基于知识元表达的地铁隧道施工事故情景库设计

陈赟，陈玉斌，李晶晶, 2，张谨帆

基于知识元表达的地铁隧道施工事故情景库设计

陈赟1，陈玉斌1，李晶晶1, 2，张谨帆1

1.长沙理工大学 交通运输工程学院，湖南 长沙 410114 2. 长沙理工大学 道路灾变防治及交通安全教育部工程研究中心，湖南 长沙 410114)

在地铁隧道施工安全风险管理和应急管理过程中，为充分、高效利用已发生的事故的历史经验，需全面、准确提取事故过程的关键信息，并将其结构化表达。基于知识元理论和情景理论，将事故过程片段化和情景化，提出包括表现层、情景层和知识层的地铁隧道施工事故情景表达通用层次模型。根据15个案例，分析事故特征并提取情景因素信息，提出事故情景知识元表达式；基于此，提出了情景库构建框架和流程以及应用方式。针对某坍塌事故进行了案例分析，结果显示，模型可以简练、完备地表达事故信息，可为应用历史事故大数据指导地铁隧道施工安全风险预警和事故应急决策提供参考。

地铁隧道；施工事故；知识元；情景；风险因素

地铁隧道工程作业环境特殊，人员、建筑物密集，地下管网复杂，施工安全风险预警和事故应急决策具有高度复杂性。已发生的地铁隧道施工事故的发展过程和应急处置过程对于安全风险预警以及安全事故的应急决策具有重要的参考意义。但目前大部分事故主要是以文本或图片的形式进行信息存储和传递，直接利用效率低，对其结构化的表达是必要的。目前在对案例结构化表达的研究中，大部分是基于知识表达的方法，如本体理论[1]、基因图谱[2]、XML[3]等，其优势在于都可以通过筛选和提取案例的关键信息，按照逻辑结构直观、简洁地表达案例，但其劣势在于无法将案例多层级、多阶段、多维度地存储关键信息，在案例推理或对比分析的过程中造成关键信息的丢失。情景最早定义为事实和未来状态的描述[4]，现在则普遍认为情景是事件一种态和势的集合，包括事件的当前状态和未来的发展趋势[5]，将事故情景化表达可以明确事故的发展过程。知识元是知识存储、共享和引用的最小知识单元[6]，其结构完整简洁，可以用简练、格式统一的语言存储信息。近年来，结合知识元理论进行案例情景结构化表示已成功应用于各类突发事件的情景表达中[7-8]。并在各类公共安全事件辅助决策研究中得到成功应用，包括情景识别[9]、情景推演[7]、情景匹配和情景—应对[8]等。但应用知识元理论表达案例情景在施工安全风险预警和施工安全事故应急决策领域的应用较少。本文尝试采用知识元理论探索地铁隧道施工事故案例情景结构化表达方法，确定事故情景划分依据，分析情景层次结构，通过文献和案例提取地铁隧道施工事故情景因素，分析情景因素关系，构建地铁隧道施工事故情景库，以期为地铁隧道施工安全风险预警和施工事故应急决策提供参考。

1 地铁隧道施工事故情景表达

1.1 情景理论与知识元理论

在案例表达中，情景可以作为描述事件状态和趋势的工具。一个事件从发生到结束的整个过程可以用多个关键情景片段来描述，进而可以完整地对事件进行记录和表达。本文界定的情景片段内容包括对地铁隧道施工事故情景因素在某一阶段的状态描述以及对情景因素间的相互关系和变化趋势的描述。知识元可以根据一定规则结构化地表达情景因素的概念、内涵、状态和趋势等特征，因此引入知识元作为情景状态描述的工具。

知识元是相对完整表达内容的最小单元[6]，王延章[10]提出可以用一个三元组知识元来描述一个客观事物的基本概念和各类属性特征。该三元组包括描述该客观事物的概念及属性名称集、属性状态集、以及属性间的相互作用关系集等3个集合。结合地铁隧道施工事故领域探讨，对于一个具体的事故，该事故可由一定数量的情景因素的态势信息进行描述，其表示方式如下：

1.2 情景层次结构设计

在地铁隧道施工事故中，定义对事故施加影响和承受影响的一定区域和时间范围内的所有客观事物为一个事故系统。情景因素可描述一段时间中事故系统内各事物所处的状态以及其相互间的作用方式、影响关系和变化趋势。事故涉及的客观对象多，发生过程复杂，对情景因素分类是事故情景表达的基础。在公共安全领域，公共安全体系“三角形模型”将公共安全事件划分为突发事件、承灾载体和应急管理[11]，诸多学者借鉴该理论，将非常规突发事件情景划分为事件、载体和活动[12]，将应急管理案例情景划分为致灾因子、应急活动和承灾体[13]，将食品安全事故划分为事故事件、承灾载体和应急管理[7]等。

对于地铁隧道施工事故情景，险兆事件的发生与风险因素负面效应的累积导致事故爆发，随着事故系统内各类事物的相互影响推动事故发展，并在应急处置活动的干预下最终使得事故终止。其中本文定义的险兆事件是指受到风险因素作用但无影响或影响较小的前兆危害事件，险兆事件在条件的改变下可能演化为事故。因此本文将事故情景因素划分为事故事件，事故载体和应急活动。事故事件是地铁隧道施工阶段导致人员伤亡或财产损失的事件，如坍塌事件、突水突泥事件、物体打击事件等；事故载体是承担事故事件损失的对象，如地铁隧道构造物、施工人员、施工设备等；应急活动是为消除或降低事故负面影响所采取的一系列活动。

图1 情景表达通用层次模型

1.3 情景信息提取与知识元表达

提取事故情景信息需首先明确情景因素，地铁隧道施工事故情景因素是情景描述的基本单元，是事故信息的集中概括。各事故案例存在诸多共有的情景因素，如事故的时间和空间信息、事故性质等，但由于事故的类型、受损对象和处理手段存在巨大差异性，如地下管网和地面交通均为事故载体，但二者缺乏共性特征，故不能直接构建一套完整的表达范式。本文分析了15个应急管理部等相关部门公布的地铁隧道施工事故案例的事故调查报告，结合相关文献资料[15-16]和设计规范要求，对于各事故案例的共性特征且为关键信息的内容提取为情景因素，对于缺乏共性特征无法直接提取情景因素的事故信息，需根据前述情景层次结构对关键信息进行提取，对情景因素逐一细化。总结各类情景因素如下：

1) 事故事件AC。事故事件是某一情景片段下事故的基本信息的描述，包括事故时间、空间和事故体信息。时间包括开始时间、持续时间和结束时间；事故体包括事故类型、事件级别、伤亡损失以及其他信息，其中其他信息是可扩展独立于以上各类因素的对于事件基本信息的补充，如坍塌事件的坍塌部位，突水突泥事件的水位等；

2) 事故载体DC。事故载体是事故系统内受到影响的各类客观对象，如隧道结构物、施工人员、施工机械设备、地下管网、地面交通以及其他载体，各类客观对象差异性大，其基本属性需根据具体事故案例进行细化和补充；

3) 应急活动EA。应急活动是应急处置的行为的过程和结果的描述，某一情景片段的应急活动可能有多种，但他们都有如下共性特征作为情景因素，包括活动类型，实施主体、实施客体、活动开始时间、活动结束时间、活动投入资源和其他活动信息。

明确情景因素后需要对情景因素包含的信息进行采集，包括因素的概念及属性名称、属性状态和因素间的属性关系。结合知识元结构和地铁隧道施工事故情景因素特点，各类信息采集内容如下：

1) 概念及属性名称。包括对因素的概述和一般性解释；

2) 属性状态。包括可测特征，测度量纲，属性状态的变化函数。可测特征分为可测量和可描述；对于可测量因素，需要选取合适的测度量纲；属性状态的变化函数是该因素的状态描述及发展趋势描述，对于可测量因素为该情景下的量值或变化函数，对于可描述因素为该情景下的文本描述；

则S可用如下三元组表示：

其中

2 地铁隧道施工事故情景库构建与应用

2.1 情景库构建框架

地铁隧道施工事故情景库是情景信息存储和调用的载体，为使情景库的应用范围更广，应完整地记录事故全过程的情景，需首先基于事故发生过程对事故情景进行划分。

事故爆发前的险兆事件情景如机械、气候条件或土体的监测数据发生较大变化等的情景对于同类事件的预警有着重要意义；事故爆发时的爆发情景如爆炸、坍塌发生时刻的情景对于险兆事件负面效应累积突变为事故的临界值判断、最优处置时间的判断有着指导作用；在事故发展过程中一般可以由专家经验划分为一个或多个发展情景，一般以标志性事件如“二次坍塌”、转折性事件如“降雨停止”或特殊性事件如“开始采取应急干预活动”等为划分依据，事故发展情景对于事故的应急决策有着重要指导作用；在救援活动停止后的事故终止情景对于应急决策方案的实施效果、救援物资的消耗以及救援时机的判断都有着参考作用。综上所述，情景库应包括事故爆发前的险兆事件情景和事故爆发后的爆发、发展和终止情景等4类情景片段。事故案例应根据前述方式完成情景的划分，各情景片段由事故事件、事故载体、应急处置3类情景因素组成的属性知识元进行表达。情景库构建框架如图2所示。

图2 情景库构建框架

2.2 情景库构建流程

根据情景库构建框架，地铁隧道施工事故情景库的构建应遵循以下步骤：

1) 搜集应急管理部等有关部门公布的地铁隧道施工安全事故调查报告，以及权威媒体有关报道、企事业单位报告等佐证材料；

2) 根据专家经验，将事故案例按照情景划分依据即标志性事件、转折性事故和特殊性事件划分为险兆事件情景、事故爆发情景、事故发展情景、事故终止情景4类情景片段；

3) 对于任一情景片段根据情景表达通用层次模型确定情景因素，采集提取情景因素信息，对关键信息进行知识元抽取，即应用式(3)的知识元模型表达和存储情景信息；

4) 按照一定规则和方式将知识元存储的信息数据库化，如应用XML、HTML或其他语言形式将情景信息录入计算机，基于计算机载体完成初始情景库的构建；

5) 事故案例新增入库、原事故案例由于客观错误如瞒报后重新调查或主观错误如专家经验不足等原因需要进行情景库的修正，2种情况同样遵循入库时的规则和方式，进而完成情景库的维护。

2.3 情景库应用流程

情景库是情景信息根据情景表达通用层次模型和知识元表达模型通过一定规则规范存储的信息库，其入库、维护和调用规则及方式如情景因素命名规则、数据结构信息类型等应根据生产实践实际需求进行明确，本文不再赘述。本文主要探讨情景库构建的意义和应用的方式及范围。情景库所存储的情景包括险兆事件情景和事故事件情景，二者分别对安全风险的预警和事故的应急决策有着指导作用，其主要应用方式如下：

1) 对于风险管理阶段需要决策的项目，考察主要风险指标进行风险评估，同时采集实时监测数据，将风险评估结果和采集的信息进行知识元抽取形成初始情景。初始情景根据一定方式如贝叶斯网络推演、案例推演等进行情景推演，初始情景和推演情景分别与情景库情景进行相似度匹配，对于匹配相似度结果进行排序和判断，按照一定规则输出决策项目的风险类型、风险大小、风险可能发生的位置和风险处置措施，进行风险的预警；

2) 对于事故爆发阶段需要决策的项目，按照一定规则采集情景信息，将信息采集结果进行知识元抽取形成初始情景。同样进行情景推演和相似度匹配后，按照一定规则输出决策项目的应急处置建议，进行事故的应急决策。

在情景匹配过程中由于不同类别的历史事故数据有着数量上的差异性，存在大量同类数据和少量的小样本数据，可能导致情景匹配结果出现较大偏差，因此在情景匹配过程中需要通过对小样本数据进行赋权或回避的方式对匹配结果进行修正。

情景库构建和情景库辅助决策应用流程图如图3所示。

图3 情景库构建与应用流程图

3 案例分析

3.1 事故描述

2018年1月25日17时10分左右，某市轨道交通21号线某作业区间，左线盾构机带压开仓动火作业时，焊机电缆线短路引起火灾，3名仓内作业人员失联，施救过程中土仓压力急速下降，掌子面土体失稳，突发坍塌。

3.2 事故情景表达与入库

根据事故调查报告公布的事故发生经过及应急处置情况详情，将事故按照险兆事件情景、事故爆发情景、事故发展情景和事故终止情景4类划分为：土仓排烟不良(火灾)情景、土仓泄压(掌子面坍塌)情景、土仓保压(二次救援)情景、常压开仓(救援结束)情景4个情景片段。根据情景因素提取规则确定事故事件为火灾事件和坍塌事件；事故载体为盾构机土仓、施工作业人员和掌子面；应急活动为泄压、保压和冻结加固。根据报告对情景因素进一步细化确定其属性特征。以土仓泄压(掌子面坍塌)情景为例，其情景因素概念及属性名称集、属性状态集由表1给出；属性关系集由情景层次结构和影响关系集明确。

表1 某市轨道交通21号线坍塌事故案例—— 事故爆发情景

图4 某市轨道交通21号线坍塌事故情景因素关系集图示

根据情景因素的影响关系和演进关系可以构建该事故的情景关系集，应用知识元结构存储该关系集的输入、输出和映射关系，本文用如下图示模型(图4)简略表示，其中影响关系指箭头开始节点所包含的情景因素与箭头结束节点有正面或负面的影响作用，影响程度和方式由该关系的输入、输出和映射关系确定；从属关系指箭头开始节点包含的情景因素从属于箭头结束节点；演进关系指情景片段的演进或箭头开始节点所包含的情景因素与箭头结束节点存在趋势上的演进。

通过完成属性集和关系集的情景信息录入进而实现该事故所有情景片段的入库。

4 结论

1) 知识元对于地铁隧道施工事故案例的情景化表示具有普适性和可操作性：事故事件和应急处置可以完整描述事故本身和事故应急处置的过程和结果；事故载体可以记录事故主体的信息和所处环境状态的变化，三者囊括了事故的关键信息，同时能够完整地记录事故各类情景因素的概念和属性、各因素间的内在联系和外部联系、情景因素的演化趋势。

2) 地铁隧道施工事故情景层次结构模型和情景知识元表达式组成的事故情景表达模型拓展了情景表达的应用领域，在事件类别上聚焦地铁隧道施工事故，对于施工建设安全管理可利用的历史经验数据库化是一次有利的尝试。

3) 通过构建事故情景库并提出从风险预警和应急决策2个角度进行情景推演并对情景库数据进行情景匹配，明确了情景库应用的2个可行的方向，以期延伸情景理论的应用范围和价值。

[1] LI Shuoming, CHEN Shihong, LIU Yu. A method of emergent event evolution reasoning based on ontology cluster and bayesian network[J]. IEEE Access, 2019(7): 15230−15238.

[2] 于峰, 李向阳, 王诗莹. 基于基因图谱的电网应急案例构建结构与检索方法[J]. 系统管理学报, 2016, 25(2): 282−292.YU Feng, LI Xiangyang, WANG Shiying. Construction structure and retrieval method of power grid emergency cases based on gene map[J]. Journal of System Management, 2016, 25(2): 282−292.

[3] Coyle Lorcan, Doyle Donal, Cunningham Padraig. Representing similarity for CBR in XML[C]// Advances in Case-based Reasoning, Madrid, Spain: Springer, 2004: 119−127.

[4] Kahn H, Wiener A J. The year 2000: A framework for speculation on the next thirty-three years[M]. New York: Macmillan, 1967.

[5] 姜卉, 黄钧. 罕见重大突发事件应急实时决策中的情景演变[J]. 华中科技大学学报(社会科学版), 2009, 23(1): 104−108. JIANG Hui, HUANG Jun. Scenario evolution in emergency real-time decision-making of rare major emergencies[J]. Journal of Huazhong University of science and Technology (Social Science Edition), 2009, 23(1): 104−108.

[6] 索传军, 盖双双. 知识元的内涵、结构与描述模型研究[J]. 中国图书馆学报, 2018, 44(4): 54−72. SU Chuanjun, GAI Shuangshuang. Research on knowledge meta semantic link model[J]. Library and Information Work, 2010, 54(12): 27−31.

[7] 宋英华, 刘含笑, 蒋新宇, 等. 基于知识元与贝叶斯网络的食品安全事故情景推演研究[J]. 情报学报, 2018, 37(7): 712−720. SONG Yinghua, LIU Hanxiao, JIANG Xinyu, et al. Scenario deduction of food safety accidents based on knowledge element and Bayesian network[J]. Journal of Information, 2018, 37(7): 712−720.

[8] 夏登友. 基于“情景—应对”的非常规突发灾害事故应急决策技术研究[D]. 北京: 北京理工大学, 2015. XIA Dengyou. Research on emergency decision technology of unconventional sudden disaster based on “scenario response”[D]. Beijing: Beijing University of Technology, 2015.

[9] 巩前胜. “情景—应对”型应急决策中情景识别关键技术研究[D]. 西安: 西安科技大学, 2018. GONG Qiansheng. Research on key technologies of scenario recognition in “scenario response” emergency decision[D]. Xi’an: Xi’an University of Science and Technology, 2018.

[10] 王延章. 模型管理的知识及其表示方法[J]. 系统工程学报, 2011, 26(6): 850−856.WANG Yanzhang. Knowledge and representation of model management[J]. Journal of Systems Engineering, 2011, 26(6): 850−856.

[11] 范维澄, 刘奕. 城市公共安全体系架构分析[J]. 城市管理与科技, 2009, 11(5): 38−41. FAN Weicheng, LIU Yi. Analysis of urban public security architecture[J]. Urban Management and Technology, 2009,11(5): 38−41.

[12] 张承伟, 李建伟, 陈雪龙. 基于知识元的突发事件情景建模[J]. 情报杂志, 2012, 31(7): 11−15, 43. ZHANG Chengwei, LI Jianwei, CHEN Xuelong. Emergency scenario modeling based on knowledge element[J]. Intelligence Journal, 2012, 31(7): 11−15, 43.

[13] 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. ZHANG Lei, WANG Yanzhang, CHEN Xuelong. Fuzzy inference method of unconventional emergency scenario based on knowledge element[J]. Journal of Systems Engineering, 2016, 31(6): 729−738.

[14] 于海峰. 基于知识元的突发事件系统结构模型及演化研究[D].大连: 大连理工大学, 2013. YU Haifeng. Structural model and evolution of emergency system based on knowledge element[D]. Dalian: Dalian University of Technology, 2013.

[15] PAN Haize, GOU Jing, WAN Zihong, et al. Research on coupling degree model of safety risk system for tunnel construction in subway shield zone[J]. Mathematical Problems in Engineering,DOI:10.1155/2019/5783938

[16] DAI Chunquan, ZHAO Zenghui. Fuzzy comprehensive evaluation model for construction risk analysis in urban subway[J]. International Journal of Modeling, Simulation, and Scientific Computing, 2015, 6(3): 1−18 .

Design of subway tunnel construction accident scene database based on knowledge element expression

CHEN Yun1, CHEN Yubin1, LI Jingjing1, 2, ZHANG Jinfan1

(1. School of Traffic and Transportation Engineering, Changsha University of Science & Technology, Changsha 410114, China;2. Engineering Research Center of Catastrophic Prophylaxis and Treatment of Road and Traffic Safety of Ministry of Education,Changsha University of Science & Technology, Changsha 410114, China)

In the process of subway tunnel construction safety risk management and emergency management, in order to make full and efficient use of the historical experience of the accident, it is necessary to extract the key information of the accident process comprehensively and accurately and express it in a structured way. Based on the knowledge element theory and scenario theory, the accident process was segmented and contextualized, and a general hierarchical model of subway tunnel construction accident scenario expression was proposed. It included representation layer, scenario layer and knowledge layer. According to 15 cases, the accident features were analyzed. The information of scenario factors was extracted, and the expression of accident scenario knowledge element was proposed. Based on this, the framework and process of scenario database construction and application mode were proposed. A case study on the collapse accident shows that the model can express the accident information concisely and completely, which can provide a reference for the application of big data of historical accident to guide the safety risk early warning and emergency decision-making of subway tunnel construction.

subway tunnel; construction accident; knowledge element; scenario; risk factors

TU714；U455.1

A

1672 − 7029(2021)01 − 0259 − 09

10.19713/j.cnki.43−1423/u.T20200263

2020−04−04

湖南省应急管理厅2018年安全生产科技研究及推广项目；长沙理工大学道路灾变防治及交通安全教育部工程研究中心开放基金自主项目(kfj180403)

陈赟(1963−)，男，湖南邵阳人，教授，博士，从事工程项目管理研究；E−mail：cheny@csust.edu.cn

(编辑 蒋学东)