CN104217297B - 一种轨道交通车站动态安全风险评价方法 - Google Patents

Abstract

本发明提供一种轨道交通车站动态安全风险评价方法，首先确定轨道交通车站动态安全风险评价动态指标体系，然后根据车站设备实时采集的数据计算各项动态指标值，最后基于区间二型模糊数和TOPSIS结合的新方法对轨道交通车站运营安全风险进行动态评价，更为精确地掌握轨道交通车站运营实时的安全状态，为相关管理人员的决策提供技术支持，对于提高决策质量具有非常重要的实际意义。

Description

一种轨道交通车站动态安全风险评价方法

技术领域

本发明涉及一种安全风险评价方法，尤其涉及一种轨道交通车站动态安全风险评价方法。

背景技术

在现有的地铁安全指标体系研究中，对轨道交通车站安全评价指标体系的研究还不够完善，轨道交通车站安全评价更多的是应该从人、机、环、管等几方面进行考虑。为使指标体系的建立与现场业务充分结合，对典型大城市轨道交通进行深入调研分析，总结影响运营安全的主要因素，对运营安全要素进行提取、凝练，构建城市轨道交通运营安全“微观—中观—宏观”评估指标体系。现有安全评价研究中，大多数采用的是静态指标，并没有考虑环境变化和时间推移等因素对评价的影响，并不能真实准确地反映轨道交通车站运营的实时安全状态。

本发明另一重点在于轨道交通车站动态安全评价采用的方法。影响轨道交通车站安全运营的因素错综复杂，有些因素对系统安全状态的影响难以用精确数值来完全表达决策者的偏好信息。而模糊数可以表示决策者主观评价信息的不确定性，目前已经在轨道交通安全评价中得到广泛应用。然而现有的研究都是基于一型模糊数，而轨道交通车站系统是由多个复杂的子系统组成，二型模糊数对于处理轨道交通车站的不确定性和复杂性更具有优势。

发明内容

为解决上述技术问题，本发明提供一种轨道交通车站动态安全风险评价方法，具体采用如下技术方案：

1.计算轨道交通车站安全评价指标值

城市轨道交通车站运营安全评价指标：城轨车站安全评价指标评价对象是车站，根据指标的评价对象，将指标分为客流指标、设备指标、环境指标、管理指标和事故指标五类。其中客流指标包括：进站闸机负荷度、出站闸机负荷度、站台客流密度、楼梯拥挤度、通道拥挤度、自动扶梯拥挤度。设备指标包括：自动扶梯安全指数、给排水系统安全指数、FAS系统安全指数、屏蔽门安全指数、照明系统安全指数、车站空调系统指数。环境指标包括：车站温度指数、车站湿度指数、车站PM2.5指数、车站PM10指数、车站CO2指数。管理指标包括：车站安全管理指数、车站应急疏散能力指数。事故指标包括：车站事故次数、车站人员死亡指、车站经济损失值。各指标值计算方式如下：

（1）进站闸机负荷度

定义：统计时间内，闸机实际进站量与闸机额定通过人数的比值的综合。

指标说明：反映该车站进站闸机的使用情况，闸机负荷重时需适当增加闸机数量，否则容易减慢乘客进站的速度，造成排队。

计算公式：

式中：—统计期内，车站进站闸机负荷度；—第x个口进站闸机负荷度；—第x个口进站闸机所占权重；—时间内，闸机进站人数；—第x个口进站闸机开放总个数；—第x个口单向进站闸机开放个数；—第x个口双向闸机开放个数；—单位时间内每台闸机实际最大通过能力，单位：人/min；

式中：—统计期内，车站进站闸机负荷度；—统计期内，高峰时段发车间隔的平均负荷度；—统计期内，平峰时段发车间隔的平均负荷度；

（2）出站闸机负荷度

定义：统计时间内，出站客流量与出站闸机额定通过人数比值的综合。

指标说明：反映了该车站出站闸机的使用情况，闸机负荷重时需适当增加闸机数量，否则容易减慢乘客出站的速度，造成乘客聚集，影响运营安全。

计算公式：

式中：—统计期内，车站出站闸机负荷度；—第x个口出站闸机负荷度；—第x个口出站闸机所占权重；—时间内，闸机出站人数；—第x个口出站闸机开放总个数；—第x个口单向出站闸机开放个数；—第x个口双向闸机开放个数；—单位时间每台闸机实际最大通过能力，单位：人/min；

式中：—统计期内，车站出站闸机负荷度；—统计期内，高峰时段发车间隔的平均负荷度；—统计期内，平峰时段发车间隔的平均负荷度；

（3）站台客流密度

定义：车站站台实际客流数量与车站站台候车区面积的比值，单位：

指标说明：以列车长度为度量标准，将站台区域划分为若干个密集区域和若干个非密集区域。反应了站台客流密集程度，密度越大，说明客流越多，则越容易发生拥挤。

计算公式：

式中：—统计期内，车站的站台客流密度；—统计期内，站台密集区域平均客流数量；—统计期内，站台非密集区域平均客流数量；—车站站台密集区域面积，为有效站台宽度，为车门宽度；—车站站台非密集区域面积，为列车总长度,为车门个数；—密集区不均衡系数，密集区域平均客流密度与密集区和非密集区总平均密度的比值；—非密集区不均衡系数，非密集区域平均客流密度与密集区和非密集区总平均密度的比值；

注：对于岛式站台：有效站台宽度取车门到站台中心线的距离。

对于侧式站台：有效站台宽度即车门到墙的距离。

参照标准：国际等候区服务水平标准

表1 国际等候区服务水平标准

（4）楼梯拥挤度

定义：统计期内，车站内楼梯的拥挤程度，用实际的通过人数与设计通行能力的比值衡量。

指标说明：该指标对反应了楼梯人流密集程度，该指标值越大，则越容易发生拥挤、踩踏事故。

计算公式：

式中：—统计期内，车站监测楼梯拥挤度；—第个发车间隔内的楼梯拥挤度；—第个发车间隔内，通过监测楼梯断面的客流量；—监测楼梯瓶颈最小断面宽度；—楼梯的设计通行能力；—第个实际发车间隔；

式中：—统计期内，车站监测楼梯拥挤度；—高峰时间段，通过监测楼梯断面的平均楼梯拥挤度；—其他时时间段，通过监测楼梯断面的平均楼梯拥挤度；—高峰时间段不均衡系数：高峰时间段的楼梯拥挤度平均值与高峰时间段和其他时间段总平均楼梯拥挤度的比值；—其他时间段不均衡系数：其他时间段的平均楼梯拥挤度与高峰时间段和其他时间段总平均楼梯拥挤度的比值；

表2 车站各部位的最大通过能力

（5）通道拥挤度

定义：统计期内，车站内通道的拥挤程度，用实际的通过人数与设计通行能力的比值衡量。

指标说明：该指标反应了通道人流密集程度，该指标值越大，则越容易发生拥挤、踩踏事故。

通道拥挤度计算公式：

式中：—统计期内，车站监测通道拥挤度；—第个发车间隔内的通道拥挤度；—第个发车间隔内，通过监测通道断面的客流量；—监测通道瓶颈最小断面宽度；—通道的设计通行能力；—第个实际发车间隔；

式中：—统计期内，车站监测通道拥挤度；—高峰时间段，通过监测通道断面的平均通道拥挤度；—其他时间段，通过监测通道断面的平均通道拥挤度；—高峰时间段不均衡系数：高峰时间段的通道拥挤度平均值与高峰时间段和其他时间段总平均通道拥挤度的比值；—其他时间段不均衡系数：其他时间段的平均通道拥挤度与高峰时间段和其他时间段总平均通道拥挤度的比值；

（6）自动扶梯拥挤度

定义：车站内自动扶梯的拥挤程度，用实际的通过人数与设计通行能力的比值衡量。

指标说明：该指标对反应了自动扶梯人流密集程度，该指标值越大，则越容易发生拥挤、踩踏事故。

自动扶梯拥挤度计算公式：

（12）

式中：—统计期内，监测自动扶梯的拥挤度；—时期，通过自动扶梯断面客流量；—自动扶梯瓶颈最小断面宽度；—自动扶梯的设计通行能力；—实际发车间隔；

式中：—统计期内，监测自动扶梯的拥挤度；—高峰时间段，通过自动扶梯断面的平均自动扶梯拥挤度；—其他时间段，通过自动扶梯断面的平均自动扶梯拥挤度；—高峰时间段不均衡系数：高峰时间段的自动扶梯拥挤度平均值与高峰时间段和其他时间段总平均自动扶梯拥挤度的比值；—其他时间段不均衡系数：其他时间段的平均自动扶梯拥挤度与高峰时间段和其他时间段总平均自动扶梯拥挤度的比值。

（7）自动扶梯安全指数

定义：车站内自动扶梯的安全程度，用自动扶梯拥挤度与自动扶梯风险系数的乘积与1的差值衡量。

指标说明：自动扶梯在其负荷度之内运行时比较安全，当连续超负荷运行（客流量达到最大通行能力的一定比例）一定时间时，或是由于某种原因突然造成自动扶梯停运、逆行等故障，就认为自动扶梯不安全。当自动扶梯安全指数达到或低于规定阈值时，电梯就要停运或者检修。

计算公式：

式中：—统计期内，自动扶梯安全指数；—自动扶梯拥挤度，—自动扶梯风险系数；—统计期内，车站自动扶梯的故障时间；—统计期内，车站自动扶梯的总计划服务时间。

（8）给排水系统安全指数

定义：车站内给排水系统的安全程度，用给排水系统故障台数与总台数的比值描述。

指标说明：该指标反应了给排水系统的平均工作安全程度。

计算公式：

式中：—统计期内，车站给排水系统安全指数；—统计期内，车站给排水系统故障台数；—统计期内，车站给排水系统总台数。

（9）FAS系统安全指数

定义：FAS系统安全指数是用车站内FAS系统有无报警反映FAS系统对车站运营安全的影响程度。

指标说明：这里考虑站台和站厅防烟分区，反映了车站站台和站厅的有无火灾发生情况，是车站安全评价的一个重要指标。

计算公式：

式中：—统计期内，车站FAS系统报警指数；—统计期内，车站第个防烟分区报警值；—车站的防烟分区总数。

（10）屏蔽门安全指数

定义：统计期内，车站内所有屏蔽门实际正常开合次数与计划正常开启次数的比值。

指标说明：该指标对反应了屏蔽门系统的工作安全程度。该指标值越大，屏蔽门系统越安全。

计算公式：

式中：—统计期内，车站屏蔽门安全指数；—统计期内，车站第个屏蔽门报警值；—车站屏蔽门总数。

注：屏蔽门完成正常的开、关过程记为开关一次。

（11）照明系统安全指数

定义：统计期内，车站内照明设备正常工作的数量与总数量的比值。

指标说明：该指标反应了照明系统的工作安全程度。指标值越大，照明系统相对越安全。

计算公式：

式中：—统计期内，车站照明系统安全指数；—统计期内，车站第个照明设备故障值；—车站照明设备总数。

（12）车站空调系统指数

定义：统计期内，车站内空调系统设备正常工作的时间与计划服务总时间的比值。

指标说明：由于车站内，密集客流、高速列车和各种设备使用，造成环境温度升高；空调系统可以在一定程度上维持车站温度恒定，从而保证乘客的身体健康及较少火灾事故的发生。

计算公式：

式中：—统计周期内，车站空调系统指数；—统计周期内，车站空调系统设备正常工作的时间；—统计周期内，车站空调系统设备计划服务总时间。

（13）车站温度指数

定义：车站内各处（站台、通道等）实际温度与所设定标准温度差的绝对值，同各处所允许的最大温度差的比值的综合。

指标说明：温度一方面会影响乘客的舒适度；另一方面，会对设备设施的运行状态影响。

计算公式：

式中,—时刻，车站温度指数；—时刻，车站第号温度传感器实际温度测量值；—时刻，车站温度传感器测量值应达到的标准温度；—车站温度传感器实际温度与所设定标准温度差的平均值；—时刻，车站温度传感器所允许的最大温度差。

（14）车站湿度指数

定义：车站内各处（站台、通道等）实际湿度与所设定标准湿度差的绝对值，同各处所允许的最大湿度差的比值的综合。

指标说明：湿度一方面会影响乘客的舒适度；另一方面，会对设备设施的运行状态影响。

计算公式：

式中：—时刻，车站湿度指数；—车站湿度传感器实际湿度与所设定标准湿度差的平均值；—时刻，车站第号湿度传感器实际湿度测量值；—时刻，车站湿度传感器测量值应达到的标准湿度；—时刻，车站湿度传感器所允许的最大湿度差。

（15）车站PM2.5指数

定义：表示每立方米空气中可入肺颗粒物（粒径小于等于2.5微米）的含量，值越高，表示空气污染越严重。单位：µg·m^-3（微克每立方米）。

指标说明：PM2.5的入肺颗粒物直接对乘客的健康造成影响，同时在一定程度上对列车的运营设备产生影响。

表3 车站PM2.5指数

安全等级	1	2	3
				车站PM2.5指数	0-100	101-150	150-200
状态	良好	轻度污染	中度污染

计算公式：

式中，y为车站PM2.5指数值，x为车站PM2.5实际测量值。

（16）车站PM10指数

定义：表示每立方米空气中可吸入颗粒物（粒径小于等于10微米）的含量，值越高，表示空气污染越严重。单位：µg·m^-3（微克每立方米）。

指标说明：PM10的可吸入粉尘直接对乘客的健康造成影响，同时在一定程度上对列车的运营设备产生影响。

表4 车站PM10指数

安全等级	0	1	2	3
					车站PM10指数	0-100	101-150	150-200	200上
状态	良好	轻度污染	中度污染	重度污染

计算公式：

式中，y为车站PM10指数值，x为车站PM10实际测量值。

（17）车站CO2指数

定义：监测时间内，二氧化碳的浓度含量。单位：µg·m^-3（微克每立方米）。

指标说明：二氧化碳含量过高，导致氧气含量减低，温度升高，从而直接对乘客的健康造成影响，同时在一定程度上对列车的运营设备产生影响。

表5 车站CO2指数

安全等级	0	1	2	3
					车站二氧化碳指数	0-1000	1000-2000	2000-5000	5000以上
状态	良好	轻度污染	中度污染	重度污染

计算公式：

式中，y为车站CO2指数值，x为车站CO2实际测量值。

（18）车站安全管理指数

定义：统计期内，城市轨道交通运营企业安全生产标准化考评指数。反映了地铁人员安全行为和安全意识的风险。

指标说明：该指标反映了对车站安全管理情况的综合评估。该指标值越大，车站安全管理水平越高。

参考依据：国家安检总局下发:交通运输企业安全生产标准化达标考评指标之第二部分城市轨道交通运输企业安全生产达标考评指标。

表6 安全管理指数打分表

安全管理指数	[0，2)	[2，4)	[4，6)	[6，8)	[8，10)
						考评分数	（900，1000]	(700,900]	(600,700]	(400,600]	[0,400]

注：评为一级达标企业的考评分数不低于900分（满分1000分，下同）且满足所有必备条件，评为二级达标企业的考评分数不低于700分且满足二、三级必备条件，评为三级达标企业的考评分数不低于600分且满足三级必备条件。

计算公式：

式中，y为车站安全管理指数值，x为车站安全评价打分值。

（19）车站应急疏散能力指数

定义：车站发生突发事件时，将乘客和站台候车的乘客及工作人员全部撤离站台的应急疏散标准时间。

指标说明：GB50157—2003《规范》19.1.19规定：“出入口楼梯和疏散通道的宽度，应保证在远期高峰小时客流量发生火灾的情况，6min内将乘客和站台候车的乘客及工作人员全部撤离站台”。

计算公式：

式中：—车站疏散能力；—车站到站列车的额定载客人数；—到站列车满载率；—车站站台人数；—自动扶梯的通过能力，单位人/；—楼梯的通过能力，单位人/；—自动楼梯正常运行的台数；—分别为人行楼梯的总宽度、1台自动扶梯的宽度，单位；0.9—楼梯与自动扶梯的理论通行能力按照九折折减；1—人员反应时间，单位。

（20）车站事故次数

定义：统计期内，车站发生事故的总次数，包括特别重大事故、重大事故、大事故、险性事故和一般事故。

指标说明：对车站不同类型历史事故次数的统计。

计算公式：

式中：—统计期内，车站发生事故的总次数；—统计期内，车站发生第种事故的次数。

（21）车站人员死亡指数

定义：统计期内，由于列车操作失误、列车事故或是车站本身设施建造等与车站本身相关的一些因素造成车站内的乘客或是工作人员死亡的人数与该车站进出站量的比值。

指标说明：指标反映车站人员死亡率。该指标值越大，车站人员死亡率越高。

计算公式：

式中：—车站人员死亡指数；—车站死亡人数；—车站进出站量。

(22)车站经济损失值

定义：统计期内，由于事故、自然灾害等原因给车站运营带来的经济损失值。

指标说明：指标反映车站经济损失程度。该指标值越大，损失数目越大。

计算公式：

式中：—统计期内，车站经济损失值；—单位统计期内，车站第次经济损失值。

2.区间二型模糊数

定义1. 一个定义在论域上的区间二型模糊集可表示为

其中，是主要变量，是主要变量的隶属度函数，是次要变量，且是主要变量的次要隶属度函数。

定义2. 一个定义在论域上的区间二型模糊集可表示为

其中，是主要变量，是主要变量的隶属度函数，是次要变量，且是主要变量的次要隶属度函数。

二型模糊集中的所有元素与其所有主隶属度值组成的集合称为不确定性的轨迹（Footprint of Uncertainty, FOU）具体定义如下。

其中，是一个区域，由上限成员函数（Upper membership function, UMF）和下限成员函数（Lower membership function, LMF）的中间区域组成，且UMF和LMF均为一型模糊集。

区间二型模糊集是二型模糊集的特例，相对于一型模糊集，它能更好地描述不确定性，而与一般二型模糊集相比，其次隶属度值全为1，避免了次隶属度函数的选取，集合计算大大简化，所以区间二型模糊集通常被用于解决不确定信息决策问题。

本发明中车站各评价指标权重采用区间二型模糊数，将指标的权重设置为一个范围。

3. 截集水平下的模糊TOPSIS集成法

TOPSIS法是一种逼近理想解的排序方法，其基本思路是：首先根据规范化的初始决策矩阵找出有限方案中的正理想解和负理想解，然后计算各个评价对象与正理想解和负理想解的距离，从而得到各评价方案与最优方案的相对接近程度，最后进行排序，并以此作为方案优劣评价的依据。

假定模糊多属性决策问题的决策方案集为，属性集为。对于方案，依据属性进行测度，得到关于的属性值为三角模糊数，从而构成模糊决策矩阵。

其中，为属性的权重向量，且满足和。

设三角模糊数，现将Wang和Elhag提出的模糊TOPSIS法求解步骤列举如下。

（1）标准化决策矩阵，其计算公式为

（56）

（57）

其中

公式（56）适用于收益型变量；公式（57）应用于成本型变量。

（2）正理想解和负理想解的确定

模糊决策矩阵的正理想解和负理想解可定义为

（3）设置截集，计算其相应的决策矩阵。

（4）依据非线性规划模型，计算在截集水平下对应的所有备选方案的模糊相对相似度。

备选方案与正理想解的相对相似度可定义为

因为是个区间值，其上限和下限求得方法分别对应分段规划模型

其中，和分别是评价值和权重在截集为水平时的集合。

（5）求解所有截集下的平均模糊相对相似性，该平均模糊集合的去模糊化方法如式所示。

（6）依据公式的计算结果，对所有备选方案进行排序，值越大，备选方案越靠近理想方案。

本发明具有如下有益效果：

（1）本技术客观选取的指标可定量化，准确地反映各指标的实时状态。

（2）运用区间二型模糊数能够客观地表达各指标权重的不确定性。

（3）对轨道交通车站运营进行动态安全评价，准确及时地掌握轨道交通车站实时的安全状态。

（4）首次将区间二型模糊数和TOPSIS集成法结合的方法运用在轨道交通安全评价领域。

附图说明

图1 为城市轨道交通车站运营安全评价指标体系图。

图2 为不同截集水平下客流指标的模糊相对相似度示意图。

图3 为不同截集水平下设备指标的模糊相对相似度示意图。

图4 为不同截集水平下环境指标的模糊相对相似度示意图。

图5 为不同截集水平下管理指标的模糊相对相似度示意图。

图6 为不同截集水平下事故指标的模糊相对相似度示意图。

图7 为不同截集水平下车站运营安全的模糊相对相似度示意图。

图8 为不同截集水平下轨道交通车站动态安全评价下的模糊相对相似度示意图。

图9 为车站动态安全评价结果示意图。

具体实施方式

以某城市轨道交通某车站某一时刻为例进行计算，指标体系如图1所示。表1给出了权重的语言变量和相应的二型模糊集。

表1 权重的语言变量和相应的二型模糊数

语言变量	二型模糊数
		Very Unimportant (VU)	((0,0,1.15)(0,0,4.61);0.7,1)
Unimportant (U)	((2.79,2.31,3.71)(0.42,3.13,5.41);0.7,1)
		Medium (M)	((2.79,3.34,3.67)(1.59,3.55,6.26);0.7,1)
Important (I)	((6.29,6.67,7.17)(4.59,6.58,9.5);0.7,1)
		Very Important (VI)	((9.3,10,10)(6.37,10,10);0.7,1)

为了获取某车站某一时刻的实时安全状态，在现场部署了数据采集设备，某一时刻下各指标的值计算结果如表2所示。

表2 某一时刻下各指标的值

指标	值	指标	值	指标	值
						C1	0.52	C9	0.26	C17	0.19
C2	0.32	C10	0.44	C18	0.14
						C3	0.61	C11	0.34	C19	0.08
C4	0.40	C12	0.23	C20	0.00
						C5	0.49	C13	0.21	C21	0.00
C6	0.36	C14	0.13	C22	0.00
						C7	0.36	C15	0.06
C8	0.32	C16	0.12

首先，以客流指标为例来展示区间二型模糊数和TOPSIS集成法的计算过程。三位决策者对客流指标的六个准则重要度进行判断，表3给出了决策对客流指标的原始决策信息，并可计算出各指标的综合平均二型模糊数。

表3 客流指标的决策信息及综合平均二型模糊数

指标	DM1	DM2	DM3	综合平均二型模糊数
					C1	VI	I	VI	((0.83,0.89,0.91)(0.58,0.89,0.98);0.7,1)
C2	I	I	I	((0.63,0.67,0.72)(0.46,0.66,0.95);0.7,1)
					C3	VI	VI	VI	((0.93,1,1)(0.64,1,1);0.7,1)
C4	VI	VI	I	((0.83,0.89,0.91)(0.58,0.89,0.98);0.7,1)
					C5	I	VI	I	((0.73,0.78,0.81)(0.52,0.77,0.97);0.7,1)
C6	VI	I	VI	((0.83,0.89,0.91)(0.58,0.89,0.98);0.7,1)

因为指标值越大，意味着越安全，所以正理想解为，负理想解为。

为了能够精确地计算模糊相对相似度，设置11个不同的截集水平，=0, 0.1,0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0。计算结果如表4和图2所示。

表4 不同截集水平下客流指标的模糊相对相似度

	AU	AL
			0	[0.4134,0.5024]	[0.4575,0.4736]
0.1	[0.4190,0.4982]	[0.4598,0.4725]
			0.2	[0.4246,0.4941]	[0.4610,0.4716]
0.3	[0.4303,0.4907]	[0.4622,0.4707]
			0.4	[0.4359,0.4871]	[0.4638,0.4699]
0.5	[0.4415,0.4841]	[0.4650,0.4690]
			0.6	[0.4471,0.4806]	[0.4661,0.4681]
0.7	[0.4525,0.4770]	[0.4673,0.4673]
			0.8	[0.4578,0.4740]	-
0.9	[0.4630,0.4705]	-
			1.0	[0.4676,0.4676]	-

同理可得设备指标、环境指标、管理指标、事故指标的模糊相对相似度，如图3-图6所示。

轨道交通车站决策矩阵包括客流指标、设备指标、环境指标、管理指标和事故指标的模糊相对相似度。表5给出了这五类指标权重的模糊相对相似度。

表5 五类指标的二型模糊数

指标	DM1	DM2	DM3	二型模糊数
					B1	VI	I	I	((0.73,0.78,0.81)(0.52,0.77,0.97);0.7,1)
B2	VI	VI	VI	((0.93,1,1)(0.64,1,1);0.7,1)
					B3	I	I	I	((0.63,0.67,0.72)(0.46,0.66,0.95);0.7,1)
B4	M	U	I	((0.4,0.44,0.49)(0.22,0.44,0.71);0.7,1)
					B5	I	I	I	((0.63,0.67,0.72)(0.46,0.66,0.95);0.7,1)

轨道交通车站安全评价结果如表6和图7所示。去模糊化的值越高，表示越安全，通过计算，去模糊化值，值越接近1，表示该车站运营越安全。该结果较客观地反映了该车站运营的安全状态，与实际情况也较为符合。

表6 不同截集水平下车站运营安全状态的模糊相对相似度

参照此方法，我们根据实时更新的数据不断地更新评价结果，从而实现对轨道交通车站安全的动态评价。图8给出了动态评价过程中的模糊相对相似度。

根据评价指标体系以及指标算法特点，可将车站安全等级划分为3级如表7所示。

表7 车站运营安全等级

根据车站运营安全等级的划分，车站动态安全评价的结果如图9所示。t ₁ 和t ₂ 时刻时，RC值分别为0.6967、0.7395，说明车站处于较低风险状态，但是日常监测仍需引起注意，t ₃ 时刻时，RC值为0.8087，说明车站该时刻处于低风险状态下。该结果比较可观地反映出该车站的实时安全状态，与实际情况较为符合。

Claims (2)

1.一种应用于轨道交通车站的动态安全风险评价方法，该方法包括以下步骤：

(一)确定轨道交通车站动态安全风险评价指标：进站闸机负荷度、出站闸机负荷度、站台客流密度、楼梯拥挤度、通道拥挤度、自动扶梯拥挤度、自动扶梯安全指数、给排水系统安全指数、FAS系统安全指数、屏蔽门安全指数、照明系统安全指数、车站空调系统指数、车站温度指数、车站湿度指数、车站PM2.5指数、车站PM10指数、车站CO2指数、车站安全管理指数、车站应急疏散能力指数、车站事故次数、车站人员死亡指、车站经济损失值；

(二)根据车站现场设备所采集的数据分别计算上述各项动态指标的指标值；

(三)采用不同截集水平下模糊TOPSIS集成法评价车站安全状态，其中步骤(一)中各项指标的权重ω_j采用区间二型模糊数，而各项指标的评价值x_j为步骤(二)中计算出的各项指标的指标值；

其特征在于，步骤(二)中的计算各项指标值的具体方法为：

(1)进站闸机负荷度计算公式：

${\mathrm{gu}}_{(t,t+\mathrm{\Δ}t)}\left(s_{ij}\right)={\mathrm{\Σ\λ}}_x^{in}{\mathrm{gu}}_x^{in}\left(s_{ij}\right)$

${\mathrm{gu}}_x^{in}\left(s_{ij}\right)=\frac{c_x^{in}\left(s_{ij}\right)}{n_x^{in}\·\mathrm{\Δ}t\·{\mathrm{afc}}_e}$

$n_x^{in}=\[n_x^a+\frac{c^{in}}{c^{in}+c^{out}}\·n_x^b\]$

${\mathrm{\λ}}_x^{in}=\frac{c_x^{in}\left(s_{ij}\right)}{{\mathrm{\Σc}}^{in}\left(s_{ij}\right)}$

式中：gu_(t,t+Δt)(s_ij)—统计期内，车站s_ij的进站闸机负荷度；—第x个口进站闸机负荷度；—第x个口进站闸机所占权重；—Δt时间内，闸机进站人数；c^out(s_ij)—Δt时间内，闸机出站人数；cⁱⁿ—单位时间内闸机进站人数；c^out—单位时间内闸机出站人数；—第x个口进站闸机开放总个数；—第x个口单向进站闸机开放个数；—第x个口双向闸机开放个数；afc_e—单位时间内每台闸机实际最大通过能力，单位：人/min；Δt—实际发车间隔；

$GU\left(s_{ij}\right)=\stackrel{\‾}{{\mathrm{GU}}^a\left(s_{ij}\right)}\·{\mathrm{\θ}}_a+\stackrel{\‾}{{\mathrm{GU}}^b\left(s_{ij}\right)}\·{\mathrm{\θ}}_b$

${\mathrm{\θ}}_a=\frac{\stackrel{\‾}{{\mathrm{GU}}^a\left(s_{ij}\right)}}{\stackrel{\‾}{{\mathrm{GU}}^a\left(s_{ij}\right)}+\stackrel{\‾}{{\mathrm{GU}}^b\left(s_{ij}\right)}}$

${\mathrm{\θ}}_b=\frac{\stackrel{\‾}{{\mathrm{GU}}^b\left(s_{ij}\right)}}{\stackrel{\‾}{{\mathrm{GU}}^a\left(s_{ij}\right)}+\stackrel{\‾}{{\mathrm{GU}}^b\left(s_{ij}\right)}}$

式中：GU(s_ij)—统计期内，车站s_ij的进站闸机负荷度；—统计期内，高峰时段发车间隔的平均负荷度；—统计期内，平峰时段发车间隔的平均负荷度,θa、θ_b为中间变量；

(2)出站闸机负荷度计算公式：

${\mathrm{gu}}_{(t,t+\mathrm{\Δ}t)}\left(s_{ij}\right)={\mathrm{\Σ\λ}}_x^{out}{\mathrm{gu}}_x^{out}\left(s_{ij}\right)$

${\mathrm{gu}}_x^{out}\left(s_{ij}\right)=\frac{c_x^{out}\left(s_{ij}\right)}{n_x^{out}\·\mathrm{\Δ}t\·{\mathrm{afc}}_e}$

$n_x^{out}=\[n_x^a+\frac{c^{out}}{c^{in}+c^{out}}\·n_x^b\]$

${\mathrm{\λ}}_x^{out}=\frac{c_x^{out}\left(s_{ij}\right)}{{\mathrm{\Σc}}^{out}\left(s_{ij}\right)}$

式中：gu_(t,t+Δt)(s_ij)—统计期内，车站s_ij的出站闸机负荷度；—第x个口出站闸机负荷度；—第x个口出站闸机所占权重；cⁱⁿ(s_ij)—Δt时间内，闸机进站人数；c^out(s_ij)—Δt时间内，闸机出站人数；cⁱⁿ—单位时间内闸机进站人数；c^out—单位时间内闸机出站人数；—第x个口出站闸机开放总个数；—第x个口单向出站闸机开放个数；—第x个口双向闸机开放个数；afc_e—单位时间每台闸机实际最大通过能力，单位：人/min；Δt—实际发车间隔；

$GU\left(s_{ij}\right)=\stackrel{\‾}{{\mathrm{GU}}^a\left(s_{ij}\right)}\·{\mathrm{\θ}}_a+\stackrel{\‾}{{\mathrm{GU}}^b\left(s_{ij}\right)}\·{\mathrm{\θ}}_b$

${\mathrm{\θ}}_a=\frac{\stackrel{\‾}{{\mathrm{GU}}^a\left(s_{ij}\right)}}{\stackrel{\‾}{{\mathrm{GU}}^a\left(s_{ij}\right)}+\stackrel{\‾}{{\mathrm{GU}}^b\left(s_{ij}\right)}}$

${\mathrm{\θ}}_b=\frac{\stackrel{\‾}{{\mathrm{GU}}^b\left(s_{ij}\right)}}{\stackrel{\‾}{{\mathrm{GU}}^a\left(s_{ij}\right)}+\stackrel{\‾}{{\mathrm{GU}}^b\left(s_{ij}\right)}}$

式中：GU(s_ij)—统计期内，车站s_ij的出站闸机负荷度；—统计期内，高峰时段发车间隔的平均负荷度；—统计期内，平峰时段发车间隔的平均负荷度,θa、θ_b为中间变量；

(3)站台客流密度计算公式：

${\mathrm{PP}}_t\left(s_{ij}\right)=\frac{\stackrel{\‾}{{\mathrm{pp}}_t^a\left(s_{ij}\right)}}{S_a}\·{\mathrm{\θ}}_a+\frac{\stackrel{\‾}{{\mathrm{pp}}_t^b\left(s_{ij}\right)}}{S_b}\·{\mathrm{\θ}}_b$

S_a＝l·d

$S_b=\frac{L-l\·n}{n-1}\·d$

式中：PP_t(s_ij)—统计期内，车站s_ij的站台客流密度；—统计期内，站台密集区域平均客流数量；—统计期内，站台非密集区域平均客流数量；S_a—车站站台密集区域面积，d为有效站台宽度，l为车门宽度；S_b—车站站台非密集区域面积，L为列车总长度,n为车门个数；θ_a—密集区不均衡系数，密集区域平均客流密度与密集区和非密集区总平均密度的比值；θ_b—非密集区不均衡系数，非密集区域平均客流密度与密集区和非密集区总平均密度的比值；

(4)楼梯拥挤度计算公式：

$cp=\frac{1}{m}\underset{i=1}{\overset{m}{\Σ}}{\mathrm{cp}}_i$

${\mathrm{cp}}_i=\frac{c_i}{C_{max}\·T_i\·d}$

式中：cp—统计期内，车站监测楼梯拥挤度；cp_i—第i个发车间隔内的楼梯拥挤度；c_i—第i个发车间隔内，通过监测楼梯断面的客流量；d—监测楼梯瓶颈最小断面宽度；C_max—楼梯的设计通行能力；T_i—第i个实际发车间隔；m-车站楼梯个数；

CP_lt(s_ij)＝cp_h·α+cp_s·β

式中：CP_lt(s_ij)—统计期内，车站监测楼梯拥挤度；cp_h—高峰时间段，通过监测楼梯断面的平均楼梯拥挤度；cp_s—其他时时间段，通过监测楼梯断面的平均楼梯拥挤度；α—高峰时间段不均衡系数：高峰时间段的楼梯拥挤度平均值与高峰时间段和其他时间段总平均楼梯拥挤度的比值；β—其他时间段不均衡系数：其他时间段的平均楼梯拥挤度与高峰时间段和其他时间段总平均楼梯拥挤度的比值；

(5)通道拥挤度计算公式：

$cp=\frac{1}{m}\underset{i=1}{\overset{m}{\Σ}}{\mathrm{cp}}_i$

${\mathrm{cp}}_i=\frac{c_i}{C_{max}\·T_i\·d}$

式中：cp—统计期内，车站监测通道拥挤度；cp_i—第i个发车间隔内的通道拥挤度；c_i—第i个发车间隔内，通过监测通道断面的客流量；d—监测通道瓶颈最小断面宽度；C_max—通道的设计通行能力；T_i—第i个实际发车间隔；m-车站通道个数；

CP_td＝cp_h·α+cp_s·β

式中：CP_td—统计期内，车站监测通道拥挤度；cp_h—高峰时间段，通过监测通道断面的平均通道拥挤度；cp_s—其他时间段，通过监测通道断面的平均通道拥挤度；α—高峰时间段不均衡系数：高峰时间段的通道拥挤度平均值与高峰时间段和其他时间段总平均通道拥挤度的比值；β—其他时间段不均衡系数：其他时间段的平均通道拥挤度与高峰时间段和其他时间段总平均通道拥挤度的比值；

(6)自动扶梯拥挤度FT计算公式：

$FT=\frac{f}{F_{max}\·\mathrm{\Δ}t\·d}$

式中：FT—统计期内，监测自动扶梯的拥挤度；f—(t,t+Δt)时期，通过自动扶梯断面客流量；d—自动扶梯瓶颈最小断面宽度；F_max—自动扶梯的设计通行能力；Δt—实际发车间隔；

FT(s_ij)＝ft_h·α+ft_s·β

式中：FT(s_ij)—统计期内，监测自动扶梯的拥挤度；ft_h—高峰时间段，通过自动扶梯断面的平均自动扶梯拥挤度；ft_s—其他时间段，通过自动扶梯断面的平均自动扶梯拥挤度；α—高峰时间段不均衡系数：高峰时间段的自动扶梯拥挤度平均值与高峰时间段和其他时间段总平均自动扶梯拥挤度的比值；β—其他时间段不均衡系数：其他时间段的平均自动扶梯拥挤度与高峰时间段和其他时间段总平均自动扶梯拥挤度的比值；

(7)自动扶梯安全指数计算公式：

Es(s_ij)＝1-(FT·σ)

式中：Es(s_ij)—统计期内，自动扶梯安全指数；FT—自动扶梯拥挤度，σ—自动扶梯风险系数；t_故障—统计期内，车站自动扶梯的故障时间；t_总—统计期内，车站自动扶梯的总计划服务时间；

(8)给排水系统安全指数计算公式：

式中：PE(s_ij)—统计期内，车站给排水系统安全指数；n_故障—统计期内，车站给排水系统故障台数；n_总—统计期内，车站给排水系统总台数；

(9)FAS系统安全指数计算公式：

$FA\left(s_{ij}\right)=(1-\frac{1}{n}\underset{k=1}{\overset{n}{\Σ}}{f}_{\left(k\right)})\×100\%$

式中：FA(s_ij)—统计期内，车站FAS系统报警指数；f_(k)—统计期内，车站第k个防烟分区报警值；n—车站的防烟分区总数；

(10)屏蔽门安全指数计算公式：

$PB\left(s_{ij}\right)=(1-\frac{1}{n}\underset{k=1}{\overset{n}{\Σ}}{p}_{\left(k\right)})\×100\%$

式中：PB(s_ij)—统计期内，车站屏蔽门安全指数；p_(k)—统计期内，车站第k个屏蔽门报警值；n—车站屏蔽门总数；

(11)照明系统安全指数计算公式：

$ZM\left(s_{ij}\right)=(1-\frac{1}{n}\underset{k=1}{\overset{n}{\Σ}}{z}_{\left(k\right)})\×100\%$

式中：ZM(s_ij)—统计期内，车站照明系统安全指数；z_(k)—统计期内，车站第k个照明设备故障值；n—车站照明设备总数；

(12)车站空调系统指数计算公式：

式中：KT(s_ij)—统计周期内，车站空调系统指数；t_正常—统计周期内，车站空调系统设备正常工作的时间；n_计划—统计周期内，车站空调系统设备计划服务总时间；

(13)车站温度指数计算公式：

$TW\left(s_{ij}\right)=(1-\frac{\stackrel{\‾}{|T_i-T_e|}}{{\mathrm{max\ΔT}}_e})\×100\%$

式中,TW(s_ij)—t时刻，车站温度指数；T_i—t时刻，车站第i号温度传感器实际温度测量值；T_e—t时刻，车站温度传感器测量值应达到的标准温度；—车站温度传感器实际温度与所设定标准温度差的平均值；maxΔT_e—t时刻，车站温度传感器所允许的最大温度差；

(14)车站湿度指数计算公式：

$TS\left(s_{ij}\right)=(1-\frac{\stackrel{\‾}{|W_i-W_e|}}{{\mathrm{max\ΔW}}_e})\×100\%$

式中：TS(s_ij)—t时刻，车站湿度指数；—车站湿度传感器实际湿度与所设定标准湿度差的平均值；W_i—t时刻，车站第i号湿度传感器实际湿度测量值；W_e—t时刻，车站湿度传感器测量值应达到的标准湿度；maxΔW_e—t时刻，车站湿度传感器所允许的最大湿度差；

(15)车站PM2.5指数计算公式：

$y=\left\{\begin{array}{cc}0.003x,& x<100\\ 0.006x-0.3,& 100\&le;x<150\\ 0.008x-0.6,& 150\&le;x<200\\ 1,& x\&GreaterEqual;200\end{array}\right.$

式中，y为车站PM2.5指数值，x为车站PM2.5实际测量值；

(16)车站PM10指数计算公式：

$y=\left\{\begin{array}{cc}0.003x,& x<100\\ 0.006x-0.3,& 100\&le;x<150\\ 0.008x-0.6,& 150\&le;x<200\\ 1,& x\&GreaterEqual;200\end{array}\right.$

式中，y为车站PM10指数值，x为车站PM10实际测量值；

(17)车站CO2指数计算公式：

$y=\left\{\begin{array}{cc}0.0003x,& x<2000\\ \frac{1}{7500}x+\frac{1}{3},& 2000\&le;x<5000\\ 1,& x\&GreaterEqual;5000\end{array}\right.$

式中，y为车站CO2指数值，x为车站CO2实际测量值；

(18)车站安全管理指数计算公式：

$y=\left\{\begin{array}{c}-0.002x+2,900<x\&le;1000\\ -0.001x+1.1,700<x\&le;900\\ -0.002x+1.8,600<x\&le;700\\ -0.001x+1.2,400<x\&le;600\\ -0.0005x+1,0\&le;x\&le;400\end{array}\right.$

式中，y为车站安全管理指数值，x为车站安全评价打分值；

(19)车站应急疏散能力指数计算公式：

$\stackrel{\&OverBar;}{T}\left(s_{ij}\right)=\frac{C_1\&CenterDot;\mathrm{\&epsiv;}+C_2}{0.9\&lsqb;A_{1}bN+A_{2}B\&rsqb;}+1$

式中：—车站s_ij疏散能力；C₁—车站到站列车的额定载客人数；ε—到站列车满载率；C₂—车站站台人数；A₁—自动扶梯的通过能力，单位人/(min·m)；A₂—楼梯的通过能力，单位人/(min·m)；N—自动楼梯正常运行的台数；B,b—分别为人行楼梯的总宽度、1台自动扶梯的宽度，单位米；0.9—楼梯与自动扶梯的理论通行能力按照九折折减；1—人员反应时间，单位min；

(20)车站事故次数计算公式：

S(s_ij)＝∑s_k

式中：S(s_ij)—统计期内，车站发生事故的总次数；s_k—统计期内，车站发生第k种事故的次数；

(21)车站人员死亡指数计算公式：

式中：D(s_ij)—车站人员死亡指数；N_死亡—车站死亡人数；n_进出站—车站进出站量；

(22)车站经济损失值计算公式：

M_(t,t+Δt)＝∑m_i

式中：M_(t,t+Δt)—统计期内，车站经济损失值；m_i—单位统计期内，车站第i次经济损失值。

2.如权利要求1所述的应用于轨道交通车站的动态安全风险评价方法，其特征在于，步骤(三)中采用不同截集水平下模糊TOPSIS集成法评价车站安全状态具体步骤如下：

(1)确定评价向量为x_j为车站评价指标的评价值；

(2)确定评价向量的正理想解为A⁺＝{1,...,1}，负理想解为A^-＝{0,...,0}；

(3)设置不同截集α，确定不同截集α下的评价向量；

(4)依据非线性规划模型，计算在不同截集α水平下方案的模糊相对相似度：

${\left({\mathrm{RC}}_j^U\right)}_{\mathrm{\&alpha;}}=max\frac{\sqrt{\underset{j=1}{\overset{m}{\&Sigma;}}{\left({\mathrm{\&omega;}}_j{\left(x_j^U\right)}_{\mathrm{\&alpha;}}\right)}^2}}{\sqrt{\underset{j=1}{\overset{m}{\&Sigma;}}{\left({\mathrm{\&omega;}}_j{\left(x_j^U\right)}_{\mathrm{\&alpha;}}\right)}^2}+\sqrt{\underset{j=1}{\overset{m}{\&Sigma;}}{\left({\mathrm{\&omega;}}_j\right({\left(x_j^U\right)}_{\mathrm{\&alpha;}}-1\left)\right)}^2}}$

${\left({\mathrm{RC}}_j^L\right)}_{\mathrm{\&alpha;}}=\min \frac{\sqrt{\underset{j=1}{\overset{m}{\&Sigma;}}{\left({\mathrm{\&omega;}}_j{\left(x_j^L\right)}_{\mathrm{\&alpha;}}\right)}^2}}{\sqrt{\underset{j=1}{\overset{m}{\&Sigma;}}{\left({\mathrm{\&omega;}}_j{\left(x_j^L\right)}_{\mathrm{\&alpha;}}\right)}^2}+\sqrt{\underset{j=1}{\overset{m}{\&Sigma;}}{\left({\mathrm{\&omega;}}_j\right({\left(x_j^L\right)}_{\mathrm{\&alpha;}}-1\left)\right)}^2}}$

${\left({\mathrm{\&omega;}}_j^L\right)}_{\mathrm{\&alpha;}}\&le;{\mathrm{\&omega;}}_j\&le;{\left({\mathrm{\&omega;}}_j^U\right)}_{\mathrm{\&alpha;}};j=1,2,...,m;m=22;$

其中，是评价值x_j在截集为α水平时的集合；为在截集为α水平时区间模糊相对相似度的上限，为在截集为α水平时区间模糊相对相似度的下限；

(5)求解所有不同截集α_j下的平均模糊相对相似度：

${\mathrm{RC}}_j^{*}=\frac{1}{n}\underset{j=1}{\overset{n}{\&Sigma;}}\left(\frac{{\left({\mathrm{RC}}_j^L\right)}_{{\mathrm{\&alpha;}}_j}+{\left({\mathrm{RC}}_j^U\right)}_{{\mathrm{\&alpha;}}_j}}{2}\right),n=22;$

(6)依据步骤(5)的计算结果，值越靠近1，车站安全性越高。