基于模糊神經網絡的無人配送體系網絡風險研究

秦彤彤，張俊友，王樹鳳，王文魯

（1.山東科技大學 交通學院，山東 青島 266590；2.山東科技大學 地球科學與工程學院，山東 青島 266590）

1 引言

隨著京東成功研發無人配送站，蘇寧物流普及自動駕駛技術并公開了5G無人配送車的路測實況，菜鳥建立無人倉，智能物流再升級，向無人配送又邁進一步。國內外關于無人配送的研究主要集中在無人機技術的發展，但是在無人車配送領域的研究微乎其微。國外的Tsan-Ming Choi[1]等闡述了物流系統的關鍵風險管理，即中斷風險管理、操作風險控制、災害與應急管理以及物流服務風險分析，并闡明了現代物流系統對于風險管理在未來的目標和方向。中國對于物流無人配送項目風險的研究較少，依據之前學者的研究，主要針對無人機物流配送項目。在風險識別方法中，魏法杰[2]等結合無人機項目研制過程的特點，分析了不同風險識別方法的適用性，提出了無人機項目研制不同階段如何選擇適當的風險識別方法的識別準則，并構建了無人機項目研制風險因素識別表。在風險分析評價方法研究中，王騫[3]將貝葉斯網絡的不確定性推理技術引入到無人機的風險因素評估模型中，運用了貝葉斯方法計算風險產生的各種因素，實現了無人機風險因素的分析評價，并將該方法運用到無人機電力巡線項目風險管理中。曹珺雯[4]等對物流無人機配送體系的兩種模式做出解釋，“點對多”無人機物流配送模式中，配送的成本環節主要集中在末端，以快遞員為主的人力成本占據很大比例，無人機擬打造“干線-支線-末端”體系，用以解決“最后一公里”的配送問題。“點對點”無人機物流配送模式中，對快遞公司要求很高，在快遞攬收配送環節的智能化有待加強。由于無人配送在物流行業還不是一項成熟的技術，同時商業模式也不清晰，因此項目管理組織對無人配送項目的風險認識不足，缺少對關鍵風險因素的控制，而且無人配送所面臨的風險因素也與傳統的風險因素不同。可以發現，目前對于無人配送的研究有限，鮮有對無人配送網絡風險研究的文獻。因此，本文在有人配送的基礎上構建一套無人配送網絡風險的評價指標體系，基于模糊綜合評價法將風險因素量化，運用BP神經網絡建立模型，對無人配送風險進行評價分析。

2 無人配送系統設計及風險評價體系的構建

2.1 無人配送系統設計

工作人員在接入大數據網絡的智能導航系統中錄入包裹的起始地和目的地，智能導航系統計算出無人車的最優路徑，規避障礙，根據周圍環境的變化，實時接收、更改路線、立即反饋信息給無人電動車，自動導航的無人電動車安全高效行駛到目的地，與無人儲存快遞柜進行信息交互，然后按智能導航系統之前計算出的最優路徑返回待定區，在待定區進行修整充電，等待下一配送指令。需要考慮來回時交通情況不同，所以智能導航系統需要更新最優路徑的計算。無人儲存快遞柜錄入包裹的信息，包裹暫存在快遞柜中，對用戶發送取件信息，服務對象通過成熟的的人臉識別技術取出包裹，完成無人電動車的最后一步。圖1是無人電動車的工作流程圖。

圖1 無人電動車配送流程圖

無人配送過程中的信息要素必須數字化后才能被讀取，并與配送的無人電動車中攜帶的信息實現最優匹配。通過視覺技術去判斷包裹的體積，用智能傳感器讀取數據[5]。使用傳感器判斷包裹目的地，以自動化流水線把包裹送到無人電動車上[6]。無人配送系統對信息的安全性要求更高，為避免身份識別錯誤，應采用雙重加密，包括明密匙流，將明匙流存儲于無人電動車所攜帶的RFID卡中，密匙流則通過5G通信傳輸至客戶端，無人電動車行駛到目的地后讀取無人電動車中的RFID 數據并通過5G 網絡傳輸信息至客戶端，客戶端的密匙流進行處理后解密，確認無人電動車身份，保證其配送安全性。每一次的明密匙流應保證隨機產生，以防數據被破解或截取。其中，智能傳感器的傳感域的運行方式如圖2所示。

圖2 無人配送傳感域的信息運行方式

配送過程中，主調度控制室要做好系統安排，實現各環節、流程高效有序的開展[7]。圖3 是無人配送系統設計圖。

2.2 無人配送網絡風險評價體系

無人配送出現的風險，包括人員傷亡、設備故障與損失、系統遭黑客攻擊、配送供應鏈溝通不暢、操作人員專業技術能力不足等風險。由于預測風險眾多，不易進行風險分析，本文在此著重對主要風險進行預測分析以及評價。

圖3 無人配送系統設計圖

（1）自然風險：無人電動車在配送過程中受天氣、環境（風切變等）等自然因素影響，可能出現包裹損失等風險。

（2）信息風險：配送過程中由于人為和自然原因丟失運載工具、接收方確認錯誤，導致網絡和通信中斷等風險。

（3）成本風險：企業開展無人配送業務，可能發生購置成本高、運營成本高、遠距離配送回程空駛、遠距離能源要求高等風險。

（4）其他風險：政府和相關部門對無人配送業務的包容政策和物業管理、居民對無人配送的信任度等，都會影響無人配送行業的發展。

其中，由于天氣等自然原因造成的人員傷亡、設備和包裹損失，可以通過提高操作人員的專業技術能力和完善設備以及無人配送系統的性能避免發生相關風險，屬于可靠的影響因素；反之，由于惡意破壞或拿走設備（指無人電動車）、配送途中拿走他人包裹等人為原因造成的風險，不能有效避免此類情況的發生，屬于不可靠的影響因素。無人配送風險具體評價指標體系見表1。

3 模型建立和算法設計

神經網絡具有很強的非線性映射能力、柔性的網絡結構以及局部微調能力強等特點，但同時存在著收斂和訓練速度慢、系統性弱的缺點。模糊綜合評價法具有結果清晰、系統性強的特點，能較好地解決模糊、難以量化的問題。因此借助模糊綜合評價法，對無人配送風險進行評分，可以減少訓練時間。為預測無人配送風險，現將風險量化，但風險量化是一個復雜的過程，受到多種風險因素的不確定影響，且風險因素之間又相互作用。因此，風險因素與量化的風險值之間具有復雜的非線性關系[8]。本文基于模糊綜合評價法對風險因素進行量化處理，形成定量指標。再根據無人配送網絡風險評價指標體系，使用BP 神經網絡模型，對無人配送網絡進行風險評價。

表1 無人配送網絡風險評價指標

3.1 模型建立

本文通過BP 神經網絡建立無人配送網絡風險評價數學模型，尋找恰當的權值和閾值，通過目標函數對無人配送風險指標進行綜合評價。神經網絡的權值一閾值向量用X表示[9]，目標函數表示為：

其中，wi：輸入層到隱層的連接權值；θi：個體適應度評價函數；M：輸入層節點數；S：隱含層節點數；N：輸出層節點數；N3：權值一閾值向量的維數。

3.2 算法設計

（1）建立風險評價因素集。設U={U1，U2，…，Un}為無人配送網絡的n 個風險指標。由表1 得無人配送網絡風險評價指標體系中共有13 個風險評價指標，即n=13。

（2）確定決策評語集。根據風險管理中的風險評價情況，把無人配送網絡風險評價狀況分為6個等級，即M={1，0.8，0.7，0.5，0.3，0}，表示的風險狀態見表2。

表2 無人配送網絡風險等級劃分表

根據無人配送網絡風險等級劃分表將6 個風險等級劃分成5個風險區間，對不同區間的風險等級進行描述，見表3。

表3 無人配送網絡風險等級界定表

（3）構造訓練樣本集。構造P 個訓練樣本，根據決策評語集，通過專家打分法對P個樣本下的風險因子打分，構造出訓練樣本集

（4）計算隱含層節點數。隱含層節點數可根據公式計算：

其中，M 為輸入層節點個數，N 為輸出層節點個數，γ為1到10之間的常數。

（5）執行BP 算法。用神經網絡對樣本進行訓練，將無人配送網絡各指標的風險值，帶入訓練好的神經網絡中[10]，得到最終的無人配送網絡風險評價值，即為無人配送網絡的風險。根據無人配送風險級別區間，確定無人配送網絡風險的風險等級為非常危險、危險、較危險、一般、較安全或安全。

4 實例驗證

4.1 數據收集

市南區，隸屬于山東省青島市，面積30.01km2。2018 年，市南區快遞業務量達1 664.66 萬件，地區生產總值1 200 億元，同比增長7.5%左右[11]。截至到2018 年末，市南區總人口為58.83 萬人（常住人口）。通過下轄的10個街道對市南區進行區域劃分。以青島市某物流企業的無人配送網絡為例，在有人配送數據基礎上對青島市市南區無人配送的營業數據進行預測，分析風險，得出風險評價結果。預測無人配送風險專家評分見表4。

表4 青島某物流企業市南區無人配送風險評分表

4.2 風險分析

利用Matlab 軟件，以訓練樣本為網絡的輸入，選擇一個最佳個體作為BP 神經網絡的的初始權值與閾值，實現對BP 神經網絡模型的驗證。運行Matlab算法工具箱，得出網絡預測輸出，如圖4所示。

圖4 網絡預測輸出圖

運算得目標函數值為0.021 1。網絡的輸入層到隱含層的權值W1、隱含層到輸出層的權值W2、隱含層的閾值B1、輸出層的閾值B2的值[12]分別如下：

優化后的權閾值分布曲線如圖5所示。

圖5 優化后的權閾值分布曲線

4.3 結果分析

用神經網絡對樣本進行訓練，對神經網絡的權閾值進行微調，求出權閾值最佳分布的神經網絡[13]。訓練輸出的結果見表5，如圖6及圖7所示。

表5 訓練輸出結果

圖6 訓練輸出結果

圖7 優化神經網絡變化曲線及最佳性能圖

調用已經訓練好的神經網絡，根據無人配送網絡風險評價指標值建立樣本，對無人配送網絡風險狀況進行評價，得出風險評價結果為0.558，在評價集區間[0.5，0.7]之間，即企業無人配送網絡的風險狀況處在一般到較危險區間。近似說明企業無人配送網絡存在一定的風險，需要找出存在風險的相關因素，加大管理力度來降低風險。

針對案例中無人配送網絡風險評價結果，分析造成物流企業無人配送網絡的風險因素，并提出風險管理方案：自然風險方面，實時關注氣象報告，遵循預先防控原則，提前勘測無人配送過程中的地理環境，確定無人電動車在適宜條件下進行工作；信息風險方面，遵循預先防控原則，提前評估所需的材料和設備，選取影響力大、信譽良好的供應商，嚴格按照時間節點進行，確保配送過程中信息的實時追蹤；成本風險方面，加強長期技術儲備工作，選擇可靠的設備技術類型，重點提升核心技術，定期對無人電動車等配送工具以及無人配送系統進行全面檢查，及時調試更換有問題的零部件，由負責人對自己負責的相應模塊進行預算編制。在此基礎上，項目相關管理人員應該積累和總結風險，提高對風險的敏感性，及時應對發生的風險，將發生風險造成的損失降到最低；社會風險方面，實時關注市場需求變化，及時獲取相關法律法規的動態，對企業無人配送相關業務及時進行調整。

5 總結與展望

根據本文建立的無人配送網絡風險評價指標體系，結合模糊綜合評價法和BP 神經網絡算法，建立基于模糊神經網絡的無人配送網絡風險評價模型，較好的實現了無人配送指標的定量化。基于無人配送風險評價模型和算法，通過青島某物流企業的案例驗證風險評價模型方法的準確性，得出案例中各項風險指標參數對無人配送網絡的影響程度，為風險管理方案提供一個參考方向。

本文將模糊綜合評價法與BP 神經網絡算法進行結合，建立了模糊神經網絡模型。在今后的研究中，可以從指標參數優化方案和指標參數飽和區間等方面對無人配送風險評價體系的靈敏度分析做深入研究，探討他們的結合方法與應用將是一個具有實際意義的課題。