地鐵項(xiàng)目運(yùn)營(yíng)安全風(fēng)險(xiǎn)預(yù)測(cè)方法及應(yīng)用研究.pdf

1、地鐵系統(tǒng)是一個(gè)技術(shù)復(fù)雜、人口密集的交通系統(tǒng),作為城市人口的重要運(yùn)載體,一旦發(fā)生安全事故,將對(duì)個(gè)人生命及社會(huì)經(jīng)濟(jì)造成巨大影響。隨著國(guó)內(nèi)地鐵項(xiàng)目建設(shè)的相繼完工,地鐵系統(tǒng)陸續(xù)投入使用,運(yùn)營(yíng)安全問(wèn)題已引起研究人員和從業(yè)人員的廣泛關(guān)注。為防止事故的發(fā)生,研究地鐵項(xiàng)目運(yùn)營(yíng)安全風(fēng)險(xiǎn)顯得尤為重要。識(shí)別事故發(fā)生前可能的前兆信息(Precursor)具有提高安全績(jī)效的巨大潛力,許多組織已經(jīng)開(kāi)始研究如何確定事故前兆信息的程序和方法,并且已經(jīng)從中獲益。本文的研

2、究目標(biāo)就是基于前兆信息的視角,建立針對(duì)地鐵項(xiàng)目運(yùn)營(yíng)安全風(fēng)險(xiǎn)識(shí)別、風(fēng)險(xiǎn)概率測(cè)定的預(yù)測(cè)方法體系,并進(jìn)行實(shí)證分析。
　　 在詳細(xì)的文獻(xiàn)綜述的基礎(chǔ)上,首先分析了國(guó)內(nèi)外安全風(fēng)險(xiǎn)、地鐵項(xiàng)目運(yùn)營(yíng)安全風(fēng)險(xiǎn)的研究現(xiàn)狀和研究方向,并指出目前地鐵項(xiàng)目運(yùn)營(yíng)安全風(fēng)險(xiǎn)研究在系統(tǒng)性及方法論方面有很大的不足。進(jìn)而,運(yùn)用社會(huì)技術(shù)系統(tǒng)理論及相關(guān)的SoTeRiA模型,分析了地鐵項(xiàng)目運(yùn)營(yíng)安全風(fēng)險(xiǎn)的形成機(jī)理。
　　 針對(duì)現(xiàn)有研究及實(shí)踐中提高安全績(jī)效的不足,闡述了

3、地鐵項(xiàng)目運(yùn)營(yíng)過(guò)程中的前兆信息對(duì)提高安全績(jī)效的重要意義,系統(tǒng)分析了地鐵設(shè)備、環(huán)境系統(tǒng)可能存在的前兆信息;同時(shí)基于人因分析和分類系統(tǒng)(HFACS)對(duì)地鐵項(xiàng)目相關(guān)工作人員進(jìn)行了前兆信息的構(gòu)建。在已構(gòu)建的關(guān)于設(shè)備、環(huán)境及人的前兆信息體系的基礎(chǔ)上,以兩個(gè)列車碰撞事故、一個(gè)火災(zāi)事故為例,分解事故的原因,找出相應(yīng)事故的前兆信息。
　　 接著,運(yùn)用信號(hào)檢測(cè)理論及模糊集理論,對(duì)地鐵項(xiàng)目運(yùn)營(yíng)系統(tǒng)的風(fēng)險(xiǎn)前兆信息進(jìn)行判別。針對(duì)部分可測(cè)的前兆信息的識(shí)別和

4、監(jiān)控問(wèn)題,技術(shù)上已經(jīng)肯定了實(shí)時(shí)監(jiān)控子系統(tǒng)實(shí)現(xiàn)的可能性,而大量與人相關(guān)的前兆信息,目前尚未先進(jìn)到用技術(shù)來(lái)進(jìn)行判別。因此,依靠地鐵項(xiàng)目工作人員來(lái)判別前兆信息顯得尤其重要,而如何衡量這樣的判別能力也成為風(fēng)險(xiǎn)管理的關(guān)鍵。論文針對(duì)地鐵系統(tǒng)中的工作人員,運(yùn)用信號(hào)檢測(cè)中的兩個(gè)基本指標(biāo):辨別力指標(biāo)與反應(yīng)傾向性指標(biāo)來(lái)衡量工作人員的對(duì)風(fēng)險(xiǎn)前兆的判別能力,并進(jìn)行了實(shí)證分析。實(shí)證結(jié)果表明,信號(hào)檢測(cè)方法很好地區(qū)分出了工作人員對(duì)風(fēng)險(xiǎn)前兆的判別能力,對(duì)提高地鐵項(xiàng)目運(yùn)

5、營(yíng)的安全績(jī)效具有重要意義。
　　 再次,利用人工智能方法——案例推理,識(shí)別地鐵項(xiàng)目運(yùn)營(yíng)安全風(fēng)險(xiǎn)。傳統(tǒng)的風(fēng)險(xiǎn)識(shí)別依賴于企業(yè)安全管理人員的經(jīng)驗(yàn),這種風(fēng)險(xiǎn)識(shí)別的效率和結(jié)果將受到個(gè)人風(fēng)險(xiǎn)態(tài)度的影響;論文設(shè)計(jì)的風(fēng)險(xiǎn)識(shí)別系統(tǒng)是從前兆信息出發(fā),分析系統(tǒng)現(xiàn)狀與以往發(fā)生的事故案例的相似性,進(jìn)而提供相似事故的危險(xiǎn)情況,對(duì)系統(tǒng)現(xiàn)狀的安全風(fēng)險(xiǎn)進(jìn)行識(shí)別。在系統(tǒng)設(shè)計(jì)的過(guò)程中,案例表示主要根據(jù)事故的內(nèi)容來(lái)進(jìn)行框架的構(gòu)建,其中,前兆信息是案例表示中的主要內(nèi)容。

6、為了實(shí)現(xiàn)案例的相似度計(jì)算,論文構(gòu)建了前兆信息的語(yǔ)義網(wǎng),運(yùn)用概念相似度的方法計(jì)算前兆信息的局部相似度及案例的綜合相似度。為了驗(yàn)證該方法的可行性,論文計(jì)算了列車碰撞案例之間的相似度、列車碰撞與火災(zāi)案例之間的相似度。從計(jì)算結(jié)果來(lái)看,兩個(gè)列車碰撞案例之間的相似度明顯大于列車碰撞與火災(zāi)案例之間的相似度,這與事實(shí)情況是符合的。因此,運(yùn)用案例推理的方法來(lái)進(jìn)行安全風(fēng)險(xiǎn)識(shí)別是可行而有效的。在實(shí)證分析中,以某地鐵項(xiàng)目的運(yùn)營(yíng)情況為例,在已構(gòu)建的地鐵項(xiàng)目運(yùn)營(yíng)安

7、全風(fēng)險(xiǎn)識(shí)別系統(tǒng)的基礎(chǔ)上作進(jìn)一步分析。結(jié)果表明,該系統(tǒng)存在乘客從A站臺(tái)掉入軌道的風(fēng)險(xiǎn)及乘客在B站臺(tái)擁擠受傷的風(fēng)險(xiǎn)。
　　 最后,運(yùn)用貝葉斯網(wǎng)絡(luò)理論,實(shí)現(xiàn)地鐵項(xiàng)目運(yùn)營(yíng)安全風(fēng)險(xiǎn)的概率測(cè)定。為構(gòu)建安全風(fēng)險(xiǎn)事件的貝葉斯網(wǎng)絡(luò),論文在改進(jìn)的受損致因模型(MLCM)的基礎(chǔ)上,分析案例的致因過(guò)程,并基于多案例的集合方法建立了安全風(fēng)險(xiǎn)的貝葉斯網(wǎng)絡(luò)模型。在確定條件概率的過(guò)程中,論文運(yùn)用模糊集理論,依靠專家知識(shí)來(lái)提供可用的數(shù)據(jù)進(jìn)行分析。推理算法是貝葉斯

8、網(wǎng)絡(luò)的核心,論文針對(duì)兩類貝葉斯網(wǎng)絡(luò):離散貝葉斯網(wǎng)絡(luò)和混合貝葉斯網(wǎng)絡(luò),分析了多種推理算法,實(shí)現(xiàn)安全風(fēng)險(xiǎn)的不確定性分析。在實(shí)證分析中,論文以基于Hugin消息傳遞方案的聯(lián)合樹(shù)算法為主,運(yùn)用Hugin軟件計(jì)算了某地鐵項(xiàng)目運(yùn)營(yíng)中列車起火的風(fēng)險(xiǎn)概率。接著,針對(duì)貝葉斯網(wǎng)絡(luò)中的基本事件,運(yùn)用敏感性分析確定出對(duì)后果事件發(fā)生概率貢獻(xiàn)較大的基本事件,以便采取有效的措施來(lái)減小這些基本事件的發(fā)生概率,從而減小后果事件發(fā)生的概率。敏感性分析結(jié)果顯示,車軸溫度過(guò)高