CN104217367A - 一种轨道交通线路动态安全风险评价方法 - Google Patents
一种轨道交通线路动态安全风险评价方法 Download PDFInfo
- Publication number
- CN104217367A CN104217367A CN201410469305.7A CN201410469305A CN104217367A CN 104217367 A CN104217367 A CN 104217367A CN 201410469305 A CN201410469305 A CN 201410469305A CN 104217367 A CN104217367 A CN 104217367A
- Authority
- CN
- China
- Prior art keywords
- line
- statistical period
- index
- during
- risk index
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000012502 risk assessment Methods 0.000 title claims abstract 6
- 238000011156 evaluation Methods 0.000 claims description 58
- 238000004364 calculation method Methods 0.000 claims description 33
- 238000004891 communication Methods 0.000 claims description 24
- 230000003111 delayed effect Effects 0.000 claims description 19
- 238000007726 management method Methods 0.000 claims description 14
- 230000008439 repair process Effects 0.000 claims description 14
- 238000011084 recovery Methods 0.000 claims description 9
- 230000006378 damage Effects 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 7
- 230000001174 ascending effect Effects 0.000 claims description 5
- 239000002131 composite material Substances 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 238000011160 research Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 230000008832 photodamage Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000007433 macroscopic evaluation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 231100000817 safety factor Toxicity 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供一种轨道交通线路动态安全风险评价方法，首先确定轨道交通线路动态安全风险评价动态指标体系，然后根据设备实时采集的数据计算各项动态指标值，最后基于区间二型模糊数和TOPSIS结合的新方法对轨道交通线路运营安全风险进行动态评价，更为精确地掌握轨道交通线路运营实时的安全状态，为相关管理人员的决策提供技术支持，对于提高决策质量具有非常重要的实际意义。
Description
技术领域
本发明涉及一种轨道交通线路安全评价方法，尤其涉及一种轨道交通线路动态安全评价方法。
背景技术
在现有的地铁安全指标体系研究中，对轨道交通线路安全评价指标体系的研究还不够完善，轨道交通线路安全评价更多的是应该从人、机、环、管等几方面进行考虑。为使指标体系的建立与现场业务充分结合，对典型大城市轨道交通进行深入调研分析，总结影响运营安全的主要因素，对运营安全要素进行提取、凝练，构建城市轨道交通运营安全“微观—中观—宏观”评估指标体系。现有安全评价研究中，大多数采用的是静态指标，并没有考虑环境变化和时间推移等因素对评价的影响，并不能真实准确地反映轨道交通线路运营的实时安全状态。
本发明另一重点在于轨道交通线路动态安全评价采用的方法。影响轨道交通线路安全运营的因素错综复杂，有些因素对系统安全状态的影响难以用精确数值来完全表达决策者的偏好信息。而模糊数可以表示决策者主观评价信息的不确定性，目前已经在轨道交通安全评价中得到广泛应用。然而现有的研究都是基于一型模糊数，而轨道交通线路系统是由多个复杂的子系统组成，二型模糊数对于处理轨道交通线路的不确定性和复杂性更具有优势。
为进一步完善轨道交通线路运营安全评价理论，本技术提出一种基于区间二型模糊数和TOPSIS结合的新方法对轨道交通路网运营安全进行动态评价，更为精确地掌握轨道交通线路运营实时的安全状态，为相关管理人员的决策提供技术支持，对于提高决策质量具有非常重要的实际意义。
发明内容
为解决上述技术问题，本发明提供一种轨道交通线路动态安全风险评价方法，具体采用如下技术方案：
1.计算轨道交通线路安全评价指标值
城轨线路安全评价指标评价对象是线路，根据指标的评价对象，将指标分为客流指标、设备影响运营指标、线路车站指标、管理指标和事故指标五类。客流指标包括：上行区间客流风险指数、下行区间客流风险指数、车辆系统影响运营风险指数、信号系统影响运营风险指数、供电系统影响运营风险指数、通信系统影响运营风险指数、机电系统影响运营风险指数、土建系统影响运营风险指数、屏蔽门系统影响运营风险指数、线路系统影响运营风险指数、AFC系统影响运营风险指数、安检系统影响运营风险指数、其他因素影响运营风险指数。线路车站指标包括：线路车站客流综合指数、线路车站环境综合指数。管理指标：线路安全管理指数。事故指标：线路等效事故率。各指标含义及计算方式如下：
（1）上行区间客流风险指数
定义：反映上行列车里以及乘客上下乘降作业时发生的客流拥挤踩踏的风险。考虑高峰小时最大断面满载率和满载区间比例、满载持续时间作为风险因素。
指标说明：由于客流量的大小与时间相关，如早晚高峰客流量大，当超过该区间线路的最大输送能力时，运营安全受到影响，需要采取相应的限流措施或者是增加运力。
计算公式：
式中：—统计期内，线路上行区间客流风险指数； —高峰小时最大断面满载率值； —线路断面满载率平均值； —线路中区间满载率值>70%的区间个数； —线路区间总个数； —统计期内，线路中存在区间满载率>100%的小时个数； —线路运营总小时数； —权重系数。
特别说明：上述公式是对高峰小时最大断面满载率风险值的反映；是对满载区间比例风险值的反映；是对满载时间比例风险值的反映。
基于现有运营数据，上述公式简化为以下算法：
式中：1）高峰小时最大满载率与风险值的对应关系见下表：
表7 高峰小时最大断面满载率的取值区间及相应的风险值
| 风险值 | [0,2) | [2,4) | [4,6) | [6,8) | [8,10) |
| 高峰小时最大断面满载率 | [0,0.70) | [0.70,1.00) | [1.00,1.10,) | [1.10,1.20) | [1.20,1.30) |
此公式中，用表示风险值，表示高峰小时最大断面满载率，表示其不同取值与风险值的对应关系。
2）满载区间比例，是指统计期内，满载区间数（满载率大于等于1的区间个数）与线路区间数的比值。
表8满载区间比例的取值区间及相应的风险值
| 风险值 | [0,2) | [2,4) | [4,6) | [6,8) | [8,10) |
| 满载区间比例 | [0,0.13) | [0.13,0.27) | [0.27,0.40) | [0.40,0.53) | [0.53,0.67) |
此公式中，用表示风险值，表示满载区间比例，表示其不同取值与风险值的对应关系。
3）满载时间比例，是指一天内线路区间上出现满载率大于1的小时数与运营总小时个数的比值。
表9 满载时间比例的取值区间及相应的风险值
| 风险值 | [0,2) | [2,4) | [4,6) | [6,8) | [8,10) |
| 满载时间比例 | [0,0.071) | [0.071,0.143) | [0.143,0.214) | [0.214,0.286) | [0.286,0.357) |
此公式中，用表示风险值，表示满载时间比例，表示其不同取值与风险值的对应关系。
4）权重系数，是基于层次分析法和熵权法的主客观组合赋权法。
⑵下行区间客流风险指数
定义：反映下行列车里以及乘客上下乘降作业时发生的客流拥挤踩踏的风险。考虑高峰小时最大断面满载率和满载区间比例、满载持续时间作为风险因素。
指标说明：由于客流量的大小与时间相关，如早晚高峰客流量大，当超过该区间线路的最大输送能力时，运营安全受到影响，需要采取相应的限流措施或者是增加运力。
计算公式：
式中：—统计期内，线路下行区间客流风险指数； —高峰小时最大断面满载率值； —线路断面满载率平均值； —线路中区间满载率值>70%的区间个数； —线路区间总个数； —统计期内，线路中存在区间满载率>100%的小时个数； —线路运营总小时数； —权重系数。
特别说明：上述公式是对高峰小时最大断面满载率风险值的反映；是对满载区间比例风险值的反映；是对满载时间比例风险值的反映。
基于现有运营数据，上述公式简化为以下算法：
式中：1）高峰小时最大满载率与风险值的对应关系见下表；
表10 高峰小时最大断面满载率的取值区间及相应的风险值
| 风险值 | [0,2) | [2,4) | [4,6) | [6,8) | [8,10) |
| 高峰小时最大断面满载率 | [0,0.70) | [0.70,1.00) | [1.00,1.10,) | [1.10,1.20) | [1.20,1.30) |
此公式中，用表示风险值，表示高峰小时最大断面满载率，表示其不同取值与风险值的对应关系。
2）满载区间比例，是指统计期内，满载区间数（满载率大于等于1的区间个数）与线路区间数的比值。
表11 满载区间比例的取值区间及相应的风险值
| 风险值 | [0,2) | [2,4) | [4,6) | [6,8) | [8,10) |
| 满载区间比例 | [0,0.13) | [0.13,0.27) | [0.27,0.40) | [0.40,0.53) | [0.53,0.67) |
此公式中，用表示风险值，表示满载区间比例，表示其不同取值与风险值的对应关系。
3）满载时间比例，是指一天内线路区间上出现满载率大于1的小时数与运营总小时个数的比值。
表12 满载时间比例的取值区间及相应的风险值
| 风险值 | [0,2) | [2,4) | [4,6) | [6,8) | [8,10) |
| 满载时间比例 | [0,0.071) | [0.071,0.143) | [0.143,0.214) | [0.214,0.286) | [0.286,0.357) |
此公式中，用表示风险值，表示满载时间比例，表示其不同取值与风险值的对应关系；
4）权重系数，是基于层次分析法和熵权法的主客观组合赋权法。
⑶车辆系统影响运营风险指数
定义：车辆系统影响运营风险指数是以车辆故障率，平均故障修复时间,故障影响程度为自变量建立的综合评价函数，用来表征车辆的安全状态。
指标说明：车辆作为运输乘客的载体，在城市轨道交通运营中具有重要作用。对于设备故障的响应及时程度和维修速率可通过平均故障修复时间来衡量。
根据车辆故障记事信息，车辆的故障多有发生，这里主要考虑车门，制动系统，回路，空压机，牵引无流。其中牵引无流故障主要包括，过载、卡位、无流、DS合不上（跳）、不进级、接地、牵引无流、全列无牵引、KC不抬、牵引制动不转换、两项驱动器、机组不短接等。
指标计算：
式中：—统计期内，线路车辆系统影响运营风险指数。—统计期内，线路车辆系统故障率。—统计期内，车辆系统平均故障修复时间。—统计期内，第次故障修复时间（按照设备故障记事信息统计的故障起止时间之差）； —统计期内，车辆故障导致的影响行车故障次数。—统计期内，车辆故障影响运营里程，这里指受车辆故障影响的的运营里程可靠度。—统计期内，受延误（发晚，到晚）、掉线、清人、停运事件影响所耽误的列车正线运营里程。—统计期内，列车正线计划运营里程数。
特别说明：上述公式 含义是由于车辆故障影响的运营里程，这里简化为实际运营数据中的设备影响故障范围风险值；含义是故障修复时间，简化为设备故障时间风险值。
基于现有运营数据，上述公式简化为以下算法：
式中：1），其中列车运营公里单位为：万车公里；
表13 车辆系统设备故障率取值表
此公式中，用表示设备故障率风险值，表示车辆系统故障率，该公式表示其不同取值与风险值的对应关系。
2）；
表14 设备故障时间风险值取值表
或
注1：早高峰：7:00—9:00，晚高峰：17:00—19:00，其他运营时间为平峰时段；
注2：上述公式中，用表示设备故障时间风险值，表示设备故障时间，当故障时间处于早（晚）高峰时，代入前面的公式；当故障时间处于平峰时段代入后面的公式，该公式表示其不同取值与风险值的对应关系；
注3：如果故障的时间既有高峰时段，又有平峰时段，则最后故障时间的风险值为各时间段风险值之和。
3）；
表15 设备故障影响范围风险值
此公式中，用表示设备故障影响范围风险值，表示设备故障影响范围，该公式表示其不同取值与风险值的对应关系；
4）权重系数，是基于层次分析法和熵权法的主客观组合赋权法。
⑷信号系统影响运营风险指数
定义：信号系统影响运营风险指数是指以信号系统故障率，平均故障修复时间，故障影响程度为自变量建立的综合评价函数，用来表征信号系统故障对列车安全运行产生的风险。
指标说明：信号系统是确保城市轨道交通列车运行安全及提高运营效率的关键设备，其运行状态直接影响运营安全。联锁设备能监视和记录自身的工作状态和轨旁设备的状态，主要内容包括进路状态，轨道的占用或空闲，信号机显示状态监测及损坏报警，道岔位置及转辙机动作状态等。
指标计算：
式中：—统计期内，线路信号系统影响运营风险指数。—统计期内，线路信号系统故障率。—统计期内，信号系统平均故障修复时间。是第次故障修复时间，是信号故障导致的影响行车故障次数。—统计期内，信号故障影响运营里程，这里指受信号故障影响的运营里程可靠度。—统计期内，受延误（发晚，到晚）、掉线、清人、停运事件影响所耽误的列车正线运营里程。—统计期内，列车正线计划运营里程数。
特别说明：上述公式 含义是由于信号故障影响的运营里程，这里简化为实际运营数据中的设备影响故障范围风险值；是故障修复时间，是对故障起止时间的反映，简化为设备故障时间风险值。
基于现有运营数据，上述公式简化为以下算法：
式中：1），其中列车运营公里单位为：万公里；
表16 信号设备故障率风险值取值表
注：上述公式中，用表示设备故障率风险值，表示信号系统故障率，该公式表示其不同取值与风险值的对应关系。
2），其与风险值的关系见附表15；
3），设备故障影响范围与风险值的关系见附表16；
4）权重系数，是基于层次分析法和熵权法的主客观组合赋权法。
⑸供电系统影响运营风险指数
定义：供电系统影响运营风险指数是指，用来表征供电系统故障对列车安全运行产生的风险。
指标说明：供电系统是列车运营的关键设备，也是影响安全的一个重要环节。供电方式分为单边供电，双边供电和越区供电。如果供电臂只能从一端的变电所取得电流，那么其安全程度低于从两端相邻的变电所取得电流的供电方式。而当某一牵引变电所因为故障不能正常供电时，故障变电所所担负的供电臂，经开关设备与相邻的供电臂接通，由相邻牵引变电所进行临时供电，此时已是非正常供电方式，其安全状态程度低于双边供电。
指标计算：
式中：—统计期内，线路供电系统影响运营风险指数。—统计期内，区间强度； —统计期内，线路区间供电故障的时间； —统计期内，供电系统总运行时间。—统计期内，供电系统故障影响运营里程，这里指受供电系统故障影响的运营里程可靠度。—统计期内，受延误（发晚，到晚）、掉线、清人、停运事件影响所耽误的列车正线运营里程。—统计期内，列车正线计划运营里程数。
特别说明：上述公式 含义是由于供电故障影响的运营里程，是对列车运营列数的反映，所以这里简化为实际运营数据中的设备影响故障范围风险值；含义是故障修复时间，是对故障起止时间的反映，所以简化为设备故障时间风险值。
基于现有运营数据，上述公式简化为以下算法：
式中：1），其中列车运营公里单位为：万车公里；
表17 供电设备故障率风险值取值表
注：上述公式中，用表示设备故障率风险值，表示供电系统故障率，该公式表示其不同取值与风险值的对应关系。
2），其与风险值的关系见表2-2-15；
3），设备故障影响范围与风险值的关系见表15；
4）权重系数，是基于层次分析法和熵权法的主客观组合赋权法。
⑹通信系统影响运营风险指数
定义：通信系统影响运营风险指数是指以通信系统故障率，平均故障修复时间，故障影响程度为自变量建立的综合评价函数，用来表征通信系统故障对列车安全运行产生的风险。
指标说明：通信系统是列车运营的关键设备，也是影响安全的一个重要环节。通信系统包括传输系统，专用电话系统，闭路监视系统，广播系统，无线系统。
计算公式：
式中：—统计期内，线路通信系统影响运营风险指数。—统计期内，线路通信系统故障率。—统计期内，通信系统平均故障修复时间。是第次故障修复时间，是通信故障导致的影响行车故障次数。—统计期内，通信系统故障影响运营里程，这里指受通信故障影响的运营里程可靠度。—统计期内，受延误（发晚，到晚）、掉线、清人、停运事件影响所耽误的列车正线运营里程。—统计期内，列车正线计划运营里程数。
特别说明：上述公式 含义是由于通信故障影响的运营里程，是对列车运营列数的反映，所以这里简化为实际运营数据中的设备影响故障范围风险值；含义是故障修复时间，是对故障起止时间的反映，所以简化为设备故障时间风险值。
基于现有运营数据，上述公式简化为以下算法：
式中：1），其中列车运营公里单位为：万车公里；
表18 通信设备故障率取值表
注：上述公式中，用表示设备故障率风险值，表示通信系统故障率，该公式表示其不同取值与风险值的对应关系。
2），其与风险值的关系见附表15；
3），设备故障影响范围与风险值的关系见附表15；
4）权重系数，是基于层次分析法和熵权法的主客观组合赋权法。
⑺ 机电系统影响运营风险指数
定义：机电系统影响运营风险指数是指以机电系统故障率，平均故障修复时间，故障影响程度为自变量建立的综合评价函数，用来表征机电系统故障对列车安全运行产生的风险。
指标说明：机电系统是列车运营的关键设备，也是影响安全的一个重要环节，这里考虑区间隧道通风系统等。
计算公式：
式中：—统计期内，线路机电系统影响运营风险指数。—统计期内，线路机电系统故障率。—统计期内，机电系统平均故障修复时间。是第次故障修复时间，是机电故障导致的影响行车故障次数。—统计期内，机电故障影响运营里程，这里指受机电故障影响的运营里程可靠度。—统计期内，受延误（发晚，到晚）、掉线、清人、停运事件影响所耽误的列车正线运营里程。—统计期内，列车正线计划运营里程数。
特别说明：上述公式 含义是由于机电故障影响的运营里程，简化为实际运营数据中的设备影响故障范围风险值；含义是故障修复时间，简化为设备故障时间风险值。
基于现有运营数据，上述公式简化为以下算法：
式中：1），其中列车运营公里单位为：万车公里；
表19 机电设备故障率风险值取值表
注：上述公式中，用表示设备故障率风险值，表示机电系统故障率，该公式表示其不同取值与风险值的对应关系。
2），其与风险值的关系见表14；
3），设备故障影响范围与风险值的关系见表15；
4）权重系数，是基于层次分析法和熵权法的主客观组合赋权法。
⑻土建系统影响运营风险指数
定义：土建系统影响运营风险指数是指以土建系统故障率，平均故障修复时间，故障影响程度为自变量建立的综合评价函数，用来表征土建系统故障对列车安全运行产生的风险。
指标说明：土建系统主要考虑地下、高架结构与车站建筑设计及车辆基地和运营中心的设计，车站建筑设计主要考虑站台、通道与楼梯、车站出入口等。
指标计算：
式中：—统计期内，线路土建系统影响运营风险指数。—统计期内，线路土建系统故障率。—统计期内，土建系统平均故障修复时间。是第次故障修复时间，是土建故障导致的影响行车故障次数。—统计期内，土建故障影响运营里程，这里指受土建故障影响的运营里程可靠度。—统计期内，受延误（发晚，到晚）、掉线、清人、停运事件影响所耽误的列车正线运营里程。—统计期内，列车正线计划运营里程数。
特别说明：上述公式 含义是由于土建故障影响的运营里程，这里简化为实际运营数据中的设备影响故障范围风险值；含义是故障修复时间，简化为设备故障时间风险值。
基于现有运营数据，上述公式简化为以下算法：
式中：1），其中列车运营公里单位为：万车公里；
表20 土建设备故障率风险值取值表
注：上述公式中，用表示设备故障率风险值，表示土建故障率，该公式表示其不同取值与风险值的对应关系。
2），其与风险值的关系见表14；
3），设备故障影响范围与风险值的关系见表15；
4）权重系数，是基于层次分析法和熵权法的主客观组合赋权法。
⑼屏蔽门系统影响运营风险指数
定义：车站内屏蔽门系统实际正常开启次数与计划正常开启次数的比值。
指标说明：屏蔽门的故障状态的判定从其能否打开，能否关闭来考虑，屏蔽门的故障影响几列车。该指标反映了屏蔽门系统的正常使用情况，是车站安全评价的一个重要指标。
计算公式：
式中：—统计期内，车站屏蔽门系统影响运营风险指数； —统计期内，车站屏蔽门系统第个安全门的风险指数； —统计期内，线路中车站的屏蔽门系统风险指数； —统计期内，车站第个安全门计划正常开启次数； —统计期内，车站第个安全门故障次数； —车站的安全门总数； —车站第个安全门的基于故障率的权重系数。—统计期内，该线路中车站总数。
特别说明：基于可获得的实际数据，上述公式简化为以下算法：
式中：1），其与风险值的关系见表18；
表21 屏蔽门设备故障率风险值取值表
注：上述公式中，用表示设备故障率风险值，表示屏蔽门故障率，该公式表示其不同取值与风险值的对应关系。
2），其与风险值的关系见表14；
3），设备故障影响范围与风险值的关系见表15；
4）权重系数，是基于层次分析法和熵权法的主客观组合赋权法。
⑽线路系统影响运营风险指数
定义：线路系统影响运营风险指数是指以线路系统故障率，平均故障修复时间，故障影响程度为自变量建立的综合评价函数，用来表征线路系统故障对列车安全运行产生的风险。这里主要考虑轨道。
指标说明：线路系统主要考虑线路及附属系统。钢轨伤损是线路系统中一个比较突出的问题，它与行车安全、钢材选用和设计制造都有着密切的关系。这里考虑轨道的损伤程度状况。钢轨伤损根据伤损程度可分为轻伤、轻伤在发展、重伤和断轨。
计算公式：
式中： —统计期内，线路系统影响运营风险指数。—统计期内，线路第个区段轨道指数。—该线路第个区段中伤损钢轨的数量。—该线路第个区段中钢轨的总数量。—故障设备区段分布折算因子，是出现轨道伤损的区段个数与该线路区段总个数的比值。—表示对运营的影响程度等级，该值介于0到1之间，由多名专家给定经验值。
特别说明：上述公式含义是线路轨道故障的风险指数，是对轨道故障影响列车运营的反映，所以这里简化为实际运营数据中的设备影响故障范围风险值和设备故障时间风险值，含义是轨道故障个数，是对故障率反映，所以简化为设备故障率风险值。
基于现有运营数据，上述公式简化为以下算法：
式中：1），其与风险值的关系见表18；1），其中列车运营公里单位为：万公里；
表22 线路设备故障率风险值取值表
注：上述公式中，用表示设备故障率风险值，表示线路故障率，该公式表示其不同取值与风险值的对应关系。
2），其与风险值的关系见表14；
3），设备故障影响范围与风险值的关系见表15。
4）权重系数，是基于层次分析法和熵权法的主客观组合赋权法。
⑾AFC系统影响运营风险指数
定义：AFC系统影响运营风险指数是指以AFC系统故障率，平均故障修复时间，故障影响程度为自变量建立的综合评价函数，用来表征AFC系统故障对列车安全运行产生的风险。
指标说明：AFC系统是保障乘客顺利进站的重要环节，是评价城市轨道交通车站安全的重要指标，指标值越大，影响运营风险越大。
指标计算：
式中：—统计期内，线路AFC系统影响运营风险指数。—线路AFC系统故障的时间。—AFC系统总运行时间。—统计期内，受延误（发晚，到晚）、掉线、清人、停运事件影响所耽误的列车正线运营里程。—统计期内，列车正线计划运营里程数。—统计期内，线路中AFC系统设备发生故障的次数。—统计期，线路列车运营公里。
⑿安检系统影响运营风险指数
定义：安检系统影响运营风险指数是指以安检系统故障率，平均故障修复时间，故障影响程度为自变量建立的综合评价函数，用来表征安检系统故障对列车安全运行产生的风险。
指标说明：安检系统是保障乘客顺利进站的重要环节，是评价城市轨道交通车站安全的重要指标，指标值越大，影响运营风险越大。
指标计算：
式中：—统计期内，线路安检系统影响运营风险指数。—统计期内，线路安检系统故障的时间。—统计期内，安检系统总运行时间。—统计期内，受延误（发晚，到晚）、掉线、清人、停运事件影响所耽误的列车正线运营里程。—统计期内，列车正线计划运营里程数。—统计期内，线路中安检系统设备发生故障的次数。—统计期内，线路列车运营公里。
⒀其他因素影响运营风险指数
定义：其他因素影响运营风险指数是指以其他因素故障率，平均故障修复时间，故障影响程度为自变量建立的综合评价函数，用来表征其他因素故障对列车安全运行产生的风险。
指标说明：其他因素主要考虑地铁中除以上因素以为的影响运营的其他因素，如外界环境等。
指标计算：
式中：—统计期内，线路其他因素影响运营风险指数。—统计期内，线路其他因素故障的时间。—统计期内，其他因素总运行时间。—统计期内，受延误（发晚，到晚）、掉线、清人、停运事件影响所耽误的列车正线运营里程。—统计期内，列车正线计划运营里程数；—统计期内，线路中其他因素设备发生故障的次数。—统计期内，线路列车运营公里。
⒁线路车站客流综合指数
定义：线路中各车站客流综合指数的加权平均值。
指标说明：车站层客流指标包括进(出)站闸机负荷度、站台客流密度、楼梯拥挤度和通道拥挤度和自动扶梯拥挤度。
计算公式
式中：—线路中各车站客流综合指数； —车站点强度，即车站承载客流量与线路总客流量的比值； —车站的客流综合指数。
注：指标间的融合方法采用基于AHP的线性加权法。
⒂线路车站环境综合指数
定义：线路中各车站环境综合指数的加权平均值。
指标说明：车站层环境指标包括车站温度、湿度指数，车站PM2.5指数，车站PM10指数和车站CO2指数。
计算公式
式中：—线路车站环境综合指数； —车站点强度，即车站承载客流量与线路总客流量的比值； —车站的环境综合指数。
注：指标间的融合方法采用基于AHP的线性加权法。
⒃线路安全管理指数
定义：统计期内，城市轨道交通运营企业安全生产标准化考评指数。反映了地铁人员安全行为和安全意识的风险。
指标说明：线路安全管理指数是评价是评价城市轨道交通线路运营安全状管理效果的重要指标，指标评分越高，说明安全水平较高。
参考依据：国家安检总局下发:交通运输企业安全生产标准化达标考评指标之第二部分城市轨道交通运输企业安全生产达标考评指标。
表23 安全管理指数打分表
| 安全管理指数 | [0，2) | [2，4) | [4，6) | [6，8) | [8，10) |
| 考评分数 | （900，1000] | (700,900] | (600,700] | (400,600] | [0,400] |
注：评为一级达标企业的考评分数不低于900分（满分1000分，下同）且满足所有必备条件，评为二级达标企业的考评分数不低于700分且满足二、三级必备条件，评为三级达标企业的考评分数不低于600分且满足三级必备条件。
计算公式：
式中，y为线路安全管理指数值，x为线路安全评价打分值；
⒄线路等效事故率
定义：线路在特定时间内，事故发生的次数、伤亡人数、经济损失的风险水平。
指标说明：该指标综合反映了线路在特定时间内的风险水平，是评价城市轨道交通线路运营安全状态和管理效果的重要参考依据。
计算公式：
式中：—统计期内，线路等效事故率； —统计期内，事故的个数； —统计期内，事故的事故折算因子； —百万车公里。
风险水平如表所示：
表24地铁事故风险水平表
| 风险水平 | 不可接受 | 可接受 | 可忽略 |
| 年度百万车公里等效事故率 | >0.65 | 0.65~0.2 | <0.2 |
表25事故折算因子
| 事故等级 | 责任事故因子 |
| 特别重大事故 | 100 |
| 重大事故 | 22 |
| 大事故 | 11 |
| 险性事故 | 3.5 |
| 一般事故 | 1 |
2.区间二型模糊数
定义1. 一个定义在论域上的区间二型模糊集可表示为
其中，是主要变量，是主要变量的隶属度函数，是次要变量，且是主要变量的次要隶属度函数。
定义2. 一个定义在论域上的区间二型模糊集可表示为
其中，是主要变量，是主要变量的隶属度函数，是次要变量，且是主要变量的次要隶属度函数。
二型模糊集中的所有元素与其所有主隶属度值组成的集合称为不确定性的轨迹（Footprint of Uncertainty, FOU）具体定义如下。
其中，是一个区域，由上限成员函数（Upper membership function, UMF）和下限成员函数（Lower membership function, LMF）的中间区域组成，且UMF和LMF均为一型模糊集。
区间二型模糊集是二型模糊集的特例，相对于一型模糊集，它能更好地描述不确定性，而与一般二型模糊集相比，其次隶属度值全为1，避免了次隶属度函数的选取，集合计算大大简化，所以区间二型模糊集通常被用于解决不确定信息决策问题。
3. 截集水平下的模糊TOPSIS集成法
TOPSIS法是一种逼近理想解的排序方法，其基本思路是：首先根据规范化的初始决策矩阵找出有限方案中的正理想解和负理想解，然后计算各个评价对象与正理想解和负理想解的距离，从而得到各评价方案与最优方案的相对接近程度，最后进行排序，并以此作为方案优劣评价的依据。
假定模糊多属性决策问题的决策方案集为，属性集为。对于方案，依据属性进行测度，得到关于的属性值为三角模糊数，从而构成模糊决策矩阵。
其中，为属性的权重向量，且满足和。
设三角模糊数，现将Wang和Elhag提出的模糊TOPSIS法求解步骤列举如下。
（1）标准化决策矩阵，其计算公式为
其中
。
（2）正理想解和负理想解的确定
模糊决策矩阵的正理想解和负理想解可定义为
（3）设置截集，计算其相应的决策矩阵。
（4）依据非线性规划模型，计算在截集水平下对应的所有备选方案的模糊相对相似度。
备选方案与正理想解的相对相似度可定义为
因为是个区间值，其上限和下限求得方法分别对应分段规划模型
其中，和分别是评价值和权重在截集为水平时的集合。
（5）求解所有截集下的平均模糊相对相似性，该平均模糊集合的去模糊化方法如式所示。
（6）依据公式的计算结果，对所有备选方案进行排序，值越大，备选方案越靠近理想方案。
本发明具有如下有益效果：
（1）本发明客观选取的指标可定量化，准确地反映各指标的实时状态。
（2）运用区间二型模糊数能够客观地表达各指标权重的不确定性。
（3）对轨道交通线路运营进行动态安全评价，准确及时地掌握轨道交通线路实时的安全状态。
（4）首次将区间二型模糊数和TOPSIS集成法结合的方法运用在轨道交通安全评价领域。
附图说明
图1 为城市轨道交通线路运营安全评价指标体系图。
图2 为不同截集水平下客流指标的模糊相对相似度示意图。
图3 为不同截集水平下设备指标的模糊相对相似度示意图。
图4 为不同截集水平下线路车站指标的模糊相对相似度示意图。
图5 为不同截集水平下线路运营安全的模糊相对相似度示意图。
图6 为不同截集水平下轨道交通线路动态安全评价下的模糊相对相似度示意图。
图7为线路动态安全评价结果示意图。
具体实施方式
以某城市轨道交通某路网某一时刻为例进行计算，指标体系如图1所示。表1给出了权重的语言变量和相应的二型模糊集。
表1 权重的语言变量和相应的二型模糊数
| 语言变量 | 二型模糊数 |
| Very Unimportant (VU) | ((0,0,1.15)(0,0,4.61);0.7,1) |
| Unimportant (U) | ((2.79,2.31,3.71)(0.42,3.13,5.41);0.7,1) |
| Medium (M) | ((2.79,3.34,3.67)(1.59,3.55,6.26);0.7,1) |
| Important (I) | ((6.29,6.67,7.17)(4.59,6.58,9.5);0.7,1) |
| Very Important (VI) | ((9.3,10,10)(6.37,10,10);0.7,1) |
为了获取某线路某一时刻的实时安全状态，在现场部署了数据采集设备，某一时刻下各指标的值计算结果如表2所示。
表2 某一时刻下各指标的值
| 指标 | 值 | 指标 | 值 | 指标 | 值 |
| C1 | 0.57 | C7 | 0.15 | C13 | 0.02 |
| C2 | 0.42 | C8 | 0.06 | C14 | 0.42 |
| C3 | 0.17 | C9 | 0.07 | C15 | 0.23 |
| C4 | 0.08 | C10 | 0.07 | C16 | 0.16 |
| C5 | 0.12 | C11 | 0.02 | C17 | 0.02 |
| C6 | 0.11 | C12 | 0.03 |
首先，以客流指标为例来展示区间二型模糊数和TOPSIS集成法的计算过程。三位决策者对客流指标的两个准则重要度进行判断，表3给出了决策对客流指标的原始决策信息，并可计算出各指标的综合平均二型模糊数。
表3 客流指标的决策信息及综合平均二型模糊数
| 指标 | DM1 | DM2 | DM3 | 综合平均二型模糊数 |
| C1 | VI | I | VI | ((0.83,0.89,0.91)(0.58,0.89,0.98);0.7,1) |
| C2 | I | VI | I | ((0.73,0.78,0.81)(0.52,0.77,0.97);0.7,1) |
因为指标值越大，意味着越安全，所以正理想解为，负理想解为。
为了能够精确地计算模糊相对相似度，设置11个不同的截集水平，=0,0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0。计算结果如表4和图2所示。
表4 不同截集水平下客流指标的模糊相对相似度
| AU | AL | |
| 0 | [0.4635,0.5398] | [0.4890,0.5031] |
| 0.1 | [0.4665,0.5351] | [0.4905,0.5012] |
| 0.2 | [0.4695,0.5310] | [0.4913,0.5002] |
| 0.3 | [0.4726,0.5260] | [0.4921,0.4992] |
| 0.4 | [0.4757,0.5218] | [0.4929,0.4982] |
| 0.5 | [0.4788,0.5167] | [0.4937,0.4972] |
| 0.6 | [0.4819,0.5125] | [0.4945,0.4962] |
| 0.7 | [0.4850,0.5074] | [0.4953,0.4953] |
| 0.8 | [0.4882,0.5033] | - |
| 0.9 | [0.4913,0.4983] | - |
| 1.0 | [0.4943,0.4943] | - |
同理可得设备影响运营指标、线路车站指标的模糊相对相似度，如图3、图4所示。
轨道交通线路决策矩阵包括客流指标、设备指标、车站线路指标、管理指标和事故指标的模糊相对相似度。表5给出了这五类指标权重的模糊相对相似度。
表5 五类指标的二型模糊数
| 指标 | DM1 | DM2 | DM3 | 二型模糊数 |
| B1 | VI | I | I | ((0.73,0.78,0.81)(0.52,0.77,0.97);0.7,1) |
| B2 | VI | VI | VI | ((0.93,1,1)(0.64,1,1);0.7,1) |
| B3 | I | I | I | ((0.63,0.67,0.72)(0.46,0.66,0.95);0.7,1) |
| B4 | M | U | I | ((0.4,0.44,0.49)(0.22,0.44,0.71);0.7,1) |
| B5 | I | I | I | ((0.63,0.67,0.72)(0.46,0.66,0.95);0.7,1) |
轨道交通线路安全评价结果如表6和图5所示。去模糊化的值越高，表示越安全，通过计算，去模糊化值，值越接近1，表示该线路运营越安全。该结果较客观地反映了该线路运营的安全状态，与实际情况也较为符合。
表6 不同截集水平下线路运营安全状态的模糊相对相似度
参照此方法，我们根据实时更新的数据不断地更新评价结果，从而实现对轨道交通线路安全的动态评价。图6给出了动态评价过程中的模糊相对相似度。
根据评价指标体系以及指标算法特点，可将线路安全等级划分为3级如表7所示。
表7 线路运营安全等级
根据线路运营安全等级的划分，线路动态安全评价的结果如图7所示。t 1 时刻时，RC值为0.7625，说明线路处于较低风险状态，但是日常监测仍需引起注意， t 2 和t 3 时刻时，RC值分别为0.8027、0.8399，说明线路该时刻处于低风险状态下。该结果比较可观地反映出该线路的实时安全状态，与实际情况较为符合。
Claims (3)
1.一种安全风险评价方法，特别是应用于轨道交通线路的动态安全风险评价方法，其特征在于，该方法包括以下步骤：
（一）确定轨道交通线路动态安全风险评价指标：上行区间客流风险指数、下行区间客流风险指数、车辆系统影响运营风险指数、信号系统影响运营风险指数、供电系统影响运营风险指数、通信系统影响运营风险指数、机电系统影响运营风险指数、土建系统影响运营风险指数、屏蔽门系统影响运营风险指数、线路系统影响运营风险指数、AFC系统影响运营风险指数、安检系统影响运营风险指数、其他因素影响运营风险指数、线路车站客流综合指数、线路车站环境综合指数、线路安全管理指数、线路等效事故率；
（二）根据现场设备所采集的数据分别计算上述各项动态指标的指标值；
（三）采用不同截集水平下模糊TOPSIS集成法评价线路安全状态，其中步骤（一）中各项指标的权重 采用区间二型模糊数，而各项指标的评价值xj为步骤（二）中计算出的各项指标的指标值。
2.根据权利要求1所述的安全风险评价方法，其特征在于，步骤（二）中的计算各项指标值的具体方法为：
（1）上行区间客流风险指数计算公式：
式中：—统计期内，线路上行区间客流风险指数； —高峰小时最大断面满载率值； —线路断面满载率平均值； —线路中区间满载率值>70%的区间个数； —线路区间总个数； nt—统计期内，线路中存在区间满载率>100%的小时个数； —线路运营总小时数；w1、w2、w3—权重系数；
⑵下行区间客流风险指数计算公式：
式中：—统计期内，线路下行区间客流风险指数； —高峰小时最大断面满载率值； —线路断面满载率平均值； —线路中区间满载率值>70%的区间个数； —线路区间总个数； —统计期内，线路中存在区间满载率>100%的小时个数； —线路运营总小时数； w1、w2、w3—权重系数；
⑶车辆系统影响运营风险指数计算公式：
式中：—统计期内，线路车辆系统影响运营风险指数；—统计期内，线路车辆系统故障率；—统计期内，车辆系统平均故障修复时间；—统计期内，第次故障修复时间（按照设备故障记事信息统计的故障起止时间之差）； —统计期内，车辆故障导致的影响行车故障次数；—统计期内，车辆故障影响运营里程，这里指受车辆故障影响的的运营里程可靠度；—统计期内，受延误、掉线、清人、停运事件影响所耽误的列车正线运营里程；—统计期内，列车正线计划运营里程数；
⑷信号系统影响运营风险指数计算公式：
式中：—统计期内，线路信号系统影响运营风险指数；—统计期内，线路i信号系统故障率；—统计期内，信号系统平均故障修复时间；ti是第i次故障修复时间，nsig是信号故障导致的影响行车故障次数；—统计期内，信号故障影响运营里程，这里指受信号故障影响的运营里程可靠度；—统计期内，受延误、掉线、清人、停运事件影响所耽误的列车正线运营里程；—统计期内，列车正线计划运营里程数；
⑸供电系统影响运营风险指数计算公式：
式中：—统计期内，线路供电系统影响运营风险指数；—统计期内，区间强度； —统计期内，线路区间供电故障的时间； —统计期内，供电系统总运行时间；—统计期内，供电系统故障影响运营里程，这里指受供电系统故障影响的运营里程可靠度；—统计期内，受延误、掉线、清人、停运事件影响所耽误的列车正线运营里程；—统计期内，列车正线计划运营里程数；ω1ω2—权重系数；
⑹通信系统影响运营风险指数计算公式：
式中：—统计期内，线路通信系统影响运营风险指数；—统计期内，线路通信系统故障率；—统计期内，通信系统平均故障修复时间；是第次故障修复时间，是通信故障导致的影响行车故障次数；—统计期内，通信系统故障影响运营里程，这里指受通信故障影响的运营里程可靠度；—统计期内，受延误、掉线、清人、停运事件影响所耽误的列车正线运营里程；—统计期内，列车正线计划运营里程数；
⑺ 机电系统影响运营风险指数计算公式：
式中：—统计期内，线路机电系统影响运营风险指数；—统计期内，线路机电系统故障率；—统计期内，机电系统平均故障修复时间；ti是第i次故障修复时间，njd是电故障导致的影响行车故障次数；—统计期内，机电故障影响运营里程，这里指受机电故障影响的运营里程可靠度；—统计期内，受延误、掉线、清人、停运事件影响所耽误的列车正线运营里程；—统计期内，列车正线计划运营里程数；
⑻土建系统影响运营风险指数计算公式：
式中：—统计期内，线路土建系统影响运营风险指数；—统计期内，线路i土建系统故障率；—统计期内，土建系统平均故障修复时间；ti是第i次故障修复时间，ntj是土建故障导致的影响行车故障次数；—统计期内，土建故障影响运营里程，这里指受土建故障影响的运营里程可靠度；—统计期内，受延误、掉线、清人、停运事件影响所耽误的列车正线运营里程；—统计期内，列车正线计划运营里程数；
⑼屏蔽门系统影响运营风险指数计算公式：
式中：—统计期内，车站屏蔽门系统影响运营风险指数； pi—统计期内，车站屏蔽门系统第i个安全门的风险指数； —统计期内，线路中车站j的屏蔽门系统风险指数； —统计期内，车站j第i个安全门计划正常开启次数； —统计期内，车站j第i个安全门故障次数； k—车站j的安全门总数； —车站j第i个安全门的基于故障率的权重系数；m—统计期内，该线路中车站总数；
⑽线路系统影响运营风险指数计算公式：
式中： —统计期内，线路系统影响运营风险指数；—统计期内，线路i第j个区段轨道指数；—该线路第个区段中伤损钢轨的数量；—该线路第i个区段中钢轨的总数量；—故障设备区段分布折算因子，是出现轨道伤损的区段个数与该线路区段总个数的比值；—表示对运营的影响程度等级，该值介于0到1之间，由多名专家给定经验值；
⑾AFC系统影响运营风险指数计算公式：
式中：—统计期内，线路AFC系统影响运营风险指数；—线路AFC系统故障的时间；—AFC系统总运行时间；—统计期内，受延误、掉线、清人、停运事件影响所耽误的列车正线运营里程；—统计期内，列车正线计划运营里程数；—统计期内，线路中AFC系统设备发生故障的次数；—统计期，线路列车运营公里; ω1ω2ω3—权重系数；
⑿安检系统影响运营风险指数计算公式：
式中：—统计期内，线路安检系统影响运营风险指数；—统计期内，线路安检系统故障的时间；—统计期内，安检系统总运行时间；—统计期内，受延误、掉线、清人、停运事件影响所耽误的列车正线运营里程；—统计期内，列车正线计划运营里程数；—统计期内，线路中安检系统设备发生故障的次数；—统计期内，线路列车运营公里；ω1ω2ω3—权重系数；
⒀其他因素影响运营风险指标计算公式：
式中：—统计期内，线路其他因素影响运营风险指数；—统计期内，线路其他因素故障的时间；—统计期内，其他因素总运行时间；—统计期内，受延误、掉线、清人、停运事件影响所耽误的列车正线运营里程；—统计期内，列车正线计划运营里程数；—统计期内，线路中其他因素设备发生故障的次数；—统计期内，线路列车运营公里；ω1ω2ω3—权重系数；
⒁线路车站客流综合指数计算公式
式中：—线路中各车站客流综合指数； —车站点强度，即车站Sij承载客流量与线路总客流量的比值； —车站Sij的客流综合指数；
⒂线路车站环境综合指数计算公式：
式中：—线路车站环境综合指数； —车站点强度，即车站Sij承载客流量与线路总客流量的比值； —车站Sij的环境综合指数；
⒃线路安全管理指数计算公式：
式中，y为线路安全管理指数值，x为线路安全评价打分值；
⒄线路等效事故率计算公式：
式中：—统计期内，线路i等效事故率； yj—统计期内，事故j的个数； —统计期内，事故j的事故折算因子；—百万车公里。
3.如权利要求1或2所述的安全评价方法，其特征在于，步骤（三）中采用不同截集水平下模糊TOPSIS集成法评价线路安全状态具体步骤如下：
（1）确定评价向量为,j=1,2…,17，xj为线路评价指标的评价值；
（2）确定评价向量的正理想解为，负理想解为 ；
（3）设置不同截集，确定不同截集下的评价向量；
（4）依据非线性规划模型，计算在不同截集水平下方案的模糊相对相似度：
;j=1,2,…,m;m=17;
其中，是评价值xj在截集为水平时的集合；为在截集为水平时区间模糊相对相似度的上限，为在截集为水平时区间模糊相对相似度的下限；
（5）求解所有不同截集 j下的平均模糊相对相似度：
（6）依据步骤（5）的计算结果，RC* j值越靠近1，线路安全性越高。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410469305.7A CN104217367B (zh) | 2014-09-16 | 2014-09-16 | 一种轨道交通线路动态安全风险评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410469305.7A CN104217367B (zh) | 2014-09-16 | 2014-09-16 | 一种轨道交通线路动态安全风险评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104217367A true CN104217367A (zh) | 2014-12-17 |
| CN104217367B CN104217367B (zh) | 2017-10-03 |
Family
ID=52098820
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410469305.7A Active CN104217367B (zh) | 2014-09-16 | 2014-09-16 | 一种轨道交通线路动态安全风险评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104217367B (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104678951A (zh) * | 2015-01-16 | 2015-06-03 | 管仁初 | 一种ctcs-3级列控车载实时信息抽取方法装置 |
| CN105096601A (zh) * | 2015-08-18 | 2015-11-25 | 安徽四创电子股份有限公司 | 基于公交移动wifi热点的线路满载率实时计算方法 |
| CN106651182A (zh) * | 2016-12-25 | 2017-05-10 | 北京工业大学 | 基于熵权重的轨道客流拥塞风险评价方法 |
| CN107631890A (zh) * | 2017-10-16 | 2018-01-26 | 中国铁道科学研究院 | 动车组指标分析方法及系统 |
| CN107767040A (zh) * | 2017-10-10 | 2018-03-06 | 东南大学 | 基于网络的城市轨道交通大客流车站安全评估指标系统 |
| CN108171441A (zh) * | 2018-01-17 | 2018-06-15 | 盐城工学院 | 一种地铁车站安全状态评估方法及系统 |
| CN108447265A (zh) * | 2018-05-21 | 2018-08-24 | 东南大学 | 基于topsis法的公路交通事故黑点路段鉴别方法 |
| CN109300076A (zh) * | 2018-11-15 | 2019-02-01 | 中车株洲电力机车有限公司 | 一种轨道交通车辆故障数据分析方法 |
| CN109583734A (zh) * | 2018-11-21 | 2019-04-05 | 北京交通大学 | 枢纽机场旅客捷运系统的车站和线路运营安全评价方法 |
| CN109572763A (zh) * | 2018-12-11 | 2019-04-05 | 中南大学 | 一种基于恶劣天气和晚点条件下列车车次安全性评估方法 |
| CN110826937A (zh) * | 2019-11-25 | 2020-02-21 | 山西省交通规划勘察设计院有限公司 | 一种公路危险路段辨识方法 |
| CN111489104A (zh) * | 2020-04-28 | 2020-08-04 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种铁路电务安全指数的评价方法 |
| CN111598448A (zh) * | 2020-05-15 | 2020-08-28 | 青岛理工大学 | 一种基于混凝土t型梁火灾后损伤评估方法 |
| CN112925258A (zh) * | 2021-01-25 | 2021-06-08 | 南京柏王智能装备科技有限公司 | 一种基于大数据物联网的安全监控智能管理系统 |
| CN112967420A (zh) * | 2021-04-01 | 2021-06-15 | 华东交通大学 | 一种基于区间二型的重载列车运行过程监控方法及系统 |
| CN113112115A (zh) * | 2021-03-09 | 2021-07-13 | 同济大学 | 一种深部地下地铁车站综合现时评价方法 |
| CN113723827A (zh) * | 2021-09-01 | 2021-11-30 | 山东大学 | 地铁机电设备运行风险诊断及运维管控方法与系统 |
| CN114399234A (zh) * | 2022-03-25 | 2022-04-26 | 北京交通大学 | 地铁站的区域集中管理方法和系统 |
| CN115759535A (zh) * | 2022-11-22 | 2023-03-07 | 北京轨道交通路网管理有限公司 | 轨道交通运行图的分析方法及装置 |
-
2014
- 2014-09-16 CN CN201410469305.7A patent/CN104217367B/zh active Active
Non-Patent Citations (2)
| Title |
|---|
| 于丽英: ""基于α－水平截集的模糊TOPSIS方法在公共危机管理能力评价中的应用研究"", 《运筹与管理》 * |
| 李曼: ""城市轨道交通运营安全综合评估模型研究"", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104678951A (zh) * | 2015-01-16 | 2015-06-03 | 管仁初 | 一种ctcs-3级列控车载实时信息抽取方法装置 |
| CN104678951B (zh) * | 2015-01-16 | 2017-11-28 | 管仁初 | 一种ctcs‑3级列控车载实时信息抽取装置 |
| CN105096601A (zh) * | 2015-08-18 | 2015-11-25 | 安徽四创电子股份有限公司 | 基于公交移动wifi热点的线路满载率实时计算方法 |
| CN106651182A (zh) * | 2016-12-25 | 2017-05-10 | 北京工业大学 | 基于熵权重的轨道客流拥塞风险评价方法 |
| CN107767040A (zh) * | 2017-10-10 | 2018-03-06 | 东南大学 | 基于网络的城市轨道交通大客流车站安全评估指标系统 |
| CN107767040B (zh) * | 2017-10-10 | 2021-07-27 | 东南大学 | 基于网络的城市轨道交通大客流车站安全评估指标系统 |
| CN107631890A (zh) * | 2017-10-16 | 2018-01-26 | 中国铁道科学研究院 | 动车组指标分析方法及系统 |
| CN108171441A (zh) * | 2018-01-17 | 2018-06-15 | 盐城工学院 | 一种地铁车站安全状态评估方法及系统 |
| CN108447265A (zh) * | 2018-05-21 | 2018-08-24 | 东南大学 | 基于topsis法的公路交通事故黑点路段鉴别方法 |
| CN109300076A (zh) * | 2018-11-15 | 2019-02-01 | 中车株洲电力机车有限公司 | 一种轨道交通车辆故障数据分析方法 |
| CN109583734A (zh) * | 2018-11-21 | 2019-04-05 | 北京交通大学 | 枢纽机场旅客捷运系统的车站和线路运营安全评价方法 |
| CN109572763A (zh) * | 2018-12-11 | 2019-04-05 | 中南大学 | 一种基于恶劣天气和晚点条件下列车车次安全性评估方法 |
| CN109572763B (zh) * | 2018-12-11 | 2020-02-18 | 中南大学 | 一种基于恶劣天气和晚点条件下列车车次安全性评估方法 |
| CN110826937A (zh) * | 2019-11-25 | 2020-02-21 | 山西省交通规划勘察设计院有限公司 | 一种公路危险路段辨识方法 |
| CN110826937B (zh) * | 2019-11-25 | 2023-04-18 | 山西省交通规划勘察设计院有限公司 | 一种公路危险路段辨识方法 |
| CN111489104A (zh) * | 2020-04-28 | 2020-08-04 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种铁路电务安全指数的评价方法 |
| CN111598448B (zh) * | 2020-05-15 | 2021-05-18 | 青岛理工大学 | 一种基于混凝土t型梁火灾后损伤评估方法 |
| CN111598448A (zh) * | 2020-05-15 | 2020-08-28 | 青岛理工大学 | 一种基于混凝土t型梁火灾后损伤评估方法 |
| CN112925258A (zh) * | 2021-01-25 | 2021-06-08 | 南京柏王智能装备科技有限公司 | 一种基于大数据物联网的安全监控智能管理系统 |
| CN113112115A (zh) * | 2021-03-09 | 2021-07-13 | 同济大学 | 一种深部地下地铁车站综合现时评价方法 |
| CN112967420A (zh) * | 2021-04-01 | 2021-06-15 | 华东交通大学 | 一种基于区间二型的重载列车运行过程监控方法及系统 |
| CN113723827A (zh) * | 2021-09-01 | 2021-11-30 | 山东大学 | 地铁机电设备运行风险诊断及运维管控方法与系统 |
| CN113723827B (zh) * | 2021-09-01 | 2023-09-15 | 山东大学 | 地铁机电设备运行风险诊断及运维管控方法与系统 |
| CN114399234B (zh) * | 2022-03-25 | 2022-06-10 | 北京交通大学 | 地铁站的区域集中管理方法和系统 |
| CN114399234A (zh) * | 2022-03-25 | 2022-04-26 | 北京交通大学 | 地铁站的区域集中管理方法和系统 |
| CN115759535A (zh) * | 2022-11-22 | 2023-03-07 | 北京轨道交通路网管理有限公司 | 轨道交通运行图的分析方法及装置 |
| CN115759535B (zh) * | 2022-11-22 | 2023-07-11 | 北京轨道交通路网管理有限公司 | 轨道交通运行图的分析方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104217367B (zh) | 2017-10-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104217367B (zh) | 一种轨道交通线路动态安全风险评价方法 | |
| CN109784782B (zh) | 基于模糊推理的地铁供电系统动态风险分析评估方法 | |
| Wu et al. | Research on the operation safety evaluation of urban rail stations based on the improved TOPSIS method and entropy weight method | |
| CN104217297B (zh) | 一种轨道交通车站动态安全风险评价方法 | |
| Sangiorgio et al. | A new index to evaluate the safety performance level of railway transportation systems | |
| Ding et al. | The safety management of urban rail transit based on operation fault log | |
| Weng et al. | Development of a maximum likelihood regression tree-based model for predicting subway incident delay | |
| CN111680940A (zh) | 一种区域轨道交通线网安全水平评价方法及系统 | |
| CN104240030B (zh) | 一种轨道交通路网动态安全风险评价方法 | |
| CN110843870A (zh) | 一种非正常事件下高铁路网图定能力保持方法 | |
| CN103678924A (zh) | 轨道交通车辆关键部件故障模式风险优先数的确定方法 | |
| CN105719510A (zh) | 车联网环境下道路交通事故链阻断系统的效率评价方法 | |
| 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 | |
| CN104616496A (zh) | 基于突变理论的电网大停电交通拥堵度评估方法 | |
| CN116307728A (zh) | 一种基于大数据分析的地铁线路运行风险管理系统 | |
| Wang et al. | Hazards correlation analysis of railway accidents: A real-world case study based on the decade-long UK railway accident data | |
| Di Graziano et al. | A risk-based decision support system in local railways management | |
| CN117864216A (zh) | 基于ai的轨道交通动态安全预警系统 | |
| Hu et al. | Research on entropy based corrective maintenance difficulty estimation of metro signaling | |
| Shi et al. | Research on key risk chain mining method for urban rail transit operations: A new approach to risk management | |
| CN114358539A (zh) | 一种基于风险的铁路运营安全判识方法 | |
| CN111666528A (zh) | 沿海台风地区输电线路杆塔改造优先度评估方法 | |
| Qing et al. | Evaluating regional rail transit safety: a matter-element analysis method | |
| Lu et al. | Research on urban rail transit operation safety evaluation system based on ISM | |
| Chen | The multi-level urban rail traffic safety based on fuzzy TOPSIS evaluation research |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |