城市轨道交通项目施工安全评价研究
发布时间：2022-01-07 00:31
随着城市化进程的加快,城市轨道交通进入了高速发展时期,施工安全事故也频繁发生。城市轨道交通项目的施工阶段是建设过程中的风险多发阶段,影响因素众多复杂,且具体施工环境复杂多变充满不确定性,使得施工安全管理面临诸多问题。城市轨道交通项目施工安全评价研究,能清晰准确的认识施工安全水平,对安全风险控制和安全管理水平提升有着很强的指导意义。本文对204起城市轨道交通项目施工安全事故的数据进行整理分析,得到安全事故特征及发生规律,然后基于“4M“理论和已有文献研究对城市轨道交通施工安全潜在影响因素进行深入剖析,将影响因素划分为人为因素、物的因素、管理因素、环境因素和技术因素五类。基于广州地铁和南宁地铁工程数据和专家评估数据,借助邻域粗糙集方法约简得到评价指标体系。根据优化后的指标体系结合专家建议进行安全等级阈值划分,得到安全等级标准云模型。本文利用可拓云模型的不确定性推理,建立评价指标与标准云间的云关联函数,形成城市轨道交通施工安全评价可拓云模型。文章选取南宁轨道交通五号线进行实证分析,利用安全评价模型对项目进行安全风险分析,得到项目施工安全等级与施工方安全管理水平,识别项目的风险因子和薄弱环节,...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：89 页
【学位级别】：硕士
【部分图文】：
海因里希事故致因连锁模型
哈尔滨工业大学工学硕士学位论文-12-图2-2轨迹交叉理论模型（5）“4M”理论“4M”理论是对事故致因中的“事故链”的进一步深化。“4M”理论将事故原因分为人为致因Man、设备致因Machine、作业致因Media、管理致因Management这四个致因，命名为“4M”理论。后期学者学者通过对“4M”理论的深入研究将其优化为人为因素Mans、物的因素Machine、管理因素Management、环境因素Medium。具体到施工现场时，四类因素又可进一步细分，例如人为因素又可分为生理因素、心理因素和职业因素。我国目前在进行施工现场安全检查时常用的安全表法就是基于4M理论优化后的实际应用。2.2.1.2事故致因理论对比事故致因理论发展历程中的不同阶段有着不同的代表性理论，其分析角度、分析方式也各有特点，选取不同时代具有代表性的事故致因理论进行优缺点分析，以更深入理解事故致因的作用机理，如表2-1所示。通过事故致因理论的分析比较可知，“4M”理论对于识别城市轨道交通的安全表2-1事故致因理论对比阶段工业化时代电气化时代信息化时代理论事故因果连锁理论流行病学理论能量意外释放理论轨迹交叉理论“4M”理论提出者海因里希葛登吉布森、哈登R.斯奇巴西岛茂特点首次提出事故致因由人和物的不安全行为构成首次提出以群体作为事故致因主体人并用流行病学方法分析致因从能量释放的角度将伤害分成了两类首次提出事故致因的轨迹的交叉和相互间的影响从全新的人、设备、作业、管理四个角度分析事故致因局限性过分强调人的个性特征对事故的影响未对事故发生具体过程进行分析未深入分析能量释放背后的原因未体现导致不安全行为的深层次原?
哈尔滨工业大学工学硕士学位论文-25-3EnExHe隶属度指标值图2-15云模型数字特征示意图在云理论中还有一个重要概念——云发生器，它是云运算中关键的算法，能直接实现模糊性描述到确定性数值的转换[49]。不同的云算法构成了不同类型的云模型，如：对称云模型、正态云模型、高维云模型等，其中正态云模型已证明是最具普适性的一种模型[50]。正向云发生器的作用原理是由云的三个数字特征(，，)，产生云模型的若干二维点即云滴drop(,),云滴在数域空间的定量位置及每个云滴代表该概念的关联度[51,52]，从而实现定性到定量的转换，原理如图2-16所示。图2-16正向云发生器逆向云发生器是根据已知云滴的数学特性，通过计算，还原云模型的三个数字特征值(，，)，实现定量到定性的映射，原理如图2-17所示。图2-17逆向云发生器drop(,MCG)ExEnHeMCG-1drop(,)ExEnHe
【参考文献】：
期刊论文
[1]基于事故机理和追责的地铁隧道坍塌事故分析与防范策略[J]. 夏润禾. 隧道建设(中英文). 2019(10)
[2]基于知识图谱的地铁工程事故知识建模与分析[J]. 王莉,王建平,许娜,邓勇亮. 土木工程与管理学报. 2019(05)
[3]基于相互作用矩阵的地铁施工风险评价[J]. 闫文周,门雪,杨翻艳. 武汉大学学报(工学版). 2019(09)
[4]城市地铁施工安全风险评价与控制研究[J]. 张飞燕,张特曼,王泽武. 地下空间与工程学报. 2019(S1)
[5]2019年上半年中国内地城轨交通线路概况[J]. 城市轨道交通. 2019(07)
[6]宋敏华:城轨交通进展、特点与趋势[J]. 城市轨道交通. 2019(05)
[7]Spatial and temporal distribution of the cloud optical depth over China based on MODIS satellite data during 2003–2016[J]. Xiaopan Li,Huizheng Che,Hong Wang,Xiang’ao Xia,Quanliang Chen,Ke Gui,Hujia Zhao,Linchang An,Yu Zheng,Tianze Sun,Zhizhong Sheng,Chao Liu,Xiaoye Zhang. Journal of Environmental Sciences. 2019(06)
[8]城市轨道交通2018年度统计和分析报告[J]. 城市轨道交通. 2019(04)
[9]基于贝叶斯理论的云模型参数估计研究[J]. 高艳苹,吕王勇,王玲玲,蔡琳芝. 统计与决策. 2019(06)
[10]基于混合随机相依SFE-Copula模型的地铁施工诱发临近建筑的可靠性分析[J]. 董超,刘文黎,王彦玉. 土木工程与管理学报. 2019(02)
本文编号：3573445
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：89 页
【学位级别】：硕士
【部分图文】：
海因里希事故致因连锁模型
哈尔滨工业大学工学硕士学位论文-12-图2-2轨迹交叉理论模型（5）“4M”理论“4M”理论是对事故致因中的“事故链”的进一步深化。“4M”理论将事故原因分为人为致因Man、设备致因Machine、作业致因Media、管理致因Management这四个致因，命名为“4M”理论。后期学者学者通过对“4M”理论的深入研究将其优化为人为因素Mans、物的因素Machine、管理因素Management、环境因素Medium。具体到施工现场时，四类因素又可进一步细分，例如人为因素又可分为生理因素、心理因素和职业因素。我国目前在进行施工现场安全检查时常用的安全表法就是基于4M理论优化后的实际应用。2.2.1.2事故致因理论对比事故致因理论发展历程中的不同阶段有着不同的代表性理论，其分析角度、分析方式也各有特点，选取不同时代具有代表性的事故致因理论进行优缺点分析，以更深入理解事故致因的作用机理，如表2-1所示。通过事故致因理论的分析比较可知，“4M”理论对于识别城市轨道交通的安全表2-1事故致因理论对比阶段工业化时代电气化时代信息化时代理论事故因果连锁理论流行病学理论能量意外释放理论轨迹交叉理论“4M”理论提出者海因里希葛登吉布森、哈登R.斯奇巴西岛茂特点首次提出事故致因由人和物的不安全行为构成首次提出以群体作为事故致因主体人并用流行病学方法分析致因从能量释放的角度将伤害分成了两类首次提出事故致因的轨迹的交叉和相互间的影响从全新的人、设备、作业、管理四个角度分析事故致因局限性过分强调人的个性特征对事故的影响未对事故发生具体过程进行分析未深入分析能量释放背后的原因未体现导致不安全行为的深层次原?
哈尔滨工业大学工学硕士学位论文-25-3EnExHe隶属度指标值图2-15云模型数字特征示意图在云理论中还有一个重要概念——云发生器，它是云运算中关键的算法，能直接实现模糊性描述到确定性数值的转换[49]。不同的云算法构成了不同类型的云模型，如：对称云模型、正态云模型、高维云模型等，其中正态云模型已证明是最具普适性的一种模型[50]。正向云发生器的作用原理是由云的三个数字特征(，，)，产生云模型的若干二维点即云滴drop(,),云滴在数域空间的定量位置及每个云滴代表该概念的关联度[51,52]，从而实现定性到定量的转换，原理如图2-16所示。图2-16正向云发生器逆向云发生器是根据已知云滴的数学特性，通过计算，还原云模型的三个数字特征值(，，)，实现定量到定性的映射，原理如图2-17所示。图2-17逆向云发生器drop(,MCG)ExEnHeMCG-1drop(,)ExEnHe
【参考文献】：
期刊论文
[1]基于事故机理和追责的地铁隧道坍塌事故分析与防范策略[J]. 夏润禾. 隧道建设(中英文). 2019(10)
[2]基于知识图谱的地铁工程事故知识建模与分析[J]. 王莉,王建平,许娜,邓勇亮. 土木工程与管理学报. 2019(05)
[3]基于相互作用矩阵的地铁施工风险评价[J]. 闫文周,门雪,杨翻艳. 武汉大学学报(工学版). 2019(09)
[4]城市地铁施工安全风险评价与控制研究[J]. 张飞燕,张特曼,王泽武. 地下空间与工程学报. 2019(S1)
[5]2019年上半年中国内地城轨交通线路概况[J]. 城市轨道交通. 2019(07)
[6]宋敏华:城轨交通进展、特点与趋势[J]. 城市轨道交通. 2019(05)
[7]Spatial and temporal distribution of the cloud optical depth over China based on MODIS satellite data during 2003–2016[J]. Xiaopan Li,Huizheng Che,Hong Wang,Xiang’ao Xia,Quanliang Chen,Ke Gui,Hujia Zhao,Linchang An,Yu Zheng,Tianze Sun,Zhizhong Sheng,Chao Liu,Xiaoye Zhang. Journal of Environmental Sciences. 2019(06)
[8]城市轨道交通2018年度统计和分析报告[J]. 城市轨道交通. 2019(04)
[9]基于贝叶斯理论的云模型参数估计研究[J]. 高艳苹,吕王勇,王玲玲,蔡琳芝. 统计与决策. 2019(06)
[10]基于混合随机相依SFE-Copula模型的地铁施工诱发临近建筑的可靠性分析[J]. 董超,刘文黎,王彦玉. 土木工程与管理学报. 2019(02)
本文编号：3573445
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3573445.html
