趙士翔,胡春春,馬 蘭
(1.武漢大學 測繪學院,湖北 武漢 430070; 2.航天信息股份有限公司,北京 100195)
突發公共安全事件發生前兆不明顯、破壞性較強,具有明顯的復雜性和潛在的次生危害[1]。危險化學品事故作為后果較為嚴重的1類突發事件,其演變路徑復雜而不確定,涉及范圍廣。近年來,針對危險化學品事故處置方法,“情景-應對”型決策范式逐漸代替傳統“預測-應對”型決策范式[2]。依據事故實況,快速有效地制定應急處置措施,成為事故處理決策部門的首要任務,而情景是決策者作出決策的重要依據。
“情景”(Scenario)一詞最早被定義為“對事件未來發展的潛在結果和趨向及其發展路徑的描述”[3]。此后,許多學者從情景描述、情景要素界定和情景演變等方面開展相關研究:仲秋雁等[4]提出基于知識元的情景概念模型及其實例化方法;王顏新等[5]以致災因子、承災體和孕災環境作為情景組成要素;裘江南等[6]通過“輸入-狀態-輸出”3層網絡結構描述突發事件情景。情景按照事件發展規律和外界人為干擾,由原始狀態至產生新的情景過程稱為情景演變[7]。姜卉等[7]基于“情景、處置目標、處置措施及事件自身演變”4要素,提出情景演變的網絡化表達方式;Mohammed等[8]在環境決策研究中提出由情景定義、情景構造、情景分析、情景評估和風險管理構成的情景演化框架;Pomweol[9]從穩健性和風險控制2方面提出降低情景決策樹復雜性的方法;盛勇等[10]從系統復雜性、開放式預先設想以及序貫性3個角度理解突發事件情景演化機理,并構建突發事件情景演化系統模型。但上述研究尚未解決“情景-應對”模式中情景演變的不確定性和動態性問題。
在情景推演部分相關研究中通過引入動態貝葉斯網絡理論來解決以上問題。徐堅強等[11]構建基于貝葉斯網絡的風險推理網絡模型,動態評估建筑火災風險;王健等[12]構建危化品道路運輸事故情景分析貝葉斯網絡模型,提出“初發事故-?;肥鹿省蹦J降氖鹿舒滎A測方法。此外,針對突發事件的情景推演研究還需要深入剖析影響事件情景演化方向的各類關鍵因素。
本文基于?;肥鹿是榫盃顟B及其對應孕災環境、應急活動和處置目標4類情景要素,構建動態貝葉斯情景推演網絡,實現?;肥鹿赎P鍵情景推演,掌握事故可能發展方向,并結合復雜網絡知識進行關鍵節點分析,以期在事故節點中篩選高敏感度和重要度的影響因素節點,使應急處置措施決策和實施更具針對性,進一步為危化品事故應急處置提供決策支持。
在?;肥鹿恃芯恐?,情景構成要素指反映?;肥鹿拾l生、發展狀態以及趨勢的主要因素,不同學者對于情景要素的構成持有不同觀點?;诠舶踩摹叭切卫碚撃P汀盵13],考慮到?;肥鹿实陌l展和處置過程中受到內部演化和外部干預等諸多因素影響,將?;肥鹿是榫皹嫵梢胤譃橐韵?部分:1)情景狀態(S),主要指應急客體的狀態,包括致災因子和承災體的情景狀態。2)處置目標(T),指應急決策主體依據情景的不同狀態制定的不同處置目標。3)應急活動(A),指應急決策主體依據情景的不同狀態對應急客體采取的處置行為與措施。4)孕災環境(E),危化品事故災害孕育發生、發展和演變的外部環境。5)危化品事故自身演變(D),指危化品事故依據自身發生、發展規律的演變過程。
?;肥鹿拾l生后,情景S在受到自身演變規律和孕災環境E影響的同時,會由于應急決策主體的介入受到應急活動A的影響。用處置目標T衡量影響作用的效果優劣,根據處置目標T達成與否,判斷情景S后續朝積極或消極的方向演變為下一情景。下一情景繼續發生類似的演變,直至事故結束。
若將情景要素視為貝葉斯網絡節點,根據發展順序鏈接事故所有情景,可用動態貝葉斯網絡模擬事故發展演變,以節點概率值衡量情景發生的可能性大小,進一步實現事故演變方向及路徑的定量推演。
貝葉斯網絡是基于概率分析和圖論,對不確定性知識進行表示的推理模型,它支持不完全數據推理和不確定推理[14],可以解決情景推演分析中事件發展的隨機性和不確定性問題。貝葉斯網絡是由節點和連接節點的有向邊構成的有向無環圖(Directed Acyclic Graph,DAG)。其中,節點表示變量或者隨機參數;有向邊表示節點間的因果關系,用箭頭“→”表示,節點間因果關系的強弱用條件概率表示。動態貝葉斯網絡既能夠描述變量間的概率關系,又能反映其在時間維度上的變化,適用于?;肥鹿蔬@類同時具有因果相關性和時序相關性的情景推演分析。
動態貝葉斯網絡的數學基礎是條件概率公式P(xi|y)和聯合概率公式P(x1,x2,…,xn),如式(1)~(2)所示:
(1)
(2)
式中:x為動態貝葉斯網絡中父節點的集合;y為子節點集合;n表示父節點集合中節點個數;P為概率值,取值為0≤P≤1?;谑?1)~(2),根據節點先驗概率、相互關系及其條件概率,可以求得網絡中所有節點的聯合概率。
將危化品事故演變過程中的關鍵情景狀態,及其對應孕災環境、應急活動和處置目標等要素作為動態貝葉斯網絡的節點變量,依據情景要素之間的因果關系和事件自身演變規律,將該節點變量連接起來構成危化品事故情景推演網絡。動態貝葉斯網絡構建主要包括以下3個步驟:
1)確定網絡節點變量
在人工構建動態貝葉斯網絡中,節點變量主要通過專家打分方法確定。為最大限度降低事故損失,減小應急決策失誤的可能性,將悲觀主義決策準則應用在?;肥鹿是榫捌蝿澐种?。其決策原則是“小中取大”,從事故最壞角度出發,即在多個最壞結果組成的集合中選取相對的最優結果。由專家對同一情景進行打分,將得分最小值作為該情景的打分結果,在得分超過設定閾值的情景中,優先選取得分最大的作為事故演化過程中的關鍵情景。
本文以天津港“8·12”瑞海公司危險品倉庫特別重大火災爆炸事故[15](后文簡稱為天津港“8·12” 火災爆炸事故)為例,根據事故發展過程及主要時間節點,確定共12個關鍵情景狀態;確定與部分情景狀態相關聯的孕災環境和應急活動要素,以及判定推演走向的處置目標各7個,具體如表1所示。
表1 天津港“8·12”瑞海公司危險品倉庫特別重大火災爆炸事故Table 1 Scenario elements of “8·12” fire and explosion accident in Tianjin Port
將表1數據作為構建動態貝葉斯網絡節點。根據網絡節點實際意義,對節點變量類型和取值狀態進行以下設定:情景狀態S、孕災環境E和應急活動A變量類型為布爾變量,取值為{真(T),假(F)};處置目標T變量類型為二值順序變量,取值為{積極(P),消極(N)}。
2)確定節點變量因果關系
根據節點變量之間的因果關系和事故自身演化規律,用有向箭頭“→”將相關節點進行關聯。根據情景節點之間的演變關系,構建天津港“8·12”特別重大火災爆炸事故動態貝葉斯網絡示意,如圖1所示。事故演變路徑將在不同情景狀態以及不同孕災環境和應急活動作用下,朝著積極或消極的方向發展。
圖1 天津港“8·12” 火災爆炸事故情景動態貝葉斯網絡示意Fig.1 Schematic diagram for dynamic Bayesian network of “8.12” fire and explosion accident scenario in Tianjin Port
3)確定節點變量概率分配
?;肥鹿是榫巴蒲菥W絡結構確定以后,需要確定各節點之間的關聯強度,即節點變量之間的條件概率。對于沒有父節點的初始節點,需要指定其先驗概率。對于有父節點的網絡節點,其節點間因果關系較為復雜,涉及到的影響因素較多,主要通過相關領域專家經驗進行打分或指定進而確定其條件概率。
在確定危化品事故動態貝葉斯網絡結構及節點變量的相關概率之后,根據公式(1)~(2)可由父節點先驗概率和子節點條件概率,計算得到網絡中各子節點的狀態概率。根據各處置目標的狀態概率大小確定情景演變路徑的方向。
根據以上計算原理,本文設計開發“危化品燃燒爆炸事故情景推演系統”。推演網絡中各節點狀態概率如圖2所示,由圖2可以看出,此次事故發生概率最大的情景依次為有倉庫起火S0,大面積燃燒S2,蔓延至毗鄰環境S4,火勢繼續擴大S7,危化品爆炸S10及二次爆炸S12這6個情景,發生概率分別為100%、69.1%、77.4%、87.1%、76.8%、57.7%,與天津港“8·12” 特別重大火災爆炸事故實際情景的發生順序一致。
圖2 天津港“8·12”火災爆炸事故情景網絡節點概率計算結果Fig.2 Calculation results of network nodes probabilities of “8·12” fire and explosion accident scenario in Tianjin Port
在初始情景S0中,該?;穫}庫存放的硝化棉受熱分解自燃,發現火情后雖及時報警并采取簡單滅火措施,但處置目標火災熄滅T0有效性僅為28.8%,將以69.1%的可能性演變至情景大面積燃燒S2。由于事故所在地為?;穫}庫,堆積有易燃易爆的化工原料,周邊物流及貿易公司存放有大量車輛,火災發生后消防力量不足以有效控制火情,情景依次演變為蔓延至毗鄰環境S4和火勢繼續擴大S7,其發生概率分別為77.4%,87.1%。經過長時間高溫燃燒,部分裝有硝酸銨的集裝箱發生爆炸,事故情景以76.8%的概率演變為?;繁⊿10。由于事故現場發生爆炸,造成消防人員傷亡,滅火救援等行動暫時受到阻滯,應急救援行動的有效性被明顯削減,事故現場緊接著發生第2次爆炸。從火災發生到火勢蔓延再到?;繁?,根據推演概率,該事故演變依次經過出現火災S0-大面積燃燒S2-蔓延至毗鄰環境S4-火勢繼續擴大S7-?;繁⊿10-二次爆炸S12等情景,與事故實際情景相符。情景推演網絡除推演事故演變路徑,也可以探究孕災環境及應急活動要素對于事故演變的影響。例如在火勢繼續擴大S7情景下,若周圍環境不存在硝酸銨,燃燒物這一影響因素的概率將降低40%~50%,孕災環境E7的概率將隨之降低10%~12%,應急活動A7的有效性將升高8%~10%,事故具有更大可能性向積極方向演變。
動態貝葉斯網絡有效應對情景推演中的不確定性和動態性問題,根據歷史案例和專家打分得到的節點條件概率,給情景推演網絡添加了靈活性。在推演過程中,可以在預設概率的基礎上,動態調整節點的發生概率以契合事故實況,在條件概率的傳遞作用下動態推演后續情景節點的發生概率。從情景推演網絡中分析節點的敏感性與重要性,找出影響推演的關鍵要素也是推演分析研究的主要內容。
從防災減災角度,在突發事件發生后,如何高效科學決策,采取有效措施截斷或者減緩災害鏈式反應的發生,與控制事故演變方向同等重要[16]。在對?;肥鹿蔬M行情景狀態概率推演的基礎上,對網絡節點變量進行敏感性和重要度分析,可探究某一節點概率變化對于目標節點概率變化的敏感程度大小,以及各節點變量在整個網絡中占據的重要程度,以期從網絡節點層面為危化品事故應急決策提供輔助支持。
貝葉斯網絡是變量及其關系的完整模型,具有良好的敏感度分析功能。通過某節點概率的1個微小調整,分析其對于目標節點概率所產生的影響,影響程度大小的量化值,可較明顯地反映節點間因果作用的強弱。
利用貝葉斯網絡仿真軟件GeNIe 2.0,對天津港“8·12”特別重大火災爆炸事故的動態貝葉斯網絡中其他節點對事故關鍵節點S10?;繁ǖ拿舾行赃M行分析,計算結果中最為敏感的節點及其敏感性值分別為T7“火勢縮小、人員基本撤離”(0.432)、E7“長時間燃燒、環境高溫”(0.289)、T8“火災熄滅”(0.229)、A7“消防滅火、撤離人員”(0.214)和A8“增強消防滅火”(0.212)等。結果表明,上述節點的概率變化對于情景節點“?;繁ā钡挠绊懗潭容^大,事故處置時從以上節點入手可有效影響演變走向,而計算結果也側面驗證節點關聯關系設定的合理性。
同時,應用復雜網絡中關鍵節點相關理論,可甄別出危化品事故情景推演網絡中對網絡演化起到關鍵作用的節點。介數中心性度量的是1個節點出現在網絡中最短路徑上的頻率,而特征向量中心性在衡量節點重要性時,既考慮其鄰居節點的數量,也考慮其鄰居節點的重要性。在推演網絡中,主網絡中重要度指標值位列前列的節點見表2。由表2可以看出,處置目標T2(火災熄滅)和T4(阻止火勢繼續蔓延)是火災初始階段和迅速發展階段之間的重要連接節點,情景S7和S8直接影響“危化品爆炸”情景節點,其在事故演化過程中的重要性不言而喻。
表2 情景推演網絡節點重要度指標值Table 2 Index values of node importance in scenario deduction network
通過事故歷史案例和面向一線單位及相關領域專家的問卷調查分析,本文在事故演化的各個階段分別探究孕災環境和應急活動要素的具體影響因素,部分影響因素會對多個情景要素產生影響,對該部分影響因素進行整合合并。應急活動的主要影響因素包括監測預警A_1、警戒疏散A_2、消防力量A_3、避難點及醫院A_4等。孕災環境的主要影響因素有:人為火種E_1、自然火種E_2、危險源E_3、火場環境E_4和有害氣液E_5等。燃燒物EA_1和建筑密度及耐火性EA_2能夠同時影響應急活動和孕災環境。上述影響因素與主網絡中各階段的孕災環境和應急活動要素組成的影響因素層網絡局部示意如圖3所示。在實際推演過程中,各影響因素將根據事故實況影響A、E類節點,進而影響事故情景節點發生可能性。
圖3 影響因素層網絡局部示意Fig.3 Partial schematic diagram of influencing factor layer network
考慮到網絡結構和條件概率參數值會直接影響節點敏感程度,通過調整在父節點狀態(T/F)取不同值的情況下,子節點對應條件概率參數值的差值,得到不同差值情況下的影響因素網絡節點敏感性值,如圖4所示。圖4中橫軸代表因素層網絡的初始條件概率(Normal)及調整的條件概率(adjustment)。在初始條件下,父節點狀態取相反值,子節點條件概率差值為5%。以A_2及其子節點A2為例,初始條件概率下,A_2的節點狀態取T和F時,A2狀態為T的條件概率取值分別為95%,90%,差值為5%。在初始條件下,敏感性最強的3個影響因素節點為A_3、EA_2和E_4。在圖4調整1一欄中,設定3個節點的條件概率差值都為5%,其余節點的條件概率差值調整至10%。在圖4調整2~4 3欄中,分別設定3個節點的條件概率差值為5%,其余節點的條件概率差值調整至10%。結果顯示,在這5種條件概率調整方案中,消防力量和建筑密度及耐火性2個影響因素的敏感性較強。
圖4 因素層網絡節點敏感性分析結果Fig.4 Sensitivity analysis results of nodes in factor layer network
由于影響因素網絡節點都不具有父節點,選取調和緊密中心性這一指標作為節點重要度的衡量值。它是緊密中心性的變體,通過計算節點到其他所有節點平均距離的倒數度量重要度。因素網絡層中根據調和緊密中心性計算得到的比較重要的因素節點見表3。其中,燃燒物EA_1在網絡中的重要度指標值相對最高,在實際情景中,燃燒物的性質和數量也是導致?;啡紵ǖ闹匾蛩?。
從敏感性和重要度的分析結果可知,因素節點中消防力量A_3、火場環境E_4和建筑密度及耐火性EA_2敏感性較強且在網絡中較為重要;因素節點中警戒疏散A_2較敏感;避難點及醫院A_4重要度略強;有害氣液E_5和燃燒物EA_1在網絡中重要度很強但是節點本身不敏感。在圖2所示的推演系統中,可根據各影響因子的敏感性和重要度不同,對各節點的狀態概率取值的調整提供參考。在實際應急處置過程中,則需考慮以上因素節點的不同特性,采取具有針對性的措施。
表3 因素層網絡節點重要度指標值Table 3 Index values of node importance in factor layer network
1)在對?;肥鹿蔬M行情景分析的基礎上,引入動態貝葉斯網絡理論,以事故中的關鍵情景狀態及其所對應的孕災環境、應急活動和處置目標等要素為節點變量,構建?;肥鹿是榫巴蒲菥W絡,能夠實現?;肥鹿赎P鍵情景演變方向及路徑的推演。在天津港“8·12” 特別重大火災爆炸事故實例中,該模型的推演結果符合事故實際情景。
2)對孕災環境和應急活動要素,在事故演變不同階段的具體影響因素進行細致的劃分,篩選出敏感性和重要度較強的影響因素節點,有助于在事故應急處置中采取具有針對性措施。
3)危化品事故涉及因素眾多,演變的復雜性和不確定性較強,后期需要著重獲取足夠數量的實際案例樣本,以得到更加精確的節點變量概率值。