[摘要]针对雾霾天气条件下配送车辆的运行安全问题，应用综合模糊推理系统以及神经网络的自适应模糊神经网络方法，建立了配送车辆的追尾模型并以实例验证，从运算结果看，该算法具有很好的自适应自学习以及处理结构化知识的能力，为分析雾霾天气配送车辆的运行安全提供了新思路。
　　[关键词]雾霾天气；配送；运行安全；自适应模糊神经网络
　　[中图分类号]F570.7 文献标识码]A [文章编号]1005—152X（2017）03—0075—03
　　1引言
　　近年来，随着我国工业化的发展，城市环境不断恶化，空气污染日益严重。国家环保部的数据显示，2016年12月18日全国达到严重污染的城市共24个，其中8个城市出现空气质量系数爆表的情况。持续的雾霾天气不仅严重危害到了人们健康，而且对道路交通安全造成了前所未有的威胁。尤其对于日益发达的物流行业，其主要依靠公路运输完成物资的转运，而雾霾天气使得道路能见度降低，严重影响到了配送车辆的运行安全。
　　而对于分析车辆运行安全，常常建立以计算事故发生概率为目标的模型。但由于各种诱导因素之间缺乏联系，应用传统的数学方法受限。而自适应模糊神经网络系统（Adaptive Neuron-fuzzy Inference System，AN-FIS）通过对大量数据的分析，能够自动生成并调整隶属度函数翻，更好地模拟出输出以及输入的关系，对于分析雾霾天气配送车辆的运行安全具有重要意义。
　　2霧霾天气对配送车辆运行安全的影响
　　2.1车辆运行安全现状
　　伴随着经济的高速发展，我国道路交通以其短途运输便捷性、经济性等方面的优势，得到了迅猛发展的机遇。而道路建设和交通管理的发展不能满足交通运输发展的客观需要，导致道路交通事故急剧增加，极大地威胁到了人们的生命财产安全。尤其是在特殊气候条件下，据公安部道路交通事故统计，我国每年大约有10%的交通事故与恶劣天气有关。
　　2.2配送车辆事故分析
　　配送具有运输时间紧、运输量大的特点，在高速公路行驶速度快，遇到紧急情况时其刹车距离很长。尤其是在雾霾天气条件下，由于路面与空气间存在温差，会在道路表面形成一层水膜，空气中的尘土、油污等颗粒就会吸附上去，从而导致路面摩擦系数降低。其次，雾霾天气使得能见度急剧下降，驾驶员的视线受限，反应时间延迟，表1为不同能见度对道路交通的影响。因此，配送车辆在这样的天气条件下很容易发生追尾事故，造成巨大的损失。
　　3自适应模糊神经网络系统
　　ANFIS是将一阶Takagi-Sugeno（TS）模糊推理系统以网格的方式来实现从而得到的一种神经网络，综合了模糊推理系统以及神经网络，既有人工神经网络自适应自学习的功能，又有模糊推理系统处理结构化知识的能力。在安全行车距离控制领域应用较为广泛，如郭海如的防车追尾控制器的设计、侯志祥的高速公路临界安全车距研究等。
　　（3）训练仿真。根据以上模糊规则，应用式（1）、（2）、（3）、（4）、（5），隶属度函数选用高斯形隶属度函数，初始步长为0.01，利用MATLAB编程计算各种初始条件下的追尾概率，训练该雾霾天气配送车辆的ANFIS追尾模型。
　　4.2结果分析
　　通过仿真，综合不同初始条件下的结果，可以得到追尾概率P随能见度h的变化，如图2所示。
　　从图2可知随着能见度的增加，追尾概率呈下降趋势。当h<60m时，追尾概率很大；当60m200m，追尾概率较小。此结果与表1经验数据保持一致。为此，在雾霾天气下行车，应严格控制车速，增大车距，降低配送车辆的追尾概率。
　　5结束语
　　采用自适应模糊神经网络系统，对雾霾天气配送车辆行车安全进行了研究，建立了基于ANFIS配送车辆追尾模型。从运算结果来看，很好地模拟出输出以及输入的关系。为分析特殊天候条件下的车辆运行安全提供了可操作性的预防风险的建议。