CN111798112A - 一种城市社区社会公共安全综合风险评估方法 - Google Patents
一种城市社区社会公共安全综合风险评估方法 Download PDFInfo
- Publication number
- CN111798112A CN111798112A CN202010599689.XA CN202010599689A CN111798112A CN 111798112 A CN111798112 A CN 111798112A CN 202010599689 A CN202010599689 A CN 202010599689A CN 111798112 A CN111798112 A CN 111798112A
- Authority
- CN
- China
- Prior art keywords
- social security
- risk
- accident
- comprehensive
- events
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012502 risk assessment Methods 0.000 title claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 26
- 238000010168 coupling process Methods 0.000 claims abstract description 25
- 238000005859 coupling reaction Methods 0.000 claims abstract description 25
- 230000008878 coupling Effects 0.000 claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000004880 explosion Methods 0.000 claims description 23
- 230000001960 triggered effect Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000000977 initiatory effect Effects 0.000 claims description 6
- 238000013278 delphi method Methods 0.000 claims description 4
- 238000009792 diffusion process Methods 0.000 claims description 3
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000005180 public health Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000002485 combustion reaction Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 4
- 230000009897 systematic effect Effects 0.000 abstract description 2
- 239000002360 explosive Substances 0.000 description 7
- 238000011161 development Methods 0.000 description 4
- 206010000369 Accident Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Analysis (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种城市社区社会公共安全综合风险评估方法，属于应用信息技术领域。方法为对评估区域空间离散化处理并建立信息集，从可能性、严重性、耦合性三个维度评估社会安全事件风险，建立社会安全事件风险地图；分析构建社会安全事件的次生事故及其演化情况；从可能性、严重性、耦合性三个维度评估次生事故风险，建立次生事故风险地图；运用风险矩阵，评估社会安全事件和次生事故的综合风险，建立城市社区社会公共安全综合风险地图。本发明通过量化分析社会安全事件及其次生事故综合风险，以全面认知社会安全事件潜在风险，实现对城市社区社会公共安全风险的系统化、可视化管控。
Description
技术领域
本发明具体涉及一种城市社区社会公共安全综合风险评估方法，属于应用信息技术领域。
背景技术
城市社区是人员、财富、物质、信息的高度集中体，也是人民工作生活的基本单元，城市社区的社会公共安全关系着国计民生。伴随着时代发展与社会进步，城市社区风险愈发呈现出隐蔽化、复杂化、耦合化的特征。在物质财富高度集中的情况下，发生在城市社区的社会安全事件极易引发管线爆炸、建筑坍塌、交通事故、公共卫生事件等跨类次生事故。但受制于社会公共安全这一学科门类的独立性，社会安全事件触发的次生事故研究仍然较少，目前尚无系统和科学的方法综合评估社会安全事件与其次生事故的综合风险，且尚无直观可视化的城市社区社会公共安全综合风险地图。
中国发明专利，CN106709841，公开了一种基于大数据的社会风险信息数据采集处理技术和系统，利用大数据系统收集社会风险信息，但是其方案没有公共事件的预测特别是次生事故的预测功能，也缺乏对事故的风险评估，不能很好的用于协助城市社区公共安全维护。
发明内容
本发明的目的在于提供一种城市社区社会公共安全综合风险评估方法，以综合评估社会安全事件及其触发的次生事故的综合风险。
为实现上述目的，本发明采用下述技术方案：
本发明的风险评估方法包括以下步骤：
S1评估区域空间离散化处理；
S2城市社区特定人引发的社会安全事件风险评估；
S3确定社会安全事件触发的次生事故灾害情景；
S4社会安全事件触发的次生事故灾害风险评估；
S5城市社区社会公共安全综合风险评估；
其中，步骤S2中，需要对评估区域内的特定人进行识别和分析，包括识别出特定人人数a，与特定人数据库相匹配来获取各特定人基本信息，根据专家经验法来构建不同类型特定人发起特定类型社会安全事件的概率表，根据各特定人基本信息和概率表获得第i个特定人发起第j类社会安全事件的概率pij，综合计算多个特定人的作案可能性，第j类的社会安全事件发生概率为
步骤S2中，各类社会安全事件后果的评估通过建立的社会安全事件后果分析贝叶斯网络来实现，收集贝叶斯网络节点所需数据，对各部位发生社会安全事件造成的后果进行评估，贝叶斯网络的后果分级共分f级，第k级的概率为gk，第k级效用值为hk，第j类的社会安全事件的后果严重性为
步骤S2中，评估m种社会安全事件的综合风险，引入耦合因子Is来表示事件间的耦合作用，社会安全事件c和d之间的耦合性关系Icd由耦合性判断矩阵确定，计算耦合因子
社会安全事件风险计算公式为：
本发明的有益效果：
本发明城市社区社会公共安全综合风险评估系统综合考虑多种社会安全事件的风险以及社会安全事件可能引发的次生事故的风险，打破学科间的壁垒，分析各事件或事故之间的耦合性来综合评估城市社区所面临的综合风险，能够对城市社区开展事前风险分析，输出可视化的城市社区综合风险地图，有效支撑公安部门和应急管理部门的日常工作，达到早发现、早分析、早处置的目的，落实新时期防灾减灾救灾新理念新要求。
附图说明
图1为本发明所述的城市社区社会公共安全综合风险评估系统流程图。
图2为实施例中所评估区域的评估单元及特定人信息示意图。
图3为社会安全事件后果分析贝叶斯网络示意图。
图4为社会安全事件风险地图。
图5为次生事故风险地图。
图6为城市社区社会公共安全综合风险地图。
具体实施方式
下面结合附图对本发明的具体实施方式进行说明：
参照图1，本发明提供了一种城市社区社会公共安全综合风险评估系统，所述系统实现步骤包括：
S1评估区域空间离散化处理；
S2城市社区特定人引发的社会安全事件风险评估；
S3确定社会安全事件触发的次生事故灾害情景；
S4社会安全事件触发的次生事故灾害风险评估；
S5城市社区社会公共安全综合风险评估。
以下对各步骤进行详细说明。
步骤S1中，对评估区域空间进行离散化处理，以道路为边界，将功能相对统一、规模相对统一的城市社区空间集合为一个评估单元，评估单元面积不应超过1km2，每一评估单元人数不因超过5000人，评估单元不应将同一建、构筑物分为多个单元。如图2所示，本实施例所评估的区域分为27个评估单元，爆炸形为恐怖袭击特定人，星形为宗教敏感特定人，圆形为前科人员。
步骤S1中，对每个单元建立信息集T＝{Tpopulation；Tarea；Tkeyarea；Tkeyperson}，分别表征人口密度、区域面积、是否高风险地区、是否存在特定人，用于风险地图构建过程中，对各评估单元内事故风险评估和单元间的事故演化和扩散情况进行分析。以Tkeyperson判断特定人位置并以此确定社会安全事件可能位置，以Tkeyarea判断事故是否扩散到相邻单元。
步骤S2中，需要对评估区域内的特定人进行识别和分析，包括识别出特定人人数a，与特定人数据库相匹配来获取各特定人基本信息，根据专家经验法来构建不同类型特定人发起特定类型社会安全事件的概率表，根据各特定人基本信息和概率表获得第i个特定人发起第j类社会安全事件的概率pij。综合计算多个特定人的作案可能性，第j类的社会安全事件发生概率为
如图2中序号为16的单元为例，分别计算该单元内发生爆炸袭击事件、蓄意纵火事件、车辆故意冲撞事件的概率。16号单元内只有1个恐怖袭击特定人，则该单元内发生爆炸恐怖袭击的概率为
同理，可计算出为16号单元内发生蓄意纵火事件、车辆故意冲撞事件的概率分别为P2＝0.55，P3＝0.7。
步骤S2中，各类社会安全事件后果的评估通过建立的社会安全事件后果分析贝叶斯网络来实现，如图3。收集贝叶斯网络节点所需数据，对各部位发生社会安全事件造成的后果进行评估。贝叶斯网络的后果分级共分f级，第k级的概率为gk，第k级效用值为hk，第j类的社会安全事件的后果严重性为
以16号单元为例，分别计算该单元内发生爆炸袭击事件、蓄意纵火事件、车辆故意冲撞事件所造成的后果。图3为计算该单元发生爆炸恐怖袭击导致的后果严重性时的后果分析贝叶斯网络，从图中可以看出，该单元发生爆炸恐怖袭击导致的各后果级别概率为g＝{g1,g2,g3,g4}＝{0.99,0.01,0,0}，各级别的效用值集为hk＝{h1,h2,h3,h4}＝{1,0.75,0.5,0.25}，则爆炸恐怖袭击后果严重性为
同理，可计算出该单元内发生蓄意纵火事件、车辆故意冲撞事件导致的后果严重性分别为 C2＝0.82，C3＝0.837。
专家经验法是以专家为索取未来信息的对象，组织各领域的专家运用专业方面的知识和经验，通过直观的归纳，对预测对象过去和现在的状况、发展变化过程进行综合分析与研究，找出预测对象变化、发展规律、从而对预测对象未来的发展区实际状况做出判断。
步骤S2中，评估m种社会安全事件的综合风险，包括但不仅限于爆炸袭击事件、蓄意纵火事件、车辆故意冲撞事件，需要考虑不同事件间的耦合性，引入耦合因子Is来表示事件间的耦合作用，社会安全事件c和d之间的耦合性关系Icd由耦合性判断矩阵确定，如表1，随后计算耦合因子
其中
是排列组合的表达式，。社会安全事件风险计算公式为：
以16号单元为例，其社会安全事件风险值为0.7047，风险等级为5级，依据步骤S1所划分的评估单元，绘制社会安全事件风险地图，如图4。
表1社会安全事件耦合性判断矩阵
| 爆炸袭击 | / | / | / |
| 蓄意纵火 | 1 | / | / |
| 车辆冲撞 | 0 | 0 | / |
| 爆炸袭击 | 蓄意纵火 | 车辆冲撞 |
步骤S3中，以步骤S2所确定的m种社会安全事件为初始事件，结合事故案例并运用情景推演的方法，分析不同类型的社会安全事件能够触发的其他类型事故，包括但不仅限于燃气管道爆炸事故、加油站爆炸事故、坍塌事故、公共卫生事故及其细分事故。
步骤S4中，次生事故可能性Pl由社会安全事件可能性Pj，德尔菲法和贝叶斯公式共同确定。首先由至少五位专家打分给出不同社会安全事件发生情况组合下的各次生事故条件概率，并运用德尔菲法处理专家意见，若克朗巴哈系数大于等于0.8则认为专家经验达到一致，否则继续返回打分阶段，直至满足一致性，满足一致性后输入贝叶斯网络，以借助贝叶斯公式生成各次生事故可能性Pl。以16号评估区域为例，输入由步骤S2所得到的社会安全事件概率作为先验概率后，贝叶斯网络自动生成了燃气管道爆炸事故、加油站爆炸事故、坍塌事故的条件概率分别为0.344,0.529，0.455。
卡朗巴哈系数计算公式如下：
其中，K为题项数，σ2X为总样本方差，σ2Yi为观测样本的方差。
以爆炸袭击事件触发燃气管道爆炸事故的条件概率为例，五位专家给出的条件概率如表 2所示，经计算其克朗巴哈系数为0.976，故判断其达到一致性，故取平均值0.31为爆炸袭击事件触发燃气管道爆炸事故的条件概率。
表2爆炸袭击事件触发燃气管道爆炸事故条件概率
| 专家1 | 专家2 | 专家3 | 专家4 | 专家5 | |
| 是 | 0.35 | 0.25 | 0.3 | 0.4 | 0.25 |
| 否 | 0.65 | 0.75 | 0.7 | 0.6 | 0.75 |
步骤S4中，次生事故严重性Cl由贝叶斯网络和效用值集确定，效用值集为 hl＝{h1,h2,h3}＝{0.33,0.67,1}，以16号评估区域为例，燃气管道爆炸事故后果级别{轻微；中等；严重}的概率分布为gl＝{g1,g2,g3}＝{0.790,0.144,0.066}，则爆炸恐怖袭击后果严重性为
同理可得加油站爆炸事故、坍塌事故严重性分别为0.516，0.514；n 种次生事故耦合因子Ic由耦合性判断矩阵和公式
确定；次生事故风险计算公式为
以16号区域为例，Ic＝e，次生事故风险值为0.67，风险等级为4级。
步骤S4中，爆炸事故的损害半径计算公式为r＝Cs(N*V*Hc)1/3，其中Cs为经验常数，对于建筑物可修复性损坏和人员1％受伤的情况取值为0.06；效率因子为N，通常取10％；参与反应的可燃气体体积为V，单位为m3；可燃气体的高燃烧热值为Hc，单位为KJ/m3。以16号区域为例，其燃气管道爆炸事故可影响周围的9,11,15,17,18号区域，由信息集判断，9,11,15,17,18号区域无加油站，有燃气管道和建筑物，故其可发生燃气管道爆炸事故和坍塌事故，以16号区域的各事故严重性值为周围区域事故严重性值，以16号区域的各事故可能性值乘专家打分的扩散可能性因子作为周围区域事故可能性值，即可进行计算得到9,11,15,17,18号区域的次生事故风险值。同理可得所有区域的次生事故风险值，绘制次生事故风险地图，如图5。
步骤S5中，以社会安全事件综合风险和次生事故综合风险为两个评估维度建立综合风险矩阵，如表3。
表3离散分级风险矩阵
运用步骤风险矩阵的重分类功能，综合各评估区域的社会安全事件风险及次生事故风险，得到各评估单元的综合风险值，绘制可视化的城市社区社会公共安全综合风险地图，如图6，以16号区域为例，其社会安全事件风险等级为5级，次生事故风险等级为4级，综合风险等级为5级。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种城市社区社会公共安全综合风险评估方法，其特征在于，所述方法包括以下步骤：
S1评估区域空间离散化处理；
S2城市社区特定人引发的社会安全事件风险评估；
S3确定社会安全事件触发的次生事故灾害情景；
S4社会安全事件触发的次生事故灾害风险评估；
S5城市社区社会公共安全综合风险评估；
其中，步骤S2中，需要对评估区域内的特定人进行识别和分析，包括识别出特定人人数a，与特定人数据库相匹配来获取各特定人基本信息，根据专家经验法来构建不同类型特定人发起特定类型社会安全事件的概率表，根据各特定人基本信息和概率表获得第i个特定人发起第j类社会安全事件的概率pij，综合计算多个特定人的作案可能性，第j类的社会安全事件发生概率为
步骤S2中，各类社会安全事件后果的评估通过建立的社会安全事件后果分析贝叶斯网络来实现，收集贝叶斯网络节点所需数据，对各部位发生社会安全事件造成的后果进行评估，贝叶斯网络的后果分级共分f级，第k级的概率为gk，第k级效用值为hk，第j类的社会安全事件的后果严重性为
步骤S2中，评估m种社会安全事件的综合风险，引入耦合因子Is来表示事件间的耦合作用，社会安全事件c和d之间的耦合性关系Icd由耦合性判断矩阵确定，计算耦合因子
社会安全事件风险计算公式为：
2.如权利要求1所述的城市社区社会公共安全综合风险评估方法，其特征在于，所述方法步骤S1中，对评估区域空间进行离散化处理，以道路为边界，将功能相对统一、规模相对统一的城市社区空间集合为一个评估单元。
3.如权利要求2所述的城市社区社会公共安全综合风险评估方法，其特征在于，所述方法步骤S1中，对每个单元建立信息集T＝{Tpopulation；Tarea；Tkeyarea；Tkeyperson}，用于风险地图构建过程中，对各评估单元内事故风险评估和单元间的事故演化和扩散情况进行分析；以Tkeyperson判断特定人位置并以此确定社会安全事件可能位置，以Tkeyarea判断事故是否扩散到相邻单元。
4.如权利要求3所述的城市社区社会公共安全综合风险评估方法，其特征在于，所述方法步骤S3中，以步骤S2所确定的m种社会安全事件为初始事件，结合事故案例并运用情景推演的方法，分析不同类型的社会安全事件能够触发的其他类型事故，包括燃气管道爆炸事故、加油站爆炸事故、坍塌事故、公共卫生事故及上述四项的细分事故。
5.如权利要求4所述的城市社区社会公共安全综合风险评估方法，其特征在于，所述方法步骤S4中，次生事故可能性Pl由社会安全事件可能性Pj，德尔菲法和贝叶斯公式共同确定；首先由至少五位专家打分给出不同社会安全事件发生情况组合下的各次生事故条件概率，并运用德尔菲法处理专家意见，若克朗巴哈系数大于等于0.8则认为专家经验达到一致，否则继续返回打分阶段，直至满足一致性，满足一致性后输入贝叶斯网络，以借助贝叶斯公式生成各次生事故可能性Pl；
卡朗巴哈系数计算公式如下：
其中，K为题项数，σ2X为总样本方差，σ2Yi为观测样本的方差。
6.如权利要求5所述的城市社区社会公共安全综合风险评估方法，其特征在于，所述方法步骤S4中，次生事故严重性Cl由贝叶斯网络和效用值集确定，n种次生事故耦合因子Ic由耦合性判断矩阵和公式六
确定；次生事故风险计算为公式七
爆炸事故的损害半径计算为公式八r＝Cs(N*V*Hc)1/3，其中Cs为经验常数；效率因子为N；参与反应的可燃气体体积为V，单位为m3；可燃气体的高燃烧热值为Hc，单位为KJ/m3。
7.如权利要求1所述的城市社区社会公共安全综合风险评估方法，其特征在于，所述方法步骤S5中，以社会安全事件综合风险和次生事故综合风险为两个评估维度建立综合风险矩阵，运用步骤风险矩阵的重分类功能，综合各评估区域的社会安全事件风险及次生事故风险，得到各评估单元的综合风险值，绘制可视化的城市社区社会公共安全综合风险地图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010599689.XA CN111798112B (zh) | 2020-06-28 | 2020-06-28 | 一种城市社区社会公共安全综合风险评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010599689.XA CN111798112B (zh) | 2020-06-28 | 2020-06-28 | 一种城市社区社会公共安全综合风险评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111798112A true CN111798112A (zh) | 2020-10-20 |
| CN111798112B CN111798112B (zh) | 2021-04-13 |
Family
ID=72803966
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010599689.XA Active CN111798112B (zh) | 2020-06-28 | 2020-06-28 | 一种城市社区社会公共安全综合风险评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111798112B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113011749A (zh) * | 2021-03-22 | 2021-06-22 | 华南理工大学 | 一种基于风险与能力的城市公共安全评估方法 |
| CN115409311A (zh) * | 2022-04-20 | 2022-11-29 | 盈机技术服务(北京)有限公司 | 社会安全风险的评估方法、装置以及存储介质 |
| CN116663897A (zh) * | 2023-05-24 | 2023-08-29 | 中国矿业大学 | 一种基于贝叶斯网络的城市老旧社区安全风险评价方法 |
| CN117314162A (zh) * | 2023-09-26 | 2023-12-29 | 重庆大学 | 一种公路隧道可燃气体泄漏爆燃风险评估方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009001104A (ja) * | 2007-06-20 | 2009-01-08 | Fujitsu Ten Ltd | 追突被害軽減装置および追突被害軽減方法 |
| CN106709841A (zh) * | 2016-12-08 | 2017-05-24 | 中国矿业大学(北京) | 一种基于大数据的社会风险信息采集处理技术和系统 |
| CN107133742A (zh) * | 2017-05-11 | 2017-09-05 | 北京辰安科技股份有限公司 | 一种数据处理方法和装置 |
| CN108062638A (zh) * | 2018-02-09 | 2018-05-22 | 国通广达（北京）技术有限公司 | 综合管廊灾害链风险评估方法 |
| CN110070286A (zh) * | 2019-04-19 | 2019-07-30 | 国网湖南省电力有限公司 | 电网多灾种耦合连锁故障分析方法及系统 |
| CN111178764A (zh) * | 2019-12-30 | 2020-05-19 | 中国矿业大学(北京) | 一种大型活动踩踏事故动态风险评估方法 |
-
2020
- 2020-06-28 CN CN202010599689.XA patent/CN111798112B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009001104A (ja) * | 2007-06-20 | 2009-01-08 | Fujitsu Ten Ltd | 追突被害軽減装置および追突被害軽減方法 |
| CN106709841A (zh) * | 2016-12-08 | 2017-05-24 | 中国矿业大学(北京) | 一种基于大数据的社会风险信息采集处理技术和系统 |
| CN107133742A (zh) * | 2017-05-11 | 2017-09-05 | 北京辰安科技股份有限公司 | 一种数据处理方法和装置 |
| CN108062638A (zh) * | 2018-02-09 | 2018-05-22 | 国通广达（北京）技术有限公司 | 综合管廊灾害链风险评估方法 |
| CN110070286A (zh) * | 2019-04-19 | 2019-07-30 | 国网湖南省电力有限公司 | 电网多灾种耦合连锁故障分析方法及系统 |
| CN111178764A (zh) * | 2019-12-30 | 2020-05-19 | 中国矿业大学(北京) | 一种大型活动踩踏事故动态风险评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李丽华等: ""我国城市面临恐怖袭击的安全风险评估机制与方法探究"", 《公安学研究》 * |
| 魏静等: ""基于多模块贝叶斯网络的恐怖袭击威胁评估"", 《中国科学院大学学报》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113011749A (zh) * | 2021-03-22 | 2021-06-22 | 华南理工大学 | 一种基于风险与能力的城市公共安全评估方法 |
| CN115409311A (zh) * | 2022-04-20 | 2022-11-29 | 盈机技术服务(北京)有限公司 | 社会安全风险的评估方法、装置以及存储介质 |
| CN116663897A (zh) * | 2023-05-24 | 2023-08-29 | 中国矿业大学 | 一种基于贝叶斯网络的城市老旧社区安全风险评价方法 |
| CN116663897B (zh) * | 2023-05-24 | 2023-11-14 | 中国矿业大学 | 一种基于贝叶斯网络的城市老旧社区安全风险评价方法 |
| CN117314162A (zh) * | 2023-09-26 | 2023-12-29 | 重庆大学 | 一种公路隧道可燃气体泄漏爆燃风险评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111798112B (zh) | 2021-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111798112B (zh) | 一种城市社区社会公共安全综合风险评估方法 | |
| Simic et al. | Picture fuzzy extension of the CODAS method for multi-criteria vehicle shredding facility location | |
| Thornton et al. | Distinguishing and combining risks for sexual and violent recidivism | |
| Xu et al. | Risk prediction and early warning for air traffic controllers’ unsafe acts using association rule mining and random forest | |
| Dugan | The effect of criminal victimization on a household's moving decision | |
| Mishra et al. | Current trends in disaster management simulation modelling research | |
| McNiel et al. | Incarceration associated with homelessness, mental disorder, and co-occurring substance abuse | |
| Fyfe et al. | Differential police treatment of male‐on‐female spousal violence | |
| Neuilly et al. | Predicting recidivism in homicide offenders using classification tree analysis | |
| CN113379267B (zh) | 一种基于风险分级预测的城市火灾事件处理方法、系统及存储介质 | |
| Brennan et al. | Correctional offender management profiles for alternative sanctions (COMPAS) | |
| Rydberg et al. | Punishing the wicked: Examining the correlates of sentence severity for convicted sex offenders | |
| Xia et al. | Incorporating space and time into random forest models for analyzing geospatial patterns of drug-related crime incidents in a major us metropolitan area | |
| CN112232389A (zh) | 一种大型活动突发事件交通应急预案动态调整方法及系统 | |
| Berezka et al. | A binary logistic regression model for support decision making in criminal justice | |
| Kovalchuk et al. | Decision-making supporting models concerning the internal security of the state | |
| Campbell et al. | Gauging detention dosage: Assessing the impact of pretrial detention on sentencing outcomes using propensity score modeling | |
| Campagnolo et al. | Absconsion from forensic psychiatric institutions: a review of the literature | |
| Pattock | It's all relative: Familial DNA testing and the fourth amendment | |
| CN115829332A (zh) | 一种驾驶风险评估方法及装置 | |
| Sahu et al. | Analysis of road accidents prediction and interpretation using KNN classification model | |
| CN112990599B (zh) | 一种基于突发火灾事件相似度计算的城市应急消防优化方法 | |
| Yang et al. | Analysis of first responder-involved traffic incidents by mining news reports | |
| Uekawa et al. | Creating an Early Warning System: Predictors of Dropout in Delaware. REL Mid-Atlantic Technical Assistance Brief. REL MA 1.2. 75-10. | |
| Olphin et al. | Existing research on solvability |
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 |