一种驾校交通安全培训水平评价模型制造技术

技术领域：智能交通。解决的技术问题：本发明专利技术的目的是针对现有技术中的不足，提供一种驾校交通安全培训水平评价模型，以解决定量评价驾校交通安全培训水平的问题。技术方案的要点：一种驾校交通安全培训水平评价模型，包括：驾校交通安全培训水平层次分析(AHP)模型计算方法、模型评价指标体系、模型层次结构、驾校等级评定模型等。主要用途：本发明专利技术的核心是提供一种驾校交通安全培训水平评价模型，以解决定量评价驾校交通安全培训水平的问题。1.定量评价驾校交通安全培训水平，有效监督和规范驾校的教学行为，为管理部门制定奖惩制度提供依据；2.让驾驶培训行业变得更阳光，更公正，民众选择驾校更有针对性，促进学员学到真正的安全驾驶技能，促进驾培行业的良性竞争；3.从源头上控制影响交通安全的人为因素，减少交通安全隐患，从而提高整个社会的交通安全水平，降低交通事故率。

An evaluation model of traffic safety training level in driving school

【技术实现步骤摘要】
一种驾校交通安全培训水平评价模型
本专利技术涉及智能交通
，具体涉及一种驾校交通安全培训水平评价模型。
技术实现思路
本专利技术的目的是针对现有技术中的不足，提供一种驾校交通安全培训水平评价模型，以解决定量评价驾校交通安全培训水平的问题。本专利技术作为驾校交通安全培训水平评价系统的基础支撑和依据，对驾校交通安全培训水平评价工作的开展意义重大。为实现上述目的，本专利技术公开了如下技术方案：一种驾校交通安全培训水平评价模型，包括：驾校交通安全培训水平层次分析(AHP)模型计算方法、模型评价指标体系、模型层次结构、驾校等级评定模型等。进一步的，所述驾校交通安全培训水平层次分析(AHP)模型计算方法包括确定评估目标、建立评价指标、建立模型层次结构、建立指标矩阵结构、计算各项指标结构的权值及一致性检验、计算评价对象相对于各项指标的得分、层次总排序及一致性检验等步骤；所述模型评价指标体系包括一般违法行为评价指标、严重违法行为评价指标、高危违法行为评价指标、普通事故评价指标、伤人事故评价指标、死亡事故评价指标等，其中一般违法行为评价指标采用毕业学员三年内人均一般违法次数、严重违法行为评价指标采用毕业学员三年内人均严重违法次数、高危违法行为评价指标采用毕业学员三年内人均高危违法次数、普通事故评价指标采用毕业学员三年内人均普通事故次数、伤人事故评价指标采用毕业学员三年内人均伤人事故次数、死亡事故评价指标采用毕业学员三年内人均死亡事故次数表示；所述模型层次结构包括目标层、指标层、对象层，如说明书附图1所示；所述驾校等级评定模型采用K-means算法计算出每一驾校的所属等级，进行A、B、C、D、E五级评分。本专利技术公开的一种驾校交通安全培训水平评价模型，具有以下有益效果：1.定量评价驾校交通安全培训水平，有效监督和规范驾校的教学行为，为管理部门制定奖惩制度提供依据；2.让驾驶培训行业变得更阳光，更公正，民众选择驾校更有针对性，促进学员学到真正的安全驾驶技能，促进驾培行业的良性竞争；3.从源头上控制影响交通安全的人为因素，减少交通安全隐患，从而提高整个社会的交通安全水平，降低交通事故率。附图说明图1是本专利技术一种驾校交通安全培训水平评价模型结构图。具体实施方式下面将对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的核心是提供一种驾校交通安全培训水平评价模型，以解决定量评价驾校交通安全培训水平的问题。例如，已知某省驾驶员培训学校学员毕业后的交通违法和交通事故记录数据，则每个驾校的交通安全培训水平可按以下步骤求解。1.确定评估目标：不同驾校安全培训水平。2.建立评价指标：B1：一般违法行为评价指标，取学员毕业后3年内人平均一般违法次数；B2：严重违法行为评价指标，取学员毕业后3年内人平均严重违法次数；B3：高危违法行为评价指标，取学员毕业后3年内人评价高危违法次数；B4：普通事故评价指标，取学员毕业后3年内人平均普通事故次数；B5：伤人事故评价指标，取学员毕业后3年内人平均伤人事故次数；B6：死亡事故评价指标，取学员毕业后3年内人平均死亡事故次数。3.建立模型层次结构：参见本说明书附图14.建立指标矩阵结构：(1)首先对各项指标进行打分特别说明：在打分时，必须以Bii为对角线两边数据对称成倒数关系，如B1比B2更不重要，B12位置打分为0.2，则B21位置打分为5，即B12＝1/B21；(2)进行一致性检测，以确保打分时不出现前后的逻辑错误①计算上述矩阵的最大特征值对A矩阵列向量归一化后求行和，再归一化，可得到矩阵的特征矩阵根据Aw＝λw，计算可得λ＝6.396155②计算一致性指标：根据公式计算可得CI＝0.079231(n＝6，矩阵的阶数)，原则上λ比n越大，说明不一致性越严重③查询随机性一致性指标：RI当n＝6时，RI＝1.24④计算一致性比率：根据公式计算可得CR＝0.079231/1.24＝0.063896＜0.1，一般认为当CR＜0.1时，矩阵的不一致程度在容许范围之内，可用其归一化特征向量作为权向量，否则要重新构造成对比较矩阵。5、计算各项指标结构的权值(归一化特征向量)矩阵一致性检验计算时取得的即为各项指标的权值。6、分别计算C1：C5对于B1：B6各项指标的得分，即对于B1指标C1：C5相对的有利程度分别是多少；建立B1与CI：C5的矩阵关系其中CiB1表示第i个驾校B1指标的数值，即违法行为评价指标的数值(如：毕业3年内人平均违法次数)。采用上述归一化特征向量计算方法，分别计算C1：C5对于B1指标的权重，得矩阵同时根据计算一致性指标CI1(n＝5)，RI1按n＝5查表得1.12。同理分别计算C1：C5对于B2：B6的权重及相应的CI及RI指标。7、将组合建立一个新的矩阵：C1C2C3C4C5B1c11c21c31c41c51B2c12c22c32c42c52B3c13c23c33c43c53B4c14c24c34c44c54B5c15c25c35c45c55B6c16c26c36c46c568、层次总排序及其一致性检验计算某一层次所有因素对于最高层(总目标)相对重要性的权值，称为层次总排序，这一过程是从最高层次到最低层次依次进行的。C层的层次总排序为：C1：b1c11+b2c12+Λbmc1mC2：b1c21+b2c22+Λbmc2mΛCm：b1cm1+b2cm2+ΛbmcmnC层第i个因素对总目标的权值为(影响加和)：层次总排序的一致性检验：设C层C1，C2，Λ，Cn对上层(B层)中因素Bj(j＝1，2，Λ，m)的层次单排序一致性指标为CIj，随机一致性指标为RIj，则层次总排序的一致性比率为：当CR＜0.1时，认为层次总排序通过一致性检验。层次总排序具有满意的一致性，否则需要重新调整那些一致性比率高的判断矩阵的元素取值。本例中，CI本文档来自技高网...

【技术保护点】
1.一种驾校交通安全培训水平评价模型，其特征在于，包括：驾校交通安全培训水平层次分析(AHP)模型计算方法、模型评价指标体系、模型层次结构、驾校等级评定模型等。/n

【技术特征摘要】
1.一种驾校交通安全培训水平评价模型，其特征在于，包括：驾校交通安全培训水平层次分析(AHP)模型计算方法、模型评价指标体系、模型层次结构、驾校等级评定模型等。


2.根据权利要求1所述的一种驾校交通安全培训水平评价模型，其特征在于，所述驾校交通安全培训水平层次分析(AHP)模型计算方法包括确定评估目标、建立评价指标、建立模型层次结构、建立指标矩阵结构、计算各项指标结构的权值及一致性检验、计算评价对象相对于各项指标的得分、层次总排序及一致性检验等步骤。


3.根据权利要求1所述的一种驾校交通安全培训水平评价模型，其特征在于，所述模型评价指标体系包括一般违法行为评价指标、严重违法行为评价指标、高危违法行为评价指标、普通事故评价指标、伤人事故评价指标、死亡事故评价指标等。

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：网帅科技北京有限公司，
类型：发明
国别省市：北京;11