System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及城市交通安全管理领域,尤其涉及一种韧性视角下城市交通综合体系统风险评估方法。
技术介绍
0、技术背景
1、城市交通综合体作为综合交通网络的关键节点,具备多式联运的特点,能充分融合多种交通方式独特的技术经济特点,形成高效有序、结构合理的有机统一体。在保证系统整体良性运转的同时,又能充分发挥多种交通方式各自的优势,从而平衡运能与需求,有效缓解交通压力,在城市客运体系中发挥着重要的作用。
2、伴随社会经济的高速发展,出行需求的急剧增长,交通负荷的持续增大,庞大的客流对城市交通运力调配、人员疏散提出了极大的考验。众多潜在风险时刻威胁着城市交通综合体的运营安全,因此分析评估城市交通综合体风险水平意义重大。
3、目前,针对城市交通枢纽及其配套设施的风险评估方法大多基于专家经验或客观数据,通过数理统计分析得出评估结果。例如,cesario等(2008)使用离散时间马尔可夫链来评估列车运行中管理失误造成的风险。arsalan等(2016)采用符合项目风险性质的优劣解距离法对地铁建设过程中突发事件的风险等级进行评估和排序。blagojevic等(2020)将数据包络分析法与模糊综合评价法相结合,开发出一种同时包含主观和客观意见的风险评估模型。weik等(2022)提出了动态故障树模型,分析大型车站基础设施故障对列车运行的影响,以评估铁路基础设施的可靠性。近年来,研究人员还将人工智能和机器学习引入风险评估。例如,alawad等(2020)利用计算机视觉和模式识别在铁路系统中实施风险管理,其中卷积神经
4、现有技术虽然提出了多种城市交通风险评估方法,并获得了较为优异的使用效果,但是缺乏针对城市交通综合体系统性、综合性的风险评估方法,针对城市交通综合体系统性、综合性的评估,现有技术存在不同程度的缺陷,总结后主要有以下几点:
5、(1)风险评估的对象相对单一,侧重于单条铁路线、单个车站,或仅对交通网络进行宏观评估;
6、(2)危险源识别和指标赋权过程以定性分析为主,可能受主观因素影响较大,造成结果偏差。有些研究虽然采用了定量分析方法,但主要局限于经典算法,无法全面反映客观因素;
7、(3)现有研究大多侧重于灾前预防,而对应急响应和灾后恢复的关注有限,对二者协同关系的研究也较为缺乏。
技术实现思路
1、对于现有技术中存在的问题,本专利技术的目的在于提供一种韧性视角下城市交通综合体系统风险评估方法,将城市交通综合体的危险源识别与风险评估相结合,对城市交通综合体各子系统潜在危险源进行了辨识并筛选出高风险危险源;针对高风险危险源建立相应的评估指标体系,引入云模型开展韧性视角下的风险评估,采用“抵抗-吸收-恢复”的评估链条来综合评估系统风险等级,量化风险的不确定性和模糊性。
2、为达到上述目的,本专利技术采用以下技术方案予以实现:
3、一种韧性视角下城市交通综合体系统风险评估方法,包括如下步骤:
4、s1、基于危险与可操作性分析法,识别城市交通综合体危险源,基于故障树模型、贝叶斯网络、dbscan聚类方法,在识别出的所述危险源中筛选出高风险危险源;
5、s2、基于所述高风险危险源,构建韧性视角下城市交通综合体风险评估指标体系,分别通过grey-dematel分析法、熵权法对所述风险评估指标体系中各风险评估指标进行主、客观赋权,通过主、客观权重获得各风险评估指标的组合权重;
6、s3、利用云模型中最重要的三个数字特征:期望、熵、超熵,将城市交通综合体风险的随机性和模糊性具象为随机的云滴,通过云滴构成的云图直观表现城市交通综合体的风险水平所处区间,并通过绘制雷达图判定城市交通综合体的实际风险等级。
7、优选地,s1包括以下子步骤:
8、s11、将城市交通综合体系统划分为13个子系统;
9、s12、获取13个子系统中可能造成安全隐患的节点偏离正常状态的程度,并采用相应的引导词进行描述;
10、s13、由专家评估各节点偏离正常状态的程度对系统整体风险水平的影响,筛选出危险源节点,并将所述危险源节点标记为危险源;
11、s14、在标记出的危险源中,采用故障树分析法分析火灾、洪涝、拥挤踩踏、旅客滞留4种风险事件的演化过程,构建出能描述火灾、洪涝、拥挤踩踏、旅客滞留4种事故发生规律的故障树模型,依据所述故障树模型构建贝叶斯网络,利用贝叶斯网络确定火灾、洪涝、拥挤踩踏、旅客滞留4种风险事件中危险源的后验概率,并采用dbscan聚类方法,筛选出高风险危险源。
12、优选地,s14具体包括:
13、s141、将火灾、洪涝、拥挤踩踏、旅客滞留4种风险事件分别作为故障树的顶上事件,依据分析过程确定故障树的基本事件和中间事件,将基本事件和中间事件之间的逻辑关系用逻辑“或”门和逻辑“与”门来表示,构建出能描述火灾、洪涝、拥挤踩踏、旅客滞留4种风险事件发生规律的故障树模型;
14、s142、根据故障树模型结构确定贝叶斯网络的根节点、中间节点、叶节点以及所述根节点、中间节点、叶节点之间的连接关系,利用贝叶斯网络专业分析软件genie构建贝叶斯网络;
15、s143、依据故障树模型中基本事件和中间事件之间的逻辑关系确定中间节点的条件概率;
16、s144、将根节点日均发生频率作为根节点发生概率,并分为7个等级,7个等级根节点发生概率范围分别定义为:每个等级用相应的语言值进行描述,收集并汇总所有专家对根节点发生概率的语言值描述;
17、s145、基于模糊数学理论构建7个等级语言值对应的隶属函数,将7个等级语言值的隶属函数模糊数去模糊化,得到7个等级语言值对应的清晰值;
18、s146、将专家给出的语言值描述与对应的清晰值进行替换,每个根节点的先验概率用对应清晰值的加权平均值表示;
19、s147、将中间节点条件概率与根节点先验概率导入到genie软件构建的贝叶斯网络中,选取genie软件自带的聚类算法作为贝叶斯网络分析方法,点击“更新”按钮,输出火灾、洪涝、拥挤踩踏、旅客滞留贝叶斯网络的因果推理结果,确定火灾、洪涝、拥挤踩踏、旅客滞留4种风险事件发生的概率;
20、s148、选取叶节点作为研究对象节点,设置其观测值为“1”,再次点击“更新”按钮,输出火灾、洪涝、拥挤踩踏、旅客滞留贝叶斯网络的故障诊断结果,确定贝叶斯网络中根节点的后验概率;
21、s149、采用dbscan聚类方法,依据根节点的后验概率筛选出高风险危险源。
22、优选地,s141中,所述逻辑“或”门的公式为:
23、
24、其中,d1为中间事件,它与基本事件x1、x2通过逻辑“或”门连接;
25、在基本文档来自技高网...
【技术保护点】
1.一种韧性视角下城市交通综合体系统风险评估方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种韧性视角下城市交通综合体系统风险评估方法,其特征在于,S1包括以下子步骤:
3.根据权利要求2所述的一种韧性视角下城市交通综合体系统风险评估方法,其特征在于,S14具体包括:
4.根据权利要求3所述的一种韧性视角下城市交通综合体系统风险评估方法,其特征在于,S141中,所述逻辑“或”门的公式为:
5.根据权利要求3所述的一种韧性视角下城市交通综合体系统风险评估方法,其特征在于,S145中,基于模糊数学理论构建7个等级语言值对应的隶属函数,将7个等级语言值的隶属函数模糊数去模糊化,得到7个等级语言值对应的清晰值的具体方法为:选用偏大型梯形分布构建等级1语言值的隶属函数,三角分布构建等级2~6语言值的隶属函数,偏小型梯形分布构建等级7语言值的隶属函数,服从偏大型梯形分布、三角分布、偏小型梯形分布的隶属函数一般表达式为:
6.根据权利要求1所述的一种韧性视角下城市交通综合体系统风险评估方法,其特征在于,S2包括以下子步骤:
7.根据权利要求6所述的一种韧性视角下城市交通综合体系统风险评估方法,其特征在于,S21中,所述15个指标为:工作人员职业技能、工作人员心理素质、工作人员应急能力、旅客聚集程度、火灾报警装置稳定性、排水系统恢复能力、广播通讯系统稳定性、进出站闸机服务能力、换乘系统疏散能力、节假日客运总量、工作日高峰小时客运总量、应急预案完善度、应急响应时间、应急演练开展频率、安全培训开展频率。
8.根据权利要求1所述的一种韧性视角下城市交通综合体系统风险评估方法,其特征在于,S3包括以下子步骤:
9.根据权利要求8所述的一种韧性视角下城市交通综合体系统风险评估方法,其特征在于,S32中标准云数字特征的计算方法为:采用黄金分割法计算标准云数字特征,公式为:
10.根据权利要求8所述的一种韧性视角下城市交通综合体系统风险评估方法,其特征在于,S33中一级指标云数字特征、综合云数字特征的计算方法为:
...【技术特征摘要】
1.一种韧性视角下城市交通综合体系统风险评估方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种韧性视角下城市交通综合体系统风险评估方法,其特征在于,s1包括以下子步骤:
3.根据权利要求2所述的一种韧性视角下城市交通综合体系统风险评估方法,其特征在于,s14具体包括:
4.根据权利要求3所述的一种韧性视角下城市交通综合体系统风险评估方法,其特征在于,s141中,所述逻辑“或”门的公式为:
5.根据权利要求3所述的一种韧性视角下城市交通综合体系统风险评估方法,其特征在于,s145中,基于模糊数学理论构建7个等级语言值对应的隶属函数,将7个等级语言值的隶属函数模糊数去模糊化,得到7个等级语言值对应的清晰值的具体方法为:选用偏大型梯形分布构建等级1语言值的隶属函数,三角分布构建等级2~6语言值的隶属函数,偏小型梯形分布构建等级7语言值的隶属函数,服从偏大型梯形分布、三角分布、偏小型梯形分布的隶属函数一般表达式为:
6.根据权利要求1所述的...
【专利技术属性】
技术研发人员:孙健,万高乐,邱果,石杨,康鹏灏,
申请(专利权)人:长安大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。