2. 湖北大学计算机与信息工程学院, 湖北 武汉 430062;
3. 香港中文大学深圳研究院, 广东 深圳 518057
2. Faculty of Computer Science and Information Engineering, Hubei University, Wuhan 430062, China;
3. Shenzhen Research Institute, The Chinese University of Hong Kong, Shenzhen 518057, China
虚拟地理环境(virtual geographic environments,VGE)[1]的研究致力于通过多源信息集成与共享作为基础,借助虚拟现实理念并采用多感知表达技术为地理问题、地理规律与地理现象的模拟提供相关地理知识,从而辅助有关部门进行科学决策[2]。随着智慧城市的发展,各应用领域更依赖于地理知识来实现智能化决策。因此,VGE的发展逐渐为智慧城市建设中的各领域智慧应用提供了理论与方法基础。在城市公共安全领域,频发的城市突发公共事件[3](例如自然灾害,交通事故和设施事故)如果得不到快速、科学的决策与应急响应,通常会引发重大的经济损失和人员伤亡。因此,如何进行风险监测与快速风险评估,并为城市公共安全应急响应提供决策依据和支持成为研究的重要挑战。
风险评估[4]作为城市公共安全应急决策的基础性工作,用于对城市范围内成员造成损失的风险隐患进行量化分析、估计与量测[5]。现有的风险评估方法按照事件发生的时间分为两种类型:事件发生之前的风险评估方法和事件发生时的即时风险评估方法。针对前者的研究,已经存在大量的方法。例如,文献[6]针对化学工业安全事故提出了蒙德安全评价方法,形成了包括火灾、爆炸以及中毒等后果的相关风险评价参数。欧盟于2005年提出的工业事故风险评估方法[7],构建了针对工业事故的风险评估具体流程。然而,这类方法均是在事件发生之前用于防范事件发生为目的的方法,无法实现风险监控与快速评估任务。随着智慧城市的建设,针对后者的研究成为重点。文献[8]设计了针对化学泄漏事件的即时风险评估框架,并应用于中国松花江化学物质监测与风险评估。文献[9]设计实现了一种即时的野火救助决策风险评估工具。然而,这些方法均存在于孤立的监测预警系统中,无法进行风险监测与风险评估的综合表达,难以实现方法的共享管理与重复使用。
随着VGE相关理论与方法的发展,产生了一系列建模与表达的方法,可以用于解决城市公共安全中的风险评估方法的共享与重用问题。文献[10]从数据、模型、表现与协同等4个方面建立了一个VGE基本理论初步研究框架。文献[11]针对VGE侧重表达、忽略地理分析的现状,构建了包括数据环境、建模环境、表达环境以及协同环境的VGE架构,实现了地理环境模拟分析与多种复杂地理问题求解。随着研究者对地理科学领域独特的背景、过程和结果进行解释,产生了地理知识的概念[12]。面向不同领域对于地理知识的应用需求,地理知识的表达与共享成为研究的热点。文献[13]提出了基于VGE的地理知识表达与共享方法,实现城市空气质量实时监测与安全管理。文献[14]提出了VGE体系架构, 设计了堰塞湖溃决风险评估基本流程, 提高堰塞湖溃坝风险预测能力。针对城市安全管理,文献[15]则基于VGE基本理论方法,在微空间环境中进行生物恐怖主义的人群疏散模拟,针对潜在的攻击进行有效的风险评估。这些方法应用VGE的相关理论解决具体应用场景下的风险评估需求。然而,国际标准化组织(ISO)31000中将风险评估定义为一种包含风险识别、风险分析和风险评价3个阶段的过程[16],不同的阶段需要不同的信息资源作为评价依据,以上方法均只提供单一化的评估结果,无法针对不同阶段的过程信息进行建模与表达。这使得决策者无法全面的获取风险评估结果,因而需要引入面向过程的方法与技术实现阶段信息结果共享与服务。
工作流和web service[17-18]作为面向过程的集成技术被广泛应用于分布式信息资源(包括传感器、数据和模型等)的统一表达,并实现服务的链接用于支持城市综合管理。开放地理空间信息联盟(open geospatial consortium, OGC)致力于开发地理空间网络服务标准,包括传感器观测服务(sensor observation service, SOS)[19]、网络目录服务(catalogue services web, CSW)[20]以及网络处理服务(web processing service,WPS)[21]等。针对传感网综合管理需求,OGC形成了传感器建模语言(sensor model language, SensorML)[22]。基于这些标准与信息模型可以将信息资源以web service的形式实现服务的组合与工作流的构建。例如,文献[23]链接若干个子服务形成一种用于表征网络服务链的工作流。文献[24]提出了一种用于大气化学成分观测的新型数据服务,实现CSW与WPS的链接与数据服务。因此,基于以上的方法与技术,如何针对城市公共安全风险监测与评估任务需求,有效地组织信息资源,提供面向过程的风险评估、监测评估服务成为新的挑战。
综上所述,针对城市突发事件的风险评估,存在以下两个问题:①缺乏一种风险监测与评估的综合表征方法,使得风险评估方法的共享与重用难以实现;②风险评估是包括风险识别、分析和评价的分析过程,不同的评估阶段关注的焦点和采用的方法各不相同,缺乏一种针对面向过程的风险监测评估信息描述结构,难以实现阶段性评估结果的即时信息服务。
针对以上问题,本文基于MOF元建模理论设计了十元组通用信息描述结构,形成了风险监测与评估方法的综合表达方法,实现了风险评估过程的共享管理与重用;其次,本文设计的风险评估过程管理原型系统,实现面向风险评估过程不同阶段的即时评估信息服务,并以此来验证方法的可行性。
1 风险评估过程建模方法 1.1 风险评估过程元建模框架在VGE的相关理论与方法的研究中,数据环境、建模环境、表达环境以及协同环境作为其构建的核心环境。本文致力于在VGE中构建一种针对城市公共安全风险监测评估的过程建模方法,用于支撑VGE的表达环境。本文引入元模型作为风险评估表达与管理的主要方法。元模型定义了描述某一模型的规范,具体来说就是组成模型的元素与元素之间的关系。基于元模型驱动的架构,使得很多机构可以实现数据的一致性共享管理的目的。对象管理组织(object management group, OMG)在2005年提出的元对象机制(meta-object facility, MOF)[25-26],用于描述针对某一特定模型的建模结构集,以此来提高用户对于元数据与元模型的管理能力。满足MOF相关标准规范的元模型一般具备良好的开放性、互操作性和可扩展性。
本文研究的重点是实现面向过程的风险监测与评估的综合表达方法,将风险评估划分为感知、识别、分析与评价等4个阶段,并将整个过程称为风险评估过程。针对风险评估过程集成共享管理需求,本文基于MOF元模型四层架构设计了风险评估过程的元建模框架,详细结构如图 1所示。M3层涵盖了风险评估过程元模型的一系列概念要素集。M2层包括信息描述元模型、建模设施元模型以及标准化信息描述元模型,分别描述了过程信息描述的总体抽象框架、建模的限制原则以及形式化的流程。M1层包括信息描述模型、SensorML和十元组信息描述结构。通过建立十元组信息描述结构到SensorML标准信息模型的映射,实现风险评估过程信息模型的标准化表达。M0层包含针对一系列城市突发公共事件对应风险评估过程实例。
1.2 元模型信息组件
本文设计的元模型信息组件包括标签、时空、访问权限以及过程连接。标签主要描述过程的标识信息与类别信息;时空信息提供统一时空基准,以时间、空间为纽带动态关联风险评估过程的多时态、多层次、多粒度信息,用于实现地上下、历史实时、静态动态等信息集成共享;访问权限主要包括一些限制与管理权限问题;过程连接作为核心信息组件用于表征风险评估过程需要的具体传感器数据与模型等信息服务以及他们之间组成的链接顺序。信息服务通过风险评估过程的4个阶段(感知、识别、分析和评价)中的任务信息进行抽象的链接和描述。
本文将过程连接组件细化为阶段、任务、观测服务和模型服务间的关系,如图 2所示。包含如下4个阶段:
(1) 感知阶段——根据耦合的多源观测数据进行日常监测。
(2) 识别阶段——进行针对特定突发事件可能引发的衍生灾害的类型及其可能造成的时空影响范围的识别。
(3) 分析阶段——分析和计算突发事件可能造成的损失与伤害程度。
(4) 评价阶段——进行定量风险评价。最终得出风险的评价结论和评价报告。
1.3 十元组信息描述结构根据上文介绍的风险评估过程元模型信息组件进行详细划分,本文设计了十元组通用信息描述结构,包括风险评估过程的十个方面的通用信息:识别信息、类别信息、空间信息、时间信息、阶段信息、任务信息、监测信息、模型信息、管理信息和约束信息。风险评估过程元数据组与十元组信息描述结构之间的关系如图 3所示。
综上所述,本文基于十元组信息描述结构实现风险评估过程的描述。然而,风险评估过程需要进行形式化与标准化,以此将该过程表达成的可执行风险评估过程。
1.4 风险评估过程表达为了实现风险评估过程构建及其快速精准发现,需要将十元组信息描述结构进行标准化的表达。本文应用SensorML中的ProcessChain相关标准规范来描述风险评估过程信息模型,建立十元组信息描述要素集与过程链属性集(包括MetadataGroup、input、output、parameters、connection和component)之间的映射关系,以实现风险评估过程元模型形式化表达。MetadataGroup用于描述风险评估过程的识别、类别、空间、时间、管理和约束等信息。阶段描述包括感知、识别、分析和评价在内的阶段信息,映射input、output和parameter等属性中。任务用于描述过程内部的连接关系。而connection内部包含一系列的连接对象,它们支持从各个过程的源属性到终点属性,以此来实现过程的连接。最后,观测与模型被映射到对应component属性中,来表达风险评估过程所要描述的信息资源。
2 原型系统设计风险评估过程管理原型系统以风险评估过程的共享管理为出发点,实现突发事件发生时精准、高效信息资源汇聚,提供全面的即时风险评估服务,并在虚拟环境中提供风险评估过程服务的动态可视化。该系统充分发挥地理空间传感网服务的优势,通过网络服务接口接入现实中不同的信息资源,实现风险的动态观测,并提供相应的决策支持服务。系统的逻辑架构具体如图 4所示。
从图 4中可以看出系统的逻辑架构主要分为4个层级,包括资源层、中间层、业务层和表现层。具体层级结构的功能和关系如下:
(1) 资源层。该层主要实现海量异构信息资源服务管理。信息资源服务发布成标准的信息服务,并通过注册中心中进行统一管理。
(2) 中间件层。该层级主要作为资源层和业务层之间的中间层提供相关的信息传递机制。此外,过程服务链的执行引擎用于驱动风险评估过程服务链的执行。
(3) 业务层。该层作为系统的核心来提供一系列过程管理功能(包括建模、管理、执行和可视化等),将执行结果提供给表现层,完成与用户的交互工作。
(4) 表现层。该层级提供一系列的风险评估管理功能交互界面,实现系统之间、系统与用户之间的交互。
3 燃气泄漏事件应用案例燃气泄漏事件[27]作为典型的城市突发公共事件,其发生与发展过程十分复杂,通常会产生多种衍生事件(包括火灾、中毒和爆炸等)。针对不同的衍生事件需要选取不同的物理预测模型来计算风险分布与风险等级, 本文选取高斯烟羽扩散模型[28]、火灾辐射伤害模型[29]、超压冲击波模型[30]。此外,需要根据计算的范围可以确定事件在该范围内可能产生的损失。最终,本文选取常用的个人风险与社会风险评估方法得出相应的评价结论[31]。
3.1 试验基础本文选取太原市高新技术开发区作为主要试验区域。系统基于SOS实现15 km2范围内150个燃气管道压力传感器,以及主城区范围内近20个气象站点和6000余个基站流量传感器数据统一接入。此外,系统将燃气泄漏事件涉及的风险评估模型进行封装,并发布成标准的WPS。自此,本文完成了信息资源的整合与管理,为试验流程的设计奠定了基础。
3.2 试验流程本文的试验流程主要包含燃气泄漏事件发生前的风险评估过程建模与事件发生时的风险评估过程服务链执行,具体的试验流程如图 5所示。
本文的试验流程分为事件发生前和发生时两个部分进行。事件发生前的试验流程为:首先,依据建模模板来构建燃气泄漏事件风险评估过程,具体的建模界面如图 6所示。其中,图 6(a)是十元组信息描述结构的建模界面,图 6(b)为拖拽式的过程连接构建界面。然后,将建模形成的信息模型进行注册。燃气泄漏事件发生时的试验流程为:一旦通过现实中的传感器数据确认事件发生,立刻触发相应的风险评估过程,绑定具体的信息服务。最后,系统执行该风险评估过程,共享阶段性评估结果,在虚拟灾害场景中进行风险评估过程动态可视化。
3.3 试验结果
本文通过模拟燃气管道压力传感器监测异常来触发风险评估过程的执行,针对燃气泄漏事件的风险监测评估试验结果如表 1所示。
阶段 | 输入 | 过程模型 | 输出 | 时间/s | ||
感知阶段 | 上游点燃气管道压力监测值:0.16 Mpa; 下游点燃气管道压力监测值:0.08 Mpa |
负压力波定位方程; 小孔泄漏模型 |
燃气泄漏位置:(37°52′13″N,112°33′42″E); 燃气泄漏强度:54.2 kg/s |
8.78 | ||
识别阶段 | 燃气泄漏位置:(37°52′13″N,112°33′42″E); 燃气泄漏强度:54.2 kg/s; 风速:4.0 m/s |
高斯扩散模型; 火灾伤害模型; 超压冲击波模型 |
扩散范围 | 扩散范围及浓度栅格数据 | 高浓度区(> 25%) | 4.98 |
中浓度区(15%~25%) | ||||||
低浓度区(0%~15%) | ||||||
火灾伤害半径 | 35.77 m | 每10 s 1%死亡 | ||||
每1 min 100%死亡 | ||||||
43.81 m | 每10 s重大损伤 | |||||
每1 min 100%死亡 | ||||||
61.96 m | 每10 s 1度烧伤 | |||||
每1 min 10%死亡 | ||||||
爆炸伤害半径 | 109.53 m | 20 s以上感觉疼痛 | ||||
16.21 m | 大部分人员死亡70%~100% | |||||
18.60 m | 内脏严重损伤或死亡10% | |||||
25.13 m | 听觉器官损伤或骨折 | |||||
31.46 m | 轻微损伤 | |||||
分析阶段 | 扩散范围:扩散范围及浓度栅格数据; 火灾伤害半径:35.77 m、43.81 m、61.96 m、109.53 m; 爆炸伤害半径:16.21 m、18.60 m、25.13 m、31.46 m |
伤亡分析模型 | 伤亡分析结果 | 致死率分布栅格数据(易感人员致死百分数) | 100%致死率 | 6.31 |
30%致死率 | ||||||
1%致死率 | ||||||
0致死率 | ||||||
评价阶段 | 伤亡分析结果:致死率分布栅格数据; 实时区域人口密度:0.002 5人/m2; 燃气泄漏位置:(37°52′13″N,112°33′42″E) |
个人风险评估模型; 社会风险评估模型 |
个人风险评价结果:风险分布栅格数据; 社会风险评价结果:可能的死亡人数为15人 |
7.69 |
风险监测评估试验结果包括不同阶段的输入、输出以及执行时间,具体的阶段输出如下:
(1) 感知阶段。首先通过负压力波定位方程[32]来确定泄漏位置坐标为(37°52′13″N, 112°33′42″E)。此外,通过传感器监测值作为输入,通过小孔模型服务计算输出泄漏气体强度计算结果为54.2 kg/s,具体过程如图 7所示。
(2) 识别阶段。本文讨论该燃气泄漏事件可能引发的中毒、火灾和爆炸等衍生事件。该阶段分别计算3种衍生事件的物理影响区域与相应伤害等级。其模拟结果在虚拟灾害场景中进行动态可视化,如图 8所示。
(3) 分析阶段。该阶段计算3种衍生灾害可能引发的致死率分布数据,并将输出的致死率分布数据作为风险评价阶段的计算基础。
(4) 评价阶段。系统基于分析阶段的致死率分布数据计算个人风险等值线图,并输入区域实时人口密度估值计算社会风险值,计算得可能造成的死亡人数为15人,具体的执行过程如图 9所示。
综上所述,试验结果包括风险评估过程的执行时间与阶段性的评价结果。试验结果表明本文提出的方法可以实现风险评估过程的共享管理,并提供即时的阶段性评估信息服务,验证了本文方法的可行性。
4 总结与展望本文针对目前风险监测评估方法的共享与重用需求,设计了风险评估过程元建模方法,形成了十元组信息描述结构,实现了面向过程的风险评估阶段性个性化信息服务。最后,本文设计了风险评估过程管理原型系统,并以太原市燃气泄漏事件为例,验证方法的可行性。本文方法的优点包括:①提出了统一时空框架下的风险评估过程元模型,实现风险评估过程的共享管理与重用,作为支撑VGE可视化模拟的基础模型部分,为VGE理论框架的研究提供一种高效快速的过程建模的方法;②实现了面向过程的风险评估信息即时服务方法,提供面向不同用户提供阶段性即时评估信息服务,使得决策者可以在虚拟环境中获取更加全面、丰富的风险评估信息。
未来的研究工作将聚焦于解决风险评估过程中的诸多不确定性问题,设计基于过程的服务质量评价体系;其次,基于城市百万级传感器和模型服务的集成管理,提高过程服务链的执行效率也将会是未来研究中的重点问题。
[1] |
林珲, 龚建华.
论虚拟地理环境[J]. 测绘学报, 2002, 31(1): 1–6.
LIN Hui, GONG Jianhua. On Virtual Geographic Environments[J]. Acta Geodaetica et Cartographica Sinica, 2002, 31(1): 1–6. DOI:10.3321/j.issn:1001-1595.2002.01.001 |
[2] | LIN Hui, CHEN Min, LÜ Guonian. Virtual Geographic Environment:A Workspace for Computer-aided Geographic Experiments[J]. Annals of the Association of American Geographers, 2013, 103(3): 465–482. DOI:10.1080/00045608.2012.689234 |
[3] |
汪云峰, 白庆华, 周晓莉.
城市突发公共事件应急管理标准体系框架研究[J]. 中国安全科学学报, 2007, 17(11): 84–89.
WANG Yunfeng, BAI Qinghua, ZHOU Xiaoli. Study on Standard System Framework Model of Urban Emergency Management[J]. China Safety Science Journal, 2007, 17(11): 84–89. DOI:10.3969/j.issn.1003-3033.2007.11.013 |
[4] | JONES R N. An Environmental Risk Assessment/Management Framework for Climate Change Impact Assessments[J]. Natural Hazards, 2001, 23(2-3): 197–230. |
[5] |
殷杰, 尹占娥, 许世远, 等.
灾害风险理论与风险管理方法研究[J]. 灾害学, 2009, 24(2): 7–11, 15.
YIN Jie, YIN Zhan'e, XU Shiyuan, et al. Disaster Risk Theory and Risk Management Method[J]. Journal of Catastrophology, 2009, 24(2): 7–11, 15. |
[6] |
魏震东, 谭菁.
蒙德法在聚丙烯生产安全评价中的运用[J]. 石油化工安全环保技术, 2009, 25(6): 30–35.
WEI Zhendong, TAN Jing. Application of Mond Method in Safety Assessment of Polypropylene Plant[J]. Petrochemical Safety and Environmental Protection Technology, 2009, 25(6): 30–35. |
[7] | HOURTOLOU D, SALVI O. ARAMIS Project Accidental Risk Assessment Methodology for IndustrieS in the Framework of SEVESO Ⅱ Directive[C]. Delft, Netherlands: European Safety Reliability and Data Association Seminar, 2002. |
[8] | JIANG Jiping, WANG Peng, LUNG W S, et al. A GIS-based Generic Real-time Risk Assessment Framework and Decision Tools for Chemical Spills in the River Basin[J]. Journal of Hazardous Materials, 2012, 227-228(2): 280–291. |
[9] | CALKIN D E, THOMPSON M P, FINNEY M A, et al. A Real-time Risk Assessment Tool Supporting Wildland Fire Decisionmaking[J]. Journal of Forestry, 2011, 109(5): 274–280. |
[10] |
龚建华, 周洁萍, 张利辉.
虚拟地理环境研究进展与理论框架[J]. 地球科学进展, 2010, 25(9): 915–926.
GONG Jianhua, ZHOU Jieping, ZHANG Lihui. Study Progress and Theorectical Framework of Virtual Geographic Environments[J]. Advances in Earth Science, 2010, 25(9): 915–926. |
[11] |
闾国年.
地理分析导向的虚拟地理环境:框架、结构与功能[J]. 中国科学:地球科学, 2011, 41(4): 549–561.
LÜ Guonian. Geographic Analysis-oriented Virtual Geographic Environment:Framework, Structure and Functions[J]. Science China Earth Sciences, 2011, 41(4): 549–561. |
[12] | LIN Hui, CHEN Min, LÜ Guonian, et al. Virtual Geographic Environments (VGE):A New Generation of Geographic Analysis Tool[J]. Earth-Science Reviews, 2013, 126(1): 74–84. |
[13] |
林珲, 张春晓, 陈旻, 等.
论虚拟地理环境对地理知识的表达与共享[J]. 遥感学报, 2016, 20(5): 1290–1298.
LIN Hui, ZHANG Chunxiao, CHEN Min, et al. On Virtual Geographic Environments for Geographic Knowledge Representation and Sharing[J]. Journal of Remote Sensing, 2016, 20(5): 1290–1298. |
[14] | ZHU Jun, YIN Lingzhi, WANG Jinhong, et al. Dam-break Flood Routing Simulation and Scale Effect Analysis Based on Virtual Geographic Environment[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(1): 105–113. DOI:10.1109/JSTARS.2014.2340399 |
[15] | SONG Yiquan, GONG Jianhua, LI Yi, et al. Crowd Evacuation Simulation for Bioterrorism in Micro-spatial Environments Based on Virtual Geographic Environments[J]. Safety Science, 2013, 53(1): 105–113. |
[16] | AVEN T. On the New ISO Guide on Risk Management Terminology[J]. Reliability Engineering & System Safety, 2011, 96(7): 719–726. |
[17] | YUE Peng, ZHANG Mingda, TAN Zhenyu. A Geoprocessing Workflow System for Environmental Monitoring and Integrated Modelling[J]. Environmental Modelling and Software, 2015, 69(1): 128–140. |
[18] | DEBETTENCOURT J, LARA M, YAMANE S, et al. Web Service: US, US 6279001 B1[P]. 2001. |
[19] | HENSON C A, PSCHORR J K, SHETH A P, et al. SemSOS: Semantic Sensor Observation Service[C]//Proceedings of 2009 International Symposium on Collaborative Technologies and Systems. Baltimore, MD: IEEE, 2009: 44-53. |
[20] | YUE P, DI L, YANG W, et al. Semantics-based Automatic Composition of Geospatial Web Service Chains[J]. Computers and Geosciences, 2007, 33(5): 649–665. DOI:10.1016/j.cageo.2006.09.003 |
[21] | CASTRONOVA A M, GOODALL J L, ELAG M M. Models as Web Services Using the Open Geospatial Consortium (OGC) Web Processing Service (WPS) Standard[J]. Environmental Modelling and Software, 2013, 41(1): 72–83. |
[22] | VAN ZYL T, VAHED A. Using Sensorml to Describe Scientific Workflows in Distributed Web Service Environments[C]//Proceedings of 2009 IEEE International Geoscience and Remote Sensing Symposium, . Cape Town, South Africa: IEEE, 2009: 375-377. |
[23] | LI Xiaoyan, DI Liping, HAN Weiguo, et al. Sharing and Reuse of Service-based Geospatial Processing Through a Web Processing Service[C]//Proceedings of the 17th International Conference on Geoinformatics. Fairfax, VA: IEEE, 2009: 1-5. |
[24] | CHEN Nengcheng, DI Liping, YU Genong, et al. Use of ebRIM-based CSW with Sensor Observation Services for Registry and Discovery of Remote-sensing Observations[J]. Computers & Geosciences, 2009, 35(2): 360–372. |
[25] | MILLER F P, VANDOME A F, MCBREWSTER J. Meta-object Facility[M]. Dunfermline, United Kingdom: Alphascript Publishing, 2010. |
[26] | ISO. ISO/IEC 19508 Information Technology: Object Management Group Meta Object Facility (MOF) Core[S]. Switzerland: ISO, 2014. |
[27] | HAN Z Y, WENG W G. An Integrated Quantitative Risk Analysis Method for Natural Gas Pipeline Network[J]. Journal of Loss Prevention in the Process Industries, 2010, 23(3): 428–436. DOI:10.1016/j.jlp.2010.02.003 |
[28] |
石东伟, 陈冬娜.
高斯扩散模型在确定污染源位置中的应用[J]. 河南科技学院学报, 2012, 40(2): 55–58.
SHI Dongwei, CHEN Dongna. Application of Gauss Diffusion Model in Determining Pollution Source Location[J]. Journal of Henan Institute of Science and Technology, 2012, 40(2): 55–58. |
[29] | HAN Z Y, WENG W G. Comparison Study on Qualitative and Quantitative Risk Assessment Methods for Urban Natural Gas Pipeline Network[J]. Journal of Hazardous Materials, 2011, 189(1-2): 509–518. DOI:10.1016/j.jhazmat.2011.02.067 |
[30] |
梁瑞, 张春燕, 姜峰, 等.
天然气管道泄漏爆炸后果评价模型对比分析[J]. 中国安全科学学报, 2007, 17(8): 131–135, 177.
LIANG Rui, ZHANG Chunyan, JIANG Feng, et al. Comparative Analysis of Evaluation Models for Explosion Consequence Caused by Leakage of Natural Gas Pipelines[J]. China Safety Science Journal, 2007, 17(8): 131–135, 177. |
[31] | HODGES E V, MALONE M J, PERRY D G. Individual Risk and Social Risk as Interacting Determinants of Victimization in the Peer Group[J]. Developmental Psychology, 1997, 33(6): 1032–1039. DOI:10.1037/0012-1649.33.6.1032 |
[32] | OZEVIN D, HARDING J. Novel leak Localization in Pressurized Pipeline Networks Using Acoustic Emission and Geometric Connectivity[J]. International Journal of Pressure Vessels and Piping, 2012, 92(11): 63–69. |