CN112966875A - 全链条物流事故致因关联规则挖掘分析***及方法 - Google Patents

全链条物流事故致因关联规则挖掘分析***及方法 Download PDF

Info

Publication number
CN112966875A
CN112966875A CN202110292318.1A CN202110292318A CN112966875A CN 112966875 A CN112966875 A CN 112966875A CN 202110292318 A CN202110292318 A CN 202110292318A CN 112966875 A CN112966875 A CN 112966875A
Authority
CN
China
Prior art keywords
nodes
module
accident
information collection
layer information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110292318.1A
Other languages
English (en)
Inventor
戎佳
赵明静
纪寿文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN202110292318.1A priority Critical patent/CN112966875A/zh
Publication of CN112966875A publication Critical patent/CN112966875A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/40—Transportation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/20—Information sensed or collected by the things relating to the thing itself
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y30/00—IoT infrastructure
    • G16Y30/10—Security thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/30—Control
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/50—Safety; Security of things, users, data or systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种全链条物流事故致因关联规则挖掘分析***及方法，所述***包括信息综合处理模块、信息采集模块、预警模块；所述信息综合处理模块包括控制器。本发明成功实现了全链条物流事故致因关联规则的挖掘分析，提高了物流运输的安全性和可靠性，降低了事故率。

Description

全链条物流事故致因关联规则挖掘分析***及方法
技术领域
本发明属于物联网技术领域，具体涉及一种全链条物流事故致因关联规则挖掘分析***及方法。
背景技术
全链条物流事故作为包含多因素的复杂***，比较难以进行量化分析和研究。为了明确物流事故上下游因素的相互作用关系，本发明从***的角度进行着手，采用复杂网络这一量化建模与分析工具，研究如何对于网络的因素、连边进行提取和构建，通过搭建全链条物流事故致因网络对于网络性质进行研究，从而挖掘出隐藏在网络背后的事故特点，提出了一种全链条物流事故致因关联规则挖掘分析***及方法。
发明内容
针对上述情况，为克服现有技术之缺陷，本发明之目的就是提供一种全链条物流事故致因关联规则挖掘分析***，包括信息综合处理模块、信息采集模块、预警模块；所述信息综合处理模块包括控制器：
进一步地，所述信息采集模块包括快递员层信息采集模块，其中到达Y1、Y2的最短路径均为R02(快递员情绪不稳定)直接到达，对应很多由于快递员被举报或者快递员与收寄件人起冲突后造成的社会公共安全事件，其中造成人员受伤事故的路径长度更短，说明这类事故发生的频率更高。到达Y3的最短路径为R03(快递员工作疏忽)——G2(企业业务管理不力)——G3(企业监督不充分)——T2(追尾事故)，而这一事故从快递员到追尾事故缺乏一定的中间环节，造成的原因主要是管理层的缺失加速了事故的发生。
司机层信息采集模块，到达Y1、Y2、Y3的最短路径均为R26(司机事故应急不恰当)——T3(碰撞事故)，这表明在事故影响层发生之前司机的临场反映是最后一环，而司机的反映直接决定了事故的影响程度，在这三条路径中指向设备财产损失的路径长度最短，说明这类事故的发生更容易。
收寄件人层信息采集模块，到达Y1和Y2的路径相同，为R42(寄件人寄送违规物品)——H7(货物伪装)——R03(快递员工作疏忽)——G2(企业业务管理不力)——G3(企业监督不充分)，这两条风险传播路径展示了寄件人对于违规货物进行拆分夹带(通常为***弹药)，快递员与企业管理层未能将相应的物品甄别出来导致相关货物流入社会导致的社会公共安全事件。到达Y3事故的路径与前两个基本相同，只是在管理层后加入了T2(追尾事故)，可见造成设备财产损失往往需要经历比较大的事故，而对于人员伤亡的事故在管理层确实的情况下就很容易发生。从路径长度来看，第三种事故的路径长度最短，分析可以发现这种结果是因为G3——T2——Y3的这条路径长度小于G3——Y1、Y2，这侧面说明了由于追尾事故造成设备财产损失的风险比较容易。
管理层信息采集模块，到达Y1、Y2的最短路径均为G3(企业监督不充分)直接到达，可以看出企业的监督管理对于事故风险控制至关重要。到达Y3的路径为G3(企业监督不充分)——T2(追尾事故)，这条路径在快递员层、收寄件人层也出现过，说明三者之间的发生频率非常高，导致路径长度很短。
车辆层信息采集模块，到达Y1、Y2、Y3的最短路径均为C2(车辆故障)——T3(碰撞事故)，说明在车辆层车辆失控更容易造成严重的后果。在这三条路径中最短的为引发设备财产损失的路径，表明通过这条路径风险传播的速度更快。
道路层信息采集模块，到达Y1、Y2、Y3的最短路径均为D3(道路结构复杂)——R26(司机事故应急不恰当)——T3(碰撞事故)，说明在道路层隧道、弯道、大坡度等复杂结构容易造成较大的风险隐患，而如果司机不能够做出精准良好的反映，就很容易造成碰撞类事故，进而带来各类损失。在这三条路径中最短的为引发设备财产损失的路径，表明通过这条路径风险传播的速度更快。
货物层信息采集模块，到达Y1的最短路径为H2(货物超载)——T3(碰撞事故)，可以看到货物超载通过风险网络的传播将直接诱发事故的发生。到达Y2和Y3的最短路径为H3(货物易燃)——T4(起火)，这两类事故均为由于货物易燃引发的火灾事故，进而导致人员受伤和设备财产损失。在三条路径中，造成设备财产损失的路径明显短，说明火灾类事故非常容易造成此类事故影响。
环境层信息采集模块，到达Y1、Y2、Y3的最短路径均为E1(天气条件)——R23(司机安全意识淡薄)——R26(司机事故应急不恰当)——T3(碰撞事故)，可以看出这类事故的发生路径主要是司机对于恶劣天气没有引起足够的警觉，导致事故发生前的应急处理不当，进而引发事故的发生造成了一定的事故影响。在这三条路径中最短的为引发设备财产损失的路径，表明通过这条路径风险传播的速度更快。
各个层面中所有因素到所有事故影响层——Y1代表人员伤亡、Y2代表人员受伤、Y3代表设备财产损失，然后对Y1、Y2、Y3的最短路径进行求解，并记录对应的路径及路径长度；
本发明另一目的是提供一种全链条物流事故致因关联规则挖掘分析方法，其中所述信息采集模块将采集得的各层面中的所有因素汇总至所述信息综合处理模块，所述信息综合处理模块采用物流***的安全风险传播动力学模型进行计算，而后得到处理结果，并将所述计算结果发送给报警模块进行预警。
进一步地，物流***的安全风险传播动力学模型如下公式所示：
Figure BDA0002982980610000031
Figure BDA0002982980610000032
Figure BDA0002982980610000033
其中
Figure BDA0002982980610000034
表示t时刻隐患状态的节点转变为危险状态节点的密度，
Figure BDA0002982980610000035
表示t时刻潜在危险状态的节点转变为危险状态节点的密度。
在Δt时刻之后，***识别出了风险开始进行风险的控制，即把各类节点转变为受控节点，具体的动力学方程如下公式所示：
Figure BDA0002982980610000036
Figure BDA0002982980610000037
Figure BDA0002982980610000041
Figure BDA0002982980610000042
其中
Figure BDA0002982980610000043
表示在t时刻隐患状态的节点转变为受控状态节点的密度，
Figure BDA0002982980610000044
表示在t时刻潜在危险状态的节点转变为受控状态节点的密度，
Figure BDA0002982980610000045
表示在t时刻危险状态的节点转变为受控状态节点的密度。
本发明成功实现了全链条物流事故致因关联规则的挖掘分析，提高了物流运输的安全性和可靠性，降低了事故率。
附图说明
图1为本发明的全链条物流公共安全事故复杂网络示意图。
具体实施方式
以下结合附图对本发明的具体实施方式作进一步详细说明。
实施例1：
参考附图1，在本实施例中，涉及一种全链条物流事故致因关联规则挖掘分析***，包括信息综合处理模块、信息采集模块、预警模块；所述信息综合处理模块包括控制器：
进一步地，所述信息采集模块包括快递员层信息采集模块，其中到达Y1、Y2的最短路径均为R02(快递员情绪不稳定)直接到达，对应很多由于快递员被举报或者快递员与收寄件人起冲突后造成的社会公共安全事件，其中造成人员受伤事故的路径长度更短，说明这类事故发生的频率更高。到达Y3的最短路径为R03(快递员工作疏忽)——G2(企业业务管理不力)——G3(企业监督不充分)——T2(追尾事故)，而这一事故从快递员到追尾事故缺乏一定的中间环节，造成的原因主要是管理层的缺失加速了事故的发生。
司机层信息采集模块，到达Y1、Y2、Y3的最短路径均为R26(司机事故应急不恰当)——T3(碰撞事故)，这表明在事故影响层发生之前司机的临场反映是最后一环，而司机的反映直接决定了事故的影响程度，在这三条路径中指向设备财产损失的路径长度最短，说明这类事故的发生更容易。
收寄件人层信息采集模块，到达Y1和Y2的路径相同，为R42(寄件人寄送违规物品)——H7(货物伪装)——R03(快递员工作疏忽)——G2(企业业务管理不力)——G3(企业监督不充分)，这两条风险传播路径展示了寄件人对于违规货物进行拆分夹带(通常为***弹药)，快递员与企业管理层未能将相应的物品甄别出来导致相关货物流入社会导致的社会公共安全事件。到达Y3事故的路径与前两个基本相同，只是在管理层后加入了T2(追尾事故)，可见造成设备财产损失往往需要经历比较大的事故，而对于人员伤亡的事故在管理层确实的情况下就很容易发生。从路径长度来看，第三种事故的路径长度最短，分析可以发现这种结果是因为G3——T2——Y3的这条路径长度小于G3——Y1、Y2，这侧面说明了由于追尾事故造成设备财产损失的风险比较容易。
管理层信息采集模块，到达Y1、Y2的最短路径均为G3(企业监督不充分)直接到达，可以看出企业的监督管理对于事故风险控制至关重要。到达Y3的路径为G3(企业监督不充分)——T2(追尾事故)，这条路径在快递员层、收寄件人层也出现过，说明三者之间的发生频率非常高，导致路径长度很短。
车辆层信息采集模块，到达Y1、Y2、Y3的最短路径均为C2(车辆故障)——T3(碰撞事故)，说明在车辆层车辆失控更容易造成严重的后果。在这三条路径中最短的为引发设备财产损失的路径，表明通过这条路径风险传播的速度更快。
道路层信息采集模块，到达Y1、Y2、Y3的最短路径均为D3(道路结构复杂)——R26(司机事故应急不恰当)——T3(碰撞事故)，说明在道路层隧道、弯道、大坡度等复杂结构容易造成较大的风险隐患，而如果司机不能够做出精准良好的反映，就很容易造成碰撞类事故，进而带来各类损失。在这三条路径中最短的为引发设备财产损失的路径，表明通过这条路径风险传播的速度更快。
货物层信息采集模块，到达Y1的最短路径为H2(货物超载)——T3(碰撞事故)，可以看到货物超载通过风险网络的传播将直接诱发事故的发生。到达Y2和Y3的最短路径为H3(货物易燃)——T4(起火)，这两类事故均为由于货物易燃引发的火灾事故，进而导致人员受伤和设备财产损失。在三条路径中，造成设备财产损失的路径明显短，说明火灾类事故非常容易造成此类事故影响。
环境层信息采集模块，到达Y1、Y2、Y3的最短路径均为E1(天气条件)——R23(司机安全意识淡薄)——R26(司机事故应急不恰当)——T3(碰撞事故)，可以看出这类事故的发生路径主要是司机对于恶劣天气没有引起足够的警觉，导致事故发生前的应急处理不当，进而引发事故的发生造成了一定的事故影响。在这三条路径中最短的为引发设备财产损失的路径，表明通过这条路径风险传播的速度更快。
各个层面中所有因素到所有事故影响层——Y1代表人员伤亡、Y2代表人员受伤、Y3代表设备财产损失，然后对Y1、Y2、Y3的最短路径进行求解，并记录对应的路径及路径长度。
Figure BDA0002982980610000061
Figure BDA0002982980610000071
实施例2：
在本实施例中，涉及提供一种全链条物流事故致因关联规则挖掘分析方法，其中所述信息采集模块将采集得的各层面中的所有因素汇总至所述信息综合处理模块，所述信息综合处理模块采用物流***的安全风险传播动力学模型进行计算，而后得到处理结果，并将所述计算结果发送给报警模块进行预警。
进一步地，物流***的安全风险传播动力学模型如下公式所示：
Figure BDA0002982980610000072
Figure BDA0002982980610000073
Figure BDA0002982980610000081
其中
Figure BDA0002982980610000082
表示t时刻隐患状态的节点转变为危险状态节点的密度，
Figure BDA0002982980610000083
表示t时刻潜在危险状态的节点转变为危险状态节点的密度。
在Δt时刻之后，***识别出了风险开始进行风险的控制，即把各类节点转变为受控节点，具体的动力学方程如下公式所示：
Figure BDA0002982980610000084
Figure BDA0002982980610000085
Figure BDA0002982980610000086
Figure BDA0002982980610000087
其中
Figure BDA0002982980610000088
表示在t时刻隐患状态的节点转变为受控状态节点的密度，
Figure BDA0002982980610000089
表示在t时刻潜在危险状态的节点转变为受控状态节点的密度，
Figure BDA00029829806100000810
表示在t时刻危险状态的节点转变为受控状态节点的密度。
对于两个阶段的传播模型考虑了风险随时间变化的动态过程，各类节点集合随时间时刻变化，因此无法求得固定的解析式，但可以求得仿真解。
上述实施例并非对本发明的范围进行限定，在不脱离本发明设计构思的前提下，本领域所属技术人员对本发明的技术方案作出的各种变形和改进，均应纳入本发明的权利要求书确定的保护范围内。

Claims (4)

1.一种全链条物流事故致因关联规则挖掘分析***，其特征在于：所述***包括信息综合处理模块、信息采集模块、预警模块；所述信息综合处理模块包括控制器。
2.如权利要求1所述的一种全链条物流事故致因关联规则挖掘分析***，其特征在于，所述信息采集模块包括快递员层信息采集模块，司机层信息采集模块，收寄件人层信息采集模块，管理层信息采集模块，车辆层信息采集模块，道路层信息采集模块，货物层信息采集模块，环境层信息采集模块。
3.一种使用如权利要求2所述的种全链条物流事故致因关联规则挖掘分析***的方法，其特征在于，所述信息采集模块将采集得的各层面中的所有因素汇总至所述信息综合处理模块，所述信息综合处理模块采用物流***的安全风险传播动力学模型进行计算，而后得到处理结果，并将所述计算结果发送给报警模块进行预警。
4.如权利要求3所述的方法，其特征在于，物流***的安全风险传播动力学模型如下公式所示：
Figure FDA0002982980600000011
Figure FDA0002982980600000012
Figure FDA0002982980600000013
其中
Figure FDA0002982980600000014
表示t时刻隐患状态的节点转变为危险状态节点的密度，
Figure FDA0002982980600000015
表示t时刻潜在危险状态的节点转变为危险状态节点的密度，
在Δt时刻之后，***识别出了风险开始进行风险的控制，即把各类节点转变为受控节点，具体的动力学方程如下公式所示：
Figure FDA0002982980600000016
Figure FDA0002982980600000017
Figure FDA0002982980600000018
Figure FDA0002982980600000019
其中
Figure FDA0002982980600000021
表示在t时刻隐患状态的节点转变为受控状态节点的密度，
Figure FDA0002982980600000022
表示在t时刻潜在危险状态的节点转变为受控状态节点的密度，
Figure FDA0002982980600000023
表示在t时刻危险状态的节点转变为受控状态节点的密度。
CN202110292318.1A 2021-03-18 2021-03-18 全链条物流事故致因关联规则挖掘分析***及方法 Pending CN112966875A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110292318.1A CN112966875A (zh) 2021-03-18 2021-03-18 全链条物流事故致因关联规则挖掘分析***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110292318.1A CN112966875A (zh) 2021-03-18 2021-03-18 全链条物流事故致因关联规则挖掘分析***及方法

Publications (1)

Publication Number Publication Date
CN112966875A true CN112966875A (zh) 2021-06-15

Family

ID=76279324

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110292318.1A Pending CN112966875A (zh) 2021-03-18 2021-03-18 全链条物流事故致因关联规则挖掘分析***及方法

Country Status (1)

Country Link
CN (1) CN112966875A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108995675A (zh) * 2018-06-28 2018-12-14 上海工程技术大学 一种轨道交通运营风险智能识别预警***及方法
CN112257175A (zh) * 2020-10-19 2021-01-22 北京交通大学 一种基于改进sir模型的风险传播路径的预测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108995675A (zh) * 2018-06-28 2018-12-14 上海工程技术大学 一种轨道交通运营风险智能识别预警***及方法
CN112257175A (zh) * 2020-10-19 2021-01-22 北京交通大学 一种基于改进sir模型的风险传播路径的预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周进: "铁路运输事故致因及安全风险分析方法研究", 《万方》 *

Similar Documents

Publication Publication Date Title
Chauvin Human factors and maritime safety
Turner The development of disasters—a sequence model for the analysis of the origins of disasters
CN106650985B (zh) 基于随机Petri网的不正常航班衍生事件链式效应预测方法
Debrincat et al. Assessing organisational factors in aircraft accidents using a hybrid Reason and AcciMap model
CN103364034A (zh) 一种铁路道轨崩塌落石检测方法及***
Sarshar et al. A Bayesian network model for evacuation time analysis during a ship fire
CN112966875A (zh) 全链条物流事故致因关联规则挖掘分析***及方法
CN107909268A (zh) 一种公交车失火事故风险评估的方法
KR101020191B1 (ko) 철도 터널 화재의 위험도 분석 방법
Mueller et al. Terrorism and counterterrorism in the US: The question of responsible policy-making
Duzgun et al. An evaluation of Soma underground coal mine disaster with respect to risk acceptance and risk perception
Azarov et al. Methods for the modelling of transport security
Walker et al. Industry Safety Data, What is it Telling Us?
Wang et al. Evacuation performance on offshore platforms under different visibility conditions
Licciardello et al. Limits and opportunities of risk analysis application in railway systems
Oztekin et al. Hazard, safety risk, and uncertainty modeling of the integration of unmanned aircraft systems into the national airspace
Goffart et al. Practical issues of safety in coal mines
Li et al. A model on emergency resource dispatch under random demand and unreliable transportation
Leventakis et al. A risk assessment framework for interconnected and interdependent surface transport networks
Caliendo et al. Risk impact analysis of traffic volume and heavy goods vehicles in a bi-directional road tunnel
McDonald et al. Mathematical modelling of cross passage spacing in tunnels
Pan et al. The FTA based safety analysis method for urban transit signal system
Ballay et al. Application analyses of state of evolution–ETA on selected extraordinary events
Liu et al. Based on ISM—NK Tunnel Fire Multi-Factor Coupling Evolution Game Research. Sustainability 2022, 14, 7034
Berg et al. Probabilistic assessment of nuclear power plant protection against external explosions

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210615

WD01 Invention patent application deemed withdrawn after publication