CN103699785A - 一种基于涌现和熵的城市轨道交通系统安全性的识别方法 - Google Patents
一种基于涌现和熵的城市轨道交通系统安全性的识别方法 Download PDFInfo
- Publication number
- CN103699785A CN103699785A CN201310687315.3A CN201310687315A CN103699785A CN 103699785 A CN103699785 A CN 103699785A CN 201310687315 A CN201310687315 A CN 201310687315A CN 103699785 A CN103699785 A CN 103699785A
- Authority
- CN
- China
- Prior art keywords
- node
- limit
- accident
- entropy
- key element
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了轨道交通安全保障技术领域中的一种基于涌现和熵的城市轨道交通系统安全性的识别方法。包括:将事故影响要素作为网络节点,事故影响要素间的作用关系映射为连接边,构建事故影响要素集网络;事故发生后,确定事故在事故影响要素集网络中的演化路径;计算演化路径上的节点的安全可靠度;计算系统安全熵和归一化的网络结构熵,并根据系统安全熵和归一化的网络结构熵判别城市轨道交通安全性。本发明通过开展城市轨道交通系统安全性评判,为城市轨道交通安全决策与安全控制措施提供了理论依据。
Description
技术领域
本发明属于轨道交通安全保障技术领域,尤其涉及一种基于涌现和熵的城市轨道交通系统安全性的识别方法。
背景技术
城市轨道交通具有速度高、运量大等特点,已经成为缓解城市交通拥堵的首选方案,同时安全问题也引起了人们的高度重视。如何建立城市轨道交通事故影响要素集网络,对事故演变过程进行分析,提高城市轨道交通运营安全保障能力成为城市轨道交通运营的首要问题。
国内学者对于事故分析方法的研究倾向将事故成因分为人机环管四大类,并致力于利用系统安全工程加上辅助模型的方法探讨事故背后的最终成因和过程中的因素。目前对事故演化扩散过程的研究方向较多,大多数均为建立定性的事故阶段模型刻画事故产生过程,或是结合其他理论如动力学理论、能量转移理论、故障传播理论等研究某一特定的事故发展进程,很少站在复杂系统、复杂网络的角度讨论事故涌现的基础以及从量变到质变的过程。
发明内容
本发明的目的在于,提供一种基于涌现和熵的城市轨道交通系统安全性的识别方法,用于判别实现城市轨道交通的安全性。
为了实现上述目的,本发明提出的技术方案是,一种基于涌现和熵的城市轨道交通系统安全性的识别方法,其特征是所述方法包括:
步骤1:将事故影响要素作为网络节点,事故影响要素间的作用关系映射为连接边,构建事故影响要素集网络;
步骤2:事故发生后,确定事故在事故影响要素集网络中的演化路径;
步骤3:计算演化路径上的节点的安全可靠度;
步骤4:计算系统安全熵和归一化的网络结构熵,并根据系统安全熵和归一化的网络结构熵判别城市轨道交通安全性。
所述确定事故在事故影响要素集网络中的演化路径具体流程为:
步骤101:在事故影响要素集网络中,确定导致事故发生的节点,将其作为触发节点;
步骤102:遍历触发节点的出边,如果触发节点没有出边,则执行步骤115;如果触发节点有出边,则执行步骤103;
步骤103:如果触发节点仅有一条出边,则执行步骤104;如果触发节点有两条或者两条以上的出边,则执行步骤105;
步骤104:选择所述触发节点仅有的出边并以条件扩散概率Pij前进,同时标记所述选择的出边,然后转至步骤106;
步骤105:选择条件扩散概率值最大的出边,以随机概率ξ(p)前进;同时,选择条件扩散概率值最大的出边以外的任意一条出边并以概率1-ξ(p)前进;标记选择的两条出边;
步骤106:找到选择的出边的下一个节点;
步骤107:判断所述下一个节点是否被触发,如果所述下一个节点被触发,则执行步骤108;否则,执行115;
步骤108:判断所述下一个节点是否有出边,如果所述下一个节点没有出边,则执行步骤115;如果所述下一个节点有出边,则执行步骤109;
步骤109:判断所述下一个节点的出边中是否有结合边,如果所述下一个节点的出边中有结合边,则执行步骤110;否则,执行步骤112;
所述结合边是指,与指向同一个节点的触发节点相连的边;
步骤110:判断所述结合边的另一端的节点是否被触发,如果所述结合边的另一端的节点被触发,则执行步骤111;否则,执行步骤112;
步骤111:选择所述结合边以组合概率μ(p)前进,标记所述组合边后跳至步骤106;
步骤112:如果所述下一个节点仅有一条出边,则执行步骤113;如果所述下一个节点有两条或者两条以上的出边,则执行步骤114;
步骤113:选择所述下一个节点的仅有的出边并以条件扩散概率Pij前进,同时标记此边;
步骤114:判断所述下一个节点的所有出边的条件扩散概率Pij是否都小于设定阈值ρ,如果所述下一个节点的所有出边的条件扩散概率Pij都小于设定阈值ρ,则执行115;否则,返回步骤105;
步骤115:流程结束。
所述计算演化路径上的节点的安全可靠度采用公式
其中,Xi为事故影响要素集网络中的第i个节点;
第一类节点为节点的特征值是连续数值或多个离散数值的节点;
第二类节点为节点的特征值是0或1的节点;
r=f(xi),xi为节点Xi节点的特征值且f(·)为特征值变化函数;
ε为设定值。
其中,S(Xi)为节点Xi的熵,且S(Xi)=-lnR(Xi);
R(Xi)为节点Xi的安全可靠度;
n为事故影响要素集网络中的节点个数。
ki为事故影响要素集网络中第i个节点的度;
n为事故影响要素集网络中的节点个数;
Ss-min为网络结构熵的最小值;
Ss-max为网络结构熵的最大值。
本发明通过开展城市轨道交通系统安全性评判,为城市轨道交通安全决策与安全控制措施提供了理论依据。
附图说明
图1是本发明提供的基于涌现和熵的城市轨道交通系统安全性的识别方法流程图;
图2是本发明城市轨道交通系统安全性的识别模型基础架构图;
图3是事故影响要素集网络中的边表示节点之间的关系图;
图4是事故影响要素集网络中的要素间作用关系示意图;其中(a)是要素间独立组合示意图,(b)是要素间因果组合示意图,(c)是要素间关联组合示意图;
图5是基于涌现的事故演变机制流程图;
图6是基于熵的系统安全程度评判方法示意图;
图7是系统安全程度评价表;
图8是列车脱轨影响要素集网络图;
图9是抽象化的事故影响要素集网络图;
图10是事故演化路径图。
具体实施方式
下面结合附图,对优选实施例作详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
实施例1
本发明的工作原理是:通过对城市轨道交通事故影响要素进行分析,分析众多的要素在不同环境不同时间下呈现的不同状态,要素间的动态关联性较强,基于此将城市轨道交通事故影响要素等价于复杂网络中的节点,提出建立事故影响要素集网络,应用复杂网络的统计性质、熵理论、概率等知识,对城市轨道交通事故演化过程分析方法进行开拓性地探索,系统地分析和研究事故演变过程及系统安全程度的评判方法。
图1是本发明提供的基于涌现和熵的城市轨道交通系统安全性的识别方法流程图。如图1所示,基于涌现和熵的城市轨道交通系统安全性的识别方法包括:
步骤1:将事故影响要素作为网络节点,事故影响要素间的作用关系映射为连接边,构建事故影响要素集网络。
图2是本发明城市轨道交通系统安全性的识别模型基础架构图。该架构由3部分构成,包括最底层基于复杂网络的事故影响要素集网络,要素集网络的组合表现形式,基于涌现的事故演变过程网。
(1)事故影响要素集网络。
将事故影响要素作为网络节点,要素间作用关系映射为连接边,构建了事故影响要素集网络。形式化表达与概念描述如下:
定义1、事故影响要素集网络G(X,E):处于系统安全评判模型基础架构图的底层,由众多事故影响要素构成,表示为节点的集合X={X1,X2,...,Xn},要素之间的关系表示为边的集合E。
(2)事故影响要素集网络的组合表现形式。
搜集事故影响要素,提出组合的概念,主要是对要素间的关联属性进行分析。以脱轨事故为例,通过统计列车历史事故原因及事故致因分析,可知与列车脱轨相关的要素通常是多个要素的不同组合。组合的作用类似于“分类器”,其类型可分三种:
①独立组合:指组合中要素间无作用关系,要素状态不随组合中其他要素改变而改变。单因素即可导致事故的发生,组合起到增强(或减弱)影响的作用。如断轨与曲线反超高状态的同时出现使脱轨可能性增强。表示为(A,B,C,D)。
②因果组合:指组合的要素之间存在因果关系,要素状态的改变会引起其他要素的变化,从而改变组合的安全状态。如人为失误导致装载偏重,从而过曲线时车体倾斜,增大脱轨发生的可能性。表示为(A→B→C→D)。
③关联组合:指组合中有两个或两个以上要素同时处于不正常状态时,才能导致另一些要素状态的变化,体现出要素结合才能共同导致的结果。以速度、轨道线型为例,当超速与弯道同时出现,列车脱轨事故发生可能性极大。表示为(A+B)→C。
事故影响要素集网络中的边用来表示节点之间的直接关系如图3中的表所示。
(3)基于涌现的事故演变过程网。
定义3、基于涌现的事故演变过程网:由一个节点的状态改变开始,经过n个时间步Δt扩散导致各个组合的不正常状态,或次生因素与组合因素共同作用导致系统处于不安全状态,即涌现形成的网络,称为事故演变过程网。注:事故演变过程网的基础构成是事故链。事故链由不正常状态的要素和组合构成。事故演变过程网是在网络结构上是事故影响要素集网络的一部分,当某几个节点状态改变,进而波及其他要素发生作用关系所构成的网络。
事故链表示为A={X1→X2→...→Xn}。若X1处在独立组合(X1,Xa,Xb)里,则A={X1(Xa,Xb)→X2→...→Xn};若存在关联组合,则A={X1(X2,X3)+X4→...→Xn}。事故链的组合形态形成了事故演变过程网,表示为Anet={A1,A2,...,An}。通常,事故链的组合形态分为首尾相连型和交叉型两类。
(4)网络模型中节点的三个特征。
模型中节点的三个特征为:节点状态、节点属性和节点安全熵。
①节点状态
在事故影响要素集网络中,节点只有两个状态:正常态与触发态。正常态即没有迹象表明它会受影响或者是影响到其他要素的状态;触发态是指事故影响要素本身突然改变自己的状态,或者受其他要素的影响被迫改变自己的状态,使自己处在事故演化网中。赋予节点触发参数Xi(t)=τ,τ∈{0,1},表示节点Xi在t时刻的状态,
②节点属性
网络节点分为“数值连续型”节点Xα和“0-1型”节点Xβ两种基本类别。Xα表征该节点的特征值xα表现为可以连续取得,或有多个离散数值。Xβ节点的特征状态只有两种状态,状态为“0”时表示正常,状态为“1”表示不正常。
③节点安全熵
在事故影响要素集网络中,一个节点X能够表现其安全状态的概率为节点的安全可靠度。定义节点X的安全可靠度为R(X),且R(X)∈[0,1]。当R(X)=1时,节点最安全。节点的随着R(X)本身的特征值改变,可以表示为:
R(X)=f(x)(1)x表示节点的特征值,f(x)表示随着特征值的变化,R(X)的变化趋势。
定义R(Xa)=1-U(Xa),U(Xa)为节点的不安全程度。要素随着时间在一定范围内波动处于正常状态,即要素存在一定的阈值。根据物理熵的定义知节点越可靠,则要素本身的不确定性就越小,则事故影响要素集网中的要素即节点的熵为:
由上式知,当安全要素的安全可靠度改变时,节点的熵就会形成负相关的改变,当R(X)=1最大时,S(X)=0最小,且R(X)=0,S(X)=+∞。
(5)模型中的边权。
在安全评判模型中,作用边Ef和结合作用边E'j被赋予不同的权重(组合边Ec和结合边Ej权重可默认为1),以强调安全要素之间关联的紧密程度。从一个节点的不安全状态开始,通过某条边影响另一个节点的状态的概率,称为扩散概率Pij,代表Xi,Xj之间的扩散概率。通常认为,扩散概率可以从故障历史数据中提取,也可以根据系统参数进行估计。笔者认为:在数据可得的前提下,当Xi,Xj存在因果关系时,判断当Xi状态变化的次数η(Xi),再判断Xj因此变化的次数η(Xj),由此算出扩散概率的公式:
步骤2:事故发生后,确定事故在事故影响要素集网络中的演化路径。
图5是基于涌现的事故演变机制流程图。在给出组合的概念之后,结合事故链的特征,对基于涌现的事故演变机制进行了分析。包括涌现原则,初始状态,事故链的形成与终止规则,以及路径选择机制等。
(1)涌现原则。
涌现原则的关键在于符合和遵循现实中事故的发生发展和演变规律,并在模型的基础上进行必要的精简和抽象。
1)权重优先原则:权重即(条件)扩散概率,Pij(P'ij)是根据现实事故传播过程制定和计算的,遵循权重大、被选择成为演化路径的可能性相应增加的原则,这是涌现最基础也是最根本的原则。
2)随机原则:现实事故传播的路径不完全沿着可能性最大的边传播,也会出现小概率的不确定性变化,在权重优先原则的基础上,需要加入随机原则,即通过概率ζ(p)选择最大权重路径。这是真正使得涌现变得多变、动态的主要原因。
3)关联组合优先原则:关联组合意味着组合中的两个要素被触发后,通过结合边连接能够起到特殊的效果,关联组合需要优先于权重优先原则判断,并以μ(p)的概率进行实施。
4)独立组合自生成原则:独立组合起到了加强(减弱)影响效果的作用,在网络涌现过程中,独立组合中的要素一旦被触发,就自动连接成组合。
(2)初始状态。
事故影响要素集网中的某k(k≥1,k∈N)个节点被触发,状态由正常状态转变为不正常状态。
(3)事故链形成与终止规则。
1)以时间步Δt为单位计算时间。
2)每个时间步Δt,每个节点可以向外延长一个连接,即触发另一个节点。
3)演化扩散时间T可以人为规定,以便克服无穷时间演化没有收敛的矛盾。
4)时间终止即视为事故链扩散停止,此时刻被触发的节点称为时间终点。
5)当规定时间内遇到物理终点或环路时,也被视为事故链扩散停止。
6)可规定条件扩散概率Pij<ρ,ρ∈(0,1)时,该条预演化路径停止演化。
(4)路径选择机制。
步骤101:在事故影响要素集网络中,确定导致事故发生的节点,将其作为触发节点;
步骤102:遍历触发节点的出边,如果触发节点没有出边,则执行步骤115;如果触发节点有出边,则执行步骤103;
步骤103:如果触发节点仅有一条出边,则执行步骤104;如果触发节点有两条或者两条以上的出边,则执行步骤105;
步骤104:选择所述触发节点仅有的出边并以条件扩散概率Pij前进,同时标记所述选择的出边,然后转至步骤106;
步骤105:选择条件扩散概率值最大的出边,以随机概率ξ(p)前进;同时,选择条件扩散概率值最大的出边以外的任意一条出边并以概率1-ξ(p)前进;标记选择的两条出边;
步骤106:找到选择的出边的下一个节点;
步骤107:判断所述下一个节点是否被触发,如果所述下一个节点被触发,则执行步骤108;否则,执行115;
步骤108:判断所述下一个节点是否有出边,如果所述下一个节点没有出边,则执行步骤115;如果所述下一个节点有出边,则执行步骤109;
步骤109:判断所述下一个节点的出边中是否有结合边,如果所述下一个节点的出边中有结合边,则执行步骤110;否则,执行步骤112;
步骤110:判断所述结合边的另一端的节点是否被触发,如果所述结合边的另一端的节点被触发,则执行步骤111;否则,执行步骤112;
步骤111:选择所述结合边以组合概率μ(p)前进,标记所述组合边后跳至步骤106;
步骤112:如果所述下一个节点仅有一条出边,则执行步骤113;如果所述下一个节点有两条或者两条以上的出边,则执行步骤114;
步骤113:选择所述下一个节点的仅有的出边并以条件扩散概率Pij前进,同时标记此边;
步骤114:判断所述下一个节点的所有出边的条件扩散概率Pij是否都小于设定阈值ρ,如果所述下一个节点的所有出边的条件扩散概率Pij都小于设定阈值ρ,则执行115;否则,返回步骤105;
步骤115:流程结束。
(5)时间终点设置。
模型的事故演变时间终点T=∑Δt需要人为控制,当事故演化网已经逐渐涌现出一个有显示事故特征或者经历一定数量的独立组合的时候,便可以考虑停止演化而着重于应该采取哪种策略去预防和制止。
步骤3:计算演化路径上的节点的安全可靠度。
动态安全可靠度和动态权重的计算,设初始状态时被触发的节点的安全可靠度为,
则
Xi=Xα时,r根据r=f(x)或r=g(t)等代表节点安全可靠度的函数或者映射形式求出。则其条件扩散概率为
步骤4:计算系统安全熵和归一化的网络结构熵,并根据系统安全熵和归一化的网络结构熵判别城市轨道交通安全性。
图6是基于熵的系统安全程度评判方法示意图。系统安全熵代表着事故积累的能量(危险程度)的高低,网络结构熵代表着事故的可控性的高低。基于熵的理论形成了系统安全程度评判方法。
(1)系统安全熵。
事故演化网的所有节点安全熵之和可以表现系统总体的混乱和无序程度。已知事故演化网中的节点安全熵,可以计算出系统安全熵。
公式(7)中,S(Xi)为节点Xi的熵,且S(Xi)=-lnR(Xi),R(Xi)为节点Xi的安全可靠度,n为事故影响要素集网络中的节点个数。随着越来越多的节点加入到事故演化网中,事故演化网总熵逐渐增加,系统的熵随之逐渐增加,当系统熵达到某个阈值时,其安全程度过低,容易导致事故发生,假定此阈值为偏离程度为当时,系统处于较不安全的状态,越大,认为越不安全。
(2)网络结构熵。
核心节点的数量反映了网络的有序或者杂乱程度,引入网络结构熵的概念:
为了方便之后计算,对网络结构熵进行归一化:
事故演化网的网络结构熵较小,意味着网中存在明显的核心节点,便于人为干预和控制。反之,若事故演化网的网络结构熵较大,说明网中每个节点的度相差无几,不便于人为干预和监控。在此假定阈值φs,SN同φs的偏离程度为φ(S)=φs-SN,当φ(S)≤0时,网络处在较高不可控状态。
(3)系统安全程度评判。
系统安全熵代表着事故积累的能量(危险程度)的高低,网络结构熵代表着事故的可控性的高低。根据对系统熵的度量,将系统安全等级分为四个等级,一级最为严重和需要重视,与系统安全程度的关系如图7所示。
实施例2
在对城轨事故深入分析基础上,在遵循现实逻辑的基础上,依照提出的事故影响要素集网络的构建方法,构建出列车脱轨事件的事故影响要素集网络,选取部分如图8所示。(注:选取小部分要素,随着网络的增大,要素的复杂性需要进一步研究)。
将图8抽象化成事故影响要素集网络,得到抽象化的事故影响要素集网络如图9所示。
利用因果关系体现出基于涌现的事故演化网演变过程,在此利用Matlab软件对其进行动态仿真,与北京市轨道交通实际情况进行比较验证。
初始状态:假设事故影响要素集网中的节点X19“乘客(大客流)”和X6“轨道有异物”被触发,状态由正常状态转变为触发状态。
条件设定:根据平均路径,设置时间终点Tω=5;ζ(p)=80%;X19为Xα型节点,X6为Xβ型节点,预演化路径上其余节点都为Xβ型。
按照事故演化网的涌现规则,由Matlab求得预演化路径为:
A1={X19→X8→X14→X13→X12}
A2={X6→X17→X13}
演化路径如图10所示,其中X12为“车轮悬浮”。
通过对历史事故数据进行统计,与实际专家沟通,得到U(X19)=0.8,U(X6)=ε,ε→1,且根据动态边权计算方法,计算得由扩散路径选择规则选择了A={X19→X8}作为前进路径。由于其余节点为Xβ型,扩散概率不变。
根据上图得:
U(X8)=0.5760,U(X14),=0.3168,
U(X17)=0.2500,U(X13)=0.3757,
U(X12)=0.3231
得节点安全可靠度:
R(X8)=0.4240,R(X14),=0.6832,
R(X17)=0.7500,R(X13)=0.6243,
R(X12)=0.6769
求得系统安全熵为:
计算时取ε=1,由于ln(1-ε)趋向于无穷大,排除之后依然可以明确系统安全熵的值,且没有歧义。则最终求得系统安全熵为:
SH=3.9974
网络结构熵为:
又得
归一化后得:
设定φ=0.8,则φ(S)≥0,系统的安全程度为四级,代表虽然有安全隐患,但总体不影响运营,系统安全程度较高,易于控制。北京城市轨道交通每日承载巨大的客流量,隐藏着乘客个体干扰地铁运营、乘客(大客流)导致超重等风险,但由于北京地铁在客流组织、限流诱导方面管理有佳,乘客多而有序;轨道上虽然有异物出现,列车出现脱轨事故的可能性微乎其微。计算结果与北京市轨道交通实际运营状况相一致,证明了该评判方法具有一定的合理性和可行性。
本发明的优点是:针对新形势下城市轨道交通运营安全问题,站在事故分析角度,基于复杂网络及熵的理论分析事故演化过程,研究在事故未发生情况下的系统运营安全。主要包括:对事故影响要素关联属性进行分析,并基于此构建了事故影响要素集网络,建立了城市轨道交通运营安全评判模型的基础架构,基于涌现的事故演变过程网演化机制等,形成基于涌现和熵的城市轨道交通运营系统安全程度评判方法,最后以脱轨事故为一个实例进行了方法验证,为城市轨道交通运营系统安全程度评判提供技术支持。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (5)
1.一种基于涌现和熵的城市轨道交通系统安全性的识别方法,其特征是所述方法包括:
步骤1:将事故影响要素作为网络节点,事故影响要素间的作用关系映射为连接边,构建事故影响要素集网络;
步骤2:事故发生后,确定事故在事故影响要素集网络中的演化路径;
步骤3:计算演化路径上的节点的安全可靠度;
步骤4:计算系统安全熵和归一化的网络结构熵,并根据系统安全熵和归一化的网络结构熵判别城市轨道交通安全性。
2.根据权利要求1所述的方法,其特征是所述确定事故在事故影响要素集网络中的演化路径具体流程为:
步骤101:在事故影响要素集网络中,确定导致事故发生的节点,将其作为触发节点;
步骤102:遍历触发节点的出边,如果触发节点没有出边,则执行步骤115;如果触发节点有出边,则执行步骤103;
步骤103:如果触发节点仅有一条出边,则执行步骤104;如果触发节点有两条或者两条以上的出边,则执行步骤105;
步骤104:选择所述触发节点仅有的出边并以条件扩散概率Pij前进,同时标记所述选择的出边,然后转至步骤106;
步骤105:选择条件扩散概率值最大的出边,以随机概率ξ(p)前进;同时,选择条件扩散概率值最大的出边以外的任意一条出边并以概率1-ξ(p)前进;标记选择的两条出边;
步骤106:找到选择的出边的下一个节点;
步骤107:判断所述下一个节点是否被触发,如果所述下一个节点被触发,则执行步骤108;否则,执行115;
步骤108:判断所述下一个节点是否有出边,如果所述下一个节点没有出边,则执行步骤115;如果所述下一个节点有出边,则执行步骤109;
步骤109:判断所述下一个节点的出边中是否有结合边,如果所述下一个节点的出边中有结合边,则执行步骤110;否则,执行步骤112;
所述结合边是指,与指向同一个节点的触发节点相连的边;
步骤110:判断所述结合边的另一端的节点是否被触发,如果所述结合边的另一端的节点被触发,则执行步骤111;否则,执行步骤112;
步骤111:选择所述结合边以组合概率μ(p)前进,标记所述组合边后跳至步骤106;
步骤112:如果所述下一个节点仅有一条出边,则执行步骤113;如果所述下一个节点有两条或者两条以上的出边,则执行步骤114;
步骤113:选择所述下一个节点的仅有的出边并以条件扩散概率Pij前进,同时标记此边;
步骤114:判断所述下一个节点的所有出边的条件扩散概率Pij是否都小于设定阈值ρ,如果所述下一个节点的所有出边的条件扩散概率Pij都小于设定阈值ρ,则执行115;否则,返回步骤105;
步骤115:流程结束。
4.根据权利要求3所述的方法,其特征是所述计算系统安全熵采用公式
其中,S(Xi)为节点Xi的熵,且S(Xi)=-lnR(Xi);
R(Xi)为节点Xi的安全可靠度;
n为事故影响要素集网络中的节点个数。
5.根据权利要求4所述的方法,其特征是所述计算归一化的网络结构熵采用公式
其中,Ss为网络结构熵且
ki为事故影响要素集网络中第i个节点的度;
n为事故影响要素集网络中的节点个数;
Ss-min为网络结构熵的最小值;
Ss-max为网络结构熵的最大值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310687315.3A CN103699785A (zh) | 2013-12-13 | 2013-12-13 | 一种基于涌现和熵的城市轨道交通系统安全性的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310687315.3A CN103699785A (zh) | 2013-12-13 | 2013-12-13 | 一种基于涌现和熵的城市轨道交通系统安全性的识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103699785A true CN103699785A (zh) | 2014-04-02 |
Family
ID=50361312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310687315.3A Pending CN103699785A (zh) | 2013-12-13 | 2013-12-13 | 一种基于涌现和熵的城市轨道交通系统安全性的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103699785A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447571A (zh) * | 2015-11-20 | 2016-03-30 | 中国电子科技集团公司第二十八研究所 | 一种基于遗传算法的体系结构自动优化方法 |
CN107153896A (zh) * | 2017-07-03 | 2017-09-12 | 北方工业大学 | 一种基于节点对熵的交通网路径预测方法及系统 |
CN107977780A (zh) * | 2017-11-21 | 2018-05-01 | 卡斯柯信号有限公司 | 基于系统进程代数化模型的系统风险分析方法 |
CN108563863A (zh) * | 2018-04-11 | 2018-09-21 | 北京交通大学 | 城市轨道交通系统的能耗计算与调度方法 |
CN112231642A (zh) * | 2020-10-19 | 2021-01-15 | 贵州大学 | 基于安全熵判据的理性两方计算模型的计算方法 |
CN113009817A (zh) * | 2021-02-08 | 2021-06-22 | 浙江大学 | 一种基于控制器输出状态安全熵的工控系统入侵检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102629298A (zh) * | 2012-03-09 | 2012-08-08 | 北京交通大学 | 一种轨道交通系统运行安全评估方法 |
CN103218513A (zh) * | 2013-03-15 | 2013-07-24 | 北京交通大学 | 一种城市轨道交通运行安全的判定方法 |
US20130218375A1 (en) * | 2010-08-24 | 2013-08-22 | Beijing Jiaotong University | Method of movement authority calculation for communications-based train control system |
-
2013
- 2013-12-13 CN CN201310687315.3A patent/CN103699785A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130218375A1 (en) * | 2010-08-24 | 2013-08-22 | Beijing Jiaotong University | Method of movement authority calculation for communications-based train control system |
CN102629298A (zh) * | 2012-03-09 | 2012-08-08 | 北京交通大学 | 一种轨道交通系统运行安全评估方法 |
CN103218513A (zh) * | 2013-03-15 | 2013-07-24 | 北京交通大学 | 一种城市轨道交通运行安全的判定方法 |
Non-Patent Citations (2)
Title |
---|
王艳辉等: "基于涌现和熵的城轨运营安全程度评判方法及应用研究", 《铁道学报》 * |
肖雪梅: "基于耗散结构和熵的高速铁路事故演化机理研究", 《中国安全科学学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447571A (zh) * | 2015-11-20 | 2016-03-30 | 中国电子科技集团公司第二十八研究所 | 一种基于遗传算法的体系结构自动优化方法 |
CN105447571B (zh) * | 2015-11-20 | 2017-09-19 | 中国电子科技集团公司第二十八研究所 | 一种基于遗传算法的体系结构自动优化方法 |
CN107153896A (zh) * | 2017-07-03 | 2017-09-12 | 北方工业大学 | 一种基于节点对熵的交通网路径预测方法及系统 |
CN107977780A (zh) * | 2017-11-21 | 2018-05-01 | 卡斯柯信号有限公司 | 基于系统进程代数化模型的系统风险分析方法 |
CN108563863A (zh) * | 2018-04-11 | 2018-09-21 | 北京交通大学 | 城市轨道交通系统的能耗计算与调度方法 |
CN112231642A (zh) * | 2020-10-19 | 2021-01-15 | 贵州大学 | 基于安全熵判据的理性两方计算模型的计算方法 |
CN112231642B (zh) * | 2020-10-19 | 2024-02-02 | 贵州大学 | 基于安全熵判据的理性两方计算模型的计算方法 |
CN113009817A (zh) * | 2021-02-08 | 2021-06-22 | 浙江大学 | 一种基于控制器输出状态安全熵的工控系统入侵检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103699785A (zh) | 一种基于涌现和熵的城市轨道交通系统安全性的识别方法 | |
CN104238545B (zh) | 一种石油炼化生产过程故障诊断和预警系统及其建立方法 | |
An et al. | Aggregation of group fuzzy risk information in the railway risk decision making process | |
CN103473469B (zh) | 一种基于客观指标的扇区交通态势多层次模糊评价方法 | |
CN106650985B (zh) | 基于随机Petri网的不正常航班衍生事件链式效应预测方法 | |
CN108285071A (zh) | 一种基于贝叶斯网络的电梯健康诊断方法 | |
CN104102762A (zh) | 云模型模糊层次分析法在铁路信号系统风险分析中的应用 | |
WO2021164118A1 (zh) | 交直流大电网动态安全风险态势滚动前瞻预警方法及系统 | |
An et al. | Railway risk assessment-the fuzzy reasoning approach and fuzzy analytic hierarchy process approaches: a case study of shunting at waterloo depot | |
CN105893697A (zh) | 基于贝叶斯网络推理的系统可靠性评估方法 | |
CN106530715A (zh) | 基于模糊马尔可夫过程的路网交通状态预测方法 | |
CN105931460A (zh) | 一种快速道路连续瓶颈路段的可变限速控制策略优化方法 | |
CN106710215A (zh) | 瓶颈上游车道级交通状态预测系统及实现方法 | |
CN104537835B (zh) | 一种宏观—微观结合的环路交通可靠性仿真方法与系统 | |
CN104037760B (zh) | 一种不确定注入功率的电力系统预想事故选择方法 | |
Shankar et al. | Multi model criteria for the estimation of road traffic congestion from traffic flow information based on fuzzy logic | |
CN104991549A (zh) | 基于fta与多层次模糊神经子网络的轨道电路红光带故障诊断方法 | |
Wang et al. | Simulation on passenger evacuation under fire emergency in Metro station | |
CN105046421A (zh) | 电动汽车充换电设施安全综合评价方法 | |
Wan et al. | Causation of metro operation accidents in China: calculation of network node importance based on DEMATEL and ISM | |
CN116011813A (zh) | 城市轨道交通应急监控方法、装置、电子设备及存储介质 | |
Marsh et al. | Generalizing event trees using Bayesian networks | |
Rahbari | Help the genetic algorithm to minimize the urban traffic on intersections | |
Mei et al. | A paradigm of intelligent evacuation route decision for metro station emergence based on social media | |
CN107491838A (zh) | 城市轨道交通短时客流容错预测系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140402 |