■徐錦強(qiáng)吳建霞陳金山 黃海南

(1.福建農(nóng)林大學(xué)交通與土木工程學(xué)院，福州 350002；2.福建省寧德市交通經(jīng)濟(jì)發(fā)展中心，寧德 352000)

臺(tái)風(fēng)天氣高速公路車輛安全時(shí)速的估算

■徐錦強(qiáng)1吳建霞2陳金山1 黃海南1

(1.福建農(nóng)林大學(xué)交通與土木工程學(xué)院，福州 350002；2.福建省寧德市交通經(jīng)濟(jì)發(fā)展中心，寧德 352000)

根據(jù)臺(tái)風(fēng)天氣風(fēng)雨等氣候條件，估算高速公路車輛的安全時(shí)速。專家以經(jīng)驗(yàn)出發(fā)，結(jié)合實(shí)時(shí)的氣候條件，估算安全時(shí)速。建立了120條有效的專家數(shù)據(jù)后，應(yīng)用其中100條數(shù)據(jù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，再用余下20條數(shù)據(jù)對(duì)訓(xùn)練好的BPNN神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)精度檢驗(yàn)。最后采用排除異常樣本的方法，進(jìn)一步提高了BPNN神經(jīng)網(wǎng)絡(luò)對(duì)安全時(shí)速的估算精度。采用BPNN神經(jīng)網(wǎng)絡(luò)的方法能夠把專家的主觀經(jīng)驗(yàn)和處事性格電子化，對(duì)經(jīng)驗(yàn)少的駕駛新人能給出最高安全時(shí)速的建議，所以具有一定的實(shí)用價(jià)值。

高速公路 臺(tái)風(fēng)天氣 安全車速 BP神經(jīng)網(wǎng)絡(luò)

0 引言

臺(tái)風(fēng)天氣是影響沿海高速公路交通安全的重要隱患之一，風(fēng)力強(qiáng)、雨量大、影響范圍廣，其產(chǎn)生的大風(fēng)大雨對(duì)高速公路上行駛車輛的穩(wěn)定性帶來極大影響。如何在臺(tái)風(fēng)天氣帶來的風(fēng)雨條件下，估算安全車速，值得探討。

在綜合考慮風(fēng)和雨對(duì)高速公路路面及車輛的共同影響，分析在路面濕滑、側(cè)風(fēng)影響條件下，設(shè)計(jì)了基于BPNN(BackPropagationNeuralNetworks)的臺(tái)風(fēng)天氣高速公路安全車速估算系統(tǒng)，及時(shí)向駕駛員發(fā)布限速信息。

1 風(fēng)雨天氣對(duì)交通安全的影響

1.1 降雨強(qiáng)度

降雨是影響公路路況最頻繁的氣象因素。降雨常常使得路面出現(xiàn)積水，并在轉(zhuǎn)動(dòng)的輪胎下聚攏，形成水膜[1]，破壞車輛與路面正常接觸。降雨造成的交通事故率比晴天的增加會(huì)增加30%左右，而且不同降雨量引起事故的程度不同。

1.2 風(fēng)速

臺(tái)風(fēng)天氣往往伴隨大風(fēng)。風(fēng)的阻力影響車輛本身的動(dòng)力性能和燃油經(jīng)濟(jì)性能[2]。公路線型走向多變，極易在一些路段形成較為強(qiáng)烈的側(cè)風(fēng) （即風(fēng)向角與行車方向的夾角不為零），以不同速度作用于行駛車輛的側(cè)向面時(shí)，很容易造成行駛中的車輛發(fā)生側(cè)滑現(xiàn)象[3]，影響車輛直線行駛穩(wěn)定性。

1.3 能見度

臺(tái)風(fēng)天氣帶來的風(fēng)雨，影響了道路能見度，會(huì)縮短駕駛員的視距和縮小視野。過低的能見度對(duì)高速公路保持安全行車視距造成了影響。許多地方都制定了 “能見度低于50m，關(guān)閉高速公路”的規(guī)定[4]。

2 BPNN結(jié)構(gòu)設(shè)計(jì)與訓(xùn)練

選用了BPNN智能算法，以應(yīng)對(duì)臺(tái)風(fēng)天氣風(fēng)雨因子對(duì)安全限速的影響。BPNN是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。BPNN能學(xué)習(xí)和存貯大量的輸入向量與輸出向量之間的映射關(guān)系，而無需事先建立表達(dá)映射關(guān)系的數(shù)學(xué)模型。BPNN拓?fù)浣Y(jié)構(gòu)包括輸入層 (input)、隱含層 (hidelayer)和輸出層 (outputlayer)。BPNN具有優(yōu)秀的非線性函數(shù)的擬合能力，可應(yīng)用于模糊問題求解[5,6]。

2.1 獲取訓(xùn)練數(shù)據(jù)

高速公路沿線各位置的 “道路方向角”、 “坡度”數(shù)值由高速公路設(shè)計(jì)圖紙獲取[7]；在臺(tái)風(fēng)天氣，多風(fēng)雨條件時(shí)[8]，在客運(yùn)公司的支持下，跟隨一輛長(zhǎng)途客車調(diào)研，該客車駕駛員駕齡20年，安全駕駛經(jīng)驗(yàn)豐富。同時(shí)在高速公路一些觀測(cè)點(diǎn)，觀測(cè)當(dāng)前路段的 “實(shí)時(shí)風(fēng)速”、“風(fēng)向”、 “實(shí)時(shí)降雨強(qiáng)度”與 “能見度”。車上人員通過手機(jī)接聽觀測(cè)人員報(bào)告的風(fēng)速、降雨強(qiáng)度與能見度，告知駕駛員，請(qǐng)駕駛員觀察交通環(huán)境，報(bào)出其經(jīng)驗(yàn)判斷的最高 “安全限速”。整理出120條質(zhì)量較好的樣本數(shù)據(jù)填入表1[9]。

表1 安全限速調(diào)查表

把120個(gè)樣本隨機(jī)打亂，取前100個(gè)樣本做為訓(xùn)練樣本。訓(xùn)練樣本的輸入值選擇實(shí)時(shí)風(fēng)速 、車風(fēng)相對(duì)偏角、道路縱向坡度、實(shí)時(shí)降雨強(qiáng)度、能見度等五個(gè)指標(biāo)，訓(xùn)練樣本的輸出值選擇駕駛員給出的安全限速。

2.2 BPNN結(jié)構(gòu)設(shè)計(jì)

選擇MATLAB語言，采用雙隱層復(fù)雜結(jié)構(gòu)的BPNN，求解模糊問題。不斷調(diào)整隱藏層的傳遞函數(shù)及節(jié)點(diǎn)個(gè)數(shù)，反復(fù)訓(xùn)練，找到擬合效果最優(yōu)秀的BPNN結(jié)構(gòu)。輸入層節(jié)點(diǎn)數(shù)5個(gè)，對(duì)應(yīng)5個(gè)影響因子；第1隱層采用傳遞函數(shù) “tansig”，節(jié)點(diǎn)11個(gè)；第2隱藏層采用傳遞函數(shù) “l(fā)ogsig”，節(jié)點(diǎn)數(shù)9個(gè)；輸出層采用傳遞函數(shù) “purelin”，節(jié)點(diǎn)數(shù)1個(gè)。選擇訓(xùn)練函數(shù) “trainlm”，選擇學(xué)習(xí)函數(shù) “l(fā)earngdm”，BPNN精度檢查采用“MSE(均方差)”。

BPNN工作界面見圖1，訓(xùn)練曲線見圖 2。圖1、圖2表明，本次BPNN的結(jié)構(gòu)設(shè)計(jì)合理，在迭代計(jì)算過程中，MSE迅速逼近預(yù)設(shè)精度 (10-4)，在第358次計(jì)算時(shí)達(dá)到了預(yù)設(shè)精度，停止迭代計(jì)算。

圖1 工作界面

圖2 訓(xùn)練曲線

2.3 數(shù)據(jù)檢驗(yàn)

對(duì)訓(xùn)練數(shù)據(jù)自檢，繪制誤差圖見圖3，其橫坐標(biāo)為樣本序號(hào)，縱坐標(biāo)為安全限速。專家經(jīng)驗(yàn)判斷值用“○”表示，預(yù)測(cè)值用 “+”表示。均方差為0.8632，最大的絕對(duì)誤差處于第64個(gè)樣本，專家判斷值為120km/h，預(yù)測(cè)值為126.11km/h，偏高6.11km/h，誤差可以接受。

圖3 對(duì)訓(xùn)練數(shù)據(jù)自檢

取120個(gè)樣本中最后20組做為檢驗(yàn)樣本。繪制圖4，均方差為0.1996，最大的絕對(duì)誤差出現(xiàn)在第13個(gè)樣本，專家經(jīng)驗(yàn)值為78km/h，BPNN預(yù)測(cè)值為79.06km/ h，偏高1.06km/h，誤差可以接受。

圖4 對(duì)驗(yàn)證數(shù)據(jù)檢驗(yàn)

3 結(jié)語

臺(tái)風(fēng)天氣給高速公路沿線車輛安全行駛帶來隱患。根據(jù)專家經(jīng)驗(yàn)值，運(yùn)用BPNN模糊求解方法訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)并進(jìn)行精度檢驗(yàn)。估算安全車速并提高了估算精度。同時(shí)得出結(jié)論：

(1）BPNN偏重于對(duì)經(jīng)驗(yàn)數(shù)據(jù)的挖掘利用，解決方案快捷有效。剛開始時(shí)訓(xùn)練數(shù)據(jù)少，BPNN預(yù)測(cè)精度差，隨著經(jīng)驗(yàn)數(shù)據(jù)不斷累積，BPNN預(yù)測(cè)精度逐漸提高，具有較好的后續(xù)研究空間。

(2）BPNN對(duì)訓(xùn)練數(shù)據(jù)過于依賴，可先設(shè)置較少的迭代訓(xùn)練次數(shù)，計(jì)算每個(gè)樣本預(yù)測(cè)值和專家值的擬合誤差，對(duì)誤差最大若干樣本廢棄不用，重新訓(xùn)練，能顯著提高預(yù)測(cè)精度。

(3）由于BPNN會(huì)保持專家的個(gè)性，因此需要針對(duì)項(xiàng)目需求認(rèn)真地進(jìn)行專家選擇。

[1]張義，高建平，賈海燕．降雨對(duì)高速公路行車安全的影響及對(duì)策[J]．西部交通科技，2008，(02)：20-24．

[2]龐加斌，王達(dá)磊，陳艾榮，等．橋面?zhèn)蕊L(fēng)對(duì)行車安全性影響的概率評(píng)價(jià)方法[J]．中國公路學(xué)報(bào)，2006，19(4)：59-64．

[3]韓萬水，陳艾榮．風(fēng)—汽車—橋梁系統(tǒng)空間耦合振動(dòng)研究[J]．土木工程學(xué)報(bào)，2007，40(09)：53-58．

[4]吳兌，鄧雪嬌，游積平，等．南嶺山地高速公路霧區(qū)能見度預(yù)報(bào)系統(tǒng)[J]．熱帶氣象學(xué)報(bào)，2006，22(5)：417-422．

[5]劉娜，趙永樂，邵光成．基于遺傳神經(jīng)網(wǎng)絡(luò)的企業(yè)人力資源結(jié)構(gòu)預(yù)測(cè)[J]．統(tǒng)計(jì)與決策，2007，(1)：144-146．

[6]林春水，林宇洪，郭建鋼．基于BPNN的高速公路風(fēng)雨天氣限速系統(tǒng)的設(shè)計(jì)[J]．交通運(yùn)輸工程與信息學(xué)報(bào)，2013，11(3)：35-40．

[7]徐錦強(qiáng)．基于SMS高速公路沿線電力設(shè)施安防報(bào)警器的設(shè)計(jì)[J]．福建電腦，2011，27（9）：12-14．

[8]銀服森．惡劣氣候?qū)煌ò踩挠绊懠皩?duì)策研究[J]．安全管理與技術(shù)，2007，29（4）：132-134．

[9]林宇洪，沈嶸楓，邱榮祖．南方林區(qū)林產(chǎn)品運(yùn)輸監(jiān)管系統(tǒng)的研究[J]．北京林業(yè)大學(xué)學(xué)報(bào)，2011，33(5)：130-135．

福建省教育廳科研項(xiàng)目 (JB12083)資助