CN110490400A - 一种基于态势感知的地铁运营安全评估方法 - Google Patents

Abstract

本发明公开了一种基于态势感知的地铁运营安全评估方法，包括数据预处理；安全态势值计算；基于熵值法的权重计算得到指标权重；构建基于多维联系数法的地铁运营安全态势感知理解模型得到综合评价模型；划分安全、低风险、中风险、高风险、危险5个安全态势等级，设定每个等级区间建议值；进行智能评估。本发明能高效、直观、简捷的反映车站的安全状态；通过根据查询历史数据、显示各种图示，可以使决策者对车站一段时间的安全状况进行全面回顾、了解、分析；能直观反映哪些因素对车站安全带来影响，随着地铁运营的网络化发展趋势，在轨道交通运营安全问题中具有重要作用，为地铁运营安全提供参考。

Description

一种基于态势感知的地铁运营安全评估方法

技术领域

本发明属于轨道交通安全管理技术领域，尤其是指一种基于态势感知的地铁运营安全评估方法。

背景技术

地铁车站具有较高的开放性，车站安全态势时刻影响着车站的运行安全。其中，态势分析包括了态势获取、态势理解和态势预测三大部分，态势获取是安全态势技术的基础环节，态势理解是安全态势技术的核心。安全态势理解技术是对当前安全态势情况动态分析推理，通过识别态势信息中与安全相关的事件，并根据受到安全威胁程度得到安全态势值，直观地反映系统安全状况。

车站安全态势由多因素决定，安全事件发生的频率、数量、地点等是不断变化的，安全态势值的大小也会随之发生变化。地铁车站安全态势值若位于安全域内，则车站运行安全，否则认为车站运行处于不安全状态。地铁车站安全态势值能具体表现车站安全运行的状况。

为了更加直观、科学合理的测度车站的安全态势，需要根据地铁车站安全态势值界定安全等级，以及需要使管理者能够更快更好的理解车站的运营安全态势，加强管理保障乘客的出行安全。

基于上述不足，需设计一种基于态势感知的地铁运营安全评估方法，使用安全态势值来表征车站的安全状况，用于实现上述问题。

发明内容

为了克服现有技术的不足，本发明提供了一种基于态势感知的地铁运营安全评估方法。

为了达到上述目的，本发明采用以下技术方案：一种基于态势感知的地铁运营安全评估方法，包括如下步骤：

步骤S1：数据预处理：预处理影响地铁车站安全的指标数据；

步骤S2：安全态势值计算：将各指标赋值处理，得到量化指标，对于指标之间的量纲存在的差异，采取无量纲化处理；

步骤S3：获取指标权重：运用熵值法确定地铁车站安全态势各评价指标的权重；

步骤S4：综合评价模型：在地铁车站安全因素分析、指标体系构建的基础上，对获取的指标数据进行处理，依据指标数据判断对地铁车站安全的综合影响情况；

步骤S5：安全态势等级划分：根据地铁车站安全态势值界定安全等级；

步骤S6：智能评估：将上述过程综合分析，处理得到整体安全性评估结果。

更进一步的，所述步骤S3包括如下步骤：

步骤S3-1：获取地铁车站m天的指标数据作为评价对象，每天的评价指标构成一组评价对象；

步骤S3-2:指标的类型分为经济型指标和成本性指标两类，采用不同的方法对各类型的指标归一化处理；

步骤S3-3：计算每组中各评价指标的熵值为：

其中，k＝1/ln(m)，E_j≥0，j代表每组中第j个指标，b_ij代表第j项参数指标下第i天占该参数的比重；

步骤S3-4：计算每组中第j项指标的差异系数：

g_j＝1-E_j；

步骤S3-5：获得评价指标的熵权。每组中第j项指标的熵权为：

各个指标的权重集合为W，即W＝(w₁，w₂,……,w_n)。其中w_j∈(0,1)，

更进一步的，根据步骤S3得到更具评价指标的权重将地铁车站安全态势划分为五级：安全，低风险，中风险，高风险，危险。

更进一步的，所述步骤S6通过处理得到整体安全性评估结果，采用多维联系数法处理指标体系，建立指标间的数学融合模型，获取地铁车站安全态势评估结果。

更进一步的，所述多维联系数的思想在于现场获取m天的指标数据，A＝(A1,A2,…,Am)是m组待评价对象构成的集合，且每天均有n个评价指标，评价指标集为I＝(i₁,i₂,…,i_n)。

具体包括如下步骤：

步骤S6-1:对第i天A_i评价对象进行考察时，每个评价对象有n个指标。其考察值设为其中c_in为归一化后的指标量化值指。标标准化处理后，获得标准化地铁车站n维安全决策矩阵B：

在根据式将B＝转化为n维联系数决策矩阵：

步骤S6-2:确定每个指标的绝对理想解μ⁺和绝对负理想解μ^-；

步骤S6-3:基于熵值法获得权重W的基础上，利用海明距离计算各决策方案到绝对理想解的距离和到绝对负理想解的距离

步骤S6-4:根据各决策方案到绝对理想解的距离和到绝对负理想解的距离获取地铁车站安全综合评价指数(k＝1,2,…,m)：

根据获得的地铁车站安全综合评价指数p_k，判断地铁车站安全状况。

有益效果：与现有技术相比，本发明具有以下优点：本发明的安全评估方法能高效、直观、简捷的反映车站的安全状态；通过根据查询历史数据、显示各种图示，可以使决策者对车站一段时间的安全状况进行全面回顾、了解、分析；能直观反映哪些因素对车站安全带来影响。

附图说明

图1为本发明的地铁运营安全态势理解技术路线图；

图2为本发明的安全态势值计算过程的流程图；

图3为本发明的熵值法获得指标权重的流程图；

图4为本发明的多维联系数法流程图；

图5为本发明实施例各指标量化值归一化处理结果；

图6为本发明实施例的安全态势值。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

如图1所示，本基于态势感知的地铁运营安全评估方法，包括如下步骤：

步骤S1：数据预处理：预处理影响地铁车站安全的指标数据；

步骤S2：安全态势值计算：将各指标赋值处理，得到量化指标，对于指标之间的量纲存在的差异，采取无量纲化处理；

步骤S3：获取指标权重：运用熵值法确定地铁车站安全态势各评价指标的权重；

步骤S4：综合评价模型：在地铁车站安全因素分析、指标体系构建的基础上，对获取的指标数据进行处理，依据指标数据判断对地铁车站安全的综合影响情况；

步骤S5：安全态势等级划分：根据地铁车站安全态势值界定安全等级；

步骤S6：智能评估：将上述过程综合分析，处理得到整体安全性评估结果。

本发明以车站安全态势理解方式，从整体角度去考虑车站的安全状态，从而提供车站安全的综合态势，达到辅助决策的目的。

根据地铁车站特点，使用数学模型的融合方法对地铁车站安全态势理解。其中具体包括数据预处理、安全态势值计算、获取指标权重、综合评价模型、安全态势等级划分、智能评估，数据预处理获取影响地铁车站安全的指标数据；安全态势值用于直观地表现车站安全运行状况，定量表达地铁车站的安全态势；获取指标权重运用熵值法确定地铁车站安全态势各评价指标的权重；综合评价模型在地铁车站安全因素分析、指标体系构建的基础上，需要对获取的指标数据进行处理，依据指标数据判断对地铁车站安全的综合影响情况；安全态势等级划分需要根据地铁车站安全态势值界定安全等级；智能评估将上述过程综合分析，处理得到整体安全性评估结果。

作为本实施例的进一步实施方案，如图2所示，安全态势值计算过程包括将各指标赋值处理，得到量化指标，对于指标之间的量纲存在的差异，采取无量纲化处理。

步骤S3运用熵值法确定地铁车站安全态势各评价指标的权重，具体过程如图3所示，其包括如下步骤：

步骤S3-1：获取地铁车站m天的指标数据作为评价对象，每天的评价指标构成一组评价对象；

步骤S3-2：指标的类型分为经济型指标和成本性指标两类，采用不同的方法对各类型的指标归一化处理；

步骤S3-3：计算每组中各评价指标的熵值为：

其中，k＝1/ln(m)，E_j≥0，j代表每组中第j个指标，b_ij代表第j项参数指标下第i天占该参数的比重。

步骤S3-4：计算每组中第j项指标的差异系数：

g_j＝1-E_j

步骤S3-5：获得评价指标的熵权。每组中第j项指标的熵权为：

各个指标的权重集合为W，即W＝(w₁，w₂,……,w_n)。其中w_j∈(0,1)，

此外，根据步骤S3中得到的更具评价指标的权重将地铁车站安全态势划分为五级，得到等级界定的区间值见表1。

表1

由表1所示，定义模糊数集U5＝{安全，低风险，中风险，高风险，危险}，对应的区间表达形式为：

安全＝[VF]＝(0.8,1)

低风险＝[S]＝(0.6,0.8)

中风险＝[R]＝(0.4,0.6)

高风险＝[D]＝(0.2,0.4)

危险＝[VD]＝(0,0.2)

说明：安全等级内车站安全态势处于理想状态，乘客出行安全快捷舒适，车站各系统运转良好；低风险等级内存在影响车站安全态势的可忽略或可延迟处理设备故障和乘客违章事件，车站客流量增大设备运转正常、乘客出行安全；中风险等级内出现设备故障和轻微客伤事件，需要加强车站管理，采取防控措施确保乘客出行安全和车站运营安全；高风险等级内车站安全态势变差，出现险性事故和客伤事故影响车站正常运营；危险等级内车站安全态势处于危险状态，出现严重设备故障和重大客伤事故，严重危及乘客人身财产安全和车站正常运营。

步骤S6通过处理得到整体安全性评估结果，采用多维联系数法处理指标体系，建立指标间的数学融合模型，获取地铁车站安全态势评估结果。

其中，多维联系数的思想具体包括：现场获取m天的指标数据，A＝(A1,A2,…,Am)是m组待评价对象构成的集合，而每天均有n个评价指标，评价指标集为I＝(i₁,i₂,…,i_n)。具体评价过程如图4所示，包括：

第一步：对第i天A_i评价对象进行考察时，每个评价对象有n个指标。其考察值设为其中c_in为归一化后的指标量化值指。标标准化处理后，获得标准化地铁车站n维安全决策矩阵B：

在根据式将B＝转化为n维联系数决策矩阵：

第二步：确定每个指标的绝对理想解μ⁺和绝对负理想解μ^-；

第三步：基于熵值法获得权重W的基础上，利用海明距离计算各决策方案到绝对理想解的距离和到绝对负理想解的距离

第四步：根据各决策方案到绝对理想解的距离和到绝对负理想解的距离获取地铁车站安全综合评价指数(k＝1,2,…,m)：

根据获得的地铁车站安全综合评价指数p_k，判断地铁车站安全状况。

本实施例以南京地铁线某站点为例进行应用分析，数据为处理得到的指标体系中的各指标量化值，共采集了现场2016年1月1日至10月31日共305天的数据。由于各指标量化值量纲不同，有较大的数量级差别，需对指标量化值归一化处理，各指标归一化处理后的结果如表2所示。

表2

各指标归一化处理后，数据如图5所示。由熵值法得到各指标的权重为：w＝(0.1261,0.0550,0.0628,0.1039,0.0822,0.0874,0.1209,0.1228,0.1174,0.0832,0.03822)。将指标权重w结合到安全态势理解模型中，获取下马坊地铁车站的安全态势值如图6所示。

根据地铁车站安全态势等级界定表，该站点2016年1-10月份安全态势值分布情况如表3所示。

表3

南京地铁线某站点2016年1-10月的安全态势分布如图6所示。整体看来下马坊车站安全情况比较好，安全等级188天，低风险等级115天，中风险等级2天，无高风险及危险的情况。从曲线宏观走势可以看出，一月下旬至二月上旬、四月底至五月初和九月底至十月初安全态势值均较低。经与地铁车站历史资料对比发现，这段时间出现车站客流量较大、设备高负荷运转和乘客违章出行等情况。

以此站1月1日至10月31日为例进行分析，根据下马坊地铁车站运营安全态势评价的结果来看，总体运营安全处于一般风险水平。选取更具有代表性的节假日数据作为分析对象，部分节假日的安全等级如表4所示。

表4

由表4可知，1月1日(元旦)和10月7日的安全等级均属于中风险状态。结合各指标数据和现场情况分析可知，导致风险等级较高的原因是该站位于钟山风景区附近，当日有大批游客在此乘候地铁，导致了客流拥挤度、站台楼梯拥挤度、车站通道拥挤度和闸机负荷度均较大且综合环境指数和AFC系统安全指数较低；2月6日为除夕前一天，其安全等级属于低风险状态，原因是车站拥挤度和闸机负荷度较大，车站工作人员安全保障指数、车站应急疏散能力和站内综合环境指数较低；五一、十一黄金周期间和中秋节(9月15日)安全等级属于低风险状态，其致因是由于设施设备的承受度、站内综合环境指数和乘客责任事故指数较大。为防止地铁车站安全运营时出现安全态势较低的情况，应增强设备设施的承载能力、提高站内综合环境质量和工作人员安全保障能力。

根据分析可知，在日常地铁车站的安全运营监测与防护过程中，工作人员可根据态势值的大小分析地铁车站安全运营的风险状况，并根据各指标的风险水平采取针对性的整改措施，保障地铁车站的安全运营。

本发明能高效、直观、简捷的反映车站的安全状态；通过根据查询历史数据、显示各种图示，可以使决策者对车站一段时间的安全状况进行全面回顾、了解、分析；能直观反映哪些因素对车站安全带来影响，随着地铁运营的网络化发展趋势，在轨道交通运营安全问题中具有重要作用，为地铁运营安全提供参考。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (5)

1.一种基于态势感知的地铁运营安全评估方法，其特征在于：包括如下步骤：

步骤S1：数据预处理：预处理影响地铁车站安全的指标数据；

步骤S2：安全态势值计算：将各指标赋值处理，得到量化指标，对于指标之间的量纲存在的差异，采取无量纲化处理；

步骤S3：获取指标权重：运用熵值法确定地铁车站安全态势各评价指标的权重；

步骤S4：综合评价模型：在地铁车站安全因素分析、指标体系构建的基础上，对获取的指标数据进行处理，依据指标数据判断对地铁车站安全的综合影响情况；

步骤S5：安全态势等级划分：根据地铁车站安全态势值界定安全等级；

步骤S6：智能评估：将上述过程综合分析，处理得到整体安全性评估结果。

2.根据权利要求1所述的基于态势感知的地铁运营安全评估方法，其特征在于：所述步骤S3包括如下步骤：

步骤S3-1：获取地铁车站m天的指标数据作为评价对象，每天的评价指标构成一组评价对象；

步骤S3-2:指标的类型分为经济型指标和成本性指标两类，采用不同的方法对各类型的指标归一化处理；

步骤S3-3：计算每组中各评价指标的熵值为：

其中，k＝1/ln(m)，E_j≥0，j代表每组中第j个指标，b_ij代表第j项参数指标下第i天占该参数的比重；

步骤S3-4：计算每组中第j项指标的差异系数：

g_j＝1-E_j；

步骤S3-5：获得评价指标的熵权。每组中第j项指标的熵权为：

各个指标的权重集合为W，即W＝(w₁，w₂,……,w_n)。其中w_j∈(0,1)，

3.根据权利要求2所述的基于态势感知的地铁运营安全评估方法，其特征在于：根据步骤S3得到更具评价指标的权重将地铁车站安全态势划分为五级：安全，低风险，中风险，高风险，危险。

4.根据权利要求1所述的基于态势感知的地铁运营安全评估方法，其特征在于：所述步骤S6通过处理得到整体安全性评估结果，采用多维联系数法处理指标体系，建立指标间的数学融合模型，获取地铁车站安全态势评估结果。

5.根据权利要求4所述的基于态势感知的地铁运营安全评估方法，其特征在于：所述多维联系数的思想在于现场获取m天的指标数据，A＝(A1,A2,…,Am)是m组待评价对象构成的集合，且每天均有n个评价指标，评价指标集为I＝(i₁,i₂,…,i_n)。

具体包括如下步骤：

步骤S6-1:对第i天A_i评价对象进行考察时，每个评价对象有n个指标。其考察值设为其中c_in为归一化后的指标量化值指。标标准化处理后，获得标准化地铁车站n维安全决策矩阵B：

在根据式将B＝转化为n维联系数决策矩阵：

步骤S6-2:确定每个指标的绝对理想解μ⁺和绝对负理想解μ^-；

步骤S6-3:基于熵值法获得权重W的基础上，利用海明距离计算各决策方案到绝对理想解的距离d_k ⁺和到绝对负理想解的距离d_k ^-；

步骤S6-4:根据各决策方案到绝对理想解的距离d_k ⁺和到绝对负理想解的距离d_k ^-，获取地铁车站安全综合评价指数(k＝1,2,…,m)：

根据获得的地铁车站安全综合评价指数p_k，判断地铁车站安全状况。