原文传递
基于层级模糊网络模型的危险货物道路运输车辆风险评估研究与应用
| 论文题名： | 基于层级模糊网络模型的危险货物道路运输车辆风险评估研究与应用 |
| 关键词： | 危险货物运输;车辆风险评估;模糊系统;神经网络 |
| 摘要： | 危险货物在运输过程中一旦发生事故将会造成非常恶劣的影响，损失巨大。我国各个省份的道路运输管理中心对于从事危险货物运输的企业平台也开展了针对性的监管措施，主要是对危险货物运输企业的宏观监控，缺乏对具体运输车辆的精准监管。通过对危险货物道路运输车辆历史事故数据的影响因素分析，对运输车辆的事故风险进行评估，能够帮助危险货物营运企业和监管部门更加精确的对运输车辆个体进行管控，减少甚至避免运输事故的发生。 本文对危险货物道路运输车辆风险评估问题进行研究，首先通过多种渠道对陕西省危险货物道路运输车辆事故数据进行搜集整理，建立可靠、精确的危险货物事故数据集。基于此数据从驾驶员、车辆、道路环境、货物和管理五个方面明确事故致因，构建事故风险评估指标体系。同时使用解释结构模型进一步分析指标之间的层次性结构，为后续构建模型做好数据准备。其次基于指标之间的层次性关系，利用模糊神经网络构建了层级模糊网络模型用来对危险货物道路运输车辆事故风险进行预测。在该模型中，第一层的每个模糊系统对应一组指标层数据，这些模糊系统可以生成对目标的弱估计量，模糊神经网络以这些弱估计量作为输入进行模型训练。同时考虑到实际环境中存在获取到的数据信息不完备的情况，在此条件下，通过计算各指标权重，采用定性分析方法对危险货物道路运输车辆事故风险进行评估，为相关工作人员提供决策支持。最后使用前后端分离技术架构搭建危险货物道路运输车辆风险评估系统。该系统以层级模糊网络模型作为后端处理模型，前端使用VUE+elementUI框架，后端使用SpringBoot+Mybatis框架，实现了可以对危险货物道路运输车辆进行实时监控和风险评估的风险系统。 数据实验和对比测试表明，层级模糊网络模型在有限数据条件下对于事故风险有更好的预测效果，各级事故预测精度均达到90%以上，模型整体效果优于其他模型，在保证对事故风险实时检测的同时对事故级别有更加准确的预测结果。 |
| 作者： | 代玉 |
| 专业： | 控制工程 |
| 导师： | 李刚 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
