轨道交通安全评价指标分析.docxVIP

基于组合赋权方法的城轨线路运营安全评价---王艳辉安全评价指标体系包括5大类：车站指标、列车载客指标、设备指标、环境指标、管理指标。安全综合评价方法：层次分析法AHP和熵值法组合赋权综合评价。层次分析法是对定性问题进行定量分析的一种简便、灵活而又实用的多准则决策方法;熵值法是一种客观赋权方法，它通过计算指标的信息熵，根据指标的相对变化程度对系统整体的影响来决定指标的权重。层次分析法考虑了专家的经验和知识，但主观随意性较大;熵值法充分挖掘指标的原始数据蕴含的信息，结果客观，却不能反映专家及决策者的意见。由于评价的指标在综合评价时的作用是不均等的，因此，各个指标的贡献大小可以通过层次分析法和熵值法综合确定权重来表示。本文参考了《城市轨道交通安全运营管理办法》和《城市轨道交通安全验收评价细则》，对北京市轨道交通指挥中心提供的数据进行了大量的分析，依据本文建立的城市轨道交通线路运营安全评价指标体系，将城市轨道交通线路运营安全分为5个不同的等级，采用线性加权综合法，得到线路运营安全综合评价值。高速公路交通安全风险评价方法研究---钟锐一般评价方法：灰色评价法，层次分析法，模糊综合评价法，径向基小波神经网络。利用径向基小波神经网络进行风险评价建立网络利用matlab进行网络的建立。首先设定本次评价的径向基小波神经网络为四层，学习效率（设为函数eta）定位0.1。总共有18个评价指标，将18个指标列为矩阵1，所以网络输入层有18个输入节点。评价集是对高速公路安全性评价可能做出的评价结果所组成的集合，可表示为矩阵1:（V1，V2，V3……Vn）T，本例中根据安全性的可能描述，可确定评价集为:V={很安全，比较安全，安全，不安全，很不安全}，因此将神经网络的输出层设为5个节点，对应于5种评价结果矩阵，每种矩阵对应着不同的结果。具体的评价集设定在训练过程中确定。根据公式3.3.2中的经验公式2，可以初步设定隐含节点数数为8。归一化数据将各评价指标列为输入矩阵，表示为，本例中提取的评价指标有:超速行驶率、疲劳驾驶率、操作失误次数、动力性、操作稳定性、制动性、一般值以下圆曲线半径路段比例、超过纵坡最大值路段比例、左侧路肩宽度、右侧路肩宽度、路面横向力系数、年降雨天数、年降雪天数、年有雾天数、年大风天数、年突发地质灾害次数、山岭地区比例、交通流，共18个数要素，分别表示为C1... C18。由于这些评价指标的非量纲化结果为0-100的数，如果直接输入神经网络会导致输出结果始终处于饱和区，假如出现这样的情况，会导致权值调整过程进入误差曲面平坦区，所以将将所有数据进行归一化处理，即将数据都变为-1到1之间的数，归一化公式为:式中，分别代表所有数据中的最大值与最小值。网络训练建立好网络以后，利用“兰定”高速的历年各项数据，建立评价指标体系，并计算评价指标结果，再进行归一化处理，输入神经网络进行训练，训练参数根据第四章的分析设定如下:最大训练次数(max_ epoch)设定为2_500，网络的最大允许误差((err_go al)设为10-5。在训练网络的过程中网络输出结果根据输入数据的不同会有不同的特征，例如当输入的数据明显为风险大、容易造成不安全状况的数据，网络输出结果为矩阵[[0,0,0,0,1]T,而数据风险性为风险较大时，输出结果趋向于[[0,0,0,1,0]T，输入数据为风险情况较小时，输出结果趋向于「0,0,1,0,0打，输入数据为风险很小时，输出结果趋向于[[0,1,0,0,0打，输入数据为几乎没有风险时，输出结果趋向于[[1,0,0,0,0打，根据这一特征，可将本例的评价集中各评价结果与输出结果相对应，即:很安全=[1,0,0,0,0打，比较安全=[0,1,0,0,0打，安全=[0,0,1,O,O}T，不安全=[0,0,0,1,O}T，很不安全=[0,0,0,O,1}T。评价结果将用于兰定高速公路风险评价的各评价指标归按一化后的结果输入己训练好的四层径向基小波神经网络进行评价。运行径向基小波神经网络评价程序，可以得到评价结果输出值，为:[0.002834 0.739457 0.298237 0.059652]T.对比评价集可知它接近矩阵[0,1,0,0,0]T=比较安全，所以它相应的评价结果是“比较安全”，也就是说兰定高速公路风险较低，是比较安全的。在实践中，人们普遍接受的风险定义是Mitchell提出的风险大小可以用风险发生的可能性乘以风险后果来表示，即，其中，R代表风险大小，P为风险发生的概率或可能性，L为风险后果严重度铁路既有线路运营风险量化分级研究---周扬凡地铁运营安全性指标体系包括人员伤亡、服务中断或延误和财产损失3个方面。通过对地铁运营系统状况进行分析与整理，结合《企业职工伤亡事故分类标准》和《地铁运营安全评价标准》，将上述指标根