城市轨道交通路网运营设备安全状态评估方法

高 勃，祝凌曦，肖雪梅

城市轨道交通设备是实现乘客运输的重要手段，设备的运行状态直接影响城市轨道交通路网的安全运营。据不完全统计，80%左右的城市轨道交通事故是因设备故障而引起的。城市轨道交通网络化运营条件下，线路建设时间不同，部分线路设备老化，部分线路的大量新设备未经充分调试就投入使用，给正常运营带来了较大的影响。一旦设备发生故障，就会严重影响乘客生命及财产安全，影响城市轨道交通的正常运营。2011年7月5日上午9点左右，地铁四号线动物园站A口上行电扶梯发生故障，造成1人死亡，2人重伤，26人轻伤。

传统的城市轨道交通的安全研究多数实现了以车站或者线路为单位的运营关键设备局部安全评价，而缺少面向全局的研究。安全态势感知理论在网络和道路［1－6］等领域已经得到了广泛的应用，其通过技术手段从空间和时间维度来感知和获取安全相关元素，通过对数据信息的整合分析来判断安全状态并预测未来的发展趋势。基于多源信息融合和复杂网络理论［7－10］，作者拟通过研究城市轨道交通路网运营设备与路网空间信息的有效匹配和融合，构建城市轨道交通路网运营设备安全状态评估模型。经过设备状态融合和节点态势融合，形成面向路网运营设备安全状态，以期获得更准确的、面向全局安全状态的描述和评估，实现城市轨道交通运营安全从微观描述向宏观描述的转化。

1 多层次评估模型

借鉴网络安全态势感知的研究，将各类设备所处的车站或者区间看作是采集路网设备安全状态信息的传感器，通过采用多源信息融合和复杂网络理论，对各种城市轨道交通路网运营设备状态进行分析、综合和融合，最终形成具有相关和集成特征的能够表征路网运营设备的安全状态。针对城市轨道交通路网运营车站、区间和路网结构模式的特点，本研究采取自下而上、先局部后整体的方法构建了多层次评估模型，如图1所示。

图1 城市轨道交通路网运营设备多层次评估模型Fig.1 Multi－level evaluation model of urban rail transit network operating equipments

第一层为信息空间层：每个节点代表设备，反映了局部节点（车站或者区间）某一设备的安全状态。分属在不同时间、不同空间（车站、区间）构成观测集Si＝［si1，si2，…，sij］，其中sij表示第i个节点的第j个设备。

第二层为要素融合层：首先对设备进行无量纲处理，作为局部节点状态评估的信息源；之后，基于D－S证据理论，通过设备的融合，形成局部节点的设备安全状态估计yj。各局部节点构成了观测集Y＝［yi］，i＝1，2，…，n，n 表示路网中节点／区间的个数。

第三层为节点融合层：基于各局部节点在整个路网运营过程中的重要度P＝［p1p2… pj］，通过局部节点的安全状态融合θ＝f（Y，PT），形成面向全局的、能够表征路网运营设备安全状态，用θ表示，取值范围［0，1］。

该模型先获得局部的设备安全状态，然后通过对局部信息的融合，形成面向全路网的设备安全状态评估。它具有既能够满足面向全局的安全状态评估，又具有局部状态评估的能力，从而实现城市轨道交通路网多粒度的安全状态评估。

2 基于D－S和复杂网络方法的评估方法

底层设备信息构成状态矩阵为：

城市轨道交通运营设备的种类很多，它们从不同侧面、不同程度和不同层次上反映了节点状态的好坏。当设备数值类型不同时，对设备的数据进行归一化处理。

1）对于经济型指标进行无量钢化处理：

2）对于效益型指标进行无量钢化处理：

式中：xmaxj和xminj分别为各评价对象第j个评价指标的最小值和最大值。

通过式（1）和式（2）得到的xij都是［0，1］区间上的效益型评价指标。无量纲化处理后形成证据体空间：

2.1 基于D－S节点状态评估

1）基本概率函数赋值BPA

在目前各种状态评估中，一般采用4级或5级划分。本研究采用5级划分法，确定证据推理节点层的识别框架Θ＝｛F1，F2，F3，F4，F5｝，其中：F1为危险状态；F2为临界状态；F3为一般状态；F4为良好状态；F5为优秀状态。对应的模糊评价 为 P （F）＝ ｛P （F1），P （F）2，P （F3），P（F4），P（F5）｝＝｛0.2，0.4，0.6，0.8，1｝。

在D－S证据理论模型中，基本概率赋值函数BPA是一个非常关键的内容，也是实际应用中最难确定的。一般来讲，BPA的获取与应用领域有密切的关系。本研究通过分析设备对车站运营的影响，来确定基本概率赋值M（Fi）。

2）设备权重的计算

木桶理论认为，一个由多块长短不同的木板箍成的木桶，决定其容水量大小的并非是其中最长的那块木板或全部木板长度的平均值，而是取决于其中最短的那块木板。把传统木桶理论引进安全领域认为，系统的安全性取决于“马奇诺防线”中最为薄弱的环节。根据木桶理论，如果某项指标超标或者处于劣化状态，为对其惩罚，那么它的权重系数相对于其他项指标应该相对较低。本研究通过AHP法获得各设备的常权权重，再采用姚炳学［7］提出的基于均衡系数的变权理论，得到第i节点第j个设备的动态权重，从而实现对部分指标的惩罚：

式中：ωij为第i节点第j个设备的变权权重；ω0ij为第i节点第j个设备的常权权重。

一般情况下，当不能容忍某些因素严重缺陷时，α＜0.5；当各因素的均衡问题考虑不多时，α＞0.5。

3）节点设备的融合

为了对证据冲突进行更好的融合，刘洁莉［8］在李弼程［9］提出的证据合成基础上，针对态势评估中证据在合成中的重要度不同，通过引入证据权重，提出了一种新的D－S证据理论合成方法。该方法提高了态势评估中证据合成的合理性与可靠性，更符合实际情况。因此本研究采用该方法实节点状态评估的证据加权组合：

根据置信度最大原则，确定节点设备状态：节点i 的 状 态 评 估 序 列 mi（Fk）＝ ｛mi（F1），mi（F2），mi（F3），mi（F4）｝，评价对象所属状态等级为k＊，满足 Fk＊＝max｛mi（F1），mi（F2），mi（F3），mi（F4）｝，从而确定节点设备的状态等级，得到状态yi。

2.2 基于复杂网络的节点状态融合

1）路网模型构建

借鉴图论的思想，将城市轨道交通路网拓扑结构抽象为由若干节点和有向边构成的模型，如图2所示。

图2 城市轨道交通路网结构示意Fig.2 Network model of urban rail transit

该路网模型由集合G＝（V，E）表示，其中：V为车站的集合，V＝｛vi｝，i＝1，2，…，N，N 为路网中车站的个数；E为有向边的集合，E＝｛eij｝，i，j＝1，2，…，N，i≠j，边eij为两个相邻节点（车站）的有序对〈vi，vj〉。

定义1 节点介数bi：网络中，所有的最短路径中经过该节点的数量比例，反映了该节点在整个路网中的作用和影响力。

定义2 边介数uij：网络中，所有的最短路径中经过该边的顶点对的最短路数量，反映了该边在整个路网中的作用和影响力。

2）重要度计算

城市轨道交通以实现乘客运输为最终任务。在考虑路网模型车站和区间重要度时，要考虑路网的拓扑结构，还需要考虑客流量。

定义3 结构重要度ψi：点／边的介数占各点／边的介数总和的比值。

定义4 客流重要度φi：点／边的客流量占各点／边的客流量总和的比值。

式中：ci为节点的客流量；fi为边的客流量。

定义5 综合重要度pi：结构重要度和客流重要度的一个综合值。

为使pi尽可能与ψi和φi接近，借鉴最小鉴别信息原理［10］，计算得到综合重要度：

通过拉格朗日方程求解，得：

随着客流量的变化，不同时间段车站和区间在路网中的重要度是动态变化的。

3）节点状态的融合

利用设备所属车站和区间在路网模型中的重要度进行融合，从而得到面向路网运营设备安全状态：

3 实例分析

以北京城市轨道交通路网为例，进行分析。截止2013年4月，北京城市轨道交通共有15条线路、225车站投入运营。通过调研分析，选取了影响车站安全运营的关键设备，构建了城市轨道交通路网车站设备安全状态多层次融合模型，如图3所示。

以西直门站为例，其客流量较大，包含2号线、4号线和13号线新旧线，部分设备老化严重，新设备处于磨合期，设备故障率较高。在不同时刻，西直门在静态权重和动态权重情况下，设备状态如图4所示。不同时刻，西直门站在路网中的重要度排序如图5所示。

图3 车站设备安全状态多层次融合模型Fig.3 Multi－level fusion model of station operating equipments

图4 不同时刻，西直门站在静态和动态权重情况下的设备状态Fig.4 Xizhimen Station’s equipments status in static and dynamic weight at different time

图5 不同时刻，西直门站的重要度排序Fig.5 Xizhimen Station’s importance at different time

本研究对路网在节点重要度不同、设备静态权重和动态权重、节点重要度相同或不同情况下，北京市城市轨道交通路网车站设备设施安全状态进行了对比分析，分析结果如图6所示。从图6中可以看出，在考虑设备动态权重和车站重要度的情况下，能够实现惩罚的作用。

图6 不同情况下的路网车站设备状态Fig.6 The network’s equipments status in different conditions

4 结论

提出了基于多源信息融合和复杂网络理论的城市轨道交通路网运营设备融合模型：基于D－S和复杂网络方法，对多源设备进行了融合评估。经过设备融合和节点态势融合，形成了面向路网运营设备安全状态。并以北京城市轨道交通路网为例进行了实证分析，证明了该方法的有效性。研究结果表明：基于多源信息融合和复杂网络理论的城市轨道交通路网运营设备融合模型能够获得更准确的、面向全局的安全状态的描述和评估，实现城市轨道交通运营安全从微观描述向宏观描述的转化。

（

）：

［1］ 杨露箐，余华.多源想融合理论与应用［M］.北京：北京邮 电 大 学 出 版 社，2005.（YANG Lu－qing，YU Hua.Multi－source integration theory and application［M］.Beijing：Beijing University of Posts and Telecommunications Press，2005.（in Chinese））

［2］ 韦勇，连一峰，冯登国.基于信息融合的网络安全态势评估模型［J］.计算机研究与发展，2009，46（3）：353－362.（WEI Yong，LIAN Yi－feng，FENG Dengguo.A network security awareness model based on the information fusion［J］.Journal of Computer Research and Development，2009，46（3）：353－362.（in Chinese））

［3］ 唐士杰，高社生，邢化玲.D－S理论与神经网络相结合的信息融合模型研究［J］.传感技术学报，2007，20（8）：1815－1820.（TANG Shi－jie，GAO She－sheng，XING Hua－ling.Research of the information fusion model combining D－S evidence theory and neural network［J］.Chinese Journal of Sensors and Actuators，2007，20（8）：1815－1820.（in Chinese））

［4］ 潘巍，王阳生，杨宏戟.多模态信息融合的一般功能模型设计——基于融合功能与信息层次［J］.计算机工程与应用，2006，42（29）：27－29，35.（PAN Wei，WANG Yang－sheng，YANG Hong－ji.New general function model of the multi－model information fusion system：Solution based on the fusion function and information hierarchy［J］.Computer Engineering and Applications，2006，42（29）：27－29，35.（in Chinese））

［5］ 罗大庸，张远.多传感器信息时空融合模型及算法研究［J］.系统工程与电子技术，2004，26（1）：36－39.（LUO Da－yong，ZHANG Yuan.Research of the spatial－temporal architecture model and the algorithm for multi－sensor information fusion［J］.System Engineering and Electronics，2004，26（1）：36－39.（in Chinese））

［6］ 王志胜，姜斌，甄子洋.融合估计与融合控制［M］.北京：科 学 出 版 社，2009（WANG Zhi－sheng，JIANG Bin，ZHEN Zi－yang.Fusion estimation and fusion control［M］.Beijing：Science Press，2009.（in Chinese））

［7］ 姚炳学，李洪兴.局部变权的公理体系［J］.系统工程理论与实践，2000，20（1）：106－109，112.（YAO Bing－xue，LI Hong－xing.Axionatic system of local variable weights［J］.System Engineering－Theory ＆Pratice，2000，20（1）：106－109，112.（in Chinese））

［8］ 刘洁莉，韩元杰，董彦佼.面向态势评估的一种有效的证据理论合成公式［J］.光与控制，2009，16（10）：80－82，86.（LUI Jie－li，HAN Yuan－jie，DONG Yanjiao.An effective combination rule of evidence theory in the situation assessment［J］.Electronics Optics＆ Control，2009，16（10）：80－82，86.（in Chinese））

［9］ 李弼程，王波，魏俊，等.一种有效的证据理论合成公式［J］.数据采集与处理，2002，17（1）：33－36.（LI Bicheng，WANG Bo，WEI Jun，et al.An efficient combination rule of evidence theory［J］.Journal of Data Acquisition ＆ Processing，2002，17（1）：33－36.（in Chinese））

［10］ Ju－Liang J，Rui S，Ming Z，et al.Uncertain decisionmaking analysis method based on information entropy principles［A］.2009Chinese Control and Decision Conference［C］.Guilin，China：CCDC，2009：2241－2246.