CN116307728A - 一种基于大数据分析的地铁线路运行风险管理系统 - Google Patents

一种基于大数据分析的地铁线路运行风险管理系统 Download PDF

Info

Publication number
CN116307728A
CN116307728A CN202310308288.8A CN202310308288A CN116307728A CN 116307728 A CN116307728 A CN 116307728A CN 202310308288 A CN202310308288 A CN 202310308288A CN 116307728 A CN116307728 A CN 116307728A
Authority
CN
China
Prior art keywords
planning
line
fault
subway
risk
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
Application number
CN202310308288.8A
Other languages
English (en)
Inventor
李开龙
康仙慧
柯钟温
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Haicheng Zhilian Technology Co ltd
Original Assignee
Shenzhen Haicheng Zhilian Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Haicheng Zhilian Technology Co ltd filed Critical Shenzhen Haicheng Zhilian Technology Co ltd
Priority to CN202310308288.8A priority Critical patent/CN116307728A/zh
Publication of CN116307728A publication Critical patent/CN116307728A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40Business processes related to the transportation industry
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明属于地铁风险管理领域,涉及数据分析技术,用于解决现有的地铁线路运行风险管理系统采用统一风险标准无法对地铁轨道的实际运行风险进行精准评估的问题,具体是一种基于大数据分析的地铁线路运行风险管理系统,包括风险管理平台,所述风险管理平台通信连接有规划分析模块、线路管理模块、运行监控模块、风险评估模块以及存储模块;所述规划分析模块用于通过地铁线路对城市进行区域划分:获取城市的地铁路线图,通过地铁路线图获取到若干个规划区域;本发明可以通过地铁线路对城市进行区域划分并得到规划区域,规划区域由轨道线路与边界线对城市进行分割得到,从而通过规划系数对规划区域的地铁救援压力进行反馈。

Description

一种基于大数据分析的地铁线路运行风险管理系统
技术领域
本发明属于地铁风险管理领域,涉及数据分析技术,具体是一种基于大数据分析的地铁线路运行风险管理系统。
背景技术
地铁是在城市中修建的快速、大运量、用电力牵引的轨道交通。列车在全封闭的线路上运行,位于中心城区的线路基本设在地下隧道内,中心城区以外的线路一般设在高架桥或地面上,地铁是涵盖了城市地区各种地下与地上的路权专有、高密度、高运量的城市轨道交通系统。
现有的地铁线路运行风险管理系统仅能够通过地铁运行时的各项参数进行分析来对地铁运行风险进行评估,这种风险评估方式手段单一,标准固定,然而,针对于错综复杂的地铁线路图,各个轨道线路的风险承受能力不尽相同,因此,采用统一风险标准无法对地铁轨道的实际运行风险进行精准评估。
针对上述技术问题,本申请提出一种解决方案。
发明内容
本发明的目的在于提供一种基于大数据分析的地铁线路运行风险管理系统,用于解决现有的地铁线路运行风险管理系统采用统一风险标准无法对地铁轨道的实际运行风险进行精准评估的问题;
本发明需要解决的技术问题为:如何提供一种可以采用动态风险标准对地铁轨道的实际运行风险进行精准评估的地铁线路运行风险管理系统。
本发明的目的可以通过以下技术方案实现:
一种基于大数据分析的地铁线路运行风险管理系统,包括风险管理平台,所述风险管理平台通信连接有规划分析模块、线路管理模块、运行监控模块、风险评估模块以及存储模块;
所述规划分析模块用于通过地铁线路对城市进行区域划分:获取城市的地铁路线图,通过地铁路线图获取到若干个规划区域;将规划区域的占地面积标记为占面值;将救援值与占面值的比值标记为规划区域的规划系数GH,将规划区域的规划系数GH发送至风险管理平台,风险管理平台接收到规划区域的规划系数GH将规划区域的规划系数GH发送至线路管理模块;
所述线路管理模块用于对城市地铁线路的规划合理性进行管理分析并对规划区域的规划等级进行标记,将规划区域的规划等级发送至风险管理平台,风险管理平台接收到规划区域的规划等级后将规划区域的规划等级发送至风险评估模块;
所述运行监控模块用于对地铁线路的运行状态进行监控分析并得到轨道线路的故障系数GX,将监控对象在监控周期内的故障系数GX通过风险管理平台发送至风险评估模块;
所述风险评估模块用于对城市地铁线路的运行风险进行评估分析。
作为本发明的一种优选实施方式,规划区域包括交叉区域与补充区域,交叉区域为地铁线路图中由多条轨道线路所截取的封闭区域,补充区域的获取过程包括:将轨道线路的两个端点均标记为边界点,随机选取其中一个边界点并标记为标记点,以标记点为起始点、顺时针对其他边界点依次进行连接得到若干条边界线,直至连线至边界点完成封闭,将边界线与轨道线路所形成的封闭区域标记为补充区域;获取规划区域内的救援单位数量并标记为救援值,救援单位包括消防队、医院、交通应急单位、电力应急单位以及地震应急单位。
作为本发明的一种优选实施方式,线路管理模块对城市地铁线路的规划合理性进行管理分析的具体过程包括:由所有规划区域的规划系数GH构成规划集合,对规划集合进行方差计算得到分布系数,通过存储模块获取到分布阈值,将分布系数与分布阈值进行比较:若分布系数小于分布阈值,则判定城市救援资源分布合理性满足要求;若分布系数大于等于分布阈值,则判定城市救援资源分布合理性不满足要求,规划分析模块将规划不合理信号发送至风险管理平台,风险管理平台接收到规划不合理信号后将规划不合理信号发送至管理人员的手机终端。
作为本发明的一种优选实施方式,对规划区域的规划等级进行标记的具体过程包括:通过存储模块获取到规划阈值GHmin、GHmax,将规划区域的规划系数GH逐一与规划阈值GHmin、GHmax进行比较:若GHmin≤GH,则将规划区域的规划等级标记为三等级;若GHmin<GH<GHmax,则将规划区域的规划等级标记为二等级;若GH≥GHmax,则将规划区域的规划等级标记为一等级。
作为本发明的一种优选实施方式,运行监控模块对地铁线路的运行状态进行监控分析的具体过程包括:将轨道线路标记为监控对象,设定监控周期,在监控周期内获取监控对象的一般数据YB、中型数据ZX以及大型数据DX,一般数据YB为监控对象在监控周期内出现一般故障的次数,一般故障包括车门故障、屏蔽门故障以及列车ATP故障;中型数据ZX为监控对象在监控周期内出现中型故障的次数,中型故障包括供电故障以及岔道故障;大型数据DX为监控对象在监控周期内出现大型故障的次数,大型故障包括列车脱轨故障、列车挤岔故障以及联锁故障;通过对一般数据YB、中型数据ZX以及大型数据DX进行数值计算得到监控对象在监控周期内的故障系数GX。
作为本发明的一种优选实施方式,风险评估模块对城市地铁线路的运行风险进行评估分析的具体过程包括:将轨道线路的相邻规划区域标记为轨道线路的关联区域,将轨道线路的关联区域中规划等级为一等级、二等级以及三等级的规划区域数量分别标记为一级值YJ、二级值EJ以及三级值SJ;通过对一级值YJ、二级值EJ以及三级值SJ进行数值计算得到轨道线路的救援系数JY;通过存储模块获取到故障标准值GB,通过对故障标准值GB进行数值计算得到故障阈值GBmax;将轨道线路的故障系数GX与故障阈值GBmax进行比较:若故障系数GX小于故障阈值GBmax,则判定轨道线路的运行风险满足要求,将对应的轨道线路标记为安全线路;若故障系数GX大于等于故障阈值GBmax,则判定轨道线路的运行风险不满足要求,将对应的轨道线路标记为风险线路;将风险线路发送至风险管理平台,风险管理平台接收到风险线路后将风险线路发送至管理人员的手机终端。
作为本发明的一种优选实施方式,故障阈值GBmax的计算过程包括:通过存储模块获取到救援阈值JYmin、JYmax,将轨道线路的救援系数JY与救援阈值JYmin、JYmax进行比较:若JY≤JYmin,则通过公式GBmax=t1*GB得到故障阈值GBmax;若JYmin<JY<JYmax,则通过公式GBmax=t2*GB得到故障阈值GBmax;若JY≥JYmax,则故障阈值GBmax的取值为故障标准值GB;其中t1与t2均为比例系数,且0.75≤t1≤0.85,0.85≤t2≤0.95。
作为本发明的一种优选实施方式,该基于大数据分析的地铁线路运行风险管理系统的工作方法,包括以下步骤:
步骤一:通过地铁线路对城市进行区域划分:获取城市的地铁路线图,通过地铁路线图获取到若干个规划区域,获取规划区域的规划系数GH并发送至线路管理模块;
步骤二:对城市地铁线路的规划合理性进行管理分析:由所有规划区域的规划系数GH构成规划集合,对规划集合进行方差计算得到分布系数,通过分布系数的数值大小对城市救援资源分布合理性是否满足要求进行判定;通过规划系数GH的数值大小对规划区域的规划等级进行标记;
步骤三:对地铁线路的运行状态进行监控分析:将轨道线路标记为监控对象,设定监控周期,在监控周期内获取监控对象的故障系数GX并发送至风险评估模块;
步骤四:对城市地铁线路的运行风险进行评估分析:将轨道线路的相邻规划区域标记为轨道线路的关联区域,通过关联区域的规划等级对轨道线路的救援系数JY进行数值计算,结合救援系数JY与故障系数GX的数值大小对轨道线路的运行风险是否满足要求进行判定。
本发明具备下述有益效果:
1.通过规划分析模块可以通过地铁线路对城市进行区域划分并得到规划区域,规划区域由轨道线路与边界线对城市进行分割得到,通过对规划区域内的救援单位分布状态以及规划区域的占地面积进行综合分析得到规划系数,从而通过规划系数对规划区域的地铁救援压力进行反馈;
2.通过线路管理模块可以对城市地铁线路的规划合理性进行管理分析,通过分布系数的数值大小对规划区域内的救援资源分布集中程度进行反馈,同时通过规划系数对规划区域的规划等级进行标记,对规划区域的地铁救援压力进行等级划分;
3.通过运行监控模块可以对地铁线路的运行状态进行监控分析,通过对轨道线路中的各种故障数据进行统计与计算,得到轨道线路的故障系数,进而通过故障系数的数值大小对轨道线路上的地铁运行状态进行反馈;
4.通过风险评估模块可以对城市地铁线路的运行风险进行评估分析,通过轨道线路关联区域的规划等级情况,对轨道线路的故障阈值进行适应性调节,采用阶梯式浮动的风险评估标准对不同救援压力的轨道线路运行风险进行精准评估,提高风险管理结果的精确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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为本发明实施例一的系统框图;
图2为本发明实施例二的方法流程图。
具体实施方式
下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一
如图1所示,一种基于大数据分析的地铁线路运行风险管理系统,包括风险管理平台,风险管理平台通信连接有规划分析模块、线路管理模块、运行监控模块、风险评估模块以及存储模块。
规划分析模块用于通过地铁线路对城市进行区域划分:获取城市的地铁路线图,通过地铁路线图获取到若干个规划区域,规划区域包括交叉区域与补充区域,交叉区域为地铁线路图中由多条轨道线路所截取的封闭区域,补充区域的获取过程包括:将轨道线路的两个端点均标记为边界点,随机选取其中一个边界点并标记为标记点,以标记点为起始点、顺时针对其他边界点依次进行连接得到若干条边界线,直至连线至边界点完成封闭,将边界线与轨道线路所形成的封闭区域标记为补充区域;获取规划区域内的救援单位数量并标记为救援值,救援单位包括消防队、医院、交通应急单位、电力应急单位以及地震应急单位;将规划区域的占地面积标记为占面值;将救援值与占面值的比值标记为规划区域的规划系数GH,将规划区域的规划系数GH发送至风险管理平台,风险管理平台接收到规划区域的规划系数GH将规划区域的规划系数GH发送至线路管理模块;通过地铁线路对城市进行区域划分并得到规划区域,规划区域由轨道线路与边界线对城市进行分割得到,通过对规划区域内的救援单位分布状态以及规划区域的占地面积进行综合分析得到规划系数,从而通过规划系数对规划区域的地铁救援压力进行反馈。
线路管理模块用于对城市地铁线路的规划合理性进行管理分析:由所有规划区域的规划系数GH构成规划集合,对规划集合进行方差计算得到分布系数,通过存储模块获取到分布阈值,将分布系数与分布阈值进行比较:若分布系数小于分布阈值,则判定城市救援资源分布合理性满足要求;若分布系数大于等于分布阈值,则判定城市救援资源分布合理性不满足要求,规划分析模块将规划不合理信号发送至风险管理平台,风险管理平台接收到规划不合理信号后将规划不合理信号发送至管理人员的手机终端;通过存储模块获取到规划阈值GHmin、GHmax,将规划区域的规划系数GH逐一与规划阈值GHmin、GHmax进行比较:若GHmin≤GH,则将规划区域的规划等级标记为三等级;若GHmin<GH<GHmax,则将规划区域的规划等级标记为二等级;若GH≥GHmax,则将规划区域的规划等级标记为一等级;将规划区域的规划等级发送至风险管理平台,风险管理平台接收到规划区域的规划等级后将规划区域的规划等级发送至风险评估模块;对城市地铁线路的规划合理性进行管理分析,通过分布系数的数值大小对规划区域内的救援资源分布集中程度进行反馈,同时通过规划系数对规划区域的规划等级进行标记,对规划区域的地铁救援压力进行等级划分。
运行监控模块用于对地铁线路的运行状态进行监控分析:将轨道线路标记为监控对象,设定监控周期,在监控周期内获取监控对象的一般数据YB、中型数据ZX以及大型数据DX,一般数据YB为监控对象在监控周期内出现一般故障的次数,一般故障包括车门故障、屏蔽门故障以及列车ATP故障;中型数据ZX为监控对象在监控周期内出现中型故障的次数,中型故障包括供电故障以及岔道故障;大型数据DX为监控对象在监控周期内出现大型故障的次数,大型故障包括列车脱轨故障、列车挤岔故障以及联锁故障;通过公式GX=α1*DX+α2*ZX+α3*YB得到监控对象在监控周期内的故障系数GX,故障系数是一个反映监控对象在监控周期内的运行状态好坏程度的数值,故障系数的数值越大,则表示监控对象在监控周期内的运行状态越差;其中α1、α2以及α3均为比例系数,且α1>α2>α3>1;将监控对象在监控周期内的故障系数GX通过风险管理平台发送至风险评估模块;对地铁线路的运行状态进行监控分析,通过对轨道线路中的各种故障数据进行统计与计算,得到轨道线路的故障系数,进而通过故障系数的数值大小对轨道线路上的地铁运行状态进行反馈。
风险评估模块用于对城市地铁线路的运行风险进行评估分析:将轨道线路的相邻规划区域标记为轨道线路的关联区域,将轨道线路的关联区域中规划等级为一等级、二等级以及三等级的规划区域数量分别标记为一级值YJ、二级值EJ以及三级值SJ;通过公式
Figure SMS_1
得到轨道线路的救援系数JY,救援系数是一个反映轨道线路整体的事故风险承担能力的数值,救援系数的数值越大,则表示轨道线路整体的事故风险承担能力越强;其中β1、β2以及β3均为比例系数,且β1>β2>β3>1;通过存储模块获取到故障标准值GB,通过对故障标准值GB进行数值计算得到故障阈值GBmax,故障阈值GBmax的计算过程包括:通过存储模块获取到救援阈值JYmin、JYmax,将轨道线路的救援系数JY与救援阈值JYmin、JYmax进行比较:若JY≤JYmin,则通过公式GBmax=t1*GB得到故障阈值GBmax;若JYmin<JY<JYmax,则通过公式GBmax=t2*GB得到故障阈值GBmax;若JY≥JYmax,则故障阈值GBmax的取值为故障标准值GB;其中t1与t2均为比例系数,且0.75≤t1≤0.85,0.85≤t2≤0.95;将轨道线路的故障系数GX与故障阈值GBmax进行比较:若故障系数GX小于故障阈值GBmax,则判定轨道线路的运行风险满足要求,将对应的轨道线路标记为安全线路;若故障系数GX大于等于故障阈值GBmax,则判定轨道线路的运行风险不满足要求,将对应的轨道线路标记为风险线路;将风险线路发送至风险管理平台,风险管理平台接收到风险线路后将风险线路发送至管理人员的手机终端;对城市地铁线路的运行风险进行评估分析,通过轨道线路关联区域的规划等级情况,对轨道线路的故障阈值进行适应性调节,采用阶梯式浮动的风险评估标准对不同救援压力的轨道线路运行风险进行精准评估,提高风险管理结果的精确性。
实施例二
如图2所示,一种基于大数据分析的地铁线路运行风险管理方法,包括以下步骤:
步骤一:通过地铁线路对城市进行区域划分:获取城市的地铁路线图,通过地铁路线图获取到若干个规划区域,获取规划区域的规划系数GH并发送至线路管理模块;
步骤二:对城市地铁线路的规划合理性进行管理分析:由所有规划区域的规划系数GH构成规划集合,对规划集合进行方差计算得到分布系数,通过分布系数的数值大小对城市救援资源分布合理性是否满足要求进行判定;通过规划系数GH的数值大小对规划区域的规划等级进行标记;
步骤三:对地铁线路的运行状态进行监控分析:将轨道线路标记为监控对象,设定监控周期,在监控周期内获取监控对象的故障系数GX并发送至风险评估模块;
步骤四:对城市地铁线路的运行风险进行评估分析:将轨道线路的相邻规划区域标记为轨道线路的关联区域,通过关联区域的规划等级对轨道线路的救援系数JY进行数值计算,结合救援系数JY与故障系数GX的数值大小对轨道线路的运行风险是否满足要求进行判定。
一种基于大数据分析的地铁线路运行风险管理系统,工作时,获取城市的地铁路线图,通过地铁路线图获取到若干个规划区域,获取规划区域的规划系数GH并发送至线路管理模块;由所有规划区域的规划系数GH构成规划集合,对规划集合进行方差计算得到分布系数,通过分布系数的数值大小对城市救援资源分布合理性是否满足要求进行判定;通过规划系数GH的数值大小对规划区域的规划等级进行标记;将轨道线路标记为监控对象,设定监控周期,在监控周期内获取监控对象的故障系数GX并发送至风险评估模块;将轨道线路的相邻规划区域标记为轨道线路的关联区域,通过关联区域的规划等级对轨道线路的救援系数JY进行数值计算,结合救援系数JY与故障系数GX的数值大小对轨道线路的运行风险是否满足要求进行判定。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;如:公式GX=α1*DX+α2*ZX+α3*YB;由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的故障系数;将设定的故障系数和采集的样本数据代入公式,任意三个公式构成三元一次方程组,将计算得到的系数进行筛选并取均值,得到α1、α2以及α3的取值分别为5.47、4.25和2.14;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的故障系数;只要不影响参数与量化后数值的比例关系即可,如故障系数与大型数据的数值成正比。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”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一定指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何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (8)

1.一种基于大数据分析的地铁线路运行风险管理系统,其特征在于,包括风险管理平台,所述风险管理平台通信连接有规划分析模块、线路管理模块、运行监控模块、风险评估模块以及存储模块;
所述规划分析模块用于通过地铁线路对城市进行区域划分:获取城市的地铁路线图,通过地铁路线图获取到若干个规划区域;将规划区域的占地面积标记为占面值;将救援值与占面值的比值标记为规划区域的规划系数GH,将规划区域的规划系数GH发送至风险管理平台,风险管理平台接收到规划区域的规划系数GH将规划区域的规划系数GH发送至线路管理模块;
所述线路管理模块用于对城市地铁线路的规划合理性进行管理分析并对规划区域的规划等级进行标记,将规划区域的规划等级发送至风险管理平台,风险管理平台接收到规划区域的规划等级后将规划区域的规划等级发送至风险评估模块;
所述运行监控模块用于对地铁线路的运行状态进行监控分析并得到轨道线路的故障系数GX,将监控对象在监控周期内的故障系数GX通过风险管理平台发送至风险评估模块;
所述风险评估模块用于对城市地铁线路的运行风险进行评估分析。
2.根据权利要求1所述的一种基于大数据分析的地铁线路运行风险管理系统,其特征在于,规划区域包括交叉区域与补充区域,交叉区域为地铁线路图中由多条轨道线路所截取的封闭区域,补充区域的获取过程包括:将轨道线路的两个端点均标记为边界点,随机选取其中一个边界点并标记为标记点,以标记点为起始点、顺时针对其他边界点依次进行连接得到若干条边界线,直至连线至边界点完成封闭,将边界线与轨道线路所形成的封闭区域标记为补充区域;获取规划区域内的救援单位数量并标记为救援值,救援单位包括消防队、医院、交通应急单位、电力应急单位以及地震应急单位。
3.根据权利要求1所述的一种基于大数据分析的地铁线路运行风险管理系统,其特征在于,线路管理模块对城市地铁线路的规划合理性进行管理分析的具体过程包括:由所有规划区域的规划系数GH构成规划集合,对规划集合进行方差计算得到分布系数,通过存储模块获取到分布阈值,将分布系数与分布阈值进行比较:若分布系数小于分布阈值,则判定城市救援资源分布合理性满足要求;若分布系数大于等于分布阈值,则判定城市救援资源分布合理性不满足要求,规划分析模块将规划不合理信号发送至风险管理平台,风险管理平台接收到规划不合理信号后将规划不合理信号发送至管理人员的手机终端。
4.根据权利要求1所述的一种基于大数据分析的地铁线路运行风险管理系统,其特征在于,对规划区域的规划等级进行标记的具体过程包括:通过存储模块获取到规划阈值GHmin、GHmax,将规划区域的规划系数GH逐一与规划阈值GHmin、GHmax进行比较:若GHmin≤GH,则将规划区域的规划等级标记为三等级;若GHmin<GH<GHmax,则将规划区域的规划等级标记为二等级;若GH≥GHmax,则将规划区域的规划等级标记为一等级。
5.根据权利要求4所述的一种基于大数据分析的地铁线路运行风险管理系统,其特征在于,运行监控模块对地铁线路的运行状态进行监控分析的具体过程包括:将轨道线路标记为监控对象,设定监控周期,在监控周期内获取监控对象的一般数据YB、中型数据ZX以及大型数据DX,一般数据YB为监控对象在监控周期内出现一般故障的次数,一般故障包括车门故障、屏蔽门故障以及列车ATP故障;中型数据ZX为监控对象在监控周期内出现中型故障的次数,中型故障包括供电故障以及岔道故障;大型数据DX为监控对象在监控周期内出现大型故障的次数,大型故障包括列车脱轨故障、列车挤岔故障以及联锁故障;通过对一般数据YB、中型数据ZX以及大型数据DX进行数值计算得到监控对象在监控周期内的故障系数GX。
6.根据权利要求5所述的一种基于大数据分析的地铁线路运行风险管理系统,其特征在于,风险评估模块对城市地铁线路的运行风险进行评估分析的具体过程包括:将轨道线路的相邻规划区域标记为轨道线路的关联区域,将轨道线路的关联区域中规划等级为一等级、二等级以及三等级的规划区域数量分别标记为一级值YJ、二级值EJ以及三级值SJ;通过对一级值YJ、二级值EJ以及三级值SJ进行数值计算得到轨道线路的救援系数JY;通过存储模块获取到故障标准值GB,通过对故障标准值GB进行数值计算得到故障阈值GBmax;将轨道线路的故障系数GX与故障阈值GBmax进行比较:若故障系数GX小于故障阈值GBmax,则判定轨道线路的运行风险满足要求,将对应的轨道线路标记为安全线路;若故障系数GX大于等于故障阈值GBmax,则判定轨道线路的运行风险不满足要求,将对应的轨道线路标记为风险线路;将风险线路发送至风险管理平台,风险管理平台接收到风险线路后将风险线路发送至管理人员的手机终端。
7.根据权利要求6所述的一种基于大数据分析的地铁线路运行风险管理系统,其特征在于,故障阈值GBmax的计算过程包括:通过存储模块获取到救援阈值JYmin、JYmax,将轨道线路的救援系数JY与救援阈值JYmin、JYmax进行比较:若JY≤JYmin,则通过公式GBmax=t1*GB得到故障阈值GBmax;若JYmin<JY<JYmax,则通过公式GBmax=t2*GB得到故障阈值GBmax;若JY≥JYmax,则故障阈值GBmax的取值为故障标准值GB;其中t1与t2均为比例系数,且0.75≤t1≤0.85,0.85≤t2≤0.95。
8.根据权利要求1-7任一项所述的一种基于大数据分析的地铁线路运行风险管理系统,其特征在于,该基于大数据分析的地铁线路运行风险管理系统的工作方法,包括以下步骤:
步骤一:通过地铁线路对城市进行区域划分:获取城市的地铁路线图,通过地铁路线图获取到若干个规划区域,获取规划区域的规划系数GH并发送至线路管理模块;
步骤二:对城市地铁线路的规划合理性进行管理分析:由所有规划区域的规划系数GH构成规划集合,对规划集合进行方差计算得到分布系数,通过分布系数的数值大小对城市救援资源分布合理性是否满足要求进行判定;通过规划系数GH的数值大小对规划区域的规划等级进行标记;
步骤三:对地铁线路的运行状态进行监控分析:将轨道线路标记为监控对象,设定监控周期,在监控周期内获取监控对象的故障系数GX并发送至风险评估模块;
步骤四:对城市地铁线路的运行风险进行评估分析:将轨道线路的相邻规划区域标记为轨道线路的关联区域,通过关联区域的规划等级对轨道线路的救援系数JY进行数值计算,结合救援系数JY与故障系数GX的数值大小对轨道线路的运行风险是否满足要求进行判定。
CN202310308288.8A 2023-03-28 2023-03-28 一种基于大数据分析的地铁线路运行风险管理系统 Pending CN116307728A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310308288.8A CN116307728A (zh) 2023-03-28 2023-03-28 一种基于大数据分析的地铁线路运行风险管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310308288.8A CN116307728A (zh) 2023-03-28 2023-03-28 一种基于大数据分析的地铁线路运行风险管理系统

Publications (1)

Publication Number Publication Date
CN116307728A true CN116307728A (zh) 2023-06-23

Family

ID=86834141

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310308288.8A Pending CN116307728A (zh) 2023-03-28 2023-03-28 一种基于大数据分析的地铁线路运行风险管理系统

Country Status (1)

Country Link
CN (1) CN116307728A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116562508A (zh) * 2023-07-05 2023-08-08 北京城建设计发展集团股份有限公司 基于轨道交通车站预留工程的最佳临界值采集分析系统
CN116706904A (zh) * 2023-08-07 2023-09-05 国网四川省电力公司乐山供电公司 一种基于人工智能的电网异常故障应急处理系统
CN116882628A (zh) * 2023-07-18 2023-10-13 中天昊建设管理集团股份有限公司 一种基于人工智能的城市规划市政设计智能管理系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116562508A (zh) * 2023-07-05 2023-08-08 北京城建设计发展集团股份有限公司 基于轨道交通车站预留工程的最佳临界值采集分析系统
CN116562508B (zh) * 2023-07-05 2023-10-03 北京城建设计发展集团股份有限公司 基于轨道交通车站预留工程的最佳临界值采集分析系统
CN116882628A (zh) * 2023-07-18 2023-10-13 中天昊建设管理集团股份有限公司 一种基于人工智能的城市规划市政设计智能管理系统
CN116882628B (zh) * 2023-07-18 2024-03-22 中天昊建设管理集团股份有限公司 一种基于人工智能的城市规划市政设计智能管理系统
CN116706904A (zh) * 2023-08-07 2023-09-05 国网四川省电力公司乐山供电公司 一种基于人工智能的电网异常故障应急处理系统
CN116706904B (zh) * 2023-08-07 2023-10-10 国网四川省电力公司乐山供电公司 一种基于人工智能的电网异常故障应急处理系统

Similar Documents

Publication Publication Date Title
CN116307728A (zh) 一种基于大数据分析的地铁线路运行风险管理系统
Andrić et al. The cost performance and causes of overruns in infrastructure development projects in Asia
Liu et al. Understanding railway operational accidents using network theory
Soleimanmeigouni et al. Prediction of railway track geometry defects: a case study
Zhou et al. A method for modeling and analysis of directed weighted accident causation network (DWACN)
CN104217367A (zh) 一种轨道交通线路动态安全风险评价方法
Rungskunroch et al. Benchmarking on railway safety performance using Bayesian inference, decision tree and petri-net techniques based on long-term accidental data sets
Adey et al. Estimating and communicating the risk of neglecting maintenance
Beiler et al. Identifying resiliency performance measures for megaregional planning: Case study of the transportation corridor between Boston, Massachusetts, and Washington, DC
Lai et al. Review of constraints and critical success factors of developing urban underground space
US11801879B2 (en) System and method for continuous welded rail risk modeling
CN116341957A (zh) 一种公路基础设施数字化率测度方法
Zhou et al. Whole risk assessment system and management system of urban road tunnel operation stage
Flanigan et al. Objective resilience monitoring for railroad systems
Litherland et al. An alternative approach to railway asset management value analysis: application to a UK railway corridor
Faulkner et al. Towards a Good Practice Guide for Implementing CNOSSOS-EU in Ireland
Khetwal et al. Operational resilience of traffic tunnels: An example case study
Litherland et al. Development of an Extended RAMS Framework for Railway Networks
Yun et al. Resilience Assessment of Beijing Subway Lines under Extreme Precipitation Weather
CN115409372B (zh) 一种基于数据分析的风险评估方法及系统
El-khateeb et al. A Hybrid Multi-Criteria Decision Making Model for Defect-Based Condition Assessment of Railway Infrastructure. Sustainability 2021, 13, 7186
Rosi et al. Railway Infrastructure Resilience Analysis in Case of Flooding: Case Study in Italy
Longo et al. Using simulation to assess infrastructure performance in multicriteria evaluation of railway projects
He et al. Risk Identification Method for Urban Rail Transit System Considering Topology Structure
Dindar Derailment risk analysis, monitoring and management at railway turnouts

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