地鐵全自動駕駛系統運營風險評價研究

摘 要：全自動駕駛系統為軌道交通領域注入新的活力，其列車運行由控制系統自動完成，降低了人為因素對運營安全的影響。然而，隨著計算機、通信以及自動控制技術的發展，系統需要承擔更多職責、實現更多功能需求，其運營安全相應面臨新的挑戰。本文針對我國城市軌道交通全自動駕駛系統運營安全進行研究，辨識運營過程中的風險因素，建立全自動駕駛運營風險評價指標體系，采用AHP層次分析法得出指標權重，為風險管控提供理論依據，提高城市軌道交通運營安全水平。

關鍵詞：城市軌道交通；全自動駕駛；層次分析法；運營安全

中圖分類號：U 231" " " " " " 文獻標志碼：A

我國城市軌道交通全自動駕駛線路數量較少，且大多數仍以人工駕駛模式運行，缺少對運營階段的研究。作為軌道交通領域的新興發展技術，全自動駕駛系統的運營安全具有不確定性。因此，需要對全自動駕駛系統進行安全性分析，辨識運營過程中的危險源，對全自動駕駛系統的運營風險進行識別、分析和評價，旨在提高城市軌道交通系統的運營安全和應急處置水平。

1 全自動駕駛系統

全自動駕駛（Fully Automatic Operation，FAO）系統的核心是采用自動化控制系統代替列車司機操作，從而實現列車運行控制。國際電工委員會（IEC）和國際公共交通協會（ UITP）根據列控系統的GoA（Grade of Automatic，集成度和自動化）水平將系統分為GoA0-GoA4共5個等級，見表1。其中，GoA3（DTO）和GoA4（UTO）統稱為 FAO系統。

2 運營風險因素辨識

2.1 故障統計分析

目前，大多數地鐵自開通運營都留存了完善的運營日志和事故記錄資料，便于進行統計，在運營階段經常采用檢查表法識別風險。查閱某市地鐵線路2017—2022年地鐵運營報告，匯總運營事故統計出柱狀圖，如圖1所示。為保證風險識別的全面性，其中的事故統計除了包括已發生且造成影響的事故外，還包括發現隱患但及時解決未造成影響的事故。

2.2 地鐵全自動駕駛運營風險因素識別

該研究結合系統安全論方法和德爾菲法進行風險因素識別，總結了地鐵全自動駕駛運營階段的風險因素，包括人員、設備設施、環境和管理因素。

2.2.1 人員因素

2.2.1.1 從業人員

技術因素（專業知識缺乏、操作水平差、命令傳達有誤和違反規定等）；生理因素（疲勞工作、帶病上崗和誤用指令等）；心理因素（安全意識差、責任感弱和紀律性差等）。經地鐵運營單位實地調研發現，影響全自動駕駛運營安全的職員崗位主要為調度和站務。

2.2.1.2 乘客

客流擁擠（突發大客流、擁擠踩踏）；旅客行為（違規操作、盜竊財物、肢體沖突、摔倒跌落和爬闖站臺等）。 地鐵全自動無人駕駛線路的運營，對職員的業務能力和乘客的個人素質都提出了更高的要求。

2.2.2 設備和設施因素

設備和設施因素包括車輛、供電、信號、通信、綜合監控、FAS、站臺門和屏蔽門、 站廳和站臺、線路與軌道等。根據數據分析和專家訪談，目前在城市軌道交通運營事故中，設備設施故障占70%以上。全自動駕駛取消了傳統司機操作，一定程度上減少了人為因素的影響。

2.2.3 環境因素

2.2.3.1 內在環境

溫度、濕度、噪聲以及有毒氣體等作業環境。不適宜的作業環境指標不僅可能損壞電氣設備，也會對工作人員和乘客造成不可避免的傷害。

2.2.3.2 外在環境

自然環境（臺風、地震、火災和水災等）；社會環境（經濟、政治和人文等）。自然環境存在不確定性，而社會環境需要社會、民眾、政府和軌道交通公司形成共同體，合力營造安全、健康和高效的城市軌道交通運營環境。

2.2.4 管理因素

災害應急管理：區間行車、火災、停電以及恐怖襲擊等。運營管理：公司機構職責、管理規章制度和安全運營投入等。城市軌道交通全自動駕駛系統運營安全與否，不僅取決于安全可靠的設備設施，也與高效有力的管理息息相關。落實地鐵公司機構職責，健全運營安全管理制度，增加設備設施、安全培訓和事故應急預防等安全投資，都能有效減少運營事故發生。

3 地鐵全自動駕駛運營安全風險評價

3.1 風險評價指標體系

針對城市軌道交通全自動駕駛運營安全，通過事故數據統計分析和檢查表法進行風險因素識別，從人員、設備設施、環境和管理4個方面分析風險因素，并咨詢相關專家意見，通過德爾菲法舍棄權重可忽略不計的因素，最終確定以下風險評價指標體系（見表2）。

3.2 風險分析

層次分析法（Analytical Hierarchy Process，簡稱AHP），是一種定性與定量分析相結合的評價方法。本文采用層次分析法確定指標權重，通過向業內專家進行問卷調查給層次分析法判斷矩陣打分，構造不同層次的風險判斷矩陣，分別進行判斷矩陣的一致性檢驗：1）準則層指標權重。根據指標體系中對地鐵全自動駕駛運營安全的一級指標影響因素人員因素（U1），設備設施（U2），環境因素（U3），管理因素（U4）四大因素的重要性進行兩兩比較，見表3。

Ui層進度風險指標權重通過一致性檢驗，其結果如下：Ui層風險指標權重為w1=0.175，w2=0.578，w3=0.156，w4=0.092。Ui層風險因素最大特征值λmax=4.049；一致性比率C.R.==0.018lt;0.1，通過一致性檢驗。2）指標層權重。構造Ui-U1i判斷矩陣，計算風險因素指標權重，見表4。

U1i層人員指標權重通過一致性檢驗，其結果如下：U1i層風險指標權重為w11=0.297，w12=0.163，w13=0.540。U1i層風險因素最大特征值λmax=3.009；一致性比率C.R.==0.018lt;0.1，通過一致性檢驗。

構造U2-U2i判斷矩陣，計算風險因素指標權重，見表5。

U2i層設備設施指標權重通過一致性檢驗，其結果如下：U2i層風險指標權重為w21=0.187，w22=0.107，w23=0.070，w24=0.095，w25=0.086，w26=0.033，w27=0.048，w28=0.209，w29=0.086，w210=0.078。U2i層風險因素最大特征根λmax=10.222；一致性比率C.R.==0.0165lt;0.1，通過一致性檢驗。

構造U3-U3i判斷矩陣，計算風險因素指標權重，見表6。

U3i層環境指標權重通過一致性檢驗，其結果如下：U3i層風險指標權重為w31=0.540，w32=0.163，w33=0.297。U3i層風險因素最大特征值λmax=3.009；一致性比率C.R.==0.009lt;0.1，通過一致性檢驗。

同理，構造U4-U4i判斷矩陣，計算風險因素指標權重。

U4i層管理指標權重通過一致性檢驗，其結果如下：U4i層風險指標權重為U41=0.500，U42=0.250，U43=0.250。U4i層風險因素最大特征值λmax=3.000；一致性比率C.R.==0.000lt;0.1，通過一致性檢驗。

準則層和指標層所有風險指標的一致性檢驗都lt;0.1，所有判斷矩陣的一致性均在可接受范圍內。綜合所有單層指標權重，構建帶有指標權重的地鐵全自動駕駛系統運營安全風險指標體系，如圖2所示。

根據某市全自動駕駛運營安全風險評價指標權重的排序，準則層按照相對重要性排序依次為設備設施因素、人員因素、管理因素以及環境因素。二級指標相對于一級指標權重排序如下：在設備設施因素指標中，站臺門和屏蔽門系統占比最高，其次是車輛系統，綜合監控系統占比最小；在人員因素指標中，調度崗位占比最大，乘客次之，站務人員占比最小；在管理因素指標中，機構職責占比最大，規章制度次之，安全投入占比最小；在環境因素指標中，作業環境占比最大，其次是自然環境，社會環境占比最小。

4 結語

全自動駕駛系統為軌道交通行業注入了新的活力，然而新興技術的引入也同時引發一些潛在問題。通過城市軌道交通全自動駕駛系統運營安全評價研究，辨識運營過程中潛在的風險因素，并進行風險評價，有助于保障城市軌道交通安全運營，促進城市軌道交通高質量發展，為地鐵全自動駕駛線路的實際運營提供借鑒。

參考文獻

[1]閆宏偉，燕飛.城市軌道交通全自動運行系統及安全需求[J].都市快軌交通，2017，30（3）：50-55.

[2]宋麗梅，周琪.城市軌道交通全自動無人自動駕駛安全性分析[J].信息通信，2020（3）：148-149.

[3]肖衍，蘇立勇.軌道交通全自動駕駛系統集成技術研究[J].中國鐵路， 2015（5）：109-113.

[4]豆海波.城市軌道交通全自動無人自動駕駛安全性探究[J].中文科技期刊數據庫（全文版），工程技術，2021（3）：291-292.

[5]劉鵬翱.城市軌道交通全自動駕駛運營安全分析與列車運行模擬仿真[D].北京：北京交通大學，2017.

[6]郭雨薈.我國城市軌道交通全自動駕駛運營安全風險評價研究[D].成都：西南交通大學，2020.