基于GM(1,1)模型的铁路行车事故预测

铁路行车事故的发生具有偶然性 ,但可利用预测理论的方法加以预测。笔者简述了灰色理论中GM(1,1)预测模型的建模过程和精度检验的方法及步骤 ,在某铁路分局 1995～ 2 0 0 2年间的铁路行车事故统计的基础上 ,应用GM(1,1)预测模型预测了该铁路分局 2 0 0 4年的铁路行车事故发生趋势 ,经精度检验表明 ,模型的精度等级合格 ,其预测结果为铁路行车事故的防范和降低事故损失提供了指导和科学依据。     

铁路行车事故加权马尔可夫SCGM(1,1)c预测模型及应用

从铁路行车事故的预测问题出发,试图找到稳定有效的方法对铁路行车事故进行预测.首先引入BX数据生成法对原始数据序列进行处理,以弱化原始数据之间的随机性.建立了单因子系统云灰色SCGM(1,1)c模型,揭示铁路行车事故时序变化的发展趋势.参照原始数据的中心趋势曲线,来划分铁路行车事故状态,得到了状态转移概率矩阵.据此计算自相关系数并进行归一化,作为各步马尔可夫链的权重,提出了加权马尔可夫SCGM(1,1)c模型,以修正SCGM(1,1)c模型的预测值,对铁路行车事故总数进行了拟合和预测.结果表明:相比较而言,加权马尔可夫SCGM(1,1)c模型在对铁路行车事故的拟合和预测中均有较好的效果,拟合精度和预测精度分别达到了98.92％和96.36％.     

铁路行车事故预测方法分析与比较

对铁路行车事故的特点和类型进行分析;根据美国铁路2005年安全年报提供的数据,运用灰色系统理论和BP神经网络方法建立铁路行车事故的预测模型;利用MATLAB软件进行预测仿真,比较和分析两种预测方法的精度及特点。结果表明:灰色系统理论预测结果固定,短期效果比较好;BP神经网络预测具有适应性和灵活性,适用于长期预测。采用灰色系统理论和BP神经网络进行铁路行车事故的预测,克服了传统数学统计预测方法中建立复杂的数学模型,预测准确性低的缺点,对预防和控制铁路事故的发生,降低事故损失具有现实意义。     

基于DEMATEL的铁路行车人因事故关键因素实证分析

针对铁路行车人因事故受多因素交互影响的问题,提出了一种基于信息熵和DEMATEL法耦合的铁路行车人因事故关键因素实证分析方法。首先依据铁路行车人因事故认知行为模型,从感知、决策、计划和执行4个过程分析铁路行车人因事故的影响因素;然后综合运用信息熵和DEMATEL法构建关键因素量化识别模型,利用中心度和原因度两个参数分析铁路行车人因事故的关键影响因素;最后,结合2008—2013年铁路行车人因事故数据进行实证分析。结果表明,机车操作人员相关情形记忆失误、情景诊断失误、未严格执行操作规则和采取错误行动是铁路行车人因事故的关键影响因素。     

我国某铁路局2005-2014年行车事故分布规律分析

针对我国某铁路局行车事故多发情况,从事故等级分布、类型分布、原因分布、时间分布、空间分布等多个方面对2005-2014年1 784起铁路行车事故进行综合统计分析,得出了近10年该铁路局行车事故的分布规律.一般D类事故1 008起,占事故总数的85％,是铁路行车事故的绝对主要等级;延误事故1 059起,占事故总数的59.4％,是铁路行车事故的主要类型;设备原因行车事故1 185起,占事故总数的66.42％,是铁路行车事故的绝对主要原因.铁路行车事故在年、月、日、时上的高峰期分别为2006年(293起)、8月(180起)、周五和周天(267 +288起)、14:00-16:00(184起),分别占事故总数的16.4％、10.1％、31.1％、10.3％.车站铁路行车事故978起,占事故总数的54.8％;其中四等站事故最多为345起,占车站事故总数的35.3％,特等站事故次之为187起,占车站事故总数的19.1％.     

基于FDA事故致因模型的铁路行车安全管理研究

为了从安全信息视角深入分析铁路行车事故原因,基于信息学、管理科学和行为科学等相关理论知识,结合铁路行车事故致因原理,构建铁路行车FDA(Forecast-Decision-Action)事故致因模型.该模型由行车人员、铁路运输企业和国家铁路局3条事故致因子链和1条事故致因主链构成,进一步归纳总结出3条子事故域、1条总事...     

铁路行车安全预测初探

用灰色系统和概率统计的方法，对我国铁路行业两个铁路局的行车事故件数及百万机车走行公里数进行安全预测和讨论，就开展安全预测及安全管理中的一些问题提出了见解。     

铁路行车班组安全管理的探讨

加强铁路行车班组安全管理是安全运输的关键,也是减少伤亡和各类灾害事故最切实、最有效的办法。论文从目前铁路行车班组安全管理存在的问题入手,分析了影响班组安全的因素,运用运输事故预防理论,提出了加强铁路行车班组安全管理的对策。     

铁路提速区段中间站行车安全评价的研究

分析了影响铁路提速区段中间站行车安全的主要因素;基于系统工程的理论原则,从人员安全保障、设备安全保障、环境安全保障、基础安全管理保障4个方面着手,确立了铁路提速区段中间站行车安全评价指标体系;运用模糊层次分析法,建立了评价模型;提出了铁路提速区段中间站行车安全保障模糊层次评价的一般方法;对我国铁路主干线某一提速区段中间站进行实例分析,其结果显示,基础安全管理占有十分重要的位置;最后,笔者建议,在我国铁路实现“客运高速、货运重载”的发展方向下,应当加强提速区段中间站的安全管理,认真进行行车安全评价,实现行车事故的预测与预防     

铁路行车事故救援智能辅助决策系统研究

介绍了铁路行车事故救援智能辅助决策系统的设计及实现。采用产生式规则与数据库技术相结合的铁路行车事故救援决策知识表示方法。推理过程为正向推理。决策树分层分类并嵌入数据库。该系统可在行车事故现场以人机交互方式提供一个或几个救援方案。为铁路行车事故救援决策提供了一种新的途径与范例。并为人工智能在新的工程领域的应用进行了有益的尝试     

Factors associated with fatal accident involvement among California drivers

The primary objectives of this study were to examine characteristics of drivers involved in fatal accidents and to determine if those drivers could be distinguished from California's general driving population on the basis of prior driving record. A sample of drivers involved in 1970–1971 fatal accidents was analyzed and compared to a sample of drivers from the general driving population during the same time period. Drivers who had been drinking prior to the accident, who were considered at-fault for the accident, or whose accident occurred at night were found to have worse prior driving records than other fatal accident-involved drivers. The results also indicated that, as a whole, drivers involved in fatal accidents had worse violation and/or accident records, as well as different demographic and license characteristics than drivers in the general population. The classification functions derived to predict fatal accidents, however, did not differ greatly from regression equations that have been constructed to predict total accidents. It was therefore concluded that prediction systems keyed to total accidents will, to a large extent, also identify high-risk fatal accident drivers.     

基于APRIORI-TAN的交通事故伤害分析与预测*

为探究道路交通事故因素和事故伤害的相关性,以2 467起涉及人员伤亡的交通事故为数据集,运用Apriori算法分别挖掘事故伤害关联规则,并结合社会网络分析的可视化和核心-边缘分析构建受伤事故和死亡事故的关联规则网络。结果表明:事故伤害程度与事故时间、道路条件和交通环境等因素关系紧密,尤其死亡事故与碰撞固定物、人行横道事故、高速公路、高速道路、非市区、酒驾和超速存在高相关性。基于树型贝叶斯网络（TAN）构建事故伤害程度的预测模型,预测结果准确率可达87.56%。     

铁路运输安全事故灰色预测方法研究

近年来 ,我国铁路运输发展迅猛 ,尤其是列车运行多次提速 ,列车运行密度加大 ,对铁路运输安全管理不断提出了新的要求。依靠科技进步 ,尽量防止或减少安全事故的发生 ,要应用安全信息技术 ,使安全管理人员对铁路运输安全现状及未来事故发展趋势有所了解 ,提高安全防范意识及事故处理能力 ,同时还要不断提高员工的安全意识和安全文化素质 ,这些方法对于提高安全管理水平 ,降低事故的发生 ,保护人民的生命安全与健康具有重要意义。铁路运输安全事故预测技术就可很好解决上述问题。笔者应用灰色预测理论 ,建立了铁路运输安全事故预测模型 ,开发了安全事故预测软件系统 ,并以某铁路运输企业为例 ,介绍了研制的灰色预测系统软件的应用效果     

基于事故理论的城市轨道交通风险评价模型研究

笔者分析了城市轨道交通事故,在分析我国其他行业事故分类的基础上,确定城市轨道交通事故分类标准,即重大事故、大事故、险性事故和一般事故,并将不同事故分类情况及专家判断评分,按事故的大小不同换算成可以计算的计算尺度,根据事故种类不同计算出事故折算因子,根据风险理论的评价方法,建立了地铁风险评价模型,对地铁的危险性进行量化定级,并通过具体实例进行综合分析评价,该风险评价模型具有一定的工程意义。     

STAMP-based analysis on the railway accident and accident spreading: Taking the China–Jiaoji railway accident for example

Each hazard analysis technique is based on a model of accident causation. Most accident models regard accidents as resulting from a chain or sequence of events, such models are fit for accidents caused by failures of physical components and for relatively simple systems, but suffer from serious deficiencies when they are applied to software-intensive, complex engineering systems. Recently, a new accident model called System-Theoretic Accident Models and Process (STAMP) for system safety has been proposed, it is based on control theory and enforces constraints on hazards and thereby prevent accidents. In this paper, taking the China–Jiaoji railway accident happened on April 28, 2008 as an example, the STAMP approach has been used to analyze the railway accident and some improvement measures have been proposed. As the occurrence of one accident can cause many other accidents happen, based on the STAMP-based analysis, the accident spreading processes have also been discussed and modeled, which will be helpful to analyze accidents spreading in a broad sense and establish effective emergent measures for accident response management.     

高速铁路事故预防措施的研究

结合我国高速铁路广深线 (广州—深圳 )及秦沈线 (秦皇岛—沈阳 )的工程设计过程 ,分析了可能引发铁路事故发生的几方面的主要原因 :速度控制问题、轨道故障、自然灾害等 ,并对这些事故因素提出了预防措施。这些措施的实施对减少铁路事故的发生有着重要作用     

基于STAMP-ISM的铁路危险品运输系统风险-事故分析方法*

为预防铁路危险品运输系统事故的发生，采用STAMP-ISM模型分析铁路危险品运输系统风险-事故。首先，利用STAMP模型详细分析事故，得到控制结构的相关安全约束、不充分控制行为及产生原因，以及系统的安全动态变化；其次，采用ISM分析事故致因因素之间的关联关系并划分层级；最后，基于STAMP和ISM分析结果提出系统改进方案。以我国一起匿名夹带事故为背景进行案例研究，结果表明，ISM模型的加入可深入挖掘事故因素间的相互关系，为事故致因因素重要度划分层级，分析结果及建议更具针对性。