列控中心临时限速处理功能安全风险评估

摘 要：为了更准确地对列控中心临时限速处理功能安全风险进行评估，该文提出了基于博弈论与云模型的安全风险评估模型。首先，利用博弈论赋权法将由G1法确定的主观权重与由熵权法确定的客观权重进行协调，得到评估指标最终权重；其次，通过云发生器将各风险因子的评估数据转换为云的数字特征；再次，利用综合云的计算方法得到临时限速处理功能的综合云模型图。最后，与标准云进行对比，得到其安全风险等级。

关键词：列控中心；安全风险评估；博弈论；云模型

中图分类号：X 951 " " " " 文献标志码：A

列控中心（Train Control Center，TCC）是CTCS-2级列控系统的地面核心子系统，采用2×2取2安全计算机平台。车站列控中心与联锁、轨道电路、LEU、CTC系统、临时限速服务器和集中监测系统直接接口，通过信号安全数据网接收临时限速服务器的限速信息。由于列控中心承担着保障行车安全的重任，因此对其进行安全风险评估具有重要意义。目前，国内外学者已采用贝叶斯网络模型[1]、证据理论[2]、云模型[3]以及集对分析等[4]评估方法，对铁路信号系统进行安全性评价。

由于列控中心风险评估具有模糊性和随机性，因此采用在定性概念与定量数值转换方面有显著优势的云模型来确定评估指标的云数字特征，利用G1法、熵权法和博弈论赋权法确定评估指标的综合权重，采用综合云的计算方法得到评估结果。

1 确定指标权重

1.1 G1法确定风险因子主观权重

G1法是由层次分析改进而来的一种主观赋权法，其无须构造判断矩阵和进行一致性检验[5]。G1法逻辑清晰，与AHP法相比，计算简便，其计算步骤如下。

1.1.1 确定各风险因子的重要性序关系

若风险因子集为X={x1， x2， …， xn}，首先，筛选出风险因子集中最重要的因子，记为x'1。其次，确定次重要风险因子记为x'2，依次类推，将全体风险因子按重要程度排序，记为X'={x'1， x'2， …， x'n}。

1.1.2 确定各风险因子的相对重要性

表1为风险因子相对重要程度的判断标准表，利用表1确定风险因子的重要程度，令x'i-1与x'i的重要程度之比为ri，计算方法如公式（1）所示。

（1）

式中：λi为第i个风险因子的权重；λi-1为第i-1个风险因子的权重。

表1 风险因子相对重要程度判断标准

ri 含义

1.0 风险因子x'i-1较x'同等重要

1.2 风险因子x'i-1较x'稍微重要

1.4 风险因子x'i-1较x'明显重要

1.6 风险因子x'i-1较x'强烈重要

1.8 风险因子x'i-1较x'极端重要

1.1，1.3，1.5，1.7 x'i-1较x'重要性介于上述中间

1.1.3 计算各风险因子权重

根据ri值，确定第n个风险因子λn的权重值。如公式（2）所示。

（2）

其他风险因子的权重如公式（3）所示。

λi-1=riλ" （ i=2，3，…，n） " " " " " " " （3）

1.2 熵权法确定风险因子客观权重

1.2.1 计算风险因子熵值

设共有m个评价等级，n个风险因子，构造初始数据矩阵如公式（4）所示。

X=（xij）n×m，（i=1，2，…，n； j=1，2，…，m） " "（4）

第i个风险因子的熵如公式（5）所示。

（5）

式中：pij为第i个风险因子处于第j个风险等级概率。

1.2.2 计算各风险因子权重

第i个风险因子的熵权如公式（6）所示。

（6）

1.3 基于博弈论的组合赋权法

基于博弈论思想的组合赋权法能够结合各基础权重的结果。在采用G1法获得主观权重和熵权法获得客观权重的前提下，寻找2种基础权重与最小化组合权重之间的偏差，达到最小的NASH均衡解[6]。其计算步骤如下。

1.3.1 构建组合权重向量

采用简单线性组合的形式构建组合权重向量W的计算过程如公式（7）所示。

W=α1ΛT+α2ΩT " " " " "（7）

式中：Λ=（λ1，…，λn）为G1法权重向量；Ω=（ω1，ω2，…，ωn）为熵权法权重向量；α1、α2分别为G1法权重向量和熵权法权重向量的线性组合系数。

1.3.2 优化权值

构建目标函数，从而确定优化系数，如公式（8）所示。

（8）

对公式（8）求解一阶导数，得到线性方程组，如公式（9）所示。

（9）

求解公式（9），然后对权重系数进行归一化，如公式（10）所示。

（10）

1.3.3 确定组合权重向量

优化后的组合权重向量W如公式（11）所示。

W=α*1ΛT+α*2ΩT " " " " " "（11）

式中：α*1、α*2分别为优化后的G1法和熵权法的组合系数。

2 云模型

2.1 云模型基本概念

云模型是Li等定义的一种能够在定性概念与定量数值之间转换的模型。与传统隶属函数相比，该模型不仅可以表示数据的模糊性和随机性，而且能够在不确定条件下进行定性与定量概念的转换[7]。

云模型用数字特征期望Ex、熵En和超熵He来刻画定性问题的整体特性，记为C=[Ex，En，He]。期望Ex表示云滴在论域空间分布的中心位置；熵En代表云滴在论域空间中能够被期望概念接收的程度大小；超熵He为熵的确定性度量，超熵越大则熵的不确定性越大，此时云滴也越厚。

2.2 确定评价标准云

本文将列控中心临时限速处理功能的安全风险等级分为极低风险、较低风险、中等风险、较高风险和极高风险，将定性评语转化为定量分析，构建安全风险评价标准云模型。采用改进的黄金分割法来确定安全风险评价标准云的特征参数[8]，令论域为[Xmin，Xmax]=[0，10]，He0取0.1，得到评价等级标准云的数字特征，见表2，将云数字特征利用MATLAB软件生成标准云图，如图1所示。

2.3 确定指标层云模型

本文将列控中心临时限速处理功能的各风险因子作为评价指标，邀请专家根据现场实际情况确定出每个风险因子的评价，利用逆向云发生器得到各评价指标的数字特征。

2.4 确定综合层云模型

列控中心临时限速处理功能的各评价指标之间互相影响，利用各风险因子的数字特征来确定综合层即许可功能整体的评价综合云，如公式（12）所示[9]。

（12）

式中：ωi为指标层中各风险因子的权重；（Exi，Eni，Hei）为指标层中风险因子的数字特征值；n为风险因子的个数，i=1，2，…，n。

3 列控中心临时限速功能安全风险评估

3.1 案例描述

临时限速是指线路固定限速以外的、具有时效性的限速。在CTCS-2级列控系统中，临时限速命令通过列控中心来执行，再由列控中心转换为应答器报文格式后，通过控制有源应答器的方式传递给车载设备。为了提高对列控中心的安全管理水平，邀请运营维护人员在不考虑外部其他因素的前提下，对列控中心临时限速功能进行安全风险评估，建立评估指标，如图2所示。

3.2 基于博弈论赋权和云模型的安全风险评估

首先，通过基于博弈论的组合赋权法获得各评估指标的综合权重；其次，制定安全评估标准云；再次，制定评语集，将专家对各风险因子的评估值转化为评估云的数字特征；最后，采用相应计算方法，根据评估指标的数字特征得到综合层即列控中心临时限速功能的数字特征。并将评估结果云与评估标准云进行相似性度量，得到安全风险评估结果，评估流程如图3所示。

3.2.1 计算权重

通过G1法和熵权法分别计算出各评估指标的主观权重和客观权重，再利用博弈论思想求纳什均衡解，根据公式（9）～公式（11）得到优化后的组合系数α*1=0.6912，α*2=0.3088，根据组合系数计算出评估指标的综合权重，见表3。

表3 评估指标权重

评估指标 主观权重 客观权重 综合权重

A1 0.154 0.144 0.152

A2 0.232 0.236 0.234

A3 0.103 0.183 0.129

A4 0.099 0.122 0.108

A5 0.181 0.188 0.184

A6 0.222 0.127 0.193

3.2.2 指标层云模型

根据每位专家对各风险因子的评估意见来获得对指标层的评价，使用逆向云发生器得到各风险因子的数字特征值，见表4。

3.2.3 综合层云模型

根据表4中的各评估指标的数字特征及表3中的各风险因子的综合权重，代入式（12）中进行综合云的运算，得到综合云模型的数字特征参考Ex=7.164，En=0.711，He=0.257。用MATLAB软件生成综合评估云图，评估结果在云图中用五角星来表示。如图4所示。

表4 评估指标的数字特征

评估指标 Ex0，En0，He0

A1 （7.82，0.62，0.19）

A2 （8.29，0.74，0.27）

A3 （6.54，0.58，0.16）

A4 （6.91，0.55，0.23）

A5 （7.25，0.87，0.28）

A6 （5.76，0.69，0.31）

3.3 评估结果分析

由图4可以看出，列控中心临时限速处理功能安全风险评估综合云模型的云滴集中分布在较低风险附近，期望值为7.164，稍微偏向于极低风险，评估结果基本符合现场实际运营情况。

4 结语

由于无法全部基于统计数据进行评估，因此，在分析列控中心结构的基础上，结合博弈论赋权法和云模型，对列控中心临时限速处理功能进行安全风险评估，得到以下3个结论。1）通过基于博弈论思想的组合赋权法，将采用G1法确定的评估指标主观权重和采用熵权法确定的客观权重进行协调，得到综合权重，从而避免了单一赋权法的片面性。2）利用云模型分析列控中心临时限速处理功能的安全风险等级，根据专家结合现场实际给出的评估数据，获取各风险因子的云数字特征，结合各风险因子综合权重，计算出临时限速处理功能的综合云模型，充分体现了安全风险评估的随机性和不确定性。3）通过实例验证了基于博弈论赋权法和云模型的评估方法在列控中心临时限速处理功能安全风险评估的有效性。

参考文献

[1]江磊，王小敏，蔺伟.基于动态贝叶斯网络的列控中心可靠性及可用性评估[J].交通运输系统工程与信息，2018，18（3）：182-188，217.

[2]张友鹏，李远远，胡让.基于模糊证据理论的铁路信号系统风险评价[J].安全与环境学报，2017，17（1）：32-36.

[3]何涛，马洁.基于云模型和组合赋权法的CBTC系统可靠性评价[J].重庆大学学报，2023，46（2）：130-139.

[4]吝天锁，王瑞峰.基于集对分析的列控系统运营安全风险评估[J].铁道标准设计， 2020，64（8）：124-129.

[5]袁婉玲，崔子轩，禹洪波，等.基于粗糙集-G1法组合赋权的变压器健康状态评估[J].电力建设，2022，43（3）：50-57.

[6]李红艳，张翀，崔建国，等.基于博弈论赋权耦合灰色关联分析的调蓄池优化选址[J].同济大学学报（自然科学版），2023，51（3）：426-432.

[7]孙延浩，张涛，王涛，等.基于云模型和组合赋权法的高速铁路行车调度系统可靠性评估[J].铁道运输与经济，2022，44（8）：103-109.

[8]刘敦文，曹敏.基于云模型的富水岩溶隧道涌水风险评价[J].中国安全生产科学技术，2021，17（1）：109-115.

[9]GUANGDONG WU，KAIFENG DUAN，et al.Integrated sustainability assessment of public rental housing community based on a hybrid

method of ahp-entropy weight and cloud model[J].Sustainability，2017，9（4）： 603.