[发明专利]一种城市轨道交通车站安全态势感知方法

说明书

技术领域

本发明属于城市轨道交通安全技术领域，具体涉及一种城市轨道交通车站安全态势感知方法。 

背景技术

轨道交通领域中常用的安全分析与评价方法主要有故障模式和影响分析法、事件树分析法、事故树分析法、安全检查表法、神经网络分析法、风险评价法、模糊综合评价法、TOPSIS评价法和因果分析法等。王志华在分析地铁运营事故发生规律和地铁车站运营事故致因机理的基础上，构建了安全风险评价指标体系，建立了基于物元法的综合评价模型，实现地铁车站运营安全风险的有效评价。李铭辉通过对地铁运营中的危险因素进行分析，建立了地铁运营安全评价指标体系，运用模糊综合评价、安全检查表法对地铁运营安全进行有效的评价；于小舟采用MORT方法构建了北京地铁安全评价系统，并利用层次分析法确定评价系统中各指标的权重，再借助模糊综合评价方法对北京地铁系统中的信号子系统进行MORT安全评价的实际应用。目前我国城市轨道交通运营安全评价存在的问题有：研究不够系统深入，指标欠完善，方法单一，存在着主观性和片面性，并且不能将城市轨道交通安全的现状和将来发展趋势结合起来进行研究。 

 

发明内容

本发明提出一套完整而具体的面向轨道交通车站的安全态势感知方法，建立定量的评价指标，评估车站过去和现在的安全态势，并对将来态势进行准确地预测。 

本发明的目的在于以乘客出行安全为核心，，通过分析车站对乘客出行的安 全性造成的影响，提出一套完整而具体的面向轨道交通车站的安全态势感知方法，获得轨道交通车站安全态势获取、理解和预测方法。通过挖掘车站过去和现在的客流数据、故障数据、客伤数据，建立定量的评价指标，评估车站过去和现在的安全态势，并对将来态势进行准确地预测，具备对车站运营安全状态进行态势感知的能力。 

本发明实施例提供了一种城市轨道交通车站安全态势感知方法，包括： 

获取并存储安全影响的关键因素信息，对所述关键因素信息进行处理分析，确定安全态势感知评价指标体系的备选评价指标集数据； 

创建安全态势评价指标体系的进程，并设置车站安全态势为目标层，设置人的因素、设备因素、环境因素和管理因素为准则层，设置多个安全评价指标作为指标层； 

以预设置的周期为量纲，对原始车站数据进行预处理，剔除不相关、不完整、不一致和无影响的数据，将城市轨道交通车站安全态势感知评价指标进行量化； 

将各评价指标进行标准化处理，获得标准化后的多维联系数决策矩阵； 

根据灰色综合关联度确定多个评价指标的权重向量参数； 

确定车站安全态势的绝对理想解和绝对负理想解参数； 

利用加权相对海明距离计算距离参数； 

计算综合安全态势值参数； 

在所述安全态势评价指标体系的进程中，通过上述计算得出的参数，建立由支持向量机和粒子群优化算法组成的安全态势感知预测模型。 

本发明提供了对城市轨道交通车站安全态势感知的方法，通过分析车站对乘客出行的安全性造成的影响，提出一套完整而具体地面向轨道交通车站的安 全态势感知模型，获得轨道交通车站安全态势获取、理解和预测方法，能准确及时地掌握城市轨道交通车站安全态势，为制定合理有效的决策提供支持；实现对已有知识中获取的经验进行自我推理，增强对乘客的安全防护能力；对城市轨道交通车站的相关安全变量的获取、理解，并预测将来的安全态势，指导车站采取有效措施保障乘客的出行安全。 

附图说明

图1为城市轨道交通车站安全态势感知概念模型图。 

图2为轨道交通车站安全态势感知评价指标体系图。 

图3为安全态势值的计算过程图。 

图4为某城市轨道交通车站2011年安全态势值图。 

图5为基于PSO/SVM的安全态势预测模型结构图。 

图6为基于PSO/SVM的安全态势预测模型流程图。 

图7为基于PSO/SVM的安全态势预测训练过程适应度曲线图。 

图8为训练所得到的PSO/SVM安全态势预测模型安全态势值输出和实际安全态势值之间的比较图。 

图9为测试所得到的PSO/SVM安全态势预测模型安全态势值输出和实际安全态势值之间的比较图。 

图10为训练所得到的PSO/SVM安全态势预测模型安全态势值输出与实际安全态势值相关性分析曲线图。 

图11为测试所得到的PSO/SVM安全态势预测模型安全态势值输出与实际安全态势值相关性分析曲线图。 

具体实施方式