跨省承包对施工安全状况演变的影响研究

为研究跨省承包对施工安全的影响,运用空间马尔科夫链探讨区域空间关系在施工安全状况演变过程中的作用。以我国各省份2012--2016年的事故率为依据,将各省份施工安全状况分为5类;针对不同的施工安全状况,分别构建马尔科夫转移矩阵和空间马尔科夫转移矩阵;通过计算以空间滞后为条件的2012--2016年各省份施工安全状况的转移概率,分析各省份受到其周围省份跨省承包商的影响方向和影响程度。研究表明:空间马尔科夫链能更准确地展现区域空间关系在施工安全状况演变过程中的作用;跨省承包对施工安全状况一般和较差的省份有改善作用,但对施工安全状况良好和较好的省份有负面影响;同时,施工安全状况越好,抵御负面影响的能力越强。

施工人员安全态度及其组分对行为的影响

为解释行为的认知决策过程,了解影响途径,本研究将安全态度分解为认知、情感和行为三个组分,构建施工人员不安全行为意向影响因素修正模型,采用问卷调查进行实证分析。共400名地铁施工人员参与本次研究,回收问卷376份,可利用问卷173份,使用AMOS构建结构方程模型,对不安全行为倾向的影响因素进行验证。结果显示情感态度和行为态度均对行为倾向有显著影响,而认知态度对安全行为有直接显著影响,但对行为倾向没有直接影响。研究结果表明,安全态度三组分对行为倾向和行为的影响途径并不完全相同,安全态度的改变不仅与安全氛围有关,也与安全知识和技能增加有关,可以在安全培训过程中潜移默化地得到改善。

集成巡视数据的地铁施工安全知识图式

针对地铁施工人员认知水平低、流动性大,现有安全培训形式枯燥、内容脱离实践等问题,本文从认知心理学出发,对地铁施工人员的安全知识学习过程进行分析,对显性的言语性安全知识进行编码;研究构建安全知识图式的方法,提炼安全行为规范中的信息,帮助施工人员将言语知识转化为由核心概念交织而成网络形式组织的图式,形成便于理解的概念和规则;并通过分析大量的安全巡视数据,将工程实际中的不安全行为集成到安全知识图式中,进行可视化的表达。本文以挖掘机操作为例,构建了集成巡视数据的挖掘机操作安全图式。安全培训实践显示,应用集成巡视数据的地铁施工安全知识图式的安全培训系统,能够帮助施工人员建立快速掌握行为安全知识的途径,减少行为安全事故。

基于强化学习的灾后公路网修复决策研究

为了加快恢复受灾地区的路网畅通,保障人员疏散、应急队伍调配和救灾物资运输等灾后救援工作的尽早展开,针对应急恢复阶段的灾后公路网多维修队的修复调度和路由问题展开研究,并“允许安排多个维修队同时对一条受损路段进行修复”,以实现“柔性”修复调度,从而提升最优灾后公路网修复策略的实用性。采用灾后需求点的需求满足率表示路网连通度,并以路网连通度韧性作为灾后公路网修复策略的评价指标,使用Markov决策过程模拟灾后公路网多维修队的修复调度和路由的决策过程。然后,基于Q学习与Dijkstra算法设计出适合求解所提问题的改进强化学习算法,解决了灾后公路网多维修队的修复调度和路由问题,优化了灾后需求点和物资供应点之间的可达性;最后进行了案例分析。结果表明:所提出的方法能够实现维修队的修复调度和路由的整体性决策,可以得到全局韧性最优的灾后公路网修复策略,并验证了考虑“柔性”修复调度得到的最优修复策略具有更佳的修复效果,且更具有实用性。

基于韧性最优的灾后公路网修复调度研究

为有效修复灾后公路网的受损路段从而加快恢复路网畅通,研究以韧性最优为目标的灾后公路网修复调度问题。首先,采用交通需求满足率表示路网性能,并构建路网性能韧性和恢复速度韧性评价指标。其次,构建基于韧性最优的修复调度双层规划模型,其中上层模型是多目标混合整数规划模型,用以确定修复路段的选择和修复先后顺序,下层模型为日变交通流分配模型,模拟修复期间的路网交通流动态演变。然后,采用禁忌搜索算法和Frank-Wolfe算法分别求解上层模型和下层模型,并通过循环迭代得到模型最优解。最后,通过案例分析验证模型和算法的有效性。研究结果表明:在一定数量的修复资金和抢修队约束下,该模型得到的最优修复调度方案能最大限度地提升路网韧性,并且在修复过程中,只有当受灾区域内某线路中的所有受损路段均完成修复后,路网性能才开始呈阶梯式上升,并且路网性能的提升速度表现为先慢后快。对不同参数的敏感性分析表明:修复预算的增加使路网性能韧性和恢复速度韧性分别以15.65%和17.72%的平均速度增长和降低,但当修复预算超过1800万元后,只增加修复预算不一定能获取更优的修复调度方案;当决策者偏好系数变化时,路网的性能韧性和恢复速度韧性具有相反的变化趋势,且2个韧性指标的平均变化率分别为5.96%和4.48%;增加抢修队数量可提升路网的性能韧性和恢复速度韧性,但增加抢修队数量所产生的边际效益逐步降低,分别由0.11和0.43降至0.01和0.02。