地鐵火災(zāi)風(fēng)險評估的前兆信息采集與融合分析

張皓揚 莊越

摘 要：為達到對地鐵火災(zāi)事故早期預(yù)防和精準(zhǔn)控制的目的，引入前兆信息和多源數(shù)據(jù)融合的概念;基于82起地鐵火災(zāi)事故在人機管環(huán)模型和人因分析與分類系統(tǒng)基礎(chǔ)上構(gòu)建地鐵火災(zāi)前兆信息分類模型;針對前兆信息特點提出多源信息采集方法并比較多種多源數(shù)據(jù)融合方法。利用本文對地鐵火災(zāi)中前兆信息識別、采集和融合步驟所提建議能降低地鐵火災(zāi)風(fēng)險。

關(guān)鍵詞：地鐵火災(zāi);運營安全;前兆信息;多源數(shù)據(jù)融合

中圖分類號：TB 文獻標(biāo)識碼：A doi：10.19311/j.cnki.1672-3198.2022.05.081

0 引言

縱觀地鐵運營事故的案例，火災(zāi)都是造成巨大損失的直接原因。前兆信息作為一種能有效衡量事故潛在風(fēng)險的理論，運用于地鐵火災(zāi)管理中具有極高價值。故本文通過歷史發(fā)生的82起地鐵火災(zāi)事件識別多源前兆信號，為我國建立起科學(xué)合理的地鐵火災(zāi)前兆信息監(jiān)測系統(tǒng)提出參考和建議。

1 相關(guān)研究基礎(chǔ)

1.1 前兆信息理論研究

國內(nèi)普遍認知將前兆信號分為人機管環(huán)四方面，在人因分析與分類系統(tǒng)（HFACS）中以人因視角描述四個層次缺陷：操作人員不安全行為及其前提、不安全監(jiān)管及組織影響。以HFACS和人機管環(huán)模型為核心的前兆信息分類系統(tǒng)對研究地鐵火災(zāi)異常數(shù)據(jù)具有研究價值。

1.2 多源數(shù)據(jù)融合評價方法

多源數(shù)據(jù)源融合（MSDF）指利用特定的方法對不同類型的信息源或關(guān)系數(shù)據(jù)進行綜合處理從而更精準(zhǔn)可靠地做出決策的方法。采用多源數(shù)據(jù)融合對地鐵火災(zāi)安全風(fēng)險進行研究，進而將異構(gòu)多源數(shù)據(jù)綜合為置信度更高的數(shù)據(jù)，最終幫助決策者提供早期預(yù)防的方案。

2 地鐵火災(zāi)事故跨案例前兆信息分析

2.1 地鐵火災(zāi)事故概況

對82個地鐵火災(zāi)案例剖析，案例中各因素占比如圖1。研究發(fā)現(xiàn)對于地鐵火災(zāi)要從強化運營管理體系開始自上而下地控制設(shè)備因素、員工和乘客因素，并降低環(huán)境因素影響。

2.2 地鐵火災(zāi)事故的前兆信息識別

結(jié)合國內(nèi)經(jīng)典的人機管環(huán)分類系統(tǒng)模型和國外HFACS模型的基礎(chǔ)上對82起國內(nèi)外地鐵火災(zāi)數(shù)據(jù)分析。形成本文的前兆信息分類系統(tǒng)（如表1）。

影響因素間的交互和耦合導(dǎo)致了最終安全事故的發(fā)生，其在地鐵火災(zāi)運營前兆信息中的表現(xiàn)為在事故發(fā)生前能夠采集并檢測到分類系統(tǒng)模型中的一種或多種前兆信息。

3 地鐵火災(zāi)事故前兆信息采集與融合評價

3.1 前兆信息的采集方法

表一中地鐵火災(zāi)運營前兆信息分類系統(tǒng)提出了14種前兆信息，這些前兆信息通過以下三大類信息采集方式完成全部前兆信息識別。

視頻采集圖像分析方法用于采集類似工作人員失誤與違規(guī)現(xiàn)象、乘客惡意縱火、乘客吸煙前兆信息。采用基于定向梯度直方圖（HOG）特征和支持向量機（SVM）分類器的目標(biāo)檢測方法，HOG特征將目標(biāo)分塊分別提取每塊內(nèi)梯度在各個方向上的分布情況得到直方圖特征。

傳感器采集信號識別方法可用于采集供電設(shè)施故障、機電運行故障、通信信號故障、地鐵溫度、濕度、極端天氣指數(shù)傳感器此類前兆信息。例如對于供電設(shè)施系統(tǒng)的前兆信息故障

方面，選取地鐵供電系統(tǒng)諧波作為需要采集的前兆信息。如式一所示：

其中m為監(jiān)測點個數(shù)，xik為監(jiān)測的第i類第k個指標(biāo)的監(jiān)測值，γqk為第q類第k個指標(biāo)的閾值。最終通過E值的計算判斷該供電系統(tǒng)的預(yù)警級別。

而組織過程漏洞、資源管理漏洞、不安全的監(jiān)督、不良的組織氛圍此類前兆信息的采集則通過基于HFACS的前兆信息人工采集得以實現(xiàn)，例如第三方的體系審核、上級外部審核、自身周期性的內(nèi)部審核等，甚至安全檢查表和員工對于不正常現(xiàn)象的上報等都能夠作為此類前兆信息采集的依據(jù)。

3.2 多源前兆信息的融合方法

對于地鐵火災(zāi)多源前兆信息融合而言，不但要求能融合形式不同的多源數(shù)據(jù)，而且要求融合計算與前續(xù)預(yù)處理具有協(xié)調(diào)能力。以下為多源前兆信息融合方法比較（如表2）。

面對地鐵火災(zāi)的預(yù)防因地制宜地選擇多源數(shù)據(jù)融合方法能夠更好地做到對地鐵火災(zāi)進行早期識別和精準(zhǔn)治理。

4 結(jié)語

在人機管環(huán)和HFACS基礎(chǔ)上對82起案例進行多源前兆信息的識別，建立地鐵火災(zāi)前兆信息分類系統(tǒng)模型，為地鐵火災(zāi)運營的前兆信息采集類別提供建議，并根據(jù)其多源前兆信息特點針對性提出了三種地鐵火災(zāi)前兆信息采集方法，做出多源前兆信息融合方法表，為合適地數(shù)據(jù)融合方法提供參考。

參考文獻

[1]Michael Dambier，Jochen Hinkelbein. Analysis of 2004 German general aviation aircraft accidents according to the HFACS model[J].Air Medical Journal，2006，25（6）.

[2]Gilles Nachouki，Mohamed Quafafou. Multi-data source fusion[J].Information Fusion，2007，9（4）.

[3]馬劍，葉新，林鵬，等.基于證據(jù)理論的地鐵火災(zāi)安全評價方法[J].中國安全生產(chǎn)科學(xué)技術(shù)，2017，13（01）：134-140.

[4]宋亮亮，李啟明，陸瑩，等.城市地鐵系統(tǒng)脆弱性影響因素研究[J].中國安全科學(xué)學(xué)報，2016，26（05）：64-69.

[5]韓欣欣，葉奇玲.基于SIFT和HOG特征融合的人體行為識別方法[J].計算機技術(shù)與發(fā)展，2019，29（06）：71-74+78.

[6]胡海濤，高朝暉，何正友，等.基于FTA和FMEA法的地鐵牽引供電系統(tǒng)可靠性評估[J].鐵道學(xué)報，2012，34（10）：48-54.

3609500338277