CN110400065A - 基于传染病模型的轨道交通系统风险链群构建方法 - Google Patents
基于传染病模型的轨道交通系统风险链群构建方法 Download PDFInfo
- Publication number
- CN110400065A CN110400065A CN201910630744.4A CN201910630744A CN110400065A CN 110400065 A CN110400065 A CN 110400065A CN 201910630744 A CN201910630744 A CN 201910630744A CN 110400065 A CN110400065 A CN 110400065A
- Authority
- CN
- China
- Prior art keywords
- risk
- point
- risk point
- communication
- rail transit
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 11
- 230000006854 communication Effects 0.000 claims abstract description 55
- 238000004891 communication Methods 0.000 claims abstract description 49
- 230000008878 coupling Effects 0.000 claims abstract description 30
- 238000010168 coupling process Methods 0.000 claims abstract description 30
- 238000005859 coupling reaction Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000007704 transition Effects 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000013508 migration Methods 0.000 claims abstract description 13
- 230000005012 migration Effects 0.000 claims abstract description 12
- 230000000644 propagated effect Effects 0.000 claims abstract description 10
- 208000015181 infectious disease Diseases 0.000 claims description 36
- 230000001419 dependent effect Effects 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 5
- 230000007480 spreading Effects 0.000 claims description 5
- 238000003892 spreading Methods 0.000 claims description 5
- 238000012790 confirmation Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 description 5
- 230000006378 damage Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 206010060968 Arthritis infective Diseases 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
-
- G06Q50/40—
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于传染病模型的轨道交通系统风险链群构建方法,包括:确定轨道交通系统中的风险点,根据风险点作用关系通过边连接构成风险网络;然后计算风险点初始风险点迁移测度和风险点间的耦合测度,进而根据风险点的初始平均感染率计算出所述异构风险传播综合概率;在传统传染病模型的基础上,结合风险点状态迁移测度、风险点耦合测度和异构风险传播概率,构建轨道交通系统风险传播演化动力学模型,根据轨道交通系统风险传播演化动力学模型,利用异步更新的方法构建出轨道交通系统的风险链群。本方法得到的风险链群可以反映出风险在轨道交通系统中传播和演化的规律,可以为轨道交通运营管理提供理论支撑。
Description
技术领域
本发明涉及轨道交通系统风险控制与安全分析技术领域,尤其涉及一种基于传染病模型的轨道交通系统风险链群构建方法。
背景技术
随着轨道交通网络化运营规模的扩大,轨道交通系统的安全管理难度不断增加。作为一个复杂系统,城轨系统的安全状态符合系统论所提出的“系统状态和系统行为的变化主要是取决于系统结构中相关关系的变化”,因此,结合轨道交通系统运营安全管理特点,关注轨道交通中风险沿相关关系路径传播的动态过程,并将这种传播路径群称为风险链群,进而对系统中风险传播可能性较大的、可能造成严重风险后果的风险链群进行辨识和研究是对风险管理的一种有效的方式。
因此,亟需一种可以解决对轨道交通系统风险传播可能性较大的、可能造成严重风险后果的风险链群的构建方法。
发明内容
本发明提供了一种基于传染病模型的轨道交通系统风险链群构建方法,以解决现有技术中的缺陷。
为了实现上述目的,本发明采取了如下技术方案。
本发明提供了一种基于传染病模型的轨道交通系统风险链群构建方法,其特征在于,包括:
确定轨道交通系统中的风险点,根据风险点作用关系通过边连接构成风险网络;
根据所述风险点在所述风险网络中的度值,计算风险点初始风险点迁移测度;
根据风险传播概率和所述的风险点间的安全依赖强度计算风险点间的耦合测度,进而根据风险点的初始平均感染率计算出所述异构风险传播概率;
在传统传染病模型的基础上,结合风险点状态迁移测度、风险点耦合测度和所述的异构风险传播概率,构建轨道交通系统风险传播演化动力学模型,根据所述的轨道交通系统风险传播演化动力学模型,利用异步更新的方法构建出轨道交通系统的风险链群。
优选地,风险网络为风险网络无权有向的非均匀复杂网络。
优选地,根据所述风险点在所述风险网络中的度值,计算风险点初始风险点迁移测度,包括:风险点i以指定的重置概率p根据测度分布函数f(T)随机取得测度值,以1-p的概率取值其中,度值为k,f(T)是目标网络的初始风险点迁移测度分布函数,初始是指与度完全相关、未经过重置的测度,a为用于控制测度平均值的常量。
优选地,根据风险传播概率和所述的风险点间的安全依赖强度计算风险点间的耦合测度,包括:根据下式(1)计算所述的耦合测度:
ωij=pijηij (1)
其中,ωij为风险点i和风险点j之间的耦合测度;pij表示风险由风险点i向外传播时,选择传播到风险点j的概率;ηij为风险点i和风险点j之间的功能依赖强度。
优选地,根据风险点的初始平均感染率计算出所述异构风险传播概率,包括:根据下式(2)计算异构风险传播概率:
其中,ωij为风险点i和风险点j之间的耦合测度;β0为初始平均感染率;γ为控制传播率分散程度的常数。
优选地,在传统的经典传染病模型的基础上,结合风险点状态迁移测度、风险点耦合测度和所述的异构风险传播概率,构建轨道交通系统风险传播演化动力学模型,具体包括:
①确定模型初始状态:
在初始状态下,风险网络内除了随机确定的或指定的风险点处于感染状态外,其他风险点均处于易感染状态;
②风险传播过程:
风险在风险网络中沿连接边传播,风险点与邻居风险点相连的边是有向有权边,风险点i到风险点j的边因其异构风险耦合测度,而具有异构传播率,在此步骤中根据感染状态的风险点及其邻居情况,随机选择一个传播路径;
③判断风险点状态:
根据邻居风险点传来的风险信息判断待确认的目标风险点是否会被感染,若感染则gen更新系统内风险点状态,若未感染则保持原有状态;
④重复所述风险传播状态和判断风险点状态的过程,直到产生外力干预和应急处置而中断风险的传播过程为止。
优选地,根据邻居风险点传来的风险信息判断待确认的目标风险点是否会被感染,包括:
确认接入邻居风险点状态,以及风险点i被传播风险的综合概率pf(i),如果满足的条件,则认为目标风险点i将在此刻转为感染状态,若不满足则认为目标风险点i将在此刻保持未被感染的易感染状态,式中的表示目标风险点i的接入邻居风险点中处于感染状态的节点集合,βji表示风险点i到j的异构风险传播概率,Ti表示风险点i的状态迁移测度。
由上述本发明的基于传染病模型的轨道交通系统风险链群构建方法提供的技术方案可以看出,本发明针对既往的传统风险传播动力学模型无法依据城轨系统实际运营特点,详细刻画出轨道交通系统内部风险演化规律的问题,重点优化了网络模型中风险点异质性特征的表达和风险点间耦合关系表达,提供了一种动态的轨道交通系统风险链群构建方法,可以根据指定或随机的初始风险点动态计算风险演化扩散的路径群,可以对轨道交通系统的运营管理给出预警性的指导和理论支撑。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为实施例的一种基于传染病模型的轨道交通系统风险链群构建方法流程图;
图2为风险传播模型异步更新步骤示意图;
图3为实施例的风险网络图;
图4为实施例的指定初始风险点情况下风险点感染概率分布图;
图5为实施例的指定初始风险点情况下风险传播路径概率分布图;
图6为实施例的以轴箱组成为初始风险点的风险链群示意图;
图7为实施例的随机初始风险点情况下风险点感染概率分布图;
图8为实施例的随机初始风险点情况下风险传播路径概率分布图;
图9为实施例的随机初始风险点情况下的风险链群示意图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以具体实施例为例做进一步的解释说明。
图1为本实施例的一种基于传染病模型的轨道交通系统风险链群构建方法流程图,参照图1,该方法包括:
S1确定轨道交通系统中的风险点,根据风险点作用关系通过边连接构成风险网络。
首先对轨道交通系统的基础组分以及组分间的相关关系进行梳理,然后根据风险点的内容和相关辨识方法辨识出对应的风险点,最后根据风险点作用关系边连接构成风险网络。风险网络为风险网络无权有向的非均匀复杂网络。
轨道交通系统风险点为轨道交通系统中具有风险属性,且在运营和生产过程中可能产生或传播风险的组分节点,一个风险点可能有若干种风险属性。
风险点作用关系包括物理结构类风险点之间的物理、电气和信息三种连接关系和由历史数据得到的风险相关关系、传播路径,两点之间存在有向有权的风险点作用关系,则意味着风险可能由此条路径传播、扩散和演化。
S2根据所述风险点在所述风险网络中的度值,计算风险点初始风险点迁移测度。
在轨道交通系统的运营中,风险点状态可分为稳定态和活跃态两种:稳定态下,风险点不体现风险属性,与风险点有关的元素能够正常运转,支撑系统的运行;活跃态下,风险点体现风险属性,与风险点有关的元素无法正常运转,对系统运行造成影响,且风险点会沿耦合关系向相邻风险点传播风险,这一传播行为可能导致邻居风险点发生状态迁移,从而转变为活跃态。
不同的风险点吸收能量完成状态迁移的难度是不同的,为了衡量这种难度的差异,本实施例提出风险点状态迁移测度的概念,即风险点在遭遇风险传播的过程中,吸收能量转化为活跃态的难易程度;也可以理解为风险点状态迁移测度是描述风险点需要吸收多少能量才能够从稳定态迁移到活跃态的测度。
在状态迁移测度的设定上,较为常见的方法包括:与度完全关联、与度部分关联和与度无关联。对于与度完全关联的感染函数,风险点i的状态迁移测度Ti与其度值的α次方成正比,其中α∈(-∞,∞)为度关联指数;对于与度无关联的状态迁移测度,风险点i的状态迁移测度Ti满足也即Ti与pr倍的风险点度值的α次方成正比,其中pr是完全随机的阈值重分配概率,它将以完全随机的概率重新分配给风险网络上的所有风险点,完全随机取值的重分配概率的引入一方面能够保持节点活跃态比例的分布规律,另一方面有效消除了状态迁移测度与节点度的相关性;而现实中,风险的传播并不完全依赖于风险点的拓扑环境,同时与自身的属性因素有关,因此更容易理解与度部分关联的状态迁移测度,本实施例采用与度部分关联的方法,这种情况下风险点i的状态迁移测度Ti以指定的重置概率p根据测度分布函数f(T)随机取得测度值,以1-p的概率取值其中,f(T)是目标网络的初始风险点迁移测度(初始是指与度完全相关、未经过重置的测度)分布函数,a为用于控制测度平均值的常量。
S3根据风险传播概率和所述的风险点间的安全依赖强度计算风险点间的耦合测度,进而根据风险点的初始平均感染率计算出所述异构风险传播概率。
实际的轨道交通系统网络中不可能实现所有风险点都能获得全网范围内的均匀碰撞和均等机会的互相接触,因此必须考虑网络异构性,即加权网络中权重对风险传播的影响。
在轨道交通系统风险网络中,风险点的相互作用关系在短期内是相对固定的,存在作用关系的风险点被有向有权的边连结,意味着风险可沿该边传播,边的方向代表着风险传播方向,而边的权重则代表着作用关系的强弱,不同的边权也就意味着不同路径在传播风险过程中的概率是不同的。本实施例中将这种边权,或者说点与点之间的相关关系、作用关系的强弱称为风险点对之间的耦合测度,耦合测度的标定主要是在风险点间风险传播概率的基础上,依据风险点与风险点间功能依赖强度进行修正和二次标定:
①风险传播概率
风险点之间的耦合关系强弱的主要依据是风险点对之间风险传播的实际情况,因此采用风险传播概率的统计数据值。
②风险点间安全依赖强度
功能依赖强度是指相邻风险点在安全性上相互依赖、互为调节的程度,功能依赖的外部表现就是安全故障和事故相关性。风险点之间安全依赖强度可依据“综合故障/事故率=节点独立故障/事故率+风险点之间安全依赖强度*相关节点故障/事故率计算得到”的关系由节点综合故障/事故率、节点独立故障/事故率、相关节点故障/事故率计算得到,不同类型的风险点关系,比如双风险点相关关系、多风险点单向相关关系、多风险点复杂相关关系等情况有不同的计算方法。
根据风险传播概率和所述的风险点间的安全依赖强度计算风险点间的耦合测度,包括:根据下式(1)计算所述的耦合测度:
ωij=pijηij (1)
其中,ωij为风险点i和风险点j之间的耦合测度;pij表示风险由风险点i向外传播时,选择传播到风险点j的概率;ηij为风险点i和风险点j之间的功能依赖强度。
根据风险点的初始平均感染率计算出所述异构风险传播概率,包括:根据下式(2)计算异构风险传播概率βij:
其中,ωij为风险点i和风险点j之间的耦合测度;β0为初始平均感染率;γ为控制传播率分散程度的常数。
S4在传统传染病模型的基础上,结合风险点状态迁移测度、风险点耦合测度和所述的异构风险传播概率,构建轨道交通系统风险传播演化动力学模型,根据所述的轨道交通系统风险传播演化动力学模型,利用异步更新的方法构建出轨道交通系统的风险链群。
构建轨道交通系统风险传播演化动力学模型,具体包括:
①定模型初始状态:
在初始状态下,风险网络内除了随机确定的或指定的风险点处于感染状态(I)外,其他风险点均处于易感染状态(S)。
网络内风险点的状态迁移测度Ti表示风险点被邻居感染转为I态的难度,其取值满足与度部分关联的策略所取得。
②风险传播过程:
风险在风险网络中沿连接边传播,风险点与邻居风险点相连的边是有向有权边,风险点i到风险点j的边因其异构风险耦合测度,而具有异构传播率,在此步骤中根据感染状态的风险点及其邻居情况,随机选择一个传播路径;
③判断风险点状态:
根据邻居风险点传来的风险信息判断待确认的目标风险点是否会被感染:确认接入邻居风险点状态,以及风险点i被传播风险的综合概率pf(i),如果满足的条件,则认为目标风险点i将在此刻转为感染状态,式中的表示目标风险点i的接入邻居风险点中处于感染状态的节点集合;若不满足,则认为目标风险点i将在此刻保持稳定状态。
④重复所述风险传播状态和判断风险点状态的过程,直到产生外力干预和应急处置而中断风险的传播过程为止。
在以上风险传播演化动力学模型的基础上,以计算机模拟和Gillespie异步更新算法为手段,计算在轨道交通系统运营过程中,系统在受到随机或指定外部刺激时,风险在系统内的演化和传播情况,参照图2,具体步骤为:
Step1首先设置两个队列Q1和Q2,其中Q1用来存放已经被感染的风险点,Q2用来存放活跃边,活跃边包括所有已感染点指向未感染点的边,然后进入step2。
Step2根据队列Q1和Q2,选择一个事件发生(对应一个Q1-Q2组合):Q1中的一个已感染风险点通过Q2中的某一个活跃边去感染一个新的风险点i,以风险点i为目标风险点,计算风险点i的综合感染概率和感染阈值,确认风险点i状态是否转变,若转变则转入Step3,否则转入Step4。
Step3若风险点i状态转变,则将新感染的风险点i加入到Q1队列中,然后移除Q2队列中所有连接到i风险点的边,最后在Q2队列中添加所有因风险点i更新后新产生的活跃边,进入步骤Step4。
Step4更新时间t→t+1。
Step5重复Step2-Step4,直到满足任意一个停止条件,停止条件包括:(a)Q2为空,没有活跃边;(b)实验时间到达上限t≥tmax。
下面以列车转向架及其相关系统为例,通过仿真实施例对本发明方法进行进一步说明,计算和构建列车转向架及其相关系统的风险链群。
具体步骤如下:
轨道交通列车转向架系统可分为构架、一系悬挂装置、二系悬挂装置、轮对、轴箱、中心牵引装置、基础制动单元和抗侧滚装置等部分,与转向架密切相关的其他系统还有轨道线路系统,包括钢轨、道岔、轨道联结件、道床等等;密切相关外部环境风险点主要为异物入侵。筛选出33个风险点如下表1所示,并构建风险网络图如图3所示。
表1
根据风险网络拓扑结构和历史数据计算出风险点状态初始迁移测度值和风险点间的耦合测度并进行相关仿真,从实际情况的全面性出发,考虑指定初始风险点和随机初始风险点两种情况进行仿真构建风险链群。
情况一:指定初始风险点情况下的风险链群模型构建
指定风险以实际运营中故障概率较高的轴箱组成作为初始风险节点,进行仿真实验N=3000次,统计在3000次实验中节点感染概率密度如图4所示,风险传播路径概率分布如图5所示。节点的感染概率密度越高,说明该节点越容易转入风险活跃状态;路径的感染概率越高,说明风险沿该路径传播的可能性越大。
根据对节点感染概率和节点感染路径的统计可以绘出以轴箱组成为初始风险点的风险链群如图6所示。结合传播路径和节点的概率密度可以看出,风险点s11轴箱组成转入活跃态后,比较容易传播风险的方向是s10轴箱弹簧或s7车轴,其次是传播到s12一系垂向减振器或继续通过s7、s12传播到s8车轮、s25钢轨。构建结果确实与运营实际相符。
情况二:随机初始风险点情况下的风险链群模型构建
指定风险以实际运营中故障概率较高的轴箱组成作为初始风险节点,进行仿真实验N=3000次,统计在3000次实验中节点感染概率密度如图7所示,风险传播路径概率分布如图8所示。
根据对节点感染概率和节点感染路径的统计可以绘出随机初始风险点的风险链群如图9所示。该风险连群结果主要包括轨面损伤、车轮损伤、齿轮箱相关损伤、轴箱相关损伤四个部分,切实际传播演化路径与运营实际相符。
本领域技术人员应能理解上述的应用类型仅为举例,其他现有的或今后可能出现的应用类型如可适用于本发明实施例,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
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 (7)
1.一种基于传染病模型的轨道交通系统风险链群构建方法,其特征在于,包括:
确定轨道交通系统中的风险点,根据风险点作用关系通过边连接构成风险网络;
根据所述风险点在所述风险网络中的度值,计算风险点初始风险点迁移测度;
根据风险传播概率和所述的风险点间的安全依赖强度计算风险点间的耦合测度,进而根据风险点的初始平均感染率计算出所述异构风险传播概率;
在传统传染病模型的基础上,结合风险点状态迁移测度、风险点耦合测度和所述的异构风险传播概率,构建轨道交通系统风险传播演化动力学模型,根据所述的轨道交通系统风险传播演化动力学模型,利用异步更新的方法构建出轨道交通系统的风险链群。
2.根据权利要求1所述的方法,其特征在于,所述的风险网络为风险网络无权有向的非均匀复杂网络。
3.根据权利要求1所述的方法,其特征在于,所述的根据所述风险点在所述风险网络中的度值,计算风险点初始风险点迁移测度,包括:风险点i以指定的重置概率p根据测度分布函数f(T)随机取得测度值,以1-p的概率取值其中,度值为k,f(T)是目标网络的初始风险点迁移测度分布函数,初始是指与度完全相关、未经过重置的测度,a为用于控制测度平均值的常量。
4.根据权利要求1所述的方法,其特征在于,所述的根据风险传播概率和所述的风险点间的安全依赖强度计算风险点间的耦合测度,包括:根据下式(1)计算所述的耦合测度:
ωij=pijηij (1)
其中,ωij为风险点i和风险点j之间的耦合测度;pij表示风险由风险点i向外传播时,选择传播到风险点j的概率;ηij为风险点i和风险点j之间的功能依赖强度。
5.根据权利要求1所述的方法,其特征在于,所述的根据风险点的初始平均感染率计算出所述异构风险传播概率,包括:根据下式(2)计算异构风险传播概率:
其中,ωij为风险点i和风险点j之间的耦合测度;β0为初始平均感染率;γ为控制传播率分散程度的常数。
6.根据权利要求1所述的方法,其特征在于,所述的在传统的经典传染病模型的基础上,结合风险点状态迁移测度、风险点耦合测度和所述的异构风险传播概率,构建轨道交通系统风险传播演化动力学模型,具体包括:
①确定模型初始状态:
在初始状态下,风险网络内除了随机确定的或指定的风险点处于感染状态外,其他风险点均处于易感染状态;
②风险传播过程:
风险在风险网络中沿连接边传播,风险点与邻居风险点相连的边是有向有权边,风险点i到风险点j的边因其异构风险耦合测度,而具有异构传播率,在此步骤中根据感染状态的风险点及其邻居情况,随机选择一个传播路径;
③判断风险点状态:
根据邻居风险点传来的风险信息判断待确认的目标风险点是否会被感染,若感染则gen更新系统内风险点状态,若未感染则保持原有状态;
④重复所述风险传播状态和判断风险点状态的过程,直到产生外力干预和应急处置而中断风险的传播过程为止。
7.根据权利要求1所述的方法,其特征在于,所述的根据邻居风险点传来的风险信息判断待确认的目标风险点是否会被感染,包括:
确认接入邻居风险点状态,以及风险点i被传播风险的综合概率pf(i),如果满足的条件,则认为目标风险点i将在此刻转为感染状态,若不满足则认为目标风险点i将在此刻保持未被感染的易感染状态,式中的表示目标风险点i的接入邻居风险点中处于感染状态的节点集合,βji表示风险点i到j的异构风险传播概率,Ti表示风险点i的状态迁移测度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910630744.4A CN110400065B (zh) | 2019-07-12 | 2019-07-12 | 基于传染病模型的轨道交通系统风险链群构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910630744.4A CN110400065B (zh) | 2019-07-12 | 2019-07-12 | 基于传染病模型的轨道交通系统风险链群构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110400065A true CN110400065A (zh) | 2019-11-01 |
CN110400065B CN110400065B (zh) | 2021-10-22 |
Family
ID=68325479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910630744.4A Active CN110400065B (zh) | 2019-07-12 | 2019-07-12 | 基于传染病模型的轨道交通系统风险链群构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110400065B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111584091A (zh) * | 2020-04-29 | 2020-08-25 | 北京交通大学 | 一种城轨线路级密切接触者交叉感染风险辨识方法和装置 |
CN112365162A (zh) * | 2020-11-12 | 2021-02-12 | 北京交通大学 | 一种基于事故致因网络的铁路运行风险控制方法 |
CN113889284A (zh) * | 2021-09-16 | 2022-01-04 | 同济大学 | 一种基于公共交通知识图谱的传染病接触目标追踪方法 |
CN116167616A (zh) * | 2022-12-29 | 2023-05-26 | 北京交通大学 | 一种数据驱动的突发事件下城市轨道交通风险点量化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682188A (zh) * | 2011-03-15 | 2012-09-19 | 中国科学院遥感应用研究所 | 一种城市级传染病模拟的方法及装置 |
CN106789333A (zh) * | 2017-01-16 | 2017-05-31 | 东北大学 | 一种基于时间分层的复杂网络传播源点定位方法 |
CN106971262A (zh) * | 2017-03-14 | 2017-07-21 | 北京交通大学 | 基于元胞自动机的城市轨道交通拥堵状态传播的仿真方法 |
CN108520359A (zh) * | 2018-04-11 | 2018-09-11 | 北京交通大学 | 城市轨道交通系统的风险网络模型的构建方法 |
AU2019100347A4 (en) * | 2019-04-03 | 2019-05-09 | Chongqing University Of Posts And Telecommunications | A method for predicting propagation scale of computer virus under the impact of removable storage media on complex networks |
-
2019
- 2019-07-12 CN CN201910630744.4A patent/CN110400065B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682188A (zh) * | 2011-03-15 | 2012-09-19 | 中国科学院遥感应用研究所 | 一种城市级传染病模拟的方法及装置 |
CN106789333A (zh) * | 2017-01-16 | 2017-05-31 | 东北大学 | 一种基于时间分层的复杂网络传播源点定位方法 |
CN106971262A (zh) * | 2017-03-14 | 2017-07-21 | 北京交通大学 | 基于元胞自动机的城市轨道交通拥堵状态传播的仿真方法 |
CN108520359A (zh) * | 2018-04-11 | 2018-09-11 | 北京交通大学 | 城市轨道交通系统的风险网络模型的构建方法 |
AU2019100347A4 (en) * | 2019-04-03 | 2019-05-09 | Chongqing University Of Posts And Telecommunications | A method for predicting propagation scale of computer virus under the impact of removable storage media on complex networks |
Non-Patent Citations (3)
Title |
---|
G.J.M. READA等: "Complexity on the rails: A systems-based approach to understanding safety management in rail transport", 《RELIABILITY ENGINEERING AND SYSTEM SAFETY》 * |
李晓璐等: "城市轨道交通系统灾害链网络模型构建与评价", 《中国安全科学学报》 * |
黄雅坤: "城市轨道交通路网运营安全评价方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111584091A (zh) * | 2020-04-29 | 2020-08-25 | 北京交通大学 | 一种城轨线路级密切接触者交叉感染风险辨识方法和装置 |
CN111584091B (zh) * | 2020-04-29 | 2023-10-24 | 北京交通大学 | 一种城轨线路级密切接触者交叉感染风险辨识方法和装置 |
CN112365162A (zh) * | 2020-11-12 | 2021-02-12 | 北京交通大学 | 一种基于事故致因网络的铁路运行风险控制方法 |
CN112365162B (zh) * | 2020-11-12 | 2024-03-08 | 北京交通大学 | 一种基于事故致因网络的铁路运行风险控制方法 |
CN113889284A (zh) * | 2021-09-16 | 2022-01-04 | 同济大学 | 一种基于公共交通知识图谱的传染病接触目标追踪方法 |
CN116167616A (zh) * | 2022-12-29 | 2023-05-26 | 北京交通大学 | 一种数据驱动的突发事件下城市轨道交通风险点量化方法 |
CN116167616B (zh) * | 2022-12-29 | 2023-07-28 | 北京交通大学 | 一种数据驱动的突发事件下城市轨道交通风险点量化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110400065B (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110400065A (zh) | 基于传染病模型的轨道交通系统风险链群构建方法 | |
Lu et al. | Modeling network vulnerability of urban rail transit under cascading failures: A Coupled Map Lattices approach | |
CN105678411B (zh) | 一种旅客列车运行方案图编制方法 | |
Liao | On‐line vehicle routing problems for carbon emissions reduction | |
Belik et al. | Recurrent host mobility in spatial epidemics: beyond reaction-diffusion | |
Xiongfei et al. | Network emergency evacuation modeling: A literature review | |
Sun et al. | Vulnerability analysis of urban rail transit network considering cascading failure evolution | |
Wu et al. | Evacuation optimization of a typical multi-exit subway station: Overall partition and local railing | |
Yang et al. | Robustness evaluation for multi-subnet composited complex network of urban public transport | |
Wang et al. | Vulnerability assessment of urban road traffic systems based on traffic flow | |
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 | |
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 | |
Gallo et al. | A multimodal approach to bus frequency design | |
Feng et al. | Resilience towarded digital twins to improve the adaptability of transportation systems | |
Zhang et al. | Modeling pedestrian–vehicle mixed-flow in a complex evacuation scenario | |
CN111723991B (zh) | 大型活动散场客流对地铁车站冲击影响的预测评估方法 | |
Guo et al. | Simulation-based multi-objective optimization towards proactive evacuation planning at metro stations | |
Gharajeh et al. | Dispatching rescue and support teams to events using ad hoc networks and fuzzy decision making in rescue applications | |
Chatterjee et al. | Evolutionary game theoretic approach to rear-end events on congested freeway | |
Tian et al. | Identification of critical links in urban road network considering cascading failures | |
Nakamiti et al. | Urban traffic control and monitoring–an approach for the brazilian intelligent cities project | |
Dui et al. | Cascading failure and resilience optimization of unmanned vehicle distribution networks in IoT | |
Pasquale et al. | A discrete-time model for large-scale multi-modal transport networks | |
Jian et al. | Optimal exit layout strategy for crowd safety evacuation in a ramp domain | |
Klinker et al. | Introducing a Navigation Algorithm for Reducing the Spread of Diseases in Public Transport Networks. |
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 |