以列車救援為例的軌道交通常規突發事件分析

郁琦暉 于浩恬 李佳威

摘要：軌道交通常規突發事件是軌道交通在日常運營生產中時常發生，且影響運營安全的事件。本文對建立軌道交通事件信息化的管理方法體系展開研究，在知識元理論的基礎上對事件進行情景結構分析，構建軌道交通常規突發事件情景結構化體系。以列車救援為例，利用相似性算法對事件基礎信息、事件結構、事件以及整個事件處置的相似度進行計算。研究結果表明，結構化紀錄方式對軌道交通突發事件信息化建設及應急處置有著重要意義。

關鍵詞：軌道交通常規突發事件，結構化情景分析，相似性

引言

在軌道交通日常運營過程中會發生突發事件，由于城市軌道交通系統具有行車密度高、列車運行間隔短、封閉性高的特點，一旦發生此類事件，會嚴重影響企業的生產運營，甚至危及乘客的人身安全。

關于應急管理和情景分析問題，目前國內外有較多研究。吳廣謀[1]提出了事故重構的理論，推出態勢再現模型，進行事故信息整合及事件情景重塑。在此基礎之上，進行態勢推演，并進行實例驗證，建立了一種“情景-態勢”下的事件應急管理預測體系。Werner K.Graber[2]利用群體決策方法制作了模擬災害演變的應急決策系統。Ian Wilson[3]認為情景是現在與未來的一個個連接點或者是連接片段，事件通過這些點或片段進行展開，上下承接。目前地鐵企業應對軌道交通突發事件是以“預測-應對”這種靜態式模式為主要的應急管理模式[4]。但事件是動態的，用靜態方式難免有缺陷。因此，本文以解決軌道交通常規突發事件的信息化表達為出發點，建立“情景-應對”的動態應急管理監管平臺。

1 結構化體系模型

知識元是構成知識的最小單位以及知識系統的最小元素，也是構造知識結構的基元。是知識元的形式化表示，是構建知識元模型及知識元網絡的基礎。通過對知識元進行具體化表示可以更好地描述應急領域中突發事件的信息、知識和模型。知識元模型是從系統角度出發，歸納和提煉軌道交通常規突發歷史案例的普遍規律，抽象地描述客觀事物，實現系統基本單位化的模型[5]。該模型主要包含6個層級：事件、情景、情景維度、情景要素、情景屬性及情景特征。

1.1 事件以及情景

在知識元模型中，事件可以表示為：

式中：為某一具體知識;為組成知識的知識元;為知識元序號。

事件的下一級子情景由各情景維度展開，可以表示為：

式中：為某一事件;為各子情景;為情景序號。

1.2 情景維度及要素

情景維度最大范圍地包涵事件的情景信息，傳統公共災害學理論將事件的情景分為：事件維度、應急管理維度和承災體維度，各維度間的信息存在著紐帶緊緊相連。其中，事件維度包括事件發生的時間、事件級別、造成的影響范圍、實體與虛擬傷害;管理維度指減輕事故危害所做出處理辦法和處理所需的物資、相關人員、信息和資源等;承災體維度是事故引起客流量的變化、事故存在的自然環境與社會環境等信息、危害表現和危害根本原因。將三種維度串聯成網絡，即形成完整的情景。

軌道交通情景要素描述服務于應急管理，應從軌道交通常規突發事件所帶來的危害影響展開表示。承災體中存在靜態和動態要素，所以要在承災體維度中選擇必要的、關鍵的、不可缺失的情景要素進行細致刻畫。應急管理維度主要以應急管理者執行的處置操作為主進行，描繪的是在出現軌道交通常規突發事件時，應急決策方面所提供的人力物力及財力。

1.3 情景屬性及特征

情景屬性是對要素信息的進一步表達。事件維度下存在時間和空間要素的屬性;承災體維度中，存在自然、交通、風險要素的屬性;應急管理維度下則有管理主體、應對任務、資源配置等要素的屬性。

情景特征是對突發事件某一屬性的刻畫，是一個事件表現出來的具體形式。每個屬性都是以人們能夠直接接收到的特征信息表達的。

1.4 結構化體系模型

突發事件是某一客觀事物的運動狀態向著另一個運動狀態轉換的突變過程。每個突發事件系統都存在著萌芽-前兆-發生-演化-控制-衰減-消亡的生命周期，每個事件生命周期的不同階段也會伴隨著相應事件的發生。而事件發生后均會經歷事故發生-應急響應-應急處置-后期恢復這一過程。

根據上述對知識元模型中6個層級的描述，城市軌道常規突發事件可以用知識元理論建立一個結構化體系模型，見圖1所示。

2 相似性算法

軌道交通的常規突發事件有很多，例如列車救援、觸網失電、信號故障、車輛故障等。若能根據同類事件的分析，總結出處置經驗，那么將會對軌道交通的安全有很重要的意義。故本文通過相似性算法來研究事件的相似度。主要從事件相似度以及事件處置相似度兩個方面進行。

2.1 基礎信息相似度

語義相似度算法認為兩個詞語w1與w2分別有n項概念和m項概念，且這些概念間的最大相似值可用于表示兩個詞語間的相似性。那么兩個文本和的相似度可表示為：

2.2 事件結構相似度

事件鏈結構包括事件級別和情景個數，可用公式表示為：

2.3 事件相似度

假設某事件中的情景命名集合和子事件中情景命名集合分別為：

上式中，為事件里的第個情景名稱，為事件里的第個情景狀態名稱，∈[0，1]。

而事件中的每個情景都會存在一個相比較后的最大值，將兩個事件中的值之和最小值作為分子，兩個事件所有相似性最大值的和作為分母，可求得整個事件的情景名稱的相似度：

事件鏈中名稱相似的情景包含事件維度與承災體維度下的每個情景要素的屬性與特征集合整體相似度可用以下公式表示：

上式中，和各是情景名稱一樣或相似度極高的兩件事件的情景維度下的屬性集合。∈[0，1]，值越小相似度越低，相反，則越高。

在公式（9）和公式（10）的基礎上，事件鏈中情景狀態集合的整體相似度：

2.4 事件處置相似度

首先，整個事件的處置任務及應急行動詳細內容的相似性計算公式如下：

3 列車救援實例分析

3.1 案例描述

案例1：8月7日6：32，8號線0323#車（工程車）第二天試運行，該車出庫后至宜山路上行停站后即自動收車。6：38，司機處置無效申請救援，運營調度安排后續出庫0236#車進行救援。6：48，故障救援列車連掛作業完畢，安排經出庫線車輛段。6：53，救援連掛車動車回庫。

案例2：8月21日16時28分，1號線莘莊下行站臺0156#車發生牽引故障，值乘司機處置無效后向運營調度申請救援;調度發布救援命令由后續0122#車救援。16時29分，0156#車司機接令后將無線手持臺轉入“列車救援組”模式，并點亮列車尾部頭燈，與折返司機至客室切除B9閥進行救援準備。16時32分，救援車0122#車司機以close-in模式將列車運行至故障車處停車后，在未與故障列車司機聯控的情況下就擅自進行連掛并推進。16時37分，調度發現救援連掛車在未獲調度命令的情況下動車后聯系救援車司機，并發令救援連掛車開999次，以切除ATP方式推進至莘莊下行站臺清客后至折2線退出運營。動車過程中，故障車司機通過手持臺與救援車司機聯系未果，使用手機聯系救援車司機，詢問為何未聯系即動車。救援車司機回復調度已下令，并將命令內容告知故障車司機，但46秒后通訊中斷。16時41分，救援連掛列車至莘莊下行站臺后清客。16時42分，0122#車清客完畢后，救援車司機在未得到故障車司機動車命令情況下，再次擅自推進列車駛向折2線，最高速度約17公里/小時。16時43分許，0156#車以約15公里/小時車速，與折2線滑移式擋車器發生碰撞，并繼續推進約20米至軌道終端土擋攔停。

3.2 基礎信息相似度計算

根據上述案例描述，將救援案例歸納為五個特征值：車輛系統、工作/休息日、條線、線路/車站、上/下行。根據公式（3）分別計算兩個案例各類特征值的相似度，結果如表1所示。

將上述結果求平均值，可得出兩案例的基礎信息相似度為0.199934。

3.3 事件結構相似度計算

兩件案例都是列車故障救援事件，都為五級預警事件，和都為5。案例一的節點數為4個，案例二的節點數有5個。根據公式（4）、（5）計算：可知，兩個故障救援事件的事件級別的相似度為1，即完全相似;情景個數的相似度為0.8，相似度較大。

3.4 事件相似度計算

同理根據公式（10）求得事件鏈中情景名稱最相似的情景（除應急管理情景維度）下每個情景要素的屬性及特征集合的整體相似度和為0.56。按照公式（11）設置權重與為0.6與0.4，則事件鏈中情景狀態集合的整體相似度為0.728。

假設根據現場實際需要，分別賦予權重0.3，0.2，0.2，0.3，依照公式（12）整個事件的相似度為。故兩個案例事件的相似度是63.8%，比較相似。

3.5 事件處置相似度計算

而在這兩個情景狀態下，面對應急任務下行車組織處置行為的具體行動特征有：

如果決策者更注重應急處置行為的區別，那么設置權重為0.4，0.1，0.5，則帶入權重可得出兩個案例處置的相似性結果為：。故這兩個案例的處置相似程度是48.2%，一般相似。

4 結論

本文針對軌道交通突發故障事件的應急決策進行了專項研究，結合國內外學者在突發事件以及非常規突發事件的研究構建了軌道交通突發故障事件的結構化情景模型。并且提出了基于情景的軌道交通突發故障事件的相似度算法，以故障救援為例進行分析。在研究過程中得出以下結論：

（1）通過研究發現，目前軌道交通領域中針對應急決策方面的研究還不夠深入。盡管已有學者將“情景”這一概念運用于軌道交通應急事件中，但基于數據的研究仍然比較少。如何應用情景來研究分析突發事件的現狀以及確定軌道交通應急事件中情景的關鍵要素，是亟待解決的關鍵問題。因此，本文基于實際事件進行情景建模是有必要的。

（2）目前軌道交通領域在事件記錄方面主要是以純文本的記錄形式，并且沒有相關的記錄標準，導致對事件的描述形式多樣，為案例研究以及業務培訓造成了阻礙。目前的記錄方法無法適用于機器學習，在整個行業智能化信息化的趨勢下，這樣的記錄方法必須改進，必須結構化以適用于信息化。

（3）本文以“事件-情景-維度-屬性-特征”的主體思路將軌道交通突發故障事件進行結構化的分解及整合，并以此為基礎進行了情景建模。

（4）為了將結構情景模型運用于實際的軌道交通突發故障事件的應急決策中，本文以此情景模型為基礎提出了軌道交通突發故障事件的相似度分析的算法，并以實例對相似度算法進行了適用。

參考文獻

[1] 吳廣謀，趙偉川，江憶平. 城市重特大事故情景再現與態勢推演決策模型研究[J]. 東南大學學報（哲學社會科學版） 2011，13（1）：18-23.

[2] 張輝， 劉奕. 基于“情景-應對”的國家應急平臺體現基礎科學問題與集成平臺[J]. 系統工程理論與實踐， 2012， 32（5）： 947-953.

[3] 張磊， 王延章， 陳雪龍. 基于知識元的非常規突發事件情景模糊推演方法[J]. 系統工程學報， 2016， 31（6）： 729-738.

作者簡介：

楊海紅（1979.12—），女，上海人，本科，工程師，上海申通地鐵集團有限公司運營安全監督管理部，主要研究方向：軌道交通運營安全管理、軌道交通行車作業安全。

1. 上海申通地鐵集團有限公司，上海201103;?2. 寧波港鐵路有限公司，上海201620;?3. 上海磁浮交通發展有限公司，上海201204