大客流下城市轨道交通车站运营安全风险评估

宁善平，熊律，江伟，赵晨

广东交通职业技术学院 轨道交通学院，广东 广州 510000

0 引言

城市轨道交通运输能力强，准时性、速达性、安全性和舒适性高，可合理利用地上、地下空间，运营费用低，环境污染小，对客流的吸引力逐步增强，近年来得到飞速发展。客流强度超过一定范围时形成大客流。城轨车站发生大客流状况时，短时间的聚集效应导致城轨车站超出其负荷能力，车站的运营安全隐患增大。因此，对大客流下车站的运营安全进行风险评估显得十分必要。

目前，大多学者通过人员、设备、环境、管理4个方面构建大客流下车站的安全风险评估研究指标体系［1-5］，多采用模糊理论、灰色理论、可拓理论等评价方法对车站运营安全风险进行评估。其中文献［1］147采用设备、人为因素、安全管理能力和外界环境4个一级评价指标构建评价体系，采用模糊理论结合可拓学对城市轨道交通运营安全进行评价；文献［2］8基于轨道交通网络化运营，针对人员、设备、环境、管理4个方面的评价指标，采用可拓理论对网络运营安全风险进行评估，未考虑车站与网络之间的相互联系。

本文针对车站与车站、车站与交通网络之间的相互关系，综合分析大客流下车站自身因素和交通网络对车站运营安全带来的影响，构建大客流下城市轨道交通车站运营安全评估指标体系。通过评价结果分析相应的风险来源，给车站安全管理提供理论依据。

1 评估指标体系构建

1.1 选取指标

城市轨道交通大客流在不同角度有不同的定义，本文将其定义为一个相对概念，与车站及其相关设备、车辆和线路有关，当到达的客流在一定时间内超过车站设施的服务能力，出现诸如乘客拥挤，上下平台的乘客过多，上下时间过长等现象，轨道交通服务水平急剧下降，安全隐患严重时，此时的客流被定义为大客流。

客流的变化引起车站的设施设备、环境等因素的变化，车站运营安全风险等级随之变化。结合城市轨道交通的运营特点，考虑大客流的流动性，根据文献［6-9］初步确定地铁运营安全的指标体系，通过设计问卷调查，以行业专家和地铁公司员工为对象，共发放200份问卷，回收有效问卷200份，运用临界比值法、信度检验和因子分析等方法分析优化调查指标，获得15个二级评价指标，从输送能力、局部网络结构指标、管理指标等6个方面构建大客流下城市轨道交通车站运营安全的评估指标体系［10-11］，采用SPSS软件描述指标数据，利用PLS建模方法运算，评价指标的整体均值为8.12，折算为百分制下的90.22%，对选取的一级指标Cronbach's Alpha系数均大于0.8，问卷整体的一致性系数为0.943，表明问卷设计的指标具有较高的一致性和代表性，评价指标的内容可行，整体评价指标较可靠，可根据此问卷构建城市轨道车站运营安全风险评估指标体系，如图1所示，其指标含义如表1所示。

图1 城轨车站大客流下的运营安全评估指标体系

表1 城轨车站大客流下的运营安全评估指标

1.2 确定指标权重

1.2.1 主、客观权重

主观权重采用层次分析法，得到权重向量U1=（w1w2…wn）；客观权重采用熵权法，得到权重向量 U2=（v1v2…vn）［12-13］。

1.2.2 基于组合赋权法的综合权重

为了克服主、客观权重的局限性，运用组合赋权思想计算综合权重，即在不同权重间寻找一致或妥协，极小化可能权重与各个基本权重间的偏差，进一步提高评价结果的准确性。

构建可能权重向量集

式中：ak为组合系数，uk为L个权重属性权重向量。

优化ak，寻找最满意权重向量，使可能权重向量集u与各个uk的差值最小。

根据矩阵的微分性质可得式（2）的最优一阶导数条件为：

由式（3）计算 ak组合系数集 {a1，a2，…，aL}，对其进行归一化处理得：

确定综合权重向量

2 基于云理论的评价模型构建

2.1 云模型的基本理论

云理论可定义为：有一个精确数值量组成的集合U=｛x1，x2，x3，…，xn｝，称为论域。C是与U相联系的语言值，是定性概念。U中的元素x对于C所表达的定性概念的隶属度u（x）是一个具有稳定性的随机数，隶属度在论域上的分布称为隶属云，简称云。隶属度u（x）在［0，1］中取值，云是从论域U到区间［0，1］的映射，即

则每一个x成为一个云滴［14］。

云模型的数字特征可用云滴在论域空间分布的期望Ex、熵 En和超熵 He表征，如图 2 所示（Ex=15，En=2，He=0.3，n=100）。En是定性概念的不确定性度量，由概念的随机性和模糊性共同决定，He度量熵的不确定性，即熵的熵，可表达为

图2 云模型数字的特征示意图

2.2 云模型基本算法

采用云模型处理定性概念与定量描述的不确定转换，正向云发生器处理定性概念到定量的过程，逆向云发生器处理定量到定性概念的过程，较好地处理了模糊性和随机性两者间的关系。将云模型应用在安全风险评估中，取得了满意的评价效果。

2.2.1 正向云发生器的处理过程

正向云发生器将云的3个数字特征（Ex，En，He）转化成合适的云滴，N个云滴构成云，把定性的不确定性概念通过云模型转化为定量描述，即：

具体算法为：

1）根据云理论概念，按照云的数字特征（Ex，En，He）生成正态随机数 E*x，期望为En，标准差为 He。

2）生成绝对值的正态随机数x，期望为Ex，标准差为En，x为定量论域U的1个云滴。

3）依据步骤（1）（2），计算定性概念C中x的隶属度，确定度

4）重复步骤（1）～（3）N次，产生 N个云滴。

2.2.2 逆向云发生器的处理过程

逆向云发生器处理定量值到定性概念转换的过程，采用数字特征（Ex，En，He）表示定性概念，即：

由式（7）计算云滴样本的Ex与S，由式（8）计算En，由式（9）计算He，即可输出云滴的数字特征（Ex，En，He）。

2.3 云模型构建评价

基于云模型的车站运营安全风险评估，利用云模型消除指标的随机性与模糊性，通过正、逆云发生器及云理论生成评估云与结果云，利用两者间的对比分析，直接判断车站运营安全风险的等级情况，构建模型的步骤如下。

1）确定城轨车站运营安全风险评估的指标

城市轨道交通车站运营安全评估指标体系准则层有6个指标因素，指标层有15个指标因素。

2）确定车站运营安全风险指标的评估集与评估云

根据相关学者的研究［15-19］，将大客流下城市轨道车站运营安全风险等级从高到低划分为4个等级，采用定性指标描述为

将每一个定性语言值的数域都设置为［0，1］，如果风险等级评语的下限和上限分别为Cmin、Cmax，根据其双边约束的等级区间，求解等级中每个指标风险等级的云数字特征，即

表2 风险等级评语集

式中：k为常数，依据模糊程度确定k。

根据专家知识以及城市轨道相关规范得到评估结果风险等级、指标得分区间和云数字特征，如表2所示。采用正向云发生器求得车站运营风险等级评估云，生成正态评估云图，如图3所示。

3）确定指标权重

根据大客流下城市轨道车站运营的实际情况，通过层次分析法和熵权法分别得到主观权重与客观权重，采用组合赋权的思想，求得各个指标的综合权重W。

4）确定评估结果云

参照评价指标，组织专家现场对大客流下的车站运营安全进行评分，利用逆向云发生器，计算各指标集的云数字特征，得到云参数矩阵

图3 风险等级正态评估云图

根据步骤3）确定各指标云参数矩阵，可得大客流下的城市轨道车站运营安全风险等级

式（11）中的数字特征为：

式中Exi、Eni、Hei分别为各指标对应的数字特征。

5）比较评估云与结果云，确定评价结果

利用正向发生器将步骤4）中所计算的风险等级K，生成相应的正态云，并与步骤2）的评估云比较，通过评估云中正常结果云的范围和形状获得风险级别。

3 实例分析

大客流下城市轨道交通车站的安全状态受到客流影响，不同车站在整个网络中所处位置不同，输送能力也不同，不同程度地影响车站运营安全风险等级。以广州地铁3号线为基础，以天河客运站为基本单元。天河客运地铁站是广州地铁3号线与6号线的换乘站，乘客在此站换乘往返珠江新城、天河CBD、金沙洲、荔湾区、越秀区、天河区、海珠区和番禺区各地，如图4所示。3号线的最高日均人流量可达200万人次以上，在天河客运站换乘的人流相对集中，该站在早晚高峰属于限流站点之一。通过构建指标体系，采用云模型方法评估大客流下该车站的运营风险等级。

3.1 数据处理与指标权重的确定

邀请专家并结合行业规范，研究天河客运站早高峰客流情况，给评估体系的指标赋分，如表3所示。

表3 各评估指标专家打分表

根据表3，采用熵权法和层次分析法分别求得相应评估指标的权重，采用组合赋权方法，由式（1）～（5）求得评估指标的综合权重，如表4所示。

表4 评估指标的综合权重

3.2 云模型计算

运用逆向云发生器法，生成对应云指标矩阵，结合表4，根据式（12）～（14），得到准则层的云参数特征和大客流下广州3号线天河客运站的结果云参数，如表 5 所示。 目标层的（Ex，En，He） 为 （0.746，0.058，0.015）。

通过MATLAB正向云发生器生成准则层的安全风险评估云图，如图4、5所示。取N=2000，通过比较结果云图和评估云图，可判断运营时准则层B1～B6所处风险等级，其中B2、B3处在较大风险与一般风险之间，偏向于一般风险；B1、B4、B5、B6处在一般风险与较小风险之间。

表5 天河客运站运营安全风险结果云参数表

图4 B1～B3风险等级评估云图

图5 B4～B6风险等级评估云图

同理，通过MATLAB正向云发生器生成天河客运站运营安全风险评估综合云图，如图6所示。取N=2000，通过比较结果云图和评估云图，可判断运营时车站所处风险等级为一般风险与较小风险间，且偏向于一般风险。

图6 天河客运车站运营安全风险评估云图

3.3 评估结果分析

由图 4、5 可知：准则层安全等级为 B3＜B4＜B2＜B1＜B5＜B6，云滴最集中处位于一般风险和较小风险附近，各指标在运行时均安全可控。分析安全等级最低的大客流状态指标（B3），发现有部分云滴处于较大风险范围，表明该站的人流量较大，与高峰运营时车站实际情况相符，在高峰期间可增加车站工作人员进行指引与疏导，必要时段可实行限流措施。

由图6可知：大客流下天河客运站运营风险处在一般风险与较小间，且偏向一般风险。但整个结果云的跨度超出一般风险云图范围，有少部分云滴处于较大风险范围，说明车站在运营时出现较大风险的概率较小，评价指标还存在一定的主观性与模糊性。结果云的厚度与综合评估云图相比，结果云的厚度小于后者，且更加离散，表明评价结果还存在一定的随机性。

该评价结果在一定程度上反映了车站在大客流环境下的运营风险情况。

4 结论

结合城市轨道交通网络的基本理论，考虑大客流的流动性，通过设计问卷调查筛选具有一致性和代表性的评价指标，构建大客流下城市轨道车站运营安全评估指标体系，提出组合赋权法与正态云模型理论相结合的车站运营风险评估方法，解决指标权重的单一性和权重赋值的片面性，同时消除了评估对象的随机性和模糊性。以天河客运站地铁车站为基础，评估该车站的运营安全风险等级，分析可能出现的风险，为车站的运营安全工作提供一定的理论依据，同时针对评价指标存在一定的主观性与模糊性，可进一步对指标进行优化。