中欧班列运输网络中关键节点风险影响班列线路规划和运营安全。通过分析中欧班列运输节点的物理网络拓扑特性,结合考虑服务网络中节点服务能力的重要性,提出熵-逼近理想解排序法(Technique for Order Preference by Similarity to an Id...中欧班列运输网络中关键节点风险影响班列线路规划和运营安全。通过分析中欧班列运输节点的物理网络拓扑特性,结合考虑服务网络中节点服务能力的重要性,提出熵-逼近理想解排序法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)节点重要度评估方法。考虑节点受外部宏观因素影响可能失效的情况,引入国家运输支撑力衡量节点失效可能,提出重要性-失效可能分析模型(Importance-Failure Possibility Analysis,IFPA)识别中欧班列关键运输节点风险,并采用K-Means++聚类算法对节点进行风险划分。通过构建中欧班列全域运输网络进行案例分析,结果表明该模型可有效识别节点风险且节点风险分类结果符合实际情况。高、中、低风险区和风险监测区分别对应5、10、7和6个关键运输节点。对运输节点进行风险分类有助于分级管理中欧班列运输风险,保障运输安全。展开更多
文摘中欧班列运输网络中关键节点风险影响班列线路规划和运营安全。通过分析中欧班列运输节点的物理网络拓扑特性,结合考虑服务网络中节点服务能力的重要性,提出熵-逼近理想解排序法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)节点重要度评估方法。考虑节点受外部宏观因素影响可能失效的情况,引入国家运输支撑力衡量节点失效可能,提出重要性-失效可能分析模型(Importance-Failure Possibility Analysis,IFPA)识别中欧班列关键运输节点风险,并采用K-Means++聚类算法对节点进行风险划分。通过构建中欧班列全域运输网络进行案例分析,结果表明该模型可有效识别节点风险且节点风险分类结果符合实际情况。高、中、低风险区和风险监测区分别对应5、10、7和6个关键运输节点。对运输节点进行风险分类有助于分级管理中欧班列运输风险,保障运输安全。