基于UBI與AHP的貨車安全性評分機(jī)制

肖澧，曾娟

（武漢理工大學(xué)汽車工程學(xué)院，湖北 武漢430000）

1 前言

1.1 貨車交通事故統(tǒng)計(jì)

據(jù)公安部交管局的數(shù)據(jù)顯示，2016年，全國的貨車保有量總計(jì)達(dá)到1 351.77萬輛，全國的道路交通事故總計(jì)212 846起，共造成63 093人死亡，這其中由貨車所造成的交通事故為5.04萬起，占汽車交通事故總數(shù)的30.5%，造成死亡人數(shù)達(dá)2.5萬人。2017年全國的貨車保有量總計(jì)達(dá)到1 368.62萬輛，全國所發(fā)生的道路交通事故總計(jì)有203 049起，所造成的人員傷亡達(dá)到了18 599人，而由貨車所造成的交通事故約占交通事故總數(shù)的20%，造成了大量的人員傷亡。2018年中國的貨車保有量總計(jì)達(dá)到2 567.82萬輛，由載運(yùn)貨車所導(dǎo)致的交通事故約占全國道路交通事故總數(shù)的20%，造成的死亡人數(shù)則占到了總數(shù)的30%，由此可見中國交通事故的總量依然巨大，尤其是由貨車所造成的交通事故形勢依然嚴(yán)峻，而且由貨車所造成的事故往往都是重大事故，帶來的經(jīng)濟(jì)損失巨大。

1.2 貨車相關(guān)特征

絕大多數(shù)轎車軸距在3 000 mm以下，車身的質(zhì)量一般在2 t以內(nèi)，其車體小，操縱靈巧，在轉(zhuǎn)彎、變道、加減速等方面與大貨車相比更靈活，而大貨車軸距大，車身長而寬且高，從而使司機(jī)在駕駛過程中的側(cè)、后方視野盲區(qū)加大，影響行車安全，其自重大，再加上載貨質(zhì)量，重型貨車可重達(dá)幾十噸，在操作駕駛方面顯得比較笨重，它的便捷性、靈敏度并不高，駕駛操作的難度大；貨車在載貨后質(zhì)心位置會(huì)變高，且質(zhì)心可能會(huì)偏離貨車縱向中心軸線，所以在急轉(zhuǎn)彎或變道時(shí)容易引起側(cè)翻；貨車駕駛明顯對駕駛員的技術(shù)要求較高，需要時(shí)刻預(yù)算車輛體積、長度和剎車距離。另一個(gè)很普遍的問題是貨車司機(jī)在“多拉快跑多賺錢”的思維影響下，往往會(huì)既超載又超速，并且常常疲勞駕駛，這對貨車的安全性影響極大。

貨車的大質(zhì)量使車輛行駛時(shí)慣性力更大，剎車距離更長，其制動(dòng)器抗熱衰退性減弱，貨車若是長時(shí)間采取制動(dòng)，比如在一些山區(qū)道路有著很長的下坡路，由于司機(jī)駕駛經(jīng)驗(yàn)不足，制動(dòng)器在長時(shí)間工作或連續(xù)緊急制動(dòng)情況下就會(huì)因?yàn)槟Σ吝^熱，導(dǎo)致摩擦系數(shù)降低，這樣就會(huì)影響剎車效果，甚至使制動(dòng)失效，這對很少或沒有跑過山路的貨車司機(jī)而言，是極度危險(xiǎn)的，并且目前國內(nèi)貨車大多數(shù)都是平頭駕駛室，因此，在發(fā)生正面碰撞或追尾時(shí)對駕駛員的威脅非常大，前方障礙物會(huì)直接撞擊駕駛室。

1.3 國內(nèi)外研究現(xiàn)狀

1.3.1 國內(nèi)研究現(xiàn)狀

自21世紀(jì)以來中國的汽車保有量不斷增長，由于車輛客觀狀態(tài)參數(shù)、駕駛員主觀原因、行車環(huán)境等各方面因素的影響，中國的交通事故發(fā)生的概率也不斷增大。而目前中國對于車聯(lián)網(wǎng)保險(xiǎn)UBI以及相應(yīng)評分機(jī)制的運(yùn)用仍處于起步階段，國內(nèi)市場上還沒有成熟的UBI產(chǎn)品及統(tǒng)一的評分標(biāo)準(zhǔn)。彭江琴在文獻(xiàn)[1]中根據(jù)文獻(xiàn)[2]中的因子選擇原則，選取了四急（急加速、急減速、急剎車、急轉(zhuǎn)彎）和連續(xù)行駛時(shí)間這五項(xiàng)為駕駛行為分析的影響因子，針對駕駛行為評分中確定指標(biāo)和分值下的若干備選選項(xiàng)，對不同車型、職業(yè)等做不同的分析，同時(shí)結(jié)合車聯(lián)網(wǎng)保險(xiǎn)行業(yè)專家的建議，確定駕駛行為評分標(biāo)準(zhǔn)的備選選項(xiàng)和對應(yīng)分值。朱爽在文獻(xiàn)[2]中基于車險(xiǎn)費(fèi)率厘定方法，先分析了影響駕駛安全的因素，在四大原則基礎(chǔ)下，選取了月總行駛里程、工作日早晚高峰行車時(shí)間、急加急減急轉(zhuǎn)彎次數(shù)等因素作為指標(biāo)，利用熵權(quán)——層次分析集成賦權(quán)法來確定各個(gè)指標(biāo)的權(quán)重，對所采集到的各個(gè)因素的樣本數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分類并結(jié)合保險(xiǎn)業(yè)內(nèi)專家的意見，確定了駕駛行為評分模型的備選答案及其分值。

1.3.2 國外研究現(xiàn)狀

早在20世紀(jì)初，國外就有研究學(xué)者提出了基于駕駛員駕駛行為習(xí)慣的車險(xiǎn)定價(jià)理論，稱之為UBI。1989年BUTLER提出了只考慮駕駛里程的單一保費(fèi)模式，除行駛里程因素外，他認(rèn)為駕駛行為也是非常重要的因素[3]。RONALD利用交通事故數(shù)據(jù)分析得出不同年齡、性別和地區(qū)的事故發(fā)生率存在差異，這說明了非車輛因素對道路交通事故發(fā)生存在著影響[4]。Allstate公司的車險(xiǎn)產(chǎn)品服務(wù)項(xiàng)目DriveWise調(diào)整保險(xiǎn)費(fèi)率的依據(jù)是駕駛員的歷史駕駛行為習(xí)慣數(shù)據(jù)[5]。該項(xiàng)目以駕駛員的車輛行駛里程、出險(xiǎn)記錄、駕駛行為習(xí)慣為主要影響因子計(jì)算出駕駛員的安全駕駛行為評分，車險(xiǎn)保費(fèi)優(yōu)惠率隨評分分值不同進(jìn)行動(dòng)態(tài)調(diào)整。而且公司還會(huì)將車主詳細(xì)的行車數(shù)據(jù)信息上傳到公司官網(wǎng)上以供車主查看，鼓勵(lì)其養(yǎng)成良好的行車行為習(xí)慣。

1.4 小結(jié)

綜上所述，在交通事故中，貨車類交通事故占了很大比例，而貨車交通事故往往是重大事故，這和貨車的車輛特征關(guān)系密切，而國內(nèi)外研究學(xué)者或機(jī)構(gòu)在對汽車安全性進(jìn)行評價(jià)時(shí)，選取的指標(biāo)因素雖然都是極具代表性的，但總歸是在探討汽車安全性這一大類，缺少對大型貨車的研究分析，因此，在現(xiàn)有基礎(chǔ)上進(jìn)一步探討貨車的安全性是很有必要的。

2 層次分析模型的建立

2.1 技術(shù)理論支持

車聯(lián)網(wǎng)（IOV，Internet of Vehicles）是物聯(lián)網(wǎng)技術(shù)在交通領(lǐng)域的典型應(yīng)用，是“人車路”協(xié)同的系統(tǒng)，車聯(lián)網(wǎng)平臺(tái)一般有“端管云”三個(gè)層次[6]。大數(shù)據(jù)（Big Data）是巨量數(shù)據(jù)集合，大數(shù)據(jù)不僅是大量的數(shù)據(jù)，更是有別于常規(guī)軟件工具收集、管理和處理數(shù)據(jù)的技術(shù)集合，大數(shù)據(jù)具有“大雜低快”4V的特性，即大量（Volume）、多樣（Variety）、低價(jià)值密度（Value）和高速（Velocity）車聯(lián)網(wǎng)的“端管云”是UBI車險(xiǎn)大數(shù)據(jù)的數(shù)據(jù)源。從車載智能終端所獲取的車輛動(dòng)態(tài)、位置、交換文字、語音等信息，到利用無線網(wǎng)絡(luò)傳輸?shù)皆贫说膶?shí)時(shí)分析、清洗、存儲(chǔ)和運(yùn)用，處理結(jié)果又實(shí)時(shí)傳遞回行車中的人和車，構(gòu)成“人車路”的實(shí)時(shí)協(xié)同系統(tǒng)，不僅可以改善駕乘舒適性、提高安全性，也能為保險(xiǎn)公司所用，UBI車險(xiǎn)產(chǎn)品就是這些數(shù)據(jù)的典型應(yīng)用[7]。

2.2 評價(jià)指標(biāo)選擇

歐美日等國家和地區(qū)的UBI車險(xiǎn)服務(wù)產(chǎn)品主要有G-Book、MeinCopilot、RateMyDrive、Snapshot、State Farm等，這些產(chǎn)品在車輛安全性評價(jià)指標(biāo)的選擇上大都選取了急加速、急減速、急轉(zhuǎn)彎、行駛里程、超速次數(shù)和行駛時(shí)間，綜合文獻(xiàn)[1-3]中的評價(jià)指標(biāo)，并且結(jié)合貨車的固有特征，本定環(huán)境（A3）作為貨車安全性評分的1級(jí)評價(jià)指標(biāo)，選取載重（A11）、車齡（A12）、月均行駛里程（A13）、月疲勞駕駛時(shí)長（A21）、月均超速駕駛時(shí)長（A22）、月均大加速度次數(shù)（A23）、路況等級(jí)（A31）、天氣（A32）、行駛地區(qū)（A33）作為2級(jí)評價(jià)指標(biāo)。

2.3 層次模型構(gòu)建

貨車安全性評分AHP層級(jí)關(guān)系如圖1所示。

圖1 貨車安全性評分AHP層級(jí)關(guān)系圖

2.4 AHP計(jì)算步驟

2.4.1 構(gòu)造判斷矩陣P=（Pij）

如下為判斷矩陣P，Pij表示元素i相比于元素j的重要程度。

2.4.2 一致性檢驗(yàn)

計(jì)算過程如下。

計(jì)算判斷矩陣特征向量：

計(jì)算判斷矩陣最大特征根：

計(jì)算一致性因子：

檢驗(yàn)：

當(dāng)CR＜0.1時(shí)，認(rèn)為矩陣一致性可以接受；當(dāng)CR≥0.1時(shí)，應(yīng)該對判斷矩陣做適當(dāng)修正，直到滿足一致性校驗(yàn)。在根據(jù)最大特征根標(biāo)準(zhǔn)化之后，判斷矩陣的特征向量可作為權(quán)重向量。

2.5 主觀權(quán)重的求取

2.5.1 矩陣的確立

一級(jí)指標(biāo)層如表1所示。二級(jí)指標(biāo)層判斷矩陣A1、A2、A3分別如表2、表3、表4所示。

表1 一級(jí)指標(biāo)層判斷矩陣Z

表2 二級(jí)指標(biāo)層判斷矩陣A1

表3 二級(jí)指標(biāo)層判斷矩陣A2

表4 二級(jí)指標(biāo)層判斷矩陣A3

2.5.2 一致性檢驗(yàn)

對行業(yè)專家給出的貨車安全性評價(jià)指標(biāo)重要性的判斷矩陣進(jìn)行合理性驗(yàn)證，當(dāng)CR＜0.1時(shí)，即可求出權(quán)重值。

一級(jí)指標(biāo)層權(quán)重結(jié)果：CR=0.005 3＜0.1，因此ω=[ω1，ω2，ω3]T=[0.160 3，0.690 8，0.148 8]T。

二級(jí)評價(jià)指標(biāo)：CR1=0.051 6＜0.1，因此ω1=[ω11，ω12，ω13]T=[0.412 6，0.259 9，0.327 5]T。CR2=0.008 8＜0.1，因此ω2=[ω21，ω22，ω23]T=[0.457 9，0.416 1，0.126 0]T。CR3=0.051 6＜0.1，因此ω3=[ω31，ω32，ω33]T=[0.493 4，0.195 8，0.310 8]T。

通過一致性檢驗(yàn)數(shù)據(jù)，各層級(jí)CR所求得的數(shù)值均小于0.1，充分說明本文所建立的評定指標(biāo)體系的科學(xué)合理性。

2.5.3 各安全性評價(jià)因子權(quán)重

各安全性評價(jià)因子權(quán)重如表5所示。

表5 各指標(biāo)因子權(quán)重分布（單位：%）

2.5.4 權(quán)重結(jié)果分析及評分模型確立

表5 中的結(jié)果表明，通過AHP模型計(jì)算得到的駕駛員主觀行為占到了總權(quán)重的69.08%，在一級(jí)指標(biāo)中占比最大，即駕駛員主觀行為對貨車安全性影響最大，貨車客觀狀態(tài)參數(shù)及不確定行車環(huán)境所占比例相差不大，因此本研究借鑒彭紅[8]基于模糊AHP的個(gè)人信用評分模型研究方法，并根據(jù)各個(gè)因子權(quán)重及專家建議，確立如表6所示的評分模型[8]。

表6 評分模型表

3 結(jié)語

本文在道路交通安全影響因素和駕駛行為分析的基礎(chǔ)上，利用AHP得出影響貨車安全性因素的權(quán)重值。根據(jù)權(quán)重比例給各個(gè)影響因素分配分值，在此基礎(chǔ)上便可依據(jù)駕駛員某一時(shí)間段內(nèi)的駕駛情況，計(jì)算出“貨車安全性評分”，依此動(dòng)態(tài)地調(diào)整車險(xiǎn)費(fèi)率值，保證了車險(xiǎn)的合理性和差異性，同時(shí)也有助于駕駛員培養(yǎng)良好的駕駛習(xí)慣，減少交通事故的發(fā)生。