基于衛(wèi)星遙感技術的高速鐵路外部環(huán)境彩鋼房類危險源風險評估方法

孫新宇 姚京川 馮楠 鄭佳怡

1.中國國家鐵路集團有限公司，北京 100844；2.中國鐵道科學研究院集團有限公司 鐵道建筑研究所，北京 100081

我國高速鐵路運營里程長，覆蓋范圍廣，穿越地區(qū)地形復雜多變，人文環(huán)境與自然環(huán)境地域差異較大，已發(fā)生多起因外部環(huán)境異常導致的行車安全事故，造成列車晚點停運，直接影響行車安全和運行秩序，危及旅客生命及財產安全，對社會造成不良影響［1-2］。隨著遙感技術的發(fā)展，對地觀測能力不斷提升，為鐵路外部環(huán)境的監(jiān)測評估工作提供了一種可選方法［3-5］。通過快速識別、定期監(jiān)測、屬性要素提取、風險評估等工作，能夠提高危險源排查與評估過程中的自動化程度，減少現(xiàn)場工作量及人為判斷誤差［6-8］。

近年來，鐵路外部環(huán)境危險源監(jiān)測評估研究取得了一定的進展。江雨欣等［9］基于三角白化權函數聚類完成了鐵路外部環(huán)境安全評估；全超［10］從風險因素、風險區(qū)域、風險實體三個角度構建風險識別和評估體系，為鐵路外部環(huán)境安全風險識別與評估提供理論指導和應用思路。但依然存在一些鐵路部門制定危險源方案時亟待解決的問題，如現(xiàn)有評估體系多為綜合評估，單類危險源的風險性評估缺乏明確的評估因子、權重及相應的風險評估結果。針對以上問題，本文提出基于單類危險源的風險性評估方法，利用層次分析法、層次分析-熵權組合法對彩鋼房類危險源進行綜合評估，以判斷研究區(qū)內各指標的危險等級，同時結合實地考察情況和專家意見，定性判斷高速鐵路外部環(huán)境一定研究區(qū)域內的風險性，為鐵路部門提供具有針對性和實用性的決策支持。最后，以京津高速鐵路為例進行驗證，并提出防治建議。

1 危險源風險評估方法

1.1 評估指標體系構建及數據處理

1.1.1 評估指標體系構建

在高速鐵路外部環(huán)境中，影響其安全運營的因素復雜多樣。本文結合區(qū)域環(huán)境特征及專家意見，從外部環(huán)境因素、危險源自身因素兩個角度，選取了具有代表性、較易獲取的2 類5 項指標，建立高速鐵路外部環(huán)境彩鋼房類危險源風險評估指標體系（圖1），并借助遙感技術進行量化。

圖1 彩鋼房類危險源風險評估指標體系

1.1.2 評估模型

在構建風險評估體系后，對數據進行標準化處理，采用層次分析法、層次分析-熵權組合法獲取評估指標相應權重［11-12］，根據權重系數分別計算外部環(huán)境因子危險性指數、危險源自身危險性指數，以此得到彩鋼房類危險源的風險指數。

外部環(huán)境因子危險性指數為

危險源自身危險性指數為

風險指數為

式中：wj是第j個評估指標的權重；Eji(x)、Sji(x)為各指標標準化處理后的值；wE、wS為各評估因子的權重。

1.1.3 指標數據處理

1）高速鐵路外部環(huán)境危險源識別

危險源的準確識別提取是風險評估的前提，采用基于面向對象方法識別高速鐵路外部環(huán)境危險源。面向對象的遙感圖像分類，以研究目標的最小單元為對象，并基于對象開展影像特征分析和分類處理［13］。其關鍵技術為圖像分割與面向對象的分類方法，圖像分割是根據圖像像元的同質性準則，通過算法將圖像生成若干有目標意義的圖像對象；面向對象的分類方法，即通過對遙感影像中目標對象進行分析、判斷，如目標對象自身的光譜特征、形狀特征、紋理特征、自定義特征等，并根據這些特征信息構建分類規(guī)則，運用一定的算法將目標地物提取出來。

2）高速鐵路外部環(huán)境危險源形變識別

危險源形變信息是評估風險的重要因素，利用PS-InSAR 方法［14-15］獲取高速鐵路外部環(huán)境的形變信息。其基本原理是從同一研究區(qū)內多幅不同時相的SAR 影像中經過公共主影像選取、配準、干涉處理，提取具有反射特征強、散射特征穩(wěn)定的地面目標（如道路、房屋、堤壩、橋梁、裸露巖石等）作為永久散射體（Permanent Scatterer，PS），這些點目標不會受到時間失相關和空間失相關的影響。然后，基于時序差分相位信息通過建立相位函數模型，將地表形變信息、地形誤差以及大氣延遲相位從干涉相位中分離出來，進而得到地面各點的形變信息，其形變精度可達到毫米級。將各數據集統(tǒng)一到相同的空間坐標系，基于矢量數據的疊加分析，將形變點疊置在土地利用數據上，分析高速鐵路外部環(huán)境彩鋼房類地物的形變速率，并作為彩鋼房類地物穩(wěn)定性指標。

3）數據標準化

各評價指標的內涵與量綱并不統(tǒng)一，因此采用規(guī)范化的方法對各指標數據進行處理。風速、高程、坡度是正向指標，即指標數據越大風險性越高；彩鋼房類危險源至線路距離、彩鋼房穩(wěn)定性是負向指標，即指標數據越大風險性越低。

正向指標為

負向指標為

式中：Yij為歸一化后第j個評估指標下第i像元值；Xij為第j指標下第i個像元的原始像元值。

1.2 確定指標權重

1.2.1 層次分析法

層次分析法是將多目標的復雜決策問題層次化和簡易化，將決策問題按照方案分解為目標、準則、方案等層次（參見圖1）。

1）構造判斷矩陣

選用1—9 標度法對比高速鐵路外部環(huán)境彩鋼房類危險源風險評估各項指標對于目標層的重要程度，建立判斷矩陣A，其中aij為指標Ai對比指標Aj的重要程度所對應的標度值，aij＞0，aii=1，aji=1/aij。

式中：n為判斷矩陣階數。

2）一致性檢驗

由于安全評估自身復雜性和判斷矩陣構造主觀性，需要通過一致性檢驗評判權重值是否合理。為計算一致性，需要計算判斷矩陣的最大特征根λmax，即

式中：w=(w1，w2，…，wn)T為歸一化后求得的權重矩陣；wi為第i指標權重系數。

通過最大特征根λmax求算指標一致性值指標CI，即

計算隨機一致性比率CR，進一步判斷矩陣一致性，即

式中：RI為平均隨機一致性值指標。

3）評估因子權重確定

當CR＜0.1 時，判斷矩陣A即為合理。將特征向量用作評估指標的權向量，w=(w1，w2，…，wn)T即為各指標權重值，權重值越高則該指標重要性越高。

1.2.2 熵權法

熵權法（Entropy Weight Method，EWM）作為一種客觀賦權法，主要解決主觀因素對評價權重的影響。

構建評價矩陣。假設指標的研究區(qū)內像元數為n，m個研究指標，構建指標矩陣Yij，即

計算第j個指標的信息熵值Ej，即

式中：Pij為指標特征比值，Pij=0時，PijlnPij=0。

確定各指標的權重wj2，即

計算綜合風險指數Zj，即

1.2.3 組合權重

從權重計算方法可知，層次分析法主要側重于專家的經驗知識，而熵權法是依據評估指標的數據信息來計算權重，將層次法與熵權法結合起來，使評估指標權重既能反映主觀經驗，又能反映客觀數據，以便較好地反映真實情況。由最小信息熵的原理可知，組合權重與層次分析法、熵權法權重離差越小，熵值越小，則越準確，構造組合權重的離差函數為［16］

式中：wj1為層次分析法計算的指標權重；wj2為熵權法計算的指標權；wj3為組合權重。

采用拉格朗日乘子法解得最小信息熵的組合權重為

2 試驗與分析

2.1 研究區(qū)域及數據

研究區(qū)域為京津高速鐵路天津段北辰區(qū)和河北區(qū)北緯39°～39°16'、東經117°～117°12'內，東西向長約12 km，南北向長約15.5 km。

研究區(qū)域覆蓋范圍內光學影像為高分二號影像（2019 年5 月），風速數據來源于中國地面氣候資料國際交換站天津臺站（54527）數據集（2019 年5 月）。SAR 數據集為德國DLR 提供的TerraSAR 數據，該InSAR 數據覆蓋時間為2014 年9 月—2017 年12 月，共25 期。高程DEM 數據集為美國國家航空航天局與日本經濟產業(yè)省共同發(fā)布ASTER GDEM v3 數據，空間分辨率為30 m。

使用圖像處理軟件對各指標數據進行數據預處理，并統(tǒng)一重采樣為30 m × 30 m 分辨率柵格數據，以保障各指標數據的一致性。

2.2 彩鋼房類危險源風險評估

2.2.1 評價指標體系

1）風速E1

將京津冀區(qū)域內北京氣象站（54511）、天津氣象站（54527）、懷來氣象站（54405）、承德氣象站（54423）、樂亭氣象站（54539）、泊頭氣象站（54618）共6 個站臺的風速數據進行空間插值處理，裁剪至研究范圍后進行標準化處理，見圖2。

圖2 風速標準化

2）高程E2和坡度E3

利用高程DEM 數據，運用圖像處理軟件分別計算得出相應坡度數據，并對高程和坡度數據進行標準化處理，見圖3和圖4。

圖3 高程標準化

圖4 坡度標準化

3）至線路距離S1與彩鋼房穩(wěn)定性S2

將提取得到的彩鋼房至線路距離及彩鋼房穩(wěn)定性指標數據進行標準化處理，見圖5和圖6。

圖5 至線路距離標準化

圖6 彩鋼房穩(wěn)定性指標標準化

2.2.2 綜合評估

基于GIS將彩鋼房類危險源風險的空間分布劃分為5 個等級（較低、低、中等、高和較高），根據處理得到評價指標空間結果及其相應權重系數（表1），通過層次分析法和層次分析-熵權組合法分別計算得到彩鋼房類危險源風險分布結果，見圖7。

表1 高速鐵路外部環(huán)境彩鋼房類危險源風險權重

圖7 彩鋼房危險源風險評估空間分布

從風險級別的空間分布尺度考慮，較低危險區(qū)面積占比94.34%，主要地物類別為自然地物（如植被、水體、裸地等）、結構穩(wěn)定地物（如道路、構筑物）；低危險區(qū)面積占比約為1.28%，主要地物類別為距離線路較遠的彩鋼房；中危險區(qū)面積約占1.75%，主要為形變量較小的彩鋼房，風險性主要表現(xiàn)為發(fā)生形變的彩鋼房增加了其結構的不穩(wěn)定性，其屋頂易受到風的影響進而對高速鐵路運行安全造成威脅；而高危險區(qū)和較高危險區(qū)面積占比1.74%和0.89%，主要為靠近高速鐵路的彩鋼房地物。兩種模型的差別體現(xiàn)在距離鐵路的遠近及彩鋼房的形變量，在大風天氣影響下容易侵入限界，風險性較大。

通過比較層次分析法和層次分析-熵權組合法得到的彩鋼房類危險源評估結果，可以發(fā)現(xiàn)兩種模型得到的風險性評估結果在空間分布格局上差異較為明顯。與層次分析法相比，層次分析-熵權組合法得出的較高風險區(qū)小0.67%，高風險區(qū)大0.40%，中等風險區(qū)小0.10%，低風險區(qū)大0.24%，較低風險區(qū)差異不明顯，相差0.13%，見表2。其中，高危險區(qū)和較高危險區(qū)面積此消彼長，都主要分布在鄰近線路兩側區(qū)域，差異主要體現(xiàn)在彩鋼房類危險源的穩(wěn)定性指標。

表2 彩鋼房類危險源的風險等級面積占比

本文彩鋼房類危險源風險評估結果中，鄰近高速線路兩側及彩鋼房穩(wěn)定性差的區(qū)域以高風險區(qū)為主。通過將本文評估結果與外部環(huán)境隱患記錄臺賬及風險事件進行比較，層次分析-熵權組合法評估模型的計算結果更符合實際情況［9］。

3 防治管理建議

1）建立分級、分層風險管控制度。基于層次分析-熵權組合法評估模型建立有效評估機制，對彩鋼房類危險源進行有效分級，重點關注高風險及較高風險的彩鋼房類危險源。

2）充分發(fā)揮地方政府、鐵路監(jiān)管機構作用。高風險及較高風險的危險源依法應由地方政府、鐵路監(jiān)管機構責令整改，拆除或加固彩鋼房類危險源，推動危險源問題盡快解決。

3）加大路外宣傳力度，凈化外部環(huán)境。加大對高速鐵路沿線群眾守法護路的宣傳教育，如在沿線兩側重點地段、處所設置安全警示標志；充分利用信息平臺和地方電視、報紙、廣播電臺等媒體，開展愛路護路公益宣傳，以達到鐵路沿線減少自建彩鋼房的目的。

4 結論

1）利用高分辨率衛(wèi)星影像，基于面向對象的方法可以實現(xiàn)高速鐵路沿線危險地物的自動提取。

2）選擇風速、高程、坡度、至線路距離、彩鋼房穩(wěn)定性5個因子作為京津高速鐵路北倉站風險性評估因子，采用層次分析法、層次分析-熵權組合法進行風險性評估。從空間上分布格局分析，較高危險區(qū)和高危險區(qū)均主要分布在鄰近線路兩側區(qū)域，兩種模型的差別體現(xiàn)在彩鋼房穩(wěn)定性指標上；低危險區(qū)和極低危險區(qū)則主要分布在遠離線路的區(qū)域，主要地物類別為自然地物及結構穩(wěn)定的構筑物。通過將本文評估結果與外部環(huán)境隱患記錄臺賬及風險事件進行比較，層次分析-熵權組合法評估模型的計算結果更符合實際情況。

3）可以通過建立風險管控制度、發(fā)揮監(jiān)管機構作用及路外宣傳等，有效降低高速鐵路外部環(huán)境彩鋼房類風險。