基于衛星遙感技術的高速鐵路外部環境彩鋼房類危險源風險評估方法

孫新宇 姚京川 馮楠 鄭佳怡

1.中國國家鐵路集團有限公司，北京 100844；2.中國鐵道科學研究院集團有限公司 鐵道建筑研究所，北京 100081

我國高速鐵路運營里程長，覆蓋范圍廣，穿越地區地形復雜多變，人文環境與自然環境地域差異較大，已發生多起因外部環境異常導致的行車安全事故，造成列車晚點停運，直接影響行車安全和運行秩序，危及旅客生命及財產安全，對社會造成不良影響［1-2］。隨著遙感技術的發展，對地觀測能力不斷提升，為鐵路外部環境的監測評估工作提供了一種可選方法［3-5］。通過快速識別、定期監測、屬性要素提取、風險評估等工作，能夠提高危險源排查與評估過程中的自動化程度，減少現場工作量及人為判斷誤差［6-8］。

近年來，鐵路外部環境危險源監測評估研究取得了一定的進展。江雨欣等［9］基于三角白化權函數聚類完成了鐵路外部環境安全評估；全超［10］從風險因素、風險區域、風險實體三個角度構建風險識別和評估體系，為鐵路外部環境安全風險識別與評估提供理論指導和應用思路。但依然存在一些鐵路部門制定危險源方案時亟待解決的問題，如現有評估體系多為綜合評估，單類危險源的風險性評估缺乏明確的評估因子、權重及相應的風險評估結果。針對以上問題，本文提出基于單類危險源的風險性評估方法，利用層次分析法、層次分析-熵權組合法對彩鋼房類危險源進行綜合評估，以判斷研究區內各指標的危險等級，同時結合實地考察情況和專家意見，定性判斷高速鐵路外部環境一定研究區域內的風險性，為鐵路部門提供具有針對性和實用性的決策支持。最后，以京津高速鐵路為例進行驗證，并提出防治建議。

1 危險源風險評估方法

1.1 評估指標體系構建及數據處理

1.1.1 評估指標體系構建

在高速鐵路外部環境中，影響其安全運營的因素復雜多樣。本文結合區域環境特征及專家意見，從外部環境因素、危險源自身因素兩個角度，選取了具有代表性、較易獲取的2 類5 項指標，建立高速鐵路外部環境彩鋼房類危險源風險評估指標體系（圖1），并借助遙感技術進行量化。

圖1 彩鋼房類危險源風險評估指標體系

1.1.2 評估模型

在構建風險評估體系后，對數據進行標準化處理，采用層次分析法、層次分析-熵權組合法獲取評估指標相應權重［11-12］，根據權重系數分別計算外部環境因子危險性指數、危險源自身危險性指數，以此得到彩鋼房類危險源的風險指數。

外部環境因子危險性指數為

危險源自身危險性指數為

風險指數為

式中：wj是第j個評估指標的權重；Eji(x)、Sji(x)為各指標標準化處理后的值；wE、wS為各評估因子的權重。

1.1.3 指標數據處理

1）高速鐵路外部環境危險源識別

危險源的準確識別提取是風險評估的前提，采用基于面向對象方法識別高速鐵路外部環境危險源。面向對象的遙感圖像分類，以研究目標的最小單元為對象，并基于對象開展影像特征分析和分類處理［13］。其關鍵技術為圖像分割與面向對象的分類方法，圖像分割是根據圖像像元的同質性準則，通過算法將圖像生成若干有目標意義的圖像對象；面向對象的分類方法，即通過對遙感影像中目標對象進行分析、判斷，如目標對象自身的光譜特征、形狀特征、紋理特征、自定義特征等，并根據這些特征信息構建分類規則，運用一定的算法將目標地物提取出來。

2）高速鐵路外部環境危險源形變識別

危險源形變信息是評估風險的重要因素，利用PS-InSAR 方法［14-15］獲取高速鐵路外部環境的形變信息。其基本原理是從同一研究區內多幅不同時相的SAR 影像中經過公共主影像選取、配準、干涉處理，提取具有反射特征強、散射特征穩定的地面目標（如道路、房屋、堤壩、橋梁、裸露巖石等）作為永久散射體（Permanent Scatterer，PS），這些點目標不會受到時間失相關和空間失相關的影響。然后，基于時序差分相位信息通過建立相位函數模型，將地表形變信息、地形誤差以及大氣延遲相位從干涉相位中分離出來，進而得到地面各點的形變信息，其形變精度可達到毫米級。將各數據集統一到相同的空間坐標系，基于矢量數據的疊加分析，將形變點疊置在土地利用數據上，分析高速鐵路外部環境彩鋼房類地物的形變速率，并作為彩鋼房類地物穩定性指標。

3）數據標準化

各評價指標的內涵與量綱并不統一，因此采用規范化的方法對各指標數據進行處理。風速、高程、坡度是正向指標，即指標數據越大風險性越高；彩鋼房類危險源至線路距離、彩鋼房穩定性是負向指標，即指標數據越大風險性越低。

正向指標為

負向指標為

式中：Yij為歸一化后第j個評估指標下第i像元值；Xij為第j指標下第i個像元的原始像元值。

1.2 確定指標權重

1.2.1 層次分析法

層次分析法是將多目標的復雜決策問題層次化和簡易化，將決策問題按照方案分解為目標、準則、方案等層次（參見圖1）。

1）構造判斷矩陣

選用1—9 標度法對比高速鐵路外部環境彩鋼房類危險源風險評估各項指標對于目標層的重要程度，建立判斷矩陣A，其中aij為指標Ai對比指標Aj的重要程度所對應的標度值，aij＞0，aii=1，aji=1/aij。

式中：n為判斷矩陣階數。

2）一致性檢驗

由于安全評估自身復雜性和判斷矩陣構造主觀性，需要通過一致性檢驗評判權重值是否合理。為計算一致性，需要計算判斷矩陣的最大特征根λmax，即

式中：w=(w1，w2，…，wn)T為歸一化后求得的權重矩陣；wi為第i指標權重系數。

通過最大特征根λmax求算指標一致性值指標CI，即

計算隨機一致性比率CR，進一步判斷矩陣一致性，即

式中：RI為平均隨機一致性值指標。

3）評估因子權重確定

當CR＜0.1 時，判斷矩陣A即為合理。將特征向量用作評估指標的權向量，w=(w1，w2，…，wn)T即為各指標權重值，權重值越高則該指標重要性越高。

1.2.2 熵權法

熵權法（Entropy Weight Method，EWM）作為一種客觀賦權法，主要解決主觀因素對評價權重的影響。

構建評價矩陣。假設指標的研究區內像元數為n，m個研究指標，構建指標矩陣Yij，即

計算第j個指標的信息熵值Ej，即

式中：Pij為指標特征比值，Pij=0時，PijlnPij=0。

確定各指標的權重wj2，即

計算綜合風險指數Zj，即

1.2.3 組合權重

從權重計算方法可知，層次分析法主要側重于專家的經驗知識，而熵權法是依據評估指標的數據信息來計算權重，將層次法與熵權法結合起來，使評估指標權重既能反映主觀經驗，又能反映客觀數據，以便較好地反映真實情況。由最小信息熵的原理可知，組合權重與層次分析法、熵權法權重離差越小，熵值越小，則越準確，構造組合權重的離差函數為［16］

式中：wj1為層次分析法計算的指標權重；wj2為熵權法計算的指標權；wj3為組合權重。

采用拉格朗日乘子法解得最小信息熵的組合權重為

2 試驗與分析

2.1 研究區域及數據

研究區域為京津高速鐵路天津段北辰區和河北區北緯39°～39°16'、東經117°～117°12'內，東西向長約12 km，南北向長約15.5 km。

研究區域覆蓋范圍內光學影像為高分二號影像（2019 年5 月），風速數據來源于中國地面氣候資料國際交換站天津臺站（54527）數據集（2019 年5 月）。SAR 數據集為德國DLR 提供的TerraSAR 數據，該InSAR 數據覆蓋時間為2014 年9 月—2017 年12 月，共25 期。高程DEM 數據集為美國國家航空航天局與日本經濟產業省共同發布ASTER GDEM v3 數據，空間分辨率為30 m。

使用圖像處理軟件對各指標數據進行數據預處理，并統一重采樣為30 m × 30 m 分辨率柵格數據，以保障各指標數據的一致性。

2.2 彩鋼房類危險源風險評估

2.2.1 評價指標體系

1）風速E1

將京津冀區域內北京氣象站（54511）、天津氣象站（54527）、懷來氣象站（54405）、承德氣象站（54423）、樂亭氣象站（54539）、泊頭氣象站（54618）共6 個站臺的風速數據進行空間插值處理，裁剪至研究范圍后進行標準化處理，見圖2。

圖2 風速標準化

2）高程E2和坡度E3

利用高程DEM 數據，運用圖像處理軟件分別計算得出相應坡度數據，并對高程和坡度數據進行標準化處理，見圖3和圖4。

圖3 高程標準化

圖4 坡度標準化

3）至線路距離S1與彩鋼房穩定性S2

將提取得到的彩鋼房至線路距離及彩鋼房穩定性指標數據進行標準化處理，見圖5和圖6。

圖5 至線路距離標準化

圖6 彩鋼房穩定性指標標準化

2.2.2 綜合評估

基于GIS將彩鋼房類危險源風險的空間分布劃分為5 個等級（較低、低、中等、高和較高），根據處理得到評價指標空間結果及其相應權重系數（表1），通過層次分析法和層次分析-熵權組合法分別計算得到彩鋼房類危險源風險分布結果，見圖7。

表1 高速鐵路外部環境彩鋼房類危險源風險權重

圖7 彩鋼房危險源風險評估空間分布

從風險級別的空間分布尺度考慮，較低危險區面積占比94.34%，主要地物類別為自然地物（如植被、水體、裸地等）、結構穩定地物（如道路、構筑物）；低危險區面積占比約為1.28%，主要地物類別為距離線路較遠的彩鋼房；中危險區面積約占1.75%，主要為形變量較小的彩鋼房，風險性主要表現為發生形變的彩鋼房增加了其結構的不穩定性，其屋頂易受到風的影響進而對高速鐵路運行安全造成威脅；而高危險區和較高危險區面積占比1.74%和0.89%，主要為靠近高速鐵路的彩鋼房地物。兩種模型的差別體現在距離鐵路的遠近及彩鋼房的形變量，在大風天氣影響下容易侵入限界，風險性較大。

通過比較層次分析法和層次分析-熵權組合法得到的彩鋼房類危險源評估結果，可以發現兩種模型得到的風險性評估結果在空間分布格局上差異較為明顯。與層次分析法相比，層次分析-熵權組合法得出的較高風險區小0.67%，高風險區大0.40%，中等風險區小0.10%，低風險區大0.24%，較低風險區差異不明顯，相差0.13%，見表2。其中，高危險區和較高危險區面積此消彼長，都主要分布在鄰近線路兩側區域，差異主要體現在彩鋼房類危險源的穩定性指標。

表2 彩鋼房類危險源的風險等級面積占比

本文彩鋼房類危險源風險評估結果中，鄰近高速線路兩側及彩鋼房穩定性差的區域以高風險區為主。通過將本文評估結果與外部環境隱患記錄臺賬及風險事件進行比較，層次分析-熵權組合法評估模型的計算結果更符合實際情況［9］。

3 防治管理建議

1）建立分級、分層風險管控制度。基于層次分析-熵權組合法評估模型建立有效評估機制，對彩鋼房類危險源進行有效分級，重點關注高風險及較高風險的彩鋼房類危險源。

2）充分發揮地方政府、鐵路監管機構作用。高風險及較高風險的危險源依法應由地方政府、鐵路監管機構責令整改，拆除或加固彩鋼房類危險源，推動危險源問題盡快解決。

3）加大路外宣傳力度，凈化外部環境。加大對高速鐵路沿線群眾守法護路的宣傳教育，如在沿線兩側重點地段、處所設置安全警示標志；充分利用信息平臺和地方電視、報紙、廣播電臺等媒體，開展愛路護路公益宣傳，以達到鐵路沿線減少自建彩鋼房的目的。

4 結論

1）利用高分辨率衛星影像，基于面向對象的方法可以實現高速鐵路沿線危險地物的自動提取。

2）選擇風速、高程、坡度、至線路距離、彩鋼房穩定性5個因子作為京津高速鐵路北倉站風險性評估因子，采用層次分析法、層次分析-熵權組合法進行風險性評估。從空間上分布格局分析，較高危險區和高危險區均主要分布在鄰近線路兩側區域，兩種模型的差別體現在彩鋼房穩定性指標上；低危險區和極低危險區則主要分布在遠離線路的區域，主要地物類別為自然地物及結構穩定的構筑物。通過將本文評估結果與外部環境隱患記錄臺賬及風險事件進行比較，層次分析-熵權組合法評估模型的計算結果更符合實際情況。

3）可以通過建立風險管控制度、發揮監管機構作用及路外宣傳等，有效降低高速鐵路外部環境彩鋼房類風險。