汪子恒，馬健霄，周智文，朱寧

（南京林業(yè)大學(xué) 汽車與交通工程學(xué)院，江蘇 南京 210037）

1 引言

交通運(yùn)輸行業(yè)是國民經(jīng)濟(jì)和社會(huì)發(fā)展的基礎(chǔ)產(chǎn)業(yè)。近年來，隨著各運(yùn)輸企業(yè)管控工作的加強(qiáng)，班線運(yùn)輸?shù)闹靥卮笫鹿蕯?shù)量呈明顯下降趨勢。然而，群死群傷仍時(shí)有發(fā)生[1-2]。據(jù)國家安全監(jiān)管總局2017年統(tǒng)計(jì)數(shù)據(jù)顯示：在近十年212起重特大道路交通事故中，“兩客一?！避囕v和校車、農(nóng)用車占84.9%。道路旅客運(yùn)輸車輛運(yùn)載人員較多，在道路運(yùn)輸過程中受到不確定風(fēng)險(xiǎn)因素也較多，一旦發(fā)生事故，極易導(dǎo)致群死群傷事故的發(fā)生。

為了遏制重特大事故，提升道路運(yùn)輸企業(yè)安全生產(chǎn)風(fēng)險(xiǎn)防控能力，2017年5月交通運(yùn)輸部出臺(tái)了《公路水路行業(yè)安全生產(chǎn)風(fēng)險(xiǎn)管理暫行辦法》，要求企業(yè)依法依規(guī)建立健全安全生產(chǎn)風(fēng)險(xiǎn)管理工作制度。然而，對于公路運(yùn)輸行業(yè)中一直處于高風(fēng)險(xiǎn)的“兩客一?！逼髽I(yè)來說，多數(shù)長年來對風(fēng)險(xiǎn)管控意識(shí)不到位，行業(yè)內(nèi)部尚未實(shí)行普遍的、具有可操作性的風(fēng)險(xiǎn)防控規(guī)范[3]。

貝葉斯網(wǎng)絡(luò)（Bayesian Network，BN）是一種以貝葉斯理論為基礎(chǔ)，綜合相關(guān)領(lǐng)域?qū)＜医?jīng)驗(yàn)，以及大量企業(yè)現(xiàn)場數(shù)據(jù)綜合起來的風(fēng)險(xiǎn)評(píng)估方法[4]。如今已廣泛應(yīng)用于鐵路[5]、加氣站[6]、鉆井[7]等領(lǐng)域的風(fēng)險(xiǎn)評(píng)估與管理工作。實(shí)際計(jì)算證明，該方法可有效預(yù)測系統(tǒng)中各致險(xiǎn)因素的概率，并指導(dǎo)相關(guān)管理人員快速找到潛在風(fēng)險(xiǎn)源。貝葉斯網(wǎng)絡(luò)對致險(xiǎn)因素的線性與概率關(guān)系有嚴(yán)格的要求，基于相關(guān)的圖論與概率知識(shí)，可對復(fù)雜風(fēng)險(xiǎn)網(wǎng)中的風(fēng)險(xiǎn)關(guān)系圖進(jìn)行推理[8-9]。因此，本文以班線運(yùn)輸作為研究對象，使用貝葉斯拓?fù)渚W(wǎng)絡(luò)對客運(yùn)企業(yè)進(jìn)行風(fēng)險(xiǎn)評(píng)估。既可通過貝葉斯網(wǎng)絡(luò)向前預(yù)測，推理出整個(gè)客運(yùn)系統(tǒng)的風(fēng)險(xiǎn)度；亦可通過貝葉斯網(wǎng)絡(luò)向后診斷，計(jì)算出各致險(xiǎn)因素的風(fēng)險(xiǎn)度，并為企業(yè)的實(shí)際風(fēng)險(xiǎn)管理工作提供明確的建議。

2 貝葉斯網(wǎng)絡(luò)分析方法

2.1 貝葉斯網(wǎng)絡(luò)的基本原理

貝葉斯網(wǎng)絡(luò)分析方法即通過收集各風(fēng)險(xiǎn)事件的信息，并對其進(jìn)行危險(xiǎn)性分析，以評(píng)價(jià)風(fēng)險(xiǎn)事件的后果與嚴(yán)重程度，利用事件期望值與計(jì)算得到的修正概率做出最優(yōu)決策。在一般計(jì)算方法中，貝葉斯網(wǎng)絡(luò)分析方法有預(yù)測推理、診斷推理、支持推理三種推理方式[5]。

傳統(tǒng)的貝葉斯模型計(jì)算公式為：

式中Xi指系統(tǒng)中第i個(gè)證據(jù)節(jié)點(diǎn)，∏(Xi)為指標(biāo)Xi的父指標(biāo)節(jié)點(diǎn)。

傳統(tǒng)的推理過程可表示為：

（1）預(yù)測推理：由證據(jù)節(jié)點(diǎn)發(fā)生的概率預(yù)測出目標(biāo)節(jié)點(diǎn)發(fā)生的概率。即已知證據(jù)節(jié)點(diǎn)的先驗(yàn)概率為P(Ai)，并且假設(shè)經(jīng)過調(diào)查所獲得的新附加信息為P(R｜Ai)，推知目標(biāo)節(jié)點(diǎn)P(R)的概率，即：

（2）診斷推理：在目標(biāo)節(jié)點(diǎn)已發(fā)生的前提下，推理出導(dǎo)致該目標(biāo)節(jié)點(diǎn)的證據(jù)節(jié)點(diǎn)發(fā)生的概率。即已知證據(jù)節(jié)點(diǎn)的先驗(yàn)概率為P(Ai)，并假設(shè)經(jīng)過調(diào)查所獲得的新附加信息為P(R｜Ai)，推知證據(jù)節(jié)點(diǎn)Ai在目標(biāo)節(jié)點(diǎn)概率為P(R)下的后驗(yàn)概率P(Ai｜R)，即：

（3）支持推理：在中間節(jié)點(diǎn)已發(fā)生的前提下，推理出導(dǎo)致該節(jié)點(diǎn)的目標(biāo)節(jié)點(diǎn)和證據(jù)節(jié)點(diǎn)發(fā)生的概率。同樣設(shè)證據(jù)節(jié)點(diǎn)的先驗(yàn)概率為P(Ai)，且假設(shè)經(jīng)過調(diào)查所獲得的新附加信息為P(R｜Ai)，推知目標(biāo)節(jié)點(diǎn)P(R)的概率和證據(jù)節(jié)點(diǎn)Ai在目標(biāo)節(jié)點(diǎn)概率為P(R)下的后驗(yàn)概率P(Ai｜R)。

2.2 貝葉斯網(wǎng)絡(luò)在客運(yùn)班線運(yùn)輸風(fēng)險(xiǎn)控制中的應(yīng)用

典型的班線運(yùn)輸風(fēng)險(xiǎn)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖（如圖1所示），可以簡單反映出班線運(yùn)輸風(fēng)險(xiǎn)控制貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)中各節(jié)點(diǎn)的關(guān)系。其中Z為目標(biāo)節(jié)點(diǎn)，為整個(gè)班線運(yùn)輸系統(tǒng)，中間節(jié)點(diǎn)Yi為高層風(fēng)險(xiǎn)指標(biāo)，底層節(jié)點(diǎn)Yij為最低層級(jí)的風(fēng)險(xiǎn)指標(biāo)。

圖1 典型的客運(yùn)班線運(yùn)輸風(fēng)險(xiǎn)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖

根據(jù)圖1，利用貝葉斯分析網(wǎng)絡(luò)分析班線運(yùn)輸風(fēng)險(xiǎn)的基本步驟為：

（1）根據(jù)《職業(yè)健康安全管理體系規(guī)范》（FB/T 28001-2001）對危險(xiǎn)源的定義，對作業(yè)流程中的風(fēng)險(xiǎn)源進(jìn)行辨識(shí)。常用的危險(xiǎn)源辨識(shí)方法有安全檢查表法、作業(yè)危險(xiǎn)性分析法、事故樹分析法等，不同方法各有優(yōu)劣，本文在此不詳細(xì)說明。企業(yè)在風(fēng)險(xiǎn)評(píng)估操作過程中，可針對實(shí)際作業(yè)中的特點(diǎn)，選取合適的風(fēng)險(xiǎn)辨識(shí)方法進(jìn)行辨識(shí)。

（2）由于致險(xiǎn)因素的先驗(yàn)概率由企業(yè)的運(yùn)輸特性以及客運(yùn)作業(yè)本身的特點(diǎn)決定，而與致險(xiǎn)因素實(shí)際出險(xiǎn)頻次無關(guān)。所以致險(xiǎn)因素的先驗(yàn)概率可通過構(gòu)建隸屬度函數(shù)，邀請領(lǐng)域?qū)＜覍Ω鲗蛹?jí)致險(xiǎn)因素的先驗(yàn)概率進(jìn)行模糊評(píng)價(jià)得到。本文采用三角模糊數(shù)作為致險(xiǎn)因素的隸屬函數(shù)，即設(shè)致險(xiǎn)因素?的隸屬度函數(shù)(x)可表述為(a,b,c),其表達(dá)式如下：

其隸屬函數(shù)圖形如圖2所示。

圖2 三角模糊數(shù)的隸屬函數(shù)圖形

客運(yùn)班線運(yùn)輸作業(yè)致險(xiǎn)因素眾多，部分致險(xiǎn)因素的出險(xiǎn)數(shù)據(jù)少，有時(shí)難以對其精確定值。因此，本文引入5個(gè)自然語言變量：非常高、偏高、中等、偏低、非常低，可根據(jù)表1轉(zhuǎn)換成對應(yīng)的三角模糊數(shù)。

表1 自然語言變量與三角模糊數(shù)轉(zhuǎn)換表

每個(gè)語言變量與三角模糊數(shù)對應(yīng)的隸屬度函數(shù)如圖3所示。

圖3 各自然語言變量隸屬度函數(shù)圖

為獲得最底層級(jí)風(fēng)險(xiǎn)指標(biāo)的概率信息，可邀請多位領(lǐng)域?qū)＜覍Σ煌码U(xiǎn)因素的等級(jí)狀態(tài)給出評(píng)價(jià)意見。根據(jù)模糊集指標(biāo)，將致險(xiǎn)因素的等級(jí)狀態(tài)分為較小可忽略風(fēng)險(xiǎn)、一般可接受風(fēng)險(xiǎn)、重大不可接受風(fēng)險(xiǎn)三種狀態(tài)，分別編號(hào)0、1、2。第k位專家對節(jié)點(diǎn)Yi處于風(fēng)險(xiǎn)等級(jí)j的評(píng)判意見，通過上述三角模糊數(shù)轉(zhuǎn)化，可獲得該致險(xiǎn)因素的三角模糊概率

（3）為得到相對貼近真實(shí)先驗(yàn)概率的模糊值，可將各位專家的評(píng)判意見取均值，得到該致險(xiǎn)因素的模糊均值概率，即：

采用面積均值法將模糊均值轉(zhuǎn)化為最能代表該模糊集的概率，即：

將作歸一化處理，作為該致險(xiǎn)因素的先驗(yàn)概率及條件概率分布Pij，即：

（4）利用模糊貝葉斯網(wǎng)絡(luò)進(jìn)行推理

I.正向預(yù)測推理：已知最底層級(jí)風(fēng)險(xiǎn)指標(biāo)的先驗(yàn)概率為P(Yij)，并且假設(shè)經(jīng)過調(diào)查所獲得的新附加信息 為P(Y1｜Y11,Y12,...,Y1j)、P(Y2｜Y21,Y22,...,Y2j)、…P(Yk｜Yk1,Yk2,...,Ykj)及P(Z｜Y1,Y2,...,Yk)。則整個(gè)班線運(yùn)輸系統(tǒng)Z的概率為：

根據(jù)最大隸屬度原則，隸屬度最大的模糊評(píng)語最符合運(yùn)輸企業(yè)的安全狀態(tài)評(píng)估。使用“3、2、1”表示企業(yè)的安全等級(jí)，等級(jí)數(shù)越大，表示越安全，安全程度由低到高依次升高。具體評(píng)估等級(jí)表見表2。

表2 客運(yùn)班線運(yùn)輸企業(yè)安全狀態(tài)評(píng)估等級(jí)表

II.反向診斷推理：已知最底層級(jí)風(fēng)險(xiǎn)指標(biāo)的先驗(yàn)概率為P(Yij)，并且假設(shè)經(jīng)過調(diào)查所獲得的新附加信息為P(Y1｜Y11,Y12,...,Y1j)，P(Y2｜Y21,Y22,...,Y2j)，…P(Yk｜Yk1,Yk2,...,Ykj)及P(Z｜Y1,Y2,...,Yk)。根據(jù)I預(yù)測推理出整個(gè)班線運(yùn)輸系統(tǒng)Z的概率為P(Z)，則推知最底層級(jí)風(fēng)險(xiǎn)指標(biāo)Yij在整個(gè)班線運(yùn)輸系統(tǒng)Z風(fēng)險(xiǎn)已發(fā)生條件下的后驗(yàn)概率為：

3 現(xiàn)場安全評(píng)價(jià)

3.1 貝葉斯風(fēng)險(xiǎn)指標(biāo)構(gòu)建

本文通過FTA故障樹分析法，選取J市某客運(yùn)企業(yè)，對客運(yùn)班線運(yùn)輸作業(yè)進(jìn)行風(fēng)險(xiǎn)分析[1-2.10]，得到4個(gè)一級(jí)風(fēng)險(xiǎn)指標(biāo)和16個(gè)二級(jí)風(fēng)險(xiǎn)指標(biāo)，見表3。

表3 班線運(yùn)輸風(fēng)險(xiǎn)指標(biāo)

根據(jù)貝葉斯拓?fù)浣Y(jié)構(gòu)原理，構(gòu)建班線運(yùn)輸風(fēng)險(xiǎn)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖，如圖4。

3.2 貝葉斯模型診斷

本文邀請了五位相關(guān)企業(yè)安全負(fù)責(zé)人對各致險(xiǎn)因素進(jìn)行模糊評(píng)價(jià)。以駕駛員操作錯(cuò)誤Y11為例，各負(fù)責(zé)人評(píng)價(jià)結(jié)果見表4。

表4 風(fēng)險(xiǎn)指標(biāo)Y11專家評(píng)判意見

圖4 班線運(yùn)輸風(fēng)險(xiǎn)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖

假設(shè)各位專家權(quán)重相同，由表1和式（5）-（7）可計(jì)算出Y11的各狀態(tài)先驗(yàn)概率P(Y11)=（0.489,0.343,0.168），同理使用貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)對其他風(fēng)險(xiǎn)指標(biāo)進(jìn)行條件概率計(jì)算，以完成對系統(tǒng)的推理工作。本文利用Netica軟件完成相關(guān)計(jì)算工作，其計(jì)算結(jié)果見表5。

正向推理結(jié)果：根據(jù)最大隸屬度原則，該企業(yè)屬于2級(jí)狀態(tài)（安全風(fēng)險(xiǎn)中等）的概率最大，即該運(yùn)輸企業(yè)的安全狀態(tài)評(píng)價(jià)為“中等安全風(fēng)險(xiǎn)”。雖無需進(jìn)行停業(yè)整頓，但仍存在一些需要控制的風(fēng)險(xiǎn)；而當(dāng)系統(tǒng)風(fēng)險(xiǎn)控制在“中等”時(shí)，人的因素、設(shè)備車輛因素、道路環(huán)境因素風(fēng)險(xiǎn)等級(jí)為2，即屬于可控風(fēng)險(xiǎn)；管理因素風(fēng)險(xiǎn)安全等級(jí)為3，即屬于可忽略風(fēng)險(xiǎn)。

反向推理結(jié)果：若使得運(yùn)輸企業(yè)安全等級(jí)一定為“中等”，則人的因素安全等級(jí)為“中等”，對應(yīng)概率40.1%；車的因素安全等級(jí)為“較低”，對應(yīng)概率47.7%；環(huán)境因素安全等級(jí)為“中等”，對應(yīng)概率54.1%；管理因素安全等級(jí)為“較低”，對應(yīng)概率53.3%。概率越大，表明該因素越安全，反之，若某因素后驗(yàn)概率很小，則該因素風(fēng)險(xiǎn)大。由此可以看出，對班線運(yùn)輸風(fēng)險(xiǎn)影響最大的是人為因素，其次為道路環(huán)境因素。進(jìn)一步追蹤，可得到“教育培訓(xùn)制度缺失、不完善或落實(shí)不到位→管理因素→客運(yùn)班線運(yùn)輸企業(yè)”是最為安全的因素鏈，而“駕駛員注意力分散→人為因素→客運(yùn)班線運(yùn)輸企業(yè)”是最可能危害到客運(yùn)班線運(yùn)輸企業(yè)安全的因素鏈。

表5 各節(jié)點(diǎn)的先驗(yàn)概率與推理概率

4 安全管控措施建議

正向推理結(jié)果表明，J市某企業(yè)安全狀態(tài)被評(píng)價(jià)為“中等”，安全等級(jí)為“2級(jí)”，相對較安全，引發(fā)重大風(fēng)險(xiǎn)的致險(xiǎn)因素較少，但仍需控制整改。反向推理結(jié)果表明，對該企業(yè)風(fēng)險(xiǎn)影響由大到小依次為人為因素、道路環(huán)境因素、車輛設(shè)備因素、企業(yè)管理因素。針對上述推理結(jié)果，為該企業(yè)制定以下安全管理措施建議：

（1）在各一級(jí)風(fēng)險(xiǎn)指標(biāo)中，人的因素影響最大，而其中“駕駛員注意力分散”和“駕駛員違規(guī)駕駛”二級(jí)指標(biāo)風(fēng)險(xiǎn)程度最高。管理方面，建議該企業(yè)建立健全班組人員的安全生產(chǎn)責(zé)任制，切實(shí)加強(qiáng)對各班組、各線路駕駛員的管理。除根據(jù)相關(guān)規(guī)定，所有客運(yùn)車輛應(yīng)安裝GPS衛(wèi)星定位系統(tǒng)及行車記錄儀外，各班組還應(yīng)加強(qiáng)對駕駛員作業(yè)流程實(shí)行全程監(jiān)控，對開車時(shí)接打電話、開車時(shí)看視頻等容易引起駕駛員注意力分散的行為實(shí)行“零容忍”態(tài)度。

此外，針對超速駕駛、疲勞駕駛等不易監(jiān)控到的違規(guī)駕駛行為，可建議該企業(yè)在運(yùn)輸車輛安裝如FCW前碰撞預(yù)警系統(tǒng)、SLIF速度限制提醒系統(tǒng)等，并及時(shí)收集各班組每個(gè)周期內(nèi)的違規(guī)次數(shù)。同時(shí)，建議該企業(yè)可針對各班組設(shè)立駕駛員的績效獎(jiǎng)金制度，通過每個(gè)周期內(nèi)各駕駛員的違規(guī)次數(shù)多少設(shè)定績效獎(jiǎng)金。對連續(xù)排在末尾的駕駛員或班組，可采取“末位淘汰制”，以加強(qiáng)對駕駛員人為因素風(fēng)險(xiǎn)的管控。

（2）在各一級(jí)風(fēng)險(xiǎn)指標(biāo)中，影響程度第二高的為道路環(huán)境因素，其中“交通流量過大”二級(jí)指標(biāo)風(fēng)險(xiǎn)程度最高。所以建議該企業(yè)做好作業(yè)車輛的實(shí)時(shí)定位工作。

企業(yè)可與智能地圖廠商或交管中心合作，在車輛出發(fā)之前對運(yùn)營路線的流量做大致的推算。如遇雨雪霧雹等極端天氣或節(jié)假日客流高峰，企業(yè)應(yīng)提前做好道路高流量安全預(yù)警，必要時(shí)可于出發(fā)前臨時(shí)更改作業(yè)路線（但應(yīng)有完善的臨時(shí)更改路線制度）。在運(yùn)輸過程中，企業(yè)管理人員應(yīng)及時(shí)獲取作業(yè)路線的動(dòng)態(tài)流量，如遇臨時(shí)性道路擁堵，管理人員應(yīng)在作業(yè)車輛駛?cè)霌矶侣范吻疤崆白龀鲋笓]調(diào)度工作，結(jié)合主動(dòng)路徑指示設(shè)備，提前要求駕駛員更改路線。

（3）在車輛設(shè)備因素中，“主動(dòng)安全裝置失效”二級(jí)指標(biāo)風(fēng)險(xiǎn)程度最高。建議該企業(yè)在每次出車前，加強(qiáng)作業(yè)車輛主動(dòng)安全裝置的檢查工作。駕駛員如發(fā)現(xiàn)車輛主動(dòng)安全轉(zhuǎn)置發(fā)生故障，應(yīng)及時(shí)維修或向企業(yè)相關(guān)部門匯報(bào)。

在實(shí)際調(diào)查中發(fā)現(xiàn)，該企業(yè)能夠確保每日作業(yè)前的車輛例保。然而在作業(yè)過程中，部分駕駛員在主動(dòng)安全裝置出現(xiàn)故障時(shí)，仍存在僥幸心理，認(rèn)為安全裝置出現(xiàn)小故障問題不大，作業(yè)完成后再檢修也足夠及時(shí)。然而，結(jié)合前文所述，客運(yùn)過程中風(fēng)險(xiǎn)因素最高的致險(xiǎn)因素為“駕駛員注意力分散”和“駕駛員違規(guī)駕駛”。在主動(dòng)安全裝置出現(xiàn)故障的情況下，若駕駛員未及時(shí)維修而選擇繼續(xù)運(yùn)輸，再出現(xiàn)違規(guī)駕駛行為的風(fēng)險(xiǎn)危害程度將極大提升。因此，建議該企業(yè)建立健全駕駛員在作業(yè)過程中發(fā)現(xiàn)車輛主動(dòng)安全裝置故障后及時(shí)就近維修制度。

5 結(jié)語

本文針對道路班線運(yùn)輸作業(yè)風(fēng)險(xiǎn)高發(fā)的情況，分析了各風(fēng)險(xiǎn)的底層因素，得出了針對某道路客運(yùn)企業(yè)的安全評(píng)價(jià)。

（1）利用貝葉斯拓?fù)渚W(wǎng)絡(luò)在安全風(fēng)險(xiǎn)評(píng)價(jià)工作中的優(yōu)勢，構(gòu)建出了道路班線運(yùn)輸工作的貝葉斯拓?fù)渚W(wǎng)絡(luò)結(jié)構(gòu)圖。該結(jié)構(gòu)共有4個(gè)一級(jí)風(fēng)險(xiǎn)指標(biāo)與16個(gè)二級(jí)風(fēng)險(xiǎn)指標(biāo)，并可利用此網(wǎng)絡(luò)對道路班線運(yùn)輸工作進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)。

（2）通過貝葉斯網(wǎng)絡(luò)的正向推理方法，預(yù)測了該企業(yè)在各風(fēng)險(xiǎn)指標(biāo)下的風(fēng)險(xiǎn)管理水平；并通過反推計(jì)算診斷出各風(fēng)險(xiǎn)事件的風(fēng)險(xiǎn)度，為公路客運(yùn)企業(yè)的風(fēng)險(xiǎn)控制工作提供參考。

（3）針對風(fēng)險(xiǎn)評(píng)估結(jié)果，對該客運(yùn)企業(yè)風(fēng)險(xiǎn)程度較大的風(fēng)險(xiǎn)指標(biāo)提出了有針對性的風(fēng)險(xiǎn)管理措施建議，為該企業(yè)的風(fēng)險(xiǎn)管控工作提供了較為詳實(shí)的參考依據(jù)。

（4）該風(fēng)險(xiǎn)評(píng)估模型普適性較強(qiáng)。如需進(jìn)行旅游包車運(yùn)輸或危貨運(yùn)輸企業(yè)的風(fēng)險(xiǎn)評(píng)估，僅需針對不同運(yùn)輸作業(yè)的特點(diǎn)添加不同的二級(jí)指標(biāo)，而不會(huì)過多改變拓?fù)浣Y(jié)構(gòu)的主體。