左 靜，帥 斌

(1.西南交通大學(xué) 交通運(yùn)輸與物流學(xué)院，成都610031；2.蘭州交通大學(xué)自動(dòng)化與電氣工程學(xué)院，蘭州730070)

鐵路非常規(guī)突發(fā)事件應(yīng)急救援決策方法研究

左 靜1,2，帥 斌*1

(1.西南交通大學(xué) 交通運(yùn)輸與物流學(xué)院，成都610031；2.蘭州交通大學(xué)自動(dòng)化與電氣工程學(xué)院，蘭州730070)

將貝葉斯網(wǎng)絡(luò)推理方法應(yīng)用到鐵路突發(fā)事件應(yīng)急決策中，為鐵路突發(fā)事件應(yīng)急救援提供一種實(shí)用、智能的科學(xué)輔助決策方法.在提取、約簡案例決策屬性的基礎(chǔ)上，采用基于云模型的評估方法完成案例決策屬性定性劃分，降低決策屬性劃分的偏差性.構(gòu)建鐵路突發(fā)事件應(yīng)急決策貝葉斯網(wǎng)絡(luò)模型，并提出進(jìn)行綜合決策的具體方法及步驟.通過具體算例說明使用貝葉斯網(wǎng)絡(luò)進(jìn)行鐵路非常規(guī)突發(fā)事件綜合概率的決策過程.案例分析表明，該方法能夠滿足鐵路應(yīng)急決策需求，在信息不完備情況下同樣具有實(shí)用性和有效性.為領(lǐng)域知識不完全，主要依靠經(jīng)驗(yàn)知識進(jìn)行鐵路突發(fā)事件應(yīng)急決策支持系統(tǒng)的智能化提供了新方法、新思路.

鐵路運(yùn)輸；貝葉斯網(wǎng)絡(luò)；云模型；應(yīng)急決策；突發(fā)事件

1 引 言

鐵路運(yùn)輸在我國區(qū)域經(jīng)濟(jì)發(fā)展過程中，發(fā)揮著不可替代的重要作用.近幾年隨著我國鐵路運(yùn)輸?shù)目焖侔l(fā)展及列車運(yùn)營速度的不斷提高，保障鐵路系統(tǒng)運(yùn)營安全已成為越來越多的專家和學(xué)者所關(guān)注和研究的課題.鐵路突發(fā)事件應(yīng)急救援決策也就成為鐵路運(yùn)輸安全管理領(lǐng)域研究的熱點(diǎn)之一[1].

目前，國內(nèi)鐵路部門針對鐵路突發(fā)事件雖然已建立相應(yīng)的信息系統(tǒng)，但其功能主要用于對應(yīng)急預(yù)案的管理，缺乏決策支持功能.針對鐵路應(yīng)急決策支持系統(tǒng)已有不少研究.李磊等提出基于改進(jìn)多準(zhǔn)則妥協(xié)解排序法的鐵路應(yīng)急預(yù)案評估研究[2]；羅文婷等提出改進(jìn)層次分析法在鐵路應(yīng)急預(yù)案評價(jià)中的應(yīng)用研究[3]等.這些研究主要集中在應(yīng)急預(yù)案的制定和管理、應(yīng)急救援指揮系統(tǒng)及應(yīng)急能力評價(jià)等方面.路超等提出建立基于場景驅(qū)動(dòng)的高鐵應(yīng)急預(yù)案流程控制方法等[4]，這些研究主要針對系統(tǒng)的構(gòu)建及應(yīng)急決策處理流程等方面進(jìn)行研究.由于鐵路突發(fā)事件應(yīng)急決策受到人員、列車、線路和環(huán)境等各種因素的影響，具有復(fù)雜性.同時(shí)，決策信息具有很大的隨機(jī)性、模糊性和不確定性，以上研究并不能針對應(yīng)急救援具體事件提供有效的決策方法，而快速準(zhǔn)確地做出決策對救援效果起著非常重要的決定作用.本文以鐵路應(yīng)急決策為研究背景，通過借鑒歷史案例的救援決策經(jīng)驗(yàn)，對當(dāng)前應(yīng)急決策問題進(jìn)行推理.為鐵路應(yīng)急救援提供一種實(shí)時(shí)、實(shí)用的科學(xué)輔助決策方法.

2 基于貝葉斯網(wǎng)絡(luò)的鐵路應(yīng)急決策求解方法

貝葉斯網(wǎng)絡(luò)[5]（Bayesian Network）將概率分析與圖論相結(jié)合，可用于不確定知識的表達(dá)與推理.鐵路突發(fā)事件態(tài)勢信息的獲取及決策方案的確定都存在不確定性.應(yīng)急決策的實(shí)質(zhì)是完成基于概率推理的決策.因此，貝葉斯網(wǎng)絡(luò)可以用于信息不確定復(fù)雜的鐵路應(yīng)急決策推理.

貝葉斯網(wǎng)絡(luò)鐵路應(yīng)急推理決策的基本任務(wù)就是在給定相應(yīng)事件態(tài)勢信息E發(fā)生的條件下，基于網(wǎng)絡(luò)條件獨(dú)立[6]，通過事件具有的決策屬性C，計(jì)算N種決策方案的后驗(yàn)概率.選擇后驗(yàn)概率最大者所對應(yīng)的決策方案作為最優(yōu)方案，其基本推理公式[5]如式（1）所示.

此外，若已知事件E包含m個(gè)決策屬性Cm，則其后驗(yàn)概率可由式（2）獲得.

式中 P(A=n)表示決策方案選取n的先驗(yàn)概率；Ei表示事件E包含的第i種態(tài)勢信息.

因此，基于貝葉斯網(wǎng)絡(luò)的鐵路應(yīng)急決策問題可描述如下：

Step 1確定影響因素，如環(huán)境因素、列車因素、線路因素等，根據(jù)影響因素確定決策屬性C={c1,…,cm}；

Step 2確定屬性間的因果關(guān)系，得到貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，網(wǎng)絡(luò)節(jié)點(diǎn)為Step1確定的決策屬性，決策節(jié)點(diǎn)分別對應(yīng)相應(yīng)的救援方式；

Step 3通過咨詢領(lǐng)域?qū)＜?、統(tǒng)計(jì)分析歷史資料法等，確定網(wǎng)絡(luò)節(jié)點(diǎn)的先驗(yàn)概率；

Step 4根據(jù)Step2，Step3中相應(yīng)的信息建立貝葉斯網(wǎng)絡(luò)；

Step 5把決策節(jié)點(diǎn)設(shè)置為網(wǎng)絡(luò)證據(jù)節(jié)點(diǎn)，把各決策屬性節(jié)點(diǎn)設(shè)置為觀察節(jié)點(diǎn)，通過對案例庫中態(tài)勢信息的分析與提取，得到各觀察節(jié)點(diǎn)的條件概率P(Cmi|An)；

Step 6通過云模型對E的態(tài)勢信息劃分區(qū)間后，計(jì)算決策的后驗(yàn)概率并進(jìn)行排序，選取概率最大的決策方式作為應(yīng)急決策基本方案來組織救援.

3 鐵路非常規(guī)突發(fā)事件應(yīng)急救援決策模型

基于案例態(tài)勢信息，結(jié)合云模型和貝葉斯網(wǎng)絡(luò)建立鐵路突發(fā)事件應(yīng)急決策模型.并通過實(shí)例驗(yàn)證該模型的可行性和合理性.

3.1 確定決策屬性

選取鐵路非常規(guī)突發(fā)事件中具有代表性的部分案例并提取案例基本態(tài)勢信息，如表1所示.態(tài)勢信息的提取是獲取決策屬性前提.

表1 案例態(tài)勢信息Table1 Situation information of case

通過實(shí)際案例數(shù)據(jù)得到的決策屬性往往是冗余的，復(fù)雜的，對決策結(jié)果不起必要作用.通過專家意見、使用科學(xué)的方法將決策屬性約簡為最小決策屬性.既能保證決策的準(zhǔn)確性，同時(shí)能降低計(jì)算及網(wǎng)絡(luò)推理的復(fù)雜性.目前，對數(shù)據(jù)進(jìn)行約簡的方法已有很多學(xué)者進(jìn)行了較深入研究[7]，本文不再進(jìn)行詳細(xì)說明.本文案例的基本決策屬性元素包括事故發(fā)生時(shí)間、車體損壞程度、線路損壞程度、天氣狀況、人員傷亡情況、事故類型6類信息.

3.2 決策屬性取值范圍

根據(jù)鐵路運(yùn)營非常規(guī)突發(fā)事件的信息特點(diǎn)，決策屬性劃分為以下幾種情況：

等級屬性，用數(shù)值表示決策屬性，如應(yīng)急事故類型；

符號屬性，用布爾函數(shù)表示，如是否發(fā)生火災(zāi)等；

定量屬性，用所處劃分區(qū)間表示決策屬性.

網(wǎng)絡(luò)推理需要將定量數(shù)據(jù)進(jìn)行定性分析確定所處區(qū)間或等級后才能進(jìn)行推理運(yùn)算.一般多采用專家決策的方法進(jìn)行劃分，但評價(jià)結(jié)果易受主觀因素影響，與客觀結(jié)果之間可能會產(chǎn)生較大偏差.處理此類問題，云模型有很好的表達(dá)能力.因此，本文選用云模型對定量屬性作定性劃分.以下說明劃分過程，限于篇幅，略去云的含義和產(chǎn)生方法[8,9].

Step 1確定劃分等級.本文采用云變換數(shù)據(jù)驅(qū)動(dòng)法將屬性劃分為4個(gè)等級[9]，即P={1完好，2損壞輕微，3損壞嚴(yán)重，4損壞特別嚴(yán)重}.用離散標(biāo)度(1 ,0.8,0.4,0)[8]來描述評價(jià)等級，獲得評價(jià)云相應(yīng)參數(shù)，即完好 (1 ,0.121,0.003) ；損壞輕微(0.8,0.121,0.006)；損壞嚴(yán)重(0 .4,0.121,0.006)；損壞特別嚴(yán)重(0 .01,0.121,0.003).

Step 2確定影響定量屬性的主要因素.獲得相應(yīng)觀察云Cloudk,k=1,2,….

Step 3確定觀察云的數(shù)字特征.通過多個(gè)專家對各部分損壞進(jìn)行修復(fù)過程中造成中斷行車時(shí)間所產(chǎn)生的經(jīng)濟(jì)損失的評價(jià)值來衡量其毀壞程度.每個(gè)評價(jià)值為一個(gè)云滴[8].采用一維逆向云發(fā)生器確定觀察云的數(shù)字特征(Ex,En,He) ，獲取方法如下.

Step 4通過觀察云 Cloudk(Exk,Enk,Hek), k=1,2…,生成綜合評價(jià)結(jié)果云表征參數(shù)Cloud(Ex,En,He)[9]，使用正向云發(fā)生器完成評價(jià)結(jié)果云刻畫.采用Matlab數(shù)值計(jì)算及可視化工具獲得線路損壞所處定性區(qū)間的評價(jià)結(jié)果，完成劃分.

綜上，將鐵路突發(fā)事件相關(guān)的6類決策屬性信息做如表2所示的劃分.

表2 決策屬性信息劃分Table 2 Division of the decision attributes information

3.3 確定網(wǎng)絡(luò)結(jié)構(gòu)及節(jié)點(diǎn)先驗(yàn)概率

對屬性節(jié)點(diǎn)之間的依賴關(guān)系進(jìn)行分析后，建立貝葉斯網(wǎng)絡(luò)，結(jié)構(gòu)如圖1所示.其中決策節(jié)點(diǎn)A為相應(yīng)的5種救援方式，決策屬性節(jié)點(diǎn)C為決策屬性信息.

圖1 鐵路非常規(guī)突發(fā)事件應(yīng)急決策貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 The Bayesian network model of the emergency decision-making for railway emergency

由于事件初始決策方式可以是方案集合A中的任一案例，所以假定應(yīng)急決策各狀態(tài)的先驗(yàn)概率相同即P(An)=0.2.對于存在父節(jié)點(diǎn)的決策屬性節(jié)點(diǎn)需要確定其條件概率P(Cmi|An).條件概率由案例庫知識統(tǒng)計(jì)結(jié)合鐵路應(yīng)急管理專家經(jīng)驗(yàn)進(jìn)行計(jì)算求得，其值分布如表3所示.

3.4 鐵路非常規(guī)突發(fā)事件應(yīng)急決策推理

當(dāng)鐵路非常規(guī)突發(fā)事件發(fā)生時(shí)，通過對事件信息的梳理可以得到一組證據(jù)變量，貝葉斯網(wǎng)絡(luò)推理就是在證據(jù)變量賦值的基礎(chǔ)上計(jì)算各個(gè)應(yīng)急決策節(jié)點(diǎn)An的后驗(yàn)概率.推理過程為式（2）計(jì)算各決策方案后驗(yàn)概率的過程.歸一化后，選擇概率值最大的方案作為鐵路突發(fā)事件應(yīng)急決策方案.

3.5 決策模型實(shí)例

本節(jié)通過三個(gè)實(shí)例的應(yīng)急救援決策對模型進(jìn)行驗(yàn)證.

表3 決策屬性節(jié)點(diǎn)與決策節(jié)點(diǎn)的條件概率Table 3 Conditional probability of decision attribute node and decision node

3.5.1 案例描述

事件1

應(yīng)急救援時(shí)間：2011年2月15日12時(shí)30分.

現(xiàn)場情況：旅客列車在隧道口發(fā)生火災(zāi)，機(jī)車脫軌，機(jī)后1、2、4、5、6脫軌.線路毀壞45 m，大雨.

人員情況：重傷1人，輕傷9人.

事件2

應(yīng)急救援時(shí)間：1993年7月10日2時(shí)55分.

現(xiàn)場情況：旅客列車165次與貨物列車2011次追尾，晴.

人員情況：死8人，重傷9人，輕傷39人.

事件3

應(yīng)急救援時(shí)間：2013年11月10日15時(shí)27分.現(xiàn)場情況：區(qū)間內(nèi)直線區(qū)段脫軌，小破2，列車脫軌3，損壞軌枕78根，晴.

3.5.2 決策推理

(1)決策屬性劃分.

將事件1獲得的信息根據(jù)3.2節(jié)的方法進(jìn)行屬性劃分確定相應(yīng)區(qū)間.其中定量屬性劃分需要運(yùn)用云模型進(jìn)行轉(zhuǎn)化，以線路損壞程度屬性劃分為例說明具體計(jì)算過程.

Step 1根據(jù)3.2節(jié)中Step1，繪制最終的評價(jià)等級云，如圖2所示.

Step 2根據(jù)3.2節(jié)中Step2得到線路損壞因素主要包括鋼軌損壞，路基損壞，軌枕損壞三部分，于是得到觀察云Cloud1，觀察云Cloud2，觀察云Cloud3.

Step 3根據(jù)3.2節(jié)中Step3，Step4獲得評價(jià)結(jié)果云表征參數(shù)( ) 0.363,0.046 1,0.005 6繪制綜合評價(jià)結(jié)果云圖，如圖3所示.得出隸屬于線路損壞嚴(yán)重.依照同樣方法，得到車體損壞情況的具體劃分.

(2)貝葉斯網(wǎng)絡(luò)推理計(jì)算.

事件1的態(tài)勢信息完備，事件2中未得到車體損壞的態(tài)勢信息，使得車體損壞情況不能進(jìn)行相應(yīng)劃分.文中設(shè)定車體損壞狀態(tài)4種取值的概率相等，分別為0.25；通過Matlab BNT工具箱實(shí)現(xiàn)應(yīng)急決策貝葉斯網(wǎng)絡(luò)構(gòu)建及推理計(jì)算，輸入不同突發(fā)事件態(tài)勢信息，可得到不同突發(fā)事件信息下各決策的使用概率，對三個(gè)事件決策推理的計(jì)算結(jié)果如表4所示.

圖2 線路損壞評價(jià)等級云圖Fig.2 Cloud of line damage evaluation grade

圖3 線路損壞評價(jià)結(jié)果云圖Fig.3 Cloud of line damage evaluation result

表4 不同屬性信息下各種決策概率Table 4 Various decision probability of different attribute information

3.5.3 決策結(jié)果分析

通過對決策概率數(shù)據(jù)分析可知，事件1、事件2、事件3分別采用與A3、A4、A1相似的救援方案組織救援，同時(shí)在救援過程中可以根據(jù)事故現(xiàn)場的實(shí)際狀況及時(shí)調(diào)整救援方案，使方案更貼近實(shí)際情況；事件2在部分態(tài)勢信息不明確的情況下，各決策方案被選取的概率推理依然能有效進(jìn)行，并獲得滿意的推理結(jié)果.

條件概率是刻畫貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)依賴關(guān)系的重要因素，它的準(zhǔn)確性直接決定著網(wǎng)絡(luò)推理的可靠性.本文通過對以往案例統(tǒng)計(jì)獲得條件概率，當(dāng)網(wǎng)絡(luò)推理完成后，將該事件的態(tài)勢信息直接加入網(wǎng)絡(luò)的案例庫中保存.不斷豐富、完善的案例庫使網(wǎng)絡(luò)節(jié)點(diǎn)的條件概率準(zhǔn)確性會顯著地提高.因此，隨著事件樣本的增加，由先驗(yàn)知識得到后驗(yàn)概率的貝葉斯網(wǎng)絡(luò)推理也會越來越符合實(shí)際情況.

4 研究結(jié)論

本文以鐵路非常規(guī)突發(fā)事件應(yīng)急救援指揮為應(yīng)用背景，依據(jù)貝葉斯網(wǎng)絡(luò)條件獨(dú)立假設(shè)條件，設(shè)計(jì)了基于貝葉斯網(wǎng)絡(luò)和云模型的鐵路應(yīng)急救援指揮控制結(jié)構(gòu)模型.使用貝葉斯網(wǎng)絡(luò)推理降低了問題的復(fù)雜度，進(jìn)而提高了概率估計(jì)的準(zhǔn)確性，使得決策更為科學(xué)、合理.首先，根據(jù)鐵路突發(fā)事件應(yīng)急案例各類統(tǒng)計(jì)信息確定貝葉斯網(wǎng)絡(luò)各決策屬性的先驗(yàn)概率.其次，融合云模型對決策屬性進(jìn)行知識評價(jià)，避免了僅憑專家評價(jià)造成的主觀性、片面性.最后，根據(jù)決策變量，決策屬性之間的因果關(guān)系構(gòu)造貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對決策變量與決策屬性之間的關(guān)系進(jìn)行定性描述.并闡述了網(wǎng)絡(luò)決策過程及算法.通過算例分析驗(yàn)證了貝葉斯網(wǎng)絡(luò)計(jì)算方法處理鐵路非常規(guī)突發(fā)事件應(yīng)急救援指揮決策問題的可行性和可操作性.該網(wǎng)絡(luò)能夠完成應(yīng)急決策推理且在決策屬性信息不完備的情況下同樣具有較強(qiáng)地輔助智能決策功能.

[1] 張振海,王曉明,張雁鵬,等.基于分層Agent的鐵路應(yīng)急救援決策方法研究[J].交通運(yùn)輸系統(tǒng)工程與信息,2013,13(2):141-146.[ZHANG Z H,WANG X M, ZHANG Y P,et al.Decision-making method of railway emergency rescue based on hierarchicalagent[J]. Journal of Transportation Systems Engineering and Information Technology,2013,13(2):141-146.]

[2] 李磊,王富章.基于改進(jìn)多準(zhǔn)則妥協(xié)解排序(VIKOR)法的鐵路應(yīng)急預(yù)案評估研究[J].中國安全科學(xué)學(xué)報(bào), 2012，22(8):29-35.[LI L,WANG F Z.Research on evaluation of railway emergency plan based on improved VIKOR method[J].China Safety Science Journal,2012，22(8):29-35.]

[3] 羅文婷,王艷輝,賈利民,等.改進(jìn)層次分析法在鐵路應(yīng)急預(yù)案評價(jià)中的應(yīng)用研究[J].鐵道學(xué)報(bào),2008, 30(6):24-28.[LUO W T,WANG Y H,JIA L M,et al. Application of improved AHP in evaluation of railway emergency plans[J].Journal of the China Railway Society,2008,30(6):24-28.]

[4] 路超,周磊山.基于場景驅(qū)動(dòng)的高鐵應(yīng)急預(yù)案流程控制方法[J].交通運(yùn)輸系統(tǒng)工程與信息,2012,12(8): 161-166.[LU C，ZHOU L S.Scenario-driven approach of high speed railway emergency plan process control[J]. Journal of Transportation Systems Engineering and Information Technology,2012,12(8):161-166.]

[5] Stuart Russell,Peter Norvig.人工智能:一種現(xiàn)代方法(第二版)[M].北京:人民郵電出版社,2004.[Stuart Russell,Peter Norvig.Artificial intelligence:A modern approach(second edition)[M].Beijing:Posts and Telecom Press,2004.]

[6] Shachter R D.Bayes-ball:The rational pastime(for determining irrelevance and requisite in formation in belief networks and influence diagrams) [C]∕∕Uncertainty in Artificial Intelligence:Proceedings of the Fourteenth Conference,Madison,Wisconsin.Morgan Kaufmann,1998,480-487.

[7] 何滿輝,逯林,劉拴宏.基于模糊粗糙集與支持向量機(jī)的區(qū)域物流量預(yù)測[J].交通運(yùn)輸系統(tǒng)工程與信息, 2012,12(3):129-135.[HE M H,LU L,LIU S H. Forecasting regional logistics amount based on fuzzyrough set and SVM[J].Journal of Transportation Systems Engineering and Information Technology,2012,12(3): 129-135.]

[8] 種鵬云,帥斌.恐怖襲擊下危險(xiǎn)品運(yùn)輸網(wǎng)絡(luò)節(jié)點(diǎn)風(fēng)險(xiǎn)評估方法[J].中國安全科學(xué)學(xué)報(bào),2012,22(8):104-109.[CHONG P Y,SHUAI B.Evaluating of coming hazardous materials transportation network node risk[J]. China Safety Science Journal,2012,22(8):104-109.]

[9] 孟暉,王樹良,李德毅.基于云變換的概念提取及概念層次構(gòu)建方法[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版),2010,40 (3):782-787.[MENG H,WANG S L,LI D Y.Concept extraction and concept hierarchy construction based on cloud transformation[J].JournalofJilin University (Engineering and Technology Edition),2010,40(3): 782-787.]

Decision-making Method for Unconventional Railway Emergency Rescue

ZUO Jing1,2,SHUAI Bin1
(1.College of Transportation and Logistics,Southwest Jiaotong University,Chengdu 610031,China；2.School ofAutomation&Electrical Engineering,Lanzhou Jiaotong University,Lanzhou 730070,China)

The inferential method of Bayesian network is applied to the railway emergency decisionmaking to provide a practical,intelligent and scientific decision-making method for the railway emergency rescue.On the basis of the extraction and reduction of decision attributes,the assessment method based on cloud model is used to qualitatively divide the decision attributes of the case,which reduces the deviation of the division.The Bayesian network model of the emergency decision-making for railway emergency is established,and a specific measure of comprehensive decision-making is proposed.The example shows the decision-making process of comprehensive probability of unconventional railway emergency.The analysis of the case shows the measure can meet the need of railway emergency decision-making,which is practical, precise and valid even when the information is incomplete.The proposed measure can provide new ideas to intelligentize railway emergency decision-making support system while the knowledge of field is incomplete and the experience is dominating.

railway transportation;Bayesian network;cloud model;emergency decision-making; emergency

2014-05-15

2014-08-07錄用日期：2014-09-15

國家自然科學(xué)基金（71173177）；國家鐵路局資助項(xiàng)目（KF2013-020）；甘肅省高等學(xué)?？蒲许?xiàng)目（2014B-044）.

左靜（1983-），女，陜西漢中人，博士生.*通訊作者：shuaibin@home.swjtu.edu.cn

1009-6744（2014）06-0120-06

U298.6

A