地鐵運(yùn)營安全風(fēng)險(xiǎn)前兆信息識(shí)別與控制

鄧勇亮副教授 李金運(yùn) 孟苗苗

(中國礦業(yè)大學(xué) 力學(xué)與土木工程學(xué)院，江蘇 徐州 221116)

0 引言

隨著城市化進(jìn)程的推進(jìn)，城市人口數(shù)量持續(xù)增加，公共交通壓力日益增大。地鐵作為一種公共交通系統(tǒng)，具有運(yùn)量大、速度快、能耗低、污染少等諸多優(yōu)點(diǎn)，是緩解城市公共交通壓力最有效的方式之一。截止到2020年12月31日，國內(nèi)累計(jì)45個(gè)城市開通城軌交通運(yùn)營，地鐵運(yùn)營里程達(dá)到6 255.37km。隨著地鐵運(yùn)營規(guī)模不斷擴(kuò)大，客運(yùn)量與日俱增，地鐵運(yùn)營事故的數(shù)量也在不斷增加。由于地鐵系統(tǒng)的特殊性，運(yùn)營空間以半封閉地下空間為主，高架空間為輔，一旦發(fā)生事故，密集客流難以快速疏散，容易造成巨大的人員傷亡和財(cái)產(chǎn)損失。據(jù)統(tǒng)計(jì)，中國2007-2018年間共計(jì)1 911起地鐵事故導(dǎo)致450名人員的傷亡。

地鐵運(yùn)營安全風(fēng)險(xiǎn)產(chǎn)生的根本原因、影響因素、評(píng)價(jià)方法和管理方法得到學(xué)者的廣泛關(guān)注。姜林林和左忠義從人、機(jī)、環(huán)、管、監(jiān)5個(gè)方面分析地鐵運(yùn)行安全的影響因素，指出設(shè)備設(shè)施和自然環(huán)境是最重要最直接因素，安全文化是最根本影響因素；Li等基于復(fù)雜網(wǎng)絡(luò)理論對(duì)地鐵運(yùn)行中的干擾事件進(jìn)行評(píng)價(jià)研究；李曉龍等研究地鐵運(yùn)營安全風(fēng)險(xiǎn)管理中的雙重預(yù)防機(jī)制。

前兆信息分析是預(yù)判和管控安全風(fēng)險(xiǎn)的重要途徑。前兆信息可以從實(shí)時(shí)的角度衡量安全風(fēng)險(xiǎn)狀態(tài)，在事故發(fā)生之前認(rèn)識(shí)到前兆信息能夠?yàn)楸苊馐鹿拾l(fā)生和提高安全績效提供一種可能性。從現(xiàn)有研究來看：前兆信息用于預(yù)防安全事故有巨大潛力，案例分析和專家經(jīng)驗(yàn)是獲取前兆信息的主要途徑。在地鐵運(yùn)營安全風(fēng)險(xiǎn)領(lǐng)域，利用前兆信息預(yù)判和管控安全風(fēng)險(xiǎn)引起了愈發(fā)廣泛的關(guān)注。目前，針對(duì)地鐵運(yùn)營安全風(fēng)險(xiǎn)前兆信息的研究較少，前兆信息尚未得到系統(tǒng)化的識(shí)別與應(yīng)用。如何運(yùn)用前兆信息預(yù)防和控制地鐵運(yùn)營安全風(fēng)險(xiǎn)、減少安全事故發(fā)生、提升安全績效需要進(jìn)一步深入研究。

1 前兆信息及其應(yīng)用

英國健康與安全執(zhí)行局認(rèn)為事故是導(dǎo)致傷害、損害、損失的任何意外事件。前兆信息的廣義定義是指導(dǎo)致事故發(fā)生的條件、事件和序列。眾所周知，冰山的風(fēng)險(xiǎn)不僅僅是冰山表面呈現(xiàn)出來的冰山一角，隱藏在水面之下的風(fēng)險(xiǎn)往往更加致命。如果我們想控制冰山所帶來的風(fēng)險(xiǎn)，那么重點(diǎn)就在于不讓冰山下的風(fēng)險(xiǎn)浮出水面，即有效地控制事故的前兆信息，將事故扼殺在搖籃之中。

前兆信息在金融、健康醫(yī)療、海上鉆井事故分析中也得到了廣泛的研究和應(yīng)用。在工程安全管理領(lǐng)域，F(xiàn)u等研究工程施工現(xiàn)場危險(xiǎn)源的前饋信號(hào)，作為施工安全預(yù)警的基礎(chǔ)；Wu等構(gòu)建Palfs模型去獲取施工現(xiàn)場的前饋信號(hào)，并運(yùn)用2個(gè)案例去佐證基于前饋信號(hào)層面分析事故具有更明顯的普適性；Liu等應(yīng)用案例推理方法分析工程事故中的前饋信號(hào)。在地鐵安全管理領(lǐng)域，對(duì)于前兆信息，現(xiàn)有的文獻(xiàn)較少。Lu等根據(jù)鐵路系統(tǒng)的事故類別和特點(diǎn)，列舉了一些地鐵系統(tǒng)的安全風(fēng)險(xiǎn)事件，以識(shí)別其相關(guān)前兆，并提出基于案例推理的方法，將案例表示和檢索相結(jié)合來分析安全風(fēng)險(xiǎn)；陸瑩等提出將前兆信息作為案例的索引，實(shí)現(xiàn)案例推理。

Grabowski等認(rèn)為使用前兆信息進(jìn)行安全風(fēng)險(xiǎn)管理具有提高安全績效的巨大潛力。前兆信息分析是風(fēng)險(xiǎn)的分析和管控在時(shí)間上的前移，使風(fēng)險(xiǎn)的識(shí)別與控制更具主動(dòng)性。而多種信息技術(shù)的發(fā)展，也使得對(duì)事故前兆的監(jiān)控成為可能，從而使關(guān)于風(fēng)險(xiǎn)實(shí)時(shí)控制的研究有進(jìn)一步發(fā)展。

2 地鐵運(yùn)營安全風(fēng)險(xiǎn)前兆信息識(shí)別

地鐵運(yùn)營安全風(fēng)險(xiǎn)前兆信息的獲取主要是通過文獻(xiàn)分析法、案例分析法、扎根理論3種方法，綜合獲取地鐵運(yùn)營安全風(fēng)險(xiǎn)前兆信息。

2.1 基于文獻(xiàn)分析的地鐵運(yùn)營前兆信息識(shí)別

學(xué)者從不同角度對(duì)前兆信息進(jìn)行分類和識(shí)別。Kyriakidis等分析27個(gè)地鐵運(yùn)營安全風(fēng)險(xiǎn)前兆信息并將其歸為6類：員工行為、技術(shù)故障、乘客、火災(zāi)、惡意和非法行為、管理行為；Lu等將前兆信息分成以下3類：工人、物理系統(tǒng)、環(huán)境；Zhang分析上海地鐵運(yùn)行安全事故的前兆信息。基于文獻(xiàn)分析法，本文共得到22個(gè)安全風(fēng)險(xiǎn)前兆信息，分為員工、乘客、管理與組織、物理系統(tǒng)和環(huán)境5類，見表1。

表1 基于文獻(xiàn)分析法獲取的前兆信息Tab.1 Precursors obtained based on literature analysis

2.2 基于案例庫的地鐵運(yùn)營前兆信息獲取

在安全研究領(lǐng)域，案例分析法被廣泛應(yīng)用于眾多領(lǐng)域，例如運(yùn)輸工程、化學(xué)工程、核工程、醫(yī)藥工程和建筑工程。通過案例分析法識(shí)別近幾年地鐵運(yùn)營安全事故的前兆信息是對(duì)文獻(xiàn)分析法信息收集的良好補(bǔ)充。

目前，大部分的事故案例收集于新聞和媒體。截止2020年3月，共從新聞收集到全球事故案例872例，其中中國585例，美國33例，俄羅斯18例，英國13例，日本10例，韓國9例，其他國家204例。通過對(duì)事故案例進(jìn)行分析，得到新的前兆因素6個(gè)，見表2。

2.3 基于扎根理論的地鐵運(yùn)營前兆信息獲取

2.3.1 基于扎根理論的數(shù)據(jù)收集

扎根理論是一種歸納生成理論的定性方法論，主要實(shí)現(xiàn)步驟，如圖1。基于自下而上的研究過程，研究人員從調(diào)查中獲得信息，然后依次進(jìn)行開放性、主軸性、選擇性編碼和理論飽和測試。在這個(gè)過程中，編碼是指事件和概念之間的比較，以便于數(shù)據(jù)概念化。理論飽和度是指樣本提取的數(shù)據(jù)和信息達(dá)到飽和點(diǎn)。一旦飽和度測試完成并得到驗(yàn)證，理論將不會(huì)受到新樣品的影響。

表2 基于案例分析獲取的前兆信息Tab.2 Precursors obtained based on the case study

圖1 扎根理論的實(shí)施步驟Fig.1 Implementation steps of grounded theory

通過與相關(guān)專家學(xué)者和地鐵運(yùn)營專業(yè)人員的訪談，運(yùn)用扎根理論進(jìn)行分析，能夠確保進(jìn)一步補(bǔ)充完善地鐵運(yùn)營安全風(fēng)險(xiǎn)前兆信息。本研究首先選擇30名具有2年以上工作經(jīng)驗(yàn)的地鐵運(yùn)營工作人員，然后按照訪談提綱進(jìn)行半結(jié)構(gòu)化訪談。訪談形式分為面對(duì)面訪談和網(wǎng)絡(luò)訪談，面對(duì)面訪談以其易于操控、交流更加暢通成為本文訪談的主要形式，占所有訪談形式的75%。訪談時(shí)間控制在40～60min，每次訪談前對(duì)訪談中可能的相關(guān)名詞與受訪者進(jìn)行溝通和交流，確保訪談交流過程通暢，盡可能地通過交流挖掘地鐵運(yùn)營安全風(fēng)險(xiǎn)前兆因素。

2.3.2 基于扎根理論的前兆信息識(shí)別

(1)開放式編碼。開放式編碼是對(duì)訪談得到的相關(guān)資料進(jìn)行邏輯性分析，提取每句話中的價(jià)值信息，并將信息形成概念范疇的過程。隨機(jī)選擇22份訪談樣本，開放式編碼得到486條原始語句，為保證安全風(fēng)險(xiǎn)要素的完全性，不剔除任何一條概念，共形成486條概念和6個(gè)范疇，節(jié)選見表3，其中C4-2是第4位訪談?wù)叩牡?條概念，T7-4是第七號(hào)文件的第4條概念。

表3 開放式編碼過程(節(jié)選)Tab.3 Open coding process (Excerpt)

(2)主軸式編碼。主軸編碼是通過邏輯思維將開放式編碼形成的范疇聯(lián)系起來，將可以形成共性聯(lián)系的范疇聚斂，將多個(gè)擁有共性的子范疇確定一個(gè)主范疇。本文通過邏輯分析，共得到5個(gè)主范疇，分別是員工、乘客、管理與組織、物理系統(tǒng)、環(huán)境，見表4。

表4 主軸編碼形成的主范疇Tab.4 Main categories formed by spindle coding

續(xù)表

(3)選擇性編碼。選擇性編碼是根據(jù)主范疇之間的邏輯關(guān)系，挖掘出更核心的范疇，并根據(jù)核心范疇，建立整體的邏輯關(guān)系，構(gòu)建最后的理論模型。根據(jù)Pandi提出的理論達(dá)到飽和檢驗(yàn)方式，將預(yù)留下來的8份樣本進(jìn)行新一輪的三級(jí)編碼，沒有再發(fā)掘出新的概念、范疇和關(guān)系，說明上述理論模型達(dá)到飽和。

通過文獻(xiàn)分析、案例分析和扎根理論分析，本文共計(jì)得到36個(gè)地鐵運(yùn)營安全風(fēng)險(xiǎn)前兆信息，歸為員工、乘客、管理與組織、環(huán)境、物理系統(tǒng)5類，如圖2。

3 基于前兆信息的安全風(fēng)險(xiǎn)控制研究

前文基于文獻(xiàn)分析、案例分析、扎根理論，對(duì)地鐵運(yùn)營前兆信息進(jìn)行完整的獲取。但是，不同類型的前兆信息具有不同的特點(diǎn)，應(yīng)采用針對(duì)性的措施進(jìn)行控制。對(duì)于前兆信息風(fēng)險(xiǎn)點(diǎn)的控制措施主要有3類。第一類是基于物聯(lián)網(wǎng)(Internet of Things，IOT)技術(shù)的運(yùn)營期間風(fēng)險(xiǎn)信息的獲取，然后基于獲取的信息采用預(yù)警的方式進(jìn)行控制；第二類是基于地鐵物理系統(tǒng)本身的特性，進(jìn)行日常的維護(hù)與維修，基于BIM(Building Information Modeling)技術(shù)與采用預(yù)警的方式提醒運(yùn)營人員進(jìn)行工作；第三類是對(duì)于管理人員與員工進(jìn)行專業(yè)課程培訓(xùn)，基于BIM技術(shù)采用預(yù)警的方式提醒相關(guān)管理人員開展相關(guān)的工作。地鐵運(yùn)營安全風(fēng)險(xiǎn)前兆信息的控制措施，見表5。

4 結(jié)論

本文對(duì)地鐵運(yùn)營安全風(fēng)險(xiǎn)前兆信息進(jìn)行識(shí)別與控制研究，為提高地鐵運(yùn)營安全管理提供了新的思路。本文的主要貢獻(xiàn)如下：

(1)通過文獻(xiàn)分析、案例分析和扎根理論方法，可以系統(tǒng)全面識(shí)別地鐵運(yùn)營安全風(fēng)險(xiǎn)前兆信息。

(2)安全風(fēng)險(xiǎn)前兆信息識(shí)別可以幫助地鐵運(yùn)營安全管理人員深入認(rèn)知安全風(fēng)險(xiǎn)，提高安全管理水平。

(3)安全風(fēng)險(xiǎn)前兆信息控制研究可以為地鐵運(yùn)營安全管理提供決策支持。

下一步的研究工作將基于地鐵運(yùn)營安全風(fēng)險(xiǎn)前兆信息的控制措施，結(jié)合BIM技術(shù)和物聯(lián)網(wǎng)技術(shù)等方法，進(jìn)一步研究安全風(fēng)險(xiǎn)的可視化預(yù)警方法。同時(shí)，地鐵運(yùn)營安全風(fēng)險(xiǎn)的傳導(dǎo)和演化也是值得深入研究的問題。

圖2 地鐵運(yùn)營安全風(fēng)險(xiǎn)前兆信息框架Fig.2 Precursor framework of safety risk in subway operation

表5 地鐵運(yùn)營安全風(fēng)險(xiǎn)前兆信息控制措施Tab.5 Precursor control measures of safety risks in subway operation

續(xù)表