CN104636513A - 一种城市轨道交通列车安全关键系统的识别方法 - Google Patents

一种城市轨道交通列车安全关键系统的识别方法 Download PDF

Info

Publication number
CN104636513A
CN104636513A CN201310553771.9A CN201310553771A CN104636513A CN 104636513 A CN104636513 A CN 104636513A CN 201310553771 A CN201310553771 A CN 201310553771A CN 104636513 A CN104636513 A CN 104636513A
Authority
CN
China
Prior art keywords
faults
transit train
equivalent
cumulative frequency
curve
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
Application number
CN201310553771.9A
Other languages
English (en)
Inventor
刘光武
贾利民
蔡昌俊
季常煦
张蜇
贠丽芬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiaotong University
Guangzhou Metro Corp
Original Assignee
Beijing Jiaotong University
Guangzhou Metro Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University, Guangzhou Metro Corp filed Critical Beijing Jiaotong University
Priority to CN201310553771.9A priority Critical patent/CN104636513A/zh
Publication of CN104636513A publication Critical patent/CN104636513A/zh
Pending legal-status Critical Current

Links

Abstract

本发明提出了一种城市轨道交通列车安全关键系统的识别方法，通过采集城市轨道交通列车各子系统的故障数量和危害类型，计算城市轨道交通列车各子系统的当量故障数量，计算累计频率，绘制当量故障累计频率曲线，求解曲线的突变点，进而识别城市轨道交通列车的安全关键系统。

Description

一种城市轨道交通列车安全关键系统的识别方法
技术领域
本发明属于交通安全工程领域，具体涉及一种城市轨道交通列车安全关键系统的识别方法。
背景技术
城市轨道交通列车运行于地下或高架桥上的半封闭空间里，具有环境封闭、空间狭小、人员和设备高度密集的特点，一旦发生行车事故，将产生巨大的人身伤害和财产损失，而事故多由列车子系统功能失效引起，这些故障的分布和危害是不均匀的。近年来，世界各国高度重视城市轨道交通的行车安全，在城市轨道交通行车的安全性评价与分析方面开展了若干方面的研究，其评价分析方法主要为定性分析方法，包括模糊综合评价方法、层次分析法等，但两种方法的缺点是权重的设定受到人们的主观影响，很难得到理想的结果。
发明内容
考虑列车子系统故障数量和危害程度两个因素，采用累计频率方法，评价各子系统对于行车安全的影响程度大小，一方面鉴别出影响行车安全的关键系统，有助于寻找行车事故多发的原因，为行车事故的预测和防治提供依据；另一方面通过研究行车事故与列车子系统之间的关系，识别列车安全关键系统的缺陷，提出相应的对策改进行车安全状况，尤其是在资金不足的情况下，优先维修改善列车安全关键系统的性能具有重要的现实意义。
本发明实施例提供了一种城市轨道交通列车安全关键系统的识别方法，包括：
计算机采集城市轨道交通列车各子系统的故障数量和危害类型信息，所述危害类型信息包括救援故障数，清客故障数及延误故障数；
所述计算机计算城市轨道交通列车各子系统的当量故障数量；
所述计算机根据所述当量故障数量，计算累计频率；
所述计算机根据所述累计频率，绘制当量故障累计频率曲线，求解曲线的突变点。
通过本发明提供的方法，计算机通过采集城市轨道交通列车各子系统的故障数量和危害类型，计算城市轨道交通列车各子系统的当量故障数量，计算累计频率，绘制当量故障累计频率曲线，求解曲线的突变点，进而识别城市轨道交通列车的安全关键系统。解决了现有技术中故障识别效果差的问题，提高了故障识别率。
附图说明
图1是城市轨道交通列车安全关键系统的识别方法流程图；
图2是当量故障累计频率曲线图。
具体实施方式
图1是城市轨道交通列车安全关键系统的识别方法流程图，该方法包括：
S101、计算机采集城市轨道交通列车各子系统的故障数量和危害类型信息，所述危害类型信息包括救援故障数，清客故障数及延误故障数；
其中，采集的方式可以是通过各子系统进行上报，也可以是通过事先录入其数据库，本发明实施例对此并无限制。
S102、所述计算机计算城市轨道交通列车各子系统的当量故障数量；
所述计算机计算城市轨道交通列车各子系统的当量故障数量，具体为：设置救援故障的权值为3，清客故障的权值为2，延误故障的权值为1，根据公式EF=n+3S+2C+D计算当量故障数量，其中，EF为所述当量故障数量，n为所述城市轨道交通列车各子系统的故障数量，S为所述救援故障数，C为所述清客故障数，D为所述延误故障数。
本发明实施例中，应用此公式分别计算每个列车子系统的当量故障数，计算数据和结果如下表1所示：
表1
S103、所述计算机根据所述当量故障数量，计算累计频率；
首先，需要对所述当量故障数量按照不同方案进行分组；
根据组距确定原则5<=预设值<=12，不同的预设值对应不同的分组方案；
获取计算出的当量故障数量中的最大值及最小值，计算出不同预设值对应的不同组距，所述组距为所述最大值与最小值的差与所述预设值的比值。
本发明实施例中，考虑拟合曲线的准确性要求，要求分组尽可能多，即(最大值-最小值)/组距取较大值，计算取值为12,11,10时的组距为：
方案一：取值为12：（426-11）/12=34.6,分组数为13组。
方案二：取值为11：（426-11）/11=37.7；分组数为12组。
方案三：取值为10：（426-11）/10=41.5；分组数为11组。
其次，求出每组数据内局部方差之和，确定所述不同方案中所述局部方差之和最小的分组方案；
根据公式求出所述局部方差之和，其中，xij为第i组的第j个数据，ni为第i组的数据个数。
通过计算3中不同的分组方案的局部方差之和，方案三的局部方差之和最小。因此，将组距应设为41.5，近似取40为组距，分组结果如下表2所示：
表2
组号 组上限 组下限
1 0 40
2 40 80
3 80 120
4 120 160
5 160 200
6 200 240
7 240 280
8 280 320
9 320 360
10 360 400
11 400 440
最后，根据公式计算累计频率，其中，为故障数小于等于m1的故障系统个数，N为故障系统总数量。
计算结果如下表3所示：
表3
组号 组上限 组下限 累计频率
1 0 40 0.46
2 40 80 0.54
3 80 120 0.77
4 120 160 0.77
5 160 200 0.77
6 200 240 0.77
7 240 280 0.85
8 280 320 0.85
9 320 360 0.92
10 360 400 0.92
11 400 440 1
S104、所述计算机根据所述累计频率，绘制当量故障累计频率曲线，求解曲线的突变点。
需要说明的是，突变点为曲线二次导数为零的点，计算机通过MATLAB拟合得出拟合曲线Y=-0.00020038x4+0.0062785x3-0.068246x2+0.33273x+0.16886，如图2所示。按照曲线的趋势计算曲线的突变点（二次导数为0），突变点的累计频率约为85%，组号为7，当量故障数在240以上的系数数量占23%，而当量故障数占68%。对应的关键系统为信号接口系统、车门系统、牵引/电制动系统。

Claims (6)

1.一种城市轨道交通列车安全关键系统的识别方法，其特征在于，包括：
计算机采集城市轨道交通列车各子系统的故障数量和危害类型信息，所述危害类型信息包括救援故障数，清客故障数及延误故障数；
所述计算机计算城市轨道交通列车各子系统的当量故障数量；
所述计算机根据所述当量故障数量，计算累计频率；
所述计算机根据所述累计频率，绘制当量故障累计频率曲线，求解曲线的突变点。
2.根据权利要求1所述的方法，其特征在于，所述计算机计算城市轨道交通列车各子系统的当量故障数量，包括：
设置救援故障的权值为3，清客故障的权值为2，延误故障的权值为1，根据公式EF=n+3S+2C+D计算所述当量故障数量，其中，EF为所述当量故障数量，n为所述城市轨道交通列车各子系统的故障数量，S为所述救援故障数，C为所述清客故障数，D为所述延误故障数。
3.根据权利要求1所述的方法，其特征在于，所述计算机根据所述当量故障数量，计算累计频率，包括：
对所述当量故障数量按照不同方案进行分组；
求出每组数据内局部方差之和，确定所述不同方案中所述局部方差之和最小的分组方案；
根据公式计算累计频率，其中，为故障数小于等于m1的故障系统个数，N为故障系统总数量。
4.根据权利要求3所述的方法，其特征在于，对所述当量故障数量按照不同方案进行分组，包括：
根据组距确定原则5<=预设值<=12，不同的预设值对应不同的分组方案；
获取计算出的当量故障数量中的最大值及最小值，计算出不同预设值对应的不同组距，所述组距为所述最大值与最小值的差与所述预设值的比值。
5.根据权利要求3或4所述的方法，其特征在于，所述求出每组数据内局部方差之和，包括：
根据公式求出所述局部方差之和，其中，xij为第i组的第j个数据，ni为第i组的数据个数。
6.根据权利要求1所述的方法，其特征在于，所述绘制当量故障累计频率曲线，求解曲线的突变点之后，还包括：
通过MATLAB进行拟合，确定出拟合曲线。
CN201310553771.9A 2013-11-08 2013-11-08 一种城市轨道交通列车安全关键系统的识别方法 Pending CN104636513A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310553771.9A CN104636513A (zh) 2013-11-08 2013-11-08 一种城市轨道交通列车安全关键系统的识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310553771.9A CN104636513A (zh) 2013-11-08 2013-11-08 一种城市轨道交通列车安全关键系统的识别方法

Publications (1)

Publication Number Publication Date
CN104636513A true CN104636513A (zh) 2015-05-20

Family

ID=53215257

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310553771.9A Pending CN104636513A (zh) 2013-11-08 2013-11-08 一种城市轨道交通列车安全关键系统的识别方法

Country Status (1)

Country Link
CN (1) CN104636513A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106156411A (zh) * 2016-06-27 2016-11-23 王威 一种基于可视化模式供热管网当量区识别方法
CN110427402A (zh) * 2019-07-24 2019-11-08 上海工程技术大学 一种轨道交通故障延误传播及波及范围推估系统
CN113592692A (zh) * 2020-04-30 2021-11-02 比亚迪股份有限公司 轨道交通场景的场景危害识别方法、装置、介质及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020027495A1 (en) * 1997-03-17 2002-03-07 Ge Harris Railway Electronics, L.L.C. Communications system and method for interconnected networks having a l linear topology, especially railways
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020027495A1 (en) * 1997-03-17 2002-03-07 Ge Harris Railway Electronics, L.L.C. Communications system and method for interconnected networks having a l linear topology, especially railways
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)

* Cited by examiner, † Cited by third party
Title
何霖等: "城市轨道交通列车安全关键系统的鉴别方法研究", 《2013年轨道交通电气与信息技术国际学术会议(EITRT2013)论文集》 *
潘丽莎等: "城市轨道交通车辆关键系统可靠性研究", 《中国铁路》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106156411A (zh) * 2016-06-27 2016-11-23 王威 一种基于可视化模式供热管网当量区识别方法
CN110427402A (zh) * 2019-07-24 2019-11-08 上海工程技术大学 一种轨道交通故障延误传播及波及范围推估系统
CN110427402B (zh) * 2019-07-24 2021-10-08 上海工程技术大学 一种轨道交通故障延误传播及波及范围推估系统
CN113592692A (zh) * 2020-04-30 2021-11-02 比亚迪股份有限公司 轨道交通场景的场景危害识别方法、装置、介质及设备

Similar Documents

Publication Publication Date Title
CN105035902B (zh) 一种电梯安全状况评估方法
CN103310287B (zh) 基于svm预测乘客出行概率的轨道交通客流预测方法
CN104408925B (zh) 基于陈列雷达的交叉口运行状态评价方法
CN104484994B (zh) 基于阵列雷达的城市路网交通运行指数评价方法
CN102629298A (zh) 一种轨道交通系统运行安全评估方法
CN103093400A (zh) 一种隧道施工中邻近建筑物安全性定量评价方法
CN109919479A (zh) 一种工程项目的安全施工评估系统及其评估方法
CN103730008A (zh) 基于公交gps和ic卡实时数据的公交拥挤度分析方法
CN104294720A (zh) 一种高速公路设计方案安全性评价方法
CN102855395B (zh) 一种道路交通事故多发位置鉴别方法
CN104636513A (zh) 一种城市轨道交通列车安全关键系统的识别方法
CN111144727A (zh) 一种城市轨道交通进站客流韧性评估系统及方法
CN105139670A (zh) 一种基于视频的区域自优化信号控制方法及装置
CN105070073A (zh) 一种基于地磁的区域自优化信号控制方法及装置
CN104575049B (zh) 一种基于阵列雷达的高架匝道智能诱导方法及装置
CN104881573B (zh) 一种城市轨道交通工程的风险评估方法和系统
CN102682213A (zh) 轨道交通设备质量评估方法
CN107862205A (zh) 一种评估准确的信息安全风险评估系统
CN105118310A (zh) 一种基于视频的单点自优化信号控制方法及装置
CN104966403A (zh) 一种基于地磁的干线自优化信号控制方法及装置
CN104966404A (zh) 一种基于阵列雷达的单点自优化信号控制方法及装置
CN108981906B (zh) 一种轨道波磨故障综合诊断方法
CN105070075A (zh) 一种基于阵列雷达的干线自优化信号控制方法及装置
CN105070074A (zh) 一种基于阵列雷达的区域自优化信号控制方法及装置
CN105096617A (zh) 一种基于视频的干线自优化信号控制方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 510335 Guangdong city in Guangzhou Province, Haizhuqu District Road No. 618 Xingang South Fenghui Global trade and Exhibition Center from eleventh to 14

Applicant after: GUANGZHOU METRO GROUP CO., LTD.

Applicant after: Beijing Jiaotong University

Address before: 12, No. 510335, Xingang East Road, Haizhuqu District, Guangdong, Guangzhou Province, 618 floor, South China Hui Global Exhibition Center

Applicant before: Guangzhou Metro Corporation

Applicant before: Beijing Jiaotong University

COR Change of bibliographic data
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20150520