基于集對分析的列控系統運營安全風險評估

吝天鎖,王瑞峰

(蘭州交通大學自動化與電氣工程學院, 蘭州 730070)

列車運行控制系統是高速列車的核心技術裝備，從運營的角度，如何客觀準確的剖析列控運營安全風險，尋找其薄弱環節，已成為亟待解決的研究課題。

目前，國內對列控安全評估與認證體系、概率安全與安全管理等方面的研究較多，但對運營風險趨勢的研究較少[1-4]。文獻[5]利用云模型的云相似度，較好地處理了列控運營風險的隨機性和不確定性；文獻[6]利用貝葉斯網絡圖形化的特點，以此分析列控運營的潛在風險和發生概率的因果關系；文獻[7]利用多級可拓理論，對列控運營風險中指標的綜合聯系度進行分析；文獻[8]利用逼近理想解的排序法，分析列控運營過程中不安全事件的發生頻率和嚴重度。這些方法雖然在列控運營風險評估中得到驗證，但只是對風險等級進行判定，未能同時考慮和處理系統中諸多不確定因素，未對風險趨勢作出有效預測和分析。

集對分析法[9]可將聯系數與系統深層次融合，以此去研究列控運營中風險的確定性和不確定性以及同異反的聯系與轉化。針對列控運營過程中各種風險因素相互關聯，風險趨勢無法預測，對其進行風險評估具有模糊性、隨機性，所以將SPA引入列控運營風險評估中。將SPA三元聯系數和不確定AHP結合共同確定指標權重，并利用偏聯系數和態勢分析實現對列控運營安全風險的動態和靜態研究，以提高其風險評估的準確性。

1 列控運營風險評估指標體系及權重

1.1 評估指標體系

參考已有的列控運營安全評價指標體系，根據EN 50126[10]中的風險矩陣理論，基于科學合理、全面分析的原則，從人、機、環、管4個角度將列控運營風險因素歸結為4個二級指標，以及16個三級指標，如圖1所示。

圖1 列控運營風險評估體系

1.2 確定各級評估指標權重

1.2.1 不確定AHP計算各級指標的權重區間

列控運營安全風險評估的權重計算是一個難點，不確定AHP[11-13]采用區間標度，可以較好地體現專家對指標體系主觀模糊判斷，將誤差理論與一致性逼近的判斷矩陣結合，得到權重區間，計算過程如下。

(1)確定判斷矩陣

組織專家根據風險評估指標的相對重要度，按照1～9標度法[14]評判，從而可得到判斷矩陣A如式(1)所示。

A=[aij,bij]4×4=

(1)

式中，aij表示評判區間的下限；bij表示評判區間的上限。

(2)確定權重

依據判斷矩陣A得到一致性判斷矩陣M=(mij)4×4，如式(2)所示

(2)

根據求得矩陣M，可計算其權重wi(w1，w2，…，w4)，如式(3)所示

(3)

(3)計算權重區間

根據矩陣M的權重wi(w1，w2，…，w4)，可計算極差矩陣Δ1M、Δ2M，如式(4)所示

(4)

考慮到M和A權重存在傳遞誤差，得到極差矩陣后，先計算兩者誤差，如式(5)所示

(5)

式中，v=1，2。因此，可得到其權重區間

W′=(wi-Δ1Wj,wi+Δ2Wj)

(6)

1.2.2 利用SPA計算權重精確值

μj=aj+bji+cjj

(7)

式中，aj=wi-Δ1Wj；bj=Δ1Wj+Δ2Wj；cj=1-wi-Δ2Wj。

根據得到的三元聯系數，計算確定性與不確定性區間的相對權重Pj、Qj，如式(8)所示

(8)

(9)

2 列控運營風險評估模型建立

2.1 同異反評估模型的建立

比較建立的評估指標和有關風險等級，按其與標準的相近水平得到風險集v=[低，較低，中等，較高，高]。對各評估指標的發生概率進行估計，如式(10)所示

Ruv=Zuv/Z

(10)

式中，Zuv表示將評估指標u歸為風險等級v的專家人數；Z表示專家總數。

根據確定的指標權重和計算得到的發生概率結合聯系數，從而得到列控運營風險的同異反評估模型，如式(11)所示，模型參數見表1。

表1 模型參數含義

(11)

簡記為五元聯系數[16]

μ′=a+bi+cj+dk+el

(12)

式中，μ′為五元聯系數聯系度；E=[1，i，j，k，l]為系數矩陣；a、e為確定項；b、c、d為不確定項。

2.2 列控運營風險的態勢及趨勢分析

在SPA理論中聯系態勢可描述研究對象的動態演化趨勢，并依據聯系數中的a、b、c、d和e數值大小關系[17]，將列控運營態勢分為：同勢，即S(μ)>1；均勢，即S(μ)=1；反勢，即S(μ)<1。運營風險與態勢對應關系如表2所示。

表2 列控運營風險態勢

利用聯系數理論中聯系態勢,利用多元聯系數的偏聯系數對列控運營的風險發展趨勢分析，其建立的五元聯系數的各階偏聯系數計算公式與系數取值見文獻[18-19]，當計算出各階偏聯系數?t(μ)>0(因需求解四階偏聯系數，所以t可取1，2，3，4)時，說明系統狀態有提高趨勢，風險降低；當?t(μ)<0時，說明系統有下降趨勢，風險增大;當?t(μ)=0時，說明系統趨勢不確定，處于中間過渡趨勢。

2.3 評估模型原理(圖2)

圖2 列控運營風險評估模型原理

3 實例分析

以某路局列控系統為例，根據建立的評估指標和同異反模型，對該列控運營安全風險進行評估。

3.1 權重的確定

根據建立的SPA模型對該路局列控運營風險態勢進行分析，依據不確定AHP和集對分析確定各個風險指標的精確權重值。以第二層指標U2為例闡明計算過程。根據專家對第二層指標對應的三級指標U21、U22、U23、U24進行兩兩比較的結果，得到其相對應的區間判斷矩陣

根據式(1)～式(6)，計算得到U21、U22、U23和U24的權重區間為

W′=([0.372 3,0.481 1],[0.288 5,0.416 0],

[0.141 9,0.203 6],[0.071 4,0.090 5])

μ1=0.372 3+0.108 8i+0.518 9j

μ2=0.288 5+0.127 5i+0.584 0j

μ3=0.141 9+0.016 7i+0.796 4j

μ4=0.071 4+0.019 1i+0.909 5j

根據式(8)，計算得到各聯系數確定性與不確定性的相對權重

Pj=[0.413 2，0.341 1，0.167 3，0.078 4]

Qj=[0.242 0，0.236 9，0.254 8，0.266 3]

根據式(9)，計算得到U21、U22、U23和U24的精確權重值

同理，可計算其他指標權重值

3.2 評估風險態勢以及趨勢

針對該路局列控系統實際運營情況，根據10位列控運營安全方面的專家按照人為因素、設備因素、環境因素和管理因素進行篩選，得到圖1中16個三級指標打分結果，結合已求出的各評估指標的精確權重值，利用式(11)和式(12)求得風險同異反評估模型的五元聯系數，然后計算其對應的各階偏聯系數，根據趨勢評判原則，可得到其風險發展趨勢，具體結果如表3和表4所示。

表4 二階、三階和四階偏聯系數計算

3.2.1 風險態勢分析

對表3中的五元聯系數變量a、b、c、d、e大小進行排序分析，得到二級指標的風險態勢以及列控系統運營總風險態勢，依據文獻[20]中總的五元聯系數同異反態勢排序表的描述，結合該系統實例，列舉如表5所示的相關態勢排序，態勢分析結果如下

表5 五元聯系數態勢

表3 五元聯系數及一階偏聯系數計算

(U1)=0.26+0.17i+0.22j+0.25k+0.10l：a>e，a>b，be，同勢25級；

(U2)=0.15+0.25i+0.20j+0.27k+0.13l：a>e，ac，ce，同勢53級；

(U3)=0.26+0.23i+0.21j+0.16k+0.14l：a>e，a>b，b>c，c>d，d>e，同勢1級；

(U4)=0.30+0.16i+0.18j+0.24k+0.12l：a>e，a>b，be，同勢25級；

(U)=0.22+0.21i+0.20j+0.24k+0.12l：a>e，a>b，b>c，ce，同勢7級。

結果表明：該列控運營的總體風險態勢處于同勢7級，且為強同勢區，表明系統處于低風險狀態，與現場情況一致。

利用文獻[5]的云模型對本方法進行驗證，生成的標準云和綜合云模型如圖3所示，評估結果為低風險與上述評估結果相同。

圖3 綜合評估云與標準云

由表5可知，二級指標中“環境因素”屬于強同勢區，表明系統處于低風險狀態；“人的因素”與“管理因素”處于弱同勢區，表明狀況較好，稍加關注；“設備因素”處于微同勢區，表明風險狀況較差，應多加關注。對表3中于處于“均勢”、“反勢”的三級指標應該特別關注，特別是處于反勢的“設備故障”和“自然環境惡劣”，應立即采取適當措施。

3.2.2 風險趨勢分析

根據表3和表4中偏聯系數，分析列控運營的總體風險發展趨勢，由一階和二階偏聯系數計算結果表明列控系統運營安全總體呈現潛在下降趨勢，說明運營安全有變差趨勢，運營風險變高。由三階和四階偏聯系數計算結果表明列控系統運營安全呈現潛在提高趨勢，說明運營安全有變好的趨勢，運營風險變低。整體反映該列控系統運營過程中風險的潛在態勢存在同中有反、反中存同、彼此交織，且同一性與對立性共存的發展趨勢，并對三級指標中多次呈現下降趨勢的因素著重關注，如“安全意識”、“設備故障”等。

3.3 風險防控措施

根據上述計算結果和分析，應該對列控系統運營風險提出有效的預防控措施：加強工作人員的安全意識和技術培訓，提高技術水平和綜合素質。對硬件設備和軟件設備進行定期的檢查和維護，降低設備方面對運營差錯事件發生，在惡劣環境下運營要做好各種應急措施。提前預測易發生風險，降低列控系統不安全風險的發生概率，不斷提高列控系統運營安全水平。

4 結論

本文將集對分析中多元聯系數、聯系態勢和偏聯系數引入列控運營安全的風險態勢以及風險趨勢分析中，從應用實例以及與云模型評判方法對比，得到如下結論。

(1)列控運營指標權重的確定采用SPA與不確定AHP，符合工程實踐與專家評判思維，且計算結果科學合理。

(2)利用SPA解決了列控運營過程中的不確定性，不僅分析出整體與各級指標的風險態勢及趨勢，并針對運營過程中的薄弱環節提出防護措施。

(3)相較于云模型，SPA不僅評判出列控運營風險等級，并考慮風險轉化問題，能分析列控運營風險的發展趨勢，使風險評估方法更加完善。