胡曉萍，李夏苗，黃音，齊杉，茍敏，趙杰群

(中南大學(xué) 交通運(yùn)輸工程學(xué)院，湖南 長(zhǎng)沙 410075)

?

基于信息融合的地鐵自動(dòng)扶梯通道安全評(píng)價(jià)

胡曉萍，李夏苗，黃音，齊杉，茍敏，趙杰群

(中南大學(xué) 交通運(yùn)輸工程學(xué)院，湖南 長(zhǎng)沙 410075)

為科學(xué)地評(píng)估地鐵自動(dòng)扶梯通道安全現(xiàn)狀，根據(jù)地鐵自動(dòng)扶梯的獨(dú)特屬性，從“設(shè)備、乘客、使用環(huán)境、安全管理”4個(gè)方面建立安全綜合評(píng)價(jià)指標(biāo)體系。針對(duì)一般安全評(píng)價(jià)方法單一性及易受人為主觀影響的問(wèn)題，提出采取模糊綜合評(píng)價(jià)和概率神經(jīng)網(wǎng)絡(luò)(PNN)進(jìn)行安全狀態(tài)的初級(jí)評(píng)價(jià)，得到隸屬度函數(shù)和基本概率分配函數(shù)，并通過(guò)轉(zhuǎn)換函數(shù)轉(zhuǎn)化為安全狀態(tài)等級(jí)的信度函數(shù)。由Dempster-Shafer(D-S)證據(jù)理論方法進(jìn)行信度融合，最終獲得不同方法綜合后的評(píng)價(jià)結(jié)果。研究結(jié)果表明，該方法能有效地融合不同途徑獲得的評(píng)價(jià)信息，并提高了評(píng)價(jià)精度，可以作為地鐵安全管理者宏觀決策的工具。

自動(dòng)扶梯；安全評(píng)價(jià)；模糊評(píng)價(jià)；概率神經(jīng)網(wǎng)絡(luò)；信息融合

自動(dòng)扶梯是地鐵車(chē)站必備的運(yùn)輸工具，使用范圍廣,涉及人員眾多，一旦發(fā)生事故很有可能造成重大人身傷亡。近年來(lái)的不斷出現(xiàn)的電梯安全事故引起了人們對(duì)地鐵自動(dòng)扶梯的安全性的關(guān)注，實(shí)際現(xiàn)象表明地鐵系統(tǒng)與自動(dòng)扶梯有關(guān)的客傷意外也有不少的事故案例，因此對(duì)地鐵自動(dòng)扶梯通道安全性評(píng)價(jià)顯得尤為重要。目前國(guó)內(nèi)、外關(guān)于電梯的研究已經(jīng)取得了一些經(jīng)驗(yàn)成果：從評(píng)價(jià)對(duì)象的角度來(lái)看，多針對(duì)電梯設(shè)備安全，或者功能安全的角度進(jìn)行評(píng)價(jià)。慶光蔚等[1]使用模糊綜合評(píng)價(jià)方法，從“人、機(jī)、環(huán)境、管理”綜合角度建立電梯層次化安全評(píng)價(jià)指標(biāo)體系，將具有隨機(jī)性和模糊性的評(píng)價(jià)向量數(shù)據(jù)化，根據(jù)量化分形成評(píng)價(jià)結(jié)論；周赟等[2]基于功能安全評(píng)價(jià)的方法，通過(guò)風(fēng)險(xiǎn)圖法對(duì)電梯制動(dòng)系統(tǒng)進(jìn)行功能安全完整等級(jí)的分配，并建立基于 FMEDA 的電梯制動(dòng)系統(tǒng)功能安全評(píng)價(jià)體系。從評(píng)價(jià)的方法來(lái)看，多采用傳統(tǒng)經(jīng)驗(yàn)法，概率安全評(píng)定法,故障類(lèi)型影響分析法,事故樹(shù)分析法、層次分析法、模糊綜合評(píng)判法等。陳國(guó)華等[3]在統(tǒng)計(jì)分析大樣本檢驗(yàn)數(shù)據(jù)庫(kù)的基礎(chǔ)上，根據(jù)在用電梯整機(jī)檢驗(yàn)風(fēng)險(xiǎn)分布特性以及風(fēng)險(xiǎn)等級(jí)劃分的最低合理可行(ALARP) 原則，研究電梯整機(jī)檢驗(yàn)風(fēng)險(xiǎn)等級(jí)劃分準(zhǔn)則，建立電梯整機(jī)檢驗(yàn)風(fēng)險(xiǎn)預(yù)評(píng)估模型；顧徐毅等[4]提出以數(shù)據(jù)庫(kù)的方式集合電梯系統(tǒng)的參數(shù)和安全要求、整合風(fēng)險(xiǎn)降低措施，進(jìn)行電梯系統(tǒng)的風(fēng)險(xiǎn)識(shí)別，同時(shí)以數(shù)學(xué)語(yǔ)言對(duì)安全概念和現(xiàn)象的模糊性進(jìn)行描述和運(yùn)算，完成風(fēng)險(xiǎn)評(píng)估和風(fēng)險(xiǎn)評(píng)定的過(guò)程。

然而，這些電梯的研究主要是針對(duì)轎廂式電梯，對(duì)于自動(dòng)扶梯安全評(píng)價(jià)的研究為數(shù)不多。而自動(dòng)扶梯作為重載型特種設(shè)備，其安全性能與電梯有所不同，且自動(dòng)扶梯運(yùn)輸人員效率比電梯高很多，甚至部分自動(dòng)扶梯安裝在露天環(huán)境中，這些因素造成自動(dòng)扶梯通道安全評(píng)價(jià)不能完全照搬對(duì)電梯安全評(píng)價(jià)的方法，而應(yīng)該建立適合自動(dòng)扶梯的安全評(píng)價(jià)體系。因此，本文針對(duì)地鐵自動(dòng)扶梯的獨(dú)特性，建立符合實(shí)際特征的安全評(píng)價(jià)指標(biāo)體系，并采取不同評(píng)價(jià)方法融合的評(píng)價(jià)模型進(jìn)行安全狀態(tài)評(píng)價(jià)，對(duì)于安全管理者宏觀決策具有重要意義。

1 自動(dòng)扶梯通道安全評(píng)價(jià)系統(tǒng)結(jié)構(gòu)

1.1 評(píng)價(jià)指標(biāo)

自動(dòng)扶梯通道系統(tǒng)是一個(gè)多層次、模糊的復(fù)雜系統(tǒng)，要科學(xué)、合理地評(píng)價(jià)其安全性，首先必須確定能夠反映影響系統(tǒng)安全狀況的因素，建立全面的評(píng)價(jià)指標(biāo)體系。綜合考慮“人、機(jī)、環(huán)境、管理”因素，按照這4個(gè)方面分解出風(fēng)險(xiǎn)因素參數(shù)，將自動(dòng)扶梯通道安全評(píng)價(jià)體系劃分為設(shè)備風(fēng)險(xiǎn)、人員風(fēng)險(xiǎn)、使用環(huán)境風(fēng)險(xiǎn)、安全管理4個(gè)子系統(tǒng)，再對(duì)各子系統(tǒng)的建立評(píng)價(jià)指標(biāo)。

表1 自動(dòng)扶梯通道安全評(píng)估指標(biāo)體系

在這些評(píng)價(jià)指標(biāo)中，有些指標(biāo)可以定量描述成具體的數(shù)值，如表1所示乘客安全指標(biāo)可以通過(guò)建立數(shù)值區(qū)域劃分安全等級(jí)，有些指標(biāo)卻只能定性地估計(jì)和判斷，可以采取專(zhuān)家評(píng)價(jià)打分來(lái)處理。根據(jù)已有的城市軌道交通安全狀態(tài)分級(jí)標(biāo)準(zhǔn)，將安全狀態(tài)評(píng)價(jià)結(jié)果設(shè)為5種類(lèi)型，分別是安全、較安全、基本安全、危險(xiǎn)、非常危險(xiǎn)(記為1,2,3,4,5 級(jí))。

表2 乘客安全狀態(tài)評(píng)價(jià)指標(biāo)標(biāo)準(zhǔn)

1.2 評(píng)價(jià)方法模型

對(duì)于自動(dòng)扶梯通道這樣復(fù)雜的系統(tǒng)，單純利用某一方法建立起評(píng)估模型在許多情況下還不能得到令人滿(mǎn)意的結(jié)果，主要是因?yàn)椋荷婕暗脑u(píng)價(jià)指標(biāo)參數(shù)較多，結(jié)構(gòu)過(guò)于龐大，使得計(jì)算時(shí)間長(zhǎng)；且由于指標(biāo)參數(shù)較多，出現(xiàn)矛盾的可能性增加，使網(wǎng)絡(luò)的泛化能力下降，分類(lèi)精度低，嚴(yán)重影響診斷的可靠性。

針對(duì)系統(tǒng)涉及多個(gè)方面的問(wèn)題，可以對(duì)自動(dòng)扶梯通道安全狀態(tài)信息分別構(gòu)建子系統(tǒng)評(píng)估模型，從而解決網(wǎng)絡(luò)過(guò)于龐大的弊端。其次采取多種評(píng)價(jià)方法單獨(dú)評(píng)價(jià)，并應(yīng)用D-S證據(jù)理論的信息融合技術(shù)，融合來(lái)自不同評(píng)價(jià)方法得出的評(píng)價(jià)結(jié)果。本文采取模糊綜合評(píng)價(jià)法和概率神經(jīng)網(wǎng)絡(luò)方法解決系統(tǒng)安全狀態(tài)等級(jí)劃分的問(wèn)題。其中，模糊綜合評(píng)價(jià)是根據(jù)模糊數(shù)學(xué)的隸屬度理論把定性評(píng)價(jià)轉(zhuǎn)化為定量評(píng)價(jià)，即用模糊數(shù)學(xué)對(duì)受到多種因素影響的對(duì)象做出一個(gè)總體的評(píng)價(jià)；概率神經(jīng)網(wǎng)絡(luò)是基于概率統(tǒng)計(jì)思想和Bayes分類(lèi)規(guī)則構(gòu)成的分類(lèi)神經(jīng)網(wǎng)絡(luò)，與BP神經(jīng)網(wǎng)絡(luò)相比，PNN的學(xué)習(xí)過(guò)程簡(jiǎn)單，訓(xùn)練速度快，擴(kuò)充性好，常用于模式分類(lèi)，因此適合用于安全等級(jí)劃分問(wèn)題。

綜上所述，可以得到概率神經(jīng)網(wǎng)絡(luò)與模糊綜合評(píng)價(jià)相結(jié)合的綜合評(píng)價(jià)模型如圖1所示，該模型由信息提取、局部診斷和決策融合診斷三部分構(gòu)成。

圖1 評(píng)價(jià)模型結(jié)構(gòu)Fig.1 Evaluation model structure

2 模糊評(píng)價(jià)

2.1 構(gòu)造指標(biāo)隸屬度

(1)

其中，第i行第j列元素，表示系統(tǒng)安全狀態(tài)從xj因素來(lái)看對(duì)wj等級(jí)的隸屬度。本文邀請(qǐng)自動(dòng)扶梯行業(yè)專(zhuān)家和安全技術(shù)人員根據(jù)定性指標(biāo)評(píng)價(jià)等級(jí)標(biāo)準(zhǔn)，對(duì)自動(dòng)扶梯通道系統(tǒng)的每個(gè)子系統(tǒng)的風(fēng)險(xiǎn)分值進(jìn)行風(fēng)險(xiǎn)評(píng)估打分，求得各系統(tǒng)風(fēng)險(xiǎn)分值(即定性隸屬度)，進(jìn)而得到各系統(tǒng)定量指標(biāo)隸屬度模糊矩陣。

2.2 構(gòu)造指標(biāo)權(quán)重

1)建立層次結(jié)構(gòu)模型

依據(jù)指標(biāo)體系，結(jié)構(gòu)模型分為三層，最上面為目標(biāo)層，最下面為方案層，中間是準(zhǔn)則層或指標(biāo)層。

2)構(gòu)造比較矩陣

(2)

3)計(jì)算單排序權(quán)向量并做一致性檢驗(yàn)

求得成對(duì)比較矩陣的最大特征值為λmax=4.07，并由特征向量一致化處理得到權(quán)重向量w=(0.279,0.496,0.154,0.701)，利用一致性指標(biāo)CI、隨機(jī)一致性指標(biāo)RI和一致性比率CR做一致性檢驗(yàn)。若CR0.1，特征向量(歸一化后)即為權(quán)向量；若不通過(guò)，需要重新構(gòu)造成對(duì)比較矩陣。

(3)

4)計(jì)算總排序權(quán)向量并做一致性檢驗(yàn)

計(jì)算最下層對(duì)最上層總排序的權(quán)向量。利用總排序一致性比率進(jìn)行檢驗(yàn)。CR總0.1，則可按照總排序權(quán)向量表示的結(jié)果進(jìn)行決策，否則需要重新考慮模型或重新構(gòu)造那些一致性比率CR較大的成對(duì)比較矩陣。

(4)

2.3 隸屬度模糊合成

將指標(biāo)權(quán)重U與子系統(tǒng)狀態(tài)各等級(jí)的隸屬度R進(jìn)行合成，得到被評(píng)事物的模糊綜合評(píng)價(jià)隸屬矩陣H，即：

H=U·R=

(h1,h2,…,hn)

(5)

式中，hi表示系統(tǒng)從綜合角度的對(duì)wj等級(jí)模糊子集的隸屬程度。

2.4 對(duì)模糊綜合評(píng)價(jià)結(jié)果分析

計(jì)算合成后的隸屬矩陣為H=(0.355，0.507，0.066，0.012，0.000),根據(jù)最大隸屬度原則，綜合隸屬度最大的hi對(duì)應(yīng)的等級(jí)即為系統(tǒng)的綜合評(píng)價(jià)等級(jí)，因此本例的系統(tǒng)安全等級(jí)為較安全。

3 概率神經(jīng)網(wǎng)絡(luò)

3.1 PNN網(wǎng)絡(luò)結(jié)構(gòu)

概率神經(jīng)網(wǎng)絡(luò)PNN是徑向基網(wǎng)絡(luò)的一個(gè)分支,是前饋網(wǎng)絡(luò)的一種。它是一種有監(jiān)督的網(wǎng)絡(luò)的分類(lèi)器，基于概率統(tǒng)計(jì)思想,由Bayes分類(lèi)規(guī)則構(gòu)成，采用Parzen窗函數(shù)密度估計(jì)方法估算條件概率，進(jìn)行分類(lèi)模式識(shí)別。由于其網(wǎng)絡(luò)模式采用的是徑向基的非線(xiàn)性映射,因此它的容錯(cuò)性好、收斂性也較好，模式分類(lèi)強(qiáng)，故而受到青睞。

圖2 概率神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 Probabilistic neural network architecture

3.2 PNN的分類(lèi)原理

在PNN的神經(jīng)網(wǎng)絡(luò)模型中，輸入層中的神經(jīng)元數(shù)目等于學(xué)習(xí)樣本中輸入向量的m，各神經(jīng)元是簡(jiǎn)單的分布單元，直接將輸入變量傳遞給樣本層。

樣本層的節(jié)點(diǎn)數(shù)由輸入樣本和待匹配類(lèi)別的乘積決定，為m×l。樣本層是將輸入節(jié)點(diǎn)傳來(lái)的輸入進(jìn)行加權(quán)求和，然后經(jīng)過(guò)一個(gè)激活函數(shù)運(yùn)算后，再傳給求和層。這里激活函數(shù)采用高斯函數(shù)，則輸出為：

θi=exp(-∑(||x-ci||2/2σi2))

(6)

式中：ci為徑向基函數(shù)的中心；σi表示特性函數(shù)第i個(gè)分量對(duì)弈的開(kāi)關(guān)參數(shù)。這些層中每個(gè)節(jié)點(diǎn)均為RBF的中心，采用的特性函數(shù)為徑向基函數(shù)—高斯函數(shù)，計(jì)算未知模式與標(biāo)準(zhǔn)模式間相似度。

求和層各單元只與相應(yīng)類(lèi)別的模式單元相連，各單元依據(jù)Parzen方法求和估計(jì)各類(lèi)概率密度函數(shù)，即其條件概率為：

(7)

式中：Ci為類(lèi)別；X為識(shí)別樣本；Xi為類(lèi)別i的模式樣本(在概率神經(jīng)網(wǎng)絡(luò)中作為權(quán)值)；m為向量維數(shù)；σ為平滑參數(shù)；n為類(lèi)i的模式樣本數(shù)量。先驗(yàn)概率記為P(X)。

決策層節(jié)點(diǎn)數(shù)等于待匹配類(lèi)別數(shù)，為i。根據(jù)各類(lèi)對(duì)輸入向量概率的估計(jì)，采用Bayes分類(lèi)規(guī)則，選擇出具有最小“風(fēng)險(xiǎn)”的類(lèi)別，即具有最大后驗(yàn)概率的類(lèi)別，可用下式來(lái)表達(dá)其決策方法對(duì)所有i≠j,

P(X|Ci)P(Ci)>P(X/CjP(Cj))

(8)

則輸出y(X)=Ci。

與其它方法相比較，PNN不需進(jìn)行多次充分的計(jì)算，就能穩(wěn)定收斂于Bayes優(yōu)化解。在訓(xùn)練模式樣本一定的情況下，只需進(jìn)行平滑因子的調(diào)節(jié)，網(wǎng)絡(luò)收斂快。

3.3 PNN對(duì)各子系統(tǒng)的安全狀態(tài)的評(píng)價(jià)

運(yùn)用PNN網(wǎng)絡(luò)進(jìn)行安全評(píng)價(jià),步驟如下:

1)選取訓(xùn)練樣本。在進(jìn)行診斷前，首先提取各子系統(tǒng)的指標(biāo)的特征參數(shù)，作為訓(xùn)練樣本。并對(duì)數(shù)據(jù)歸一化處理，從而調(diào)節(jié)指標(biāo)范圍，避免數(shù)值取舍不當(dāng)?shù)惹闆r出現(xiàn)，減少預(yù)測(cè)誤差。

(9)

取50組數(shù)據(jù)作為輸入樣本，該訓(xùn)練樣本由指標(biāo)特征參數(shù)值和所屬某類(lèi)別的隸屬程度組成的子集構(gòu)成，每個(gè)子集構(gòu)成關(guān)于待分安全等級(jí)隸屬度的證據(jù)。以設(shè)備和乘客兩個(gè)子系統(tǒng)為例，部分測(cè)試樣本如表2所示。

表3 指標(biāo)特征參數(shù)部分訓(xùn)練樣本

2)用PNN網(wǎng)絡(luò)對(duì)輸入樣本分類(lèi)，即網(wǎng)絡(luò)設(shè)計(jì)、網(wǎng)絡(luò)測(cè)試及仿真實(shí)驗(yàn)。

圖3 設(shè)備子系統(tǒng)評(píng)價(jià)PNN網(wǎng)絡(luò)結(jié)構(gòu)示意圖Fig.3 Schematic diagram of PNN network structure

運(yùn)用matlab神經(jīng)網(wǎng)絡(luò)工具箱中的中的概率神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)函數(shù)newpnn創(chuàng)建訓(xùn)練網(wǎng)絡(luò)，sim函數(shù)對(duì)概率神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真。其中，合理選擇SPREAD拓展函數(shù)很重要，其默認(rèn)值為1，SPREAD值越大，其輸出結(jié)果越光滑，但太大會(huì)導(dǎo)致數(shù)值計(jì)算的困難。本次概率神經(jīng)網(wǎng)絡(luò)構(gòu)建過(guò)程中，通過(guò)采用for循環(huán)語(yǔ)句，取不同的SPREAD值，實(shí)現(xiàn)機(jī)器確定最佳SPREAD值。

3)用30組數(shù)據(jù)驗(yàn)證網(wǎng)絡(luò)的分類(lèi)功能，即用這30組指標(biāo)值進(jìn)行評(píng)價(jià)，檢驗(yàn)與實(shí)際的評(píng)

價(jià)值結(jié)果差距大小，部分測(cè)試樣本如表2所示。測(cè)試結(jié)果表明通過(guò)概率神經(jīng)網(wǎng)絡(luò)的仿真效果與實(shí)際情況基本一致。

圖4 測(cè)試結(jié)果與實(shí)際狀態(tài)值誤差對(duì)比圖Fig.4 Comparison of test results with actual state values

評(píng)價(jià)系統(tǒng)安全指標(biāo)部分測(cè)試樣本編號(hào)12345678910子系統(tǒng)1A10.8910.7560.6550.1000.6470.9000.7230.7820.6640.605A20.8760.7000.5580.1000.5110.9000.6520.7940.5940.147A30.9000.6910.5750.1000.5170.8880.6440.7600.6100.158A40.9000.6770.4700.1000.3960.8400.6330.8250.4400.248A50.9000.7830.6390.3510.6930.9000.7470.8010.6210.100A60.9000.7920.6750.1000.6840.8910.7380.8100.6930.432A70.9000.6820.6030.1000.6130.8900.7020.8500.5930.465子系統(tǒng)2B10.9000.7600.6790.2200.6930.8720.7970.7970.4400.100B20.8810.6950.5250.1000.5170.8810.7790.8620.6210.127B30.8380.5760.4230.1000.3420.9000.7920.8070.6930.300子系統(tǒng)3┉┉┉┉┉┉┉┉┉┉┉子系統(tǒng)4┉┉┉┉┉┉┉┉┉┉┉實(shí)際安全類(lèi)別1325413245測(cè)試安全類(lèi)別1225413245

4 D-S方法的評(píng)價(jià)結(jié)果融合

D-S證據(jù)理論的實(shí)質(zhì)是在同一識(shí)別框架下，將不同的證據(jù)體通過(guò)其證據(jù)組合規(guī)則合成為一個(gè)新證據(jù)體的過(guò)程。

(10)

在D-S數(shù)據(jù)合成之前首要需要不同證據(jù)對(duì)目標(biāo)的支持度，即基本信度值。概率神經(jīng)網(wǎng)絡(luò)方法采用公式的P(X|Ci)值，得到各評(píng)價(jià)類(lèi)別的概率分配。模糊評(píng)價(jià)的概率分配率由隸屬函數(shù)H得到。通過(guò)式轉(zhuǎn)化為包含不確定度的D-S證據(jù)信度函數(shù)：

(11)

取一個(gè)測(cè)試樣本的評(píng)價(jià)結(jié)果，即由PNN得到的各狀態(tài)等級(jí)的概率分配，以及由模糊評(píng)價(jià)得到的隸屬度，運(yùn)用式(11)轉(zhuǎn)換為信度值，并運(yùn)用式(10)計(jì)算組合后的信任函數(shù)。

由融合后數(shù)據(jù)可知，各等級(jí)的信度區(qū)分度得以增大，識(shí)別的不確定度降低。采用基于信任函數(shù)的決策方法，可以對(duì)自動(dòng)扶梯通道安全狀態(tài)綜合評(píng)估。

表5 評(píng)價(jià)結(jié)果融合

5 結(jié)論

1)從“設(shè)備、乘客、使用環(huán)境、安全管理”4個(gè)方面建立自動(dòng)扶梯通道安全綜合評(píng)價(jià)指標(biāo)體系，考慮到用單一方法評(píng)價(jià)的片面性，建立了多種評(píng)價(jià)方法結(jié)果相融合的評(píng)價(jià)模型。

2)采用模糊綜合評(píng)價(jià)和概率神經(jīng)網(wǎng)絡(luò)方法分別進(jìn)行初級(jí)安全評(píng)價(jià)，對(duì)模糊綜合評(píng)價(jià)得到的總隸屬度和概率神經(jīng)網(wǎng)絡(luò)方法得到的基本概率分配進(jìn)行轉(zhuǎn)化，成為D-S信息融合所需的對(duì)各安全等級(jí)的信度函數(shù)。

3)對(duì)轉(zhuǎn)化后的信度函數(shù)進(jìn)行D-S信息融合，得到各安全等級(jí)的信度。結(jié)果驗(yàn)證了D—S證據(jù)理論融合識(shí)別的有效性，該方法融合了不同方法的評(píng)價(jià)結(jié)果，可以提高安全評(píng)價(jià)的準(zhǔn)確度。

[1] 慶光蔚,王會(huì)方,胡靜波.電梯安全級(jí)別模糊綜合評(píng)價(jià)方法及應(yīng)用研究[J].中國(guó)安全生產(chǎn)科學(xué)技術(shù),2013,9(4):129-134. QING Guangwei,WANG Huifang,HU Jingbo. Research on fuzzy comprehensive evaluation method and its application of elevator safety level [J]. Journal of Safety Science and Technology,2013,9(4):129-134.

[2] 周赟.面向功能安全評(píng)估的電梯制動(dòng)系統(tǒng)評(píng)價(jià)[D].廣州：華南理工大學(xué),2014. ZHOU Yun. For functional safety assessment of the elevator brake system evaluation [D]. Guangzhou: South China University of Technology,2014.

[3] 陳國(guó)華,蔡文杰,王新華,等.基于大樣本檢驗(yàn)數(shù)據(jù)的電梯風(fēng)險(xiǎn)預(yù)評(píng)估方法[J]. 中國(guó)安全科學(xué)學(xué)報(bào),2015,25(5)：56-60. CHEN Guohua,CAI Wenjie,WANG Xinhua,et al. Elevator risk pre evaluation method based on large sample test data [J]. Chinese Journal of Safety Science,2015,25(5)：56-60.

[4] 顧徐毅,朱昌明,張鵬,等.電梯系統(tǒng)綜合安全評(píng)價(jià)方法的研究[J].中國(guó)安全科學(xué)學(xué)報(bào)，2008，18(6)：146-151. GU Xuyi,ZHU Changming,ZHANG Peng, et al. Research of comprehensive safety assessment method for elevator system[J].Chinese Journal of Safety Science,2008,18(6)：146-151.

[5] 李慧玲,劉冰.城市軌道交通安全管理[M].北京：人民交通出版社,2011. LI Huiling,LIU Bin. Safety management of urban rail transit[M].Beijing: People Traffic Press,2011.

[6] Klaus Steinweg. Future developments in elevator safety technology-the replacement of electro mechanical safety devices[J]. Elevator World India,2009，8(3):183-187.

[7] 張喜剛.AHP-模糊綜合評(píng)價(jià)法在電梯使用管理系統(tǒng)安全評(píng)價(jià)中的應(yīng)用[J].安全與環(huán)境學(xué)報(bào),2011,11(3):236-239. ZHANG Xigang. Application of AHP- fuzzy comprehensive evaluation method in the safety evaluation of elevator management system [J].Journal of Safety and Environment ,2011,11(3):236-239.

[8] Hauge. Reliability prediction method for safety instrumented systems. PDS method handbook[R].Norway: Sinter, 2006.

[9] 李俊輝,黎新華,謝小星.基于概率神經(jīng)網(wǎng)絡(luò)的軌道交通車(chē)站客流安全狀態(tài)評(píng)價(jià)[J].都市快軌交通,2015,28(4)：65-69. LI Junhui,LI Xinhua,XIE Xiaoxing. Evaluation of safety state of passenger flow in rail transit station based on probabilistic neural network[J]. Urban Rail Transit, 2015,28(4)：65-69.

[10] 徐志勝,劉頂立,曹歡歡,等.基于AHP的古建筑火災(zāi)風(fēng)險(xiǎn)評(píng)估方法研究[J].鐵道科學(xué)與工程學(xué)報(bào),2015,12(3)：691-693. XU Zhisheng,LIU Dingli,CAO Huanhuan,et al.Study on fire risk assessment of historic buildings based on AHP[J]. Journal of Railway Science and Engineering,2015,12(3)：691-693.

[11] Nakahama S,Ebihara M, Sekizawa A,et al. An examination of feasibility of elevator assessment [J].Fire Safety Science,2005,9(8):611-622.

[12] 吳昊.系統(tǒng)安全評(píng)價(jià)方法對(duì)比研究[J].中國(guó)安全生產(chǎn)科學(xué)技術(shù),2009,5(6):209-213. WU Hao. Comparative study on the method of system security evaluation [J]. Journal of Safety Science and Technology, 2009,5(6):209-213.

[13] Fateh Kaakai,Said Haya,Abdellah El Moudni. A hybrid Petri nets-based simulation model for evaluating the design of railway transit stations [J]. Accident Analysis & Prevention,2006,38(4)：662-670.

[14] Behrens K. Safety and reliability issues affecting escalators and moving walkways in railway stations [J].Fatigue in Railway Infrastructure, 2009:95-105.

Safety evaluation of metro escalator passageway based on information fusion

HU Xiaoping，LI Xiamiao，HUANG Yin， QI Shan， GOU Min， ZHAO Jiequn

(School of Traffic and Transportation Engineering, Central South University, Changsha 410075, China)

In order to scientifically evaluate the safety status of the metro escalator passageway and integrate the unique properties of the subway escalator, the paper proposed to establish a comprehensive evaluation index system from 4 aspects of “equipment, passengers, the use of the environment, and safety management”. For the general safety evaluation method and the problem of the subjective influence, fuzzy comprehensive evaluation and probabilistic neural network (PNN) were proposed to evaluate the security status of the primary evaluation. The membership function and the basic probability distribution function were obtained, and the reliability function of the security state level was obtained by transforming. The reliability fusion was then carried out by the Dempster - Shafer (D-S) evidence theory and the different method synthesis was obtained after the appraisal result. The results show that the method can effectively integrate the evaluation information obtained by different methods, and improve the accuracy of the evaluation. The method can be used as a macro decision tool for the safety management of the metro.Key words：escalator; safety evaluation; fuzzy evaluation; probabilistic neural network; information fusion

2016-01-09

國(guó)家自然科學(xué)基金資助項(xiàng)目(U1334207)

李夏苗(1963-)，男，湖南茶陵人，教授，博士，從事交通運(yùn)輸系統(tǒng)分析、鐵路運(yùn)輸管理等方面研究；Email：xmli@mail.csu.edu.cn

U12

A

1672-7029(2016)11-2249-07