李 偉副教授 王甜甜 張 偉,2

(1.首都經(jīng)濟(jì)貿(mào)易大學(xué) 管理工程學(xué)院，北京 100070；2.北京市地鐵運(yùn)營有限公司，北京 100044)

0 引言

李為為等[1]對影響地鐵安全運(yùn)營的人、車輛、軌道、供電、信號等主要原因進(jìn)行了探討，提出“人—車—軌道—安全管理”的安全運(yùn)營系統(tǒng)及應(yīng)急救援體系相結(jié)合的對策；代寶乾等[2]確定了地鐵火災(zāi)、列車脫軌、擁擠踩踏等危險(xiǎn)有害因素，并指出地鐵事故受內(nèi)、外部2大因素的影響；李銘輝[3]運(yùn)用系統(tǒng)安全分析方法辨識了地鐵運(yùn)營中的危險(xiǎn)因素，接著用定性和定量相結(jié)合的分析和評價(jià)方法，探索了適合我國的地鐵運(yùn)營安全綜合評價(jià)；韓豫等[4]運(yùn)用脆弱性理論和耗散結(jié)構(gòu)理論，以干擾、暴露和脆弱性為致因要素，建立事故演化模型，構(gòu)建了地鐵系統(tǒng)的脆弱鏈模型；萬欣等[5]將Petri網(wǎng)與模糊數(shù)學(xué)相結(jié)合，提煉乘客異常行為導(dǎo)致地鐵運(yùn)營事故的形成機(jī)理，進(jìn)而得出乘客行為影響地鐵運(yùn)營的關(guān)鍵路徑；曾明華等[6]在考慮地鐵運(yùn)營安全各影響因素相互關(guān)系的基礎(chǔ)上，綜合利用ISM和模糊多態(tài)貝葉斯網(wǎng)絡(luò)實(shí)現(xiàn)了對地鐵運(yùn)營安全的風(fēng)險(xiǎn)預(yù)測；Azadeh A等[7]通過將AHP與數(shù)據(jù)包絡(luò)分析法相結(jié)合，提出了地鐵運(yùn)營集成模型，并將其應(yīng)用于地鐵運(yùn)營系統(tǒng)中的風(fēng)險(xiǎn)分析，以期找出主要風(fēng)險(xiǎn)因素，對運(yùn)營過程的安全管理進(jìn)行優(yōu)化；Jae Seong等[8]通過分析地鐵運(yùn)營火災(zāi)安全事故，研究了屏蔽門在火災(zāi)事故中所起的作用,提出了應(yīng)對火災(zāi)發(fā)生的相應(yīng)預(yù)防措施；Min An等[9]認(rèn)為要合理運(yùn)用層次分析法以及三角模糊數(shù)來獲取各指標(biāo)權(quán)重，避免主觀因素對指標(biāo)賦權(quán)產(chǎn)生影響而造成偏差。這些研究對地鐵運(yùn)營安全起到重要作用，但其研究多是宏觀層面的，對于事故水平的劃分也主要是靠現(xiàn)場經(jīng)驗(yàn)確定。本研究將基于地鐵運(yùn)營事故處理記錄，就事故本身探尋其客觀規(guī)律性。在北京地鐵事故處理數(shù)據(jù)統(tǒng)計(jì)分析的基礎(chǔ)上，從人、列車、環(huán)境等因素進(jìn)行系統(tǒng)聚類，獲取特征性的事故分類并對比其結(jié)果，從不同角度探究北京地鐵運(yùn)營事故的發(fā)生模式與危險(xiǎn)因素，為揭示各種地鐵運(yùn)營事故的發(fā)生機(jī)理和修訂相應(yīng)政策提供科學(xué)依據(jù)。

1 地鐵運(yùn)營事故研究因素的提取

1.1 數(shù)據(jù)來源

本研究數(shù)據(jù)來源于北京市地鐵年度安全生產(chǎn)責(zé)任保險(xiǎn)案件報(bào)表，調(diào)取2017年11月1日到2018年10月31日期間的北京地鐵事故數(shù)據(jù)，共計(jì)1180起事故。為滿足分析的要求，排除有缺失項(xiàng)及無法認(rèn)定的記錄后，將每起事故中主要責(zé)任人的事故記錄信息納入分析，共946條事故主要責(zé)任人記錄。本研究中“事故主要責(zé)任人”定義為數(shù)據(jù)庫條目中事故涉及人的事故責(zé)任定性為“全部”或“主要”；若同一事故中出現(xiàn)多于一條事故責(zé)任定性為“不同”的事故記錄，則按照新事故紀(jì)錄加以處理。

1.2 研究因素的提取及分析

本研究基于一般程序處理事故記錄的內(nèi)容，同時(shí)考慮地鐵傷害的危險(xiǎn)因素，選取數(shù)據(jù)庫中性別、年齡、時(shí)間、具體位置、事件原因、傷害類型等因素作為聚類分析的外顯變量，采用系統(tǒng)聚類[10]中的樣品聚類(Q型聚類)，樣本之間的差距用平方歐氏距離表示，類別之間的差距用離差平方和表示，聚類方法采用瓦爾德法。根據(jù)地鐵運(yùn)營各事故的概率分布情況，選擇3種主要傷害類型同時(shí)作為因變量，性別、年齡、時(shí)間、具體位置、事件原因?yàn)樽宰兞糠謩e進(jìn)行聚類，然后比較模型聚類結(jié)果中的主要特征變量，進(jìn)行模型結(jié)果擇優(yōu)。本研究的系統(tǒng)聚類采用SPSS 23.0完成。

2 聚類結(jié)果分析

2.1 北京地鐵運(yùn)營事故的統(tǒng)計(jì)描述性分析

本研究共納入946條事故責(zé)任人信息，經(jīng)初步統(tǒng)計(jì)表明：在8種傷害類型中，電梯傷害、摔傷、夾傷共占比88.58%，可視為地鐵傷害的3種主要傷害類型，如下圖。故將分別以這3種傷害結(jié)局為因變量，進(jìn)行系統(tǒng)聚類分析。

各責(zé)任人特征在傷害類型組間的分布，見表1，除性別因素在組間無差異外，其他研究因素在傷害類型組間均有統(tǒng)計(jì)學(xué)差異(表1中“事件原因”特征的24個(gè)具體內(nèi)容沒有列出)。

圖 2018年度地鐵運(yùn)營事故分布

2.2 模型擬合結(jié)果

以年齡、時(shí)間、具體位置、事件原因?yàn)樽兞?，分別對電梯傷害、摔傷、夾傷的所有事故信息進(jìn)行系統(tǒng)聚類，其計(jì)算方法和計(jì)算過程將不再贅述。最后根據(jù)各自的聚類樹狀圖及實(shí)際情況，得出了各自的聚類數(shù)目：電梯傷害取5類為最佳；摔傷取5類為最佳；夾傷取4類為最佳。3種聚類結(jié)果的類別概率與條件概率分布下面詳細(xì)討論。分類結(jié)果將按類別概率從大到小排列，按條件概率進(jìn)行特征命名。

表1 地鐵運(yùn)營事故特征描述性結(jié)果

2.2.1 電梯傷害聚類結(jié)果

電梯傷害的5個(gè)類別概率中前2個(gè)類別貢獻(xiàn)了52%的事故概率。分析事故特征的條件概率結(jié)果，見表2。

式(13)說明，MDCFT結(jié)果呈二維周期性，調(diào)頻率維周期為N，頻率維周期為N2，參數(shù)估計(jì)將會出現(xiàn)模糊，將會影響目標(biāo)的運(yùn)動(dòng)補(bǔ)償效果。假設(shè)有調(diào)頻斜率u1，u2且Δu=u1-u2，當(dāng)Δu=N2時(shí)MDCFT的參數(shù)估計(jì)結(jié)果將出現(xiàn)模糊，由式(13)可計(jì)算出足夠引起參數(shù)估計(jì)產(chǎn)生模糊的最低速度為1 500 000 m/s，該值遠(yuǎn)遠(yuǎn)超過實(shí)際目標(biāo)的速度，因此頻率步進(jìn)雷達(dá)參數(shù)估計(jì)模糊問題不予考慮。

(1)各分類均以女性為主(條件概率>58%)。

(2)年齡<29歲和事件原因中行走分神、家長看管不利、緊急制動(dòng)等變量的條件概率均低于0.2，表2中不予列出。

(3)類別概率最大的兩類，條件概率最大的事故原因分別為“行李原因”及“未扶穩(wěn)摔倒”。

(4)分析單個(gè)變量的條件概率，從年齡分布可以看出，第2、3類別均以>60歲的老年人為主；從時(shí)間變量的條件概率來看，第1、2類事故高峰期出現(xiàn)在下午，這顯然與早晚高峰的“雙峰形”的客流規(guī)律不相符合，這是由于近年來交通流量的快速增長，地鐵交通流量的波動(dòng)幅度范圍即交通流量的峰值和谷值之間的變化差距己經(jīng)變得不再明顯。

表2 電梯傷害類別概率和條件概率分布

2.2.2 摔傷聚類結(jié)果

摔傷的5個(gè)類別概率中前4個(gè)類別貢獻(xiàn)了92%的事故概率。分析事故特征的條件概率，見表3。

(1)引起摔傷的主要原因有：不慎摔倒、地面濕滑、行李原因、緊急制動(dòng)、老弱病殘?jiān)腥后w行動(dòng)不便、人多擁擠等，且類別概率最大的兩類主要事故原因的條件概率均包含變量“不慎摔倒”。

(2)分析單個(gè)變量的條件概率，從年齡的條件概率分布可以看出，第1類受害者以中老年為主，事故原因主要為“不慎摔倒”，而其余事故類別在老年人中的條件概率不足0.2；時(shí)間及具體位置變量的條件概率在各類別中有較明顯的區(qū)分度，如類別2主要發(fā)生在上午傍晚雙峰時(shí)間段，發(fā)生位置集中在站臺、站廳。

表3 摔傷類別概率和條件概率分布

2.2.3 夾傷聚類結(jié)果

夾傷的4個(gè)類別概率中前2個(gè)類別貢獻(xiàn)了76%的事故概率。分析事故特征的條件概率，見表4。

(1)引起夾傷的主要原因有：不慎夾到、行李原因、人多擁擠、上下車搶時(shí)間、閘機(jī)故障、站臺屏蔽門故障等，且類別概率最大的一類的主要事故原因的條件概率為變量“不慎夾到”。

(2)分析單個(gè)變量的條件概率，從年齡的條件概率分布可以看出，第1類受害者以<20和≥60歲群體為主，主要事故原因?yàn)椤安簧鲓A到”，發(fā)生時(shí)間為上下午雙峰段，集中在白天；第2類別的主要事故原因?yàn)椤吧舷萝嚀寱r(shí)間”，以50～59歲女性為主要特征，主要位置在站臺，可知多發(fā)生車門夾傷和屏蔽門夾傷。

表4 夾傷類別概率和條件概率分布

2.3 電梯傷害、摔傷、夾傷事故模式分析

根據(jù)類別概率的大小，將電梯傷害、摔傷及夾傷各類別(5、5、4類)按其特征進(jìn)行命名，見表5，結(jié)果表明：

(1)對于電梯傷害，中老年人群在上下午雙峰時(shí)間段因行李原因?qū)е碌氖鹿士捎糜谥攸c(diǎn)預(yù)防干預(yù)。進(jìn)一步分析發(fā)現(xiàn)，上下午雙峰時(shí)間段(8～11點(diǎn)、13～17點(diǎn))地鐵電梯人多擁擠，此類別人群由于年齡大行動(dòng)遲緩，攜帶大件行李乘坐電梯，容易對自身及他人都造成危害，因此，地鐵管理方面應(yīng)對此類人群嚴(yán)格安檢，嚴(yán)禁攜帶超長、笨重、妨礙通行等物品進(jìn)站。2、3類均為老年人群(≥60歲)，因此應(yīng)進(jìn)一步加強(qiáng)老年人群搭乘電梯安全知識的宣傳。

表5 聚類結(jié)果命名及各類別傷害構(gòu)成比(n,%)

(2)對于摔傷，各類別對傷害結(jié)局的貢獻(xiàn)以“中老年上下午雙峰樓梯不慎摔倒組”最大，“站臺及站廳地面濕滑組”次之，“中年上午行動(dòng)不便/人多擁擠組”最小。上下午雙峰時(shí)段，中老年人群行動(dòng)遲緩，易滯留于樓梯引發(fā)危害，因此雙峰時(shí)段應(yīng)加強(qiáng)地鐵工作人員的引導(dǎo)疏散，確保樓梯的暢行。第2類為“站臺及站廳地面濕滑組”，多發(fā)生于中年人群，除了這類人群出行基數(shù)大外，還多與乘客心理懈怠有關(guān)，防范措施為加強(qiáng)安檢，加大雨雪天氣工作人員的執(zhí)勤力度。

(3)對于夾傷事故，“老幼上下車不慎夾到組”類別概率為45.83%，對傷害貢獻(xiàn)最大，此類別事故多發(fā)生于老年或幼年人群，因年齡因素發(fā)生屏蔽門或車門夾傷，可采取重點(diǎn)關(guān)注弱勢群體的客流引導(dǎo)、乘車安全規(guī)則的普及教育等措施；第2類為“中年出行高峰上下車搶時(shí)間組”，中年人群在各出行高峰時(shí)段均易由于上下車搶時(shí)間而發(fā)生夾傷，且中年人群搶時(shí)間行為多于老年人群，受夾傷風(fēng)險(xiǎn)自然也高于其他群體。

以上分析結(jié)果可以為制定地鐵傷害的預(yù)防措施提供新的依據(jù)，如在電梯傷害預(yù)防中應(yīng)重點(diǎn)關(guān)注上、下午雙峰時(shí)段中老年群體攜帶不便行李的問題，嚴(yán)格安檢；對摔傷預(yù)防時(shí)應(yīng)重點(diǎn)關(guān)注雙峰時(shí)段客流疏導(dǎo)問題，規(guī)范乘客乘梯行為等；在夾傷預(yù)防中應(yīng)加強(qiáng)對弱勢群體的關(guān)注，對于幼、老齡乘客為確保其安全可采取強(qiáng)制性家屬陪同措施等。

3 結(jié)論

本研究采用系統(tǒng)聚類方法對北京地鐵傷害事故數(shù)據(jù)進(jìn)行分析，將3種主要傷害類型進(jìn)行聚類，各類別在時(shí)間、年齡、具體位置、事故原因等方面各有區(qū)分。從研究結(jié)果來看，將年齡、時(shí)間、具體位置等多個(gè)因素納入系統(tǒng)聚類分析，提供的新組合事故類別使得不同時(shí)間、不同位置中傷害發(fā)生的危險(xiǎn)性更清晰，可用于重點(diǎn)預(yù)防干預(yù)。但從地鐵事故處理記錄看，大部分事故原因被歸因于其他，故應(yīng)完善地鐵運(yùn)營事故統(tǒng)計(jì)及分析工作，摸索和研究事故發(fā)生的規(guī)律，進(jìn)而預(yù)防事故的發(fā)生。地鐵運(yùn)營事故致因因素包括人、列車、線路、環(huán)境等，本文對各因素之間的耦合關(guān)系進(jìn)行了深入研究。然而隨著地鐵運(yùn)營的不斷發(fā)展，風(fēng)險(xiǎn)源的形成也越來越復(fù)雜，僅探索致因因素顯然不夠，以后需進(jìn)一步對各因素之間背后的相互耦合規(guī)律進(jìn)行研究。