張亮亮 劉連珂 孫東冶

摘 要：為有效評估地鐵車站發(fā)生擁擠踩踏事故風(fēng)險的大小，文章建立基于離差最大化的地鐵車站擁擠踩踏風(fēng)險評價模型。首先，建立地鐵車站擁擠踩踏事故風(fēng)險的評價指標(biāo);其次，利用離差最大化方法研究地鐵車站擁擠踩踏事故風(fēng)險評價指標(biāo)的權(quán)重，并以此為基礎(chǔ)，建立地鐵車站擁擠踩踏事故風(fēng)險評價方法;最后，利用離差最大化模型對地鐵車站實(shí)測的數(shù)據(jù)進(jìn)行分析及評價，并得到各車站擁擠踩踏事故風(fēng)險的大小及排序。研究結(jié)果表明：基于離差最大化方法能夠充分利用客觀信息對車站擁擠踩踏事故風(fēng)險的大小進(jìn)行分析及評估，該方法具有可行性和有效性。

關(guān)鍵詞：地鐵車站;踩踏事故;風(fēng)險評價;離差最大化方法

中圖分類號：U231+.92，X928.9

1 研究背景

由于客流量大、客流集中、人員密集等特點(diǎn)，地鐵在運(yùn)營生產(chǎn)過程中存在諸多安全隱患，特別是因乘客擁擠引起的踩踏安全隱患尤為突出[1]。地鐵車站一旦發(fā)生擁擠踩踏事故，不僅會危及廣大乘客的生命安全，還有可能影響地鐵線路、網(wǎng)絡(luò)的正常運(yùn)轉(zhuǎn)。為此，有效評估地鐵車站擁擠踩踏事故風(fēng)險的大小，有利于支持地鐵運(yùn)營單位制定預(yù)防擁擠踩踏事故發(fā)生的應(yīng)急預(yù)案，提高地鐵運(yùn)營管理水平[2-3]。

目前，國內(nèi)學(xué)者對地鐵車站擁擠踩踏事故風(fēng)險的評價指標(biāo)體系及評價方法進(jìn)行了一系列的研究。朱昌鋒[4]利用信息熵方法提取了城市軌道交通運(yùn)營安全評價指標(biāo)，并利用數(shù)據(jù)包絡(luò)分析（DEA）方法對城市軌道交通運(yùn)營安全進(jìn)行了評價;王志華[5]運(yùn)用層次分析法確定各評價指標(biāo)的權(quán)重，建立了以物元理論為基礎(chǔ)的綜合評價模型;王起全[6]從人、物、環(huán)境和管理4個方面入手，提出了導(dǎo)致地鐵車站擁擠踩踏事故的原因;佟瑞鵬等[7]研究指出弱勢人群比例等是地鐵車站擁擠踩踏事故的觸發(fā)因子;劉艷等[8]考慮輸出向量權(quán)重限制問題，利用改進(jìn)的DEA模型對地鐵車站擁擠踩踏事故風(fēng)險進(jìn)行評價;角志達(dá)等[9]建立了地鐵車站擁擠踩踏事故風(fēng)險DEA評價模型;霍宇芒等[10]采用層次分析法和熵權(quán)法確定了評價指標(biāo)的組合權(quán)重，并利用模糊物元評價模型評估地鐵車站擁擠踩踏事故風(fēng)險大小;尹曉慶[11]采用模糊故障樹分析和模糊綜合評價相結(jié)合的方法評估地鐵站擁擠踩踏風(fēng)險;于恒等[12]基于可拓理論，建立了地鐵車站安全評價體系。

考慮到地鐵車站踩踏風(fēng)險評價屬于多屬性決策問題，而離差最大化方法是一種常用的多屬性決策方法[13]，該方法通過比較各方案的差異程度，從而得到評估指標(biāo)權(quán)重，可以比較客觀地反映樣本間的現(xiàn)實(shí)關(guān)系。為此，本文利用離差最大化方法對地鐵車站擁擠踩踏事故風(fēng)險評價問題進(jìn)行研究。

2 車站踩踏風(fēng)險評價指標(biāo)體系

構(gòu)建科學(xué)、合理的評價指標(biāo)體系是分析及評估地鐵車站踩踏風(fēng)險大小需要解決的首要問題。借鑒目前既有研究成果[8，10]，根據(jù)國內(nèi)地鐵車站發(fā)生擁擠踩踏事故的案例情況，本文建立了地鐵車站擁擠踩踏事故風(fēng)險的評價指標(biāo)體系，如圖1所示。

（1）人群擁擠密度（C1）指標(biāo)[14-15]。該指標(biāo)主要是指地鐵車站中每平方米的乘客數(shù)。車站人群密度越大，越容易發(fā)生擁擠，擁擠踩踏事故風(fēng)險也隨之增加。

（2）逆向?qū)_人數(shù)比（C2）指標(biāo)。該指標(biāo)主要是指在一個統(tǒng)計周期內(nèi)少數(shù)逆向人數(shù)與多數(shù)正向人數(shù)的比值。逆向?qū)_人數(shù)比越大，表明人流對沖越嚴(yán)重，越容易發(fā)生踩踏事故。

（3）疏導(dǎo)員平均服務(wù)面積（C3）指標(biāo)。該指標(biāo)主要是指單個疏導(dǎo)人員服務(wù)的站臺面積。該指標(biāo)數(shù)值越大，疏導(dǎo)人員完成疏導(dǎo)面積也越大，擁擠踩踏事故發(fā)生的概率也隨著增加。

（4）乘客平均步速（C4）指標(biāo)。該指標(biāo)主要是指乘客平均行走的速度。乘客平均步速越大，乘客疏散越快，造成擁擠踩踏事故風(fēng)險越低。

（5）列車進(jìn)站時間間隔（C5）指標(biāo)。該指標(biāo)主要是指相鄰列車行車進(jìn)站時間間隔。列車進(jìn)站時間間隔越小，地鐵車站站臺滯留的乘客越少，發(fā)生擁擠踩踏事故風(fēng)險也越低。

（6）車站環(huán)境（C6）指標(biāo)。該指標(biāo)主要是指車站的通道布局、通道寬度以及扶梯等基礎(chǔ)設(shè)施方面。該指標(biāo)得分越高，說明該車站設(shè)計越符合設(shè)計標(biāo)準(zhǔn)要求，其發(fā)生擁擠踩踏風(fēng)險也越低。

（7）弱勢人群比例（C7）指標(biāo)。該指標(biāo)主要是指老、幼、病、殘、孕等人數(shù)占總?cè)藬?shù)的比例。弱勢人群比例越大，表明人流局部紊亂程度越大，其發(fā)生擁擠踩踏風(fēng)險也隨之增加。

3 車站踩踏事故風(fēng)險評價方法

考慮到地鐵車站擁擠踩踏風(fēng)險評估是一個屬性權(quán)重完全未知的多屬性決策問題，假設(shè)參與擁擠踩踏風(fēng)險評估有n個車站和m個屬性，其決策矩陣表示為A=（aij）n×m，其中，aij為第i個方案的第j個指標(biāo)屬性值。通過規(guī)范化處理后，決策矩陣A轉(zhuǎn)化為標(biāo)準(zhǔn)化決策矩陣X=（xij）n×m。假設(shè)評估對象m個屬性權(quán)重為wj =（w1，…wm）。則第n個評價方案的綜合值zj可以用公式（1）表示，具體計算公式如下：

（1）離差最大化法[13]是利用車站擁擠踩踏風(fēng)險評價指標(biāo)屬性值離散程度大小確定相應(yīng)的評價指標(biāo)權(quán)重。對于車站擁擠踩踏風(fēng)險評價而言，若某一個評價指標(biāo)的離散值差異較大，說明該評價指標(biāo)對車站風(fēng)險評價結(jié)果影響越大;反之，該評價指標(biāo)對評價結(jié)果影響越小。鑒于此，在滿足歸一化和權(quán)重約束原則的條件下，根據(jù)所有評價對象的所有評價指標(biāo)的總方差最大化原則，建立了地鐵車站擁擠踩踏風(fēng)險權(quán)重計算模型。該模型目標(biāo)函數(shù)如公式（2）所示，具體計算公式如下：

（2）式（2）中， D（w）表示對于所有評價指標(biāo)而言，所有評估方案的總離差;Dij（w）表示對于aj指標(biāo)而言，方案ai與其他所有評估方案的離差;xij為第i個方案的第j個指標(biāo)屬性值，xkj分別為第k個方案的第j個指標(biāo)屬性值;i =（1，2，…，n）是第i個方案;k =（1，2，…，n）是第k個方案;j =（1，2，…，m）是第j個評價指標(biāo);wj表示第j個評價指標(biāo)的權(quán)重。

4 實(shí)例分析

為驗(yàn)證離差最大化方法在評價地鐵車站擁擠踩踏事故風(fēng)險大小中的應(yīng)用效果，本文以8個地鐵車站為研究對象，對這些車站擁擠踩踏事故風(fēng)險大小進(jìn)行了分析與評價[10]。其中，各車站相關(guān)指標(biāo)的統(tǒng)計數(shù)據(jù)如表1所示。

在對指標(biāo)歸一化處理的基礎(chǔ)上，根據(jù)公式（2）求得各評價指標(biāo)的權(quán)重向量w=（0.149 ，0.151，0.153，0.142，0.138，0.137，0.130），并根據(jù)公式（1）計算出各個車站擁擠踩踏風(fēng)險評價值，并與基于熵權(quán)法的地鐵擁擠踩踏事故風(fēng)險評價進(jìn)行對比，結(jié)果見表2。

根據(jù)綜合值越大表明風(fēng)險越小的原則，基于離差最大化方法對8個地鐵車站擁擠踩踏事故風(fēng)險由小到大進(jìn)行排序，依次為車站6<車站3<車站8<車站7<車站4<車站5<車站1<車站2;基于熵權(quán)法對8個地鐵車站擁擠踩踏事故風(fēng)險由小到大進(jìn)行排序，依次為車站6<車站3<車站8<車站7<車站4<車站1<車站2<車站5。從評估結(jié)果可以看出：除車站1、車站2和車站5外，基于離差最大化和熵權(quán)法得到的各地鐵站擁擠踩踏風(fēng)險評估結(jié)果相同，說明本文建立的方法能夠?qū)Φ罔F車站擁擠踩踏風(fēng)險進(jìn)行分析及評價;同時，基于離差最大化的評價結(jié)果在車站1、車站2和車站5與文獻(xiàn)[10]基于組合權(quán)重的地鐵車站擁擠踩踏事故風(fēng)險評價結(jié)論一致，這也進(jìn)一步說明本文模型在地鐵擁擠踩踏風(fēng)險評估的有效性。

5 結(jié)語

地鐵車站擁擠踩踏事故風(fēng)險的分析及評價是地鐵運(yùn)營單位編制擁擠踩踏事故應(yīng)急預(yù)案的基礎(chǔ)，對于提高地鐵車站安全管理水平、保證地鐵正常運(yùn)轉(zhuǎn)等方面具有重要意義?？紤]到評價指標(biāo)權(quán)重在地鐵車站擁擠踩踏事故風(fēng)險評價中的重要作用，將地鐵擁擠踩踏風(fēng)險評價問題看作是多屬性決策問題，基于離差最大化的思想，本文利用離差最大化模型對地鐵車站擁擠踩踏事故風(fēng)險進(jìn)行評價。研究結(jié)果表明離差最大化方法能夠充分利用客觀信息評估車站擁擠踩踏風(fēng)險，降低主觀因素在地鐵車站擁擠踩踏事故風(fēng)險分析及評估中的不確定性。

參考文獻(xiàn)

[1]盧文剛，黃小珍. 城市地鐵踩踏事件應(yīng)急管理研究——基于2008-2017年典型案例的分析[J]. 中國應(yīng)急救援， 2017（4）：4-9.

[2]王艷，彭超，魏嘉池. 基于時空擁擠度的地鐵擁擠踩踏事故實(shí)時監(jiān)測預(yù)警系統(tǒng)[J]. 都市快軌交通，2018，31（1）：99-104.

[3]王起全. 地鐵擁擠踩踏事故脆弱性區(qū)域智能化預(yù)警研究[J]. 中國安全科學(xué)學(xué)報，2018，28（11）：166-171.

[4]朱昌鋒.基于DEA的城市軌道交通運(yùn)營安全評價與分析[J].蘭州交通大學(xué)學(xué)報，2010，29（3）：67-70.

[5]王志華. 地鐵車站運(yùn)營安全風(fēng)險評價研究[D]. 北京：北京交通大學(xué)，2012.

[6]王起全. 基于賦權(quán)關(guān)聯(lián)度算法的地鐵擁擠踩踏事故風(fēng)險研究[J]. 中國安全科學(xué)學(xué)報，2013（5）：95-101.

[7]佟瑞鵬，李春旭，鄭毛景. 擁擠踩踏事故風(fēng)險定量評價模型及其優(yōu)化分析[J]. 中國安全科學(xué)學(xué)報，2013，23（12）：90-94.

[8]劉艷，汪彤，丁輝. 地鐵車站擁擠踩踏事故風(fēng)險評價DEA模型研究[J]. 中國安全科學(xué)學(xué)報，2013，23（10）：100-104.

[9]角志達(dá)，宋瑞，劉星材. 城市軌道交通車站擁擠踩踏事故風(fēng)險評價[J]. 交通信息與安全，2015（2）：86-91.

[10] 霍宇芒，宋守信，顧一波. 基于組合權(quán)重的地鐵車站擁擠踩踏事故風(fēng)險評價[J]. 安全與環(huán)境工程，2016，23（5）：139-143.

[11]尹曉慶. 基于FFTA-FCE的地鐵站擁擠踩踏事故風(fēng)險評估[D].湖北武漢：武漢理工大學(xué)，2018.

[12]于恒，汪益敏，仇培云. 基于可拓理論的地鐵車站多風(fēng)險因素安全評價體系[J]. 交通工程，2019，19（2）：74-80.

[13]王應(yīng)明. 運(yùn)用離差最大化方法進(jìn)行多指標(biāo)決策與排序[J]. 系統(tǒng)工程與電子技術(shù)，1998（7）：24-26.

[14] 王起全. 基于賦權(quán)關(guān)聯(lián)度算法的地鐵擁擠踩踏事故風(fēng)險研究[J]. 中國安全科學(xué)學(xué)報，2013，23（5）：94-100.

[15]冉麗君，劉茂. 人群密度對人群擁擠事故的影響[J]. 安全與環(huán)境學(xué)報，2007，7（4）：135-138.

[16] 賈天耀，張波，孫春光，等. 地鐵車站增設(shè)人員流動物理干預(yù)設(shè)施安全風(fēng)險研究[J]. 現(xiàn)代城市軌道交通，2018（11）：59-62.

[17] 李子浩，田向亮，黎忠文，等. 基于客流規(guī)律的地鐵車站客流風(fēng)險分析[J]. 清華大學(xué)學(xué)報（自然科學(xué)版），2019（10）：854-860.

[18] 王校，景艷紅. 地鐵車站運(yùn)營安全風(fēng)險評價體系研究[J]. 城市建設(shè)理論研究，2019（15）：156.

[19] 曾明華，王旭，王轉(zhuǎn)敏，等. 基于模糊多態(tài)貝葉斯網(wǎng)絡(luò)的地鐵運(yùn)營風(fēng)險評估方法[J]. 城市軌道交通研究，2019（5）：28-33.

[20] 潘福全，泮海濤，亓榮杰，等. 地鐵密集人群風(fēng)險等級與預(yù)警標(biāo)準(zhǔn)研究[J]. 交通科技與經(jīng)濟(jì)，2019（5）：6-11，19.

[21] 梁修誠，李曄，李文翔. 基于公交卡數(shù)據(jù)的地鐵站點(diǎn)客流集聚風(fēng)險評價研究[J]. 綜合運(yùn)輸，2019（9）：64-69.

[22] Jie Wang， Gui-wu Wei， Cun Wei， et al. Maximizing deviation method for multiple attribute decision making under q-rung orthopair fuzzy environment [J]. Defence Technology，2019（12）：1-15.

[23] 黃小珍. 基于模糊綜合評價法的城市地鐵踩踏事件應(yīng)急能力評價——以廣州地鐵為例[D]. 廣東廣州：暨南大學(xué)，2017.

收稿日期 2019-12-19

責(zé)任編輯 胡姬