编组站综合自动化系统联调联试 行车安全风险评价

董云逸，邢科家，姚宇峰

DONG Yunyi1，XING Kejia2，YAO Yufeng2

（1.中国铁道科学研究院 研究生部，北京 100081；2.中国铁道科学研究院集团有限公司 通信信号研究所，北京 100081）

(1.Postgraduate Department， China Academy of Railway Sciences， Beijing 100081， China； 2.Signal & Communication Research Institute， China Academy of Railway Sciences Corporation Limited， Beijing 100081， China)

编组站综合自动化系统(以下简称“SAM系统”)联调联试是综合自动化系统集成的重要内容，是集科研、设计、施工、调试及运营等各方面力量的综合性试验。SAM系统具有系统庞大、接口繁多、技术复杂的特点[1]。目前，已经投产SAM系统的编组站均建设在繁忙的长大干线交汇处，不具备长时间大面积停点进行联调联试的条件；同时，初次接触SAM系统的运用人员与设备管理人员对设备属性掌握不够清晰，存在应急处置能力不强的情况。因此，为保障SAM系统联调联试期间的行车安全，亟需对联调联试工作进行系统性的安全分析与评价。

1 概述

1.1 SAM系统架构及业务流程

SAM系统通过与计算机联锁、行车调度指挥、驼峰自动控制、停车器自动控制、无线调车机车信号与监控、车站综合信息管理等多个子系统接口，将信息集中到SAM系统管控融合平台上，实现了实时数据的高效共享，站内信息的综合集成[2]。

SAM集中控制服务器是实现管控融合的核心，SAM集中控制服务器接收铁路局集团公司与车站协同编制的作业计划后，将计划分解成可执行的进路指令并形成序列。系统在检查一系列安全卡控条件均符合后自动择机下达进路指令，完成一次进路排列的同时接收现场作业实时反馈并自动报点，从而达到从调度计划到作业实绩的全过程信息化、自动化。SAM系统架构及业务流程如图1所示。

图1 SAM系统架构及业务流程Fig.1 The architecture and business process of the SAM system

1.2 SAM系统联调联试关键技术

SAM系统的联调联试即编组站内各系统间的综合调试，通过调试所有子系统，使之符合设计的要求、运营的需求，并以优化调度、安全行车为核心，检测、调试和优化各子系统间的接口功能，使整体系统的功能达到最优。联调联试是一个在一定时间内持续动态的过程，经由编组站运输生产大系统到人员、环境、管理与设备子系统的多次反馈与调试优化，方可判断系统功能结构的完整性和合理性。

SAM系统模式分为集中人工模式和集中自动模式2种。在集中人工模式下，调度人员、行车人员等集中到调度指挥大厅统一指挥、协同作业，控制数据、作业计划等集成到管控融合平台实现信息的高效共享、互联互通。在集中自动模式下，系统在检查一系列安全卡控条件后自动择机下达进路及作业通知，能够有效保障现场作业安全，减轻生产作业压力，提高人员劳效[3]。不同的控制模式联调联试的前提条件有所不同，其联调联试关键技术也有一定区别。SAM系统联调联试具备条件及关键技术如表1所示。

SAM系统在联调联试过程中随着人机职责的再分配，行车岗位的再优化，会带来操作、联控等生产组织方式的变化。因此，联调联试过程中应充分研判系统性风险，评估全过程的安全态势。

2 基于FTA-多层次模糊综合评价法的SAM系统联调联试安全风险研判与评价

2.1 基于FTA的SAM系统联调联试行车安全风险研判

事故树分析法(FTA)采用演绎法对危险源进行辨识，以所分析的事故为顶上事件，进行从上到下逐级建树、逐层分析，最终查找出导致顶上事件发生的基本原因事件。事故树分析法既适用于定性分析又能进行定量分析，具有简明、形象化的特点，体现了以系统工程方法研究安全问题的系统性、准确性和预见性[4]，对于SAM系统联调联试期间的安全风险研判具有很好的适用性。

以惯性安全风险点调车挤岔事故为例，根据现场作业实际情况，得到SAM系统联调联试前调车挤岔FTA模型如图2所示，SAM系统联调联试期间调车挤岔FTA模型如图3所示。

SAM系统调车自动联调联试的前提条件为STP子系统启用，STP子系统可有效防护因司机疏忽、无信号盲目动车等原因导致的调车冒号。同时，SAM系统具备的数十项卡控手段可有效防护因分路不良、压信号调车、未按计划排列信号等原因导致的进路准备错误。2种设备相互配合可有效降低因值班员与调车司机作业失误产生的安全风险，减轻作业人员劳动生产压力。SAM系统保留了应急情况人工干预优先的功能，但因联调联试期间行车人员对设备属性、设备操作还不够熟悉，常误以为人工排列进路SAM系统仍会进行卡控，进而产生新的安全风险。因此，车站应重视联调联试前的动员工作、培训工作；充分发挥好值班员、助理值班员作业互控的优势；配备胜任的技术干部对联调联试期间的各项作业进行全程盯控，从而降低调车挤岔的安全风险。

表1 SAM系统联调联试具备条件及关键技术Tab1 The condition and key technology of SAM integrated commissioning and testing

2.2 基于多层次模糊综合评价法的SAM系统联调联试行车安全评价

多层次模糊综合评价法是将复杂问题的各个组成因素按支配关系形成递阶层次关系结构，应用模糊系统基本理论将一些边界不够清晰的因素定量化的一种方法。首先，对利用FTA技术分析出的基本原因事件进行归纳整理并按照一定逻辑结构分层；其次，构造求解比较判断矩阵，并计算出每一层全部因素的相对重要性的权值；最后，针对所分析的具体事物构建评语集合，并对每一层次的各因素进行客观判断，构造好模糊评价矩阵后进行逐级合成，逐层评价。该方法具有定性和定量相结合的特点，使用该方法可将评价过程的各项因素数学化、系统化，使得评价结果更准确。

图2 SAM系统联调联试前调车挤岔FTA模型Fig.2 The FTA model of splitting-of-point accident before SAM system integrated commissioning and testing

2.2.1 构建SAM系统联调联试行车安全评价指标体系

SAM系统联调联试行车安全评价指标体系包含了联调联试期间运输组织和安全生产的众多重要环节，其指标选取应遵循科学、全面、系统、易操作等原则，充分考虑FTA技术分析归纳出的安全风险类别，在结合车站作业实际的基础上，根据《铁路安全管理条例》等法规，将影响SAM系统联调联试的因素归结为人员因素A1、设备因素A2、车站环境水平A3和车站组织管理A44个方面[5]。

（1）人员因素是影响车站联调联试期间生产安全的关键环节，通过FTA技术分析可知车站安全风险事故多是因为职工受教育水平不高、对新设备应用有抵触情绪、违章作业、业务技能不强、应急处置能力差等原因导致的。同时应注意职工在联调联试期间的身心疲劳程度，职工身心疲劳程度与安全风险的发生有正相关性。通过分析人员因素对SAM系统联调联试期间行车安全的影响，从作业人员的受教育水平A11、业务技能A12、应急处置能力A13、身心疲劳程度A144个方面进行分析。

（2）设备因素是影响车站联调联试期间安全生产的重要因素。运营状态良好、稳定的设备既是车站安全生产的物质基础，又是车站安全生产的重要保障。SAM系统投入使用伴随着人机职责的再分配，会导致人员组织形式、联控方式产生变革，因而人机职责再分配的合理性应更加注意。通过分析设备因素对SAM系统联调联试期间行车安全的影响，从设备可靠性与先进性A21、设备备件日常巡检状况A22、人机职责再分配合理性A233个方面进行分析。

（3）车站环境水平可分为站内环境水平和站外环境水平。站内环境包括作业环境及车站内部社会环境。实施SAM系统后将人员集中至调度指挥大厅，可有效改善调度人员、行车人员的作业环境，也为车站进一步监督管理创造条件。站外环境包括自然环境和站车秩序状况等。通过分析车站环境水平对SAM系统联调联试期间行车安全的影响，从自然环境A31、车站内部环境综合指数A32、车站非法行为发生指数A333个方面进行分析。

（4）车站组织管理是指管理者按照运输组织生产的客观规律和经验，通过对站内外资源的合理调配，以达到安全高效生产的目的。车站应与设备厂家、施工单位、设备管理单位等单位共同制定联调联试期间动态验证组织方案，并根据现场实施情况不断优化。规章管理部门应根据设备属性及时修改站细或制定站务指导，避免作业办法与实际作业脱节的问题。同时，车站主要领导应重视联调联试工作，充分发挥车站沟通协调的优势条件，为联调联试工作创造良好环境。通过分析车站组织管理对SAM系统联调联试期间安全行车的影响，从安全组织管理A41、安全规章制度A42、安全教育A43、领导干部职责A44、专项资金投入A455个方面进行分析。

图3 SAM系统联调联试期间调车挤岔FTA模型Fig.3 The FTA model of splitting-of-point accident during SAM system integrated commissioning and testing

以SAM系统联调联试行车安全为目标层，以车站的人员因素、设备因素、车站环境水平、车站组织管理为准则层，以15个安全评价指标为指标层，构建SAM系统联调联试行车安全评价指标体系如图4所示。

2.2.2 SAM系统联调联试行车安全模糊综合评价

SAM系统联调联试期间影响因素较多，各因素对生产安全的影响有一定模糊性，同时各影响因素之间的指标评价参数均有一定区别，状态参数和评价指标之间很难找到定量关系[6]。考虑到SAM系统联调联试的高度综合性，对于SAM系统联调联试的安全评估可采用模糊综合评价法，具体评价过程如下。

（1）确定评价等级。评价等级一般采取评价指标层的安全水平，结合常规经验，设评语集V={V1，V2，V3，V4}，其中V1表示安全，V2表示较安全，V3表示一般安全，V4表示不安全。

（2）确定模糊合成算子。模糊综合评价中使用◦表示模糊合成算子。M (◦，⊕)算子相比其他模糊合成算子具有体现权重系数强，综合程度高，利用指标层信息充分的特点。为了能够评估全面，采用M (◦，⊕)算子进行模糊综合评价更为合理[7]。

（3）构造模糊评价矩阵。组织一定数量、经验丰富、在各相关专业具有一定代表性的专家成立安全评价小组，结合专家的现场经验进行评价，汇总计算并进行归一化处理，根据隶属度计算方法得到准则层第n个指标的模糊评价矩阵Rn为

式中：xij为该准则层下第i个指标层指标对应评价等级j的隶属度，其中1≤j≤4。

（4）确定指标权重。由各相关专业专家的经验、事故树的重要度计算值等作为决策依据，组织专家采用9级标度法对SAM系统联调联试安全评价准则层因素与指标层因素的重要性构造判断矩阵。设某准则层或指标层有n个因素，则判断矩阵A= (aij)n×n。其中，aij为第i个因素相对于第j个因素的重要性的比较结果。1-9级标度法具体含义如表2所示。

表2 1-9级标度法具体含义Tab.2 The meaning of 1-9 scale method

在确定权重时，首先要计算求解每层判断矩阵的最大特征值λmax及各因素对应的特征向量，并对判断矩阵进行一致性检验。判断矩阵一致性检验的过程如下：首先，计算一致性指标其次，查找相应的平均随机一致性指标RI，1-9阶的平均随机一致性指标如表3所示；最后，计算和检验一致性比例如果C＜ 0.1，则认为

R判断矩阵的一致性可接受，归一化特征向量作为权重向量，否则需要对该判断矩阵进行适当修正。记准则层权重向量为W= (w1，w2，…，wn)，其中wn为准则层第n个指标对应权重；记指标层权重向量为Wn= (wn1，wn2，…，wni)，其中wni为准则层第n个指标中第i个指标因素对应权重。

图4 SAM系统联调联试行车安全评价指标体系Fig.4 The safety assessment index system of SAM system integrated commissioning and testing

表3 1-9阶平均随机一致性指标Tab.3 1-9 order average random consistency index

（5）多层次模糊综合评价。模糊一级综合评价：记bnj为准则层中第n个指标对应评价等级j的隶属度，其中1≤j≤4。结合指标层的权重及其模糊评价矩阵，运用模糊合成算子，得到准则层第n个指标的模糊评价向量Bn为

整理Bn即可得到准则层的模糊评价矩阵为

模糊二级综合评价：记bj为目标层对应评价等级j的隶属度，其中1≤j≤4。结合准则层的权重及其模糊评价矩阵R，运用模糊合成算子，可以得到目标层的模糊综合评价向量B为

（6）清晰化处理。在模糊综合评价中，对于模糊综合评价向量B= (b1，b2，…，bj，…，b4)，最大隶属度原则有效度的相对指标[8]为

式中：α为最大隶属度原则有效度，可以说明施行最大隶属度原则判别的相对置信程度，通常认为当α＞ 1时，施行最大隶属度原则非常有效；β为模糊综合评价向量中元素最大的值，β= max1≤j≤4{bj}；γ为模糊综合评价向量中元素第二大的值，γ=max1≤i≤4,i≠j{bi} 。

3 案例分析

以中国铁路上海局集团有限公司(以下简称“上海局集团公司”)某站为例，组织20名来自技术研发、工程实施、现场运维等各方面专家成立SAM系统联调联试行车安全评价小组对各指标进行打分评价。经过相关分析及汇总计算后得到相应的指标权重和模糊关系矩阵，再运用模糊合成算子进行逐层评价，得到该站SAM系统联调联试行车安全风险的综合评价分析。

3.1 确定指标权重

通过对20位专家打分情况进行汇总计算和归一化处理，得到准则层判断矩阵A及指标层判断矩阵Ai。对判断矩阵进行一致性检验，准则层及指标层一致性检验相关参数如表4所示。由表4可以看出，判断矩阵的一致性比例CR均小于0.1，可通过一致性检验。因此，判断矩阵的归一化特征向量即为相应权重，准则层及指标层指标权重如表5所示。

表4 准则层及指标层一致性检验相关参数Tab.4 The consistency checking parameters of criterion level and index level

3.2 构建模糊评价矩阵

组织安全评价小组的专家分别对15个指标层指标进行评价并对评价结果进行汇总，依据模糊评价矩阵的计算方法分别计算出准则层4个指标分别对应的模糊评价矩阵。

表5 准则层及指标层指标权重Tab.5 The weight of criterion level and index level

3.3 多层次模糊综合评价

利用公式 ⑵，得到SAM系统联调联试行车安全风险评价人员因素的模糊评价向量为

同理可得设备因素的模糊评价向量为B2=(0.896 0 0.094 6 0.009 4 0.000 0)；车站环境水平的模糊评价向量为B3= (0.755 4 0.204 0 0.040 6 0.000 0)；车站组织管理的模糊评价向量为B4=(0.796 0.1355 0.067 8 0.000 0)。

利用公式 ⑷ 得到SAM系统联调联试行车安全风险评价的模糊综合评价向量为

利用公式 ⑸ 经计算SAM系统联调联试行车安全风险评价的模糊综合评价向量的最大隶属度有效度指标α= 2，说明施行最大隶属度原则非常有效。因此，可选择模糊综合评价向量中最大元素所对应的评价等级作为SAM系统联调联试行车安全的综合评价结果，经验证上海局集团公司某车站SAM系统联调联试行车安全评价结果为安全。此外，通过结合分析权重与模糊综合评价矩阵可知，车站职工的应急能力与车站安全组织水平已经成为制约SAM系统联调联试行车安全水平进一步提高的瓶颈，车站应充分重视职工的培训工作，加大教育投入提升职工素质。同时，车站还应组织落实联调联试期间制定的动态验证方案，积极沟通协调相关部门，为车站安全组织提供保障。

4 结束语

SAM系统作为保障编组站站内行车组织安全的重要设备，能有效防护行车组织中的各项安全风险，其联调联试工作是否到位直接决定了SAM系统投产后为车站运输生产服务的水平。通过结合FTA与多层次模糊综合评价方法各自的优点对SAM系统联调联试期间的安全风险进行研判，克服了单一采用某种分析方法大多不能取得良好效果的瓶颈。该方法为SAM系统联调联试期间安全风险研判提供了一种技术手段，为评估总体安全态势提供了一种定性和定量相结合的系统安全综合评估方案，为把握车站运输生产安全脉络提供支撑，为制定风险控制措施提供依据。