综合网管在铁路通信网安全生产中的应用*

为有效地提高铁路通信网络性能监测质量,实现网络故障超前预防,加强网络运用质量管理工作,结合综合网管的特点和基本功能,通过对铁路通信网安全生产中运用质量管理工作内容进行梳理,探讨由于专业网管分散设置、能力不足而引起的网络性能监测和网络性能数据统计工作效率和质量不高的问题,分析综合网管在通信网运用质量管理相关的功能需求,如实时性能监测和性能数据统计分析功能,进而阐述功能的具体实现方案。研究表明:利用综合网管的数据集中采集的特点,针对性地进行功能开发,可以有效弥补专业网管功能和能力上的不足,提高网络性能监测和性能数据统计分析的质量和效率,从而提高铁路通信网安全生产管理水平。     

DEA-BP神经网络下地铁车站深基坑施工安全评价

为明确地铁车站深基坑施工安全等级,考虑评价指标的非线性关系和复杂动态性,基于数据包络法(DEA)-反向传播(BP)神经网络,提出一种地铁车站深基坑施工安全评价方法。首先,从人员、设备、环境、管理、技术5个方面系统构建安全评价指标体系;然后,利用DEA计算指标权重,运用BP神经网络网络评价地铁车站深基坑施工安全等级;最后,以重庆地铁1号线小什车站为例,运用该方法评价车站深基坑施工安全。结果表明:该车站深基坑施工安全等级为高,与实际情况吻合;安全意识、机械伤人、周边环境、技术交底、渗流破坏是影响深基坑施工安全的主要指标。     

航路网关键节点识别及抗毁性分析

为研究关键航路点的失效成本,给空管和航空公司提供决策支持,基于我国航路网结构,从机场间的连通时间成本出发,提出基于改航可达性的关键航路点识别算法,将识别出的关键航路点与其他网络指标下的关键航路点进行抗毁性仿真对比。研究结果表明:中西部连接处航路点失去通行能力后,航班绕飞的时间成本较大,具有较大的改航可达性;A461、G212、A593等主干航路上的航路点拥有较大的加权改航可达性,总时间成本较大;识别出的关键节点拥有较大的度和介数值;基于度值和加权改航可达性的连续攻击对航路网破坏较大。     

基于SGSN Pool技术的GSM-R数据业务安全性研究*

为提高铁路移动通信系统(GSM-R)数据业务核心设备通用无线分组业务支持节点(SGSN)的安全性和可靠性,在简要分析铁路GSM-R现网中SGSN设备的冗余方式基础上,详细研究SGSN Pool技术,探究SGSN Pool的工作原理、关键参数、冗灾优势、组网方式以及与现网融合的条件。结果表明:该技术实现了SGSN池组工作方式,打破了基站控制器(BSC)与SGSN之间一对一的控制关系,实现了BSC节点到多个SGSN节点的域内连接路由功能,SGSN以池组方式共同服务一个大的服务区,提高了核心网可靠性,可实现SGSN级的冗灾备份。     

国际安全科学高影响学者视角的安全问题演化*

为了解国际安全科学高影响学者视角下的安全科学学术演化及其发展前沿,选取国际知名的《Safety Science》期刊作为数据样本,对高被引作者进行挖掘与分析;以1991—2020年收录在Web of Science中的4 074篇论文为分析对象,采用作者共被引和知识图谱的分析方法,通过VOSviewer分析高影响作者的演化特征。结果表明:过去30年,安全科学领域具有重要影响力的学者有REASON J、HOLLNAGEL E、HALE A R、ZOHAR D、RASMUSSEN J、DEKKER S及LEVESON N等,并形成安全文化与安全氛围、安全系统科学与事故建模、安全与风险管理3大核心知识群,以及安全疏散研究、交通安全研究及滑倒跌倒研究3个边缘知识群;随着研究的不断演化和发展,安全科学高影响学者所组成的知识基础群落在不断完善并趋于稳定;在知识结构的演化过程中,滑倒跌倒的研究已经逐渐消失,当前安全疏散则发展成为一个新兴的热点领域。     

特长公路隧道全射流火灾通风网络解算研究

为探究特长公路隧道全射流火灾在通风条件下隧道内风流分布及影响规律,基于斯考德-恒斯雷近似算法构建通风网络解算模型,并通过隧道现场风机效率测试和通风测试,验证通风网络解算模型的可靠性;引入火区阻力和火风压公式,建立全射流火灾通风网络计算模型.结果表明:铜锣山隧道射流风机正向运转效率为0.83～0.93,平均效率为0.88...     

基于随机森林理论的采场稳定性预测研究

为预防采场安全事故,选取地下采场地质构造、埋深、围岩强度等10个因素作为采场稳定性预测指标,从收集到的实际采场稳定性数据中选取25组作为训练样本,建立采场稳定性预测的随机森林(RF)模型,通过8组测试数据预测采场稳定性;将该模型预测结果与支持向量机(SVM)模型及人工神经网络(ANN)模型的预测结果进行对比。研究表明:采用RF模型采场稳定性等级预测准确率最高,而使用SVM模型次之,ANN模型的准确率较差;用RF模型能够相对有效地判定采场稳定性。     

基于BP神经网络的铁路货运安全风险评价研究

铁路货运安全是铁路货运质量的核心内容,现今铁路货物列车运行速度大幅提高,铁路货运产品种类不断丰富、总量不断增加,铁路货运安全风险管理面临更大挑战。反向传播(BP)神经网络算法相较于常规算法具有收敛快、计算精确和弱化人为因素影响等优点。针对铁路货运安全中存在的风险,建立适当的评价指标体系,使用模糊算法、层次分析法(AHP)量化样本数据,降低数据主观性,通过建立BP神经网络模型,评价铁路货运安全风险;以丰台货运中心的各项数据为例进行验证,结果表明:基于BP神经网络的铁路货运安全风险评价模型能够保证预测结果的准确性。     

基于互信息的长江船舶碰撞险情等级预测方法

为预测船舶碰撞险情等级、评价碰撞事故后果,利用互信息改进传统贝叶斯网络(BN),建立船舶碰撞险情等级预测模型。首先,基于船舶碰撞事故历史数据对船舶碰撞险情等级的风险因素进行识别;其次,计算互信息和条件互信息值判断风险因素之间独立性和条件独立性,确定因素之间依赖关系,确立BN定性部分,进而依据516条事故数据得到条件概率表(CPT),确定BN的定量部分;最后,应用长江历史事故数据验证模型的可行性和精确性。研究表明:经改进的预测模型预测精准度达94%,能够很好地预测船舶碰撞险情等级。