本發(fā)明涉及智能交通領(lǐng)域，具體是一種基于CAN數(shù)據(jù)的駕駛?cè)司C合素質(zhì)評(píng)價(jià)方法。

背景技術(shù)：

伴隨著經(jīng)濟(jì)的發(fā)展社會(huì)的進(jìn)步，汽車逐漸普及到百姓家中。但同時(shí)交通事故也在不斷上升，其主要原因是人、車、路三者的矛盾日益激化。據(jù)歐美國(guó)家統(tǒng)計(jì)，在引起交通事故的原因中，約85％的交通事故與駕駛員有關(guān)。在國(guó)內(nèi)的交通事故調(diào)查統(tǒng)計(jì)中，同樣也表明了事故中80％-90％中是人為因素造成的。因此，研究機(jī)動(dòng)車駕駛員的行為，對(duì)其進(jìn)行評(píng)價(jià)，針對(duì)性的對(duì)駕駛員進(jìn)行勸導(dǎo)教育，保證交通安全具有及其重要的意義。

傳統(tǒng)的交通檢測(cè)系統(tǒng)主要采用雷達(dá)、超聲波、紅外線、微波、聲頻及視頻圖像等技術(shù)的懸掛式傳感器，這種檢測(cè)系統(tǒng)采集的信息雖然準(zhǔn)確，但過(guò)于繁瑣，且設(shè)備成本過(guò)高。也有研究機(jī)構(gòu)搭載駕駛行為研究基礎(chǔ)實(shí)驗(yàn)室即駕駛模擬器，可以采集多樣化的數(shù)據(jù)，但數(shù)據(jù)真實(shí)性欠佳。隨著科學(xué)技術(shù)的進(jìn)步，一種利用車載數(shù)據(jù)采集設(shè)備來(lái)進(jìn)行車輛檢測(cè)的方法有望替代傳統(tǒng)的方法。

具體研究駕駛?cè)诵袨樾枰囝愋畔⒗{駛?cè)诵睦?、生理信息、機(jī)動(dòng)車狀態(tài)、駕駛?cè)瞬倏?、交通環(huán)境等。針對(duì)不同的信息可以提出不同的評(píng)價(jià)指標(biāo)，如：通過(guò)加速度反映汽車的油耗，通過(guò)方向盤轉(zhuǎn)角熵、眼動(dòng)反映駕駛?cè)说钠跔顟B(tài)等。為了充分利用采集到的數(shù)據(jù)，需要挖掘出更多的評(píng)價(jià)指標(biāo)作為分析駕駛?cè)诵袨樘峁└浞值囊罁?jù)，然而，基于這些數(shù)據(jù)指標(biāo)，我們并不能定量去評(píng)價(jià)駕駛?cè)说木C合素質(zhì)。為解決這個(gè)問(wèn)題，國(guó)內(nèi)外很多學(xué)者專家成功的將模糊邏輯理論運(yùn)用到了駕駛?cè)诵袨榉治龅哪Ｐ椭校曳治鼋Y(jié)果與實(shí)際情況有很高的擬合度。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供了一種基于CAN數(shù)據(jù)的駕駛?cè)司C合素質(zhì)評(píng)價(jià)方法，其基于CAN數(shù)據(jù)分析，能夠定量去評(píng)價(jià)駕駛?cè)说木C合素質(zhì)。

本發(fā)明的技術(shù)方案如下：

一種基于CAN數(shù)據(jù)的駕駛?cè)司C合素質(zhì)評(píng)價(jià)方法，其包括：

一、通過(guò)CAN總線采集機(jī)動(dòng)車的行車數(shù)據(jù)，獲取經(jīng)緯度、引擎轉(zhuǎn)速、車速、方向盤轉(zhuǎn)角、油耗量、油門角度、剎車踏板狀態(tài)，計(jì)算出瞬時(shí)油耗量、加速度、以及引擎轉(zhuǎn)速與速度的比值。

二、根據(jù)行車安全性、乘車舒適度以及機(jī)動(dòng)車油耗量三個(gè)指標(biāo)確定評(píng)價(jià)因素：方向盤轉(zhuǎn)角熵值H_(θ)、方向盤轉(zhuǎn)角速率V_θ、機(jī)動(dòng)車速度熵值H_(v)、加速度絕對(duì)值|a|、加速度強(qiáng)度V_a、正加速度a、引擎轉(zhuǎn)速與機(jī)動(dòng)車速度的比值φ。

三、采用模糊層次分析法建立單個(gè)因素對(duì)于駕駛員綜合素質(zhì)評(píng)價(jià)所占的權(quán)重α，建立所需要的權(quán)重向量Q＝(α1,α2,α3,α4,α5,α6,α7)。

四、考慮單因素值的極差與均值的差值大小，再結(jié)合數(shù)據(jù)歸一化后值分布的離散程度，對(duì)于不同因素進(jìn)行分類，建立盡可能少的隸屬度函數(shù)，然后將單因素值代入隸屬度函數(shù)求得單因素模糊判斷矩陣R：

五、用權(quán)重向量Q乘以單因素模糊判斷矩陣R得到判斷向量δ，即δ＝Q*R，結(jié)合最大隸屬度原則分析求解得到評(píng)價(jià)駕駛?cè)司C合素質(zhì)的評(píng)判集。

其中，所述方向盤轉(zhuǎn)角熵值H_(θ)表征駕駛?cè)说钠诨蚓岂{狀態(tài)；所述方向盤轉(zhuǎn)角速率V_θ表征駕駛?cè)宿D(zhuǎn)動(dòng)方向盤的速度；所述機(jī)動(dòng)車速度熵值H_(v)表征車輛行駛過(guò)程中速度的紊亂程度；所述加速度絕對(duì)值|a|表征車輛行駛過(guò)程中速度變化的快慢；所述加速度強(qiáng)度V_a表征車輛加速度的變化率；所述正加速度a表征車輛加速行駛速度變化的快慢；所述引擎轉(zhuǎn)速與機(jī)動(dòng)車速度的比值φ表征機(jī)動(dòng)車的牽引力。

進(jìn)一步的，定義e_(n)為n時(shí)刻方向盤轉(zhuǎn)角實(shí)際值θ_(n)與n時(shí)刻的預(yù)測(cè)值差值的絕對(duì)值：e_(n)＝|θ_(n)-θ_p(n)|，重新劃定九個(gè)區(qū)間來(lái)計(jì)算方向盤轉(zhuǎn)角熵值H_(θ)，計(jì)算過(guò)程如下：

步驟ⅰ、根據(jù)n-1、n-2、n-3三個(gè)時(shí)刻方向盤轉(zhuǎn)角的值預(yù)測(cè)n時(shí)刻轉(zhuǎn)角的值，其中每時(shí)刻間隔為100ms，計(jì)算

步驟ⅱ、計(jì)算n時(shí)刻方向盤轉(zhuǎn)角值與預(yù)測(cè)值的偏差值的絕對(duì)值e_(n)，計(jì)算e_(n)：

e_(n)＝|θ_(n)-θ_p(n)| ②。

步驟ⅲ、確定α＝0.3使得P{0≤e_(n)<α}＝90％，劃分偏差值e_(n)為如下九個(gè)對(duì)應(yīng)區(qū)間:

步驟ⅳ、計(jì)算偏差值e_(n)落在各區(qū)間分布的概率P_i，最終根據(jù)公式③計(jì)算方向盤轉(zhuǎn)角熵值H_(θ)：

進(jìn)一步的，定義ν_(n)為n時(shí)刻車輛速度實(shí)際值V_(n)與n時(shí)刻的預(yù)測(cè)值差值的絕對(duì)

值：ν_(n)＝|V_(n)-V_p(n)|，劃定九個(gè)區(qū)間來(lái)計(jì)算方車輛速度熵值H_(v)，計(jì)算過(guò)程如下：

步驟ⅰ、根據(jù)n-1、n-2、n-3三個(gè)時(shí)刻車輛速度的值預(yù)測(cè)n時(shí)刻車輛速度的值，其中每時(shí)刻間隔為100ms，計(jì)算

步驟ⅱ、計(jì)算n時(shí)刻車輛速度值與預(yù)測(cè)值的偏差值的絕對(duì)值e_(n)，計(jì)算e_(n)：

v_(n)＝|V_(n)-V_p(n)| ⑤。

步驟ⅲ、確定α＝0.3使得P{0≤v_(n)<α}＝90％，劃分偏差值v_(n)為如下九個(gè)對(duì)應(yīng)區(qū)間:

步驟ⅳ、計(jì)算偏差值v_(n)落在各區(qū)間分布的概率P_i，最終根據(jù)公式③計(jì)算方向盤轉(zhuǎn)角熵值H_(v)：

進(jìn)一步的，根據(jù)經(jīng)驗(yàn)值，構(gòu)造判斷矩陣A：

其中，a₁表示油耗量，a₂表示安全性，a₃表示舒適度，因素a_(ij)表示對(duì)于駕駛?cè)司C合素質(zhì)的評(píng)判，因素a_i相比于a_j的重要度，值越大則越重要，求取矩陣A的特征向量并且歸一化得權(quán)重向量Q₁，若通過(guò)一致性檢驗(yàn)，則Q₁＝(0.091,0.691,0.217)為三個(gè)指標(biāo)的權(quán)重向量；否則重構(gòu)判斷矩陣A。

經(jīng)層次分析法求得：

對(duì)于油耗量a₁，單因素權(quán)重向量為：Q_a1＝(0.667,0.333,0,0,0,0,0)。

對(duì)于安全性a₂，單因素權(quán)重向量為Q_a2＝(0,0,0.464,0.095,0.130,0.182,0.130)。

對(duì)于舒適度a₃，單因素權(quán)重向量為Q_a3＝(0,0,0.073,0.072,0.318,0.318,0.218)。

求取單因素對(duì)于駕駛?cè)司C合素質(zhì)的權(quán)重：

進(jìn)一步的，所述評(píng)價(jià)因素通過(guò)3δ原則剔除異常數(shù)據(jù)后獲得，或者對(duì)采集的行車數(shù)據(jù)進(jìn)行如下歸一化處理后得到各因素值X：

其中，x_max為樣本最大值，x_min為樣本最小值，為樣本均值。

進(jìn)一步的，根據(jù)歸一化處理后的因素值X分布的離散程度建立兩種不同的隸屬度函數(shù)，對(duì)于方向盤轉(zhuǎn)角熵值H_(θ)、機(jī)動(dòng)車速度熵值H_(v)和引擎轉(zhuǎn)速與機(jī)動(dòng)車速度的比值φ均 建立如下隸屬度函數(shù)⑧：

對(duì)于方向盤轉(zhuǎn)角速率V_θ、加速度絕對(duì)值|a|、加速度強(qiáng)度V_a和正加速度a均建立如下隸屬度函數(shù)⑨：

其中：r₁表示隸屬度屬于“很好”；r₂表示隸屬度屬于“好”；r₃表示隸屬度屬于“一般”；r₄表示隸屬度屬于“差”；r₅表示隸屬度屬于“很差”。

本發(fā)明評(píng)價(jià)駕駛員的綜合素質(zhì)考慮乘車安全性、乘車舒適度以及機(jī)動(dòng)車油耗量三個(gè)指標(biāo)。對(duì)于乘車安全性和乘車舒適度本發(fā)明主要從方向盤轉(zhuǎn)角熵值H_(θ)、方向盤轉(zhuǎn)角速率V_θ、機(jī)動(dòng)車速度熵值H_(v)、加速度絕對(duì)值|a|、加速度強(qiáng)度(加速度變化率)V_a五個(gè)因素來(lái)分析，針對(duì)不同的指標(biāo)各個(gè)評(píng)價(jià)因素所占的權(quán)重不同。對(duì)于機(jī)動(dòng)車油耗量本發(fā)明主要考慮正加速度a、引擎轉(zhuǎn)速與機(jī)動(dòng)車速度的比值φ兩個(gè)因素，以及提出了其他模型沒(méi)有考慮的新因素，實(shí)現(xiàn)了定量評(píng)價(jià)駕駛?cè)司C合素質(zhì)，提高了評(píng)價(jià)的準(zhǔn)確度。并改進(jìn)了日本學(xué)者Nakayama之前提出的方向盤轉(zhuǎn)角熵值，使得整個(gè)評(píng)價(jià)方法更加簡(jiǎn)單有效。

附圖說(shuō)明

圖1為本發(fā)明的原理圖；

圖2為本發(fā)明CAN數(shù)據(jù)中GPS行車軌跡；

圖3本發(fā)明對(duì)應(yīng)圖1行車軌跡機(jī)動(dòng)車方向盤轉(zhuǎn)角與車速的變化記錄曲線圖；

圖4為本發(fā)明中加速度對(duì)應(yīng)的瞬時(shí)油耗量的折線圖；

圖5為本發(fā)明中引擎轉(zhuǎn)速與機(jī)動(dòng)車速度的比值對(duì)應(yīng)瞬時(shí)油耗量的折線圖；

圖6為本發(fā)明中計(jì)算方向盤轉(zhuǎn)角熵值的流程圖；

圖7為本發(fā)明中駕駛員綜合素質(zhì)評(píng)價(jià)模型建立并求解的流程圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的描述。

本發(fā)明重點(diǎn)是基于CAN數(shù)據(jù)提出了一些機(jī)動(dòng)車駕駛?cè)司C合素質(zhì)的新評(píng)價(jià)指標(biāo)因素及其評(píng)價(jià)模型，數(shù)據(jù)采集是必須的。為解決不增加其他傳感器設(shè)備，盡可能獲取更多類型的數(shù)據(jù)，進(jìn)而提出更多的評(píng)價(jià)指標(biāo)完善模糊評(píng)價(jià)模型的問(wèn)題，本發(fā)明以CAN總線協(xié)議為基礎(chǔ)，使用數(shù)據(jù)采集模塊Openxc-vi，在微軟的Surface 4電腦上Windos10環(huán)境下搭載汽車測(cè)試平臺(tái)，采集CAN數(shù)據(jù)包括：方向盤轉(zhuǎn)角、經(jīng)緯度、發(fā)動(dòng)機(jī)速度、車速等20余項(xiàng)數(shù)據(jù)。

本發(fā)明先將測(cè)試平臺(tái)搭建起來(lái)，調(diào)試好運(yùn)行環(huán)境，請(qǐng)一名駕駛員駕車進(jìn)行數(shù)據(jù)采集，本系統(tǒng)可以采集20余項(xiàng)數(shù)據(jù)，從中提取本發(fā)明所需要的經(jīng)緯度、引擎轉(zhuǎn)速、車速、方向盤轉(zhuǎn)角、油耗量、油門角度、剎車踏板狀態(tài)多項(xiàng)數(shù)據(jù)，計(jì)算出瞬時(shí)油耗量、加速度、以及引擎轉(zhuǎn)速與速度的比值。在使用所采集的數(shù)據(jù)之前，需要對(duì)部分?jǐn)?shù)據(jù)進(jìn)行預(yù)處理，本發(fā)明采用3δ原則剔除異常數(shù)據(jù)，為了證明數(shù)據(jù)的有效性以及實(shí)用性，本發(fā)明取其中的部分?jǐn)?shù) 據(jù)繪圖如圖3所示，顯然，圖2所示的谷歌地圖上汽車的行駛軌跡與圖3汽車方向盤轉(zhuǎn)角以及速度匹配完美。

在車輛節(jié)能減排的研究中，除了道路環(huán)境，車輛性能等客觀條件，駕駛員行為無(wú)疑是影響油耗的主要因素。本發(fā)明提取檢測(cè)系統(tǒng)采集的油耗量，速度，引擎轉(zhuǎn)速等數(shù)據(jù)來(lái)分析車輛油耗情況，對(duì)數(shù)據(jù)進(jìn)行處理，可以得到瞬時(shí)油耗量，加速度，以及引擎轉(zhuǎn)速與速度的比值。本發(fā)明通過(guò)對(duì)上千個(gè)采樣點(diǎn)的數(shù)據(jù)分析得到加速度a與油耗量的關(guān)系，繪制折線圖。如圖4所示，當(dāng)車輛處于減速狀態(tài)(a≤0m/s²)時(shí)，油耗輛基本穩(wěn)定，當(dāng)車輛處于加速狀態(tài)(0<a<1.3m/s²)時(shí)，油耗量呈上升趨勢(shì)且上升逐漸增快，當(dāng)車輛加速度達(dá)到一定值(a≥1.3m/s²)時(shí)，油耗量逐漸穩(wěn)定。轉(zhuǎn)速與速度的比值φ與油耗量的關(guān)系，如圖5所示，當(dāng)比值逐漸增大(0<φ<160)即車輛的牽引力逐漸增大時(shí)，油耗量呈明顯上升趨勢(shì)，當(dāng)比值達(dá)到一定程度(φ>160)，油耗量呈穩(wěn)定狀態(tài)。

本發(fā)明根據(jù)行車安全性、乘車舒適度以及機(jī)動(dòng)車油耗量三個(gè)指標(biāo)確定七個(gè)評(píng)價(jià)因素：方向盤轉(zhuǎn)角熵值H_(θ)、方向盤轉(zhuǎn)角速率V_θ、機(jī)動(dòng)車速度熵值H_(v)、加速度絕對(duì)值|a|、加速度強(qiáng)度V_a、正加速度a、引擎轉(zhuǎn)速與機(jī)動(dòng)車速度的比值φ。其中，所述方向盤轉(zhuǎn)角熵值H_(θ)表征駕駛?cè)说钠诨蚓岂{狀態(tài)；所述方向盤轉(zhuǎn)角速率V_θ表征駕駛?cè)宿D(zhuǎn)動(dòng)方向盤的速度；所述機(jī)動(dòng)車速度熵值H_(v)表征車輛行駛過(guò)程中速度的紊亂程度；所述加速度絕對(duì)值|a表征車輛行駛過(guò)程中速度變化的快慢；所述加速度強(qiáng)度V_a表征車輛加速度的變化率；所述正加速度a表征車輛加速行駛速度變化的快慢；所述引擎轉(zhuǎn)速與機(jī)動(dòng)車速度的比值φ表征機(jī)動(dòng)車的牽引力。

本發(fā)明采用模糊層次分析法建立單個(gè)因素對(duì)于駕駛員綜合素質(zhì)評(píng)價(jià)所占的權(quán)重α，建立所需要的權(quán)重向量Q＝(α1,α2,α3,α4,α5,α6,α7)。

本發(fā)明考慮單個(gè)評(píng)價(jià)因素值的極差與均值的差值大小，再結(jié)合數(shù)據(jù)歸一化后值分布的離散程度，對(duì)于不同評(píng)價(jià)因素進(jìn)行分類?？紤]7個(gè)評(píng)價(jià)因素都建立一個(gè)隸屬度函數(shù)就太多了，所以針對(duì)評(píng)價(jià)因素值分布的離散程度進(jìn)行劃分，建立兩個(gè)隸屬度函數(shù)，達(dá)到盡可能建立少的隸屬度函數(shù)，然后將單因素值代入隸屬度函數(shù)求得單因素模糊判斷矩陣R，

用權(quán)重向量Q乘以單因素模糊判斷矩陣R得到判斷向量δ，即δ＝Q*R，結(jié)合最大隸屬度原則分析求解即可得到評(píng)價(jià)駕駛?cè)司C合素質(zhì)的評(píng)判集，根據(jù)定量分析實(shí)現(xiàn)定性評(píng)價(jià)，整個(gè)方法的邏輯原理如圖1所示。

本發(fā)明針對(duì)行車安全性與乘車舒適度兩個(gè)指標(biāo)，所涉及的5個(gè)主要評(píng)價(jià)因素中，求取改進(jìn)過(guò)的方向盤轉(zhuǎn)角的熵值H_(θ)與車輛速度的熵值H_(v)，具體實(shí)施過(guò)程如圖6所示：

步驟ⅰ、根據(jù)n-1、n-2、n-3三個(gè)時(shí)刻方向盤轉(zhuǎn)角的值預(yù)測(cè)n時(shí)刻轉(zhuǎn)角的值，其中每時(shí)刻間隔為100ms，計(jì)算

步驟ⅱ、計(jì)算n時(shí)刻方向盤轉(zhuǎn)角值與預(yù)測(cè)值的偏差值的絕對(duì)值e_(n)，計(jì)算e_(n)：

e_(n)＝|θ_(n)-θ_p(n)| ②。

步驟ⅲ、樣本點(diǎn)偏差值的分布基本服從正態(tài)分布的右半邊，需找一個(gè)α使得P{0≤e_(n)<α}＝90％，經(jīng)過(guò)分析計(jì)算，取α＝0.3。劃分偏差值e_(n)為如下九個(gè)對(duì)應(yīng)區(qū)間:

步驟ⅳ、計(jì)算偏差值e_(n)落在各區(qū)間分布的概率P_i，最終根據(jù)公式③計(jì)算方向盤轉(zhuǎn)角熵值H_(θ)：

類似的，對(duì)于車輛速度的熵值H_(v),其求解過(guò)程同上，定義ν_(n)為n時(shí)刻車輛速度實(shí)際值V_(n)與n時(shí)刻的預(yù)測(cè)值差值的絕對(duì)值：ν_(n)＝|V_(n)-V_p(n)|，劃定九個(gè)區(qū)間來(lái)計(jì)算方車輛速度熵值H_(v)，計(jì)算過(guò)程如下：

步驟ⅰ、根據(jù)n-1、n-2、n-3三個(gè)時(shí)刻車輛速度的值預(yù)測(cè)n時(shí)刻車輛速度的值，其中每時(shí)刻間隔為100ms，計(jì)算

步驟ⅱ、計(jì)算n時(shí)刻車輛速度值與預(yù)測(cè)值的偏差值的絕對(duì)值e_(n)，計(jì)算e_(n)：

v_(n)＝|V_(n)-V_p(n)| ⑤。

步驟ⅲ、確定α＝0.3使得P{0≤v_(n)<α}＝90％，劃分偏差值v_(n)為如下九個(gè)對(duì)應(yīng)區(qū)間:

步驟ⅳ、計(jì)算偏差值v_(n)落在各區(qū)間分布的概率P_i，最終根據(jù)公式③計(jì)算方向盤轉(zhuǎn)角熵值H_(v)：

本發(fā)明中每一層內(nèi)部因素之間的影響并不是很大，若采用網(wǎng)絡(luò)分析法則復(fù)雜度成倍增加，因此，本發(fā)明采用模糊層次分析法(F-AHP)來(lái)建立評(píng)判駕駛?cè)司C合素質(zhì)的模型，具體步驟如下：

首先，評(píng)價(jià)駕駛?cè)说木C合素質(zhì)，不同的指標(biāo)占的權(quán)重也不同，本發(fā)明對(duì)提出的行車安全性，乘車舒適度以及機(jī)動(dòng)車油耗量3個(gè)指標(biāo)采用層次分析法求取他們的權(quán)重。首先，用Santy的1-9標(biāo)度方法結(jié)合專家，經(jīng)驗(yàn)豐富的駕駛員等給出的建議構(gòu)造判斷矩陣A(因素a_(ij)表示因素a_i相比于a_j的重要度)如下：

其中，a₁表示油耗量，a₂表示安全性，a₃表示舒適度，因素a_(ij)表示對(duì)于駕駛?cè)司C合素質(zhì)的評(píng)判，因素a_i相比于a_j的重要度，值越大則越重要，求取矩陣A的特征向量并且歸一化得權(quán)重向量Q₁，若通過(guò)一致性檢驗(yàn)，則Q₁＝(0.091,0.691,0.217)為三個(gè)指標(biāo)的權(quán)重向量；否則重構(gòu)判斷矩陣A。

然后，去求各評(píng)價(jià)因素對(duì)于不同評(píng)價(jià)指標(biāo)的權(quán)重，求取過(guò)程與前一步驟類似，經(jīng)層次分析法求得對(duì)于油耗量a₁,單因素權(quán)重向量為：

Q_a1＝(0.667,0.333,0,0,0,0,0)，

對(duì)于安全性a₂，單因素權(quán)重向量為Q_a2＝(0,0,0.464,0.095,0.130,0.182,0.130)，

對(duì)于舒適度a₃，單因素權(quán)重向量為Q_a3＝(0,0,0.073,0.072,0.318,0.318,0.218)。

最后，求取單因素對(duì)于駕駛?cè)司C合素質(zhì)的權(quán)重：

本發(fā)明對(duì)評(píng)價(jià)因素的值的值處理方式主要有兩種，一種是對(duì)采集的數(shù)據(jù)利用3δ原則剔除異常數(shù)據(jù)，一種是為了避免大數(shù)覆蓋小數(shù)的情況對(duì)數(shù)據(jù)進(jìn)行如下歸一化處理后得到各因素值X：

其中，x_max為樣本最大值，x_min為樣本最小值，為樣本均值。

為了使評(píng)價(jià)等級(jí)更加明確，本發(fā)明根據(jù)歸一化處理后X分布的離散程度建立不同的隸屬度函數(shù)，經(jīng)過(guò)分析隸屬度函數(shù)設(shè)計(jì)分為兩種正弦函數(shù)比較合理。根據(jù)歸一化處理后的因素值X分布的離散程度建立兩種不同的隸屬度函數(shù)，對(duì)于方向盤轉(zhuǎn)角熵值H_(θ)、機(jī)動(dòng)車速度熵值H_(v)和引擎轉(zhuǎn)速與機(jī)動(dòng)車速度的比值φ均建立如下隸屬度函數(shù)⑧：

對(duì)于方向盤轉(zhuǎn)角速率V_θ、加速度絕對(duì)值|a|、加速度強(qiáng)度V_a和正加速度a均建立如下隸屬度函數(shù)⑨：

其中：r₁表示隸屬度屬于“很好”；r₂表示隸屬度屬于“好”；r₃表示隸屬度屬于“一般”；r₄表示隸屬度屬于“差”；r₅表示隸屬度屬于“很差”。

本發(fā)明采取駕駛員A的數(shù)據(jù)分析計(jì)算，將各因素值代入對(duì)應(yīng)的隸屬度函數(shù)，如數(shù)據(jù)樣本中比值φ，x_max＝24.491，x_min＝16.477。代入式⑦中得X＝0.677，然后X代入式⑧得單因素模糊矩陣中的行向量φ＝(0,0,0.6767,0.3233,0)。如此方法分別求向量a、H_(θ)、H_(v)、V_θ、V_a、|a|構(gòu)成單因素模糊判斷矩陣R如下：

用單因素權(quán)重向量Q乘以R得最終的綜合素質(zhì)等級(jí)評(píng)價(jià)的隸屬度向量δ：

δ＝Q*R＝[0.1634,0.5523,0.2607,0.0197,0]

根據(jù)最大隸屬度原則，在評(píng)判集δ中，0.5523最大，其等級(jí)屬于“好”，因此A駕駛員的綜合素質(zhì)評(píng)定為“好”。

為了證明模型的實(shí)用準(zhǔn)確性，本發(fā)明中邀請(qǐng)一名優(yōu)秀模范駕駛員B駕車走過(guò)與A相似的路段，用此模型求得B的等級(jí)評(píng)級(jí)隸屬度向量δ：

δ＝Q*R＝[0.4300,0.3435,0.1607,0.0610,0]

根據(jù)最大隸屬度原則，在評(píng)判集δ中，0.4300最大，其等級(jí)屬于“很好”，因此B駕駛員的綜合訴諸評(píng)定為“很好”。

在求解模型的過(guò)程中，還可以從單個(gè)評(píng)價(jià)因素模糊判斷矩陣得到駕駛?cè)嗣恳粋€(gè)因素的優(yōu)劣等級(jí)，若做簡(jiǎn)單處理，本發(fā)明還可以分別得到行車安全性，乘車舒適度以及機(jī)動(dòng)車油耗量這三個(gè)指標(biāo)評(píng)價(jià)等級(jí)的隸屬度向量，從而對(duì)駕駛?cè)说拿總€(gè)指標(biāo)做出優(yōu)劣等級(jí)評(píng)價(jià)。