CN108520353B - 一种综合交通运输网络安全风险点辨识方法 - Google Patents

一种综合交通运输网络安全风险点辨识方法 Download PDF

Info

Publication number
CN108520353B
CN108520353B CN201810310435.4A CN201810310435A CN108520353B CN 108520353 B CN108520353 B CN 108520353B CN 201810310435 A CN201810310435 A CN 201810310435A CN 108520353 B CN108520353 B CN 108520353B
Authority
CN
China
Prior art keywords
network
emergency
facilities
event
facility
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.)
Active
Application number
CN201810310435.4A
Other languages
English (en)
Other versions
CN108520353A (zh
Inventor
牛树云
张纪升
张凡
孙晓亮
余绪金
赵丽
李宏海
刘见平
朱丽丽
崔玮
张金金
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 ZHONGJIAOGUOTONG INTELLIGENT TRANSPORT SYSTEM TECHNOLOGY Co Ltd
Research Institute of Highway Ministry of Transport
Original Assignee
BEIJING ZHONGJIAOGUOTONG INTELLIGENT TRANSPORT SYSTEM TECHNOLOGY Co Ltd
Research Institute of Highway Ministry of Transport
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 ZHONGJIAOGUOTONG INTELLIGENT TRANSPORT SYSTEM TECHNOLOGY Co Ltd, Research Institute of Highway Ministry of Transport filed Critical BEIJING ZHONGJIAOGUOTONG INTELLIGENT TRANSPORT SYSTEM TECHNOLOGY Co Ltd
Priority to CN201810310435.4A priority Critical patent/CN108520353B/zh
Publication of CN108520353A publication Critical patent/CN108520353A/zh
Application granted granted Critical
Publication of CN108520353B publication Critical patent/CN108520353B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种综合交通运输网络安全风险点辨识方法，包括以下步骤：1），综合交通运输网络基础设施关联关系分析；2），事件影响结果评价指标确定；3），事件影响扩散矩阵的确定；4），综合交通运输网络中基础设施风险的评估；5），综合交通运输网络系统的安全风险点确定。旨在针对既有的综合交通运输系统“事前预防、事前控制”的需求问题，创新性的提出了一种综合交通运输网络系统安全风险点辨识方法。本专利满足综合交通运输管理者安全风险防控的需求，为提升综合交通运输网络应对自然灾害和突发事件能力，提高交通运输系统可靠性，保障国家运输安全奠定基础。

Description

一种综合交通运输网络安全风险点辨识方法
技术领域
本发明属于智能交通领域，具体涉及一种综合交通运输网络安全风险点辨识方法。
背景技术
交通运输是国民经济和社会发展的重要基础，为全社会生产和生活提供安全、舒适、高效、可持续的运输服务。面对日益增长的交通出行需求、复杂严峻的自然灾害与社会安全形势，交通运输网络一旦受阻，公众出行和电煤、粮食、蔬菜等重要物资运输以及社会经济运行等均会受到严重影响。近年来，我国重特大突发事件(如2008年南方冰灾、2010年北方强降雪)频发，经常造成区域交通运输通道交通阻断，甚至更大范围的交通瘫痪，交通运输网络的可靠性和安全水平受到严重的挑战。
要加快发展平安交通，要把安全发展理念贯穿于各领域、全过程，大力提高交通运输安全发展的防、管、控能力。根据《交通运输部关于推进安全生产风险管理工作的意见》(交安监发〔2014〕120号)精神，在既有的安全管理基础上，引入风险管理理念，优化安全管理，坚持“预防为主”的方针，关口前移，通过“风险辨识、风险评估、风险管控”，变“事后补救”为“事前控制”，这就需要攻克综合交通运输网络系统安全风险防控关键技术，提升综合交通运输网络应对自然灾害和突发事件能力，提高交通运输系统可靠性，保障国家运输安全。
“综合交通运输网”通常认为是由彼此协作、相互补充与紧密配合的各种运输方式的交通线路、港站和枢纽共同组成，并以交通线路为连接线，交通港站与枢纽为连接点，可进行直达运输和联合运输的交通运输网络。具有一定的组合结构与等级层次，是交通运输生产力在地域上组合的具体体现。交通运输部办公厅2015年发布的《综合交通运输标准体系(2015年)》(交办科技〔2015〕80号)中，对于将综合交通运输标准定位为两种及以上运输方式协调衔接和共同使用的标准，涵盖铁路、公路、水路、民航及邮政等交叉领域。
从国内外研究现状看，各国学者针对交通运输网络系统安全风险辨识、风险预警与控制、等方面均开展了系列研究，但以往研究成果大多聚焦在单一运输网络或者单一运输方式，而本发明的研究对象为综合交通运输网，无论从运输网络组成的复杂性，还是从运输方式的多样性，均较单一运输网络有较大差异，对于综合交通运输网络安全风险评估方面，缺乏有针对性的研究。基于此，本发明提出了一种综合交通运输网络系统安全风险点辨识方法。
发明内容
有鉴于此，本发明目的是解决目前综合交通运输网络系统安全风险评估及风险点辨识问题，提出了一种综合交通运输网络系统安全风险点辨识方法，为综合交通运输网络系统安全风险防控提供技术支撑，本发明有利于提升综合交通运输网络应对自然灾害和突发事件的能力，有助于提高交通运输系统可靠性。
为了解决上述技术问题，本发明的技术方案是：
一种综合交通运输网络安全风险点辨识方法，包括以下步骤：
首先，对综合交通运输网络中的基础设施进行判别，分析基础设施之间的关联关系，为事件条件下安全风险传播的计算奠定基础；其次，结合安全风险传播结果，计算网络中单个基础设施突发事件发生的可能性及可能造成的结果；最后，计算得到网络中基础设施的安全风险值，根据管理者的风险容忍曲线，对网络中安全风险点进行确定。
具体包括以下部分内容：一是，综合交通运输网络基础设施关联关系分析；二是，事件影响结果评价指标确定；三是，突发事件影响扩散矩阵的确定；四是，综合交通运输网络中基础设施风险的评估；五是，综合交通运输网络系统的安全风险点确定。
(1)综合交通运输网络基础设施关联关系分析
本发明重点考虑公路、铁路等路段设施和客货枢纽、航空场站等枢纽节点组成的基础设施网络。由于不同设施之间，安全风险传播的强度受设施之间关联关系影响，因此，首先要分析综合交通运输网络基础设施关联关系。本发明通过一定的关联规则，对不同交通方式组成的综合交通运输网络基础设施进行识别，将综合交通运输网络分解成由多个相互关联的基础设施组成的网络。
(2)事件影响结果评价指标确定
事件影响结果是威胁实现的后果，定义为有害的或破坏性的影响，一般来说包括物理伤害，受伤，死亡，财产损毁或收入损失等。本发明选定的事件影响结果评价指标包括5个：影响人员、伤亡人数、持续时间、经济损失、应急措施。这里，经济损失的定义是指突发事件导致货物、运载工具及设施的损坏所造成的直接经济损失。
(3)突发事件影响扩散矩阵的确定
根据事件发生位置，事件严重程度，确定突发事件影响扩散矩阵(关联设施之间事件传播的可能性)。突发事件影响扩散矩阵是一个概率输入/输出矩阵，输入是初始突发事件发生概率，输出同样也是相关联设施上的突发事件发生概率，该值表示起始突发事件诱发相关联设施上突发事件发生的概率。
矩阵的每个元素是[0,1]范围内的连续概率值或分类概率值，该值表示由于原始设施(矩阵的行)上初始突发事件所诱发的相关联设施(矩阵的列)中的突发事件发生的可能性，该概率值具有无后效性，即只与初始突发事件有关。
(4)综合交通运输网络中基础设施安全风险的评估
根据事件影响结果评价指标值可计算得到事件产生的影响结果值。根据突发事件影响扩散矩阵，可计算得到事件发生点关联的基础设施的安全风险发生的概率。结合事件影响结果及相关联设施的事件发生的可能性，计算得到基础设施的安全风险值。
(5)综合交通运输网络系统的安全风险点确定。
通过上述过程计算得到各基础设施的安全风险值，依据管理者确定的风险容忍曲线，找出安全风险值超过风险容忍曲线的基础设施，从而确定为综合交通运输网络系统的安全风险点。
本发明技术效果主要体现在以下方面：旨在针对既有的综合交通运输系统“事前预防、事前控制”的需求问题，创新性的提出了一种综合交通运输网络系统安全风险点辨识方法。本发明满足综合交通运输管理者安全风险防控的需求，为提升综合交通运输网络应对自然灾害和突发事件能力，提高交通运输系统可靠性，保障国家运输安全奠定基础。
附图说明
图1为本发明的基础设施安全风险评估流程图；
图2为本发明的互连网络示意图；
图3为本发明的两路段风险传播示意图。
具体实施方式
以下结合附图，对本发明的具体实施方式作进一步详述，以使本发明技术方案更易于理解和掌握。
实施例
参阅图1-3，一种综合交通运输网络安全风险点辨识方法，首先，对综合交通运输网络中的基础设施进行判别，分析基础设施之间的关联关系，为事件条件下安全风险传播的计算奠定基础；其次，结合安全风险传播结果，计算网络中单个基础设施突发事件发生的可能性及可能造成的结果；最后，计算得到网络中基础设施的安全风险值，根据管理者的风险容忍曲线，对网络中安全风险点进行确定。
本发明首先对综合交通运输网络中的基础设施进行判别，分析基础设施之间的关联关系，在此基础上，对综合交通运输网络系统安全风险点进行辨识，其中，网络中基础设施安全风险评估流程图见图1。本发明的具体实施方式如下：
(1)综合交通运输网络基础设施关联关系分析
本发明重点考虑公路、铁路等路段设施和客货枢纽、航空场站等枢纽节点组成的基础设施网络。不同设施之间，安全风险传播的强度受设施之间关联关系影响，设施之间的关联关系分为如下四类：
1)物理相关性：如果一个设施/网络的状态依赖于另一个设施/网络的输出，通常指的是两个设施/网络之间有物理链路连接，即说明两个设施/网络是物理相关的。(如公路网、铁路网的枢纽、场站与路段之间的关系。)
2)系统相关性：如果一个设施/网络的状态依赖于从另一个设施/网络传递来的系统属性，则说明两个设施或网络是系统相关的。(如，航空流量管控会影响铁路客流，说明航空网和铁路网之间是系统相关的。)
3)空间相关性：如果一个设施/网络中的事件可能影响在一定空间距离内的另一个设施/网络的状态，则认为这两个设施/网络是空间相关的。(如，航空场站之间，同一车次相关的车站之间等。)
4)逻辑相关性：如果一个设施/网络的状态通过机制体制等产生相互依存关系的，则认为两个设施/网络是逻辑相关的。(如，同一公司管辖区域内的高速公路路段)。
设施之间的不同关联关系，决定了风险传播的强度，如，对于公路网来说物理相关性强于系统相关性和空间相关性。
基于综合交通运输网络的组成与特点分析，公路网设施关注于路段和节点(收费站、互通枢纽、交叉口等)、桥梁、隧道等基础设施，铁路网设施关注于火车站、铁路线路，航空网关注于机场，水运网关注于港口和码头。
(2)事件影响结果评价指标确定
事件影响结果是威胁实现的后果，定义为有害的或破坏性的影响，一般来说包括物理伤害，受伤，死亡，财产损毁或收入损失等。本发明选定的事件影响结果评价指标包括5个：影响人员、伤亡人数、持续时间、经济损失、应急措施。这里，经济损失的定义是指突发事件导致货物、运载工具及设施的损坏所造成的直接经济损失。
(3)突发事件影响扩散矩阵的确定
首先，介绍安全风险传播的过程，然后再说明突发事件影响扩散矩阵的确定方法。
1安全风险传播过程描述
在风险评估中的风险传播的核心是突发事件场景，该突发事件场景源自任何交通运输网络设施，并在相关联的设施或网络中产生不同的影响。风险的传播是建立在马尔可夫链过程的基础上，因此运输网络设施的状态依赖于它先前的状态或与它相关联的设施状态，相关联设施的状态是突发事件对起始设施的影响扩散到该设施的结果。图2展示了一个相关联的交通运输网络设施的案例(A和B表示不同的交通运输网络)，用于辅助理解下面描述的过程。其中，网络A由设施Ai组成，设备之间是互连的，网络B由设施Bi组成，设备之间是互连的，设施A1与设施B3相连，两者枢纽节点建立关联。
步骤1：突发事件场景定义及初始突发事件的描述。
首先，基于所提出的风险评估框架(见图1)，来定义初始突发事件的属性、可能性以及可能的影响结果。我们假设初始突发事件发生在设施A1上，根据初始突发事件的性质(故意类突发事件/非故意类突发事件)，初始突发事件发生的可能性定义为A1{L}；初始突发事件对设施A1的影响结果可定义为A1{C}
步骤2：评估设施A1的事件风险。
在风险矩阵中基于输入A1{L}和A1{C}来估计设施A1的风险。
步骤3：对设施A1风险的响应程序
针对设施A1的风险，交通运营管理部门将会采取相应的交通管理措施，以降低初始突发事件的风险，确保初始突发事件对整个交通运输网络影响最小。
步骤4：确定与A1相关联的设施
分析与A1相关联的设施，确定受设施A1的初始突发事件影响的设施。新的设施风险组合受以下因素影响：①初始突发事件的类型和性质；②设施之间的相关性类型及特征。除了相互关联的设施外，二次事件也可能在同一设施上触发；将为每种类型的相关性(物理/系统/空间/逻辑)设计单独的“事件传播矩阵”。另外，由于网络设施的高度相关联性和运行功能，可以预计任何设施的突发事件都可能触发同一网络设施上的不同突发事件。
步骤5：估计相关联设施发生突发事件的概率
突发事件影响扩散矩阵是一个概率输入/输出矩阵，输入是初始突发事件发生概率，输出同样也是相关联设施上的突发事件发生概率，以表征初始突发事件诱发相关联设施上突发事件发生的概率。
步骤6：估计相关联设施的风险
相关联设施上的风险使用步骤1和2来进行估计。突发事件发生的概率等于步骤5中估计的概率值。
步骤7：事件终止
为提高计算效率，设定一个概率阈值，当计算出的概率低于该概率阈值时，将该概率值记作为零。
2突发事件影响扩散矩阵的确定
风险评估过程中是一个马尔可夫链过程，突发事件影响扩散矩阵是一个概率输入/输出矩阵，输入是初始突发事件发生概率，输出同样也是相关联设施上的突发事件发生概率，该值表示起始突发事件诱发相关联设施上突发事件发生的概率。
矩阵的每个元素是[0,1]范围内的连续概率值或分类概率值，该值表示由于原始设施(矩阵的行)上初始突发事件所诱发的相关联设施(矩阵的列)中的突发事件发生的可能性，该概率值具有无后效性，即只与初始突发事件有关。
基于条件概率定义后续事件发生的概率，可以通过如下公式进行计算。
P(B∩A)＝P(B|A)P(A)
其中，A是起始设施上发生的突发事件，B是相关联设施上当前发生的突发事件，P(B∩A)表示同时发生A和B的概率，P(B|A)是在A之后出现的B的条件概率。
下面以公路网中相关联的两个路段的例子，见图3，对事件影响扩散矩阵的建立，及P(B∩A)的计算过程进行示例说明。
如图中所示，假设路段2发生突发事件A，路段2与路段1是物理相连关系，突发事件A发生后，路段2产生拥堵。根据突发事件A产生的影响，判断路段1发生拥堵事件B的概率，本例中假设P(B|A)为0.7，则对于本例来说，突发事件影响矩阵如下：
Figure GDA0002221148650000091
则，路段1和路段2均发生拥堵事件的概率为，
P(B∩A)＝P(B|A)·P(A)＝0.7×1＝0.7
本例中，假设的路段2发生了突发事件A，因此，事件A发生的概率为1，为确定性事件。
根据历史数据统计或者专家评判方法，将事件发生可能性(概率)进行定性的分级，本发明将可能性分为5级：很低、低、中、高、确定。为了便于计算P(B∩A)，我们引入可能性矩阵，这是一种用于将初始突发事件的概率和突发事件影响扩散矩阵中发现的条件概率映射到两种突发事件都发生的概率的工具。本发明中给出5级可能性矩阵如下表。
表1可能性矩阵
可能性 很低 低 中 高 确定
很低 很低 很低 很低 很低 很低
低 很低 很低 很低 低 低
中 很低 很低 低 低 中
高 很低 低 低 中 高
确定 很低 低 中 高 确定
矩阵的行表示事件A发生的可能性，矩阵的列表示事件A发生的情况下，事件B发生的可能性，矩阵元素则表示事件A和事件B均发生的可能性。
例如，假设事件A发生的可能性等级为高，当事件A发生的条件下事件B发生的可能性为低时，经查上述可能性矩阵，得到事件A和事件B均发生的可能性为低，如下表所示等级。
表2突发事件影响扩散矩阵
Figure GDA0002221148650000111
(4)综合交通运输网络中基础设施安全风险的评估
安全风险评估的流程图见图1，下面分别介绍事件发生的可能性及结果的计算方法。
1)可能性
可能性是指在综合交通运输网络中突发事件发生的概率。在本发明中，将事件发生的可能性划分为5个不同的等级，由低到高的顺序是：很低、低、中、高、确定，将突发事件发生的不同可能性转化为相同标准划分等级下的定性值。突发事件可能性一般通过发生的突发事件历史数据或专家评估方法进行分级标准设定，突发事件可能性参考划分标准如下表所示。
表3突发事件可能性分级
Figure GDA0002221148650000121
2)事件影响结果
事件影响结果定义为有害的或破坏的影响，一般来说包括物理伤害、人员的受伤或死亡、货物、运载工具及设施的损坏、财产或收入的损失、应急措施是否有效等。基于历史数据和文献资料，本发明将事件影响结果分为5个不同的等级，分别是：可忽略的、小、中、高、严重，其划分标准如下表所示。
表4突发事件影响结果分类
Figure GDA0002221148650000131
其中，经济损失的定义是指突发事件导致货物、运载工具及设施的损坏所造成的直接经济损失。
突发事件影响结果是由不同指标综合计算获得，本发明选择加权平均方法，根据专家设定的重要性，给不同的指标等级分配权重(wi，总和为100％)；通过将单个影响指标的结果评级分配给有序数字(xi)，突发事件的最终影响结果可以通过如下公式进行估算。
(5)综合交通运输网络系统的安全风险点确定。
风险评估矩阵法，是安全风险评估中的典型的方法，参考通用风险评估模型，本发明采用的风险矩阵如下表所示。
表5风险矩阵
Figure GDA0002221148650000142
当确定了事件发生的可能性等级及事件影响结果的等级时，根据上表可得到该基础设施的安全风险等级。例如，当某基础设施突发事件发生的可能性等级为确定，突发事件影响结果的等级为高时，根据上表可知该基础设施的安全风险等级则为严重。
通过上述过程计算得到各基础设施的安全风险等级，依据管理者确定的风险容忍曲线，辨识出综合交通运输网络系统安全风险点。
当然，以上只是本发明的典型实例，除此之外，本发明还可以有其它多种具体实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明要求保护的范围之内。

Claims (2)

1.一种综合交通运输网络安全风险点辨识方法，其特征在于，首先，对综合交通运输网络中的基础设施进行判别，分析基础设施之间的关联关系，为事件条件下安全风险传播的计算奠定基础；其次，结合安全风险传播结果，计算网络中单个基础设施突发事件发生的可能性及可能造成的结果；最后，计算得到网络中基础设施的安全风险值，根据管理者的风险容忍曲线，对网络中安全风险点进行确定；包括以下步骤：
1)综合交通运输网络基础设施关联关系分析，重点考虑公路、铁路路段设施和客货枢纽、航空场站枢纽节点组成的基础设施网络，由于不同设施之间，安全风险传播的强度受设施之间关联关系影响，因此，首先要分析综合交通运输网络基础设施关联关系，通过一定的关联规则，对不同交通方式组成的综合交通运输网络基础设施进行识别，将综合交通运输网络分解成由多个相互关联的基础设施组成的网络；设施之间的关联关系分为如下四类：(1)物理相关性：如果一个设施/网络的状态依赖于另一个设施/网络的输出，通常指的是两个设施/网络之间有物理链路连接，说明两个设施/网络是物理相关的；(2)系统相关性：如果一个设施/网络的状态依赖于从另一个设施/网络传递来的系统属性，则说明两个设施或网络是系统相关的；(3)空间相关性：如果一个设施/网络中的事件可能影响在一定空间距离内的另一个设施/网络的状态，则认为这两个设施/网络是空间相关的；(4)逻辑相关性：如果一个设施/网络的状态通过机制体制产生相互依存关系的，则认为两个设施/网络是逻辑相关的；设施之间的不同关联关系，决定了风险传播的强度；基于综合交通运输网络的组成与特点分析，公路网设施关注于路段和节点、桥梁、隧道，铁路网设施关注于火车站、铁路线路，航空网关注于机场，水运网关注于港口和码头；
2)事件影响结果评价指标确定，事件影响结果是威胁实现的后果，定义为有害的或破坏性的影响，一般来说包括物理伤害，受伤，死亡，财产损毁或收入损失，选定的事件影响结果评价指标包括5个：影响人员、伤亡人数、持续时间、经济损失、应急措施；这里，经济损失的定义是指突发事件导致货物、运载工具及设施的损坏所造成的直接经济损失；
3)突发事件影响扩散矩阵的确定，根据事件发生位置，事件严重程度，确定突发事件影响扩散矩阵，关联设施之间事件传播的可能性；突发事件影响扩散矩阵是一个概率输入/输出矩阵，输入是初始突发事件发生概率，输出同样也是相关联设施上的突发事件发生概率，所述输出的突发事件发生概率表示初始突发事件诱发相关联设施上突发事件发生的概率；
4)综合交通运输网络中基础设施风险的评估，根据事件影响结果评价指标值可计算得到事件产生的影响结果值，根据突发事件影响扩散矩阵，可计算得到事件发生点关联的基础设施的安全风险发生的概率，结合事件影响结果及相关联设施的事件发生的可能性，计算得到基础设施的安全风险值；
5)综合交通运输网络系统的安全风险点确定，通过上述过程计算得到各基础设施的安全风险值，依据管理者确定的风险容忍曲线，找出安全风险值超过风险容忍曲线的基础设施，从而确定为综合交通运输网络系统的安全风险点。
2.根据权利要求1所述的综合交通运输网络安全风险点辨识方法，其特征在于，其中，突发事件影响扩散矩阵的每个元素是0、1范围内的连续概率值或分类概率值，该连续概率值或分类概率值表示由于原始设施上初始突发事件所诱发的相关联设施中的突发事件发生的可能性，该连续概率值或分类概率值具有无后效性，只与初始突发事件有关；原始设施为突发事件影响扩散矩阵的行，相关联设施为突发事件影响扩散矩阵的列。
CN201810310435.4A 2018-04-09 2018-04-09 一种综合交通运输网络安全风险点辨识方法 Active CN108520353B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810310435.4A CN108520353B (zh) 2018-04-09 2018-04-09 一种综合交通运输网络安全风险点辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810310435.4A CN108520353B (zh) 2018-04-09 2018-04-09 一种综合交通运输网络安全风险点辨识方法

Publications (2)

Publication Number Publication Date
CN108520353A CN108520353A (zh) 2018-09-11
CN108520353B true CN108520353B (zh) 2020-02-21

Family

ID=63432016

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810310435.4A Active CN108520353B (zh) 2018-04-09 2018-04-09 一种综合交通运输网络安全风险点辨识方法

Country Status (1)

Country Link
CN (1) CN108520353B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109784512A (zh) * 2019-02-13 2019-05-21 上海大学 一种交通基础设施缺陷成因追溯的方法
CN110033615B (zh) * 2019-03-22 2020-09-01 山西省交通科学研究院有限公司 一种基于物联网的道路危险货物运输动态风险评估方法
CN110458406B (zh) * 2019-07-12 2022-04-22 北京交通大学 面向全局安全的轨道交通系统潜在风险链群构建方法
CN110853163B (zh) * 2019-10-28 2022-05-24 北京中交国通智能交通系统技术有限公司 一种基于ai与车路协同的车辆路径识别计费系统及方法
CN113095625B (zh) * 2021-03-17 2023-04-07 中国民用航空总局第二研究所 一种民航机场不安全事件分级方法及系统
CN116090268B (zh) * 2023-04-12 2023-07-14 四川省交通勘察设计研究院有限公司 一种公路交通网络枢纽节点识别方法、装置、设备和介质
CN117935563B (zh) * 2024-03-22 2024-06-14 长安大学 一种基于交通运输网络的风险点辨识方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020082970A1 (en) * 2000-12-21 2002-06-27 Ciroli James Vincent Integrated transportation
CN107103142B (zh) * 2017-07-11 2019-12-03 交通运输部公路科学研究所 面向公路和铁路网的综合交通网络运行态势推演仿真技术

Also Published As

Publication number Publication date
CN108520353A (zh) 2018-09-11

Similar Documents

Publication Publication Date Title
CN108520353B (zh) 一种综合交通运输网络安全风险点辨识方法
Huang et al. A mobility network approach to identify and anticipate large crowd gatherings
Ahmed et al. Resilience modeling concepts in transportation systems: a comprehensive review based on mode, and modeling techniques
CN104766475A (zh) 一种城市交通瓶颈挖掘方法
Park et al. First responders' response area and response time analysis with/without grade crossing monitoring system
CN104616496B (zh) 基于突变理论的电网大停电交通拥堵度评估方法
KR102249524B1 (ko) 데이터 기반 공간분석을 이용한 민원 발생 예측관리 장치 및 방법
Zhang et al. Effects of shadow evacuation on megaregion evacuations
Sun et al. Vulnerability analysis of urban rail transit network considering cascading failure evolution
CN112002127B (zh) 轨道交通中站点重要性评估方法及装置
Yin et al. Syncretic K-shell algorithm for node importance identification and invulnerability evaluation of urban rail transit network
CN116187762A (zh) 一种基于Anylogic的轨道交通枢纽站瓶颈风险识别方法
Zhenwu et al. Quantitative Study on the Waterlogging Resilience of Road Transportation System Based on the Validity View of System Functions.
Zhao et al. The research on delay propagation of urban rail transit operation under sudden failure
Jia et al. The overview of the high-speed railway transport organization in emergency
Wang et al. Congestion prediction for urban areas by spatiotemporal data mining
Büchel et al. The disruption at Rastatt and its effects on the Swiss railway system
WISETJINDAWAT et al. Modeling disaster response operations including road network vulnerability
CN114049756B (zh) 一种城市交通应急资源布局方法及系统
KR102214807B1 (ko) 빅데이터 모델링을 활용한 어린이 안전 통학로 구축방법
Liu et al. Evaluation of Air Traffic Steadiness in Arrival Operations based on Statistical Analysis and Trajectories Clustering
Li et al. Research on Optimization Model of Site Selection for Civil Airport Fire Station
Baltar et al. MATHEMATICAL MODELING OF TOW TRUCKS LOCATION CONSIDERING TRAFFIC CONGESTION QUEUE
Wu Introducing the Resilience into the State Transportation Network
Zhou et al. Design of Intelligent Urban Rail Transit Safety Control and Early Warning System Based on Matlab

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant