安全铁路运输论文提纲

论文题目：铁路运输事故致因及安全风险分析方法研究

摘要：复杂系统中的元素数目庞大、元素之间的关系错综复杂,这需要对复杂系统进行全面综合的分析,发现系统构造机理和演化规律,优化系统结构和组织机制,控制系统发展和变化趋势,保证系统的正常有序运行。复杂系统的安全管理是系统管理的重要组成部分,通过事发前的风险辨识、事发中的风险控制、事发后的漏洞修补等措施,确保系统在现有成本和技术约束下达到最佳的安全状态。复杂系统安全管理可以有效预防系统受到内外部异常扰乱后的非正常运营和严重损失,因此近年来备受关注。铁路运输系统是一个典型的复杂系统。铁路运输安全管理需要对众多的人员、大量的设备设施、复杂的内外部环境进行有效的控制,这增加了该问题的复杂性。铁路运输系统中一旦出现异常情况,会对快速运行的列车带来严重的影响。轻则扰乱正常的运输组织或者造成设备损坏,重则导致安全事故频发甚至人员伤亡。这会给铁路运输企业带来严重损失,同时也严重威胁着乘客及货物的安全。通过事后分析并发现事故成因规律是有效提升系统安全性的重要手段。总结历史事故中安全管理的疏漏和不足,挖掘事故致因规律,可辅助铁路运输安全管理决策,促进系统安全运行。本论文针对铁路运输复杂系统,运用系统化的分析方法,进行事故致因及安全风险定量分析。旨在揭示铁路运输事故成因机理和安全风险演化规律。具体研究内容如下:（1）基于复杂网络理论,提出了针对有向加权铁路运输事故致因网络的建模及分析方法。并以英国铁路事故调查处（RAIB）在2006年至2014年间公布的203个铁路事故调查报告为例,详述了事故中事件链的提取过程,并利用其构建了一个由109个节点和260条有向加权边组成的事故致因网络。通过分析此网络的统计特征发现了关键因素、关键致因链路、事故成因规律。研究发现此网络具有无标度网络和小世界网络的特性。研究结果为事故预防提供了指导策略,同时揭示了事故预防的难点。（2）提出了快速挖掘频繁项集的MCApriori算法,设计了标准化的铁路运输事故致因关联规则挖掘流程,利用系统分析、数据分析和处理手段,对RAIB公布的203个事故进行分析,获得事故致因数据集,并找出铁路运输事故致因关联规则。对高支持度关联规则、高置信度关联规则、及所有关联规则进行网络化分析及可视化展示。研究表明铁路运输事故致因关联规则呈现显著的聚集特征。（3）通过分析铁路运输系统的特性,结合复杂网络上的传播动力学理论,本论文定义了铁路运输系统中元素的状态以及元素状态演化过程,进一步提出了安全风险传播的动力学模型。结合上述有向加权铁路运输事故致因网络,构建了此网络上安全风险传播的仿真方法。仿真不同参数下的安全风险传播过程,验证了模型有效性,同时发现了安全风险的动态传播规律。（4）建立了铁路事故致因因素分析与分类系统（RACFACS）方法,并提出了基于RACFACS下的系统定义,构建事故致因因素数据集的方法,确定贝叶斯网络结构的方法,以及贝叶斯网络参数的学习方法。以RAIB在2014到2016年间公布的铁路事故报告为例,详述了 RACFACS方法下构建铁路事故致因因素数据集的过程,建立贝叶斯网络结构的过程和生成节点条件概率表的过程。找出了关键因素以及事故的敏感致因因素。利用安全风险概率推理,模拟异常情况发生后,识别系统中的高风险事件。本论文结合铁路运输系统的复杂特性进行建模和分析,研究方法可用于铁路运输安全管理中的隐患排查和风险识别,为铁路运输安全生产提供指导和借鉴。

关键词：铁路运输安全管理;事故致因;安全风险;复杂网络;关联规则分析

学科专业：交通运输规划与管理

致谢

摘要

ABSTRACT

1 引言

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 事故模型综述

1.2.2 安全风险定量分析方法综述

1.3 研究内容

1.4 文章结构

1.5 本章小结

2 铁路运输事故致因网络的建模与分析方法

2.1 复杂网络理论

2.1.1 网络的图表示

2.1.2 度和度分布

2.1.3 节点强度和节点强度分布

2.1.4 网络直径和平均路径长度

2.1.5 聚类系数

2.1.6 介数

2.2 数据分析和处理

2.2.1 数据分析

2.2.2 数据处理

2.3 铁路运输事故致因网络的建模方法

2.3.1 事故致因因素的提取

2.3.2 节点及有向加权边的确定方法

2.3.3 有向加权铁路运输事故致因网络的构建

2.4 铁路运输事故致因网络的分析方法

2.4.1 度和度分布分析

2.4.2 节点强度和节点强度分布分析

2.4.3 平均路径长度和直径分析

2.4.4 聚类性分析

2.4.5 介数分析

2.5 本章小结

3 铁路运输事故致因关联规则挖掘和可视化分析

3.1 铁路运输事故致因关联规则挖掘方法

3.1.1 关联规则挖掘方法

3.1.2 铁路运输事故致因频繁项集快速挖掘算法

3.1.3 铁路运输事故致因关联规则挖掘流程

3.2 系统分析、数据分析和处理

3.2.1 系统分析

3.2.2 数据分析

3.2.3 数据处理

3.3 铁路运输事故致因关联规则挖掘

3.3.1 高支持度关联规则

3.3.2 高置信度关联规则

3.4 铁路运输事故致因关联规则的可视化分析

3.4.1 高支持度关联规则的可视化分析

3.4.2 高置信度关联规则的可视化分析

3.4.3 所有关联规则的可视化分析

3.5 本章小结

4 铁路运输系统中安全风险动态传播建模与分析

4.1 复杂系统中的传播机理和动力学

4.1.1 复杂系统中的传播机理

4.1.2 复杂网络上的传播动力学

4.2 铁路运输系统中安全风险动态传播建模

4.2.1 铁路运输系统特性分析

4.2.2 铁路运输系统中元素的状态及演化分析

4.2.3 安全风险传播动力学模型

4.3 安全风险动态传播仿真方法

4.4 安全风险传播动力学模型中参数仿真分析

4.4.1 不同的受控节点分析

4.4.2 首次识别出异常情况的时间分析

4.4.3 安全风险传播参数分析

4.4.4 安全风险控制参数分析

4.5 本章小结

5 铁路运输系统中安全风险识别与分析方法

5.1 铁路事故致因因素分析与分类系统(RACFACS)

5.2 基于RACFACS的贝叶斯网络建模方法

5.2.1 RACFACS方法下系统的定义

5.2.2 铁路事故致因因素数据集的表示方法

5.2.3 贝叶斯网络结构的建立方法

5.2.4 贝叶斯网络参数的学习方法

5.3 数据分析和处理

5.3.1 数据分析

5.3.2 数据处理

5.4 贝叶斯网络建模过程

5.4.1 构建铁路事故致因因素数据集

5.4.2 建立贝叶斯网络模型

5.4.3 生成条件概率表

5.4.4 网络上的概率推理过程

5.5 安全风险识别与分析

5.5.1 关键因素识别

5.5.2 敏感因素识别

5.5.3 异常情况发生后的安全风险识别

5.6 本章小结

6 结论和展望

6.1 全文总结

6.2 研究展望

参考文献