王 征

(1.昆明地鐵運營有限公司，云南昆明 650504;2.上海地鐵第二運營有限公司，上海 200003)

目前國內大多數(shù)開通地鐵的城市，包括正在籌備建設中的城市，地鐵信號系統(tǒng)一般都采用列車自動控制ATC系統(tǒng)。為了保證其能高效、連續(xù)、有序地運營，需要進一步研究ATC系統(tǒng)故障并進行故障頻率預測，以便最大程度地保證列車運行安全，提高運輸效率。下文以上海地鐵2012年各線路故障日志為基礎，篩選出ATC系統(tǒng)故障記錄，并進行數(shù)據(jù)整理及統(tǒng)計分析，能對ATC故障頻率進行科學預測，給特殊情況下的運行方案提供參考。

1 地鐵故障日志處理

由于地鐵故障日志是以時間為單位記錄地鐵運營時發(fā)生的故障，不僅數(shù)據(jù)龐大，而且門類眾多，這里需要篩選出ATC系統(tǒng)故障事件，并按一定規(guī)則處理以便進行模型分析。1)時間處理。地鐵故障日志的數(shù)據(jù)一般按照早高峰、平峰、晚高峰分別記錄?？紤]到周末及節(jié)假日等大客流的問題，本文將節(jié)假日與周末視為平峰運營時段。平峰記為1、晚高峰為2、早高峰為3。2)氣候處理。本文將上海的月份進行了分組，春季為2月、3月、4月、5月;夏季為6月、7月、8月、9月;秋季為10月、11月;冬季為12月與1月。考慮到氣候對地鐵正常運營影響巨大，比照平均氣溫后，本文將春秋兩季看作一組數(shù)據(jù)進行分析，而上海地鐵最主要的運營氣候應是高溫，夏季是最需要關注的也是地鐵列車接受高溫考驗的時候。同樣地春秋記為1，冬季記為2，夏季記為3。

將月份按照季度分組之后，對照2012年上海地鐵日平均客流量，將季度的平均值寫入到數(shù)據(jù)中并進行操作。利用EXCEL繪制數(shù)據(jù)透視表如表1所示。

表1 ATC系統(tǒng)的事故頻率表

2 泊松回歸模型建立

泊松回歸模型可以擬合一段時間內某一隨機事件發(fā)生頻率的概率分布，比如設備故障次數(shù)，服務中心呼叫次數(shù)等。

若以Y記為某一隨機事件的發(fā)生頻率，y記為隨機變量Y發(fā)生的概率，并且服從均值為μ的概率分布，那么該分布的密度函數(shù)為:

μ＞0，并且它是單變量泊松分布的唯一參數(shù)，如果允許每次記錄不同的變量值則可以擴展為多變量泊松分布模型。一般情況下，泊松分布可表示某個隨機事件i的發(fā)生頻率yi服從均值為μi的概率分布，該分布密度函數(shù)為:

泊松分布的一個重要特征是均值和方差相等，這也是泊松回歸中非常重要的假設條件，稱為離散假定。方差大于或小于均值，均會違背泊松分布的離散假定，造成過離散或欠離散。該函數(shù)表達式，通常稱為乘法模型或加法模型。

3 ATC系統(tǒng)故障頻率分析

將表1中數(shù)據(jù)導入Stata并執(zhí)行相關語句來進行泊松分布處理。如果有:

1)P＞|z|值大于0.05時，表示該變量對故障頻率影響不夠顯著，可以對應看到［95%Conf.Interval］列中，系數(shù)包括0，所以該變量的系數(shù)coef不在公式中體現(xiàn)。

2)對于P＞|z|值小于0.05時，說明該因素在置信度95%下對f有顯著影響，系數(shù)coef為正說明該因素越大，發(fā)生故障的概率就越大。其中，time對應時段，season對應季節(jié)、溫度、環(huán)境嚴酷程度。

由于大部分數(shù)據(jù)都取自上海地鐵平峰運營時段，考慮到事故發(fā)生概率的均衡性，有必要對不同實際和季節(jié)的故障頻率按照時段比例做出調整。

首先，上海地鐵早高峰為上午7:00～9:00，晚高峰為下午17:00～19:00，為便于數(shù)據(jù)處理默認上海地鐵各線運營時長均為18 h，故早高峰、晚高峰、平峰時間跨度比例為2∶2∶14，為了便于比較，統(tǒng)計度量模型中將平峰時段的故障頻率除以7。

上文氣候影響因素中，將春季為2月、3月、4月、5月，夏季為6月、7月、8月、9月，秋季為10月、11月，冬季為12月與1月。那么，春秋兩季、冬季、夏季時間比例6∶2∶4，同樣為了便于比較，統(tǒng)一度量，將春秋兩季、冬季、夏季故障頻率分別除以6，2，4，隨后便可進行故障頻率分析。

同時考慮2012年上海地鐵各線平均客流及各線開通的年限對于ATC系統(tǒng)故障頻率的影響，最后結果如表2所示。

xi:poisson tftmpot

note:you are responsible for interpretation of noncount dep.variable

lteration 0:log likelihood= －1301.101 9

lteration1:log likelihood= －1300.369 6

lteration2:log likelihood= －1300.369 2

lteration3:log likelihood= －1300.369 2

表2 ATC系統(tǒng)故障頻率分析結果

通過翻閱故障日志，可以發(fā)現(xiàn)其故障頻率與運營時長，溫度，使用壽命等因素密切相關，因此本模型主要考慮運營時段，季節(jié)，客流量及線路開通的時間，分別對應表2中的t，m，p，ot。

從表2可以看出由于客流量的增加，車載ATC系統(tǒng)工作量較大，出現(xiàn)事故的概率也會相應的有所增大。隨著氣溫的上升，車輛本身的工作負荷加大也會導致ATC系統(tǒng)故障。早晚高峰時期也會加大系統(tǒng)的工作負荷導致事故頻發(fā)，這里又體現(xiàn)出了隨著氣溫的升高而導致事故的頻發(fā)。那么信號系統(tǒng)中都有了這樣的結果，可以推斷出在環(huán)境不斷嚴酷的情況下，信號系統(tǒng)的事故率會不斷提高。

4 ATC系統(tǒng)故障頻率的預測

總結分析2012年上海地鐵ATC系統(tǒng)故障頻率之后，需要對泊松回歸模型的準確性和適用性做出合理分析。這里將2011年上海地鐵故障日志的數(shù)據(jù)和2012年對應數(shù)據(jù)進行比對。

在ATC系統(tǒng)中，有如下公式:

結合上述分析結果與整理的2011年數(shù)據(jù)就可以得出表3。

表3 2011年ATC系統(tǒng)事故誤差值

據(jù)表3可以計算出平均誤差為13.11%，該誤差在可以接受的范圍內，那么就說明本文所采用的泊松分布模型對于ATC系統(tǒng)的預測基本準確。

5 結語

隨著各地城市化的進程深入，城市框架不斷拉大，越來越多的人口涌入城市，地鐵對于緩解交通出行壓力扮演著十分重要的作用。但是在地鐵建設與運營時，卻還存在著不小的安全隱患。

本文以2012年上海地鐵事故日志為基礎，篩選ATC系統(tǒng)故障，結合泊松分布及Stata軟件，整理相關數(shù)據(jù)，并再次加工，能對ATC系統(tǒng)故障頻率預警做出合理的預測和分析結果。運營方可以利用本文的預測結果，在實際運營時提前采取必要的安全措施，提升ATC系統(tǒng)的可靠性，避免發(fā)生運營事故，從而使地鐵運輸?shù)摹鞍踩?、準時性、可靠性”得以保證。

［1］曾德容.地鐵供電系統(tǒng)可靠性和安全性分析方法研究［D］.成都:西南交通大學碩士學位論文，2008.

［2］趙 婕.地鐵事故分析及預防對策［J］.都市警訊，2004(5):6-7.

［3］詹坤生.城市軌道交通乘客傷害事故分析與對策［J］.鐵道運輸與經(jīng)濟，2012(10):59-61.

［4］湛耀斌.造成地鐵車輛故障救援事件的原因分析及應對措施［J］.現(xiàn)代城市交通，2013(1):34-37.

［5］賀 陽.北京地鐵運營的安全評價及其信號系統(tǒng)評定分析［D］.北京:北京化工大學碩士學位論文，2006.

［6］汪志紅，王斌會.我國城市地鐵運營風險評價指標體系設計［J］.科技管理研究，2010(21):205-211.