基于卫星遥感技术的高速铁路外部环境彩钢房类危险源风险评估方法

孙新宇 姚京川 冯楠 郑佳怡

1.中国国家铁路集团有限公司，北京 100844；2.中国铁道科学研究院集团有限公司 铁道建筑研究所，北京 100081

我国高速铁路运营里程长，覆盖范围广，穿越地区地形复杂多变，人文环境与自然环境地域差异较大，已发生多起因外部环境异常导致的行车安全事故，造成列车晚点停运，直接影响行车安全和运行秩序，危及旅客生命及财产安全，对社会造成不良影响［1-2］。随着遥感技术的发展，对地观测能力不断提升，为铁路外部环境的监测评估工作提供了一种可选方法［3-5］。通过快速识别、定期监测、属性要素提取、风险评估等工作，能够提高危险源排查与评估过程中的自动化程度，减少现场工作量及人为判断误差［6-8］。

近年来，铁路外部环境危险源监测评估研究取得了一定的进展。江雨欣等［9］基于三角白化权函数聚类完成了铁路外部环境安全评估；全超［10］从风险因素、风险区域、风险实体三个角度构建风险识别和评估体系，为铁路外部环境安全风险识别与评估提供理论指导和应用思路。但依然存在一些铁路部门制定危险源方案时亟待解决的问题，如现有评估体系多为综合评估，单类危险源的风险性评估缺乏明确的评估因子、权重及相应的风险评估结果。针对以上问题，本文提出基于单类危险源的风险性评估方法，利用层次分析法、层次分析-熵权组合法对彩钢房类危险源进行综合评估，以判断研究区内各指标的危险等级，同时结合实地考察情况和专家意见，定性判断高速铁路外部环境一定研究区域内的风险性，为铁路部门提供具有针对性和实用性的决策支持。最后，以京津高速铁路为例进行验证，并提出防治建议。

1 危险源风险评估方法

1.1 评估指标体系构建及数据处理

1.1.1 评估指标体系构建

在高速铁路外部环境中，影响其安全运营的因素复杂多样。本文结合区域环境特征及专家意见，从外部环境因素、危险源自身因素两个角度，选取了具有代表性、较易获取的2 类5 项指标，建立高速铁路外部环境彩钢房类危险源风险评估指标体系（图1），并借助遥感技术进行量化。

图1 彩钢房类危险源风险评估指标体系

1.1.2 评估模型

在构建风险评估体系后，对数据进行标准化处理，采用层次分析法、层次分析-熵权组合法获取评估指标相应权重［11-12］，根据权重系数分别计算外部环境因子危险性指数、危险源自身危险性指数，以此得到彩钢房类危险源的风险指数。

外部环境因子危险性指数为

危险源自身危险性指数为

风险指数为

式中：wj是第j个评估指标的权重；Eji(x)、Sji(x)为各指标标准化处理后的值；wE、wS为各评估因子的权重。

1.1.3 指标数据处理

1）高速铁路外部环境危险源识别

危险源的准确识别提取是风险评估的前提，采用基于面向对象方法识别高速铁路外部环境危险源。面向对象的遥感图像分类，以研究目标的最小单元为对象，并基于对象开展影像特征分析和分类处理［13］。其关键技术为图像分割与面向对象的分类方法，图像分割是根据图像像元的同质性准则，通过算法将图像生成若干有目标意义的图像对象；面向对象的分类方法，即通过对遥感影像中目标对象进行分析、判断，如目标对象自身的光谱特征、形状特征、纹理特征、自定义特征等，并根据这些特征信息构建分类规则，运用一定的算法将目标地物提取出来。

2）高速铁路外部环境危险源形变识别

危险源形变信息是评估风险的重要因素，利用PS-InSAR 方法［14-15］获取高速铁路外部环境的形变信息。其基本原理是从同一研究区内多幅不同时相的SAR 影像中经过公共主影像选取、配准、干涉处理，提取具有反射特征强、散射特征稳定的地面目标（如道路、房屋、堤坝、桥梁、裸露岩石等）作为永久散射体（Permanent Scatterer，PS），这些点目标不会受到时间失相关和空间失相关的影响。然后，基于时序差分相位信息通过建立相位函数模型，将地表形变信息、地形误差以及大气延迟相位从干涉相位中分离出来，进而得到地面各点的形变信息，其形变精度可达到毫米级。将各数据集统一到相同的空间坐标系，基于矢量数据的叠加分析，将形变点叠置在土地利用数据上，分析高速铁路外部环境彩钢房类地物的形变速率，并作为彩钢房类地物稳定性指标。

3）数据标准化

各评价指标的内涵与量纲并不统一，因此采用规范化的方法对各指标数据进行处理。风速、高程、坡度是正向指标，即指标数据越大风险性越高；彩钢房类危险源至线路距离、彩钢房稳定性是负向指标，即指标数据越大风险性越低。

正向指标为

负向指标为

式中：Yij为归一化后第j个评估指标下第i像元值；Xij为第j指标下第i个像元的原始像元值。

1.2 确定指标权重

1.2.1 层次分析法

层次分析法是将多目标的复杂决策问题层次化和简易化，将决策问题按照方案分解为目标、准则、方案等层次（参见图1）。

1）构造判断矩阵

选用1—9 标度法对比高速铁路外部环境彩钢房类危险源风险评估各项指标对于目标层的重要程度，建立判断矩阵A，其中aij为指标Ai对比指标Aj的重要程度所对应的标度值，aij＞0，aii=1，aji=1/aij。

式中：n为判断矩阵阶数。

2）一致性检验

由于安全评估自身复杂性和判断矩阵构造主观性，需要通过一致性检验评判权重值是否合理。为计算一致性，需要计算判断矩阵的最大特征根λmax，即

式中：w=(w1，w2，…，wn)T为归一化后求得的权重矩阵；wi为第i指标权重系数。

通过最大特征根λmax求算指标一致性值指标CI，即

计算随机一致性比率CR，进一步判断矩阵一致性，即

式中：RI为平均随机一致性值指标。

3）评估因子权重确定

当CR＜0.1 时，判断矩阵A即为合理。将特征向量用作评估指标的权向量，w=(w1，w2，…，wn)T即为各指标权重值，权重值越高则该指标重要性越高。

1.2.2 熵权法

熵权法（Entropy Weight Method，EWM）作为一种客观赋权法，主要解决主观因素对评价权重的影响。

构建评价矩阵。假设指标的研究区内像元数为n，m个研究指标，构建指标矩阵Yij，即

计算第j个指标的信息熵值Ej，即

式中：Pij为指标特征比值，Pij=0时，PijlnPij=0。

确定各指标的权重wj2，即

计算综合风险指数Zj，即

1.2.3 组合权重

从权重计算方法可知，层次分析法主要侧重于专家的经验知识，而熵权法是依据评估指标的数据信息来计算权重，将层次法与熵权法结合起来，使评估指标权重既能反映主观经验，又能反映客观数据，以便较好地反映真实情况。由最小信息熵的原理可知，组合权重与层次分析法、熵权法权重离差越小，熵值越小，则越准确，构造组合权重的离差函数为［16］

式中：wj1为层次分析法计算的指标权重；wj2为熵权法计算的指标权；wj3为组合权重。

采用拉格朗日乘子法解得最小信息熵的组合权重为

2 试验与分析

2.1 研究区域及数据

研究区域为京津高速铁路天津段北辰区和河北区北纬39°～39°16'、东经117°～117°12'内，东西向长约12 km，南北向长约15.5 km。

研究区域覆盖范围内光学影像为高分二号影像（2019 年5 月），风速数据来源于中国地面气候资料国际交换站天津台站（54527）数据集（2019 年5 月）。SAR 数据集为德国DLR 提供的TerraSAR 数据，该InSAR 数据覆盖时间为2014 年9 月—2017 年12 月，共25 期。高程DEM 数据集为美国国家航空航天局与日本经济产业省共同发布ASTER GDEM v3 数据，空间分辨率为30 m。

使用图像处理软件对各指标数据进行数据预处理，并统一重采样为30 m × 30 m 分辨率栅格数据，以保障各指标数据的一致性。

2.2 彩钢房类危险源风险评估

2.2.1 评价指标体系

1）风速E1

将京津冀区域内北京气象站（54511）、天津气象站（54527）、怀来气象站（54405）、承德气象站（54423）、乐亭气象站（54539）、泊头气象站（54618）共6 个站台的风速数据进行空间插值处理，裁剪至研究范围后进行标准化处理，见图2。

图2 风速标准化

2）高程E2和坡度E3

利用高程DEM 数据，运用图像处理软件分别计算得出相应坡度数据，并对高程和坡度数据进行标准化处理，见图3和图4。

图3 高程标准化

图4 坡度标准化

3）至线路距离S1与彩钢房稳定性S2

将提取得到的彩钢房至线路距离及彩钢房稳定性指标数据进行标准化处理，见图5和图6。

图5 至线路距离标准化

图6 彩钢房稳定性指标标准化

2.2.2 综合评估

基于GIS将彩钢房类危险源风险的空间分布划分为5 个等级（较低、低、中等、高和较高），根据处理得到评价指标空间结果及其相应权重系数（表1），通过层次分析法和层次分析-熵权组合法分别计算得到彩钢房类危险源风险分布结果，见图7。

表1 高速铁路外部环境彩钢房类危险源风险权重

图7 彩钢房危险源风险评估空间分布

从风险级别的空间分布尺度考虑，较低危险区面积占比94.34%，主要地物类别为自然地物（如植被、水体、裸地等）、结构稳定地物（如道路、构筑物）；低危险区面积占比约为1.28%，主要地物类别为距离线路较远的彩钢房；中危险区面积约占1.75%，主要为形变量较小的彩钢房，风险性主要表现为发生形变的彩钢房增加了其结构的不稳定性，其屋顶易受到风的影响进而对高速铁路运行安全造成威胁；而高危险区和较高危险区面积占比1.74%和0.89%，主要为靠近高速铁路的彩钢房地物。两种模型的差别体现在距离铁路的远近及彩钢房的形变量，在大风天气影响下容易侵入限界，风险性较大。

通过比较层次分析法和层次分析-熵权组合法得到的彩钢房类危险源评估结果，可以发现两种模型得到的风险性评估结果在空间分布格局上差异较为明显。与层次分析法相比，层次分析-熵权组合法得出的较高风险区小0.67%，高风险区大0.40%，中等风险区小0.10%，低风险区大0.24%，较低风险区差异不明显，相差0.13%，见表2。其中，高危险区和较高危险区面积此消彼长，都主要分布在邻近线路两侧区域，差异主要体现在彩钢房类危险源的稳定性指标。

表2 彩钢房类危险源的风险等级面积占比

本文彩钢房类危险源风险评估结果中，邻近高速线路两侧及彩钢房稳定性差的区域以高风险区为主。通过将本文评估结果与外部环境隐患记录台账及风险事件进行比较，层次分析-熵权组合法评估模型的计算结果更符合实际情况［9］。

3 防治管理建议

1）建立分级、分层风险管控制度。基于层次分析-熵权组合法评估模型建立有效评估机制，对彩钢房类危险源进行有效分级，重点关注高风险及较高风险的彩钢房类危险源。

2）充分发挥地方政府、铁路监管机构作用。高风险及较高风险的危险源依法应由地方政府、铁路监管机构责令整改，拆除或加固彩钢房类危险源，推动危险源问题尽快解决。

3）加大路外宣传力度，净化外部环境。加大对高速铁路沿线群众守法护路的宣传教育，如在沿线两侧重点地段、处所设置安全警示标志；充分利用信息平台和地方电视、报纸、广播电台等媒体，开展爱路护路公益宣传，以达到铁路沿线减少自建彩钢房的目的。

4 结论

1）利用高分辨率卫星影像，基于面向对象的方法可以实现高速铁路沿线危险地物的自动提取。

2）选择风速、高程、坡度、至线路距离、彩钢房稳定性5个因子作为京津高速铁路北仓站风险性评估因子，采用层次分析法、层次分析-熵权组合法进行风险性评估。从空间上分布格局分析，较高危险区和高危险区均主要分布在邻近线路两侧区域，两种模型的差别体现在彩钢房稳定性指标上；低危险区和极低危险区则主要分布在远离线路的区域，主要地物类别为自然地物及结构稳定的构筑物。通过将本文评估结果与外部环境隐患记录台账及风险事件进行比较，层次分析-熵权组合法评估模型的计算结果更符合实际情况。

3）可以通过建立风险管控制度、发挥监管机构作用及路外宣传等，有效降低高速铁路外部环境彩钢房类风险。