CN110533296B - 铁路网的运行风险分析方法 - Google Patents

铁路网的运行风险分析方法 Download PDF

Info

Publication number
CN110533296B
CN110533296B CN201910700885.9A CN201910700885A CN110533296B CN 110533296 B CN110533296 B CN 110533296B CN 201910700885 A CN201910700885 A CN 201910700885A CN 110533296 B CN110533296 B CN 110533296B
Authority
CN
China
Prior art keywords
railway
network
risk
railway network
station
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
CN201910700885.9A
Other languages
English (en)
Other versions
CN110533296A (zh
Inventor
张蜇
贾利民
秦勇
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
Original Assignee
Beijing Jiaotong University
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 filed Critical Beijing Jiaotong University
Priority to CN201910700885.9A priority Critical patent/CN110533296B/zh
Publication of CN110533296A publication Critical patent/CN110533296A/zh
Application granted granted Critical
Publication of CN110533296B publication Critical patent/CN110533296B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40Business 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

本发明提供了一种铁路网的运行风险分析方法。该方法包括:根据铁路历史写实数据计算铁路路网中的区段和车站的风险发生概率和行车中断概率;根据开行列车数量计算出铁路路网的效率损失和能力损失;根据事故恢复时间计算铁路路网的状态可恢复性值;根据所述铁路路网的区段和车站的风险发生概率和行车中断概率,以及铁路路网的效率损失、能力损失和状态可恢复性值,对铁路路网进行风险分析。本发明的方法可以根据历史事故和故障数据分析区间和线路风险对路网运行的影响,实现从系统角度分析运行事故对路网运行的影响。有助于运营部门根据风险大小制定重点线路和车站的风险控制方案。

Description

铁路网的运行风险分析方法
技术领域
本发明涉及铁路运行安全管理技术领域,尤其涉及一种铁路网的运行风险分析方法。
背景技术
中国的铁路路网要扩大规模,完善结构,提高质量,快速扩充运输能力,迅速提高装备水平。到2020年,全国铁路营业里程达到12万公里,主要繁忙干线实现客货分线,复线率和电化率分别达到50%和60%以上,铁路路网的运输能力满足国民经济和社会发展需要,主要技术装备达到或接近国际先进水平。
铁路路网的运行风险分析是根据铁路运行事故数据分析风险发生概率,计算风险对路网运行造成的影响。目前,现有技术中的铁路路网的运行风险分析方法仅针对铁路某个子系统如列车,线路等设施设备,未能从整体或系统角度分析铁路路网的风险状态。
发明内容
本发明的实施例提供了一种铁路网的运行风险分析方法,以实现从系统角度分析铁路路网的风险状态。
为了实现上述目的,本发明采取了如下技术方案。
一种铁路网的运行风险分析方法,包括:
根据铁路历史写实数据计算铁路路网中的区段和车站的风险发生概率和行车中断概率;
根据开行列车数量和铁路路网拓扑结构计算出铁路路网的效率损失和能力损失;
根据事故恢复时间计算铁路路网的状态可恢复性值;
根据所述铁路路网的区段和车站的风险发生概率和行车中断概率,以及铁路路网的效率损失、能力损失和状态可恢复性值,对铁路路网进行风险分析。
优选地,所述的根据铁路历史写实数据计算铁路路网中的区段和车站的风险发生概率和行车中断概率之前,还包括:
构建铁路运输功能网络,所述铁路运输功能网络包括铁路线路拓扑网络和车流网络,所述铁路线路拓扑网络包括连接关系、线路长度以及车站位置,所述车流网络包括描述车站之间开行列车对数的网络;
令铁路线路拓扑网为T=(S,D),其中S为车站,D为距离;令车流网络为H=(S,U),其中U为开行对数。则铁路运输功能网络表示为M=(S,D,U)。
优选地,所述的根据铁路历史写实数据计算铁路路网中的区段和车站的风险发生概率和行车中断概率,包括:
根据铁路历史写实数据提取每个区段或车站发生事故或故障次数,令统计时间范围为T天,区段Lmn在统计时间范围内发生事故次数为NLmn,车站m在统计时间范围内发生事故次数为NSm,那么区段Lmn发生风险事件的概率为:
Figure GDA0003601907420000021
考虑上下行线,区段Lmn行车中断的概率为:
Figure GDA0003601907420000022
车站m发生事故的概率为
Figure GDA0003601907420000023
设车站m的股道数量为M,那么车站m导致行车中断的概率为:
Figure GDA0003601907420000024
优选地,所述的根据开行列车数量和铁路路网拓扑结构计算出铁路路网的效率损失和能力损失,包括:
铁路路网的效率E的计算公式为:
Figure GDA0003601907420000025
其中umn为车站m和n之间的开行列车数,dmn为车站m和n之间的最短距离;
设车站m和n之间的线路发生中断后铁路路网的效率为E',则铁路路网的效率损失为:
Figure GDA0003601907420000026
铁路路网的能力指标根据开行列车数量来计算,进入车站m的列车流量为:
Figure GDA0003601907420000031
其中
Figure GDA0003601907420000032
为铁路路网外部的车站向车站m开行列车数,Xm为流入车站m的列车数,
Figure GDA0003601907420000033
为从车站n出发开往车站m的列车数量比例,Xn为从其他车站到车站n的列车数量,Um为路网外部车站向车站m开行的列车总数;
将公式(5)表示为:
X=F(-n)X+U (6)
则铁路路网的能力的计算公式为:
X=(1-F(-n))-1U (7)
当连接车站u和v的线路失效后,铁路路网的能力的计算公式为
X-(u,v)=(1-F(-n-(u,v)))-1U (8)
铁路路网的能力损失为:
Figure GDA0003601907420000034
优选地,所述的根据事故恢复时间计算铁路路网的状态可恢复性值,包括:
令事故发生时间为ts,事故处置结束时间为te,则事故恢复时间为tr=te-ts,铁路路网的状态可恢复性值V为恢复时间在一天运营时间所占的比例:
Figure GDA0003601907420000035
其中to为路网运营时间。
优选地,所述的根据所述铁路路网的区段和车站的风险发生概率和行车中断概率,以及铁路路网的效率损失、能力损失和状态可恢复性值,对铁路路网进行风险分析,包括:
所述铁路路网中的区段失效所造成的铁路路网的效能损失风险EL和能力损失风险CL的计算公式分别为:
EL=PmnΔEV,CL=PmnΔCV (10)。
由上述本发明的实施例提供的技术方案可以看出,本发明实施例提出的铁路网的运行风险分析方法可以根据历史事故和故障数据分析区间和线路风险对路网运行的影响,实现从系统角度分析运行事故对路网运行的影响。有助于运营部门根据风险大小制定重点线路和车站的风险控制方案。
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为本发明实施例提供的一种铁路网的运行风险分析方法的实现原理图;
图2为本发明实施例提供的一种铁路网的运行风险分析方法的处理流程图;
图3为本发明实施例提供的一种不同OD车站开行列车数量示意图;
图4为本发明实施例提供的一种铁路运输功能网络示意图;
图5为本发明实施例提供的一种恢复时间分布示意图;
图6为本发明实施例提供的一种不同车站和区间风险发生概率示意图;
图7为本发明实施例提供的一种不同区段风险状态下路网效率损失评估结果示意图;(a)不考虑列车流,(b)考虑列车流
图8为本发明实施例提供的一种不同车站风险状态下路网效率损失评估结果示意图;
图9为本发明实施例提供的一种不同车站和区段风险状态下路网能力损失示意图。
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,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
本发明实施例从系统角度分析运行事故对路网运行的影响。为了评估风险对路网的影响,需要提出路网运行指标。本发明从效率和能力两个方面,提出了路网运行指标计算方法。基于路网运行事故数据,计算路网区间和车站事故发生概率,进而根据车站和线路配置,计算行车中断概率。通过比较行车中断前后效率和能力损失,得出路网风险评估结果。
针对路网运行安全状态分析问题,本发明实施例首先根据铁路系统历史故障和事故数据,计算区段和车站风险发生概率和路网状态可恢复性。根据铁路网拓扑结构和列车流构建铁路运输功能网络,并提出网络效能和能力损失计算方法。最后,根据风险发生概率和网络影响结果评价路网安全状态。
图1为本发明实施例提供的一种铁路网的运行风险分析方法的实现原理图,该方法的具体处理流程如图2所示,包括如下的处理步骤:
步骤S21、构建铁路运输功能网络。
铁路运输功能网络包括铁路线路拓扑网络和车流网络,铁路线路拓扑网络是铁路线路物理网络,包括连接关系、线路长度以及车站位置等,其中,物理网络是距离矩阵。车流网络是描述车站之间开行列车对数的网络,车流网络是整数矩阵。
令铁路线路拓扑网为T=(S,D),其中S为车站,D为距离;令车流网络为H=(S,U),其中U为开行对数。则铁路运输功能网络可表示为M=(S,D,U)。
下面将铁路运输功能网络简称为铁路路网。
步骤S22、根据铁路历史写实数据计算区段和车站的风险发生概率和行车中断概率。
本发明将铁路运输功能网络视为一个系统,由于存在维修天窗,假设每天铁路网运行状态均可恢复到初始状态。根据铁路历史写实数据,提取每个区段或车站发生事故或故障次数,令统计时间范围为T(天),区段Lmn在统计时间范围内发生事故次数为NLmn,车站m在统计时间范围内发生事故次数为NSm,那么区段Lmn发生风险事件的概率为:
Figure GDA0003601907420000061
考虑上下行线,区段Lmn行车中断的概率为:
Figure GDA0003601907420000062
车站m发生事故的概率为
Figure GDA0003601907420000063
然而,车站发生事故后,由于车站存在多个股道和道岔可用于列车通行,单个股道或道岔的运行事故不会严重影响路网运行状态。假设车站m的股道数量为M,那么车站m导致行车中断的概率为:
Figure GDA0003601907420000064
步骤S23、根据开行列车数量和铁路路网拓扑结构计算铁路路网的运行损失指标。
(1)计算铁路路网的效率
根据复杂网络理论,铁路路网的效率E为:
Figure GDA0003601907420000065
其中umn为车站m和n之间的开行列车数,dmn为车站m和n之间的最短距离。
由于事故发生,车站m和n之间的线路可能导致中断,令线路中断后铁路路网的效率为E',那么铁路路网的效率损失为:
Figure GDA0003601907420000066
(2)计算铁路路网的能力
铁路路网的能力指标根据开行列车数量来计算,进入车站m的列车流量为:
Figure GDA0003601907420000067
其中
Figure GDA0003601907420000071
为铁路路网外部的车站向车站m开行列车数,Xm为流入车站m的列车数,
Figure GDA0003601907420000072
为从车站n出发开往车站m的列车数量比例,Xn为从其他车站到车站n的列车数量,Um为路网外部车站向车站m开行的列车总数;
公式(15)可表示为:
X=F(-n)X+U (16)
那么铁路路网的能力可计算为:
X=(1-F(-n))-1U (17)
因此,当连接车站u和v的线路失效后,铁路路网的能力可计算为
X-(u,v)=(1-F(-n-(u,v)))-1U (18)
最后,铁路路网的能力损失为:
Figure GDA0003601907420000073
步骤S24、根据事故恢复时间计算铁路路网的状态可恢复性值。
铁路路网发生事故后,需采用应急处置措施减少事故影响。根据铁路历史写实数据,可通过事故发生和处置完毕的事件计算路网状态可恢复性。令事故发生时间为ts,事故处置结束时间为te,那么恢复时间为tr=te-ts。铁路路网的状态可恢复性值可表示为恢复时间在一天运营时间所占的比例:
Figure GDA0003601907420000074
其中to为路网运营时间。
步骤S25、根据铁路路网的区段和车站的风险发生概率和行车中断概率,以及铁路路网的效率损失、能力损失和状态可恢复性值,对铁路路网进行风险分析。
根据计算的铁路路网不同位置的事故发生概率,可计算铁路路网的效率和能力的损失,并作为风险评估指标,区段失效所造成的铁路路网的效能损失风险EL和能力损失风险CL分别为:
EL=PmnΔEV,CL=PmnΔCV (20)
车站失效所造成的铁路路网的效能损失风险EL和能力损失风险分别为:
EL=PmΔEV,CL=PmΔCV (21)
通过对沪昆高铁、京广高铁以及怀衡线调研,获得铁路路网的列车实绩数据,LKJ(列车运行监控)数据和事故写实数据。列车实绩数据包含经停车站和时刻;LKJ数据包括路网拓扑、车站股道等数据;事故写实数据包括事故发生和结束时间、事故原因以及事故位置等数据。
(1)根据列车时刻表可得不同OD车站之间的开行列车数量,图3为本发明实施例提供的一种不同OD车站开行列车数量示意图,如图3为所示。不同车站间列车开行数量差异较大,列车开行数量代表交通需求大小,因此需要考虑不同OD的交通需求进而评估路网风险。根据路网拓扑和列车OD构建如图4所示的铁路运输功能网络,共包含32个车站和32个区段。
(2)与区段风险发生概率计算方法不同,车站风险概率计算需要股道数量数据,根据LKJ数据统计,得到各个车站的股道数量数据,如表1所示:
表1:车站股道数量表
Figure GDA0003601907420000081
(3)图5为2016年1月到3月事故恢复时间分布示意图,由于写实数据中存在缺失值,本发明采用同一事故原因历史恢复时间数据的平均值填充缺失数据,经统计,平均恢复时间为47.67分钟,一天内运营时间为早上6:08至晚上21:10,共计902分钟,因此铁路路网的状态可恢复性值为0.0528。
(4)根据事故写实数据计算各个区段和车站的风险发生概率,统计时间为3年,根据写实数据分别对32个区间和车站的风险发生概率进行计算,如图6所示。
(5)计算风险状态下路网效率和能力损失:图8为铁路路网效率损失风险,图7(a)为不考虑列车开行数量的效率损失风险,图7(b)为考虑列车开行数量情况下的效率损失风险。两种情况下的路网效率损失风险不同。导致铁路路网效率损失最大的线路不同,不考虑列车开行数量情况下,导致铁路路网效率损失最大的线路为沪昆高铁的溆浦南至新化南区段,考虑列车开行数量情况下,导致网络效率损失最大的线路为沪昆高铁长沙南至湘潭北区段。然而,溆浦南至新化南区段的开行列车数量比经过长沙南至湘潭北的列车数量少11列,且长沙南站为网络中度最大的点,其连接的线路较多且交通需求量大。因此,不同网络位置对路网风险水平的影响不同,而且考虑列车流情况下的路网风险评估结果较为合理。
图8为不同车站风险状态下路网效率损失评估结果,据图9可知,造成路网效率损失最大的车站为沪昆高铁线的换乘站怀化南站。因此,为了保证路网高效率运行,需要对怀化南等高风险车站的列车运行风险进行有效管控。
图9为不同车站和区间风险状态下路网能力损失评估结果,据图9可知,造成路网能力损失最大的车站仍为沪昆高铁线的换乘站怀化南站。造成路网能力损失最大的区间仍为沪昆高铁长沙南至湘潭北区段。从图7和图8可看出,能力损失评估结果与效率损失评估结果基本。因此,可以从能力和效率损失两个方面共同认定风险最大的线路或车站。
综上所述,本发明实施例提出的铁路网的运行风险分析方法可以根据历史事故和故障数据分析区间和线路风险对路网运行的影响,实现从系统角度分析运行事故对路网运行的影响。有助于运营部门根据风险大小制定重点线路和车站的风险控制方案。
本发明的方法可以对铁路路网运行系统的风险水平进行定量化分析;效率损失和能力损失风险分析结果分别反映了运输服务接受者(旅客)和运输服务提供者(运营管理公司)的关切;该方法根据历史数据可以定位风险较高的区段和车站。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
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。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
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 (5)

1.一种铁路网的运行风险分析方法,其特征在于,包括:
根据铁路历史写实数据计算铁路路网中的区段和车站的风险发生概率和行车中断概率;
根据开行列车数量和铁路路网拓扑结构计算出铁路路网的效率损失和能力损失;
根据事故恢复时间计算铁路路网的状态可恢复性值;
根据所述铁路路网的区段和车站的风险发生概率和行车中断概率,以及铁路路网的效率损失、能力损失和状态可恢复性值,对铁路路网进行风险分析,包括:
铁路路网的效率E的计算公式为:
Figure FDA0003674328530000011
其中umn为车站m和n之间的开行列车数,dmn为车站m和n之间的最短距离;
设车站m和n之间的线路发生中断后铁路路网的效率为E',则铁路路网的效率损失为:
Figure FDA0003674328530000012
铁路路网的能力指标根据开行列车数量来计算,进入车站m的列车流量为:
Figure FDA0003674328530000013
其中
Figure FDA0003674328530000014
为铁路路网外部的车站向车站m开行列车数,Xm为流入车站m的列车数,
Figure FDA0003674328530000015
为从某座车站n出发开往车站m的列车数量比例,将公式(3)表示为:
X=F(-n)X+U (4)
其中U为开行对数;则铁路路网的能力的计算公式为:
X=(1-F(-n))-1U (5)
当连接车站u和v的线路失效后,铁路路网的能力的计算公式为
X-(u,v)=(1-F(-n-(u,v)))-1U (6)
铁路路网的能力损失为:
Figure FDA0003674328530000021
2.根据权利要求1所述的方法,其特征在于,所述的根据铁路历史写实数据计算铁路路网中的区段和车站的风险发生概率和行车中断概率之前,还包括:
构建铁路运输功能网络,所述铁路运输功能网络包括铁路线路拓扑网络和车流网络,所述铁路线路拓扑网络包括连接关系、线路长度以及车站位置,所述车流网络包括描述车站之间开行列车对数的网络;
令铁路线路拓扑网为W=(S,D),其中S为车站,D为距离;令车流网络为H=(S,U),则铁路运输功能网络表示为Z=(S,D,U)。
3.根据权利要求2所述的方法,其特征在于,所述的根据铁路历史写实数据计算铁路路网中的区段和车站的风险发生概率和行车中断概率,包括:
根据铁路历史写实数据提取每个区段或车站发生事故或故障次数,令统计时间范围为T天,区段Lmn在统计时间范围内发生事故次数为NLmn,车站m在统计时间范围内发生事故次数为NSm,那么区段Lmn发生风险事件的概率为:
Figure FDA0003674328530000022
考虑上下行线,区段Lmn行车中断的概率为:
Figure FDA0003674328530000023
车站m发生事故的概率为
Figure FDA0003674328530000024
设车站m的股道数量为M,那么车站m导致行车中断的概率为:
Figure FDA0003674328530000025
4.根据权利要求1所述的方法,其特征在于,所述的根据事故恢复时间计算铁路路网的状态可恢复性值,包括:
令事故发生时间为ts,事故处置结束时间为te,则事故恢复时间为tr=te-ts,铁路路网的状态可恢复性值V为恢复时间在一天运营时间所占的比例:
Figure FDA0003674328530000031
其中to为路网运营时间。
5.根据权利要求4所述的方法,其特征在于,所述的根据所述铁路路网的区段和车站的风险发生概率和行车中断概率,以及铁路路网的效率损失、能力损失和状态可恢复性值,对铁路路网进行风险分析,包括:
所述铁路路网中的区段失效所造成的铁路路网的效能损失风险EL和能力损失风险CL的计算公式分别为:
EL=PmnΔEV,CL=PmnΔCV (10)。
CN201910700885.9A 2019-07-31 2019-07-31 铁路网的运行风险分析方法 Active CN110533296B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910700885.9A CN110533296B (zh) 2019-07-31 2019-07-31 铁路网的运行风险分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910700885.9A CN110533296B (zh) 2019-07-31 2019-07-31 铁路网的运行风险分析方法

Publications (2)

Publication Number Publication Date
CN110533296A CN110533296A (zh) 2019-12-03
CN110533296B true CN110533296B (zh) 2022-07-15

Family

ID=68661128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910700885.9A Active CN110533296B (zh) 2019-07-31 2019-07-31 铁路网的运行风险分析方法

Country Status (1)

Country Link
CN (1) CN110533296B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013054703A (ja) * 2011-09-06 2013-03-21 Toyota Motor East Japan Inc 作業支援システム
CN104325996A (zh) * 2014-11-20 2015-02-04 北京全路通信信号研究设计院有限公司 铁路道口安全防护预警系统
CN108920846A (zh) * 2018-07-06 2018-11-30 西南交通大学 一种高铁列控系统复杂运营场景的风险耦合分析方法
CN109853305A (zh) * 2018-12-20 2019-06-07 南华大学 一种新型磁悬浮轨道运输系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013054703A (ja) * 2011-09-06 2013-03-21 Toyota Motor East Japan Inc 作業支援システム
CN104325996A (zh) * 2014-11-20 2015-02-04 北京全路通信信号研究设计院有限公司 铁路道口安全防护预警系统
CN108920846A (zh) * 2018-07-06 2018-11-30 西南交通大学 一种高铁列控系统复杂运营场景的风险耦合分析方法
CN109853305A (zh) * 2018-12-20 2019-06-07 南华大学 一种新型磁悬浮轨道运输系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
高速公路网运营风险分析方法研究;张晨琛 等;《中国安全科学学报》;20160930;第26卷(第9期);全文 *
高速列车系统安全可靠性分析评估方法研究;秦勇 等;《机车电传动》;20160110(第1期);全文 *

Also Published As

Publication number Publication date
CN110533296A (zh) 2019-12-03

Similar Documents

Publication Publication Date Title
Saadat et al. Resilience-based strategies for topology enhancement and recovery of metrorail transit networks
CN109799449B (zh) 一种基于参数识别的轨道电路监测数据解压缩方法和处理系统
Hong et al. Spatiotemporal vulnerability analysis of railway systems with heterogeneous train flows
CN102826106A (zh) 客运专线列控中心判断区间列车安全防护位置的方法
CN114889678A (zh) 一种基于动态贝叶斯的铁路站车线安全协同预警方法
Zhou et al. Railway faults spreading model based on dynamics of complex network
Liu et al. Data analytics approach for train timetable performance measures using automatic train supervision data
Li et al. Spatial-temporal correlation prediction modeling of origin-destination passenger flow under urban rail transit emergency conditions
CN115222265A (zh) 一种铁路全线路轨道状态确定方法及装置
CN110533296B (zh) 铁路网的运行风险分析方法
CN108082222A (zh) 一种用于中低运量单轨/磁浮的综合行车控制系统
CN115115174A (zh) 一种区域多制式轨道交通全局功能目标分析方法及装置
Mo et al. Impact of unplanned long-term service disruptions on urban public transit systems
Saadat et al. Post-failure recovery strategies for metrorail transit networks with Washington DC As a case study
Mo et al. Impact of unplanned service disruptions on urban public transit systems
Zhang et al. Big data based intelligent operation and maintenance platform
Shahrir et al. Malaysia’s Railway Safety: A Critical Review
Li et al. An effective method for identifying the key factors of railway accidents based on the network model
CN115660282A (zh) 面向乘客出行服务的轨道交通路网韧性评估方法及系统
CN111016976B (zh) 基于多层耦合关系的列车运行偏差传播情况识别方法
Dorbritz Methodology for assessing the structural and operational robustness of railway networks
Li et al. Resiliency assessment of urban rail transit networks: A case study of Shanghai metro
Büchel et al. The disruption at Rastatt and its effects on the Swiss railway system
CN113487144B (zh) 一种铁路群体上道作业安全风险预警方法和系统
Lv High-speed rail safety analysis based on dual-weighted complex network

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