Resumen

En la explotación ferroviaria pueden producirse sucesos inseguros, como fallos, y en el proceso de registro y notificación de sucesos inseguros se genera un gran número de registros de sucesos inseguros. Los sucesos inseguros se han descrito en lenguaje natural no estructurado, que a menudo tiene una estructura incoherente y fuentes complejas, en las que intervienen múltiples especialidades ferroviarias, con características multifuente, heterogéneas y desestructuradas. En la aplicación práctica, la eficiencia del procesamiento es extremadamente baja, lo que conduce a una utilización de la gestión potencialmente insegura. Basándose en los datos de eventos inseguros, este trabajo utiliza la tecnología de procesamiento de big data, lleva a cabo la minería de reglas de asociación y el análisis de grado de asociación, extrae la segmentación de palabras y obtiene el vector de características de los datos de eventos de fallos inseguros. Al mismo tiempo, el modelo de análisis de datos de eventos inseguros se construye en combinación con la expresión regular y la tecnología de coincidencia de patrones. Este artículo establece el modelo de correspondencia de factores de riesgo del entorno externo basados en el descarrilamiento de trenes de alta velocidad y lo aplica a la aparición de sucesos inseguros. Este modelo puede utilizarse para analizar y determinar la relación entre los factores de riesgo del entorno exterior y la aparición de sucesos inseguros, así como para extraer automáticamente información característica como la posibilidad de riesgo y la gravedad de las consecuencias, por lo que tiene potencial para identificar, con mayor precisión, los factores de alto riesgo que pueden provocar el descarrilamiento de trenes de alta velocidad. Basándonos en este estudio, podríamos aprovechar al máximo los datos de sucesos inseguros, pronosticar la tendencia del riesgo y descubrir la ley del descarrilamiento ferroviario de alta velocidad. Este estudio introduce un enfoque viable para analizar los datos de sucesos inseguros, predecir la tendencia del riesgo y conceptualizar el descarrilamiento de trenes de alta velocidad. Asimismo, podría reforzar la cuantificación precisa de la situación de la seguridad ferroviaria de alta velocidad, perfeccionar el índice de riesgo y llevar a cabo un análisis en profundidad combinado con el modelo, y apoyar eficazmente la digitalización y la intelectualización de la seguridad de las operaciones ferroviarias de alta velocidad.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:descarrilamiento de ferrocarril de alta velocidad, sucesos inseguros, factores de riesgo del entorno externo, datos de sucesos inseguros, tendencia del riesgo, tecnología de procesamiento de macrodatos, seguridad de las operaciones ferroviarias de alta velocidad, situación de la seguridad ferroviaria de alta velocidad, modelo de análisis de datos de sucesos inseguros, datos de sucesos de fallo inseguro
• Keywords:speed railway derailment, unsafe events, external environment risk factors, unsafe event data, risk trend, big data processing technology, speed railway operation safety, speed railway safety situation, unsafe event data analysis model, unsafe fault event data