基于熵权-AHP混合约束DEA法的铁路车务行车风险评价研究

何景师，戴 航，刘小慧

（东莞职业技术学院 物流工程系，广东 东莞 523808)

0 引言

行车安全是铁路运营管理质量的重要体现，不仅关系到旅客生命和财产安全，更关系到铁路自身的建设和发展。随着铁路四级管理模式向三级管理模式的转变，车务段作为铁路三级管理系统基层单位，是铁路运输组织的中枢和牵头部门，是铁路运输组织作业的生产主体，也是铁路车辆行车安全控制的主体。车务段具有管辖线路范围大、涉及中间站多、行车安全涉及的设备种类多、行车标准不统一、人员作业分散等特点，随着铁路新技术、新装备的大量投入，客货运量和列车密度不断增加，愈加凸显车务行车安全管理和风险防范的重要性。

既有铁路安全风险研究主要体现在工务系统风险[1]、制动系统风险[2]、货运营业部风险[3]、车站踩踏风险[4]、铁路安全[5-6]等方面，很少聚焦在车务行车环节。识别和评价铁路车务行车安全风险因素，并根据风险因素特点进行分类施策有利于管控风险因素,保障铁路运营安全生产。因此，引入熵权-AHP混合约束DEA方法，通过客观赋权的熵值法和主观赋权的AHP，解决DEA在风险决策时过度有效性和权重无限性，构造极大、极小风险曲面，以线性规划方法来判断决策单元的风险降低或升高的可能性[7]，从而对铁路车务行车安全风险评价单元进行评价和排序。

1 车务行车风险因素评价指标构建

铁路安全因素包括设备、环节、人员和管理4个环节[5-6]。车务行车一般包括接发列车环节、车站调车环节、中间站环节3个过程，通过对这3个环节的设备、作业、环境等风险因素进行辨识，分析存在的人员风险因素、组织和制度风险因素，将风险因素归纳为接发列车组织作业风险、接发列车设施设备风险、车站调车组织作业风险、车站调车设施设备风险、中间站行车组织风险、中间站环境安全风险、人员风险、组织与制度风险[1-6]8类。铁路车务行车风险事故树分析如图1所示。在车务行车风险辨识中，通过对铁路车务段、车站、班组等一线从业人员和管理人员进行访谈和问卷调查，调查对象主要来自安全科、技术科、运输调度科等，进行初步筛选后得到41个风险因素。铁路车务行车风险评价指标如图2所示。

2 熵权-AHP混合约束DEA法

2.1 DEA法

DEA法在风险评价中以行车风险决策单元的风险因素发生概率和后果为变量，运用线性规划方法求解最优值以评价各单元的相对有效性。对于风险因素指标值Rij=f(L，C)，L和C分别表示风险发生的概率和后果，向量Rj= (R1j，R2j，…，Rmj)T是决策单元j的一种风险状态值[7]。

定义Tmax上的二元关系是集合P上的一个偏序关系，若V是一个闭凸锤，对风险向量Y= (y1，y2，…，ym)T≥ 0，有当且仅当Y1≤Y2，规划模型(VP)有以下结论。

图1 铁路车务行车风险事故树分析Fig.1 Fault tree analysis of fleet operation risk

图2 铁路车务行车风险评价指标Fig.2 Risk evaluation index of railway fleet operation

风险状态值R0为的极大元，当且仅当为规划模型(VP)的Pareto最优解，极大值风险采用的评价模型(D)为[8-9]

极小值风险采用的评价模型(D1)为

其中，eT= (1，1，…，1) ∈ES为约束集，S= (s1，s2，…，sn)T≥ 0，Sj为相应维数的松弛变量。

2.2 引入熵权-AHP约束DEA

熵值法是通过评价数据的离散和变异程度进行客观赋权的方法，层次分析法(Analytic Hierarchy Process，AHP)通过指标之间的相互比较计算重要性得分。将熵权-AHP引入DEA方法，通过引入专家决策的主观意见，可以对单纯DEA方法的权重自由性和无限性进行修正[7]。AHP评价的主要思路如下：对判评矩阵Cm= (cij)m×m，设的最大特征值，令其中I为单位矩阵，有CW≥ 0，W= (w1，w2，…，wn)T≥ 0称为AHP约束锤，当随机一致性检验比率CR=CI/RI= ＜ 0.1时，即认为AHP判断具有满意的一致性，否则需要重新调整，其中CI和RI分别为矩阵的一致性指标、平均随机一致性指标。熵权计算原理如下：首先对于决策评价矩阵Xij进行归一处理，计算评价矩阵中第j项指标下zij占该指标的比重计算指标对属性的贡献度e=j其中通过dj= 1－ej，得到各属性熵权综合熵权和AHP得到混合权重取适合的α值得到引入公式 ⑵ 和公式 ⑶ 中得到加权后的Rj值进行DEA计算。

3 铁路车务行车风险评价

3.1 风险因素初值

对于各风险因素评价指标借鉴LC危险源辨识及评价法进行分析，用L表示危险事故发生的概率，用C表示发生风险的后果，鉴于发生概率和后果难以量化评定，结合班组、车务作业人员历年统计的故事经验教训，采用直接经验法用1 ～ 5表示数值结果评判得分。危险事故发生概率的评判标准：风险发生概率几乎不出现、很少出现、偶尔出现、多次出现、频繁出现分别用1 ～ 5表示。危险事件发生的风险后果评判标准： 1表示造成很小损失的后果，2表示造成一般损失的后果，3表示人员伤残和财产损失的严重后果，4表示人员伤亡和财产损失较大的重大后果，5表示会造成人员死亡和财产重大损害的无法接受的灾难性后果。根据收集到的企业从业人员和专家评分，对风险发生概率和风险后果得分取均值得到各评价指标风险初值。

3.2 权重计算

以决策单元1接发列车组织作业风险Y1为例进行AHP计算权重。首先得到决策单元1的AHP评价矩阵C1，对评价矩阵C1求特征向量得到w1=(0.21，0.14，0.06，0.12，0.33，0.05，0.06，0.03)T。 求 最 大特征值得到得到随机一致性检验比率分别为，CR=CI/RI= 0.064 / 1.41 =0.045 ＜ 0.1。一致性检验结果表明层次分析专家评价数据具有良好一致性。以此类推，得到其他一级指标和二级指标风险因素的权重，最后进行归一处理后得到AHP权重向量wi，再依据熵权计算原理得到熵权，最后得到混合权重U*。铁路车务行车风险因素初值和权重如表1所示。

3.3 风险决策单元评价

根据表1数据得到的一级指标决策单元风险评价值如表2所示。将表2数据引入DEA法中，将风险发生的概率和风险发生的可能性作为决策变量，列出决策单元1的(D)模型算式如公式 ⑷ 所示。

表1 铁路车务行车风险因素初值和权重Tab.1 Initial value and weight of railway fleet operation risk factors

表2 一级指标决策单元风险评价值Tab.2 Risk data of first level indicator decision-making unit

按照DEA法的模型(D)和模型(D1)同理可得其他决策单元的计算式，应用线性规划方法求解，可得最大风险决策和最小风险决策S1，S2值和目标函数值如表3所示，从而对行车风险排序。

表3 最大风险决策和最小风险决策S1，S2值和目标函数值Tab.3 Maximum andminimum risk decision value of S1,S2

4 车务行车风险评价结果分析

4.1 评价结果

4.1.1 决策评价单元风险分析

（1）最大风险决策分析。用DEA法模型(D)的Pareto目标值进行排序，即各个决策单元风险从大到小的排序如下：决策单元1＞决策单元4＞决策单元6＞决策单元3＞决策单元2＞决策单元8＞决策单元7＞决策单元5。从模型(D)计算的最大风险决策数据可知，决策单元1的风险已经达到了Pareto极大风险状态，为最大风险单元，说明相对其他7个风险指标，接发列车组织作业风险的风险概率、风险后果严重性2个指标不可能同时继续增大。因此，在行车作业中应重点注意接发列车组织作业风险，对引起风险的因素进行重点控制，降低接发列车组织作业风险发生事故的概率和发生风险的后果。按照风险排序接下来应注意的风险为车站调车设施设备风险、中间站环境安全风险、车站调车组织作业风险等。

（2）最小风险决策分析。根据模型(D1)计算最小风险决策数据可知，决策单元5，7，8评价指标的风险已经达到极小值状态Pareto有效状态，表明相对其他评价单元，这3个决策单元的风险指标发生的概率和后果严重性不可能继续降低。这表明相对其他决策单元，中间站行车组织风险、人员风险、组织与制度风险3个决策单元的风险发生概率和风险后果很难再降低，说明根据样本调查表明，人们已经认识到这3个决策单元风险点的发生概率和后果严重性。从极小值风险曲面看，对于决策单元1，即接发列车组织作业风险的风险概率能降低0.734/0.825 = 88.97%，风险后果能降低0.888/1.088 =81.62%。决策单元风险降低程度如表4所示。由表4可知，按照风险能够降低的程度排序来看，应重点关注决策单元1，4，3，2的风险。

4.1.2 风险因素分布矩阵分析

以车务行车风险发生的概率为X轴，以风险发生后果严重性为Y轴，将41个铁路车务行车风险因素划分为4个象限，风险因素矩阵分布图如图3所示。

（1）关键风险。位于第1象限的风险是关键风险，这些风险因素发生概率和后果都相对较大。对这些因子应予以重点关注和管理。8个关键风险因素中，来自决策单元1的风险有4个，占比50%；来自决策单元4的风险有2个，占比25%；来自决策单元3和决策单元7的风险因素各有1个。

（2）杠杆风险。位于第2象限的是发生概率较低但风险后果严重性较高的风险因素。这些风险因素中来自决策单位1、决策单元2、决策单元6的比例分别是20%，30%，30%。杠杆风险发生的概率较小，但是风险后果严重，因此对于杠杆风险应制定紧急应急计划，提高应急反应能力，同时定期检查与排除，防范于未然。

表4 决策单元风险降低程度 %Tab.4 Risk reduction degree of decision-making unit

图3 风险因素矩阵分布图Fig.3 Matrix distribution of risk factors

（3）常规风险。位于第3象限的是发生概率和发生后果严重性都较低的风险因素。对于此类风险应正常管理，加强平时作业和设备操作的细致程度，定期检查消除隐患。

（4）有影响力的风险。位于第4象限的是发生概率较高但风险发生后果严重性不高的风险因素。可将这些风险因素应对措施建立标准化作业指南，减少风险发生的概率，降低危险后果，提高风险解决速度。

4.2 对策分析

（1）分类分层科学制定风险因素控制措施。将行车风险因素按类别从站段、车间、班组3个层级制定风险因素管控措施，结合现场作业实际情况出台具有实操性的“风险因素管控措施和方案”，并定期修订和更新管控措施。根据行车风险涉及的作业岗位、管理岗位等不同岗位分别编制“安全生产与风险因素控制表”。细化车务行车安全生产和风险控制的人员责任，推进标准化安全生产和作业风险控制管理，并以此全面推行风险管理全过程控制。

（2）根据风险因素位于不同矩阵象限采取不同的管理策略。对关键风险进行重点检查，建立动态检查机制。对杠杆风险定期检查，制定紧急应急计划，提高应急反应能力。对关键风险和杠杆风险制定动态巡检制度，防范于未然。对常规风险正常检查，定期检查。对于有影响力的风险应建立标准化风险应对手册，提高风险解决速度。

（3）制定全过程的风险管理措施。一是细化班前预控，对班前工作任务建立清单逐一确认，对班前所需的各种设备和工具研究制定标准化工具包，对岗位交接的物品资料进行标准化梳理，交接时现场核对。二是开展岗位自控和岗位互控。岗位自控是指作业人员对所在岗位的重点风险因素应熟悉作业标准和预防措施，对风险因素进行积极的主动防控。岗位互控是指岗位责任相互关联的上下工序所对应的有衔接责任的岗位工作人员相互监督、相互防控，对衔接工作所产生的风险责任事故所涉及的上下工序人员实施连带风险责任，以此推动衔接工作、上下关联岗位的彼此监督。三是对关键风险因素重点管控，纳入安全工程重点责任考核，建立关键风险防控量化指标，明确关键风险因素的防控流程和标准，确保关键因素防控标准明确和考核标准清晰。

（4）完善安全管理应急机制。对风险隐患分类排除，定期检查分析，动态管理，做好应急管理预案和管理机制，建立多层级、岗位联动的应急响应体系，加强全员应急演练和应急措施培训，落实应急处置和管理的安全责任制，加强基础队伍应急能力和相关制度建设，完善应急处置措施，形成沟通顺畅、响应及时的应急响应系统。

（5）净化车站周边生产安全环境。对车站、中间站等周边环境进行综合整顿，对防护设备设施建立巡检维护制度、台账登记制度、安全举报制度，建立风险追究机制，强化铁路安全防护。对平交路口、立交桥涵等采取封闭栅栏，加大安全巡护以及安装监控等。加强车站管理，严格落实对恐怖主义、火灾爆炸等危险控制措施，从源头消灭火灾隐患。

（6）提高员工素质，加强学习培训。组织各种岗位学习、练兵和技能竞赛，针对风险问题做好演练与培训，做好技能训练传帮带，做好实战性、模拟性训练和现场训练，通过多样化的组织专业培训，使员工熟悉最新技术技能和现场操作技术，利用现代虚拟仿真模拟技术、网络技术等手段加强新技术、新设备等使用。

5 结束语

传统DEA方法对风险的评估需要建立在客观数据基础上，而AHP法约束DEA具有较大的权重自由性，研究提出客观熵权和主观赋权AHP相结合的约束DEA法，以解决决策单元的过度有效性和权重无限性。以车务行车41个风险因素的风险发生概率和后果值为决策变量，通过熵权-AHP约束DEA法对铁路行车风险的最大曲面和最小曲面进行决策分析。随着铁路四级管理模式向三级管理模式的转变，车务段管辖范围进一步扩大，对车务行车的风险因素进行辨识评价，有利于针对不同风险源开展分类风险施策，有利于保障铁路运营安全。