考慮駕駛員行為偏好的車輛最優路徑選擇的G1—TOPSIS法

邢建平

【摘 要】以前的車輛最優路徑選擇大多是考慮路程最短或時間最少.然而在實際的情形往往是伴隨著駕駛員不同的行為偏好.充分考慮了駕駛員在路徑選擇中的不同要求， 將G1法引入到駕駛員路徑選擇影響因素的權重確定，同時發展出基于G1-TOPSIS法車輛最優路徑方法， 并通過應用例子說明了方法的有效性和實用性.

【關鍵詞】路徑選擇；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

現有的車輛路徑選擇問題大多是考慮路程最短或時間最少.然而隨著路況的改善和車輛擁有率的提升，在路徑選擇方面只有將駕駛員的心理偏好考慮到導航系統才會贏得更多的市場占有率.現有的大多數交通流誘導系統在設計上還沒有考慮此類駕駛員的特殊偏好要求.隨著模糊數學以及多目標決策理論的發展，近年來已經有部分學者嘗試利用模糊邏輯或近似推理等方法來解決該問題[1-2].駕駛員在進行車輛最優路徑選擇問題上，會考慮多個路徑選擇的影響因素[3]，如行駛時間、行駛距離、擁擠程度（路上車輛數、排隊長度）、出行費用、行駛困難程度（道路寬度、車道數、行人和自行車數量等）和沿途景觀（特別是對長途旅行）等.因而含有駕駛員行為偏好的車輛路徑選擇問題實質上也是一個復雜的多屬性決策問題.近10年來，多屬性決策方法已經得到了大量的研究和關注，方法已經被廣泛應用到供應商合作伙伴選擇[4]、企業信用評價[5]、水質評價[6]以及目標識別[7]等多個領域.

已經有部分學者將多屬性決策理論應用到含有駕駛員行為偏好的車輛路徑選擇問題，但是這方面的研究成果的還很少，有必要進行進一步的研究.文獻[8-9]利用灰色系統理論研究了考慮駕駛員心理行為因素的自適應最優路徑選擇問題，取得了較好的效果.在確定影響因素（屬性）權重的過程中，該文采用的層次分析法的思想.不過對于層次分析法，很多學者對其必須滿足一致性提出了質疑，并且在成對比較矩陣的維數較大時，層次分析法的一致性矩陣構造以及修正都會遇到困難[9].文獻[10]提出的屬性權重確定的G1法可以有效地避免層次分析法的上述缺憾.由于駕駛員針對不同屬性的偏好選擇路徑時，對不同的路徑屬性有不同的要求，且對其屬性值存在一個可接受范圍，此時區間數相比精確數而言，具有更好的刻畫效果.為此本文針對存在駕駛員心理行為因素的最優路徑選擇問題進行研究，提出了一種基于G1法和M-TOPSIS法的能夠反映駕駛員偏好的最優路徑選擇方法.

1 最優路徑選擇的區間數型多屬性決策模型

3 應用例子

現假設某一駕駛員要從甲地駕車去乙地，有3條路徑可以到達A1，A2，A3.該駕駛員在路徑選擇上，考慮的評價因素（屬性）為：行駛時間o1、行駛距離o2、擁擠程度（路上車輛數、排隊長度）o3、出行費用o4、行駛困難程度（道路寬度、車道數、行人和自行車數量等）o5和沿途景觀（特別是對長途旅行）o6，其中沿途景觀為效益性屬性，其余均為成本型屬性.這6個屬性的重要程度排名為：o4？酆o6？酆o2？酆o3？酆o5？酆o1，各個路徑在各評價屬性上的屬性評價值為區間數，參見表1.

4 結束語

在駕駛員對影響路徑選擇因素有行為偏好的情況下，本文將G1法引入到路徑選擇因素權重的確定，可以克服層次分析法的一些不足.同時本文所提出的基于G1-TOPSIS法思想的最優路徑選擇方法計算簡單，易于利用Matlab語言程序化操作，有利于拓展智能交通流誘導系統的功能， 以滿足不同駕駛員個性化的需求，帶來更大的需求空間.

【參考文獻】

[1]孫燕，陳森發，黃昆鳥.基于灰色評價理論的自適應最優路徑選擇[J].中國公路學報，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]韋增欣，陳進來，羅朝暉.基于駕駛員偏好的最優路徑選擇[J].交通運輸系統工程與信息，2010，10（6）：141-144.

[4]白榮，崔炳謀.TOPSIS在供應商選擇中的應用[J].鐵道運輸與經濟，2006，28（9）：58-60.

[5]羅勇，陳治亞.基于模糊綜合法構建物流企業客戶信用評價指標體系[J].華東交通大學學報，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]孫燕，陳森發，亓霞，等.基于灰色系統理論的最優路徑選擇方法[J].土木工程學報，2003，36（1）：94-98.

[9]范麗，孫燕.灰關聯決策模型在最優路徑選擇中的應用[J].交通運輸工程與信息學報，2008，6（2）：91-95.

[10]郭亞軍.綜合評價理論與方法[M].北京：科學出版社，2002.

[11]徐澤水求解不確定型多屬性決策問題的一種新方法[J].系統工程學報，2002， 17（2）：177-181.

[12]張堯，樊治平.部分指標權重信息下的區間數多指標決策方法[J].哈爾濱工業大學學報，2008，40（10）：1672-1676.

[責任編輯：楊玉潔]