[發明專利]多屬性鐵路事故致因權重分析方法

有效

• 申請號: 201910727343.0
• 申請日: 2019-08-07
• 公開（公告）號: CN110532298B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 余冠華;鄭偉
• 申請（專利權）人: 北京交通大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06K9/62;G06Q50/26
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 孫洪波

1.一種多屬性鐵路事故致因權重分析方法，其特征在于，包括：

基于鐵路事故致因分類CREAM-RAs模型，對所有的鐵路事故報告進行分解和編碼，建立多屬性鐵路事故數據集MARA-D；所述的CREAM-RAs模型是對傳統的CREAM分類模型進行改進的模型，包括人、技術和組織三個大類的鐵路事故致因；

基于自組織映射算法SOM和K-Means的鐵路事故集成聚類方法，對所述的MARA-D進行聚類分析，得到不同的事故聚類群，包括：

采用SOM算法對MARA-D進行初聚類；

將SOM算法的獲勝神經元權值作為二次聚類的輸入數據，將從SOM圖中觀察的聚類數目和初始聚類中心作為K-means算法的初始輸入參數；

通過K-Means算法得到最終的不同的事故聚類群以及對應的可視化輸出；

根據鐵路事故等級的關聯規則算法AL-Apriori，對所述的不同的事故聚類群進行關聯規則分析，得到不同的事故聚類群的致因之間的強關聯規則；

基于所述的強關聯規則和決策實驗室分析法DEMATEL得到致因綜合權重，然后根據所述的致因綜合權重進行權重排序得到多屬性鐵路事故致因權重。

2.根據權利要求1所述的方法，其特征在于，所述的根據鐵路事故等級的關聯規則算法AL-Apriori，對所述的不同的事故聚類群進行關聯規則分析，得到不同的事故聚類群的致因之間的強關聯規則，具體包括：

掃描多屬性鐵路事故數據集MARA-D＝{t₁,t₂,...,t_k,...,t_n}和對應的事故等級權值數據集W＝{w₁,w₂,...,w_k,...,w_n}，設定最小加權支持度Wminsup和最小加權置信度Wminconf，產生候選項集C_K，其中K為正整數，n表示鐵路事故的總數，t_k表示第k個事故的致因屬性向量；

計算C_K中每一項的加權支持度Wsup，判斷每一項的Wsup是否大于Wminsup，若滿足條件Wsup大于Wminsup，則將對應的項放入頻繁項集L_K中，否則不放入頻繁項集L_K中；

計算頻繁項集L_K中每一項的加權置信度Wconf和加權提升度Wlift，判斷Wconf是否大于Wminconf，并且加權提升度Wlift是否大于1，若均滿足條件，則將對應的項放入至最終的強關聯規則集中，產生致因之間的強關聯規則，否則不放入強關聯規則集中。

3.根據權利要求2所述的方法，其特征在于，所述的Wsup根據下式(1)和(2)計算：

其中，n表示鐵路事故的總數；t_k表示第k個事故的致因屬性向量；w_k表示第k個事故對應的事故等級權值；

所述的Wconf根據下式(3)計算：

所述的Wlift根據下式(4)計算：

其中，Wlift(A→B)表示關聯規則A→B的加權提升度，Wsup(B)表示項B的加權支持度，Wconf(A→B)表示關聯規則A→B的加權置信度，Wsup(A→B)表示關聯規則A→B的加權支持度，Wsup(A)表示項A的加權支持度。

4.根據權利要求2所述的方法，其特征在于，所述的基于所述的強關聯規則和決策實驗室分析法DEMATEL得到致因綜合權重，包括：

利用AL-Apriori得到的結果，進而確定DEMATEL的直接影響矩陣A：

式中，a_ij為矩陣A中第i行j列的元素，表示致因i對致因j的關聯程度，當Wlift≤1時，則a_ij＝0，表示沒有直接影響關系；當Wlift＞1時，若Wsup＜WminsupWconf＜Wminconf，則a_ij＝1，表示弱相關；若Wsup＜WminsupWconf≥Wminconf或Wsup≥WminsupWconf＜Wminconf時，則a_ij＝2，表示中等相關；若Wsup≥WminsupWconf≥Wminconf時，則a_ij＝1，表示強相關，該強相關即為強關聯規則集；

用AL-Apriori算法計算出的MARA-D的每一個一頻繁項集的加權支持度，然后進行歸一化，得到致因的歸一化初始權重s_i：

根據下式(7)計算標準化直接影響矩陣N：

根據下式(8)計算綜合影響矩陣T：

T＝N(I-N)^-1 (8)

根據下式(9)和(10)計算致因的影響度f_i'和被影響度e_i'：

根據下式(11)計算致因的綜合權重，根據綜合權重得到各致因的權重排序：

其中，s_i為致因i的歸一化初始權重，f_i'為致因i的影響度，e_i'為致因i的被影響度，s_j為致因j的歸一化初始權重，t_ij為致因i對致因j的影響度，t_ji為致因j對致因i的影響度。