基于SEM-CM模型的城市軌道交通運營安全評價研究

摘" 要：城市軌道交通是公共交通中的重要組成部分，確保運營安全平穩有序是城市軌道交通行業的重要職責。針對目前研究城市軌道交通運營安全的諸多模型中，存在的主觀性較強，缺乏客觀數據支撐問題，引入結構方程（SEM）結合云模型（CM），構建城市軌道交通運營安全評價模型，從設施設備、管理層面、人為因素、自然環境4個方面構建評價指標體系，通過SPSS、Amos軟件運用結構方程對各項指標數據進行信效度檢驗及適配度分析，挖掘出數據內部的重要特征后得出相應權重。然后，計算出各指標的云模型數字特征，使用Matlab軟件繪制出云圖，進行結果對比分析。以貴陽市城市軌道交通為例，得出最后結論表明該模型能更好消除主觀性，與實例的實際運營情況相符。

關鍵詞：軌道交通；運營安全評價；結構方程；云模型；評價指標

中圖分類號：U121" " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2024）17-0082-04

Abstract： Urban rail transit is an important part of public transport， and it is an important responsibility of urban rail transit industry to ensure safe and orderly operation. In view of the strong subjectivity and lack of objective data support in many models studying the operation safety of urban rail transit， the structural equation model （SEM） combined with cloud model （CM） is introduced to construct the evaluation model of urban rail transit operation safety， and the evaluation index system is constructed from four aspects： facilities and equipment， management， human factors and natural environment. Through SPSS， Amos software use structural equation to test the reliability and validity of each index data and analyze the fitness， dig out the important characteristics of the data and get the corresponding weight. Then， calculate the digital characteristics of the cloud model of each index， use the Matlab software to draw the cloud picture， and compare the results. Taking Guiyang urban rail transit as an example， the final conclusion shows that the model can better eliminate subjectivity， which is consistent with the actual operation of the example.

Keywords： rail transit; operation safety evaluation; structural equation model; cloud model; evaluation index

自城市軌道交通高速發展以來，公共交通分擔率日益增長，軌道交通運營安全也成為了各城市密切關注的問題，為切實加強交通運輸安全穩定工作、確保城市軌道交通安全運行，各家軌道交通運營單位采取了各種培訓、演練、預想等措施，力爭運營安全方面零事苗、事件發生。在這方面國內外學者也做出了諸多深入研究，例如，倫敦地鐵通過對員工、乘客進行風險分析，預測軌道交通運營過程中危險因素存在的各種風險，分析出原因后，及時采取措施整改運營狀況[1]。 已有90多年運營史的日本地鐵[2]，一直在努力更新設備、技術確保軌道交通運營安全。侯靖宇[3]采用熵權法、可拓理論相結合的方法，建立模糊綜合方法對軌道交通運營安全進行評價。張渺[4]運用組合賦權、云模型相結合構建地鐵運營安全評價模型，得出評價結果與實際結果相符。

城市軌道交通運營安全評價，綜合考慮因素廣。結構方程理論在綜合指標評價中較為成熟，對指標權重的確定實用性強。間接影響因素較多，對觀測變量（潛在變量）的分析處理傳統方法已經不適用，結構方程能夠靈活處理觀測變量存在的弊端之處，間接經過觀測指標的數據資料反映潛變量，可允許存在一定測量誤差以此提高模型的擬合優度；云模型對于評價過程中的隨機性、模糊性具有很好的解釋，通過數字特征Ex、En、He進行定性概念與定量之間的轉換，通過云圖可以直觀將定性指標定量化之后進行數字化表述，提高評估結果可靠性。因此，本文將結構方程與云模型相結合對城市軌道交通運營安全進行評價。

1" SEM-CM模型構建

1.1" 評價指標體系選取

根據GB/T" 50438—2007《地鐵運營安全評價標準》[5]，深入分析各類學者在城市軌道交通運營安全中選取的評價指標并結合實際，綜合選取設施設備、管理層面、人為因素、自然環境4個一級指標12個二級指標，建立城市軌道交通運營安全評價指標集[6]，如圖1所示。

1.2" 基于SEM的指標權重確定

1.2.1" SEM基礎理論

結構方程模型（SEM）由測量、結構方程2部分組成。

測量方程表達式

式中：x、y表示外、內生顯變量；∧x、∧y表示x與ξ之間的系數矩陣、y與η之間的系數矩陣；ξ表示外源潛變量；η表示內生潛變量；δ表示x測量誤差；ε表示y測量誤差。

結構方程表達式

η=Bη+Гξ+ζ，（2）

式中：B、Г表示系數矩陣，ζ表示方程中的干擾項。

1.2.2" 基于SEM的評價指標因素分析

SEM由測量、結構模型2部分組成，測量模型由潛在、觀測變量組成，由評價指標體系可知，城市軌道交通運營安全評價體系包括4個潛在變量、12個觀測變量。將測量模型導入Amos軟件中，與結構模型相結合得出SEM模型如圖2所示[7]。

評價指標體系原始數據通過問卷調查的方式，邀請軌道交通行業專家及專業知識豐富、業務能力強的員工進行問卷填寫，數據權威性較高，原始樣本數據獲取后經過SPSS處理，得出Cronbach'α系數對樣本數據的信度進行檢驗（表1）。

樣本數據信度值檢驗通過后，運用KMO和Bartlett來分析數據效度檢驗（表2）。

將信效度達標后的數據導入SEM模型中，通過Amos軟件進行一階、二階適配度檢驗，選擇卡方自由度比χ2/df、調整適配度指數AGFI、適配度指數GFI、比較適配指數CFI、增值適配指數IFI、非規范適配指數TLI與近似誤差均方根RMSEA等指標進行模型的適配度檢驗（表3）。

運用Amos軟件得出各評價指標的路徑系數，通過路徑系數運用式（3）計算出評價指標權重[8]。

式中：WU為各評價指標權重；λu為路徑系數。

將WUi表示為一階指標權重，WUij表示為一階指標i對應二階指標j權重i=1，2，3，…，n；j=1，2，3，…，n。計算公式均運用式（3）。

1.3" 基于云模型的評價方法

1.3.1" 云模型基礎理論

云模型（Cloud Model，CM）基本概念：設X為普通集合X={x}，且X?U（U精確數值的定量論域）T表示U上的一個定性概念，則x對于T的隸屬度為CT（x）∈[0，1]，是服從正態分布的隨機數，則每一個隨機數x的表達式見式（4）。

將定性概念T從論域U到區間[0，1]映射在空間中的分布稱為云模型，簡稱云（Cloud），每一個隨機數x為一個云滴，在云圖上為一個點。

1.3.2" 構建云模型評價標準

將城市軌道交通運營安全評價有效論域設置為[0，10]，其中[0，2）表示低風險、[2，5）表示較低風險、[5，7）表示中等風險、[7，9）表示較高風險、[9，10]表示高風險，分為5個等級標準，分別對應{V1，V2，V3，V4，V5}5個評語集，根據5個評語集計算出標準云的數字特征值（Ex，En，He）（表4），并繪制出標準云圖[9]（圖3）。

式中：Bimax、Bimin為區間i上的最大、最小邊界值，k取值為0.05。

表4" 評價標準等級劃分及對應的特征值

V={V1，V2，V3，V4，V5}，Vi表示一級評價指標，采用專家打分法按照區間[0，10]對二級評價指標分別進行打分。評價矩陣見式（6）。

第i個一級指標對應的第j個二級評價指標的評價矩陣為CUj，其各二級指標層面評價指標云（Exj，Enj，Hej）的基本計算方法如逆向云發生器步驟，公式具體應用見式（7）—（10）。

得出各二級評價指標的評價指標云，將評價指標云與各二級評價指標所對應的權重代入式（11），可得到各一級評價指標云。將各一級評價指標云與各一級指標所對應的權重代入下式（11），可得出最終的綜合評價云。

根據計算出的評價指標云，運用Matlab軟件繪制對比云圖，與劃分的區間[0，2）低風險、[2，5）較低風險、[5，7）中等風險、[7，9）較高風險、[9，10]高風險與繪制出來的標準云對比，得出評價結果。

2" 實例分析

以貴陽軌道交通1、2、3號線為例，將SEM-CM評價模型運用在實際中，邀請軌道行業內具有經驗豐富的運營經歷、業務能力強的專家及工作人員對貴陽軌道交通實際運營安全的調查問卷打出分值。

2.1" 權重計算

運用SPSS進行信效度檢驗，Cronbach'α為0.853，KMO為0.895，Bartlett顯著結果為0.000，信效度檢驗較好，將檢驗通過的數據導入SEM模型中進行適配度檢驗，一階模型適配度較好，運算出二階模型適配度值結果為χ2/df=1.112，AGFI=0.989，GFI=0.978，CFI=0.996，IFI=0.998，TLI=0.985，RMSEA=0.019，適配度均通過。最后，運算出各評價指標的路徑系數，通過公式算出評價指標對應權重（表5）。

2.2" 綜合評價

根據各專家及工作人員對貴陽軌道交通運營安全的評價意見，可通過云模型得出各評價指標的數字特征值見表6。

由式（11）計算出貴陽軌道交通運營安全評價綜合云的數字特征為（2.760，0.243，0.063），為風險較低，與實際運營情況相符合，評價云圖如圖4所示。

3" 結論

從設施設備層面、管理層面、人為因素、自然環境4個方面構建城市軌道交通運營安全評價指標，運用SPSS對樣本數據進行信效度檢驗，檢驗通過的數據導入Amos中，對SEM模型一階、二階適配度進行檢驗，檢驗均通過，表明數據真實較好，通過SEM模型得出路徑系數，通過公式計算出各評價指標權重。

運用CM模型，使用Matlab軟件繪制出標準云圖，再運用各評價指標權重運算出相應云數字特征，繪制出各評價指標云圖與標準云圖相比較，得出結果與實際例子真實情況相符，驗證了運用SEM-CM模型對城市軌道交通運營安全評價具有客觀性較強、可信度較高的優勢。

參考文獻：

[1] REILLY J， BROWN J. Management and control of cost and risk for tunneling and infrastrueture Projeets[J].Tunnelling and Underground SPace Teehnology，2004（3）：29-33.

[2] 孫義.淺析日本地鐵運營特點[J].科技創新與應用，2016，（14）：277-278

[3] 侯靖宇.基于熵權法的地鐵運營安全模糊綜合評價方法研究[J].隧道建設，2016，36（12）：1465-1470.

[4] 張渺.G1-EW組合賦權云模型下地鐵運營安全風險評價[J].中國安全科學學報，2022，32（6）：163-170.

[5] 地鐵運營安全評價標準：GB/T 50438—2007[S].

[6] 王鵑.多級可拓評價方法在地鐵運營安全評價中的應用[J].運輸經理世界，2022（15）：134-136.

[7] 吳明隆.結構方程模型：AMOS的操作與應用（第2版）[M].重慶：重慶大學出版社，2017.

[8] 卓國斌.基于結構方程模型的慢行交通系統公眾評價與優化[D].深圳：深圳大學，2020.

[9] 任剛，陳佳潔，高瑾瑤，等.基于改進可拓物元法的地鐵車站運營安全評價方法[J].城市軌道交通研究，2020，23（3）：136-139.