列控中心臨時限速處理功能安全風險評估

摘 要：為了更準確地對列控中心臨時限速處理功能安全風險進行評估，該文提出了基于博弈論與云模型的安全風險評估模型。首先，利用博弈論賦權法將由G1法確定的主觀權重與由熵權法確定的客觀權重進行協調，得到評估指標最終權重；其次，通過云發生器將各風險因子的評估數據轉換為云的數字特征；再次，利用綜合云的計算方法得到臨時限速處理功能的綜合云模型圖。最后，與標準云進行對比，得到其安全風險等級。

關鍵詞：列控中心；安全風險評估；博弈論；云模型

中圖分類號：X 951 " " " " 文獻標志碼：A

列控中心（Train Control Center，TCC）是CTCS-2級列控系統的地面核心子系統，采用2×2取2安全計算機平臺。車站列控中心與聯鎖、軌道電路、LEU、CTC系統、臨時限速服務器和集中監測系統直接接口，通過信號安全數據網接收臨時限速服務器的限速信息。由于列控中心承擔著保障行車安全的重任，因此對其進行安全風險評估具有重要意義。目前，國內外學者已采用貝葉斯網絡模型[1]、證據理論[2]、云模型[3]以及集對分析等[4]評估方法，對鐵路信號系統進行安全性評價。

由于列控中心風險評估具有模糊性和隨機性，因此采用在定性概念與定量數值轉換方面有顯著優勢的云模型來確定評估指標的云數字特征，利用G1法、熵權法和博弈論賦權法確定評估指標的綜合權重，采用綜合云的計算方法得到評估結果。

1 確定指標權重

1.1 G1法確定風險因子主觀權重

G1法是由層次分析改進而來的一種主觀賦權法，其無須構造判斷矩陣和進行一致性檢驗[5]。G1法邏輯清晰，與AHP法相比，計算簡便，其計算步驟如下。

1.1.1 確定各風險因子的重要性序關系

若風險因子集為X={x1， x2， …， xn}，首先，篩選出風險因子集中最重要的因子，記為x'1。其次，確定次重要風險因子記為x'2，依次類推，將全體風險因子按重要程度排序，記為X'={x'1， x'2， …， x'n}。

1.1.2 確定各風險因子的相對重要性

表1為風險因子相對重要程度的判斷標準表，利用表1確定風險因子的重要程度，令x'i-1與x'i的重要程度之比為ri，計算方法如公式（1）所示。

（1）

式中：λi為第i個風險因子的權重；λi-1為第i-1個風險因子的權重。

表1 風險因子相對重要程度判斷標準

ri 含義

1.0 風險因子x'i-1較x'同等重要

1.2 風險因子x'i-1較x'稍微重要

1.4 風險因子x'i-1較x'明顯重要

1.6 風險因子x'i-1較x'強烈重要

1.8 風險因子x'i-1較x'極端重要

1.1，1.3，1.5，1.7 x'i-1較x'重要性介于上述中間

1.1.3 計算各風險因子權重

根據ri值，確定第n個風險因子λn的權重值。如公式（2）所示。

（2）

其他風險因子的權重如公式（3）所示。

λi-1=riλ" （ i=2，3，…，n） " " " " " " " （3）

1.2 熵權法確定風險因子客觀權重

1.2.1 計算風險因子熵值

設共有m個評價等級，n個風險因子，構造初始數據矩陣如公式（4）所示。

X=（xij）n×m，（i=1，2，…，n； j=1，2，…，m） " "（4）

第i個風險因子的熵如公式（5）所示。

（5）

式中：pij為第i個風險因子處于第j個風險等級概率。

1.2.2 計算各風險因子權重

第i個風險因子的熵權如公式（6）所示。

（6）

1.3 基于博弈論的組合賦權法

基于博弈論思想的組合賦權法能夠結合各基礎權重的結果。在采用G1法獲得主觀權重和熵權法獲得客觀權重的前提下，尋找2種基礎權重與最小化組合權重之間的偏差，達到最小的NASH均衡解[6]。其計算步驟如下。

1.3.1 構建組合權重向量

采用簡單線性組合的形式構建組合權重向量W的計算過程如公式（7）所示。

W=α1ΛT+α2ΩT " " " " "（7）

式中：Λ=（λ1，…，λn）為G1法權重向量；Ω=（ω1，ω2，…，ωn）為熵權法權重向量；α1、α2分別為G1法權重向量和熵權法權重向量的線性組合系數。

1.3.2 優化權值

構建目標函數，從而確定優化系數，如公式（8）所示。

（8）

對公式（8）求解一階導數，得到線性方程組，如公式（9）所示。

（9）

求解公式（9），然后對權重系數進行歸一化，如公式（10）所示。

（10）

1.3.3 確定組合權重向量

優化后的組合權重向量W如公式（11）所示。

W=α*1ΛT+α*2ΩT " " " " " "（11）

式中：α*1、α*2分別為優化后的G1法和熵權法的組合系數。

2 云模型

2.1 云模型基本概念

云模型是Li等定義的一種能夠在定性概念與定量數值之間轉換的模型。與傳統隸屬函數相比，該模型不僅可以表示數據的模糊性和隨機性，而且能夠在不確定條件下進行定性與定量概念的轉換[7]。

云模型用數字特征期望Ex、熵En和超熵He來刻畫定性問題的整體特性，記為C=[Ex，En，He]。期望Ex表示云滴在論域空間分布的中心位置；熵En代表云滴在論域空間中能夠被期望概念接收的程度大小；超熵He為熵的確定性度量，超熵越大則熵的不確定性越大，此時云滴也越厚。

2.2 確定評價標準云

本文將列控中心臨時限速處理功能的安全風險等級分為極低風險、較低風險、中等風險、較高風險和極高風險，將定性評語轉化為定量分析，構建安全風險評價標準云模型。采用改進的黃金分割法來確定安全風險評價標準云的特征參數[8]，令論域為[Xmin，Xmax]=[0，10]，He0取0.1，得到評價等級標準云的數字特征，見表2，將云數字特征利用MATLAB軟件生成標準云圖，如圖1所示。

2.3 確定指標層云模型

本文將列控中心臨時限速處理功能的各風險因子作為評價指標，邀請專家根據現場實際情況確定出每個風險因子的評價，利用逆向云發生器得到各評價指標的數字特征。

2.4 確定綜合層云模型

列控中心臨時限速處理功能的各評價指標之間互相影響，利用各風險因子的數字特征來確定綜合層即許可功能整體的評價綜合云，如公式（12）所示[9]。

（12）

式中：ωi為指標層中各風險因子的權重；（Exi，Eni，Hei）為指標層中風險因子的數字特征值；n為風險因子的個數，i=1，2，…，n。

3 列控中心臨時限速功能安全風險評估

3.1 案例描述

臨時限速是指線路固定限速以外的、具有時效性的限速。在CTCS-2級列控系統中，臨時限速命令通過列控中心來執行，再由列控中心轉換為應答器報文格式后，通過控制有源應答器的方式傳遞給車載設備。為了提高對列控中心的安全管理水平，邀請運營維護人員在不考慮外部其他因素的前提下，對列控中心臨時限速功能進行安全風險評估，建立評估指標，如圖2所示。

3.2 基于博弈論賦權和云模型的安全風險評估

首先，通過基于博弈論的組合賦權法獲得各評估指標的綜合權重；其次，制定安全評估標準云；再次，制定評語集，將專家對各風險因子的評估值轉化為評估云的數字特征；最后，采用相應計算方法，根據評估指標的數字特征得到綜合層即列控中心臨時限速功能的數字特征。并將評估結果云與評估標準云進行相似性度量，得到安全風險評估結果，評估流程如圖3所示。

3.2.1 計算權重

通過G1法和熵權法分別計算出各評估指標的主觀權重和客觀權重，再利用博弈論思想求納什均衡解，根據公式（9）～公式（11）得到優化后的組合系數α*1=0.6912，α*2=0.3088，根據組合系數計算出評估指標的綜合權重，見表3。

表3 評估指標權重

評估指標 主觀權重 客觀權重 綜合權重

A1 0.154 0.144 0.152

A2 0.232 0.236 0.234

A3 0.103 0.183 0.129

A4 0.099 0.122 0.108

A5 0.181 0.188 0.184

A6 0.222 0.127 0.193

3.2.2 指標層云模型

根據每位專家對各風險因子的評估意見來獲得對指標層的評價，使用逆向云發生器得到各風險因子的數字特征值，見表4。

3.2.3 綜合層云模型

根據表4中的各評估指標的數字特征及表3中的各風險因子的綜合權重，代入式（12）中進行綜合云的運算，得到綜合云模型的數字特征參考Ex=7.164，En=0.711，He=0.257。用MATLAB軟件生成綜合評估云圖，評估結果在云圖中用五角星來表示。如圖4所示。

表4 評估指標的數字特征

評估指標 Ex0，En0，He0

A1 （7.82，0.62，0.19）

A2 （8.29，0.74，0.27）

A3 （6.54，0.58，0.16）

A4 （6.91，0.55，0.23）

A5 （7.25，0.87，0.28）

A6 （5.76，0.69，0.31）

3.3 評估結果分析

由圖4可以看出，列控中心臨時限速處理功能安全風險評估綜合云模型的云滴集中分布在較低風險附近，期望值為7.164，稍微偏向于極低風險，評估結果基本符合現場實際運營情況。

4 結語

由于無法全部基于統計數據進行評估，因此，在分析列控中心結構的基礎上，結合博弈論賦權法和云模型，對列控中心臨時限速處理功能進行安全風險評估，得到以下3個結論。1）通過基于博弈論思想的組合賦權法，將采用G1法確定的評估指標主觀權重和采用熵權法確定的客觀權重進行協調，得到綜合權重，從而避免了單一賦權法的片面性。2）利用云模型分析列控中心臨時限速處理功能的安全風險等級，根據專家結合現場實際給出的評估數據，獲取各風險因子的云數字特征，結合各風險因子綜合權重，計算出臨時限速處理功能的綜合云模型，充分體現了安全風險評估的隨機性和不確定性。3）通過實例驗證了基于博弈論賦權法和云模型的評估方法在列控中心臨時限速處理功能安全風險評估的有效性。

參考文獻

[1]江磊，王小敏，藺偉.基于動態貝葉斯網絡的列控中心可靠性及可用性評估[J].交通運輸系統工程與信息，2018，18（3）：182-188，217.

[2]張友鵬，李遠遠，胡讓.基于模糊證據理論的鐵路信號系統風險評價[J].安全與環境學報，2017，17（1）：32-36.

[3]何濤，馬潔.基于云模型和組合賦權法的CBTC系統可靠性評價[J].重慶大學學報，2023，46（2）：130-139.

[4]吝天鎖，王瑞峰.基于集對分析的列控系統運營安全風險評估[J].鐵道標準設計， 2020，64（8）：124-129.

[5]袁婉玲，崔子軒，禹洪波，等.基于粗糙集-G1法組合賦權的變壓器健康狀態評估[J].電力建設，2022，43（3）：50-57.

[6]李紅艷，張翀，崔建國，等.基于博弈論賦權耦合灰色關聯分析的調蓄池優化選址[J].同濟大學學報（自然科學版），2023，51（3）：426-432.

[7]孫延浩，張濤，王濤，等.基于云模型和組合賦權法的高速鐵路行車調度系統可靠性評估[J].鐵道運輸與經濟，2022，44（8）：103-109.

[8]劉敦文，曹敏.基于云模型的富水巖溶隧道涌水風險評價[J].中國安全生產科學技術，2021，17（1）：109-115.

[9]GUANGDONG WU，KAIFENG DUAN，et al.Integrated sustainability assessment of public rental housing community based on a hybrid

method of ahp-entropy weight and cloud model[J].Sustainability，2017，9（4）： 603.