基于模糊聚類的地鐵車站安全分類方法＊

魯娥

（常州工業職業技術學院，江蘇常州 213164）

0.引言

隨著軌道交通事業的快速發展，地鐵車站數量越來越龐大，不同車站位置不同、周圍環境不同、動態運營條件不同，因此運營過程中的安全狀態水平也不同，針對車站安全狀態制定針對性措施可有效維持車站運營服務水平。國內外不少學者針對車站安全展開了研究，主要從影響車站安全的因素出發建立評價體系，張軍峰[1]等利用風險控制理論分析了高鐵車站風險源和風險管理體系，苗長俊[2]綜合車站人員、設備、環境、管理水平4個方面評估了車站安全狀態，程學慶等[3]提出了基于恐怖襲擊、擁擠踩踏、火災爆炸、疾病衛生4個風險事件管控的蝴蝶結模型，潘麗莎等[4]從預防事故的角度建立人、設備、環境、管理4個方面2個層次的指標體系對地鐵車站安全態勢進行了評價，周雯等[5]采用灰色層次分析法針對火災、擁擠踩踏、電梯故障3種主要突發事件評價車站安全風險等級。這些研究對高鐵、地鐵車站的安全性影響因素進行了科學分析，評價結果或者是靜態性質的，或者是針對突發事件的，而在實際應用層面中，地鐵車站的運營安全水平還會受到客流條件和當時環境影響，管理決策層必須針對車站安全動態變化調整管理措施，本文將從地鐵車站安全管理角度出發，在以往研究基礎上，分析影響車站安全的動態因素并進行科學分類，為地鐵車站安全的分類管理提供依據。

一般地鐵線路上設置車站在二三十個左右，間距從1km到數10km不等，車站位置不同不僅影響著車站客流量，通常也會影響車站服務設施的配備和空間設置，這些條件最終將導致同一城市或同一條線路上各車站的安全水平并不一致，在制定安全管理政策時，如果忽視車站間安全特性差異，將導致安全管理效益出現差異，只有安全水平與政策相符的車站能夠獲得預期成效。因此，有必要針對車站安全狀態進行分類，針對不同安全類型的車站分別制定改善政策，通過精細化管理提高所有車站的安全水平。

1.構建車站分類指標體系

地鐵車站的瞬時安全水平受客流變化、設備故障、大型活動、突發事件影響極大，偶發性強、結果不確定性較高、發生規律預測困難，一般需要針對每種特定情況制定政策，以車站瞬時安全水平分類后分類管理實際意義不大，因此，本文的地鐵車站安全動態分類是在較長時間尺度上，將安全狀態相似的車站歸為一類，針對不同車站安全類型采取不同的管理對策，提高地鐵安全管理水平。

1.1 車站靜態安全條件

根據安全評價理論和相關安全管理法規來看，影響評價對象安全狀態的因素包括靜態和動態2大類型，靜態因素一般包括評價對象本身的設備、設施、物理屬性等，動態因素一般包含評價對象操作和管理相關的人員、管理制度等。不同的研究者，對車站安全水平進行評價時會采用包括人員、設備、環境、管理4個方面的不同指標，苗長俊采用相似方法構建的評價指標體系，其中的評價指標既包含靜態指標、也包含了動態指標，但是車站一旦投入運營，動態指標如車站人員水平基本上都由同樣的培訓體系選拔而來，對于車站長期運營管理來說實際上是固定的，其他“動態”指標放在“日”“周”的時間尺度上，表現也基本穩定，因為無論是工作人員業務水平或安全法制都不可能以“日”“周”甚至“月”的頻率不斷更新；同樣地，車站設備管理水平在設備壽命周期內基本服務水平在時間尺度上也呈現出穩定的服務水平。正因車站在人員、設備、環境、管理方面的穩定性，車站本身投入運營之后，會有一個穩定的安全水平；不同車站因人員、設備、環境和管理不同，將會呈現不同的安全條件，這個安全條件是車站安全水平變化的基礎，是地鐵車站以安全管理為目的進行動態分類的重要組成。因為從人員、設備、環境、管理4個方面評價得到的地鐵車站安全水平其實具有很強的穩定性，在本研究中稱為車站靜態安全條件，具體指標見表1。

表1 地鐵車站靜態安全條件指標及其獲取方法表

1.2 車站客流規律

車站客流量越大、客流組成越復雜、客流變化越劇烈，對車站內部運營安全影響就越大。根據城市特色不同和地鐵車站位置差異，地鐵車站的客流規律不盡相同，針對不同客流規律合理安排管理人員、管控措施可有效提高客流秩序、運行速度、減少沖突。除偶發大客流，車站客流通常有規律可循，如日客流量、站內客流分布、周客流量分布規律等，影響車站運營安全的因素不僅有客流量大小，也包括客流量帶來的車站客流飽和度，還包括站內客流速度水平及不同位置客流運行速度均衡性、客流沖突點數量及沖突點客流運行速度。車站客流規律指標如表2所示。

表2 地鐵車站客流規律影響因素及其計算方法表

1.3 車站周邊環境

車站周邊環境也會對站內安全造成影響，如建筑環境、不良天氣。建筑環境是指地鐵站周圍建筑物功能，如知名景點會為車站的帶來復雜的不熟悉路線的團體客流、商業街區通常會有復雜的銜接通道、老舊住宅小區會帶來老年客流增長等，由此可見，建筑環境影響車站內運行線路復雜性、客流組成變化，線路或客流組成越復雜、安全性越低。不良天氣指的是當天天氣狀況，如雨、雪天氣會使站內地面潮濕，影響運營安全；隨著城市擴張，同一線路不通車站可能天氣不同，也可能因地質條件不同導致同樣天氣對車站造成安全影響不同，所以不良天氣應以站內影響運營安全的指標來表示，如空氣濕度、站內能見度，為了簡化計算，以不良天氣綜合指標表示，如表3所示。

表3 地鐵車站客流規律影響因素及其計算方法表

2.車站動態安全模糊聚類模型

聚類是指將具有相似屬性的實物歸為一類，將原本沒有類別標記的樣本盡量按照某種規律分為若干子集。傳統聚類方法可分為劃分方法、層次方法、基于密度方法、基于網格方法和基于模型方法，本質上需要人工對樣本進行預分類或給定參數干預。模糊聚類能夠根據樣本間的親屬性、相似性等客觀特征進行聚類分析。地鐵車站動態安全性實際上并沒有嚴格的屬性區分，所以在探索時先采用模糊聚類法，將地鐵車站按照其靜態安全條件、客流規律和周邊環境等安全規律分為不同類型，通過車站動態安全模糊聚類模型描述車站之間的相似程度完成分類后，針對同類子集進行安全管理。

Ef是車站模糊聚類集合，顯示

在地鐵車站安全指標體系中，指標值可以通過歸一化處理使其數據屬于[0,1]區間，使公式1能夠用于模糊聚類。原始數據中每個車站的一條數據，每條數據含9個參數，假設車站數量為n，那么對于每一個指標特征來說，有n個數值，可以記為對該指標特征進行歸一化處理即可得到其隸屬值。首先計算每一個指標特征的均值和方差，然后計算其極差標準化值，具體步驟和計算方法見公式2：

其中是指標xk的原始數據均值，Sk2是指標xk的原始數據方差，是原始數據的標準化值，標準化值的最大值和最小值為得到xik后，可以采用模糊相似關系計算樣本集中車站與車站之間的相似關系矩陣其中車站xi和xj的相似程度為rij為：

通過反復合成運算求解模糊矩陣傳遞閉包使模糊矩陣不再變化，模糊集合上的任何α(0 ≤α≤1)截集都是模糊集合上的普通集合，代表了一種分類，從而完成了地鐵車站動態安全的模糊聚類分類模型構建。

3.驗證計算

為了檢驗地鐵車站動態安全模糊聚類模型的有效性，構建模擬原始數據集見表4，經過極差標準化處理后數據見表5，車站集的模糊相似關系矩陣見表6，傳遞包矩陣見表7。

表4 車站動態安全指標數據采集表

表5 極差標準化處理后的原始數據距離表

表6 矩陣元素值表

表6 矩陣元素值表

j i 1 2 3 4 5 6 7 8 9 1 1 0.7 0.5 5 0.5 2 0.5 6 0.6 5 0.6 2 0.4 7 0.2 8 2 0.7 1 0.3 2 0.3 6 0.4 3 0.5 5 0.3 5 0.5 0.4 2 3 0.5 5 0.3 2 1 0.5 8 0.5 8 0.6 4 0.6 6 0.5 9 0.3 8 4 0.5 2 0.3 6 0.5 8 1 0.4 0.5 9 0.6 7 0.6 0.1 6 5 0.5 6 0.4 3 0.5 8 0.4 1 0.5 7 0.4 1 0.4 3 0.4 5 6 0.6 5 0.5 5 0.6 4 0.5 9 0.5 7 1 0.5 8 0.5 9 0.3 4 7 0.6 2 0.3 5 0.6 6 0.6 7 0.4 1 0.5 8 1 0.7 7 0.4 1 8 0.4 7 0.5 0.5 9 0.6 0.4 3 0.5 9 0.7 7 1 0.4 9 9 0.2 8 0.4 2 0.3 8 0.1 6 0.4 5 0.3 4 0.4 1 0.4 9 1

表7 傳遞閉包矩陣元素值表

表7 傳遞閉包矩陣元素值表

j i 1 2 3 4 5 6 7 8 9 1 1 1 0.6 4 0.6 4 0.5 8 1 0.6 4 0.6 4 0.4 9 2 1 1 0.6 4 0.6 4 0.5 8 1 0.6 4 0.6 4 0.4 9 3 0.6 4 0.6 4 1 0.6 6 0.5 8 0.6 4 0.6 6 0.6 6 0.4 9 4 0.6 4 0.6 4 0.6 6 1 0.5 8 0.6 4 0.6 7 0.6 7 0.4 9 5 0.5 8 0.5 8 0.5 8 0.5 8 1 0.5 8 0.5 8 0.5 8 0.4 9 6 1 1 0.6 4 0.6 4 0.5 8 1 0.6 4 0.6 4 0.4 9 7 0.6 4 0.6 4 0.6 6 0.6 7 0.5 8 0.6 4 1 0.7 7 0.4 9 8 0.6 4 0.6 4 0.6 6 0.6 7 0.5 8 0.6 4 0.7 7 1 0.4 9 9 0.4 9 0.4 9 0.4 9 0.4 9 0.4 9 0.4 9 0.4 9 0.4 9 1

表8 α=0.64的截集元素值表

從表7數值可以看出，α=1時，車站1、2、6是同一類型。取α=0.64，得到截集元素值見表8，車站1、2、6相同，車站3、4、7、8相同，因此，試驗集車站分為3種類型，車長1、2、6聚為一類車站，車站3、4、7、8聚為一類車站，車站9為一類車站，原始數據顯示同類車站在評價指標上具有較強的相似性，驗證了計算方法的準確性。

4.結論與進一步研究展望

地鐵運營安全管理精細化水平不斷提高，構建地鐵車站動態安全評價體系并采用模糊聚類法進行分類，有助于管理者充分挖掘同類車站的安全特性，從而將車站按照不同安全條件分類進行針對性安全管理，這對于提高地鐵系統管理水平發揮著重要基礎作用。本文完成了地鐵車站動態安全分類模型構建，驗證計算表明分類結果可靠，管理者可根據同類車站動態安全性的相似指標做針對性提升，實現不同車站的精細化管理。未來可以從以下幾個方面開展進一步研究：一是長期收集積累歷史數據，尤其是車站各類安全事件，用于開發車站安全水平預測模型，進一步提高安全管理的實時性和風險預防能力；二是進一步研究各層級的影響因素與車站安全水平之間的量化關系，以定量計算代替定性比較，為進一步可量化管理措施提供依據；三是研究指標獲取的科學方法；四是研發智能化數據采集系統，降低各類數據采集難度，開發符合地鐵系統管理的數據標準；五是廣泛開展實證研究，提高模型和方法的適應性。