基于模糊网络分析法（F-ANP）的高速铁路运营安全评价

2020-04-10王迎晗陆键彭一川

中国铁路 2020年2期

王迎晗，陆键，彭一川

（同济大学交通运输工程学院，上海 201804）

1 概述

截至2018年底，我国已建成并投入运营的高速铁路里程达2.9 万km 以上，占全世界高速铁路运营里程的66%以上。虽然我国高速铁路建设取得了举世瞩目的成就，但在运营管理和安全保障方面仍有待提高，高速铁路运营安全评估和风险管理更是受到越来越多的重视和关注。

安全评价作为系统工程的重要组成部分，其目的是对系统或工程在运行中可能遭受的损害或潜在的风险源做出定量的估计或定性的描述。高速铁路系统构成复杂，其供电系统、信号与通信系统、轮轨系统和控制系统等的正常工作均关系着列车的安全运行。此外，高速铁路在运营过程中，还容易受到天气情况、人为干扰等因素的影响。目前，国内外有众多安全领域的专家学者运用不同方法和模型对高速铁路运营安全进行研究和分析：Guo 等［1]研究高铁列车驾驶员的人格特征对行车安全的影响，采用NEO 人格量表的方式，对原北京铁路局221名高铁列车驾驶员进行问卷调查，并建模分析调查结果。Qian 等［2]利用FLAC3D 建模软件分析高速铁路线路与地铁隧道以不同的角度相交时的地层沉降特征，从而研究隧道开挖过程中的地层沉降问题对高速铁路安全造成的影响；Xu等［3]分析车轴疲劳损伤对高速铁路运营安全的影响，通过分析车轴表面划痕的深度来评估划痕对疲劳性能的影响。施莉娟等［4]运用网络层次分析法（ANP）和证据理论对无线闭塞中心的风险等级进行评估。上述研究主要针对人员、外部环境、关键设备等单一因素对高速铁路安全造成的影响，没有对风险因素进行系统性地总结和分析。潘丽莎等［5]在构建城市轨道交通车站安全态势评价指标体系的基础上，利用层次分析法（AHP）和熵值法建立了安全态势评价模型。但AHP 方法忽略了评价指标间的耦合关系，并不完全适用于系统构成复杂的高速铁路系统。作为AHP方法的改进和升级，网络层次分析法（ANP）考虑了指标间的相互作用和相互影响，具有更广泛的适用性。模糊网络分析法（F-ANP）综合了模糊综合评判和ANP方法，已经被较为成熟地应用于风险评价［6]、工程招标［7]、能力评估［8-10]等领域中。

结合相关安全评价方法的研究基础，运用模糊网络分析法首先对影响高速铁路安全运营的众多安全因素进行梳理，归纳总结安全因素指标体系，并系统分析各安全因素间的耦合关系，进而运用网络层次分析法得出各安全因素对高速铁路运营安全的贡献度，最后运用模糊综合评判的方法对高速铁路的运营安全等级作出综合评价。

2 高速铁路安全因素指标体系

通过查阅相关文献资料［11-12]及前往多个铁路局集团有限公司实地调研考察，将影响高速铁路运营安全的因素分为人员、设备、环境和管理4 个方面。4 个方面的因素相互耦合、相互影响，共同影响高速铁路运营安全。

2.1 评价指标体系构建

2.1.1 人员因素

人员因素不仅指高速铁路运营过程中车务段、机务段、工务段、电务段等各职能部门的工作人员，还包括各级管理人员和技术操作人员，同时也包括高铁列车乘客。工作人员是各项工作开展的主体，工作人员的安全素养、业务能力、职业技能以及在应对突发情况时的反应能力和应急处置能力都影响着高速铁路的安全行车。结合高速铁路各行车岗位工作特点，将工作人员的安全因素分为安全素养和业务水平。乘客是高速铁路运输服务的主体，乘客在乘坐高铁列车时的不当行为，如抽烟触发烟雾报警器导致列车临时停车等，也会影响高铁列车的安全运行。

2.1.2 设备因素

高速铁路运营过程中涉及到的设备种类多、复杂度和耦合度高，同时高速铁路工作环境为室外，各项设备易受到自然环境因素的影响。因此，保证设备的正常工作和良好运行是保障行车安全的关键。高速铁路运营过程涉及到的固定基础设施和移动设备包括轨道、轮轨系统、牵引供电系统、信号系统和通信系统等。轨道是高速铁路运行的固定基础设施，轨道的平顺度和轨面条件都直接影响着列车行驶的稳定性和旅客的舒适度。牵引供电系统为电气化铁路输送电能，主要设备包括接触网系统，牵引变电所和数据采集与监视控制系统（SCADA），其中，接触网系统由于沿铁路沿线露天铺设，且结构复杂，因此故障率较高。高铁列车信号与控制系统是行车安全和高效的重要保障，主要包括列车控制系统、调度集中系统和车站联锁。铁路通信系统是实现铁路专用通信业务的系统，目前高速铁路的通信系统采用GSM-R 数字移动通信系统，其在无线场强覆盖、网络服务质量、可靠性等方面均有着较严格的要求。

2.1.3 环境因素

环境因素可分为自然环境和社会环境。自然环境包括天气状况（包括强风、暴雨、暴雪等）、地质灾害（包括泥石流、塌方、地震等）、特殊土路段（湿陷性黄土、膨胀土等）等。社会环境指的是社会运行中的政治、法律、经济、治安等环境。

2.1.4 管理因素

管理在高速铁路运营过程起着计划、领导、组织协调的作用。科学合理的管理制度能使得各项工作更加高效、有序地开展，从而保障列车运营安全。结合高速铁路运营工作特点，宏观上可将管理制度分为人员管理制度和设备管理制度。

综合以上分析，将4个主要方面的安全因素进一步划分，构建高速铁路运营安全评价指标体系（见图1），包括4 个一级安全指标和17 个二级安全指标，为安全评价模型构建建立基础。

2.2 评价指标耦合关系

建立评价指标体系后，还应对各指标间的耦合关系作出分析和判断。各评价指标间并不是相互独立的，而是存在一定的依存和反馈关系。例如，工作人员业务水平不高可能导致对设备的不当操作进而导致车辆故障；在气温变化较大时，接触网的线索张力和驰度会随着热胀冷缩发生较大变化而影响弓网受流质量；车站的治安混乱可能导致火灾安全隐患；列车的控制系统在遇到暴雨暴雪天气或前方发生塌方等灾害情况时，会采取自动降速、临时停车等紧急措施避免安全事故的发生。通过参考有关资料［13]和咨询相关领域的专家学者，确定各评价指标间的耦合关系见表1。

图1 高速铁路运营安全评价指标体系

表1 评价指标耦合关系

3 模糊网络分析法（F-ANP）

模糊网络分析法将ANP 和模糊综合评判相结合，首先通过ANP 确定各安全因素的权重，然后利用模糊综合评判得出评价对象的安全等级。该方法考虑到了评价对象的模糊性和复杂性，一定程度上减少了评价者主观性的影响。

3.1 模糊综合评判

在客观世界中，有许多现象带有不确定的性质，这些没有明确界定的现象被称为模糊现象。工程应用中，也有大量的受各种因素制约、难以量化的因素和指标。模糊综合评判即以模糊数学为基础，根据隶属度理论和模糊合成运算原理，把对许多边界不明确的指标进行定量化评价，进而对模糊现象做出系统的总体评价［14]。

首先，要根据经验和相关研究资料建立对评价对象的因素集U和评语集V。U={u1，u2，···，um}，m为评价指标的个数；V={v1，v2，···，vn}，n为评价等级的个数。

针对m个评价因素对n个评价等级的隶属度，构建模糊关系矩阵R。

式中：rij为评价因素ui在评价等级vj上的隶属度，即频率分布，一般将其归一化使得∑rij= 1。

获得模糊关系矩阵R后，还需对各评价因素的相对重要性大小作出判断，得出评价因素权重分配集A，A=(a1，a2，…，ai，…，am)，其中ai表示评价因素ui在因素集中所占比重，且∑ai= 1。

利用权向量A对模糊关系矩阵进行模糊合成运算，得到评价目标在各评价等级上的隶属程度模糊子集B，B=A*R=(b1，b2，…，bj，…，bn)，其中bj表示评价目标在评价等级vj上的隶属度。*为合成运算符号，一般有查得算子，普通矩阵乘法等不同的模糊合成运算方法。

根据最大隶属度原则，获得最终评价结果，bj中最大者即为评价目标的评价等级。

3.2 网络层次分析法（ANP）

网络层次分析法（ANP）是T.L.Saaty在层次分析法（AHP）的基础上改进后的系统综合评价方法。ANP 的结构主要包含2个部分，一个是控制层，包含目标和准则；另一个是网络层，网络层的元素之间不独立，存在相互作用和相互影响（见图2）。相比AHP 而言，ANP的层次结构更加复杂，不仅是一个递阶式的层次结构，同时还考虑了层次结构之间的循环和反馈，以及同一层次之间内部元素的相互依存和支配关系。因此，对于故障致因复杂和安全因素间存在耦合关系的高速铁路系统来说，通过ANP 来确定各评价指标的相对重要程度，即权重的大小，比AHP更适合，也更加具有优势。

假设网络层共有N个元素组，首先以元素组Ci中ei k(i= 1…N；k= 1…n)为次准则，构建元素组Cj中元素ejl(j= 1…n；l= 1…m)对eik相对重要程度比较，即判断矩阵，并由特征根法得到排序向量且以此类推获得元素组Cj中元素对Ci中所有元素的排序向量后即可得到排序矩阵Wij，若元素组Ci中的元素不受Cj的影响，则Wij=0：

图2 ANP典型结构

这样的排序矩阵共有N×N个，由排序矩阵构成子块即得到了超矩阵W，ANP的核心工作即解超矩阵：

由上述定义可知，超矩阵子块Wij的列向量是归一化的，然而超矩阵W的列向量却不是归一化的。因此，还需要对超矩阵进行加权处理，即对元素组之间分别进行两两比较，得到判断矩阵并通过一致性检验，由特征根法得到归一化的特征向量，由此得到加权矩阵A′：

由Wˉ=A×W得到加权超矩阵最终，当W∞=存在时，即得到极限超矩阵W∞。

4 基于F-ANP的高速铁路运营安全评价方法

在构建评价指标体系和确立指标间耦合关系的基础上，运用F-ANP 方法，综合评价高速铁路运营安全等级。

4.1 构建因素集和评语集

影响高速铁路运营安全的各种因素组成因素集，基于已建立的高速铁路运营安全因素评价指标体系，构建因素集U：

评语集反映了专家或相关领域学者对高速铁路运营安全可能做出的评价。通过对上海、广州等地的调研考察，并参考GB/T 21562《轨道交通可靠性、可用性、可维护性和安全性规范及示例》中对风险等级的划分，构建评语集V：

4.2 评价因素权重确定

根据评价因素间耦合关系的分析，建立ANP 网络层结构（见图3）。利用Saaty1-9 标度表（见表2），通过专家打分的方式对各评价因素间相对重要程度两两比较，得到两两比较矩阵。再利用决策软件Super Decision 建立判断矩阵，并通过一致性检验。由特征根法得到排序向量，建立排序矩阵，进而计算得到未加权的超矩阵（见表3）。

图3 ANP模型网络层结构

对一级评价因素相对重要性进行两两比较，得到加权矩阵A′：

表2 Saaty 1-9 标度表

对相应二级评价因素进行加权计算得到加权的超矩阵（见表4）。最后对加权后的超矩阵进行极限运算得到极限超矩阵（见表5）。一级评价因素和二级评价因素的权重分别见图4 和图5。各评价因素权重归一化后并得到因素集的权重向量A：

从图4中可以看到，对高速铁路运营安全影响程度最大的一级因素为设备因素，其次为管理因素。高速铁路系统构成复杂且耦合度高，涉及到的设备要素种类多且自动化程度高，因此保证设备的正常运行是保障高速铁路运营安全的关键；管理要素是对人员、设备、环境等因素进行统筹协调的支配性因素，管理是统筹人-机-环境的支配性因素，因而管理制度的健全、科学、合理、高效能够降低另外3项安全因素的风险程度，从而保障高铁行车安全。

进一步从图5中可以看到，人员管理制度和信号与控制系统这2个二级因素对高速铁路运营安全影响程度最大。人员管理制度保证着各部门、层级的工作人员安全、有序、高效地开展各项工作；高铁列车的信号和控制系统主要用于调度指挥、行车自动化控制。同时，在列车遇到恶劣天气、突发自然灾害或站台紧急情况时，列控系统能够采取相应措施避免事故的发生，因而是保证行车安全、提高运行效率的核心技术装备。

表3 未加权的超矩阵

表4 加权的超矩阵

表5 极限超矩阵

图4 一级评价因素权重分布

4.3 确定评价矩阵

为说明模糊网络分析法的实际应用，提供1个算例供参考。对于高速铁路线路S，共邀请15 位专家分别从17个二级评价因素出发，确定S对评语集V的隶属程度。共发放问卷15 份，回收问卷15 份，有效问卷15份，回收率和有效率均为100%。问卷结果信度检验系数Cronbach′sα= 0.809 ＞0.800，表明问卷内部一致性较好。专家问卷调查结果频率分布见表5。