基于AHP和因子分析法的驾驶倾向性评价体系研究

黄斐 邹忠义 谢光旺

[摘要]驾驶倾向性体现的是在不同的环境中汽车驾驶员的心理情感状态。现实中无法对其进行精准测量，唯有按照驾驶员在平时驾驶过程中的行为进行推测，给交通安全研究带来较大的挑战。另外，由于对驾驶员驾驶倾向性辨识涉及多个指标，如果采取单一的评价方法，容易受到评价主体主观影响而导致结果存在偏差。因此，本文将因子分析法和AHP结合起来，对机动车驾驶员驾驶倾向性进行辨识。

[关键词]驾驶倾向性;因子分析法;AHP法

[DOI]1013939/jcnkizgsc201821067

1引言

汽车已成为人们出行的主要交通工具，它一方面给大家带来出行的便利、时间的节省以及身心的愉悦，另一方面也给人们带来不少麻烦，譬如交通安全隐患。笔者从大量交通事故数据中得出结果，超过九成的交通事故发生原因是人为因素，其中因驾驶员的问题导致的交通事故超过七成。因此，引起交通事故发生的很大原因，就是驾驶员自身的问题。当然，关于驾驶员的自身问题，具体可以从年龄、性别、驾龄、操作习惯、驾驶心理特点等因素进行讨论。从一定程度上说，这些因素都属于驾驶倾向性。驾驶倾向性，指的是驾驶人驾驶汽车时，因为身处的环境、所遇到的状况不同，而呈现出独一无二的心理情感状态。现实中无法对其进行精准测量，唯有按照驾驶员在平时驾驶过程中的行为进行推测，因此给交通安全研究带来较大的挑战。笔者发现目前的研究，主要倾向于驾驶员心理对驾驶行为的预测、驾驶员意图的辨识等方面，极少会围绕驾驶倾向性为重点进行量化分析。另外，由于对驾驶员驾驶倾向性辨识涉及多个指标，如果采取单一的评价方法，容易受到评价主体主观影响而导致结果存在偏差。因此，文章将因子分析法和AHP结合起来，对机动车驾驶员驾驶倾向性进行辨识。

2问卷调查

21问卷的设计

以JReason等构建的驾驶员行为问卷为基础，结合中国实际交通情况设计了如下驾驶行为问卷（见表1）。实际上，本研究很难量化所涉及的变量，唯有采取Likert七级量表打分法加以测度。1～7表示从“低到高”依次过渡，具体为“不会、几乎不会、偶尔、有时、较经常发生、经常发生、非常高频率发生”。

22信度和效度检验

本文运用一致性指数Cronbach a值及题项对变量所有题项的相关系数CITC检验概念模型中涉及变量测度的信度检验。通过这种方式，一旦变量测度题项中某个项目被删除后，以其他项目所计算出的被删除后a值越高，就代表该项目应考虑被删除（林震岩，2007）。表2展示的是信度检验的主要结果。在这个表格当中，我们可以看到所有变量的一致性指数Cronbach a都在07以上，所有题项的CITC也在035以上，因此即便是删除任何变量的任何题项后，α系数同样无法得到有效的提升。从以上提及的指标来看，所有变量量表的内部一致性较高，信度较好。

3指标权重的计算

31因子分析法建立层次结构模型

经过容忍度、膨胀因子、特征根和条件指数等检验，一致判定这些影响因素彼此间有着多重共线性。结合总体分析和实践经验，抽取了4个主因子，并进行全新的统计分析。得出的结果为表4，即特征值及各主因子对应的方差贡献率。

从表4不难发现，在20个原变量中抽取了4个主因子，共解释总方差的86556%。表5为因子载荷矩阵，体现的是变量与因子之间的关系，即每个因子主要由哪些变量提供信息。由表5可见，第一因子与驾驶习惯相关，主要表现在车速、油门刹车使用频率、转向灯的使用、变道等，主要体现了驾驶员日常驾驶行为;第二因子与驾驶行为相关，主要是错误的一些行为，比如说右侧超车、没有摄像头时违章驾驶等行为;第三因子与驾驶环境相关，比如说雨雪天气、交通堵塞、道路情况以及车内环境等，体现了驾驶员驾驶时车内外的环境;第四因子与驾驶员反应能力相关，比如说遇到障碍物时是否能及时判断等。因此，可以确立驾驶习惯、驾驶行为、驾驶环境和应变能力四个二级指标，三级指标则分别为x1～x20。

32指标权重的确定

各因子的贡献率多少，将会直接决定二级指标对于一级指标的权重，如表4所示，本案例可取4个因子，对应的特征值为5113，3917，2035，1707，根据公式λj/∑4j=1λj（j=1，2，3，4）计算得到各因子的贡献率为0400，0307，0159，0134。所以总的驾驶人驾驶倾向性辨识评估值可以表示为：F=0400F1+0307F2+0159F3+0134F4。

三级指标权重则由层次分析法（AHP）来判断。由因子分析法可以得出，驾驶习惯因子由x1、x2、x5、x6、x7、x8和x19七个指标构成，则在三级指标的权重计算中，可以通过构建七阶判断矩阵得出其权重。相应地，驾驶行为因子由x3、x4、x9、x10、x12和x15六个指标构成，可以构建六阶判断矩阵得出其权重;驾驶环境因子由x13、x14、x16和x17四个指标构成，可以构建四阶判断矩阵得出其权重;应变能力因子由x11、x18和x20三个指标构成，可以构建三阶判断矩阵得出其权重。这四个判断矩阵分别为

12433321/21322211/41/311/21/21/21/31/31/221111/21/31/221111/21/31/221111/21/2132221、1433421/411/21/211/21/3211211/3211211/411/21/211/21/221121、14331/411/21/21/32111/3211和11/31/231221/21，他们的最大特征值分别为7035、6028、4118和301，最大特征值对应的权重为（0298，0178，0056，0097，0097，0097，0178）T，（0374，0081，0151，0151，0081，0162）T，（0514，0106，0190，0190）T和（0164，0539，0297）T。通过计算可得到各判断矩阵的一致性指标CI值分别为0005、0005、0039和0005。查表2，可得各自对应的一致性比例CR分别为0004、0004、0044和0004。可以看出判断矩阵的一致性是处于合理范围的。因此，通过以上方式确定的权向量，能够直接作为三级指标对于二级指标的主观权重。可以确定：

F1=0298x1+0178x2+0056x5+0097x6+0097x7+0097x8+0178x19

F2=0378x3+0081x4+0151x9+0151x10+0081x12+0162x15

F3=0514x13+0106x14+019x16+019x17

F4=0539x11+0164x18+0297x20

对各系数进行标准化，可得各三级指标对于二级指标的客观权重以及综合权重如表6所示。则最终评价模型为：

33建立评价集

结合评估的需要，驾驶员的驾驶倾向类型用驾驶倾向粒度如此表示：最内倾的驾驶员倾向粒度为0;最外倾的驾驶员倾向粒度为1，任何一名驾驶员倾向粒度都处于[0，1]范围之中。驾驶倾向粒度和驾驶倾向成反比关系，即驾驶倾向粒度越大，则代表驾驶倾向越外倾，反之亦然。如表7所示。

34案例分析

通过这一模型对海苑驾校1位教练的驾驶倾向性进行测定，并组织了5名专家对被测定者的驾驶员驾驶习惯、驾驶行为、驾驶环境和应变能力进行打分，打分采用1～10标度法，1表示无该项行为，10表示极度明显有该项行为。经过计算该名教练员的驾驶倾向性打分为0461（具体计算见表8）。根据表7可认为该名教练员驾驶倾向类型为中倾。

4结论

本文结合驾驶员心理变化较大、个体差异相对明显等特点，通过整合大量的数据资源，科学地构建了一套驾驶倾向性识别指标体系。在这个体系当中，每个指标的权重都会严格遵照主成分分析法進行合理分配，并且还会采取层次分析法对驾驶员驾驶倾向性实施评判以及实证检验。模型结果表明，运用这套指标体系一方面能够有效合理地研究驾驶员驾驶倾向性的过程，从而更好地掌握驾驶员的驾驶心理情感状况;另一方面可以宏观层面上丰富该领域的研究成果，为预防交通安全事故提供有用的决策依据，推动文明交通安全体系的建设。

参考文献：

[1]余腊生，何满庆基于Agent和情感计算的司机驾驶行为模型研究[J].企业技术开发，2009，28（3）：19-21.

[2]马艳，王令，郭华驾驶员交通心理划分与个性化训练研究[J].公路交通科技，2008，25（9）：363-366.