基于云模型的铁路危险货物专用线风险评价研究

张 辉，陈志先，宫丹青，张铁金，史 村

(1.中国铁道科学研究院集团有限公司运输及经济研究所，北京 100081；2.中国铁路南宁局集团有限公司货运部，广西 南宁 530029；3.中国铁路北京局集团有限公司货运部，北京 100860；4.中国国家铁路集团有限公司办公厅，北京 100844；5.北京中铁科客货运输技术有限公司运输技术研发中心，北京 100081)

0 引言

铁路专用线作为解决铁路运输“最后一公里”的重要基础设施，是调整运输结构、推进铁路运输供给侧结构性改革的重要抓手，对降低全社会物流成本、节能减排、发挥综合交通效率、提升经济社会效益具有重要作用。铁路危险货物专用线是危险货物铁路运输的重要组成部分，超过85%的危险货物都是在专用线内办理运输[1]。我国现有铁路危险货物专用线共计约1 600 条，接轨站约900 多个，经统计80%以上的危险货物装卸车安全问题都是在专用线发生的[2]，一旦发生事故，不仅会造成人员伤亡、财产损坏或环境污染，还可能造成严重的社会影响[3]。因此，加强铁路危险货物专用线的安全管控是确保铁路危险货物运输安全的重要手段。

除日常监管外，安全评价是保障铁路危险货物专用线运输安全的重要手段。《危险化学品安全管理条例》(中华人民共和国国务院令第591 号)和《铁路危险货物运输管理规则》(铁总运〔2017〕164 号)规定在用危险货物专用线必须进行三年一次的安全现状评价，对专用线单位资质、储存装卸设施设备、消防设施设备、安全管理、应急救援等各方面进行全面评价。《国铁集团安全专项整治三年行动计划》(铁安监〔2020〕107 号)中亦将安全评价作为检查重点。目前铁路危险货物专用线安全评价存在以下问题，如一些安全评价机构与铁路存在脱节，部分技术人员对铁路运输业务缺乏了解、不熟悉中国国家铁路集团有限公司和铁路局集团公司相关技术要求和标准文件，评价方法多采用简单的安全表检查法进行定性评价，受人为主观影响较大，难以量化铁路危险货物专用线真实风险水平。

铁路危险货物专用线风险评价是一项复杂的问题，涉及范围较为广泛，受到诸多因素影响，有些因素模糊性和不确定性较强，难以进行精确的定量分析[4]。目前在铁路危险货物专用线风险评价方面常用的方法包括安全表检查法、事故树分析法、层次分析法、模糊分析法、模糊层次分析法等，其中，安全表检查法和事故树分析法难以量化铁路危险货物专用线运营风险，层次分析法、模糊评价法[5]、模糊层次分析法[6]、动态模糊理论[7]虽然可将评价结果量化，但是这类方法依靠专家打分法确定评价指标的权重，导致方法的主观性和随意性较强。部分学者采用神经网络法等智能算法[8]，这类算法需要大量的样本数据进行训练学习，现有研究样本量较少，所得评价结果泛化性较差。云模型是在概率论和模糊集合理论的基础上，通过构造特定算法，形成的一种定性概念与其定量表示之间的不确定性转换模型[9]。相比于其他风险评价方法，云模型能够将模糊化的评价数据定量化到确定度，避免原始数据的模糊化，可以有效解决传统风险评价方法主观性太强的问题，被逐渐应用到多准则决策[10]、风险评价[11]、质量评价[12]等诸多领域。

在此，针对既有铁路危险货物专用线风险评价模型不足等问题，依据既有规章制度、现场安全检查重点，构建铁路危险货物专用线风险评价指标体系，采用C-OWA 算子确定风险评价指标权重，建立基于云模型的铁路危险货物专用线风险评价模型，并以湛江港某企业铁路危险货物专用线进行实证分析，以期为铁路危险货物专用线现场安全检查提供借鉴。

1 云模型基本理论

1.1 云模型定义

设U为定量论域，x为U中的元素。C是U的定性概念，若对C的确定度μ(x)∈[0，1]具有稳定倾向的随机数，则称μ(x)在定量论域U上的分布为正态云，每一个x就称为一个云滴。正态云模型特征可由3个数字特征值来描述：期望Ex，熵En，超熵He。期望Ex是反映定性概念的点，即云滴在U中的平均值；熵En反映了定性概念的不确定性，En越大，对象的模糊性和随机性也就越大，概念的确定性也越难量化；超熵He是熵的熵，表示熵En的不确定性。正态云模型的3个数字特征如图1所示。

图1 正态云模型的3个数字特征Fig.1 Three numerical features of normal cloud model

1.2 云发生器

云模型的计算是依靠云发生器进行的，云发生器是一种通过计算机运算实现定性模糊概念与定量确定数值间映射转化的科学工具[9]，按功能可分为正向云发生器(Forward Cloud Generator，FCG)和逆向云发生器(Back-ward Cloud Generator，BCG)。

FCG就是由定性概念到定量表示的过程。其输入为表示定性概念的数字特征值(Ex,En,He)及所要生成的云滴数量n，输出的云图中包含n个云滴Drop(xi，μ(xi))，表示在云图空间中的精确位置。BCG和正向发生器正好相反，它表示的是将准确的数据通过发生器转化为定性的概念，并生成数字特征值(Ex,En,He)来反映云滴整体。FCG和BCG云发生器如图2所示。

图2 云发生器Fig.2 Cloud generator

2 铁路危险货物专用线风险评价模型

2.1 风险评价指标体系构建

按照《危险化学品安全管理条例》《铁路危险货物运输安全监督管理规定》《铁路危险货物运输管理规定》等规定，每3年铁路危险货物专用线产权单位应委托具有资质的安全评价机构，对专用线危险货物装卸、储存作业场所和设施等安全生产条件进行安全评价，并出具安全评价报告。《铁路危险货物办理站、专用线(专用铁路)货运安全设备设施暂行技术条件》明确了铁路危险货物专用线货运安全设施设备的相关技术条件。从铁路危险货物专用线作业特点出发，综合铁路监管部门安全检查重点，结合既有文献研究成果[4-8]，构建由6 个一级指标、23 个二级指标的铁路危险货物专用线风险评价指标体系。铁路危险货物专用线风险评价指标体系如表1所示。

表1 铁路危险货物专用线风险评价指标体系Tab.1 System of risk evaluation indicators for railway industrial sidings for dangerous goods

2.2 评价指标标准云的确定

通过征求专家意见，结合铁路危险货物专用线现场实际情况，将铁路危险货物专用线风险指标的评价等级分为5 个风险等级，分别用“极低风险”“较低风险”“中风险”“较高风险”“极高风险”来描述，对应的评分区间分别为[1，2]，[3，4]，[5，6]，[7，8]，[9，10]，分值越高代表该评价指标的风险越大。根据云模型理论，采用公式(1)确定双边约束的评语和参数，即对于每一个评分等级区间[Xmin,Xmax]其对应的标准云模型数字特征(Ex，En，He)可采用公式(1)确定。评价标准等级划分及其云模型参数如表2所示。

表2 评价标准等级划分及其云模型参数Tab.2 Hierarchical classification of evaluation criteria and cloud model parameters

式中：Xmin，Xmax分别为评价指标评分等级的上限和下限；k为常数，可以依据变量的模糊度进行调整，在此取值0.05。

把表2中得到的云模型特征参数输入已编制好的程序中，设置云滴数量为3 000，生成每个评价等级的标准云图，评价指标标准云图如图3所示。

图3 评价指标标准云图Fig.3 Standard cloud chart of evaluation indicators

2.3 基于C-OWA算子的评价指标权重计算

评价指标权重的赋值是否恰当，会直接影响风险评价结果。常用的权重赋值方法，如层次分析法、熵权法等，大多是直接采用专家打分的方法给出指标权重或简单加权处理，并未考虑专家的主观偏好，从而影响最终权重的准确性和合理性。为削弱专家由于主观偏好所导致的负面影响，采用C-OWA 算子为指标赋权[9]。C-OWA 算子可以有效降低专家主观因素的影响，使指标权重确定更具有说服力和客观性。

运用C-OWA算子进行指标赋权步骤如下。

步骤1：邀请n位铁路局集团公司危险货物运输主管、铁路危险货物领域专家、专用线安全管理人员，对一级评价指标和二级评价指标重要性进行打分，分值范围为1～10 分，分值越大说明指标重要程度越大。专家打分构成评价指标的初始决策数据集(a1，a2，…，an)，对初始决策数据从大到小排列并从0开始排号，得到数据集(b0，b1，b2，…，bn-1)，其中，(b0≥b1≥b2…≥bn-1)。

步骤2：运用组合数计算打分数据的权重，即组合数cjn-1决定数据bi的权重θj+1，其中即

步骤3：通过权重θj+1依次对决策数据加权，得到指标因素的绝对权重，可表示为

式中：i∈[1，m]；j∈[1，n]；m为指标的个数。

步骤4：计算指标因素的相对权重wi，即

2.4 基于云模型的铁路危险货物专用线风险评价模型

针对某条待评价的铁路危险货物专用线，邀请n位铁路局危险货物运输主管、铁路危险货物领域专家、专用线安全检查人员，根据该专用线安全评价报告、安全评估报告、现场检查情况，对该专用线各二级风险评价指标(风险项)进行打分，打分区间为1～10，数值越大表明该指标风险越大。设专家打分集为{P1，P2，…，Pk，…，Pn}，其中Pk为第k(k=1，2，…，n)位专家对某个二级风险评价指标的主观打分值。基于云模型的铁路危险货物专用线风险评价具体步骤如下。

步骤1：计算二级评价指标云数字特征参数。通过逆向云发生器将二级评价指标的专家打分值转化为云模型数字特征参数，采用公式(5)计算出该指标的云数字特征参数(Exi，Eni，Hei)。

步骤2：计算一级评价指标云数字特征参数。对于上一级评价指标的综合运算，属于下一级概念综合到上一级概念的问题，即将2 个或2 个以上的二级评价指标云模型综合成一个更广义的云模型，在综合过程中需将二级评价指标的权重考虑进去。采用公式(6)将各二级评价指标云模型转化为一级评价指标综合云模型。

式中：m为各一级评价指标下属的二级评价指标的个数；wi为各二级评价指标的权重值。

步骤3：确定综合评价云模型。采用公式(6)，由一级评价指标云模型数字特征参数和指标权重，计算得到铁路危险货物专用线综合云模型数字特征参数，生成云图与标准云图相比较，确定铁路危险货物专用线风险等级。

3 实证分析

3.1 湛江港某企业专用线概况

湛江港某企业铁路危险货物专用线，共有11 条铁路危险货物装卸作业线，长度共计4 056 m，主要办理危险货物品名为(罐装)原油、汽油、柴油、液氨发送和到达，硫磺发送业务，专用线共用单位14 家。该专用线共有装卸栈桥5 座，3 个储罐区、共计储罐59 座(总罐容53.7 万m3)、堆场64.13 万m2，危险货物装卸泵房2 座，相关安全管理人员和从业人员均已取得铁路危险货物运输从业资格证。湛江港某企业铁路危险货物专用线基本情况如表3所示。

表3 湛江港某企业铁路危险货物专用线基本情况Tab.3 Overview of an enterprise’s railway industrial siding for dangerous goods at Zhanjiang Port

3.2 基于云模型的专用线风险评价

（1）风险评价指标权重确定。邀请6 位相关专家对风险评价指标重要性进行打分，基于C-OWA 算子的铁路危险货物专用线风险评价指标赋权如表4所示。

表4 基于C-OWA算子的铁路危险货物专用线风险评价指标赋权Tab.4 Weighting of risk evaluation indicators for railway industrial sidings for dangerous goods with C-OWA operator

（2）云模型特征参数计算。邀请6 位铁路局集团公司危险货物运输主管、专用线现场安全检查人员对湛江港某企业专用线各项二级风险指标进行打分，根据公式(5)计算二级风险评价指标云模型特征参数，再根据公式(6)计算一级风险评价指标云模型特征参数。风险评价指标云模型特征参数如表5所示。一级风险评价指标云模型图如图4所示。

表5 风险评价指标云模型特征参数Tab.5 Feature parameters of cloud model of risk evaluation indicators

综合6 个一级评价指标云模型特征参数，采用公式(6)计算得出湛江港某企业铁路危险货物专用线风险综合云模型特征参数R=(3.57，0.22，0.27)，综合风险评价云模型图如图5所示。

3.3 模型评价结果分析

由图4可知，一级风险评价指标中平面布置及周围环境云(R1)、技术设施设备云(R2)介于“较低风险”和“一般风险”，更靠近“一般风险”，表示湛江港某企业铁路危险货物专用线在平面布置及周围环境、技术设施设备方面存在着一定的风险。据安全评价报告和现场安全检查记录，该专用线办理危险货物品名多、共用单位较多、专用线多，作业环境复杂，部分栈桥、装卸线与周边建筑设施安全距离不足，部分机泵高度小于规范要求。

图4 一级风险评价指标云模型图Fig.4 Cloud model map of primary risk evaluation indicators

安全设施设备云(R3)介于“极低风险”和“较低风险”，更靠近“较低风险”，说明该专用线安全设施设备风险评价等级为“较低风险”。据安全评价报告和现场安全检查记录，铁路装卸区消防器材未按规定配置齐全，部分装卸线未配备防溜装置和静电专用接地线。

安全管理云(R4)、人员管理云(R5)、应急管理云(R6)介于“极低风险”和“较低风险”，更靠近“极低风险”，说明该专用线在安全管理制度建设、人员管理及培训、应急管理等方面比较符合标准规范。

由图5可知，综合风险评价接近“较低风险”，表明该专用线整体风险处于“较低风险”，处于可控状态。该风险评价结果与安全评价报告、现场安全检查结果一致。

图5 综合风险评价云模型图Fig.5 Cloud model map for comprehensive risk evaluation

4 结束语

铁路危险货物专用线是开展铁路危险货物运输业务的重要场所，风险评价是确保专用线安全运营的重要手段。铁路危险货物专用线风险评价受诸多不确定因素影响，为克服既有安全评价方法中的不足，科学评价铁路危险货物专用线风险，利用云模型的模糊性和随机性特点，提出基于云模型的铁路危险货物专用线风险评价模型，并通过实证分析验证方法的有效性。通过云模型风险评价模型结果，可以直观地判断出铁路危险货物专用线的风险水平及潜在风险隐患，便于专用线产权单位开展风险辨识研判，实行安全风险分级管控和安全事故隐患排查治理双重预防工作。研究可以为保障铁路危险货物专用线运输安全，提高铁路危险货物专用线风险管理水平提供理论支撑。