基于SOM的易燃液體運輸安全風險預警

王洪德, 任洺萱, 邊可

(1.大連交通大學 土木與安全工程學院，遼寧 大連 116028；2.大連交通大學 交通運輸工程學院，遼寧 大連 116028; 3.大連科技學院 交通運輸學院,遼寧 大連 116052)*

基于SOM的易燃液體運輸安全風險預警

王洪德1, 任洺萱2, 邊可3

(1.大連交通大學 土木與安全工程學院，遼寧 大連 116028；2.大連交通大學 交通運輸工程學院，遼寧 大連 116028; 3.大連科技學院 交通運輸學院,遼寧 大連 116052)*

為了降低鐵路易燃液體運輸風險和事故概率，提高運輸管理質量，提出一種基于自組織競爭神經網絡(SOM)技術的鐵路易燃液體運輸安全風險預警方法.首先，通過對易燃液體運輸過程的危險與可操作性識別分析，建立鐵路易燃液體運輸過程安全風險預警體系；然后，采用統計分析算法評定各運輸環節安全風險影響因素之間的相關程度；最后，結合太原局貨運實際，構建了基于SOM的鐵路易燃液體運輸安全風險預警模型，并采取樣本數據和測試數據進行了模擬驗證.研究結果表明，該模型在易燃液體運輸中能夠較好起到預警作用，可為鐵路危險貨物運輸安全預警技術提供參考.

鐵路運輸；易燃液體；風險預警；指標體系；SOM；相關性分析

0 引言

隨著社會經濟的發展，科學的進步，新的化工產品的增加，導致危險貨物運輸需求也逐步增加.鐵路由于運量大、運輸速度快、安全、運輸成本低等優勢，在危險貨物運輸中占據重要地位.危險貨物運輸存在爆炸、易燃、毒害、感染、腐蝕、放射等危險[1].在鐵路運輸、裝卸和儲存保管過程中，容易造成人身傷亡和財產毀損.2015年天津港“8.12”危險貨物儲存倉庫特大爆炸事故，造成了104人死亡、千人受傷及重大經濟損失的現實，再一次驗證了危險貨物儲存、運輸、搬運和保管各環節科學規劃、信息化管控的重要性.在國外，英國Roberto等人提出了基于GIS方法的鐵路危險貨物運輸安全風險評價模型[2-3]，為危險貨物運輸的交通風險分析提供了可參考的科學依據.在國內，鐵路危險貨物運輸相關研究方向主要傾向于安全分析與管理對策研究、安全綜合評價研究以及避災路徑選擇研究方面[4-6]，對于危險貨物運輸的風險預警尚待深入研究.本文通過對鐵路易燃液體運輸過程安全風險預警體系的建立，采用自組織競爭神經網絡(Self-Organizing Mapping neural network)技術對危險貨物運輸環節進行安全風險分析，以期為危險貨物運輸過程安全風險預警提供技術參考.

1 易燃液體運輸安全風險預警體系

1.1 鐵路易燃液體運輸特點分析

危險貨物運輸包裝、搬運、運輸、儲存等運輸環節不僅需要一般的貨物運輸條件，還需要滿足特殊的運輸條件.針對易燃液體運輸提出的幾個特點如下：

易燃性：易燃液體容易揮發出易燃蒸汽與氧氣發生氧化反應，且沸點低，非常容易著火.

爆炸性：易燃液體一般具有揮發性，與空氣形成爆炸性混合物.另外溫度影響也很大，在密閉容器中的易燃液體受熱膨脹，蒸氣壓力變大，容易造成容器膨脹甚至爆破.

流動性：易燃液體粘度小，也存在滲透、浸潤及毛細現象，包裝容器出現極細微的裂痕，也會滲出.流動時也會產生靜電，造成易燃液體火災，要檢查是否有消除靜電防范措施.

毒害性：易燃液體一般都具有毒害性，一旦泄露嚴重影響人的身體健康以及環境等.

1.2 鐵路危險貨物運輸流程

對鐵路易燃液體運輸的過程進行分析，主要包括貨物發送作業、貨物途中作業和貨物到達交付作業.具體作業包括：訂單填寫，貨物稱重包裝，裝車后進行中轉作業，檢查作業，最后卸貨物，核實貨物，交付貨物等[7]，通過一次完整的鐵路易燃液體運輸過程的分析，為提取鐵路易燃液體運輸環節風險因子做準備,如圖1所示.

圖1 鐵路危險貨物運輸主體流程圖

1.3 鐵路易燃液體運輸環節風險故障體系

危險貨物運輸由于其涵蓋的種類復雜，不同危險貨物特性不同，運輸條件也不一樣.本文主要針對易燃液體運輸過程進行預警研究.基于HAZOP分析方法，通過由引導詞與參數引起的偏差，分析易燃液體運輸節點偏差程度和造成的危害，實現風險因子辨識，并建立易燃液體運輸過程故障體系[8-9]，詳見表1.

1.4 運輸環節風險預警指標提取

參照表1構建的鐵路易燃液體運輸環節27個風險影響因子，依據《鐵路危險貨物運輸管理暫行規定》[10]，提取核心風險預警指標.

風險預警指標提取應遵循以下原則：

(1)科學性.風險指標的概念，限界要明確，能夠客觀的反應出環節的故障;

(2)可測性.對于一些定性的評價，盡可能更加準確的進行量化，使預警的過程更嚴謹科學.

(3)實用性.指標的設置要有基礎數據的支持，計算簡便可行，可操作性強.

(4)綜合性.從總體上，多方面考慮，協調冗余因子之間的關系，結構清晰，層次分明，指標清晰，方便量化，計算簡單等.

由于易燃液體進行風險因子提取，可測量的指標包括貨運量、溫度、壓強等，其他必要的量化指標包括包裝破損度、貨單問題、是否校核、處理方法是否得當等. 與貨運量相關的風險因素有運量問題、包裝量超過限定、側翻撞擊；與溫度相關的因素有接觸明火、溫度過高、無防火花設置；與壓強相關的因素有液體密封問題、流速無限制；與包裝破損度相關的因素有液體密封問題、包裝量超過限定、防雷放電裝置存在問題、鋼軌總接地電阻超標、絕緣設備故障、無防火花設置、通風問題、貨物混放；與貨單問題相關的因素有貨單問題、運單問題；與是否校核相關的因素有運量問題、安全檢查問題、交付前檢查問題、交付后核對問題；與處理是否得當相關的因素有接觸明火、滅火設施存在問題、撞擊翻覆、保存場所不固定、防雷放電裝置存在問題、鋼軌總接地電阻超標、絕緣設備故障、相鄰車輛經過、無防火花設置、側翻撞擊、貨物混放、閥門及人孔蓋問題、地點問題、方式問題、滅火方式問題.

因此，將表1中辨識出的27個風險因素指標提煉成“貨運量、溫度、壓強、包裝破損度、貨單問題、是否校核、處理方法是否得當”七個指標.

2 基于統計算法的運輸環節安全風險相關性分析

2.1 數據處理

依據提煉出的7大核心指標，采用德爾菲方法對影響鐵路易燃液體運輸過程的影響因素進行量化分析與處理. 以太原鐵路局貨運段相關人員為調查對象，發放20份調查問卷并全部回收，視為有效問卷. 問卷內容包括鐵路易燃液體運輸過程中的6個作業子環節，即交付作業、包裝作業、倉儲作業、裝卸作業、交接作業、處理作業.分別對易燃液體運輸安全影響進行多次評分及整理.評分原則：一旦某個子環節中的某個因子發生偏差，即視為對整個運輸過程的影響程度. 評分規則：0分為無影響，1～2分為無顯著影響，3～4分為輕微影響，5～6分為有一定影響，7～8分為較顯著影響，9為顯著影響. 問卷最終整理結果見表2.

表2 易燃液體運輸子環節的影響評分

由于直接獲取子環節A與子環節B相關性操作不容易實現，通過子環節A與易燃液體運輸的影響程度和子環節B與易燃液體運輸的影響程度，間接獲取子環節A與子環節B的相關性.

2.2 安全風險相關性分析

采用SPSS(Statistical Product and Service Solutions)對數據進行統計分析，將子環節影響評分輸入到SPSS軟件中，通過Pearson相關性進行分析，得到輸出結果如圖2所示.

Pearson相關分析是描述變量間相關程度與變化方向的量數，即為相關系數r.|r|表明兩變量間相關的程度，r>0表示正相關，r<0表示負相關，r=0表示零相關.|r|越接近于1，表明兩變量相關程度越高，它們之間的關系越密切，詳見表3.

易燃液體運輸環節Pearson相關性分析總結如表4所示. 其中交付作業A與處理作業F為中度相關，交付作業A與包裝作業B，包裝作業B與交接作業E，裝卸作業D與交接作業E，包裝作業B與處理作業F為低度相關，其他為極低相關.

圖2 SPSS軟件輸出結果

|r|的取值范圍|r|的意義0.00～0.19極低相關0.20～0.39低度相關0.40～0.69中度相關0.70～0.89高度相關0.90～1.00極高相關

表4 易燃液體運輸相關性分析

3 基于自組織競爭網絡的預警仿真

3.1 自組織競爭網絡

人工神經網絡是由大量簡單的處理單元(神經元)廣泛地互相連接而形成的復雜網絡系統，反映了系統的基本特征，是高度復雜的非線性動力學系統.自組織網絡的自組織功能是通過競爭學習(competitive learning)實現的.多層感知器以一定先驗知識為條件，即網絡權值已知，而實際應用中，并不能提供相關的先驗知識，需要網絡具有自學習能力.自組織特征映射就是具有自學習功能的神經網絡.在這種網絡中，輸出節點與其鄰域其它節點廣泛相連，并相互激勵.輸入節點和輸出節點之間通過強度Wij(t)相連接.通過某種規則，不斷地調整Wij(t)，使得在穩定時，每一鄰域的所有節點對某種輸入具有類似的輸出，并且聚類的概率分布與輸入模式的概率分布相接近.

3.2 建模仿真

3.2.1 特征值選擇

危險貨物運輸包含復雜眾多的特征信息.本文以易燃液體運輸為例，基于運輸各環節，運用HAZOP分析技術，辨識出影響鐵路易燃液體運輸的特征信息包括貨運量、溫度、壓強、包裝破損度(0/1)、貨單問題(0/1)、是否校核(0/1)、處理是否得當(0/1).

3.2.2 模型建立

定義易燃液體運輸的6種故障預警狀態：交付作業，包裝作業，倉儲作業，裝卸作業，交接作業，處理作業，加上正常作業，共7種狀態.采用6種故障狀態和1種正常作業，共7種評價參數分析，形成一個7維向量. 收集2份每種故障模式的樣本，共14份訓練樣本，如表5所示.

根據表5，用于易燃液體運輸故障環節預警的概率神經網絡模型包含14份輸入樣本，每個樣本為7維向量，故障分類模式為7種，建立的概率神經網絡結構如圖3所示.

輸入層包含7個神經元，與輸入特征向量的維數一致. 徑向基層包含14個神經元節點，每個節點對應一個輸入的訓練樣本.隱含層包含7個神經元，對應7種分類模式.

表5 故障預警訓練樣本

徑向基層中屬于該模式的訓練樣本對應的節點與之相連，不屬于該模式的樣本對應的節點則不相連.隱含層對輸入求和后，找出隱含層神經元的最大值，輸出對應的類別序號.

3.2.3 易燃液體運輸故障環節預警實現

用7維向量表示工作狀態，對向量進行處理，分類，定義7份測試樣本，見表6.

表6 測試樣本

預警流程包括樣本定義、樣本歸一化、創建網絡模型、測試模型及結果顯示.

(1)樣本定義. 每列為一個樣本，訓練樣本為7*14矩陣，測試樣本為7*7矩陣.并且定義訓練樣本的分類模式標簽為trlab=[1,1,2,2,3,3,4,4,5,5,6,6,7,7]，是一個1*14的行向量，用whos命令可以查看工作空間中的變量及其維度;

(2)樣本歸一化. 使用mapminmax函數完成訓練樣本的歸一化;

(3)創建網絡模型. newpnn函數唯一的可調參數為平滑因子spread，在這里將其設置為1，使用tic/toc命令記錄創建模型所需的時間;

(4)測試模型. 首先需要定義測試樣本及其正確分類模式標簽，然后將測試樣本按與訓練樣本相同的方式進行歸一化，最后將其輸入到上一步創建的網絡模型中.newpnn產生的分類輸出為向量形勢，還需要使用vec2ind函數將其轉化為標量;

(5)結果顯示. 顯示7個測試樣本的預警結果，這7個樣本分別屬于一類分類模式;

以上步驟代碼均在文件diagnose.m中，執行該腳本，完成網絡創建和仿真，并在命令窗口輸出仿真結果，如圖4.

樣本序號實際類別判斷類別正/誤故障類型177正確正常作業277正確正常作業377正確正常作業433正確倉儲作業544正確裝卸作業666正確處理作業777正確正常作業

圖4 神經網絡仿真結果

4 結論

(1)在大量文獻和相關文件的閱讀基礎上，實地考察后，通過危險與可操作研究方法提取出了鐵路易燃液體運輸過程安全風險因子，并建立易燃液體運輸過程安全風險預警指標體系；

(2)根據SPSS相關性分析，總結易燃液體運輸各作業環節的相關性，梳理各環節的協同作用和關系.對預警環節相關的其他環節采取響應的措施，例如：交付作業A與處理作業F相關性高達0.664，實際操作中，交付作業環節出現預警，則不只針對交付作業環節進行處理也要對處理作業環節合理控制，可以盡可能的減小故障造成的后果；

(3)采用測試數據進行輸入，通過自組織競爭網絡模型進行仿真分析，輸出的結果作為警報的環節.測試樣本檢測結果表明，該模型能夠很好的模擬預警環節，對易燃液體運輸的流程環節預警有很重大的意義.

[1]賈曉燕,牛惠民.基于風險分析的鐵路危險貨物安全運輸研究[J].蘭州交通大學學報,2009,12(28):126- 130.

[2]BUBBICO R, CAVE SD, MAZZAROTTA B. Risk analysis for road and rail transport of hazardous materials: a GIS approach [J]. Journal of Loss Prevention in the Process industries, 2004, 17(6):483- 488.

[3]THOMSON BJ. International co-operation in hazardous materials accident prevention[J]. Journal of Loss Prevention in the Process Industries, 1999, 12(3): 217- 225.

[4]劉浩學, 周珣, 楊俊儒. 危險貨物運輸路線模糊綜合評判模型[J]. 交通運輸工程學報, 2006, 6(2): 80- 82.

[5]劉廣武, 李丹, 彭瑞宇. 鐵路危險貨物辦理站運輸安全模糊綜合評價[J].鐵道貨運, 2008, 26(7): 26- 28.

[6]王海星, 海濤, 李振江.鐵路危險貨物運輸徑路的選擇策略[J].北京交通大學學報,2009,12(33):27- 30.

[7]邊可, 李學偉. 基于HAZOP的鐵路危險貨物運輸安全預警[J].大連交通大學學報，2015,36(6)：93- 98.

[8]邊可. 基于HAZOP的鐵路危險貨物運輸風險因子分析[J]. 物流技術, 2015, 34(7):13- 15.

[9]張銳. 影響鐵路危險貨物辦理站作業安全的因素分析[J]. 鐵道貨運, 2009, 27(12): 27- 29.

[10]中國鐵路總公司. 鐵路危險貨物運輸管理暫行規定[M]. 北京：中國鐵道出版社，2014.

Early Warning of Flammable Liquid Transport Safety Risk based on SOM

WANG Hongde1，REN Mingxuan2, BIAN Ke3

(1.School of Civil and Safety Engineering, Dalian Jiaotong University, Dalian 116028, China; 2. School of Traffic and Transportation Engineering, Dalian Jiaotong University, Dalian 116028, China; 3.School of Traffic and Transportation Engineering, Dalian Institute of Science and Technology, Dalian 116052, China)

In order to reduce the risk of railway dangerous goods transportation and the probability of accident for improving the quality of transportation management, a new method is proposed for the risk early warning of railway dangerous goods transportation safety based on the self-organizing competitive neural network (SOM) technology. Through Hazard and Operability Analysis (HAZOP) of dangerous goods transport process, a risk early warning system of railway flammable liquid transportation safety is established, and the statistical analysis algorithm is used to assess the correlation between the factors affecting the safety risk of each transport link. Combined with the actual situation of freight transportation in Taiyuan Bureau, a safety risk early warning model of railway flammable liquid transport is established based on SOM and simulated by sample data and test data. The results show that the model can play a good role in early warning during the transportation of dangerous goods, which can provide reference for the safety early warning technology of railway dangerous goods transport.

railway transport; flammable liquids; risk early warning; index system; SOM; correlation analysis

1673- 9590(2017)03- 0072- 06

2016-05-14

遼寧省科技廳公益基金資助項目(2014004027);中國鐵路總公司科技研究開發計劃重點課題資助項目(2015Z002)

王洪德(1963-)，男，教授，博士，主要從事受限空間災害防治和交通安全工程方面的研究E- mail:whd@djtu.edu.cn.

A