基于多維聯系數的城軌交通車站安全態勢理解模型研究

李 軍，李海玉，陳 波，秦 勇

(1.廣州市地下鐵道總公司， 廣州 510030; 2.北京交通大學軌道交通控制與安全國家重點實驗室，北京 100044)

基于多維聯系數的城軌交通車站安全態勢理解模型研究

李 軍1，李海玉1，陳 波2，秦 勇2

(1.廣州市地下鐵道總公司， 廣州 510030; 2.北京交通大學軌道交通控制與安全國家重點實驗室，北京 100044)

為提高城軌交通車站的安全性，提出一種基于多維聯系數的安全態勢理解模型以評估其安全狀態。首先通過城軌交通車站安全影響因素分析，建立城軌交通車站安全態勢評價指標體系，然后基于多維聯系數建立城軌交通車站安全態勢理解模型，最后以廣州地鐵某車站為例獲取相關數據，對評價指標進行量化并進行驗證。實驗結果顯示，該模型真實反映車站安全狀況，能夠為管理者提供決策依據。

城軌交通；車站；安全態勢理解模型；多維聯系數；評價指標體系

1 概述

目前，以地鐵、輕軌為主要的城市軌道交通以其特有的優勢，越來越得到國內各大中城市的關注和運用[1]。安全，作為城軌交通的生命線，是整個城軌交通安全的關鍵組成之一。安全態勢理解從整體角度考慮車站的安全狀態，將各安全要素進行關聯性分析、數據融合，最終通過相應的數據融合算法得到車站的安全態勢值，以表征車站的安全狀況[2]。

目前國內外學者已在該領域展開研究。歐濤等[3]提出基于神經網絡的民航安全態勢評估模型，結合BP神經網絡和Elman神經網絡進行民航安全態勢評估。韓敏娜等[4]提出基于多傳感器數據融合的網絡安全態勢評估及趨勢預測模型。姜智平[5]提出通過數值計算對施工過程進行模擬，實現地鐵盾構區間下穿既有鐵路的安全評估。睢海濤等[6]構建了基于LVQ網絡的宏觀城市交通安全態勢評估模型。胡啟洲等[7]基于非線性科學中的多維度理論，建立了基于多維聯系數的城市交通安全態勢監控模型，直觀地反映出城市交通安全態勢的水平。

本文通過對車站內的安全影響因素分析，建立安全態勢評價體系，并建立基于多維聯系數[8]的安全態勢理解模型，確定了車站的安全狀態，最后以地鐵某站為例，對本文提出方法的有效性進行了驗證。

2 安全態勢理解及多維聯系數

2.1 安全態勢理解

安全態勢分析[9]包括態勢獲取、態勢理解和態勢預測三部分，其中態勢獲取是態勢分析的基礎，態勢理解是態勢分析的核心。

安全態勢理解是對當前安全態勢的一個動態推理理解過程。通過識別態勢信息中的安全事件，確定它們之間的關聯關系，并依據受到的威脅程度得到安全態勢值，最后生成相應的安全態勢圖，以反映系統的安全態勢狀況。城軌交通車站安全態勢值具有表現車站安全運行狀況的特性，是對城軌交通車站安全態勢的定量表達。

2.2 多維聯系數的定義

當有5個指標時，多維聯系數為

3 城軌交通車站安全態勢理解模型

3.1 安全態勢評價指標體系的建立

通過對城市軌道交通安全事故、客傷情況的分析，結合在某地鐵的調研情況，分析得到影響城市軌道交通車站安全的主要因素來自人、設備、環境和管理四個方面。

在建立安全評價指標體系時，應遵循系統性原則、定性與定量分析相結合的原則、可操作性原則、可比性原則和科學性原則。根據這些原則，圖1給出了城軌交通車站安全態勢感知評價指標體系[10]。

圖1 城軌交通車站安全態勢感知評價指標體系

(1)人的因素

①站臺客流擁擠度

站臺客流擁擠度的計算公式為

式中，SICongestion表示站臺客流擁擠度；Q1表示客流高峰時段每秒進站人數，人/s；Q2表示客流高峰時段每秒出站人數，人/s；S表示站臺候車區實際面積，m2；T1表示上列列車離開至本次列車到達時間間隔，s；T2表示從站臺至站廳最長行走時間，s；Φ表示站臺客流密度不均衡系數。

②工作人員管理能力

工作人員管理能力計算公式為

式中，SIGZ表示(t，t+Δt)時間段內，工作人員管理能力；di表示(t，t+Δt)時間段內，第i類工作人員的平均績效得數；αi表示第i類工作人員的管理能力影響車站運營安全的重要度；m表示第i類工作人員人數；dj表示第i類第j個工作人員的績效得分。

各類員工的管理能力影響車站運營安全的重要度如表1所示。

表1 重要度

③乘客責任事故指數

乘客責任事故指數計算公式為

SIpassenger=N

式中，SIPassenger表示(t，t+Δt)時間段內，乘客責任事故指數；N表示(t，t+Δt)時間段內，由乘客責任引起的客傷事故次數；Δt表示統計周期取1 d。

(2)設備因素

①FAS系統報警指數

FAS系統報警指數計算公式為

SIFAS=M+N

式中，SIFAS表示(t，t+Δt)時間段內，FAS系統報警指數；M表示(t，t+Δt)時間段內，FAS系統發生的漏報的次數；N表示(t，t+Δt)時間段內，FAS系統發生的誤報的次數；Δt表示統計周期，取1 d。

②AFC系統安全指數

AFC系統安全指數計算公式為

式中，SIAFC表示(t，t+Δt)時間段內，AFC系統安全指數；n表示地鐵車站現有的閘機和充值售票機的個數；T表示(t，t+Δt)時間段內，第i個閘機或充值售票機設備故障維修時間；Tplan表示(t，t+Δt)時間段內，第i個閘機或充值售票機設備計劃運行時間；Δt表示統計周期，取1 d。

(3)環境因素

站內綜合環境指數

站內綜合環境指數計算公式為

式中，SIHJ表示(t，t+Δt)時間段內，站內綜合環境指數；Imax表示(t，t+Δt)時間段內，最大質量分指數；Iγ表示(t，t+Δt)時間段內，平均質量分指數；C1表示(t，t+Δt)時間段內，第i種因素的測量值；S1表示(t，t+Δt)時間段內，第i種因素的評價標準值；Δt表示統計周期為1個季度；i分別為溫度、濕度和CO2。

(4)管理因素

車站應急疏散能力

車站應急疏散能力計算公式為

式中，SIT表示車站應急疏散能力；1表示人員反應時間，min；Q1表示客流高峰小時列車乘客數，人；Q2表示客流高峰小時站臺上候車乘客和站臺上工作人員，人；A1表示自動扶梯通過能力，min·m；A2表示人行樓梯通過能力，人/min·m；N表示自動扶梯臺數；B表示人行樓梯總寬度，m。N-1為計算中應考慮1臺自動扶梯損壞不能運行的幾率，臺；0.9為(N-1)臺自動扶梯和人行樓梯通行能力的折減系數。

3.2 基于多維聯系數的評價模型

由于各指標的含義不同，指標值的計算方法也不同，造成各個指標的量綱各異。所以，為了使各指標有公度性，通過構造關聯函數將各指標進行標準化處理。

當ii為效益型指標時

當ii為成本型指標時

根據式(2)和式(3)將決策矩陣D=(cij)m×n標準化后

利用建立的標準化決策矩陣(式(4))，就可以建立基于多維聯系數的評價模型，該模型的具體計算步驟如下。

步驟1：確定指標的權重向量W=(w1，w2，…，wn)T；

3.3 城軌交通車站安全態勢理解數學模型

城軌交通車站安全態勢理解利用多維聯系數評價模型進行研究分析，得到車站安全態勢值，表征車站的安全態勢。將評價指標體系中的12個評價指標看成是12個維度，即可構建城軌交通車站安全態勢理解的數學模型。城軌交通車站安全態勢理解的多維聯系數為

計算步驟如下。

步驟1：考察值的標準化處理

步驟2：確定評價指標的權重系數

本文結合灰色綜合關聯度[11，12]，提出利用灰色綜合關聯度的權重確定12個評價指標的權重向量

W=(w1，w2，…，w12)T；

步驟3：確定車站安全態勢的絕對理想解和絕對負理想解

12個評價指標的絕對理想解為

12個評價指標的絕對負理想解為

步驟4：利用海明距離計算距離

12個評價指標到絕對理想解的距離

12個評價指標到絕對負理想解的距離

步驟5：計算安全態勢值

根據式(7)，可得安全態勢值pk。0≤pk≤1，pk越小，車站運營安全性越差，越容易引發事故，越危及車站的安全運營和乘客的安全；pk值越大，車站運營安全性越好，越能保證乘客的出行安全。

為了更加直觀、科學合理的測度車站的安全態勢，需要將城市軌道交通車站安全態勢值界定安全等級，通過專家建議、現場調研及文獻[7]和文獻[13]，本文將城市軌道交通車站安全態勢劃分為五級，得到等級界定的區間值見表2。

表2 城市軌道交通車站安全態勢等級界定

4 實例分析

本文研究對象為地鐵某車站。經調研，該站現有工作人員分成5個班組，共45人，其中站長1人，值班站長5人，值班員9人，站務員30人。分向設計客流規模為南1號通道24%；南2號通道31%；北3號通道20%；北4號通道25%。站臺客流密度不均衡系數為2.25；車門/屏蔽門60對。該車站中心里程YDK7+356，車站長度239.30 m，站臺寬度10.1 m，有效側站臺寬2.85 m。

本文基于MATLAB軟件平臺編程進行基于多維聯系數的安全態勢理解研究。實驗數據為針對地鐵某車站建立的指標體系中各指標的量化值，共365組。由于各指標量化值量綱不同，有較大的數量級差別，因此首先對指標量化值進行歸一化處理，圖2給出了各指標處理之后的數據。設定灰色綜合關聯度參數如下：絕對位置差異和變化率位置差異的重視程度分別為λ1=λ2=0.5；絕對位置差異和變化率位置差異的辨識系數分別表示為ζ=η=0.5。數據行為參考序列為X0={1，1，1，1，1，1，1，1，1，1，1，1}，從而得到各指標的權重為

w=(0.088 1，0.081 6，0.085 5，0.079 0，0.082 7，

0.089 9，0.091 3，0.083 8，0.078 5，0.081 5，

0.080 8，0.077 3)，

根據公式(7)進行安全態勢值的計算，圖3給出了所得到的該站的安全態勢值。

圖2 各指標量化值進行歸一化處理

圖3 地鐵某站安全態勢值

根據城市軌道交通車站安全態勢等級界定表，該站2010年全年安全態勢值分布情況見表3。

表3 地鐵某站2010年安全態勢等級分布

由表3和圖3可以看出該站2010年車站安全態勢有59 d處于安全等級，其中2月14日、3月24日和12月6日安全態勢值大于0.9，乘客出行安全快捷；284 d處于低風險狀態，說明此站運轉良好，乘客有一個較為安全的乘候車；有22 d車站處于中風險等級，需要加強車站管理，采取防控措施，確保乘客出行安全和環境。在中風險等級中有7 d安全態勢值分布在0.4～0.5范圍內，存在較大的安全風險，主要分布在春節前、元旦、“五一”和“十一”期間，具體日期及安全態勢值是1月1日為0.492 6、1月2日為0.490 5、1月3日為0.457 3、1月25日為0.476 9、5月1日為0.407 8、10月1日為0.460 4、10月2日為0.477 0。通過對車站同期值班資料的分析，發現這7 d內車站客流大、通過型設備負荷過高，存在乘客違章及客傷事件等情況。建議車站工作人員加強客流疏導、設備巡檢力度和乘客安全教育工作，降低安全隱患，防止車站安全態勢向危險等級發展。

5 結論

本文采用多維聯系數算法進行了城軌交通車站安全態勢理解研究。首先構建了城軌交通車站安全態勢評價指標體系，然后給出了詳細的基于多維聯系數的城軌交通車

站安態勢理解方法，最后以地鐵某站為例進行了仿真驗證，結果表明了本文研究的有效性。

下一步的研究工作將采用諸如神經網絡等技術進行安全態勢預測研究。

[1] 陳后軍.城市軌道交通發展探討[J].鐵道標準設計，2003(8):25-27.

[2] 席榮榮，云曉春,等.網絡安全態勢感知研究綜述[J].計算機應用，2012，32(1):1-4.

[3] 歐韜，周長春.基于神經網絡的民航安全態勢評估模型及仿真[J].中國安全生產科學技術，2011，7(2):34-41.

[4] 韓敏娜，劉淵，陳燁.基于集對分析的網絡安全態勢評估[J].計算機應用研究，2012，29(10):3824-3827.

[5] 姜智平.地鐵盾構區間下穿既有鐵路的安全評估[J].鐵道標準設計，2012(S1):23-26.

[6] 睢海濤，李文勇，孫志偉.基于LVQ網絡的城市交通安全態勢評估模型研究[J].西部交通科技，2011(2):19.

[7] 胡啟洲，吳娟.基于多維聯系數的城市交通安全態勢監控模型[J].中國安全生產科學技術，2011，21(10):16-22.

[8] Lucas Barcelosde Oliveira. Multi-agent model predictive control of signaling split in urban traffic networks[J]. Transportation Research Part C: Emerging Technologies， 2010，18(1):120-139.

[9] Endsley M R. Situation awareness global assessment technique (SAGAT)[C] . Aerospace and Electronics Conference， 1988. NAECON 1988. Proceedings of the IEEE 1988 National. IEEE， 1988:789-795.

[10] 于小舟.基于MORT地鐵安全評價系統研究[D].北京:北京交通大學，2008．

[11] 肖新平，宋忠民，李峰.灰技術基礎及其應用[M].北京：科學出版社，2005.

[12] 黨耀國，劉思峰，等.灰色預測與決策模型研究[M].北京：科學出版社，2009．

[13] 胡啟洲，等.道路交通安全態勢監控的測定方法[M].北京：科學出版社，2012.

Security Situation Comprehension Model of Urban Rail Transit Station Based on Multi-dimension Connection Number

LI Jun1， LI Hai-yu1， CHEN Bo2， QIN Yong2

(1.Guangzhou Metro Corporation， Guang Zhou 510030， China; 2.State Key Laboratory of Rail Traffic Control and Safety， Beijing Jiaotong University， Beijing 100044， China)

To improve the safety of urban rail transit station， a security situation comprehension model of urban rail transit station based on multi-dimension connection number is proposed to assess the security status of the station. Firstly， the factors influencing the safety of rail transit station are analyzed to establish the evaluation index system of security situation. Then， the security situation comprehension model of rail transit station is built based on the multi-dimensional connection number. Finally， the evaluation index is quantized and verified. The test results show that the model reflects the real security situation in the station and can provide decision-making basis for managers．

Urban rail transit; Station; Security situation comprehension model; Multi-dimension connection number; Evaluation index system

2013-12-08；

：2014-01-02

國家科技支撐計劃課題(2011BAG01B02)

李 軍(1963—)，男，高級工程師。

1004-2954(2014)09-0129-06

U239.5

：A

10.13238/j.issn.1004-2954.2014.09.032