基于概率神经网络的立体车库安全评价方法研究论文_白璐,孙启国

摘要：为了有效降低垂直升降式立体车库事故发生率，加强对立体车库的状态监测和安全等级评价，本文采用立体车库安全风险因素分析方法，建立了垂直升降式立体车库安全评价指标体系。在此基础上基于BP神经网络和概率神经网络，采用仿真和实例分析相结合的方法进行了研究。结果表明基于概率神经网络的立体车库安全评价方法是有效的。

关键词：立体车库；安全评价；神经网络；垂直升降

引言

我国立体停车设备早期开发工作是始于20世纪80年代末，随着城市的快速发展，城市汽车的数量逐年攀升，停车难问题日益凸显，而立体车库的发展有效解决了停车难题。立体车库作为一种现代机械设备，金属构造、操作规程、作业环境、管理模式都较为复杂，安全生产事故日益增多，可以看到，对立体车库的安全影响因素很多。目前，对于立体车库的相关研究大多集中在安全分析与优化设计，其中赵春晖[1]研究了机械式停车设备的安全标准化工作，张书茂[2]基于安全可靠性的垂直升降式立体车库进行了优化设计，于宁[3]等人对立体车库安全系数的影响进行了分析。但是对立体车库的安全评价体系和安全评价方法的研究尚不多见。本文拟利用神经网络作为立体车库安全评价方法的研究，结合立体车库的状态参数及相应评定结果，构建立体车库状态参数和安全状况类别的对应关系，对立体车库的安全研究具有一定意义。

1 立体车库安全评价体系的建立

立体车库安全评价体系中指标的选取是从宏观与微观、整体与局部、动态与静态和定量与定性等方面提炼出来的，结合立体车库安全影响因素。综合考虑科学性、系统性、全面性、可操作性、定量和定性相结合、静态与动态性相结合、层次性、可指导性、相对独立性和可比性，从设备本体、人员操作、日常管理、应急处置措施和周围环境状态五个方面挑选出最为重要的24个指标，组成指标体系，具体指标见表1.1.

1.1筛选后指标

以上精心选出的24项将作为本课题立体车库安全评价的参考指标，满足安全要求就为0，有危险就1.按一定的权重累加打分。

2立体车库安全评价的实验

2.1 实验数据

为了验证本文提出的基于神经网络的立体车库安全评价方法的有效性，对北京市某一立体车库的一些设备进行了检查，对一些参数进行打分与评估。按照立体车库安全评价指标体系中的最终指标内容，对立体车库中指定的细节进行专项检查，某次的检查情况如表2.1所示。

表2.1评价指标检查表

由表2.1可以看出，所有评价指标中有6项评分结果为1，评价总分为6说明安全等级评价结果为2级安全状态。

依照筛选出的24个评价指标，去该公司生成的垂直升降式立体车库实地调研，获取到大量实验数据，以下只展示了部分32个样本数据。

图2.2实测部分样本

2.2基于BP神经网络的实验

BP神经网络属于监督型机器学习算法，在样本属性之外还需要增加一个标签位，输入层设置为25个神经元，输出为四类安全等级，故输出层神经元设置为4，隐含层层数为1。BP神经网络在训练过程中还会产生一定的误差，设置的误差阈值会影响分类结果的准确性，同时也会影响训练时间，还需要兼顾这两个方面，本文此次实验误差e设置为e=0.001。

按照以上参数初始化BP神经网络后进行分类实验，将400个立体车库数据样本分开为训练集和测试集，300个样本用于训练，余下100个样本用于测试，将这些样本分别输入到BP神经网络模型中，得到的BP神经网络识别结果如图2.3所示，网络分类误差如图2.4所示。

图2.3分类结果

图2.4分类误差

这四类的分类准确率：

0.7200 0.7308 0.8519 0.7727

2.3基于概率神经网络的实验

概率神经网络属于有导师型机器学习算法，在样本属性之外还需要增加一个标签位，输入层设置为25个神经元，输出为四类安全等级，故输出层神经元设置为4，隐含层层数为1。PNN神经网络在训练过程中还会产生一定的误差，设置的误差阈值不但会影响分类结果的准确性，而且也会影响训练时间，因此需要综合考虑这两个方面的问题来选取一个合适的值，本论文此次实验误差阈值e设置为e=0.001。

按照以上参数初始化PNN神经网络后进行分类实验，同样地将400个立体车库数据样本分开为训练集和测试集，300个样本用于训练，余下100个样本用于测试，将这些样本分别输入到PNN神经网络模型中，得到的PNN神经网络识别结果如图2.5所示，网络分类误差如图2.6所示。

图2.5分类结果

图2.6分类误差

这四类的分类准确率为：

0.7636 0.8250 0.8815 0.7907

综合BP神经网络和概率神经网络对实测立体车库安全状态数据的安全等价评价结果，可以发现概率神经网络的识别准确率要高，故本文采用概率神经网络作为立体车库安全评价的神经网络方法。

3 结论

本文根据采用立体车库安全风险因素分析方法，建立了垂直升降式立体车库安全评价指标体系。在此基础上选用基于BP神经网络和概率神经网络两种经典神经网络，采用仿真实验和实例分析相结合的方法进行了研究。得出以下结论：

（1）基于神经网络作为垂直升降式立体车库安全评价方法是有效的。

（2）概率神经网络比BP神经网络的识别准确率更高。

参考文献：

[1]赵春晖.我国机械式停车设备标准化工作现状[J].建筑机械，2017（05）：28-31.

[2]张书茂.基于安全可靠性的垂直升降式立体车库优化设计[J].宿州教育学院学报，2018，21（03）：89-91.

论文作者:白璐,孙启国

论文发表刊物:《基层建设》2018年第31期

论文发表时间:2018/12/17

标签：神经网络论文;  立体车库论文;  样本论文;  误差论文;  安全评价论文;  概率论文;  方法论文;  《基层建设》2018年第31期论文;