危险品罐车运输风险评估模型构建方法、风险评估方法及系统与流程

1.本发明涉及危险品运输安全的技术领域，尤其是涉及一种危险品罐车运输风险评估模型构建方法、风险评估方法及系统。


背景技术：

2.由于危化品易燃易爆特性、路况复杂多变以及沿线社会设施集聚，危化品道路运输事故随机突发、危害严重且处置艰巨。全世界每年危化品运输事故占危化品事故的43.5％，考虑到危化品运输介质具有易燃、易爆、毒害、腐蚀等不稳定的化学特性，运输过程一旦发生事故会造成人员伤亡、财产损毁、环境污染等不可估量的后果。在现代检测技术日臻成熟、数据开放共享不断深化的背景环境下，迫切需要利用多源数据，辨识危化品罐车运输风险要素，评估危化品罐车运输风险等级，以期精准指导危化品运输线路优化及监管决策，提升危化品道路运输安全性，主动防控运输事故的发生。
3.危化品运输风险辨识与评估对于交通管理部门而言具有重要的决策价值。目前关于危化品道路运输风险评估的研究存在各类方法，有研究人员提供了一种基于大数据的危化品运输风险预测系统，该系统在构建面向危化品运输的数据仓库模型基础上，分类计算了风险因素的风险指数，利用k-means聚类算法获取了危险源风险等级结构图，同时对风险因素进行关联分析，构建危化品运输风险多维因素组合预测模型。
4.上述技术方案所采用的数据源大多集中于单一的道路运输环境数据，并且k-means聚类算法无法对多源数据集合准确聚类且处理效率较低，因此现有的技术方案不能较好满足多种数据源的差异性处理需求，无法更为全面地对危险品运输风险因素进行分析，该问题有待解决。


技术实现要素：

5.本发明的目的是提供一种危险品罐车运输风险评估模型构建方法、风险评估方法及系统，其具有提高事故风险评估的合理性以及准确性的效果。
6.本发明的上述发明目的一是通过以下技术方案得以实现的：
7.一种危险品罐车运输风险评估模型构建方法，包括以下步骤：
8.获取构建风险评估模型所需数据，包括危险品运输企业的运营数据、危险品罐车运输的历史事故数据以及动态的车辆实时监控数据；
9.通过对所述历史事故数据的分析，计算运输事故概率，并依据危化品运输企业运营数据以及车辆实时监控数据，引入修正因子对运输事故概率进行修正，基于所述运输事故概率以及历史事故数据计算运输事故后的泄漏、火灾以及爆炸条件概率概率，构建事故可能性模型；
10.构建泄漏、火灾以及爆炸事故情景后果计算模型，分别计算在泄漏、火灾和爆炸情景下的死亡人数，对危险品运输事故风险进行量化评估；
11.结合事故可能性模型和事故后果模型，构建基于多源数据的危化品道路运输多灾种耦合实时风险评估模型。
12.本发明进一步设置为：所述运输事故概率包括交通事故概率和非交通事故概率，计算公式如下：
13.pi＝p
交通,i
+p
非交通,i
14.其中，pi——第i次选取样本数据时危险品罐车发生运输事故的概率；
15.p
交通,i
——第i次选取样本数据时危险品罐车发生交通事故的概率；
16.p
非交通,i
——第i次选取样本数据时危险品罐车发生非交通事故的概率；
17.所述交通事故概率p
交通,i
的计算公式如下：
18.p
交通,i
＝pl
ic19.其中，p——危险品罐车交通事故率，次/(车
·
km)；
20.li——在第i次数据采集过程中危险品罐车行驶的距离，km；
21.c——罐车数量，车；
22.所述非交通事故概率的计算公式如下：
23.p
非交通,i
＝p'l
ic24.其中，p'——运输过程中危险品罐车非交通事故率，次/(车
·
km)，p'表示为p'＝p
×
k，k为常数，表示非交通事故数量与交通事故数量的比值，由历史事故数据统计分析得出。
25.本发明进一步设置为：所述引入修正因子对运输事故概率进行修正，包括以下步骤：
26.引入包括从业人员修正因子、实时监控修正因子、时间修正因子、运输天气修正因子和环境状况修正因子的五个修正因子对所述交通事故概率进行修正，引入包括危险物质事故易发性修正因子、罐车安全管理修正因子以及执法监管修正因子的三个修正因子对所述非交通事故概率进行修正，修正后的所述运输事故概率表示为：
[0027][0028]
其中，——在第i次选取样本数据中交通事故概率的修正因子；
[0029]
——在第i次选取样本数据中交通事故概率的的修正因子。
[0030]
本发明进一步设置为：所述基于运输事故概率分别计算运输事故后的泄漏、火灾以及爆炸概率，构建事故可能性模型，包括以下步骤：
[0031]
计算事故后泄漏概率，公式表示为：
[0032][0033]
计算事故后火灾概率，公式表示为：
[0034][0035]
计算事故后爆炸概率，公式表示为：
[0036][0037]
其中，p
交-泄
——由交通事故引发危险品发生泄漏的条件概率；
[0038]
p
非交-泄
——由非交通事故引发危险品发生泄漏的条件概率；
[0039]
p
交-火
——由交通事故引发危险品发生火灾的条件概率；
[0040]
p
非交-火
——由非交通事故引发危险品发生火灾的条件概率；
[0041]
p
交-爆
——由交通事故引发危险品发生爆炸的条件概率；
[0042]
p
非交-爆
——由非交通事故引发危险品发生爆炸的条件概率；
[0043]
所述泄漏概率、火灾概率以及爆炸概率构成事故可能性模型。
[0044]
本发明进一步设置为：所述基于所述运营数据和历史事故数据，分别计算在泄漏、火灾和爆炸情景下的死亡人数，对危险品运输事故风险进行量化评估，构建事故后果模型，包括以下步骤：
[0045]
计算泄漏情景下的死亡人数，计算过程如下：
[0046]
当泄漏气体为毒性气体时，死亡人数计算公式如下：
[0047]ni,泄漏
＝(a
3-a2)
×
ρ3×
p3+(a
2-a1)
×
ρ2×
p2+a1×
ρ1×
p1[0048]
其中，n
i,泄漏
——泄漏情景下的死亡人数，人；
[0049]
a3、a2、a1——分别是气体浓度大于等于25ppm、150ppm、1500ppm的边界围成的面积；
[0050]
p3、p2、p1——分别是a3、a2、a1对应区域内死亡概率，使用概率函数法计算；
[0051]
当泄漏气体为非毒性气体时，死亡人数计算公式如下：
[0052]ni,泄漏
＝(a'
3-a'2)
×
ρ3×
p'3+(a'
2-a'1)
×
ρ2×
p'2+a'1×
ρ1×
p'1[0053]
其中，n
i,泄漏
——泄漏情景下的死亡人数，人；
[0054]
a'3、a'2、a'1——分别是气体浓度大于等于3000ppm、5000ppm、200000ppm的边界围成的面积；
[0055]
p'3、p'2、p'1——分别是a'3、a'2、a'1对应区域内死亡概率，取值分别为0.005、0.02、0.5。
[0056]
本发明进一步设置为：所述基于所述运营数据和历史事故数据，分别计算在泄漏、火灾和爆炸情景下的死亡人数，对危险品运输事故风险进行量化评估，构建事故后果模型，包括以下步骤：
[0057]
计算火灾情景下的死亡人数，计算公式如下：
[0058][0059]
其中，n
i,火灾
——火灾情景下的死亡人数，人；
[0060]
r——池火半径，km；
[0061]
α——车辆平均承载系数，人/辆；
[0062]
——每千米m个车道的车辆数量，车/km；
[0063]
p
火1
——以车辆为圆心半径为r的圆在道路范围内的区域死亡概率，取值100％；
[0064]
p
火2
——以车辆为圆心内径和外径分别为r、x的圆环在道路方位内的区域，内边缘死亡概率100％，外边缘死亡概率1％，取值为
[0065]
x表示使人员10s内死亡概率为1％的临界热通量所处的距离，计算公式如下：
[0066][0067]
其中，q——火焰外某一点受到的辐射通量，kw/m2；
[0068]
xr——辐射能比率参数；
[0069]
η——物料燃烧效率因子；
[0070]
hc——油品燃烧热，kj/kg；
[0071]
a——液池面积，m2；
[0072]
mf——质量燃烧速率，kg/m2·
s。
[0073]
本发明进一步设置为：所述基于所述运营数据和历史事故数据，分别计算在泄漏、火灾和爆炸情景下的死亡人数，对危险品运输事故风险进行量化评估，构建事故后果模型，包括以下步骤：
[0074]
计算爆炸情景下的死亡人数，计算过程如下：
[0075]
对爆炸超压伤亡区域进行分级，以爆炸中心为圆心向外辐射多层次同心圆，依次为死亡区域、重伤区域和轻伤区域，所述死亡区域、重伤区域和轻伤区域的外径依次为r
重伤
＝5.9w
tnt1/3
、r
轻伤
＝11.3w
tnt1/3
，其中，w
tnt
——tnt当量，kg；
[0076]
计算爆炸情景下路上死亡人数，计算公式如下：
[0077][0078]
其中，n
i,爆,路上
——爆炸情景下路上人员死亡人数，人；
[0079]
p
死亡
——死亡区域的死亡概率，折中取值
[0080]
p
重伤
——重伤区域的死亡概率，折中取值
[0081]
p
轻伤
——轻伤区域的死亡概率，折中取值
[0082]
计算爆炸情景下路下人员死亡人数，计算公式如下：
[0083]ni,爆,路下
＝(πr
死亡2-2r
死亡
bm)ρ
×
p
死亡
+[πr
重伤2-πr
死亡2-2(r
重伤-r
死亡
)bn]ρ
×
p
重伤
+[πr
轻伤2-πr
重伤2-2(r
轻伤-r
重伤
)bm]ρ
×
p
轻伤
[0084]
其中，n
i,爆,路下
——爆炸情景下路下人员死亡人数；
[0085]
ρ——路下沿线人口密度，人/m2；
[0086]
bm——路面宽度，m；
[0087]
计算爆炸情景下人口密集区域死亡人数，计算公式如下：
[0088]ni,爆,路上
＝∑mp[β
×
100％+(1-β)
×
20％]
[0089]
＝m
死亡
p
死亡
[β
×
100％+(1-β)
×
20％]+m
重伤
p
重伤
[β
×
100％+(1-β)
×
20％]+m
轻伤
p
轻伤
[β
×
100％+(1-β)
×
20％]
[0090]
＝(m
死亡
p
死亡
+m
重伤
p
重伤
+m
轻伤
p
轻伤
)[β
×
100％+(1-β)
×
20％]
[0091]
其中，m——爆炸影响区域内的人口密集区的人员数量，人；
[0092]m死亡
、m
重伤
、m
轻伤
——分别为人口密集区内处于爆炸影响下死亡区域、重伤区域以及轻伤区域的人员数量，人；
[0093]
β——密集区人员出现在室外的比例；
[0094]
所述泄漏、火灾和爆炸情景下的死亡人数计算函数构成事故后果模型。
[0095]
本发明进一步设置为：所述结合事故可能性模型和事故后果模型，构建多灾种耦合的风险评估模型，包括以下步骤：
[0096]
将交通事故、非交通事故发生条件下泄漏、火灾以及爆炸发生的条件概率与交通事故、非交通事故发生的概率结合，获得泄漏、火灾以及爆炸事故情景发生的概率，再分别与各个事故情景发生时的死亡人数相结合，实现多灾种的耦合计算，计算公式如下：
[0097][0098]
其中，ri——第i次数据采集时的运输风险；
[0099]
p
i,s
——第i次选取样本数据时的第s种事故情景发生的概率；
[0100]ni,s
——第i次选取样本数据时的第s种事故情景发生导致死亡人数；
[0101]
n——事故情景的种类，n＝3；
[0102]
代入所述事故可能性模型和事故后果模型涉及的p
i,s
和n
i,s
计算公式，即：
[0103][0104]
运输风险r的计算公式即基于多源数据的危化品道路运输多灾种耦合实时风险评估模型。
[0105]
本发明的上述发明目的二是通过以下技术方案得以实现的：
[0106]
一种危险品罐车运输风险评估系统，其特征在于，包括：
[0107]
多源数据获取模块，用于获取构建风险评估模型所需数据，包括危险品运输企业的运营数据、危险品罐车运输的历史事故数据以及车辆实时监控数据；
[0108]
事故可能性模型构建模块，通过对历史事故数据进行分析挖掘，计算运输事故概率，并基于危化品运输企业运营数据以及车辆实时监控数据，引入修正因子对运输事故概率进行修正，基于运输事故概率以及历史事故分析分别计算运输事故后的泄漏、火灾以及
爆炸概率，构建事故可能性模型；
[0109]
事故后果模型构建模块，构建泄漏、火灾以及爆炸事故情景后果计算模型，分别计算在泄漏、火灾和爆炸情景下的死亡人数，对危险品运输事故风险进行量化评估，构建事故后果模型；
[0110]
风险评估模型构建模块，用于结合事故可能性模型和事故后果模型，构建基于多源数据的危化品道路运输多灾种耦合实时风险评估模型；
[0111]
评估模块，将所述多源数据获取模块获取数据输入到风险评估模型中，输出评估结果。
[0112]
综上所述，本发明的有益技术效果为：
[0113]
本发明统计分析了多源且动静态结合的数据(运输企业运营、历史事故数据、实时监控数据)以及事故链，提高了事故概率预测的合理性以及准确性，并且在事故后果预测方面考虑了泄漏、火灾和爆炸事故场景耦合条件下的事故后果，弥补了单一事故情景风险计算的不足，提高了实时风险评估的科学性和合理性，对于监控和保障危化品罐车道路运输的安全性具有重要意义。
附图说明
[0114]
图1是本发明实施例一的整体结构示意图。
具体实施方式
[0115]
实施例一
[0116]
参照图1，本发明公开了一种危险品罐车运输风险评估模型构建方法，包括以下步骤：
[0117]
s1、获取构建风险评估模型所需多源数据，包括危险品运输企业的运营数据、危险品罐车运输的历史事故数据以及动态的车辆实时监控数据。对罐车危化品运输历史事故数据、运营数据进行挖掘和分析，了解数据分布情况，探索数据之间的规律，基于数据统计与分析来深入了解当前危化品运输事故现状。
[0118]
s2、构建基于多源数据的危险品道路运输事故可能性模型。
[0119]
s3、构建基于多源数据的危险化学品道路运输事故后果模型。
[0120]
s4、综合事故构可能型模型以及事故后果模型，构建基于多源数据的危险品罐车运输多灾种耦合实时风险评估模型。
[0121]
步骤s2具体包括以下步骤：
[0122]
s21、确定运输事故率。
[0123]
运输事故概率由交通事故概率和非交通事故概率2个部分组成，交通事故概率即因为发生交通事故而引发的运输事故概率，非交通事故概率即因为非交通事故引发的运输事故概率，可由下式表示：
[0124]
pi＝p
交通,i
+p
非交通,i
ꢀꢀ
(4-1)
[0125]
其中：pi——第i次选取样本数据时危险化学品罐车发生运输事故的概率；
[0126]
p
交通,i
——第i次选取样本数据时危险化学品罐车发生交通事故的概率；
[0127]
p
非交通,i
——第i次选取样本数据时危险化学品罐车发生非交通事故的概率。
[0128]
其中，因为发生交通事故而引发运输事故的概率公式如下：
[0129]
p
交通,i
＝pl
icꢀꢀ
(4-2)
[0130]
其中：p——危险化学品罐车交通事故率，次/(车
·
km)；
[0131]
li——在第i次选取样本数据时危险化学品罐车行驶的距离，km；
[0132]
c——罐车数量，车。
[0133]
因非交通事故引发的运输事故概率如下式：
[0134]
p
非交通,i
＝p'l
icꢀꢀ
(4-3)
[0135]
其中：p'——运输过程中危险化学品罐车非交通事故率，次/(车
·
km)，其中p'＝p
×
k，k——非交通与交通事故比值，通过统计的历史事故数据分析得到。
[0136]
s22、引入并确定事故概率修正因子。
[0137]
本发明为了修正运输事故概率，基于多源数据确定五个用来修正因交通事故引发运输事故的概率的修正因子，分别为：从业人员修正因子、实时监控修正因子、时间修正因子、运输天气修正因子、环境状况修正因子；确定三个用来修正因交通事故引发运输事故的概率的修正因子，分别为：危险物质事故易发性修正因子、罐车安全管理修正因子以及执法监管修正因子。综上，修正后的运输事故概率可表示为：
[0138][0139]
其中：——在第i次选取样本数据时因交通事故引发的运输事故的概率的修正因子；
[0140]
——在第i次选取样本数据时因非交通事故引发的运输事故的概率的修正因子。
[0141]
s23、确定泄漏、火灾以及爆炸概率
[0142]
泄漏发生的概率可进一步表示为：
[0143][0144]
火灾发生的概率可进一步表示为：
[0145][0146]
爆炸发生的概率可进一步表示为：
[0147][0148]
其中p
交-泄
——由交通事故引发危险化学品发生泄漏的条件概率；
[0149]
p
非交-泄
——由非交通事故引发危险化学品发生泄漏的条件概率；
[0150]
p
交-火
——由交通事故引发危险化学品发生火灾的条件概率；
[0151]
p
非交-火
——由非交通事故引发危险化学品发生火灾的条件概率；
[0152]
p
交-爆
——由交通事故引发危险化学品发生爆炸的条件概率；
[0153]
p
非交-爆
——由非交通事故引发危险化学品发生爆炸的条件概率。
[0154]
步骤s3中，通过计算伤亡区域内死亡人数来量化事故后果，并从工程应用的角度出发，借助事故后果模拟软件模拟事故后果。死亡人数具体计算过程如下：
[0155]
(1)计算泄漏事故情景下死亡人数
[0156]
1)毒性气体泄漏事故情景下死亡人数计算
[0157]
本发明在计算毒性气体泄漏死亡人数时，选用应急响应计划指导浓度(erpg)作为毒气扩散影响区域的阈值标准，erpg-1、erpg-2以及erpg-3三种浓度标准阈值分别对应着25ppm、150ppm、1500ppm。依据事故最大化原则，将毒气接触时间设为30min。最终得到毒气泄漏后影响范围内死亡人数计算公式，如下：
[0158][0159]
其中：n
i,泄漏
——泄漏情景死亡人数，人；
[0160]
a3、a2、a1——分别是浓度大于等于25ppm、150ppm、1500ppm的边界围成的面积；
[0161]
p3、p2、p1——分别是a3、a2、a1对应区域内死亡概率，使用概率函数法计算。
[0162]
2)非毒性气体泄漏事故情景下死亡人数计算
[0163]
而对于非毒性气体，无法使用概率函数法计算死亡概率。因此本发明选用美国能源部开发的一套临时应急暴露限值(teels)。该方法假设人员分别处在teel-3(200000ppm)、teel-2(5000ppm)、teel-1(3000ppm)区域内时的死亡概率为0.5、0.02及0.005。最终得到毒气泄漏后影响范围内死亡人数计算公式，如下：
[0164][0165]
其中：n
i,泄漏
——泄漏情景死亡人数，人；
[0166]
a'3、a'2、a'1——分别是浓度大于等于3000ppm、5000ppm、200000ppm的边界围成的面积；
[0167]
p'3、p'2、p'1——分别是对应区域内死亡概率，取值分别为0.005、0.02、0.5。
[0168]
(2)火灾事故情景下死亡人数
[0169]
在火灾事故情景下，本发明以池火灾为计算模型。在事故后果量化计算过程中，综合考虑点火源模型以及实体火焰模型后，选择点火源模型。
[0170]
在点火源模型中，辐射热量由中心点呈半球状向外辐射，周围人员以及设备受到的伤害随着时间以及临界热通量的变化而变化，如下表所示：
[0171]
表1热辐射对人以及设备的伤害分级
[0172]
[0173][0174]
本发明在计算火灾事故后果的时候，采用10s伤害计量，参考表1，临界距离x选取使人员10s内死亡概率为1％的临界热通量所处的距离，单位m，计算公式如下
[0175][0176]
其中：q——火焰外某一点受到的辐射通量，kw/m2；
[0177]
xr——辐射能比率参数，一般保守值取0.2；
[0178]
η——物料燃烧效率因子；
[0179]
hc——油品燃烧热，kj/kg；
[0180]
a——液池面积，m2；
[0181]
mf——质量燃烧速率，kg/m2·
s。
[0182]
通过对统计的历史事故数据进行分析，得知极少发生路下火灾，因此本发明火灾事故情景死亡人数仅考虑路上死亡人数，并在火灾事故死亡人数计算中，将路上事故影响区域简化为长方形。
[0183]
火灾事故情景死亡人数计算公式：
[0184][0185]
其中：n
i,火灾
——火灾事故情景死亡人数，人；
[0186]
r——池火半径，km；
[0187]
α——车辆平均承载系数，人/辆；
[0188]
——每千米m个车道的车辆数量，车/km；
[0189]
p
火1
——以车辆为圆心半径为r的圆在道路范围内的区域(液池火焰区域)死亡概率，取值100％；
[0190]
p
火2
——以车辆为圆心内径和外径分别为r、x的圆环在道路方位内的区域，内边缘死亡概率100％，外边缘死亡概率1％，折中取值为即50.5％。
[0191]
(3)爆炸事故情景死亡人数
[0192]
本发明使用tnt当量法计算爆炸事故情景死亡人数，死亡半径：m；重伤半径，r
重伤
＝5.9w
tnt1/3
m；轻伤半径r
轻伤
＝11.3w
tnt1/3
，m，其中，wtnt
——tnt当量，kg。死亡半径的具体表示含义见表2和表3。
[0193]
表2爆炸超压伤亡区域分级
[0194][0195]
表3爆炸超压伤亡范围
[0196][0197]
爆炸事故情景死亡人数分为路上死亡人数、路下死亡人数以及人口密集区域死亡人数，计算方法如下：
[0198]
1)路上死亡人数计算
[0199]
将路上死亡区域、重伤区域以及轻伤区域近似为矩形，路上死亡人数计算公式如下：
[0200][0201]
其中：n
i,爆,路上
——爆炸情景下路上人员死亡人数，人；
[0202]
p
死亡
——死亡区域的死亡概率，折中取值下同；
[0203]
p
重伤
——重伤区域的死亡概率，折中取值下同；
[0204]
p
轻伤
——轻伤区域的死亡概率，折中取值下同。
[0205]
2)路下死亡人数计算
[0206]
路上死亡人数计算公式如下：
[0207][0208]
其中：n
i,爆,路下
——爆炸情景下路下人员死亡人数；
[0209]
ρ——路下沿线人口密度，人/m2；
[0210]
bm——路面宽度，m。
[0211]
3)人口密集区域死亡人数
[0212]
人口密集区域死亡人数计算如下：
[0213][0214]
其中m——爆炸影响区域内的人口密集区的人员数量，人；
[0215]m死亡
、m
重伤
、m
轻伤
——分别为人口密集区内处于爆炸影响下死亡区域、重伤区域以及轻伤区域的人员数量，人；
[0216]
β——密集区人员出现在室外的比例。因为有建筑物的保护，室内、室外人员受爆炸影响的严重程度不同，室外人员受爆炸影响的严重程度为100％，室内人员受爆炸影响的严重程度为20％。
[0217]
步骤s4中，风险评估模型的构建函数如下
[0218][0219]
其中ri——第i次选取样本数据时的实时运输风险；
[0220]
p
i,s
——第i次选取样本数据时的第s种事故情景发生的概率；
[0221]ni,s
——第i次选取样本数据时的第s种事故情景发生导致死亡人数；
[0222]
n——事故情景的种类，在这里n＝3。
[0223]
将步骤s2和s3中涉及的公式代入公式(6-1)，得到：
[0224][0225]
上述函数即为对危险品运输事故风险评估模型。
[0226]
本发明从孕灾、致灾和承灾角度，以“事故原因
→
最前端事故形式
→
失效形式
→
事故后果”的方式来构建事故链，通过数据分析可以得到每一种最前段事故形式可能引发事故链的类型与概率，为事故链演变过程和最终后果情景预测提供概率数据支持。在事故链的演变过程中，结合了多源数据进行分析，从多方面推演事故发生的各种因素，从而提高了事故风险评估准确性，为运输行业的管理和决策提供参考。
[0227]
实施例二
[0228]
本发明公开了一种危险品罐车运输风险评估系统，包括：
[0229]
多源数据获取模块，用于获取构建风险评估模型所需数据，包括危险品运输企业
的运营数据、危险品罐车运输的历史事故数据以及车辆实时监控数据；
[0230]
事故可能性模型构建模块，通过对历史事故数据进行分析挖掘，计算运输事故概率，并基于危化品运输企业运营数据以及车辆实时监控数据，引入修正因子对运输事故概率进行修正，基于运输事故概率以及历史事故分析分别计算运输事故后的泄漏、火灾以及爆炸概率，构建事故可能性模型；
[0231]
事故后果模型构建模块，构建泄漏、火灾以及爆炸事故情景后果计算模型，分别计算在泄漏、火灾和爆炸情景下的死亡人数，对危险品运输事故风险进行量化评估，构建事故后果模型；
[0232]
风险评估模型构建模块，用于结合事故可能性模型和事故后果模型，构建基于多源数据的危化品道路运输多灾种耦合实时风险评估模型；
[0233]
评估模块，将所述多源数据获取模块获取数据输入到风险评估模型中，输出评估结果。
[0234]
在本实施例中，事故可能性模型的构建过程与实施例一相同，在此不再赘述。通过评估结果，以期精准指导危化品运输线路优化及监管决策、提升危化品道路运输安全性，主动防控运输事故的发生。
[0235]
本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。