李小平，徐家梁

(蘭州交通大學 機電工程學院，甘肅 蘭州 730070)

鐵路突發(fā)事件應急決策過程主要采用“情景-應對”模式，并且涉及政府部門、專業(yè)救援機構、社會力量、非政府組織、甚至國際救援機構等，參與部門及人員眾多，是一項復雜的非常規(guī)突發(fā)事件應急群體決策過程[1-2]。在決策過程中，由于決策成員工作背景與經(jīng)驗知識的差異性、決策情景信息的不完備性、決策問題的復雜性和不確定性、決策資源的有限性以及決策時間的緊迫性，導致決策成員對“情景”的認知并不一致，容易形成“情景沖突”，進而導致決策過程中群體的“決策沖突”，嚴重制約了應急決策方案的有效快速形成[3-4]。因此，針對“情景沖突”問題進行消解與協(xié)調方法研究，是鐵路突發(fā)事件應急群決策研究中的一項重要任務，對于消解“決策沖突”并快速形成一致性決策意見具有重要作用。

在“情景沖突”的研究方面，李仕明等[5]對非常規(guī)突發(fā)事件的情景概念進行了研究，提出了聚類型情景、決策型情景以及任務型情景；KAPUCU等[6]認為情景沖突問題主要表現(xiàn)為決策者感知到的決策信息不完全、殘缺或者過載引起的對情景發(fā)展態(tài)勢判斷的沖突；TSAI等[7]認為現(xiàn)場和非現(xiàn)場信息的不同步是造成遠程決策信息沖突的主要原因，并提出了在信息不充分、不完全的條件下提高信息獲取的方法；劉德海等[8]針對決策中信息過剩、信息匱乏和虛假信息等問題,建立了信息傳播的演化博弈模型以及沖突協(xié)調機制。

在決策沖突的研究方面，徐選華等[9]提出了基于成員沖突測度基礎上的沖突閾值設定方法，并將實際沖突值與設定閾值進行比較，實現(xiàn)了非常規(guī)突發(fā)事件應急決策的沖突消解；ZHANG等[10]提出將不完全偏好選擇按照區(qū)間進行劃分，然后對區(qū)間偏好集結，進而實現(xiàn)群體偏好的集結方法；SUN等[11]提出了一種基于語義偏好關系的多屬性群體決策一致性度量方法； TSABADZE[12]提出了基于梯形模糊估算的群體決策聚集方法；BOUZAROUR-AMOKRANE等[13]采用基于博弈論的共識達成模型，對群體決策問題的雙極(積極、消極)共識達成方法進行了研究；XU等[14]針對非常規(guī)突發(fā)事件的應急群決策群體沖突問題提出一種專家權重的離散修正策略進而實現(xiàn)沖突消解的方法；李佳遙等[15]針對復雜事故鏈情境下的潛在風險關聯(lián)推理問題,提出基于事故鏈情境本體建模的知識推理方法；左靜等[16]提出了一種基于改進熵權聚類SVD的鐵路應急救援輔助決策方法。

以上研究表明，關于突發(fā)事件情景及決策沖突問題的研究取得了大量研究成果，而對于決策過程中如何實現(xiàn)情景沖突協(xié)調問題的研究相對較少。事實上，對于每一個決策者而言，“情景”是其做出決策的主要依據(jù)，情景沖突也是決策沖突的重要因素，解決了情景沖突問題，決策沖突也隨之解決。因此，本文將在前人研究的基礎上，以鐵路突發(fā)事件應急救援過程中的情景沖突為研究對象，通過構建情景描述函數(shù)，情景要素及情景庫，以及基于沖突偏好測定矩陣的情景評價及沖突協(xié)調模型，采用距離偏差算法進行情景沖突評價的測定與協(xié)調。該方法能夠有效提高情景沖突協(xié)調效率，減少沖突協(xié)調時間，為鐵路突發(fā)事件應急救援提供快速的決策技術支持。

1 情景庫構建

1.1 情景要素確定

突發(fā)事件的“情景”是指決策者正在面對的突發(fā)事件發(fā)生、發(fā)展的態(tài)勢，也指突發(fā)事件發(fā)生、發(fā)展過程中某一時刻所有災害要素的狀態(tài)集合[17]。根據(jù)這一定義及KAPUCU等[6]對情景問題的分析可知，鐵路突發(fā)事件的情景要素不僅包括致災因子、承災體、孕災環(huán)境等結構性要素，還包括情景發(fā)展的驅動要素及發(fā)展態(tài)勢。

(1)致災因子要素hf

致災因子要素是直接致災要素的集合，可描述為hf=(hf1,hf2,…,hfm)，m為要素個數(shù)。

(2)承災體要素lf

承災體要素是各種致災因子的作用對象，可描述為lf=(lf1,lf2,…,lfn)，n為要素個數(shù)。

(3)孕災環(huán)境要素ef

孕災環(huán)境要素指致災因子與承災體所處的外部環(huán)境，可描述為ef=(ef1,ef2,…,efk)，k為要素個數(shù)。

(4)情景驅動要素df

情景驅動要素是指對情景轉換起主要推動作用的要素，可描述為df=(df1,df2,…,dfj)，j為要素個數(shù)。

(5)情景發(fā)展態(tài)勢tf

情景發(fā)展態(tài)勢是按照事件鏈理論，由當前情景衍生的未來情景，設要素個數(shù)為g，則tf=(tf1,tf2,…,tfg) 。

因此，鐵路突發(fā)事件的“情景”可以用一個五元組來描述。

s={hf,lf,ef,df,tf}

(1)

1.2 情景庫構建

設決策群體有p個決策者(p≥2)，對第i個決策者，i=1,2,…,p，其構建的應急救援情景可描述為si={hfi,lfi,efi,dfi,tfi}。

p個決策成員構建的應急情景庫可表示為

(2)

其中致災因子要素庫為

(3)

承災體要素庫為

(4)

孕災環(huán)境要素庫為

(5)

情景驅動要素庫為

(6)

情景發(fā)展態(tài)勢庫為

(7)

對不同決策者，其構建的情景要素可能小于最大要素數(shù)，對于不足的要素，以0補足。

2 情景沖突協(xié)調模型

基于“情景-應對”的鐵路突發(fā)事件應急決策模式包括“情景”屬性與“應對”屬性，情景屬性構成情景庫，其要素包含致災因子、承載體、孕災環(huán)境、情景驅動和發(fā)展態(tài)勢，應對屬性構成應對方案集，包括救援決策時采取的救援規(guī)則和救援案例(經(jīng)驗)。

鐵路突發(fā)事件應急救援決策的情景沖突協(xié)調模型如圖1所示。

圖1 鐵路突發(fā)事件應急決策情景沖突協(xié)調模型

根據(jù)事故現(xiàn)場報告對鐵路決策問題“情景”或事故情景演變的描述，決策專家根據(jù)專家知識與經(jīng)驗篩選與評估關鍵情景，分析其演化趨勢，從而構建事故的情景庫S，包括致災因子要素庫Hf、承災體要素庫Lf、孕災環(huán)境要素庫Ef、情景驅動要素庫Df、情景發(fā)展態(tài)勢庫Tf。群體決策專家對情景庫中的情景要素進行評價及沖突測定，如果“情景沖突”在一定合理的范圍內，則認為沖突消解，此時決策專家可對情景要素進行重要度排序，根據(jù)重要度排序從決策方案集中選擇適當?shù)膽獙Ψ桨福ň仍?guī)則與救援案例(經(jīng)驗)；如果“情景沖突”不符合要求，則對“沖突情景”中的最大沖突要素進行信息共享與協(xié)商反饋，之后每個決策專家進行“情景重構”生成新的情景庫，繼續(xù)上述循環(huán)，直至沖突消解。

根據(jù)情景得出應對方案后，決策專家同樣需要對決策方案進行評價偏好并進行決策方案沖突程度測定，設定沖突閾值，如果沖突程度在閾值之內，則形成決策執(zhí)行方案；如果不滿足，則篩選出最大的決策沖突要素及對應的情景沖突要素，繼續(xù)進行“情景”共享與協(xié)商反饋、情景重構、情景庫構建環(huán)節(jié)，通過情景沖突協(xié)調實現(xiàn)決策方案的協(xié)調。

在鐵路突發(fā)事件沖突協(xié)調中，為了盡快達成一致性意見，可設定最大沖突協(xié)調次數(shù)Kt，超過最大協(xié)調次數(shù)Kt，則強制結束情景協(xié)調，由決策主持者綜合做出情景沖突協(xié)調結論。

3 情景沖突協(xié)調方法

3.1 構建情景評價偏好矩陣

假設第i個決策者對第r個致災因子給出的評價偏好為hir，其中

hir≥0i=1,2,…,pr=1,2,…,m

p個決策成員關于m個致災因子給出的評價偏好構成矩陣H為

(8)

p個決策成員關于n個承災體要素給出的評價偏好構成矩陣L為

(9)

p個決策成員關于k個孕災環(huán)境要素給出的評價偏好構成矩陣E為

(10)

p個決策成員關于j個情景驅動要素給出的評價偏好構成矩陣D為

(11)

p個決策成員關于g個情景發(fā)展態(tài)勢給出的評價偏好構成矩陣T

(12)

3.2 情景沖突測定與協(xié)調

以致災因子要素為例進行分析。

(13)

定義θH為致災因子情景沖突指標，采用距離偏差方法進行計算，則有

(14)

同樣方法可以對承災體要素沖突指標θL、孕災環(huán)境要素沖突指標θE、情景驅動要素沖突指標θD、情景發(fā)展態(tài)勢沖突指標θT進行情景沖突測定與協(xié)調。

當θH、θL、θE、θD、θT都調整到閾值范圍以內，表明決策群體的情景沖突已消解，即可對情景要素進行重要度排序，根據(jù)排序結果進入“決策屬性”即應對方案集的選擇與匹配階段，應對方案集包含救援規(guī)則及救援案例。為了提高方案的適應性，對應對方案也可進行群體評價并生成評價偏好，對于一致性偏好，則執(zhí)行所選擇的應對方案，對于偏差較大的方案，繼續(xù)進行情景共享、情景重構與情景協(xié)調過程，修改應對方案，形成一致性可執(zhí)行應對方案。

3.3 “情景演變”及“情景庫”重構

突發(fā)事件的“情景演變”是一個動態(tài)變化的過程，包括情景演化的時間規(guī)律(初始情景、中間情景、結束情景)、階段性規(guī)律以及情景要素作用(情景的構成要素以及要素之間的關系)三個方面[18]，情景要素作用預示了下一階段的情景態(tài)勢，體現(xiàn)了事件惡化、穩(wěn)定或退化的趨勢，或者次生事件、衍生事件的產生，具有一定的預見性。鐵路突發(fā)事件的發(fā)生發(fā)展也是一個動態(tài)演變的過程，動態(tài)演變也意味著情景庫的不斷更新，決策專家需要根據(jù)變化的態(tài)勢進行情景重構，并生成新的情景庫要素，重復進行情景沖突測定與協(xié)調，直至完成最后的救援工作。

4 算例分析

2018年1月9日21時28分，某鐵路局機務折返車間5003次小運轉機車在牽出作業(yè)時發(fā)生突發(fā)事故，機次第2位車輛(P62N3315347)前臺車脫線，方向在鋼軌南側，脫軌輪對距離鋼軌最遠距離80 cm，線路為曲線，坡道東高西低。現(xiàn)場積雪較大，氣溫-26 ℃左右。對于此次事故，有20位決策者參與群體決策(為了簡化計算，選其中5位決策者的決策數(shù)據(jù))， 由事故關鍵信息構成的鐵路突發(fā)事件應急救援情景庫見表1。

表1 鐵路突發(fā)事件應急救援情景庫

5位決策者對于致災因子要素(鐵軌損壞、枕木損壞、車輛缺陷)庫Hf，承災體要素(棚車、臺車、前臺車)庫Lf，孕災環(huán)境要素(牽出線、坡道、積雪、路基松軟)庫Ef，情景驅動要素(坡道、積雪、路基松軟)庫Df，情景發(fā)展態(tài)勢要素(顛覆、溜逸)庫Tf，取值如下

對每一種情景要素，5位決策者給出獨立偏好判斷，采用Saaty提出的層次分析(AHP)1～9標度法，對于某位決策者未考慮到的因素，則取最低偏好值1/9。評價結果見表2～表6。

分別計算出5位決策者對情景要素評價矩陣的特征向量矩陣H、L、E、D、T,特征向量表示決策專家對情景要素的關注程度，即構成決策專家對情景要素評價的偏好矩陣。

表2 決策者p1～p5對致災因子要素的評價偏好取值

表3 決策者p1～p5對承災體要素的評價偏好取值

表4 決策者p1～p5對孕災環(huán)境要素的評價偏好取值

表5 決策者p1～p5對情景驅動要素的評價偏好取值

表6 決策者p1～p5對發(fā)展態(tài)勢要素的評價偏好取值

沖突閾值反映個體決策者與其他決策者的偏好差異，可以通過偏好距離計算獲得，本例為了簡化計算，假設沖突閾值CI=0.4。權值的確定可以采用權威分配法、名義群體法等，本算例假定各決策專家的權重是相同的，即ωi=1/5,i=1,2,…,5。

以情景驅動要素為例進行分析，得到群體決策專家對3個情景驅動要素的綜合偏好向量D0=ωi×D=[0.08,0.47,0.45]，采用式(14)計算，可得出決策群體初次沖突指標θ0=1.05，說明群體內部存在比較大的沖突，最大沖突來自于專家對路基松軟情景認識的差異，協(xié)調者組織各個專家共享情景信息并進行協(xié)商討論，重新修正情景驅動要素，一次情景驅動要素庫Df1和評價偏好矩陣D1修正如下(專家p1～p5對情景驅動要素的評價偏好修正取值見表7)

表7 專家p1～p5對情景驅動要素的評價偏好修正取值

D2=ωi×D1=[0.08 0.66 0.26]，整個決策群體沖突指標θ1=0.38，說明情景沖突達成一致。在第一次修正過程中，其余4位決策者接受了第5位決策者關于“路基松軟”這一情景驅動要素的判斷并對情景庫進行了重構，最后達成一致。事實證明在該事故的實際救援過程中，確實發(fā)生了由于路基松軟，救援人員在給起重機打支腿時出現(xiàn)了1號支腿下陷問題，通過重復打支腿以后才穩(wěn)固下來，否則可能會導致起吊過程中發(fā)生傾覆而產生二次事故。

對于其他情景要素，可以采用同樣的方法進行分析。比如對于承災體要素，專家修正接受了前臺車情景信息，進而在情景應對時，選擇匹配“起重機單線起吊車輛一端復軌方法”而不是“整體起吊方法”，減少了事故車起復難度。

常規(guī)群體決策算法只對待選方案進行沖突評價與消解，難以找到?jīng)Q策沖突背后的情景沖突要素，導致決策沖突協(xié)調困難，協(xié)調次數(shù)多，決策時間長。該算例表明，基于距離法的情景沖突測度與協(xié)調方法能夠在沖突發(fā)生時通過情景共享與情景重構實現(xiàn)情景沖突消解，大大減小決策方案選擇過程中的沖突，有效縮短決策時間，提高了決策效率與質量。

5 結束語

論文提出了鐵路突發(fā)事件應急決策情景沖突協(xié)調模型并對相關關鍵技術進行了研究，包括情景要素確定、情景評價、沖突測定以及情景沖突協(xié)調方法。在情景要素確定以后，對要素按照重要度進行排序及沖突閾值、決策專家權值的設定是另外需要解決的問題，后續(xù)將對上述問題進行研究，以實現(xiàn)情景沖突協(xié)調方案的進一步優(yōu)化。