許 慧,鄧寧輝

(重慶郵電大學(xué)經(jīng)濟管理學(xué)院,重慶 400065)

引言

城市軌道交通具有準時性、速達性、安全性和高密度運輸?shù)忍攸c，是現(xiàn)代城市必不可少的交通工具[1]，但其作為高密度、大流量的交通方式，各類安全事故也在不斷發(fā)生。城市軌道交通運行事故是指軌道交通運行過程中發(fā)生的致使人員傷亡或軌道交通營運系統(tǒng)受到嚴重影響的事件[2]。

目前國內(nèi)外較多學(xué)者已對軌道交通運行安全開展相關(guān)研究。黃宏偉等[3]根據(jù)地鐵施工及運行風(fēng)險的基本特點提出地鐵風(fēng)險管理是指對軌道交通運行期間的潛在風(fēng)險進行辨識、估計、分析、評價和控制的全過程，其中風(fēng)險辨識與分析是地鐵風(fēng)險管理的基礎(chǔ)與核心；ZHANG Limao[4]與WANG Jinghong等[5]利用靈敏度分析、案例檢索、貝葉斯網(wǎng)絡(luò)等工具對地鐵施工和運營事故出現(xiàn)的前兆進行辨識與分析，以火災(zāi)風(fēng)險為例，采用事件樹分析法研究地鐵火災(zāi)現(xiàn)場動態(tài)疏散風(fēng)險模型；KYRIAKIDIS M.等[6]從軌道交通事故前兆著手，基于反向金字塔理論，并使用SMM(Security Maturity Model)安全成熟度模型，將不同的事故前兆分為5個類別并提出相應(yīng)的預(yù)防方案；唐菁菁等[7]從事故風(fēng)險源發(fā)生概率及造成損失兩方面建立風(fēng)險矩陣，并對風(fēng)險源劃分等級，結(jié)合信息管理系統(tǒng)提出地鐵運行風(fēng)險源的辨識與評價體系。

考慮到風(fēng)險演化的作用，風(fēng)險鏈的相關(guān)研究受到關(guān)注。在風(fēng)險事件中，影響力較小的風(fēng)險形成風(fēng)險鏈后可能會產(chǎn)生較大規(guī)模的危害，MAKINO Y.等[8]采用關(guān)聯(lián)規(guī)則挖掘技術(shù)對可預(yù)測以及不可預(yù)測風(fēng)險鏈背后的機理與風(fēng)險關(guān)聯(lián)結(jié)構(gòu)進行研究，并提出借助網(wǎng)絡(luò)圖對風(fēng)險鏈進行可視化分析；榮莉莉與劉玙婷[9]研究發(fā)現(xiàn)，風(fēng)險事件造成的連鎖反應(yīng)能夠?qū)κ鹿十a(chǎn)生巨大的放大效應(yīng)，一個突發(fā)風(fēng)險可以使多個承災(zāi)體受損，并可能形成新的風(fēng)險因子，繼續(xù)引發(fā)其他風(fēng)險，從而形成多米諾效應(yīng)的風(fēng)險鏈；在風(fēng)險鏈中對風(fēng)險實行控制的方法包括風(fēng)險預(yù)防、風(fēng)險隔斷兩種策略，風(fēng)險預(yù)防是對風(fēng)險源前3個風(fēng)險進行干預(yù)以防止風(fēng)險的發(fā)生，基于風(fēng)險鏈的傳遞效應(yīng)，切斷風(fēng)險傳遞路徑屬于風(fēng)險隔斷方法[10-11]。

對于城市軌道交通網(wǎng)絡(luò)特性，已有較多學(xué)者開展相關(guān)研究。軌道交通復(fù)雜網(wǎng)絡(luò)中的頂點由車站組成，邊緣由連接相鄰車站的軌道組成，這些網(wǎng)絡(luò)具有高連通性和無標度性，對隨機攻擊具有較強的魯棒性，對蓄意攻擊表現(xiàn)出明顯的脆弱性[12-14]；軌道交通網(wǎng)絡(luò)的脆弱性與其復(fù)雜程度密切相關(guān)，是影響軌道交通安全性和可靠性的薄弱環(huán)節(jié)[15-16]，袁競峰等[17]從城市地鐵網(wǎng)絡(luò)系統(tǒng)(UMNS)抗風(fēng)險能力出發(fā)，識別該復(fù)雜網(wǎng)絡(luò)的脆弱點和脆弱域；劉滌塵等[18]根據(jù)拓撲特性計算出通信網(wǎng)絡(luò)的復(fù)雜網(wǎng)絡(luò)特征，并借助中心性分析研究節(jié)點保護策略以減少事故的發(fā)生。

總結(jié)已有研究，現(xiàn)有成果涵蓋軌道交通孤立風(fēng)險研究、軌道交通網(wǎng)絡(luò)及其運營安全整體分析等，風(fēng)險演化角度的相關(guān)研究成果較少。鑒于此，本文關(guān)注軌道交通運行風(fēng)險，基于復(fù)雜網(wǎng)絡(luò)理論，構(gòu)建軌道交通運行風(fēng)險網(wǎng)絡(luò)，以分析風(fēng)險之間的演化關(guān)系，探究軌道交通運行的關(guān)鍵風(fēng)險鏈，并據(jù)此提出改進措施以降低軌道交通運行事故風(fēng)險演化的概率。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

本研究的開展基于復(fù)雜網(wǎng)絡(luò)。復(fù)雜網(wǎng)絡(luò)作為一種數(shù)據(jù)表現(xiàn)形式，可用來捕捉網(wǎng)絡(luò)中復(fù)雜現(xiàn)象的關(guān)鍵特征。復(fù)雜網(wǎng)絡(luò)是指介于正常網(wǎng)絡(luò)、隨機網(wǎng)絡(luò)和無標度網(wǎng)絡(luò)之間的網(wǎng)絡(luò)[19]。將軌道交通運行風(fēng)險之間的相互演化關(guān)系視作復(fù)雜網(wǎng)絡(luò)，運行風(fēng)險是該網(wǎng)絡(luò)中的“行動者”，其產(chǎn)生、相互引發(fā)和相互轉(zhuǎn)換是該網(wǎng)絡(luò)中的“關(guān)系”。軌道交通運行風(fēng)險網(wǎng)絡(luò)具備較強的隨機性，屬完全隨機網(wǎng)絡(luò)，其統(tǒng)計性質(zhì)包括網(wǎng)絡(luò)密度、聚類系數(shù)、度分布等[20]。本研究重點對軌道交通運行風(fēng)險網(wǎng)絡(luò)的密度和中心性進行討論。

1.1.1 網(wǎng)絡(luò)密度

密度是衡量網(wǎng)絡(luò)節(jié)點一般連通性的指標，即圖形中實際存在的線與可能存在的最大數(shù)量的線的比例[21]，其取值范圍是[0，1]。其大小能夠反映整個網(wǎng)絡(luò)對風(fēng)險節(jié)點的影響程度[22]，公式如下

(1)

式中，L為網(wǎng)絡(luò)聯(lián)系個數(shù)；n為節(jié)點數(shù)。

1.1.2 中心性

中心性是度量整個網(wǎng)絡(luò)關(guān)系圖最重要的指標，可衡量單位(個人、群體或社會)在網(wǎng)絡(luò)結(jié)構(gòu)中未知的優(yōu)越性和特權(quán)性[23]，主要包括度中心性(Degree centrality)和中介中心性(Betweenness centrality)。度中心性表征該點與其他節(jié)點交往的能力[24]，是風(fēng)險重要程度最直接的體現(xiàn)，度中心性越大，該風(fēng)險與其他風(fēng)險的聯(lián)系能力越大，其影響力也越大。其表達式為

(2)

式中，CD(n*)表示CD(ni)中最大的程度中心性，將其與其他CD(ni)的差額相加總求和即為度中心性[25]。

一個點處在許多其他點對的捷徑上，該點擔(dān)任其他兩點之間最短路徑的橋梁的次數(shù)越多，其中介中心性越高。其計算公式為

(3)

式中，gjk為節(jié)點j到節(jié)點k的捷徑數(shù)；gjk(ni)為節(jié)點j到達k的快捷方式上有節(jié)點i的快捷方式數(shù)；g為網(wǎng)絡(luò)中節(jié)點的數(shù)量。

1.2 軌道交通運行風(fēng)險數(shù)據(jù)來源

從文獻[2-3]、研究報告及行業(yè)和公開網(wǎng)站上搜集到1990年～2019年世界范圍內(nèi)軌道運行事故93個(表1)。值得注意的是，事故中存在的風(fēng)險事件并不單一，存在風(fēng)險與風(fēng)險之間的相互轉(zhuǎn)化，例如2019年5月菲律賓首都馬尼拉輕軌2號線發(fā)生列車相撞事故，造成29人受傷，其風(fēng)險鏈可總結(jié)為“列車碰撞→滯留→擁堵→恐慌→騷亂”。對該93個事故的風(fēng)險鏈進行分析，總結(jié)出27個風(fēng)險因子，將其分為自然風(fēng)險、車站設(shè)施風(fēng)險、列車運行風(fēng)險、人為風(fēng)險及其他風(fēng)險(圖1)。

表1 1990年-2019年間的全球軌道交通運行重大事故

圖1 軌道交通運行主要風(fēng)險及其分類

1.3 軌道交通運行風(fēng)險鏈矩陣建立

根據(jù)所收集的93個風(fēng)險事件鏈繪制風(fēng)險基礎(chǔ)表，使用枚舉法盡可能多地考慮風(fēng)險之間的交互關(guān)系，并作為推演依據(jù)對搜集到的運行事故的源風(fēng)險及推演風(fēng)險(推演風(fēng)險鏈中風(fēng)險個數(shù)最多不超過4個)建立案例庫，推演風(fēng)險包括實際風(fēng)險事件中發(fā)生的風(fēng)險，即雖未在本事件風(fēng)險鏈中發(fā)生，但在其他事件風(fēng)險鏈中發(fā)生的事件，也包括根據(jù)風(fēng)險演化規(guī)律推測出的發(fā)生概率較高的風(fēng)險?；谏鲜隹紤]，總結(jié)出由442條風(fēng)險鏈組成的數(shù)據(jù)集，受篇幅限制，表2選取部分風(fēng)險鏈進行示例。

表2 軌道交通事故風(fēng)險鏈(部分)

將風(fēng)險鏈轉(zhuǎn)換成維度為27×27的矩陣，其行和列分別代表圖1中的27個軌道交通運行風(fēng)險，以第i行j列的矩陣值Zij為例，若Zij=0，代表風(fēng)險i不會引起風(fēng)險j，若Zij=1，代表風(fēng)險i的發(fā)生可能會造成風(fēng)險j發(fā)生。

2 軌道交通運行風(fēng)險網(wǎng)絡(luò)鏈條分析

2.1 軌道交通運行風(fēng)險網(wǎng)絡(luò)構(gòu)建

復(fù)雜網(wǎng)絡(luò)關(guān)系圖可以清晰表達出在網(wǎng)絡(luò)中不同成員的活躍程度、與其他成員的關(guān)聯(lián)程度等。使用UCINET6軟件對風(fēng)險鏈矩陣進行分析，借助風(fēng)險網(wǎng)絡(luò)關(guān)系圖展示軌道交通運行風(fēng)險的相互關(guān)系，如圖2所示。

引入項目計劃工作網(wǎng)絡(luò)圖中緊前工作、緊后工作的概念，軌道交通運行的開始風(fēng)險是指可主動發(fā)生、無緊前工作的風(fēng)險，結(jié)束風(fēng)險指無緊后工作且只能被動發(fā)生的風(fēng)險。本文關(guān)注軌道交通運行的開始風(fēng)險，即主動發(fā)生風(fēng)險。

圖2 軌道交通運行風(fēng)險網(wǎng)絡(luò)關(guān)系

根據(jù)圖2可得軌道交通運行開始風(fēng)險有極端天氣R1、地震R3(自然風(fēng)險)；信號故障R6、自動扶梯故障R7、其他設(shè)施故障R9 (車站設(shè)施風(fēng)險)；列車脫軌R11(列車運行風(fēng)險)；自殺R13(人為風(fēng)險)。

2.2 網(wǎng)絡(luò)整體特性分析

密度是衡量網(wǎng)絡(luò)中各節(jié)點關(guān)系緊密程度的指標。密度越高，節(jié)點間的關(guān)聯(lián)程度越高[26]。對軌道交通運行風(fēng)險矩陣進行密度分析，計算得出軌道交通運行風(fēng)險的網(wǎng)絡(luò)密度為0.107 1，網(wǎng)絡(luò)連接線為81條?？梢姡麄€軌道交通運行網(wǎng)絡(luò)中風(fēng)險之間存在連接關(guān)系，但風(fēng)險節(jié)點間的緊密程度較低，相互影響的程度也相對較低。對軌道交通運行而言，較低的網(wǎng)絡(luò)密度是軌道交通健康運行的保障，風(fēng)險間關(guān)聯(lián)程度越低，造成的連鎖反應(yīng)越少。

2.3 風(fēng)險關(guān)聯(lián)網(wǎng)絡(luò)關(guān)鍵節(jié)點分析

2.3.1 中心性分析

使用UCINET6計算每一風(fēng)險的度中心性和中介中心性，選取排名前50%的風(fēng)險進行分析，如表3所示。

表3 度-介中心性排名前50%風(fēng)險

當一種風(fēng)險同時具有較高的度中心性和中介中心性時稱之為關(guān)鍵風(fēng)險。根據(jù)軌道交通運行風(fēng)險的度中心性和中介中心性排名，總結(jié)出軌道交通運行關(guān)鍵風(fēng)險分別有R12(暴力恐怖襲擊事件，人為風(fēng)險)、R14(騷亂，人為風(fēng)險)、R15(擁堵，人為風(fēng)險)、R16(被動墜軌，人為風(fēng)險)、R17(滯留，人為風(fēng)險)、R19(恐慌，人為風(fēng)險)、R20(墜落，人為風(fēng)險)以及R21(火災(zāi)，其他風(fēng)險)。

分析可得，關(guān)鍵風(fēng)險由人為風(fēng)險和其他風(fēng)險組成，這些風(fēng)險具備較高影響能力，在風(fēng)險網(wǎng)絡(luò)中居重要地位。關(guān)鍵風(fēng)險的確定可為城市軌道交通營運者的管理提供參考。在事故管理和預(yù)防中，可從關(guān)鍵風(fēng)險著手，控制關(guān)鍵風(fēng)險的發(fā)生和演化，以切斷風(fēng)險鏈防止事故惡化。

2.3.2 度分析

出入度表征風(fēng)險事件的輸入與輸出關(guān)系[27]。由節(jié)點出發(fā)的有向線段個數(shù)叫做該節(jié)點的出度，到達該節(jié)點的有向線段個數(shù)稱之為該節(jié)點的入度。出度表示個體在網(wǎng)絡(luò)中尋求互動的能力，即該風(fēng)險可能導(dǎo)致其他風(fēng)險的能力，入度是指復(fù)雜網(wǎng)絡(luò)中其他個體通過搜索該個體并與之建立聯(lián)系的程度，即軌道交通運行其他風(fēng)險可能造成該風(fēng)險的能力[28]。

本文選擇入度與出度排名前10位風(fēng)險進行分析，如表4所示，位于入度前10位中有7項風(fēng)險是人為風(fēng)險，即人為風(fēng)險是最容易引起的一類風(fēng)險；車站設(shè)施風(fēng)險的出度最大，說明該類風(fēng)險在軌道交通風(fēng)險網(wǎng)絡(luò)中居于核心地位，其向外輻射能力最強，最易導(dǎo)致其他風(fēng)險的發(fā)生[29]。

表4 軌道交通運行風(fēng)險入度與出度前10

同時，位于入度前10位的風(fēng)險中有7個屬于關(guān)鍵風(fēng)險，位于出度前10位中的風(fēng)險有4個屬于關(guān)鍵風(fēng)險?？梢姡鄶?shù)關(guān)鍵風(fēng)險具備較高的出度和入度，即具備較高的與其他風(fēng)險交互的能力。

2.4 關(guān)鍵風(fēng)險演化鏈分析

2.4.1 一次關(guān)聯(lián)分析

根據(jù)93個軌道交通運行事故及442條風(fēng)險鏈對軌道交通運行風(fēng)險進行進一步細分，確定一次關(guān)聯(lián)風(fēng)險頻次(即引發(fā)和被引發(fā)的兩個風(fēng)險出現(xiàn)的頻次)位于前10的風(fēng)險鏈條如表5所示。

表5 一次關(guān)聯(lián)風(fēng)險鏈及其頻次

由表5可知，前9項關(guān)聯(lián)風(fēng)險鏈的發(fā)生頻次為93次，即每一次事故都可能造成這些風(fēng)險鏈的發(fā)生，鑒于此，軌道交通運行風(fēng)險研究可從一次關(guān)聯(lián)風(fēng)險鏈入手，尋找解除或降低風(fēng)險關(guān)聯(lián)的途徑以防止事故演化。前10個風(fēng)險鏈的源風(fēng)險分別是騷亂、擁堵、恐慌、墜落和滯留，可見，該5項風(fēng)險具備較強的演化能力，在軌道交通營運時應(yīng)加大對這幾種風(fēng)險的排查及控制力度以防止其他演化風(fēng)險的發(fā)生。

2.4.2 關(guān)鍵風(fēng)險演化鏈分析

由較高的中心性確定的關(guān)鍵風(fēng)險與發(fā)生頻次位于前10的一次關(guān)聯(lián)風(fēng)險鏈匯總出6條軌道交通運行關(guān)鍵風(fēng)險鏈如表6所示。

表6 軌道交通運行關(guān)鍵風(fēng)險鏈

關(guān)鍵風(fēng)險鏈表示其中的風(fēng)險關(guān)系具備較高的發(fā)生可能性和演化關(guān)系。以上所總結(jié)出的關(guān)鍵風(fēng)險鏈與已有風(fēng)險事件實例均有對應(yīng)。以關(guān)鍵風(fēng)險鏈1為例，事故11的風(fēng)險鏈為“恐慌→騷亂→擁堵”，事故48的風(fēng)險鏈為“恐慌→騷亂→擁堵→墜落→踩踏”，事故66的風(fēng)險鏈為“暴力恐怖襲擊事件→火災(zāi)→恐慌→騷亂”，因此，暴力恐怖襲擊、火災(zāi)、恐慌、騷亂、擁堵、墜落、踩踏等風(fēng)險存在鏈式演化關(guān)系，其他風(fēng)險鏈同理。關(guān)鍵風(fēng)險鏈的確定可為軌道交通營運管理者在事故發(fā)生時及時切斷風(fēng)險鏈、防止事故惡化提供參考。根據(jù)統(tǒng)計，關(guān)鍵風(fēng)險鏈中，主導(dǎo)風(fēng)險主要包括暴力恐怖襲擊事件與火災(zāi)?？只?、騷亂存在于每一條關(guān)鍵風(fēng)險鏈中，說明這兩種風(fēng)險具備較強的被引發(fā)能力，因此，如何控制乘客遇到事故時的恐慌情緒和由此引發(fā)的騷亂行為可作為未來研究的方向。

3 結(jié)論與建議

針對軌道交通運行風(fēng)險，使用復(fù)雜網(wǎng)絡(luò)分析方法探究風(fēng)險之間的演化關(guān)系，運用UCINET6軟件對所搜集的案例中軌道交通運行風(fēng)險進行研究，提出了一種基于復(fù)雜網(wǎng)絡(luò)的軌道交通運行風(fēng)險演化關(guān)系分析方法。該方法結(jié)合案例分析與推演分析的優(yōu)點，充分考慮軌道交通運行風(fēng)險之間相互影響、演化關(guān)系。通過對風(fēng)險網(wǎng)絡(luò)關(guān)系、網(wǎng)絡(luò)密度、中心性、出入度以及軌道交通的關(guān)鍵風(fēng)險和關(guān)鍵風(fēng)險鏈分析，為軌道交通的安全營運提供以下結(jié)論與建議。

(1)軌道交通管理者可根據(jù)風(fēng)險網(wǎng)絡(luò)關(guān)系圖中開始風(fēng)險所屬類別，對其采取不同的預(yù)防措施。車站應(yīng)及時檢查車站安全設(shè)施、嚴格開展乘車安全檢查、設(shè)置安全引導(dǎo)員等，以控制風(fēng)險源來減少軌道交通運行事故。

(2)軌道交通運行風(fēng)險網(wǎng)絡(luò)中心性分析確定了軌道交通運行的關(guān)鍵風(fēng)險，降低關(guān)鍵風(fēng)險發(fā)生的概率對軌道交通安全運行至關(guān)重要。此外，軌道交通事故的關(guān)鍵風(fēng)險鏈為軌道交通運行管理者及時控制事故演化、預(yù)測事故演化方向提供思路。

(3)從關(guān)鍵風(fēng)險鏈可得，風(fēng)險發(fā)生后導(dǎo)致事故演化的因素均屬于人為因素，軌道管理者可根據(jù)人在意外事故發(fā)生后的行為、群體特征及規(guī)律等尋找降低人為風(fēng)險的措施，比如播放輕音樂、設(shè)置指示牌、安排引導(dǎo)員等；火災(zāi)作為其他風(fēng)險類別，具有較高的引發(fā)能力，因此工作人員應(yīng)按時檢查防火、滅火設(shè)施，及時控制火勢，減少由火災(zāi)引起的其他風(fēng)險發(fā)生的可能性。

(4)本文的創(chuàng)新之處包括應(yīng)用實踐創(chuàng)新與理論創(chuàng)新。本文參考已發(fā)生的93個軌道交通事故對其風(fēng)險進行探究，梳理風(fēng)險之間的演化關(guān)系，并得出關(guān)鍵風(fēng)險和風(fēng)險鏈，從風(fēng)險演化角度為軌道交通運行安全管理提供借鑒，體現(xiàn)實踐應(yīng)用創(chuàng)新；在理論創(chuàng)新方面，將復(fù)雜網(wǎng)絡(luò)應(yīng)用于軌道交通運行關(guān)鍵風(fēng)險的研究中，對軌道交通運行風(fēng)險鏈和關(guān)鍵風(fēng)險進行了探索，拓展了復(fù)雜網(wǎng)絡(luò)理論的應(yīng)用范圍。