铁路突发事件应急救援群体决策情景冲突协调方法研究

2019-08-01李小平徐家梁

铁道学报 2019年6期

李小平，徐家梁

(兰州交通大学机电工程学院，甘肃兰州 730070)

铁路突发事件应急决策过程主要采用“情景-应对”模式，并且涉及政府部门、专业救援机构、社会力量、非政府组织、甚至国际救援机构等，参与部门及人员众多，是一项复杂的非常规突发事件应急群体决策过程[1-2]。在决策过程中，由于决策成员工作背景与经验知识的差异性、决策情景信息的不完备性、决策问题的复杂性和不确定性、决策资源的有限性以及决策时间的紧迫性，导致决策成员对“情景”的认知并不一致，容易形成“情景冲突”，进而导致决策过程中群体的“决策冲突”，严重制约了应急决策方案的有效快速形成[3-4]。因此，针对“情景冲突”问题进行消解与协调方法研究，是铁路突发事件应急群决策研究中的一项重要任务，对于消解“决策冲突”并快速形成一致性决策意见具有重要作用。

在“情景冲突”的研究方面，李仕明等[5]对非常规突发事件的情景概念进行了研究，提出了聚类型情景、决策型情景以及任务型情景；KAPUCU等[6]认为情景冲突问题主要表现为决策者感知到的决策信息不完全、残缺或者过载引起的对情景发展态势判断的冲突；TSAI等[7]认为现场和非现场信息的不同步是造成远程决策信息冲突的主要原因，并提出了在信息不充分、不完全的条件下提高信息获取的方法；刘德海等[8]针对决策中信息过剩、信息匮乏和虚假信息等问题,建立了信息传播的演化博弈模型以及冲突协调机制。

在决策冲突的研究方面，徐选华等[9]提出了基于成员冲突测度基础上的冲突阈值设定方法，并将实际冲突值与设定阈值进行比较，实现了非常规突发事件应急决策的冲突消解；ZHANG等[10]提出将不完全偏好选择按照区间进行划分，然后对区间偏好集结，进而实现群体偏好的集结方法；SUN等[11]提出了一种基于语义偏好关系的多属性群体决策一致性度量方法； TSABADZE[12]提出了基于梯形模糊估算的群体决策聚集方法；BOUZAROUR-AMOKRANE等[13]采用基于博弈论的共识达成模型，对群体决策问题的双极(积极、消极)共识达成方法进行了研究；XU等[14]针对非常规突发事件的应急群决策群体冲突问题提出一种专家权重的离散修正策略进而实现冲突消解的方法；李佳遥等[15]针对复杂事故链情境下的潜在风险关联推理问题,提出基于事故链情境本体建模的知识推理方法；左静等[16]提出了一种基于改进熵权聚类SVD的铁路应急救援辅助决策方法。

以上研究表明，关于突发事件情景及决策冲突问题的研究取得了大量研究成果，而对于决策过程中如何实现情景冲突协调问题的研究相对较少。事实上，对于每一个决策者而言，“情景”是其做出决策的主要依据，情景冲突也是决策冲突的重要因素，解决了情景冲突问题，决策冲突也随之解决。因此，本文将在前人研究的基础上，以铁路突发事件应急救援过程中的情景冲突为研究对象，通过构建情景描述函数，情景要素及情景库，以及基于冲突偏好测定矩阵的情景评价及冲突协调模型，采用距离偏差算法进行情景冲突评价的测定与协调。该方法能够有效提高情景冲突协调效率，减少冲突协调时间，为铁路突发事件应急救援提供快速的决策技术支持。

1 情景库构建

1.1 情景要素确定

突发事件的“情景”是指决策者正在面对的突发事件发生、发展的态势，也指突发事件发生、发展过程中某一时刻所有灾害要素的状态集合[17]。根据这一定义及KAPUCU等[6]对情景问题的分析可知，铁路突发事件的情景要素不仅包括致灾因子、承灾体、孕灾环境等结构性要素，还包括情景发展的驱动要素及发展态势。

(1)致灾因子要素hf

致灾因子要素是直接致灾要素的集合，可描述为hf=(hf1,hf2,…,hfm)，m为要素个数。

(2)承灾体要素lf

承灾体要素是各种致灾因子的作用对象，可描述为lf=(lf1,lf2,…,lfn)，n为要素个数。

(3)孕灾环境要素ef

孕灾环境要素指致灾因子与承灾体所处的外部环境，可描述为ef=(ef1,ef2,…,efk)，k为要素个数。

(4)情景驱动要素df

情景驱动要素是指对情景转换起主要推动作用的要素，可描述为df=(df1,df2,…,dfj)，j为要素个数。

(5)情景发展态势tf

情景发展态势是按照事件链理论，由当前情景衍生的未来情景，设要素个数为g，则tf=(tf1,tf2,…,tfg) 。

因此，铁路突发事件的“情景”可以用一个五元组来描述。

s={hf,lf,ef,df,tf}

(1)

1.2 情景库构建

设决策群体有p个决策者(p≥2)，对第i个决策者，i=1,2,…,p，其构建的应急救援情景可描述为si={hfi,lfi,efi,dfi,tfi}。

p个决策成员构建的应急情景库可表示为

(2)

其中致灾因子要素库为

(3)

承灾体要素库为

(4)

孕灾环境要素库为

(5)

情景驱动要素库为

(6)

情景发展态势库为

(7)

对不同决策者，其构建的情景要素可能小于最大要素数，对于不足的要素，以0补足。

2 情景冲突协调模型

基于“情景-应对”的铁路突发事件应急决策模式包括“情景”属性与“应对”属性，情景属性构成情景库，其要素包含致灾因子、承载体、孕灾环境、情景驱动和发展态势，应对属性构成应对方案集，包括救援决策时采取的救援规则和救援案例(经验)。

铁路突发事件应急救援决策的情景冲突协调模型如图1所示。

图1 铁路突发事件应急决策情景冲突协调模型

根据事故现场报告对铁路决策问题“情景”或事故情景演变的描述，决策专家根据专家知识与经验筛选与评估关键情景，分析其演化趋势，从而构建事故的情景库S，包括致灾因子要素库Hf、承灾体要素库Lf、孕灾环境要素库Ef、情景驱动要素库Df、情景发展态势库Tf。群体决策专家对情景库中的情景要素进行评价及冲突测定，如果“情景冲突”在一定合理的范围内，则认为冲突消解，此时决策专家可对情景要素进行重要度排序，根据重要度排序从决策方案集中选择适当的应对方案，包括救援规则与救援案例(经验)；如果“情景冲突”不符合要求，则对“冲突情景”中的最大冲突要素进行信息共享与协商反馈，之后每个决策专家进行“情景重构”生成新的情景库，继续上述循环，直至冲突消解。

根据情景得出应对方案后，决策专家同样需要对决策方案进行评价偏好并进行决策方案冲突程度测定，设定冲突阈值，如果冲突程度在阈值之内，则形成决策执行方案；如果不满足，则筛选出最大的决策冲突要素及对应的情景冲突要素，继续进行“情景”共享与协商反馈、情景重构、情景库构建环节，通过情景冲突协调实现决策方案的协调。

在铁路突发事件冲突协调中，为了尽快达成一致性意见，可设定最大冲突协调次数Kt，超过最大协调次数Kt，则强制结束情景协调，由决策主持者综合做出情景冲突协调结论。

3 情景冲突协调方法

3.1 构建情景评价偏好矩阵

假设第i个决策者对第r个致灾因子给出的评价偏好为hir，其中

hir≥0i=1,2,…,pr=1,2,…,m

p个决策成员关于m个致灾因子给出的评价偏好构成矩阵H为

(8)

p个决策成员关于n个承灾体要素给出的评价偏好构成矩阵L为

(9)

p个决策成员关于k个孕灾环境要素给出的评价偏好构成矩阵E为

(10)

p个决策成员关于j个情景驱动要素给出的评价偏好构成矩阵D为

(11)

p个决策成员关于g个情景发展态势给出的评价偏好构成矩阵T

(12)

3.2 情景冲突测定与协调

以致灾因子要素为例进行分析。

(13)

定义θH为致灾因子情景冲突指标，采用距离偏差方法进行计算，则有

(14)

同样方法可以对承灾体要素冲突指标θL、孕灾环境要素冲突指标θE、情景驱动要素冲突指标θD、情景发展态势冲突指标θT进行情景冲突测定与协调。

当θH、θL、θE、θD、θT都调整到阈值范围以内，表明决策群体的情景冲突已消解，即可对情景要素进行重要度排序，根据排序结果进入“决策属性”即应对方案集的选择与匹配阶段，应对方案集包含救援规则及救援案例。为了提高方案的适应性，对应对方案也可进行群体评价并生成评价偏好，对于一致性偏好，则执行所选择的应对方案，对于偏差较大的方案，继续进行情景共享、情景重构与情景协调过程，修改应对方案，形成一致性可执行应对方案。

3.3 “情景演变”及“情景库”重构

突发事件的“情景演变”是一个动态变化的过程，包括情景演化的时间规律(初始情景、中间情景、结束情景)、阶段性规律以及情景要素作用(情景的构成要素以及要素之间的关系)三个方面[18]，情景要素作用预示了下一阶段的情景态势，体现了事件恶化、稳定或退化的趋势，或者次生事件、衍生事件的产生，具有一定的预见性。铁路突发事件的发生发展也是一个动态演变的过程，动态演变也意味着情景库的不断更新，决策专家需要根据变化的态势进行情景重构，并生成新的情景库要素，重复进行情景冲突测定与协调，直至完成最后的救援工作。

4 算例分析

2018年1月9日21时28分，某铁路局机务折返车间5003次小运转机车在牵出作业时发生突发事故，机次第2位车辆(P62N3315347)前台车脱线，方向在钢轨南侧，脱轨轮对距离钢轨最远距离80 cm，线路为曲线，坡道东高西低。现场积雪较大，气温-26 ℃左右。对于此次事故，有20位决策者参与群体决策(为了简化计算，选其中5位决策者的决策数据)，由事故关键信息构成的铁路突发事件应急救援情景库见表1。

表1 铁路突发事件应急救援情景库

5位决策者对于致灾因子要素(铁轨损坏、枕木损坏、车辆缺陷)库Hf，承灾体要素(棚车、台车、前台车)库Lf，孕灾环境要素(牵出线、坡道、积雪、路基松软)库Ef，情景驱动要素(坡道、积雪、路基松软)库Df，情景发展态势要素(颠覆、溜逸)库Tf，取值如下

对每一种情景要素，5位决策者给出独立偏好判断，采用Saaty提出的层次分析(AHP)1～9标度法，对于某位决策者未考虑到的因素，则取最低偏好值1/9。评价结果见表2～表6。

分别计算出5位决策者对情景要素评价矩阵的特征向量矩阵H、L、E、D、T,特征向量表示决策专家对情景要素的关注程度，即构成决策专家对情景要素评价的偏好矩阵。

表2 决策者p1～p5对致灾因子要素的评价偏好取值

表3 决策者p1～p5对承灾体要素的评价偏好取值

表4 决策者p1～p5对孕灾环境要素的评价偏好取值

表5 决策者p1～p5对情景驱动要素的评价偏好取值

表6 决策者p1～p5对发展态势要素的评价偏好取值

冲突阈值反映个体决策者与其他决策者的偏好差异，可以通过偏好距离计算获得，本例为了简化计算，假设冲突阈值CI=0.4。权值的确定可以采用权威分配法、名义群体法等，本算例假定各决策专家的权重是相同的，即ωi=1/5,i=1,2,…,5。

以情景驱动要素为例进行分析，得到群体决策专家对3个情景驱动要素的综合偏好向量D0=ωi×D=[0.08,0.47,0.45]，采用式(14)计算，可得出决策群体初次冲突指标θ0=1.05，说明群体内部存在比较大的冲突，最大冲突来自于专家对路基松软情景认识的差异，协调者组织各个专家共享情景信息并进行协商讨论，重新修正情景驱动要素，一次情景驱动要素库Df1和评价偏好矩阵D1修正如下(专家p1～p5对情景驱动要素的评价偏好修正取值见表7)

表7 专家p1～p5对情景驱动要素的评价偏好修正取值

D2=ωi×D1=[0.08 0.66 0.26]，整个决策群体冲突指标θ1=0.38，说明情景冲突达成一致。在第一次修正过程中，其余4位决策者接受了第5位决策者关于“路基松软”这一情景驱动要素的判断并对情景库进行了重构，最后达成一致。事实证明在该事故的实际救援过程中，确实发生了由于路基松软，救援人员在给起重机打支腿时出现了1号支腿下陷问题，通过重复打支腿以后才稳固下来，否则可能会导致起吊过程中发生倾覆而产生二次事故。

对于其他情景要素，可以采用同样的方法进行分析。比如对于承灾体要素，专家修正接受了前台车情景信息，进而在情景应对时，选择匹配“起重机单线起吊车辆一端复轨方法”而不是“整体起吊方法”，减少了事故车起复难度。

常规群体决策算法只对待选方案进行冲突评价与消解，难以找到决策冲突背后的情景冲突要素，导致决策冲突协调困难，协调次数多，决策时间长。该算例表明，基于距离法的情景冲突测度与协调方法能够在冲突发生时通过情景共享与情景重构实现情景冲突消解，大大减小决策方案选择过程中的冲突，有效缩短决策时间，提高了决策效率与质量。