地铁火灾风险评估的前兆信息采集与融合分析

张皓扬 庄越

摘 要：为达到对地铁火灾事故早期预防和精准控制的目的，引入前兆信息和多源数据融合的概念;基于82起地铁火灾事故在人机管环模型和人因分析与分类系统基础上构建地铁火灾前兆信息分类模型;针对前兆信息特点提出多源信息采集方法并比较多种多源数据融合方法。利用本文对地铁火灾中前兆信息识别、采集和融合步驟所提建议能降低地铁火灾风险。

关键词：地铁火灾;运营安全;前兆信息;多源数据融合

中图分类号：TB 文献标识码：A doi：10.19311/j.cnki.1672-3198.2022.05.081

0 引言

纵观地铁运营事故的案例，火灾都是造成巨大损失的直接原因。前兆信息作为一种能有效衡量事故潜在风险的理论，运用于地铁火灾管理中具有极高价值。故本文通过历史发生的82起地铁火灾事件识别多源前兆信号，为我国建立起科学合理的地铁火灾前兆信息监测系统提出参考和建议。

1 相关研究基础

1.1 前兆信息理论研究

国内普遍认知将前兆信号分为人机管环四方面，在人因分析与分类系统（HFACS）中以人因视角描述四个层次缺陷：操作人员不安全行为及其前提、不安全监管及组织影响。以HFACS和人机管环模型为核心的前兆信息分类系统对研究地铁火灾异常数据具有研究价值。

1.2 多源数据融合评价方法

多源数据源融合（MSDF）指利用特定的方法对不同类型的信息源或关系数据进行综合处理从而更精准可靠地做出决策的方法。采用多源数据融合对地铁火灾安全风险进行研究，进而将异构多源数据综合为置信度更高的数据，最终帮助决策者提供早期预防的方案。

2 地铁火灾事故跨案例前兆信息分析

2.1 地铁火灾事故概况

对82个地铁火灾案例剖析，案例中各因素占比如图1。研究发现对于地铁火灾要从强化运营管理体系开始自上而下地控制设备因素、员工和乘客因素，并降低环境因素影响。

2.2 地铁火灾事故的前兆信息识别

结合国内经典的人机管环分类系统模型和国外HFACS模型的基础上对82起国内外地铁火灾数据分析。形成本文的前兆信息分类系统（如表1）。

影响因素间的交互和耦合导致了最终安全事故的发生，其在地铁火灾运营前兆信息中的表现为在事故发生前能够采集并检测到分类系统模型中的一种或多种前兆信息。

3 地铁火灾事故前兆信息采集与融合评价

3.1 前兆信息的采集方法

表一中地铁火灾运营前兆信息分类系统提出了14种前兆信息，这些前兆信息通过以下三大类信息采集方式完成全部前兆信息识别。

视频采集图像分析方法用于采集类似工作人员失误与违规现象、乘客恶意纵火、乘客吸烟前兆信息。采用基于定向梯度直方图（HOG）特征和支持向量机（SVM）分类器的目标检测方法，HOG特征将目标分块分别提取每块内梯度在各个方向上的分布情况得到直方图特征。

传感器采集信号识别方法可用于采集供电设施故障、机电运行故障、通信信号故障、地铁温度、湿度、极端天气指数传感器此类前兆信息。例如对于供电设施系统的前兆信息故障

方面，选取地铁供电系统谐波作为需要采集的前兆信息。如式一所示：

其中m为监测点个数，xik为监测的第i类第k个指标的监测值，γqk为第q类第k个指标的阈值。最终通过E值的计算判断该供电系统的预警级别。

而组织过程漏洞、资源管理漏洞、不安全的监督、不良的组织氛围此类前兆信息的采集则通过基于HFACS的前兆信息人工采集得以实现，例如第三方的体系审核、上级外部审核、自身周期性的内部审核等，甚至安全检查表和员工对于不正常现象的上报等都能够作为此类前兆信息采集的依据。

3.2 多源前兆信息的融合方法

对于地铁火灾多源前兆信息融合而言，不但要求能融合形式不同的多源数据，而且要求融合计算与前续预处理具有协调能力。以下为多源前兆信息融合方法比较（如表2）。

面对地铁火灾的预防因地制宜地选择多源数据融合方法能够更好地做到对地铁火灾进行早期识别和精准治理。

4 结语

在人机管环和HFACS基础上对82起案例进行多源前兆信息的识别，建立地铁火灾前兆信息分类系统模型，为地铁火灾运营的前兆信息采集类别提供建议，并根据其多源前兆信息特点针对性提出了三种地铁火灾前兆信息采集方法，做出多源前兆信息融合方法表，为合适地数据融合方法提供参考。

参考文献

[1]Michael Dambier，Jochen Hinkelbein. Analysis of 2004 German general aviation aircraft accidents according to the HFACS model[J].Air Medical Journal，2006，25（6）.

[2]Gilles Nachouki，Mohamed Quafafou. Multi-data source fusion[J].Information Fusion，2007，9（4）.

[3]马剑，叶新，林鹏，等.基于证据理论的地铁火灾安全评价方法[J].中国安全生产科学技术，2017，13（01）：134-140.

[4]宋亮亮，李启明，陆莹，等.城市地铁系统脆弱性影响因素研究[J].中国安全科学学报，2016，26（05）：64-69.

[5]韩欣欣，叶奇玲.基于SIFT和HOG特征融合的人体行为识别方法[J].计算机技术与发展，2019，29（06）：71-74+78.

[6]胡海涛，高朝晖，何正友，等.基于FTA和FMEA法的地铁牵引供电系统可靠性评估[J].铁道学报，2012，34（10）：48-54.

3609500338277