高校内物流派送无人车作业安全设计

2024-01-11冯祥瑞王凌云张洪铭

机电信息 2024年1期

谢恬陈颖冯祥瑞王凌云张洪铭

（1.江苏海洋大学教务处，江苏连云港 222005；2.江苏海洋大学环境与化学工程学院，江苏连云港 222005）

0 引言

近年来，电子商务中的现代物流派送已经成为新的经济增长点，引起了全社会关注，人工智能也逐渐在越来越多的领域得到应用[1]。高校内的师生员工是十分庞大的网购客户群体，校内包裹配送随之成为当下师生员工的必然选择。为了维护校园秩序，防止因派送人员的不安全行为、派送车辆的不安全状态、派送环境的不安全条件以及管理缺陷导致事故发生，大多数院校只允许将物流送至校内固定地点，导致每天各个配送点都存在大量滞留和遣返的物流包裹，给消费者和物流公司都带来了不便，校园内物流派送成为当前快递行业面临的一个难点问题[2]。为解决这一难题，高校内大量引入了物流派送无人车，无人车因其灵活机动特性和高效空余时间利用特性，可以充分代替人工完成“最后一公里”的快递派送任务，已逐渐成为高校内物流派送的重要力量。

然而，物流派送无人车正处于发展阶段，其作业安全性还有待商榷[3-4]。2021年10月9日，北京顺义发生一起私家车与无人配送车碰撞事故，其主要原因是无人车没有在机动车道行驶。高校内部交通组织相较外界环境有些混乱，如私家车、食堂配菜、超市送货、快递物流、学生电动车等各类车辆无序行驶情况较多，给无人车安全行驶过程增加了困难。此外，无人车还经常发生无法识别前方障碍物、无法识别路面塌陷或积水、无人车碰撞自燃等其他事故。李川鹏和王秀旭[5]对低速无人车发展现状进行了分析归纳，指出当前无人车法律属性不清晰，交管部门尚未将其纳入监管范畴，管理体系有待进一步完善，同时无人车在复杂环境下的技术成熟度还需提升。赵国富等[6]指出目前无人车在作业过程中无法因地制宜，同时其信息交互问题对老年人等特殊人群考虑不足，会影响作业安全性。Salonen[7]从交通安全、车辆安全和应急管理三方面针对人对无人车和传统公交车的主观安全体验展开调研，发现无人车的车辆安全带给人的感受要比传统车辆差很多，表明了人们对于无人车辆安全性的担忧。Blau等[8]采用Logit模型分析无人车对非机动车道路使用者的影响，研究发现在机动车交通流量和速度增加的情况下，无人车选择占用非机动车道的概率会成倍增大，影响非机动车道安全性。王秋惠和赵瑶瑶研究了医院药品托运机器人作业过程，发现通过掌握作业过程失误因素，改善人、机和环境之间关系，优化设计方法能有效提高机器人作业安全性。

粗糙集-层次分析法（RAHP）是在层次分析法（AHP）的基础上运用粗糙集理论进行改进的一种风险评价方法[9-10]，运用该方法可以通过粗糙数和粗糙边界区间改善层次分析法中专家经验赋权的主观性，提高决策权重的客观准确性，以此来实现对各影响因素的分析判断。高锋阳等[11]运用RAHP方法对城轨车辆电气系统设备故障率进行风险评估，以此为电气系统运维策略制定提供参考。王春杰等[12]运用RAHP方法对车辆装备保障方案进行了理论分析，为方案优选提供了新的方法。

因此，本文以高校物流派送无人车为研究对象，对其作业流程及“人—机—环”系统进行分析，找出物流派送无人车作业安全的潜在风险，运用粗糙集-层次分析法对作业安全影响因素开展量化风险评估，探讨作业过程的安全设计原则，以期为保障高校内物流派送无人车安全作业提供参考。

1 高校内物流派送无人车作业安全设计研究流程及分析

1.1 高校内物流派送无人车作业安全设计研究流程

基于安全人机工程学理论，分析高校内物流派送无人车在“人—机—环”系统中的潜在风险，获取无人车在作业过程中的风险隐患因素并进行风险分类，构建人、机器、环境三方面层次分析模型。采用粗糙集-层次分析法组合赋权对影响因素权重进行计算和排序，确保设计原则和实践一致性的实现。研究流程如图1所示。

1.2 作业流程分析

高校内物流派送无人车作业流程如图2所示。无人车应经过预定好的路径进行自主导航和避障，同时要配备高精度传感器和GPS设备等装置，确保其行驶的准确性和稳定性。此外，为避免与其他车辆或行人发生碰撞，还应设置多种安全预警系统，如声音、震动、光线等提示方式。作业结束后，需要对无人车进行检查和维护，及时修复或更换损坏的零部件。在整个作业流程中，无人车必须能够实时监测周围环境，及时调整速度、避让障碍物、暂停或停止运行，以确保行驶安全。此外，所有相关人员都应接受严格培训，了解并遵守无人车的相关规定和操作流程，确保作业过程中不会引发安全事故。通过以上各项措施，可以有效提高无人车的作业安全性和稳定性，为物流派送等应用场景提供更加便捷、高效和安全的服务。

图2 高校内物流派送无人车作业流程

1.3 “人—机—环”系统分析

物流派送无人车“人—机—环”系统分析如图3所示。

图3 高校内物流派送无人车“人—机—环”系统模型

以人（包括师生员工）为视角，其任务信息处理过程可分为“感知（S）—认知（O）—反应（T）”三个阶段，事故的发生与否取决于人在处理任务时的行为性质。由于配件人员长期处于高负荷工作状态下，其对信号的感知会受到影响。而无人车存取界面与功能分配不当，则会增加认知负荷，进而影响到其认知记忆的形成，导致无人车无法正常运作。另外，取件人由于个人情绪的波动，可能会做出误操作等行为，或导致无人车遭到蓄意破坏。

从无人车的角度来看，其功能、信息显示、信息识别、人机交互操作流程以及内部控制系统等都可能影响到配件人员和取件人员的操作行为。无人车内部零部件众多，部件老化、腐蚀等因素会引起零件之间协调失效，导致作业故障。

从环（学校环境）的角度出发，高校内作业环境为校内道路，教学楼、宿舍楼布局复杂，给运输过程中的路径规划、避障模式以及箱体密封性等带来了挑战。高校内师生员工多，人流量大，无人车在派送过程中容易与行人发生碰撞，也会因突然出现的人或物影响作业。因此，需要考虑到无人车在不同路段、天气条件下的行驶安全问题，设置相应的限速、禁行区域等措施，并配合相关部门对道路和设施进行调整和优化，为无人车的行驶创造更加安全的环境。

1.4 作业安全潜在风险分析

通过对高校内物流派送无人车作业流程及“人—机—环”系统分析，总结其“人—机—环”系统中存在的潜在风险，如表1所示。

表1 高校内物流派送无人车作业安全潜在风险

2 高校内物流派送无人车作业安全影响因素模型

2.1 作业安全影响因素层次分析模型

根据上述高校内物流派送无人车作业安全分析，通过专家小组讨论将作业过程中存在的潜在风险进行聚类与精简，建立高校内物流派送无人车作业安全影响因素层次分析模型，如图4所示。

图4 高校内物流派送无人车作业安全影响因素模型

2.2 作业安全影响因素权重计算

粗糙层次分析法就是将粗糙集理论中的粗糙数与粗糙边界区间两者优点结合并运用于层次分析法之中，可以解决传统层次分析法主观性较严重的问题。邀请5位在相关领域拥有多年经验的专家采用1～9标度法对影响因子进行打分，构建各层对上一层每一因素的成对比较矩阵。对第一层进行打分，共获得5组判断矩阵MSi（S为人数，i=1，2，3，4，5）：

对判断矩阵进行一致性检验，求得上述5个判断矩阵的一致性检验结果为：CR1=0.017 6，CR2=0.077 2，CR3=0.027 9，CR4=0.051 6，CR5=0.068 5。CR值均小于0.1，说明评分结果具备一致性。

通过建立粗糙群决策矩阵，求解矩阵中元素的粗糙数。将上述判断矩阵MSi转化为粗糙群决策矩阵W*：

以W*31为例，求解W*31中包含的评价数据所对应的粗糙数。对于W*31={6，9，6，2，5}，求解“划分6”的粗糙数，得：

“划分6”的粗糙数为：

同理可以求W*31中“划分9”“划分5”和“划分2”的粗糙数：

根据粗糙数的运算法则，可得W*31的平均粗糙区间RN（W*31）=[4.12，7.02]。同理求解W*12、W*13、W*21、W*23、W*32的粗糙数和平均粗糙区间，构建粗糙成对比较矩阵Z1：

将粗糙成对比较矩阵Z1拆解为粗糙下边界矩阵Z1和粗糙上边界矩阵，即：

求解矩阵和矩阵Z1的特征值与特征向量，粗糙下边界矩阵的特征值为：λ1=1.794 1，λ2=-0.705 3+0.669 1j，λ3=-0.705 3-0.669 1j；最大特征值λmax=λ1=1.794 1，其对应的规范化特征向量为N1=[-0.705 7，-0.165 1，-0.688 9]т。同理，粗糙上边界矩阵最大特征值为λmax=8.564 4，其对应的规范化特征向量为N2=[-0.226 6，-0.902 1，-0.366 9]т。

根据公式（1）可得第一层影响因子权重（fBi）=[0.4662，0.533 6，0.527 8]，即B2＞B3＞B1。

同理求解Ci影响因子权重，结果如表2所示。

表2 物流派送无人车作业安全影响因素权重

根据公式（2）计算得影响因子最终权重指数f（Di）。

由表2数据可得，B1（师生员工）中作业安全影响因素排序为：C4（认知错误）＞C1（视觉错误）＞C3（操作错误）＞C2（听觉错误）；B2（物流派送无人车）中作业安全影响因素排序为：C8（无人车随机事故）＞C7（电池隐患）＞C6（界面设计不合理）＞C5（功能分配不合理）；B3（高校环境）中作业安全影响因素排序为：C11（障碍物）＞C9（建筑布局复杂）＞C10（空气质量）＞C12（天气情况）。

本次选取各二级指标中的前80%影响因素作为主要影响因子进行分析，作为后续高校内物流派送无人车设计原则提出的依据。作业安全影响因子为：C1（视觉错误）、C3（操作错误）、C4（认知错误）、C6（界面设计不合理）、C7（电池隐患）、C8（无人车随机事故）、C9（建筑布局复杂）、C10（空气质量）、C11（障碍物）。

3 高校内物流派送无人车作业安全设计实践

基于作业安全影响因素中视觉错误、操作错误、认知错误、界面设计不合理等因素，从尺寸设计、功能结构及人机交互三个层面，对物流派送无人车物理界面与信息界面进行安全设计实践。

3.1 物理交互界面设计

高校内物流派送无人车造型设计以长方形为主，边缘采用圆角处理，主题配色以蓝、白为主，整体简洁沉稳，物理界面设计方案如图5所示。

图5 高校内物流派送无人车物理界面设计方案

物流派送无人车结构包括主体、底部和人机交互界面屏幕。主体部分为储物模块、外壳、视觉传感器、运行状态指示灯和紧急制动装置，底部包括驱动装置、防撞装置、超声波装置、故障警示灯、定位模块和电池模块，人机交互模块主要包括功能选择、智能识别和语音交互模块。

根据作业安全影响因素结果和设计原则，构建物流派送无人车功能框架如图6所示。从移动、运输、交互、识别四个方面进行功能分类，以确保移动过程中的稳定性、运输过程中的安全性、交互功能的可实施性以及对障碍的识别和安全避让，从而提高快递运输的效率，也从“人—机—环”系统出发确保人、机、物的安全性。

图6 物流派送无人车功能框图

3.2 信息交互界面设计

为减少交互过程中人为失误的发生，提高操作的准确性，基于物流派送无人车作业流程分析，建立物流派送无人车操作层级框架，如图7所示。

图7 高校内物流派送无人车操作层级框架图

为降低操作的认知难度，减少操作失误发生的概率，提高操作的安全性，界面功能设计为系统登录、送货、取件；界面设计减少了操作层级，简化了操作流程，明确了操作任务。送货模块操作功能为身份验证、选择柜门（选择宿舍楼）。将同一栋宿舍楼的快递放在一个柜子里能够减少快递拿错并使一人取多件快递更加便捷。取件过程中，取件码能够防止别人偷拿快递，而扫描二维码取件能够提高取件速度，防止宿舍楼底发生拥堵。

对于界面操作设置实时反馈，以降低错误操作带来的风险。在师生员工进行交互的过程中，界面针对每一步操作都会发生相应的变化；操作点击过程将会有实时语音提示，若发生错误操作会有语音以及震动反馈，确保操作流程的准确性。一定的容错及反馈设计可以减少人员使用过程中错误的发生。物流派送无人车信息界面设计交互流程图如图8所示。