[發明專利]一種軌道交通車站動態安全風險評價方法

有效

• 申請號: 201410469673.1
• 申請日: 2014-09-16
• 公開（公告）號: CN104217297B
• 公開（公告）日: 2017-04-26
• 發明（設計）人: 秦勇;賈利民;張振宇;李曼;晉君;謝征宇;王艷輝;梁平;孫方;戰明輝
• 申請（專利權）人: 北京交通大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/30
• 代理公司: 江蘇樓沈律師事務所32254
• 代理人: 馬勇

1.一種應用于軌道交通車站的動態安全風險評價方法，該方法包括以下步驟：

(一)確定軌道交通車站動態安全風險評價指標：進站閘機負荷度、出站閘機負荷度、站臺客流密度、樓梯擁擠度、通道擁擠度、自動扶梯擁擠度、自動扶梯安全指數、給排水系統安全指數、FAS系統安全指數、屏蔽門安全指數、照明系統安全指數、車站空調系統指數、車站溫度指數、車站濕度指數、車站PM2.5指數、車站PM10指數、車站CO2指數、車站安全管理指數、車站應急疏散能力指數、車站事故次數、車站人員死亡指、車站經濟損失值；

(二)根據車站現場設備所采集的數據分別計算上述各項動態指標的指標值；

(三)采用不同截集水平下模糊TOPSIS集成法評價車站安全狀態，其中步驟(一)中各項指標的權重ω_j采用區間二型模糊數，而各項指標的評價值x_j為步驟(二)中計算出的各項指標的指標值；

其特征在于，步驟(二)中的計算各項指標值的具體方法為：

(1)進站閘機負荷度計算公式：

${\mathrm{gu}}_{(t,t+\mathrm{\Δ}t)}\left(s_{ij}\right)={\mathrm{\Σ\λ}}_x^{in}{\mathrm{gu}}_x^{in}\left(s_{ij}\right)$

${\mathrm{gu}}_x^{in}\left(s_{ij}\right)=\frac{c_x^{in}\left(s_{ij}\right)}{n_x^{in}\·\mathrm{\Δ}t\·{\mathrm{afc}}_e}$

$n_x^{in}=\[n_x^a+\frac{c^{in}}{c^{in}+c^{out}}\·n_x^b\]$

${\mathrm{\λ}}_x^{in}=\frac{c_x^{in}\left(s_{ij}\right)}{{\mathrm{\Σc}}^{in}\left(s_{ij}\right)}$

式中：gu_(t,t+Δt)(s_ij)—統計期內，車站s_ij的進站閘機負荷度；—第x個口進站閘機負荷度；—第x個口進站閘機所占權重；—Δt時間內，閘機進站人數；c^out(s_ij)—Δt時間內，閘機出站人數；cⁱⁿ—單位時間內閘機進站人數；c^out—單位時間內閘機出站人數；—第x個口進站閘機開放總個數；—第x個口單向進站閘機開放個數；—第x個口雙向閘機開放個數；afc_e—單位時間內每臺閘機實際最大通過能力，單位：人/min；Δt—實際發車間隔；

$GU\left(s_{ij}\right)=\stackrel{\‾}{{\mathrm{GU}}^a\left(s_{ij}\right)}\·{\mathrm{\θ}}_a+\stackrel{\‾}{{\mathrm{GU}}^b\left(s_{ij}\right)}\·{\mathrm{\θ}}_b$

${\mathrm{\θ}}_a=\frac{\stackrel{\‾}{{\mathrm{GU}}^a\left(s_{ij}\right)}}{\stackrel{\‾}{{\mathrm{GU}}^a\left(s_{ij}\right)}+\stackrel{\‾}{{\mathrm{GU}}^b\left(s_{ij}\right)}}$

${\mathrm{\θ}}_b=\frac{\stackrel{\‾}{{\mathrm{GU}}^b\left(s_{ij}\right)}}{\stackrel{\‾}{{\mathrm{GU}}^a\left(s_{ij}\right)}+\stackrel{\‾}{{\mathrm{GU}}^b\left(s_{ij}\right)}}$

式中：GU(s_ij)—統計期內，車站s_ij的進站閘機負荷度；—統計期內，高峰時段發車間隔的平均負荷度；—統計期內，平峰時段發車間隔的平均負荷度,θa、θ_b為中間變量；

(2)出站閘機負荷度計算公式：

${\mathrm{gu}}_{(t,t+\mathrm{\Δ}t)}\left(s_{ij}\right)={\mathrm{\Σ\λ}}_x^{out}{\mathrm{gu}}_x^{out}\left(s_{ij}\right)$

${\mathrm{gu}}_x^{out}\left(s_{ij}\right)=\frac{c_x^{out}\left(s_{ij}\right)}{n_x^{out}\·\mathrm{\Δ}t\·{\mathrm{afc}}_e}$

$n_x^{out}=\[n_x^a+\frac{c^{out}}{c^{in}+c^{out}}\·n_x^b\]$

${\mathrm{\λ}}_x^{out}=\frac{c_x^{out}\left(s_{ij}\right)}{{\mathrm{\Σc}}^{out}\left(s_{ij}\right)}$

式中：gu_(t,t+Δt)(s_ij)—統計期內，車站s_ij的出站閘機負荷度；—第x個口出站閘機負荷度；—第x個口出站閘機所占權重；cⁱⁿ(s_ij)—Δt時間內，閘機進站人數；c^out(s_ij)—Δt時間內，閘機出站人數；cⁱⁿ—單位時間內閘機進站人數；c^out—單位時間內閘機出站人數；—第x個口出站閘機開放總個數；—第x個口單向出站閘機開放個數；—第x個口雙向閘機開放個數；afc_e—單位時間每臺閘機實際最大通過能力，單位：人/min；Δt—實際發車間隔；

$GU\left(s_{ij}\right)=\stackrel{\‾}{{\mathrm{GU}}^a\left(s_{ij}\right)}\·{\mathrm{\θ}}_a+\stackrel{\‾}{{\mathrm{GU}}^b\left(s_{ij}\right)}\·{\mathrm{\θ}}_b$

${\mathrm{\θ}}_a=\frac{\stackrel{\‾}{{\mathrm{GU}}^a\left(s_{ij}\right)}}{\stackrel{\‾}{{\mathrm{GU}}^a\left(s_{ij}\right)}+\stackrel{\‾}{{\mathrm{GU}}^b\left(s_{ij}\right)}}$

${\mathrm{\θ}}_b=\frac{\stackrel{\‾}{{\mathrm{GU}}^b\left(s_{ij}\right)}}{\stackrel{\‾}{{\mathrm{GU}}^a\left(s_{ij}\right)}+\stackrel{\‾}{{\mathrm{GU}}^b\left(s_{ij}\right)}}$

式中：GU(s_ij)—統計期內，車站s_ij的出站閘機負荷度；—統計期內，高峰時段發車間隔的平均負荷度；—統計期內，平峰時段發車間隔的平均負荷度,θa、θ_b為中間變量；

(3)站臺客流密度計算公式：

${\mathrm{PP}}_t\left(s_{ij}\right)=\frac{\stackrel{\‾}{{\mathrm{pp}}_t^a\left(s_{ij}\right)}}{S_a}\·{\mathrm{\θ}}_a+\frac{\stackrel{\‾}{{\mathrm{pp}}_t^b\left(s_{ij}\right)}}{S_b}\·{\mathrm{\θ}}_b$

S_a＝l·d

$S_b=\frac{L-l\·n}{n-1}\·d$

式中：PP_t(s_ij)—統計期內，車站s_ij的站臺客流密度；—統計期內，站臺密集區域平均客流數量；—統計期內，站臺非密集區域平均客流數量；S_a—車站站臺密集區域面積，d為有效站臺寬度，l為車門寬度；S_b—車站站臺非密集區域面積，L為列車總長度,n為車門個數；θ_a—密集區不均衡系數，密集區域平均客流密度與密集區和非密集區總平均密度的比值；θ_b—非密集區不均衡系數，非密集區域平均客流密度與密集區和非密集區總平均密度的比值；

(4)樓梯擁擠度計算公式：

$cp=\frac{1}{m}\underset{i=1}{\overset{m}{\Σ}}{\mathrm{cp}}_i$

${\mathrm{cp}}_i=\frac{c_i}{C_{max}\·T_i\·d}$

式中：cp—統計期內，車站監測樓梯擁擠度；cp_i—第i個發車間隔內的樓梯擁擠度；c_i—第i個發車間隔內，通過監測樓梯斷面的客流量；d—監測樓梯瓶頸最小斷面寬度；C_max—樓梯的設計通行能力；T_i—第i個實際發車間隔；m-車站樓梯個數；

CP_lt(s_ij)＝cp_h·α+cp_s·β

式中：CP_lt(s_ij)—統計期內，車站監測樓梯擁擠度；cp_h—高峰時間段，通過監測樓梯斷面的平均樓梯擁擠度；cp_s—其他時時間段，通過監測樓梯斷面的平均樓梯擁擠度；α—高峰時間段不均衡系數：高峰時間段的樓梯擁擠度平均值與高峰時間段和其他時間段總平均樓梯擁擠度的比值；β—其他時間段不均衡系數：其他時間段的平均樓梯擁擠度與高峰時間段和其他時間段總平均樓梯擁擠度的比值；

(5)通道擁擠度計算公式：

$cp=\frac{1}{m}\underset{i=1}{\overset{m}{\Σ}}{\mathrm{cp}}_i$

${\mathrm{cp}}_i=\frac{c_i}{C_{max}\·T_i\·d}$

式中：cp—統計期內，車站監測通道擁擠度；cp_i—第i個發車間隔內的通道擁擠度；c_i—第i個發車間隔內，通過監測通道斷面的客流量；d—監測通道瓶頸最小斷面寬度；C_max—通道的設計通行能力；T_i—第i個實際發車間隔；m-車站通道個數；

CP_td＝cp_h·α+cp_s·β

式中：CP_td—統計期內，車站監測通道擁擠度；cp_h—高峰時間段，通過監測通道斷面的平均通道擁擠度；cp_s—其他時間段，通過監測通道斷面的平均通道擁擠度；α—高峰時間段不均衡系數：高峰時間段的通道擁擠度平均值與高峰時間段和其他時間段總平均通道擁擠度的比值；β—其他時間段不均衡系數：其他時間段的平均通道擁擠度與高峰時間段和其他時間段總平均通道擁擠度的比值；

(6)自動扶梯擁擠度FT計算公式：

$FT=\frac{f}{F_{max}\·\mathrm{\Δ}t\·d}$

式中：FT—統計期內，監測自動扶梯的擁擠度；f—(t,t+Δt)時期，通過自動扶梯斷面客流量；d—自動扶梯瓶頸最小斷面寬度；F_max—自動扶梯的設計通行能力；Δt—實際發車間隔；

FT(s_ij)＝ft_h·α+ft_s·β

式中：FT(s_ij)—統計期內，監測自動扶梯的擁擠度；ft_h—高峰時間段，通過自動扶梯斷面的平均自動扶梯擁擠度；ft_s—其他時間段，通過自動扶梯斷面的平均自動扶梯擁擠度；α—高峰時間段不均衡系數：高峰時間段的自動扶梯擁擠度平均值與高峰時間段和其他時間段總平均自動扶梯擁擠度的比值；β—其他時間段不均衡系數：其他時間段的平均自動扶梯擁擠度與高峰時間段和其他時間段總平均自動扶梯擁擠度的比值；

(7)自動扶梯安全指數計算公式：

Es(s_ij)＝1-(FT·σ)

式中：Es(s_ij)—統計期內，自動扶梯安全指數；FT—自動扶梯擁擠度，σ—自動扶梯風險系數；t_故障—統計期內，車站自動扶梯的故障時間；t_總—統計期內，車站自動扶梯的總計劃服務時間；

(8)給排水系統安全指數計算公式：

式中：PE(s_ij)—統計期內，車站給排水系統安全指數；n_故障—統計期內，車站給排水系統故障臺數；n_總—統計期內，車站給排水系統總臺數；

(9)FAS系統安全指數計算公式：

$FA\left(s_{ij}\right)=(1-\frac{1}{n}\underset{k=1}{\overset{n}{\Σ}}{f}_{\left(k\right)})\×100\%$

式中：FA(s_ij)—統計期內，車站FAS系統報警指數；f_(k)—統計期內，車站第k個防煙分區報警值；n—車站的防煙分區總數；

(10)屏蔽門安全指數計算公式：

$PB\left(s_{ij}\right)=(1-\frac{1}{n}\underset{k=1}{\overset{n}{\Σ}}{p}_{\left(k\right)})\×100\%$

式中：PB(s_ij)—統計期內，車站屏蔽門安全指數；p_(k)—統計期內，車站第k個屏蔽門報警值；n—車站屏蔽門總數；

(11)照明系統安全指數計算公式：

$ZM\left(s_{ij}\right)=(1-\frac{1}{n}\underset{k=1}{\overset{n}{\Σ}}{z}_{\left(k\right)})\×100\%$

式中：ZM(s_ij)—統計期內，車站照明系統安全指數；z_(k)—統計期內，車站第k個照明設備故障值；n—車站照明設備總數；

(12)車站空調系統指數計算公式：

式中：KT(s_ij)—統計周期內，車站空調系統指數；t_正常—統計周期內，車站空調系統設備正常工作的時間；n_計劃—統計周期內，車站空調系統設備計劃服務總時間；

(13)車站溫度指數計算公式：

$TW\left(s_{ij}\right)=(1-\frac{\stackrel{\‾}{|T_i-T_e|}}{{\mathrm{max\ΔT}}_e})\×100\%$

式中,TW(s_ij)—t時刻，車站溫度指數；T_i—t時刻，車站第i號溫度傳感器實際溫度測量值；T_e—t時刻，車站溫度傳感器測量值應達到的標準溫度；—車站溫度傳感器實際溫度與所設定標準溫度差的平均值；maxΔT_e—t時刻，車站溫度傳感器所允許的最大溫度差；

(14)車站濕度指數計算公式：

$TS\left(s_{ij}\right)=(1-\frac{\stackrel{\‾}{|W_i-W_e|}}{{\mathrm{max\ΔW}}_e})\×100\%$

式中：TS(s_ij)—t時刻，車站濕度指數；—車站濕度傳感器實際濕度與所設定標準濕度差的平均值；W_i—t時刻，車站第i號濕度傳感器實際濕度測量值；W_e—t時刻，車站濕度傳感器測量值應達到的標準濕度；maxΔW_e—t時刻，車站濕度傳感器所允許的最大濕度差；

(15)車站PM2.5指數計算公式：

$y=\left\{\begin{array}{cc}0.003x,& x\<100\\ 0.006x-0.3,& 100\≤x\<150\\ 0.008x-0.6,& 150\≤x\<200\\ 1,& x\≥200\end{array}\right.$

式中，y為車站PM2.5指數值，x為車站PM2.5實際測量值；

(16)車站PM10指數計算公式：

$y=\left\{\begin{array}{cc}0.003x,& x\<100\\ 0.006x-0.3,& 100\≤x\<150\\ 0.008x-0.6,& 150\≤x\<200\\ 1,& x\≥200\end{array}\right.$

式中，y為車站PM10指數值，x為車站PM10實際測量值；

(17)車站CO2指數計算公式：

$y=\left\{\begin{array}{cc}0.0003x,& x\<2000\\ \frac{1}{7500}x+\frac{1}{3},& 2000\≤x\<5000\\ 1,& x\≥5000\end{array}\right.$

式中，y為車站CO2指數值，x為車站CO2實際測量值；

(18)車站安全管理指數計算公式：

$y=\left\{\begin{array}{c}-0.002x+2,900\<x\≤1000\\ -0.001x+1.1,700\<x\≤900\\ -0.002x+1.8,600\<x\≤700\\ -0.001x+1.2,400\<x\≤600\\ -0.0005x+1,0\≤x\≤400\end{array}\right.$

式中，y為車站安全管理指數值，x為車站安全評價打分值；

(19)車站應急疏散能力指數計算公式：

$\stackrel{\‾}{T}\left(s_{ij}\right)=\frac{C_1\·\mathrm{\ϵ}+C_2}{0.9\[A_{1}bN+A_{2}B\]}+1$

式中：—車站s_ij疏散能力；C₁—車站到站列車的額定載客人數；ε—到站列車滿載率；C₂—車站站臺人數；A₁—自動扶梯的通過能力，單位人/(min·m)；A₂—樓梯的通過能力，單位人/(min·m)；N—自動樓梯正常運行的臺數；B,b—分別為人行樓梯的總寬度、1臺自動扶梯的寬度，單位米；0.9—樓梯與自動扶梯的理論通行能力按照九折折減；1—人員反應時間，單位min；

(20)車站事故次數計算公式：

S(s_ij)＝∑s_k

式中：S(s_ij)—統計期內，車站發生事故的總次數；s_k—統計期內，車站發生第k種事故的次數；

(21)車站人員死亡指數計算公式：

式中：D(s_ij)—車站人員死亡指數；N_死亡—車站死亡人數；n_進出站—車站進出站量；

(22)車站經濟損失值計算公式：

M_(t,t+Δt)＝∑m_i

式中：M_(t,t+Δt)—統計期內，車站經濟損失值；m_i—單位統計期內，車站第i次經濟損失值。

2.如權利要求1所述的應用于軌道交通車站的動態安全風險評價方法，其特征在于，步驟(三)中采用不同截集水平下模糊TOPSIS集成法評價車站安全狀態具體步驟如下：

(1)確定評價向量為x_j為車站評價指標的評價值；

(2)確定評價向量的正理想解為A⁺＝{1,...,1}，負理想解為A^-＝{0,...,0}；

(3)設置不同截集α，確定不同截集α下的評價向量；

(4)依據非線性規劃模型，計算在不同截集α水平下方案的模糊相對相似度：

${\left({\mathrm{RC}}_j^U\right)}_{\mathrm{\α}}=max\frac{\sqrt{\underset{j=1}{\overset{m}{\Σ}}{\left({\mathrm{\ω}}_j{\left(x_j^U\right)}_{\mathrm{\α}}\right)}^2}}{\sqrt{\underset{j=1}{\overset{m}{\Σ}}{\left({\mathrm{\ω}}_j{\left(x_j^U\right)}_{\mathrm{\α}}\right)}^2}+\sqrt{\underset{j=1}{\overset{m}{\Σ}}{\left({\mathrm{\ω}}_j\right({\left(x_j^U\right)}_{\mathrm{\α}}-1\left)\right)}^2}}$

${\left({\mathrm{RC}}_j^L\right)}_{\mathrm{\α}}=\min \frac{\sqrt{\underset{j=1}{\overset{m}{\Σ}}{\left({\mathrm{\ω}}_j{\left(x_j^L\right)}_{\mathrm{\α}}\right)}^2}}{\sqrt{\underset{j=1}{\overset{m}{\Σ}}{\left({\mathrm{\ω}}_j{\left(x_j^L\right)}_{\mathrm{\α}}\right)}^2}+\sqrt{\underset{j=1}{\overset{m}{\Σ}}{\left({\mathrm{\ω}}_j\right({\left(x_j^L\right)}_{\mathrm{\α}}-1\left)\right)}^2}}$

${\left({\mathrm{\ω}}_j^L\right)}_{\mathrm{\α}}\≤{\mathrm{\ω}}_j\≤{\left({\mathrm{\ω}}_j^U\right)}_{\mathrm{\α}};j=1,2,...,m;m=22;$

其中，是評價值x_j在截集為α水平時的集合；為在截集為α水平時區間模糊相對相似度的上限，為在截集為α水平時區間模糊相對相似度的下限；

(5)求解所有不同截集α_j下的平均模糊相對相似度：

${\mathrm{RC}}_j^{*}=\frac{1}{n}\underset{j=1}{\overset{n}{\Σ}}\left(\frac{{\left({\mathrm{RC}}_j^L\right)}_{{\mathrm{\α}}_j}+{\left({\mathrm{RC}}_j^U\right)}_{{\mathrm{\α}}_j}}{2}\right),n=22;$

(6)依據步驟(5)的計算結果，值越靠近1，車站安全性越高。