2006-2020年地铁安全管理可视化分析

孙晓萌 王 洁副教授 王 佩 周洁琼

(首都经济贸易大学 管理工程学院，北京 100070)

0 引言

随着城市化的不断推进，地铁成为人们出行的首选工具。我国城市轨道建设事业起步较晚，不论是设计、技术还是施工方面都与世界水平存在差距，在地铁安全管理工作中也存在一些问题，这都会为社会发展带来负面影响。

截至2019年12月，我国内地共有40个城市开通运营城市轨道交通，运营里程总长度6 736.2km。随着地铁线路不断增多，运营网不断增大，为有效提升地铁运营安全，安全管理模式也在不断创新。自1996年我国颁布《中华人民共和国安全生产法》、2018年颁布《城市轨道交通运营管理规范》等地铁安全管理相关法律法规以规范我国地铁运营安全发展，但环境、人员及制度等因素依然极大地影响着地铁运营安全。据统计，2018年全国地铁共发生5min及以上延误事件1 303次，列车退出正线故障共计9 372次，这不仅会影响社会经济，而且会对地铁工程的发展产生负面影响。目前地铁安全管理领域的研究侧重于风险识别、风险分析和风险评估等方面，采用文献计量分析方法分析该领域研究特征和未来研究趋势的文章较少。

本文借助CiteSpace数据可视化分析软件，以Web of Science数据库中相关文献为基础，对地铁安全管理领域的文献进行发文量分析，揭示该领域的发展速度；通过对国家和机构、作者进行文献计量分析，描述该领域主要研究力量及研究人员的分布；通过对关键词和关键词聚类文献计量分析，了解研究热点，预测未来研究趋势。这不仅有助于研究者和地铁工作人员充分认识该领域研究前沿，而且也可以为地铁安全管理理论研究和实践提供一定的参考价值。

1 数据收集与处理

1.1 研究方法

使用美国德雷塞尔大学(Drexel University)陈超美博士开发的CiteSpace(5.7.R2)对地铁安全管理领域的文献进行国家和机构、作者、关键词和关键词聚类的知识图谱绘制，并进行定性和定量分析。

1.2 数据收集

在Web of Science数据库中选择WOS核心合集数据库，以主题“TS=(Safety Management AND Subway) OR TS=(Safety Management AND Metro)”进行检索。语种选择“English”，文献类型选择为“Article”，时间跨度选择为“2006-2020”。所有文献均来自核心合集中的SCI和SSCI引文索引，经检索共获得文献205篇(检索日期为2020年12月16日)。根据具体的分析任务选择不同的网络节点类型，分析时间设为2006-2020年，时间分区设为1年，其余参数均保留默认值。

2 文献计量分析

2.1 文献年份分布分析

图1为2006-2020年地铁安全管理领域文献发表数量与年份变化关系，揭示该领域发展速度，预测未来发展趋势。由图1可知，发文数量整体呈现逐年增长趋势，大致分为3个阶段：第一阶段为萌芽阶段(2006-2011年)，在这6年期间，发文量共22篇，占文献总数量的10.7%，发文数量很少；第二阶段为探索阶段(2012-2016年)，研究学者们开始关注该领域，发文数量明显有所增加；第三阶段为快速发展阶段(2017-2020年)，发文数量占总文献数量的66.8%，发文数量呈现大幅度增加，说明越来越多的学者注重地铁安全管理领域的研究。

图1 地铁安全管理领域发文量统计Fig.1 Statistics on the number of documents issuedin the field of subway safety management

2.2 国家—机构分析

利用CiteSpace(5.7.R2)生成国家与机构混合合作关系网络图，掌握该研究内容在不同国家及研究机构的分布及合作情况，为国际之间合作提供参考。其中,节点大小代表组织机构或国家发表文献数量的多少，连线的粗细代表合作强度的强弱。由图2可知，全球范围内主要研究地铁安全管理领域的国家有中国、美国和波兰等。不同国家之间也采取跨国合作的方式对地铁安全管理领域进行研究，通过分析样本文献，可知有133篇(占64.9%)文献的作者在各自国家开展国内合作研究，其余72篇(占35.1%)文献的作者则采取跨国合作的方式。

图2 地铁安全管理领域国家—机构混合共现网络图Fig.2 Mixed convergence network of state and institutionin the field of subway safety management

表1为发文频次最多的10个机构的发文频次、中心性、首次发表的年份以及所属国家。发文频次前三名是中国的华中科技大学、美国的马里兰大学和中国的北京交通大学。通过分析可知，华中科技大学与马里兰大学合作频次最多，共14次，主要研究内容为地铁隧道施工中的风险识别、风险评估,以及复杂工程环境下地铁施工安全风险分析的决策方法，还有文献研究地铁隧道挖掘区域的建筑物的安全管理。香港理工大学虽然发文频次较少，但是研究的时间相对较早。湖北省虚拟安全自动化建设工程研究中心虽研究时间相对较晚，但发文频次相对较多，说明在国内地铁安全管理领域属于新兴起的机构。

表1 地铁安全管理领域研究发文频次最多的前十个机构Tab.1 Top 10 institutions with the highest frequency ofresearch in the field of subway safety management

2.3 作者分析

通过对作者进行可视化分析，可以得知所研究领域中的领军人物，再研究这些起到先导作用的学者所著文章，得到的数据会更具权威性与前沿性。据统计，该研究主题2006-2020年间发文作者共276名，其中Ding LY，Skibniewski MJ和Zhang发表的文章数量位于前三，为总文献数量的20%，有51名作者发表数量为2篇以上。由图3可知，部分作者之间虽然存在合作关系，但从整体上看，作者们之间的交流合作不是很紧密。为判断作者在该领域的影响力，本文使用CiteSpace(5.7.R2)软件绘制作者共被引网络图，节点大小代表作者被引次数，节点之间的连线代表作者间的共被引关系，如图4。表2为文献被引次数最多的10名作者的被引次数、发文频次等信息。Ding LY(60次)和Zhang LM(45次)的被引次数和发文频次最多，中心性也是最大的，说明这2位学者在地铁安全管理研究领域有较大影响力。Eskesen S D，Yu QZ以及Qian QH关于地铁安全管理研究的发文数量为零，但是3者的被引次数相对较多，说明Eskesen SD在《隧道和地下空间技术》上发表的隧道工程风险管理指南，Yu QZ在《事故分析与预防》上发表中国地铁施工安全管理影响因素分析以及Qian QH在《隧道和地下空间技术》上发表中国城市地下空间现状，针对该领域存在问题及发展趋势的研究在不断推进其发展。

表2 地铁安全管理领域被引频次数最多的10名作者Tab.2 The 10 most cited authors in the field of subway safety management

图3 地铁安全管理领域作者合作网络图Fig.3 Cooperative network between authors in the field ofsubway safety management

图4 地铁安全管理领域作者共被引网络图Fig.4 Co-cited author network in the fieldof subway safety management

2.4 关键词分析

关键词是整篇文章的高度浓缩，它能够高度概括文章观点和研究内容。运用CiteSpace(5.7.R2)将网络节点设置为关键词，绘制关键词关系网络，可以得到具有相同关键词文章的聚类，从而体现出这些文章在其研究领域的关键词，进而得出该研究领域的研究热点。

从图5中可以看出，Management(管理)、Model(模型)、System(系统)及Safety(安全)占据整个关键词网络中前4位，位于整个地铁安全管理领域关键词可视化分析图的主题位置，为整个研究领域的核心关键词；其中，Model(模型)、System(系统)及Behavior(行为)等高频关键词在一定程度上可以反映出国内外学者们目前研究的领域及其关注的焦点，说明目前全球范围内对于地铁安全管理领域的研究主要倾向于利用建立模型和构建系统的方法预测可能造成事故的风险，除此之外，对人的行为研究也成为重点。围绕中心四周较小的、年份较近的节点也揭示目前国内外的地铁安全管理领域新兴的研究热点，这些小节点所代表的关键词包括Unsafe Behavior(不安全行为)、Communication(沟通)、Attitude(态度)、Human Factor(人为因素)、Human Error(人因失误)等，表明研究者逐渐将关注点聚焦在人为因素等方面。

图5 地铁安全管理领域关键词关系Fig.5 Keywords relation diagram in the fieldof subway safety management

2.5 聚类分析

为了更加全面了解分析国内外地铁安全管理领域的研究热点，运用CiteSpace(5.7.R2)软件进行关键词聚类分析。聚类分析能够更加清晰明了地反映该领域主题分类。通常，不同的聚类代表不同的研究重点。图6为地铁安全管理领域关键词聚类图谱，共生成11个聚类。

图6 地铁安全管理领域关键词聚类分析Fig.6 Clustering analysis of keywords in the fieldof subway safety management

聚类0号标题为Evacuation(疏散)，经过文献梳理发现，该聚类下文献大多与地铁应急疏散仿真模拟研究相关。Kallianiotis等使用探路者软件包模拟塞萨洛尼基地铁疏散过程。Chen等将虚拟现实、眼动追踪技术和生理指标测量应用于虚拟地铁火灾疏散逃生实验当中，确定出最佳的疏散逃生组合性能，提高搜索安全标志的效率。疏散过程是管理和控制各种紧急情况或灾害时应急战略的关键部分，以往关于地铁站行人疏散的研究主要集中在行人移动行为和疏散建模上，对于疏散过程中行人疏散风险的量化研究还很缺乏。Cheng等研究开发了一个可量化行人疏散风险的评估模型，该模型将行人踩踏概率和伤亡情况结合起来，然后基于社会力模型(Social Force Model，SFM)对北京“奥林匹克公园站”行人疏散风险进行仿真，确定大型体育活动中“奥林匹克公园站”风险最低和最高的行人疏散方案。

聚类1号和聚类3号标题分别为Adverse Event(不良事件)和Safety Management(安全管理)，这2个聚类有很大的重叠之处。该聚类下文献大多数与突发事件下地铁的安全管理相关。2012年Kyriakidis等为减少潜在事故的风险，提出一种新的安全成熟度模型(Safety Maturity Model，SMM)，分析全球主要地铁路线的突发事件、伤亡以及安全成熟度及其相互作用关系。2013年Kyriakidis等分析全球17条大型地铁铁路的事故前兆、突发事件和伤亡及其相互关系。Li等建立地铁运营危险网络(Metro Operation Hazard Network，MOHN)，利用复杂网络理论，应用7个参数进一步揭示MOHN的结构性，有助于地铁事故发生前的策略制定，有助于提高地铁运行的系统安全性。

聚类2号Environmental Risk Management(环境风险管理)、聚类4号Risk Assessment(风险评估)、聚类5号Metro Construction(地铁建设)以及聚类6号Complex Environments(复杂环境)这4个聚类有很大的重叠性，经过文献整理分析发现，该聚类下文献大多数与地铁风险识别、分析以及评估相关，目的都是为了提高地铁建设过程中的安全管理绩效。Guo等将弹性理论应用于地铁14号线中，评估3个地铁建设施工现场的风险管理。Ding等基于多源信息(监测测量、计算预测和视觉检查)的混合数据融合模型搭建安全风险评估和预警协作平台来收集、共享和交流信息，以提高安全管理绩效。Wang等采用模糊综合评价方法(Fuzzy Comprehensive Evaluation Method，FCEM)和贝叶斯网络(Bayesian Network，BN)相结合的方法，对地铁建设项目的风险概率、风险损失和风险可控性进行评估。Zhang等提出一种复杂工程环境下地铁施工安全风险分析的概率决策方法。

聚类7号Ontology(本体论，实体论)经过文献梳理发现大多数研究都将本体论与本体规则推理、案例推理的方法融入到地铁施工安全管理过程中，以期提高地铁施工安全管理水平。Dong等开发了一个知识动态集成图(Knowledge-dynamics Integrated Map，KIM)，用于可视化隧道施工安全风险管理中的安全知识流程。Xing等研究发现在地铁建设过程中SRI-Onto(Safety Risk Information-Ontology，SRI-Onto)可以提供标准化和正规化的安全风险知识。Jiang等采用本体和改进的基于案例的推理(Case-based Reasoning，CBR)方法，提出施工安全风险管理的决策方法。Wu等提出一种将基于案例的推理(Case-based Reasoning，CBR)和自然语言处理(Natural Language Processing，NLP)技术相结合的本体论方法，用于地铁事故案例检索。

聚类8号标题为Safety Performance(安全绩效)，通过梳理文献发现，该聚类多研究人因失误及人为因素会影响地铁安全管理绩效。Liu等通过文献综述和对中国专家深入访谈的方法，指导安全管理人员确定安全因素，并为其提供有价值的信息，以促进安全绩效，减少地铁施工过程中的事故数量。Rjabovs等通过分析2011-2013年期间的案例，分析得出地铁司机对路线及操作系统的熟练程度会影响安全绩效。Wu等采用模糊贝叶斯网络(Fuzzy Bayesian Network，FBN)方法将认知可靠性与误差分析方法(Cognitive Reliability and Error Analysis Method，CREAM)纳入地铁施工安全分析中，量化地铁施工中的人因失误。

聚类9号标题为Existing Buildings(现有建筑物)。城市地铁施工采用浅层隧道法引起的地表沉降是不可避免的，它可能对现有的附近建筑物和公用设施造成一系列负面影响。Fang等提出以地面沉降和附近现有结构过程控制为目标的风险管理方法。Liu等将有限元方法和Copula技术结合在一起来研究隧道挖掘引起的建筑物扰动的不确定性和可靠性。Zhang等在传统2阶段方法的基础上，考虑空间关系(危险参数)和建筑物安全状况(脆弱性)，对邻近隧道开挖的现有建筑物进行安全评估。

聚类10号Disasters(灾难)。灾害会对城市地铁站的建设周期和运营周期造成不同程度的损害。Yu等采用主客观加权相结合的最优组合加权方法，建立城市地铁站建设和运营期间内涝风险模糊综合评价模型。Wu等提出基于模糊有序加权平均(Fuzzy Ordered Weighted Averaging，FOWA)算子和灰色聚类的评价模型，科学地评价地铁深基坑工程。

因此，建议加大对地铁站应急疏散风险及地铁施工风险定量化的研究，可以使研究结果更为客观准确，符合实际，从而建立更加完善的地铁安全管理规章制度。同时，注重对地铁人为因素的研究力度，针对不同班组、不同类别的工作进行可能的人因失误分析，并对可能造成人因失误的影响因素进行量化研究，以促进控制和预防关键影响因素。同时根据SRK(Skill-Rule-Knowledge)，采取不同的预防措施，再对地铁工作人员进行有目的的培训，以便于有效地减少和控制地铁人因事故的发生。

3 结论

运用CiteSpace(5.7.R2)可视化软件对2006-2020年从Web of Science中收集的地铁安全管理领域的205篇文献进行定性和定量分析，得到如下结论：

(1)地铁安全管理领域发文数量整体呈现上升趋势，说明该领域得到国内外研究学者的广泛关注；中国、美国和波兰为该领域的重要贡献国家；主要研究机构为华中科技大学、马里兰大学及北京交通大学。

(2)在地铁安全管理领域Ding LY和Zhang LM较为有影响力。作者间的合作以小范围团队合作为主，不利于该领域发展。

(3)全球范围内地铁安全管理领域研究内容整体联系密切，主要倾向于利用建立模型和仿真模拟的方法预测可能造成事故的风险，进行风险识别、分析以及评估。在近些年，边际领域的问题逐渐受到重视，比如，人为因素等方面的研究将来会成为研究发展的趋势之一。