劉懿文，朱 琳，劉志鋼，駱華榮，杭 海

（1. 上海工程技術(shù)大學(xué)，上海 201620；2. 上海市交通委員會軌道交通處，上海 200125；3. 上海市交通委員會執(zhí)法總隊，上海 200125）

城市軌道交通具有客流量大、速度快、起停頻繁，對運行環(huán)境要求高，應(yīng)急疏散困難等特點[1]。其安全事件的發(fā)生往往不是由單一因素造成，風(fēng)險之間存在相互影響的關(guān)系。劉福澤等[2]基于貝葉斯網(wǎng)絡(luò)模型分析風(fēng)險源導(dǎo)致的風(fēng)險事件，對北京軌道交通運營狀態(tài)進(jìn)行風(fēng)險評估。劉雙慶等[3]對某城市地鐵運營事故資料進(jìn)行統(tǒng)計，從人、機(jī)、環(huán)、管4個角度分析了運營事故發(fā)生的原因并提出了安全管理對策。趙金寶等[4]根據(jù)大量的城市道路交通事故數(shù)據(jù)，與專家知識結(jié)合構(gòu)建貝葉斯網(wǎng)絡(luò)，通過參數(shù)學(xué)習(xí)結(jié)合網(wǎng)絡(luò)模型推斷在不同因素下交通事故類型的概率分布。Xu等[5]收集分析了國內(nèi)外軌道車站的風(fēng)險事故，研究風(fēng)險之間的相互作用，得出敏感風(fēng)險與關(guān)鍵風(fēng)險鏈。

總結(jié)既有研究，缺乏基于數(shù)據(jù)的安全風(fēng)險分析評價與安全風(fēng)險防控策略的系統(tǒng)化研究，二者之間往往缺乏相互關(guān)聯(lián)。本文以所收集到的64起地鐵運營風(fēng)險事件為基礎(chǔ)，更為細(xì)致地提取了事件案例中的風(fēng)險元，將事件的發(fā)生追溯到更具體的原因，由此構(gòu)建貝葉斯風(fēng)險互動網(wǎng)絡(luò)，進(jìn)行影響強(qiáng)度分析、靈敏性分析，得出關(guān)鍵風(fēng)險，并制定相應(yīng)風(fēng)險防控管理策略。

1 城市軌道交通運營風(fēng)險互動關(guān)系

城市軌道交通運營安全事件一般是指在運營生產(chǎn)過程中造成了人員傷亡、設(shè)備設(shè)施損壞、財產(chǎn)損失、運營中斷或運營計劃調(diào)整等危害性后果的事件(事故)[6]。城市軌道交通運營系統(tǒng)是復(fù)雜的動態(tài)系統(tǒng)，運營安全事件通常由多個風(fēng)險共同作用，逐級放大后造成[7]；風(fēng)險存在于安全事件發(fā)生、發(fā)展過程的多個環(huán)節(jié)中，風(fēng)險元即為在某一特定環(huán)境下，特定時間段內(nèi)對具體實際結(jié)果產(chǎn)生影響的不確定性因素[8]。風(fēng)險之間這種復(fù)雜聯(lián)系表現(xiàn)為相互依存相互影響的互動關(guān)系?；谑鹿手乱蚶碚?，事故致因鏈往往包含不止一個風(fēng)險元。本文的風(fēng)險元指運營事件風(fēng)險致因鏈上的各個節(jié)點。將這些風(fēng)險元作為不同的節(jié)點依據(jù)事件發(fā)生的因果關(guān)系連接起來，利用貝葉斯網(wǎng)絡(luò)構(gòu)建風(fēng)險互動網(wǎng)絡(luò)，從系統(tǒng)整體角度來研究風(fēng)險之間的關(guān)系。

對所獲取的64起樣本事件進(jìn)行篩選，按照風(fēng)險鏈構(gòu)建方法[9]，從事故后果角度分析，選取滿足以下3個條件的安全事件：①風(fēng)險事件發(fā)生在正式運營的線路、車站、車場等城市軌道交通系統(tǒng)范圍內(nèi)；②造成人員傷亡，財產(chǎn)損失，導(dǎo)致運營計劃調(diào)整或列車延誤15 min以上；③事件中包含不止一個風(fēng)險元。分析結(jié)果顯示地鐵實際運營的 64起案例中未發(fā)生人員傷亡等高風(fēng)險重大事故，因此主要圍繞運營事件進(jìn)行分析。根據(jù)事故發(fā)生因果關(guān)系，從事件中提取了56條不重復(fù)風(fēng)險致因鏈，整合風(fēng)險鏈上的風(fēng)險節(jié)點也即風(fēng)險元并剔除重復(fù)節(jié)點，例如：風(fēng)險鏈1：車輛制動設(shè)備故障→制動不緩→列車迫停；風(fēng)險鏈 2：車門故障→制動不緩→列車迫停。從這兩條風(fēng)險鏈中可提取以下風(fēng)險元：車輛制動設(shè)備故障、車門故障、制動不緩、列車迫停。其中，車輛制動設(shè)備故障、車門故障為風(fēng)險鏈中的根節(jié)點，一般是設(shè)備的具體故障因素、人的不安全行為因素；制動不緩為風(fēng)險鏈的中間節(jié)點，通常為設(shè)備功能狀態(tài)；列車迫停為風(fēng)險鏈的葉節(jié)點，為系統(tǒng)運營后果。最終，經(jīng)過合并重復(fù)節(jié)點后，從56條風(fēng)險鏈中共提取出28個節(jié)點，即風(fēng)險元，具體見表1所示。

表1 運營安全事件風(fēng)險元Table 1 Operational security incident risk item

2 構(gòu)建城市軌道交通風(fēng)險互動網(wǎng)絡(luò)

2.1 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)由有向無環(huán)圖和條件概率組成，由(D，C)來表示，D為有向無環(huán)圖(包括節(jié)點與弧線)，C為條件概率，表示父節(jié)點fi指向Xi節(jié)點條件概率的參數(shù)集，其中Xi(1≤i≤n)為一組隨機(jī)變量(子節(jié)點)。

將先驗知識與觀測概率結(jié)合從而可以對節(jié)點進(jìn)行概率推理，計算公式如下：

其中，P(β|α)是條件概率，指當(dāng)α發(fā)生時，β發(fā)生的可能性；P(α)和P(β)分別指α、β發(fā)生的先驗概率；所求P(α|β)指β發(fā)生時，α發(fā)生的后驗概率。

2.2 構(gòu)建風(fēng)險互動網(wǎng)絡(luò)

風(fēng)險具有不確定性，而貝葉斯網(wǎng)絡(luò)模型結(jié)合了因果關(guān)系與概率，可以用來研究風(fēng)險之間互動關(guān)系[10]。因此，本文采用貝葉斯網(wǎng)絡(luò)構(gòu)建風(fēng)險互動網(wǎng)絡(luò)，并運用GeNie2.0構(gòu)建貝葉斯網(wǎng)絡(luò)模型。基于所建立的城市軌道交通運用安全事件致因鏈及風(fēng)險“父子”關(guān)系，以所提取的風(fēng)險元作為網(wǎng)絡(luò)節(jié)點，連接生成風(fēng)險互動網(wǎng)絡(luò)，如圖1所示。

圖1 城市軌道交通運營安全事件的貝葉斯風(fēng)險互動關(guān)系網(wǎng)絡(luò)Figure 1 Bayesian risk interaction network diagram of urban rail transit operation safety events

網(wǎng)絡(luò)圖中的每個節(jié)點即風(fēng)險元。所有可以引出指向其他節(jié)點的風(fēng)險元稱為父節(jié)點，被引出指向的節(jié)點則對應(yīng)為其子節(jié)點。父、子節(jié)點是一種對應(yīng)關(guān)系，一個節(jié)點的父節(jié)點在不同的風(fēng)險因果關(guān)系中也可能是其他節(jié)點的子節(jié)點。根據(jù)節(jié)點對應(yīng)風(fēng)險在統(tǒng)計數(shù)據(jù)中的頻率，將父、子節(jié)點之間的相互關(guān)系作為先驗知識，來對每個節(jié)點輸入條件概率。

2.3 影響強(qiáng)度分析

風(fēng)險之間的影響關(guān)系存在一定程度上的差異，影響強(qiáng)度大小可以用父節(jié)點與子節(jié)點之間連接線的寬度來表示。父節(jié)點對子節(jié)點的影響強(qiáng)度越大，則連接線越粗。對影響強(qiáng)度的量化可以用節(jié)點的條件概率與先驗概率的歐式距離公式來計算表示[11]，如式(2)。

E(Xi，fi)表示父節(jié)點fi與子節(jié)點Xi的影響強(qiáng)度，其值域為[0，1]。P(Xi|fi)表示父節(jié)點為fi的Xi子節(jié)點條件概率，P(Xi)為子節(jié)點Xi的先驗概率。

圖1展示了所建立的城市軌道交通運營安全風(fēng)險關(guān)系網(wǎng)絡(luò)中風(fēng)險元之間的影響強(qiáng)度分析結(jié)果。以上風(fēng)險網(wǎng)絡(luò)中影響強(qiáng)度最大的8個父子節(jié)點路徑分別是：①信號SD設(shè)備故障→無法排列進(jìn)路；②維修施工人員誤操作或違規(guī)操作→道岔設(shè)備故障；③制動不緩→司機(jī)誤操作、違規(guī)操作或技能不熟練；④信號設(shè)備離線或信號中斷→列車無速度碼；⑤車門故障→開門動車；⑥道岔定位失表→擠岔；⑦車輛牽引設(shè)備故障→無法牽引；⑧供電軌/受電弓/接觸網(wǎng)設(shè)備故障→觸網(wǎng)失電。可以從這 8個風(fēng)險路徑中發(fā)現(xiàn)主要涉及設(shè)備與人員兩類風(fēng)險因素，而設(shè)備類風(fēng)險涵括信號、車輛、供電3個專業(yè)。

2.4 靈敏性分析

靈敏性分析通過研究輸入數(shù)據(jù)的微小變化對輸出后驗概率的影響來幫助驗證貝葉斯網(wǎng)絡(luò)模型的概率參數(shù)。參數(shù)敏感度越高，對推理結(jié)果的影響越顯著。靈敏性計算公式如式(3)、(4)所示。

其中，P(y|e)(θ)是關(guān)于概率參數(shù)θ的后驗概率，可以表示為2個關(guān)于參數(shù)θ的線性函數(shù)比值；P(y|e)(θ)是y，e關(guān)于θ的聯(lián)合概率分布；P(e)(θ)是e關(guān)于參數(shù)θ的先驗概率；a、b、c、d是常數(shù)項。而S(θ|y,e)是P(y|e)(θ)對θ的偏導(dǎo)數(shù)。如果參數(shù)θ的導(dǎo)數(shù)很大，那么θ的小偏差可能導(dǎo)致目標(biāo)后驗值出現(xiàn)較大的差異。如果導(dǎo)數(shù)很小，那么即使參數(shù)有很大的偏差，后驗值也不會產(chǎn)生明顯區(qū)別。根據(jù)這個特質(zhì)可以確定網(wǎng)絡(luò)中哪些參數(shù)對目標(biāo)概率有更強(qiáng)的影響。

Kjaerulff等[12]在2000年提出了基于GeNie軟件靈敏性分析的相關(guān)算法。本文將節(jié)點“風(fēng)險事件發(fā)生”設(shè)置為目標(biāo)節(jié)點，使用靈敏性分析工具，得到不同顏色深度的節(jié)點圖，如圖2所示。

圖2 靈敏性分析Figure 2 Sensitivity analysis

在這28個風(fēng)險元中，依據(jù)靈敏性大小排列出了前10位較敏感風(fēng)險元，如表2所示。

表2 風(fēng)險元靈敏值Table 2 Risk item sensitivity value

風(fēng)險元的靈敏性越高，造成風(fēng)險事件發(fā)生的可能性就越高。從以上分析結(jié)果中信息交互滯后的靈敏性值是最高為0.372，其次較高是道岔設(shè)備故障、車輛制動設(shè)備故障。

3 風(fēng)險預(yù)防及控制管理策略

3.1 人為因素

在城市軌道交通運營中人為因素主要是乘客與工作人員的不安全行為。根據(jù)對 64起風(fēng)險事件案例分析，其中有26起運營風(fēng)險事件發(fā)生涉及人為因素，主要是地鐵工作人員的不安全行為，包括司機(jī)、維修施工人員、乘務(wù)員等其他工作人員存在技能不熟練、誤操作、違規(guī)操作或者操作遺漏等。

人為因素具有主觀能動性，在影響強(qiáng)度分析中也發(fā)現(xiàn)，人為因素對設(shè)備等其他因素的影響強(qiáng)度較高。例如維修施工人員誤操作、違規(guī)操作對道岔信號設(shè)備的影響較大，容易造成道岔故障，進(jìn)而引發(fā)道岔定位失表并最終導(dǎo)致地鐵運營造成延誤等后果。在靈敏性分析中，司機(jī)行為因素達(dá)到了 0.312，維修施工人員行為因素達(dá)0.185，這兩條分析結(jié)果也能說明人為因素在一定條件下可以影響其他因素，工作人員良好的專業(yè)素養(yǎng)、應(yīng)急反應(yīng)能力可以挽回事態(tài)的惡化甚至阻斷事故發(fā)生。因此加強(qiáng)員工安全意識，提高員工的工作能力至關(guān)重要。

針對人為因素提出以下對策：

1) 提高乘客安全意識，引導(dǎo)乘客安全乘車，并完善地鐵內(nèi)部安全設(shè)施，結(jié)合監(jiān)控監(jiān)測等手段，提前防范風(fēng)險，保障地鐵運營安全。

2) 強(qiáng)化員工自覺履職守法的法治觀念，提高公共安全與國家資產(chǎn)守法責(zé)任意識，保持員工對“安全紅線”的敬畏與警戒。杜絕員工工作懈怠、違規(guī)作業(yè)行為。

3) 加強(qiáng)司機(jī)、乘務(wù)、調(diào)度、檢修施工等崗位職業(yè)技能培訓(xùn)，要進(jìn)一步提高各崗位隊伍人員素質(zhì)、體質(zhì)等綜合能力的動態(tài)評估管控。特別是調(diào)度、司機(jī)等關(guān)鍵崗位加強(qiáng)值乘作業(yè)期間的心理生理狀態(tài)掌握，建立合理的輪崗換班機(jī)制。

3.2 設(shè)備因素

設(shè)備因素是影響城市軌道交通運營的客觀因素，包括各系統(tǒng)設(shè)備老化、設(shè)計缺陷、維修養(yǎng)護(hù)不合理以及人為因素導(dǎo)致設(shè)備出現(xiàn)突發(fā)故障。根據(jù)本文案例統(tǒng)計分析，設(shè)備故障影響運營事件發(fā)生的比例高達(dá)89.06%，依次是信號、車輛、供電、通信設(shè)備。

影響強(qiáng)度分析結(jié)果說明信號設(shè)備與車輛設(shè)備較容易受到影響且影響強(qiáng)度值普遍較高，其中信號SD設(shè)備、道岔、車門、車輛牽引設(shè)備發(fā)生故障后導(dǎo)致的影響相對其他設(shè)備較大。而這幾種設(shè)備在靈敏性分析中，道岔設(shè)備故障的靈敏值達(dá)到0.335，車輛制動設(shè)備故障靈敏值達(dá)0.316，這兩種設(shè)備的靈敏性處于較高水平。由此說明道岔設(shè)備和車輛制動設(shè)備狀態(tài)的細(xì)微變化對整個系統(tǒng)安全有很大影響。

針對設(shè)備因素提出策略：加強(qiáng)設(shè)備設(shè)施全壽命維護(hù)管理體系的落地。對于車輛、信號、供電等多發(fā)故障的設(shè)施設(shè)備夯實基礎(chǔ)管理，采用高精度傳感采集技術(shù)對關(guān)鍵部件的狀態(tài)進(jìn)行實時成像、圖像分析以及故障診斷，并將數(shù)據(jù)收集建立可視化數(shù)據(jù)平臺，通過數(shù)據(jù)挖掘分析實現(xiàn)對設(shè)備可靠性實時監(jiān)測及潛在風(fēng)險預(yù)警，為維修保養(yǎng)工作的周期性提供合理建議。

3.3 環(huán)境因素

在收集的案例中未發(fā)生由于環(huán)境因素導(dǎo)致的運營事件。惡劣的運行環(huán)境是不可消除的危險因素，為預(yù)防或控制其損失，在日常運營生產(chǎn)過程中通過采取各種生產(chǎn)技術(shù)和管理手段進(jìn)行環(huán)境風(fēng)險預(yù)防和控制，且目前基本可以消除其危害。

城市軌道交通環(huán)境包括外部環(huán)境和內(nèi)部環(huán)境。外部環(huán)境通常受自然因素、天氣因素和社會活動影響。內(nèi)部環(huán)境是指地鐵運營作業(yè)環(huán)境，包括車站、線路區(qū)間、車場、設(shè)備用房等區(qū)域。對于多數(shù)城市來說地鐵運營環(huán)境多處于一個封閉的環(huán)境中，自然因素相對穩(wěn)定，惡劣天氣因素可能會影響到地鐵運營的安全，往往會導(dǎo)致地鐵延誤、運營計劃的調(diào)整等。

針對環(huán)境因素提出以下策略：

1) 強(qiáng)化基礎(chǔ)設(shè)施建設(shè)，完善地鐵車站防災(zāi)設(shè)計，確保防災(zāi)備品備件的齊全。對于較容易發(fā)生的異物侵限風(fēng)險區(qū)域，加強(qiáng)對運營外部環(huán)境監(jiān)控與治理，做好惡劣天氣預(yù)警及防護(hù)工作。

2) 建立全覆蓋的地鐵運營監(jiān)控系統(tǒng)，對客流實時監(jiān)控，實現(xiàn)對大客流預(yù)警，避免或減少突發(fā)大客流帶來的運營影響。

3) 優(yōu)化應(yīng)急預(yù)案、加強(qiáng)應(yīng)急演練，提高各部門應(yīng)對自然災(zāi)害、惡劣天氣的現(xiàn)場處置能力。

3.4 管理因素

管理因素并不是導(dǎo)致風(fēng)險運營事件發(fā)生的直接因素，然而從人為、設(shè)備、環(huán)境因素致使事故發(fā)生的案例中，或多或少可以反映出管理這一環(huán)節(jié)存在的不足。換句話說，管理因素對其他3個因素有著調(diào)節(jié)作用。在靈敏性分析結(jié)果中，信息交互滯后的靈敏性值達(dá)到了0.372，相比其他風(fēng)險敏感值處于較高水平。這說明在應(yīng)急處理環(huán)節(jié)，命令下達(dá)與信息傳遞反饋的不及時不暢通易造成列車的延誤等運營事件發(fā)生。

針對管理因素提出以下策略：

1) 管理單位應(yīng)細(xì)化相關(guān)規(guī)章制度，明確操作規(guī)范，嚴(yán)格規(guī)范操作人員按要求操作。完善各崗位培訓(xùn)、檢查、考核機(jī)制。

2) 做好監(jiān)督管理工作，加強(qiáng)現(xiàn)場作業(yè)監(jiān)管。編制應(yīng)急預(yù)案，加強(qiáng)應(yīng)急演練。統(tǒng)籌運營調(diào)整、響應(yīng)協(xié)調(diào)、信息傳遞等，確保應(yīng)急搶修組織的有序高效。

3) 針對信息交互滯后風(fēng)險，應(yīng)加強(qiáng)信息化建設(shè)和一體化管理改革，確保信息渠道暢通，提高各部門之間信息交流與溝通效益，做好信息交互、互聯(lián)互控工作。增強(qiáng)信息發(fā)布的時效性和真實性，杜絕現(xiàn)場人員瞞報、漏報、錯報、遲報行為，確保快速有效處置。

4 結(jié)語

1) 本文對所收集的城市軌道交通運營安全事件案例進(jìn)行了詳細(xì)分析，提取風(fēng)險致因鏈，基于貝葉斯網(wǎng)絡(luò)構(gòu)建了風(fēng)險互動網(wǎng)絡(luò)。通過影響強(qiáng)度分析與靈敏性分析，得出人為與設(shè)備因素引發(fā)其他風(fēng)險的概率較高。其中信號設(shè)備故障、車輛設(shè)備故障、信息交互滯后對運營系統(tǒng)安全影響最大。

2) 針對分析結(jié)果，從影響城市軌道運營安全的4個因素：人為、設(shè)備、環(huán)境、管理的角度，結(jié)合關(guān)鍵風(fēng)險路徑節(jié)點、敏感風(fēng)險元分別提出了風(fēng)險預(yù)防控制的管理思路與策略。后續(xù)將持續(xù)對所建立的風(fēng)險互動關(guān)系進(jìn)行進(jìn)一步論證分析，并適時引入地鐵運營安全風(fēng)險管控機(jī)制中加以驗證。

3) 基于所分析的樣本事件中未涉及環(huán)境因素導(dǎo)致運營事件的案例，此處默認(rèn)為運營環(huán)境處于安全狀態(tài)，可能為分析不全面之處。其次，本文考慮到風(fēng)險的致因關(guān)系及交互作用，但忽略了不同風(fēng)險或同類風(fēng)險之間的耦合關(guān)系對運營事件發(fā)生的影響。再者，雖然結(jié)合數(shù)據(jù)分析結(jié)果提出了相應(yīng)的風(fēng)險防控策略，但是沒有給出詳細(xì)措施方案，形成完整的管理體系。后續(xù)研究可以根據(jù)城市軌道交通運營單位的實際需求，建立風(fēng)險分級的管理體系。