Resumen

La gestión de riesgos es un factor clave para el funcionamiento de una ciudad inteligente. Existen muchos eventos de riesgo en un proceso estricto como la gestión del transporte de una ciudad inteligente o una cirugía médica en un hospital inteligente, y cada paso puede llevar a un tipo de riesgo o más. Dado que la ocurrencia de los riesgos de flujo sigue la secuencia formada por cada paso del proceso, este documento presenta una red bayesiana bajo cadena estricta (BN_SC) para modelar esta situación. En este modelo, se proporciona la fórmula de razonamiento probabilístico de acuerdo con la secuencia de pasos del proceso, y las probabilidades dadas por el modelo pueden realizar un análisis de factores de riesgo para apoyar al sistema a encontrar una manera efectiva de mejorar el proceso como la fabricación de máquinas o una cirugía médica. Finalmente, se analiza un ejemplo basado en la información proporcionada por los médicos de acuerdo con la situación de LC en su hospital ubicado en la provincia de Sichuan en China, lo cual muestra la efectividad y racionalidad del modelo

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Gestión de riesgos; Ciudad inteligente; Gestión del transporte; Cirugía médica; Red bayesiana; Fórmula de razonamiento probabilístico
• Keywords:Risk management; Smart city; Transportation management; Medical surgery; Bayesian network; Probabilistic reasoning formula