王玉賀

（吉林鐵道職業(yè)技術(shù)學院，吉林省 吉林市 132100）

我國高速鐵路建設的快速發(fā)展以及新鐵路法規(guī)的逐漸完善，使得我國鐵路運輸?shù)玫搅烁焖俚陌l(fā)展。隨著鐵路運輸速度逐漸提升，高鐵安全風險將更加凸顯，安全風險識別是鐵路運輸安全管理的重點和難點。如何有效識別出高鐵中存在的安全隱患，為鐵路運輸系統(tǒng)的運行安全提供科學決策依據(jù)是當前研究的重要課題。在鐵路運輸過程中，發(fā)生顛覆、碰撞、爆炸、火災等重大事故，對人類的生命財產(chǎn)都會造成極大的損害。當前，鐵道部高度重視安全生產(chǎn)，重點關(guān)注設備的更新和安全管理，把鐵路安全工作推向了一個新的高度[1]。盡管當前針對鐵路運輸安全提出了許多新的規(guī)程和規(guī)章制度，但由于對這些制度的不熟悉以及實際操作水平較低等因素的存在，對于鐵路運輸?shù)陌踩珪斐墒植焕挠绊慬2]。同時，若當前仍然采用現(xiàn)有的安全管理模式及方法，會造成無法與新發(fā)展形勢相契合的問題，基于此，為提高鐵路運輸安全管理水平，引入灰色預測，開展對鐵路運輸安全風險識別方法的設計研究。

1 構(gòu)建鐵路運輸安全風險因子指標體系

結(jié)合當前鐵路運輸?shù)淖鳂I(yè)流程，對可能存在安全風險問題的節(jié)點進行劃分，利用HAZOP 分析方法，找出可能存在風險問題的所有關(guān)鍵點。在此基礎(chǔ)上，再選擇一個鐵路運輸作業(yè)流程的關(guān)鍵點，對其中可能存在風險的關(guān)鍵參數(shù)進行分析。再根據(jù)“引導詞+參數(shù)=偏差”的表示方式，確定偏差，此時得到的偏差即為后續(xù)風險識別所需的安全風險因子[3]。全面、系統(tǒng)地找出鐵路危險品運輸?shù)陌踩L險因素，必須對分析節(jié)點進行細致、準確地提取。鐵路危險品的運輸是一個連續(xù)的、復雜的、變化的過程，在此基礎(chǔ)上對其進行節(jié)點的劃分要有一定的基礎(chǔ)[4]。而分析節(jié)點則是鐵路運輸過程中的關(guān)鍵環(huán)節(jié)，這些關(guān)鍵環(huán)節(jié)都有可能存在安全風險問題，因此通過構(gòu)建安全鏈模型來對其進行分析，圖1 為鐵路運輸完整安全鏈模型示意圖。

以圖1 安全鏈模型，其中任何一個關(guān)鍵點出現(xiàn)問題都會造成安全風險問題的發(fā)展，因此可以此為依據(jù)，確定鐵路運輸中存在的安全風險因素，并以此構(gòu)建鐵路運輸核心安全風險因子指標體系。鐵路運輸安全風險因子指標體系中共包含一級指標1 個、二級指標6個以及多個三級指標。

圖1 鐵路運輸完整安全鏈模型示意圖

一級指標為：鐵路運輸核心安全風險因子。

二級指標（三級指標）：業(yè)務辦理（貨、單不匹配；運單錯誤；漏檢等）、貨物包裝（未氣/液密處理；包裝過量等）、倉儲管理（未隔熱隔火；倉庫溫度過高；貨物放置不穩(wěn)等）、裝卸（消防設施不足；無固定裝卸場所；未設置安裝設施等）、交接（未檢查；未核對等）、障礙物處理（地點錯誤；處理方式錯誤等）。

2 建立基于灰色預測的安全風險識別模型

在獲取到影響鐵路運輸安全的各個風險因子，并完成對指標體系的構(gòu)建后，引入灰色預測，建立安全風險識別模型。灰色預測是指根據(jù)實際數(shù)據(jù)，預測未來某一時刻的趨勢，進而獲得預測結(jié)果的一種預測方法。在預測的過程中考慮了大量潛在的預測變量，同時也能對預測結(jié)果進行精確、定量處理得到準確數(shù)據(jù)[5]。因此可以有效地應用于鐵路運輸安全風險分析與預測之中。假設鐵路運輸每年發(fā)生安全事故的總次數(shù)為X，則根據(jù)總次數(shù)確定每年鐵路運輸發(fā)生安全風險事故的原始數(shù)據(jù)時間序列X（0）為：

在建立安全風險識別模型時，為使所得到的數(shù)據(jù)序列具有一定的規(guī)律性，必須對這些原始數(shù)據(jù)的時間序列進行生成。對上述原始數(shù)據(jù)時間序列X（0）進行一次累加生成，得到公式（2）：

由于每年鐵路運輸發(fā)生安全風險事故發(fā)生次數(shù)不可能為負數(shù)，因此對于非負數(shù)時間序列而言，其累積產(chǎn)生的次數(shù)愈多，數(shù)列的隨機程度愈低[6]。在累積產(chǎn)生的次數(shù)達到一定程度后，可以將以上的序列轉(zhuǎn)化為非隨機序列。經(jīng)過多次累加后，針對具有較強分布規(guī)律的數(shù)列，對其進行灰色預測識別模型的微分形式建立：

公式中，u表示參數(shù)；a表示待識別參數(shù)。對上述待識別參數(shù)a進行求解，采用最小二乘法求解，其公式為：

3 運輸環(huán)節(jié)風險識別與排查

利用已有的安全風險識別模型，對鐵路運輸安全的風險進行識別與相關(guān)環(huán)節(jié)排查。通過日常實時監(jiān)測、測量得到的故障特征值，將其輸入上述的安全風險識別灰色預測模型中，用于識別、排查和診斷。通過模型輸出的結(jié)果來判定目前鐵路運輸狀況及應采取的對策。為了保證識別和排查的精確性，選擇關(guān)鍵子環(huán)節(jié)作為故障模式，在進行風險識別時，所獲得的結(jié)果就是每個關(guān)鍵子環(huán)節(jié)的故障模式[7]。若輸出為“正常狀態(tài)”，說明目前的鐵路運輸狀況良好，無危險或潛在危險；如果輸出的是“故障狀態(tài)”，則意味著在鐵路運輸?shù)臅r候，有一個重要的環(huán)節(jié)出現(xiàn)了問題，存在著安全隱患，必須立即進行檢查，以消除隱患。在確定風險發(fā)生的關(guān)鍵子環(huán)節(jié)，由有關(guān)部門要對風險進行分析、檢測，以找出風險、及時采取措施以排除險情[8]。為向運輸相關(guān)環(huán)節(jié)風險進行更準確的排查，對模型輸出結(jié)果的風險危機程度進行量化，并針對危機程度最嚴重的問題進行相關(guān)環(huán)節(jié)排查。在這一過程中風險危機程度的量化數(shù)值可通過下述公式計算得出：

<1)，且各件產(chǎn)品是否為不合格品相互獨立．

公式中，P表示風險危機程度量化結(jié)果；Sn表示某一關(guān)鍵子環(huán)節(jié)的識別模型輸出結(jié)果；En表示另一個與Sn比較的關(guān)鍵子環(huán)節(jié)識別模型輸出結(jié)果；i表示對應安全法風險因素存在會造成的直接或間接損失量化結(jié)果。根據(jù)上述論述，得出所有識別模型輸出結(jié)果的風險危機程度量化取值，按照取值從大到小的順序確定各個模型輸出結(jié)果的排查優(yōu)先級，在排查后根據(jù)排查結(jié)果確定安全風險因子，并對相應環(huán)節(jié)加以處置。

4 對比實驗

結(jié)合本文上述論述，為實現(xiàn)對基于灰色預測的風險識別方法應用可行性的檢驗，并進一步得出該方法與其他現(xiàn)有識別方法相比具備的優(yōu)勢，開展下述對比實驗研究。實驗過程中，選擇將本文基于灰色預測的識別方法作為實驗組，將基于神經(jīng)網(wǎng)絡的識別方法作為對照I 組，將基于隨機森林的識別方法作為對照II 組。以某鐵路運輸企業(yè)為依托，獲取該企業(yè)某一鐵路運輸線路上某一時間段內(nèi)的運輸數(shù)據(jù)，并將其作為實驗數(shù)據(jù)。將所有實驗數(shù)據(jù)集成為一個數(shù)據(jù)集，其中包含了運輸起始時間、運輸結(jié)束時間、運輸貨物量以及對運輸安全可能造成影響的多種因素相關(guān)數(shù)據(jù)。分別利用三種識別方法對數(shù)據(jù)集中包含了5 組運輸路徑上可能會發(fā)生的安全風險進行識別，并將識別結(jié)果與實際情況進行對比。從獲取到的相關(guān)資料中得出，提取到的5組運輸路徑中，包含路徑1、路徑2、路徑3、路徑4、和路徑5，其中路徑1、路徑2 和路徑4 都出現(xiàn)了安全風險事故問題，具體出現(xiàn)的環(huán)節(jié)分別為倉儲保管環(huán)節(jié)、裝卸環(huán)節(jié)以及途中交接環(huán)節(jié)。表1 為鐵路運輸中可能出現(xiàn)安全風險事故的環(huán)節(jié)與對應編號。

表1 鐵路運輸出現(xiàn)安全風險事故的環(huán)節(jié)與對應編號

在此基礎(chǔ)上，完成三種識別方法的安全風險識別。表2 中記錄了三種識別方法的識別結(jié)果，其中包含是否識別出安全風險，以及若存在安全風險，安全風險出現(xiàn)的具體環(huán)節(jié)。

表2 三種識別方法識別結(jié)果記錄表

結(jié)合上述三種識別方法得出的識別結(jié)果可以看出，對照I 組識別方法對路徑3～路徑5 的是否存在安全風險給出了正確的識別結(jié)果，但識別出的具體環(huán)節(jié)不正確。對照II 組識別方法對路徑1、路徑2 和路徑4、路徑5 的是否存在安全風險給出了正確的識別結(jié)果，且路徑1 和路徑2 正確識別出了安全風險存在的具體環(huán)節(jié)，但其他路徑識別不正確。只有實驗組識別方法得出的識別結(jié)果與上述獲取到的該鐵路運輸企業(yè)資料中所示信息一致，實現(xiàn)了對5 條運輸路徑安全風險的準確識別。因此，通過上述對比實驗得出的結(jié)果能夠證明，將本文提出的基于灰色預測的識別方法應用到實際鐵路運輸安全風險識別當中，與其他現(xiàn)有識別方法相比，具備更高的識別準確性和識別精度，值得廣泛推廣和使用。

5 結(jié)語

通過本文論述，在引入灰色預測的基礎(chǔ)上，提出了一種新的風險識別方法，并結(jié)合實驗的形式實現(xiàn)了對這一方法的應用可行性驗證。然而由于鐵路運輸?shù)膹碗s性和關(guān)聯(lián)性，在確定安全風險因子的存在后，必須考慮到危險源的存在，明確危險源對各個環(huán)節(jié)的影響，從而對鐵路運輸?shù)陌踩?、順利進行產(chǎn)生的不利影響進行具體分析。安全風險因子與安全隱患就是從這種聯(lián)系和影響之中產(chǎn)生的。因此，在接下來的研究工作中還將進一步尋找關(guān)鍵子環(huán)節(jié)與各個危險源之間的關(guān)聯(lián)性，并在進行風險識別的基礎(chǔ)上對關(guān)聯(lián)最大的危險源進行排查，消除隱患，以此充分發(fā)揮風險識別方法的應用作用，更好地保障安全風險識別的全面性和準確性，實現(xiàn)對事故的預判、預防和交通安全的保障。