為了能夠評估多式聯(lián)運網絡中的安全風險,提出了一種基于工作分解結構-風險分解結構（WBS-RBS）和勾股模糊加權平均（PFWA）算子的安全風險評估方法。通過專家打分的勾股模糊數(shù)（PFLN）替代WBS-RBS的風險矩陣0-1賦值,從全階段和分階段兩個過程分別對多式聯(lián)運網絡的安全風險排序值進行計算,從而得到安全風險評估結果。最后,以汽車零部件的鐵-公-水聯(lián)運過程為實例進行了驗證,從整體上來看,轉運區(qū)人員的作業(yè)不規(guī)范行為是整個運輸過程中風險最大的因素;從作業(yè)的角度來看,轉運區(qū)管理和安全防護設置管理的風險因素最高,存儲區(qū)的布局管理則最低;從子風險的角度來看,人員安全意識淡薄和運輸過程安全措施不完善導致的風險最高,存儲設施引發(fā)的風險最低;從整體風險角度來看,5類風險因素按照平均風險值從大到小排序為人員風險、設施設備風險、環(huán)境風險、貨物自身風險、運輸管理風險。 

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 多式聯(lián)運網絡WBS分解
2 多式聯(lián)運網絡RBS分解
3 基于Pythagorean模糊語言的風險排序方法
    3.1 Pythagorean模糊語言定義
    3.2 基于PFLN的全階段子模塊排序方法
    3.3 基于PFLN的各階段風險排序方法
4 案例分析
    4.1 全階段子模塊排序
    4.2 分階段風險排序
5 結論


【參考文獻】：
期刊論文
[1]基于FISM的多式聯(lián)運網絡風險結構模型研究[J]. 韓言虎,耿亞芳.  公路交通科技. 2018(09)
[2]基于改進的WBS-RBS識別鐵路危險品運輸風險[J]. 黃文成,帥斌,張光亞.  中國安全科學學報. 2018(08)
[3]勾股模糊集的距離測度及其在多屬性決策中的應用[J]. 李德清,曾文藝,尹乾.  控制與決策. 2017(10)
[4]基于WBS-RBS與故障樹耦合的高速公路養(yǎng)護風險評價[J]. 柳本民,趙偉,朱材權,肖殿良.  華東交通大學學報. 2016(06)
[5]基于ISM模型的多式聯(lián)運網絡風險因素結構分析[J]. 雷凱,朱曉寧,侯鍵菲.  安全與環(huán)境學報. 2015(06)
[6]基于Pythagorean模糊語言集多屬性群決策方法[J]. 彭新東,楊勇.  計算機工程與應用. 2016(23)

博士論文
[1]多式聯(lián)運網絡風險傳播與控制策略研究[D]. 雷凱.北京交通大學 2016

碩士論文
[1]基于雙灰色模糊模型的海鐵聯(lián)運網絡風險評價[D]. 吳仙丹.北京交通大學 2012
[2]貨物多式聯(lián)運的風險分析及控制[D]. 賈振軍.重慶交通大學 2009



本文編號：3700343