其属性值存在一个可接受范围，此时区间数相比精确数而言，具有更好的刻画效果.为此本文针对存在驾驶员心理行为因素的最优路径选择问题进行研究，提出了一种基于G1法和M-TOPSIS法的能够反映驾驶员偏好的最优路径选择方法.

1 最优路径选择的区间数型多属性决策模型

3 应用例子

现假设某一驾驶员要从甲地驾车去乙地，有3条路径可以到达A1，A2，A3.该驾驶员在路径选择上，考虑的评价因素（属性）为：行驶时间o1、行驶距离o2、拥挤程度（路上车辆数、排队长度）o3、出行费用o4、行驶困难程度（道路宽度、车道数、行人和自行车数量等）o5和沿途景观（特别是对长途旅行）o6，其中沿途景观为效益性属性，其余均为成本型属性.这6个属性的重要程度排名为：o4？酆o6？酆o2？酆o3？酆o5？酆o1，各个路径在各评价属性上的属性评价值为区间数，参见表1.

4 结束语

在驾驶员对影响路径选择因素有行为偏好的情况下，本文将G1法引入到路径选择因素权重的确定，可以克服层次分析法的一些不足.同时本文所提出的基于G1-TOPSIS法思想的最优路径选择方法计算简单，易于利用Matlab语言程序化操作，有利于拓展智能交通流诱导系统的功能， 以满足不同驾驶员个性化的需求，带来更大的需求空间.

【参考文献】

[1]孙燕，陈森发，黄昆鸟.基于灰色评价理论的自适应最优路径选择[J].中国公路学报，2003，16（4）：87-90.

[2]Pang K. H.， Takabashi， K. ， Yokota， T. ， Takenaga， H. Adaptive route selection for dynamic route guidance system based on fuzzyneural approaches[J]. IEEE Transactions on Vehicular Technology， 1999， 48（6）：2028-2041.

[3]韦增欣，陈进来，罗朝晖.基于驾驶员偏好的最优路径选择[J].交通运输系统工程与信息，2010，10（6）：141-144.

[4]白荣，崔炳谋.TOPSIS在供应商选择中的应用[J].铁道运输与经济，2006，28（9）：58-60.

[5]罗勇，陈治亚.基于模糊综合法构建物流企业客户信用评价指标体系[J].华东交通大学学报，2015，32（2）：95-102.

[6]Ren Haiping Zhou， Hui. Application of variable weight method to water quality evaluation[J]. Advance Journal of Food Science and Technology， 2015， 7（10）：756-761.

[7]Ren Haiping，Yang Lianwu. Multi-sensor target recognition based on VIKOR [J]，Sensors and Transducers， 2014，156（9）：130-135.

[8]孙燕，陈森发，亓霞，等.基于灰色系统理论的最优路径选择方法[J].土木工程学报，2003，36（1）：94-98.

[9]范丽，孙燕.灰关联决策模型在最优路径选择中的应用[J].交通运输工程与信息学报，2008，6（2）：91-95.

[10]郭亚军.综合评价理论与方法[M].北京：科学出版社，2002.

[11]徐泽水求解不确定型多属性决策问题的一种新方法[J].系统工程学报，2002， 17（2）：177-181.

[12]张尧，樊治平.部分指标权重信息下的区间数多指标决策方法[J].哈尔滨工业大学学报，2008，40（10）：1672-1676.

[责任编辑：杨玉洁]