рефераты, курсовые, дипломы >>> безопасность жизнедеятельности

 

Прогнозирование и понижение риска транспортных происшествий

 

Прогнозирование и понижение риска транспортных происшествий

П.Г.Белов

Предлагается разработка количественной оценки меры способности возникновения транспортных происшествий (ТП), основанная на имитационном моделировании тех перевозочных действий, проведение которых может быть уподоблено функционированию конкретных систем «человек-машина-среда» (ЧМС). При этом под их первым компонентом предполагаются члены экипажа конкретного транспортного средства, вторым – само транспортное средство (как сложная техно система), а под третьим – маршрут ее перемещения.

Рассматриваемый метод и реализующий его компьютерный программный комплекс разрешают автоматизировать не лишь прогноз данного параметра риска соответствующих ТП, но и оптимизацию организационно-технических мероприятий, предлагаемых для его понижения. Более желаемым юзером предлагаемой автоматизированной технологии является администрация транспортного компании, взаимодействующая с разработчиком и изготовителем транспортных средств, а сферой внедрения – осуществляемый ею менеджмент техногенного риска.

Рассматриваемая разработка развивает ранее опубликованные идеи автора данной статьи. В данном случае употребляется более сложная модель, учитывающая влия ние огромного числа тех тяжело формализуемых (нечетко определенных) факторов перевозочных действий, которые более значительно влияют на возможность возникновения в них ТП.

особенное внимание уделено так называемому «человеческому фактору», т.Е. Ошибочному выполнению экипажем таковых тактов операторской деятельности, как:

– восприятие и дешифровка информации о параметрах перевозочного процесса; структурирование и сопоставление полученных данных с требованиями его сохранности;

– оценка необходимости и вариантов реагирования на обнаруженные при этом отличия; выработка альтернативных действий и ранжирование их по эффективности;

– принятие и реализация решения на корректировку осуществляемого процесса.

Выбор имитационного (логико-лингвистического) моделирования ТП при функционировании современных транспортных средств обусловлен таковыми достоинствами указанного способа, как возможность учета фактически всех более существенных факторов транспортного риска, высокие упругость и оперативность оценки эффекта реакции ЧМС на предполагаемое изменение отдельных параметров ее компонентов либо их совокупностей.

Процедура логико-лингвистического моделирования с целью прогнозирования риска возникновения ТП при функционировании ЧМС и оценки вклада в него учитываемых факторов может включать следующие главные этапы: а) описание процесса возникновения причинной цепи предпосылок (ПЦП) к техногенным происшествиям на вербально-качественном уровне, с применением логических условий и лингвистических переменных, б) следующую формализацию полученной при этом модели, т.Е. Ее представление в виде соответствующей диаграммы причинно-следственных связей типа «сеть стохастической структуры», в) разработку имитационного метода исследования процесса возникновения ТП и соответствующей ему компьютерной программы, г) проведение с их помощью серии машинных экспериментов.

Как представляется, учитываемыми при этом факторами следует считать психофизиологические характеристики экипажа транспортного средства и сложность возложенных на него алгоритмов, а также и всё то, что в основном описывает эргономичность и надежность используемой им техники, комфортность рабочей среды и качество технологии перевозки пассажиров либо грузов. Конкретно таковой (системный) подход применен автором при разработке стохастической сети GERT и основанного на ней имитационного метода, подходящего для машинного моделирования в рассматриваемых тут ЧМС процесса возникновения предпосылок и перерастания их в ПЦП техногенного происшествия. Первооснова таковой сети представлена на рис. 1.

В верхней части изображенной выше полувербальной модели находятся три типа разных ТП (действия 79: а, б, в), отличающиеся тяжестью вероятных последствий, а ниже – предшествующие им особенные ситуации и предпосылки к ним. Реализация каждого из этих событий, обозначенных ромбиками либо прямоугольниками с текстом, имеет случайный характер и может быть осуществлена альтернативными методами. Основание и остальные элементы данной модели образованы качествами конкретной ЧМС и возможными событиями в ней, которые объединены связями и узлами, значащими логико-вероятностные условия: стохастическое разветвление (знаки каплеобразной формы), сложение и перемножение (круги со знаками “+” и “•").

Особо отметим, что в базу схожей интерпретации процесса появления ТП положен учет влияния параметров конкретной ЧМС на качество выполнения экипажем транспортного средства главных этапов операторской деятельности: а) восприятие и дешифровка информации о перевозочном процессе; б) структурирование полученных данных в согласовании с задачками, решаемыми на конкретном этапе управления движением; в) выявление отклонений характеристик процесса от требований сохранности и технологии перевозки; г) оценка необходимости и способов вмешательства экипажа в данный процесс; д) сравнительная оценка альтернативных решений и выбор из них конкурентоспособных; е) прогнозирование степени их приемлемости и эффективности, е) реализация решения на корректировку процесса при необходимости. Перечисленные элементы метода деятельности экипажа транспортного средства и процесса возникновения при этом ПЦП к вероятным происшествиям показаны на рис. 1 В прямоугольниках с двойной рамкой.

Рассмотрим взаимодействие частей предложенной модели в процессе возникновения ПЦП при функционировании какой-или ЧМС рассматриваемого тут типа. К примеру, – интерпретируя условия появления дорожно-транспортной аварии при перевозке каром аварийно химически опасного вещества (АХОВ). При этом в качестве «машины» будет предполагаться кар, «человека» – управляющий им шофер, а «среды» – видимый ему из кабины участок дороги либо улицы со средствами разметки и регулирования движения, а также с другими неподвижными и движущимися объектами.

Последовательно поясним назначение частей модели, начиная с ее нижней левой части, где показано взаимодействие компонентов данной ЧМС, результаты которого (вместе с возможными отказами кара и неблагоприятными действиями на него со стороны дороги) появляются в настоящей информации о происходящем. Там же показан прямоугольник, указывающий на вероятные неисправности тех средств индикации характеристик движения (органов управления каром и дорожными условиями), которыми пользуется шофер. Данный элемент сети может свидетельствовать, к примеру, о возникновении несоответствия меж информационной моделью водителя и реальным положением дел. А вот в противоположной части данной модели отмечен тот факт, что шофер, как и хоть какой другой человек-оператор, руководствуясь знанием технологии работ и имеющимся у него опытом, традиционно создает когнитивную модель выполняемой операции, позволяющую ему после выполнения одних действий ждать определенную информацию и изготовиться к последующим. При этом действительная информация о выполняемой операции может различаться от информации, ожидаемой человеком, что будет им восприниматься либо не восприниматься в последующем.

к примеру, при приближении к перекрестку либо необходимости совершения другого маневра, шофер обязан сбавить обороты мотора, надавить на педаль привода сцепления либо тормоза, а потом повернуть управляющее колесо. При этом он ждет понижение шума в одном месте (от мотора) и его появление в другом (в районе колес), а также готовится к восприятию инерционной перегрузки, обусловленной конфигурацией вектора скорости кара. Но этого может не произойти из-за появления вероятных ошибок водителя (допустим, не воспринял конфигурации уровня шума и бокового ускорения), отказов задействованных при маневре частей кара (акселератора или тормозного и управляющего устройств), нерасчетных действий дорожного покрытия (его низкого трения из-за оледенения либо наличия масляной пленки, к примеру).

по другому говоря, в итоге восприятия и дешифровки информации о состоянии рассматриваемого тут перевозочного процесса и сравнения её с ожидаемой, возможны следующие альтернативные исходы: а) действительная ин- формация идентична ожидаемой и верно воспринята водителем (см. Рис. 1 – состояние ИИП); б) действительная информация не идентична ожидаемой, но верно им понята – состояние модели НИП; в) оба вида информации в реальности идентичны, но настоящая информация искажена водителем (состояние ИИИ); г) обе информации на самом деле оказались не идентичными, а настоящая информация еще была им дополнительно искажена при дешифровке либо восприятии – состояние НИИ.

Указанные четыре варианта представляют собой пол- ную группу вероятных исходов приема и дешифровки информации, а размещаются они над подходящим стохастическим узлом-разветвлением сети. При этом три последних действия можно истолковывать как появление возмущений, приводящих к утрате соответствующей ЧМС равновесия; тогда как первый исход можно считать благополучным (в смысле отсутствия условий для зарождения ПЦП к ТП), т.Е. В данном случае имеет место удержание динамического равновесия (событие 26 – гомеостазис). Сохранение подобного равновесия свидетельствует как об успешном завершении выполняемого этапа перевозочного процесса, так и о способности перехода к следующему, на что показывает пунктирная линия (логическая связь), выходящая из этого действия и направленная вниз.

Если в исследуемой ЧМС нарушается равновесие, то принципиально возможны следующие три альтернативных исхода: полное либо частичное восстановление равновесия, или отсутствие таковой способности и предупреждения вследствие этого опасных последствий (см. Соответствующие действия в центральной части рис. 1). К примеру, в случае обнаружения водителем факта либо тенденции к утрате системой «водитель кар с АХОВ - дорога» динамического равновесия, у него может появиться потребность в принятии решения о необходимости и методе вмешательства в возникшую нестандартную ситуацию с целью ее корректировки.

Допустим, что после выполнения обыденных (перед запрещающим знаком светофора) действий, шофер нашел недостаточное понижение скорости кара. Далее он мог действовать, к примеру, по одному из следующих трех вариантов: а) осознав недопустимость въезда на перекресток, и зная о способности торможения кара стояночным тормозом, он мог попытаться сбавить скорость с его помощью; б) понимая невозможность сделать это из-за скользкого покрытия либо ненадежной работы стояночного тормоза, он мог принять решение на увеличение скорости, в надежде преодолеть перекресток до въезда на него каров с поперечной дороги, или в) видя, что наперерез и слева по отношению к его грузовику приближается легковой кар, а справа, но чуток дальше – уже грузовик, шофер мог не предпринимать никаких действий, растерявшись либо понадеявшись на счастливый исход...

При принятии решений о методе поведения в схожих условиях хоть какой человек традиционно управляется субъективно оцененной им мерой угрозы и своими возможностями, определяемыми психофизиологическими свойствами – оперативностью мышления, знанием порядка действий в схожих необычных ситуациях, способностью предсказывать ожидаемые последствия и уровнем мотивации к их изменению. С учетом этого он вначале выбирает лучший для него выход из сложившейся ситуации, а потом и осуществляет “наилучшие” в его представлении деяния, которые в реальности могут быть или точными, или ошибочными. Отказ от них, вследствие замешательства либо утраты самообладания в данных необычных условиях, учтен на рис. 1 В виде отдельного исхода «Бездействие человека», расположенного над подходящим (уже третьим) стохастическим узлом-разветвлением.

Если принятое решение и деяния водителя грузовика, перевозящего АХОВ, окажутся вправду точными, то они могут возвратить рассматриваемую тут ЧМС в состояние равновесия – за счет адаптации к возникшему возмущению (событие 44). А вот в остальных вариантах там уже покажется страшная ситуация, что и показано на модели событием 50. К ее возникновению в системе будут также приводить отказы остальных ответственных частей кара либо опасные внешние действия на него либо водителя со стороны окружающей их среды.

Появившаяся в рассматриваемой системе страшная ситуация может перерасти в критическую (событие 65), т.Е. Привести к взаимному совмещению зоны деяния появился ших опасных факторов с незащищенными от них объектами, или завершиться адаптацией ЧМС к опасной ситуации (событие 64). Возможность таковой адаптации будет зависеть от особенностей появившейся дорожно-транспортной ситуации: свойства и взаимной сопоставимости конкретных компонентов исследуемого транспортного средства и его окружения – технических средств обеспечения сохранности дорожного движения, обученности остальных водителей и оказавшихся вблизи пешеходов чётким действиям в схожей нештатной ситуации и т.П.

Подобно будет обстоять дело и с появившейся потом критической ситуацией. Она может завершиться или адаптацией ЧМС (событие 78), или фактом проявления аварийности либо травматизма, т.Е. Возникновением какого-или из событий, помеченных на рис. 1 Номерами 79а, 79б либо 79в. Конкретный вид ТП (несчастный вариант, трагедия, авария либо поломка) будет определяться спецификой появившейся критической ситуации – каков потенциал случаем появившегося опасного фактора, какие из незащищенных объектов оказались в зоне его появления, какому разрушительному действию они подверглись.

В частности, при низком потенциале угрозы (малых массе и скорости соударяющихся тел), а также ее воздействии на незащищенные элементы транспортных средств либо окружающих их объектов, возможны поломки либо аварии, время от времени сопровождающиеся загрязнением природной среды. При воздействии же опасного фактора лишь на людей, возможны несчастные случаи, включая их смерть. В тех вариантах, когда выход из строя одних компонентов ЧМС (к примеру, смерть экипажа самолета) безизбежно ведет к уничтожению остальных (воздушного судна совместно с пассажирами и грузом) – каскадный эффект, а также при совсем огромных потенциалах аварийно высвободившихся энергии и вредного вещества, будут возникать катастрофы.

Применительно к рассматриваемой тут перевозочной ситуации подобные исходы могут проявиться, к примеру, в следующем. При незначительной относительной скорости и массе столкнувшихся каров, они сами и их водители могут «отделаться» только незначительными повреждениями. В случае «въезда» на большой скорости легкового кара в грузовик с АХОВ, внезапно оказавшийся на перекрестке и «подставивший» свой левый бок, кроме неизбежных при этом поломок, могут пострадать также и оба водителя.

Наконец, если в итоге столкновения на большой скорости двух грузовых каров произошла утечка, воспламенение либо взрыв находящегося в одном из них АХОВ, то данное ТП может иметь трагические последствия по причине смерти оказавшихся вблизи пешеходов, ликвидирования столкнувшихся транспортных средств и имеющихся в них людей, причинения другого крупного материального вреда. Возможность одних техногенных происшествий инициировать остальные («эффект домино») учтена в показанной на рис. 1 Модели пунктирной линией, идущей от верхних событий изображенной там сети к нижним.

Как мог убедиться читатель, лишь что рассмотренная (логико-лингвистическая) модель техногенного происшествия при функционировании ЧМС (возникновения ТП при перевозке АХОВ каром) полностью соответствует современным представлениям о закономерностях проявления источников транспортного риска. Об этом же свидетельствуют и результаты анализа событий возникновения остальных техногенных происшествий, указывающие, что их появлению постоянно предшествуют ПЦП, традиционно включающие ошибки людей, отказы техники и неблагоприятные для них внешние действия. Не считая того, на возникновение отдельных предпосылок каждого типа влияет огромное число реально работающих факторов, большая часть из которых имеет нечетко определенную природу, а потому и являются лингвистическими переменными, т.Е. Почаще всего подходящими для выражения только словами разговорной речи.

Данное событие дозволяет употреблять предложенную выше модель для разработки такового машинного метода, который был бы пригоден для априорной оценки риска транспортных происшествий методом имитационного моделирования процесса их возникновения. Приемлемость такового (имитационного) подхода может быть обоснована, по меньшей мере, двумя соображениями. Во-первых, выполнение большинства перевозочных действий правомерно представлять в виде функционирования соответствующих ЧМС. При этом успешное либо неуспешное завершение каждого из них будет эквивалентно отсутствию либо появлению какого-или транспортного происшествия. Во-вторых, если же разглядывать конкретный перевозочный процесс, многократно выполняемый с привлечением однотипных транспортных средств, то можно утверждать и о массовом характере перечисленных выше исходов. Следовательно, требования к массовости и стохастичности соблюдаются, что дозволяет употреблять имитационное моделирование для прогноза транспортного риска.

Поясним идею подобного моделирования с помощью модели, показанной на рис. 2 И полученной методом дальнейшей формализации лишь что рассмотренной ранее (см. Рис. 1). Она получена методом замены 1) подавляющего большинства имеющихся там прямоугольников на каплеобразные узлы стохастического разветвления, помеченные сверху арабскими цифрами, 2) а всех ромбовидных фигур – на оцифрованные в нижней части круги, размещенные по контуру данной модели и снабженные выходящими из них спиралевидными стрелками с латинскими знаками.

До того как охарактеризовать полученную таковым образом сеть GERT, поясним, что в построенном на ее базе машинном методе (детально будет рассмотрен чуток ниже – см. Рис. 3), Все узлы и дуги будут генерировать, обрабатывать либо передавать цифровую информацию, указывающую на вклад учитываемых факторов (параметров ЧМС) в условия зарождения и развития ПЦП. Для удобства восприятия моделируемого данной сетью процесса, первоисточники таковой информации (генераторы случайных чисел) помечены там волнистыми стрелками, входящими в соответствующие стохастические узлы с цифровыми кодами (соответствуют частным свойствам конкретных компонентов ЧМС), а некие ее дуги и каждый узел – цифрами, часть из которых уже использована в предшествующей модели (см. Рис. 1).

Уточним, что все узлы стохастического разветвления сети имеют однообразные (единичные) степени свободы для первой и последующих реализаций входящих дуг (предецессеров). не считая того, только три ее узла (23, 33 и 35) имеют там более двух выходящих дуг (саксессеров). В предшествующей модели (см. Рис. 1) Они соответствовали выполнению следующих этапов операторского метода: 23 – восприятие и дешифровка информации о состоянии ЧМС, 33 – принятие решения о необходимости и методе устранения нарушенного в ней равновесия, 35 – практическая реализация оператором принятого решения. Обратим также внимание на действия, закодированные одними и теми же цифрами (26, 44, 50, 64, 65, 78 и 79) на обоих рисунках. При моделировании они исполняют роль узлов-статистик, регистрирующих факт заслуги цифровым потоком хоть какого из этих исходов. На такую возможность в ходе проведения имитационных машинных экспериментов указывают спиралевидные стрелки, исходящие из таковых узлов.

Сведения об учитываемых при этом факторах: коды, наименования, номера соответствующих узлов (исток и сток) сети GERT, а также переменные индексы значимости (знак «» меж их возможными величинами значит логическое условие «или») приведены в таблице 1.

Каждый фактор табл. 1 Имитируется генератором (истоком) случайных чисел, а его вклад в моделируемый процесс – случайным индексом, поступающим в сток и зависящим от лингвистической оценки свойства соответствующего характеристики ЧМС. Расположенность всей данной системы к техногенным происшествиям оценивается по результатам машинных экспериментов, состоящих в последовательном опросе генераторов и обработке выданных ими чисел-индексов узлами логического сложения и перемножения. При этом по мере движения снизу вверх величина результирующего индекса может как расти, так и уменьшаться, что значит образование и обрыв ПЦП. Последнее, к примеру, может быть после узлов логического перемножения 22, 24 либо 52, 54, 56 либо 72, 74, 76 – в том случае, если отсутствует вклад в ПЦП соответствующего фактора ЧМС, т.Е. Когда значение индекса его (вредной) значимости оказывается равным нулю.

Изложенные выше принципы имитационного моделирования происшествий проиллюстрированы на рис. 3: Один из учитываемых при этом факторов – в верхней левой части; графики равномерного и треугольного распределений свойства соответствующих параметров ЧМС (совместно с функцией Пх(К)=рх(К) принадлежности его конкретным дискретным оценкам) – в центральной; универсальная лингвистическая и эквивалентная ей числовая (на отрезке [0,1], с дискретностью 0,08) шкалы свойства, имеющие 11 градаций (К11 – К11), – в нижней части этого рисунка.

Исходными данными, необходимыми для имитационного моделирования, служат набор тех параметров ЧМС (см. Табл.1), Которые более значительно влияют на появление транспортных происшествий, а также очень вероятные значения индексов соответствующего вклада в образование ПЦП и лингвистические либо балльные оценки свойства каждого такового характеристики-фактора. При этом распределение свойства последних на соответствующей универсальной шкале задается плотностью fх(К) вероятности его дискретных значений на шкале [0,1] либо функцией х(К) принадлежности лингвистических переменных, приведенных в самом внизу рис. 3.

Сущность же механизма имитационного моделирования процесса возникновения транспортных происшествий состоит в следующем. Генераторы случайных чисел (см. Верхнюю левую часть рис. 3), Настроенные на умеренно либо треугольно распределенные функции fx(К) и x(К), выдают при опросе случайные оценки свойства, значения которых определяют выбор индексов Ij возможной угрозы соответствующих факторов. В частности, чем ниже оценка свойства Кj какого-или характеристики ЧМС, тем более возможно принятие этим индексом его наибольшего (см. Третью колонку табл. 1) Либо более высокого значения (лишь для Ч4,Ч12,Ч14).

Количество таковых генераторов соответствует числу учитываемых факторов, а выданные ими значения индексов Ij возможной угрозы как раз и имитируют расположенность соответствующих параметров ЧМС к формированию предпосылок к происшествию. В самом деле, если качество ее компонентов имеет низкие оценки, то генераторы почаще будут выдавать наибольшие величины соответствующих случайных чисел-индексов. А так как все характеристики соединены меж собой дугами сети GERT, то итог обработки схожей цифровой информации ее узлами логического сложения и перемножения может характеризовать уже возможность образования той ПЦП, которая гарантирует появление транспортного происшествия.

Ведь несложно понять, что полученное таковым образом суммарное значение I будет свидетельствовать о расположенности исследуемого перевозочного процесса к техногенным происшествиям, оцениваемой мерой способности не лишь возникновения в нём разных возмущений, опасных и критических ситуаций, но и их своевременной ликвидации благодаря адаптации соответствующей ЧМС. Последнее разъясняется тем, что случайная величина I, значение которой пропорционально вероятности как возникновения отдельных предпосылок к транспортному происшествию, так и их развития с последующим образованием его полновесной причинной цепи, способна не лишь расти, но и уменьшаться, вплоть до «обнуления».

к примеру, сохранение либо рост значения I будет иметь место после объединения логическим условием «или» поступающих на его вход случайных чисел Ij. Допустим, при алгебраическом сложении соответствующего вклада первых девяти факторов ЧМС: С1 и С2, Ч1–Ч3, М1 и М2, Т1 и Т2 (см. Рис. 2: Узлы 1-18 GERT). И напротив, уменьшение I, т.Е. Обрыв образовавшейся при этом ПЦП будет имитироваться в тех вариантах, когда хотя бы один из генераторов, инцидентных логическому условию «и», выдаст нулевое значение индекса Ij. К примеру, – если узлы 23-24 данной сети (фактор Ч4) сымитируют безошибочное восприятие и дешифровку информации оператором, несмотря на ненулевые значения индексов I20 и I22.

Естественно, что любая машинная реализация конкретного перевозочного процесса будет сопровождаться регистрацией одного из тех событий, которые помечены в левой и правой частях рис. 2 Волнистыми стрелками-саксессерами. Это значит, что в одних вариантах в соответствующей ЧМС может фиксироваться гомеостазис либо адаптация к появившимся ошибкам, отказам и нерасчетным внешним воздействиям, а в остальных – страшная и критическая ситуации, т.Е. Достижение потоком цифровой информации узлов 26, 44 и 50, 65. Если последующее значение I не превзойдет неких (реперных) значений, то там могут регистрироваться состояния адаптации к появившимся опасным и критическим ситуациям, что эквивалентно узлам 64 и 78. В отдельных имитациях выполняемого процесса дальнейший рост индекса скопленной угрозы может завершиться уже фиксацией транспортного происшествия – заслуги действия 79 с исходящей волнистой стрелкой, являющего обобщением событий 79а, 79б и 79в (см. Рис. 1).

Предложенный метод имитационного моделирования техногенных происшествий реализован в программном комплексе «HAZARD», один из интерфейсов которого показан на рис. 4.

В средней левой части рисунка дан фрагмент исходных данных опыта (четыре характеристики «Технологии» и оценки их свойства); в нижней – его результаты (регистрируемые действия и вероятности их пришествия), в правой – характеристики опыта и справочная информация.

Проведение машинных экспериментов дозволяет решать следующие задачки: 1) выявлять в соответствующих ЧМС те характеристики их компонентов, изменение которых более значительно влияет на условия формирования ПцП; 2) проводить сравнительную оценку вероятности появления техногенных происшествий при выполнении однотипных перевозочных действий; 3) количественно оценивать результативность альтернативных организационно-технических мероприятий, предлагаемых для понижения оцениваемого параметра транспортного риска.

Для решения каждой из трех указанных выше задач, нужно не менее двух машинных экспериментов, различающихся следующими исходными данными. Для второй задачки – оценками свойства соответствующих параметров аналогичных чМС, функционирующих с целью выполнения однотипных перевозочных действий. Для первой и третьей – различными оценками свойства одной и той же чМС, зарегистрированными до и после внедрения предлагаемых организационнотехнических мероприятий по увеличению транспортной сохранности. Что касается числа имитаций в машинном опыте, то оно меняется от нескольких тыщ до сотен миллионов, так как зависит от частоты регистрируемых событий и точности оценки их вероятностей.

Программный комплекс «HAZARD» дозволяет употреблять результаты моделирования для обоснования мероприятий по понижению риска техногенных происшествий. При этом может быть применение двух критериев соответствующей оптимизационной задачки, что допускает возможность обеспечить или наибольшее (для выделенных издержек) понижение вероятности возникновения схожих происшествий в чМС, или минимум издержек на ее понижение до допустимого значения. Решение этих задач осуществляется в режиме «Комплекс мер» (рис. 5).

Исходными данными задачки по обоснованию комплекса хороших мероприятий являются; 1) размеры среднего вреда Y от одного транспортного происшествия в чМС конкретного типа; 2) число как организационно-технических мероприятий, предложенных по понижению вероятности Q его появления, так и их разных сочетаний; 3) издержки на внедрение каж- дой таковой альтернативы и 4) их предполагаемый эффект, рассчитываемый умножением Y на ожидаемое от внедрения понижение вероятности Q (определяется методом имитационного моделирования при различных оценках свойства улучшаемых параметров чМС), а также максимально допустимое значение Q или суммарные издержки Sвыд, выделенные для понижения техногенного риска. В итоге решения задачки условной оптимизации способом полного либо ускоренного перебора определяется набор тех альтернатив, внедрение которых способно или понизить оцениваемый тут параметр транспортного риска до приемлемого уровня Q, или наилучшим образом употреблять выделенные для этого денежные и другие ресурсы.

Как представляется автору статьи, предложенный (имитационно-оптимизационный) подход к прогнозированию и регулированию риска транспортных происшествий, является более желаемым для внедрения в практику администрации российских транспортных компаний с целью совершенствования менеджмента техногенного риска как составной части ее общего менеджмента. По крайней мере, в сравнении с пока бытующими и ничем не подкрепленными суждениями (невоспроизводимыми другими экспертами), равно как и с теми оценками, которые могут быть получены способами графо-аналитического и логико-вероятностного моделирования, способности которых уместно обсудить в следующих номерах журнальчика.

перечень литературы

Для подготовки данной работы были использованы материалы с сайта http://www.securpress.ru/


 
Еще рефераты и курсовые из раздела
Забезпечення санітарного та епідемічного благополуччя населення. Санітарні норми та правила
МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ ТЕРНОПІЛЬСЬКА АКАДЕМІЯ НАРОДНОГО ГОСПОДАРСТВА ВІННИЦЬКИЙ ІНСТИТУТ ЕКОНОМІКИ Кафедра фінансів КОНТРОЛЬНА бота з дисципліни...

Методика количественного анализа сохранности с помощью дерева отказов
Методика количественного анализа сохранности с помощью дерева отказов главные понятия Событие - это авария, травма, отказ от какого-то элемента либо устройства. ...

Очевидец происшествия становится спасателем
Очевидец происшествия становится спасателем В.Бубнов, доктор медицинских наук, заведующий кафедрой медицины и психологии экстремальных ситуаций столичного института медико-социальной...

Обеззараживание транспорта, техники и оборудования
Обеззараживание транспорта, техники и оборудования Ю.Г.Афанасьев, А.Г.Овчаренко, С.Л.Раско, Л.И.Трутнева Городской транспорт, авто, а также строительные, дорожные,...

Гражданская оборона русской Федерации
Гражданская оборона русской Федерации Новый этап развития гражданской обороны РФ связан с 1993 годом, когда Президентом русской Федерации был подписан указ, регулирующий назревшие...