CN111105163A - 一种交通工程安全隐患评估装置及方法 - Google Patents
一种交通工程安全隐患评估装置及方法 Download PDFInfo
- Publication number
- CN111105163A CN111105163A CN201911336857.XA CN201911336857A CN111105163A CN 111105163 A CN111105163 A CN 111105163A CN 201911336857 A CN201911336857 A CN 201911336857A CN 111105163 A CN111105163 A CN 111105163A
- Authority
- CN
- China
- Prior art keywords
- construction
- risk
- probability
- accident
- fuzzy
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000010276 construction Methods 0.000 claims abstract description 159
- 238000011156 evaluation Methods 0.000 claims abstract description 25
- 238000007726 management method Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000003860 storage Methods 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000013461 design Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 239000005442 atmospheric precipitation Substances 0.000 claims description 3
- 238000012547 material qualification Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 claims 4
- 238000011161 development Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Computer Security & Cryptography (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
一种交通工程安全隐患评估装置,包括:风险事故案例库模块:通过对事故历史数据的分析,建立基于道路施工风险的事故树;施工划分模块:用于对道路施工过程进行划分,划分成若干施工段,并对各施工段划分成若干施工工序,其中,对道路施工过程中各施工段按照施工先后顺序进行排序编号,分别为1,2,…,k,…,n,n表示为该工程项目的施工段总数;安全隐患评估模块:基于模糊多态贝叶斯网络对道路施工风险进行评价;输入与展示模块:用于输入案例和显示评价结果;管理服务器模块:用于数据传输、计算、储存和显示。该装置提高了各施工危险因素的综合评估,使得各施工危险因素的危险评价等级准确性高。
Description
技术领域
本发明属于工程项目技术领域,涉及到一种交通工程安全隐患评估装置及方法。
背景技术
随着我国经济的不断发展,建筑业在近些年也得到了急剧发展,建筑行业在民用、工业、城市基础设施等领域承建的项目在不断增加。同时,随着经济发展和科学技术进步,建筑工程项目也逐渐向大型、复杂、多元的方向发展,但在工程项目施工过程中,施工现场作业环境复杂,人、机流动性大,生产条件恶劣,施工周期较长,危险源多等危险因素及在施工过程中工作人员综合素质相对较低等问题,导致在建筑施工过程中发生危险的几率较大,甚至可能出现安全事故。
由于施工过程中造成施工危险的因素种类多,现有技术中无法对影响施工安全性的因素进行综合评估,因此,为了降低人员施工过程中的施工安全事故发生概率,需对影响施工安全的风险因素进行准确的识别和分析,以制定对应的施工安全评估装置和防范措施,最大化降低工程项目在施工过程中造成的风险损失。
道路建设工程所赋存的地质环境复杂,设计施工理论尚不完备,建设过程中带有很强的不确定性,是一项相当复杂的高风险性装置工程,若控制不力,工程风险事故的发生将会造成重大的财产损失、人员伤亡、工期延误和不良社会影响。大量工程实践表明目前的风险管理已经不能再满足信息化、现代化施工的需要。因此,加强对道路施工工程的风险管理研究,准确辨识风险因素、及时发现风险征兆,从而提高风险控制水平,降低道路施工工程事故几率,是目前我国道路工程开发建设亟待解决的问题。
目前,道路施工工程的风险管理研究中风险因素的辨识和风险评价更多的是集中在利用专家经验进行总体的、静态的风险等级划分,在有经验可循的工程中能够起到借鉴作用,但对于经验较少的工程该方法可能会造成判断失误,因此需要提出一种更加客观、符合实际的方法。
我国道路施工工程建设已经积累了大量的工程施工案例,这些案例是当前和今后风险管理、技术进步的重要资源,如何充分挖掘这些数据以更加切合实际的风险辨识与风险评价,有待于研究。而且随着大数据理论和技术的进步,数据挖掘方法在各行各业中得到了广泛的应用,因此利用我国庞大的道路施工工程建设所积累的数据,不仅可以为更加合理的工期预测、投资费用预估提供有效的方法,更可以为地下工程的风险辨识、风险预测、风险评价等问题提供新的思路。
为降低风险因素辨识的主观性,提高风险预测准确,实现道路工程建设的信息化管理和全过程动态评价,保证施工安全,提出一种基于实测数据变化及相关性的动态评价方法对道路施工工程的风险管理工作具有十分重要的意义。
发明内容
针对现有技术存在的问题,本发明提供了一种交通工程安全隐患评估装置及方法。
本发明是这样实现的,一种交通工程安全隐患评估装置,包括:
风险事故案例库模块:通过对事故历史数据的分析,建立基于道路施工风险的事故树;
施工划分模块:用于对道路施工过程进行划分,划分成若干施工段,并对各施工段划分成若干施工工序,其中,对道路施工过程中各施工段按照施工先后顺序进行排序编号,分别为1,2,...,k,...,n,n表示为该工程项目的施工段总数;
安全隐患评估模块:基于模糊多态贝叶斯网络对道路施工风险进行评价。
输入与展示模块:用于输入案例和显示评价结果;
管理服务器模块:用于数据传输,计算,储存和显示。
进一步地,所述风险事故案例库模块,通过对事故历史数据的分析,建立基于道路施工风险的事故树具体包括:
步骤1.1、通过对事故案例的原因分析,确定出导致风险发生的基本事件和中间事件;
步骤1.2、根据所述基本事件和中间事件的相互关系构建事故树;
其中,所述风险包括坍塌事故级别、道路强度、支护稳定性、设计合理性、施工因素、不利地质条件、勘探程度、资料齐全程度、参数选取合理性、施工规范性、施工质量、支护及时性、按设计施工程度、支护材料合格程度、道路级别、特殊地质条件、大气降水、排水及时性、地下水渗流量、地质条件变异性、施工扰动。
进一步地,所述安全隐患评估模块:基于模糊多态贝叶斯网络对道路施工风险进行评价,具体包括以下步骤:
步骤3.1、基于所述事故树构建模糊多态贝叶斯网络结构;
步骤3.2、估计根节点出现概率的三角模糊数;
步骤3.3、计算并合并节点条件概率;
步骤3.4、根据所述条件概率计算得到道路施工风险概率值。
进一步地,所述步骤3.1中基于所述事故树构建模糊多态贝叶斯网络结构,具体包括:
步骤3.1.1、根据道路施工过程中各个节点的不同状态将道路施工风险等级分为不同阶段,不同阶段用不同的模糊数来表示;
步骤3.1.2、根据所述事故树确定的父节点和子节点之间的关系,将事故树的网络结构转换为贝叶斯网络的结构。
进一步地,所述步骤3.2中估计根节点出现概率的三角模糊数,具体包括:
步骤3.2.1、构建基于正态分布的权重系数以及信心指数数据;
步骤3.2.2、确定基本事件出现概率时,通过估计事件出现所处的概率等级判断事件出现的概率,并根据实际应用范围划分概率等级;
步骤3.2.3、根据所述权重系数、信心指数数据以及概率等级计算出不同概率等级的估计值,根据所述概率估计值构造各个根节点不同状态的样本空间,计算出所有根节点在不同状态下的三角模糊数。
进一步地,所述步骤3.3中计算和合并节点条件概率,具体包括:
步骤3.3.1、构建专家调查组数据,根据所述调查组数据计算所有节点的条件概率;
步骤3.3.2、利用Chauvenet法进行异常数据处理,剔除异常数据,并进行状态归一化处理,从而得到所有节点在不同条件下的概率,从而获的全部节点的条件概率。
步骤3.3.3、根据全部节点的条件概率获得合并后节点的条件概率。
进一步地,所述步骤3.4中根据所述条件概率计算得到道路施工风险概率值,具体包括:
步骤3.4.1、用各个节点出现概率三角模糊数中的下限值、均值和上限值计算可以得到坍塌风险的三角模糊数概率值;
步骤3.4.2、对所述三角模糊概率值进行去模糊化操作,从而根据得到的概率值进行风险等级划分,实现对道路施工的风险评价。
进一步地,所述模糊多态贝叶斯网络的结构与普通贝叶斯网络相同,都是由描述参数和状态分布概率参数组成,所述模糊多态贝叶斯的节点具有多个状态,并且其概率为三角模糊数。
进一步地,提供一种使用上述的交通工程安全隐患评估装置进行安全隐患评估的方法,具体包括以下步骤:
S1.通过对事故历史数据的分析,建立基于道路施工风险的事故树;
S2.施工划分,用于对道路施工过程进行划分,划分成若干施工段,并对各施工段划分成若干施工工序,其中,对道路施工过程中各施工段按照施工先后顺序进行排序编号,分别为1,2,...,k,...,n,n表示为该工程项目的施工段总数;
S3.安全隐患评估,基于模糊多态贝叶斯网络对道路施工风险进行评价。
本发明的优点及效果:
本发明提供的道路工程项目的安全施工评估装置,通过管理服务器并结合
风险事故案例库模块,施工划分模块,安全隐患评估模块,输入与展示模块建立施工安全评估模型,以对施工过程中各施工危险因素对施工过程安全性的综合评估,大大提高了施工过程中的安全性,最大程度地降低施工过程中的危险以及事故发生率,保护人员的安全。
本发明基于主客观数据相结合的思想提出了一种模糊多态贝叶斯网络道路施工安全隐患评估方法,该方法可基于历史数据识别风险因素并建立模糊多态贝叶斯网络结构,然后再通过专家信心指数、权重指数和概率区间相结合的专家调查方法估计根节点出现概率的三角模糊数,基于主客观相结合的计算节点条件概率,最后结合贝叶斯网络模型的推理算法求解道路施工风险大小。此方法可降低风险因素辨识的主观性,提高风险预测准确,从而为道路工程施工风险预测提供了更为合理有效的依据。提高了各施工危险因素的综合评估,使得各施工危险因素的危险评价等级准确性高。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书来实现和获得。
附图说明
图1是本发明实施例提供的一种交通工程安全隐患评估装置示意图。
图2是本发明实施例提供的一种交通工程安全隐患评估方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
以下结合具体实施例,对本发明的技术方案作进一步的解释和说明。
实施例1
一种交通工程安全隐患评估装置,包括:
风险事故案例库模块:通过对事故历史数据的分析,建立基于道路施工风险的事故树;
施工划分模块:用于对道路施工过程进行划分,划分成若干施工段,并对各施工段划分成若干施工工序,其中,对道路施工过程中各施工段按照施工先后顺序进行排序编号,分别为1,2,...,k,...,n,n表示为该工程项目的施工段总数;
安全隐患评估模块:基于模糊多态贝叶斯网络对道路施工风险进行评价。
输入与展示模块:用于输入案例和显示评价结果;
管理服务器模块:用于数据传输,计算,储存和显示。
所述风险事故案例库模块,通过对事故历史数据的分析,建立基于道路施工风险的事故树具体包括:
步骤1.1、通过对事故案例的原因分析,确定出导致风险发生的基本事件和中间事件;
步骤1.2、根据所述基本事件和中间事件的相互关系构建事故树;
其中,所述风险包括坍塌事故级别、道路强度、支护稳定性、设计合理性、施工因素、不利地质条件、勘探程度、资料齐全程度、参数选取合理性、施工规范性、施工质量、支护及时性、按设计施工程度、支护材料合格程度、道路级别、特殊地质条件、大气降水、排水及时性、地下水渗流量、地质条件变异性、施工扰动。
所述安全隐患评估模块:基于模糊多态贝叶斯网络对道路施工风险进行评价,具体包括以下步骤:
步骤3.1、基于所述事故树构建模糊多态贝叶斯网络结构;
步骤3.2、估计根节点出现概率的三角模糊数;
步骤3.3、计算并合并节点条件概率;
步骤3.4、根据所述条件概率计算得到道路施工风险概率值。
所述步骤3.1中基于所述事故树构建模糊多态贝叶斯网络结构,具体包括:
步骤3.1.1、根据道路施工过程中各个节点的不同状态将道路施工风险等级分为不同阶段,不同阶段用不同的模糊数来表示;
步骤3.1.2、根据所述事故树确定的父节点和子节点之间的关系,将事故树的网络结构转换为贝叶斯网络的结构。
所述步骤3.2中估计根节点出现概率的三角模糊数,具体包括:
步骤3.2.1、构建基于正态分布的权重系数以及信心指数数据;
步骤3.2.2、确定基本事件出现概率时,通过估计事件出现所处的概率等级判断事件出现的概率,并根据实际应用范围划分概率等级;
步骤3.2.3、根据所述权重系数、信心指数数据以及概率等级计算出不同概率等级的估计值,根据所述概率估计值构造各个根节点不同状态的样本空间,计算出所有根节点在不同状态下的三角模糊数。
所述步骤3.3中计算和合并节点条件概率,具体包括:
步骤3.3.1、构建专家调查组数据,根据所述调查组数据计算所有节点的条件概率;
步骤3.3.2、利用Chauvenet法进行异常数据处理,剔除异常数据,并进行状态归一化处理,从而得到所有节点在不同条件下的概率,从而获的全部节点的条件概率。
步骤3.3.3、根据全部节点的条件概率获得合并后节点的条件概率。
所述步骤3.4中根据所述条件概率计算得到道路施工风险概率值,具体包括:
步骤3.4.1、用各个节点出现概率三角模糊数中的下限值、均值和上限值计算可以得到坍塌风险的三角模糊数概率值;
步骤3.4.2、对所述三角模糊概率值进行去模糊化操作,从而根据得到的概率值进行风险等级划分,实现对道路施工的风险评价。
所述模糊多态贝叶斯网络的结构与普通贝叶斯网络相同,都是由描述参数和状态分布概率参数组成,所述模糊多态贝叶斯的节点具有多个状态,并且其概率为三角模糊数。
提供一种使用上述的交通工程安全隐患评估装置进行安全隐患评估的方法,具体包括以下步骤:
S1.通过对事故历史数据的分析,建立基于道路施工风险的事故树;
S2.施工划分,用于对道路施工过程进行划分,划分成若干施工段,并对各施工段划分成若干施工工序,其中,对道路施工过程中各施工段按照施工先后顺序进行排序编号,分别为1,2,...,k,...,n,n表示为该工程项目的施工段总数;
S3.安全隐患评估,基于模糊多态贝叶斯网络对道路施工风险进行评价。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidStateDisk(SSD))等。
综上,本发明基于主客观数据相结合的思想提出了一种模糊多态贝叶斯网络道路施工安全隐患评估方法,该方法可基于历史数据识别风险因素并建立模糊多态贝叶斯网络结构,然后再通过专家信心指数、权重指数和概率区间相结合的专家调查方法估计根节点出现概率的三角模糊数,基于主客观相结合的计算节点条件概率,最后结合贝叶斯网络模型的推理算法求解道路施工风险大小。此方法可降低风险因素辨识的主观性,提高风险预测准确,从而为道路工程施工风险预测提供了更为合理有效的依据。
虽然本发明所揭露的实施方式如上,但所述的内容仅为便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式及细节上进行任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (9)
1.一种交通工程安全隐患评估装置,其特征在于,包括:
风险事故案例库模块:通过对事故历史数据的分析,建立基于道路施工风险的事故树;
施工划分模块:用于对道路施工过程进行划分,划分成若干施工段,并对各施工段划分成若干施工工序,其中,对道路施工过程中各施工段按照施工先后顺序进行排序编号,分别为1,2,...,k,...,n,n表示为该工程项目的施工段总数;
安全隐患评估模块:基于模糊多态贝叶斯网络对道路施工风险进行评价;
输入与展示模块:用于输入案例和显示评价结果;
管理服务器模块:用于数据传输,计算,储存和显示。
2.如权利要求1所述的交通工程安全隐患评估装置,其特征在于,所述风险事故案例库模块,通过对事故历史数据的分析,建立基于道路施工风险的事故树具体包括:
步骤1.1、通过对事故案例的原因分析,确定出导致风险发生的基本事件和中间事件;
步骤1.2、根据所述基本事件和中间事件的相互关系构建事故树;
其中,所述风险包括坍塌事故级别、道路强度、支护稳定性、设计合理性、施工因素、不利地质条件、勘探程度、资料齐全程度、参数选取合理性、施工规范性、施工质量、支护及时性、按设计施工程度、支护材料合格程度、道路级别、特殊地质条件、大气降水、排水及时性、地下水渗流量、地质条件变异性、施工扰动。
3.如权利要求2所述的交通工程安全隐患评估装置,其特征在于,所述安全隐患评估模块:基于模糊多态贝叶斯网络对道路施工风险进行评价,具体包括以下步骤:
步骤3.1、基于所述事故树构建模糊多态贝叶斯网络结构;
步骤3.2、估计根节点出现概率的三角模糊数;
步骤3.3、计算并合并节点条件概率;
步骤3.4、根据所述条件概率计算得到道路施工风险概率值。
4.如权利要求3所述的交通工程安全隐患评估装置,其特征在于,
所述步骤3.1中基于所述事故树构建模糊多态贝叶斯网络结构,具体包括:
步骤3.1.1、根据道路施工过程中各个节点的不同状态将道路施工风险等级分为不同阶段,不同阶段用不同的模糊数来表示;
步骤3.1.2、根据所述事故树确定的父节点和子节点之间的关系,将事故树的网络结构转换为贝叶斯网络的结构。
5.如权要求4所述的交通工程安全隐患评估装置,其特征在于,
所述步骤3.2中估计根节点出现概率的三角模糊数,具体包括:
步骤3.2.1、构建基于正态分布的权重系数以及信心指数数据;
步骤3.2.2、确定基本事件出现概率时,通过估计事件出现所处的概率等级判断事件出现的概率,并根据实际应用范围划分概率等级;
步骤3.2.3、根据所述权重系数、信心指数数据以及概率等级计算出不同概率等级的估计值,根据所述概率估计值构造各个根节点不同状态的样本空间,计算出所有根节点在不同状态下的三角模糊数。
6.如权要求5所述的交通工程安全隐患评估装置,其特征在于,
所述步骤3.3中计算和合并节点条件概率,具体包括:
步骤3.3.1、构建专家调查组数据,根据所述调查组数据计算所有节点的条件概率;
步骤3.3.2、利用Chauvenet法进行异常数据处理,剔除异常数据,并进行状态归一化处理,从而得到所有节点在不同条件下的概率,从而获的全部节点的条件概率;
步骤3.3.3、根据全部节点的条件概率获得合并后节点的条件概率。
7.如权要求6所述的交通工程安全隐患评估装置,其特征在于,所述步骤3.4中根据所述条件概率计算得到道路施工风险概率值,具体包括:
步骤3.4.1、用各个节点出现概率三角模糊数中的下限值、均值和上限值计算可以得到坍塌风险的三角模糊数概率值;
步骤3.4.2、对所述三角模糊概率值进行去模糊化操作,从而根据得到的概率值进行风险等级划分,实现对道路施工的风险评价。
8.如权要求7所述的交通工程安全隐患评估装置,其特征在于,
所述模糊多态贝叶斯网络的结构与普通贝叶斯网络相同,都是由描述参数和状态分布概率参数组成,所述模糊多态贝叶斯的节点具有多个状态,并且其概率为三角模糊数。
9.一种使用权利要求1-8之一所述的交通工程安全隐患评估装置进行安全隐患评估的方法,具体包括以下步骤:
S1.通过对事故历史数据的分析,建立基于道路施工风险的事故树;
S2.施工划分,用于对道路施工过程进行划分,划分成若干施工段,并对各施工段划分成若干施工工序,其中,对道路施工过程中各施工段按照施工先后顺序进行排序编号,分别为1,2,...,k,...,n,n表示为该工程项目的施工段总数;
S3.安全隐患评估,基于模糊多态贝叶斯网络对道路施工风险进行评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911336857.XA CN111105163A (zh) | 2019-12-23 | 2019-12-23 | 一种交通工程安全隐患评估装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911336857.XA CN111105163A (zh) | 2019-12-23 | 2019-12-23 | 一种交通工程安全隐患评估装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111105163A true CN111105163A (zh) | 2020-05-05 |
Family
ID=70423686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911336857.XA Pending CN111105163A (zh) | 2019-12-23 | 2019-12-23 | 一种交通工程安全隐患评估装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111105163A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642088A (zh) * | 2021-10-13 | 2021-11-12 | 北京天辰信科技有限公司 | 一种施工进度信息反馈及bim模型实时展示偏差的方法 |
CN116822965A (zh) * | 2023-08-28 | 2023-09-29 | 中铁七局集团电务工程有限公司武汉分公司 | 一种地铁施工风险预警方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080255910A1 (en) * | 2007-04-16 | 2008-10-16 | Sugato Bagchi | Method and System for Adaptive Project Risk Management |
CN101838991A (zh) * | 2010-05-21 | 2010-09-22 | 上海建科建设监理咨询有限公司 | 一种基于网络推理的深基坑风险评估方法 |
CN109919479A (zh) * | 2019-03-01 | 2019-06-21 | 邓嘉明 | 一种工程项目的安全施工评估系统及其评估方法 |
CN110059963A (zh) * | 2019-04-20 | 2019-07-26 | 北京交通大学 | 一种基于模糊多态贝叶斯网络的隧道风险评价方法 |
-
2019
- 2019-12-23 CN CN201911336857.XA patent/CN111105163A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080255910A1 (en) * | 2007-04-16 | 2008-10-16 | Sugato Bagchi | Method and System for Adaptive Project Risk Management |
CN101838991A (zh) * | 2010-05-21 | 2010-09-22 | 上海建科建设监理咨询有限公司 | 一种基于网络推理的深基坑风险评估方法 |
CN109919479A (zh) * | 2019-03-01 | 2019-06-21 | 邓嘉明 | 一种工程项目的安全施工评估系统及其评估方法 |
CN110059963A (zh) * | 2019-04-20 | 2019-07-26 | 北京交通大学 | 一种基于模糊多态贝叶斯网络的隧道风险评价方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642088A (zh) * | 2021-10-13 | 2021-11-12 | 北京天辰信科技有限公司 | 一种施工进度信息反馈及bim模型实时展示偏差的方法 |
CN113642088B (zh) * | 2021-10-13 | 2022-01-07 | 北京天辰信科技有限公司 | 一种施工进度信息反馈及bim模型实时展示偏差的方法 |
CN116822965A (zh) * | 2023-08-28 | 2023-09-29 | 中铁七局集团电务工程有限公司武汉分公司 | 一种地铁施工风险预警方法及系统 |
CN116822965B (zh) * | 2023-08-28 | 2023-11-21 | 中铁七局集团电务工程有限公司武汉分公司 | 一种地铁施工风险预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107036581B (zh) | 基于mems陀螺仪的桥梁变形在线监测系统及方法 | |
Zhang et al. | Developing a cloud model based risk assessment methodology for tunnel-induced damage to existing pipelines | |
CN111046564B (zh) | 两阶段退化产品的剩余寿命预测方法 | |
Xu et al. | Optimal pipe replacement strategy based on break rate prediction through genetic programming for water distribution network | |
CN110059963A (zh) | 一种基于模糊多态贝叶斯网络的隧道风险评价方法 | |
CN115758252B (zh) | 基于多源信息融合技术的监测信息实时处理与分析方法 | |
CN107895014B (zh) | 一种基于MapReduce框架的时间序列桥梁监测数据分析方法 | |
CN111105163A (zh) | 一种交通工程安全隐患评估装置及方法 | |
CN113531400B (zh) | 基于移动设备定位数据的管道巡线方法及系统 | |
Cui et al. | Identifying accident black spots based on the accident spacing distribution | |
CN116934262B (zh) | 一种基于人工智能的施工安全监管系统及方法 | |
CN111827982A (zh) | 钻井溢流漏失工况预测方法及装置 | |
CN110503805A (zh) | 管道地质灾害监测预警方法及装置 | |
Cai et al. | Improved hybrid reasoning approach to safety risk perception under uncertainty for mountain tunnel construction | |
CN117495111A (zh) | 一种基于bim技术的建筑工程安全管理系统 | |
Lu et al. | Using cased based reasoning for automated safety risk management in construction industry | |
Liu et al. | Development of a non-Gaussian copula Bayesian network for safety assessment of metro tunnel maintenance | |
CN103134433A (zh) | 一种利用位移监测鉴别边坡失稳致滑因子的方法 | |
CN114693114A (zh) | 地下空间结构的监测方法、装置、计算机设备及存储介质 | |
Guo et al. | An ensemble learning with sequential model-based optimization approach for pavement roughness estimation using smartphone sensor data | |
CN116591768A (zh) | 一种基于分布式网络的隧道监测方法、系统及装置 | |
Qu et al. | Outlier Detection and Forecasting for Bridge Health Monitoring Based on Time Series Intervention Analysis. | |
He et al. | Integration of interpretive structural modeling with fuzzy Bayesian network for risk assessment of tunnel collapse | |
JP3674707B1 (ja) | 防災事業計画支援システムとその方法 | |
Zhou et al. | Developing a cloud evidence method for dynamic early warning of tunnel construction safety risk in undersea environment |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200505 |
|
RJ01 | Rejection of invention patent application after publication |