新冠疫情下重慶市城市軌道交通運(yùn)營風(fēng)險(xiǎn)評價(jià)

張尚毅，周米娜，鄭先勇

(重慶交通大學(xué) 經(jīng)濟(jì)與管理學(xué)院，重慶 400074)

0 引 言

2020年1月，在我國發(fā)生了新型冠狀病毒肺炎疫情(簡稱“新冠疫情”)公共衛(wèi)生事件，為了切斷疫情傳播路徑、控制人員流動(dòng)，我國實(shí)施了“患者隔離”“人群分離”“減少接觸”等應(yīng)對措施，及時(shí)有效地防控了疫情，但也減少了人們出行頻率，城市軌道交通客運(yùn)量大幅度下降。根據(jù)《國家突發(fā)公共衛(wèi)生事件應(yīng)急預(yù)案》[1]，突發(fā)公共衛(wèi)生事件可劃分為特別重大、重大、較大和一般4級(表1)?？梢?，新冠疫情屬于特別重大(I級)危害程度公共衛(wèi)生事件，有必要開展其對城市軌道交通運(yùn)營影響程度研究。

表1 公共衛(wèi)生事件等級劃分Table 1 Classification of public health events

國內(nèi)外學(xué)者[2-4]分別運(yùn)用模糊層次分析法、組合權(quán)重法和云模型對城市軌道交通運(yùn)營風(fēng)險(xiǎn)進(jìn)行了分析評估；黃宏偉等[5]分析了國內(nèi)外地鐵運(yùn)營管理體系的異同點(diǎn)；葉慶輝等[6]利用綜合性分析方法探討了城市軌道交通運(yùn)營風(fēng)險(xiǎn)；陳曉[7]運(yùn)用系統(tǒng)動(dòng)力學(xué)、楊興宇[8]運(yùn)用模糊ISM模型和FMICMAC模型、劉福澤等[9]運(yùn)用結(jié)合TEI@I方法論的貝葉斯網(wǎng)絡(luò)模型分別對城市軌道交通各方面運(yùn)營風(fēng)險(xiǎn)進(jìn)行了評估和分析；馮旭杰等[10]、付逸飛[11]分別從城市軌道運(yùn)營方及公安機(jī)關(guān)的角度分析了新冠疫情的影響；曹磊等[12]對新冠疫情下城軌運(yùn)營防疫提出了相關(guān)建議；徐建國等[13]針對突發(fā)事件提出了風(fēng)險(xiǎn)預(yù)警機(jī)制。

筆者以重慶市為例，開展了針對新冠疫情公共衛(wèi)生事件下城市軌道交通運(yùn)營風(fēng)險(xiǎn)的研究，通過構(gòu)建的貝葉斯網(wǎng)絡(luò)模型，對特大公共衛(wèi)生事件下城市軌道交通運(yùn)營風(fēng)險(xiǎn)進(jìn)行了評估。研究結(jié)果可為城市軌道交通企業(yè)把握風(fēng)險(xiǎn)重點(diǎn)、風(fēng)險(xiǎn)程度，快速做出風(fēng)險(xiǎn)應(yīng)對決策提供理論依據(jù)。

1 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)適合分析具有不確定性的概率事件，可以在信息不充分、不確定的情況下對事件做出合理判斷。貝葉斯網(wǎng)絡(luò)的理論依據(jù)來自于貝葉斯公式(1)和全概率公式(2)：

(1)

(2)

式中：P(y|x)為事件x已經(jīng)發(fā)生下事件y發(fā)生的概率，為后驗(yàn)概率；P(x|y)為似然概率；P(x)、P(y)分別為在完全不考慮其他因素情況下事件x、y發(fā)生的概率，為先驗(yàn)概率；i為事件個(gè)數(shù)。

貝葉斯網(wǎng)絡(luò)由有向無環(huán)圖和條件概率集構(gòu)成，如圖1，節(jié)點(diǎn)A、B為父節(jié)點(diǎn)，節(jié)點(diǎn)C為子節(jié)點(diǎn)，父節(jié)點(diǎn)與子節(jié)點(diǎn)之間用有向線段銜接。

圖1 貝葉斯網(wǎng)絡(luò)示意Fig. 1 Schematic diagram of Bayesian network

可見，給定所有節(jié)點(diǎn)的先驗(yàn)概率及每個(gè)節(jié)點(diǎn)的概率集，即可得到包含所有節(jié)點(diǎn)的聯(lián)合概率分布(3)：

P(A,B,C)=P(C|A,B)P(A,B)=

P(C|A,B)P(A)P(B)

(3)

式中：P(C|A,B)為節(jié)點(diǎn)A、B發(fā)生時(shí)節(jié)點(diǎn)C發(fā)生的條件概率；P(A)、P(B)分別為節(jié)點(diǎn)A、節(jié)點(diǎn)B發(fā)生的先驗(yàn)概率。

若一個(gè)復(fù)雜貝葉斯網(wǎng)絡(luò)有節(jié)點(diǎn)V1,V2, …,Vn,且相互獨(dú)立，則聯(lián)合概率分解為式(4)：

P(V1,V2,…,Vn)=P(V1)P(V2|V1)…

P(Vn|V1,V2,…,Vn-1)

(4)

設(shè)π(Vi)為Vi父節(jié)點(diǎn)，則在條件獨(dú)立的情況下，式(4)可簡化為式(5)：

(5)

2 案例分析

2.1 模型構(gòu)建

筆者運(yùn)用Netica軟件建模。假設(shè)同層內(nèi)各因素間都是相互獨(dú)立的，各層級風(fēng)險(xiǎn)因素的先驗(yàn)概率與條件概率主要通過專家打分、專家訪談等方式獲得。

2.2 風(fēng)險(xiǎn)評價(jià)指標(biāo)體系

在公共衛(wèi)生事件背景下，城市軌道交通主要存在4大風(fēng)險(xiǎn)：經(jīng)營風(fēng)險(xiǎn)Y1、應(yīng)急管理風(fēng)險(xiǎn)Y2、乘客風(fēng)險(xiǎn)Y3及公共安全管理風(fēng)險(xiǎn)Y4，其下又包括12個(gè)指標(biāo)。據(jù)此，構(gòu)建城市軌道交通運(yùn)營風(fēng)險(xiǎn)評價(jià)指標(biāo)體系，見表2。

表2 城市軌道交通運(yùn)營風(fēng)險(xiǎn)評價(jià)指標(biāo)體系Table 2 Risk assessment index system of urban rail transit operation

圖2為公共衛(wèi)生事件下城市軌道交通運(yùn)營風(fēng)險(xiǎn)指標(biāo)和風(fēng)險(xiǎn)誘因貝葉斯網(wǎng)絡(luò)拓?fù)鋱D。圖中：每個(gè)圓框中的狀態(tài)表示該風(fēng)險(xiǎn)是否發(fā)生的先驗(yàn)概率；節(jié)點(diǎn)間帶箭頭的有向線段表示貝葉斯網(wǎng)絡(luò)的構(gòu)造關(guān)系。

圖2 貝葉斯網(wǎng)絡(luò)拓?fù)鋱DFig. 2 Bayesian network topology

公共衛(wèi)生事件下，4大風(fēng)險(xiǎn)Y1～Y4連接城市軌道交通運(yùn)營總風(fēng)險(xiǎn)Z?？傦L(fēng)險(xiǎn)分高、中、低3級，分別表示影響與損失程度為較大、一般、較低。根據(jù)高、中、低風(fēng)險(xiǎn)概率分布，可判斷風(fēng)險(xiǎn)等級以及所造成的損失程度。

2.3 模型計(jì)算與結(jié)果推理分析

2.3.1 子模型實(shí)例計(jì)算

1)邀請5位政府相關(guān)管理部門專家、15位軌道公司相關(guān)專家、15位高校專家共計(jì)35位專家填寫問卷，收集節(jié)點(diǎn)的先驗(yàn)概率與條件概率，其中先驗(yàn)概率為新冠疫情中后期重慶市城市軌道交通運(yùn)營現(xiàn)狀的概率分布。

2)采用均值法對采集的數(shù)據(jù)進(jìn)行處理，得到各節(jié)點(diǎn)條件概率分布。

由于節(jié)點(diǎn)較多，筆者僅截取經(jīng)營風(fēng)險(xiǎn)子模型(圖3)進(jìn)行說明。

圖3 經(jīng)營風(fēng)險(xiǎn)子貝葉斯網(wǎng)絡(luò)拓?fù)鋱DFig. 3 Topology of sub-Bayesian network of operation risk

經(jīng)營風(fēng)險(xiǎn)的父節(jié)點(diǎn)的先驗(yàn)概率見表3，條件概率分布見表4。

表3 先驗(yàn)概率Table 3 Prior probability

表4 條件概率Table 4 Conditional probability

表4的含義說明，以第1列數(shù)值為例，表示當(dāng)客票收益高(X1=high)、采購防疫物資成本高(X2=high)、設(shè)備與人員防疫管理費(fèi)用高(X3=high)時(shí)，經(jīng)營風(fēng)險(xiǎn)處于高風(fēng)險(xiǎn)(Y1=high)的概率P(Y1|Y1=high) =0.13，處于中等風(fēng)險(xiǎn)的概率P(Y1|Y1=medium) =0.46，處于低風(fēng)險(xiǎn)的概率P(Y1|Y1=low) =0.41。

根據(jù)式(5)，結(jié)合表3先驗(yàn)概率和表4各節(jié)點(diǎn)條件概率，可計(jì)算得出案例中經(jīng)營風(fēng)險(xiǎn)節(jié)點(diǎn)的概率分布：經(jīng)營風(fēng)險(xiǎn)處于高風(fēng)險(xiǎn)的概率P(Y1|Y1=high) =0.239，處于中風(fēng)險(xiǎn)的概率P(Y1|Y1=medium) =0.344，處于低風(fēng)險(xiǎn)的概率P(Y1|Y1=low) =0.416。

運(yùn)用Netica軟件，輸入各節(jié)點(diǎn)先驗(yàn)概率與條件概率，從而得到重慶市新冠疫情中后期城市軌道交通運(yùn)營總風(fēng)險(xiǎn)概率分布，如圖4。

2.3.2 風(fēng)險(xiǎn)節(jié)點(diǎn)狀態(tài)正向推理

由圖4可以看出，新冠疫情中后期重慶市城市軌道交通運(yùn)營總風(fēng)險(xiǎn)處于高風(fēng)險(xiǎn)(Z=high)、中風(fēng)險(xiǎn)(Z=medium)、低風(fēng)險(xiǎn)(Z=low)的概率分別為P(Z|Z=high)=22.7%、P(Z|Z=medium)=39.4%、P(Z|Z=low)=37.9%。表明，新冠疫情中后期，疫情給重慶市城市軌道交通運(yùn)營帶來損失的程度為一般。

將先驗(yàn)概率調(diào)整為新冠疫情初期的狀態(tài)，如圖5。由圖5可見：在新冠疫情初期，重慶市城市軌道交通運(yùn)營總風(fēng)險(xiǎn)Z處于高、中、低風(fēng)險(xiǎn)的概率分別為P(Z|Z=high)=42.1%、P(Z|Z=medium)=37.1%、P(Z|Z=low)=20.8%。表明，新冠疫情初期，總風(fēng)險(xiǎn)Z為高風(fēng)險(xiǎn)的概率比中后期的大，為中、低風(fēng)險(xiǎn)的概率比中后期的低。說明新冠疫情初期給重慶市城市軌道交通帶來的損失程度較高，這個(gè)結(jié)論與實(shí)際相吻合。

圖4 新冠疫情中后期貝葉斯網(wǎng)絡(luò)正向推理拓?fù)鋱D概率結(jié)果Fig. 4 Probability results of forward inference topology of Bayesian network in the middle and later stage of COVID-19

圖5 新冠疫情初期貝葉斯網(wǎng)絡(luò)正向推理拓?fù)鋱D概率結(jié)果Fig. 5 Probability results of forward inference topology of Bayesian network in the early stage of COVID-19

2.3.3 風(fēng)險(xiǎn)節(jié)點(diǎn)狀態(tài)逆向推理

貝葉斯網(wǎng)絡(luò)還可以很方便地進(jìn)行逆向推理。如果觀察到公共衛(wèi)生事件下城市軌道交通運(yùn)營總風(fēng)險(xiǎn)概率狀態(tài)的變化，則可以了解相關(guān)父節(jié)點(diǎn)的后驗(yàn)概率。

如圖6，若新冠疫情下重慶市城市軌道交通運(yùn)營總風(fēng)險(xiǎn)處于高風(fēng)險(xiǎn)的概率為P(Z|Z=high)=100%，則經(jīng)營風(fēng)險(xiǎn)處于高風(fēng)險(xiǎn)的概率P(Y1|Y1=high) =55.9%，應(yīng)急管理風(fēng)險(xiǎn)處于高風(fēng)險(xiǎn)的概率P(Y2|Y2=high) =28.2%，乘客風(fēng)險(xiǎn)處于高風(fēng)險(xiǎn)的概率P(Y3|Y3=high) =26%，公共安全管理風(fēng)險(xiǎn)處于高風(fēng)險(xiǎn)的概率P(Y4|Y4=high) =17%?？梢?，在新冠疫情下，當(dāng)城市軌道交通運(yùn)營總風(fēng)險(xiǎn)Z處于高風(fēng)險(xiǎn)的概率P(Z|Z=high)高時(shí)，經(jīng)營風(fēng)險(xiǎn)、應(yīng)急管理風(fēng)險(xiǎn)為主要風(fēng)險(xiǎn)。

圖6 貝葉斯網(wǎng)絡(luò)風(fēng)險(xiǎn)節(jié)點(diǎn)狀態(tài)逆向推理結(jié)果拓?fù)鋱DFig. 6 Topology of reverse inference results of risk node status in Bayesian network

可以通過分析各二級指標(biāo)與一級指標(biāo)的關(guān)聯(lián)度來判斷4大風(fēng)險(xiǎn)對運(yùn)營總風(fēng)險(xiǎn)的影響程度。首先，確定自變量與因變量，設(shè)一級指標(biāo)Z處于高風(fēng)險(xiǎn)的概率變化值ΔPZ為自變量，二級指標(biāo)Y1、Y2、Y3、Y4處于高風(fēng)險(xiǎn)的概率變化值ΔPYi(i=1～4)為因變量，則逆向關(guān)聯(lián)度ηYi為：

(6)

根據(jù)式(6)，當(dāng)重慶市城市軌道交通運(yùn)營總風(fēng)險(xiǎn)處于高風(fēng)險(xiǎn)的概率P(Z|Z=high) =0%→100%時(shí)，各二級指標(biāo)的風(fēng)險(xiǎn)處于高風(fēng)險(xiǎn)的逆向關(guān)聯(lián)度為：

可見，在新冠疫情下，4大風(fēng)險(xiǎn)對重慶市城市軌道交通運(yùn)營總風(fēng)險(xiǎn)影響程度排序?yàn)椋航?jīng)營風(fēng)險(xiǎn)>應(yīng)急管理風(fēng)險(xiǎn)>乘客風(fēng)險(xiǎn)>公共安全管理風(fēng)險(xiǎn)。

2.4 防控措施建議

2.4.1 優(yōu)化城市軌道交通運(yùn)營防疫效率

城市軌道交通企業(yè)應(yīng)設(shè)置系統(tǒng)的內(nèi)部人員健康監(jiān)測管控機(jī)制和科學(xué)的防疫流程，以最短的防疫消毒時(shí)間和最合適的防疫費(fèi)用實(shí)現(xiàn)高效防疫。在城市軌道交通運(yùn)營前，對工作人員進(jìn)行統(tǒng)一健康監(jiān)測，落實(shí)防疫工作安排，明確防疫責(zé)任；在城市軌道交通運(yùn)營中，保證列車與站臺(tái)通風(fēng)，及時(shí)清運(yùn)站點(diǎn)與列車?yán)〞r(shí)為站點(diǎn)、列車進(jìn)行防疫消毒；在城市軌道交通運(yùn)營后，集中統(tǒng)一對站點(diǎn)、列車進(jìn)行防疫消毒，監(jiān)測內(nèi)部人員健康情況，及時(shí)總結(jié)匯報(bào)當(dāng)日防疫工作完成情況。

2.4.2 統(tǒng)籌調(diào)配應(yīng)急物資

在應(yīng)急物資體系上，依照重要商品儲(chǔ)備機(jī)制，整合防控資源，建立軌道交通公共衛(wèi)生事件防護(hù)物資的調(diào)配機(jī)制，設(shè)置應(yīng)急物資儲(chǔ)備與流動(dòng)數(shù)據(jù)庫；充分利用大數(shù)據(jù)，將防疫物資內(nèi)容信息、防疫物資數(shù)量信息、防疫物資儲(chǔ)備地點(diǎn)信息進(jìn)行共享，打破部門行業(yè)單位的防疫物資信息流動(dòng)傳遞壁壘，實(shí)時(shí)監(jiān)控防疫物資儲(chǔ)備與使用情況，以便在緊急時(shí)刻及時(shí)、有效地分配防疫物資資源。

2.4.3 完善乘客防疫機(jī)制

在公共衛(wèi)生事件下，嚴(yán)格落實(shí)乘客乘坐城市軌道交通行為規(guī)范，如出示健康綠碼、行程綠碼、配合體溫檢測、全程佩戴口罩等。加強(qiáng)進(jìn)站點(diǎn)對乘客健康狀況的監(jiān)測；加強(qiáng)列車行進(jìn)過程中執(zhí)勤人員對乘客防疫配合度的監(jiān)督；加強(qiáng)出站口疏散工作，避免出站口乘客擁堵。在疫情嚴(yán)重時(shí)，充分運(yùn)用網(wǎng)絡(luò)及大數(shù)據(jù)功能，實(shí)時(shí)調(diào)取乘客防疫健康軌跡與健康狀況，適時(shí)提前若干時(shí)間讀取乘客相關(guān)健康數(shù)據(jù)，便于疫情追蹤，迅速定位。

2.4.4 完善聯(lián)防聯(lián)控機(jī)制

統(tǒng)籌政府機(jī)構(gòu)、公共衛(wèi)生單位、企業(yè)、社區(qū)等各部門之間的聯(lián)防聯(lián)控機(jī)制；明確城市軌道交通企業(yè)防疫責(zé)任、防疫任務(wù)及防疫范圍；加強(qiáng)各部門之間的溝通，優(yōu)化各部門間信息網(wǎng)絡(luò)共享機(jī)制，及時(shí)傳遞疫情信息，確保堵塞防疫漏洞。

3 結(jié) 語

當(dāng)公共衛(wèi)生事件發(fā)生時(shí)，城市軌道交通運(yùn)營面臨經(jīng)營、應(yīng)急管理、乘客及公共安全管理4大風(fēng)險(xiǎn)。以重慶市為例，構(gòu)建了貝葉斯網(wǎng)絡(luò)模型，分析并量化城市軌道交通運(yùn)營在新冠疫情背景下面臨的主要風(fēng)險(xiǎn)及風(fēng)險(xiǎn)程度。研究結(jié)果表明：在新冠疫情中后期，由新冠疫情引起的重慶市城市軌道交通運(yùn)營總風(fēng)險(xiǎn)Z為一般風(fēng)險(xiǎn)；當(dāng)總風(fēng)險(xiǎn)Z處于高風(fēng)險(xiǎn)的概率P(Z|Z=high)高時(shí)，經(jīng)營風(fēng)險(xiǎn)、應(yīng)急管理風(fēng)險(xiǎn)為主要風(fēng)險(xiǎn)；當(dāng)P(Z|Z=high)=0%→100%時(shí)，經(jīng)營風(fēng)險(xiǎn)對總風(fēng)險(xiǎn)Z影響最大。