基于ANFIS的霧霾天氣配送車輛運行安全研究

[摘要]針對霧霾天氣條件下配送車輛的運行安全問題，應用綜合模糊推理系統以及神經網絡的自適應模糊神經網絡方法，建立了配送車輛的追尾模型并以實例驗證，從運算結果看，該算法具有很好的自適應自學習以及處理結構化知識的能力，為分析霧霾天氣配送車輛的運行安全提供了新思路。

[關鍵詞]霧霾天氣；配送；運行安全；自適應模糊神經網絡

[中圖分類號]F570.7 文獻標識碼]A [文章編號]1005—152X（2017）03—0075—03

1引言

近年來，隨著我國工業化的發展，城市環境不斷惡化，空氣污染日益嚴重。國家環保部的數據顯示，2016年12月18日全國達到嚴重污染的城市共24個，其中8個城市出現空氣質量系數爆表的情況。持續的霧霾天氣不僅嚴重危害到了人們健康，而且對道路交通安全造成了前所未有的威脅。尤其對于日益發達的物流行業，其主要依靠公路運輸完成物資的轉運，而霧霾天氣使得道路能見度降低，嚴重影響到了配送車輛的運行安全。

而對于分析車輛運行安全，常常建立以計算事故發生概率為目標的模型。但由于各種誘導因素之間缺乏聯系，應用傳統的數學方法受限。而自適應模糊神經網絡系統（Adaptive Neuron-fuzzy Inference System，AN-FIS）通過對大量數據的分析，能夠自動生成并調整隸屬度函數翻，更好地模擬出輸出以及輸入的關系，對于分析霧霾天氣配送車輛的運行安全具有重要意義。

2霧霾天氣對配送車輛運行安全的影響

2.1車輛運行安全現狀

伴隨著經濟的高速發展，我國道路交通以其短途運輸便捷性、經濟性等方面的優勢，得到了迅猛發展的機遇。而道路建設和交通管理的發展不能滿足交通運輸發展的客觀需要，導致道路交通事故急劇增加，極大地威脅到了人們的生命財產安全。尤其是在特殊氣候條件下，據公安部道路交通事故統計，我國每年大約有10%的交通事故與惡劣天氣有關。

2.2配送車輛事故分析

配送具有運輸時間緊、運輸量大的特點，在高速公路行駛速度快，遇到緊急情況時其剎車距離很長。尤其是在霧霾天氣條件下，由于路面與空氣間存在溫差，會在道路表面形成一層水膜，空氣中的塵土、油污等顆粒就會吸附上去，從而導致路面摩擦系數降低。其次，霧霾天氣使得能見度急劇下降，駕駛員的視線受限，反應時間延遲，表1為不同能見度對道路交通的影響。因此，配送車輛在這樣的天氣條件下很容易發生追尾事故，造成巨大的損失。

3自適應模糊神經網絡系統

ANFIS是將一階Takagi-Sugeno（TS）模糊推理系統以網格的方式來實現從而得到的一種神經網絡，綜合了模糊推理系統以及神經網絡，既有人工神經網絡自適應自學習的功能，又有模糊推理系統處理結構化知識的能力。在安全行車距離控制領域應用較為廣泛，如郭海如的防車追尾控制器的設計、侯志祥的高速公路臨界安全車距研究等。

（3）訓練仿真。根據以上模糊規則，應用式（1）、（2）、（3）、（4）、（5），隸屬度函數選用高斯形隸屬度函數，初始步長為0.01，利用MATLAB編程計算各種初始條件下的追尾概率，訓練該霧霾天氣配送車輛的ANFIS追尾模型。

4.2結果分析

通過仿真，綜合不同初始條件下的結果，可以得到追尾概率P隨能見度h的變化，如圖2所示。

從圖2可知隨著能見度的增加，追尾概率呈下降趨勢。當h<60m時，追尾概率很大；當60m200m，追尾概率較小。此結果與表1經驗數據保持一致。為此，在霧霾天氣下行車，應嚴格控制車速，增大車距，降低配送車輛的追尾概率。

5結束語

采用自適應模糊神經網絡系統，對霧霾天氣配送車輛行車安全進行了研究，建立了基于ANFIS配送車輛追尾模型。從運算結果來看，很好地模擬出輸出以及輸入的關系。為分析特殊天候條件下的車輛運行安全提供了可操作性的預防風險的建議。