CN116090836A - 应用于轨道交通的全局风险确定方法、装置、设备及介质 - Google Patents
应用于轨道交通的全局风险确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116090836A CN116090836A CN202310213548.3A CN202310213548A CN116090836A CN 116090836 A CN116090836 A CN 116090836A CN 202310213548 A CN202310213548 A CN 202310213548A CN 116090836 A CN116090836 A CN 116090836A
- Authority
- CN
- China
- Prior art keywords
- information
- risk
- line
- determining
- safety index
- 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 71
- 230000006870 function Effects 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000004973 liquid crystal related substance Substances 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012546 transfer Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000034994 death Effects 0.000 description 4
- 231100000517 death Toxicity 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000016776 visual perception Effects 0.000 description 2
- 241000149788 Pseudophryne major Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 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
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual 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
- 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
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G06Q50/40—
Abstract
本发明公开了一种应用于轨道交通的全局风险确定方法、装置、设备及介质,其中,该方法包括:获取当前时刻下目标区域内轨道交通线路的线路关联信息;基于线路关联信息确定与交通线路相对应的线路负荷风险参数信息;基于线路负荷风险参数信息和线路风险参数信息,确定安全指标信息,并基于安全指标信息和安全指标范围确定风险等级信息。基于上述技术方案,实现了基于轨道交通的线路关联信息确定与目标区域相关联的安全指标信息,进而可以基于安全指标信息确定目标区域的风险等级信息,进而可以基于风险等级信息对目标区域进行全局风险评价,达到了提高轨道交通运行安全性的技术效果。
Description
技术领域
本发明涉及轨道交通技术领域,尤其涉及一种应用于轨道交通的全局风险确定方法、装置、设备及介质。
背景技术
由于轨道交通系统对于安全性的高要求,为了保证轨道交通在运行过程中的安全性,会基于采集得到的数据计算对应的评价指数,进而通过评价指数判断轨道交通网络是否存在风险。
但是,常见的指标包括单独的客流指标如在网人数、客运量、换乘量、平均运距等,列车运行指标如运用车组数、旅行速度等,但是上述指标仅能反映单一线路的指标,无法对轨道交通的风险进行全局评价。
发明内容
本发明提供一种应用于轨道交通的全局风险确定方法、装置、设备及介质,实现了基于轨道交通的线路关联信息确定与目标区域相关联的安全指标信息,进而可以基于安全指标信息确定目标区域的风险等级信息,进而实现了对目标区域的全局风险评价。
第一方面,本发明实施例提供了一种应用于轨道交通的风险确定方法,包括:
获取当前时刻下目标区域内轨道交通线路的线路关联信息;其中,所述线路关联信息包括站点信息、站点能力参数、区间能力参数;
基于所述线路关联信息确定与所述交通线路相对应的线路负荷风险参数信息;
基于所述线路负荷风险参数信息和线路风险参数信息,确定安全指标信息,并基于所述安全指标信息和安全指标范围确定风险等级信息。
第二方面,本发明实施例还提供了一种应用于轨道交通的风险确定装置,该装置包括:
信息获取模块,用于获取当前时刻下目标区域内轨道交通线路的线路关联信息;其中,所述线路关联信息包括站点信息、站点能力参数、区间能力参数;
参数信息确定模块,用于基于所述线路关联信息确定与所述交通线路相对应的线路负荷风险参数信息;
风险等级确定模块,用于基于所述线路负荷风险参数信息和线路风险参数信息,确定安全指标信息,并基于所述安全指标信息和安全指标范围确定风险等级信息。
第三方面,本发明实施例还提供了一种电子设备,所述设备包括:
一个或多个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够实现如本发明实施例任一所述的应用于轨道交通的全局风险确定方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例任一所述的应用于轨道交通的全局风险确定方法。
本发明实施例的技术方案,通过获取当前时刻下目标区域内轨道交通线路的线路关联信息,并且线路关联信息包括站点信息、站点能力参数、区间能力参数,进而可以基于所述线路关联信息确定与所述交通线路相对应的线路负荷风险参数信息,最后基于所述线路负荷风险参数信息和线路风险参数信息,确定安全指标信息,并基于所述安全指标信息和安全指标范围确定风险等级信息。基于上述技术方案,实现了基于轨道交通的线路关联信息确定与目标区域相关联的安全指标信息,进而可以基于安全指标信息确定目标区域的风险等级信息,进而可以基于风险等级信息对目标区域进行全局风险评价,达到了提高轨道交通运行安全性的技术效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更加清楚地说明本发明实施例中的技术方案,下面对描述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是本发明实施例提供的一种应用于轨道交通的全局风险确定方法的流程示意图;
图2是本发明实施例提供的一种应用于轨道交通的全局风险确定方法的流程图;
图3是本发明实施例提供的一种应用于轨道交通的全局风险确定装置的结构框图;
图4是本发明实施例提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例提供的一种应用于轨道交通的全局风险确定方法的流程示意图,本实施例可适用于获取目标区域内轨道交通线路的线路关联信息,进而基于线路关联信息确定安全指标信息,并基于安全指标信息对目标区域进行风险评价的情况,该方法可以由应用于轨道交通的全局风险确定装置来执行,该应用于轨道交通的风险确定装置可以采用硬件/或软件的形式实现,该装置可配置于电子设备中,该电子设备可以是PC端或服务端等。
如图1所示,该方法包括:
S110、获取当前时刻下目标区域内轨道交通线路的线路关联信息。
其中,目标区域可以是用户根据需求选择的区域。轨道交通线路可以理解为是按照预设轨道运行的交通线路,例如可以是铁路、地铁、高铁、轻轨等。所述线路关联信息包括站点信息、站点能力参数、区间能力参数。站点信息可以是与轨道交通站点相关联的信息,例如站点的种类、站点的数量、站点的规模等。站点能力参数可以理解为站点的客流承载能力,例如客流吞吐量、客流承载量等信息。区间能力参数可以理解为相邻两个车站构成的区间的能力信息,例如区间客流量等。
具体的,获取当前时刻下,目标区域内轨道交通线路的线路关联信息,例如可以是用户基于需求选择需要进行风险评价的区域,例如可以是预设的默认区域,还可以是用户根据需求从页面中进行选择的区域。进而在确定目标区域后,可以获取与目标区域相对应的轨道交通线路的线路关联信息,例如可以是基于选定的目标区域,从预先设置的关联信息数据库内调取与目标区域相关联的线路关联信息,还可以是按照预设的采集间隔,每隔预设采集间隔,获取与目标区域相对应的轨道交通线路的线路关联信息,例如可以是每隔一小时进行一次数据采集,还可以是每间隔15分钟进行一次数据采集。
S120、基于所述线路关联信息确定与所述交通线路相对应的线路负荷风险参数信息。
其中,线路负荷风险参数信息可以用于表示当前目标区域内轨道交通线路的客流负荷风险的参数。
具体的,可以是基于预设的算法,将线路关联信息带入到预设算法中,进而得到与目标区域的轨道交通线路相对应的线路负荷风险参数信息,需要说明的是,为了保证计算得到的路负荷风险参数信息的可靠性,可以在进行书处理之前对获取得到的线路关联信息进行处理,将错误的数据删除,进而保证数据正确性,例如可以是根据预设数据阈值对数据进行筛选。
在上述技术方案的基础上,在基于所述线路关联信息确定与所述交通线路相对应的线路负荷风险参数信息之前,包括:获取与所述轨道交通线路相对应的伤亡损失信息和设备损失信息;基于所述伤亡损失信息和所述设备损失信息,确定与所述轨道交通线路相对应线路风险参数信息。
其中,伤亡损失信息可以是当前时刻下,人员伤亡造成的损失。设备损失信息可以理解为当前时刻下,设备损害造成的损失。线路风险参数信息可以是当前时刻下目标区域的轨道交通线路的系统风险参数。
具体的,为了使安全指标信息可以完整的反应目标区域内轨道交通线路的风险等级,还需要根据当前时刻下轨道交通线路相对应的伤亡损失信息和设备损失信息,确定当前时刻下目标区域的轨道交通线路的系统风险参数。例如,可以是通过,确定当线路风险参数信息,其中,为当时刻下线路风险参数信息,为t时刻伤亡损失信息,为t时刻设备损失信息,将二者进行累加即可得到线路风险参数信息。需要说明的是,需要确定的值,即每死亡一人所带来的损失,这里用等效的经济损失表示,可根据保险赔付额及参照重大例如重大事故赔付金额,例如根据中国铁路财产保险自保有限公司的铁路乘意险的最高赔付额度30万元计算。则人员伤亡带来的损失之和是与死亡人数a的乘积,即。同样的值由所有损坏设备b的原值和损坏程度决定,即。
在上述技术方案的基础上,所述基于所述线路关联信息确定与所述交通线路相对应的线路负荷风险参数信息,包括:基于预设路径划分方法对所述线路关联信息进行处理,确定目标线路关联信息;基于预设风险计算公式对所述目标线路关联信息进行处理,确定与所述轨道交通线路相对应的线路负荷参数信息。
其中,预设路径划分方法可以理解为预先设置的对线路进行校准的方法。目标线路关联信息可以理解为经过处理后得到的目标数据。预设风险计算公式可以是用于确定线路负荷参数信息的公式。
具体的,基于预设路径划分方法对线路关联信息进行处理,进而得到目标线路关联信息,将目标线路关联信息带入到预设风险计算公式中进行求解,进而确定出与与轨道交通线路相对应的线路负荷参数信息。需要说明的是,由于乘客在进行出行时路线的选择往往具有较大的随机性,但是通常旅客出行一般会倾向于选择最短路径,因此默认的客流方案为最短路径配流。即对于每个OD对(旅客的出发点至目的地对应上为OD对),将OD需求均分配到OD对间的最短路径上即可。所有的OD对都分配完成后即可得到路网中各个车站和区间的客流需求量,进而基于客流需求量可以确定线路负荷参数信息。
在上述技术方案的基础上,所述预设风险计算公式为:
。
其中,所述为时刻的线路负荷参数信息;所述M为车站数量信息;所述N为区间数量信息;所述为车站客流负荷信息;所述为车站吞吐客流量信息;所述为区间客流负荷信息;所述为区间运输能力信息。
具体的,表示了车站客流负荷,包括进站客流和出站客流,对于换乘站来说还有换乘客流,单位为人/小时,可以是通过统计时间段t内,车站的所有客流负荷,用户可以根据需求获取所需的数据,例如每间隔一小时统计一次数据,或每间隔十五分钟获取一次数据。为车站最大吞吐量,单位为人/小时,需要说明的是,为常量,目前取大型站的通过能力为21600人/h,中型站14400人/h,小型站7200人/h,据此可以得出不同车站的容量。进而可以根据车站的类型确定对应的站点的客流吞吐量信息,例如,起点车站、终点车站、高铁站以及换乘车站是中型站,而其他一般车站可以认为是小型站。为区间客流负荷,即为区间k内的断面客流量,单位为人/小时。表示区间k的运输能力,单位为人/小时,例如统计时间段t内,发车频次*列车容量。
S130、基于所述线路负荷风险参数信息和线路风险参数信息,确定安全指标信息,并基于所述安全指标信息和安全指标范围确定风险等级信息。
其中,安全指标信息可以是与目标区域相对应的安全指标。安全指标范围可以理解为预先设置的用于确定风险等级的范围数据。风险等级信息可以是用于表示当前目标区域的风险等级的信息。
具体的,可以是通过确定与目标区域对应的安全指标信息,其中,表示时刻的线路负荷风险参数信息,表示时刻的线路风险参数信息,为线路负荷风险参数信息转换为等效的经济损失的权重。进而,将线路负荷风险参数信息和线路风险参数信息代入至上述公式,即可确定出与目标区域相对应的安全指标信息。需要说明的是,对于线路负荷风险参数信息的衡量,考虑线路风险参数信息采用经济损失(单位:万元)来衡量,因此也转化为等效的经济损失,达到具备二者叠加的条件。假设50%的节点/区间的需求负荷指标达到200%,50%的节点/区间的需求负荷指标达到100%,认为此时发生了特大事故。依据铁路及城市轨道交通的事故划分依据,特大事故的经济损失为1亿元及以上,则可以得到线路负荷风险参数信息转换为全局经济损失的转换权重为(这里经济损失单位为万元):。
在此基础上,为了进一步分析其发生事故的概率,便于轨道交通路网运营人员感知路网发生事故的可能性程度,进而转化为量化指标进行分级表示,进而可以基于对应的风险等级,假设当全局安全性指标值大于25%的节点/区间的需求负荷指标达到100%,75%的节点/区间的需求负荷指标达到60%时所对应的全局安全性指标值时,认为此时发生了安全事故。此时对应的线路负荷风险参数信息为:;依据上式的转化公式,可得安全事故的阈值thresh为:因此,当安全指标信息大于等于thresh时,认为发生一次安全事故。
在上述技术方案的基础上,所述基于所述安全指标信息和安全指标范围确定风险等级信息,包括:基于所述安全指标信息在所述安全指标范围内进行匹配,确定与所述安全指标信息相对应的匹配结果;基于所述匹配结果确定风险等级信息。
其中,匹配结果可以是用于确地目标区域风险等级的结果。风险等级信息包括一级风险、二级风险、三级风险、四级风险。
具体的,在获取到安全指标信息后,基于安全指标信息在安全指标范围内进行匹配,基于匹配结果确定与目标区域相对应的风险等级信息,需要说明的是,由于计算得到的安全指标信息是一个非[0~10]值且分布区间比较大,并且不利于轨道交通线路管理人员简单识别和直观感知,进而将轨道交通全局安全指标划分为四个等级,并且用采用红橙黄蓝四色区分表示。例如可以是将安全指标信息≥10000.00划分为一级风险(最高风险),将安全指标信息处于[5378.83,10000.00)内的划分为二级风险(风险很高),将安全指标信息处于[4048.86,5378.83)内的划分为三级风险(高风险),将安全指标信息<4048.86的,划分为四级风险(低风险)。
在上述技术方案的基础上,在所述基于所述安全指标信息和安全指标范围确定风险等级信息之后,包括:如果所述风险等级信息与预设风险等级信息相匹配,则确定无需对所述目标区域进行客流引导;如果所述风险等级信息与预设风险等级信息不匹配,则确定需要对所述目标区域的进行客流引导。
其中,预设风险等级信息可以是预先设置的用于确定是否需要进行客流引导的风险等级信息。客流引导可以理解为将客流引导至不拥堵的线路。
具体的,可以通过预先设置预设风险等级信息,例如可以是三级,如果风险等级信息大于三级,则说明当前目标区域的风险较高,需要对目标区域内的客流进行引导,如果风险等级信息小于等于三级,则说明当前目标区域内的风险等级较低,无需进行客流引导。
在上述技术方案的基础上,所述对所述目标区域的进行客流引导,包括:基于所述线路关联信息构建与所述目标区域相对应的目标函数;基于预设约束条件对所述目标函数进行求解,确定目标引导路径,基于所述目标引导路径进行客流引导。
其中,目标函数可以是用于确定目标引导路径的函数。预设约束条件可以理解为预先设置的用于对目标函数进行求解的条件信息。目标引导路径可以是用于对客流进行引导的路线。
具体的,如果风险等级信息与预设风险等级信息不匹配,则需要对目标区域内的客流进行引导,则基于线路关联信息构建与目标区域相对应的目标函数,并根据预设约束条件对目标函数进行求解得到目标引导路径,并基于目标引导路径进行客流引导。例如可以是通过记车站和区间风险函数为f(·)和f(·),显然随着输入增加,风险函数变化率也应该变大。验证时使用作为风险函数。于是优化目标为最小化客流需求负荷风险,目标函数为:;约束条件为:
;
其中,(1)用于计算车站客流负荷,包括进站客流和出站客流,对于换乘站来说还有换乘客流,(2)、(3)表示客流分配约束,(4)用于计算区间客流负荷,需要统计每条叠加的路径。进而优化变量为其相关约束条件均为线性函数,因此可行域是凸集。对于优化目标函数,由约束条件可知,都是的线性组合,因此目标函数可以写成形如,不难说明是凸函数,所以目标函数是多个凸函数的线性组合,也为凸函数,可以使用CVX工具箱进行求解,在确定优化变量时,需要求路网中任意两点间的简单路径,为避免优化变量过多,实际中通常考虑K短简单路径,这里使用python中的networkx包进行路径搜索。于是求解步骤为:输入路网静态拓扑信息及车站和区间的能力参数,确定和;进而根据OD矩阵和路网拓扑,搜索每一OD对的K短简单路径并对其进行编号,得到。根据车站和区间与路径的对应关系,将和表达为的线性组合。利用将上述步骤得到的和表示CVX中的约束和目标,求解得到。进而基于求解得到的引导线路进行客流引导。
本发明实施例的技术方案,通过获取当前时刻下目标区域内轨道交通线路的线路关联信息,并且线路关联信息包括站点信息、站点能力参数、区间能力参数,进而可以基于所述线路关联信息确定与所述交通线路相对应的线路负荷风险参数信息,最后基于所述线路负荷风险参数信息和线路风险参数信息,确定安全指标信息,并基于所述安全指标信息和安全指标范围确定风险等级信息。基于上述技术方案,实现了基于轨道交通的线路关联信息确定与目标区域相关联的安全指标信息,进而可以基于安全指标信息确定目标区域的风险等级信息,进而可以基于风险等级信息对目标区域进行全局风险评价,达到了提高轨道交通运行安全性的技术效果。
实施例二
图2是本发明实施例提供的一种应用于轨道交通的全局风险确定方法的流程图。本实施例在上述实施例的基础上,进一步优化了上述应用于轨道交通的全局风险确定方法。其具体的实施方式可以参见本实施例技术方案。其中,与上述实施例相同或者相应的技术术语在此不再赘述。
需要说明的是,轨道交通系统由单线逐渐向多条线路发展成为有互相联系和影响网络化交通系统,并且不同的轨道交通制式、不同的运营主体加剧了轨道交通路网的复杂性。虽然各条线路都有客流量/在网人数、客流密度,在线列车数,设施设备运行状态等单一维度或者局部的表征指标,缺乏一个综合性的指标融合轨道交通“人-机-环-管”各要素状态、分级量化表示轨道交通全路网的整体运输状态及发展趋势,无法从全局管控的角度进行全路网运输资源与客流需求之间的整体匹配,难于从局部最优向全局最优转变。针对上述问题和需求,本发明实施例提供的技术方案通过建立轨道交通全局运输态势关键要素耦合关系,建立多要素融合的全局安全态势指标计算模型,设计全局安全态势指标量化分级方法,为轨道交通路网运输态势表示提供整体性、具体化的指标,支撑路网级运营管理人员进行全局最优化管理,提高轨道交通路网的运输效能和服务质量。
如图3所示,所述方法包括:
获取线路关联信息:具体的,以重庆地区的路网为计算对象,仅考虑重庆轨道交通1号线、2号线、3号线、5号线、10号线、环线、成渝高铁、渝万城际铁路,包含地铁、单轨、高铁、城际铁路四种制式。对于重庆城市轨道交通,只考虑起始站、终点站、换乘站以及部分一般车站,成渝高铁只考虑简阳南到重庆北段,渝万城际铁路中只考虑起始站以及沿途经过的部分车站。并且,除了路网拓扑结构外,所需车站的信息主要为车站吞吐量(单位人/h)。在实例化程序中,将所有的车站分为三种类型:大型站、中型站和小型站。可取大型站的通过能力为21600人/h,中型站14400人/h,小型站7200人/h,据此可以得出不同车站的容量。其中,沙坪坝、重庆北、冉家坝、江北机场T2 航站楼为大型站,其他起点车站、终点车站、高铁站以及换乘车站是中型站,而其他一般车站可以认为是小型站。并且,通常旅客出行一般会倾向于选择最短路径,因此默认的客流方案为最短路径配流。即对于每个OD对(旅客的出发点至目的地对应上为OD对),将OD需求均分配到OD对间的最短路径上即可。所有的OD对都分配完成后即可得到路网中各个车站和区间的客流需求量。
确定线路负荷风险参数信息:将线路关联信息带入到线路负荷风险参数信息计算公式中,。
其中,所述为时刻的线路负荷参数信息;所述M为车站数量信息;所述N为区间数量信息;所述为车站客流负荷信息;所述为车站吞吐客流量信息;所述为区间客流负荷信息;所述为区间运输能力信息。
具体的,表示了车站客流负荷,包括进站客流和出站客流,对于换乘站来说还有换乘客流,单位为人/小时,可以是通过统计时间段t内,车站的所有客流负荷,用户可以根据需求获取所需的数据,例如每间隔一小时统计一次数据,或每间隔十五分钟获取一次数据。为车站最大吞吐量,单位为人/小时,需要说明的是,为常量,目前取大型站的通过能力为21600人/h,中型站14400人/h,小型站7200人/h,据此可以得出不同车站的容量。进而可以根据车站的类型确定对应的站点的客流吞吐量信息,例如,起点车站、终点车站、高铁站以及换乘车站是中型站,而其他一般车站可以认为是小型站。为区间客流负荷,即为区间k内的断面客流量,单位为人/小时。表示区间k的运输能力,单位为人/小时,例如统计时间段t内,发车频次*列车容量。
确定系统风险参数信息:具体的,为了使安全指标信息可以完整的反应目标区域内轨道交通线路的风险等级,还需要根据当前时刻下轨道交通线路相对应的伤亡损失信息和设备损失信息,确定当前时刻下目标区域的轨道交通线路的系统风险参数。例如,可以是通过,确定当线路风险参数信息,其中,为当时刻下线路风险参数信息,为t时刻伤亡损失信息,为t时刻设备损失信息,将二者进行累加即可得到线路风险参数信息。需要说明的是,需要确定的值,即每死亡一人所带来的损失,这里用等效的经济损失表示,可根据保险赔付额及参照重大例如重大事故赔付金额,例如根据中国铁路财产保险自保有限公司的铁路乘意险的最高赔付额度30万元计算。则人员伤亡带来的损失之和是与死亡人数a的乘积,即。同样的值由所有损坏设备b的原值和损坏程度决定,即。
确定安全指标信息:具体的,可以是通过确定与目标区域对应的安全指标信息,其中,表示时刻的线路负荷风险参数信息,表示时刻的线路风险参数信息,为线路负荷风险参数信息转换为等效的经济损失的权重。进而,将线路负荷风险参数信息和线路风险参数信息代入至上述公式,即可确定出与目标区域相对应的安全指标信息。需要说明的是,对于线路负荷风险参数信息的衡量,考虑线路风险参数信息采用经济损失(单位:万元)来衡量,因此也转化为等效的经济损失,达到具备二者叠加的条件。假设50%的节点/区间的需求负荷指标达到200%,50%的节点/区间的需求负荷指标达到100%,认为此时发生了特大事故。依据铁路及城市轨道交通的事故划分依据,特大事故的经济损失为1亿元及以上,则可以得到线路负荷风险参数信息转换为全局经济损失的转换权重为(这里经济损失单位为万元):。在此基础上,为了进一步分析其发生事故的概率,便于轨道交通路网运营人员感知路网发生事故的可能性程度,进而转化为量化指标进行分级表示,进而可以基于对应的风险等级,假设当全局安全性指标值大于25%的节点/区间的需求负荷指标达到100%,75%的节点/区间的需求负荷指标达到60%时所对应的全局安全性指标值时,认为此时发生了安全事故。此时对应的线路负荷风险参数信息为:;依据上式的转化公式,可得安全事故的阈值thresh为:因此,当安全指标信息大于等于thresh时,认为发生一次安全事故。
确定风险等级与客流引导:具体的,在获取到安全指标信息后,基于安全指标信息在安全指标范围内进行匹配,基于匹配结果确定与目标区域相对应的风险等级信息,需要说明的是,由于计算得到的安全指标信息是一个非[0~10]值且分布区间比较大,并且不利于轨道交通线路管理人员简单识别和直观感知,进而将轨道交通全局安全指标划分为四个等级,并且用采用红橙黄蓝四色区分表示。例如可以是将安全指标信息≥10000.00划分为一级风险(最高风险),将安全指标信息处于[5378.83,10000.00)内的划分为二级风险(风险很高),将安全指标信息处于[4048.86,5378.83)内的划分为三级风险(高风险),将安全指标信息<4048.86的,划分为四级风险(低风险)。如果目标区域的安全等级大于预设风险等级信息,例如可以是通过记车站和区间风险函数为f(·)和f(·),显然随着输入增加,风险函数变化率也应该变大。验证时使用作为风险函数。于是优化目标为最小化客流需求负荷风险,目标函数为:;约束条件为:
;
其中,(1)用于计算车站客流负荷,包括进站客流和出站客流,对于换乘站来说还有换乘客流,(2)、(3)表示客流分配约束,(4)用于计算区间客流负荷,需要统计每条叠加的路径。进而优化变量为其相关约束条件均为线性函数,因此可行域是凸集。对于优化目标函数,由约束条件可知,都是的线性组合,因此目标函数可以写成形如,不难说明是凸函数,所以目标函数是多个凸函数的线性组合,也为凸函数,可以使用CVX工具箱进行求解,在确定优化变量时,需要求路网中任意两点间的简单路径,为避免优化变量过多,实际中通常考虑K短简单路径,这里使用python中的networkx包进行路径搜索。于是求解步骤为:输入路网静态拓扑信息及车站和区间的能力参数,确定和;进而根据OD矩阵和路网拓扑,搜索每一OD对的K短简单路径并对其进行编号,得到。根据车站和区间与路径的对应关系,将和表达为的线性组合。利用将上述步骤得到的和表示CVX中的约束和目标,求解得到。进而基于求解得到的引导线路进行客流引导。
本发明实施例的技术方案,通过获取当前时刻下目标区域内轨道交通线路的线路关联信息,并且线路关联信息包括站点信息、站点能力参数、区间能力参数,进而可以基于所述线路关联信息确定与所述交通线路相对应的线路负荷风险参数信息,最后基于所述线路负荷风险参数信息和线路风险参数信息,确定安全指标信息,并基于所述安全指标信息和安全指标范围确定风险等级信息。基于上述技术方案,实现了基于轨道交通的线路关联信息确定与目标区域相关联的安全指标信息,进而可以基于安全指标信息确定目标区域的风险等级信息,进而可以基于风险等级信息对目标区域进行全局风险评价,达到了提高轨道交通运行安全性的技术效果。
实施例三
图3是本发明实施例提供的一种应用于轨道交通的全局风险确定装置的结构框图。该装置包括:信息获取模块310、参数信息确定模块320、以及风险等级确定模块330。
信息获取模块,用于获取当前时刻下目标区域内轨道交通线路的线路关联信息;其中,所述线路关联信息包括站点信息、站点能力参数、区间能力参数;
参数信息确定模块,用于基于所述线路关联信息确定与所述交通线路相对应的线路负荷风险参数信息;
风险等级确定模块,用于基于所述线路负荷风险参数信息和线路风险参数信息,确定安全指标信息,并基于所述安全指标信息和安全指标范围确定风险等级信息。
在上述技术方案的基础上,所述参数信息确定模块,还用于在基于所述线路关联信息确定与所述交通线路相对应的线路负荷风险参数信息之前,获取与所述轨道交通线路相对应的伤亡损失信息和设备损失信息;基于所述伤亡损失信息和所述设备损失信息,确定与所述轨道交通线路相对应线路风险参数信息。
在上述技术方案的基础上,所述参数信息确定模块,还用于基于预设路径划分方法对所述线路关联信息进行处理,确定目标线路关联信息;基于预设风险计算公式对所述目标线路关联信息进行处理,确定与所述轨道交通线路相对应的线路负荷参数信息。
在上述技术方案的基础上,所述预设风险计算公式为:
;
其中,所述为时刻的线路负荷参数信息;所述M为车站数量信息;所述N为区间数量信息;所述为车站客流负荷信息;所述为车站吞吐客流量信息;所述为区间客流负荷信息;所述为区间运输能力信息。
在上述技术方案的基础上,所述风险等级确定模块,用于基于所述安全指标信息在所述安全指标范围内进行匹配,确定与所述安全指标信息相对应的匹配结果;基于所述匹配结果确定风险等级信息;其中,所述风险等级信息包括一级风险、二级风险、三级风险、四级风险。
在上述技术方案的基础上,所述装置还包括:客流引导模块,用于如果所述风险等级信息与预设风险等级信息相匹配,则确定无需对所述目标区域进行客流引导;如果所述风险等级信息与预设风险等级信息不匹配,则确定需要对所述目标区域的进行客流引导。
在上述技术方案的基础上,所述客流引导模块,用于基于所述线路关联信息构建与所述目标区域相对应的目标函数;基于预设约束条件对所述目标函数进行求解,确定目标引导路径,基于所述目标引导路径进行客流引导。
本发明实施例的技术方案,通过获取当前时刻下目标区域内轨道交通线路的线路关联信息,并且线路关联信息包括站点信息、站点能力参数、区间能力参数,进而可以基于所述线路关联信息确定与所述交通线路相对应的线路负荷风险参数信息,最后基于所述线路负荷风险参数信息和线路风险参数信息,确定安全指标信息,并基于所述安全指标信息和安全指标范围确定风险等级信息。基于上述技术方案,实现了基于轨道交通的线路关联信息确定与目标区域相关联的安全指标信息,进而可以基于安全指标信息确定目标区域的风险等级信息,进而可以基于风险等级信息对目标区域进行全局风险评价,达到了提高轨道交通运行安全性的技术效果。
本发明实施例所提供的应用于轨道交通的全局风险确定装置可执行本公开任一实施例所提供的应用于轨道交通的全局风险确定方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本公开实施例的保护范围。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如应用于轨道交通的全局风险确定方法。
在一些实施例中,应用于轨道交通的全局风险确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的应用于轨道交通的风险确定方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行应用于轨道交通的全局风险确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种应用于轨道交通的全局风险确定方法,其特征在于,包括:
获取当前时刻下目标区域内轨道交通线路的线路关联信息;其中,所述线路关联信息包括站点信息、站点能力参数、区间能力参数;
基于所述线路关联信息确定与所述轨道交通线路相对应的线路负荷风险参数信息;
基于所述线路负荷风险参数信息和线路风险参数信息,确定安全指标信息,并基于所述安全指标信息和安全指标范围确定风险等级信息。
2.根据权利要求1所述的方法,其特征在于,在基于所述线路关联信息确定与所述轨道交通线路相对应的线路负荷风险参数信息之前,包括:
获取与所述轨道交通线路相对应的伤亡损失信息和设备损失信息;
基于所述伤亡损失信息和所述设备损失信息,确定与所述轨道交通线路相对应线路风险参数信息。
3.根据权利要求1所述的方法,其特征在于,所述基于所述线路关联信息确定与所述轨道交通线路相对应的线路负荷风险参数信息,包括:
基于预设路径划分方法对所述线路关联信息进行处理,确定目标线路关联信息;
基于预设风险计算公式对所述目标线路关联信息进行处理,确定与所述轨道交通线路相对应的线路负荷参数信息。
4.根据权利要求3所述的方法,其特征在于,所述预设风险计算公式为:
;
其中,所述为时刻的线路负荷参数信息;所述M为车站数量信息;所述N为区间数量信息;所述为车站客流负荷信息;所述为车站吞吐客流量信息;所述为区间客流负荷信息;所述为区间运输能力信息。
5.根据权利要求1所述的方法,其特征在于,所述基于所述安全指标信息和安全指标范围确定风险等级信息,包括:
基于所述安全指标信息在所述安全指标范围内进行匹配,确定与所述安全指标信息相对应的匹配结果;
基于所述匹配结果确定风险等级信息;其中,所述风险等级信息包括一级风险、二级风险、三级风险、四级风险。
6.根据权利要求1所述的方法,其特征在于,在所述基于所述安全指标信息和安全指标范围确定风险等级信息之后,包括:
如果所述风险等级信息与预设风险等级信息相匹配,则确定无需对所述目标区域进行客流引导;
如果所述风险等级信息与预设风险等级信息不匹配,则确定需要对所述目标区域的进行客流引导。
7.根据权利要求6所述的方法,其特征在于,所述对所述目标区域的进行客流引导,包括:
基于所述线路关联信息构建与所述目标区域相对应的目标函数;
基于预设约束条件对所述目标函数进行求解,确定目标引导路径,基于所述目标引导路径进行客流引导。
8.一种应用于轨道交通的全局风险确定装置,其特征在于,包括:
信息获取模块,用于获取当前时刻下目标区域内轨道交通线路的线路关联信息;其中,所述线路关联信息包括站点信息、站点能力参数、区间能力参数;
参数信息确定模块,用于基于所述线路关联信息确定与所述交通线路相对应的线路负荷风险参数信息;
风险等级确定模块,用于基于所述线路负荷风险参数信息和线路风险参数信息,确定安全指标信息,并基于所述安全指标信息和安全指标范围确定风险等级信息。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;以及
与至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的应用于轨道交通的全局风险确定方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的应用于轨道交通的全局风险确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310213548.3A CN116090836A (zh) | 2023-03-08 | 2023-03-08 | 应用于轨道交通的全局风险确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310213548.3A CN116090836A (zh) | 2023-03-08 | 2023-03-08 | 应用于轨道交通的全局风险确定方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116090836A true CN116090836A (zh) | 2023-05-09 |
Family
ID=86212184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310213548.3A Pending CN116090836A (zh) | 2023-03-08 | 2023-03-08 | 应用于轨道交通的全局风险确定方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116090836A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117609867A (zh) * | 2024-01-17 | 2024-02-27 | 北京全路通信信号研究设计院集团有限公司 | 一种区域轨道交通安全等级确定方法、装置、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240030A (zh) * | 2014-09-16 | 2014-12-24 | 北京交通大学 | 一种轨道交通路网动态安全风险评价方法 |
CN109872008A (zh) * | 2019-03-13 | 2019-06-11 | 清华大学 | 基于客流分配的城市轨道交通路网安全性评估与增强方法 |
CN115115174A (zh) * | 2022-05-17 | 2022-09-27 | 北京全路通信信号研究设计院集团有限公司 | 一种区域多制式轨道交通全局功能目标分析方法及装置 |
-
2023
- 2023-03-08 CN CN202310213548.3A patent/CN116090836A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240030A (zh) * | 2014-09-16 | 2014-12-24 | 北京交通大学 | 一种轨道交通路网动态安全风险评价方法 |
CN109872008A (zh) * | 2019-03-13 | 2019-06-11 | 清华大学 | 基于客流分配的城市轨道交通路网安全性评估与增强方法 |
CN115115174A (zh) * | 2022-05-17 | 2022-09-27 | 北京全路通信信号研究设计院集团有限公司 | 一种区域多制式轨道交通全局功能目标分析方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117609867A (zh) * | 2024-01-17 | 2024-02-27 | 北京全路通信信号研究设计院集团有限公司 | 一种区域轨道交通安全等级确定方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107241512B (zh) | 基于手机数据的城际交通出行方式判断方法和设备 | |
CN104064028B (zh) | 基于多元信息数据的公交到站时间预测方法及系统 | |
CN112508300B (zh) | 建立风险预测模型的方法、区域风险预测方法及对应装置 | |
CN105427594B (zh) | 一种基于双向上车客流的公交断面客流量获取方法及系统 | |
CN111598427B (zh) | 一种城市轨道交通站点重要度评价方法 | |
CN106875699A (zh) | 一种交通控制优化方法及装置 | |
CN105279572A (zh) | 城市轨道交通客流密集度指数计算与发布系统 | |
CN107527293A (zh) | 基于统计模型的城市群空间联系强度分析系统 | |
CN105023437A (zh) | 一种公交od矩阵的构建方法及系统 | |
CN107270921A (zh) | 一种代维巡检路径规划方法及装置 | |
CN116090836A (zh) | 应用于轨道交通的全局风险确定方法、装置、设备及介质 | |
CN109872008A (zh) | 基于客流分配的城市轨道交通路网安全性评估与增强方法 | |
CN113988484B (zh) | 一种应用于国土空间总体规划的交通可达性指标优化方法 | |
CN114363316A (zh) | 一种跨区域道路基础设施智能联网监测与监管系统 | |
Li | Predicting short-term traffic flow in urban based on multivariate linear regression model | |
CN105489010A (zh) | 一种快速道路行程时间可靠度监测分析系统及方法 | |
CN111008730B (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
Wang et al. | Assessing route redundancy of freeway networks in Mega-city regions | |
CN115909750A (zh) | 事故多发地识别方法、装置、设备及存储介质 | |
CN114595540A (zh) | 一种自主式交通系统可靠性评估方法 | |
Zhu et al. | Modified stochastic user-equilibrium assignment algorithm for urban rail transit under network operation | |
Dou et al. | A cloud model-based method for passenger flow control at subway stations: A real-world case study | |
Kontelj et al. | Transport Modelling of Freight Flows Accordance to Investments: Case Study of Slovenian Railways | |
Jia et al. | The model and algorithm of distributing cooperation profits among operators of urban rail transit under PPP pattern | |
CN117035557B (zh) | 针对业务场景的公路基础设施数字化程度测评方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230509 |