基于模糊ISM的铁路机务行车安全风险关联性分析

王洪德,于萌慧

(1.大连交通大学 交通运输工程学院,辽宁 大连 116028;2.辽宁省隧道工程及灾害防控专业技术创新中心,辽宁 大连 116028;3.天津一号线轨道交通运营有限公司,天津 300000)

机务系统是铁路运输牵引动力安全可靠的重要保障,担负着铁路机车的运行维护,其畅通运行不仅能保证机车运行安全,而且与车务、工务、电务、供电、车辆等子系统的安全密切相关。影响铁路机务系统的安全风险因素众多,各因素间相互作用关系复杂,具有明显的动态性、耦合相关性、模糊性和不确定性。因此,及时掌握影响铁路机务行车安全的风险因素及其相互作用,对行车安全具有重要意义。

针对铁路运输的安全可靠性等问题,国内外专家学者做了大量的研究。魏圆圆等[1]针对铁路行车故障致因复杂、难以量化描述等问题,应用模糊网络分析法(Fuzzy-Analytic Network Process,F-ANP)建立了铁路运输安全评价模型。刘洋[2]针对铁路机务行车中的人因失误,应用认知可靠性和差错分析法对事故根源进行了追溯分析。王晚香等[3]采用灰色关联和多元线性回归预测对铁路客运需求进行了短期预测。冯子健[4]针对铁路货运速度及货运总量大幅提升的实际,应用(Back Propagation,BP)神经网络模型对货运安全进行了评价。邹亚龙[5]运用数据挖掘技术建立了风险评价指标和预警模型,并采用RFID(Radio Frequency Identification)标签定位的物联网技术解决了管理人员的履职问题。邬春兰等[6]运用贝叶斯网络结合云模型实现对铁路列车的风险管控。徐叶鹏[7]通过制度风险控制表,建立风险问题库,从而实现对铁路运输安全风险管控流程的优化。基于对各路局机务系统的实地调研,影响铁路机务行车安全的风险因素间存在着极强的相关性[8],绝大多数行车故障(或事故)的发生均为各影响因素间耦合作用的结果。目前针对影响铁路机务行车安全的风险因素间耦合关系的研究还处于探索阶段。

鉴于此,本文结合对某路局机务段近年来的行车故障数据归类统计结果,基于模糊理论和相关性分析技术,构建铁路机务行车安全风险模糊ISM(解释结构模型),辨识出各风险因素间关联关系,以期为铁路机务系统安全风险分级管控提供技术支持[9]。

1 机务行车安全影响因素集

铁路机务系统作为复杂行车体系的重要组成部分[10],经常遇到许多突发的铁路非正常行车状况。决策者需从众多的影响铁路机务行车安全风险的因素中找出重点,第一时间做出正确判断。影响铁路机务行车安全的风险因素具有模糊性、相关性和系统性等特点。本文结合实地调研资料,得出五类主要风险因素:职工三违、专业管理、规章制度、行车设备、安全设施,并依此建立风险因素集S={S1,S2,…,Si, …,Sn}。其中,S为风险因素合集,Si为第i个风险因素子集,n为子集的个数。

参考相应的文献并结合工程经验[8-10],对这五类风险因素作进一步归类分析,本文构建了包括18个影响行车安全的风险因素集,其层次结构及隶属关系见表1。

表1 铁路机务行车安全风险因素

表1(续)

2 机务行车系统关联关系模型

2.1 机务行车模糊解释结构模型

针对影响铁路机务行车安全的风险因素间具有较强的模糊性和相关性的实际,运用解释性结构模型找出机务系统中各风险因素间的关联关系,形成结构矩阵和结构图,并通过划分层次来梳理机务行车安全问题。

ISM是一种概念模型,适用于将模糊思想和系统转化为直观的结构模型。模型应用广泛,对变量多、关系复杂的系统具有良好的适用性,可通过对评估体系进行层次划分,进而分析因素的相互影响关系,达到对复杂系统进行梳理的目的。由于铁路机务涉及的因素较多,影响因素之间存在复杂的相互作用,所以所选评估方法也应适用于铁路机车运行风险评估,并应符合针对性、合理性、适应性、充分性和系统性原则。而经典的解释结构模型只考虑系统各因素间是否存在关联关系,建立的关系矩阵也只有0和1这两个选项,无法有效表示各风险因素间关系强弱的问题[11]。为进一步明确各风险因素间关联关系,本文引入模糊矩阵理念,构建模糊解释结构模型,实现对影响机务行车安全风险因素间关系的非确定性问题从定性分析到定量分析的转变[12]。

2.2 风险因素关联矩阵

假设导致铁路机务系统发生故障(或事故)的任意两个风险因素分别为Si和Sj,基于经典解释结构模型构建原理,结合实际调研过程中收集到的50项铁路机务系统事故案例,当事故发生的某一环节Si和Sj两者间发生关联时,有aij=aij+1,可提取关联矩阵A:

通过模糊数学概念中的隶属度函数来对模糊关联度的强弱进行划分,隶属度函数越大表明关联强度越高,反之则越低。风险因素自身的隶属度函数可以设置为0。基于上述理念,同时结合关联矩阵A,构建模糊关联矩阵B。其中,b5,1=0.03,b5,3=0.04,b5,5=0.02,b5,7=0.18,b5,8=0.04,b5,9=0.17,b5,10=0.28,b5,11=0.14,b5,14=0.05,b5,15=0.06,b5,16=0.14,其余b5,j=0。

选取隶属度函数:

(1)

式中:bij为模糊关联矩阵B中的元素;ai*为矩阵A第i行元素求和;a*j为矩阵A第j列元素求和。

计算矩阵A,求取Si与Sj间关联强度评价分值。由矩阵B可知,风险因素aij(0≤i≤m,0≤j≤n)的取值为[0, 1]的实数,且因素间关联关系可通过模糊关联强度的强弱表达,更加贴近分析实际。

2.3 风险因素邻接矩阵

模糊关联矩阵B中的实数不能直接确定因素间的可达关系,需抽象成0,1关系。通过选取阈值λ对模糊关联矩阵B中的风险因素bij进行抽象化处理,构建具有布尔代数属性的邻接矩阵C,从而剔除对机务系统影响程度较小的风险因素,以期优化系统结构[13]。

系统划分过细或过粗都会对系统的最终评判产生影响。结合相关试验可知,从模糊关联矩阵B中筛选出至少50%的数据构建邻接布尔矩阵C时,所构建的解释结构模型仍具有良好的解释性。同时邻接矩阵也描述了各点间通过长度为1的通路相互可以到达的情况。故通过试错分析,选取λ=0.15可满足该条件。令:

(2)

由式(2)可得矩阵C。

布尔矩阵中若Si对Sj无影响或无关系时,aij的取值为0;反之,aij的取值为1。因素之间的可达关系可以通过aij的取值来有效表示。

2.4 风险因素可达矩阵

基于Matlab环境,对矩阵C+I进行自乘运算(I为单位矩阵),直至式(3)成立:

(3)

式中:D为风险因素可达矩阵。

可达矩阵中的元素Dij代表了元素Si到Sj间是否存在可达的路径,即可达矩阵完全表征了要素间直接的、间接的关系,表明了各点间长度不大于n-1的通路的可达情况。

通常情况下,当自乘系数大于3时,D矩阵可以达到一个稳定状态。此时,可达矩阵D可清楚表达各风险因素间的到达链接路径关系。

2.5 机务行车安全风险因素层级划分

2.5.1 区域划分

将系统区域划分为可达集、先行集和共同集3个不同集合区域。系统中被因素Si影响的所有风险因素集合称为可达集M(Si),即从要素Si出发可以到达的全部要素集合;影响因素Si的所有集合称为先行集N(Si),即可以到达要素Si的全部因素集合。M(Si)和N(Si)的表达式为:

M(Si)={Sj|aij=1},j=1, 2, …,n

(4)

N(Si)={Sj|aji=1} ,j=1, 2, …,n

(5)

结合式(4)和式(5)求出判断矩阵因素的可达集合M(Si)和先行集合N(Si),并求其交集L(Si)=M(Si)∩N(Si),亦称共同集[14],计算结果见表2。

表2 机务行车安全风险因素划分

2.5.2 风险因素的级位划分

基于层级判定条件对影响机务行车安全的风险因素进行级位划分。首先,当满足判断条件M(Si) =L(Si)时,L(S1)中的因素处于解释结构图的第一层级;然后,从原可达矩阵D中去除L(S1)中各因素对应的行和列,得到剩余矩阵D1,对D1进行与第一层级划分方法相同的操作,确定第二层级L(S2)所包含的因素。重复上述步骤,直至级位划分结束,得到可达矩阵的级位划分结果:L(S1)={S3,S4,S5,S15,S16,S17},L(S2)={S2,S18},L(S3)={S13,S14},L(S4)={S1,S12},L(S5)={S7,S9},L(S6)={S8,S10},L(S7)={S6,S11}。

2.6 绘制多级递阶结构模型

根据级位划分的结果及因素间的相互作用关系,构建铁路机务行车安全风险因素的模糊解释结构见图1。

图1 模糊解释结构

3 机务行车安全风险分析

3.1 模型解释

铁路机务行车安全体系的构建是一个复杂的过程。根据多层递阶解释结构模型,铁路机务行车的安全影响因素可归纳为顶层因素、过渡层因素和底层因素3个层级。

(1)最顶层的6个因素对铁路机务系统的影响最为直接,分别为疲劳驾驶列车(S3)、车辆伤害(S4)、设备检修标准(S5)、设备标准执行(S15)、防火防爆(S16)、救援标准执行(S17);其次,同为顶层因素的季节安全(S18)和机具伤害(S2),通过相应的作用手段对铁路机务行车的安全影响也较为显著。

(2)过渡层级的6个因素分别为机车配件脱落(S13)、设备标准(S14)、轮对管理(S1)、检修标准(S12)、过轨鉴定(S7)、检修标准执行(S9)。过渡层的6个因素之间存在较强的互动性,只对其中一个或几个因素进行调整,通常对机务系统的安全达不到整体改观的效果。因此,对过渡层因素进行整体改进才能实现对铁路机务系统的安全提升。

(3)底层因素是机务系统发生事故的根源,底层因素包括设备超期检修(S8)、施工管理(S10)、管理履职(S6)和制度制定(S11)。从根源出发,层层递进,进而达到对整个机务系统的安全防范。

3.2 机务行车安全优化建议

铁路机务系统不仅在铁路运输中发挥着不可替代的作用,对铁路运输过程中的突发故障(或事故)也起到预防和控制的作用[15]。根据解释结构模型对影响因素的分析结果,结合机务系统本身提出以下建议:

(1)由图1可见,要想对救援标准的执行问题(S17)进行进一步改进,就要提高季节安全性问题。救援列车、救援起重机、发电机组等设备在冬季要按照规定进行防寒任务的落实(S18)。加强对机车机具的管理(S2)可以避免发生设备和检修标准执行不当的问题(S5、S15)。针对疲劳驾驶列车(S3)的问题,机务部门应采取清查机务人员,增加机务人员数量,满足线区要求,并合理分配机务人员到岗等措施。针对车辆伤害(S4)的问题,机车调度员在驾驶列车时,应确认机下人员及其他机车操作人员均处于安全位置;确认换向手柄位置正确;落实库内动车时的安全措施,做好自控和互控工作,按呼叫应答语言标准执行呼叫应答。同时要定期检查各类电流电压保险和保护装置,以防止机车火灾(S16)事故的发生。

(2)对于过渡层,机车配件脱落(S13)和轮对管理(S1)都属于列车配件方面的问题,其间存在一定的从属关系,都可以通过提高检修标准的执行力度(S12、S9)得以改善。针对过轨鉴定(S7)问题,机务人员要严格执行“要道还道”制度,严防拉闸后不确认开关的合闸状态,不关注启动信号等。

(3)管理履职(S6)、制度制定(S11)、设备超期检修(S8)和施工管理(S10)的问题是影响轨道交通机务系统安全问题的最底层因素,虽然不会直接对系统造成影响,但却是最不可忽视的一部分。在日常管理中应该注重文化培养,提高工作人员的整体文化程度和业务素质,加强对工作岗位规章制度的制定指标,确保职能分配公平合理。

4 结论

(1)本文构建了影响铁路机务行车安全的模糊解释结构模型,对各类风险因素间的主次与层级关系进行系统分析,模型充分考虑因素之间的横向与纵向关系,并为后续风险因素权重的确定提供了参考。

(2)机务系统作为铁路运输牵引动力安全可靠的重要保障,通过构建解释结构模型,能够从理论根源上对影响机务系统的因素进行划分与说明,为铁路运输安全标准的制定奠定基础。

(3)在铁路机务系统模糊解释结构模型建立过程中,将影响铁路机务行车安全的风险因素概括为3个层次是不够细致的,后续的研究将会对此方面进行着重优化,以期得到的结果更加细致全面。