以列车救援为例的轨道交通常规突发事件分析

郁琦晖 于浩恬 李佳威

摘要：轨道交通常规突发事件是轨道交通在日常运营生产中时常发生，且影响运营安全的事件。本文对建立轨道交通事件信息化的管理方法体系展开研究，在知识元理论的基础上对事件进行情景结构分析，构建轨道交通常规突发事件情景结构化体系。以列车救援为例，利用相似性算法对事件基础信息、事件结构、事件以及整个事件处置的相似度进行计算。研究结果表明，结构化纪录方式对轨道交通突发事件信息化建设及应急处置有着重要意义。

关键词：轨道交通常规突发事件，结构化情景分析，相似性

引言

在轨道交通日常运营过程中会发生突发事件，由于城市轨道交通系统具有行车密度高、列车运行间隔短、封闭性高的特点，一旦发生此类事件，会严重影响企业的生产运营，甚至危及乘客的人身安全。

关于应急管理和情景分析问题，目前国内外有较多研究。吴广谋[1]提出了事故重构的理论，推出态势再现模型，进行事故信息整合及事件情景重塑。在此基础之上，进行态势推演，并进行实例验证，建立了一种“情景-态势”下的事件应急管理预测体系。Werner K.Graber[2]利用群体决策方法制作了模拟灾害演变的应急决策系统。Ian Wilson[3]认为情景是现在与未来的一个个连接点或者是连接片段，事件通过这些点或片段进行展开，上下承接。目前地铁企业应对轨道交通突发事件是以“预测-应对”这种静态式模式为主要的应急管理模式[4]。但事件是动态的，用静态方式难免有缺陷。因此，本文以解决轨道交通常规突发事件的信息化表达为出发点，建立“情景-应对”的动态应急管理监管平台。

1 结构化体系模型

知识元是构成知识的最小单位以及知识系统的最小元素，也是构造知识结构的基元。是知识元的形式化表示，是构建知识元模型及知识元网络的基础。通过对知识元进行具体化表示可以更好地描述应急领域中突发事件的信息、知識和模型。知识元模型是从系统角度出发，归纳和提炼轨道交通常规突发历史案例的普遍规律，抽象地描述客观事物，实现系统基本单位化的模型[5]。该模型主要包含6个层级：事件、情景、情景维度、情景要素、情景属性及情景特征。

1.1 事件以及情景

在知识元模型中，事件可以表示为：

式中：为某一具体知识;为组成知识的知识元;为知识元序号。

事件的下一级子情景由各情景维度展开，可以表示为：

式中：为某一事件;为各子情景;为情景序号。

1.2 情景维度及要素

情景维度最大范围地包涵事件的情景信息，传统公共灾害学理论将事件的情景分为：事件维度、应急管理维度和承灾体维度，各维度间的信息存在着纽带紧紧相连。其中，事件维度包括事件发生的时间、事件级别、造成的影响范围、实体与虚拟伤害;管理维度指减轻事故危害所做出处理办法和处理所需的物资、相关人员、信息和资源等;承灾体维度是事故引起客流量的变化、事故存在的自然环境与社会环境等信息、危害表现和危害根本原因。将三种维度串联成网络，即形成完整的情景。

轨道交通情景要素描述服务于应急管理，应从轨道交通常规突发事件所带来的危害影响展开表示。承灾体中存在静态和动态要素，所以要在承灾体维度中选择必要的、关键的、不可缺失的情景要素进行细致刻画。应急管理维度主要以应急管理者执行的处置操作为主进行，描绘的是在出现轨道交通常规突发事件时，应急决策方面所提供的人力物力及财力。

1.3 情景属性及特征

情景属性是对要素信息的进一步表达。事件维度下存在时间和空间要素的属性;承灾体维度中，存在自然、交通、风险要素的属性;应急管理维度下则有管理主体、应对任务、资源配置等要素的属性。

情景特征是对突发事件某一属性的刻画，是一个事件表现出来的具体形式。每个属性都是以人们能够直接接收到的特征信息表达的。

1.4 结构化体系模型

突发事件是某一客观事物的运动状态向着另一个运动状态转换的突变过程。每个突发事件系统都存在着萌芽-前兆-发生-演化-控制-衰减-消亡的生命周期，每个事件生命周期的不同阶段也会伴随着相应事件的发生。而事件发生后均会经历事故发生-应急响应-应急处置-后期恢复这一过程。

根据上述对知识元模型中6个层级的描述，城市轨道常规突发事件可以用知识元理论建立一个结构化体系模型，见图1所示。

2 相似性算法

轨道交通的常规突发事件有很多，例如列车救援、触网失电、信号故障、车辆故障等。若能根据同类事件的分析，总结出处置经验，那么将会对轨道交通的安全有很重要的意义。故本文通过相似性算法来研究事件的相似度。主要从事件相似度以及事件处置相似度两个方面进行。

2.1 基础信息相似度

语义相似度算法认为两个词语w1与w2分别有n项概念和m项概念，且这些概念间的最大相似值可用于表示两个词语间的相似性。那么两个文本和的相似度可表示为：

2.2 事件结构相似度

事件链结构包括事件级别和情景个数，可用公式表示为：

2.3 事件相似度

假设某事件中的情景命名集合和子事件中情景命名集合分别为：

上式中，为事件里的第个情景名称，为事件里的第个情景状态名称，∈[0，1]。

而事件中的每个情景都会存在一个相比较后的最大值，将两个事件中的值之和最小值作为分子，两个事件所有相似性最大值的和作为分母，可求得整个事件的情景名称的相似度：

事件链中名称相似的情景包含事件维度与承灾体维度下的每个情景要素的属性与特征集合整体相似度可用以下公式表示：

上式中，和各是情景名称一样或相似度极高的两件事件的情景维度下的属性集合。∈[0，1]，值越小相似度越低，相反，则越高。

在公式（9）和公式（10）的基础上，事件链中情景状态集合的整体相似度：

2.4 事件处置相似度

首先，整个事件的处置任务及应急行动详细内容的相似性计算公式如下：

3 列车救援实例分析

3.1 案例描述

案例1：8月7日6：32，8号线0323#车（工程车）第二天试运行，该车出库后至宜山路上行停站后即自动收车。6：38，司机处置无效申请救援，运营调度安排后续出库0236#车进行救援。6：48，故障救援列车连挂作业完毕，安排经出库线车辆段。6：53，救援连挂车动车回库。

案例2：8月21日16时28分，1号线莘庄下行站台0156#车发生牵引故障，值乘司机处置无效后向运营调度申请救援;调度发布救援命令由后续0122#车救援。16时29分，0156#车司机接令后将无线手持台转入“列车救援组”模式，并点亮列车尾部头灯，与折返司机至客室切除B9阀进行救援准备。16时32分，救援车0122#车司机以close-in模式将列车运行至故障车处停车后，在未与故障列车司机联控的情况下就擅自进行连挂并推进。16时37分，调度发现救援连挂车在未获调度命令的情况下动车后联系救援车司机，并发令救援连挂车开999次，以切除ATP方式推进至莘庄下行站台清客后至折2线退出运营。动车过程中，故障车司机通过手持台与救援车司机联系未果，使用手机联系救援车司机，询问为何未联系即动车。救援车司机回复调度已下令，并将命令内容告知故障车司机，但46秒后通讯中断。16时41分，救援连挂列车至莘庄下行站台后清客。16时42分，0122#车清客完毕后，救援车司机在未得到故障车司机动车命令情况下，再次擅自推进列车驶向折2线，最高速度约17公里/小时。16时43分许，0156#车以约15公里/小时车速，与折2线滑移式挡车器发生碰撞，并继续推进约20米至轨道终端土挡拦停。

3.2 基础信息相似度计算

根据上述案例描述，将救援案例归纳为五个特征值：车辆系统、工作/休息日、条线、线路/车站、上/下行。根据公式（3）分别计算两个案例各类特征值的相似度，结果如表1所示。

将上述结果求平均值，可得出两案例的基础信息相似度为0.199934。

3.3 事件结构相似度计算

两件案例都是列车故障救援事件，都为五级预警事件，和都为5。案例一的节点数为4个，案例二的节点数有5个。根据公式（4）、（5）计算：可知，两个故障救援事件的事件级别的相似度为1，即完全相似;情景个数的相似度为0.8，相似度较大。

3.4 事件相似度计算

同理根据公式（10）求得事件链中情景名称最相似的情景（除应急管理情景维度）下每个情景要素的属性及特征集合的整体相似度和为0.56。按照公式（11）设置权重与为0.6与0.4，则事件链中情景状态集合的整体相似度为0.728。

假设根据现场实际需要，分别赋予权重0.3，0.2，0.2，0.3，依照公式（12）整个事件的相似度为。故两个案例事件的相似度是63.8%，比較相似。

3.5 事件处置相似度计算

而在这两个情景状态下，面对应急任务下行车组织处置行为的具体行动特征有：

如果决策者更注重应急处置行为的区别，那么设置权重为0.4，0.1，0.5，则带入权重可得出两个案例处置的相似性结果为：。故这两个案例的处置相似程度是48.2%，一般相似。

4 结论

本文针对轨道交通突发故障事件的应急决策进行了专项研究，结合国内外学者在突发事件以及非常规突发事件的研究构建了轨道交通突发故障事件的结构化情景模型。并且提出了基于情景的轨道交通突发故障事件的相似度算法，以故障救援为例进行分析。在研究过程中得出以下结论：

（1）通过研究发现，目前轨道交通领域中针对应急决策方面的研究还不够深入。尽管已有学者将“情景”这一概念运用于轨道交通应急事件中，但基于数据的研究仍然比较少。如何应用情景来研究分析突发事件的现状以及确定轨道交通应急事件中情景的关键要素，是亟待解决的关键问题。因此，本文基于实际事件进行情景建模是有必要的。

（2）目前轨道交通领域在事件记录方面主要是以纯文本的记录形式，并且没有相关的记录标准，导致对事件的描述形式多样，为案例研究以及业务培训造成了阻碍。目前的记录方法无法适用于机器学习，在整个行业智能化信息化的趋势下，这样的记录方法必须改进，必须结构化以适用于信息化。

（3）本文以“事件-情景-维度-属性-特征”的主体思路将轨道交通突发故障事件进行结构化的分解及整合，并以此为基础进行了情景建模。

（4）为了将结构情景模型运用于实际的轨道交通突发故障事件的应急决策中，本文以此情景模型为基础提出了轨道交通突发故障事件的相似度分析的算法，并以实例对相似度算法进行了适用。

参考文献

[1] 吴广谋，赵伟川，江忆平. 城市重特大事故情景再现与态势推演决策模型研究[J]. 东南大学学报（哲学社会科学版） 2011，13（1）：18-23.

[2] 张辉， 刘奕. 基于“情景-应对”的国家应急平台体现基础科学问题与集成平台[J]. 系统工程理论与实践， 2012， 32（5）： 947-953.

[3] 张磊， 王延章， 陈雪龙. 基于知识元的非常规突发事件情景模糊推演方法[J]. 系统工程学报， 2016， 31（6）： 729-738.

作者简介：

杨海红（1979.12—），女，上海人，本科，工程师，上海申通地铁集团有限公司运营安全监督管理部，主要研究方向：轨道交通运营安全管理、轨道交通行车作业安全。

1. 上海申通地铁集团有限公司，上海201103; 2. 宁波港铁路有限公司，上海201620; 3. 上海磁浮交通发展有限公司，上海201204