基于熵權TOPSIS模型的地鐵車站運營脆弱性評價方法

肖霽川，邢 穎

基于熵權TOPSIS模型的地鐵車站運營脆弱性評價方法

肖霽川1，邢 穎2

(1. 廣州地鐵集團有限公司, 廣州 510335;2. 中鐵二院重慶勘察設計研究院有限責任公司, 重慶 400023)

地鐵車站運營具有開放、動態的特征, 車站內外多方干擾因素都會影響其正常運營, 自身存在較大的脆弱性。本文綜合等級全息建模理論和現代因果連鎖理論, 將地鐵車站運營脆弱性的影響因素劃分為人員、設備、環境、管理、應急和結構六大類因素。并建立了基于暴露性、易感性、適應性三種內部屬性的地鐵車站運營脆弱性綜合評價指標體系, 利用熵權法實現客觀賦權, 然后由解靠近或遠離理想解的程度來度量脆弱性優劣, 最終確定車站運營脆弱性綜合評分。案例分析證明了評價方法的有效性和可行性。

城市軌道交通; 車站運營脆弱性; 熵權; 優劣解距離法

0 引 言

隨著地鐵車站系統復雜性和外部環境不確定性增加，地鐵車站運營安全風險分析與管理亟待增強。但是既有研究多基于還原論觀點，無法整體把握地鐵車站運營的安全特性。近年來，脆弱性成為國內外學者風險研究的熱點，地鐵車站運營脆弱性（Metro Station Operation Vulnerability, MSOV）研究能夠建立綜合性研究框架，揭示地鐵車站運營的本質安全特性。

關于地鐵的脆弱性研究近年來已取得一定成果，如Song[1]利用解釋結構模型（ISM）將地鐵系統脆弱性影響因子劃分為5層；Lownes[2]基于博弈論方法來度量交通網絡脆弱性；Ying[3]針對車站受到的隨機攻擊和針對性攻擊，分別提出了可靠性和脆弱性模型并設計了對應的應急疏散方案；Deng[4]提出基于故障模式分析（FMECA）建立地鐵系統脆弱性模型。然而已有成果多關注物理網絡拓撲脆弱性模型[5]、運行脆弱性分析[6]、系統脆弱性影響因素分析[7]與運營安全管理[8]等，應用較多的方法主要有層次分析法[9]、模糊評價[10]、灰色關聯度評價[11]等。對于地鐵車站運營脆弱性的既有研究缺乏系統性，目前尚無統一的評價指標體系和評價方法，分析與評價地鐵車站運行脆弱性問題亟待解決。

1 車站運營脆弱性涵義

脆弱性是自然科學領域的概念，在被引用至交通系統后，被廣泛應用于基礎設施領域。由于研究對象和視野的不同，不同領域對于脆弱性的涵義有所不同，主要有兩種觀點：一種是脆弱性就是應對干擾與傷害下表現出來的一種內在屬性[12]；另一種是干擾致使功能下降或者失效情況下，用脆弱性來描述抵抗性和恢復情況[13]。結合地鐵車站運營安全的特點，本文選擇了第一種觀點，認為脆弱性是車站運營的固有屬性，只有暴露在內外干擾因素下才會體現這種屬性，并直接影響運營事故的可能性和后果。本文將地鐵車站運營脆弱性定義為由于受到內、外隨機因素的擾動，使得車站運營系統的某一特征的結構、狀態和行為發生變化的性質。脆弱性概念主要涉及三項屬性，分別是暴露性（Exposure）、易感性（Sensitivity）與適應性（Adaptability）。ESA三項屬性體現的是一種內在過程屬性，在外在表現上為車站運營的損失程度，如圖1所示。

圖1 運營脆弱性模型

2 地鐵車站運營脆弱性評價指標體系

等級全息建模（Hierarchical Holographic Modeling，簡稱，HHM）被廣泛應用在安全風險識別中，該方法論的中心思想是從不同維度、視角、觀點和層級中捕捉與呈現一個復雜系統中的內在特征與屬性。本文首先通過文獻調研[14, 15]，整理出21個脆弱因子，對其進行拆分和重組，結合博德（Frank Bird）的現代因果連鎖理論[16]，對影響因子重新歸類和編碼，形成地鐵系統脆弱性影響因素的HHM指導性框架。初始框架分為人、環境、設備和管理四類，但分析發現這四類無法涵蓋所有因子，因此新增結構因素和應急因素類別。最終從人員、設備、環境、管理、結構和應急六個方面，利用HHM方法識別地鐵車站運營脆弱性的21個影響因素，如圖2所示。基于脆弱性ESA模型，將其分為暴露性、易感性、適應性三大類脆弱性指標，如表1所示。

圖2 基于HMM的車站運營脆弱性影響因素

表1 車站運營脆弱性評價指標體系

3 基于熵權TOPSIS的地鐵運營脆弱性評價方法

3.1 概述

地鐵車站運營脆弱性評價對象的數據主要依賴專家決策，傳統的層次分析法存在較強的主觀性。本文引入熵的概念，用來改進傳統方法，達到客觀賦權的效果。此外，本文利用接近理想解的方法對解集進行排序，由可行解靠近或者遠離理想解的程度來度量評價結果的優劣，由此對車站運營脆弱性進行綜合評分，效果較好。

3.2 熵權原理

“熵”一詞來源于物理學領域，表示混亂和無序的程度，被引入信息領域后，廣泛應用于工程技術、管理科學以及社會經濟學領域。中心思想是熵值越小，代表屬性的離散程度越大，所以應賦予較大的權重，便于區分不同評價結果。熵權法（Entropy Weight Method, 簡稱EWM）是一種客觀賦權法，彌補了傳統專家打分法主觀性太大的問題，具體步驟如下：

3.3 TOPSIS

優劣解距離法[17]（Technique for Order Preference by Similarity to an Ideal Solution, 簡稱TOPSIS）源于決策學，其中心思想是分別確定正、負理想解，若可行解離負理想解最遠，離正理想解最近，可視其為最優解。但是脆弱性評價結果中并沒有這種理想解和負理想解，故引入貼近度的概念[18]，即最貼近正理想解，又最遠離負理想解的解即是最優解。TOPSIS方法的優點是對于原始數據的利用充分，信息損失少，對于原始數據約束條件也較小。但隨著研究問題的日益復雜化，傳統TOPSIS法已表現出某種不適應性，如過分依賴主觀賦權、屬性賦權不精確等，而熵權法能科學客觀地分配權重，彌補傳統TOPSIS方法的缺陷。基于TOPSIS的脆弱性評價方法具體步驟如下：

4 實例分析

多條線路交匯的換乘站，具有客流量大，客流路徑和方向較多的特征，因此進行車站運營脆弱性研究十分必要。本文選擇了廣州地鐵嘉禾望崗站為例進行分析，該站有廣州地鐵2號線，3號線和14號線三線交匯。筆者邀請了15名地鐵安全學者和廣州地鐵運營人員組成的專家小組，對評價對象及指標進行模糊評分。受限于篇幅，以適應性指標為例計算分析，適應性得分矩陣如表2所示，首先分析調查數據的可靠性，計算得克倫巴赫α信度系數為0.7，符合要求。

表2 適應性指標得分矩陣

各熵值、屬性權重分別如表3所示，其中設備設施狀態16，運營環境17，應急管理計劃20的權重較高，而且除了應急管理計劃，專家們認為應急處置效率對于車站運營脆弱性提升，也十分重要。

表3 適應性各指標熵與權重參數值

由公式（7）~（9）可計算與正負理想解的距離和貼近度，取100，即綜合得分越接近100，方案越優。

由表4可知15位專家對車站適應性指標的綜合評分，專家5對與車站適應性指標的評分最高，專家8對該車站的評分最低。但這僅為適應性這一項脆弱性因素的得分，同理可求得暴露性和易感性其他兩個Ⅰ級指標的得分，針對21項屬性重復上述熵權法和TOPSIS排序過程，可得到最終的脆弱性綜合評分，如表5所示，易得專家11對該站運營脆弱性的總體評分最高。如上文所述，本實例采用全局視野下重新分配各項屬性權重值的方法，避免了采用暴露性、易感性和適應性三類評分的算數平均值進行排序而導致的排序錯誤。計算結果也證明了本文提出方法的可行性和有效性。

表4 適應性指標得分及排序

續表4

專 家適應性得分得分排序 1155.52 1253.14 1342.97 1442.18 1533.813

表5 脆弱性綜合得分及排序

Tab.5 Vulnerability comprehensive score and ranking

本案例是針對某一車站的實例分析，同理可對廣州地鐵全線各車站進行車站運營脆弱性評價，得出各個車站的脆弱性綜合評價（表5）。本文提出的評價方法不僅能得到脆弱性整體綜合評價，還可以分析出暴露性、易感性、適應性三類Ⅰ級指標的得分情況，由此可以分析車站脆弱性薄弱節點，為地鐵車站運營能力的提升提供理論支撐和參考。

5 結束語

地鐵車站運營具有開放、動態的特征，車站內外多方干擾因素都會影響其正常運營，自身存在較大的脆弱性。本文針對現有脆弱性研究不足，在文獻整理和總結的基礎上，綜合等級全息建模理論和現代因果連鎖理論，提出了基于熵權TOPSIS模型的地鐵車站運營脆弱性評價方法，具體結論如下：

（1）將地鐵車站運營脆弱性的影響因素劃分為人員、設備、環境、管理、結構和應急六大類因素，并建立了基于暴露性、易感性、適應性三大內部屬性的綜合評價指標體系；

（2）創新性地提出了基于熵權TOPSIS模型的綜合評價方法，改進了傳統方法；

（3）案例分析證明了方法的可行性和有效性，提升了評價方法的客觀性，為車站運營脆弱性評價提供理論支撐。

此外，對地鐵車站運營脆弱性的研究在關注上述六大類關鍵因素以外，仍需要結合每個車站自身特點，采取相應的措施實現地鐵車站運營安全水平的提升。今后，將結合不同類型車站的特點，研究降低車站運營脆弱性的對應策略。

[1] LIANGLIANG S, QIMING L, GEORGE L, et al. Using an AHP-ISM based method to study the vulnerability factors of urban rail transit system[J]. Sustainability, 2017, 9 (6): 1065-1080.

[2] LOWNESN, WANG Q, IBRAHIM S, et al. Many-to- many game-theoretic approach for the measurement of transportation network vulnerability[J]. Transportation Research Record: Journal of the Transportation Research Board, 2011, 2263: 1-8.

[3] LOU Y, ZHANG L. Defending transportation networks against random and targeted attacks[M]. Transportation Research Record: Journal of the Transportation Research Board, 2011.

[4] DENG Y, LI Q, LU Y. A research on subway physical vulnerability based on network theory and FMECA[J]. Safety Science, 2015, 80: 127-134.

[5] 肖雪梅, 王艷輝, 賈利民. 基于復雜網絡和熵的城軌路網運營安全評價模型[J]. 中國安全科學學報, 2011, 21 (11): 41-48.

[6] 袁競峰, 李啟明, 賈若愚, 等. 城市地鐵網絡系統運行脆弱性分析[J]. 中國安全科學學報, 2012, 22 (5): 92-98.

[7] 宋亮亮, 李啟明, 陸瑩，等. 城市地鐵系統脆弱性影響因素研究[J]. 中國安全科學學報, 2016, 26 (5): 64-69.

[8] LU Y, LI Q, HINZE J. Subway system safety risk analysis based on bayesian network [M]// Modeling Risk Management in Sustainable Construction. Berlin Heidelberg: Springer. 2011.

[9] 宮劍, 沈吟東. 基于層次分析法的地鐵站點脆弱性評價[J]. 武漢理工大學學報：信息與管理工程版, 2016, 38 (5): 519-523.

[10] 袁朋偉, 宋守信, 董曉慶. 城市軌道交通系統組元脆弱性評價研究[J]. 中國安全生產科學技術, 2015 (7): 142-149.

[11] 程悅, 宋守信. 大客流擾動下的北京地鐵脆弱性研究[J]. 都市快軌交通, 2015, 28 (3): 29-33.

[12] HAIMES Y Y. On the definition of vulnerabilities in measuring risks to infrastructures[J]. Risk Analysis, 2006, 26 (2): 293-296.

[13] AVENT. A unified framework for risk and vulnerability analysis covering both safety and security[J]. Reliability Engineering & System Safety, 2007, 92 (6): 745-754.

[14] KYRIAKIDIS M, HIRSCH R, MAJUMDAR A. Metro railway safety: an analysis of accident precursors[J]. Safety Science, 2014, 50 (7): 1535-1548.

[15] DERRIBLE S, KENNEDY C. Evaluating, comparing, and improving metro networks[J]. Transportation Research Record: Journal of the Transportation Research Board, 2010, 2146: 43-51.

[16] BIRD F E, GERMAIN G L. Practical loss control leadership[M]. Det Norske Veritas (USA), 1996.

[17] 闕翠平, 王應明, 藍以信. 基于累積前景理論的屬性關聯猶豫模糊TOPSIS方法[J]. 統計與決策, 2018, 34 (4): 43-48.

[18] 吳漪, 邱菀華, 周鵬. 模糊群決策環境下的實物期權模型[J]. 控制與決策, 2012, 27 (12): 1828-1832.

Vulnerability Evaluation Method for Metro Station Operation Based on Entropy Weight TOPSIS Model

XIAO Ji-chuan1，XING Ying2

(1. Guangzhou Metro Group Co., Ltd., Guangzhou 510335, China; 2. China Railway Eryuan Engineering Chongqing Co., Ltd., Chongqing 400023, China)

The operation of metro stations is open and dynamic. Multiple interference factors inside and outside a metro station influence its normal operation, and there is higher vulnerability. In this study, by combining the comprehensive holographic modeling theory and the modern causal chain theory, the factors influencing the vulnerability of metro station operations are classified into six categories: personnel, equipment, environment, management, emergency, and structure. A comprehensive evaluation index system for the vulnerability of a metro station operation was established using three internal attributes: exposure, susceptibility, and adaptability. The entropy weight method was used to achieve the objective weighting, and the degree of vulnerability was subsequently measured by the degree to which a solution was close to or far from the ideal solution. Finally, the vulnerability comprehensive score of the metro station operation was determined. The case analysis demonstrates the effectiveness and feasibility of the evaluation method.

urban rail transit; station operation vulnerability; entropy weight; superiority and inferior solution distance method

1672-4747（2020）02-0163-07

U231.4; U298

A

10.3969/j.issn.1672-4747.2020.02.020

2019-11-02

肖霽川（1978—），女，湖北武漢人，工程師，主要從事城市軌道交通運營及管理研究，E-mail：951487443@qq.com

肖霽川，邢穎. 基于熵權TOPSIS模型的地鐵車站運營脆弱性評價方法[J]. 交通運輸工程與信息學報，2020，18（2）：163-169.

（責任編輯：李愈）