許 未，何世偉，劉朝輝，王沂棟，王夢瑤，毛偉文

（北京交通大學(xué) 交通運(yùn)輸學(xué)院，北京 100044)

0 引言

鐵路系統(tǒng)安全需要從人員、設(shè)備和復(fù)雜的內(nèi)外部環(huán)境等多方面進(jìn)行管控，當(dāng)前對(duì)事故的致因分析大多基于專家經(jīng)驗(yàn)構(gòu)建事故模型，主要有順序事故模型、傳染病事故模型和系統(tǒng)化事故模型等[1-2]，分析結(jié)果的優(yōu)劣往往取決于模型及其假設(shè)與實(shí)際事故的符合情況。鐵路事故致因復(fù)雜且種類繁多，在系統(tǒng)結(jié)構(gòu)復(fù)雜性和非線性背景下，研究不同致因因素的重要程度和各致因因素間的內(nèi)在聯(lián)系并提出相應(yīng)的管控措施，對(duì)保障鐵路的運(yùn)營安全具有重要意義。

利用關(guān)聯(lián)規(guī)則挖掘可以快速分析事物之間的強(qiáng)弱關(guān)系。楊劍紅[3]基于數(shù)據(jù)挖掘理論，利用Apriori算法在Weka平臺(tái)上挖掘道路交通事故數(shù)據(jù)間的聯(lián)系；楊余壘[4]將改進(jìn)的Apriori算法應(yīng)用到高血壓患者的體檢數(shù)據(jù)處理中，挖掘符合醫(yī)學(xué)規(guī)律的關(guān)聯(lián)規(guī)則，準(zhǔn)確判斷高血壓患者的心血管風(fēng)險(xiǎn)水平，為實(shí)現(xiàn)自動(dòng)化判診提供理論基礎(chǔ)。網(wǎng)絡(luò)化分析方法是探索復(fù)雜系統(tǒng)內(nèi)部特征的有效手段。王亞浩等[5]和曾俊偉等[6]基于復(fù)雜網(wǎng)絡(luò)理論分別構(gòu)建鐵路客運(yùn)復(fù)雜網(wǎng)絡(luò)模型和公共交通站點(diǎn)復(fù)雜網(wǎng)絡(luò)模型，通過分析相關(guān)拓?fù)鋮?shù)對(duì)網(wǎng)絡(luò)可靠性展開研究；Fan等[7]基于復(fù)雜網(wǎng)絡(luò)理論提出一種新型的有人機(jī)與無人機(jī)協(xié)同作戰(zhàn)網(wǎng)絡(luò)模型的構(gòu)建方法，并通過分析網(wǎng)絡(luò)拓?fù)鋮?shù)評(píng)估協(xié)同作戰(zhàn)效果。

在既有研究的基礎(chǔ)上，結(jié)合關(guān)聯(lián)規(guī)則挖掘和復(fù)雜網(wǎng)絡(luò)理論，對(duì)大量鐵路事故調(diào)查報(bào)告進(jìn)行預(yù)處理，挖掘鐵路事故致因關(guān)聯(lián)規(guī)則并確定致因間的相互關(guān)系，基于關(guān)聯(lián)規(guī)則挖掘結(jié)果構(gòu)建鐵路事故致因網(wǎng)絡(luò)并分析網(wǎng)絡(luò)拓?fù)涮卣?，從而高效處理繁雜的鐵路事故數(shù)據(jù)，挖掘事故發(fā)生的內(nèi)在機(jī)制和潛在規(guī)律，輔助鐵路安全監(jiān)管決策。

1 基于關(guān)聯(lián)規(guī)則的鐵路事故致因網(wǎng)絡(luò)構(gòu)建與分析方法

1.1 建立鐵路事故致因數(shù)據(jù)集

基于關(guān)聯(lián)規(guī)則的鐵路事故致因網(wǎng)絡(luò)構(gòu)建與分析方法主要分為以下3個(gè)步驟：①數(shù)據(jù)預(yù)處理，確定鐵路事故致因因素，并通過文本提取建立鐵路事故致因數(shù)據(jù)集；②利用Apriori算法挖掘因素間的強(qiáng)關(guān)聯(lián)規(guī)則；③結(jié)合復(fù)雜網(wǎng)絡(luò)理論，構(gòu)建鐵路事故致因網(wǎng)絡(luò)，并劃分網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)和計(jì)算網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)指標(biāo)，得到網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)和節(jié)點(diǎn)間的相互關(guān)系。基于關(guān)聯(lián)規(guī)則的鐵路事故致因網(wǎng)絡(luò)構(gòu)建與分析過程如圖1所示。

圖1 基于關(guān)聯(lián)規(guī)則的鐵路事故致因網(wǎng)絡(luò)構(gòu)建與分析過程Fig.1 Process of constructing and analyzing the railway accident causation network based on association rules

鐵路事故調(diào)查報(bào)告詳細(xì)記錄了事故概況、事故過程、原因分析和所暴露的問題等對(duì)鐵路事故進(jìn)行分類，通過分析典型事故報(bào)告，從人、機(jī)、環(huán)、管4個(gè)方面確定鐵路事故致因因素?；趐ython語言利用正則表達(dá)式找到事故調(diào)查報(bào)告中的“原因分析”和“暴露問題”等段落，將致因因素拆解為相關(guān)的關(guān)鍵字，對(duì)重點(diǎn)段落的內(nèi)容進(jìn)行關(guān)鍵字抓取，從而得到每起事故的致因因素，建立鐵路事故致因數(shù)據(jù)集。

1.2 挖掘鐵路事故致因關(guān)聯(lián)規(guī)則

鐵路系統(tǒng)內(nèi)一個(gè)或多個(gè)因素的非正常狀態(tài)會(huì)對(duì)其相關(guān)聯(lián)的因素產(chǎn)生影響，影響逐步蔓延致使風(fēng)險(xiǎn)不斷積累與傳播，最終可能導(dǎo)致事故的發(fā)生。這個(gè)過程涉及到了眾多因素，部分因素間關(guān)系緊密且當(dāng)這些因素同時(shí)故障時(shí)，很容易導(dǎo)致某種特定事故的發(fā)生，這就需要挖掘因素間的關(guān)聯(lián)關(guān)系。關(guān)聯(lián)規(guī)則挖掘會(huì)得到大量因素之間的關(guān)聯(lián)，為接下來鐵路事故致因網(wǎng)絡(luò)的構(gòu)建和分析做準(zhǔn)備。

記某起鐵路事故的事故類型及其全部致因因素的集合為一個(gè)事務(wù)T，D為鐵路事故致因數(shù)據(jù)集中所有事務(wù)的個(gè)數(shù)，X表示一個(gè)非空項(xiàng)集，且X?T。關(guān)聯(lián)規(guī)則是形如X?Y的蘊(yùn)含式，表示項(xiàng)集X和項(xiàng)集Y間的關(guān)聯(lián)關(guān)系，其中X為關(guān)聯(lián)規(guī)則的前項(xiàng)，Y為后項(xiàng)，且X∩Y= ?。通常采用支持度(Support)和置信度(Confidence) 2個(gè)指標(biāo)作為關(guān)聯(lián)規(guī)則的衡量標(biāo)準(zhǔn)，關(guān)聯(lián)規(guī)則的頻繁程度和強(qiáng)度分別可以表示為

式中：Support(X?Y)為X?Y的支持度，滿足最小支持度閾值的關(guān)聯(lián)規(guī)則的項(xiàng)集又稱為頻繁項(xiàng)集；Confidence(X?Y)為X?Y的置信度；σ(X)為所有事務(wù)中包含項(xiàng)集X的個(gè)數(shù)；σ({X，Y})為所有事務(wù)中同時(shí)包含項(xiàng)集X和Y的個(gè)數(shù)。

由于通過支持度和置信度挖掘得到的關(guān)聯(lián)規(guī)則中，存在前后項(xiàng)呈負(fù)相關(guān)的情況，采用提升度(Lift)反映關(guān)聯(lián)規(guī)則中前項(xiàng)和后項(xiàng)之間的相關(guān)性，當(dāng)Lift(X?Y) ＞ 1時(shí)，X出現(xiàn)和Y出現(xiàn)是正相關(guān)的，即X出現(xiàn)促使Y出現(xiàn)。關(guān)聯(lián)規(guī)則的提升度可以表示為

式中：Lift(X?Y)為X?Y的支持度；P(Y)為所有事務(wù)中包含項(xiàng)集Y的比例；P(Y|X)為所有事務(wù)包含項(xiàng)集X的同時(shí)包含項(xiàng)集Y的比例。

Apriori算法是挖掘布爾關(guān)聯(lián)規(guī)則的經(jīng)典算法[8]，該算法使用逐層搜索迭代的方式，通過低維頻繁項(xiàng)集產(chǎn)生高維頻繁項(xiàng)集，主要包括頻繁項(xiàng)集的產(chǎn)生和強(qiáng)關(guān)聯(lián)規(guī)則的生成2個(gè)階段?？衫肁priori算法進(jìn)行鐵路事故致因關(guān)聯(lián)規(guī)則挖掘，算法主要流程如下。

（1）設(shè)定最小支持度、最小置信度和最小提升度的閾值。

（2）掃描鐵路事故致因數(shù)據(jù)集，產(chǎn)生候選1-項(xiàng)集的集合C1，并根據(jù)最小支持度閾值，由C1產(chǎn)生頻繁1-項(xiàng)集L1。

（3）由L1自連接產(chǎn)生候選2-項(xiàng)集C2，得到滿足最小支持度閾值的頻繁2-項(xiàng)集L2。重復(fù)該過程，直到算法進(jìn)行到第k次循環(huán)并產(chǎn)生頻繁k-項(xiàng)集Lk后，無法進(jìn)一步產(chǎn)生Ck+1，由此獲得全部的頻繁項(xiàng)集。

（4）根據(jù)最小置信度和提升度閾值，產(chǎn)生鐵路事故致因的強(qiáng)關(guān)聯(lián)規(guī)則。

1.3 鐵路事故致因網(wǎng)絡(luò)分析

1.3.1 鐵路事故致因網(wǎng)絡(luò)構(gòu)建

在關(guān)聯(lián)規(guī)則挖掘過程中已經(jīng)過濾掉了較不重要的事故致因、事故類型及這些因素間的弱關(guān)聯(lián)關(guān)系，鐵路事故致因網(wǎng)絡(luò)的構(gòu)建分為3個(gè)步驟：①將所有強(qiáng)關(guān)聯(lián)規(guī)則的前項(xiàng)和后項(xiàng)表示為網(wǎng)絡(luò)中的節(jié)點(diǎn)，根據(jù)項(xiàng)集的實(shí)際含義，可將節(jié)點(diǎn)劃分為人因?qū)?、設(shè)備層、環(huán)境層、管理層、事故類型層和組合層6種類型；②每條強(qiáng)關(guān)聯(lián)規(guī)則中，前項(xiàng)和后項(xiàng)間的關(guān)系表示為節(jié)點(diǎn)間的邊；③選擇關(guān)聯(lián)規(guī)則的提升度作為邊的權(quán)重，提升度＞1的規(guī)則表示因素間正向相關(guān)，值越大則相關(guān)性越大。

1.3.2 網(wǎng)絡(luò)社團(tuán)劃分

復(fù)雜網(wǎng)絡(luò)中的節(jié)點(diǎn)可以劃分為組，組內(nèi)節(jié)點(diǎn)之間的聯(lián)系更為緊密，而組間節(jié)點(diǎn)間的連接較為稀疏?；谀K度的Louvain算法是一種常用的社區(qū)檢測算法[9]，該算法以最大化整個(gè)社區(qū)網(wǎng)絡(luò)的模塊度為目標(biāo)，劃分效率較高。借助復(fù)雜網(wǎng)絡(luò)分析軟件進(jìn)行網(wǎng)絡(luò)社團(tuán)劃分。

1.3.3 網(wǎng)絡(luò)拓?fù)涮卣?/p>

復(fù)雜網(wǎng)絡(luò)呈現(xiàn)特定的拓?fù)涮卣?，表征著網(wǎng)絡(luò)的連通性、相互作用和動(dòng)態(tài)過程。通過分析鐵路事故致因網(wǎng)絡(luò)拓?fù)涮卣?，可挖掘網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)及節(jié)點(diǎn)間的相互關(guān)系，實(shí)現(xiàn)對(duì)大量鐵路事故數(shù)據(jù)的高效處理和分析。網(wǎng)絡(luò)拓?fù)涮卣飨嚓P(guān)統(tǒng)計(jì)指標(biāo)如下。

（1）節(jié)點(diǎn)的度。節(jié)點(diǎn)的度指與該節(jié)點(diǎn)相鄰的所有節(jié)點(diǎn)的數(shù)目，節(jié)點(diǎn)的度越大，表示節(jié)點(diǎn)對(duì)周圍節(jié)點(diǎn)的影響力越大，一定程度上表征節(jié)點(diǎn)的重要性越大。

（2）網(wǎng)絡(luò)直徑和平均路徑長度。2點(diǎn)間最短路上邊的數(shù)量為節(jié)點(diǎn)間的距離，網(wǎng)絡(luò)直徑指所有節(jié)點(diǎn)對(duì)間距離的最大值，網(wǎng)絡(luò)中任意2點(diǎn)間距離的平均值稱為平均路徑長度，表明網(wǎng)絡(luò)間節(jié)點(diǎn)的分離程度。

（3）聚類系數(shù)。聚類系數(shù)指某觀察點(diǎn)的鄰點(diǎn)之間連線數(shù)占預(yù)期最大連線數(shù)量的比例，衡量該點(diǎn)將鄰點(diǎn)緊密聚集成團(tuán)的程度，較高的聚集系數(shù)意味著該觀察點(diǎn)的鄰點(diǎn)之間存在更高程度的交互關(guān)系。

（4）節(jié)點(diǎn)緊密度。節(jié)點(diǎn)緊密度衡量一個(gè)節(jié)點(diǎn)通過網(wǎng)絡(luò)連接其他節(jié)點(diǎn)的能力，反映了網(wǎng)絡(luò)的整體通達(dá)性。相較于節(jié)點(diǎn)的度，這一指標(biāo)更具有全局性。

2 案例分析

以實(shí)際鐵路事故數(shù)據(jù)為例，搜集2016—2018年共2 618起鐵路事故調(diào)查報(bào)告，建立相應(yīng)的鐵路事故致因數(shù)據(jù)集和鐵路事故致因網(wǎng)絡(luò)，挖掘關(guān)鍵致因和因素間的關(guān)聯(lián)特性。

2.1 建立鐵路事故致因因素?cái)?shù)據(jù)集

參考《鐵路交通事故調(diào)查處理規(guī)則》中對(duì)事故的分類方法，將主要鐵路事故分為列車碰撞或擠壓(A01)、列車火災(zāi)或爆炸(A02)、列車或車輛脫軌(A03)、列車延誤(A04)、列車錯(cuò)誤進(jìn)入?yún)^(qū)段或線路(A05)、未按規(guī)定接發(fā)列車(A06)、未按規(guī)定行車(A07)、列車分離(A08)、設(shè)備故障或損壞(A09)、未按規(guī)定作業(yè)(A10)10類。同時(shí)選取300份典型鐵路事故調(diào)查報(bào)告進(jìn)行分析，提取71個(gè)鐵路事故致因因素，建立鐵路事故致因因素集如表1所示。

在表1基礎(chǔ)上對(duì)所有鐵路事故調(diào)查報(bào)告進(jìn)行文本提取，除去因調(diào)查報(bào)告本身格式問題等原因?qū)е伦ト∈〉?65起事故報(bào)告外，最終得到總計(jì)2 453起事故的致因因素，抓取成功率達(dá)93.70%。將抓取結(jié)果儲(chǔ)存在數(shù)據(jù)集中，部分鐵路事故致因數(shù)據(jù)集示例如表2所示。

表1 鐵路事故致因因素集Tab.1 Set of railway accident causes

表2 部分鐵路事故致因數(shù)據(jù)集示例Tab.2 Example of the data set of railway accident causes

2.2 挖掘鐵路事故致因關(guān)聯(lián)規(guī)則

設(shè)定最小支持度閾值為0.025，最小置信度閾值為0.1，最小提升度閾值為1，并將最大前項(xiàng)數(shù)設(shè)置為2。利用Apriori算法得到455條強(qiáng)關(guān)聯(lián)規(guī)則。其中，84.8%的關(guān)聯(lián)規(guī)則的支持度介于0.025 ～ 0.06之間，“{安全培訓(xùn)不到位(M02)}?{列車延誤(A04)}”的支持度最大，值為0.188；82.2%的關(guān)聯(lián)規(guī)則的置信度較為均勻地分布在0.1 ～0.6之間，之后隨著置信度的提升規(guī)則的數(shù)量逐漸減少，“{翻車作業(yè)操作不當(dāng)(H28)，鋼軌狀態(tài)不良(Eq10)}?{列車或車輛脫軌(A03)}”的置信度最大，值為1；同時(shí)74.9%的關(guān)聯(lián)規(guī)則的提升度都介于1 ～ 2.25之間。強(qiáng)關(guān)聯(lián)規(guī)則體現(xiàn)了鐵路系統(tǒng)內(nèi)較為重要的因素及因素間緊密的聯(lián)系，給鐵路系統(tǒng)的安全帶來了隱患。455條關(guān)聯(lián)規(guī)則的支持度、置信度和提升度散點(diǎn)圖如圖2所示，提升度排名前5的關(guān)聯(lián)規(guī)則如表3所示。

2.3 鐵路事故致因網(wǎng)絡(luò)分析

2.3.1 鐵路事故致因網(wǎng)絡(luò)構(gòu)建

圖2 455條關(guān)聯(lián)規(guī)則的支持度、置信度和提升度散點(diǎn)圖Fig.2 Support, confidence and lift of 455 association rules

基于強(qiáng)關(guān)聯(lián)規(guī)則可以確定118個(gè)節(jié)點(diǎn)及它們間的相互關(guān)系，構(gòu)建鐵路事故致因網(wǎng)絡(luò)如圖3所示。該網(wǎng)絡(luò)共包含118個(gè)節(jié)點(diǎn)和334條邊，其中包含16個(gè)人因?qū)庸?jié)點(diǎn)、12個(gè)設(shè)備層節(jié)點(diǎn)、2個(gè)環(huán)境層節(jié)點(diǎn)、5個(gè)管理層節(jié)點(diǎn)、79個(gè)組合層節(jié)點(diǎn)和4個(gè)事故類型節(jié)點(diǎn)。邊的權(quán)重為相應(yīng)規(guī)則提升度的大小，在圖3上表示為邊的厚度。

表3 提升度排名前5的關(guān)聯(lián)規(guī)則Tab.3 Top 5 association rules by lift

圖3 鐵路事故致因網(wǎng)絡(luò)Fig.3 Railway accident causation network

對(duì)除事故類型節(jié)點(diǎn)外的各層節(jié)點(diǎn)進(jìn)行合并精簡后，得到精簡化鐵路事故致因網(wǎng)絡(luò)如圖4所示，合并后邊的權(quán)重即為原網(wǎng)絡(luò)各邊的權(quán)重之和。由圖4可以看出，組合層、人因?qū)雍驮O(shè)備層節(jié)點(diǎn)處于重要地位，與其他節(jié)點(diǎn)關(guān)系更為緊密，而環(huán)境層節(jié)點(diǎn)僅與A04產(chǎn)生了關(guān)聯(lián)。4個(gè)事故類型節(jié)點(diǎn)中，A01和A04與各層致因節(jié)點(diǎn)連接頻繁，而A09僅與設(shè)備層節(jié)點(diǎn)產(chǎn)生了關(guān)聯(lián)，說明A09類型事故的發(fā)生主要受設(shè)備層致因因素的影響。

圖4 精簡化鐵路事故致因網(wǎng)絡(luò)Fig.4 Simplified railway accident causation network

2.3.2 社團(tuán)劃分

借助復(fù)雜網(wǎng)絡(luò)分析軟件Pajek中的社區(qū)檢測功能對(duì)鐵路事故致因網(wǎng)絡(luò)進(jìn)行分析，得到社團(tuán)劃分結(jié)果如表4所示。該網(wǎng)絡(luò)有較明顯的社團(tuán)結(jié)構(gòu)，各社團(tuán)內(nèi)部的節(jié)點(diǎn)聯(lián)系更為緊密，更容易相互觸發(fā)，從而導(dǎo)致事故的發(fā)生。同時(shí)可以看出各社團(tuán)中節(jié)點(diǎn)類別不單一，且除社團(tuán)7外均包含人因?qū)庸?jié)點(diǎn)，但環(huán)境層節(jié)點(diǎn)出現(xiàn)比例較小，為非必需因素，因而鐵路運(yùn)輸系統(tǒng)內(nèi)部因素應(yīng)為防控重點(diǎn)。

2.3.3 網(wǎng)絡(luò)拓?fù)涮卣鞣治?/p>

（1）節(jié)點(diǎn)的度。鐵路事故致因網(wǎng)絡(luò)的累計(jì)度分布服從y= 1.384 2×x-0.990(R2= 0.968)的冪律分布，節(jié)點(diǎn)的平均度為5.7，低于平均度的節(jié)點(diǎn)比例高達(dá)76.3%，少部分度較大的節(jié)點(diǎn)與大多數(shù)節(jié)點(diǎn)都有關(guān)，是在安全管控中比較值得注意的因素。節(jié)點(diǎn)的度不低于10的節(jié)點(diǎn)如圖5所示。由圖5可知，M02，H04，Eq09是其所屬致因?qū)又卸茸畲蟮墓?jié)點(diǎn)，A04為節(jié)點(diǎn)度最大的事故類型。這些度較大的節(jié)點(diǎn)散落在各個(gè)社團(tuán)，也是各自所屬社團(tuán)中的重要節(jié)點(diǎn)。通過計(jì)算發(fā)現(xiàn)組合層節(jié)點(diǎn)的度普遍較低，這是由于特定因素組合對(duì)網(wǎng)絡(luò)中其他節(jié)點(diǎn)所產(chǎn)生的影響更為專一化，導(dǎo)致其僅與少數(shù)節(jié)點(diǎn)產(chǎn)生了關(guān)聯(lián)。這些度較大的節(jié)點(diǎn)如果得到有效控制和防護(hù)，網(wǎng)絡(luò)將變得十分脆弱并且將分解為若干個(gè)小的子網(wǎng)絡(luò)，從而使致因間的相互影響能力大幅降低，提高整個(gè)系統(tǒng)的安全性。

表4 社團(tuán)劃分結(jié)果Tab.4 Results of community division

圖5 節(jié)點(diǎn)的度不低于10的節(jié)點(diǎn)Fig.5 Nodes with degree not less than 10

（2）網(wǎng)絡(luò)直徑與平均路徑長度。鐵路事故致因網(wǎng)絡(luò)的網(wǎng)絡(luò)直徑為5，平均路徑長度為2.634，意味著該網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)平均2.6步就可以與另外一個(gè)節(jié)點(diǎn)產(chǎn)生較強(qiáng)的關(guān)聯(lián)。不同類型節(jié)點(diǎn)與關(guān)鍵事故節(jié)點(diǎn)間的平均路徑長度如圖6所示。經(jīng)分析，可知人因?qū)印⒐芾韺雍驮O(shè)備層節(jié)點(diǎn)更易導(dǎo)致事故發(fā)生，且A04 (列車延誤)到各層節(jié)點(diǎn)的平均距離都較小，是最容易被觸發(fā)的事故類型。

圖6 不同類型節(jié)點(diǎn)與關(guān)鍵事故類型節(jié)點(diǎn)間的平均路徑長度Fig.6 Average path length between different types of nodes and key accident nodes

（3）聚類系數(shù)。鐵路事故致因網(wǎng)絡(luò)的平均聚類系數(shù)為0.644，節(jié)點(diǎn)聚集程度較高。當(dāng)某些聚類系數(shù)較低的單因素組合發(fā)生時(shí)，其聚類系數(shù)會(huì)迅速增大，如M07和H04，因而組合層節(jié)點(diǎn)普遍聚類系數(shù)較高，除組合層節(jié)點(diǎn)外聚類系數(shù)大于0.5的節(jié)點(diǎn)如圖7所示。這些聚類系數(shù)較大的節(jié)點(diǎn)一旦發(fā)生異常，很容易導(dǎo)致其鄰居節(jié)點(diǎn)狀態(tài)的改變，從而引起網(wǎng)絡(luò)的連鎖反應(yīng)并導(dǎo)致事故的發(fā)生。

圖7 除組合層節(jié)點(diǎn)外聚類系數(shù)大于0.5的節(jié)點(diǎn)Fig.7 Nodes with clustering coefficient larger than 0.5 besides combination layer

（4）節(jié)點(diǎn)緊密度。鐵路事故致因網(wǎng)絡(luò)的平均節(jié)點(diǎn)緊密度為0.389，緊密度排名前20的節(jié)點(diǎn)如圖8所示。發(fā)現(xiàn)管理層節(jié)點(diǎn)緊密度普遍較高，除A04外，緊密度排名前3的節(jié)點(diǎn)分別為M02，M07，M04，這也間接說明管理層節(jié)點(diǎn)對(duì)網(wǎng)絡(luò)中其他節(jié)點(diǎn)間接施加影響的能力更大，往往是鐵路事故發(fā)生的根源所在。

綜上所述，鐵路事故致因網(wǎng)絡(luò)的拓?fù)涮卣骺偨Y(jié)如下。①網(wǎng)絡(luò)存在著核心節(jié)點(diǎn)。列車延誤、列車或車輛脫軌等為關(guān)鍵事故類型節(jié)點(diǎn)，更容易被其他節(jié)點(diǎn)間復(fù)雜的耦合關(guān)系所觸發(fā)，而安全培訓(xùn)不到位、安全檢查不到位和司機(jī)操作不當(dāng)?shù)裙?jié)點(diǎn)是防控關(guān)鍵事故類型時(shí)應(yīng)注意的關(guān)鍵致因因素。②網(wǎng)絡(luò)的節(jié)點(diǎn)平均聚類系數(shù)較高。聚類系數(shù)較大的節(jié)點(diǎn)狀態(tài)一旦發(fā)生改變，很容易大范圍觸發(fā)其關(guān)聯(lián)節(jié)點(diǎn)并造成網(wǎng)絡(luò)中的連鎖反應(yīng)，從而導(dǎo)致事故的發(fā)生，如列車檢修或維護(hù)不到位、鋼軌或路基狀態(tài)不良和車鉤緩沖裝置故障等。③關(guān)聯(lián)規(guī)則呈較明顯的聚集特征。人因?qū)雍驮O(shè)備層節(jié)點(diǎn)與其他節(jié)點(diǎn)關(guān)系更為緊密，而管理層節(jié)點(diǎn)更容易對(duì)其他節(jié)點(diǎn)產(chǎn)生間接影響，如安全培訓(xùn)不到位和安全檢查不到位等。

圖8 緊密度排名前20的節(jié)點(diǎn)Fig.8 Top 20 nodes ranking by tightness

3 結(jié)束語

鐵路事故致因繁多且種類復(fù)雜，構(gòu)建基于關(guān)聯(lián)規(guī)則挖掘結(jié)果的鐵路事故致因網(wǎng)絡(luò)，并分析其網(wǎng)絡(luò)拓?fù)涮卣?，多角度直觀且深入地揭示鐵路事故致因關(guān)聯(lián)規(guī)則，挖掘鐵路事故的關(guān)鍵致因與因素間的內(nèi)在聯(lián)系，對(duì)高效、精準(zhǔn)地處理大量鐵路事故數(shù)據(jù)、提升鐵路運(yùn)輸系統(tǒng)安全性有重要意義。在鐵路安全監(jiān)管過程中，應(yīng)當(dāng)綜合考慮事故數(shù)量、事故嚴(yán)重程度等，建立基于鐵路事故致因網(wǎng)絡(luò)分析結(jié)果的分級(jí)監(jiān)管體系，明確各級(jí)監(jiān)管部門針對(duì)具體事項(xiàng)的管理辦法。另外，還應(yīng)結(jié)合復(fù)雜網(wǎng)絡(luò)動(dòng)力學(xué)，深入研究風(fēng)險(xiǎn)在網(wǎng)絡(luò)中的動(dòng)態(tài)傳播過程和演化規(guī)律，為建立和完善鐵路安全動(dòng)態(tài)防控機(jī)制提供參考。