基于Bow-tie模型的危险化学品道路运输泄漏事故风险管理

赵易佳，李琰

（南京信息工程大学，江苏 南京 210044）

0 引言

危险化学品运输过程中，风险因素包括但不限于人员、车辆、罐体、道路，一旦泄漏事故发生，大概率会导致人员伤亡、燃爆事故等二次事故。因此对危险化学品道路运输泄漏事故进行从风险因素预防到事故后果控制的风险管理非常必要，有助于提升危险化学品道路运输的安全管理水平。

目前我国针对危险化学品道路运输事故的研究主要集中在事故统计、风险分析和风险控制等方面。事故统计方面，众多学者针对事故发生的时间、地点、环节、引发事故的危险化学品类别等要素展开了统计分析，为风险分析和控制提供了数据和案例支持。风险分析方面（即事故致因），研究方法从经典概率统计分析发展到故障树等研究方法，再到贝叶斯网络，分析越来越细。但贝叶斯网络结构复杂，单纯利用贝叶斯网络会出现节点间因果关系混乱的情况。基于此，全恺，等提出了一种故障树与贝叶斯网络结合分析管道事故风险的方法，将故障树分析清晰的因果建模能力和贝叶斯网络的动态更新能力相结合，可以更好地分析风险因素对事故的影响程度。因此，本文利用故障树-贝叶斯复合模型（FT-BN模型）进行风险因素分析。

在风险管理方面，现有的研究大多集中在与风险评估结合的对策研究和路径优化方面，存在重评估而轻管理和控制风险因素有限的问题。但危险化学品运输涉及的风险因素较多，且由于危险品自身的助燃、有毒、腐蚀等性质，往往引起多种事故。因此，制定针对危险化学品道路运输过程从事故预防到事故后果控制的全过程风险管理体系显得十分必要。而Bow-tie模型可以系统地辨识关键风险因素和事故后果，并提出相应的预防及控制措施，能够很好地满足这一需求。Bow-tie最早出现在澳大利亚昆士兰大学的讲义中，20世纪初被美国联邦航空局应用于风险管理。郑应钊，等结合国外分析成果，利用Bow-tie模型找出了录井作业中的关键风险因素和事故后果，并确定了事故预防和后果控制措施。之后Bow-tie模型不断发展，被广泛应用于电镀厂搬迁、城市管道系统等领域的安全风险分析中。但鉴于Bow-tie模型自身缺少算法，不能进行定量分析，因此本文将故障树-贝叶斯复合模型（FT-BN模型）引入Bow-tie模型中，针对引起危险品道路运输泄漏事故的风险因素进行定量分析，结合Bow-tie模型可清晰分析事故因果关系的优点，最终形成针对危险化学品道路运输泄漏事故的全过程风险管理模型。

1 案例基本情况及分析结果

1.1 事故主要原因分布

在统计了2016年5月至2021年5月发生在我国的180起危险化学品道路运输泄漏事故的基础上，本文将导致事故的原因分为人员因素等5个大类，统计由各个因素所导致的事故，各类因素的细分及所占比例见表1。

表1 180起危险化学品道路运输泄漏事故原因划分

依据统计结果，人员因素是引发危险品道路运输泄漏事故的首要风险因素，其引发的事故占比为61%。由车辆因素导致的事故占事故总数的16%，也是导致危险化学品道路运输泄漏事故的重要原因。

1.2 事故主要后果

依据统计数据，危险化学品泄漏后会引起爆炸、火灾、人员伤亡、环境污染等二次事故，统计情况如图1所示。

图1 事故后果统计

2 Bow-tie模型原理

Bow-tie模型通过将故障树与事件树结合，不仅可以辨识事故的危险源与事故后果，还可以计算各阶段的概率，找出关键风险因素。此外Bow-tie模型还可以针对事故的原因和后果提出对应的预防和控制措施，称为安全屏障。典型的Bow-tie模型如图2所示。

图2 典型的Bow-tie模型示意图

根据案例分析结果，本文构建了危险化学品道路运输泄漏事故Bow-tie模型的流程如图3所示。

图3 危险化学品道路运输泄漏事故Bow-tie分析流程图

3 Bow-tie模型的事故原因分析

3.1 故障树（FT）构造

在分析统计数据和查阅文献的基础上，可以总结出导致危险化学品道路运输中发生泄漏事故的原因大致可分为5类——人员因素、罐体因素、车辆及设备因素、道路因素、气候及环境因素。

基于以上分析可以构建故障树模型，如图4所示，各符号代表的事件见表2。

表2 各符号代表的事件

图4 危险化学道路运输泄漏事故故障树

3.2 故障树模型(FT)向贝叶斯网络（BN)转换

贝叶斯网络可动态更新的特点使得贝叶斯网络相较于故障树能更好地识别出导致顶事件的主要节点以及各节点之间的关系。因此本文将故障树模型转化为贝叶斯网络，利用贝叶斯网络可动态更新的特点分析出危险化学品运输中导致泄漏事故的关键风险因素。

故障树模型向贝叶斯网络模型转化主要是将故障树模型的基本事件转化为贝叶斯网络模型中的根节点，故障树模型的中间事件转化为贝叶斯网络模型的中间节点，故障树的顶事件转化为贝叶斯网络模型的叶节点。转化得到的贝叶斯网络模型如图5所示。

图5 危险化学品道路运输泄漏事故贝叶斯网络

3.3 基于贝叶斯网络模型的计算

贝叶斯网络模型事实上体现了各个子节点变量与父节点变量间的概率依赖关系，以节点B2为例。B2对应的三个子节点分别是X5、X6、X7。根据这三个子节点变量发生（YES）或不发生（NO）的不同组合情况，可以得出B2发生和不发生的概率。具体情况见表3。

表3 车辆因素的条件概率

Netica模型提供了贝叶斯网络模型的计算功能。根据图5中各节点的关系，在Netica中构建BN模型并进行计算，以B2为例，输入各子节点发生的先验概率和各子节点间的概率依赖关系（见表3），可以得出B2发生的概率，计算结果如图6所示。

图6 B2先验概率计算

后验概率分布是BN模型中广泛应用的推理方式，用于量化子节点对父节点的影响程度。在假设父节点事件已经发生的情况下，可计算各子节点的后验概率，子节点后验概率越高，对父节点的影响就越大。以B2为例，假设B2已经发生，则最有可能导致B2发生的子节点是X6，计算结果如图7所示。

图7 B2后验概率分布

通过统计180起危险化学品道路运输泄漏事故，得到各子节点的先验概率及节点间的概率依赖关系。将数据导入Netica中，假设顶事件（危险化学品泄漏）一定发生的条件下，计算各节点的后验概率。统计得出的先验概率和计算得出的后验概率见表4。

表4 贝叶斯网络的先验及后验概率分布

由BN模型的分析结果可知：人员因素和车辆因素的后验概率较高，为0.43和0.41，大于0.4，为关键风险因素。

人员因素的后验概率最高，达到了0.43。现阶段大多数企业的关注焦点在于赢取利润，对驾驶人员的要求不高、把关不严，很大一部分驾驶员在接受过短期的驾校培训后就可以上岗，专业水平良莠不齐。部分企业为了降低运输成本，甚至要求驾驶员加班加点,运输，导致驾驶员疲劳驾驶，使得事故发生的概率增加。

车辆因素的后验概率为0.41，也是导致危险品道路运输发生泄漏事故的重要因素。由于现阶段我国公路危险品运输市场以小型企业为主，往往难以承担较高的专业运输车辆维养费用，导致车辆未及时检修、安全设备不足等问题严重。部分企业为了节约成本甚至擅自改装车辆，使用经过简易改装的普通货车运输危险品，往往导致严重的运输事故。

基于此，本文将针对人员因素和车辆因素这两个关键风险因素建立预防性安全屏障。

3.4 敏感性分析

BN模型中，父节点的先验概率会影响子节点的后验概率，而敏感性分析将这一关系的程度进行了量化，可以作为风险程度的验证指标。在Genie模型中进行敏感性分析，可以直观地看出子节点后验概率随父节点先验概率变化敏感度的高低。在Genie模型中，将泄漏设为目标节点A，进行敏感性分析，敏感度较高的节点会标为深色，得出的结果如图8所示。可以看出，敏感度较高的是X3、X6、B1、B2，与后验概率分析的结果一致，进一步验证了后验概率分析的结果。

图8 贝叶斯网络敏感性分析

4 Bow-tie模型的事故后果分析

结合前文案例统计中针对事故后果的统计可知，危险化学品道路运输泄漏事故发生后，爆炸和火灾发生的概率最高，其次为人员伤亡。由于大部分危险化学品具有易燃、易爆的特点，这使得泄漏发生后，再遇到气压变化或气温变化极易发生燃爆事故。此外，高速公路车流量大、人员密集的特点导致有毒气体扩散后极易造成人员伤亡，如果救援人员不能及时采取有效的控制措施，伤亡还会进一步扩大。

基于此，本文将主要针对燃爆事故和人员伤亡两类关键事故后果提出控制性安全屏障。

5 基于Bow-tie模型的安全屏障构建与检验

5.1 建立预防性安全屏障

（1）提升车辆通讯类规范协议市场普及度。2011年，中华人民共和国交通部为了解决不同监控系统间数据格式不同、系统无法互通、上级监管部门无法对企业进行统筹管理的问题而颁布了《道路运输车辆卫星定位系统终端通讯系统以及数据》（JT/T808-2011协议），统一了车载终端与监控平台间的传输格式，解决了系统不能兼容的问题。目前市场上已经有了多款基于JT/T808协议的商业性监控系统，这些系统基于车载终端系统，融合WebGIS系统、视频监控等技术，可获取包括但不限于车辆地理位置、车辆运行状态、驾驶员精神状态等信息。因此该类系统不仅能满足企业信息化管理的需求，也有利于政府层面的统一监管。但JT/T808协议的市场普及度还比较低，需要政府层面的进一步推广普及。

（2）充分应用基于信息交互技术的危货运输安全监管平台。基于信息交互技术的危货运输安全监管平台以运输企业数据库、危险货物信息库、区域交通信息库、应急知识信息库为基础信息支持，融合云计算、GPS、GIS等技术，将从业资格审批、通行证申报、运输车辆监管作为主线，实现了从运输前准备工作（包括信息录入与发布、行驶方案制定与报审）、运输中监管到事故发生后应急救援的全过程风险管理。从而促进了生产、服务和监管各环节之间的有效沟通，不仅为安全监管提供了技术支撑，也为应急救援提供了技术基础。但该类技术当前在行业中应用有限，需要进一步推广。

（3）杜绝“重审批，轻执法”的监管模式，加强日常执法。近几年危险化学品道路运输泄漏事故的高发地是高速公路、隧道，事故的主要原因是驾驶员违章驾驶。对此，执法人员应重点部署事故高发地带，加大路面监控，严格查处违章驾驶、疲劳驾驶等行为。

（4）政府及时更新行业标准并建立官方标准数据库。我国危险化学品公路运输行业标准“老龄化”、直接照搬国际标准导致的标准不适用等问题使得运输企业找不到承运某类危险品的罐车，因此企业通常自行购买其他罐车进行替代，不同种类的介质对罐车的要求往往不同，这样的代替极易造成极大的安全隐患。对此，政府应及时更新行业标准并建立官方标准数据库，切实提高行业标准的市场普及度，确保企业在运输作业中“有章可循”。

5.2 建立控制性安全屏障

（1）广泛应用云技术驱动下的应急管理决策系统。相较于职责单一的日常管理工作，应急管理对信息的需求量较大且需要多个部门的信息共享与协作，而在传统的信息技术水平下，上述需求是难以实现的。但云计算、大数据等具有强大信息处理能力的信息技术平台的出现为解决信息沟通与共享提供了新的方案。云技术驱动下的应急决策管理平台包括信息感知层、网络传输层与应用层三层技术构架。融合多类智能传感设备、5G技术等，保障了海量交通数据的及时获取和处理，提高了不同管理部门之间的信息共享与协作能力，可有效解决应急管理中信息资源分散、共享能力不足的问题，提升应急救援效率，减少人员伤亡和财产损失。

（2）构建动态网络疏散模型。针对高速公路人员密集、疏散难度大的特点，通过构建动态网络疏散模型，综合危险品的物理和化学性质、事故发生时间、区域环境、气候条件（风向、风速）、人员密度等因素可以迅速确定最佳疏散策略，找出最优疏散路径。

（3）夯实法制基础。推进危险化学品道路运输泄漏事故管理的法制建设，定期组织相关法律法规的学习与考核，切实提高各部门的法制意识，做到应急过程有法可依、有章可循。

（4）运输企业成立专业化应急管理部门。企业通过建立专门的应急管理部门，负责应急事故救援培训与考核，并定期组织事故演习检验培训成果，提升应急救援效率，防止事故二次扩大。

整合各类安全屏障，最终建立的Bow-tie模型如图9所示。

图9 危险化学品道路运输事故Bow-tie模型

5.3 安全屏障的模型检验

采用专家评判法，咨询包含交通运输管理部门、危险品运输企业、高校学者的20名专家，以本文统计的180起危险化学品道路运输泄漏事故为对照组，将它们放入设置安全屏障后的Bow-tie模型验证，最终得到69%的事故可以通过安全屏障得到有效控制的结论，证明Bow-tie模型有效。

6 结语

（1）基于我国危险化学品道路运输的实际状况，在运用故障树-贝叶斯网络复合模型清晰准确识别出关键风险因素的基础上，利用Bow-tie理论构建了从事故预防到事故后果控制完善的风险管理体系。研究结果可以为危险品运输企业和管理部门提供参考，并可以提升危险化学品道路运输管理的科学性。

（2）Bow-tie图像清晰、形象、便于理解，具有很强的实用价值，可以广泛应用于各类风险评估分析中。另外通过分析可知，Bow-tie技术对事故后果的控制也可以进行量化分析。为使Bow-tie技术进一步推广，基于Bow-tie技术的全过程定量风险分析将会是未来研究的重点。