張皓揚 莊越
摘 要:為達到對地鐵火災事故早期預防和精準控制的目的,引入前兆信息和多源數(shù)據(jù)融合的概念;基于82起地鐵火災事故在人機管環(huán)模型和人因分析與分類系統(tǒng)基礎上構建地鐵火災前兆信息分類模型;針對前兆信息特點提出多源信息采集方法并比較多種多源數(shù)據(jù)融合方法。利用本文對地鐵火災中前兆信息識別、采集和融合步驟所提建議能降低地鐵火災風險。
關鍵詞:地鐵火災;運營安全;前兆信息;多源數(shù)據(jù)融合
中圖分類號:TB 文獻標識碼:A doi:10.19311/j.cnki.1672-3198.2022.05.081
0 引言
縱觀地鐵運營事故的案例,火災都是造成巨大損失的直接原因。前兆信息作為一種能有效衡量事故潛在風險的理論,運用于地鐵火災管理中具有極高價值。故本文通過歷史發(fā)生的82起地鐵火災事件識別多源前兆信號,為我國建立起科學合理的地鐵火災前兆信息監(jiān)測系統(tǒng)提出參考和建議。
1 相關研究基礎
1.1 前兆信息理論研究
國內(nèi)普遍認知將前兆信號分為人機管環(huán)四方面,在人因分析與分類系統(tǒng)(HFACS)中以人因視角描述四個層次缺陷:操作人員不安全行為及其前提、不安全監(jiān)管及組織影響。以HFACS和人機管環(huán)模型為核心的前兆信息分類系統(tǒng)對研究地鐵火災異常數(shù)據(jù)具有研究價值。
1.2 多源數(shù)據(jù)融合評價方法
多源數(shù)據(jù)源融合(MSDF)指利用特定的方法對不同類型的信息源或關系數(shù)據(jù)進行綜合處理從而更精準可靠地做出決策的方法。采用多源數(shù)據(jù)融合對地鐵火災安全風險進行研究,進而將異構多源數(shù)據(jù)綜合為置信度更高的數(shù)據(jù),最終幫助決策者提供早期預防的方案。
2 地鐵火災事故跨案例前兆信息分析
2.1 地鐵火災事故概況
對82個地鐵火災案例剖析,案例中各因素占比如圖1。研究發(fā)現(xiàn)對于地鐵火災要從強化運營管理體系開始自上而下地控制設備因素、員工和乘客因素,并降低環(huán)境因素影響。
2.2 地鐵火災事故的前兆信息識別
結合國內(nèi)經(jīng)典的人機管環(huán)分類系統(tǒng)模型和國外HFACS模型的基礎上對82起國內(nèi)外地鐵火災數(shù)據(jù)分析。形成本文的前兆信息分類系統(tǒng)(如表1)。
影響因素間的交互和耦合導致了最終安全事故的發(fā)生,其在地鐵火災運營前兆信息中的表現(xiàn)為在事故發(fā)生前能夠采集并檢測到分類系統(tǒng)模型中的一種或多種前兆信息。
3 地鐵火災事故前兆信息采集與融合評價
3.1 前兆信息的采集方法
表一中地鐵火災運營前兆信息分類系統(tǒng)提出了14種前兆信息,這些前兆信息通過以下三大類信息采集方式完成全部前兆信息識別。
視頻采集圖像分析方法用于采集類似工作人員失誤與違規(guī)現(xiàn)象、乘客惡意縱火、乘客吸煙前兆信息。采用基于定向梯度直方圖(HOG)特征和支持向量機(SVM)分類器的目標檢測方法,HOG特征將目標分塊分別提取每塊內(nèi)梯度在各個方向上的分布情況得到直方圖特征。
傳感器采集信號識別方法可用于采集供電設施故障、機電運行故障、通信信號故障、地鐵溫度、濕度、極端天氣指數(shù)傳感器此類前兆信息。例如對于供電設施系統(tǒng)的前兆信息故障
方面,選取地鐵供電系統(tǒng)諧波作為需要采集的前兆信息。如式一所示:
其中m為監(jiān)測點個數(shù),xik為監(jiān)測的第i類第k個指標的監(jiān)測值,γqk為第q類第k個指標的閾值。最終通過E值的計算判斷該供電系統(tǒng)的預警級別。
而組織過程漏洞、資源管理漏洞、不安全的監(jiān)督、不良的組織氛圍此類前兆信息的采集則通過基于HFACS的前兆信息人工采集得以實現(xiàn),例如第三方的體系審核、上級外部審核、自身周期性的內(nèi)部審核等,甚至安全檢查表和員工對于不正?,F(xiàn)象的上報等都能夠作為此類前兆信息采集的依據(jù)。
3.2 多源前兆信息的融合方法
對于地鐵火災多源前兆信息融合而言,不但要求能融合形式不同的多源數(shù)據(jù),而且要求融合計算與前續(xù)預處理具有協(xié)調(diào)能力。以下為多源前兆信息融合方法比較(如表2)。
面對地鐵火災的預防因地制宜地選擇多源數(shù)據(jù)融合方法能夠更好地做到對地鐵火災進行早期識別和精準治理。
4 結語
在人機管環(huán)和HFACS基礎上對82起案例進行多源前兆信息的識別,建立地鐵火災前兆信息分類系統(tǒng)模型,為地鐵火災運營的前兆信息采集類別提供建議,并根據(jù)其多源前兆信息特點針對性提出了三種地鐵火災前兆信息采集方法,做出多源前兆信息融合方法表,為合適地數(shù)據(jù)融合方法提供參考。
參考文獻
[1]Michael Dambier,Jochen Hinkelbein. Analysis of 2004 German general aviation aircraft accidents according to the HFACS model[J].Air Medical Journal,2006,25(6).
[2]Gilles Nachouki,Mohamed Quafafou. Multi-data source fusion[J].Information Fusion,2007,9(4).
[3]馬劍,葉新,林鵬,等.基于證據(jù)理論的地鐵火災安全評價方法[J].中國安全生產(chǎn)科學技術,2017,13(01):134-140.
[4]宋亮亮,李啟明,陸瑩,等.城市地鐵系統(tǒng)脆弱性影響因素研究[J].中國安全科學學報,2016,26(05):64-69.
[5]韓欣欣,葉奇玲.基于SIFT和HOG特征融合的人體行為識別方法[J].計算機技術與發(fā)展,2019,29(06):71-74+78.
[6]胡海濤,高朝暉,何正友,等.基于FTA和FMEA法的地鐵牽引供電系統(tǒng)可靠性評估[J].鐵道學報,2012,34(10):48-54.
3609500338277