基于SEM-CM模型的城市轨道交通运营安全评价研究

马雪林 范启亮

摘  要：城市轨道交通是公共交通中的重要组成部分，确保运营安全平稳有序是城市轨道交通行业的重要职责。针对目前研究城市轨道交通运营安全的诸多模型中，存在的主观性较强，缺乏客观数据支撑问题，引入结构方程（SEM）结合云模型（CM），构建城市轨道交通运营安全评价模型，从设施设备、管理层面、人为因素、自然环境4个方面构建评价指标体系，通过SPSS、Amos软件运用结构方程对各项指标数据进行信效度检验及适配度分析，挖掘出数据内部的重要特征后得出相应权重。然后，计算出各指标的云模型数字特征，使用Matlab软件绘制出云图，进行结果对比分析。以贵阳市城市轨道交通为例，得出最后结论表明该模型能更好消除主观性，与实例的实际运营情况相符。

关键词：轨道交通；运营安全评价；结构方程；云模型；评价指标

中图分类号：U121      文献标志码：A          文章编号：2095-2945（2024）17-0082-04

Abstract： Urban rail transit is an important part of public transport， and it is an important responsibility of urban rail transit industry to ensure safe and orderly operation. In view of the strong subjectivity and lack of objective data support in many models studying the operation safety of urban rail transit， the structural equation model （SEM） combined with cloud model （CM） is introduced to construct the evaluation model of urban rail transit operation safety， and the evaluation index system is constructed from four aspects： facilities and equipment， management， human factors and natural environment. Through SPSS， Amos software use structural equation to test the reliability and validity of each index data and analyze the fitness， dig out the important characteristics of the data and get the corresponding weight. Then， calculate the digital characteristics of the cloud model of each index， use the Matlab software to draw the cloud picture， and compare the results. Taking Guiyang urban rail transit as an example， the final conclusion shows that the model can better eliminate subjectivity， which is consistent with the actual operation of the example.

Keywords： rail transit; operation safety evaluation; structural equation model; cloud model; evaluation index

自城市轨道交通高速发展以来，公共交通分担率日益增长，轨道交通运营安全也成为了各城市密切关注的问题，为切实加强交通运输安全稳定工作、确保城市轨道交通安全运行，各家轨道交通运营单位采取了各种培训、演练、预想等措施，力争运营安全方面零事苗、事件发生。在这方面国内外学者也做出了诸多深入研究，例如，伦敦地铁通过对员工、乘客进行风险分析，预测轨道交通运营过程中危险因素存在的各种风险，分析出原因后，及时采取措施整改运营状况[1]。 已有90多年运营史的日本地铁[2]，一直在努力更新设备、技术确保轨道交通运营安全。侯靖宇[3]采用熵权法、可拓理论相结合的方法，建立模糊综合方法对轨道交通运营安全进行评价。张渺[4]运用组合赋权、云模型相结合构建地铁运营安全评价模型，得出评价结果与实际结果相符。

城市轨道交通运营安全评价，综合考虑因素广。结构方程理论在综合指标评价中较为成熟，对指标权重的确定实用性强。间接影响因素较多，对观测变量（潜在变量）的分析处理传统方法已经不适用，结构方程能够灵活处理观测变量存在的弊端之处，间接经过观测指标的数据资料反映潜变量，可允许存在一定测量误差以此提高模型的拟合优度；云模型对于评价过程中的随机性、模糊性具有很好的解释，通过数字特征Ex、En、He进行定性概念与定量之间的转换，通过云图可以直观将定性指标定量化之后进行数字化表述，提高评估结果可靠性。因此，本文将结构方程与云模型相结合对城市轨道交通运营安全进行评价。

1  SEM-CM模型构建

1.1  评价指标体系选取

根据GB/T  50438—2007《地铁运营安全评价标准》[5]，深入分析各类学者在城市轨道交通运营安全中选取的评价指标并结合实际，综合选取设施设备、管理层面、人为因素、自然环境4个一级指标12个二级指标，建立城市轨道交通运营安全评价指标集[6]，如图1所示。

1.2  基于SEM的指标权重确定

1.2.1  SEM基础理论

结构方程模型（SEM）由测量、结构方程2部分组成。

测量方程表达式

式中：x、y表示外、内生显变量；∧x、∧y表示x与ξ之间的系数矩阵、y与η之间的系数矩阵；ξ表示外源潜变量；η表示内生潜变量；δ表示x测量误差；ε表示y测量误差。

结构方程表达式

η=Bη+Гξ+ζ，（2）

式中：B、Г表示系数矩阵，ζ表示方程中的干扰项。

1.2.2  基于SEM的评价指标因素分析

SEM由测量、结构模型2部分组成，测量模型由潜在、观测变量组成，由评价指标体系可知，城市轨道交通运营安全评价体系包括4个潜在变量、12个观测变量。将测量模型导入Amos软件中，与结构模型相结合得出SEM模型如图2所示[7]。

评价指标体系原始数据通过问卷调查的方式，邀请轨道交通行业专家及专业知识丰富、业务能力强的员工进行问卷填写，数据权威性较高，原始样本数据获取后经过SPSS处理，得出Cronbach'α系数对样本数据的信度进行检验（表1）。

样本数据信度值检验通过后，运用KMO和Bartlett来分析数据效度检验（表2）。

将信效度达标后的数据导入SEM模型中，通过Amos软件进行一阶、二阶适配度检验，选择卡方自由度比χ2/df、调整适配度指数AGFI、适配度指数GFI、比较适配指数CFI、增值适配指数IFI、非规范适配指数TLI与近似误差均方根RMSEA等指标进行模型的适配度检验（表3）。

运用Amos软件得出各评价指标的路径系数，通过路径系数运用式（3）计算出评价指标权重[8]。

式中：WU为各评价指标权重；λu为路径系数。

将WUi表示为一阶指标权重，WUij表示为一阶指标i对应二阶指标j权重i=1，2，3，…，n；j=1，2，3，…，n。计算公式均运用式（3）。

1.3  基于云模型的评价方法

1.3.1  云模型基础理论

云模型（Cloud Model，CM）基本概念：设X为普通集合X={x}，且X?U（U精确数值的定量论域）T表示U上的一个定性概念，则x对于T的隶属度为CT（x）∈[0，1]，是服从正态分布的随机数，则每一个随机数x的表达式见式（4）。

将定性概念T从论域U到区间[0，1]映射在空间中的分布称为云模型，简称云（Cloud），每一个随机数x为一个云滴，在云图上为一个点。

1.3.2  构建云模型评价标准

将城市轨道交通运营安全评价有效论域设置为[0，10]，其中[0，2）表示低风险、[2，5）表示较低风险、[5，7）表示中等风险、[7，9）表示较高风险、[9，10]表示高风险，分为5个等级标准，分别对应{V1，V2，V3，V4，V5}5个评语集，根据5个评语集计算出标准云的数字特征值（Ex，En，He）（表4），并绘制出标准云图[9]（图3）。

式中：Bimax、Bimin为区间i上的最大、最小边界值，k取值为0.05。

表4  评价标准等级划分及对应的特征值

V={V1，V2，V3，V4，V5}，Vi表示一级评价指标，采用专家打分法按照区间[0，10]对二级评价指标分别进行打分。评价矩阵见式（6）。

第i个一级指标对应的第j个二级评价指标的评价矩阵为CUj，其各二级指标层面评价指标云（Exj，Enj，Hej）的基本计算方法如逆向云发生器步骤，公式具体应用见式（7）—（10）。

得出各二级评价指标的评价指标云，将评价指标云与各二级评价指标所对应的权重代入式（11），可得到各一级评价指标云。将各一级评价指标云与各一级指标所对应的权重代入下式（11），可得出最终的综合评价云。

根据计算出的评价指标云，运用Matlab软件绘制对比云图，与划分的区间[0，2）低风险、[2，5）较低风险、[5，7）中等风险、[7，9）较高风险、[9，10]高风险与绘制出来的标准云对比，得出评价结果。

2  实例分析

以贵阳轨道交通1、2、3号线为例，将SEM-CM评价模型运用在实际中，邀请轨道行业内具有经验丰富的运营经历、业务能力强的专家及工作人员对贵阳轨道交通实际运营安全的调查问卷打出分值。

2.1  权重计算

运用SPSS进行信效度检验，Cronbach'α为0.853，KMO为0.895，Bartlett显著结果为0.000，信效度检验较好，将检验通过的数据导入SEM模型中进行适配度检验，一阶模型适配度较好，运算出二阶模型适配度值结果为χ2/df=1.112，AGFI=0.989，GFI=0.978，CFI=0.996，IFI=0.998，TLI=0.985，RMSEA=0.019，适配度均通过。最后，运算出各评价指标的路径系数，通过公式算出评价指标对应权重（表5）。

2.2  综合评价

根据各专家及工作人员对贵阳轨道交通运营安全的评价意见，可通过云模型得出各评价指标的数字特征值见表6。

由式（11）计算出贵阳轨道交通运营安全评价综合云的数字特征为（2.760，0.243，0.063），为风险较低，与实际运营情况相符合，评价云图如图4所示。

3  结论

从设施设备层面、管理层面、人为因素、自然环境4个方面构建城市轨道交通运营安全评价指标，运用SPSS对样本数据进行信效度检验，检验通过的数据导入Amos中，对SEM模型一阶、二阶适配度进行检验，检验均通过，表明数据真实较好，通过SEM模型得出路径系数，通过公式计算出各评价指标权重。

运用CM模型，使用Matlab软件绘制出标准云图，再运用各评价指标权重运算出相应云数字特征，绘制出各评价指标云图与标准云图相比较，得出结果与实际例子真实情况相符，验证了运用SEM-CM模型对城市轨道交通运营安全评价具有客观性较强、可信度较高的优势。

参考文献：

[1] REILLY J， BROWN J. Management and control of cost and risk for tunneling and infrastrueture Projeets[J].Tunnelling and Underground SPace Teehnology，2004（3）：29-33.

[2] 孙义.浅析日本地铁运营特点[J].科技创新与应用，2016，（14）：277-278

[3] 侯靖宇.基于熵权法的地铁运营安全模糊综合评价方法研究[J].隧道建设，2016，36（12）：1465-1470.

[4] 张渺.G1-EW组合赋权云模型下地铁运营安全风险评价[J].中国安全科学学报，2022，32（6）：163-170.

[5] 地铁运营安全评价标准：GB/T 50438—2007[S].

[6] 王鹃.多级可拓评价方法在地铁运营安全评价中的应用[J].运输经理世界，2022（15）：134-136.

[7] 吴明隆.结构方程模型：AMOS的操作与应用（第2版）[M].重庆：重庆大学出版社，2017.

[8] 卓国斌.基于结构方程模型的慢行交通系统公众评价与优化[D].深圳：深圳大学，2020.

[9] 任刚，陈佳洁，高瑾瑶，等.基于改进可拓物元法的地铁车站运营安全评价方法[J].城市轨道交通研究，2020，23（3）：136-139.