CN114565210A - 一种基于故障树分析的城市轨道交通风险评估方法及系统 - Google Patents
一种基于故障树分析的城市轨道交通风险评估方法及系统 Download PDFInfo
- Publication number
- CN114565210A CN114565210A CN202111627948.6A CN202111627948A CN114565210A CN 114565210 A CN114565210 A CN 114565210A CN 202111627948 A CN202111627948 A CN 202111627948A CN 114565210 A CN114565210 A CN 114565210A
- Authority
- CN
- China
- Prior art keywords
- risk
- disaster
- event
- disaster event
- level
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 33
- 238000012502 risk assessment Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 238000011161 development Methods 0.000 claims abstract description 13
- 238000007726 management method Methods 0.000 claims description 47
- 150000001875 compounds Chemical class 0.000 claims description 30
- 238000011156 evaluation Methods 0.000 claims description 27
- 238000004445 quantitative analysis Methods 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000004451 qualitative analysis Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000000586 desensitisation Methods 0.000 claims description 6
- 238000003908 quality control method Methods 0.000 claims description 6
- 238000011158 quantitative evaluation Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000013523 data management Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 description 3
- 208000035473 Communicable disease Diseases 0.000 description 2
- 230000000739 chaotic effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001960 triggered 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9027—Trees
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于故障树分析的城市轨道交通风险评估方法,包括以下步骤:(1)城市轨道交通运营数据采集;(2)构建城市轨道交通运营风险故障树模型;(3)将人员、设备、环境、管理风险因素集成到城市轨道交通运营风险故障树模型,运用加权事故树分析法,结合风险发生概率,风险发生造成的损失,以及风险随时间的演化程度评估各级灾害事件风险值;(4)根据不同的风险值,判断预警等级,启动相应的应急措施;(5)根据监测数据,得出发展趋势与时间关系图,实现风险预判。本发明解决目前城市轨道交通灾害和风险的识别与预判过于依赖人力,风险规避能力差,风险处置效率低的问题。
Description
技术领域
本发明涉及城轨智能控制领域,尤其涉及一种基于故障树分析的城市轨道交通风险评估方法及系统。
背景技术
城市轨道交通是城市公共交通的主干线,客流运送的大动脉,是城市的生命线,城市轨道交通的安全运行已成为社会关注的焦点和热点。然而,城市轨道交通是在时间、空间上分布广泛的动态系统,其人员、设备、环境、管理等安全影响因素错综复杂,涉及面广,由此带来的运营安全问题不容小觑。
城市轨道交通大部分灾害和风险的识别一定程度上依赖于地铁工作人员巡检工作与主观判断,灾害的处置过程需要大量人员参与,从而导致风险规避能力差,风险发现不及时,风险处置效率低。如何通过科学有效的方法对城市轨道交通进行运营安全风险评估,从而及时地采取相应的防御措施以排除安全隐患,是现阶段城市轨道交通亟需解决的关键问题。在地铁运营安全评估相关的研究中,多是寻找导致地铁运营故障的原因并提出对策,大多停留在定性分析阶段,未对影响因素进行定量分析,并且较少涉及对风险值的量化分析,得到的评价结果亦不是理想状态。
发明内容
发明目的:为了解决目前城市轨道交通灾害和风险的识别与预判过于依赖人力,风险规避能力差,风险处置效率低的问题,本发明提出一种基于故障树分析的城市轨道交通风险评估方法及系统,建立基于故障树分析法的轨道交通安全量化风险评估模型,提高地铁管理人员对运营风险判断的便捷性和准确性。
技术方案:一种基于故障树分析的城市轨道交通风险评估方法,包括以下步骤:
(1)城市轨道交通运营数据采集,采用智能设备以及城轨运营系统获取人员、设备、环境、管理风险因素的实时数据,并对数据进行数据清洗、数据脱敏、数据质控和入库;
(2)构建城市轨道交通运营风险故障树模型,设置顶级灾害事件、次级灾害事件和第三级灾害事件;
(3)将人员、设备、环境、管理风险因素集成到城市轨道交通运营风险故障树模型,运用加权事故树分析法,结合风险发生概率,风险发生造成的损失,以及风险随时间的演化程度评估第三级灾害事件风险值、第二级灾害事件风险值、顶级灾害事件风险值;
(4)根据不同的风险值,结合预警单项指标和综合指标阈值,判断预警等级,并启动相应的应急措施;
(5)根据监测数据,采用灰色预测中的GM(1,1)模型拟合推演监测变量的发展趋势,得出发展趋势与时间关系图,实现风险预判。
所述步骤(2)中将城轨运营故障作为顶级灾害事件,人员因素事件、设备因素事件、环境因素事件、管理因素事件作为四个次级灾害事件,乘客拥挤踩踏,乘客跌入轨道,自动检票设备故障,扶梯系统故障,水灾,违法施工,传染病疫情,员工培训不到位作为第三级灾害事件建立城市轨道交通运营风险故障树模型。
所述步骤(3)中评估第三级灾害事件风险值为:
定性分析,运用上行法求第三级灾害事件B1的最小割集:
B1=C1+C2=X1·X2+X1·X3+X4+X5+X6
最小割集为{X1,X2},{X1,X3},{X4},{X5},{X6},其中任何一个事件发生,就会造成第三级灾害事件B1的发生;
定量分析,确定故障树的各灾害事件的发生概率和风险值,根据历史数据结合专家评估,得出致灾事件Xi随时间演变程度的度量值根据致灾事件Xi发生时间的不同,划分为Q1~Q7七个等级,同时,根据历史数据结合专家评估,得出灾害事件Bi随时间演变程度的度量值根据致灾事件Xi发生时间的不同,划分为Q1~Q7七个等级,采用一阶近似算法得出第三级灾害事件Bi发生的概率
所述步骤(3)中评估第二级灾害事件风险值为:
式中,为对Ai造成影响的第三级灾害事件Bj的风险值,M为对Ai造成影响的第三级灾害事件Bj的个数,uj为第二级灾害事件Bj在第一级灾害事件人员因素灾害事件A1、设备因素灾害事件A2、环境因素灾害事件A3、管理因素灾害事件A4的相对重要程度的加权系数,uj∈[0,1]。
所述步骤(3)中评估顶级灾害事件风险值为:
定量分析:
式中,为人员因素灾害事件、设备因素灾害事件、环境因素灾害事件、管理因素灾害事件发生造成的损失,wj为人员因素灾害事件A1、设备因素灾害事件A2、环境因素灾害事件A3、管理因素灾害事件A4对城市轨道交通运营事故的相对重要程度的加权指数,wj∈[0,1],对经量化评估得出的各灾害事件风险值Ct求积分,得出一段时间内的风险累计值:
一种基于故障树分析的城市轨道交通风险评估系统,其特征在于,包括智能监测模块、风险评估模块、趋势推演模块、智能预警模块、数据分析模块;
智能监测模块:城市轨道交通运营数据采集,采用智能设备以及城轨运营系统获取人员、设备、环境、管理风险因素的实时数据,并对数据进行数据清洗、数据脱敏、数据质控和入库;
风险评估模块将人员、设备、环境、管理风险因素集成到城市轨道交通运营风险故障树模型,运用加权事故树分析法,结合风险发生概率,风险发生造成的损失,以及风险随时间的演化程度评估第三级灾害事件风险值、第二级灾害事件风险值、顶级灾害事件风险值;
智能预警模块根据不同的风险值,结合预警单项指标和综合指标阈值,判断预警等级,并启动相应的应急措施;
风险趋势分析模块根据监测数据,采用灰色预测中的GM(1,1)模型拟合推演监测变量的发展趋势,得出发展趋势与时间关系图,实现风险预判;
数据分析模块提供可视化、配置化的城市轨道交通运营数据全流程数据治理平台,实现数据的实时状态监控和全生命周期管理服务。
所述城市轨道交通运营风险故障树模型将城轨运营故障作为顶级灾害事件,人员因素事件、设备因素事件、环境因素事件、管理因素事件作为四个次级灾害事件,乘客拥挤踩踏,乘客跌入轨道,自动检票设备故障,扶梯系统故障,水灾,违法施工,传染病疫情,员工培训不到位作为第三级灾害事件建立城市轨道交通运营风险故障树模型。
所述风险评估模块中评估第三级灾害事件风险值为:
定性分析,运用上行法求第三级灾害事件B1的最小割集:
B1=C1+C2=X1·X2+X1·X3+X4+X5+X6
最小割集为{X1,X2},{X1,X3},{X4},{X5},{X6},其中任何一个事件发生,就会造成第三级灾害事件B1的发生;
定量分析,确定故障树的各灾害事件的发生概率和风险值,根据历史数据结合专家评估,得出致灾事件Xi随时间演变程度的度量值根据致灾事件Xi发生时间的不同,划分为Q1~Q7七个等级,同时,根据历史数据结合专家评估,得出灾害事件Bi随时间演变程度的度量值根据致灾事件Xi发生时间的不同,划分为Q1~Q7七个等级,采用一阶近似算法得出第三级灾害事件Bi发生的概率为:
所述风险评估模块中评估第二级灾害事件风险值为:
式中,为对Ai造成影响的第三级灾害事件Bj的风险值,M为对Ai造成影响的第三级灾害事件Bj的个数,uj为第二级灾害事件Bj在第一级灾害事件人员因素灾害事件A1、设备因素灾害事件A2、环境因素灾害事件A3、管理因素灾害事件A4的相对重要程度的加权系数,uj∈[0,1]。
所述风险评估模块中评估顶级灾害事件风险值为:
定量分析:
式中,为人员因素灾害事件、设备因素灾害事件、环境因素灾害事件、管理因素灾害事件发生造成的损失,wj为人员因素灾害事件A1、设备因素灾害事件A2、环境因素灾害事件A3、管理因素灾害事件A4对城市轨道交通运营事故的相对重要程度的加权指数,wj∈[0,1],对经量化评估得出的各灾害事件风险值Ct求积分,得出一段时间内的风险累计值:
有益效果:与现有技术相比,本发明具有如下显著优点:
1、评估方法更加科学、系统、客观,为城市轨道交通运营安全防控工作提供有力支撑,在传统事故树的基础上采用加权算法优化事故树定量分析,从人员因素、设备因素、环境因素、管理因素四个维度整体分析城市轨道交通运营安全状况;2、更加全面地表征城轨运营系统的动态特征,进而得出更精准的风险量化结果,加权事故树分析中融合人员、设备、环境等事件随时间的演化程度、风险发生概率、风险发生造成的损失三大因素对城市轨道交通运营安全造成的影响;3、有助于决策人员准确预判风险形势,迅速做出应急响应。
附图说明
图1为本发明的系统原理框图;
图2为本发明的方法流程图;
图3为城市轨道交通运营风险故障树;
图4为人员拥挤踩踏事件子故障树。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
实施例1:
如图1所示,一种基于故障树分析的城市轨道交通风险评估方法,包括以下步骤:
(1)城市轨道交通运营数据采集,采用智能设备以及城轨运营系统获取人员、设备、环境、管理风险因素的实时数据,并对数据进行数据清洗、数据脱敏、数据质控和入库;
(2)构建城市轨道交通运营风险故障树模型,设置顶级灾害事件、次级灾害事件和第三级灾害事件;
(3)将人员、设备、环境、管理风险因素集成到城市轨道交通运营风险故障树模型,运用加权事故树分析法,结合风险发生概率,风险发生造成的损失,以及风险随时间的演化程度评估第三级灾害事件风险值、第二级灾害事件风险值、顶级灾害事件风险值;
(4)根据不同的风险值,结合预警单项指标和综合指标阈值,判断预警等级,并启动相应的应急措施,风险值与预警等级对照表见表1:
表1
(5)根据监测数据,采用灰色预测中的GM(1,1)模型拟合推演监测变量的发展趋势,得出发展趋势与时间关系图,实现风险预判。
如图3所示,所述步骤(2)中将城轨运营故障作为顶级灾害事件,人员因素事件、设备因素事件、环境因素事件、管理因素事件作为四个次级灾害事件,乘客拥挤踩踏,乘客跌入轨道,自动检票设备故障,扶梯系统故障,水灾,违法施工,传染病疫情,员工培训不到位作为第三级灾害事件建立城市轨道交通运营风险故障树模型。
如图4所示,以人群踩踏事件B1的风险值评估为例,图4中,C1-站台人员踩踏;C2-列车内人员踩踏;X1-人员摔倒;D1-人员密度超负荷且无序流动;X2-出入口堵塞、通道堆放杂物;X3-引导客流控制效果不佳;X4-车厢内堆放杂物导致踩踏;X5-人群内部谣言、恐慌导致踩踏;X6-突发事件影响;所述步骤(3)中评估第三级灾害事件风险值为:
定性分析,运用上行法求第三级灾害事件--人群踩踏事件B1的最小割集:
B1=C1+C2=X1·X2+X1·X3+X4+X5+X6
最小割集为{X1,X2},{X1,X3},{X4},{X5},{X6},其中任何一个事件发生,就会造成第三级灾害事件--人群踩踏事件B1的发生;
定量分析,确定故障树的各灾害事件的发生概率和风险值,根据历史数据结合专家评估,得出致灾事件Xi随时间演变程度的度量值根据致灾事件Xi发生时间的不同,划分为Q1~Q7七个等级,以致灾事件X1为例,致灾事件随时间演变程度的度量值对应关系如表2:
表2
表3
所述步骤(3)中评估第二级灾害事件风险值为:
式中,为对Ai造成影响的第三级灾害事件Bj的风险值,M为对Ai造成影响的第三级灾害事件Bj的个数,uj为第二级灾害事件Bj在第一级灾害事件人员因素灾害事件A1、设备因素灾害事件A2、环境因素灾害事件A3、管理因素灾害事件A4的相对重要程度的加权系数,uj∈[0,1]。
所述步骤(3)中评估顶级灾害事件风险值为:
定量分析:
式中,为人员因素灾害事件、设备因素灾害事件、环境因素灾害事件、管理因素灾害事件发生造成的损失,wj为人员因素灾害事件A1、设备因素灾害事件A2、环境因素灾害事件A3、管理因素灾害事件A4对城市轨道交通运营事故的相对重要程度的加权指数,wj∈[0,1],对经量化评估得出的各灾害事件风险值Ct求积分,得出一段时间内的风险累计值用于定期评估风险管理情况,T可以周、月、季度等为周期,对评估出的风险值Ct采用最小二乘法拟合得出曲线函数并求偏导,得出风险变化度量值评估风险趋势情况。
实施例2:
如图2所示,一种基于故障树分析的城市轨道交通风险评估系统,包括智能监测模块、风险评估模块、趋势推演模块、智能预警模块、数据分析模块;
智能监测模块从智能设备(空气质量检测仪、电磁辐射检测仪、烟雾传感器、摄像机、传感器、物联网中间件等),以及线网运营中心系统(NCC)、列车自动监控系统(ATS)、数据采集电力监控和系统(SCADA)、环境与设备监控系统(BAS)和防灾报警系统(FAS)等城市轨道交通运营相关系统中获取人员、设备、环境、管理相关数据,并对数据进行数据清洗、数据脱敏、数据质控和入库,供风险评估模块分析和决策;
风险评估模块将人员、设备、环境、管理等风险因素集成到城市轨道交通运营风险评估模型,运用加权事故树分析法,结合风险发生概率,风险发生造成的损失,以及风险随时间的演化程度计算出各灾害事件的风险量化值;
智能预警模块根据不同的风险量化值,判断预警等级,并启动相应的应急措施,智能预警方式包括警报器、系统警报、APP警报、微信小程序警报、短信警报等;不同预测结果对应不同的风险等级,并触发对应预警预案库中的应急预案,推送给相关工作人员进行处理;风险值与预警等级对照表见表4:
表4
风险趋势分析模块根据监测数据,采用灰色预测中的GM(1,1)模型拟合推演监测变量的发展趋势,得出发展趋势与时间关系图,实现风险预判;
数据分析模块提供可视化、配置化的城市轨道交通运营数据全流程数据治理平台,实现数据的实时状态监控和全生命周期管理服务,此外,提供风险趋势分析,预警信息查询,风险实时状态监测,报表统计与导出等定制化服务。
如图3所示,所述城市轨道交通运营风险故障树模型将城轨运营故障作为顶级灾害事件,人员因素事件、设备因素事件、环境因素事件、管理因素事件作为四个次级灾害事件,乘客拥挤踩踏,乘客跌入轨道,自动检票设备故障,扶梯系统故障,水灾,违法施工,传染病疫情,员工培训不到位作为第三级灾害事件建立城市轨道交通运营风险故障树模型。
如图4所示,以人群踩踏事件B1的风险值评估为例,图4中,C1-站台人员踩踏;C2-列车内人员踩踏;X1-人员摔倒;D1-人员密度超负荷且无序流动;X2-出入口堵塞、通道堆放杂物;X3-引导客流控制效果不佳;X4-车厢内堆放杂物导致踩踏;X5-人群内部谣言、恐慌导致踩踏;X6-突发事件影响;所述风险评估模块中评估第三级灾害事件风险值为:
定性分析,运用上行法求第三级灾害事件B1的最小割集:
B1=C1+C2=X1·X2+X1·X3+X4+X5+X6
最小割集为{X1,X2},{X1,X3},{X4},{X5},{X6},其中任何一个事件发生,就会造成第三级灾害事件B1的发生;
定量分析,确定故障树的各灾害事件的发生概率和风险值,根据历史数据结合专家评估,得出致灾事件Xi随时间演变程度的度量值根据致灾事件Xi发生时间的不同,划分为Q1~Q7七个等级,以致灾事件X1为例,致灾事件随时间演变程度的度量值对应关系如表5:
表5
表6
所述风险评估模块中评估第二级灾害事件风险值为:
式中,为对Ai造成影响的第三级灾害事件Bj的风险值,M为对Ai造成影响的第三级灾害事件Bj的个数,uj为第二级灾害事件Bj在第一级灾害事件人员因素灾害事件A1、设备因素灾害事件A2、环境因素灾害事件A3、管理因素灾害事件A4的相对重要程度的加权系数,uj∈[0,1]。
所述风险评估模块中评估顶级灾害事件风险值为:
定量分析:
Claims (10)
1.一种基于故障树分析的城市轨道交通风险评估方法,其特征在于,包括以下步骤:
(1)城市轨道交通运营数据采集,采用智能设备以及城轨运营系统获取人员、设备、环境、管理风险因素的实时数据,并对数据进行数据清洗、数据脱敏、数据质控和入库;
(2)构建城市轨道交通运营风险故障树模型,设置顶级灾害事件、次级灾害事件和第三级灾害事件;
(3)将人员、设备、环境、管理风险因素集成到城市轨道交通运营风险故障树模型,运用加权事故树分析法,结合风险发生概率,风险发生造成的损失,以及风险随时间的演化程度评估第三级灾害事件风险值、第二级灾害事件风险值、顶级灾害事件风险值;
(4)根据不同的风险值,结合预警单项指标和综合指标阈值,判断预警等级,并启动相应的应急措施;
(5)根据监测数据,采用灰色预测中的GM(1,1)模型拟合推演监测变量的发展趋势,得出发展趋势与时间关系图,实现风险预判。
2.根据权利要求1所述的一种基于故障树分析的城市轨道交通风险评估方法,其特征在于,所述步骤(2)中将城轨运营故障作为顶级灾害事件,人员因素事件、设备因素事件、环境因素事件、管理因素事件作为四个次级灾害事件,乘客拥挤踩踏,乘客跌入轨道,自动检票设备故障,扶梯系统故障,水灾,违法施工,传染病疫情,员工培训不到位作为第三级灾害事件建立城市轨道交通运营风险故障树模型。
3.根据权利要求1所述的一种基于故障树分析的城市轨道交通风险评估方法,其特征在于,所述步骤(3)中评估第三级灾害事件风险值为:
定性分析,运用上行法求第三级灾害事件B1的最小割集:
B1=C1+C2=X1·X2+X1·X3+X4+X5+X6
最小割集为{X1,X2},{X1,X3},{X4},{X5},{X6},其中任何一个事件发生,就会造成第三级灾害事件B1的发生;
定量分析,确定故障树的各灾害事件的发生概率和风险值,根据历史数据结合专家评估,得出致灾事件Xi随时间演变程度的度量值根据致灾事件Xi发生时间的不同,划分为Q1~Q7七个等级,同时,根据历史数据结合专家评估,得出灾害事件Bi随时间演变程度的度量值根据致灾事件Xi发生时间的不同,划分为Q1~Q7七个等级,采用一阶近似算法得出第三级灾害事件Bi发生的概率为:
5.根据权利要求1所述的一种基于故障树分析的城市轨道交通风险评估方法,其特征在于,所述步骤(3)中评估顶级灾害事件风险值为:
定量分析:
式中,为人员因素灾害事件、设备因素灾害事件、环境因素灾害事件、管理因素灾害事件发生造成的损失,wj为人员因素灾害事件A1、设备因素灾害事件A2、环境因素灾害事件A3、管理因素灾害事件A4对城市轨道交通运营事故的相对重要程度的加权指数,wj∈[0,1],对经量化评估得出的各灾害事件风险值Ct求积分,得出一段时间内的风险累计值:
6.一种基于故障树分析的城市轨道交通风险评估系统,其特征在于,包括智能监测模块、风险评估模块、趋势推演模块、智能预警模块、数据分析模块;
智能监测模块:城市轨道交通运营数据采集,采用智能设备以及城轨运营系统获取人员、设备、环境、管理风险因素的实时数据,并对数据进行数据清洗、数据脱敏、数据质控和入库;
风险评估模块将人员、设备、环境、管理风险因素集成到城市轨道交通运营风险故障树模型,运用加权事故树分析法,结合风险发生概率,风险发生造成的损失,以及风险随时间的演化程度评估第三级灾害事件风险值、第二级灾害事件风险值、顶级灾害事件风险值;
智能预警模块根据不同的风险值,结合预警单项指标和综合指标阈值,判断预警等级,并启动相应的应急措施;
风险趋势分析模块根据监测数据,采用灰色预测中的GM(1,1)模型拟合推演监测变量的发展趋势,得出发展趋势与时间关系图,实现风险预判;
数据分析模块提供可视化、配置化的城市轨道交通运营数据全流程数据治理平台,实现数据的实时状态监控和全生命周期管理服务。
7.根据权利要求6所述的一种基于故障树分析的城市轨道交通风险评估系统,其特征在于,所述城市轨道交通运营风险故障树模型将城轨运营故障作为顶级灾害事件,人员因素事件、设备因素事件、环境因素事件、管理因素事件作为四个次级灾害事件,乘客拥挤踩踏,乘客跌入轨道,自动检票设备故障,扶梯系统故障,水灾,违法施工,传染病疫情,员工培训不到位作为第三级灾害事件建立城市轨道交通运营风险故障树模型。
8.根据权利要求6所述的一种基于故障树分析的城市轨道交通风险评估系统,其特征在于,所述风险评估模块中评估第三级灾害事件风险值为:
定性分析,运用上行法求第三级灾害事件B1的最小割集:
B1=C1+C2=X1·X2+X1·X3+X4+X5+X6
最小割集为{X1,X2},{X1,X3},{X4},{X5},{X6},其中任何一个事件发生,就会造成第三级灾害事件B1的发生;
定量分析,确定故障树的各灾害事件的发生概率和风险值,根据历史数据结合专家评估,得出致灾事件Xi随时间演变程度的度量值根据致灾事件Xi发生时间的不同,划分为Q1~Q7七个等级,同时,根据历史数据结合专家评估,得出灾害事件Bi随时间演变程度的度量值根据致灾事件Xi发生时间的不同,划分为Q1~Q7七个等级,采用一阶近似算法得出第三级灾害事件Bi发生的概率为:
10.根据权利要求6所述的一种基于故障树分析的城市轨道交通风险评估系统,其特征在于,所述风险评估模块中评估顶级灾害事件风险值为:
定量分析:
式中,为人员因素灾害事件、设备因素灾害事件、环境因素灾害事件、管理因素灾害事件发生造成的损失,wj为人员因素灾害事件A1、设备因素灾害事件A2、环境因素灾害事件A3、管理因素灾害事件A4对城市轨道交通运营事故的相对重要程度的加权指数,wj∈[0,1],对经量化评估得出的各灾害事件风险值Ct求积分,得出一段时间内的风险累计值:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111627948.6A CN114565210A (zh) | 2021-12-28 | 2021-12-28 | 一种基于故障树分析的城市轨道交通风险评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111627948.6A CN114565210A (zh) | 2021-12-28 | 2021-12-28 | 一种基于故障树分析的城市轨道交通风险评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114565210A true CN114565210A (zh) | 2022-05-31 |
Family
ID=81712021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111627948.6A Pending CN114565210A (zh) | 2021-12-28 | 2021-12-28 | 一种基于故障树分析的城市轨道交通风险评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114565210A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057618A (zh) * | 2023-10-11 | 2023-11-14 | 成都大公博创信息技术有限公司 | 一种区域电磁安全风险评估方法及系统、设备、介质 |
CN117196323A (zh) * | 2023-11-07 | 2023-12-08 | 之江实验室 | 一种基于高维图网络的复杂社会事件的预警方法 |
-
2021
- 2021-12-28 CN CN202111627948.6A patent/CN114565210A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057618A (zh) * | 2023-10-11 | 2023-11-14 | 成都大公博创信息技术有限公司 | 一种区域电磁安全风险评估方法及系统、设备、介质 |
CN117057618B (zh) * | 2023-10-11 | 2024-01-30 | 成都大公博创信息技术有限公司 | 一种区域电磁安全风险评估方法及系统、设备、介质 |
CN117196323A (zh) * | 2023-11-07 | 2023-12-08 | 之江实验室 | 一种基于高维图网络的复杂社会事件的预警方法 |
CN117196323B (zh) * | 2023-11-07 | 2024-02-27 | 之江实验室 | 一种基于高维图网络的复杂社会事件的预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114565210A (zh) | 一种基于故障树分析的城市轨道交通风险评估方法及系统 | |
CN107798876B (zh) | 基于事件的道路交通异常拥堵判断方法 | |
CN111144727B (zh) | 一种城市轨道交通进站客流韧性评估系统及方法 | |
CN102801739A (zh) | 基于云计算环境的网络风险测定取证方法 | |
CN109409713B (zh) | 基于贝叶斯模型和三倍标准差准则的道路网络评估方法 | |
CN110555617A (zh) | 一种基于物联网的建筑火灾风险实时动态定量评估方法 | |
CN114063507A (zh) | 基于智慧农业的远程设备控制系统及其控制方法 | |
CN114971418A (zh) | 基于道路养护的数据的智能管理系统 | |
CN113511572B (zh) | 基于大数据的电梯维保质量评价方法、系统和存储介质 | |
CN114283590B (zh) | 车流量高峰预测方法及装置、电子设备 | |
Chen et al. | Knowledge graph improved dynamic risk analysis method for behavior-based safety management on a construction site | |
CN116721550B (zh) | 一种基于网格计算的交通管理系统 | |
CN110060370B (zh) | 车辆急加速急减速次数等效统计方法 | |
CN116480412A (zh) | 矿井灾害救援方法及装置 | |
CN116895134A (zh) | 一种基于5g技术的水电站下游水位突涨预警方法及系统 | |
CN115293255A (zh) | 高速公路交通事故风险模型构建及风险判别方法 | |
CN114358539A (zh) | 一种基于风险的铁路运营安全判识方法 | |
CN115564272A (zh) | 基于韧性城市理论的火灾风险与消防安全动态评估方法 | |
CN102222269A (zh) | 一种高速公路机电设施养护评价的模糊分层评价方法 | |
CN108182805B (zh) | 一种基于信疑双基建模的高速公路车辆监控管理方法 | |
Stewart et al. | Methodologies for economic impact and adaptation assessment of cyclone damage risks due to climate change | |
CN112488568A (zh) | 一种地铁车站大客流运营风险评价方法及其应用 | |
CN110837948A (zh) | 一种新能源汽车安全性指数评价方法 | |
CN117475628B (zh) | 一种基于风险理论的高速公路运营方法及信息系统 | |
CN117596386B (zh) | 一种智能楼宇安全监控系统 |
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 |