[发明专利]一种基于大数据的危化品运输风险因素的统计和分析方法

权利要求书

1.一种基于大数据的危化品运输风险因素的统计和分析方法，包括以下步骤：

采用半定量的风险评估方法，以经典的风险矩阵法(RMA)为半定量评估工具，通过研究各种不确定性因素发生不同变动幅度的概率分布及其对运输状态的影响，对各项风险指标进行量化评估；风险概率的计算公式可表示为:

R＝P*S (4-1)

其中，R为风险指数，P为因素发生的概率，S为因素发生产生的影响指数；R,P,S均为矩阵变量并同时表达多个因素的相关信息。

2.根据权利要求1所述基于大数据的危化品运输风险因素的统计和分析方法，其特征在于：拟在RMA原有优势的基础上，引入聚类算法对其进行扩展，并通过改进的聚类算法对风险指数进行自动分类，在得到每个因素对应的发生概率和影响指数之后，根据公式(4-1)计算得到各类风险因素对应的风险指数；最后，对风险指数进行聚类，得到危险源类别；

其具体步骤如下:

步骤1:定义每个风险因素的概率P

P＝{P(i)，i＝1，2，…，m} (4-2)

其中p(i)表示第i种风险因素F(i)发生的概率；假设某一因素F(i)在T时间内发生的事件数为n(i),T时间内发生的事件总数为n,F(i)概率为p(i)，则由贝努力定律可知，对于任意正数ε>o，有lim_n→∞{|n(i)/n-p(i)|＜ε}＝1；

也就是说，当n很大时，原因F(i)发生的频率n(i)/n收敛于该因素发生的概率p(i)；因此，可以将事件发生的频率n(i)/n近似看作事件发生的概率p(i)；

步骤2：定义每个因素的概率指数p；设定将概率指数划分为C个类(C＝2,3,...m)，以C＝5为例，将各因素引发事件的概率聚类为不同等级；C的取值需要根据样本数据进行测算；

步骤3：定义每个风险因素引发事件的严重程度s；s表示严重性的集合，s＝{s(i),i＝1,2,...,36}，其中、s(i)表示第i个因素F(i)引发的事件的严重程度；

步骤4：定义每个风险因素的严重性指数S；设定将严重度指数划分为C个类(C＝2,3,...m)，以C＝3为例，将各因素的严重性分为3个等级；C的取值，需要根据样本数据进行测算；每个等级的取值范围，利用K-means算法对每个因素的严重度s进行聚类；

步骤5:根据如下公式计算每个因素的风险指数R_B(P,s)；

R_B(P,s)＝P*S (4-3)

步骤6:风险评价；根据每个因素的风险指数数值的大小，评价各因素之间的相对风险水平即危险程度，目的是区别它们之间的相对风险水平即危险程度；

步骤7:风险等级识别；采用k-means算法对计算得到的风险指数进行聚类，得到危险源结构图。

3.根据权利要求1或2所述的基于大数据的危化品运输风险因素的统计和分析方法，其特征在于：所述风险因素统计和分析模块还包括风险因素关联分析:

步骤1：获取数据，进行数据预处理；

步骤2：采用FCM聚类算法对定量属性进行模糊处理；FCM将定量属性x(i＝1,2,...,t)变换为由c个模糊属性表示的x_ij(i＝1,2,...,n；j＝1,2,...c)属性集合，求出每组属性的聚类中心，使得非相似性指标的价值函数达到最小；处理后的属性取值为(0,1)间的隶属度，表示每个属性点的属性取值属于某个分组的程度。

步骤3:对定性属性进行归类处理，获取其布尔型属性矩阵；首先选择某定性属性x_i(i＝1,2,...,t)，获取其属性取值个数n，属性取值域为R,R＝{r_i，i＝1,2,...,n}，将该属性转换为布尔型数据型矩阵；

步骤4:设置最小支持度，计算各属性值的支持度，获取频繁项集；假设数据集合为D，记录数为N，属性集合为A,X是m个属性的集合，且则X＝{v_i1,v_i2,...,v_im}的支持度为FuzzySupp(X＝{v_i1,v_i2,...,v_im})；其中，v_im表示这m个属性中第j个属性的某一取值；从m＝1开始，计算各属性值的支持度，同时去除支持度最小的属性值；

步骤5:设置最小可信度，计算包含风险信息的属性集取值的模糊可信度，

的可信度为：

其中，Y中需要包含风险信息；同时去掉可信度小于min_confident的集合对

步骤6:剪除冗余规则，依据步骤4得到的所有规则中，如果满足且(或)，只需要保留规则；在实际处理时，如果覆盖属性结合XYZ的规则有多个，只需要保留规则前件数最小，后件数最大的原则。