基于psr模型的轨道交通站点脆弱性评价方法
技术领域
1.本发明涉及城市地铁运营管理领域，更具体地说，涉及一种基于psr模型的轨道交通站点脆弱性评价方法。
背景技术：2.伴随着我国城市规模扩大和人口激增，日益增长的交通需求使得轨道交通成为当前城市客运发展中的重点。在轨道交通系统运营过程中，一旦某个站点发生随机故障或蓄意破坏等突发事件，不仅会引起事发站点的乘客滞留，还将引起其他站点的客流延误。因此，科学全面地评价轨道交通站点脆弱性，能够预防突发事件的发生，从而减少事件带来的负面影响。
3.轨道交通突发事件是多种多样的，是由多种因素共同造成的，但是现有针对轨道交通脆弱性评价方法多从单一场景出发，倾向于对某种特定灾害或特定系统的评价，缺乏综合性轨道交通站点脆弱性评价体系。同时，现有技术多以定性的方法归纳影响因素，且主流的评价方法如德尔菲法、层次分析法等存在主观性较强等问题。
4.因此，当前缺少一种具有针对性的、科学全面的城市轨道交通站点脆弱性评价方法。
技术实现要素：5.本发明要解决的技术问题在于，提供一种基于psr模型的轨道交通站点脆弱性评价方法，本方法能够能实现多方面地评估轨道交通站点脆弱性，为轨道交通运营管理者提供具有针对性的意见。
6.本发明解决其技术问题所采用的技术方案是：构造基于psr模型的轨道交通站点脆弱性评价方法，包括以下步骤：
7.s1、获取数据，将城市轨道交通系统相关数据存储于数据库；
8.s2、基于psr模型建立评价指标体系，psr即pressure-state-response，其中，基于人为和环境因素的压力p指标，基于设备因素的状态s指标，基于管理因素的响应r指标；
9.s3、确定评价体系内的指标数据类型，提取数据库中的待评价站点信息数据进行无量纲标准化处理；
10.s4、利用专家打分法、层次分析-熵权组合法确定各指标的指标权重；
11.s5、对所述s3中无量纲标准化处理后的数据进行一致化处理；
12.s6、基于优劣解距离法进行脆弱性打分，即technique for order preference by similarity to an ideal solution，简称topsis。
13.按上述方案，所述步骤s1中相关数据包含该城市轨道交通系统历史突发事件和待评价站点基本情况，所述相关数据来源于轨道交通运营公司、统计年鉴、官方新闻及官方账号。
14.按上述方案，所述步骤s2中，
15.基于人为和环境因素的压力p指标包括：p1—站点客流量、p2—区域性暴雨天气频率、p3—24h最大降雨量、p4—区域性小时最大降雨量、p5—区域性大雾天气频率、p6—区域性大风天气频率、p7—区域性凝冻天气频率、p8—车站周边不良环境要素；
16.基于设备因素的状态s指标包括：s1—车站性质、s2—站台形式、s3—站内标志设置形式、s4—站内标志完善度、s5—进出站口数量、s6—车站位置高程、s7—进出口绿化程度、s8—进出口站排水设施、s9—站台投入使用时间、s10—列车编组方式、s11—设备投入使用时间、s12—列车运行时长/天、s13—列车运行里程/天、s14—列车单次运行时长、s15—列车单次运行里程、s16—设备布设形式；
17.基于管理因素的响应r指标包括：r1—人员配置数量、r2—人员年龄结构、r3—职能分配完善度、r4—员平均工作时间、r5—应急救灾预案编制完善度、r6—附属设施布设完善度、r7—事故平均反应时间、r8—事故平均持续时间、r9—车站应急演练次数、r10—设备检修频率。
18.按上述方案，所述步骤s4中，
19.专家打分法为：采用美国运筹学家saaty提出的1-9标度评价尺度表，专家对各项指标两两比对，构造各层次指标的判断矩阵；
20.层次分析-熵权组合法为：分别利用层次分析法和熵权法对评价指标赋权，将两种方法得出的指标权重值进行结合。
21.按上述方案，所述步骤s5中数据进行一致化处理具体为：将每个负向指标进行正向化处理，使得评价指标的作用方向统一。
22.按上述方案，所述步骤s6 topsis法具体为：利用步骤s5处理后的数据找出各项指标的最优理想解和最劣理想解，确定各待评价站点与它们的接近程度，将接近程度转化为贴进度，贴进度即可代表待评价站点的脆弱性得分。实施本发明的基于psr模型的轨道交通站点脆弱性评价方法，具有以下有益效果：
23.1、本发明基于psr模型构建的评价体系，不仅体现了轨道交通突发事件的发展过程和逻辑关系，还涵盖了人为、环境、设备和管理等多方面的影响因素，是一种多因素多角度的轨道交通站点脆弱性评价体系；
24.2、本发明在进行评价时，将层次分析法和熵权法结合起来，使评价结果更客观准确，同时，本发明确定的指标权重数据来源于某一城市轨道交通系统实际情况，即在对不同城市的轨道交通系统进行评价时具有不同的评价标准，避免了因城市轨道交通规模、类型等不同带来的评价误差，因此，本方法具有针对性和普适性；
25.3、本发明可以综合定量的评价轨道交通站点脆弱性，所以能更加直观地判断出整个轨道交通系统中的脆弱性站点以及其需要改进的指标，有利于轨道交通管理方掌控系统中的薄弱环节，进而保障轨道交通系统运行的稳健，提升轨道交通系统可靠性。
附图说明
26.下面将结合附图及实施例对本发明作进一步说明，附图中：
27.图1是本发明基于psr模型的轨道交通站点脆弱性评价方法的流程图；
28.图2是本发明基于psr模型的轨道交通站点脆弱性评价方法的评价指标体系图。
具体实施方式
29.为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
30.如图1所示，本发明的基于psr模型的轨道交通站点脆弱性评价方法，包括以下步骤：
31.s1、获取数据，将某一城市轨道交通系统相关数据存储于数据库；
32.相关数据包含该城市轨道交通系统历史突发事件，待评价站点基本情况等相关信息，数据应来源于轨道交通运营公司、统计年鉴、官方新闻及账号公布的数据。
33.s2、基于psr模型建立评价指标体系，包括基于人为和环境因素的压力(p)指标，基于设备因素的状态(s)指标，基于管理因素的响应(r)指标，具体指标如图2。
34.基于人为和环境因素的压力指标包括：p1—站点客流量、p2—区域性暴雨天气频率、p3—24h最大降雨量、p4—区域性小时最大降雨量、p5—区域性大雾天气频率、p6—区域性大风天气频率、p7—区域性凝冻天气频率、p8——车站周边不良环境要素。
35.基于设备因素的状态(s)指标包括：s1—车站性质、s2—站台形式、s3—站内标志设置形式、s4—站内标志完善度、s5—进出站口数量、s6—车站位置高程、s7—进出口绿化程度、s8—进出口站排水设施、s9—站台投入使用时间、s10—列车编组方式、s11—设备投入使用时间、s12—列车运行时长/天、s13—列车运行里程/天、s14—列车单次运行时长、s15—列车单次运行里程、s16—设备布设形式。
36.基于管理因素的响应(r)指标包括：r1—人员配置数量、r2—人员年龄结构、r3—职能分配完善度、r4：—员平均工作时间、r5—应急救灾预案编制完善度、r6—附属设施布设完善度、r7—事故平均反应时间、r8—事故平均持续时间、r9—车站应急演练次数、r10—设备检修频率。
37.s3、确定评价体系内的指标数据类型，提取数据库中的待评价站点信息数据进行无量纲标准化处理；为消除各评价指标属性不同带来的影响，使评价指标之间具有可比性，进行无量纲标准化处理。
38.指标数据类型分为两种，正向指标和负向指标。正向指标是指指标数值越大，站点脆弱性越大，负向指标是指指标数值越大，站点脆弱性越小。正向指标包含步骤s2中的p1、p2、p3、p4、p5、p6、p7、s1、s2、s5、s9、s10、s11、s12、s13、s14、s15、s16等指标；负向指标包含步骤s2中的s3、s4、s6、s7、s8、r1、r2、r3、r4、r5、r6、r7、r8、r9、r10等指标。
39.正向指标和负向无量纲标准化处理算法分别为：
[0040][0041][0042]
其中，xi′j为标准化后第i个待评价站点中第j项指标数据值，x
ij
为第i个待评价站点中第j项指标数据原始值，x
max
和x
min
分别为第j项指标的最大值和最小值。
[0043]
s4、利用专家打分法、层次分析-熵权组合法确定各指标的指标权重；
[0044]
专家打分法为：利用美国运筹学家saaty提出的1-9标度评价尺度表，专家对各项指标两两比对，构造各层次指标的判断矩阵：
[0045]
a＝(a
ij
)
n*n
，
[0046]
其中，a
ij
为指标xi比指标xj的重要度，n为评价指标的个数。
[0047]
层次分析-熵权组合法为：分别利用层次分析法和熵权法对评价指标赋权，然后将两者赋权进行结合，具体步骤如下：
[0048]
层次分析法：将专家打分构造的判断矩阵a利用几何平均按列归一后得到各项指标对应的权重向量w＝(w
(1)1
,w
(1)2
,w
(1)3
,...,w
(1)n
)
t
，其中w
(1)1
、w
(1)2
、
…
、w
(1)n
即为各指标要素的权重。为了检验判断矩阵a的一致性，首先得到矩阵a的最大特征值然后得到矩阵的一致性指标最后利用得到矩阵的一致性比例，其中，r为一致性比例，ri为平均随机一致性指标，可以通过查表得到，当r《0.1时，认为评价矩阵a通过了一致性检验。
[0049]
熵权法：首先将存储于数据库中m个待评价的站点数据经步骤s3处理，可构造出评价指标矩阵其中，m为待评价站点数量，n为评价指标个数；然后计算出第j项指标下第i个站点的指标特征比重接着可计算出第j项指标的熵值其中确定指标的熵值后，最后可得到各项指标的权重其中j＝1、2、
…
、n。
[0050]
层析分析-熵权权重组合法：将层次分析法和熵权法分别得到的指标权重w
(1)j
和w
(2)j
利用算法进行结合：
[0051][0052]
其中，a、b分别为层次分析法和熵权法的分配系数，其差值与w
(1)j
和w
(2)j
两者的差异度相同，w
(1)j
和w
(2)j
两者的差异度可以用距离函数表示：
[0053]
[0054]
其中，d(a,b)表示a与b的差值，d(a,b)＝|a-b|；d(w
(1)j-w
(2)j
)表示w
(1)j
和w
(2)j
两者的差值。联立上述算法可以求出两种方法的分配系数a和b，进而可以得到组合权重wj。
[0055]
s5、对步骤s3中无量纲化处理后的数据进行一致化处理；
[0056]
指标类型一致化是指将每个负向指标进行正向化处理，使得评价指标的作用方向统一，对于正向指标则不需要处理。
[0057]
具体处理算法为“减法一致化”：
[0058]
正向指标：x
″
ij
＝x
′
ij
[0059]
负向指标：x
″
ij
＝m-x
′
ij
[0060]
其中，x
″
ij
为正向化之后的结果，m为某一负向指标允许范围的上界。
[0061]
s6、基于优劣解距离法(topsis)进行脆弱性打分。
[0062]
topsis法具体为：
[0063]
首先，对一致化后的指标数据进行规范化处理，得到决策矩阵z＝(z
ij
)m×n规范化算法为：
[0064][0065]
其中，z
ij
为规范化后的数值；
[0066]
然后，确定最优理想解z
+
、最劣理想解z-的站点情况：
[0067]z+
＝(max{z
11
,z
21
,...,z
m1
},max{z
12
,z
22
,...,z
m2
},...,max{z
1n
,z
2n
,...,z
mn
})；
[0068]
ꢀꢀ
＝(z
1+
,z
2+
,...,z
n+
)
[0069]
z-＝(min{z
11
,z
21
,...,z
m1
},min{z
12
,z
22
,...,z
m2
},...,min{z
1n
,z
2n
,...,z
mn
})
[0070]
ꢀꢀ
＝(z
1-,z
2-,...,z
n-)
[0071]
接着，确定待评价站点与脆弱性最大、最小站点的接近程度d
i+
和d
i-，算法为：
[0072][0073][0074]
其中wj就是由步骤s4计算得出的第j项指标的权重值；
[0075]
最后，将接近程度转化为贴进度ci，算法为：
[0076][0077]
其中ci的值越大，证明该站点越接近最脆弱站点，即相比之下该站点的脆弱性越大。
[0078]
为了验证本发明的可操作性与实用性，现列举一个验证例进行说明。
[0079]
s1、获取数据，将某城市轨道交通系统相关数据存储于数据库：相关数据包括该城市轨道交通系统历史突发事件，待评价站点基本情况等相关信息，数据应来源于轨道交通运营公司、统计年鉴、官方新闻及账号公布的数据。
[0080]
s2、基于psr模型建立评价指标体系，包括基于人为和环境因素的压力(p)指标，基
于设备因素的状态(s)指标，基于管理因素的响应(r)指标，具体指标如图2。
[0081]
s3、确定评价体系内的指标数据类型，提取数据库中的待评价站点信息数据进行无量纲标准化处理。
[0082]
首先从数据库中提取的待评价站点信息数据如表1。
[0083]
表1某城市轨道交通站点相关数据信息
[0084][0085]
然后对表1中的数据进行无量纲标准化处理，对于正向指标p1、p2、p3、p4、p5、p6、p7、s1、s2、s5、s9、s10、s11、s12、s13、s14、s15、s16利用公式计算；对于负向指标s3、s4、s6、s7、s8、r1、r2、r3、r4、r5、r6、r7、r8、r9、r10利用公式计算。其中x
max
、x
min
分别是每一个指标的最大值和最小值，即表1中每一列的最大值和最小值。经过处理后可得到标准化后的数据结果如表2。
[0086]
表2标准化处理后的数据结果
[0087][0088]
s4、利用专家打分法、层次分析-熵权组合法确定各指标的指标权重；
[0089]
首先对评价指标进行打分，构建各层次指标的判断矩阵：利用美国运筹学家saaty提出的1-9标度评价尺度如表3，专家对各项指标两两比对，构造各层次指标的判断矩阵a＝(a
ij
)
n*n
。
[0090]
表31-9标度评价尺度
[0091]
标度含义1指标xi与xj同等重要3指标xi比xj稍微重要5指标xi比xj明显重要7指标xi比xj强烈重要
9指标xi比xj极端重要2、4、6、8上述标准间的折中值倒数指标xj比xi的重要度a
ji
＝1/a
ij
[0092]
基于人为和环境因素的压力(p)指标判断矩阵如表4：
[0093]
表4压力(p)指标判断矩阵
[0094][0095][0096]
同理，可对基于设备因素的状态(s)指标、基于管理因素的响应(r)指标分别打分，构造对应的判断矩阵。
[0097]
接着利用层析分析法求解指标权重：将专家打分构造的判断矩阵a利用几何平均按列归一后得到各项指标对应的权重向量w＝(w
(1)1
,w
(1)2
,w
(1)3
,...,w
(1)n
)
t
，其中w
(1)1
、w
(1)2
、
…
、w
(1)n
即为各指标要素的权重。为了检验判断矩阵a的一致性，首先得到矩阵a的最大特征值然后计算矩阵的一致性指标最后利用得到矩阵的一致性比例(其中，r为一致性比例，ri为平均随机一致性指标，可以通过查表5得到)，当r《0.1时，认为评价矩阵a通过了一致性检验。
[0098]
表5平均随机一致性指标ri
[0099]
维度67891011121314ri1.261.361.411.461.491.521.541.561.58
[0100]
然后利用熵权法求解指标权重：将步骤s3经过标准化处理后表2中的数据可构造出评价指标矩阵其中m为待评价站点数量，n为评价指标个数；然后计算出第j项指标下第i个站点的指标特征比重接着可计算出第j项指标的熵值其中确定指标的熵值后，最后可得到各项指标的权重
其中j＝1、2、
…
、n。
[0101]
最后将上述两个方法分别求得的指标权重进行结合：将层次分析法和熵权法分别得到的指标权重w
(1)j
和w
(2)j
利用算法进行结合：
[0102][0103]
其中，a、b分别为层次分析法和熵权法的分配系数，其差值与w
(1)j
和w
(2)j
两者的差异度相同，w
(1)j
和w
(2)j
两者的差异度可以用距离函数表示：
[0104][0105]
其中，d(a,b)表示a与b的差值，d(a,b)＝|a-b|；d(w
(1)j-w
(2)j
)表示w
(1)j
和w
(2)j
两者的差值。联立上述算法可以求出两种方法的分配系数a和b，进而可以得到组合权重wj。可得到具体的各项指标权重值如表6：
[0106]
表6评价指标权重值
[0107]
指标层次分析法熵权法组合权重wjp1w
(1)p1w(2)p1
a*w
(1)p1
+b*w
(2)p1
p2w
(1)p2w(2)p2
a*w
(1)p2
+b*w
(2)p2
…………
p8w
(1)p8w(2)p8
a*w
(1)p8
+b*w
(2)p8
s1w
(1)s1w(2)s1
a*w
(1)s1
+b*w
(2)s1
s2w
(1)s2w(2)s2
a*w
(1)s2
+b*w
(2)s2
…………
s16w
(1)s16w(2)s16
a*w
(1)s16
+b*w
(2)s16
r1w
(1)r1w(2)r1
a*w
(1)r1
+b*w
(2)r1
r2w
(1)r2w(2)r2
a*w
(1)r2
+b*w
(2)r2
…………
r10w
(1)r10w(2)r10
a*w
(1)r10
+b*w
(2)r10
[0108]
s5、对步骤s3中无量纲化处理后的数据进行一致化处理：将每个负向指标进行正向化处理，使得评价指标的作用方向统一，对于正向指标则不需要处理。具体处理算法为“减法一致化”：正向指标：x
″
ij
＝x
′
ij
；负向指标：x
″
ij
＝m-x
′
ij
。其中，x
″
ij
为正向化之后的结果，m为某一负向指标允许范围的上界。
[0109]
s6、基于优劣解距离法(topsis)进行脆弱性打分：
[0110]
首先，对步骤s5中一致化后的指标数据进行规范化处理，得到决策矩阵z＝
(z
ij
)m×n，规范化算法为：规范化后的数据结果如表7；
[0111]
表7规范化后的指标数据
[0112][0113]
然后，确定最优理想解z
+
、最劣理想解z-的站点情况：
[0114]z+
＝(max{z
11
,z
21
,...,z
m1
},max{z
12
,z
22
,...,z
m2
},...,max{z
1n
,z
2n
,...,z
mn
})；
[0115]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
＝(z
1+
,z
2+
,...,z
n+
)
[0116]
z-＝(min{z
11
,z
21
,...,z
m1
},min{z
12
,z
22
,...,z
m2
},...,min{z
1n
,z
2n
,...,z
mn
})
[0117]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
＝(z
1-,z
2-,...,z
n-)
[0118]
即表7中每一列的最大值与最小值；
[0119]
接着，确定待评价站点与脆弱性最优理想解、最劣理想解的接近程度d
i+
和d
i-，算法为：其中wj就是由步骤s4计算得出的第j项指标的权重值；最后将接近程度转化为贴进度ci，算法为：其中ci的值越大，证明该站点越接近最脆弱站点，即相比之下该站点的脆弱性越大。可得到各待评价站点最终的脆弱性大小情况见表8。
[0120]
表8站点脆弱性得分情况
[0121]
站点编号d
i+di-脆弱性得分ci1d
1+d1-d
1-/d
1+
+d
1-2d
2+d2-d
2-/d
2+
+d
2-3d
3+d3-d
3-/d
3+
+d
3-…………
md
m+dm-d
m-/d
m+
+d
m-[0122]
综上所述，本发明提出的一种基于psr模型的轨道交通站点脆弱性评价方法，首先通过获取某一城市轨道交通系统中站点的基本信息数据，基于psr模型从人为、环境、设备和管理等多个方面建立了脆弱性评价体系；然后采用专家打分、层次分析-熵权组合法对各评价指标进行客观实际的赋权；最后利用优劣解距离法对各个站点进行脆弱性打分，可定量化的评价轨道交通站点脆弱性。本发明的评价方法有利于轨道交通管理者掌控轨道交通运营中的脆弱站点，可针对这些脆弱站点及潜在的问题作出相应的改善和预防措施，从而
增强轨道交通运营中的稳健性与可靠性。
[0123]
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
技术特征：1.一种基于psr模型的轨道交通站点脆弱性评价方法，其特征在于，包括以下步骤：s1、获取数据，将城市轨道交通系统相关数据存储于数据库；s2、基于psr模型建立评价指标体系，psr即pressure-state-response，其中，基于人为和环境因素的压力p指标，基于设备因素的状态s指标，基于管理因素的响应r指标；s3、确定评价体系内的指标数据类型，提取数据库中的待评价站点信息数据进行无量纲标准化处理；s4、利用专家打分法、层次分析-熵权组合法确定各指标的指标权重；s5、对所述s3中无量纲标准化处理后的数据进行一致化处理；s6、基于优劣解距离法进行脆弱性打分，即technique for order preference by similarity to an ideal solution，简称topsis。2.根据权利要求1所述的基于psr模型的轨道交通站点脆弱性评价方法，其特征在于，所述步骤s1中相关数据包含该城市轨道交通系统历史突发事件和待评价站点基本情况，所述相关数据来源于轨道交通运营公司、统计年鉴、官方新闻及官方账号。3.根据权利要求1所述的基于psr模型的轨道交通站点脆弱性评价方法，其特征在于，所述步骤s2中，基于人为和环境因素的压力p指标包括：p1—站点客流量、p2—区域性暴雨天气频率、p3—24h最大降雨量、p4—区域性小时最大降雨量、p5—区域性大雾天气频率、p6—区域性大风天气频率、p7—区域性凝冻天气频率、p8—车站周边不良环境要素；基于设备因素的状态s指标包括：s1—车站性质、s2—站台形式、s3—站内标志设置形式、s4—站内标志完善度、s5—进出站口数量、s6—车站位置高程、s7—进出口绿化程度、s8—进出口站排水设施、s9—站台投入使用时间、s10—列车编组方式、s11—设备投入使用时间、s12—列车运行时长/天、s13—列车运行里程/天、s14—列车单次运行时长、s15—列车单次运行里程、s16—设备布设形式；基于管理因素的响应r指标包括：r1—人员配置数量、r2—人员年龄结构、r3—职能分配完善度、r4—员平均工作时间、r5—应急救灾预案编制完善度、r6—附属设施布设完善度、r7—事故平均反应时间、r8—事故平均持续时间、r9—车站应急演练次数、r10—设备检修频率。4.根据权利要求1所述的基于psr模型的轨道交通站点脆弱性评价方法，其特征在于，所述步骤s4中，专家打分法为：采用1-9标度评价尺度表，专家对各项指标两两比对，构造各层次指标的判断矩阵；层次分析-熵权组合法为：分别利用层次分析法和熵权法对评价指标赋权，将两种方法得出的指标权重值进行结合。5.根据权利要求1所述的基于psr模型的轨道交通站点脆弱性评价方法，其特征在于，所述步骤s5中数据进行一致化处理具体为：将每个负向指标进行正向化处理，使得评价指标的作用方向统一。6.根据权利要求1所述的基于psr模型的轨道交通站点脆弱性评价方法，其特征在于，所述步骤s6 topsis法具体为：利用步骤s5处理后的数据找出各项指标的最优理想解和最劣理想解，确定各待评价站点与它们的接近程度，将接近程度转化为贴进度，贴进度即可代
表待评价站点的脆弱性得分。
技术总结本发明涉及一种基于PSR模型的轨道交通站点脆弱性评价方法，包括以下步骤：S1、获取数据，将城市轨道交通系统相关数据存储于数据库；S2、基于PSR模型建立评价指标体系，其中，基于人为和环境因素的压力P指标，基于设备因素的状态S指标，基于管理因素的响应R指标；S3、确定评价体系内的指标数据类型，提取数据库中的待评价站点信息数据进行无量纲标准化处理；S4、利用专家打分法、层次分析-熵权组合法确定各指标的指标权重；S5、对所述S3中无量纲标准化处理后的数据进行一致化处理；S6、基于优劣解距离法进行脆弱性打分。本发明能多方位的对轨道交通站点脆弱性进行定量评价，更具有实用性与普适性。性与普适性。性与普适性。
技术研发人员：张抒扬 王成露 陈国俊 杜志刚
受保护的技术使用者：武汉理工大学
技术研发日：2022.03.30
技术公布日：2022/7/5
