توسعه‌ مدل ریسک ایمنی شبکه ریلی مبتنی بر ریزش تونل به کمک شبکه بیزی

شعبانی, شاهین; علی ذاکری, جبار; رضایی تبار, وحید; قنبرپور, آزاده

doi:10.22075/jtie.2021.18859.1423

توسعه‌ مدل ریسک ایمنی شبکه ریلی مبتنی بر ریزش تونل به کمک شبکه بیزی

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ استادیار، گروه مهندسی عمران، دانشگاه پیام نور، تهران

² استاد، دانشکده مهندسی راه‏آهن، دانشگاه علم و صنعت ایران، تهران

³ استادیار، گروه آمار، دانشکده کامپیوتر و علوم ریاضی، دانشگاه علامه طباطبایی، تهران

⁴ دانش پژوه دکتری مهندسی عمران، دانشگاه پیام نور، تهران

10.22075/jtie.2021.18859.1423

چکیده

بررسی ایمنی شبکه‏ی حمل و نقل ریلی، به عنوان بخش زیربنایی اقتصاد، بازتابی از سطح ایمنی کل شبکه حمل و نقل کشور می‏باشد. یکی از چالش‏های تهدیدکنندهی ایمنی در شبکه‏ی ریلی، وضعیت تونل‏های راه‏آهن کشور به لحاظ عملکرد در دورهی بهره‏برداری و تحلیل عواقب خطرات آن است. امروزه، شبکۀ بیزی، روش شناخته شدهای برای مدل‏سازی گرافیکی عوامل مؤثر در رخداد حوادث و تحلیل احتمالات شرطی مربوطه است. به منظور ارائهی مدلی برای تحلیل ریسک و انطباق هرچه بیشتر آن با شرایط موجود تونل‏های ریلی کشور، مراحل مدل‏سازی اثر ریسک ریزش تونل در دو بخش انجام شده است. در بخش نخست، علل و عوامل اصلی و مورد اتفاق خبرگان در ریزش تونل شناسایی و بر اساس تواتر رخداد، امتیازدهی شده و شبکه‏ی مربوطه اجرا گردید. در بخش دوم، به تعیین سناریوهای مختلف پس از ریزش تونل، عواقب حادثه و برخی اقدامات اصلاحی پیشنهادی، تحلیل سناریوها و در نهایت ارائه مدل ریسک ایمنی بر اساس هر کدام از درجات شدت تعریف شده، پرداخته شده است. مدل‏سازی بر اساس آمار حوادث ریلی ده سال اخیر و با الگوریتم شبکۀ بیزی در نرم‏افزار متلب انجام شده است. خروجی مدل نشان داد که نفوذ آب در تونل‏های بدون پوشش دائمی، به عنوان شدیدترین ریسک با بیشترین تواتر، که بر اساس تعاریف دستورالعملهای معتبر به عنوان علت و شدت "درجه اول" طبقهبندی می‏شود، قابل ذکر است.

کلیدواژه‌ها

عنوان مقاله [English]

Developing a safety risk model for railway network considering tunnel fall using Bayesian network

نویسندگان [English]

Shahin Shabaani ¹
jabar alizakery ²
vahid rezaietabar ³
azadeh ghanbarpoor ⁴

¹ Assistant Professor, Department of Civil Engineering, Payame Noor University, Department of Center of North Tehran

² professor

⁴

چکیده [English]

Evaluating the safety of the railway network as the fundamental part of the economy development reflects the safety of the entire transportation network of a country. One of the challenges threatening the railway safety is the railway tunnel conditions in terms of safe operating during operation period and analyzing the consequences of its hazards. Today, Bayesian network are the most identified methods to graphically model the causes of accidents and their conditional probabilities. In order to develop a model that best matches the real condition of the railway tunnels risks, modeling process divided in to two sections; in the first section, the compromised causes that identified and concluded by the specialists scored according to their frequency of happening and the related network constructed. Second section joints the cause and consequence analysis of different scenarios offering remedial actions and concluding the final model based on severity degrees defined. Outcome of the model shows the high probability for water penetration in tunnels without permanent lining as the most important cause and the first degree of the accident severity according to the guideline as the most frequent consequence of the risks identified.

کلیدواژه‌ها [English]

railway safety
risk analysis
railway tunnel
Bayesian networks
modeling

مراجع

روشن بخت، ک.، آقا بیک، ک. و بکیاسا، ف. 1397. "انتخاب دستگاه حفاری در تونل‌های با شرایط متنوع زمینشناسی (مطالعه موردی تونل متوسلیان)." پژوهشنامه حمل و نقل، 15(2): 323-337.

Beard, A. N. 2010. “Tunnel safety, risk assessment and decision-making”. Tunn. Undergr. Sp. Tech., 25(1): 91-94.

Chung, H., Lee, I. M., Jung, J. H. and Park, J. 2019. “Bayesian networks-based shield TBM risk management system: Methodology development and application”. KSCE J. Civ. Eng., 23(1): 452-465.

Gui, S. and Gui, R. 2019. “Auto-extraction of stratified interface in the underground space-based on Bayesian detection algorithm with statistical fitting of probability density by actual data”. Sustain. Cities Soc., 101430.

Jena, J. K., Verma, A. K., Kumar, U. and Ajit, S. 2019. “Tunnel QRA: Present and future perspectives”. In: Kapur, P., Klochkov, Y., Verma, A. and Singh, G. (Eds.) System Performance and Management Analytics. Asset Analytics (Performance and Safety Management), Springer, Singapore. https://doi.org/10.1007/978-981-10-7323-6_31

Lyu, H. M., Shen, S. L., Zhou, A. and Yang, J. 2019. “Perspectives for flood risk assessment and management for mega-city metro system”. Tunn. Undergr. Sp. Tech. 84: 31-44.

Otto, A., Kellermann, P., Thieken, A. H., Manez Costa, M., Carmona, M. and Bubeck P. 2019. “Risk reduction partnerships in railway transport infrastructure in an Alpine environment”. Int. J. Disaster Risk Reduction, 33: 385-397.

Rakoczy, A. M., Wilk, S. T. and Jones, M. C. 2019. “Security and safety of rail transit tunnels”. Transport. Res. Record, https://doi.org/10.1177/0361198118822819

Ronchi, E., Colonna, P., Capote, J., Alvear, D., Berloco, N. and Cuesta, A. 2012. “The evaluation of different evacuation models for assessing road tunnel safety analysis”. Tunn. Undergr. Sp. Tech., 30: 74-84.

Su, M., Wang, P., Xue, Y., Qiu, D., Li, Z., Xia, T. and Li, G. 2019. “Prediction of risk in submarine tunnel construction by multi-factor analysis: A collapse prediction model”. Marine Georesour. Geotech., 37(9): 1119-1129.

Wang, Q., Luan, Y., Jiang, B., Li, S., He, M., Sun, H., Qin, Q. and Lu, W. 2019. “Study on key technology of tunnel fabricated arch and its mechanical mechanism in the mechanized construction”. Tunn. Undergr. Sp. Tech., 83: 187-194.

Zhou, C., Luo, H., Fang, W., Wei, R. and Ding, L. 2019. “Cyber-physical-system-based safety monitoring for blind hoisting with the internet of things: A case study”. Automat. Constr., 97: 138-150.