CN115239166A - 一种城市轨道交通信号系统风险分级控制方法 - Google Patents
一种城市轨道交通信号系统风险分级控制方法 Download PDFInfo
- Publication number
- CN115239166A CN115239166A CN202210907852.3A CN202210907852A CN115239166A CN 115239166 A CN115239166 A CN 115239166A CN 202210907852 A CN202210907852 A CN 202210907852A CN 115239166 A CN115239166 A CN 115239166A
- Authority
- CN
- China
- Prior art keywords
- risk
- points
- signal system
- urban rail
- rail transit
- 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 55
- 238000012954 risk control Methods 0.000 claims abstract description 27
- 238000010586 diagram Methods 0.000 claims abstract description 21
- 230000007246 mechanism Effects 0.000 claims abstract description 15
- 238000011217 control strategy Methods 0.000 claims abstract description 14
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 18
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000001186 cumulative effect Effects 0.000 claims description 13
- 230000002265 prevention Effects 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 2
- 238000004321 preservation Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 abstract description 6
- 238000007726 management method Methods 0.000 description 14
- 238000012423 maintenance Methods 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001131 transforming 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明实施例提供了一种城市轨道交通信号系统风险分级控制方法,主要包括如下步骤:基于集合论思想,构建包含人因类、物理类、环境类组分节点在内的城市轨道交通信号系统风险点集;提出风险特征性指标,并构建了基于风险特征性指标的三维风险分级矩阵,对辨识出的风险点进行四个等级的分级;针对不同的风险分级等级提出了控制对策;根据对策描画了典型场景下的设备风险演化机理图,提出了面向场景的城轨信号系统风险控制措施。
Description
技术领域
本发明涉及城市轨道交通信号系统风险管控技术领域,尤其涉及一种城市轨道交通信号系统风险分级控制方法。
背景技术
城轨信号系统作为当期先进技术集大成者,具有结构耦合性、功能特殊性以及运行环境的复杂性等特征,不同程度的安全风险存在于系统的各层次、各环节之中,系统安全保障存在安全风险界定难、关键风险辨识难和系统风险管控难等亟待解决的关键性难题,如何保障信号系统安全、稳定运行,是降低城轨系统故障,事故发生的重要途径之一。因此,针对城市轨道交通信号系统的安全问题研究已成为行业研究热点问题之一。
安全是城市轨道交通发展的永恒主题和完成其运输服务使命的前提,保障安全贯穿于城轨系统运营过程管理、设施设备维护管理和运输服务全过程管理;安全保障也正从“事故驱动、应急善后”的“治已病”模式向“风险管控、超前防范”的“治未病”模式转型。作为安全保障始点的风险管控则是实现系统安全保障的基础,基于风险管控的主动安全保障正在成为全球的行业趋势和提升城轨系统安全保障水平的必由之路。2019年,交通运输部印发的《城市轨道交通运营安全风险分级管控和隐患排查治理管理办法》中明确指出要将城市轨道交通运营安全风险分级管控和隐患排查治理作为主体工作,其核心思想在于将安全管控的关口前移,工作基础和重点是针对安全风险进行辨识、评估与管控。
发明内容
本发明的实施例提供了一种城市轨道交通信号系统风险分级控制方法,用于解决现有技术中存在的问题。
为了实现上述目的,本发明采取了如下技术方案。
一种城市轨道交通信号系统风险分级控制方法,包括:
S1基于集合论思想,构建包括人因类、物理类和环境类的组分节点的城市轨道交通信号系统风险点集;
S2基于城市轨道交通信号系统风险点集,通过信号系统拓扑网络模型计算风险点结构重要度,通过计算系统风险特征参数获得风险点影响严重度,通过统计风险点失效次数计算风险点累积失效频率程度;
S3基于风险点结构重要度、风险点影响严重度和风险点累积失效频率程度,对城市轨道交通信号系统风险点集中的风险点进行分级;
S4基于执行步骤S3获得的风险点的级别,对风险点设置控制对策;
S5基于风险点的控制对策,构建人员场景和环境场景中的设备风险演化机理图;基于设备风险演化机理图,获得面向人员场景和环境场景的城轨信号系统风险控制措施。
优选地,步骤S1包括:
通过式
s={SH,SP,SE} (1)
构建城市轨道交通信号系统风险点集;式中,SH为人因类城市轨道交通信号系统风险点子集,通过式
优选地,步骤S2包括:
S21通过式
计算获得第Si个节点的节点重要度式中,aij为节点i与节点j的连接状态,Ei(x,y)为经由节点x和节点y间通过节点i的最短路径数目,E(x,y)为节点x和节点y间的最短路径数目;dj为节点j的节点重要度,j=1,2,…p,p——与节点i连接的节点个数;
S22通过式
计算获得风险点影响严重度;式中,n为涉及风险因子Si的总数据条数,为每一条数据故障延时时长,为风险因子Si的第k条数据中5分钟以下晚点列车数量,表示风险因子Si的第k条数据中5分钟以上晚点列车数量,表示风险因子Si的第k条数据中通过列列车数量,表示风险因子Si的第k条数据中停运列列车数量,表示风险因子Si的第k条数据中掉线列列车数量;λa、λb、λc、λd、λe分别代表5分钟以下晚点列车数量、5分钟以上晚点列车数量、通过列列车数量、停运列列车数量和掉线列列车数量的加权权重参数,并由熵权算法计算得出;
S23通过式
优选地,步骤S3包括:
基于风险点重要度、风险点影响严重度和风险点累积失效频率程度,通过式
计算获得城市轨道交通信号系统安全运营风险评价指数R;
基于城市轨道交通信号系统安全运营风险评价指数R,对城市轨道交通信号系统风险点集中的风险点进行分级,获得的风险点的级别如下表所示:
优选地,步骤S4中的控制对策包括风险的保留、规避、监测、预防和警示。
由上述本发明的实施例提供的技术方案可以看出,本发明提供一种城市轨道交通信号系统风险分级控制方法,用于解决既往城市轨道交通信号系统风险管控研究未充分进行分级管控以及未能面向不同场景给出风险控制方法的问题。本发明提供的方法,详细描述了人因类、物理类、环境类组分节点在内的城市轨道交通信号系统风险点集,重点突出了风险特征性指标,并构建了基于风险特征性指标的三维风险分级矩阵,对辨识出的风险点进行四个等级的分级,并针对不同的风险分级等级提出了控制对策,同时根据对策描画了典型场景下的设备风险演化机理图,提出了面向场景的城轨信号系统风险控制对策,为实现信号系统安全风险管控,降低城市轨道交通事故发生率,保障城市轨道交通安全运营提供理论方法支撑。
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为本发明提供的一种城市轨道交通信号系统风险分级控制方法的处理流程图;
图2为本发明提供的一种城市轨道交通信号系统风险分级控制方法的一种优选实施例方式的处理流程图;
图3为本发明提供的一种城市轨道交通信号系统风险分级控制方法的城轨信号系统人员场景下的设备故障演化机理图;
图4为本发明提供的一种城市轨道交通信号系统风险分级控制方法的城轨信号系统环境场景下的设备故障演化机理图;
图5为本发明提供的一种城市轨道交通信号系统风险分级控制方法的城轨信号系统面向人员场景的风险控制对策图;
图6为本发明提供的一种城市轨道交通信号系统风险分级控制方法的城轨信号系统面向环境场景的风险控制对策图。
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。
参见图1和2,本发明提供一种城市轨道交通信号系统风险分级控制方法,包括如下步骤:
一种城市轨道交通信号系统风险分级控制方法,其特征在于,包括:
S1基于集合论思想,构建包括人因类、物理类和环境类的组分节点的城市轨道交通信号系统风险点集;
S2基于城市轨道交通信号系统风险点集,通过信号系统拓扑网络模型计算风险点结构重要度,通过计算系统风险特征参数获得风险点影响严重度,通过统计风险点失效次数计算风险点累积失效频率程度;
S3基于风险点结构重要度、风险点影响严重度和风险点累积失效频率程度,对城市轨道交通信号系统风险点集中的风险点进行分级;
S4基于执行步骤S3获得的风险点的级别,对风险点设置控制对策;
S5基于风险点的控制对策,构建人员场景和环境场景中的设备风险演化机理图;基于设备风险演化机理图,获得面向人员场景和环境场景的城轨信号系统风险控制措施。
在本发明提供的优选实施例中,步骤S1具体包括如下过程。
本发明将城市轨道交通信号系统风险点集用S来表示(Signal,简写为S),并根据安全工程学的理论将风险点总集分为“人、机、环”三类风险点子集,表示如下:
S={SH,SP,SE} (1)
式中:SH——人因类城市轨道交通信号系统风险点子集;
SP——物理类城市轨道交通信号系统风险点子集;
SE——环境类城市轨道交通信号系统风险点子集。
其中,人因类风险点子集中的元素人因类风险点本发明定义为因人直接或间接相关可能产生风险的主观或者客观因素致使城轨信号系统无法安全运营的风险点。人因类风险点子集表示为:
n——人因类风险点总数。
物理类风险点集中的元素物理结构类风险点本发明定义为因设备或设施的故障和损害致使城轨信号系统无法安全运营得风险点。物理类风险点子集表示为:
m——物理类风险点总数。
环境类风险点集中的元素环境类风险点和人因类、物理类有所不同,外部环境类的组分节点分为自然环境、社会环境和生产环境,这三类并不能因其自身本质的因素引起系统变化,通常因环境的改变使人和物的状态发生改变并产生风险,所以学者们又称环境类风险点为外在风险点。环境类风险点子集表示为:
o——环境类风险点总数。
表2城市轨道交通信号系统风险点集
进一步的,本发明通过系统风险特征性指标构建三维风险分级矩阵。由结构重要度D,影响严重度F,风险点累计失效频率程度C为,下面给出具体计算公式:
节点重要度:该指标为结构性指标。如果将本发明信号系统安全特征网络模型中的每个点看作为一个特征向量的话,那么提到的节点重要度就是指这个特征向量的中心性。该重要度指标表示了一个节点相对于相邻节点的度值高低,如果当前节点本身就连接到其他很重要的节点,那么针对该节点也同样赋予较高的节点重要度。
对于给定的普通节点,度就是在拓扑网络中与它连接的节点的个数,第i个节点的度的计算公式为:
式中:aij——节点i与节点j的连接状态;
di——节点i的节点重要度;
dj——节点j的节点重要度;
p——与节点i连接的节点个数。
当两个节点之间有连接时,aij的值为1;当两个节点之间没有连接时,aij的值为0,此种计算方式适用于二值网络。
本发明信号系统安全特征网络模型中的第Si个节点的节点重要度可以通过邻接矩阵计算,最终得到每一个节点的重要度计算结果,具体计算公式如下:
式中:Ei(x,y)——经由节点x和节点y间通过节点i的最短路径数目;
E(x,y)——节点x和节点y间的最短路径数目。
该参数说明如果一个节点的中心性较高,那么说明其他点之间的最短路径必须要经过该点进行中转,该点的重要程度越高。
综上所述,节点重要度的公式为:
影响严重度:该指标为功能性指标,基于原始数据的数据特征并融入熵权算法进行影响因子权重的分析与定义。影响严重度充分考虑到城轨信号系统的数据样本特征,提取数据集中延时时长、影响运营信息的列车数量(主要包含5分钟以下晚点列车数量α、5分钟以上晚点列车数量β、通过列列车数量γ、停运列列车数量δ、掉线列列车数量ε)的各个指标计算其加权比值得到最终的影响严重度指标,公式如下:
式中,n为涉及风险因子Si的总数据条数,为每一条数据故障延时时长,风险因子Si的第k条数据中5分钟以下晚点列车数量,表示风险因子Si的第k条数据中5分钟以上晚点列车数量;表示风险因子Si的第k条数据中通过列列车数量;表示风险因子Si的第k条数据中停运列列车数量;表示风险因子Si的第k条数据中掉线列列车数量。λa、λb、λc、λd、λe分别代表5分钟以下晚点列车数量,5分钟以上晚点列车数量、通过列列车数量、停运列列车数量、掉线列列车数量的加权权重参数,并由熵权算法计算得出。
累计失效频率程度:
v——数据集中的具体时间总数(单位:天)。
在城市轨道交通信号系统中一个故障或者事故的发生往往不是由单独一个风险点失效所引起的,而是由多个风险点共同作用的而结果,所以公式6中的风险点累计失效次数并不是简单的统计一个设备或者系统的累计故障次数,而是通过分析数据判断究竟由人因、物理、环境其中哪些种类的风险点共同作用,然后进行统计。
根据以上三个系统风险特征性指标,统安全运营风险评价指数计算公式为
式中:R——系统安全运营风险评价指数;
根据以上三个系统风险特征性指标,本发明对于风险等级的确定给出如下计算公式,并构建新的三维风险分级矩阵图,如图3所示,图中颜色从零点开始由绿色演变为红色表示运营风险评价指数从小到大。将计算得到的风险评价指数进行等比例增大处理,并根据交运规[2019]7号文中的风险分级划分标准将风险点分为一级风险即重大风险、二级风险即较大风险、三级风险即一般风险、四级风险即较小风险。根据计算得出各类风险等级的指数(所得指数进行等比例扩大1000倍)如表3所示。
表3城市轨道交通信号系统风险点分级结果
针对上述步骤获得的不同的风险分级等级提出了风险保留、警示、预防、监测、规避五个控制对策。
城市轨道交通系统安全风险控制方法一般分风险保留、警示、预防、监测、规避和五种方法,具体内容如下。
(1)风险保留(Risk Retain):一般是针对风险性较小的风险点采取的方法,考虑到城市轨道交通信号系统一些风险点演变成隐患点导致事故的可能性微乎其微,且发生故障也几乎不会影响系统安全运营,此时可以使用风险保留的方法,不需要投入大量资源降低风险指数。例如,ATS子系统的中心大屏个别子屏幕出现黑屏现象,一般重启或及时更换即可。
(2)风险警示(Risk Warning):指对于一线维修员工进行安全培训以及在危险的风险点前设立安全风险警示标志,以防止出现人员伤亡的事故。例如,城市轨道交通屏蔽门设备前设有安全警示的标识。
(3)风险预防(Risk Prevention):通过投入人力资源、设备资源等条件降低风险点演变为事故的概率,或切断风险因素降低风险点的风险指数以预防事故发生,风险预防是风险控制中最常用的方法。例如,城轨信号系统设备的计划修本身就是一种基于风险预防的风险控制方法。
(4)风险监测(Risk Monitor):指基于风险监测系统等现代信息化数字系统以及各种监测设备对城轨信号系统主要风险点进行监控、监测的风险控制方法。例如,运用摄像头等设备监测城轨信号系统道岔等设备的实时情况,以避免列车脱轨等事故发生。
(5)风险规避(Risk Avoid):指一些客观存在,但状态发生改变会产生严重后果的风险点,此时需要减少一切可能改变其状态的作业活动行为,称之为风险规避。
基于风险控制对策描画了人员场景和环境场景下的设备风险演化机理图,提出了面向两个场景的城轨信号系统风险控制措施。
通过城市轨道交通信号系统故障和事故数据发现,设备的故障或者损坏除自身因素外通常和人员、环境相关,所以本发明从人员-系统、环境-设备两个场景大类出发到各自的场景小类提出基于风险分级控制对策的控制措施,对风险点进行针对性的事前管控,为降低事故发生率提供参考意见。
人员场景主要包含运营作业场景和维修作业场景两个小类,每个环境场景都拥有和城市轨道交通信号系统设备之间特定的联系,并以此来绘制如图3所示的人员场景下的设备演化机理图。通过该图运用基于DFC的风险分级控制对策方法提出风险控制措施,即运用风险保留、规避、监测、预防、警示五种控制方法采取措施,给出如图4的面向人员场景风险控制对策。其中从风险保留的角度,主要针对人员场景中的较小风险点,如派班室人员等,对于此类人员无需采取额外的控制对策;从风险规避的角度,主要包括在特殊情况来临时,立即疏散乘客等应急处置人员,以及维修、施工、车载维护人员等未持证坚决不能上岗,不能存在任何的侥幸心理;从风险监测的角度,主要包括乘客异常行为的实时预警监测,列车驾驶员的异常行为的实时监测,以及维修人员进行危险作业时的实时监测;从风险预防的角度,主要包括针对运营场景下和维修作业场景下所有人员,应加强安全风险文化建设、积极组织安全风险知识讲解,提高一线员工的安全风险责任和管理层的安全风险管理水平,以及针对员工的业务能力建立管理考核体系,如全站技术能力比武等。具体来说,例如维修人员修复设备后应进行模拟实验以确保列车可以正常安全行车,派班室人员应反复确认行车计划是否正确录入等问题;从风险警示的角度,主要包括人员场景下的各类警示标志,如禁止无关人员进入、禁止随意触碰等,以及针对乘客的应急警报,要求非应急处置人员立即疏散的报警铃等。
环境场景主要包含自然环境场景和作业环境场景两个小类,每个环境场景都拥有和设备之间特殊的联系,并基于环境和设备之间的联系构建如图5所示的环境场景下的设备故障演化机理图。通过该图运用基于DFC的风险分级控制对策方法提出风险控制措施,即运用风险保留、规避、监测、预防、警示五种控制方法采取措施,给出如图6所示的面向环境场景风险控制对策。其中从风险规避的角度,主要包括洪涝场景等自然灾害,运营公司应当全面停止运营,停止一切室外作业,启用自然灾害条件下的应急手册,并在各个车站出入口处提前布置好防洪沙袋等设备,尽可能防止雨水倒灌;从风险监测的角度,主要包括高温、极寒等温度预警的实时监测,降雨、降雪、降霜等气象预警的实时监测,以及生产作业环境中电磁干扰的实时监测;从风险预防的角度,主要包括高温、极寒、降雨、降雪、降霜等天气预警预案,例如运用空调、烘干机、电风扇等温度调节装置保护信号设备的正常运行,以及针对粉尘可以采取定期清理设备间的积灰等措施;从风险警示的角度,主要包括自然环境场景下的极端天气和特殊气象的警示公告,以及针对各个设备间粉尘清理和相应安全环境风险的安全警示标记。
综上所述,本发明提供一种城市轨道交通信号系统风险分级控制方法,用于解决既往城市轨道交通信号系统风险管控研究未充分进行分级管控以及未能面向不同场景给出风险控制方法的问题。本发明提供的方法,详细描述了人因类、物理类、环境类组分节点在内的城市轨道交通信号系统风险点集,重点突出了风险特征性指标,并构建了基于风险特征性指标的三维风险分级矩阵,对辨识出的风险点进行四个等级的分级,并针对不同的风险分级等级提出了控制对策,同时根据对策描画了典型场景下的设备风险演化机理图,提出了面向场景的城轨信号系统风险控制对策,为实现信号系统安全风险管控,降低城市轨道交通事故发生率,保障城市轨道交通安全运营提供理论方法支撑。
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 (5)
1.一种城市轨道交通信号系统风险分级控制方法,其特征在于,包括:
S1基于集合论思想,构建包括人因类、物理类和环境类的组分节点的城市轨道交通信号系统风险点集;
S2基于城市轨道交通信号系统风险点集,通过信号系统拓扑网络模型计算风险点结构重要度,通过计算系统风险特征参数获得风险点影响严重度,通过统计风险点失效次数计算风险点累积失效频率程度;
S3基于风险点结构重要度、风险点影响严重度和风险点累积失效频率程度,对城市轨道交通信号系统风险点集中的风险点进行分级;
S4基于执行步骤S3获得的风险点的级别,对风险点设置控制对策;
S5基于风险点的控制对策,构建人员场景和环境场景中的设备风险演化机理图;基于设备风险演化机理图,获得面向人员场景和环境场景的城轨信号系统风险控制措施。
3.根据权利要求2所述的方法,其特征在于,步骤S2包括:
S21通过式
计算获得第Si个节点的节点重要度式中,aij为节点i与节点j的连接状态,Ei(x,y)为经由节点x和节点y间通过节点i的最短路径数目,E(x,y)为节点x和节点y间的最短路径数目;dj为节点j的节点重要度,j=1,2,…p,p——与节点i连接的节点个数;
S22通过式
计算获得风险点影响严重度;式中,n为涉及风险因子Si的总数据条数,为每一条数据故障延时时长,为风险因子Si的第k条数据中5分钟以下晚点列车数量,表示风险因子Si的第k条数据中5分钟以上晚点列车数量,表示风险因子Si的第k条数据中通过列列车数量,表示风险因子Si的第k条数据中停运列列车数量,表示风险因子Si的第k条数据中掉线列列车数量;λa、λb、λc、λd、λe分别代表5分钟以下晚点列车数量、5分钟以上晚点列车数量、通过列列车数量、停运列列车数量和掉线列列车数量的加权权重参数,并由熵权算法计算得出;
S23通过式
5.根据权利要求4所述的方法,其特征在于,步骤S4中的控制对策包括风险的保留、规避、监测、预防和警示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210907852.3A CN115239166A (zh) | 2022-07-29 | 2022-07-29 | 一种城市轨道交通信号系统风险分级控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210907852.3A CN115239166A (zh) | 2022-07-29 | 2022-07-29 | 一种城市轨道交通信号系统风险分级控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115239166A true CN115239166A (zh) | 2022-10-25 |
Family
ID=83677126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210907852.3A Pending CN115239166A (zh) | 2022-07-29 | 2022-07-29 | 一种城市轨道交通信号系统风险分级控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115239166A (zh) |
-
2022
- 2022-07-29 CN CN202210907852.3A patent/CN115239166A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Understanding railway operational accidents using network theory | |
CN108876184A (zh) | 一种高速铁路隧道运营期的安全风险评价及预警方法 | |
CN104217367B (zh) | 一种轨道交通线路动态安全风险评价方法 | |
CN107054410A (zh) | 道岔转辙机的智能诊断系统及诊断方法 | |
CN105894177A (zh) | 一种基于决策树算法的电力设备运行风险分析评估方法 | |
Ma et al. | Analyzing the causation of a railway accident based on a complex network | |
Weng et al. | Development of a maximum likelihood regression tree-based model for predicting subway incident delay | |
CN112465334B (zh) | 一种轨道交通事故快速预警方法及系统 | |
CN107067129A (zh) | 基于网格的铁路工务设备风险事件可能性获取方法及系统 | |
CN108520359A (zh) | 城市轨道交通系统的风险网络模型的构建方法 | |
CN108288019B (zh) | 一种城市轨道交通预防性维修对象识别方法及装置 | |
CN114889678A (zh) | 一种基于动态贝叶斯的铁路站车线安全协同预警方法 | |
CN107230160A (zh) | 一种10kV线路跳闸误报智能化评判实现方法 | |
Liu et al. | Vulnerability assessment of the urban rail transit network based on travel behavior analysis | |
CN112777442A (zh) | 基于物联网大数据的电梯安全区域风险预测方法 | |
CN115909729A (zh) | 一种基于数字孪生的地铁线网运营中断情况下的仿真预测方法及系统 | |
Wan et al. | Causation of metro operation accidents in China: calculation of network node importance based on DEMATEL and ISM | |
CN111709597B (zh) | 一种电网生产域运营监测系统 | |
CN115239166A (zh) | 一种城市轨道交通信号系统风险分级控制方法 | |
CN108446202A (zh) | 一种机房设备的安全状况的判断方法 | |
CN116484056B (zh) | 一种基于知识图谱的轨道交通事故的预防方法 | |
Bu et al. | Factors affecting the resilience of subway operations under emergencies–using improved DEMATEL model | |
Shang et al. | A Colored Petri Net model for railway track maintenance with two-level inspection | |
Zhao | Emergency identification of supply chain security risk aggregation for new infrastructure projects | |
CN117592661B (zh) | 复杂多场景下的区域中心化车站巡视方案设计方法与系统 |
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 |