地铁项目运营安全风险预测方法及应用 本书特色

　　地铁系统是一个技术复杂、人口密集的交通系统，作为城市人口的重要运载体，一旦发生安全事故，将对个人生命及社会经济造成巨大影响。如何保证地铁系统的安全运行已成为各级政府及管理部门亟待解决的重要问题，同时也引起了社会的高度重视。陆莹所*的《地铁项目运营安全风险预测方法及应用/东南土木青年教师科研论丛》将把关注点集中到地铁项目运营阶段的安全风险预测方法上，并将现有的视角引入到地铁项目运营安全风险的前兆信息，研究安全风险识别、安全风险概率测定的方法，为地铁项目运营安全事故的防治打下良好的理论基础。地铁项目运营安全风险预测方法体系为开发地铁项目运营安全风险管理系统提供了全新的思路，是系统的核心价值所在。在地铁实际运行过程中，根据该系统识别、预测的结果，可采取积极的措施来预防地铁运营事故的发生，*大程度地保证地铁的安全使用，保障地铁持续地发挥基础效用。 　　本书可供地铁运营安全风险相关研究人员和地铁运营公司从业人员参考使用。  

地铁项目运营安全风险预测方法及应用 目录

**章  绪论  1.1  研究背景及研究意义    1.1.1  研究背景    1.1.2  研究意义  1.2  国内外研究现状及不足    1.2.1  安全风险的研究现状    1.2.2  预测方法的研究现状    1.2.3  安全风险研究的发展阶段    1.2.4  地铁项目运营安全风险的研究现状    1.2.5  现有研究的评论及不足  1.3  研究目标和内容    1.3.1  基本概念    1.3.2  研究目标    1.3.3  主要研究内容    1.3.4  研究内容框架结构  1.4  研究方法及技术路线    1.4.1  研究方法    1.4.2  技术路线  1.5  本章小结第二章  基于sts理论的地铁项目运营安全风险形成机理  2.1  社会技术系统理论    2.1.1  社会技术系统理论概述    2.1.2  社会技术系统的失效机制  2.2  社会技术系统安全风险分析方法    2.2.1  技术系统的模型方法    2.2.2  社会系统的致因模型方法    2.2.3  社会技术系统的模型方法  2.3  基于soteria模型的地铁项目运营安全风险形成机理    2.3.1  地铁项目运营安全风险事件的分类    2.3.2  两列车碰撞风险形成机理  2.4  本章小结第三章  地铁项目运营安全风险前兆信息体系构建  3.1  前兆信息的理论研究    3.1.1  前兆信息的基本概念    3.1.2  前兆信息的重要性  3.2  基于人-机-环境的地铁项目运营安全风险前兆信息体系构建    3.2.1  设备相关的前兆信息分析    3.2.2  环境相关的前兆信息分析    3.2.3  基于hfacs的人员相关前兆信息分析  3.3  地铁项目运营事故案例paicfs调查模型    3.3.1  paicfs调查模型简介    3.3.2  地铁项目运营事故案例的paicfs调查模型应用示例    3.3.3  相关结论  3.4  本章小结第四章  基于sdt的地铁项目运营安全风险前兆信息判别  4.1  信号检测理论概述    4.1.1  信号检测理论的基本原理    4.1.2  信号检测理论的应用综述  4.2  模糊集理论    4.2.1  模糊数    4.2.2  模糊数解模糊  4.3  基于信号检测理论的前兆信息判别过程    4.3.1  选择模糊语言隶属函数    4.3.2  运用隐藏函数    4.3.3  计算击中率及虚报率    4.3.4  计算辨别力指标与反应倾向性指标  4.4  实证分析    4.4.1  调查问卷设计及数据收集    4.4.2  研究结果及讨论  4.5  本章小结第五章  基于案例推理的地铁项目运营安全风险识别  5.1  基于案例推理的风险识别系统构建    5.1.1  案例推理的基本原理    5.1.2  基于案例推理的地铁项目运营安全风险识别系统架构  5.2  案例表示    5.2.1  地铁项目运营事故案例的内容    5.2.2  地铁项目运营事故案例的表示    5.2.3  前兆信息的权值计算方法  5.3  案例检索    5.3.1  前兆信息语义网络的构建    5.3.2  概念相似度的计算方法    5.3.3  地铁项目运营事故案例综合相似度计算    5.3.4  验证案例推理方法的有效性  5.4  实证分析    5.4.1  案例信息的输入    5.4.2  案例信息的检索    5.4.3  风险识别的结果  5.5  本章小结第六章  基于贝叶斯网络的地铁项目运营安全风险概率测定  6.1  贝叶斯网络理论  6.2  贝叶斯网络的构建方法    6.2.1  基于改进的mlcm模型的致因链分析    6.2.2  基于多案例集合的安全风险模型构建    6.2.3  贝叶斯网络的条件概率确定  6.3  贝叶斯网络的精确推理算法    6.3.1  离散贝叶斯网络的精确推理算法    6.3.2  混合贝叶斯网络的精确推理算法  6.4  实证分析    6.4.1  确定条件概率    6.4.2  贝叶斯网络推理    6.4.3  敏感性分析  6.5  本章小结第七章  结论与展望  7.1  主要的研究工作及其结论  7.2  创新点  7.3  研究不足及研究展望参考文献附录  附录1：关于地铁运营安全风险前兆信息的调查问卷  附录2：标准正态分布函数数值表  附录3：利用hugin软件计算边际概率及后验概率的界面示意

 1/2    1 2 下一页 尾页

工业技术 汽车与交通运输 铁路运输

在线阅读