CN112950011A - 轨道交通系统风险链分析方法和装置 - Google Patents

Abstract

本发明提供了一种轨道交通系统风险链分析方法和装置。该方法包括：S1，从轨道交通系统的实际运营数据中提取出风险层、处置层和后果层风险因素，建立轨道交通系统的风险因素集；S2，针对所述风险因素集，建立网络模型；计算所述网络模型中节点强度；通过对所述风险因素集中的风险因素进行相关性分析，得到不同风险因素间的耦合关系和风险传递因子；S3，根据所述风险因素间的耦合关系，形成风险链集合；基于所述节点强度与所述风险传递因子，计算所述风险链集合中的各条风险链的风险程度系数；S4，根据所述各条风险链的风险程度系数，选择出高风险预警的风险链，构建轨道交通系统的高风险预警的风险链库；S5，输出所述高风险预警的风险链库。

Description

轨道交通系统风险链分析方法和装置

技术领域

本发明涉及技术领域，尤其涉及一种轨道交通系统风险链分析方法和装置。

背景技术

轨道交通系统的安全运营日益得到关注，突发事件的风险预防和控制对安全运营具有至关重要的作用。现阶段轨道交通突发事件的风险评估和预防研究多是依据历史突发事件的处置经验，且研究对象主要针对轨道交通运营造成严重影响的重大事件，对于列车运行过程中的日常晚点事件研究较少。对于频次较高的晚点事件中，从事件的风险起因到采取处置措施，再到事件导致的结果的过程之间的关系，暂时还缺少具体的数据分析研究，对于风险预防和控制的方法不够完善，不适应于现今公众对轨道交通系统特别是高速铁路准点、舒适的服务需求。

现有技术中还没有一种有效的轨道交通系统风险链分析方法。

发明内容

本发明的实施例提供了一种轨道交通系统风险链分析方法和装置，能生成高风险预警的风险链库，以使根据所述轨道交通系统的高风险预警的风险链库，进行风险管控。

为了实现上述目的，本发明采取了如下技术方案。

一种轨道交通系统风险链分析方法，包括：

S1，从轨道交通系统的实际运营数据中提取出风险层、处置层和后果层风险因素，建立轨道交通系统的风险因素集；

S2，针对所述风险因素集，建立网络模型；计算所述网络模型中节点强度；通过对所述风险因素集中的风险因素进行相关性分析，得到不同风险因素间的耦合关系和风险传递因子；

S3，根据所述风险因素间的耦合关系，形成风险链集合；基于所述节点强度与所述风险传递因子，计算所述风险链集合中的各条风险链的风险程度系数；

S4，根据所述各条风险链的风险程度系数，选择出高风险预警的风险链，构建轨道交通系统的高风险预警的风险链库；

S5，输出所述高风险预警的风险链库，以使根据所述轨道交通系统的高风险预警的风险链库，进行风险管控。

一种轨道交通系统风险链分析装置，包括：

提取单元，从轨道交通系统的实际运营数据中提取出风险层、处置层和后果层风险因素，建立轨道交通系统的风险因素集；

分析单元，针对所述风险因素集，建立网络模型；计算所述网络模型中节点强度；通过对所述风险因素集中的风险因素进行相关性分析，得到不同风险因素间的耦合关系和风险传递因子；

计算单元，根据所述风险因素间的耦合关系，形成风险链集合；基于所述节点强度与所述风险传递因子，计算所述风险链集合中的各条风险链的风险程度系数；

选择单元，根据所述各条风险链的风险程度系数，选择出高风险预警的风险链，构建轨道交通系统的高风险预警的风险链库；

输出单元，输出所述高风险预警的风险链库，以使根据所述轨道交通系统的高风险预警的风险链库，进行风险管控。

本发明中，采用数据挖掘理论，避免主观决策，对轨道交通系统风险因素之间的耦合关系进行分析，该方法能够有效建立轨道交通系统中的风险链，为系统风险管控提供依据。

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轨道交通系统风险链分析方法流程图；

图2为本发明应用场景提供的一种轨道交通系统风险链分析方法流程图；

图3为本发明实施例提供的后果层风险因素k-means聚类结果；

图4为本发明实施例提供的事件链网构造示意图；

图5为本发明实施例提供的风险因素网络模型示意图；

图6为本发明实施例提供的关联规则分析可视化结果。

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。

如图1所示，为本发明所述的一种轨道交通系统风险链分析方法，包括：

S1，从轨道交通系统的实际运营数据中提取出风险层、处置层和后果层风险因素，建立轨道交通系统的风险因素集；

所述S1包括：

对所述轨道交通系统的实际运营数据进行数据清洗与特征分析，并提取关键指标特征，将数据清洗与特征分析后的所述实际运营数据划分为不同的层，获得数据集；

所述风险层包括：人因风险层、环境风险层、设备风险层、管理风险层；

其中，所述人因风险层包括：列车运行时工作人员以及乘坐列车的旅客在心理、生理、行为的因素；

所述环境风险层包括：人员作业环境、列车运营环境、自然和地理环境的安全风险；

所述设备风险层包括：与列车运营相关的设备设施出现失效或者故障的情况；

所述管理风险层包括：管理过程中存在的涉及规章制度、安全教育的问题；

所述处置层包括：事故发生时的铁路各相关部门采取的限速、停车、区间封锁的措施；

所述后果层包括：各种类型的事故或者安全风险事件所造成的事故后果。

所述S1还包括：对后果层的数据进行离散化处理，具体为：

基于中断行车时间和影响列车数量两个因素，利用k-means聚类，将后果层连续的故障写实数据离散化，即：

其中，E是原始数据与离散化处理后数据之间的平方误差，μ_i是簇C_i的质心，即离散化处理后的数据，x是所述具有强关联关系的后果层风险因素集中的各个风险因素，k是选取的使得E最小的聚类中心数。

S2，针对所述风险因素集，建立网络模型；计算所述网络模型中节点强度；通过对所述风险因素集中的风险因素进行相关性分析，得到不同风险因素间的耦合关系和风险传递因子；

所述S2中针对所述风险因素集，建立网络模型的步骤包括：

基于所述轨道交通系统风险因素集，按所述实际运营数据中事件的实际发生过程进行因素归类，将所述轨道交通系统风险的文本记录转化为事件链网的结构化形式，构建涵盖所有原始数据的有向加权事故因素网络模型；

所述S2中计算所述网络模型中节点强度的步骤包括；

其中，s_m是网络中节点m的强度，w_m,j表示节点m指向节点j的边的权值；从节点m到节点j的有向边的权值为所有实际运营数据中风险因素m指向风险因素j的次数加和；

所述S2中通过对所述风险因素集中的风险因素进行相关性分析，得到不同风险因素间的耦合关系和风险传递因子的步骤具体为：

利用关联性分析算法，计算各层风险因素之间的支持度Sup、置信度Con和提升度Lift，得到不同风险因素间的耦合关系，即：

Sup(A→B)＝P(AB)

Con(A→B)＝P(AB)/P(A)

Lift(A→B)＝P(AB)/P(A)P(B)

其中，P是概率，支持度Sup(A→B)表示事件A与事件B同时出现的概率，置信度Con(A→B)表示事件A出现时事件B出现的概率，提升度Lift(A→B)表示关联规则中事件A与事件B的相关性；以Sup为风险因素间的风险传递因子。

S3，根据所述风险因素间的耦合关系，形成风险链集合；基于所述节点强度与所述风险传递因子，计算所述风险链集合中的各条风险链的风险程度系数；

所述S3中根据所述风险因素间的耦合关系，形成风险链集合的步骤包括：

基于所述Sup、Con和Lift的值，从所述风险因素集中选取存在强关联规则的风险因素：

将所述风险层中具有强关联规则的风险因素作为风险链的起始点，依次寻找具有耦合关系的所有风险因素，形成风险链集合。

所述基于所述Sup、Con和Lift的值，从所述风险因素集中选取存在强关联规则的风险因素的步骤包括：

分别给定阈值Sup⁰、Con⁰和Lift⁰；

选取同时符合Sup＞Sup⁰、Con＞Con⁰和Lift＞Lift⁰的风险因素，形成具有强关联关系的风险因素集。

所述S3中基于所述节点强度与所述风险传递因子，计算所述风险链集合中的各条风险链的风险程度系数的步骤包括：

其中，R_i,j,g,l表示包含节点i,j,g和l的风险链的风险程度系数，

为该风险链中风险层的风险因素i的强度，p_i,j为风险层中第i个因素到第j个因素的传递因子；

为该风险链中处置层的风险因素g的强度，p_j,g为风险层中因素j到处置层中因素g的传递因子；p_g,l为该风险链中处置层中因素g到结果层中因素l的传递因子；W_l表示该风险链造成后果的严重程度，根据k-means聚类结果，依次取相应的常数值1～k得到。

S4，根据所述各条风险链的风险程度系数，选择出高风险预警的风险链，构建轨道交通系统的高风险预警的风险链库；

其中，所述S4包括：从所述风险链集合中，选取其中风险程度系数大于阈值R⁰的风险链，构成轨道交通系统风险链群；或者，按风险程度系数由大到小排序，选取风险程度系数前预定数量的风险链，构成轨道交通系统风险链群。

S5，输出所述高风险预警的风险链库，以使根据所述轨道交通系统的高风险预警的风险链库，进行风险管控。

本发明还提供一种轨道交通系统风险链分析装置，包括：

提取单元，从轨道交通系统的实际运营数据中提取出风险层、处置层和后果层风险因素，建立轨道交通系统的风险因素集；

分析单元，针对所述风险因素集，建立网络模型；计算所述网络模型中节点强度；通过对所述风险因素集中的风险因素进行相关性分析，得到不同风险因素间的耦合关系和风险传递因子；

计算单元，根据所述风险因素间的耦合关系，形成风险链集合；基于所述节点强度与所述风险传递因子，计算所述风险链集合中的各条风险链的风险程度系数；

选择单元，根据所述各条风险链的风险程度系数，选择出高风险预警的风险链，构建轨道交通系统的高风险预警的风险链库；

输出单元，输出所述高风险预警的风险链库，以使根据所述轨道交通系统的高风险预警的风险链库，进行风险管控。

以下描述本发明的应用场景。本发明提供了一种轨道交通系统风险链分析方法。该方法包括：从轨道交通系统的实际运营数据中提取出风险层L、处置层D和后果层W的风险因素，建立轨道交通系统风险因素集，并将W层连续的故障写实数据离散化；针对所述风险因素建立网络模型计算网络中节点强度，通过相关性分析刻画不同风险因素间的耦合关系得到风险传递因子；在风险因素耦合关系分析的基础上，形成风险链集合，基于所述节点强度与风险传递因子计算风险程度系数，实现轨道交通系统风险链的构建。本发明的方法采用数据挖掘理论，避免主观决策，对轨道交通系统风险因素之间的耦合关系进行分析。结果表明该方法能够有效建立轨道交通系统中的风险链，为系统风险管控提供依据，实用性好。

以下具体描述一种轨道交通系统风险链分析方法，包括：

S1:从轨道交通系统的实际运营数据中提取出风险层(记为L，包括人因风险层、环境风险层、设备风险层、管理风险层)、处置层(记为D)和后果层(记为W)风险因素，建立轨道交通系统风险因素集；利用k-means聚类，将后果层连续的故障写实数据离散化；

所述S1包括：

建立轨道交通系统风险因素集，即：

对历史轨道交通系统突发事件写实表数据进行数据清洗与特征分析，提取关键指标特征，将连续的故障写实数据离散化，划分为不同的层，获得数据集。其中，人因风险层包括列车运行时相关的工作人员以及乘坐列车的旅客，涉及人员在心理、生理、行为等方面的因素；环境风险层包括人员作业环境、列车运营环境、自然和地理环境等方面的安全风险；设备风险层涵盖所有与列车运营相关的设备设施出现失效或者故障的情况；管理风险层包括管理过程中存在的涉及规章制度、安全教育等方面的问题；处置层包括事故发生时的铁路各相关部门采取的限速、停车、区间封锁等类型的措施；后果层包括各种类型的事故或者安全风险事件所造成的事故后果，如中断行车时间和影响后续列车数量等；

基于中断行车时间和影响列车数量两个因素，利用k-means聚类，将后果层连续的故障写实数据离散化，即：

其中，E是平方误差，μ_i是簇C_i的质心，x是所述具有强关联关系的后果层风险因素集中的各个风险因素，k是聚类中心数；

S2：针对所述风险因素建立网络模型，计算网络中节点强度；通过相关性分析刻画不同风险因素间的耦合关系，得到风险传递因子；

所述S2包括：

针对所述风险因素建立网络模型，即：

基于S1得到的轨道交通系统风险因素集，按原始数据中事件的实际发生过程进行因素归类，将文本记录转化为事件链网的结构化形式，构建涵盖所有数据的有向加权事故因素网络模型。其中，从节点m到节点j的有向边的权值为所有数据中因素m指向因素j的次数加和；

计算网络中节点强度，即：

其中，s_m是网络中节点m的强度，w_m,j表示节点m指向节点j的边的权值；

利用关联性分析算法，计算各层因素之间的支持度Sup、置信度Con和提升度Lift，刻画不同风险因素间的耦合关系，即：

Sup(A→B)＝P(AB)

Con(A→B)＝P(AB)/P(A)

Lift(A→B)＝P(AB)/P(A)P(B)

其中，P是概率，支持度Sup(A→B)揭示了事件A与事件B同时出现的概率，置信度Con(A→B)揭示了事件A出现时事件B出现的概率，提升度Lift(A→B)反映了关联规则中事件A与事件B的相关性；

基于所述Sup、Con和Lift的值选取存在强关联规则的风险因素，以Sup为风险传递因子，即：

分别给定阈值Sup⁰、Con⁰和Lift⁰，选取Sup＞Sup⁰的风险因素为频繁项集，在此基础上，选取同时符合Con＞Con⁰和Lift＞Lift⁰的风险因素，形成具有强关联关系的风险因素集。传递因子反映因素之间传播的概率，传递因子越大，表示前者因素更容易导致后者因素的触发，以Sup为因素间的风险传递因子。

S3：在风险因素耦合关系分析的基础上，形成风险链集合；基于所述节点强度与风险传递因子，计算各条风险链的风险程度系数，实现轨道交通系统风险链的构建。

所述S3包括：

在风险因素耦合关系分析的基础上，形成风险链集合，即：

将风险层中具有强关联规则的风险因素作为风险链的起始点，依次寻找具有耦合关系的所有风险因素，形成风险链集合；

基于所述节点强度与风险传递因子，计算风险链的风险程度系数R，即：

其中，R_i,j,g,l表示包含节点i,j,g和l的风险链的风险程度系数，

为该风险链中风险层的风险因素i的强度，p_i,j为风险层中第i个因素到第j个因素的传递因子；

为该风险链中处置层的风险因素g的强度，p_j,g为风险层中因素j到处置层中因素g的传递因子；p_g,l为该风险链中处置层中因素g到结果层中因素l的传递因子；W_l表示该风险链造成后果的严重程度，根据k-means聚类结果，依次取相应的常数值1～k得到；

构建轨道交通系统风险链，即：

按风险程度系数由大到小排序，选取其中风险程度系数大于阈值R⁰的链条，构成轨道交通系统风险链群。

与目前传统的轨道交通突发事件分析方法相比，本发明轨道交通系统风险链分析方法，从历史铁路突发事件影响数据出发，将原始事件记录转化为结构化事件链网数据，采用数据挖掘理论，避免主观决策，对轨道交通系统风险因素之间的耦合关系进行分析。结果表明该方法能够有效建立轨道交通系统中的风险链，为系统风险管控提供依据，满足公众对轨道交通系统高质量运输服务的需求。因此本发明提出的轨道交通系统风险链分析方法具有重大的实用价值和推广意义。

本发明实施例提供的一种轨道交通系统风险链分析方法的处理流程如图2所示。对某铁路局2016年1月到2016年12月部分历史铁路突发事件影响数据进行数据清洗和特征处理，获取标准突发事件影响数据集265条，包括下述步骤：

步骤(1)：从轨道交通系统的实际运营数据中提取出风险层(记为L，包括人因风险层、环境风险层、设备风险层、管理风险层)、处置层(记为D)和后果层(记为W)风险因素，建立轨道交通系统风险因素集；利用k-means聚类，将后果层连续的故障写实数据离散化；

1.1.从写实表中记录的事件起因、事件处置流程环节、事件处置措施和事件后果等角度，提取能够描述铁路突发事件的关键特征，划分为风险层L、处置层D和结果层W风险因素，获得数据集；

1.2.将后果层连续的故障写实数据离散化，基于中断行车时间和影响列车数量特征，进行k-means聚类，结果划分为5类(如图3所示)。

步骤(2)：针对所述风险因素建立网络模型，计算网络中节点强度；通过相关性分析刻画不同风险因素间的耦合关系，得到风险传递因子；

2.1.根据步骤(1)得到的各个层次的因素划分方式，对所有的铁路突发事件写实表案例进行整理，对其中的关键事故起因、环节、结果信息与划分的因素相对应，转化为事件链网的形式(如图4所示)；将所有事件链网数据合并，建立事件因素网络模型(如图5所示)，利用复杂网络理论的方法得到每个因素在网络中的节点强度；

2.2.利用关联性分析算法，计算各层因素之间的支持度Sup、置信度Con和提升度Lift，刻画不同风险因素间的耦合关系，图6为提取的关联规则属性分布图。基于所述Sup、Con和Lift的值选取存在强关联规则的风险因素，以Sup为风险传递因子。

步骤(3)：在风险因素耦合关系分析的基础上，形成风险链集合；基于所述节点强度与风险传递因子，计算各条风险链的风险程度系数，实现轨道交通系统风险链的构建。

3.1.将风险层中具有强关联规则的风险因素作为风险链的起始点，依次寻找具有耦合关系的所有风险因素，形成风险链集合；

3.2.计算风险链的风险程度系数，构建轨道交通系统风险链，下表1为本发明实施例中得到的一些风险链结果数据：

表1风险链结果数据(部分)

综上所述，本发明实施例的方法从轨道交通系统的实际运营数据中提取出风险层(记为L，包括人因风险层、环境风险层、设备风险层、管理风险层)、处置层(记为D)和后果层(记为W)风险因素；对不同的风险因素进行相关性分析建立风险因素间的耦合关系；计算风险程度系数，构建轨道交通系统风险链。本发明的方法采用数据挖掘理论，避免主观决策，对轨道交通系统风险因素之间的耦合关系进行分析。结果表明该方法能够有效建立轨道交通系统中的风险链，为系统风险管控提供依据，实用性好。

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 (9)

1.一种轨道交通系统风险链分析方法，其特征在于，包括：

S1，从轨道交通系统的实际运营数据中提取出风险层、处置层和后果层风险因素，建立轨道交通系统的风险因素集；

S2，针对所述风险因素集，建立网络模型；计算所述网络模型中节点强度；通过对所述风险因素集中的风险因素进行相关性分析，得到不同风险因素间的耦合关系和风险传递因子；

S3，根据所述风险因素间的耦合关系，形成风险链集合；基于所述节点强度与所述风险传递因子，计算所述风险链集合中的各条风险链的风险程度系数；

S4，根据所述各条风险链的风险程度系数，选择出高风险预警的风险链，构建轨道交通系统的高风险预警的风险链库；

S5，输出所述高风险预警的风险链库，以使根据所述轨道交通系统的高风险预警的风险链库，进行风险管控。

2.根据权利要求1所述的方法，其特征在于，所述S1包括：

对所述轨道交通系统的实际运营数据进行数据清洗与特征分析，并提取关键指标特征，将数据清洗与特征分析后的所述实际运营数据划分为不同的层，获得数据集；

所述风险层包括：人因风险层、环境风险层、设备风险层、管理风险层；

其中，所述人因风险层包括：列车运行时工作人员以及乘坐列车的旅客在心理、生理、行为的因素；

所述环境风险层包括：人员作业环境、列车运营环境、自然和地理环境的安全风险；

所述设备风险层包括：与列车运营相关的设备设施出现失效或者故障的情况；

所述管理风险层包括：管理过程中存在的涉及规章制度、安全教育的问题；

所述处置层包括：事故发生时的铁路各相关部门采取的限速、停车、区间封锁的措施；

所述后果层包括：各种类型的事故或者安全风险事件所造成的事故后果。

3.根据权利要求1所述的方法，其特征在于，所述S1还包括：

对后果层的数据进行离散化处理，具体为：

基于中断行车时间和影响列车数量两个因素，利用k-means聚类，将后果层连续的故障写实数据离散化，即：

其中，E是原始数据与离散化处理后数据之间的平方误差，μ_i是簇C_i的质心，即离散化处理后的数据，x是所述具有强关联关系的后果层风险因素集中的各个风险因素，k是选取的使得E最小的聚类中心数。

4.根据权利要求1所述方法，其特征在于，

所述S2中针对所述风险因素集，建立网络模型的步骤包括：

基于所述轨道交通系统风险因素集，按所述实际运营数据中事件的实际发生过程进行因素归类，将所述轨道交通系统风险的文本记录转化为事件链网的结构化形式，构建涵盖所有原始数据的有向加权事故因素网络模型；

所述S2中计算所述网络模型中节点强度的步骤包括；

其中，s_m是网络中节点m的强度，w_m,j表示节点m指向节点j的边的权值；从节点m到节点j的有向边的权值为所有实际运营数据中风险因素m指向风险因素j的次数加和；

所述S2中通过对所述风险因素集中的风险因素进行相关性分析，得到不同风险因素间的耦合关系和风险传递因子的步骤具体为：

利用关联性分析算法，计算各层风险因素之间的支持度Sup、置信度Con和提升度Lift，得到不同风险因素间的耦合关系，即：

Sup(A→B)＝P(AB)

Con(A→B)＝P(AB)/P(A)

Lift(A→B)＝P(AB)/P(A)P(B)

其中，P是概率，支持度Sup(A→B)表示事件A与事件B同时出现的概率，置信度Con(A→B)表示事件A出现时事件B出现的概率，提升度Lift(A→B)表示关联规则中事件A与事件B的相关性；以Sup为风险因素间的风险传递因子。

5.根据权利要求1所述的方法，其特征在于，所述S3中根据所述风险因素间的耦合关系，形成风险链集合的步骤包括：

基于所述Sup、Con和Lift的值，从所述风险因素集中选取存在强关联规则的风险因素：

将所述风险层中具有强关联规则的风险因素作为风险链的起始点，依次寻找具有耦合关系的所有风险因素，形成风险链集合。

6.根据权利要求5所述方法，其特征在于，所述基于所述Sup、Con和Lift的值，从所述风险因素集中选取存在强关联规则的风险因素的步骤包括：

分别给定阈值Sup⁰、Con⁰和Lift⁰；

选取同时符合Sup>Sup⁰、Con>Con⁰和Lift>Lift⁰的风险因素，形成具有强关联关系的风险因素集。

7.根据权利要求3所述方法，其特征在于，所述S3中基于所述节点强度与所述风险传递因子，计算所述风险链集合中的各条风险链的风险程度系数的步骤包括：

其中，R_i,j,g,l表示包含节点i,j,g和l的风险链的风险程度系数，

为该风险链中风险层的风险因素i的强度，p_i,j为风险层中第i个因素到第j个因素的传递因子；

为该风险链中处置层的风险因素g的强度，p_j,g为风险层中因素j到处置层中因素g的传递因子；p_g,l为该风险链中处置层中因素g到结果层中因素l的传递因子；W_l表示该风险链造成后果的严重程度，根据k-means聚类结果，依次取相应的常数值1～k得到。

8.根据权利要求1所述方法，其特征在于，所述S4包括：

从所述风险链集合中，选取其中风险程度系数大于阈值R⁰的风险链，构成轨道交通系统风险链群；

或者，按风险程度系数由大到小排序，选取风险程度系数前预定数量的风险链，构成轨道交通系统风险链群。

9.一种轨道交通系统风险链分析装置，其特征在于，包括：

提取单元，从轨道交通系统的实际运营数据中提取出风险层、处置层和后果层风险因素，建立轨道交通系统的风险因素集；

分析单元，针对所述风险因素集，建立网络模型；计算所述网络模型中节点强度；通过对所述风险因素集中的风险因素进行相关性分析，得到不同风险因素间的耦合关系和风险传递因子；

计算单元，根据所述风险因素间的耦合关系，形成风险链集合；基于所述节点强度与所述风险传递因子，计算所述风险链集合中的各条风险链的风险程度系数；

选择单元，根据所述各条风险链的风险程度系数，选择出高风险预警的风险链，构建轨道交通系统的高风险预警的风险链库；

输出单元，输出所述高风险预警的风险链库，以使根据所述轨道交通系统的高风险预警的风险链库，进行风险管控。

Images