考虑车辆冲突的跨区域物流配送风险评估算法

摘要：

为了提升跨区域物流配送风险评估结果的准确性，提出一种考虑车辆冲突的跨区域物流配送风险评估算法，通过自回归滑动平均（ARMA）理论建立车辆车速预测模型，分析车辆冲突对跨区域物流配送产生的影响；根据跨区域物流配送风险等级和评价标准建立评估矩阵，引入熵权法获取对应的风险向量，归一化处理跨区域物流配送风险，计算跨区域物流配送在各个配送路径对应的风险权值，并加权计算，最终实现跨区域物流配送风险评估。实验结果表明，本文算法可以有效提升跨区域物流配送风险评估结果的准确性，降低评估耗时。

关键词：

车辆冲突；跨区域；物流配送；风险评估

中图分类号：F224

文献标志码：A

随着现代物流行业的不断进步和发展，跨区域物流得到迅速发展。与一般的物流相比，跨区域物流通常涉及较长的运输时间和跨越较大的空间，增加了更多的不确定性，如交通拥堵、天气恶劣等因素可能影响物流时间和效率。由于物流配送线路比较复杂且运输工具的多样性，使跨区域物流配送具有一定的风险，其中车辆冲突是比较常见的风险，主要是指车辆在行驶过程中和另外一个或者多个车辆在时间及空间上相互接近，假设其中一方没有采取必要的交通行为，则会出现碰撞［1-2］。因此，如何评估和控制跨区域物流配送风险，提高运输效率和安全性，成为了当前物流业的一个紧迫问题。针对不同环节的风险因素，经过比较和筛选得到主要风险点，结合因果关系将构建的风险评价指标体系转换为贝叶斯网络结构，通过贝叶斯网络建立对应的风险评估模型，最终实现风险评估［3］。或通过工作分解结构识别各个物流配送环节存在的风险因素，利用改进TOPSIS删除重要度比较小的风险因素，引入事故树建立贝叶斯网络，采用梯形模糊数和Buckley法计算贝叶斯根节点的概率，结合正反向推理进行风险评估［4］。考虑跨境电商的风险性，采用大数据分析技术，构建大数据分析平台，通过分布式计算，得到物流风险评估数值，并采用模糊综合评估法，获取评估因素，利用单因素分析法，建立评估矩阵，实现跨境电商物流风险评估［5］。利用云平台能实现风险变化态势跟踪，获取物品冷链特征，采用无线传感器与联合概率方法，获取并跟踪实时的感知数据，并运用卡尔曼滤波算法过滤数据，实现风险变化评估［6］。在此基础上，为了提升跨区域物流配送安全性，在考虑车辆冲突的情况下，本文提出一种考虑车辆冲突的跨区域物流配送风险评估算法。

1 算法

1.1 车辆冲突对跨区域物流配送的影响

1.1.1 车辆速度预测建模 自回归滑动平均（ARMA）模型［7-8］是一种具有随机差分方程的描述形式，解析为

2 结果与讨论

为了验证本文算法的有效性，将上海港作为起始地，南京港作為目的地，货物将从上海港起运，经过陆路或水路运输到南京港口，选取该段路径作为测试对象。将整条路径划分为4个时段，这些时段涵盖了物流配送过程中最容易产生车辆冲突和风险的阶段。通过分析关键时段的风险变化情况，可以更好地了解整个配送过程中风险的演变趋势。为了保持计算效率和资源利用的平衡，选择较少的时段可以更好地利用现有数据和减少数据收集的负担。考虑车辆冲突的跨区域物流配送风险趋势图如图1所示。在4个不同配送时段中，第一时段的配送风险<第二时段的配送风险<第三时段的配送风险<第四时段的流配送风险。为了进一步验证本文算法的风险评估能力，将跨区域物流配送风险误报率作为测试指标，通过图2给出具体的实验结果。

分析图2可知，随着时间的变化，各个算法对应的配送风险误报率也在不断发生变化。其中，文献［3］算法对应的风险误报率最高，为6.95%；文献［4］算法的风险误报率次之，在实验前期跨区域物流配送风险误报率较高，随着时间的增加逐渐趋于平稳；本文算法获取的跨区域物流配送风险误报率最低，且一直处于比较平稳的状态。

为了进一步评估本文算法的配送风险评估性能，在考虑车辆冲突的情况下，分别采用不同算法评估各个时段的风险指数，结果见表1。

可知，本文算法获取跨区域物流配送风险评估指数和真实风险指数基本吻合，误差最大为0.02；而另外两种算法获取的评估值和真实风险指数存在比较大的误差。由此可见，本文算法可以获取准确率更高的跨区域物流配送风险评估结果。

分别采用不同算法评估各个路段的跨区域物流配送风险，通过图3对比各个算法的评估时间。可知，不同算法所花费的评估时间明显不同，本文算法可以有效减少跨区域物流配送风险评估时间，具有比较高的运行效率。

3 结论

本文算法对跨区域物流配送风险评估处理后，误报率得到明显改善，充分验证了其优越性。和其他评估算法相比，本文算法获取的跨区域物流配送风险评估结果更加精准，更能适用于跨区域物流配送风险评估，可以有效提升跨区域物流配送风险评估效率。

参考文献

［1］马艳丽，朱洁玉，张宿峰，等.考虑能见度的无信号交叉口行人与车辆冲突识别［J］.重庆交通大学学报（自然科学版），2021，40（3）：16-21+42.

［2］周智文，马健霄，王冠森.信号交叉口左转非机动车交通冲突分析［J］.合肥工业大学学报（自然科学版），2021，44（1）：95-100.

［3］邸鸿喜，魏玖长，张亚，等.重大疫情下疫苗冷链物流在物联网环境中的风险评估［J］.中国安全生产科学技术，2022，18（4）：54-60.

［4］曹洁，王海燕，郑凌垚.基于改进TOPSIS-模糊贝叶斯网络的邮轮建造物资物流风险评估［J］.上海海事大学学报，2022，43（4）：91-98+104.

［5］王洋.应用大数据分析技术的跨境电商的物流风险评估［J］.微型电脑应用，2021，37（9）：201-204.

［6］闫明，陈恋.基于云平台的冷链物流风险变化态势跟踪研究［J］.计算机与数字工程，2022，50（5）：1053-1058.

［7］王仲平，何黎黎，丁更乾.基于EMD-LSTM-ARMA模型短期发电量组合预测［J］.现代电子技术，2023，46（3）：151-155.

［8］何金，徐轩，曹梦等.基于ARMA模型的GIS局部放电发展趋势预测［J］.高压电器，2020，56（8）：36-42.

［9］易可夫，陈托，郝威.基于卡尔曼滤波-LSTM模型的车速估计方法［J］.公路工程，2022，47（6）：172-179.

［10］  LI C T， SIU W C. Fast monocular visual place recognition for non-uniform vehicle speed and varying lighting environment［J］. IEEE Transactions on Intelligent Transportation Systems， 2020（99）：1-18.

［11］ BRUEHS W E， STOUT D. Determination of average vehicle speed utilizing reverse projection［J］. Journal of Forensic Sciences， 2022， 67（1）：188-199.

［12］ 薛俞，李月乔，刘文霞，等.柔性互联配电系统连锁故障风险评估［J］.电力系统自动化，2021，45（8）：112-119.

［13］ 黄新波，吴明松，朱永灿，等.基于模糊数学的电缆线路风险评估模型研究［J］.高压电器，2021，57（9）：19-25.

［14］ 周业付，戴卓.基于灰色模糊综合模型的冷链配送系统风险评价［J］.统计与决策，2022，38（24）：184-188.

［15］ 刘红雨，刘友存，孟丽红，等.熵权法在水资源与水环境评价中的研究进展［J］.冰川冻土，2022，44（1）：299-306.

［16］ 徐顶巧，黄露，乐世俊，等.基于层次分析—熵权法和指纹图谱的杠板归质量标志物研究［J］.中国中药杂志，2022，47（7）：1776-1789.

［17］ 刘国鹏，鄢社锋，毛琳琳，等.多异构阵列归一化数据融合被动定位方法［J］.信号处理，2022，38（8）：1642-1655.

Risk Assessment Algorithm for Cross Regional Logistics Delivery

Considering Vehicle Conflict

YAO Qiu-zhen

（College of Management， Yangen University， Quanzhou 362605， China）

Abstract：

In order to improve the accuracy of risk assessment results for cross regional logistics distribution， a cross regional logistics distribution risk assessment algorithm considering vehicle conflicts was proposed. A vehicle speed prediction model was established using the theory of autoregressive moving average （ARMA） to analyze the impact of vehicle conflicts on cross regional logistics distribution. Under the consideration of vehicle conflicts， an evaluation matrix was established based on the risk level and evaluation criteria of cross regional logistics distribution. The entropy weight method was introduced to obtain the corresponding risk vector， normalize the risk of cross regional logistics distribution， calculate the risk weight values corresponding to each distribution path of cross regional logistics distribution， and weight the calculation， ultimately achieving cross regional logistics distribution risk assessment. The experimental results show that the algorithm proposed effectively improve the accuracy of cross regional logistics distribution risk assessment results and reduce assessment time.

Keywords： vehicle conflicts; cross regional; logistics distribution; risk assessment

收稿日期：2023-05-31

基金項目：

福建省教育厅中青年教育科研项目（批准号：JAS21383）资助。

通信作者：

姚秋珍，女，讲师，主要研究方向为物流与供应链管理。E-mail：yoyo198709@yeah.net