CN113919768A - 一种特种物质的道路运输风险预测方法和系统 - Google Patents
一种特种物质的道路运输风险预测方法和系统 Download PDFInfo
- Publication number
- CN113919768A CN113919768A CN202111080674.3A CN202111080674A CN113919768A CN 113919768 A CN113919768 A CN 113919768A CN 202111080674 A CN202111080674 A CN 202111080674A CN 113919768 A CN113919768 A CN 113919768A
- Authority
- CN
- China
- Prior art keywords
- risk
- transportation
- influence
- occurrence probability
- ith
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种特种物质的道路运输风险预测方法和系统,涉及道路风险检测领域。该方法包括:通过实时运输路径的多个运输风险影响因素,根据多个运输风险影响因素的影响模式构建事件树模型,将全部事件树序列分配到对应的道路运输事故类别中,根据故障树模型计算第一运输风险影响因素的第一发生概率,根据层次分析法模型计算第二运输风险影响因素的第二发生概率,采用小事件树‑大故障树方法对故障树模型、层次分析法模型和事件树模型进行链式分析,根据分析出的链接关系,结合第一发生概率和第二发生概率计算第i类事件树序列的第i发生概率,将第i发生概率匹配事件序列进行显示,实时提供道路风险检测结果,降低道路运输风险。
Description
技术领域
本发明涉及道路风险检测领域,尤其涉及一种特种物质的道路运输风险预测方法和系统。
背景技术
与普通危险品相比,放射性物质泄漏事故受到货包、车辆、交通、环境等多方面因素的影响,其后果危害持续时间更长,其事故后果与发生概率都对事故应急防控效果影响重大,有必要综合考虑,特别是放射性事故后处理比较麻烦,需要以预防为主,防控结合。而传统的特种物质运输风险评估通常只关注运输过程中的事故,或只关注事故后果的严重程度,或者只关注某些事故类型评估,不利于事故的全面预防控制和总体管理决策。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种特种物质的道路运输风险预测方法和系统。
本发明解决上述技术问题的技术方案如下:
一种特种物质的道路运输风险预测方法,包括:
S1,通过实时监测和实地采集,获取运输路径的多个运输风险影响因素;
S2,根据多个运输风险影响因素的影响模式构建事件树模型,将全部事件树序列分配到对应的道路运输事故类别中;多个运输风险影响因素包括:第一运输风险影响因素和第二运输风险影响因素;
S3,根据故障树模型计算第一运输风险影响因素的第一发生概率;
S4,根据层次分析法模型计算第二运输风险影响因素的第二发生概率;
S5,采用小事件树-大故障树方法对所述故障树模型、所述层次分析法模型和所述事件树模型进行链式分析;
S6,根据分析结果构建所述故障树模型、所述层次分析法模型和事件树模型的链接关系,根据所述链接关系、结合第一发生概率和第二发生概率计算第i类所述事件树序列的第i发生概率;其中,i≥1
S7,将所述第i发生概率匹配所述事件序列进行显示。
本发明的有益效果是:本方案通过根据故障树模型、层次分析法模型的计算结果确定事件树始发事件、功能事件的概率,采用小事件树-大故障树方法进行链接分析,计算所有事故序列的发生概率,以及所有道路运输事故分类的发生概率,通过计算出所有事故序列的发生概率,以及所有道路运输事故分类的发生概并结合地图进行实时显示,实时提供道路风险检测结果,有利于分析确定道路运输风险的所有潜在事故及其发生模式,从而进行全面预防控制和总体管理决策,降低道路运输风险。
进一步地,还包括:
S8,根据风险范围预测模型计算第i类所述事件树序列中的第i后果影响度;
S9,根据所述第i发生概率和第i后果影响度计算运输路径的风险系数,并将所述风险系数排序结果结合地图进行实时显示。
采用上述进一步方案的有益效果是:本方案通过风险范围预测模型按照包括而不限于不同道路风险预先评估的风险曲线与原点距离的大小排序给出不同运输道路的风险排序,给出运输道路的规划建议;根据风险实时监测的结果,给出特种物质道路运输任务当前的实际风险,结合地图进行实时展示,并根据风险降低当量RRW的结果排序给出事故防控的重点因素排序,定位导致事故的薄弱环节,实现道路风险预测和防控。
进一步地,所述S8具体包括:根据放射性核素大气扩散方法、人类剂量因子法、冲击波半径法或破片半径法来构建所述风险范围预测模型;
将第i类所述事件树序列的多个风险运输影响因素输入到所述风险范围预测模型中,计算出每个运输风险影响因素的第一后果影响度;
结合多个第一后果影响度进行计算获得第i后果影响度。
采用上述进一步方案的有益效果是:本方案通过计算所有道路运输事故分类的潜在后果影响,用以代表道路运输事故的后果严重程度。
进一步地,还包括:
根据所述第一运输风险影响因素和所述第一运输风险影响因素的发生概率构建故障树模型。
采用上述进一步方案的有益效果是:本方案通过采用故障树方法对货包、车辆因素的发生概率进行建模,完成故障树模型、层次分析法模型的建造后,通过故障树模型、层次分析法模型对运输风险影响因素进行数据匹配。
进一步地,还包括:
根据所述第二运输风险影响因素和所述第二运输风险影响因素的发生概率构建层次分析法模型。
采用上述进一步方案的有益效果是:采用层次分析法对人员、交通、气象、环境因素的发生概率进行建模;完成故障树模型、层次分析法模型的建造后,通过故障树模型、层次分析法模型对运输风险影响因素进行数据匹配。
进一步地,还包括:
根据多个运输风险影响因素和多个运输风险影响因素的后果影响度构建风险范围预测模型;
所述S9具体包括:
根据风险范围预测模型计算第i类所述事件树序列中的第i后果影响度,将第i后果影响度大于预设值的第i类所述事件树序列第i发生概率进行累加,根据累加值计算运输路径的风险系数,并将所述风险系数排序结果进行显示。
采用上述进一步方案的有益效果是:本方案通过风险范围预测模型计算所有道路运输事故分类的潜在后果影响,用来评价道路运输事故的后果严重程度。
本发明解决上述技术问题的另一种技术方案如下:
一种特种物质的道路运输风险预测系统,包括:风险因素采集模块、事件树模型构建模块、第一计算模块、第二计算模块、链式分析模块、事件树序列概率计算模块和风险实时显示模块;
所述风险因素采集模块用于通过实时监测和实地采集,获取运输路径的多个运输风险影响因素;
所述事件树模型构建模块用于根据多个运输风险影响因素的影响模式构建事件树模型,将全部事件树序列分配到对应的道路运输事故类别中;多个运输风险影响因素包括:第一运输风险影响因素和第二运输风险影响因素;
所述第一计算模块用于根据故障树模型计算第一运输风险影响因素的第一发生概率;
所述第二计算模块用于根据层次分析法模型计算第二运输风险影响因素的第二发生概率;
所述链式分析模块用于采用小事件树-大故障树方法对所述故障树模型、所述层次分析法模型和和所述事件树模型进行链式分析;
所述事件树序列概率计算模块用于根据分析结果构建所述故障树模型、所述层次分析法模型和所述事件树模型的链接关系,根据所述链接关系、结合第一发生概率和第二发生概率计算第i类所述事件树序列的第i发生概率;
所述风险实时显示模块用于将所述第i发生概率匹配所述事件序列进行显示。
本发明的有益效果是:本方案通过根据故障树模型、层次分析法模型的计算结果确定事件树始发事件、功能事件的概率,采用小事件树-大故障树方法进行链接分析,计算所有事故序列的发生概率,以及所有道路运输事故分类的发生概率,通过计算出所有事故序列的发生概率,以及所有道路运输事故分类的发生概并结合地图进行实时显示,实时提供道路风险检测结果,有利于分析确定道路运输风险的所有潜在事故及其发生模式,从而进行全面预防控制和总体管理决策,降低道路运输风险。
进一步地,还包括:影响度计算模块和风险评估显示模块;
所述影响度计算模块用于根据风险范围预测模型计算第i类所述事件树序列中的第i后果影响度;
所述风险评估显示模块用于根据所述第i发生概率和第i后果影响度计算运输路径的风险系数,并将所述风险系数排序结果结合地图进行实时显示。
采用上述进一步方案的有益效果是:本方案通过风险范围预测模型按照包括而不限于不同道路风险预先评估的风险曲线与原点距离的大小排序给出不同运输道路的风险排序,给出运输道路的规划建议;根据风险实时监测的结果,给出特种物质道路运输任务当前的实际风险,结合地图进行实时展示,并根据风险降低当量RRW的结果排序给出事故防控的重点因素排序,定位导致事故的薄弱环节,实现道路风险预测和防控。
进一步地,所述影响度计算模块具体用于根据放射性核素大气扩散方法、人类剂量因子法、冲击波半径法或破片半径法来构建所述风险范围预测模型;
将第i类所述事件树序列的多个风险运输影响因素输入到所述风险范围预测模型中,计算出每个运输风险影响因素的第一后果影响度;
结合多个第一后果影响度进行计算获得第i后果影响度。
采用上述进一步方案的有益效果是:本方案通过计算所有道路运输事故分类的潜在后果影响,用以代表道路运输事故的后果严重程度。
进一步地,还包括:构建故障树模型模块,根据所述第一运输风险影响因素和所述第一运输风险影响因素的发生概率构建故障树模型。
采用上述进一步方案的有益效果是:本方案通过采用故障树方法对货包、车辆因素的发生概率进行建模,完成故障树模型、层次分析法模型的建造后,通过故障树模型、层次分析法模型对运输风险影响因素进行数据匹配。
进一步地,还包括:构建层次分析法模型模块,用于根据所述第二运输风险影响因素和所述第二运输风险影响因素的发生概率构建层次分析法模型。
采用上述进一步方案的有益效果是:采用层次分析法对人员、交通、气象、环境因素的发生概率进行建模;完成故障树模型、层次分析法模型的建造后,通过故障树模型、层次分析法模型对运输风险影响因素进行数据匹配。
进一步地,还包括:构建风险范围预测模型模块,用于根据多个运输风险影响因素和多个运输风险影响因素的后果影响度构建风险范围预测模型;
所述风险评估显示模块具体用于根据风险范围预测模型计算第i类所述事件树序列中的第i后果影响度,将第i后果影响度大于预设值的第i类所述事件树序列第i发生概率进行累加,根据累加值计算运输路径的风险系数,并将所述风险系数排序结果进行显示。
采用上述进一步方案的有益效果是:本方案通过风险范围预测模型计算所有道路运输事故分类的潜在后果影响,用来评价道路运输事故的后果严重程度。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
图1为本发明的实施例提供的一种特种物质的道路运输风险预测方法的流程示意图;
图2为本发明的实施例提供的一种特种物质的道路运输风险预测系统的结构框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实施例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,为本发明实施例提供的一种特种物质的道路运输风险预测方法,包括:
S1,通过实时监测和实地采集,获取运输路径的多个运输风险影响因素;
在某一实施例中,对给定的特种物质道路运输任务,采用人工输入与自动采集的方式收集运输风险影响因素的数据,数据类型可以包括:货包、车辆、人员、交通、气象和环境对运输风险有影响的多方面因素;在数据预处理之后,进行存储供后续步骤使用;
在某一实施例中,运输风险因素收集可以包括:手动输入和自动输入,针对给定的特种物质道路运输任务,按照货包、车辆、人员、交通、环境进行数据分类和采集,获得风险监测所需要的数据。其中,采用专家评估和手动输入方式,获得装卸物质时因操作失误引起容器损坏而泄漏、容器因交通事故损坏、核素半衰期等数据;采用实地采集与实时监测和自动输入的方式由车载仪表等获得行车速度、核素释放活度、坐标等数据,例如导致特种物质泄漏事故的影响因素对事故的影响模式、发生概率等数据,如表1所示。
表1
车辆所在地的气象场、经纬度信息覆盖了路线两端外部10km范围。路线点预先分配好,例如每5公里1个点。
相关参数包括:气象场X方向坐标、气象场Y方向坐标、扩散场X方向坐标、扩散场Y方向坐标、Z方向坐标、气象文件时间参数、扩散粒子数量、气象场X方向网格间距、气象场Y方向网格间距、计算范围。其他参数还有时间、速度、隐蔽剂量、撤离剂量、服碘剂量等。具体数值如表2所示。
表2
需要说明的是,特种物质中含有一些放射性核素,因此还需要收集核素的释放活度、半衰期、干沉积速率、剂量转化因子等参数,具体如表3所示:
表3
S2,根据多个运输风险影响因素的影响模式构建事件树模型,将全部事件树序列分配到对应的道路运输事故类别中;多个运输风险影响因素包括:第一运输风险影响因素和第二运输风险影响因素;需要说明的是,第一运输风险影响因素可以包括:货包、车辆因素;第二风险影响因素可以包括:人员、交通、气象和环境因素等。
在某一实施例中,构建事件树模型可以包括:以所有可能导致特种物质泄漏的包括而不限于货包失效、车辆失效、交通事故作为始发事件,以运输风险影响因素为功能事件,来构建事件树模型,事件树模型根据道路运输事故泄漏的放射性核素释放总量和释放时间对潜在的道路运输事故进行分类,以道路运输事故分类为事件树后果,并把所有事件树序列对应到道路运输事故分类;
在某一实施例中,采用故障树方法、层次分析法对运输风险影响因素的影响模式、发生概率进行建模,以表1中的泄漏事故影响因素为基本事件建立故障树模型,采用事件树方法对特种物质泄漏导致的潜在人员危害进行建模,并对潜在的运输事故进行分类,共包括6类:交通事故的撞击引起密封容器损坏导致泄漏、制冷装置发生故障引起泄漏、密封容器盖未盖好导致泄漏、交通事故导致从密封容器盖发生泄漏、车辆故障导致从密封容器盖发生泄漏、装卸物质时因操作失误引起容器损坏而泄漏。把所有事件树的事故序列对应到此6类事故,为后续计算此6类事故发生概率作准备。
通过故障树模型和层次分析法模型进行道路运输事故的发生概率进行计算,进行风险实时监测;各类泄漏事故的事件发生概率由其所对应事故序列概率之和求得,最终的计算结果如表4所示。
表4
S3,根据故障树模型计算第一运输风险影响因素的第一发生概率;在某一实施例中,通过采用故障树方法对货包、车辆因素的发生概率进行建模,获得故障树模型。
S4,根据层次分析法模型计算第二运输风险影响因素的第二发生概率;在某一实施例中,采用层次分析法对人员、交通、气象、环境因素的发生概率进行建模,获得层次分析法模型。通过故障树模型、层次分析法模型对运输风险影响因素数据进行匹配。
S5,采用小事件树-大故障树方法对故障树模型、层次分析法模型和事件树模型进行链式分析;
在某一实施例中,采用小事件树-大故障树方法进行链接分析,计算所有事故序列的发生概率,以及所有道路运输事故分类的发生概率;并采用风险降低当量RRW重要度指标计算各个运输风险影响因素变化对降低道路运输风险的作用;
在某一实施例中,把上述故障树模型、层次分析法模型对应到事件树模型中的始发事件、功能事件,其发生概率即始发事件或功能事件的概率。然后采用核电站概率风险评价中的小事件树-大故障树方法进行链接分析,即根据所有功能事件在每一个事故序列中的成功、失败,把其对应的故障树、事故影响因素合并构成一个整体的大故障树模型。通过求解此大故障树模型来计算每一个事故序列的发生概率,以及所有道路运输事故分类的发生概率;并采用风险降低当量Risk Reduction Worth(RRW)重要度指标计算各个运输风险影响因素变化对降低道路运输风险的作用,RRW公式如下:
RRW=Q(xi=0)/Q(top),
式中的Q(top)是故障树模型顶事件概率,Q(xi=0)是当运输风险影响因素xi发生概率被人为设置为0时的故障树模型顶事件概率。
最后,根据风险实时监测的结果,给出特种物质道路运输任务当前的实际风险,结合地图进行实时展示,并根据风险降低当量RRW的结果排序给出事故防控的重点因素排序。
在某一实施例中,如表5所示,重点因素排序可以包括:最重要的防控重点是车辆故障引起火灾,其次是装卸物质时因操作失误引起容器损坏而泄漏、密封容器盖未盖好、包装损坏、行驶震动致物质泄漏。其他因素的影响都比较小。
表5
在某一实施例中,以爆炸事故为例,的运输风险数据收集器,采用预测和专家评估的方式获得风险预先评估所需要的货包、车辆、人员、交通、环境的数据;其导致特种物质运输爆炸事故的影响因素、模式、发生概率如表6所示:
编号 | 影响因素和模式 | 发生概率 |
X1 | 交通事故引起火灾 | 5.53×10<sup>-7</sup> |
X2 | 车辆故障引起火灾 | 1.73×10<sup>-6</sup> |
X3 | 交通事故撞击致爆炸 | 2.49×10<sup>-9</sup> |
X4 | 损伤失误引起爆炸 | 4.44×10<sup>-10</sup> |
X5 | 其他撞击引起爆炸 | 1.00×10<sup>-9</sup> |
X6 | 包装箱与车辆之间摩擦 | 1.00×10<sup>-3</sup> |
X7 | 包装容器与包装箱之间摩擦 | 1.60×10<sup>-4</sup> |
X8 | 未设防静电设施 | 1.00×10<sup>-9</sup> |
X9 | 接地导线损坏 | 1.00×10<sup>-6</sup> |
X10 | 接地电阻不符合要求 | 1.00×10<sup>-6</sup> |
X11 | 作业中与导体接触 | 1.00×10<sup>-9</sup> |
表6
在表1的基础上,增加了社会环境调查参数,针对爆炸事故,如表7所示:
表7
在另一实施例中,采用故障树、事件树与层次分析法对运输风险影响因素的影响模式、发生概率进行建模,对特种物质运输爆炸事故导致的潜在人员危害进行建模;对潜在的运输事故进行分类,共包括5类:交通事故引起火灾导致爆炸、车辆故障引起火灾导致爆炸、交通事故的撞击导致爆炸、操作中掉落撞击导致爆炸、因静电积聚引起的爆炸。
在故障树模型、层次分析法模型和事件树模型匹配运输风险影响因素的数据之后,进行存储并供风险范围预测模型使用;根据风险范围预测模型采用小事件树-大故障树方法进行链接分析,进行道路运输事故的发生概率计算,进行风险预先评估;各类爆炸事故的事件发生概率的计算结果如下表8所示。
序号 | 爆炸风险事件树 | 发生概率 |
1 | 交通事故引起火灾导致爆炸 | 1.66E-07 |
2 | 车辆故障引起火灾导致爆炸 | 1.73E-06 |
3 | 交通事故的撞击导致爆炸 | 7.44E-09 |
4 | 操作中掉落撞击导致爆炸 | 4.44E-10 |
5 | 因静电积聚引起的爆炸 | 1.56E-07 |
表8
S6,根据分析结果构建故障树模型、层次分析法模型和事件树模型的链接关系,根据链接关系、结合第一发生概率和第二发生概率计算第i类事件树序列的第i发生概率;其中,i≥1,其中,表示第i类事件树序列,表示多个道路运输事故类别中的一类,第i发生概率表示该事件树序列的发生概率。
S7,将第i发生概率匹配事件树序列进行显示。需要说明的是,可以表示将事件树序列和发生概率,在地图中进行显示。
优选地,在上述任意实施例中,还包括:
S8,根据风险范围预测模型计算第i类事件树序列中的第i后果影响度;
S9,根据第i发生概率和第i后果影响度计算运输路径的风险系数,并将风险系数排序结果结合地图进行实时显示。
在某一实施例中,可以按照包括不同道路风险预先评估的风险曲线与原点距离的大小排序给出不同运输道路的风险排序,给出运输道路的规划建议;根据风险实时监测的结果,给出特种物质道路运输任务当前的实际风险,结合地图进行实时展示,并根据风险降低当量RRW的结果排序给出事故防控的重点因素排序;
不同道路风险预先评估的风险曲线,横坐标是后果影响度,纵坐标累加发生概率。累加发生概率可以通过将大于等于某一个后果影响度概率进行累加,后果影响度可以取多个值,每取一个值累加一次发生概率。
在某一实施例中,采用事件树方法对运输风险影响因素及事故发生过程进行建模,以可能导致特种物质泄漏的货包失效、车辆失效、交通事故等作为始发事件,以各种运输风险影响因素为功能事件,
并针对放射性物质运输事故,根据道路运输事故泄漏的放射性核素释放总量和释放时间对潜在事故进行分类,以道路运输事故分类为事件树后果,并把所有事件树序列对应到道路运输事故分类;
采用故障树方法对货包、车辆因素的发生进行建模,采用层次分析法对人员、交通、气象、环境因素的发生进行建模,评估其发生概率;完成故障树模型、层次分析法模型的建造后,进行运输风险影响因素的数据匹配;
在某一实施例中,在爆炸事故的案例中,各类爆炸事故的后果严重程度采用冲击波损伤半径来表示,的运输风险评估器,计算所有道路运输事故分类的潜在后果影响,用以代表道路运输事故的后果严重程度;并可根据各国法律法规要求,采用不同的模式计算,如表9所示,以中国轻度杀伤标准为例,假设一次爆炸事故的发生高度为地表,爆炸点没有专门防护,则距离事故发生点10.24米之内的人员将受到冲击波的超压伤害。
表9
风险范围预测模型分别进行道路运输事故分类的发生概率、后果严重程度的计算;并把大于等于某一个后果影响水平的事故概率进行累加,然后采用后果对应累积事故概率的方法进行道路运输事故的风险对比;
最后,按照不同道路风险预先评估的风险曲线与原点距离的大小排序给出不同运输道路的风险排序,给出运输道路的规划建议。如表10所示。
不同道路风险预先评估的风险曲线,不同道路风险预先评估的风险曲线,横坐标是后果影响度,纵坐标累加发生概率。累加发生概率可以通过将大于等于某一个后果影响度概率进行累加,后果影响度可以取多个值,每取一个值累加一次发生概率。其中风险系数计算,风险曲线上的点与原点距离。
表10
优选地,在上述任意实施例中,S8具体包括:根据放射性核素大气扩散方法、人类剂量因子法、冲击波半径法或破片半径法来构建风险范围预测模型;
在某一实施例中,采用放射性核素大气扩散方法、冲击波半径方法、剂量因子法等方法,根据气象、交通与环境因素对特种物质运输导致的潜在人员辐射剂量、冲击波损伤半径等后果影响构建风险范围预测模型。
将第i类事件树序列的多个风险运输影响因素输入到风险范围预测模型中,计算出每个运输风险影响因素的第一后果影响度;
结合多个第一后果影响度进行计算获得第i后果影响度。
优选地,在上述任意实施例中,还包括:
根据第一运输风险影响因素和第一运输风险影响因素的发生概率构建故障树模型。
优选地,在上述任意实施例中,还包括:
根据第二运输风险影响因素和第二运输风险影响因素的发生概率构建层次分析法模型。
优选地,在上述任意实施例中,还包括:
根据多个运输风险影响因素和多个运输风险影响因素的后果影响度构建风险范围预测模型;
S9具体包括:
根据风险范围预测模型计算第i类事件树序列中的第i后果影响度,将第i后果影响度大于预设值的第i类事件树序列第i发生概率进行累加,根据累加值计算运输路径的风险系数,并将风险系数排序结果进行显示。
在某一实施例中,如图2所示,一种特种物质的道路运输风险预测系统,包括:风险因素采集模块1101、事件树模型构建模块1102、第一计算模块1103、第二计算模块1104、链式分析模块1105、事件树序列概率计算模块1106和风险实时显示模块1107;
风险因素采集模块1101用于通过实时监测和实地采集,获取运输路径的多个运输风险影响因素;
事件树模型构建模块1102用于根据多个运输风险影响因素的影响模式构建事件树模型,将全部事件树序列分配到对应的道路运输事故类别中;多个运输风险影响因素包括:第一运输风险影响因素和第二运输风险影响因素;
第一计算模块1103用于根据故障树模型计算第一运输风险影响因素的第一发生概率;
第二计算模块1104用于根据层次分析法模型计算第二运输风险影响因素的第二发生概率;
链式分析模块1105用于采用小事件树-大故障树方法对故障树模型、层次分析法模型和和事件树模型进行链式分析;
事件树序列概率计算模块1106用于根据分析结果构建故障树模型、层次分析法模型和事件树模型的链接关系,根据链接关系、结合第一发生概率和第二发生概率计算第i类事件树序列的第i发生概率;
风险实时显示模块1107用于将第i发生概率匹配事件序列进行显示。
优选地,在上述任意实施例中,还包括:影响度计算模块和风险评估显示模块;
影响度计算模块用于根据风险范围预测模型计算第i类事件树序列中的第i后果影响度;
风险评估显示模块用于根据第i发生概率和第i后果影响度计算运输路径的风险系数,并将风险系数排序结果结合地图进行实时显示。
优选地,在上述任意实施例中,影响度计算模块具体用于根据放射性核素大气扩散方法、人类剂量因子法、冲击波半径法或破片半径法来构建风险范围预测模型;
将第i类事件树序列的多个风险运输影响因素输入到风险范围预测模型中,计算出每个运输风险影响因素的第一后果影响度;
结合多个第一后果影响度进行计算获得第i后果影响度。
优选地,在上述任意实施例中,还包括:构建故障树模型模块,根据第一运输风险影响因素和第一运输风险影响因素的发生概率构建故障树模型。
优选地,在上述任意实施例中,还包括:构建层次分析法模型模块,用于根据第二运输风险影响因素和第二运输风险影响因素的发生概率构建层次分析法模型。
优选地,在上述任意实施例中,还包括:构建风险范围预测模型模块,用于根据多个运输风险影响因素和多个运输风险影响因素的后果影响度构建风险范围预测模型;
风险评估显示模块具体用于根据风险范围预测模型计算第i类事件树序列中的第i后果影响度,将第i后果影响度大于预设值的第i类事件树序列第i发生概率进行累加,根据累加值计算运输路径的风险系数,并将风险系数排序结果进行显示。
可以理解,在一些实施例中,可以包含如上述各实施例中的部分或全部可选实施方式。
需要说明的是,上述各实施例是与在先方法实施例对应的产品实施例,对于产品实施例中各可选实施方式的说明可以参考上述各方法实施例中的对应说明,在此不再赘述。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
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单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,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,可轻易想到各种等效的修改或替换,这些修改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以权利要求的保护范围为准。
Claims (10)
1.一种特种物质的道路运输风险预测方法,其特征在于,包括:
S1,通过实时监测和实地采集,获取运输路径的多个运输风险影响因素;
S2,根据多个运输风险影响因素的影响模式构建事件树模型,将全部事件树序列分配到对应的道路运输事故类别中;多个运输风险影响因素包括:第一运输风险影响因素和第二运输风险影响因素;
S3,根据故障树模型计算第一运输风险影响因素的第一发生概率;
S4,根据层次分析法模型计算第二运输风险影响因素的第二发生概率;
S5,采用小事件树-大故障树方法对所述故障树模型、所述层次分析法模型和所述事件树模型进行链式分析;
S6,根据分析结果构建所述故障树模型、所述层次分析法模型和事件树模型的链接关系,根据所述链接关系、结合第一发生概率和第二发生概率计算第i类所述事件树序列的第i发生概率;其中,i≥1;
S7,将所述第i发生概率匹配所述事件序列进行显示。
2.根据权利要求1所述的一种特种物质的道路运输风险预测方法,其特征在于,还包括:
S8,根据风险范围预测模型计算第i类所述事件树序列中的第i后果影响度;
S9,根据所述第i发生概率和第i后果影响度计算运输路径的风险系数,并将所述风险系数排序结果结合地图进行实时显示。
3.根据权利要求1所述的一种特种物质的道路运输风险预测方法,其特征在于,所述S8具体包括:根据放射性核素大气扩散方法、人类剂量因子法、冲击波半径法或破片半径法来构建所述风险范围预测模型;
将第i类所述事件树序列的多个风险运输影响因素输入到所述风险范围预测模型中,计算出每个运输风险影响因素的第一后果影响度;
结合多个第一后果影响度进行计算获得第i后果影响度。
4.根据权利要求1所述的一种特种物质的道路运输风险预测方法,其特征在于,还包括:
根据所述第一运输风险影响因素和所述第一运输风险影响因素的发生概率构建故障树模型。
5.根据权利要求1-4任一项所述的一种特种物质的道路运输风险预测方法,其特征在于,还包括:
根据所述第二运输风险影响因素和所述第二运输风险影响因素的发生概率构建层次分析法模型。
6.根据权利要求2所述的一种特种物质的道路运输风险预测方法,其特征在于,还包括:
根据多个运输风险影响因素和多个运输风险影响因素的后果影响度构建风险范围预测模型;
所述S9具体包括:
根据风险范围预测模型计算第i类所述事件树序列中的第i后果影响度,将第i后果影响度大于预设值的第i类所述事件树序列第i发生概率进行累加,根据累加值计算运输路径的风险系数,并将所述风险系数排序结果进行显示。
7.一种特种物质的道路运输风险预测系统,其特征在于,包括:风险因素采集模块、事件树模型构建模块、第一计算模块、第二计算模块、链式分析模块、事件树序列概率计算模块和风险实时显示模块;
所述风险因素采集模块用于通过实时监测和实地采集,获取运输路径的多个运输风险影响因素;
所述事件树模型构建模块用于根据多个运输风险影响因素的影响模式构建事件树模型,将全部事件树序列分配到对应的道路运输事故类别中;多个运输风险影响因素包括:第一运输风险影响因素和第二运输风险影响因素;
所述第一计算模块用于根据故障树模型计算第一运输风险影响因素的第一发生概率;
所述第二计算模块用于根据层次分析法模型计算第二运输风险影响因素的第二发生概率;
所述链式分析模块用于采用小事件树-大故障树方法对所述故障树模型、所述层次分析法模型和和所述事件树模型进行链式分析;
所述事件树序列概率计算模块用于根据分析结果构建所述故障树模型、所述层次分析法模型和所述事件树模型的链接关系,根据所述链接关系、结合第一发生概率和第二发生概率计算第i类所述事件树序列的第i发生概率;
所述风险实时显示模块用于将所述第i发生概率匹配所述事件序列进行显示。
8.根据权利要求7所述的一种特种物质的道路运输风险预测系统,其特征在于,还包括:影响度计算模块和风险评估显示模块;
所述影响度计算模块用于根据风险范围预测模型计算第i类所述事件树序列中的第i后果影响度;
所述风险评估显示模块用于根据所述第i发生概率和第i后果影响度计算运输路径的风险系数,并将所述风险系数排序结果结合地图进行实时显示。
9.根据权利要求7所述的一种特种物质的道路运输风险预测系统,其特征在于,所述影响度计算模块具体用于根据放射性核素大气扩散方法、人类剂量因子法、冲击波半径法或破片半径法来构建所述风险范围预测模型;
将第i类所述事件树序列的多个风险运输影响因素输入到所述风险范围预测模型中,计算出每个运输风险影响因素的第一后果影响度;
结合多个第一后果影响度进行计算获得第i后果影响度。
10.根据权利要求7所述的一种特种物质的道路运输风险预测系统,其特征在于,还包括:构建故障树模型模块,根据所述第一运输风险影响因素和所述第一运输风险影响因素的发生概率构建故障树模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111080674.3A CN113919768A (zh) | 2021-09-15 | 2021-09-15 | 一种特种物质的道路运输风险预测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111080674.3A CN113919768A (zh) | 2021-09-15 | 2021-09-15 | 一种特种物质的道路运输风险预测方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113919768A true CN113919768A (zh) | 2022-01-11 |
Family
ID=79234967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111080674.3A Pending CN113919768A (zh) | 2021-09-15 | 2021-09-15 | 一种特种物质的道路运输风险预测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113919768A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998838A (zh) * | 2022-06-24 | 2022-09-02 | 无锡赛弗安全装备有限公司 | 一种危化品智能存储柜实时监测方法与装置 |
-
2021
- 2021-09-15 CN CN202111080674.3A patent/CN113919768A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998838A (zh) * | 2022-06-24 | 2022-09-02 | 无锡赛弗安全装备有限公司 | 一种危化品智能存储柜实时监测方法与装置 |
CN114998838B (zh) * | 2022-06-24 | 2023-06-06 | 无锡赛弗安全装备有限公司 | 一种危化品智能存储柜实时监测方法与装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Theofilatos et al. | Predicting road accidents: a rare-events modeling approach | |
CN104933294B (zh) | 放射性物质迁移和传播评估模型构建方法 | |
CN113554318B (zh) | 一种化工园区三维可视化风险智能管控一体化系统及方法 | |
Omidvar et al. | Multi-hazard failure probability analysis of gas pipelines for earthquake shaking, ground failure and fire following earthquake | |
CN113919768A (zh) | 一种特种物质的道路运输风险预测方法和系统 | |
CN116205504A (zh) | 一种数字化应急预案管理方法及系统 | |
Kusrini et al. | Analysis of compliance and supply chain security risks based on ISO 28001 in a logistic service provider in Indonesia | |
Li et al. | Safety evaluation of spent fuel road transportation based on weighted nearest neighbor method | |
CN101933020B (zh) | 用于确定在易发生危险的设施中发生的事故的时间进程的装置 | |
Li et al. | A multidimensional quantitative risk assessment framework for dense areas of stay points for urban HazMat vehicles | |
Qi et al. | Accident pattern recognition in subway construction for the provision of customized safety measures | |
CN117132065A (zh) | 一种辅助危化品事故处置决策的应急资源信息融合方法 | |
CN112330129A (zh) | 风险评估与管控的方法、系统、终端和存储介质 | |
KR100935159B1 (ko) | 방사성폐기물 해상운반 안전성 평가 시스템 | |
CN116243103A (zh) | 基于多源数据的输变电设备状态智能感知预警方法 | |
Abkowitz et al. | Technological advancements in hazardous materials evacuation planning | |
CN116384731B (zh) | 一种涉核装备三级实时风险监测方法和系统 | |
KR102661794B1 (ko) | 최적의 방사성폐기물 운반 경로 도출을 위한 경제성 평가 방법 | |
CN115496436A (zh) | 一种放射性物质道路运输路径规划系统、方法及存储介质 | |
KR20090034236A (ko) | 방사성폐기물 육로운반 안전성 평가 시스템 | |
McSweeney et al. | Assessment of the risk of transporting plutonium dioxide by cargo aircraft | |
CN117078045B (zh) | 一种交通基础设施全息检监测方法及系统 | |
CN113592355B (zh) | 一种森林的安全风险评估方法及评估设备 | |
Kong et al. | Risk Assessment of Mountainous Roadside Slopes Under Typhoon Disaster Based on Big Data Analysis | |
Hubert | Optimization of public protection in the case of transportation of radioactive materials |
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 | ||
CB02 | Change of applicant information |
Address after: 230031 room 422, 4th floor, entrepreneurship center, No. 9 Daoxiang Road, new industrial park, Shushan District, Hefei City, Anhui Province Applicant after: Zhongke Chao'an Technology Co.,Ltd. Address before: 230031 room 422, 4th floor, entrepreneurship center, No. 9 Daoxiang Road, new industrial park, Shushan District, Hefei City, Anhui Province Applicant before: ANHUI ZHONGKE CHAOAN TECHNOLOGY CO.,LTD. |
|
CB02 | Change of applicant information |