導(dǎo)航：安全管理網(wǎng)>> 安全論文>> 交通安全論文>>正文

機(jī)坪電動特種車輛運(yùn)行安全風(fēng)險評估研究

文檔作者：費(fèi)春國潘偉鵬文檔來源：中國民航大學(xué)		點(diǎn) 擊數(shù)：	更新時間： 2020年12月04日
下載地址：點(diǎn)擊這里	文件大?。?1.67 MB 共5頁	文檔格式： PDF	下載點(diǎn)數(shù)： 1 點(diǎn)（VIP免費(fèi)）

全屏查看

內(nèi)容預(yù)覽 [文件共5頁]

本文件共5頁，如需編輯使用，請下載。

注：預(yù)覽效果可能會出現(xiàn)部分文字亂碼（如口口口）、內(nèi)容顯示不全等問題，下載是正常的。

	文件大小：1.67 MB 共5頁文件格式：PDF 下載點(diǎn)數(shù)：1 點(diǎn)（VIP會員免費(fèi)）

下一篇：基于北斗的鐵路施工作業(yè)人員和車輛安全預(yù)…

上一篇：城市軌道交通車輛客室門系統(tǒng)的安全完整性…

文本預(yù)覽

僅提取頁面文字內(nèi)容，供快速閱讀使用。

現(xiàn)代電子技術(shù)
Modern Electronics Technique 2017年6月15日
第40卷第12期Jun. 2017
Vol. 40 No. 12
doi：10.16652/j.issn.1004-373x.2017.12.009
0 引言
綠色低碳機(jī)場已成為全球機(jī)場發(fā)展的趨勢，近年來
民航局致力于節(jié)能減排，積極探索綠色機(jī)場的發(fā)展道
路。據(jù)統(tǒng)計，機(jī)坪地面特種車輛消耗的汽油、柴油占機(jī)場
總耗能的13%以上。2014年開始，中國民用航空局倡導(dǎo)
全國各機(jī)場針對機(jī)坪特種車輛進(jìn)行“油改電”項(xiàng)目。該
項(xiàng)目主要將機(jī)場區(qū)域內(nèi)的牽引車、客梯車、機(jī)場擺渡車、
引導(dǎo)車等燃油特種車輛更替為電動特種車輛[1]。
一直以來，機(jī)場都是將安全問題放在首位。隨著機(jī)
坪電動特種車輛逐步代替燃油車輛，未來機(jī)場將長期存
在電動車與燃油車共存的局面?！坝透碾姟钡淖罱K目的就
是保證機(jī)坪特種車輛在安全運(yùn)行的基礎(chǔ)上，最大程度地
實(shí)現(xiàn)節(jié)能減排。因此，建立一套合理的電動特種車輛運(yùn)
行安全評估體系對機(jī)場穩(wěn)定安全的運(yùn)行是十分必要
的。現(xiàn)有的評估方式大都是專家們通過觀察現(xiàn)場的整
個運(yùn)行過程，然后做出評估，但無法體現(xiàn)評估過程的科
學(xué)性、客觀性、合理性[2]。
本文根據(jù)電動特種車輛運(yùn)行過程中影響安全的風(fēng)
險因素，建立系統(tǒng)的安全評估指標(biāo)體系，采用層次-模糊
綜合評估方法對電動特種車輛的運(yùn)行過程做出一個普
適性評估，運(yùn)用實(shí)例驗(yàn)證評估結(jié)果的合理性與科學(xué)性，
解決了電動特種車輛運(yùn)行安全評估的主觀性和片面性
問題[3]。
1 電動特種車輛運(yùn)行安全評估指標(biāo)體系
電動特種車輛在機(jī)坪實(shí)際運(yùn)行中，涉及的指標(biāo)因素
機(jī)坪電動特種車輛運(yùn)行安全風(fēng)險評估研究
費(fèi)春國，潘偉鵬
（中國民航大學(xué)電子信息與自動化學(xué)院，天津300300）
摘要：機(jī)坪電動特種車輛運(yùn)行安全風(fēng)險評估是保證特種車輛穩(wěn)定運(yùn)行、降低航班延誤率的基礎(chǔ)。目前電動特種車輛
運(yùn)行安全評估尚未有一套合理科學(xué)的評估體系，因此提出一種改進(jìn)隸屬函數(shù)的模糊綜合評估方法。通過分析機(jī)坪特種車輛
特有的交通環(huán)境，首先建立電動特種車輛安全運(yùn)行指標(biāo)體系，運(yùn)用層次分析法計算指標(biāo)權(quán)重，并用改進(jìn)的合成隸屬函數(shù)方法
確定隸屬度，最后用模糊綜合評估方法對電動特種車輛運(yùn)行安全做出評估。驗(yàn)證結(jié)果表明了該方法提高了評估結(jié)果的精確
度，解決了電動特種車輛運(yùn)行安全評估的不系統(tǒng)、不科學(xué)的問題。
關(guān)鍵詞：安全風(fēng)險評估；層次分析法；模糊綜合評估；電動特種車輛
中圖分類號：TN082-34；TP391.9 文獻(xiàn)標(biāo)識碼：A 文章編號：1004-373X（2017）12-0034-05
Research on safety risk evaluation for electric special vehicle running on airport apron
FEI Chunguo，PAN Weipeng
（College of Electronic Information and Automation，Civil Aviation University of China，Tianjin 300300，China）
Abstract：The safety risk evaluation for the electric special vehicle running on airport apron is the basis to ensure the stable
running of special vehicle and reduce the flight delay rate. At present，it hasn′t a set of reasonable and scientific evaluation
system for the running safety assessment of the electric special vehicle，so a fuzzy comprehensive evaluation method with improved
membership function is proposed. The exclusive traffic environment of the special vehicle running on airport apron is analyzed
to set up the safety running index system of the electric special vehicle. The analytic hierarchy process（AHP）is used to
calculate the weight of index. The improved membership function synthesis method is adopted to determine the membership. The
fuzzy comprehensive evaluation method is employed to evaluate the running safety of electric special vehicle. The validation results
show that the method can improve the accuracy of the evaluation result，and solve the problems of poor-systematicness and
poor-scientificity evaluation for running safety of the electric special vehicle.
Keywords：safety risk evaluation；analytic hierarchy process；fuzzy comprehensive evaluation；electric special vehicle
收稿日期：2016-10-24
基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目（61403395）
34
萬方數(shù)據(jù)
第12期費(fèi)春國，等：機(jī)坪電動特種車輛運(yùn)行安全風(fēng)險評估研究
眾多，指標(biāo)體系構(gòu)建的合理性是決定評估結(jié)果成敗的關(guān)
鍵，為了確保評估結(jié)果的普遍適用性，指標(biāo)體系的構(gòu)建
一定要遵循科學(xué)、合理、客觀的原則。
將機(jī)坪交通系統(tǒng)中的“人、車、道路、環(huán)境”作為研究
目標(biāo)，以現(xiàn)場車輛實(shí)時監(jiān)測數(shù)據(jù)和已發(fā)生的事故數(shù)據(jù)樣
本為基礎(chǔ)，結(jié)合行業(yè)專家和一線工作人員的經(jīng)驗(yàn)，甄別
出具有可比性、代表性和可測性的指標(biāo)，以此克服以往對
于車輛安全運(yùn)行評估指標(biāo)過于單一的缺點(diǎn)。運(yùn)用AHP方
法分析影響電動車輛運(yùn)行安全的各指標(biāo)的關(guān)聯(lián)，建立電動
車輛運(yùn)行安全的遞階層次框架：目標(biāo)層G，準(zhǔn)則層C，方案
層P。本文以機(jī)坪電動引導(dǎo)車為分析對象，對機(jī)坪電動
特種車輛運(yùn)行安全進(jìn)行普適性的評估[4-5]。目標(biāo)層為電動
特種車輛運(yùn)行安全G，準(zhǔn)則層集合為{C1，C2，C3，C4}，方案
層{Pi1，Pi2，，…，Pin}，i=1，2，3，4。構(gòu)建的指標(biāo)體系見圖1。
圖1 電動特種車輛運(yùn)行安全評估體系
機(jī)坪電動特種車輛在實(shí)際運(yùn)行的交通系統(tǒng)中，“人、
車、路、環(huán)境”是構(gòu)成該系統(tǒng)的基本要素，其運(yùn)行安全風(fēng)
險指標(biāo)必定是建立在這些因素的基礎(chǔ)上，下面對方案層
P 的某些指標(biāo)做出解釋：
（1）駕駛員是整個交通系統(tǒng)中影響運(yùn)行安全的最
主觀性的因素。為了避免駕駛員心理素質(zhì)、人格因素等
這些因人而異的主觀性因素導(dǎo)致評估結(jié)果不具普適性，
選取操作技能P11 與疲勞程度P12 兩個相對客觀的指
標(biāo)。駕駛員的操作技能是決定正確行駛的關(guān)鍵。疲勞
程度是隨著工作時長的增加導(dǎo)致工作能力下降的客觀
規(guī)律。
（2）制動性P21主要分為制動效能的好壞、制動效能
的恒定性以及制動方向的穩(wěn)定性三個指標(biāo)。機(jī)坪特種車
輛根據(jù)服務(wù)性質(zhì)的不同都有不同程度的限速，由此可知
制動頻率較高，這種工作環(huán)境對制動系提出了較高要求。
（3）操縱穩(wěn)定性P22是指車輛在各種條件下能保持
穩(wěn)定行駛狀態(tài)的能力。機(jī)坪特種車輛在作業(yè)期間通常
保持低速穩(wěn)定運(yùn)行，因而操縱穩(wěn)定性良好。
（4）電池組的動力性P23 分為爬坡性能、加速性能
與最高速度性能三個指標(biāo)。爬坡性能與加速性能反映
了車輛的后備功率。電池組的后備功率對于安全運(yùn)行
的影響主要體現(xiàn)在超車過程中減少并行時間。此性能
主要表現(xiàn)在特種車輛非作業(yè)區(qū)的公共交通系統(tǒng)中。
（5）總成部件的疲勞強(qiáng)度P24主要是指電機(jī)、電池、
輪胎等關(guān)鍵部件的磨損與老化程度，總成部件的疲勞強(qiáng)
度是影響特種車輛安全運(yùn)行的潛在因素。
（6）電池組的安全性P25主要是指包括電池組的防
水、散熱、防撞以及過放電等指標(biāo)，其中電池組的安全性
是決定特種車輛“油改電”是否成功的關(guān)鍵。
（7）道路線形設(shè)計P31包括曲線半徑、坡度、坡長等
指標(biāo)。
（8）路面基本狀況P32包括路面強(qiáng)度、平整度、穩(wěn)定
度等指標(biāo)。
（9）天氣狀況P41與晝夜?fàn)顩rP42是影響視距的兩個
主要因素，視距越小，事故率越高。
2 電動特種車輛運(yùn)行安全評估方法
建立起電動特種車輛安全運(yùn)行的指標(biāo)體系之后，依
據(jù)AHP 方法對同層次的各指標(biāo)兩兩對比構(gòu)造判斷矩
陣，對矩陣進(jìn)行一致性檢驗(yàn)，確定各指標(biāo)的權(quán)重，再用改
進(jìn)的隸屬函數(shù)法構(gòu)建單因素評估矩陣，最終對電動特種
車輛運(yùn)行安全做出綜合評估[6]。
2.1 AHP方法確定評價指標(biāo)的權(quán)重
AHP方法中，指標(biāo)權(quán)重的確定非常關(guān)鍵，它直接反
映出各指標(biāo)所起的作用，決定了模糊綜合評估結(jié)果的成
敗。AHP 方法將定量分析與定性分析結(jié)合，既解決了
量綱不同的問題，又將不同類型的性能指標(biāo)在同一矩陣
中量化[7]。
（1）構(gòu)造判斷矩陣。判斷矩陣G 就是對存在于同
一層次的各指標(biāo)對于上層隸屬指標(biāo)的重要程度進(jìn)行兩
兩對比，根據(jù)專家經(jīng)驗(yàn)量化對比結(jié)果[8]。為了提高量化
的精確性，往往采用標(biāo)度的方法，具體標(biāo)度見表1。
上述判斷矩陣G=（gij ）n ×n的具體形式如下：
G =
é
ë
ê
ê
êêê
ê
ù
û
ú
ú
úúú
ú
g11 g12 ? g1n
g21 g22 ? g2n
? ? ? ?
gn1 gn2 ? gnn
（1）
式中，gij表示指標(biāo)i 相比指標(biāo)j 的重要性，并且滿足gij>0，
gii=1，gij=1 gji（i，j=1，2，…，n）。
（2）層次單排序。層次單排序就是同層次的各指
35
萬方數(shù)據(jù)
現(xiàn)代電子技術(shù)2017年第40卷
標(biāo)對于上層隸屬指標(biāo)按重要程度的排序，先計算出判斷
矩陣G 的最大特征值λmax ，再根據(jù)特征方程G·W=λmax·
W，計算出特征向量W=（ω1，ω2，…，ωn）T，最后對特征向
量W歸一化處理。
表1 標(biāo)度量化方法
具體步驟如下：
將判斷矩陣G進(jìn)行列歸一化處理，得到矩陣B=（bij ）n ×n
（i，j=1，2，…，n），再將矩陣B按行求和：
bij = gij Σ
k = 1
n
gkj （2）
?i =Σ
j = 1
n
bij （3）
對?i 做歸一化處理：
ωi = ?i
æ
è ç
ö
ø ÷
Σi
= 1
n
?ij （4）
向量A=WT=（ω1，ω2，…，ωn）為所求的權(quán)向量。
最大特征λmax由以下公式近似求得：
λmax = 1
nΣ
i= 1
n (AW)
i
ωi
（5）
（3）一致性檢驗(yàn)。在構(gòu)造電動特種車輛運(yùn)行安全
判斷矩陣時，必然存在主觀性的干擾，為了提高判斷矩
陣的精確性，需要進(jìn)行一致性檢驗(yàn)。對比判斷矩陣是否
屬于合理范圍內(nèi)的指標(biāo)稱為一致性指標(biāo)，記作C，即：
C = λmax - n
n - 1 （6）
式中：n 為判斷矩陣的階數(shù)；C=0時，判斷矩陣完全一致，
C 值越大，判斷矩陣越不一致，但是無法衡量判斷矩陣
不一致程度的范圍，因此，引入隨機(jī)一致性比例指標(biāo)，記
作CR，即：CR = C R ，R 為隨機(jī)一致性指標(biāo)。當(dāng)CR<0.1
時，判斷矩陣的不一致性在合理范圍內(nèi)，否則必須重新
構(gòu)造判斷矩陣。R 為撒汀經(jīng)驗(yàn)值[9]，取值如表2所示。
表2 撒汀經(jīng)驗(yàn)值
2.2 模糊綜合評估的計算
確定指標(biāo)權(quán)重之后，需要構(gòu)建單因素評估矩陣，隸
屬度權(quán)重的計算取決于隸屬函數(shù)的設(shè)定，最常用的隸屬
函數(shù)有三角函數(shù)、梯形函數(shù)以及高斯函數(shù)等，隸屬函數(shù)
的參數(shù)由行業(yè)專家給定[10]。
（1）評判集的構(gòu)建。首先建立評判集V={v1，v2，…，
vn}，通常影響安全的等級vi用“很低，較低，較高”等類似
的詞匯描述。
（2）計算特種車輛的評分矩陣D。咨詢m 個專家
對n 個指標(biāo)進(jìn)行評分，評價值為dij，dij表示第i 個專家對
第j 個指標(biāo)的評分，評分矩陣D的具體形式如下：
D =
é
ë
ê
ê ê
êê
ù
û
ú
ú ú
úú
d11 d12 ? d1n
d21 d22 ? d2n
? ? ? ?
dm1 dm2 ? dmn
（7）
（3）改進(jìn)的隸屬函數(shù)法。在實(shí)際運(yùn)用中，為了計算
方便，三角函數(shù)與梯形函數(shù)是應(yīng)用廣泛的隸屬函數(shù)，這
些單一的隸屬函數(shù)法對評估的結(jié)果的準(zhǔn)確度都有不同
程度的降低。本文首次提出梯形隸屬函數(shù)與高斯隸屬
合成的方法，使得模糊處理的結(jié)果更精確。例如疲勞程
度屬于越小越好型指標(biāo)，選取5個風(fēng)險評價集V={很低，
較低，中，較高，很高}，合成隸屬函數(shù)如圖2所示。
圖2 合成指標(biāo)隸屬函數(shù)
隸屬函數(shù)的表達(dá)式如下：
（1）當(dāng)d∈[0，a2]時，
f1(d) =
ì
í
î
ïï
ïï
1, d∈[0,a1]
d - a2
a1 - a2
, d∈(a1 ] ,a2
0, d∈(a2 ) , +∞
（8）
（2）當(dāng)i=1，2，3且d∈[b1，a5]時，
fi + 1(d) =
ì
í
î
ïï
ï ï
ïï
ï ï
0, d∈[0,b ] i
exp
é
ë
êê
ù
û
úú
-
(x - c ) i
2
2σ2 , x∈(b ] i ,ai + 1
0, d∈(a ) i + 2 , +∞
（9）
（3）當(dāng)d∈[b4，+∞]時，
f4 (d) =
ì
í
î
ïï
ïï
0, d∈[0，b4]
d - b4
b5 - b 4
, d∈(b4，b5]
1, d∈(b5 ) , +∞
（10）
對于越大越好型指標(biāo)、中間型指標(biāo)均可通過類似的
方法得出風(fēng)險評價集與隸屬函數(shù)。
標(biāo)度值
13579
2，4，6，8
倒數(shù)
意義
指標(biāo)i 比j 指標(biāo)同等重要
指標(biāo)i 比j 指標(biāo)稍微重要
指標(biāo)i 比j 指標(biāo)明顯重要
指標(biāo)i 比j 指標(biāo)非常重要
指標(biāo)i 比j 指標(biāo)極端重要
上述相鄰對比的中值
指標(biāo)j 比指標(biāo)i 的重要程度
n
R
1
0
2
0
3
0.52
4
0.89
5
1.12
6
1.26
…
…
36
萬方數(shù)據(jù)
第12期費(fèi)春國，等：機(jī)坪電動特種車輛運(yùn)行安全風(fēng)險評估研究
（4）評分矩陣D 變換為評價矩陣R。設(shè)第j 個指標(biāo)
屬于第n 類評價集的隸屬度為Xjn，其中第n 類評價集的
隸屬度函數(shù)為fn，m 為專家總數(shù)，Xjn的表達(dá)式如下：
Xjn =Σ
k = 0
m
fn(d ) jk （11）
設(shè)第j 個指標(biāo)屬于第n 類評價集的隸屬度權(quán)重為
Rjn，z 為評價集等級的總數(shù)，其表達(dá)式如下：
Rjn =
Xjn
Σe
= 1
z
Xje
（12）
單因素評估矩陣Ri由m 個指標(biāo)的隸屬度權(quán)重組成，
其形式如下：
Ri =
é
ë
ê
ê ê
êê
ù
û
ú
ú ú
úú
r11 r12 ? r1n
r21 r22 ? r2n
? ? ?
rm1 rm2 ? rmn
（13）
2.3 模糊綜合評估結(jié)果向量
將權(quán)重向量A 評價矩陣R 合成，得到模糊綜合評估
結(jié)果向量B：
B = A?R = (B1 ) ,B2 ,?,Bn （14）
2.4 對綜合評估向量結(jié)果分析
綜合評估向量B 的結(jié)果為百分制的數(shù)字，對評估結(jié)
果的分析通常運(yùn)用最大隸屬度原則，找出B 中的最大值
Bmax，以此最大值作為評估的參考值，該值屬于哪個評價
等級則評估結(jié)果就是哪個等級[11]。
3 實(shí)例驗(yàn)證分析
通過AHP法的遞階層次思想計算出的系統(tǒng)指標(biāo)權(quán)
重反映了不同指標(biāo)間的重要性差別，然后通過改進(jìn)的隸
屬函數(shù)合成法對機(jī)坪電動車輛運(yùn)行安全做出綜合評
估。選取我國某機(jī)場的真實(shí)運(yùn)行交通環(huán)境進(jìn)行研究，以
機(jī)坪電動引導(dǎo)車（FOLLOW ME）為評估對象，對評估結(jié)
果的合理性和客觀性進(jìn)行驗(yàn)證。專家組成員包括機(jī)場
運(yùn)行指揮專家、機(jī)場運(yùn)行指揮人員、經(jīng)驗(yàn)豐富的一線駕
駛員等。
（1）根據(jù)2.1節(jié)中AHP方法確定機(jī)坪電動特種車輛
評價指標(biāo)的權(quán)重：
A=[0.237 9，0.595 4，0.053 6，0.113 0]
A1=[0.666 7，0.333 3]
A2=[0.291 1，0.038 3，0.076 7，0.117 0，0.476 8]
A3=[0.482 9，0.088 2，0.272 0，0.157 0]
A4=[0.529 2，0.268 1，0.068 4，0.134 2]
（2）咨詢20位行業(yè)專家對電動引導(dǎo)車的各指標(biāo)進(jìn)
行評分，構(gòu)造評分矩陣D。以準(zhǔn)則層指標(biāo)道路C3為例分
析，對其下層指標(biāo)進(jìn)行評分，其中dij∈[0，10]，得到評分
矩陣D3：
D3 =
é
ë
ê
ê ê ê
ù
û
ú
ú ú ú
9 7 8 7
8 6 7 8
? ? ? ?
7 6 6 5 20 × 4
（3）隸屬度的計算。通過Matlab模糊工具箱，編輯
模糊隸屬函數(shù)，設(shè)置模糊規(guī)則，將評分矩陣的值dij作為
輸入值在Matlab計算相應(yīng)輸出值f，從而計算出隸屬度
Xjn：n=1，X=7.032 6；n=2，X=5.511 2；n=3，X=3.544 1；n=
4，X=0.513；n=5，X=0。
（4）單因素評估矩陣的構(gòu)建。根據(jù)隸屬度權(quán)重計
算公式可得單因素評估矩陣R3：
R3 =
é
ë
ê
ê ê ê
ù
û
ú
ú ú ú
0.413 6 0.452 0 0.113 5 0.020 9 0
0.536 4 0.442 3 0.021 3 0 0
0.435 1 0.347 2 0.203 4 0.014 3 0
0.524 8 0.431 5 0.032 5 0.011 2 0
同理可求出R1，R2，R4。
（5）模糊綜合評估。一級指標(biāo)模糊評估：利用Bi=
Ai·Ri （i=1，2，3，4），得到一級指標(biāo)模糊評估如下：
B1=（0.360 3，0.443 5，0.172 7，0.023 5，0）
B2=（0.371 6，0.351 9，0.252 0，0.019 9，0）
B3=（0.447 8，0.419 5，0.117 1，0.015 7，0）
B4=（0.388 8，0.358 1，0.226 9，0.026 1，0）
二級指標(biāo)模糊評估：由電動引導(dǎo)車的一級因素C1，
C2，C3，C4構(gòu)成的總單因素評判矩陣R為：
R =
é
ë
ê
ê ê ê
ù
û
ú
ú ú ú
0.360 3 0.443 5 0.172 7 0.023 5 0
0.371 6 0.351 9 0.252 0 0.019 9 0
0.388 8 0.358 1 0.226 9 0.026 1 0
0.374 9 0.378 0 0.223 0 0.021 2 0
利用B=A·R 可得出電動引導(dǎo)車模糊綜合評估的
結(jié)果：
B=（0.374 9，0.378 0，0.223 0，0.021 2，0）
依據(jù)最大隸屬度原則，B 中最大值為0.378 0 為評
估結(jié)果，0.378 0對應(yīng)風(fēng)險評價集{很低，較低，中，較高，
很高}中的“較低”等級，說明該機(jī)場的電動引導(dǎo)車運(yùn)行
風(fēng)險較低，與實(shí)際情況吻合。實(shí)際中有30.65%的專家
認(rèn)為風(fēng)險等級很低，有37.8%的專家認(rèn)為風(fēng)險等級較
低，28.4%的專家認(rèn)為風(fēng)險等級為中等，有3.15%的專家
認(rèn)為風(fēng)險等級較高。
改進(jìn)的隸屬函數(shù)對比：對電動引導(dǎo)車運(yùn)行安全做出
合理評估以后，進(jìn)一步用改進(jìn)的合成隸屬函數(shù)與梯形隸
屬函數(shù)、高斯隸屬函數(shù)的評估結(jié)果做出對比，也分別得
到了不同的評估結(jié)果，其結(jié)果如表3所示。
從表3可知，高斯隸屬函數(shù)與合成隸屬函數(shù)的評估
結(jié)果均能正確反映引導(dǎo)車運(yùn)行風(fēng)險等級，但是合成隸屬
函數(shù)的評估結(jié)果與實(shí)際情況更為吻合，從而驗(yàn)證了改進(jìn)
的隸屬函數(shù)的優(yōu)點(diǎn)。
37
萬方數(shù)據(jù)
現(xiàn)代電子技術(shù)2017年第40卷
表3 電動引導(dǎo)車運(yùn)行安全評估結(jié)果對比
4 結(jié)論
為了實(shí)現(xiàn)機(jī)場節(jié)能減排，大量電動特種車輛進(jìn)入機(jī)
坪作業(yè)，對車輛安全運(yùn)行提出了新的要求。本文對機(jī)坪
電動特種車輛進(jìn)行分析，建立了電動特種車輛安全運(yùn)行
的指標(biāo)體系，運(yùn)用AHP法計算出指標(biāo)權(quán)重，通過改進(jìn)的
合成隸屬函數(shù)對電動特種車輛安全運(yùn)行進(jìn)行模糊綜合
評估，改善了目前對特種車輛的安全評估方法還停留在
現(xiàn)場觀察評估的現(xiàn)狀。同時對影響電動特種車輛運(yùn)行
安全的指標(biāo)按重要程度進(jìn)行排序，對機(jī)場預(yù)防風(fēng)險隱患
提供了科學(xué)的參考依據(jù)，具有很好的實(shí)際應(yīng)用價值[12]。
參考文獻(xiàn)
[1] 于敬磊.中國民航節(jié)能減排對策研究[J].資源節(jié)約與環(huán)保，2014
（10）：83.
[2] 程明，孫瑞山.機(jī)場運(yùn)行崗位安全評估模型的構(gòu)建與驗(yàn)證[J].工
業(yè)安全與環(huán)保，2013，39（6）：88-90.
[3] 項(xiàng)磊，楊新，張揚(yáng)，等.基于層次分析法與模糊理論的衛(wèi)星效能
評估[J].計算機(jī)仿真，2013，30（2）：55-61.
[4] 李鳴慎，楊帆，楊夯，等.基于層次分析與模糊評判的電動汽車
充電站能效評估[J].電測與儀表，2013，50（9）：69-73.
[5] 安雪瀅，趙勇，楊樂平，等.基于模糊理論的衛(wèi)星系統(tǒng)效能評估
仿真研究[J].系統(tǒng)仿真學(xué)報，2006，18（8）：2334-2337.
[6] MUSAVI F，EDINGTON M，EBERLE W，et al. Energy efficiency
in plug-in hybrid electric vehicle chargers：evaluation
and comparison of front end AC-DC topologies [C]// Proceedings
of 2011 IEEE Energy Conversion Congress and Exposition. [S.
l.]：IEEE，2011：273-280.
[7] WANG X，WANG S，CHEN M，et al. Efficiency testing technology
and evaluation of the electric vehicle motor drive system
[C]// Proceedings of 2014 IEEE Conference on Transportation
Electrification Asia-Pacific. Beijing，China：IEEE，2014：1-5.
[8] LU S B，XU S G，MA T，et al. Application of variable fuzzy
recognition model in comprehensive benefit evaluation of floodwater
utilization [C]// Proceedings of the Seventh 2010 IEEE International
Conference on Fuzzy Systems and Knowledge Discovery.
Yantai，China：IEEE，2010：836-840.
[9] 謝季堅.模糊數(shù)學(xué)方法及其應(yīng)用[M].武漢：華中科技大學(xué)出版
社，2013.
[10] CHEN J，LU B. The study of multi-granular fuzzy comprehensive
evaluation model [C]// Proceedings of 2007 the second
IEEE Conference on Industrial Electronics and Applications.
Harbin，China：IEEE，2007：1578-1583.
[11] XU Bin，ZHANG Li. Groundwater hydro-ecological security
evaluation based on generalized multi-level fuzzy comprehensive
evaluation model：A case of Shihezi reclamation area in
Xinjiang province，China [C]// Proceedings of 2011 International
Symposium on Water Resource and Environmental Protection.
Xi’an，China：IEEE，2011：384-387.
[12] GARCIA H J，BERLANGA A，MOLINA J M，et al. Methods
for operations planning in airport decision support systems [J].
Applied intelligence，2005，22（3）：183-206.
隸屬函數(shù)
梯形隸屬函數(shù)
高斯隸屬函數(shù)
合成隸屬函數(shù)
評價值
0.289
0.357
0.378
評價等級
很低
較低
較低
作者簡介：費(fèi)春國（1974—），男，浙江慈溪人，碩士生導(dǎo)師，博士。主要研究方向?yàn)闄C(jī)場節(jié)能減排設(shè)備與系統(tǒng)關(guān)鍵技術(shù)、機(jī)場設(shè)備
關(guān)鍵技術(shù)、電力負(fù)載優(yōu)化和電力故障診斷、智能優(yōu)化理論、工業(yè)控制等。
潘偉鵬（1990—），男，山東煙臺人，碩士。主要研究方向?yàn)闄C(jī)坪電動特種車輛安全與能效評估。
???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????? （上接第33頁）
[2] 匡桂娟，曾國蓀，熊煥亮.關(guān)注用戶服務(wù)評價反饋的云資源再
分配方法[J].計算機(jī)應(yīng)用，2015，35（7）：1837-1842.
[3] LI Chenliang， SUN Aixin， ANWITAMAN D. TSDW： two -
stage WSD using Wikipedia [J]. Journal of the American Society
for Information Science and Technology，2013，64（6）：1203-
1223.
[4] 吳江，唐常杰，李太勇，等.基于語義規(guī)則的Web金融文本情感
分析[J].計算機(jī)應(yīng)用，2014，34（2）：481-485.
[5] 鄒亮，徐德智，郭維.基于參考點(diǎn)的大規(guī)模本體擴(kuò)散映射算法
[J].小型微型計算機(jī)系統(tǒng)，2013，34（7）：1507-1513.
[6] 黃果，周竹榮.基于領(lǐng)域本體的概念語義相似度計算研究[J].計
算機(jī)工程與設(shè)計，2007，28（10）：2460-2463.
[7] 石倩，陳榮，魯明羽.基于規(guī)則歸納的信息抽取系統(tǒng)實(shí)現(xiàn)[J].計
算機(jī)工程與應(yīng)用，2008，44（21）：166-170.
[8] 粟千.弱化語法規(guī)則下英文機(jī)器翻譯的優(yōu)化仿真[J].計算機(jī)仿
真，2016，33（11）：414-417.
作者簡介：孫霞（1981—），女，山東泰安人，副教授，碩士。主要從事信息技術(shù)、語義翻譯、外語教學(xué)與翻譯研究的工作。
沈韓（1988—），男，浙江慈溪人，博士。研究方向?yàn)樾畔踩c密碼。
38
萬方數(shù)據(jù)

網(wǎng)友評論 more

交通安全論文最新內(nèi)容

02-21