CN108995675A - 一种轨道交通运营风险智能识别预警系统及方法 - Google Patents

Abstract

本发明涉及一种轨道交通运营风险智能识别预警系统及方法，该系统包括：信息获取模块：根据故障录入风险信息；数据库：存储风险信息；关联度模块：根据存储的风险信息确定各类故障的关联度；评估模块：根据关联度确定高关联度风险和低关联度风险；风险反馈模块：根据评估结果进行风险预警提示。与现有技术相比，本发明解决了上报时间过长引发的事故损失增加的问题，同时可以对事故引发的连锁问题预测，解决地铁由于安全隐患引发的事故频发问题。

Description

一种轨道交通运营风险智能识别预警系统及方法

技术领域

本发明涉及轨道交通运输技术领域，尤其是涉及一种轨道交通运营风险智能识别预警系统及方法。

背景技术

随着城市轨道交通的快速发展，轨道交通在为人们带来许多便利的同时也带来的诸多安全问题。目前我国一线城市的轨道交通建设已经逐步完备，大多二线城市的轨道交通也在筹备建设中，随着投入运营的轨道交通线路越来越多，规模越来越复杂，带来的安全问题也趋向复杂化。随着安全问题逐步引发社会各阶层的高度重视，现有的轨道交通监测系统已经不能满足对轨道交通安全问题的掌控，需要设计出一种更精确、可行的轨道交通风险预警方法来大幅度减少安全事故的发生，为乘客提供更安全、舒适、便捷的服务。

目前，轨道交通主要采取提前防范和即时处理的措施来应对安全问题的产生。主要应对措施有将不同的设备管理分配到不同的部门负责，由部门对设备进行监控和定期检修。但是定期检修的效果往往不可预计，检修次数频繁会浪费大量人力物力和财力，检修次数过少也会造成许多设备无法正常工作，且监控和检修积累下的大量数据不能得到充分利用。在应急处理方面往往事故发生时需要由司机报告行车调度员，再由行车报告员报告主任调度员做出救援决定并继续上报调度所主任、总公司值班室，再由总公司值班室将情况报告质安处、运管处及有关单位。在此过程中可能出现报告表述错误，引发一定安全问题且逐层上报浪费大量时间，极易引发一系列后遗症。并且危险的出现往往是由一系列安全隐患引起的连锁反应，目前的风险应对措施一般只能解决引发事故的主要故障，而其他隐患可能引发其他多种形式的其他风险。在此基础上，现有的轨道交通风险监测系统不仅会产生误差，引发连锁事故且不能完全解决风险产生的问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种轨道交通运营风险智能识别预警系统及方法。

本发明的目的可以通过以下技术方案来实现：

一种轨道交通运营风险智能识别预警系统，该系统包括：

信息获取模块：根据故障录入风险信息；

数据库：存储风险信息；

关联度模块：根据存储的风险信息确定各类故障的关联度；

评估模块：根据关联度确定高关联度风险和低关联度风险；

风险反馈模块：根据评估结果进行风险预警提示。

所述的信息获取模块包括：

风险录入子模块：根据当前轨道列车故障状况从预先设定的风险类型中选择当前风险类型并录入；

风险界定子模块：根据预先指定的风险界定表录入相关信息并进行专家界定风险类型，所述的风险界定表包含不同风险类型下的细分风险。

一种轨道交通运营风险智能识别预警方法，采用上述智能识别预警系统完成，该方法包括如下步骤：

(1)故障发生时获取轨道列车当前位置并录入风险信息，确定故障类型；

(2)更新数据库中的风险信息，计算各类故障的关联度；

(3)根据关联度对风险进行评估，确定高关联度风险和低关联度风险；

(4)根据评估结果进行风险预警提示。

步骤(2)具体为：

(21)根据存储的风险信息计算关联矩阵R，当i≠j时，矩阵中元素R_ij表示在设定时间段内故障X_i与故障X_j先后都发生的次数，当i＝j时，矩阵中元素R_ij表示在设定时间段内故障X_i发生两次的次数，i＝1,2,……,n，j＝1,2,……,n，n表示故障类型的总个数；

(22)建立参考序列R₀＝{Y₁,Y₂.......Y_n}，Y_i表示故障X_i在设定时间段内发生的次数；

(23)计算各故障类型序列与参考序列R₀间的绝对差数列：

Δ_ij＝|Y_j-R_ij|，i,j＝1,2,.......,n，

(24)计算各故障序列与参考序列的关联系数：

其中，ρ为分辨系数；

(25)确定各故障间的权重：

w_ij＝1-Conf(X_i→X_j)，

其中，Conf(X_i→X_j)表示在出现故障X_i后出现故障X_j的置信度，Sup表示最小上界，w_ij表示第i类故障对第j类故障的权重；

(26)计算各类故障与参考序列间的关联度：

γ_oi为第i类故障与参考序列间的关联度。

步骤(3)中高关联度风险和低关联度风险具体确定方式为：若第i类故障与参考序列间的关联度高于设定阈值，则将该类故障确定为高关联度风险，若第i类故障与参考序列间的关联度低于设定阈值，则将该类故障确定为低关联度风险。

步骤(4)具体为：

对步骤(3)得到的高关联度风险进行实时预警提示，对步骤(3)得到的低关联度风险进行累计计数，当到达设定限值，对该低关联度风险进行预警提示。

与现有技术相比，本发明具有如下优点：

(1)本发明通过工作人员直接录入风险信息，减少了由于逐层报告产生的报告误差，通过系统发布故障应急预案，一方面，解决由于表述和上报时间过长引发的事故损失增加的问题，另一方面，可以对事故引发的连锁问题预测，解决地铁由于安全隐患引发的事故频发问题；

(2)本发明的关联度计算的是在规定时间段内两种故障的共同发生与总的事故发生的关联，可以预测故障产生的连锁反应，及时消除隐患，分别对工作人员和乘客进行信息反馈，既可以让工作人员及时处理故障隐患，又可以提醒乘客对连锁事故进行预防，进一步避免事故连锁反应。

附图说明

图1为本发明智能识别预警方法的技术线路框图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。

实施例

一种轨道交通运营风险智能识别预警系统，该系统包括：

信息获取模块：根据故障录入风险信息；

数据库：存储风险信息；

关联度模块：根据存储的风险信息确定各类故障的关联度；

评估模块：根据关联度确定高关联度风险和低关联度风险；

风险反馈模块：根据评估结果进行风险预警提示。

所述的信息获取模块包括：

风险录入子模块：根据当前轨道列车故障状况从预先设定的风险类型中选择当前风险类型并录入；

风险界定子模块：根据预先指定的风险界定表录入相关信息并进行专家界定风险类型，所述的风险界定表包含不同风险类型下的细分风险。

将轨道交通运营风险分为33类，分别为X1控制系统、X2车门、X3制动系统、X4牵引系统、X5辅助系统、X6车故其他、X7车载ATC、X8ATS、X9轨旁设备、X10道岔信号、X11信号故障、X12通讯、X13变电站、X14触网、X15供电其他、X16线路、X17道岔公务、X18公务其他、X19调度命令、X20车站值班员、X21司机、X22屏蔽门/安全门、X23运转/信号延误、X24客运其他、X25人多、X26天气、X27人车冲突、X28异物侵限、X29人员侵限、X30乘客、X31门夹人夹物、X32确认安全条件、X33客观其他。

通常由车站工作人员对风险进行界定并录入数据库，所涉及风险最多可选择2种，当出现难以界定的风险，本发明对33类风险进行了2级分类并制定了风险界定表，工作人员根据事故选择对应的细分风险(可涉及多种风险)并在最后的备注进行风险描述，最后提交由维保部门进行风险界定并发送给工作人员。

如图1所示，一种轨道交通运营风险智能识别预警方法，采用上述智能识别预警系统完成，该方法包括如下步骤：

(1)故障发生时获取轨道列车当前位置并录入风险信息，确定故障类型；

(2)更新数据库中的风险信息，计算各类故障的关联度；

(3)根据关联度对风险进行评估，确定高关联度风险和低关联度风险；

(4)根据评估结果进行风险预警提示。

步骤(2)具体为：

(21)根据存储的风险信息计算关联矩阵R，当i≠j时，矩阵中元素R_ij表示在设定时间段内故障X_i与故障X_j先后都发生的次数，当i＝j时，矩阵中元素R_ij表示在设定时间段内故障X_i发生两次的次数，i＝1,2,……,n，j＝1,2,……,n，n表示故障类型的总个数；

(22)建立参考序列R₀＝{Y₁,Y₂.......Y_n}，Y_i表示故障X_i在设定时间段内发生的次数；

(23)计算各故障类型序列与参考序列R₀间的绝对差数列：

Δ_ij＝|Y_j-R_ij|，i,j＝1,2,.......,n，

(24)计算各故障序列与参考序列的关联系数：

其中，ρ为分辨系数；

(25)确定各故障间的权重：

w_ij＝1-Conf(X_i→X_j)，

其中，Conf(X_i→X_j)表示在出现故障X_i后出现故障X_j的置信度，Sup表示最小上界，w_ij表示第i类故障对第j类故障的权重；

(26)计算各类故障与参考序列间的关联度：

γ_oi为第i类故障与参考序列间的关联度。

步骤(3)中高关联度风险和低关联度风险具体确定方式为：若第i类故障与参考序列间的关联度高于设定阈值，则将该类故障确定为高关联度风险，高关联度风险极易引发一系列连锁事故，系统发出提示，给出当前事故的应急方案并根据关联系数生成隐患排查措施，即优先排查关联度系数高的风险。若第i类故障与参考序列间的关联度低于设定阈值，则将该类故障确定为低关联度风险。

步骤(4)具体为：

对步骤(3)得到的高关联度风险进行实时预警提示，对步骤(3)得到的低关联度风险进行累计计数，当到达设定限值，对该低关联度风险进行预警提示。

本发明通过工作人员直接录入故障信息，减少了由于逐层报告产生的报告误差；通过系统发布故障应急预案，减少了逐层反馈处理措施的时间。本发明的关联度计算的是在规定时间段内两种故障的共同发生与总的事故发生的关联，可以预测故障产生的连锁反应，及时消除隐患；分别对工作人员和乘客进行信息反馈，既可以让工作人员及时处理故障隐患，又可以提醒乘客对连锁事故进行预防，进一步避免事故连锁反应。

上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。

Claims (6)

1.一种轨道交通运营风险智能识别预警系统，其特征在于，该系统包括：

信息获取模块：根据故障录入风险信息；

数据库：存储风险信息；

关联度模块：根据存储的风险信息确定各类故障的关联度；

评估模块：根据关联度确定高关联度风险和低关联度风险；

风险反馈模块：根据评估结果进行风险预警提示。

2.根据权利要求1所述的一种轨道交通运营风险智能识别预警系统，其特征在于，所述的信息获取模块包括：

风险录入子模块：根据当前轨道列车故障状况从预先设定的风险类型中选择当前风险类型并录入；

风险界定子模块：根据预先指定的风险界定表录入相关信息并进行专家界定风险类型，所述的风险界定表包含不同风险类型下的细分风险。

3.一种轨道交通运营风险智能识别预警方法，其特征在于，利用如权利要求1或2所述的智能识别预警系统完成，该方法包括如下步骤：

(1)故障发生时获取轨道列车当前位置并录入风险信息，确定故障类型；

(2)更新数据库中的风险信息，计算各类故障的关联度；

(3)根据关联度对风险进行评估，确定高关联度风险和低关联度风险；

(4)根据评估结果进行风险预警提示。

4.根据权利要求3所述的一种轨道交通运营风险智能识别预警方法，其特征在于，步骤(2)具体为：

(21)根据存储的风险信息计算关联矩阵R，当i≠j时，矩阵中元素R_ij表示在设定时间段内故障X_i与故障X_j先后都发生的次数，当i＝j时，矩阵中元素R_ij表示在设定时间段内故障X_i发生两次的次数，i＝1,2,……,n，j＝1,2,……,n，n表示故障类型的总个数；

(22)建立参考序列R₀＝{Y₁,Y₂.......Y_n}，Y_i表示故障X_i在设定时间段内发生的次数；

(23)计算各故障类型序列与参考序列R₀间的绝对差数列：

Δ_ij＝|Y_j-R_ij|，i,j＝1,2,.......,n，

(24)计算各故障序列与参考序列的关联系数：

其中，ρ为分辨系数；

(25)确定各故障间的权重：

w_ij＝1-Conf(X_i→X_j)，

其中，Conf(X_i→X_j)表示在出现故障X_i后出现故障X_j的置信度，Sup表示最小上界，w_ij表示第i类故障对第j类故障的权重；

(26)计算各类故障与参考序列间的关联度：

γ_oi为第i类故障与参考序列间的关联度。

5.根据权利要求4所述的一种轨道交通运营风险智能识别预警方法，其特征在于，步骤(3)中高关联度风险和低关联度风险具体确定方式为：若第i类故障与参考序列间的关联度高于设定阈值，则将该类故障确定为高关联度风险，若第i类故障与参考序列间的关联度低于设定阈值，则将该类故障确定为低关联度风险。

6.根据权利要求3所述的一种轨道交通运营风险智能识别预警方法，其特征在于，步骤(4)具体为：

对步骤(3)得到的高关联度风险进行实时预警提示，对步骤(3)得到的低关联度风险进行累计计数，当到达设定限值，对该低关联度风险进行预警提示。