基于熵權(quán)-AHP混合約束DEA法的鐵路車務(wù)行車風(fēng)險評價研究

何景師，戴 航，劉小慧

（東莞職業(yè)技術(shù)學(xué)院 物流工程系，廣東 東莞 523808)

0 引言

行車安全是鐵路運營管理質(zhì)量的重要體現(xiàn)，不僅關(guān)系到旅客生命和財產(chǎn)安全，更關(guān)系到鐵路自身的建設(shè)和發(fā)展。隨著鐵路四級管理模式向三級管理模式的轉(zhuǎn)變，車務(wù)段作為鐵路三級管理系統(tǒng)基層單位，是鐵路運輸組織的中樞和牽頭部門，是鐵路運輸組織作業(yè)的生產(chǎn)主體，也是鐵路車輛行車安全控制的主體。車務(wù)段具有管轄線路范圍大、涉及中間站多、行車安全涉及的設(shè)備種類多、行車標(biāo)準(zhǔn)不統(tǒng)一、人員作業(yè)分散等特點，隨著鐵路新技術(shù)、新裝備的大量投入，客貨運量和列車密度不斷增加，愈加凸顯車務(wù)行車安全管理和風(fēng)險防范的重要性。

既有鐵路安全風(fēng)險研究主要體現(xiàn)在工務(wù)系統(tǒng)風(fēng)險[1]、制動系統(tǒng)風(fēng)險[2]、貨運營業(yè)部風(fēng)險[3]、車站踩踏風(fēng)險[4]、鐵路安全[5-6]等方面，很少聚焦在車務(wù)行車環(huán)節(jié)。識別和評價鐵路車務(wù)行車安全風(fēng)險因素，并根據(jù)風(fēng)險因素特點進行分類施策有利于管控風(fēng)險因素,保障鐵路運營安全生產(chǎn)。因此，引入熵權(quán)-AHP混合約束DEA方法，通過客觀賦權(quán)的熵值法和主觀賦權(quán)的AHP，解決DEA在風(fēng)險決策時過度有效性和權(quán)重?zé)o限性，構(gòu)造極大、極小風(fēng)險曲面，以線性規(guī)劃方法來判斷決策單元的風(fēng)險降低或升高的可能性[7]，從而對鐵路車務(wù)行車安全風(fēng)險評價單元進行評價和排序。

1 車務(wù)行車風(fēng)險因素評價指標(biāo)構(gòu)建

鐵路安全因素包括設(shè)備、環(huán)節(jié)、人員和管理4個環(huán)節(jié)[5-6]。車務(wù)行車一般包括接發(fā)列車環(huán)節(jié)、車站調(diào)車環(huán)節(jié)、中間站環(huán)節(jié)3個過程，通過對這3個環(huán)節(jié)的設(shè)備、作業(yè)、環(huán)境等風(fēng)險因素進行辨識，分析存在的人員風(fēng)險因素、組織和制度風(fēng)險因素，將風(fēng)險因素歸納為接發(fā)列車組織作業(yè)風(fēng)險、接發(fā)列車設(shè)施設(shè)備風(fēng)險、車站調(diào)車組織作業(yè)風(fēng)險、車站調(diào)車設(shè)施設(shè)備風(fēng)險、中間站行車組織風(fēng)險、中間站環(huán)境安全風(fēng)險、人員風(fēng)險、組織與制度風(fēng)險[1-6]8類。鐵路車務(wù)行車風(fēng)險事故樹分析如圖1所示。在車務(wù)行車風(fēng)險辨識中，通過對鐵路車務(wù)段、車站、班組等一線從業(yè)人員和管理人員進行訪談和問卷調(diào)查，調(diào)查對象主要來自安全科、技術(shù)科、運輸調(diào)度科等，進行初步篩選后得到41個風(fēng)險因素。鐵路車務(wù)行車風(fēng)險評價指標(biāo)如圖2所示。

2 熵權(quán)-AHP混合約束DEA法

2.1 DEA法

DEA法在風(fēng)險評價中以行車風(fēng)險決策單元的風(fēng)險因素發(fā)生概率和后果為變量，運用線性規(guī)劃方法求解最優(yōu)值以評價各單元的相對有效性。對于風(fēng)險因素指標(biāo)值Rij=f(L，C)，L和C分別表示風(fēng)險發(fā)生的概率和后果，向量Rj= (R1j，R2j，…，Rmj)T是決策單元j的一種風(fēng)險狀態(tài)值[7]。

定義Tmax上的二元關(guān)系是集合P上的一個偏序關(guān)系，若V是一個閉凸錘，對風(fēng)險向量Y= (y1，y2，…，ym)T≥ 0，有當(dāng)且僅當(dāng)Y1≤Y2，規(guī)劃模型(VP)有以下結(jié)論。

圖1 鐵路車務(wù)行車風(fēng)險事故樹分析Fig.1 Fault tree analysis of fleet operation risk

圖2 鐵路車務(wù)行車風(fēng)險評價指標(biāo)Fig.2 Risk evaluation index of railway fleet operation

風(fēng)險狀態(tài)值R0為的極大元，當(dāng)且僅當(dāng)為規(guī)劃模型(VP)的Pareto最優(yōu)解，極大值風(fēng)險采用的評價模型(D)為[8-9]

極小值風(fēng)險采用的評價模型(D1)為

其中，eT= (1，1，…，1) ∈ES為約束集，S= (s1，s2，…，sn)T≥ 0，Sj為相應(yīng)維數(shù)的松弛變量。

2.2 引入熵權(quán)-AHP約束DEA

熵值法是通過評價數(shù)據(jù)的離散和變異程度進行客觀賦權(quán)的方法，層次分析法(Analytic Hierarchy Process，AHP)通過指標(biāo)之間的相互比較計算重要性得分。將熵權(quán)-AHP引入DEA方法，通過引入專家決策的主觀意見，可以對單純DEA方法的權(quán)重自由性和無限性進行修正[7]。AHP評價的主要思路如下：對判評矩陣Cm= (cij)m×m，設(shè)的最大特征值，令其中I為單位矩陣，有CW≥ 0，W= (w1，w2，…，wn)T≥ 0稱為AHP約束錘，當(dāng)隨機一致性檢驗比率CR=CI/RI= ＜ 0.1時，即認(rèn)為AHP判斷具有滿意的一致性，否則需要重新調(diào)整，其中CI和RI分別為矩陣的一致性指標(biāo)、平均隨機一致性指標(biāo)。熵權(quán)計算原理如下：首先對于決策評價矩陣Xij進行歸一處理，計算評價矩陣中第j項指標(biāo)下zij占該指標(biāo)的比重計算指標(biāo)對屬性的貢獻度e=j其中通過dj= 1－ej，得到各屬性熵權(quán)綜合熵權(quán)和AHP得到混合權(quán)重取適合的α值得到引入公式 ⑵ 和公式 ⑶ 中得到加權(quán)后的Rj值進行DEA計算。

3 鐵路車務(wù)行車風(fēng)險評價

3.1 風(fēng)險因素初值

對于各風(fēng)險因素評價指標(biāo)借鑒LC危險源辨識及評價法進行分析，用L表示危險事故發(fā)生的概率，用C表示發(fā)生風(fēng)險的后果，鑒于發(fā)生概率和后果難以量化評定，結(jié)合班組、車務(wù)作業(yè)人員歷年統(tǒng)計的故事經(jīng)驗教訓(xùn)，采用直接經(jīng)驗法用1 ～ 5表示數(shù)值結(jié)果評判得分。危險事故發(fā)生概率的評判標(biāo)準(zhǔn)：風(fēng)險發(fā)生概率幾乎不出現(xiàn)、很少出現(xiàn)、偶爾出現(xiàn)、多次出現(xiàn)、頻繁出現(xiàn)分別用1 ～ 5表示。危險事件發(fā)生的風(fēng)險后果評判標(biāo)準(zhǔn)： 1表示造成很小損失的后果，2表示造成一般損失的后果，3表示人員傷殘和財產(chǎn)損失的嚴(yán)重后果，4表示人員傷亡和財產(chǎn)損失較大的重大后果，5表示會造成人員死亡和財產(chǎn)重大損害的無法接受的災(zāi)難性后果。根據(jù)收集到的企業(yè)從業(yè)人員和專家評分，對風(fēng)險發(fā)生概率和風(fēng)險后果得分取均值得到各評價指標(biāo)風(fēng)險初值。

3.2 權(quán)重計算

以決策單元1接發(fā)列車組織作業(yè)風(fēng)險Y1為例進行AHP計算權(quán)重。首先得到?jīng)Q策單元1的AHP評價矩陣C1，對評價矩陣C1求特征向量得到w1=(0.21，0.14，0.06，0.12，0.33，0.05，0.06，0.03)T。 求 最 大特征值得到得到隨機一致性檢驗比率分別為，CR=CI/RI= 0.064 / 1.41 =0.045 ＜ 0.1。一致性檢驗結(jié)果表明層次分析專家評價數(shù)據(jù)具有良好一致性。以此類推，得到其他一級指標(biāo)和二級指標(biāo)風(fēng)險因素的權(quán)重，最后進行歸一處理后得到AHP權(quán)重向量wi，再依據(jù)熵權(quán)計算原理得到熵權(quán)，最后得到混合權(quán)重U*。鐵路車務(wù)行車風(fēng)險因素初值和權(quán)重如表1所示。

3.3 風(fēng)險決策單元評價

根據(jù)表1數(shù)據(jù)得到的一級指標(biāo)決策單元風(fēng)險評價值如表2所示。將表2數(shù)據(jù)引入DEA法中，將風(fēng)險發(fā)生的概率和風(fēng)險發(fā)生的可能性作為決策變量，列出決策單元1的(D)模型算式如公式 ⑷ 所示。

表1 鐵路車務(wù)行車風(fēng)險因素初值和權(quán)重Tab.1 Initial value and weight of railway fleet operation risk factors

表2 一級指標(biāo)決策單元風(fēng)險評價值Tab.2 Risk data of first level indicator decision-making unit

按照DEA法的模型(D)和模型(D1)同理可得其他決策單元的計算式，應(yīng)用線性規(guī)劃方法求解，可得最大風(fēng)險決策和最小風(fēng)險決策S1，S2值和目標(biāo)函數(shù)值如表3所示，從而對行車風(fēng)險排序。

表3 最大風(fēng)險決策和最小風(fēng)險決策S1，S2值和目標(biāo)函數(shù)值Tab.3 Maximum andminimum risk decision value of S1,S2

4 車務(wù)行車風(fēng)險評價結(jié)果分析

4.1 評價結(jié)果

4.1.1 決策評價單元風(fēng)險分析

（1）最大風(fēng)險決策分析。用DEA法模型(D)的Pareto目標(biāo)值進行排序，即各個決策單元風(fēng)險從大到小的排序如下：決策單元1＞決策單元4＞決策單元6＞決策單元3＞決策單元2＞決策單元8＞決策單元7＞決策單元5。從模型(D)計算的最大風(fēng)險決策數(shù)據(jù)可知，決策單元1的風(fēng)險已經(jīng)達到了Pareto極大風(fēng)險狀態(tài)，為最大風(fēng)險單元，說明相對其他7個風(fēng)險指標(biāo)，接發(fā)列車組織作業(yè)風(fēng)險的風(fēng)險概率、風(fēng)險后果嚴(yán)重性2個指標(biāo)不可能同時繼續(xù)增大。因此，在行車作業(yè)中應(yīng)重點注意接發(fā)列車組織作業(yè)風(fēng)險，對引起風(fēng)險的因素進行重點控制，降低接發(fā)列車組織作業(yè)風(fēng)險發(fā)生事故的概率和發(fā)生風(fēng)險的后果。按照風(fēng)險排序接下來應(yīng)注意的風(fēng)險為車站調(diào)車設(shè)施設(shè)備風(fēng)險、中間站環(huán)境安全風(fēng)險、車站調(diào)車組織作業(yè)風(fēng)險等。

（2）最小風(fēng)險決策分析。根據(jù)模型(D1)計算最小風(fēng)險決策數(shù)據(jù)可知，決策單元5，7，8評價指標(biāo)的風(fēng)險已經(jīng)達到極小值狀態(tài)Pareto有效狀態(tài)，表明相對其他評價單元，這3個決策單元的風(fēng)險指標(biāo)發(fā)生的概率和后果嚴(yán)重性不可能繼續(xù)降低。這表明相對其他決策單元，中間站行車組織風(fēng)險、人員風(fēng)險、組織與制度風(fēng)險3個決策單元的風(fēng)險發(fā)生概率和風(fēng)險后果很難再降低，說明根據(jù)樣本調(diào)查表明，人們已經(jīng)認(rèn)識到這3個決策單元風(fēng)險點的發(fā)生概率和后果嚴(yán)重性。從極小值風(fēng)險曲面看，對于決策單元1，即接發(fā)列車組織作業(yè)風(fēng)險的風(fēng)險概率能降低0.734/0.825 = 88.97%，風(fēng)險后果能降低0.888/1.088 =81.62%。決策單元風(fēng)險降低程度如表4所示。由表4可知，按照風(fēng)險能夠降低的程度排序來看，應(yīng)重點關(guān)注決策單元1，4，3，2的風(fēng)險。

4.1.2 風(fēng)險因素分布矩陣分析

以車務(wù)行車風(fēng)險發(fā)生的概率為X軸，以風(fēng)險發(fā)生后果嚴(yán)重性為Y軸，將41個鐵路車務(wù)行車風(fēng)險因素劃分為4個象限，風(fēng)險因素矩陣分布圖如圖3所示。

（1）關(guān)鍵風(fēng)險。位于第1象限的風(fēng)險是關(guān)鍵風(fēng)險，這些風(fēng)險因素發(fā)生概率和后果都相對較大。對這些因子應(yīng)予以重點關(guān)注和管理。8個關(guān)鍵風(fēng)險因素中，來自決策單元1的風(fēng)險有4個，占比50%；來自決策單元4的風(fēng)險有2個，占比25%；來自決策單元3和決策單元7的風(fēng)險因素各有1個。

（2）杠桿風(fēng)險。位于第2象限的是發(fā)生概率較低但風(fēng)險后果嚴(yán)重性較高的風(fēng)險因素。這些風(fēng)險因素中來自決策單位1、決策單元2、決策單元6的比例分別是20%，30%，30%。杠桿風(fēng)險發(fā)生的概率較小，但是風(fēng)險后果嚴(yán)重，因此對于杠桿風(fēng)險應(yīng)制定緊急應(yīng)急計劃，提高應(yīng)急反應(yīng)能力，同時定期檢查與排除，防范于未然。

表4 決策單元風(fēng)險降低程度 %Tab.4 Risk reduction degree of decision-making unit

圖3 風(fēng)險因素矩陣分布圖Fig.3 Matrix distribution of risk factors

（3）常規(guī)風(fēng)險。位于第3象限的是發(fā)生概率和發(fā)生后果嚴(yán)重性都較低的風(fēng)險因素。對于此類風(fēng)險應(yīng)正常管理，加強平時作業(yè)和設(shè)備操作的細致程度，定期檢查消除隱患。

（4）有影響力的風(fēng)險。位于第4象限的是發(fā)生概率較高但風(fēng)險發(fā)生后果嚴(yán)重性不高的風(fēng)險因素。可將這些風(fēng)險因素應(yīng)對措施建立標(biāo)準(zhǔn)化作業(yè)指南，減少風(fēng)險發(fā)生的概率，降低危險后果，提高風(fēng)險解決速度。

4.2 對策分析

（1）分類分層科學(xué)制定風(fēng)險因素控制措施。將行車風(fēng)險因素按類別從站段、車間、班組3個層級制定風(fēng)險因素管控措施，結(jié)合現(xiàn)場作業(yè)實際情況出臺具有實操性的“風(fēng)險因素管控措施和方案”，并定期修訂和更新管控措施。根據(jù)行車風(fēng)險涉及的作業(yè)崗位、管理崗位等不同崗位分別編制“安全生產(chǎn)與風(fēng)險因素控制表”。細化車務(wù)行車安全生產(chǎn)和風(fēng)險控制的人員責(zé)任，推進標(biāo)準(zhǔn)化安全生產(chǎn)和作業(yè)風(fēng)險控制管理，并以此全面推行風(fēng)險管理全過程控制。

（2）根據(jù)風(fēng)險因素位于不同矩陣象限采取不同的管理策略。對關(guān)鍵風(fēng)險進行重點檢查，建立動態(tài)檢查機制。對杠桿風(fēng)險定期檢查，制定緊急應(yīng)急計劃，提高應(yīng)急反應(yīng)能力。對關(guān)鍵風(fēng)險和杠桿風(fēng)險制定動態(tài)巡檢制度，防范于未然。對常規(guī)風(fēng)險正常檢查，定期檢查。對于有影響力的風(fēng)險應(yīng)建立標(biāo)準(zhǔn)化風(fēng)險應(yīng)對手冊，提高風(fēng)險解決速度。

（3）制定全過程的風(fēng)險管理措施。一是細化班前預(yù)控，對班前工作任務(wù)建立清單逐一確認(rèn)，對班前所需的各種設(shè)備和工具研究制定標(biāo)準(zhǔn)化工具包，對崗位交接的物品資料進行標(biāo)準(zhǔn)化梳理，交接時現(xiàn)場核對。二是開展崗位自控和崗位互控。崗位自控是指作業(yè)人員對所在崗位的重點風(fēng)險因素應(yīng)熟悉作業(yè)標(biāo)準(zhǔn)和預(yù)防措施，對風(fēng)險因素進行積極的主動防控。崗位互控是指崗位責(zé)任相互關(guān)聯(lián)的上下工序所對應(yīng)的有銜接責(zé)任的崗位工作人員相互監(jiān)督、相互防控，對銜接工作所產(chǎn)生的風(fēng)險責(zé)任事故所涉及的上下工序人員實施連帶風(fēng)險責(zé)任，以此推動銜接工作、上下關(guān)聯(lián)崗位的彼此監(jiān)督。三是對關(guān)鍵風(fēng)險因素重點管控，納入安全工程重點責(zé)任考核，建立關(guān)鍵風(fēng)險防控量化指標(biāo)，明確關(guān)鍵風(fēng)險因素的防控流程和標(biāo)準(zhǔn)，確保關(guān)鍵因素防控標(biāo)準(zhǔn)明確和考核標(biāo)準(zhǔn)清晰。

（4）完善安全管理應(yīng)急機制。對風(fēng)險隱患分類排除，定期檢查分析，動態(tài)管理，做好應(yīng)急管理預(yù)案和管理機制，建立多層級、崗位聯(lián)動的應(yīng)急響應(yīng)體系，加強全員應(yīng)急演練和應(yīng)急措施培訓(xùn)，落實應(yīng)急處置和管理的安全責(zé)任制，加強基礎(chǔ)隊伍應(yīng)急能力和相關(guān)制度建設(shè)，完善應(yīng)急處置措施，形成溝通順暢、響應(yīng)及時的應(yīng)急響應(yīng)系統(tǒng)。

（5）凈化車站周邊生產(chǎn)安全環(huán)境。對車站、中間站等周邊環(huán)境進行綜合整頓，對防護設(shè)備設(shè)施建立巡檢維護制度、臺賬登記制度、安全舉報制度，建立風(fēng)險追究機制，強化鐵路安全防護。對平交路口、立交橋涵等采取封閉柵欄，加大安全巡護以及安裝監(jiān)控等。加強車站管理，嚴(yán)格落實對恐怖主義、火災(zāi)爆炸等危險控制措施，從源頭消滅火災(zāi)隱患。

（6）提高員工素質(zhì)，加強學(xué)習(xí)培訓(xùn)。組織各種崗位學(xué)習(xí)、練兵和技能競賽，針對風(fēng)險問題做好演練與培訓(xùn)，做好技能訓(xùn)練傳幫帶，做好實戰(zhàn)性、模擬性訓(xùn)練和現(xiàn)場訓(xùn)練，通過多樣化的組織專業(yè)培訓(xùn)，使員工熟悉最新技術(shù)技能和現(xiàn)場操作技術(shù)，利用現(xiàn)代虛擬仿真模擬技術(shù)、網(wǎng)絡(luò)技術(shù)等手段加強新技術(shù)、新設(shè)備等使用。

5 結(jié)束語

傳統(tǒng)DEA方法對風(fēng)險的評估需要建立在客觀數(shù)據(jù)基礎(chǔ)上，而AHP法約束DEA具有較大的權(quán)重自由性，研究提出客觀熵權(quán)和主觀賦權(quán)AHP相結(jié)合的約束DEA法，以解決決策單元的過度有效性和權(quán)重?zé)o限性。以車務(wù)行車41個風(fēng)險因素的風(fēng)險發(fā)生概率和后果值為決策變量，通過熵權(quán)-AHP約束DEA法對鐵路行車風(fēng)險的最大曲面和最小曲面進行決策分析。隨著鐵路四級管理模式向三級管理模式的轉(zhuǎn)變，車務(wù)段管轄范圍進一步擴大，對車務(wù)行車的風(fēng)險因素進行辨識評價，有利于針對不同風(fēng)險源開展分類風(fēng)險施策，有利于保障鐵路運營安全。