基于粗糙集-遺傳算法的鐵路貨運事故分析

齊 超

（西安鐵路局 營銷處，陜西 西安 710054）

基于粗糙集-遺傳算法的鐵路貨運事故分析

齊 超

（西安鐵路局 營銷處，陜西 西安 710054）

從人員、貨物、設備、管理4個方面分析鐵路貨運事故的主要影響因素，提出基于粗糙集-遺傳算法的鐵路貨運事故分析方法。首先使用粗糙集從鐵路貨運事故歷史數據中提取有效信息，然后采用基于遺傳算法的鐵路貨運事故屬性約簡算法得到鐵路貨運事故決策規則表。算例結果表明該方法高效可行，能夠為預防鐵路貨運事故發生提供科學合理的建議。

鐵路貨運；事故分析；粗糙集；遺傳算法

1 概述

隨著貨運組織改革的推進，鐵路貨物運輸安全作為衡量客戶滿意度的重要指標再次受到人們的廣泛關注。因此，在鐵路運輸生產過程中，分析和防范鐵路貨運事故的發生極為重要，而許多學者已經針對鐵路貨運事故的預防措施進行大量研究，通過分析影響貨運安全運輸的主要因素，為相關部門科學決策提供依據[1]。

鐵路貨運事故是指在鐵路運輸過程中貨物發生滅失、短少、變質、污染、損壞，以及在辦理過程中出現嚴重差錯等情況[2]。鐵路貨運事故通常是多種不確定因素綜合作用的結果，其歷史數據量大且冗余信息較多，如何從海量數據中挖掘出有效預防鐵路貨運事故發生的規則，在保持主要因素與事故類型不變的前提下，提高工作效率顯得極為重要。

粗糙集理論能夠在保持原有分類能力不變的前提下去除數據中的冗余信息，而遺傳算法是模擬生物在自然環境中的遺傳和進化過程而形成的一種自適應全局最優化搜索算法，具有廣泛的自適應性。通過分析影響鐵路貨運事故的原因，建立反映事故原因與事故類型之間的決策表，提出利用粗糙集-遺傳算法的屬性約簡方法去除決策表中冗余的規則，為預防鐵路貨運事故的發生提供科學合理的決策依據[3]。

2 鐵路貨運事故的主要影響因素

2.1 人員因素

在鐵路內部，影響貨物運輸安全的人員因素主要表現在：①貨運從業人員存在責任心不強、違章作業的現象；②職工業務水平有待提高，存在沒有嚴格按照規范操作，簡化作業流程；③作業人員應變能力不足，對突發事故處理不當，尤其對危險貨物等存在的安全隱患沒有做到冷靜處理、及時上報，未能采取適當措施將貨物損失減少至最低。

另外，由于托運人、押運人和收貨人的責任，也存在貨物運輸安全隱患，表現在：①貨物運單、訂單填寫不規范或填寫錯誤，錯報、匿報貨物品名，少報重量等；②對于要求裝載加固的貨物，沒有嚴格按照裝載加固方案要求進行裝載和加固，簡化作業流程，導致貨物垮塌等；③托運貨物的包裝不符合規定。

2.2 貨物因素

一些特殊貨物本身會存在一些貨運安全隱患，如闊大貨物和危險貨物。闊大貨物的建筑限界尺寸、相鄰線路中心線間距、動態偏載量和作用力，危險貨物自身的理化性質等都對鐵路貨運安全造成較大影響。

2.3 設備因素

由于零散貨物快運等一系列新興貨運產品的相繼推出，現行鐵路運輸貨物種類繁多、尺寸不一、包裝紛雜，這對貨運基礎設備和裝卸機械設備提出更高的要求，而目前鐵路貨運設備普遍較為陳舊，一些設備更新的車站，由于新設備缺乏相應的使用、管理與維修制度，并且責任落實不到位，影響貨物運輸安全；另外，由于貨運設備不足、維修不到位等原因導致的車體代用現象也同樣威脅鐵路貨運安全[1]。

2.4 管理因素

目前，鐵路貨運安全管理存在的主要問題有：①思想重視程度不高；②在處理問題上缺乏嚴格把關；③安全檢查存在應付心態，使貨運安全存在一定的隱患。

3 基于粗糙集-遺傳算法的鐵路貨運事故分析

3.1 粗糙集理論知識

定義 1：四元組 S = (U，A，V，f ) 是一個決策表。其中，U 為論域；A 為屬性集，A = C∪D，C∩D = φ，C 為條件屬性集，D 為決策屬性集；V =a∪∈AVa，其中 Va為屬性 a 的值域；f 為一個信息函數。

定義 2：令 R 為 1 組等價關系。當 r ∈R 時，如果 ind (R) = ind (R-{r})，則稱 r 為 R 中必要的。如果每一個 r ∈R 都為R 中必要的，則稱R 為獨立的。設Q ? P ，若 Q 是獨立的，并且 ind (Q) = ind (P)，則稱Q 為P 的一個約簡。

定義 3：決策屬性d 對條件屬性c 的正域為posc(d ) =

3.2 屬性約簡算法

屬性約簡問題屬于 NP 完全問題，因而提出具體算法如下。

（1）染色體編碼[4]。采用長度 l (即 l 為條件屬性的個數) 的二進制字符串 {0，1} 表示每個個體編碼，其中每一位對應于 1 個條件屬性。因此，對于 (c1，c2，…，cl)，如果個體中包含第 i (i = 1，2，…，l ) 個屬性，則 ci= 1；否則， ci= 0。

（3）遺傳算子設計[5]。①選擇，采用輪盤賭策略進行選擇。②交叉，采用單點交叉算子，以交叉概率 pc在其交叉點處相互交換 2 個個體的部分染色體，產生 2 個新的個體。③變異，采用均勻變異算子，以變異概率 pm隨機反轉某個等位基因的二進制字符值。④停止規則，當迭代步數達到最大代數 Max_Gen或 γreduct(C)(d ) = γC(d ) 時 停止運算。

該算法的具體步驟如下。

輸入：S = (U，A，V，f )。輸出：S = (U，A，V，f ) 的所有約簡。

步驟 1：計算出決策屬性 d 關于條件屬性 c 的支持度 γc(d )。

步驟 2：reduct (C) 為屬性 C 的約簡。令 reduct (C) = φ，逐一去掉單個屬性 ci∈C，當 γC-{ci}≠ γc(d )時，則 reduct (C) = reduct (C) ∪{ci}；當 γreduct(C)(d ) = γc(d )時，則終止計算。否則，轉入步驟 3。

步驟 3：由隨機數產生 Pop_size 個長度為 |C| (條件屬性的個數) 的二進制串所代表的個體組成初始種群，其對應位隨機取 0 或 1，計算初始種群中每個個體的適應度。

步驟 4：按照輪盤賭方法選擇個體，依據交叉概率 pc和變異概率 pm產生新一代群體，變異時保持該屬性對應的基因位不發生變異。

步驟 5：計算新一代群體中每個個體的適應度。

步驟 6：依據最優保存策略將最優個體復制到下一代群體中，并且依最優保存策略保存最優個體。

步驟 7：判斷是否連續 t 代的最優個體適應值不再提高，如果是則終止計算，并且輸出最優個體，否則轉入步驟 4。

3.3 鐵路貨運事故分析決策規則生成算例

在歷年的貨運事故中選取 15 次最具有代表性的事故作為論域，將影響因素作為條件屬性集，將事故類型作為決策屬性集，確定從業人員是否違章作業、從業人員業務素質水平、托運貨物是否符合規定、闊大貨物裝載加固是否符合要求、危險貨物自身理化性質是否活躍、運輸設備情況、管理是否完善 7 個因素為條件屬性，分別用 c1，c2，…，c7表示，鐵路貨運事故為決策屬性。通過對原始事故數據的預處理，包括數據除噪、離散化、歸一化后，建立鐵路貨運事故決策表如表 1 所示，其中 c1，c2，…，c7的取值規則如表 2 所示。此處將所考慮的 7 個因素作為造成鐵路貨運事故的主要原因，其他一些次要因素則被忽略[6]，D 的取值為：0 表示發生一般事故；1 表示發生重大事故。

通過屬性約簡去掉冗余條件屬性和重要信息得到簡化信息表，從而得到鐵路貨運事故預警規則[7]。假設 pc= 0.7，pm= 0.01，Max_Gen = 100，得到最優解為1011010，即 c1，c3，c4，c6屬性保留。由此可知，決定鐵路貨運事故類型的主要是從業人員是否按章作業、托運貨物是否符合規定、闊大貨物裝載加固是否符合要求、運輸設備狀況是否良好 4 個因素，因而在上述 4 個方面應加大監管力度，完善相應管理體制[8]。去除表 1 中的 c2，c5，c7屬性后，省略重復的序列內容，約簡后的決策規則如表 3 所示。

表 2 條件屬性取值規則

表 3 約簡后的決策規則

由表 3 可知，為確保鐵路貨運安全，降低鐵路貨運事故發生頻率，應主要從去掉冗余后的 4 個制約因素著手加以規避及改進，具體為：①提升從業人員執行力，嚴查違規操作，加強貨運相關崗位人員的責任心；②將預防鐵路貨運事故風險把控關口前移，嚴格檢查運輸貨物，對于具有不可控因素的貨物應嚴格按照貨物運輸相關制度予以處理，消除貨物運輸安全隱患；③對于闊大貨物嚴格把關其尺寸要求和裝載加固方案，杜絕運輸過程中偏移、侵限、散落等事故發生；④加大貨物運輸設備日常檢修維護保養工作，結合實際貨物運輸需求，及時補充或更換貨物運輸設備，杜絕車體代用及其他影響鐵路貨運安全事件。

4 結束語

鐵路實施貨運組織改革以來，提升貨運服務質量、提高客戶滿意度成為鐵路亟待解決的問題，而最大限度地減少鐵路貨運事故、保障貨物運輸安全是鐵路貨物運輸的重中之重。通過從大量歷史數據中提取有效數據生成決策規則，為找出鐵路貨運事故發生原因提供科學依據，同時還可據此采取有針對性措施預防類似事故發生，這對于鐵路不斷減少貨運事故發生、降低保價理賠率、提升貨運服務質量具有重要意義，也為提高鐵路生產效率和經營效益奠定基礎。

[1] 潘玲巧，林志安，竇 暉. 加強鐵路貨物運輸安全的探討[J]. 鐵道運營技術，2008，14(3)：36-40.

[2] 徐友良. 鐵路貨運事故原因分析與對策[J]. 鐵道貨運，2007，25(3)：23-25.

[3] 方鴿飛，王慧祥，黃曉爍. 改進遺傳算法在無功優化中的應用[J]. 電力系統及其自動化學報，2003，15(4)：15-18.

[4] 馬吉明，黃憲芳，蔣亞平，等. 粗糙集理論和遺傳算法在預防城市道路交通擁堵中的應用[J]. 鄭州輕工業學院學報：自然科學版，2012，27(1)：62-64.

[5] 肖厚國，桑 林，丁守珍，等. 基于遺傳算法的粗糙集屬性約簡及其應用[J]. 計算機工程與應用，2008，44(15)：228-230.

[6] 呂 峰，張 鵬. 關于鐵路安全評價方法應用的探討[J]. 鐵道運輸與經濟，2014，36(8)：74-77.

[7] 劉 斌，陳釘均. 基于粗糙集和遺傳算法的道路交通事故分析[J]. 蘭州交通大學學報，2010，29(1)：69-71.

[8] ZHANG Wen-xiu，WU Wei-zhi，LIAN Ji-ye. The Theory and Method of Rough Set[M]. Beijing：Science Press，2001.

責任編輯：馮姍姍

1004-2024(2015)08-0022-04

U298.5+3

B

2015-04-30