基于复杂网络理论的高速铁路列控系统设备安全风险研究

刘红良

（中国铁道科学研究院集团有限公司 北京经纬信息技术有限公司，北京 100081)

0 引言

在高速铁路系统中，列车运行控制系统是保障列车安全、高效运行的关键技术装备。随着我国高速铁路的快速发展，列控设备维护的更新升级就显得尤为重要[1]。在此背景下，深入研究高速铁路列控系统设备的风险源，找出高速铁路列控系统设备的关键风险源并提出防控措施，对高速铁路列控系统设备安全控制及事故预防具有重要意义。

目前，在安全风险分析领域，李洪赭等[1]将模糊综合评价法和层次分析法(Analytic Hierarchy Process，AHP)相结合，对高速铁路信号系统进行了研究，深入分析威胁信号系统的场景，确定出主要风险源，结合漏洞评分方法(Common Vulnerability Scoring System，CVSS)建立了评价指标体系；尹雨[2]应用故障树分析法对200C 型列控车载设备风险进行了研究，并提出了风险应对措施；陈绍清等[3]通过采用改进层次分析方法，以某地铁站基坑坍塌事故为例，对事故致灾因素进行了定性、定量分析；吴伋等[4]采用R 语言文本挖掘技术对船舶碰撞事故进行研究分析，确定出了碰撞风险致因因素，且利用反向推理方法得到船舶碰撞事故中的首要致因因素；卢睿等[5]通过采用贝叶斯网络对影响四电工程(通信、信号、电力、牵引供电)质量安全的三维(建设时期、参建单位以及质量控制流程)管理体系因素进行了风险识别、评估，确定出影响质量安全的关键因素，并提出规避风险的建议；范晓飚等[6]依据与龙门吊船装卸货物作业安全相关的影响因素，应用层次分析的方法建立了安全风险评估模型，研究分析了各个影响因素对安全作业的影响程度，并提出针对性建议；胡哨刚等[7]在灰色理论的基础上采用趋势预测分析法，通过对2015—2019 年铁路交通事故件数的分析，建立了灰色预测模型GM (1，1)，预测2015—2022 年交通事故件数的数值，将2015—2019 年统计的交通事故数值与仿真实验得出的数值进行对比，2 组数据值较为接近表明该模型可以得到较好的预测效果；边志宏等[8]以C80型货车为例，根据专家对该车型基础制动装置零部件重要程度的等级评定值，采用层次分析法和灰色关联度结合的方法，确定各部件的重要度，为实现货物列车的健康状态监测及精准维修提供了指导，但该方法仅适用于影响因素相对较少的模型中。

以上方法在安全风险分析中具有一定的代表性并取得了一定的成果，但这些方法缺乏对风险因素间相互影响关系的分析，而借助复杂网络理论可分析出各节点对结果的影响程度、各节点间的连接关系，从而有效判断每个节点的重要性[9]。同时，相较于趋势关联度分析法和灰色关联度分析法，可以从多角度指出不同风险源间的关系，提出的预防性建议更具有针对性。因此，铁路相关安全风险领域广泛借助复杂网络具有的系统性、复杂性等特点展开研究[10-11]。此外，高速铁路列控系统设备事故是由多种风险源因素相互影响、共同作用导致的，且只能根据专家经验来判断各风险源间的致因关系强弱。鉴于此，将复杂网络理论引入安全分析领域，将高速铁路列控系统设备风险源因素间的相互作用抽象为复杂网络模型。复杂网络中的决策试验分析法(DEMATEL)适用于系统工程问题分析，且可以充分利用专家经验和知识来处理复杂问题，尤其对那些要素关系不确定的系统更为有效。因此，研究采用DEMATEL 方法将抽象问题形象化、具体化，以各风险源因素为节点，以各风险源因素之间的相互关系为边，构建高速铁路列控系统设备风险源因素模型，以此分析风险源因素之间的相互关系与重要性，进而找出高速铁路列控系统设备的关键风险源因素，并对各风险源因素的重要程度进行排序，提出相应的建议与措施，为相关人员对关键风险源的进一步识别、处置提供指导作用。

1 高速铁路列控系统设备风险源因素识别

为了较清晰地对高速铁路列控系统设备的风险源进行分类，在不考虑人为破坏因素造成的风险，以及地震、泥石流等重大自然灾害的情况下，辨识故障率较高的、易发生事故的风险源因素，这些风险源因素可能对高速铁路列控系统设备安全风险产生影响。研究各个风险源因素之间的相互关系与重要性，并对其进行分类，结合现场设备使用情况，提出相应的防控措施。参考高速铁路管理人员和专业技术人员培训教材[12-13]以及调试、日常运营中的经验，将高速铁路列控系统设备的风险源划分为主风险源和具体风险源2 个层次。主风险源的风险类型主要是构成高速铁路列控系统设备的某一模块产生风险的集合，较为笼统；具体风险源在主风险源的基础上进行了细化。高速铁路列控系统设备风险源如图1 所示，分为轨道电路方面风险、点式器材方面风险等10 个大类，并对每个大类进行具体划分，细化为80 个风险源。

图1 高速铁路列控系统设备风险源Fig.1 Equipment risk source of high speed rail control system

2 面向高速铁路列控系统设备风险源因素分析的决策试验分析法

决策试验分析法于1971 年由美国学者提出，在复杂网络理论中应用最为广泛。其主要思想为通过借助图论、矩阵论原理得出复杂问题中各因素间的相关关系。筛选出影响系统中的关键因素并分析系统中各风险源因素间的结构层次是该方法的主要作用。通过DEMATEL 算法构建了高速铁路列控系统设备风险源因素模型，其具体构建步骤如下。

（1）分析总结高速铁路列控系统设备主要的风险源因素，用集合S={S1，S2，…，S80}表示80 个风险源因素，构建风险源因素体系。

（2）结合事故故障案例，对各风险源因素间的直接影响程度进行分析。通过构建各风险源因素间的相互影响程度打分表，从而得到直接影响矩阵A。各风险源间影响程度打分依据表如表1 所示。

表1 各风险源间影响程度打分依据表Tab.1 Degree of impacts between each risk source

（3）通过求解得出综合影响矩阵T，进而对各风险源要素间的直接影响关系进行分析，矩阵T的求解过程分为以下3 步，步骤如下。

①计算矩阵A(直接影响矩阵)各行元素之和，再选出最大值，记为m。

②矩阵A的各行元素均除以m，得到正规化影响矩阵，记为X，计算公式为

式中：tij表示要素i对j所带来的直接及间接影响程度，也可以认为是要素j受要素i的综合影响程度。

③计算综合影响矩阵。综合影响矩阵T的计算公式为

式中：I表示单位矩阵。

（4）考察矩阵T中元素tij，计算“四度”(每个因素的影响度、被影响度以及中心度与原因度)。影响度为矩阵T的每行元素之和，反映的是该因素对其他因素影响能力的大小，计算公式如公式 ⑶ 所示；被影响度为矩阵T的每列元素之和，反映的是该因素被其他因素影响的能力，计算公式如公式 ⑷ 所示；中心度(影响度和被影响度之和)表示因素在系统中所起作用大小，计算公式如公式 ⑸ 所示；原因度(影响度与被影响度之差)表示该因素对其他因素或被其他因素影响的程度，计算公式如公式 ⑹ 所示。

式中：fi表示影响度；gi表示被影响度；ei表示中心度；vi表示原因度；n表示矩阵T的行数和列数；mij表示矩阵T中第i行第j列的元素；mji表示矩阵T中第j行第i列的元素。

根据最终求解得到的原因度值，可以判定该因素属于原因因素还是结果因素，风险源因素种类判别依据表如表2 所示。

表2 风险源因素种类判别依据表Tab.2 Types of risk source factors discriminating basis

（5）结合综合影响矩阵，采用DEMATEL 算法得到各风险源计算结果，用DEMATEL 算法计算所得结果如表3 所示。

（6）由表3 的计算结果建立高速铁路列控系统设备风险源的因果关系图，高速铁路列控系统设备风险源的因果关系图如图2 所示。

表3 用DEMATEL 算法计算所得结果Tab.3 Calculation result of the DEMATEL algorithm

根据各风险源间影响程度打分表，绘制高速铁路列控系统设备风险源的致因网络图如图3 所示。

图3 高速铁路列控系统设备风险源的致因网络图Fig.3 Risk source network diagram of high speed railway train control system equipment

3 高速铁路列控系统设备风险源因素模型分析

3.1 中心度和原因度分析

为制定出合理且具有针对性的预防意见，需要对中心度和原因度进行分析。要素中心度值的大小可以直观反映该风险源因素对/受其他因素影响的程度，且中心度值与影响程度呈正相关。在事故致因中，原因度起到基础性作用。原因度负值越大表明该因素距离事故发生越近。综上，设备维护人员应加强对此类高速铁路列控设备风险源因素的管控。

3.1.1 中心度分析

中心度值与风险源因素作用的强弱程度关系密切，在3.1 节中已经提到两者呈正相关。由图2 可以看出，高速铁路列控系统设备各风险源因素中心度值的分布情况。观察分析图2，以数值2.5 为分界线，高于2.5 的范围中，风险源因素较少分布，绝大部分风险源因素分布在低于2.5 的区域内。因此，中心度关键区域选定为中心度值大于2.5 的范围中，且规定处于关键区内的风险源因素为关键风险源因素，分别是S10，S1，S58，S32，S29，S28，S34，S13，S30，说明对高速铁路列控系统设备事故的发生起关键作用的风险源因素有9 个，具体是区间信号机错误、发码异常、在必要时未实施制动或制动不充分、错误地处理了运营计划等。

图2 高速铁路列控系统设备风险源的因果关系图Fig.2 Causal relationship between the high speed rail control system equipment

3.1.2 原因度分析

从原因度进行分析，观察图2 中各风险源因素的分布区域，可得出：79 个风险源的原因度主要集中于v=±1.7 之间，且越靠近v=0，分布越密集。因此，进行折中处理，对风险源因素进行分层，分层的分割界限为v=±0.85，如图2 中2 条蓝色实线所示。

研究将v大于-0.85、小于0.85 间的区域定为中间致因层，同时处于该层的因素就被认为是中间致因因素。中间致因因素包括S53，S49，S41，S62，S15，S56，S46等，在高速铁路列控系统设备事故中这些因素具有间接影响作用，故需要引起维护人员的重视与关注。

基础因素对高速铁路列控系统设备安全风险具有根本性影响。研究将分布在v＞0.85 区域内的因素定为基础风险源因素，根据表3 的计算结果和图2 的分布情况可得，S79，S4，S78，S64，S50，S74，S44为高速铁路列控系统设备事故中的基础要素。为减少列控系统设备事故发生，维护人员应对雷电干扰、分路不良、风雨雪等极端天气进行重点关注和防护。

近邻事故因素与事故发生紧密相关。研究将分布在v＜-0.85 区域内的因素定为近邻事故风险源因素，根据表3 的计算结果和图2 的分布情况可得，S23，S48，S10，S29，S24，S36，S25，S28，S32，S35，S58为高速铁路列控系统设备事故中的基础因素。若这些风险源未得到有效控制，就很有可能发生事故，因而在事故预防过程中，需要维护人员严格避免检测维护异常、错误地更新MA、区间信号及状态错误、提早撤销TSR 等风险源的发生。

3.2 节点度分析

节点度是致因网络中衡量致因功能强弱的关键指标，是反映该节点在网络中重要性的直观显示方式，且呈正相关。节点度越大(与该节点直接相连接的节点多或多次出现在其他节点的最短致因路径中)表示该节点(风险源因素)影响范围大，反之亦然。因此，在事故预防过程中，维护人员加强对这类风险源因素的监管和防护就显得尤为重要。

根据图3 可以得出各风险源的节点度值，即与该风险源相关的其他风险源因子。高速铁路列控系统设备各风险源因素的节点度表如表4 所示，详细列出了与高速铁路列控设备安全有关的80 个风险源因素的节点度值。通过观察表4 可得出节点度值超过30 的风险源因素有S1，S10，S71，其中S10的节点度值最大，为45。因此，发码异常、区间信号机状态错误、设备易受干扰风险为网络中的HUB 点(即少量度值相对较高的节点)。此外，节点度值在20～29 范围内的风险源因素有S13(无缘应答器报文异常)、S32(错误地处理了运营计划)、S58(在必要时未实施制动或制动不充分)等12 个，其余的大部分因素的节点度值均在20以下。

表4 高速铁路列控系统设备风险源因素的节点度Tab.4 Nodes of risk source factors in high speed railway control system

此外，为更加清晰地显示致因网络中各节点度值的大小关系，绘制出各因素节点度值统计图，各因素节点度值统计图如图4 所示。

图4 各因素节点度值统计图Fig.4 Charts of each factor node value

3.3 关键因素提取

选定事故致因作用强、功能广的因素为关键因素。在致因作用强方面，根据上述分析得出中心度大的因素集合，即X={S10，S1，S58，S32，S29，S28，S34，S13，S30}，原因度大的集合为Y={S79，S4，S78，S64，S50，S74，S44}，结果度大的集合为Z={S23，S48，S10，S29，S24，S36，S25，S28，S32，S35，S58}，因而事故致因作用强的集合M={S1，S10，S4，S13，S23，S24，S28，S29，S25，S30，S32，S34，S44，S48，S50，S58，S36，S35，S78，S79，S74，S64}；在致因功能方面，节点度大的集合为N={S1，S10，S71，S13，S32，S58，S22，S28，S4，S66，S21，S29，S30，S34}。将集合M和集合N取交集，有G={S1，S4，S10，S13，S28，S29，S30，S32，S34，S58}，这10 个风险源因素对高速铁路列控系统设备事故发生起关键作用。

基础因素层中风险源因素是导致高速铁路列控系统设备事故多发的最根本、最重要的原因，如人员违章操作、雷电干扰、车载计算机未能对列车速度精确测量等对高速铁路列控系统设备安全起决定性作用；车载备份失效、原厂设计参数不当、障碍物信息存储不正确、室内设备信号间配线影响等中间致因层中的风险源是导致事故发展的主体部分；近邻事故层中风险源因素是导致事故的直接原因，如区间信号机状态错误、在必要时未实施制动或制动不充分。此外，在高速铁路列控系统设备风险源因素中，风险源因素之间也联系紧密，如提供的路由控制信息不足，会导致扩展MA 不足，进而使得制动不充分。

4 结束语

研究基于复杂的网络理论，使用决策实验分析方法，对80 个高速铁路列控系统具体设备风险源因素进行建模分析，将设备风险源因素分为基础因素层、中间致因层和近邻事故层3 个等级，得出较强的致因作用和致因功能因素，并综合提出了发码异常、区间信号状态错误、无缘应答器报文异常等10 个风险源因素是设备事故的关键风险源因素。若这些风险源未得到有效控制，就很有可能发生事故，应严格进行检测、维护。因此，根据研究识别出的高速铁路列控系统设备风险源因素层级和类型，提出有针对性的建议和措施，对确保高速铁路列控系统设备安全运行具有重要意义，能为高速铁路列控设备后期维护提供一定的指导手段。下一步研究思路是确定风险源因素对高速铁路列控系统的具体影响，并进行模拟试验和仿真，以验证研究成果的正确性和适用性。