1.基于知识图谱的施工行为安全风险分析与危险点识别方法,其特征在于包括如下步骤:
(1)根据相关施工安全事故报告建立施工安全事故知识图谱,施工安全事故知识图谱的节点为施工安全事故的关键概念,节点关系为关键概念之间的联系,节点之间由一个或多个关系建立的通路称为路径,所述节点包括行为指标节点,节点中包含案例编号属性;所述节点关系包括导致关系,导致关系中包含次数属性,其中,所述施工安全事故知识图谱存储在Neo4j图数据库;
(2)根据所述施工安全事故知识图谱获取事故发生数据,并通过修正灰聚类算法分析现场行为安全数据,计算施工现场安全风险等级,所述修正灰聚类算法是指通过给转折点k k k
基本值λc中引入一个修正系数γc,进而计算灰聚类系数σi ,通过灰聚类系数σi 判断施工现场安全风险等级;
(Ⅰ)
公式(Ⅰ)中,γc为第c类行为指标修正系数,αc∈[0,1]为调整系数,tc为第c类行为指标k
导致安全事故的总次数,σi 为第i周时第k类风险等级的灰聚类系数,k为第k类风险等级,k k
fc(x(i c))为第i周的评价值x(i c)对应的可能度函数值,λc为第c类行为指标的转折点基本值,n为n类行为指标;
(3)通过灰关联分析方法计算行为指标关联度,并根据所述行为指标关联度追踪关键行为指标,具体包括如下步骤:首先,令R0=(r0(1), r0(2),…, r0(n))为高风险序列,表示所关注时间点前n周的高风险灰聚类系数,其中r为高风险的灰聚类系数,令Rj=(rj(1), rj(2),…, rj(n))为行为指标序列,表示行为指标j连续n周的不安全行为次数,使序列平均值处理, , ,其
中, 与 分别为R0、Rj序列的平均值;
再计算两序列的分项绝对差值序列 ,分项△(j n)计算如下: ,使 和
分别为所有序列△j分项中的最大值和最小值;
然后计算灰关联系数,定义行为指标序列与高风险序列的灰关联系数为ηj(n),;其中 为分辨系数;
最后,将关联系数的平均值定义为行为指标j与高风险的灰关联度:,得出每个行为指标的灰关联度后,按照从大到小的顺序排序,靠前的几个行为指标即为关键行为指标;
(4)通过知识图谱路径推理算法识别关键行为指标相关危险点,再利用Neo4j图数据库查询语言Cypher进行查询关键行为指标的危险位置。
2.根据权利要求1所述的基于知识图谱的施工行为安全风险分析与危险点识别方法,其特征在于:步骤(1)中所述节点还包括作业活动节点、伤害类型节点、位置节点、安全事故节点、媒介物节点、事故原因节点、防护对策节点。
3.根据权利要求1所述的基于知识图谱的施工行为安全风险分析与危险点识别方法,其特征在于:步骤(4)中还对行为指标相关危险点的发生概率进行计算,并按照概率进行排序;所述概率包括单路径概率和和路径概率,单路径概率如公式(Ⅱ): (Ⅱ)
r s
公式(Ⅱ)中,Ps为行为指标r造成伤害类型s发生的概率,Nr为行为指标r造成伤害类型r
s的“案例编号”集合的长度,Nr为行为指标r的“案例编号”集合的长度;Pst为行为指标r在r
位置t造成伤害类型s的概率,Nst为行为指标r在位置t造成伤害类型s的“案例编号”集合的长度;
和路径概率如公式(Ⅲ):
(Ⅲ)
r r
公式(Ⅲ)中,Pt为行为指标r在位置t造成所有伤害类型的概率,Pst为行为指标r在位置t造成伤害类型s的概率,m为伤害类型的数量。