基于ISM-ANP的铁路外部环境安全隐患风险评价模型及应用

Risk Evaluation Model of Safety Hazards in Railway External Environment Based on ISM-ANP and Its Application

摘要

铁路外部环境安全隐患分布广泛、种类繁多且属性各异，给隐患排查整治工作带来挑战。为实现铁路外部环境安全隐患的定量化风险评价，以单体隐患为研究对象，通过分析铁路外部环境安全隐患导致风险事件的发生规律和事故致因机理，构建面向铁路外部环境18大类安全隐患的普适性风险评价指标体系，采用解释结构模型(ISM)分析各指标间的影响关系并建立层级网络结构，结合网络层次分析法(ANP)确定指标权重值，利用地理信息系统(GIS)对铁路外部环境安全隐患风险等级状况进行地理空间表达，以彩钢房为例对评价模型进行有效性验证。结果表明，该模型综合考虑隐患评价指标间的关联信息，相比隐患属性简单叠加的计算方式评价精度得到提高，为进一步完善铁路外部环境安全隐患排查整治工作决策提供理论依据。

Abstract

Safety hazards in the railway external environment are scattered in distribution, complex in types, and different in attributes, which brings challenges to their investigation and rectification. In order to realize the quantitative risk evaluation of safety hazards in the railway external environment, monomer hazard was taken as the research object. By analyzing the occurrence rules and accident cause mechanisms of risk events caused by safety hazards in the railway external environment, a universal risk evaluation index system for 18 major categories of safety hazards in the railway external environment was constructed. Interpretive structural model (ISM) was used to analyze the influence relationship among the various indicators and establish a hierarchical network structure. By combining the analytic network process (ANP) to determine the weight values of indicators, a geographic information system (GIS) was used to express the risk level of safety hazards in the railway external environment in a geographic space. The effectiveness of the evaluation model was verified by taking the color steel houses as an example. The results indicate that the model comprehensively considers the correlation information between hazard evaluation indicators and improves the evaluation accuracy compared with the calculation method of simple superposition of hazard attributes, providing a theoretical basis for further improving the decision-making of investigation and rectification work for safety hazards in railway external environment.

Graphical abstract

关键词

铁路 / 外部环境 / 运营安全 / ISM-ANP模型 / 风险评价 / 地理信息系统

Key words

Railway / External Environment / Operation Safety / ISM-ANP Model / Risk Evaluation / Geographic Information System

0　引言

截至2022年，我国铁路运营里程已达15.5万km，其中高速铁路4.2万km。随着铁路网规模的不断扩大和列车运行速度的不断提高，外部环境对铁路运营安全的影响越来越大，给铁路运营安全带来前所未有的挑战，构建“人防、物防、技防”的铁路安全保障体系可以有效保证正常的行车秩序和列车运行安全。针对铁路运营安全已有学者提出面向“人-机(设备)-环境-管理”4个因素的综合评判方法，其中铁路外部环境安全评价是不可或缺的一项研究内容^[1-5]。

目前，已有诸多学者围绕铁路外部环境安全风险评价开展了分析研究^[6-7]。江雨欣等^[8]运用三角白化权函数聚类的方法对铁路外部环境安全态势进行评估研究；全超^[9]运用数理统计法和复杂网络理论对铁路风险事件进行挖掘，并构建铁路区段级别的风险评价体系；潘自彪^[10]基于线路区段的评价思想，统计分析铁路外部环境隐患与风险事件，并对铁路外部环境风险进行量化定级。上述方法多是利用统计学的手段对既有风险事件进行分析，探索铁路外部环境安全态势，其评价结果具有宏观指导性。宋国壮等^[11]运用指标体系法对铁路隧道洞口高位高陡危岩体进行定量评估；钱苗^[12]综合运用故障树分析法和贝叶斯网络对铁路事故进行风险评价与脆弱性分析；孙新宇等^[13]利用卫星遥感手段采用层次分析-熵权组合法评估单类别的危险源风险。该类方法从铁路风险事件的致因机理入手，对于事故分析具有很好的诱因解释，但针对18类铁路外部环境安全隐患的单体评价还没有形成统一的解决方案。日常铁路外部环境隐患排查过程中，采用“星空地协同”的综合调查模式，全面调查、掌握铁路沿线各类外部环境安全隐患底数、位置、特征及属性，就如何综合利用这些隐患要素信息进行定量化风险评价问题，研究在充分考虑铁路外部环境安全影响因素的基础上，运用解释结构模型-网络层次分析法(ISM-ANP)进行风险评价指标权重计算，并结合地理信息系统(GIS)完成隐患个体风险等级状况的空间表达，辅助铁路部门有针对性地开展隐患治理行动。

1　安全隐患风险评价指标体系构建

铁路外部环境安全隐患主要分为18个大类，不同属性的安全隐患对于铁路产生危害的机理和形式各不相同^[14]，因此，需要针对每一大类隐患的属性特点和空间关系进行相应的风险评价指标体系构建。研究通过总结各类隐患造成的风险事件原因，将影响铁路外部环境安全的风险因子划分为5个一级指标层：①自身特性，即铁路外部环境安全隐患导致铁路风险事件发生的行为或物质基础，主要有投影面积、材质类型、活动强度、达标程度等；②空间关系，即铁路外部环境安全隐患的影响范围，包括与铁路水平距离、与铁路高差、与铁路通视度等；③环境要素，即诱发铁路外部环境安全隐患产生铁路风险事件的自然条件，可分为风力因素、地形因素、地质因素等，以上各环境因素还可进行内容细分；④既有统计，即该隐患所处路段历史风险事件的发生频次；⑤防护措施，即为防止安全隐患导致风险事件发生所采取的工程措施和管理办法，包括加固、搬迁、定期检查等。铁路外部环境安全隐患风险评价指标体系如图1所示，该指标体系主要包含2个层级，针对各类隐患可对风险指标进行适应性调整。

2　风险综合评价模型构建

2.1　基于ISM的评价指标分析

解释结构模型(ISM)是一种系统分析方法，输入各指标之间的直接影响关系，通过矩阵运算输出一个递阶型的多层次结构模型^[15-16]。以图1构建的铁路外部环境安全隐患风险评价指标体系为基础，通过查阅资料和调研访谈确定各二级指标U_{ij}的潜在关联，然后利用邻接矩阵、可达矩阵分析各要素之间的联系，得到铁路外部环境安全隐患风险评价指标ISM模型。步骤如下。

步骤1：建立邻接矩阵M。采用布尔代数对各二级指标之间的相互影响进行判断，若指标X_i对指标X_j有直接影响，则m_{i,j}=\mathrm{1}，否则m_{i,j}=\mathrm{0}。

M=\begin{array}{c}\begin{array}{l}{U}_{\mathrm{1,1}}\\ ⋮\\ U_{\mathrm{1},k}\end{array}\\ \begin{array}{l}⋮\\ U_{n,m}\end{array}\end{array}\left[\begin{array}{cc}\begin{array}{ccc}\mathrm{0}& \cdots & \mathrm{0}\\ ⋮& & ⋮\\ \mathrm{1}& \cdots & \mathrm{0}\end{array}& \begin{array}{cc}\cdots & \mathrm{1}\\ & ⋮\\ \cdots & \mathrm{1}\end{array}\\ \begin{array}{ccc}⋮& & ⋮\\ \mathrm{0}& \cdots & \mathrm{1}\end{array}& \begin{array}{cc}& ⋮\\ \cdots & \mathrm{0}\end{array}\end{array}\right]⑴

步骤2：计算可达矩阵B。根据布尔运算法则，若矩阵A为邻接矩阵M和单位矩阵E的和，当矩阵A满足以下条件。

A^{\mathrm{1}}\ne {\mathrm{A}}^{\mathrm{2}}\ne \cdots A^{k-\mathrm{1}}=A^k

即可计算得到可达矩阵B=A^{k-\mathrm{1}}。

B=\begin{array}{c}\begin{array}{l}{U}_{\mathrm{1,1}}\\ ⋮\\ U_{\mathrm{1},k}\end{array}\\ \begin{array}{l}⋮\\ U_{n,m}\end{array}\end{array}\left[\begin{array}{cc}\begin{array}{ccc}\mathrm{1}& \cdots & \mathrm{0}\\ ⋮& & ⋮\\ \mathrm{1}& \cdots & \mathrm{0}\end{array}& \begin{array}{cc}\cdots & \mathrm{0}\\ & ⋮\\ \cdots & \mathrm{1}\end{array}\\ \begin{array}{ccc}⋮& & ⋮\\ \mathrm{0}& \cdots & \mathrm{0}\end{array}& \begin{array}{cc}& ⋮\\ \cdots & \mathrm{1}\end{array}\end{array}\right]⑵

步骤3：建立ISM模型。根据可达矩阵B计算可达集合B\left(X_i\right)和先行集合A\left(X_i\right)，其中B\left(X_i\right)为指标X_i能影响到的所有指标集合，A\left(X_i\right)为能够对指标X_i产生影响的所有指标集合。最后通过交集算法B\left(X_i\right)\bigcap A\left(X_i\right)得到共同集合C\left(X_i\right)，依据该原则进行层级确定，得到铁路外部环境安全隐患风险评价指标ISM模型。

2.2　基于ANP的指标权重计算

网络层次分析(ANP)在一定程度上是对层次分析(AHP)的改进和提升，采用非线性结构替代AHP的线性层次结构，该方法考虑指标之间可能存在的相关性，并加入指标间的反馈机制^[17-18]。以ISM模型确立的层次关系作为ANP模型的结构输入，分析可知各指标间的关联性。

步骤1：网络结构构建。ANP将铁路外部环境安全隐患风险评价系统分为两部分，上层为控制层，下层为网络层。控制层包括评价目标，即铁路外部环境安全隐患风险；网络层包括指标集合及指标，即自身特性-空间关系-环境要素-既有统计-防护措施共5个一级指标集合和若干二级指标因子。铁路外部环境安全隐患风险评价指标网络结构图如图2所示。

步骤2：建立未加权超矩阵。依据1-9标度法则进行重要性判断，两两指标进行重要性比较，给出初始判断矩阵P。

P=\left[\begin{array}{ccc}{p}_{\mathrm{1,1}}& \dots & p_{\mathrm{1},n}\\ ⋮& & ⋮\\ p_{n,\mathrm{1}}& \dots & p_{n,n}\end{array}\right]⑶

依据判断矩阵特征根法，对所有矩阵进行归一化处理和一致性检验，得到未加权超矩阵W_{\mathrm{0}}。

W_{\mathrm{0}}=\left[\begin{array}{ccc}{w}_{\mathrm{1,1}}& \dots & w_{\mathrm{1},n}\\ ⋮& & ⋮\\ w_{n,\mathrm{1}}& \dots & w_{n,n}\end{array}\right]⑷

步骤3：计算加权超矩阵。同样采用两两比较的方法，构建一级指标的相对权重矩阵A，并对未加权超矩阵W_{\mathrm{0}}进行哈达玛积加权计算，得到加权超矩阵W。

W=A\circ W_{\mathrm{0}}=\left[\begin{array}{ccc}{a}_{\mathrm{1,1}}{w}_{\mathrm{1,1}}& \dots & a_{\mathrm{1},n}{w}_{\mathrm{1},n}\\ ⋮& & ⋮\\ a_{n,\mathrm{1}}{w}_{n,\mathrm{1}}& \dots & a_{n,n}{w}_{n,n}\end{array}\right]⑸

步骤4：计算极限超矩阵。计算时使用幂法求取加权超矩阵的乘方，直至加权超矩阵收敛，即趋于稳定且唯一，最终得到极限超矩阵W_{\mathrm{\infty }}。

W_{\mathrm{\infty }}=\underset{k\to \mathrm{\infty }}{\mathrm{l}\mathrm{i}\mathrm{m}}{W}^k⑹

步骤5：计算指标权重。通过极限超矩阵W_{\mathrm{\infty }}计算得到铁路外部环境安全隐患风险评价的指标权重F=\left[f_{\mathrm{1}},f_{\mathrm{2}},\dots ,f_n\right]。

3　工程实例

选择铁路外部环境硬飘浮物类安全隐患中的彩钢房为评价对象。彩钢房具有成本低廉、方便搭建的特点，被广泛用作厂房仓库、建设工地临时用房和农林牧渔简易用房。这类房屋因搭建随意、失修荒废等原因在大风天气极易刮落至铁路限界以内，毁坏铁路设备设施，造成列车大面积延误停运，特别是与高速运行列车相撞极易造成严重的后果^[19]。

3.1　评价指标体系构建

研究从彩钢房侵限事件产生机理出发构建两层级的评价指标体系，铁路外部环境彩钢房安全隐患风险评价指标如表1所示。其中，环境要素作为诱发此类隐患的条件，具体包括风力因素、地形因素和地表因素3个方面。

将彩钢房安全隐患评价模型中的23个二级指标进行两两影响关系判断，形成由布尔代数组成的邻接矩阵。并通过迭代运算直至矩阵不再发生变化，得到可达矩阵，对可达矩阵进行模型层级分解，最终得到具有4层递阶关系的彩钢房安全隐患风险评价指标递阶结构模型如图3所示。

第1层(表层)中的该隐患类别历史侵限频次U_{\mathrm{4,1}}和该隐患周围历史侵限频次U_{\mathrm{4,2}}，2个指标分别作为彩钢房单体隐患的类别属性和空间环境所影响侵限事件发生的统计反映。第2、第3和第4层是影响彩钢房单体隐患侵限事件发生的内在因素，通过直接或间接作用表层风险指标来影响安全风险评判，指标间的级联关系潜在决定着风险事件产生的形式和后果。

3.2　评价指标权重计算

运用超级决策软件(SD)完成对铁路外部环境彩钢房安全隐患风险评价指标的权重计算。根据图3所示的彩钢房安全隐患风险评价指标递阶结构模型，构建ANP网络结构。采取专家打分的方式，运用1-9标度法则两两比较各二级指标之间的优势度并得出判断矩阵，矩阵求解归一化特征向量，组合各层次的归一化特征向量可得铁路外部环境彩钢房安全风险指标的加权超矩阵。执行命令“Computations=>Limit Matrix=>Graphical”计算得到极限超矩阵，执行命令“Computations=>Priorities”生成铁路外部环境彩钢房安全隐患风险评价指标的全局权重，彩钢房安全隐患风险评价指标权重如表2所示。

由ISM-ANP计算得到的各二级指标权重与传统AHP所得到的指标权重进行对比，ISM-ANP与AHP权重计算如图4所示，2种方法得到的评价指标权重范围和分配趋势基本相同。通过标准差计算，AHP的权重结果离散程度高于ISM-ANP，主要原因是AHP基于假设各评价指标相互独立的前提，未考虑这些指标之间的相互影响与支配关系，而ISM-ANP兼顾指标之间复杂影响与支配关系，所得权重具有更好的综合性。

3.3　隐患GIS空间表达

以某高速铁路区段一定范围内的彩钢房隐患为测试数据集。对隐患的二级指标属性信息按照与其诱发侵限事故的紧密程度进行数值量化，量化值A的范围为0≤A≤1。具体步骤包括：①将二级指标属性信息划分为x类或x级，且x≥2；②对于每个二级指标的分类或分级按照与其诱发侵限事件的紧密程度进行正向排名；③计算每一类或每一级诱发侵限事件的紧密程度量化值，A=\left(x+\mathrm{1}-i\right)/\left(x+\mathrm{1}\right)，i=\mathrm{1,2},\cdots ,x，i为该类或该级诱发侵限事件的紧密性排名。

将二级指标属性进行分类求和计算，得到7个一级指标属性，其中自身特征、空间关系、风力因素、地形因素、地表因素和既有统计为隐患风险的正向指标，量化数值越大风险程度越高；防护措施为逆向指标，量化数值越大风险程度越低。彩钢房安全隐患风险GIS空间表达如图5所示。

彩钢房安全风险量值R=F\times A，其中，F为彩钢房安全隐患风险评价二级指标权重，A为该隐患二级指标中诱发侵限事故的紧密程度。在实际项目应用中铁路外部环境的安全隐患治理往往是按铁路线路进行实施，为寻找本线路中风险等级较高的彩钢房安全隐患，可对所有的计算结果进行归一化处理，并通过自然断点法完成彩钢房风险的高、中高、中、中低和低共五等级划分，如图5h所示。

3.4　评价结果验证

为定量化比较ISM-ANP与AHP评价方法的性能优劣，以1-特异性(非隐患群体中被判定为隐患，即误报率)为横轴、以敏感性(隐患群体中被判定为隐患)为纵轴绘制出受试者工作特征(ROC)曲线，该曲线可测试不同阈值下模型的综合性能，当曲线下面积(AUC)值越接近1时，模型的精度越高^[20]。评价结果验证如图6所示。结合铁路外部环境隐患既有记录台账及现场调查资料，邀请作业人员对本次试验中200处彩钢房进行隐患定性判断，认定为隐患的记为1，非隐患的记为0，将其转换为二分问题，并采用AUC值作为衡量模型准确度的指标，对ISM-ANP和AHP的评价结果进行精度验证，其中AHP检验结果的AUC值为0.741，ISM-ANP检验结果的AUC值为0.872，评价模型准确率提高约13%的精度。

4　结束语

面向铁路外部环境18大类安全隐患的风险性评价，依据安全隐患导致风险事件的发生规律和事故致因机理，构建铁路外部环境安全隐患风险评价指标体系，利用ISM-ANP综合评价方法计算全局指标权重系数，结合指标因子诱发风险事件的紧密程度，计算得到单体隐患的风险值并采用自然断点法完成风险等级划分，使用GIS对铁路外部环境安全隐患风险评价结果进行空间化表达。以彩钢房风险评价为例，对评价结果进行精度对比和现场验证，表明研究提出的基于ISM-ANP的铁路外部环境安全隐患风险评价模型具有较好的可行性及实用性，有助于铁路部门有针对性地开展隐患治理工作。后续可在实际应用中结合区域特征进行指标类型调整，进一步挖掘指标之间的潜在关联，不断提高铁路外部环境安全隐患“一张图”的智能化管理水平。

参考文献

[1] 康高亮.中国高速铁路安全保障体系研究与实践[J].铁道学报，2017，39(11)：1-7.

[2] KANG Gaoliang. Research and Practice of Safety Guarantee System for China High Speed Railway[J]. Journal of the China Railway Society，2017，39(11)：1-7.

[3] LEITNER B.A General Model for Railway Systems Risk Assessment with the Use of Railway Accident Scenarios Analysis[J]. Procedia Eng，2017(187)：150-159.

[4] 宋祥波，肖贵平，聂 磊.铁路安全评价方法的探讨与分析[J].工业安全与环保，2006(12)：34-36.

[5] SONG Xiangbo， XIAO Guiping， NIE Lei. Discussion and Analysis on Railway Safety Assessment[J]. Industrial Safety and Environmental Protection，2006(12)：34-36.

[6] 张加奇.铁路安全评价方法的探讨与分析[J].科技资讯，2018，16(4)：79，82.

[7] ZHANG Jiaqi. Discussion and Analysis on Railway Safety Assessment[J]. Science & Technology Inform，2018，16(4)：79，82.

[8] 王迎晗，陆 键，彭一川.基于模糊网络分析法(F-ANP)的高速铁路运营安全评价[J].中国铁路，2020(2)：57-65.

[9] WANG Yinghan， LU Jian， PENG Yichuan. High Speed Railway Operation Safety Evaluation Based on F-ANP[J]. China Railway，2020(2)：57-65.

[10] 马成贤.高速铁路外部安全环境管理实践与思考[J].中国铁路，2018(12)：49-53.

[11] MA Chengxian. Thoughts on Managing External Safety Environment of HSR Operation[J]. China Railway， 2018(12)：49-53.

[12] 董 皓，崔有泉，孙丽君.高速铁路安全环境治理分析[J].中国安全科学学报，2020，30(S1)：32-37.

[13] DONG Hao， CUI Youquan， SUN Lijun. Analysis of High Speed Rail Safety Environment Governance[J]. China Safety Science Journal，2020，30(S1)： 32-37.

[14] 江雨欣，郭 湛，王高磊，等.基于三角白化权函数聚类的高速铁路外部环境安全评价研究[J].铁道运输与经济，2021，43(6)：104-110，118.

[15] JIANG Yuxin， GUO Zhan， WANG Gaolei，et al. Research on Safety Evaluation of External Environment on High Speed Railways Based on Triangular Whitening Weight Function Clustering[J]. Railway Transport and Economy， 2021，43(6)：104-110，118.

[16] 全 超.铁路沿线外部环境安全风险识别与评估方法研究[D].北京：北京交通大学，2021.

[17] QUAN Chao. Research on Identification and Evaluation Method of External Environmental Safety Risk Along Railway[D]. Beijing：Beijing Jiaotong University，2021.

[18] 潘自彪. 基于线路区段的铁路外部环境隐患分析与风险评价[D].北京：北京交通大学，2022.

[19] PAN Zibiao. Analysis and Risk Assessment of Railway External Environment Hidden Danger Based on Line Section[D]. Beijing：Beijing Jiaotong University，2022.

[20] 宋国壮，张玉芳.拉林铁路隧道洞口高位高陡危岩体发育类型及风险评估[J].铁道建筑，2021，61(1)：88-92.

[21] SONG Guozhuang， ZHANG Yufang. Development Types and Risk Assessment of High-steep Dangerous Rock Mass at the Entrance of Lhasa-Linzhi Railway Tunnel[J].Railway Engineering，2021，61(1)：88-92.

[22] 钱 苗. 基于贝叶斯的铁路事故风险概率研究[D].武汉：武汉轻工大学，2021.

[23] QIAN Miao. Research on the Risk of Railway Operation Accident Based on Bayes[D]. Wuhan：Wuhan Polytechnic University，2021.

[24] 孙新宇，姚京川，冯 楠，等.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[J].铁道建筑，2023，63(1)：148-153.

[25] SUN Xinyu， YAO Jingchuan， FENG Nan， et al. Risk Assessment Method of High Speed Railway External Environment Hazard Source of Color Steel Room Based on Satellite Remote Sensing Technology[J]. Railway Engineering，2023，63(1)：148‑153.

[26] 中国国家铁路集团有限公司.铁路外部环境安全管理办法：铁安监[2020]第173号[A].北京：中国国家铁路集团有限公司，2020.

[27] 张守健.基于ISM模型的标准信息化影响因素分析[J].哈尔滨工业大学学报，2010，42(8)：1306-1310.

[28] ZHANG Shoujian. Analysis on Factors Influencing Standard Informationization Based on ISM[J]. Journal of Harbin Institute of Technology，2010，42(8)：1306-1310.

[29] 王雪丽，程 鑫，朱光华，等.基于ISM-ANP的堤防风险灰色评价模型及应用[J].水电能源科学，2022，40(4)：145-149.

[30] WANG Xueli，CHENG Xin，ZHU Guanghua，et al Application of Grey Dike Risk Evaluation Model Based on ISM-ANP[J]. 2022，40(4)：145-149.

[31] 王莲芬.网络分析法(ANP)的理论与算法[J].系统工程理论与实践，2001(3)：44-50.

[32] WANG Lianfen. The Theory and Algorithm of Analytic Network Process[J]. Systems Engineering-Theory & Practice， 2001(3)：44-50.

[33] 成连华，薛思婷，郝 杰.基于ANP的建筑施工安全系统脆弱性评价[J].武汉理工大学学报(信息与管理工程版)，2022，44(4)：547-553.

[34] CHENG Lianhua， XUE Siting， HAO Jie. Vulnerability Evaluation of Building Construction Safety System Based on ANP[J]. Journal of WUT (Information & Management Engineering)， 2022，44(4)：547-553.

[35] 李金洋. 基于无人机巡检图像的铁路沿线彩钢房智能检测方法研究[D].北京：北京建筑大学，2022.

[36] LI Jinyang. Research on Intelligent Detection Method for Color Steel Houses along Railway Lines Based on Unmanned Aerial Vehicle Inspection Images[D]. Beijing：Beijing University of Civil Engineering and Architecture，2022.

[37] 孔嘉旭， 庄建琦， 彭建兵， 等. 基于信息量和卷积神经网络的黄土高原滑坡易发性评价[J]. 地球科学，2023，48(5)：1711-1729.

[38] KONG Jiaxu， ZHUANG Jianqi， PENG Jianbing，et al. Evaluation of Landslide Susceptibility in Chinese Loess Plateau Based on IV-RF and IV-CNN Coupling Models[J]. Earth Science，2023，48(5)： 1711-1729.

基金资助

中国国家铁路集团有限公司科技研究开发计划课题(N2022T003)

中国铁路设计集团有限公司科技研究开发课题(2022A02401003)