一种基于层次分析法和熵权法的车辆风险评估方法及装置

技术领域

本申请实施例涉及车辆交通安全技术领域，尤其涉及一种车辆风险评估方法及装置。

背景技术

一直以来，机动车作为交通管理的主要对象都受到了交通管理者的重点管控，但由于机动车数量的剧增，交管部门有限的警力资源己经难以支撑对其进行全方位的严格管控，致使各类交通违法和乱象层出不穷。给人们的交通出行安全带来极大的隐患。结合交通管理实战需求，建立机动车管控体系，实现车辆的高效精准管理，势在必行。

为实现车辆精准管理，通常根据车辆档案信息、历史违法信息、交通事故信息等相关信息建立风险评估积分模型，积分越高车辆风险越高，交通管理者对风险高的车辆越需要严加管控，但是目前的风险评估模型存在不精确的问题。

发明内容

本申请实施例提供一种基于层次分析法和熵权法的车辆风险评估方法及装置，能够解决车辆风险评估不精确问题，提升车辆风险评估的精度。

在第一方面，本申请实施例提供了一种基于层次分析法和熵权法的车辆风险评估方法，包括：

获取待评估车辆数据；

将所述待评估车辆数据输入预设的车辆风险评估模型，在所述车辆风险评估模型中，利用层次分析法计算所述待评估车辆数据的第一权重向量，利用熵权法计算所述待评估车辆数据的第二权重向量；

根据所述第一权重向量和第二权重向量计算并输出待评估车辆对应的车辆风险值。

进一步的，所述待评估车辆数据为多级指标体系数据，每一个上级指标包括至少一个下级指标，所述待评估车辆数据包括上级指标数据和下级指标数据；

所述利用层次分析法计算所述待评估车辆数据的第一权重向量，具体为：

确定所述待评估车辆数据的评估指标体系的准则层，所述准则层包括上层准则和子准则，所述上层准则为上级指标对应的准则，所述子准则为下级指标对应的准则；

利用层次分析法计算上层准则权重向量和各子准则权重向量，所述第一权重向量包括上层准则权重向量和各子准则权重向量。

进一步的，所述利用熵权法计算所述待评估车辆数据的第二权重向量，具体为：

利用熵权法计算所述待评估车辆数据的指标体系中每一指标的权重向量。

进一步的，所述根据所述第一权重向量和第二权重向量计算并输出待评估车辆对应的车辆风险值，具体为：

根据第一权重向量和第二权重向量进行计算得到综合权重向量；

根据综合权重计算并输出待评估车辆对应的车辆风险值。

进一步的，所述根据第一权重向量和第二权重向量进行计算得到综合权重向量，具体为：

将层次分析法得到的各子准则权重向量与熵权法得到的每一指标的权重向量进行计算处理得到第一综合权重向量。

进一步的，所述方法还包括：

根据上层准则和各子准则的对应关系，对所述第一综合权重向量进行归一化处理，得到第二综合权重向量；

将所述上层准则权重向量与所述第二综合权重向量相乘，得到第三综合权重向量；

对所述第三综合权重向量进行归一化处理，得到综合权重向量。

进一步的，所述利用层次分析法计算所述待评估车辆数据的第一权重向量，具体为：

确定所述待评估车辆数据的评估指标体系的准则层，所述准则层包括p个上层准则和q子准则，每个上层准则分别包括q

通过层次分析法判断矩阵得到上层准则权重向量A＝{α

通过层次分析法判断矩阵得到各子准则权重向量Y＝{γ

进一步的，所述利用熵权法计算车辆评估指标体系的第二权重向量，具体为：

利用熵权法计算求得所述车辆评估指标体系中每一指标的权重向量E＝{β

进一步的，根据第一权重向量和第二权重向量进行计算得到综合权重向量，具体为：

将层次分析法得到的各子准则权重向量与熵权法得到的每一指标的权重向量进行计算处理得到第一综合权重向量，所述第一综合权重向量表示为：

进一步的，所述方法还包括：

根据上层准则和各子准则的对应关系，对所述第一综合权重向量进行处理得到对应的子准则综合权重向量，所述子准则综合权重向量表示为：

其中，q

对所述子准则综合权重向量进行归一化处理，得到第二综合权重向量，所述第二综合权重向量表示为：

其中

将所述上层准则权重向量与所述第二综合权重向量相乘，得到第三综合权重向量，则所述第三综合权重向量表示为：

对所述第三综合权重向量进行归一化处理，得到综合权重向量，所述综合权重向量表示为:

U＝{U

进一步的，所述方法还包括，根据输出的风险值进行风险等级划分，并显示各车辆对应的风险等级级别。

在第二方面，本申请实施例提供了一种基于层次分析法和熵权法的车辆风险评估装置，包括：

数据获取模块，用于获取待评估车辆数据；

权重计算模块，用于将所述待评估车辆数据输入预设的车辆风险评估模型，在所述车辆风险评估模型中，利用层次分析法计算所述待评估车辆数据的第一权重向量，利用熵权法计算所述待评估车辆数据的第二权重向量；

风险值输出模块，用于根据所述第一权重向量和第二权重向量计算并输出待评估车辆对应的车辆风险值。

进一步的，所述待评估车辆数据为多级指标体系数据，每一个上级指标包括至少一个下级指标，所述待评估车辆数据包括上级指标数据和下级指标数据；

所述权重计算模块，还用于确定所述待评估车辆数据的评估指标体系的准则层，所述准则层包括上层准则和子准则，所述上层准则为上级指标对应的准则，所述子准则为下级指标对应的准则；

利用层次分析法计算上层准则权重向量和各子准则权重向量，所述第一权重向量包括上层准则权重向量和各子准则权重向量。

进一步的，权重计算模块，还用于利用熵权法计算所述待评估车辆数据的指标体系中每一指标的权重向量。

进一步的，所述权重计算模块，还用于根据第一权重向量和第二权重向量进行计算得到综合权重向量；

进一步的，所述风险值输出模块，还用于根据综合权重计算并输出待评估车辆对应的车辆风险值。

进一步的，所述权重计算模块，还用于将层次分析法得到的各子准则权重向量与熵权法得到的每一指标的权重向量进行计算处理得到第一综合权重向量。

进一步的，所述权重计算模块，还用于根据上层准则和各子准则的对应关系，对所述第一综合权重向量进行归一化处理，得到第二综合权重向量；

将所述上层准则权重向量与所述第二综合权重向量相乘，得到第三综合权重向量；

对所述第三综合权重向量进行归一化处理，得到综合权重向量。

进一步的，所述权重计算模块，还用于确定所述待评估车辆数据的评估指标体系的准则层，所述准则层包括p个上层准则和q个子准则，每个上层准则分别包括q

通过层次分析法判断矩阵得到上层准则权重向量A＝{α

通过层次分析法判断矩阵得到各子准则权重向量Y＝{γ

进一步的，所述权重计算模块，还用于利用熵权法计算求得所述车辆评估指标体系中每一指标的权重向量E＝{β

进一步的，所述权重计算模块，还用于将层次分析法得到的各子准则权重向量与熵权法得到的每一指标的权重向量进行计算处理得到第一综合权重向量，所述第一综合权重向量表示为：

进一步的，所述权重计算模块，还用于根据上层准则和各子准则的对应关系，对所述第一综合权重向量进行处理得到对应的子准则综合权重向量，所述子准则综合权重向量表示为：

其中，q

对所述子准则综合权重向量进行归一化处理，得到第二综合权重向量，所述第二综合权重向量表示为：

其中

将所述上层准则权重向量与所述第二综合权重向量相乘，得到第三综合权重向量，则所述第三综合权重向量表示为：

对所述第三综合权重向量进行归一化处理，得到综合权重向量，所述综合权重向量表示为:

U＝{U

进一步的，所述装置还包括风险等级划分模块，用于根据输出的风险值进行风险等级划分，并显示各车辆对应的风险等级级别。

在第三方面，本申请实施例提供了一种电子设备，包括：

存储器以及一个或多个处理器；

所述存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的基于层次分析法和熵权法的车辆风险评估方法。

在第四方面，本申请实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的基于层次分析法和熵权法的车辆风险评估方法。

本申请实施例通过融合层次分析法和熵权法对待评估车辆数据的权重进行计算并输出待评估车辆对应的风险值。采用上述技术手段，可以综合融合主观赋权法和客观赋权法的权重计算方式，使得预设的风险评估模型输出的车辆风险值更加可靠，从而提高了车辆风险评估的精确度，进而提高了车道行驶的安全性和提高了车辆危险防御的决策能力。

附图说明

图1是本申请实施例一提供的一种基于层次分析法和熵权法的车辆风险评估方法的流程图；

图2是本申请实施例二提供的一种基于层次分析法和熵权法的车辆风险评估装置的结构示意图；

图3是本申请实施例三提供的一种电子设备的结构示意图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

本申请提供的基于层次分析法和熵权法的车辆风险评估方法及装置，旨在将所述待评估车辆数据输入预设的车辆风险评估模型，在所述车辆风险评估模型中，利用层次分析法计算所述待评估车辆数据的第一权重向量，利用熵权法计算所述待评估车辆数据的第二权重向量；根据所述第一权重向量和第二权重向量计算并输出待评估车辆对应的车辆风险值。以此可以综合融合主观赋权法和客观赋权法的权重计算方式，使得预设的风险评估模型输出的车辆风险值更加可靠，从而提高了车辆风险评估的精确度，进而提高了车道行驶的安全性和提高了车辆危险防御的决策能力。相对于传统的车辆风险评估方式，其通常会仅使用层次分析法进行评估，根据对目标问题的分解设定指标测量问题由专家进行打分得到指标数值，当目标问题比较清晰、数量较少的时候能够较为合理的通过层次分析法得到各测度指标的赋权数值，但是存在局限性是由专家打分得到的数值随着主观意识情况变化性很大，而且容易受到个人因素的影响而发生偏差且所得结果比较模糊。而熵权法虽然能够克服这些局限性，从数据出发得到权重值，但往往没有考虑一些实际情况容易造成所得结果与事实情况不符无法使用。基于此，提供本申请实施例的基于层次分析法和熵权法的车辆风险评估方法。以解决现有车辆风险评估不精确问题。

实施例一：

图1给出了本申请实施例一提供的一种基于层次分析法和熵权法的车辆风险评估方法的流程图，本实施例中提供的基于层次分析法和熵权法的车辆风险评估方法可以由基于层次分析法和熵权法的车辆风险评估设备执行，该基于层次分析法和熵权法的车辆风险评估设备可以通过软件和/或硬件的方式实现，该基于层次分析法和熵权法的车辆风险评估设备可以是两个或多个物理实体构成，也可以是一个物理实体构成。一般而言，该基于层次分析法和熵权法的车辆风险评估设备可以是移动终端，如手机等。

下述以移动终端为执行基于层次分析法和熵权法的车辆风险评估方法的主体为例，进行描述。参照图1，该基于层次分析法和熵权法的车辆风险评估方法具体包括：

S101、获取待评估车辆数据。

具体的，采用车辆风险数据对交通事故的影响情况进行量化的分析，构建交通事故风险评估模型。根据对造成交通事故的众多因素的分析，通过对驾驶人员实时状态、历史行车习惯和驾驶许可情况进行综合考量，建立车辆风险评估的多维指标体系，所述指标体系包括监控预警指标、定位指标、交通违章指标和驾驶许可指标。所述监控预警指标、定位指标、交通违章指标和驾驶许可指标为一级指标，对所述一级指标进行细化和扩展建立对应的二级指标。所述多维指标体系如下表所示：

根据上述车辆风险评估的多维指标体系收集获取待评估车辆的数据，所述待评估车辆的数据为所述二级指标对应的数据，建立车辆的数据集。

S102、将所述待评估车辆数据输入预设的车辆风险评估模型，在所述车辆风险评估模型中，利用层次分析法计算所述待评估车辆数据的第一权重向量，利用熵权法计算所述待评估车辆数据的第二权重向量。

具体的，所述待评估车辆数据为多级指标体系数据，每一个上级指标包括至少一个下级指标，所述待评估车辆数据包括上级指标数据和下级指标数据。确定所述待评估车辆数据的评估指标体系的准则层，所述准则层包括上层准则和子准则，所述上层准则为上级指标对应的准则，所述子准则为下级指标对应的准则；利用层次分析法计算上层准则权重向量和各子准则权重向量，所述第一权重向量包括上层准则权重向量和各子准则权重向量。利用熵权法计算所述待评估车辆数据的指标体系中每一指标的权重向量。

示例性的，所述待评估车辆数据为二级指标数据，每一个上级指标包括至少一个下级指标，所述待评估车辆数据包括上级指标数据和下级指标数据。每一个所述上级指标数据为上述一级指标数据，所述下级指标数据为上述二级指标数据。每一个一级指标数据包括至少一个二级指标数据。获取所述二级指标的待评估车辆的数据，并将所述待评估车辆的数据输入预设的车辆风险评估模型中，在所述车辆风险评估模型中，确定所述二级指标的待评估车辆的数据的准则层，所述准则层包括上层准则和子准则，所述上层准则为所述一级指标数据对应的准则，所述子准则为所述二级指标数据对应的准则。利用层次分析法计算上层准则权重向量和各子准则权重向量。利用层次分析法得到的所述上层准则权重向量和各子准则权重向量为第一权重向量。利用熵权法计算所述待评估车辆数据的指标体系中每一指标的权重向量。利用熵权法计算得到每一指标的权重向量为第二权重向量。

S103、根据所述第一权重向量和第二权重向量计算并输出待评估车辆对应的车辆风险值。

具体的，根据第一权重向量和第二权重向量进行计算得到综合权重向量；根据综合权重计算并输出待评估车辆对应的车辆风险值。

具体的，将层次分析法得到的各子准则权重向量与熵权法得到的每一指标的权重向量进行计算处理得到第一综合权重向量。根据上层准则和各子准则的对应关系，对所述第一综合权重向量进行归一化处理，得到第二综合权重向量；将所述上层准则权重向量与所述第二综合权重向量相乘，得到第三综合权重向量；对所述第三综合权重向量进行归一化处理，得到综合权重向量。

示例性的，所述待评估车辆数据为二级指标数据，每一个上级指标包括至少一个下级指标，所述待评估车辆数据包括上级指标数据和下级指标数据。每一个所述上级指标数据为上述一级指标数据，所述下级指标数据为上述二级指标数据。每一个一级指标数据包括至少一个二级指标数据。获取所述二级指标的待评估车辆的数据，并将所述待评估车辆的数据输入预设的车辆风险评估模型中，在所述车辆风险评估模型中，确定所述二级指标的待评估车辆的数据的准则层，所述准则层包括上层准则和子准则，所述上层准则为所述一级指标数据对应的准则，所述子准则为所述二级指标数据对应的准则。利用层次分析法计算上层准则权重向量和各子准则权重向量。利用熵权法计算所述待评估车辆数据的指标体系中每一指标的权重向量。利用层次分析法得到的所述上层准则权重向量和各子准则权重向量为第一权重向量。利用熵权法计算所述待评估车辆数据的指标体系中每一指标的权重向量。利用熵权法计算得到每一指标的权重向量为第二权重向量。将层次分析法得到的各子准则权重向量与熵权法得到的每一指标的权重向量进行计算处理得到第一综合权重向量。根据上层准则和各子准则的对应关系，对所述第一综合权重向量进行归一化处理，得到第二综合权重向量；将所述上层准则权重向量与所述第二综合权重向量相乘，得到第三综合权重向量；对所述第三综合权重向量进行归一化处理，得到综合权重向量；根据综合权重计算并输出待评估车辆对应的车辆风险值。

在一实施例中，确定所述待评估车辆数据的评估指标体系的准则层，所述准则层包括p个上层准则和q个子准则，每个上层准则分别包括q

根据上层准则和各子准则的对应关系，对所述第一综合权重向量进行处理得到对应的子准则综合权重向量，所述子准则综合权重向量表示为：

其中，q

对所述子准则综合权重向量进行归一化处理，得到第二综合权重向量，所述第二综合权重向量表示为：

其中

将所述上层准则权重向量与所述第二综合权重向量相乘，

u*＝a

从而得到第三综合权重向量，则所述第三综合权重向量表示为：

对所述第三综合权重向量进行归一化处理，得到综合权重向量，所述综合权重向量表示为:

U＝{U

示例性的，将所述待评估车辆数据输入预设的车辆风险评估模型中，根据上述车辆风险评估的多维指标体系计算所述待评估车辆数据的综合权重向量，根据所述综合权重向量输出对应的车辆风险评估值。

在一实施例中，将所述待评估车辆数据输入预设的车辆风险评估模型中，根据上述车辆风险评估的多维指标体系计算所述待评估车辆数据的综合权重向量，根据所述综合权重向量输出对应的车辆风险评估值，根据输出的风险值进行风险等级划分，并显示各车辆对应的风险等级级别。

示例性的，根据输出的风险值进行风险等级划分，红色等级为排名前5％(含5％)的风险，橙色等级为排名前5％-10％(含10％)的风险，黄色等级为排名前10％-30％(含30％)的风险，蓝色等级为排名前30％-70％(含70％)的风险。具体的风险等级设置可根据实际情况而进行设定。

上述，本申请实施例通过融合层次分析法和熵权法对待评估车辆数据的权重进行计算并输出待评估车辆对应的风险值。采用上述技术手段，可以综合融合主观赋权法和客观赋权法的权重计算方式，使得预设的风险评估模型输出的车辆风险值更加可靠，从而提高了车辆风险评估的精确度，进而提高了车道行驶的安全性和提高了车辆危险防御的决策能力。

实施例二：

在上述实施例的基础上，图2为本申请实施例二提供的一种基于层次分析法和熵权法的车辆风险评估装置的结构示意图。参考图2，本实施例提供的基于层次分析法和熵权法的车辆风险评估装置具体包括：数据获取模块21、权重计算模块22和风险值输出模块23。

其中，数据获取模块21，用于获取待评估车辆数据；权重计算模块22，用于将所述待评估车辆数据输入预设的车辆风险评估模型，在所述车辆风险评估模型中，利用层次分析法计算所述待评估车辆数据的第一权重向量，利用熵权法计算所述待评估车辆数据的第二权重向量；风险值输出模块23，用于根据所述第一权重向量和第二权重向量计算并输出待评估车辆对应的车辆风险值。

进一步的，所述待评估车辆数据为多级指标体系数据，每一个上级指标包括至少一个下级指标，所述待评估车辆数据包括上级指标数据和下级指标数据；所述权重计算模块22，还用于确定所述待评估车辆数据的评估指标体系的准则层，所述准则层包括上层准则和子准则，所述上层准则为上级指标对应的准则，所述子准则为下级指标对应的准则；利用层次分析法计算上层准则权重向量和各子准则权重向量，所述第一权重向量包括上层准则权重向量和各子准则权重向量。

进一步的，权重计算模块22，还用于利用熵权法计算所述待评估车辆数据的指标体系中每一指标的权重向量。

进一步的，所述权重计算模块22，还用于根据第一权重向量和第二权重向量进行计算得到综合权重向量；

进一步的，所述风险值输出模块23，还用于根据综合权重计算并输出待评估车辆对应的车辆风险值。

进一步的，所述权重计算模块22，还用于将层次分析法得到的各子准则权重向量与熵权法得到的每一指标的权重向量进行计算处理得到第一综合权重向量。

进一步的，所述权重计算模块22，还用于根据上层准则和各子准则的对应关系，对所述第一综合权重向量进行归一化处理，得到第二综合权重向量；将所述上层准则权重向量与所述第二综合权重向量相乘，得到第三综合权重向量；对所述第三综合权重向量进行归一化处理，得到综合权重向量。

进一步的，所述权重计算模块22，还用于确定所述待评估车辆数据的评估指标体系的准则层，所述准则层包括p个上层准则和q个子准则，每个上层准则分别包括q

进一步的，所述权重计算模块22，还用于利用熵权法计算求得所述车辆评估指标体系中每一指标的权重向量E＝{β

进一步的，所述权重计算模块22，还用于将层次分析法得到的各子准则权重向量与熵权法得到的每一指标的权重向量进行计算处理得到第一综合权重向量，所述第一综合权重向量表示为：

进一步的，所述权重计算模块22，还用于根据上层准则和各子准则的对应关系，对所述第一综合权重向量进行处理得到对应的子准则综合权重向量，所述子准则综合权重向量表示为：

对所述子准则综合权重向量进行归一化处理，得到第二综合权重向量，所述第二综合权重向量表示为：

将所述上层准则权重向量与所述第二综合权重向量相乘，

u*＝a

从而得到第三综合权重向量，则所述第三综合权重向量表示为：

对所述第三综合权重向量进行归一化处理，得到综合权重向量，所述综合权重向量表示为:

U＝{U

进一步的，所述装置还包括风险等级划分模块，用于根据输出的风险值进行风险等级划分，并显示各车辆对应的风险等级级别。

上述，本申请实施例通过融合层次分析法和熵权法对待评估车辆数据的权重进行计算并输出待评估车辆对应的风险值。采用上述技术手段，可以综合融合主观赋权法和客观赋权法的权重计算方式，使得预设的风险评估模型输出的车辆风险值更加可靠，从而提高了车辆风险评估的精确度，进而提高了车道行驶的安全性和提高了车辆危险防御的决策能力。

本申请实施例二提供的基于层次分析法和熵权法的车辆风险评估装置可以用于执行上述实施例一提供的基于层次分析法和熵权法的车辆风险评估方法，具备相应的功能和有益效果。

实施例三：

本申请实施例三提供了一种电子设备，参照图3，该电子设备包括：处理器31、存储器32、通信模块33、输入装置34及输出装置35。该电子设备中处理器的数量可以是一个或者多个，该电子设备中的存储器的数量可以是一个或者多个。该电子设备的处理器、存储器、通信模块、输入装置及输出装置可以通过总线或者其他方式连接。

存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请任意实施例所述的基于层次分析法和熵权法的车辆风险评估方法对应的程序指令/模块(例如，基于层次分析法和熵权法的车辆风险评估装置中的数据获取模块、权重计算模块和风险值输出模块)。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

通信模块33用于进行数据传输。

处理器31通过运行存储在存储器32中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的基于层次分析法和熵权法的车辆风险评估方法。

输入装置34可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置35可包括显示屏等显示设备。

上述提供的电子设备可用于执行上述实施例一提供的基于层次分析法和熵权法的车辆风险评估方法，具备相应的功能和有益效果。

实施例四：

本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种基于层次分析法和熵权法的车辆风险评估方法，该基于层次分析法和熵权法的车辆风险评估方法包括：获取待评估车辆数据；将所述待评估车辆数据输入预设的车辆风险评估模型，在所述车辆风险评估模型中，利用层次分析法计算所述待评估车辆数据的第一权重向量，利用熵权法计算所述待评估车辆数据的第二权重向量；根据所述第一权重向量和第二权重向量计算并输出待评估车辆对应的车辆风险值。

存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的基于层次分析法和熵权法的车辆风险评估方法，还可以执行本申请任意实施例所提供的基于层次分析法和熵权法的车辆风险评估方法中的相关操作。

上述实施例中提供的基于层次分析法和熵权法的车辆风险评估装置、存储介质及电子设备可执行本申请任意实施例所提供的基于层次分析法和熵权法的车辆风险评估方法，未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的基于层次分析法和熵权法的车辆风险评估方法。

上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由权利要求的范围决定。