[发明专利]一种轨道交通车站动态安全风险评价方法

权利要求书

1.一种应用于轨道交通车站的动态安全风险评价方法，该方法包括以下步骤：

(一)确定轨道交通车站动态安全风险评价指标：进站闸机负荷度、出站闸机负荷度、站台客流密度、楼梯拥挤度、通道拥挤度、自动扶梯拥挤度、自动扶梯安全指数、给排水系统安全指数、FAS系统安全指数、屏蔽门安全指数、照明系统安全指数、车站空调系统指数、车站温度指数、车站湿度指数、车站PM2.5指数、车站PM10指数、车站CO2指数、车站安全管理指数、车站应急疏散能力指数、车站事故次数、车站人员死亡指、车站经济损失值；

(二)根据车站现场设备所采集的数据分别计算上述各项动态指标的指标值；

(三)采用不同截集水平下模糊TOPSIS集成法评价车站安全状态，其中步骤(一)中各项指标的权重ω_j采用区间二型模糊数，而各项指标的评价值x_j为步骤(二)中计算出的各项指标的指标值；

其特征在于，步骤(二)中的计算各项指标值的具体方法为：

(1)进站闸机负荷度计算公式：

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

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

$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)—统计期内，车站s_ij的进站闸机负荷度；—第x个口进站闸机负荷度；—第x个口进站闸机所占权重；—Δt时间内，闸机进站人数；c^out(s_ij)—Δt时间内，闸机出站人数；cⁱⁿ—单位时间内闸机进站人数；c^out—单位时间内闸机出站人数；—第x个口进站闸机开放总个数；—第x个口单向进站闸机开放个数；—第x个口双向闸机开放个数；afc_e—单位时间内每台闸机实际最大通过能力，单位：人/min；Δt—实际发车间隔；

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

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

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

式中：GU(s_ij)—统计期内，车站s_ij的进站闸机负荷度；—统计期内，高峰时段发车间隔的平均负荷度；—统计期内，平峰时段发车间隔的平均负荷度,θa、θ_b为中间变量；

(2)出站闸机负荷度计算公式：

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

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

$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)—统计期内，车站s_ij的出站闸机负荷度；—第x个口出站闸机负荷度；—第x个口出站闸机所占权重；cⁱⁿ(s_ij)—Δt时间内，闸机进站人数；c^out(s_ij)—Δt时间内，闸机出站人数；cⁱⁿ—单位时间内闸机进站人数；c^out—单位时间内闸机出站人数；—第x个口出站闸机开放总个数；—第x个口单向出站闸机开放个数；—第x个口双向闸机开放个数；afc_e—单位时间每台闸机实际最大通过能力，单位：人/min；Δt—实际发车间隔；

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

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

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

式中：GU(s_ij)—统计期内，车站s_ij的出站闸机负荷度；—统计期内，高峰时段发车间隔的平均负荷度；—统计期内，平峰时段发车间隔的平均负荷度,θa、θ_b为中间变量；

(3)站台客流密度计算公式：

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

S_a＝l·d

$S_b=\frac{L-l\·n}{n-1}\·d$

式中：PP_t(s_ij)—统计期内，车站s_ij的站台客流密度；—统计期内，站台密集区域平均客流数量；—统计期内，站台非密集区域平均客流数量；S_a—车站站台密集区域面积，d为有效站台宽度，l为车门宽度；S_b—车站站台非密集区域面积，L为列车总长度,n为车门个数；θ_a—密集区不均衡系数，密集区域平均客流密度与密集区和非密集区总平均密度的比值；θ_b—非密集区不均衡系数，非密集区域平均客流密度与密集区和非密集区总平均密度的比值；

(4)楼梯拥挤度计算公式：

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

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

式中：cp—统计期内，车站监测楼梯拥挤度；cp_i—第i个发车间隔内的楼梯拥挤度；c_i—第i个发车间隔内，通过监测楼梯断面的客流量；d—监测楼梯瓶颈最小断面宽度；C_max—楼梯的设计通行能力；T_i—第i个实际发车间隔；m-车站楼梯个数；

CP_lt(s_ij)＝cp_h·α+cp_s·β

式中：CP_lt(s_ij)—统计期内，车站监测楼梯拥挤度；cp_h—高峰时间段，通过监测楼梯断面的平均楼梯拥挤度；cp_s—其他时时间段，通过监测楼梯断面的平均楼梯拥挤度；α—高峰时间段不均衡系数：高峰时间段的楼梯拥挤度平均值与高峰时间段和其他时间段总平均楼梯拥挤度的比值；β—其他时间段不均衡系数：其他时间段的平均楼梯拥挤度与高峰时间段和其他时间段总平均楼梯拥挤度的比值；

(5)通道拥挤度计算公式：

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

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

式中：cp—统计期内，车站监测通道拥挤度；cp_i—第i个发车间隔内的通道拥挤度；c_i—第i个发车间隔内，通过监测通道断面的客流量；d—监测通道瓶颈最小断面宽度；C_max—通道的设计通行能力；T_i—第i个实际发车间隔；m-车站通道个数；

CP_td＝cp_h·α+cp_s·β

式中：CP_td—统计期内，车站监测通道拥挤度；cp_h—高峰时间段，通过监测通道断面的平均通道拥挤度；cp_s—其他时间段，通过监测通道断面的平均通道拥挤度；α—高峰时间段不均衡系数：高峰时间段的通道拥挤度平均值与高峰时间段和其他时间段总平均通道拥挤度的比值；β—其他时间段不均衡系数：其他时间段的平均通道拥挤度与高峰时间段和其他时间段总平均通道拥挤度的比值；

(6)自动扶梯拥挤度FT计算公式：

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

式中：FT—统计期内，监测自动扶梯的拥挤度；f—(t,t+Δt)时期，通过自动扶梯断面客流量；d—自动扶梯瓶颈最小断面宽度；F_max—自动扶梯的设计通行能力；Δt—实际发车间隔；

FT(s_ij)＝ft_h·α+ft_s·β

式中：FT(s_ij)—统计期内，监测自动扶梯的拥挤度；ft_h—高峰时间段，通过自动扶梯断面的平均自动扶梯拥挤度；ft_s—其他时间段，通过自动扶梯断面的平均自动扶梯拥挤度；α—高峰时间段不均衡系数：高峰时间段的自动扶梯拥挤度平均值与高峰时间段和其他时间段总平均自动扶梯拥挤度的比值；β—其他时间段不均衡系数：其他时间段的平均自动扶梯拥挤度与高峰时间段和其他时间段总平均自动扶梯拥挤度的比值；

(7)自动扶梯安全指数计算公式：

Es(s_ij)＝1-(FT·σ)

式中：Es(s_ij)—统计期内，自动扶梯安全指数；FT—自动扶梯拥挤度，σ—自动扶梯风险系数；t_故障—统计期内，车站自动扶梯的故障时间；t_总—统计期内，车站自动扶梯的总计划服务时间；

(8)给排水系统安全指数计算公式：

式中：PE(s_ij)—统计期内，车站给排水系统安全指数；n_故障—统计期内，车站给排水系统故障台数；n_总—统计期内，车站给排水系统总台数；

(9)FAS系统安全指数计算公式：

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

式中：FA(s_ij)—统计期内，车站FAS系统报警指数；f_(k)—统计期内，车站第k个防烟分区报警值；n—车站的防烟分区总数；

(10)屏蔽门安全指数计算公式：

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

式中：PB(s_ij)—统计期内，车站屏蔽门安全指数；p_(k)—统计期内，车站第k个屏蔽门报警值；n—车站屏蔽门总数；

(11)照明系统安全指数计算公式：

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

式中：ZM(s_ij)—统计期内，车站照明系统安全指数；z_(k)—统计期内，车站第k个照明设备故障值；n—车站照明设备总数；

(12)车站空调系统指数计算公式：

式中：KT(s_ij)—统计周期内，车站空调系统指数；t_正常—统计周期内，车站空调系统设备正常工作的时间；n_计划—统计周期内，车站空调系统设备计划服务总时间；

(13)车站温度指数计算公式：

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

式中,TW(s_ij)—t时刻，车站温度指数；T_i—t时刻，车站第i号温度传感器实际温度测量值；T_e—t时刻，车站温度传感器测量值应达到的标准温度；—车站温度传感器实际温度与所设定标准温度差的平均值；maxΔT_e—t时刻，车站温度传感器所允许的最大温度差；

(14)车站湿度指数计算公式：

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

式中：TS(s_ij)—t时刻，车站湿度指数；—车站湿度传感器实际湿度与所设定标准湿度差的平均值；W_i—t时刻，车站第i号湿度传感器实际湿度测量值；W_e—t时刻，车站湿度传感器测量值应达到的标准湿度；maxΔW_e—t时刻，车站湿度传感器所允许的最大湿度差；

(15)车站PM2.5指数计算公式：

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

式中，y为车站PM2.5指数值，x为车站PM2.5实际测量值；

(16)车站PM10指数计算公式：

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

式中，y为车站PM10指数值，x为车站PM10实际测量值；

(17)车站CO2指数计算公式：

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

式中，y为车站CO2指数值，x为车站CO2实际测量值；

(18)车站安全管理指数计算公式：

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

式中，y为车站安全管理指数值，x为车站安全评价打分值；

(19)车站应急疏散能力指数计算公式：

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

式中：—车站s_ij疏散能力；C₁—车站到站列车的额定载客人数；ε—到站列车满载率；C₂—车站站台人数；A₁—自动扶梯的通过能力，单位人/(min·m)；A₂—楼梯的通过能力，单位人/(min·m)；N—自动楼梯正常运行的台数；B,b—分别为人行楼梯的总宽度、1台自动扶梯的宽度，单位米；0.9—楼梯与自动扶梯的理论通行能力按照九折折减；1—人员反应时间，单位min；

(20)车站事故次数计算公式：

S(s_ij)＝∑s_k

式中：S(s_ij)—统计期内，车站发生事故的总次数；s_k—统计期内，车站发生第k种事故的次数；

(21)车站人员死亡指数计算公式：

式中：D(s_ij)—车站人员死亡指数；N_死亡—车站死亡人数；n_进出站—车站进出站量；

(22)车站经济损失值计算公式：

M_(t,t+Δt)＝∑m_i

式中：M_(t,t+Δt)—统计期内，车站经济损失值；m_i—单位统计期内，车站第i次经济损失值。

2.如权利要求1所述的应用于轨道交通车站的动态安全风险评价方法，其特征在于，步骤(三)中采用不同截集水平下模糊TOPSIS集成法评价车站安全状态具体步骤如下：

(1)确定评价向量为x_j为车站评价指标的评价值；

(2)确定评价向量的正理想解为A⁺＝{1,...,1}，负理想解为A^-＝{0,...,0}；

(3)设置不同截集α，确定不同截集α下的评价向量；

(4)依据非线性规划模型，计算在不同截集α水平下方案的模糊相对相似度：

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

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

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

其中，是评价值x_j在截集为α水平时的集合；为在截集为α水平时区间模糊相对相似度的上限，为在截集为α水平时区间模糊相对相似度的下限；

(5)求解所有不同截集α_j下的平均模糊相对相似度：

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

(6)依据步骤(5)的计算结果，值越靠近1，车站安全性越高。