基于相似度匹配的城市燃氣事故案例庫

張蕾俠，方廷勇

（安徽建筑大學(xué) 環(huán)境與能源學(xué)院，安徽 合肥 230601）

0 引 言

城市燃氣事故是影響城市安全的重要因素，在全國范圍內(nèi)，燃氣事故平均超過900起/年，而其中燃氣泄漏的占比達到46%，值得一提的是在燃氣泄漏事故中74%為微小泄漏[1]。據(jù)統(tǒng)計，近5年內(nèi)，國內(nèi)媒體報道的燃氣事故超過3 473起，受傷人數(shù)5 043人，死亡人數(shù)609人，然而這些事故多由燃氣的微小泄漏引發(fā)[2]。因此，當(dāng)燃氣事件突發(fā)時，早發(fā)現(xiàn)、早報告、早處置、早解決[3]，第一時間組織應(yīng)急處置工作是快速有效管控燃氣泄漏事態(tài)，防止燃氣突發(fā)事件進一步擴大的關(guān)鍵一步，也是降低燃氣事故損失的關(guān)鍵性因素。而歷史燃氣事故數(shù)據(jù)中的應(yīng)急措施和經(jīng)驗教訓(xùn)具有很高的學(xué)習(xí)價值，若能從歷史燃氣事故數(shù)據(jù)中吸取有益的教訓(xùn)、經(jīng)驗，將對燃氣事故的防范和快速處置具有積極意義[4]。目前，世界上多數(shù)油氣儲運業(yè)發(fā)達的國家均建立了管道失效或事故數(shù)據(jù)庫，用于指導(dǎo)本國油氣管道的設(shè)計、建設(shè)和風(fēng)險管理，并取得了良好的應(yīng)用效果；然而，國內(nèi)目前在管道定量風(fēng)險評價方面尚處于起步階段，發(fā)展的瓶頸正是缺少一套基于國內(nèi)管道歷史數(shù)據(jù)的失效數(shù)據(jù)庫。因此，建立失效數(shù)據(jù)庫是提高我國管道風(fēng)險管理水平、保證管道安全可靠運行，亟需開展的一項基礎(chǔ)工作[5]。城市燃氣事故案例庫是將城市燃氣體系運行中實際發(fā)生的突發(fā)事件集合在一起，采用統(tǒng)計與推理的方式對歷史案例進行統(tǒng)計與分析，以此形成能夠統(tǒng)計管道事故的歷史案例，為新發(fā)生的事故提供一個相似度匹配，快速知曉歷史相似案例，從歷史相似案例中獲取有效的應(yīng)對措施，從而提高應(yīng)急響應(yīng)效率。

耶魯大學(xué)Roger Schank教授對動態(tài)記憶的描述是案例推理技術(shù)的起源，案例推理作為人工智能領(lǐng)域技術(shù)研究中的重要一項，其基本原理是參照人類大腦思考問題的方式，若是歷史相似情景問題，用歷史案例的解決辦法來解決新增案例[6]。在案例推理技術(shù)的實際應(yīng)用中，其解決問題的基本過程包括4個步驟：案例標(biāo)準(zhǔn)化輸入、案例關(guān)鍵詞檢索、案例相似度匹配和案例保存。目前其在醫(yī)療診斷、法律系統(tǒng)以及事故預(yù)測等領(lǐng)域具有廣泛而深刻的作用[7]。案例間的相似度匹配是案例推理技術(shù)的核心所在，眾多科研人員在此領(lǐng)域上提供了一系列的計算模型與方法，如向量空間模型、神經(jīng)網(wǎng)絡(luò)模型、主題模型，以及KNN算法、句法分析法、搜索引擎法等。如文獻[8]利用公共字符串的信息熵評價文本相似度，從公共字符串來考慮文本的相似度；文獻[9]通過采用已處理文本、語義特征提取和語義相似度計算方法，建立了公共安全事故案例語義相似度計算模型；文獻[10]針對維基百科中歷史人物的詞條和標(biāo)簽描述，將有關(guān)歷史人物信息的維基百科頁面轉(zhuǎn)換為矢量表示，從而能夠量化信息相似度；文獻[11]提出使用詞向量計算文檔相似度的新方法，即在詞向量空間里計算將文檔中所有的詞移動到另一文檔對應(yīng)的詞需要的最小移動距離（Word Mover’s Distance, WMD），求解出來的WMD則是2個文檔的相似度。

1 構(gòu)建城市燃氣事故案例庫信息指標(biāo)體系

本文的城市燃氣事故源信息取自燃氣事故報告以及博燃網(wǎng)等，由于事故案例的相似度的計算需要，本文根據(jù)燃氣事故發(fā)生的時間、位置信息與類型、致災(zāi)源概況及事發(fā)原因?qū)Τ鞘腥細馐鹿市畔⒅笜?biāo)體系進行具體分類[12]。城市燃氣事故案例信息指標(biāo)體系見表1所列。

表1 城市燃氣事故案例信息指標(biāo)體系

在城市燃氣事故信息指標(biāo)體系中，事發(fā)信息指標(biāo)由3個二級信息指標(biāo)構(gòu)成，其主要用于統(tǒng)計事故發(fā)生時的狀態(tài)信息。根據(jù)事發(fā)信息指標(biāo)，采用相似度匹配計算的方法可得出新增案例與歷史案例集合之間的初步相似度匹配。事后信息指標(biāo)主要用于描述燃氣事故的嚴重程度以及事故造成的危害程度。再者其進一步的作用是通過該指標(biāo)能清晰了解到新增案例與匹配到的歷史案例之間的后果差異，并通過此差異進一步分析新增案例與相似歷史案例之間產(chǎn)生分歧的原因，為當(dāng)前事故的應(yīng)急措施提供借鑒，以提高事故應(yīng)急響應(yīng)效率。

由于案例相似度計算是標(biāo)準(zhǔn)化數(shù)值之間的運算，所以在此之前需對各項信息指標(biāo)做標(biāo)準(zhǔn)化處理以方便運算。城市燃氣事故信息各類指標(biāo)統(tǒng)計值如圖1所示。

圖1 城市燃氣事故信息指標(biāo)分類值

在地理位置指標(biāo)中，為擴大案例庫的地理位置收錄范圍，特在實際指標(biāo)值中增添了國外位置信息。室內(nèi)外事故直接原因指標(biāo)項因室內(nèi)與室外燃氣承載體不同，兩者事發(fā)的空間場所不同，以及事故造成的后果也大不相同，故分開詳細探討了事故原因。在室內(nèi)外事故直接原因中，前5個實際指標(biāo)值僅僅是室內(nèi)事發(fā)原因的具體指標(biāo)值，而后5項則是室外事發(fā)原因的具體指標(biāo)值，當(dāng)事發(fā)原因都不滿足前10項指標(biāo)值時，才選擇列為最后一項指標(biāo)值：其他因素。城市燃氣事故等級分級分為一般事故、較大事故、重大事故、特別重大事故及其他事故五類[13]。表1中的事發(fā)信息指標(biāo)與事后信息指標(biāo)的各項具體分類值均可直接從事故報道或者事故報告中獲取。

2 建立城市燃氣安全事故案例庫

本文共搜集了2012—2019年發(fā)生在國內(nèi)外不同類型的243起大小不一的城市燃氣安全事故案例，每個城市燃氣事故案例將按照“事故概述+事故描述”的固定文本格式進行輸入編輯，詳情見表2所列，其主要目的是對本文搜集好的243起案例能夠進行清晰匯總并可快速找到表1和圖1中的相關(guān)具體指標(biāo)以及分類值，而得到的相關(guān)具體指標(biāo)與分類值便構(gòu)成了城市燃氣事故案例庫。表3便是最終構(gòu)建好的城市燃氣安全事故案例庫。一個獨立的城市燃氣事故文本直接按照表2中的事故標(biāo)題進行命名，例如：溫州燃氣管道泄漏事故。另外本文截取了一部分按照3個表格整理出的城市燃氣安全事故案例庫，詳情見表3所列。

表2 案例文本固定形式

3 城市燃氣安全事故案例相似度匹配具體計算

3.1 指標(biāo)權(quán)重計算

根據(jù)熵值法計算指標(biāo)權(quán)重。權(quán)重系數(shù)是表示在其他指標(biāo)不變的情況下，某一確定指標(biāo)的變化對結(jié)果產(chǎn)生的影響[14]。在已建立的信息指標(biāo)體系中，由于各個指標(biāo)量綱不同，必須根據(jù)實際情況合理確定各指標(biāo)的權(quán)重系數(shù)，故無法輕易通過專家打分法來主觀地確定各項指標(biāo)的權(quán)重系數(shù)大小。熵值法是度量不確定性的一種客觀賦值法。當(dāng)信息熵越大（小）時，該指標(biāo)的不確定性就越大（小），權(quán)重系數(shù)就越小（大）[15]。熵值法計算指標(biāo)權(quán)重的具體方法如下：

（1）若在案例庫中總共有n個案例、k個信息指標(biāo)，那么Xij為第i個案例的第j個信息指標(biāo)屬性值（i=1, 2, ...,n；j=1, 2, ...,k），對各個信息指標(biāo)的數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，各信息指標(biāo)屬性值的計算公式為：

網(wǎng)絡(luò)時代的到來為人工智能的研發(fā)提供了機遇與驅(qū)動力。計算機網(wǎng)絡(luò)，尤其是互聯(lián)網(wǎng)，是理想的人工智能實驗床，因為整個互聯(lián)網(wǎng)就可以看成是一個傳感器密集、大規(guī)模并行的自治、虛擬機器人系統(tǒng)。

式中：Xij為第i個案例的第j個信息指標(biāo)屬性值（i=1, 2, ...,n；j=1, 2, ...,k）；Yij為各Xij數(shù)據(jù)標(biāo)準(zhǔn)化處理后的值；maxXij為第j個信息指標(biāo)屬性的最大值；minXij為第j個信息指標(biāo)屬性的最小值。

（2）根據(jù)信息熵的定義，計算第j個信息指標(biāo)屬性值的信息熵，那么第j個信息指標(biāo)屬性值的熵值Ej按式（2）進行計算，其中pij按式（3）進行計算：

式中：Ej為第j個信息指標(biāo)屬性值的熵值；pij為在該信息指標(biāo)總屬性值中，第i個案例的第j個信息指標(biāo)屬性值的所占比重。

（3）計算各項信息指標(biāo)屬性值的權(quán)重，根據(jù)熵值公式（3）得出各個指標(biāo)的信息熵為E1,E2, ...,Ek，而后第j個信息指標(biāo)屬性值所占權(quán)重按式（4）計算：

式中，Wj為第j個信息指標(biāo)屬性值的權(quán)重。

3.2 城市燃氣安全事故案例相似度計算

本文基于熵值法確定各項信息指標(biāo)權(quán)重后，那么各信息指標(biāo)權(quán)重集合便為W=（?1,?2, ...,?k），采用向量空間相似度計算方法，建立城市燃氣事故案例相似度計算模型。假設(shè)歷史案例構(gòu)成集合為T=（T1,T2, ...,Tn），新增案例為Z，那么歷史案例中的任意一個Ti都是由k個信息指標(biāo)構(gòu)成的，故歷史案例Ti的信息指標(biāo)屬性向量可寫成Ti=（A1,A2, ...,Ak），新增案例Z的信息指標(biāo)屬性向量可寫成Z=（B1,B2, ...,Bk），則歷史案例Ti與新增案例Z之間的相似度計算公式為：式中：Aj與Bj分別為歷史案例Ti與新增案例Z的第j個信息指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化后的值；?j為第j個指標(biāo)的權(quán)重。

本文根據(jù)相似度計算公式可計算出案例庫中n個歷史案例與新增案例之間的向量空間相似度集合，也就能進一步得出案例之間的相似度集合。

4 城市燃氣安全事故具體案例分析

本文將從網(wǎng)絡(luò)上搜集到的一起案例作為新增案例，用于計算與案例庫中歷史案例進行匹配和具體分析。該新增案例為2012年6月30日16:06發(fā)生在湖北省恩施土家族苗族自治州利川市南坪鄉(xiāng)某工地上的一起天然氣管道泄漏燃燒事故。將該新增案例以案例文本固定形式表達，以便對各個指標(biāo)信息的分析統(tǒng)計。對各個指標(biāo)信息統(tǒng)計完全之后，將該案例按照各統(tǒng)計信息指標(biāo)分類值輸入保存至案例庫中，對新增案例與各個歷史案例進行相似度計算，得出最高相似度案例。并對相似案例與新增案例進行差異分析，得出造成該結(jié)果差異的有效結(jié)論，對新增案例提出有效的防范與應(yīng)急措施。

4.1 計算各項信息指標(biāo)權(quán)重

本文采用熵值法計算出各項信息指標(biāo)權(quán)重，對表1中的事發(fā)信息指標(biāo)，也就是前14個具體三級指標(biāo)進行相似度匹配的初步計算，而事后信息指標(biāo)中剩余的6項三級指標(biāo)是用來對匹配結(jié)果與相似案例之間進行差異分析的。各項信息指標(biāo)的權(quán)重計算結(jié)果見表4所列。

表4 各項信息指標(biāo)權(quán)重計算結(jié)果

4.2 案例相似度計算與匹配分析

根據(jù)案例文本固定形式對新增案例進行規(guī)范性表示，再根據(jù)案例信息指標(biāo)體系對新增案例各信息指標(biāo)輪流進行統(tǒng)計，并按照表2的指標(biāo)統(tǒng)計分類值確定新增案例的信息指標(biāo)屬性向量，詳情見表5所列。

表5 新增案例信息指標(biāo)屬性向量

在計算出指標(biāo)權(quán)重的基礎(chǔ)上，結(jié)合相似度計算模型，利用MATLAB計算出新增案例信息指標(biāo)屬性向量與歷史案例信息指標(biāo)屬性向量之間的相似度，并選取排名前幾位的相似案例，就該結(jié)果對新增案例與相似案例間的事后信息指標(biāo)差異進行詳細剖析。新增案例與歷史案例相似度排名前8的案例見表6所列。

表6 案例庫中排名前8的相似歷史案例

在上述匹配結(jié)果中，排名前8位的相似案例的事故發(fā)生地全部集中在鄉(xiāng)鎮(zhèn)郊區(qū)等城市邊緣地帶，而事故的直接原因均為人為造成的第三方破壞因素，具體都是由于施工人員在施工過程中不慎對燃氣管道造成破壞，使得中高壓管道天然氣泄漏。并且，在上述相似案例中，第229號案例和第25號案例事發(fā)時造成的事故類型結(jié)果均為火災(zāi)事故類型。針對同樣為由第三方破壞因素而導(dǎo)致火災(zāi)事故的新增案例，本文只對排名前2位的相似案例與新增案例進行事后結(jié)果差異分析，為新增案例的事故應(yīng)急措施提供借鑒以提高事故應(yīng)急響應(yīng)效率。相似度最高的2個歷史案例與新增案例間的指標(biāo)差異見表7所列。其中第244號案例為新增案例，添置案例庫最末尾放置。根據(jù)表7可明顯看出，229號和25號2個歷史案例與新增案例相比較，雖然在事故的所在區(qū)域以及發(fā)生時間上有所區(qū)別，但其都是在當(dāng)日的下午工作時間段，在工地上發(fā)生的天然氣管道由施工破壞引發(fā)中高壓天然氣管道泄漏，繼而引發(fā)火災(zāi)的燃氣事故，而這2起歷史案例的名稱分別為2015年的遵義燃氣管道火災(zāi)一般事故和2012年的馬鞍山燃氣管道火災(zāi)一般事故。另外，本文的新增案例在事故原因、事故地理信息、致災(zāi)源各項信息、泄漏部位以及事故造成的首要危害上與上述2起案例都十分相似，但同樣是火災(zāi)事故，3起事故造成的事故嚴重程度以及事故后果和財產(chǎn)損失有所差異，這也正是本文要討論的重點。

表7 相似度最高的2個案例與新增案例的指標(biāo)差異

新增案例是因一名施工人員在使用電錘鉆破水泥地面時，不慎鉆破埋設(shè)在地下的天然氣管道，導(dǎo)致管道天然氣泄漏，而泄漏的天然氣遇上高速旋轉(zhuǎn)的電錘產(chǎn)生的電火花，瞬間被引燃，火焰高達3 m，致使該名施工人員被嚴重?zé)齻藭r由于出事管道兩端閥門間的距離近10 km，管道里有大量余氣，仍在繼續(xù)泄漏、燃燒，火情愈演愈烈，有逐漸向外蔓延的趨勢，而后引燃了路邊的農(nóng)作物，造成部分農(nóng)作物和樹木受損。最終該事故造成一人受重傷，周邊居民用氣受到較長時間的影響，以及4萬元以上的經(jīng)濟損失。相比上述2起最相似歷史案例未造成人員傷亡及財產(chǎn)損失，只造成周邊居民用氣受到影響，新增案例的傷亡損失情況著實有些嚴重。

4.3 新增案例的防范與應(yīng)急措施

事故發(fā)生的原因主要是現(xiàn)場施工單位對地下管線走向的不清楚、不熟悉而造成的野蠻施工致使管道破裂，天然氣發(fā)生泄漏。根據(jù)歷史相似案例同樣的火災(zāi)類型事發(fā)情景以及火災(zāi)事故應(yīng)對措施對新增案例提出一些有效應(yīng)急措施：

（1）燃氣企業(yè)應(yīng)加強天然氣管道的運營管理安全，特別是要加強鄉(xiāng)鎮(zhèn)地區(qū)人員密度高的后果嚴重區(qū)域以及地質(zhì)情況不明區(qū)域管段的管理安全，強化巡查力度，必要時應(yīng)進行管道監(jiān)測，進一步完善應(yīng)急預(yù)案，加強應(yīng)急能力建設(shè)，開展應(yīng)急演練。

（2）現(xiàn)場施工企業(yè)應(yīng)切實加強施工現(xiàn)場管理，加強監(jiān)督檢查，清楚地下管線走向后謹慎施工，履行好現(xiàn)場施工管理職責(zé)，堅決防范類似事故發(fā)生，切實履行安全生產(chǎn)責(zé)任與社會責(zé)任。

（3）現(xiàn)場人員應(yīng)及時報警并通知燃氣公司現(xiàn)場情況，疏散管道附近群眾至安全區(qū)域，對過往車輛實施交通管制，及時送傷者前往醫(yī)院救治。

（4） 燃氣企業(yè)要完善險要情況處置措施，鑒于天然氣管道發(fā)生破裂泄漏后的嚴重危害，今后在處置此類管道事故時，要根據(jù)實際情況采取有效的即時安全措施，比如：停止輸氣和減小壓力，但要確保處置過程安全有效。

5 結(jié) 語

本文通過構(gòu)建城市燃氣事故案例信息指標(biāo)體系，對各項信息指標(biāo)進行詳細分類和取值，以此在搜集好的、按標(biāo)準(zhǔn)文本格式整理好的243起城市燃氣事故案例的基礎(chǔ)上來構(gòu)建城市燃氣安全事故案例庫。用熵值法計算得出各個信息指標(biāo)權(quán)重，通過MATLAB計算案例相似度，構(gòu)建城市燃氣事故案例相似度計算模型。然后將構(gòu)建好的模型運用到實際分析中，可以從構(gòu)建好的案例庫中快速匹配到與新增案例相似的歷史案例，詳細分析與相似案例之間的指標(biāo)信息相似性，可得出該相似度匹配模型是真實有效的。通過采納歷史相似案例的防范與應(yīng)急措施，結(jié)合新增案例自身的實際事故情況，得出企業(yè)應(yīng)加強管道的運營安全管理，進一步完善應(yīng)急預(yù)案，加強應(yīng)急建設(shè)、施工現(xiàn)場管理、監(jiān)督檢查，以及事發(fā)時應(yīng)立即采取有效的即時安全措施，減小事故危害程度。