[发明专利]一种基于GA-BP神经网络的轨道交通运营安全评价方法

说明书

本发明公开了一种基于GA‑BP神经网络的轨道交通运营安全评价方法，其步骤为：步骤一，确定轨道交通运营安全状态的指标体系；步骤二，构建GA‑BP神经网络模型，该神经网络是采用输入层、中间层和输出层的3层神经网络结构；步骤三，收集数据样本；步骤四，训练GA‑BP神经网络，将训练样本输入对其进行训练；步骤五，通过上述步骤，得到GA‑BP神经网络的相应权值等参数，以及训练好的神经网络安全评价模型；步骤六，对轨道交通安全状态进行评价。本发明减少了人工评价工作量，大大降低评价人员主观影响，提高了轨道交通运营安全评价结果的准确性和客观性，为掌握轨道交通运营安全运行提供了技术支撑。

技术领域

本发明涉及一种基于GA-BP神经网络的轨道交通运营安全评价方法，属于安全工程技术领域。

背景技术

城市交通问题是现代城市发展过程中遇到的主要问题之一。为了改善城市整体交通的有效途径就是发展城市轨道交通。城市轨道交通具有高速、准时、载客量大等特点。伴随着中国经济的腾飞，中国城市轨道交通产业正步入了高速发展时期。城市轨道交通建设和运营有效的缓解了城市交通的压力，亦有利的带动了城市区域的发展。作为人员活动密集的场所，轨道交通安全一向是人们关注的重点。一旦地铁发生运营事故，人员和财产将受到极大的损害,所以为了减少轨道交通运营事故时的人员伤亡，就必须对轨道交通运营安全进行评估，发现规律，从而加以控制，这对于减少生命财产损失以及维护社会稳定具有重要的现实意义。

国内外轨道交通安全研究已经形成较为成熟的理论体系和方法。如英国伦敦总结并形成了伦敦地铁公司风险评价方法，用于分析和预测某种重大危险因素对乘客和工作人员可能造成的伤害，通过确定这种伤害和主要危险因素的定量关系，来确定危险因素的伤害程度。德国采取的是“专业化安全管理模式”，推行以“机务、车辆、工务、电务”等路网系统分开管理，使安全管理更加突出重点，管理更加合理。美国纽约地铁则通过对地铁系统中的员工、乘客、设备供应商等安全风险因素进行评价，出具相应的安全风险评估报告，据此制定相应的安全标准。

然而影响轨道交通运营安全的因素众多，因素与因素之间存在着复杂的非线性关系，这导致很难用单一线性关系来进行描述。因而，轨道交通安全评价需要找寻能够描述非线性关系的方法进行预测。随着计算机技术和人工智能技术的发展，人工神经网络(artificial neural network，ANN)在轨道交通安全运营评价方面得到了应用。人工神经网络具有高度的并行处理、高度非线性映射、自组织结构的特点。它不需要知道输入输出之间的确切关系，不需大量参数，只需要知道引起输出变化的非恒定因素，即非常量性参数。因此与传统的数据处理方法相比，人工神经网络技术在处理模糊数据、随机性数据、非线性数据方面具有明显优势，对规模大、结构复杂、信息不明确的系统尤为适用。

较为常见的安全评价的人工神经网络有反向传播神经网络(BPNN)。20世纪80年代中期，Runelhart等人发现了BPNN，系统解决了多层神经网络隐含层连接权学习问题，并在数学上给出了完整推导。BPNN算法包括信号的前向传播和误差的反向传播两个过程。即计算误差输出时按从输入到输出的方向进行，而调整权值和阈值则从输出到输入的方向进行。正向传播时，输入信号通过隐含层作用于输出节点，经过非线性变换，产生输出信号，若实际输出与期望输出不相符，则转入误差的反向传播过程。误差反传是将输出误差通过隐含层向输入层逐层反传，并将误差分摊给各层所有单元，以从各层获得的误差信号作为调整各单元权值的依据。通过调整输入节点与隐层节点的联接强度和隐层节点与输出节点的联接强度以及阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数(权值和阈值)，训练即告停止。此时经过训练的神经网络即能对类似样本的输入信息，自行处理输出误差最小的经过非线形转换的信息。BPNN已经在轨道交通运营安全评价研究中得到了应用。但使用BPNN评价轨道交通运营安全需要大量的训练样本，而实际在应用BPNN时，由于训练样本往往有限且不均匀，因而参数不易确定，影响了轨道交通运营安全评价结果，降低了预测精度，因而BPNN应用于轨道交通运营安全评价还有进一步提升的可能性，特别是需要对BPNN网络中的参数进行优化设置。

发明内容