城市轨道交通项目安全风险二维云模型评价

刘敬严， 赵莉琴， 田 静

(1. 防灾科技学院， 河北 三河 065201； 2. 石家庄铁道大学， 河北 石家庄 050043； 3. 中国地震局建筑物破坏机理与防御重点实验室， 河北 三河 065201)

0 引言

随着城市规模和复杂度的不断扩大，城市轨道交通项目施工难度增大，安全风险和事故也随之增多。安全事故造成人员伤亡与经济损失，也可能导致交通中断，导致市政管线损坏引发停水、停电、停燃气甚至爆炸。城市轨道交通项目安全风险防控至关重要。

安全风险是发生安全事故的可能性和造成各种损失的后果[1]。安全风险具有客观性和普遍性，虽然具有不确定性和随机性，但因其具有因果性，遵循风险因素-风险事件-风险损失规律，具有可预测性。根据实践经验，对项目安全风险进行识别、评价，有助于提出对策措施，降低安全事故发生的概率、控制事故造成的后果[2]。如何提高安全风险评估的准确性，是城市轨道交通项目安全风险评价的重要目标。

风险评价方法主要用的是层次分析法AHP[3-4]、模糊数学[5]以及两者组合的AHP模糊综合评判法[6-8]。由于项目单件性、不确定性和复杂性，在进行风险评估时，通常需要借助专家的经验，给出难以直接量化的模糊性语言描述。城市轨道交通项目安全风险除要考虑模糊性外，还要考虑随机性。李德毅等[9]将概率论与传统的模糊数学理论相结合提出云模型(Cloud model)，可以度量指标的模糊性与随机性。云模型是一种可以实现定性与定量之间的不确定性转换模型，自提出以来，已成功应用到数据挖掘、决策分析、评价分析、智能控制等众多领域，在城市发展[10]、建筑施工[11]、生态环境[12]、技术创新[13]等评价领域已有所应用。

城市轨道交通项目安全风险因素众多，并且具有模糊性、随机性的特点，难以准确地量化。本文采用云模型进行城市轨道交通项目安全风险评估以解决安全风险评估过程中的随机性和模糊性。考虑到风险是风险可能性和风险后果的组合，基于风险矩阵建立二维云模型评价城市轨道交通项目安全风险。

1 二维云模型

云模型是定性概念与其定量表示的不确定性转换模型，模糊概念可被表述为收敛于正态分布函数的“云”。假设C是定量论域U上的定性概念，若数值X∈U，且X是C在U的一次随机实现，X对C的隶属度(确定度)μC(x)∈[0，1]是随机数，则X称为云滴(X，μC(x))，X在论域U上的分布称为云。

云模型的表示是基于云数字特征(Ex，En，He)，其中，期望Ex(ExpectedValue)是中心值或标准值； 熵En(Entropy)是范围，即模糊性； 超熵He(HyperEntropy)是熵的熵，反映熵的不确定性，即随机性和离散性。超熵He是云滴的凝聚程度，即云的厚度。超熵越大，云的离散程度越大，隶属度的随机性也随之增大。

表 1 城市轨道交通项目安全风险评价指标Tab.1 Safety risk assessment indexes of urban rail transit project

二维云模型是两个一维云模型的合成，可以描述两个因素共同作用下的随机性和模糊性问题。通过确定两个因素的云数字特征(Ex，En，He)，即期望(Ex1，Ex2)、熵(En1，En2)、超熵(He1，He2)生成二维云图来表示。设F为满足二维正态分布的随机函数，满足式(1)条件的云滴(x1，x2，μi)构成的云模型为二维正态云模型。

(1)

从风险的本质来看，安全风险大小取决于风险事件变为事故的可能性以及带来损失的严重程度这两个要素的组合。开展风险评价，应该兼顾风险事件可能性与严重程度这两方面。由两组云模型数字特征共同组成的二维云模型，能够同时表达两个因素共同产生的模糊性与随机性，正契合风险评价本质。因此，本文从风险事件发生可能性和严重程度两个维度建立安全风险评估二维云模型。

2 城市轨道交通项目安全风险评价模型

2.1 构建评价指标体系

安全事故的风险源是多方面的，包括管理不足、工人违章作业、降雨因素、安全意识匮乏和地下管线，以及设备不达标、施工质量不合格、勘查不足、设计不合理、使用无资质人员、监理不到位，地质原因、水文地质和地下管线等。安全风险是对人、机、物、环境、管理等因素安全可能性及其后果的一种认识，依据《城市轨道交通地下工程建设风险管理规范》[14]并借鉴已有研究成果[1， 15]，结合城市轨道交通项目的特点以及4M1E理论，建立包含人(Man)、材料(Material)、机械(Machine)、方法(Method)和环境(Environment)等5个方面的城市轨道交通项目安全风险指标体系。

2.2 确定评价指标权重

(1)数据排序处理

邀请n位专家对指标进行打分，得到(a1，a2，…，an-1，an)。从0开始按从大到小的顺序重新排序，得到(b0，b1，b2，…，bn-2，bn-1)，其中，b0≥b1≥b2≥…bj…≥bn-2≥bn-1。

(2)组合数确定赋权向量

(2)

(3)指标绝对权重

通过对赋权向量kj+1对数据bj加权计算，得到指标绝对权重。

(3)

式中，m表示指标因素的个数。

(4)指标相对权重

(4)

2.3 确定评价风险云

根据风险矩阵R=f(P，L)，(R表示风险值；P表示风险发生概率；L表示风险造成的损失)，风险等级取决于风险的发生概率和风险的发生后果。风险云用这两个因素来表示，用逆向云发生器求云的数字特征，具体算法如下：

计算均值

(5)

计算方差

(6)

云数字特征为

(7)

将风险云以概率风险云和后果风险云两个维度表示。用逆向云发生器求出概率风险云和后果风险云的云数字特征(Ex1，En1，He1)和(Ex2，En2，He2)。

评价从指标体系的第n层开始，运用云模型得到第n层指标风险云数字特征后，向上传递给第n-1层指标，逐层计算，直至获得目标层的评价结果。

综合风险云(Ex′，En′，He′)由一级风险云和其权重计算得出，一级风险云又由二级风险云和其权重计算得出。

(8)

2.4 确定评价标准云

依据《城市轨道交通地下工程建设风险管理规范》[14]，风险发生的可能性P分五级，分别是频繁的、可能的、偶尔的、罕见的和不可能的。风险发生的损失等级L分五级，分别为灾难性的、非常严重的、严重的、需考虑的和可忽略的。

指标评语限定双边约束[ZminZmax]，用下面的公式求出标准云模型的数字特征：

(9)

式中，C为常数，具体数值调整根据评语本身的模糊程度进行。

2.5 生成评价云图

利用正向云生成器生成评价云滴，算法如下：

(10)

式中，En′1i=NORM(En1，He1)；En′2i=NORM(En2，He2)

生成云滴(xi，yi，μi)重复步骤，直到产生所需数目的云滴。对比综合风险云与标准云，观察评价对象所处的整体风险等级。

2.6 判定接近度

从生成的云图上直观判断综合风险云与标准云的接近度可能存在视觉误差。引入接近度来进行判定：

(11)

3 实例分析

以某城市轨道交通项目2号线为例，该项目施工法涵盖了明挖法、大放坡开挖法、暗挖法、盾构法。工程实施过程复杂，影响因素众多，需要对安全风险进行评估预测。

邀请6位专家评议得到指标重要性矩阵及PL值风险矩阵。依据重要性矩阵用C-OWA 算子式(2)(3)(4)确定指标权重，利用云逆向发生器式(5)(6)(7)来求出二级指标的概率风险云和后果风险云，再用式(8)向上汇总求出一级指标的概率风险云和后果风险云。二级概率风险云和后果风险云见表 2，一级概率风险云和后果风险云见表 3。

表 2 二级概率风险云和后果风险云Tab.2 The probabilistic risk cloud and consequence risk cloud of secondary indicators

表 3 一级概率风险云和后果风险云Tab.3 The probabilistic risk cloud and consequence risk cloud of first indicators

依据式(8)求出综合风险云，用式(9)求出标准云。综合风险云概率值(4.8921，0.3789，0.1213)，后果值(5.1075，0.3498，0.0988)。利用正向云生成器式(10)生成评价云滴和综合云图(图 1)。

图 1 城市轨道交通项目安全综合风险云图Fig.1 Comprehensive risk cloud diagram of urban rail transit project safety

由图 1综合云图和式(11)的计算可知，综合风险处于Ⅱ级和Ⅲ级之间，更倾向于Ⅲ级，应时刻监控项目的各风险因素所处状态及水平的变化，对于权重较大的风险予以重点关注。

一级风险云数字特征利用正向云生成器式(10)生成评价云滴和云图，如图 2所示。A1、A2、A3、A4和A5围在Ⅲ级标准云周围。材料因素风险性较小，机械设备因素和环境因素风险较大。本项目的大放坡开挖法、暗挖法、盾构法等工作量大，大型施工机械多且复杂，机械设备因素应着重注意。工程实施过程还涉及前期拆迁、管线改移、施工便道、改路改渠等工作，工程综合性强，需多专业、多工种协同作业，对工程综合组织能力要求高。人员风险和管理方法风险也需要注意。控制主观因素风险要比控制客观因素造成的风险容易。在项目进行中，要加强人员培训，增强安全意识，掌握设备运行状况和规律，充分调动人员的积极性，发挥人员的主观能动性，完善制度并保障制度顺利执行，及时控制风险情况，减少风险事件。

图 2 城市轨道交通项目安全一级指标风险云图Fig.2 First indicater risk cloud diagram of urban rail transit project safety

4 结论与讨论

4.1 结论

考虑到风险的模糊性和难量化性，本文建立了C-OWA算子二维云模型，对城市轨道交通项目安全风险评价。

(1)考察城市轨道交通项目安全风险事故，结合4M1E构建了城市轨道交通项目安全风险评价体系，共计5个一级指标和16个二级指标。

(2)采用基于组合数的有序加权算子C-OWA确定指标权重，弱化极值影响，避免主观性，最大程度保证客观性。

(3)将风险细化为风险可能性和风险后果两个方面，建立二维云模型进行计算，云发生器求出概率风险云和后果风险云的云数字特征，生成云滴及风险云图，并与标准云图进行对比。

(4)引入接近度来判定风险等级，评价结果与工程实际相符合，验证该方法有效性。

(5)将二维云模型应用于城市轨道交通项目风险评价，既是对云模型应用领域的扩展，也是对城市轨道交通项目安全风险评价方法的探讨。可为同类其他项目安全风险评价提供参考。

(6)后续研究可扩大专家和项目调查数量，进一步完善城市轨道交通项目安全风险评价指标体系。另外，考虑安全风险的动态变化，采用信息技术监控，实现持续预警。

4.2 讨论

(1)与模糊综合评价法相比，在对风险定性概念与定量之间的转换过程中，云模型充分考虑指标的模糊性与随机性，使评价更加合理。评价结果通过云发生器生成风险云图，进行输出，可视化程度较高。

(2)与一维云模型相比，用二维云模型对安全风险进行评价时，可以兼顾风险可能性和风险后果，从发生可能性和后果严重程度2个角度对评价指标的随机性和模糊性进行综合处理。三维云图比一维云模型的二维云图更直观，可视化性更强。

(3)二维云模型为安全风险评价提供了可靠的定量化转换工具。将抽象的风险定性概念转换为具体的定量数值，可以展现风险矩阵的风险可能性和风险后果两个维度，对安全风险分级的随机性和模糊性具有很好的处理效果，普适性较强。