铁路安全风险预警信息系统的研究与设计

以提升铁路安全趋势分析能力，完善铁路安全风险预控管理体系为重点，在深入研究铁路安全风险构成、风险量化评价方法、安全状态评价模型及风险预警模型等关键技术的基础上，提出了铁路安全风险预警信息系统的建设目标、总体架构和主要功能设计。实践表明，通过系统的研究与应用，可以加强铁路安全风险的管理和预控能力，促进铁路安全管理的前移和科学化。     

基于保护层分析法的铁路安全风险量化评价模型

为实现铁路运输安全风险定量评价,支撑铁路运输安全风险分级管控和精准预警,提出基于保护层分析理论的铁路安全风险评价模型。定义了保护层概念,即铁路运输生产各环节采取的人工或自动检测监测手段;通过风险初始事件固有发生频率和保护层失效频率确定风险发生的频率,并从直接经济损失、人员伤亡、行车中断3个方面定量评估风险造成的损失,从而精确计算风险值。以某货运车站道岔故障的风险评估作为示例进行模型评价试验。结果表明,该模型能够对铁路运输安全风险进行量化评价,并保证评价质量。     

铁路危险货物运输风险预警评价的研究

阐释我国铁路危险货物运输事故原因,分析铁路危险货物运输风险因素,包括人的因素、管理因素、设施设备因素和环境因素,构建铁路危险货物运输风险评价指标体系并应用模糊综合评价法对铁路危险货物运输风险进行评价。通过将铁路危险货物运输风险级别与预警管理相结合,开展分级预警管理,结合某铁路局危险货物运输实例进行评价,表明其危险货物运输总体风险正处于警戒向轻度危机转化的状态,建议开展铁路危险货物运输安全专项整治,最大限度地减少事故发生的可能性。     

基于GAHP的铁路大雪灾害风险模糊综合评估

为了准确评估铁路大雪灾害风险,提出一种基于群决策层次分析法的铁路大雪灾害风险模糊综合评估模型。首先,详细分析铁路大雪灾害风险因子,建立铁路大雪灾害风险评估量化指标体系,采用改进的群决策层次分析法获得各指标权重;其次,引入和改进模糊综合评价模型,通过计算最大隶属度原则的有效度,综合采用级别特征值公式和置信度准则确定铁路大雪灾害风险评估级别;最后以某铁路区段为例进行风险评估。结果表明,模型合理可靠,能更准确地判定风险级别。     

一种基于BP神经网络的铁路大宗货物运价风险预警判定方法

为获取较大的市场占有率和较好的利润增长水平,铁路货运公司需要实时掌握铁路货物运价在货运市场中的竞争力,综合考虑社会、企业自身和货主等因素,基于BP神经网络算法,进行铁路货运价格风险预警判定方法研究,并建立运价风险预警模型。以某铁路局集团有限公司大宗货物运输中的煤炭运输为例,选取2015-2017年相关数据,训练BP神经网络模型,得到铁路煤炭运价的风险预警结果。与实际数据对比,拟合程度较高,因此可使用该方法对当期的运价风险程度进行合理预测,同时也对相关铁路部门的运价政策制定与调整起到辅助决策作用。     

铁路安全风险信息分类标准化

铁路安全风险信息分类标准化是实现依托安全大数据信息科学研判和管控安全风险的基础。以MECE分类分析法为指导，提出铁路安全风险信息分类总体思路；将风险事件确定为风险信息最关键的引导项，从风险定义出发研究铁路安全风险事件的规范化描述方法；基于领结模型分析，研究铁路安全风险事件的信息颗粒度描述方法和事件链模型；基于铁路安全风险管理过程，分析给出风险信息标准化项点；结合铁路行业安全风险信息有关的标准、规章，研究标准化项点的规范化和结构化。结果表明，基于风险定义、安全风险管理过程和领结模型进行风险信息分类，能够确保形成稳定、科学合理的分类体系；风险事件的规范化描述适用于以风险点、风险行为、风险偏差为特征的面分类法；风险事件的颗粒度描述可采用铁路局集团公司、专业、站段、车间共4级的线分类法；基于铁路安全风险管理过程，可清晰地梳理出信息标准化项点；标准化项点的规范化和结构化主要通过术语内涵、数据格式、典库实现。     

基于多监测及预警要素的地铁工程安全风险量化评估方法

通过对地铁基坑隧道工程各监测项目实测数据及其预警指标、预警数量等多项因素进行挖掘和综合分析，研究建立一种基于多因素权重矩阵分析法的工程安全风险状态量化评估方法，克服当前监测预警多、风险评判定性为主的工程安全风险状态局限性，填补工程安全风险动态及定量化评估的空白，提升工程预警及安全风险状态判别的合理性、及时性和智能化。将该方法应用于某工程中，有效并及时地指导地铁基坑隧道工程施工中安全风险评估与控制、预警响应及处置工作，提高地铁工程的安全风险预控效果及管理水平。     

考虑风险偏好行为的铁路选线决策模型研究

针对传统铁路选线决策模型中未考虑决策者风险偏好行为对决策结果产生的影响，以及定量指标和定性指标难以综合评价的系统量化问题，选用技术可行性、经济合理性、施工及环境影响和社会政治经济意义4个方面的影响因素，建立铁路选线决策指标体系，并采用九级标度语言评价值对定性指标进行评价，再将定性指标转换为直觉模糊数带入计算；然后定义效用函数表达决策者风险偏好行为，采用两次改进熵权法确定指标客观权重；最后结合基于对称交互熵的多属性决策排序法，构建一种新的考虑决策者风险偏好行为的铁路选线决策模型。根据该模型，通过选择不同的风险偏好因子k得出与其对应的最优方案。通过案例分析，该模型具有更好的实践性和可靠性，为今后类似风险偏好铁路选线决策工作提供了一种新的应对策略。     

铁路运输安全监督管理大数据应用研究

为提高铁路安全监管大数据利用价值,实现安全管理精细化和辅助决策智能化,研究提出铁路运输安全监督管理大数据应用技术方案。通过对文本挖掘、关联分析、风险量化评价等关键技术的研究,实现安全规律分析、安全状态评价、安全风险预警等安监大数据应用功能。该方案对于铁路各级安全管理部门全面、准确地了解安全形势,提升管理智能化和决策科学化水平具有参考价值。     

铁路安全风险管控方法及应用研究

以提升铁路安全风险管理水平，完善铁路安全风险控制体系为重点，深入研究安全风险管理内涵，建立安全风险管理模型，提出铁路安全风险管控模型。设计了铁路安全风险管控信息系统，规范了铁路安全风险管理，将风险管控与干部履职考核挂钩，促进风险管控措施落实。系统的研究和运用为加强安全风险防控，提高安全风险管理水平提供了必要的技术支撑。     

基于数字孪生的铁路数字编组站智能平台

根据铁路编组站生产作业特点,设计了基于数字孪生六维模型的铁路数字编组站智能平台,实现了对编组站运输生产信息的动态有形化提示、运输安全风险的实时智能研判预警、专业管理全方位智能分析预警、施工维修智能统计分析及问题研判、室外作业人员高精度定位及行为轨迹智能预警等功能。试用表明,该平台可以有效提升铁路编组站风险安全管控水平和安全管理效率。     

基于北斗的铁路施工作业人员和车辆安全预警防护系统方案研究

介绍铁路施工作业人员和车辆安全预警防护的现状及存在的问题,结合北斗卫星导航系统的优势,利用北斗卫星系统高精度定位技术,结合GIS地理信息、地基增强、移动通信技术及其它辅助技术,提出构建铁路施工作业人员和车辆安全预警防护的软硬件系统方案的设想。通过此方案可有效地解决现有铁路施工作业过程中人员与车辆间存在的安全隐患。根据预先在地图上规划的施工作业安全区域以及人与车的位置关系,实时动态地监视人员和车辆在地图上位置状态,当出现人和车之间的距离达到系统设定的危险距离或车进入到规划的施工作业安全区域时,系统自动给施工作业人员发送预警信号,提醒作业人员注意安全,从而预防和减少安全事故的发生,确保作业人员的人身安全。     

铁路基础设施位移数据预测模型研究

线路安全是铁路运营的重要前提，我国铁路跨度广、行车环境复杂，当铁路基础设施稳定性产生改变时往往会严重影响行车安全。文章采用长短期记忆（LSTM,Long Short-Term Memory）模型对基于全球导航卫星系统（GNSS,Global Navigation Satellite System）的铁路基础设施监测系统的形变监测数据进行建模预测，实现对铁路基础设施灾害的早期预警，并与多种传统时间序列预测模型进行对比，结果表明，LSTM模型具有更好的性能。     

基于灾害风险评估模型的铁路灾害监测预警系统研究

通过分析铁路事故统计数据,采用回归分析和灰色关联分析方法建立降雨量、风速和能见度等气象因素与事故发生概率的关系式;选取岩土类型、松散物质储量、流域面积、平均坡度和植被覆盖程度5个地质因素作为评价指标,建立基于层次分析法和多维标度法的铁路地质状况风险评估体系;借鉴风险矩阵表达方式,整合地质因素和气象因素,给出事故概率—危险度矩阵,建立铁路灾害风险评估模型。以铁路灾害风险评估模型为核心,构建由网络层、系统硬件层、数据资源层、信息处理层、应用层、业务层和访问层组成的铁路灾害监测预警系统,并接入铁路安全监控信息系统和中国气象科学数据共享服务网以及铁路局的相关信息系统,以很高、高、中和低4级风险强度表示方式将灾害风险评估的结果显示于铁路GIS地图上,能够提供直观、形象的铁路灾害预警信息。     

基于改进Apriori算法的铁路网络安全预警方法研究

随着大数据技术的飞速发展,基于大数据技术的安全隐患事前感知技术日趋成熟,为分析海量数据和挖掘事故规律提供了有效手段。文章优化、改进数据挖掘技术中经典的Apriori算法,基于改进的Apriori算法,研究提出一种铁路网络安全预警方法,并结合网络安全等级保护要求,构建铁路网络安全指标体系,通过仿真实验,验证算法的正确性和可用性。研究表明,采用改进的Apriori算法能够实现铁路网络安全事前感知,有效解决预警防范手段不足的问题,在铁路网络安全预警中具有较高的应用价值。     

基于LSTM的高铁大风预测模型及算法研究

通过对风速数据进行时间序列分析,建立风速预测模型,实现大风灾害的预警,对提升高铁运营安全保障能力具有重要意义。通过分析某高铁客运专线防灾系统的历史风速数据,建立了一种基于LSTM神经网络的大风预测模型,使用TensorFlow平台进行模型参数训练,并结合实际监测数据进行了模型验证。结果表明,该方法预测未来20 min的大风效果较好,预测20～30 m/s大风时的平均误差为13.4%。该研究可为高铁大风预警技术的应用提供参考。