基于变权模糊petri网的综合交通枢纽安全评价

褚鹏宇，刘 澜

(西南交通大学交通运输与物流学院， 四川 成都 610031)



·新能源汽车与低碳运输·

基于变权模糊petri网的综合交通枢纽安全评价

褚鹏宇，刘 澜*

(西南交通大学交通运输与物流学院， 四川 成都 610031)

为对综合交通枢纽安全进行评价，从人员因素、设备因素、行人设施、交通组织和环境因素5个方面识别影响枢纽安全的关键因素，建立枢纽安全评价指标体系；在利用AHP确定不同指标常权重的基础上，利用专家打分法评估指标安全状态，根据指标状态对常权重进行变权处理，建立基于变权模糊petri网的综合交通枢纽安全风险评价模型，设计相应的形式化推理算法，使推理过程更加简单、方便；以成都市某综合交通枢纽为实例进行安全评价，得出枢纽站的风险等级为安全。

安全评价；综合交通枢纽；层次分析法；变权重；模糊petri网

综合交通枢纽是以铁路、航空等为主要对外交通方式，并整合轨道交通、公共汽车、社会车辆、出租车、非机动车等交通方式，实现交通、商业、娱乐等多重功能的城市交通系统的“心脏”。作为城市交通的关键节点且集多种功能于一身的综合交通枢纽系统，由于人员密集、流动性大、交通流线易交织冲突、各种交通方式间运能不匹配和应急疏散保障不到位等问题，很容易遭到攻击和损害；因此，适时开展综合交通枢纽安全评价分析，主动掌握枢纽安全等级，及时发现安全薄弱环节，对于保障枢纽运营安全，降低安全事故发生的概率具有重要意义。

现阶段的安全评价方法主要有层次分析法[1]、模糊综合评价法[2]、BP神经网络方法[3]、多级可拓法[4]、模糊贝叶斯网络法[5]和数据包络法[6]等，然而这些方法均无法体现各影响因素的自身安全状态导致其在枢纽安全中的重要性变化。鉴于安全状态信息具有模糊、难以量化的特性，本文将模糊petri网引入到安全评价当中。首先利用层次分析法确定不同影响因素的相对权重，同时采用专家打分法对综合交通枢纽的安全影响因素状态做出评判。考虑到当系统中某一评价指标的安全状态较差时，其对于系统整体性能的“威胁”程度随之上升，例如当综合交通枢纽的电力设备处于极度危险状态时，枢纽发生火灾或者大规模停电的风险就会显著增大，此时依然采用恒定权重明显不符合工程实际。本文对模糊petri网加以改进，使得恒定的常权重输入变为随安全状态信息动态改变的变权重输入，并给出了相应的形式化推理算法，简化推理过程。

1 变权模糊petri网

定义1：变权模糊petri网可以用一个九元组表示：VWFPN=(P,T,I,O,μ,α,W,λ,M)，其中：P={p1,p2,…,pn}是一个模糊库所的有限集合；T={t1,t2,…,tm}是一个模糊变迁的有限集合；P∩T=∅，P∪T≠∅；I={θij},θij∈[0,1]为库所pi到变迁tj的输入矩阵，当pi是tj的输入时，θij为输入弧上的权值，否则，θij=0；O={ξij},ξij∈[0,1]为变迁tj到库所pi的输出矩阵，当pi是tj的输出时，ξij等于变迁tj的置信度，否则，ξij=0；μ：μ→[0,1]是一个映射，为变迁tj(tj∈T)对应的推理规则的置信度(CF)μj，μj=(μ1,μ2,…,μn)T,μj∈[0,1]；α：是一个映射，表示库所pi对应的模糊托肯值， α(pi)∈[0,1]；W={wij}为变权重输入矩阵，反映规则中前提命题对结论的支持程度，与输入矩阵I以及模糊托肯值α相关。文献[7]提到了基于变权理论的变权公式，本文借鉴这种变权方法并加以修改得到相应变权重wij的计算公式，见式(1)。其中，ρ∈[0,1]为变权指数，ρ值越大，则变权重wij越能体现影响因素的安全状态对常权重的影响，ρ=0时，则为常权模式，为简化计算本文中ρ统一取0.8。M是变权模糊petri网的标识，M=(α(p1),α(p2),α(p3),…,α(pn))T，初始标识用M0表示。

(1)

2 综合交通枢纽运营安全评价指标体系的建立

综合交通枢纽作为城市内部重要的换乘节点以及内外交通转换的结合部，具有空间体积庞大、结构复杂、设备多样且集成度高的特点，这直接导致致灾因素的多元化和分散化。高峰客流、管理不善、设备失灵、交通设施容纳能力不足等枢纽内部或外部、自然或人为因素都会引发枢纽安全事故的发生；因此，建立全面、科学、合理的安全评价指标体系对于准确、快速评估枢纽安全态势具有重要意义。

针对综合交通枢纽灾源复杂多变、孕灾环境层次众多的特点，本文在综合相关参考文献以及深入分析的基础上[4,8]，从“人、机、料、法、环” ，即人员因素、设备因素、行人设施、交通组织、环境因素5个方面选取影响枢纽安全的关键要素， 建立综合交通枢纽安全评价指标体系，如图1所示。

3 基于变权模糊petri网的综合交通枢纽安全评价

3.1 指标权重的确定

指标权重是安全评价模型的重要信息，反映了不同指标在评估过程中的地位和作用。综合交通枢纽的各安全影响因素对于系统安全的贡献度是不同的，因此需要根据不同指标的重要性差异分别赋予不同权重值，科学、合理地确定权重值是保证评价结论质量的关键所在[9]。本文采用层次分析法来确定各影响因素指标的权重值。根据图1，依次将指标体系划分为目标层A、准则层B、影响因素层C，分别构建下一层次的因素集对上层次某准则的判断矩阵，进而确定不同指标间的相对权重，具体计算过程参见文献[10]。至此，可以得到变权模糊petri网的常权输入矩阵In×m。

图1 综合交通枢纽安全评价指标体系

3.2 影响因素的安全状态评判

枢纽的安全等级是所有影响因素安全状态的综合反映，因此对影响因素的安全状态做出准确评判是枢纽安全评价的基础。安全状态等级划分如表1所示，共分为安全、警戒、危险、极度危险4个状态，数值越大则安全状态越差。因为绝对安全属于理想状态，现实中并不存在，故S≠0，S∈(0,1]。采用专家打分法依次对影响因素层的指标状态做出判断，假设第j(j=1,2,…,m)位专家对第i(i=1,2,…,n)个指标的评分为sj，则指标i的得分Si见式(2)，Si即为变权模糊petri网的模糊托肯值α(pi)。

。

3.3 基于变权模糊petri网的安全评价过程

利用变权模糊petri网模型对综合交通枢纽进行安全评价分析，参照枢纽安全评价指标体系，将库所pi同样划分为3个层次，目标层指标对应目标库所，准则层指标对应中介库所，影响因素层指标对应起始库所。库所与评价指标一一对应，托肯值α(pi)表示指标的安全状态，变迁tj表示评价过程的进行，变迁对应的模糊因子μj表示评价过程的可信度。目标库所p1的托肯值所对应的安全等级即为枢纽安全风险水平。变权模糊petri网对应的综合交通枢纽安全风险评价模型如图2所示。评价过程如下。

1)初始化变权模糊petri网的输入向量。

根据层次分析法以及专家打分法可以分别确定常权输入矩阵I、起始库所的托肯值α(pi)，中介库所与目标库所的α(pi)统一设定为0，进而确定初始标识M0。利用式(1)可以得到初始变权输入矩阵W0。同时对变迁阈值向量λ以及可信度向量μ进行设定，这里将阈值λj统一设定为0，μj统一设定为0.95。输出矩阵O中的元素ξij=μj，j=1,

2,…，m。

2)运用形式化推理算法进行推理。

Step1：令k=0，利用式(3)计算Mk+1；

Mk+1=M0+O⊗[(WkT·Mk)Θλ]。

Step2：令k=k+1 ，更新变权输入矩阵Wk，重复式(3)；

Step3：若Mk=Mk+1，则推理结束。

3)确定综合交通枢纽的安全等级。

检查标识Mk中目标库所p1的托肯值α(p1)，对照表1，确定综合交通枢纽定的安全风险等级。

图2 基于变权模糊petri网的安全风险评价模型

4 实例分析

以成都市某综合交通枢纽为评价对象，验证所提出的模型的有效性。从人员因素、设备因素、行人设施、交通组织、环境因素5个方面建立如图1所示的评价指标体系。

表2 A-Bi层判断矩阵及指标权重

表3 B1-Ci层指标权重及一致性检验值

表4 B2-Ci层指标权重及一致性检验值

表5 B3-Ci层指标权重及一致性检验值

表6 B4-Ci层指标权重及一致性检验值

表7 B5-Ci层指标权重及一致性检验值

组织20名安全领域专家，对该交通枢纽进行现场调研，对起始库所对应的评价指标的安全状态进行打分评判，根据式(2)对打分结果综合处理后，各个影响因素指标的得分见表8。

表8 起始库所对应指标的评分

经过上述分析，可以得出变权模糊petri网的常权输入矩阵I，由于指标过多，本文仅截取部分指标给出对应的常权重输入矩阵I′。

根据公式(1)，利用起始库所的状态评估值α(pi)对常权输入矩阵I进行变权处理，得到初始变权输入矩阵W0，这里同样截取部分指标给出对应的变权重输入矩阵W′ 。

对比I′和W′，可以看出安全状态较差的指标通过变权重对系统的影响程度得到提升，如监控设备常权重为0.20，安全状态评分α(p14)为0.78，即处于危险状态，表明枢纽内对关键区域的监控严重缺失，此时变权重增加到0.26。而处于相对安全状态的电力设备则由常权重0.33降低到变权重0.23。通过权重系数的改变使得评价结果更趋合理化。

利用形式化推理算法进行推理，初始标识向量M0=[0,0,0,0,0,0,0.58,0.42,0.72,0.57,0.68,0.31,0.45,0.78,0.61,0.57,0.21,0.45,0.25,0.13,0.73,0.51,0.13]，变迁阈值向量λ=0，初始变权输入矩阵W0及输出矩阵O为：

M1=M0+O⊗[(W0T·M0)Θλ]=[0.0,0.62,0.60,0.50,0.20,0.55,0.58,0.42,0.72,0.57,0.68,0.31,0.45,0.78,0.61,0.57,0.21,0.45,0.25,0.13,0.73,0.51,0.13]T。根据M1更新变权输入矩阵得W1。

M2=M0+O⊗[(W1T·M1)Θλ]=[0.55,0.62,0.60,0.50,0.20,0.55,0.58,0.42,0.72,0.57,0.68,0.31,0.45,0.78,0.61,0.57,0.21,0.45,0.25,0.13,0.73,0.51,0.13]T，此后继续迭代标识向量Mk的值不再改变，故M2为最终的状态向量。形式化推理算法的迭代步数只与推理深度有关，而与规则多少无关[11]，如本例中只要2步，可以充分利用petri网并行处理能力。

检查M2，易知目标库所的安全状态评分α(p1)=0.55，对照表1，可知该综合交通枢纽处于安全状态。这主要是由于该枢纽投入运营时间较短，各种设备均经过全面设计并且较新；人流与车流尚处于初期增长阶段，各种行人设施的容纳能力还有很大富余；交通组织合理，车流与人流之间没有较大冲突；值得注意的是，部分工作人员工作时间尚短，工作能力以及应对突发事件的能力还需要进一步提升，在这方面应加强相关培训；同时，安全管理环境也需要改善，日常设备检修与巡逻，以及应急预案的制订与演练都与安全事故的发生有很大关联性，在实际工作中要加以重视。

5 结论

为了对综合交通枢纽进行“主动式、预防式”安全风险管理，本文从人员因素、设备因素、行人设施、交通组织、环境因素5个方面构建枢纽安全风险评价指标体系。对不同安全影响因素进行提炼、总结，以期完整、全面、准确地反应枢纽面临的安全风险。采用加权模糊petri网建立综合交通枢纽安全风险评价模型，利用层次分析法确定不同评价指标对评价目标的指标权重。针对常权重在描述致灾因子对系统安全影响上具有刻板、主观的缺陷，提出变权模糊petri网模型，根据影响因素的安全状态对常权重进行动态的增益或衰减。基于形式化算法的变权模糊petri网模型具有简单、方便、易于实现的特点，充分利用了petri网的并行处理能力。通过实例验证，可以发现对综合交通枢纽进行安全评价可以快速掌握枢纽的安全动态，及时发现薄弱环节并作出整改，提高枢纽安全水平。

[1]贾水库, 温晓虎, 林大建, 等. 基于层次分析法地铁运营系统安全评价技术的研究[J]. 中国安全科学学报, 2008, 18(5): 137.

[2]王起全, 金龙哲. 大型活动拥挤踩踏事故模糊综合评估方法应用分析[J]. 中国安全科学学报, 2008, 17(9): 124.

[3]张正贵. BP 神经网络在地铁运营安全评价中的应用[J]. 现代城市轨道交通, 2012(4): 74.

[4]潘科, 王洪德, 石剑云. 多级可拓评价方法在地铁运营安全评价中的应用[J]. 铁道学报, 2011, 33(5): 14.

[5]陆莹, 李启明, 周志鹏. 基于模糊贝叶斯网络的地铁运营安全风险预测[J]. 东南大学学报(自然科学版)，2010, 40(5): 1110.

[6]朱昌锋. 基于DEA的城市轨道交通运营安全评价与分析[J]. 兰州交通大学学报, 2010, 29(3).

[7]潘科, 石剑云. 变权和相对差异函数在地铁运营安全评价中的应用[J]. 铁道学报, 2009(3): 20.

[8]李乾, 季常煦. 综合客运枢纽集散服务网络分析与建模[M].北京：中国物资出版社, 2011：45-53.

[9]李磊, 熊小伏, 沈智健. 基于变权重的变压器状态模糊综合评价方法[J]. 高压电器, 2014 (7)：18.

[10]邓雪, 李家铭, 曾浩健, 等. 层次分析法权重计算方法分析及其应用研究[J]. 数学的实践与认识, 2012, 24(7): 93.

[11]贾立新, 薛钧义, 茹峰. 采用模糊Petri网的形式化推理算法及其应用[J]. 西安交通大学学报, 2004, 37(12): 1263.

(编校：夏书林)

Safety Assessment for Integrated Transportation Hub Based on Variable Weight Fuzzy Petri Net

CHU Pengyu， LIU Lan*

(School of Transportation and Logistics ,Southwest Jiaotong University，Chengdu 610031 China)

In view of the important position of integrated transportation hub in urban traffic system, assessing the safety state more rapidly and accurately is of great significance for the security of integrated transportation hub. This paper discriminates the key factors that influencing the hub safety from five aspects: human factors, equipment factors, pedestrian facilities, traffic organization, and environmental factors. On the basis of using AHP to determine the constant weights of different indexes, the weights were altered according to the index safety states. An integrated transport hub security state assessment model was established based on variable weight fuzzy petri net, which makes the conclusion more objective and precise. Formal reasoning algorithm was given to simplify the reasoning process. In order to verify the validity of the model, a certain integrated transfer hub was taken as an example and the evaluation result indicates that the risk level of the hub is safe.

safety evaluation； integrated transportation hub;； AHP；variable weight；fuzzy petri net

2015-04-28

四川省科技支撑计划项目(2014GZ0019)。

褚鹏宇(1989—)，男，硕士研究生，主要研究方向为交通拥挤识别与预测。

*通信作者：刘澜(1965—)，男，教授，博士生导师，主要研究方向为运输自动化与交通控制，城市交通管理与控制。E-mail: jianan_l@home.swjtu.edu.cn；

X951

A

1673-159X(2016)05-0013-5

10.3969/j.issn.1673-159X.2016.05.003