基于Bow-tie模型的危險化學品道路運輸泄漏事故風險管理

趙易佳，李琰

（南京信息工程大學，江蘇 南京 210044）

0 引言

危險化學品運輸過程中，風險因素包括但不限于人員、車輛、罐體、道路，一旦泄漏事故發生，大概率會導致人員傷亡、燃爆事故等二次事故。因此對危險化學品道路運輸泄漏事故進行從風險因素預防到事故后果控制的風險管理非常必要，有助于提升危險化學品道路運輸的安全管理水平。

目前我國針對危險化學品道路運輸事故的研究主要集中在事故統計、風險分析和風險控制等方面。事故統計方面，眾多學者針對事故發生的時間、地點、環節、引發事故的危險化學品類別等要素展開了統計分析，為風險分析和控制提供了數據和案例支持。風險分析方面（即事故致因），研究方法從經典概率統計分析發展到故障樹等研究方法，再到貝葉斯網絡，分析越來越細。但貝葉斯網絡結構復雜，單純利用貝葉斯網絡會出現節點間因果關系混亂的情況。基于此，全愷，等提出了一種故障樹與貝葉斯網絡結合分析管道事故風險的方法，將故障樹分析清晰的因果建模能力和貝葉斯網絡的動態更新能力相結合，可以更好地分析風險因素對事故的影響程度。因此，本文利用故障樹-貝葉斯復合模型（FT-BN模型）進行風險因素分析。

在風險管理方面，現有的研究大多集中在與風險評估結合的對策研究和路徑優化方面，存在重評估而輕管理和控制風險因素有限的問題。但危險化學品運輸涉及的風險因素較多，且由于危險品自身的助燃、有毒、腐蝕等性質，往往引起多種事故。因此，制定針對危險化學品道路運輸過程從事故預防到事故后果控制的全過程風險管理體系顯得十分必要。而Bow-tie模型可以系統地辨識關鍵風險因素和事故后果，并提出相應的預防及控制措施，能夠很好地滿足這一需求。Bow-tie最早出現在澳大利亞昆士蘭大學的講義中，20世紀初被美國聯邦航空局應用于風險管理。鄭應釗，等結合國外分析成果，利用Bow-tie模型找出了錄井作業中的關鍵風險因素和事故后果，并確定了事故預防和后果控制措施。之后Bow-tie模型不斷發展，被廣泛應用于電鍍廠搬遷、城市管道系統等領域的安全風險分析中。但鑒于Bow-tie模型自身缺少算法，不能進行定量分析，因此本文將故障樹-貝葉斯復合模型（FT-BN模型）引入Bow-tie模型中，針對引起危險品道路運輸泄漏事故的風險因素進行定量分析，結合Bow-tie模型可清晰分析事故因果關系的優點，最終形成針對危險化學品道路運輸泄漏事故的全過程風險管理模型。

1 案例基本情況及分析結果

1.1 事故主要原因分布

在統計了2016年5月至2021年5月發生在我國的180起危險化學品道路運輸泄漏事故的基礎上，本文將導致事故的原因分為人員因素等5個大類，統計由各個因素所導致的事故，各類因素的細分及所占比例見表1。

表1 180起危險化學品道路運輸泄漏事故原因劃分

依據統計結果，人員因素是引發危險品道路運輸泄漏事故的首要風險因素，其引發的事故占比為61%。由車輛因素導致的事故占事故總數的16%，也是導致危險化學品道路運輸泄漏事故的重要原因。

1.2 事故主要后果

依據統計數據，危險化學品泄漏后會引起爆炸、火災、人員傷亡、環境污染等二次事故，統計情況如圖1所示。

圖1 事故后果統計

2 Bow-tie模型原理

Bow-tie模型通過將故障樹與事件樹結合，不僅可以辨識事故的危險源與事故后果，還可以計算各階段的概率，找出關鍵風險因素。此外Bow-tie模型還可以針對事故的原因和后果提出對應的預防和控制措施，稱為安全屏障。典型的Bow-tie模型如圖2所示。

圖2 典型的Bow-tie模型示意圖

根據案例分析結果，本文構建了危險化學品道路運輸泄漏事故Bow-tie模型的流程如圖3所示。

圖3 危險化學品道路運輸泄漏事故Bow-tie分析流程圖

3 Bow-tie模型的事故原因分析

3.1 故障樹（FT）構造

在分析統計數據和查閱文獻的基礎上，可以總結出導致危險化學品道路運輸中發生泄漏事故的原因大致可分為5類——人員因素、罐體因素、車輛及設備因素、道路因素、氣候及環境因素。

基于以上分析可以構建故障樹模型，如圖4所示，各符號代表的事件見表2。

表2 各符號代表的事件

圖4 危險化學道路運輸泄漏事故故障樹

3.2 故障樹模型(FT)向貝葉斯網絡（BN)轉換

貝葉斯網絡可動態更新的特點使得貝葉斯網絡相較于故障樹能更好地識別出導致頂事件的主要節點以及各節點之間的關系。因此本文將故障樹模型轉化為貝葉斯網絡，利用貝葉斯網絡可動態更新的特點分析出危險化學品運輸中導致泄漏事故的關鍵風險因素。

故障樹模型向貝葉斯網絡模型轉化主要是將故障樹模型的基本事件轉化為貝葉斯網絡模型中的根節點，故障樹模型的中間事件轉化為貝葉斯網絡模型的中間節點，故障樹的頂事件轉化為貝葉斯網絡模型的葉節點。轉化得到的貝葉斯網絡模型如圖5所示。

圖5 危險化學品道路運輸泄漏事故貝葉斯網絡

3.3 基于貝葉斯網絡模型的計算

貝葉斯網絡模型事實上體現了各個子節點變量與父節點變量間的概率依賴關系，以節點B2為例。B2對應的三個子節點分別是X5、X6、X7。根據這三個子節點變量發生（YES）或不發生（NO）的不同組合情況，可以得出B2發生和不發生的概率。具體情況見表3。

表3 車輛因素的條件概率

Netica模型提供了貝葉斯網絡模型的計算功能。根據圖5中各節點的關系，在Netica中構建BN模型并進行計算，以B2為例，輸入各子節點發生的先驗概率和各子節點間的概率依賴關系（見表3），可以得出B2發生的概率，計算結果如圖6所示。

圖6 B2先驗概率計算

后驗概率分布是BN模型中廣泛應用的推理方式，用于量化子節點對父節點的影響程度。在假設父節點事件已經發生的情況下，可計算各子節點的后驗概率，子節點后驗概率越高，對父節點的影響就越大。以B2為例，假設B2已經發生，則最有可能導致B2發生的子節點是X6，計算結果如圖7所示。

圖7 B2后驗概率分布

通過統計180起危險化學品道路運輸泄漏事故，得到各子節點的先驗概率及節點間的概率依賴關系。將數據導入Netica中，假設頂事件（危險化學品泄漏）一定發生的條件下，計算各節點的后驗概率。統計得出的先驗概率和計算得出的后驗概率見表4。

表4 貝葉斯網絡的先驗及后驗概率分布

由BN模型的分析結果可知：人員因素和車輛因素的后驗概率較高，為0.43和0.41，大于0.4，為關鍵風險因素。

人員因素的后驗概率最高，達到了0.43。現階段大多數企業的關注焦點在于贏取利潤，對駕駛人員的要求不高、把關不嚴，很大一部分駕駛員在接受過短期的駕校培訓后就可以上崗，專業水平良莠不齊。部分企業為了降低運輸成本，甚至要求駕駛員加班加點,運輸，導致駕駛員疲勞駕駛，使得事故發生的概率增加。

車輛因素的后驗概率為0.41，也是導致危險品道路運輸發生泄漏事故的重要因素。由于現階段我國公路危險品運輸市場以小型企業為主，往往難以承擔較高的專業運輸車輛維養費用，導致車輛未及時檢修、安全設備不足等問題嚴重。部分企業為了節約成本甚至擅自改裝車輛，使用經過簡易改裝的普通貨車運輸危險品，往往導致嚴重的運輸事故。

基于此，本文將針對人員因素和車輛因素這兩個關鍵風險因素建立預防性安全屏障。

3.4 敏感性分析

BN模型中，父節點的先驗概率會影響子節點的后驗概率，而敏感性分析將這一關系的程度進行了量化，可以作為風險程度的驗證指標。在Genie模型中進行敏感性分析，可以直觀地看出子節點后驗概率隨父節點先驗概率變化敏感度的高低。在Genie模型中，將泄漏設為目標節點A，進行敏感性分析，敏感度較高的節點會標為深色，得出的結果如圖8所示。可以看出，敏感度較高的是X3、X6、B1、B2，與后驗概率分析的結果一致，進一步驗證了后驗概率分析的結果。

圖8 貝葉斯網絡敏感性分析

4 Bow-tie模型的事故后果分析

結合前文案例統計中針對事故后果的統計可知，危險化學品道路運輸泄漏事故發生后，爆炸和火災發生的概率最高，其次為人員傷亡。由于大部分危險化學品具有易燃、易爆的特點，這使得泄漏發生后，再遇到氣壓變化或氣溫變化極易發生燃爆事故。此外，高速公路車流量大、人員密集的特點導致有毒氣體擴散后極易造成人員傷亡，如果救援人員不能及時采取有效的控制措施，傷亡還會進一步擴大。

基于此，本文將主要針對燃爆事故和人員傷亡兩類關鍵事故后果提出控制性安全屏障。

5 基于Bow-tie模型的安全屏障構建與檢驗

5.1 建立預防性安全屏障

（1）提升車輛通訊類規范協議市場普及度。2011年，中華人民共和國交通部為了解決不同監控系統間數據格式不同、系統無法互通、上級監管部門無法對企業進行統籌管理的問題而頒布了《道路運輸車輛衛星定位系統終端通訊系統以及數據》（JT/T808-2011協議），統一了車載終端與監控平臺間的傳輸格式，解決了系統不能兼容的問題。目前市場上已經有了多款基于JT/T808協議的商業性監控系統，這些系統基于車載終端系統，融合WebGIS系統、視頻監控等技術，可獲取包括但不限于車輛地理位置、車輛運行狀態、駕駛員精神狀態等信息。因此該類系統不僅能滿足企業信息化管理的需求，也有利于政府層面的統一監管。但JT/T808協議的市場普及度還比較低，需要政府層面的進一步推廣普及。

（2）充分應用基于信息交互技術的危貨運輸安全監管平臺。基于信息交互技術的危貨運輸安全監管平臺以運輸企業數據庫、危險貨物信息庫、區域交通信息庫、應急知識信息庫為基礎信息支持，融合云計算、GPS、GIS等技術，將從業資格審批、通行證申報、運輸車輛監管作為主線，實現了從運輸前準備工作（包括信息錄入與發布、行駛方案制定與報審）、運輸中監管到事故發生后應急救援的全過程風險管理。從而促進了生產、服務和監管各環節之間的有效溝通，不僅為安全監管提供了技術支撐，也為應急救援提供了技術基礎。但該類技術當前在行業中應用有限，需要進一步推廣。

（3）杜絕“重審批，輕執法”的監管模式，加強日常執法。近幾年危險化學品道路運輸泄漏事故的高發地是高速公路、隧道，事故的主要原因是駕駛員違章駕駛。對此，執法人員應重點部署事故高發地帶，加大路面監控，嚴格查處違章駕駛、疲勞駕駛等行為。

（4）政府及時更新行業標準并建立官方標準數據庫。我國危險化學品公路運輸行業標準“老齡化”、直接照搬國際標準導致的標準不適用等問題使得運輸企業找不到承運某類危險品的罐車，因此企業通常自行購買其他罐車進行替代，不同種類的介質對罐車的要求往往不同，這樣的代替極易造成極大的安全隱患。對此，政府應及時更新行業標準并建立官方標準數據庫，切實提高行業標準的市場普及度，確保企業在運輸作業中“有章可循”。

5.2 建立控制性安全屏障

（1）廣泛應用云技術驅動下的應急管理決策系統。相較于職責單一的日常管理工作，應急管理對信息的需求量較大且需要多個部門的信息共享與協作，而在傳統的信息技術水平下，上述需求是難以實現的。但云計算、大數據等具有強大信息處理能力的信息技術平臺的出現為解決信息溝通與共享提供了新的方案。云技術驅動下的應急決策管理平臺包括信息感知層、網絡傳輸層與應用層三層技術構架。融合多類智能傳感設備、5G技術等，保障了海量交通數據的及時獲取和處理，提高了不同管理部門之間的信息共享與協作能力，可有效解決應急管理中信息資源分散、共享能力不足的問題，提升應急救援效率，減少人員傷亡和財產損失。

（2）構建動態網絡疏散模型。針對高速公路人員密集、疏散難度大的特點，通過構建動態網絡疏散模型，綜合危險品的物理和化學性質、事故發生時間、區域環境、氣候條件（風向、風速）、人員密度等因素可以迅速確定最佳疏散策略，找出最優疏散路徑。

（3）夯實法制基礎。推進危險化學品道路運輸泄漏事故管理的法制建設，定期組織相關法律法規的學習與考核，切實提高各部門的法制意識，做到應急過程有法可依、有章可循。

（4）運輸企業成立專業化應急管理部門。企業通過建立專門的應急管理部門，負責應急事故救援培訓與考核，并定期組織事故演習檢驗培訓成果，提升應急救援效率，防止事故二次擴大。

整合各類安全屏障，最終建立的Bow-tie模型如圖9所示。

圖9 危險化學品道路運輸事故Bow-tie模型

5.3 安全屏障的模型檢驗

采用專家評判法，咨詢包含交通運輸管理部門、危險品運輸企業、高校學者的20名專家，以本文統計的180起危險化學品道路運輸泄漏事故為對照組，將它們放入設置安全屏障后的Bow-tie模型驗證，最終得到69%的事故可以通過安全屏障得到有效控制的結論，證明Bow-tie模型有效。

6 結語

（1）基于我國危險化學品道路運輸的實際狀況，在運用故障樹-貝葉斯網絡復合模型清晰準確識別出關鍵風險因素的基礎上，利用Bow-tie理論構建了從事故預防到事故后果控制完善的風險管理體系。研究結果可以為危險品運輸企業和管理部門提供參考，并可以提升危險化學品道路運輸管理的科學性。

（2）Bow-tie圖像清晰、形象、便于理解，具有很強的實用價值，可以廣泛應用于各類風險評估分析中。另外通過分析可知，Bow-tie技術對事故后果的控制也可以進行量化分析。為使Bow-tie技術進一步推廣，基于Bow-tie技術的全過程定量風險分析將會是未來研究的重點。