地铁全自动驾驶系统运营风险评价研究.pdf

中国新技术新产品2024 NO.1（下）-146-生 产 与 安 全 技 术我国城市轨道交通全自动驾驶线路数量较少，且大多数仍以人工驾驶模式运行，缺少对运营阶段的研究。作为轨道交通领域的新兴发展技术，全自动驾驶系统的运营安全具有不确定性。因此，需要对全自动驾驶系统进行安全性分析，辨识运营过程中的危险源，对全自动驾驶系统的运营风险进行识别、分析和评价，旨在提高城市轨道交通系统的运营安全和应急处置水平。1 全自动驾驶系统全自动驾驶（Fully Automatic Operation，FAO）系统的核心是采用自动化控制系统代替列车司机操作，从而实现列车运行控制。国际电工委员会（IEC）和国际公共交通协会（UITP）根据列控系统的 GoA（Grade of Automatic，集成度和自动化）水平将系统分为 GoA0-GoA4共 5 个等级，见表 1。其中，GoA3（DTO）和 GoA4（UTO）统称为 FAO系统。表 1 城市轨道交通系统自动化等级自动化等级列车运行方式列车驾驶模式GoA0目视下的列车运行（TOS）无ATP防护GoA1非自动列车运行（NTO）ATPGoA2半自动列车运行（STO）ATOGoA3有人值守的列车自动运行（DTO）FAOGoA4无人值守的列车自动运行（UTO）FAO2 运营风险因素辨识2.1 故障统计分析目前，大多数地铁自开通运营都留存了完善的运营日志和事故记录资料，便于进行统计，在运营阶段经常采用检查表法识别风险。查阅某市地铁线路20172022年地铁运营报告，汇总运营事故统计出柱状图，如图 1 所示。为保证风险识别的全面性，其中的事故统计除了包括已发生且造成影响的事故外，还包括发现隐患但及时解决未造成影响的事故。2.2 地铁全自动驾驶运营风险因素识别该研究结合系统安全论方法和德尔菲法进行风险因素识别，总结了地铁全自动驾驶运营阶段的风险因素，包括人员、设备设施、环境和管理因素。2.2.1 人员因素2.2.1.1 从业人员技术因素（专业知识缺乏、操作水平差、命令传达有误和违反规定等）；生理因素（疲劳工作、带病上岗和误用指令等）；心理因素（安全意识差、责任感弱和纪律性差等）。经地铁运营单位实地调研发现，影响全自动驾驶运营安全的职员岗位主要为调度和站务。地铁全自动驾驶系统运营风险评价研究王娅娴1巩文政2（1.山东建筑大学，山东 济南 250100；2.山东省公路设计咨询有限公司，山东 济南 250100）摘 要：全自动驾驶系统为轨道交通领域注入新的活力，其列车运行由控制系统自动完成，降低了人为因素对运营安全的影响。然而，随着计算机、通信以及自动控制技术的发展，系统需要承担更多职责、实现更多功能需求，其运营安全相应面临新的挑战。本文针对我国城市轨道交通全自动驾驶系统运营安全进行研究，辨识运营过程中的风险因素，建立全自动驾驶运营风险评价指标体系，采用 AHP 层次分析法得出指标权重，为风险管控提供理论依据，提高城市轨道交通运营安全水平。关键词：城市轨道交通；全自动驾驶；层次分析法；运营安全中图分类号：U231文献标志码：A图 1 某地铁 20172022 年运营事故统计柱状图706050403020100543264401014181094421110536321124113577车辆车门 故障 故障 原因（共计99起，占比23.86%）中国新技术新产品2024 NO.1（下）-147-生 产 与 安 全 技 术2.2.1.2 乘客客流拥挤（突发大客流、拥挤踩踏）；旅客行为（违规操作、盗窃财物、肢体冲突、摔倒跌落和爬闯站台等）。地铁全自动无人驾驶线路的运营，对职员的业务能力和乘客的个人素质都提出了更高的要求。2.2.2 设备和设施因素设备和设施因素包括车辆、供电、信号、通信、综合监控、FAS、站台门和屏蔽门、站厅和站台、线路与轨道等。根据数据分析和专家访谈，目前在城市轨道交通运营事故中，设备设施故障占 70%以上。全自动驾驶取消了传统司机操作，一定程度上减少了人为因素的影响。2.2.3 环境因素2.2.3.1 内在环境温度、湿度、噪声以及有毒气体等作业环境。不适宜的作业环境指标不仅可能损坏电气设备，也会对工作人员和乘客造成不可避免的伤害。2.2.3.2 外在环境自然环境（台风、地震、火灾和水灾等）；社会环境（经济、政治和人文等）。自然环境存在不确定性，而社会环境需要社会、民众、政府和轨道交通公司形成共同体，合力营造安全、健康和高效的城市轨道交通运营环境。2.2.4 管理因素灾害应急管理：区间行车、火灾、停电以及恐怖袭击等。运营管理：公司机构职责、管理规章制度和安全运营投入等。城市轨道交通全自动驾驶系统运营安全与否，不仅取决于安全可靠的设备设施，也与高效有力的管理息息相关。落实地铁公司机构职责，健全运营安全管理制度，增加设备设施、安全培训和事故应急预防等安全投资，都能有效减少运营事故发生。3 地铁全自动驾驶运营安全风险评价3.1 风险评价指标体系针对城市轨道交通全自动驾驶运营安全，通过事故数据统计分析和检查表法进行风险因素识别，从人员、设备设施、环境和管理 4 个方面分析风险因素，并咨询相关专家意见，通过德尔菲法舍弃权重可忽略不计的因素，最终确定以下风险评价指标体系（见表 2）。3.2 风险分析层次分析法（Analytical Hierarchy Process，简称 AHP），是一种定性与定量分析相结合的评价方法。本文采用层次分析法确定指标权重，通过向业内专家进行问卷调查给层次分析法判断矩阵打分，构造不同层次的风险判断矩阵，分别进行判断矩阵的一致性检验：1）准则层指标权重。根据指标体系中对地铁全自动驾驶运营安全的一级指标影响因素人员因素（U1），设备设施（U2），环境因素（U3），管理因素（U4）四大因素的重要性进行两两比较，见表 3。Ui层进度风险指标权重通过一致性检验，其结果如下：Ui层风险指标权重为 w1=0.175，w2=0.578，w3=0.156，w4=0.092。Ui层风险因素最大特征值 max=4.049；一致性比率 C.R.=C.I.R.I.=0.0180.1，通过一致性检验。2）指标层权重。构造 Ui-U1i判断矩阵，计算风险因素指标权重，见表4。表 4 U1-U1i判断矩阵人员因素U1乘客U11站务U12调度U13乘客U11121/2站务U121/311/3调度U13231U1i层人员指标权重通过一致性检验，其结果如下：U1i层风险指标权重为 w11=0.297，w12=0.163，w13=0.540。U1i层风险因素最大特征值 max=3.009；一致性比率 C.R.=C.I.R.I.=0.0180.1，通过一致性检验。构造 U2-U2i判断矩阵，计算风险因素指标权重，见表5。U2i层设备设施指标权重通过一致性检验，其结果如下：U2i层风险指标权重为 w21=0.187，w22=0.107，w23=0.070，w24=0.095，w25=0.086，w26=0.033，w27=0.048，w28=0.209，w29=0.086，w210=0.078。U2i层风险因素最大特征根 max=10.222；一致性比率 C.R.=C.I.R.I.=0.01650.1，通过一致性检验。构造U3-U3i判断矩阵，计算风险因素指标权重，见表6。表 2 地铁全自动驾驶运营风险评价指标体系目标层准则层方案（指标）层地铁全自动驾驶运营风险（U）人员因素（U1）乘客（U11）站务（U12）调度（U13）设备设施因素（U2）车辆（U21）供电（U22）机电（U23）信号（U24）通信（U25）综合监控（U26）FAS（U27）站台门和屏蔽门（U28）站厅和站台（U29）线路与轨U30）环境因素（U3）作业环境（U31）自然环境（U32）社会环境（U33）机构职责（U34）管理因素（U4）规章制度（U42）安全投入（U43）表 3 U-Ui判断矩阵U人员U1设备设施U2环境U3管理U4人员U111/312设备设施U23155环境U311/512管理U41/21/51/21中国新技术新产品2024 NO.1（下）-148-生 产 与 安 全 技 术表 6 U3-U3i判断矩阵环境因素U3作业环境U31自然环境U32社会环境U33作业环境U31123自然环境U321/212社会环境U331/31/21U3i层环境指标权重通过一致性检验，其结果如下：U3i层风险指标权重为 w31=0.540，w32=0.163，w33=0.297。U3i层风险因素最大特征值 max=3.009；一致性比率 C.R.=C.I.R.I.=0.0090.1，通过一致性检验。同理，构造U4-U4i判断矩阵，计算风险因素指标权重。U4i层管理指标权重通过一致性检验，其结果如下：U4i层风险指标权重为U41=0.500，U42=0.250，U43=0.250。U4i层风险因素最大特征值 max=3.000；一致性比率 C.R.=C.I.R.I.=0.0000.1，通过一致性检验。准则层和指标层所有风险指标的一致性检验都 0.1，所有判断矩阵的一致性均在可接受范围内。综合所有单层指标权重，构建带有指标权重的地铁全自动驾驶系统运营安全风险指标体系，如图 2 所示。根据某市全自动驾驶运营安全风险评价指标权重的排序，准则层按照相对重要性排序依次为设备设施因素、人员因素、管理因素以及环境因素。二级指标相对于一级指标权重排序如下：在设备设施因素指标中，站台门和屏蔽门系统占比最高，其次是车辆系统，综合监控系统占比最小；在人员因素指标中，调度岗位占比最大，乘客次之，站务人员占比最小；在管理因素指标中，机构职责占比最大，规章制度次之，安全投入占比最小；在环境因素指标中，作业环境占比最大，其次是自然环境，社会环境占比最小。4 结语全自动驾驶系统为轨道交通行业注入了新的活力，然而新兴技术的引入也同时引发一些潜在问题。通过城市轨道交通全自动驾驶系统运营安全评价研究，辨识运营过程中潜在的风险因素，并进行风险评价，有助于保障城市轨道交通安全运营，促进城市轨道交通高质量发展，为地铁全自动驾驶线路的实际运营提供借鉴。参考文献1 闫宏伟，燕飞.城市轨道交通全自动运行系统及安全需求 J.都市快轨交通，2017，30（3）：50-55.2 宋丽梅，周琪.城市轨道交通全自动无人自动驾驶安全性分析 J.信息通信，2020（3）：148-149.3 肖衍，苏立勇.轨道交通全自动驾驶系统集成技术研究J.中国铁路，2015（5）：109-113.4 豆海波.城市轨道交通全自动无人自动驾驶安全性探究J.中文科技期刊数据库（全文版），工程技术，2021（3）：291-292.5 刘鹏翱.城市轨道交通全自动驾驶运营安全分析与列车运行模拟仿真 D.北京：北京交通大学，2017.6 郭雨荟.我国城市轨道交通全自动驾驶运营安全风险评价研究 D.成都：西南交通大学，2020.表 5 U2-U2i判断矩阵设备设施U2车辆U21供电U22机电U23信号U24通信U25综合监控U26FASU27站台门和屏蔽门U28站厅和站台U29线路与轨道U30U211232244123U221/21211421/212U231/31/2111211/311U241/21111321/321U251/21111321/311U261/41/41/21/31/311/21/51/31/2U271/41/211/21/2211/41/31/2U281233354132U291/2111/21331/311U301/31/2111221/211图 2 地铁全自动驾驶系统运营风险指标体系安全投入规章制度机构职责社会环境自然环境作业环境FAS综合监控通信信号机电供电车辆调度站务乘客线路与轨道站厅和站台站台门和屏蔽门地铁全自动驾驶系统运营安全风险评价指标体系人员因素设备设施因素环境因素管理因素0.17460.57780.09200.15550.0518 0.0285 0.09420.1082 0.0620 0.0404 0.05470.0498 0.01900.0280 0.1208 0.04990.04510.0497 0.0273 0.01500.0778 0.03890.0389