溫宏宇，鐘　雁，王福田

(1. 北京交通大學(xué) 交通運(yùn)輸學(xué)院，北京 100044；2. 軌道交通控制與安全國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100044)

高速鐵路對(duì)軌道的平順性有很高的要求，而路基作為鐵路線路工程的一個(gè)重要組成部分，是承受軌道結(jié)構(gòu)重量和列車荷載的基礎(chǔ)，它也是線路工程中最薄弱最不穩(wěn)定的環(huán)節(jié)，路基幾何尺寸的不平順，必然會(huì)引起軌道的不平順，因此需要軌下基礎(chǔ)有較高的穩(wěn)定性和較小的永久變形，以確保列車高速、安全和平穩(wěn)運(yùn)行[1]。隨著風(fēng)險(xiǎn)管理理論的逐漸成熟與發(fā)展，國(guó)內(nèi)外專家對(duì)風(fēng)險(xiǎn)管理進(jìn)行了大量的研究。于辰成[2]采用 BP神經(jīng)網(wǎng)絡(luò)對(duì)高速鐵路風(fēng)險(xiǎn)模型進(jìn)行了研究；李冬梅[3]采用模糊綜合評(píng)價(jià)等方法建立了一套適用于鐵路隧道風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系；賀志軍[4]對(duì)山嶺鐵路隧道工程施工風(fēng)險(xiǎn)進(jìn)行評(píng)估；孟祥海等[5]采用模糊邏輯的方法對(duì)交通事故預(yù)測(cè)與影響因素進(jìn)行了分析；Siddhappa等[6]使用了一種可靠的模糊邏輯的方法對(duì)建筑項(xiàng)目風(fēng)險(xiǎn)進(jìn)行了分析；Mustafa等[7]提出使用層次分析的方法來分析和評(píng)估項(xiàng)目風(fēng)險(xiǎn)；CHEN等[8]建立了一個(gè)基于可靠性的累積結(jié)算概率風(fēng)險(xiǎn)評(píng)估模型來預(yù)測(cè)列車荷載作用下的高速鐵路路基累積沉降；雷建國(guó)[9]針對(duì)高速鐵路路橋過渡段路基沉降控制進(jìn)行了研究；王乃珍[10]對(duì)鐵路工務(wù)設(shè)備安全網(wǎng)格化評(píng)價(jià)以及預(yù)測(cè)進(jìn)行了研究；王順[11]對(duì)無砟軌道路基沉降建立了基于神經(jīng)網(wǎng)絡(luò)的路基沉降預(yù)測(cè)模型。國(guó)內(nèi)外對(duì)路基沉降風(fēng)險(xiǎn)評(píng)估量化模型研究較少，因此針對(duì)高速鐵路路基沉降風(fēng)險(xiǎn)評(píng)估量化的研究是很有必要的。本文基于鐵路基礎(chǔ)設(shè)施設(shè)備網(wǎng)格化管理理論[12]，利用模糊邏輯推理方法研究構(gòu)建高速鐵路路基沉降風(fēng)險(xiǎn)模型，定量化評(píng)定路基沉降風(fēng)險(xiǎn)，將風(fēng)險(xiǎn)發(fā)生位置定位在200 m內(nèi)，以200 m為單位進(jìn)行計(jì)算風(fēng)險(xiǎn)，實(shí)現(xiàn)風(fēng)險(xiǎn)的精細(xì)化管理。

1　高速鐵路路基沉降風(fēng)險(xiǎn)事件致災(zāi)因子分析

高速鐵路具有速度快、運(yùn)能大、能耗低、污染輕等特點(diǎn)，其對(duì)路基穩(wěn)定性提出更高的要求，但是現(xiàn)實(shí)中高速鐵路存在大量路基沉降風(fēng)險(xiǎn)，本文對(duì)路基沉降風(fēng)險(xiǎn)事件從人、設(shè)備、環(huán)境和管理 4個(gè)方面[13]，采用頭腦風(fēng)暴法，利用其只專心提出構(gòu)想而不加以評(píng)價(jià)，不局限思考空間的原理，針對(duì)“路基沉降”風(fēng)險(xiǎn)事件致災(zāi)因子這一主題，召開專題會(huì)議，由現(xiàn)場(chǎng)實(shí)際專家及相關(guān)領(lǐng)域?qū)W者提出方案，共同制定路基沉降風(fēng)險(xiǎn)事件致災(zāi)因子清單如表1所示。

其中，路基沉降趨勢(shì)與現(xiàn)場(chǎng)實(shí)際水準(zhǔn)測(cè)量路基沉降量值有關(guān)，降雨量與低溫通過現(xiàn)場(chǎng)雨量值以及溫度測(cè)量值得到。

表1　 “路基沉降”風(fēng)險(xiǎn)事件致災(zāi)因子劃分Table1　“Subgrade Settlement” risk event disaster factor division

2　基于網(wǎng)格的高速鐵路路基沉降風(fēng)險(xiǎn)評(píng)估模型

2.1　路基沉降風(fēng)險(xiǎn)事件致災(zāi)因子可能性評(píng)定

進(jìn)行風(fēng)險(xiǎn)事件的評(píng)估首先需要確定風(fēng)險(xiǎn)事件致災(zāi)因子的可能性，本文提出采用生產(chǎn)數(shù)據(jù)來確定風(fēng)險(xiǎn)致災(zāi)因子計(jì)算公式，致災(zāi)因子的可能性隨生產(chǎn)數(shù)據(jù)的變化而變化，實(shí)時(shí)動(dòng)態(tài)的評(píng)定風(fēng)險(xiǎn)事件致災(zāi)因子的可能性，克服以往鐵路風(fēng)險(xiǎn)管理中風(fēng)險(xiǎn)致災(zāi)因子可能性難以量化的不足。致災(zāi)因子可能性計(jì)算公式的確定方法如下：

式中：vj為致災(zāi)因子 j的可能性；fj為變量 dk與 vj的映射關(guān)系，fj的構(gòu)建應(yīng)符合高速鐵路現(xiàn)場(chǎng)實(shí)際情況，客觀反映出致災(zāi)因子j的可能性水平，且易計(jì)算，避免人工干預(yù)；dk為與高速鐵路設(shè)備致災(zāi)因子相關(guān)的某種狀態(tài)指標(biāo)，如設(shè)備健康狀態(tài)、養(yǎng)護(hù)維修情況、地質(zhì)氣候條件等。這些狀態(tài)指標(biāo)值是可測(cè)量、易獲取的，大部分可從鐵路既有生產(chǎn)管理信息系統(tǒng)中獲??；k為表示第幾個(gè)狀態(tài)指標(biāo)。

以“路基沉降趨勢(shì)”為例，其計(jì)算公式為：

式中：v為“路基沉降趨勢(shì)”致災(zāi)因子發(fā)生可能性；d為路基累計(jì)沉降量；D為是路基沉降量閾值。

2.2　路基沉降風(fēng)險(xiǎn)事件可能性評(píng)定

本文提出利用模糊推理的方法評(píng)定高速鐵路風(fēng)險(xiǎn)事件的可能性。模糊推理本質(zhì)上就是依據(jù)模糊邏輯變換，將一個(gè)給定的輸入控件映射到特定的輸入空間的推理計(jì)算過程。應(yīng)用到高速鐵路路基沉降風(fēng)險(xiǎn)分析中，即是根據(jù)致災(zāi)因子發(fā)生的可能性(輸入空間)推斷出風(fēng)險(xiǎn)事件可能性(輸出空間)的計(jì)算過程，其分析過程包括4個(gè)模塊：模糊化、模糊規(guī)則庫(kù)、模糊推理和去模糊化。其結(jié)構(gòu)如圖1所示。

圖1　模糊推理過程結(jié)構(gòu)圖Fig.1　Fuzzy reasoning process structure diagram

2.2.1隸屬度函數(shù)建立

高速鐵路路基沉降風(fēng)險(xiǎn)的可能性評(píng)定包括2個(gè)指標(biāo)，分別為輸入指標(biāo)(風(fēng)險(xiǎn)事件致災(zāi)因子發(fā)生可能性)以及輸出指標(biāo)(風(fēng)險(xiǎn)事件發(fā)生可能性)，下面就分別建立這2個(gè)指標(biāo)的隸屬度函數(shù)。

建立隸屬度函數(shù)的過程：首先確定輸入、輸出指標(biāo)的上下限，確定論域，其次給出論域的若干等級(jí)，最后建立模糊集合的隸屬函數(shù)。經(jīng)與現(xiàn)場(chǎng)溝通，本文采用的隸屬度函數(shù)是三角形和梯形組合的形式，其表達(dá)式和圖形表示如表2所示。

表2　隸屬度函數(shù)主要分布形式Table2　Main distribution form of membership function

高速鐵路路基沉降風(fēng)險(xiǎn)事件及致災(zāi)因子發(fā)生可能性的論域均為[0,1]，本文根據(jù)標(biāo)準(zhǔn)《鐵路設(shè)施——可靠性、可用性、可維修性和安全性(RAMS)的規(guī)范和論證》(EN50126)，將致災(zāi)因子發(fā)生的可能性劃分為極少、偶爾、經(jīng)常3個(gè)等級(jí)，其隸屬度函數(shù)用B(x)表示；風(fēng)險(xiǎn)事件可能性劃分為極少、很少、偶爾、可能以及經(jīng)常5個(gè)等級(jí)，其隸屬度函數(shù)用A(y)表示。表3和表4分別描述了風(fēng)險(xiǎn)事件和致災(zāi)因子可能性的定性描述。

表3　風(fēng)險(xiǎn)事件可能性定性描述Table3　Qualitative description of risk events

表4　致災(zāi)因子可能性定性描述Table4　Qualitative description of the possibility of disaster factor

通過實(shí)際現(xiàn)場(chǎng)專家與學(xué)者討論確定，對(duì)路基沉降風(fēng)險(xiǎn)事件可能性確定其模糊數(shù) a1=0.1，b1=0.3，c1=0.5，d1=0.7，e1=0.9。以“路基沉降趨勢(shì)”致災(zāi)因子為例，對(duì)“路基沉降趨勢(shì)”致災(zāi)因子可能性確定其模糊數(shù)a2=0.25，b2=0.5，c2=0.75。

圖2和圖3分別描述了“路基沉降”風(fēng)險(xiǎn)事件和“路基沉降趨勢(shì)”致災(zāi)因子對(duì)應(yīng)的模糊數(shù)的隸屬函數(shù)圖形。

2.2.2模糊規(guī)則庫(kù)構(gòu)建

為實(shí)現(xiàn)風(fēng)險(xiǎn)事件發(fā)生可能性的模糊推理，最重要步驟是建立模糊規(guī)則庫(kù)，將致災(zāi)因子發(fā)生可能性的模糊值對(duì)應(yīng)到風(fēng)險(xiǎn)事件發(fā)生可能性模糊值的過程。高速鐵路路基沉降風(fēng)險(xiǎn)事件可能性模糊規(guī)則庫(kù)是在借鑒國(guó)外內(nèi)研究成果基礎(chǔ)上，通過與蘭州鐵路局現(xiàn)場(chǎng)專家討論溝通確定的，用于描述高速鐵路各類風(fēng)險(xiǎn)事件可能性評(píng)定模型。例如，IF人的因素發(fā)生的可能性是極少的and設(shè)備因素發(fā)生的可能性是極少的and環(huán)境因素發(fā)生的可能性是極少的and管理因素發(fā)生的可能性是極少的 then風(fēng)險(xiǎn)事件發(fā)生的可能性為極少的，則為一條模糊規(guī)則。

圖2　風(fēng)險(xiǎn)事件模糊數(shù)的隸屬函數(shù)圖形表示Fig.2　Membership function graphic representation of risk events fuzzy number

圖3　致災(zāi)因子模糊數(shù)的隸屬函數(shù)圖形表示Fig.3　Membership function graphic representation of fuzzy number of disaster factor

本文中所確定的路基沉降風(fēng)險(xiǎn)事件發(fā)生可能性為經(jīng)常的模糊規(guī)則，如表5所示。

表5　部分風(fēng)險(xiǎn)事件可能性推理規(guī)則Table5　Partial reasoning rule base of risk events

其中：C為路基沉降風(fēng)險(xiǎn)事件的模糊標(biāo)記。

2.2.3模糊推理與去模糊化

本文的模糊推理模式是多重多維的，利用多重多維模糊推理模型的Mamdani算法，可以求得風(fēng)險(xiǎn)事件發(fā)生的可能性屬于極少、很少、偶爾、可能、經(jīng)常隸屬度大小(CP1(y)， CP2(y)， CP3(y)，CP4(y)和 CP5(y))，其中 CPi(y)表示風(fēng)險(xiǎn)事件發(fā)生可能性的定性描述為 Pi(i = 1 ,2,3,4,5)的隸屬度。

采用的重心法去模糊化方法，可求出風(fēng)險(xiǎn)事件發(fā)生可能性大小的精確值。即

2.3　風(fēng)險(xiǎn)等級(jí)評(píng)定

本文參照美國(guó)軍標(biāo) MIL.STD882D《美國(guó)國(guó)防部系統(tǒng)安全標(biāo)準(zhǔn)》、國(guó)家標(biāo)準(zhǔn) GB/T 27921—2011《風(fēng)險(xiǎn)管理風(fēng)險(xiǎn)評(píng)估技術(shù)》，將高速鐵路路基沉降風(fēng)險(xiǎn)可能性劃分為5個(gè)等級(jí)，Ⅰ(經(jīng)常)，Ⅱ(可能)，Ⅲ(偶爾)，Ⅳ(很少)和Ⅴ(幾乎不可能)，參照該國(guó)標(biāo)的規(guī)定，將可能性等級(jí)從高到低分別用紅色、橙色、黃色、藍(lán)色和綠色表示。風(fēng)險(xiǎn)等級(jí)評(píng)定規(guī)則庫(kù)見表6所示。

表6　風(fēng)險(xiǎn)等級(jí)評(píng)定規(guī)則庫(kù)Table6　Risk rating assessment rule base

2.4　高速鐵路路基沉降風(fēng)險(xiǎn)評(píng)估模型

根據(jù)已經(jīng)確定的致災(zāi)因子及其隸屬度函數(shù)、有效的模糊規(guī)則，經(jīng)過去模糊化處理，可以得到風(fēng)險(xiǎn)事件可能性定量化數(shù)值，最終得到的高速鐵路路基沉降風(fēng)險(xiǎn)事件評(píng)估模型如圖4所示。

圖4　路基沉降風(fēng)險(xiǎn)評(píng)估模型Table4　Risk assessment model of subgrade settlement

3　案例分析

本文將蘭州局管轄范圍內(nèi)的蘭新高鐵線路(K1639+400～K1726+500，K1944+926～K2580+236)劃分為7 230個(gè)網(wǎng)格。以蘭新高鐵上行K2463+000～K2463+200網(wǎng)格(網(wǎng)格編碼：3032124630)為例，對(duì)其路基沉降風(fēng)險(xiǎn)進(jìn)行識(shí)別、分析與評(píng)價(jià)。

3.1　風(fēng)險(xiǎn)事件可能性

基于已確定的模糊邏輯推理規(guī)則、Mamdani推理法以及路基沉降風(fēng)險(xiǎn)事件隸屬度函數(shù)，可得到每個(gè)網(wǎng)格單元路基沉降風(fēng)險(xiǎn)事件的可能性。

通過現(xiàn)場(chǎng)數(shù)據(jù)收集計(jì)算致災(zāi)因子可能性，以路基沉降趨勢(shì)為例，路基沉降量為17.1 mm，計(jì)算得v=0.616 25，其對(duì)“經(jīng)?！钡碾`屬度為0.465，對(duì)“偶爾”的隸屬度為0.635，對(duì)“低”的隸屬度為0。通過已確定的模糊規(guī)則，計(jì)算網(wǎng)格 3032124630的2016?03?30的路基沉降風(fēng)險(xiǎn)事件對(duì)“經(jīng)?！钡碾`屬度為 0.243，對(duì)“偶爾”的隸屬度為 0.45。利用該網(wǎng)格路基沉降風(fēng)險(xiǎn)事件隸屬度函數(shù)，進(jìn)行去模糊化，計(jì)算公式如下：

最終所得的路基沉降風(fēng)險(xiǎn)事件風(fēng)險(xiǎn)可能性為0.003 766。

3.2　風(fēng)險(xiǎn)事件等級(jí)劃分

網(wǎng)格單元的路基沉降風(fēng)險(xiǎn)等級(jí)劃分為不可能、很少、偶爾、可能和經(jīng)常5個(gè)等級(jí)，相應(yīng)值域范圍為[0, 10?5) [10?5, 10?4)，[10?4, 10?3)，[10?3, 10?1)和[10?1, 1]。網(wǎng)格3032124630的路基沉降風(fēng)險(xiǎn)等級(jí)判定為Ⅱ級(jí)，處于預(yù)警區(qū)。

3.3　風(fēng)險(xiǎn)事件歷史變化趨勢(shì)圖

通過對(duì)該網(wǎng)格1個(gè)月的數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)可能性計(jì)算，如圖5所示。

圖5　網(wǎng)格3032124630路基沉降風(fēng)險(xiǎn)事件可能性變化趨勢(shì)圖Table5　Trend of subgrade settlement risk events of grid 3032124630

該網(wǎng)格自 2016?03?07進(jìn)行一次維修活動(dòng)后，路基沉降風(fēng)險(xiǎn)較低，風(fēng)險(xiǎn)處于正常狀態(tài)區(qū)。由于該網(wǎng)格處于濕陷性黃土不良地質(zhì)路段，隨著路基累計(jì)沉降量的逐步增加，該網(wǎng)格路基沉降風(fēng)險(xiǎn)可能性逐漸增大，前期變化較慢，后期逐步增快，2016?04?07進(jìn)行一次維修活動(dòng)后，該網(wǎng)格路基沉降風(fēng)險(xiǎn)可能性明顯回落，處于正常狀態(tài)區(qū)。

通過該模型的計(jì)算能夠及時(shí)感知風(fēng)險(xiǎn)的狀態(tài)，并在風(fēng)險(xiǎn)的狀態(tài)惡化時(shí)快速預(yù)警是風(fēng)險(xiǎn)控制的關(guān)鍵步驟。鐵路管理者通過分析計(jì)算結(jié)果，當(dāng)網(wǎng)格路基沉降風(fēng)險(xiǎn)開始處于預(yù)警區(qū)時(shí)，可通過短信向相關(guān)責(zé)任人的智能移動(dòng)終端發(fā)布預(yù)警信息，提高相關(guān)責(zé)任人對(duì)路基沉降風(fēng)險(xiǎn)的警覺性，實(shí)現(xiàn)對(duì)路基沉降風(fēng)險(xiǎn)的有效控制。

通過高速鐵路路基沉降風(fēng)險(xiǎn)評(píng)估的實(shí)例可以看出，模型具有以下幾點(diǎn)優(yōu)勢(shì)：

1) 對(duì)高鐵路基沉降風(fēng)險(xiǎn)發(fā)生的時(shí)空位置進(jìn)行精細(xì)化管理。鐵路路基沉降風(fēng)險(xiǎn)具有極大的不確定性，風(fēng)險(xiǎn)發(fā)生的時(shí)間和位置會(huì)隨著風(fēng)險(xiǎn)因素的改變發(fā)生變化，然而目前對(duì)于鐵路路基沉降風(fēng)險(xiǎn)的識(shí)別大多是粗略的，未能精確的識(shí)別出風(fēng)險(xiǎn)發(fā)生的時(shí)空位置以及該風(fēng)險(xiǎn)的實(shí)時(shí)變化狀態(tài)。網(wǎng)格風(fēng)險(xiǎn)模型，可以精確地知道風(fēng)險(xiǎn)發(fā)生的時(shí)間和空間位置，管理者可針對(duì)網(wǎng)格風(fēng)險(xiǎn)等級(jí)和標(biāo)識(shí)的顏色，實(shí)時(shí)掌握風(fēng)險(xiǎn)可能發(fā)生的時(shí)空位置，及時(shí)做出決策。

2) 對(duì)鐵路路基沉降風(fēng)險(xiǎn)事件發(fā)生的概率進(jìn)行定量分析。鐵路路基沉降風(fēng)險(xiǎn)的發(fā)生頻率很高，若能確定風(fēng)險(xiǎn)發(fā)生的可能性，就可以更加清楚風(fēng)險(xiǎn)的程度和狀態(tài)。對(duì)于鐵路路基沉降風(fēng)險(xiǎn)事件發(fā)生的可能性研究，基本上采用專家打分等定性的分析，主觀因素較強(qiáng)，針對(duì)于鐵路路基沉降風(fēng)險(xiǎn)的定量分析的研究很少。本模型對(duì)鐵路路基沉降風(fēng)險(xiǎn)事件的發(fā)生進(jìn)行了定量分析，并進(jìn)行了相應(yīng)的概率計(jì)算，可精確的知道相應(yīng)的網(wǎng)格中風(fēng)險(xiǎn)發(fā)生的可能性。

3) 對(duì)網(wǎng)格的鐵路路基沉降風(fēng)險(xiǎn)進(jìn)行了等級(jí)劃分和顏色標(biāo)識(shí)。對(duì)路基沉降風(fēng)險(xiǎn)發(fā)生的可能性進(jìn)行了等級(jí)劃分，并用對(duì)應(yīng)的顏色進(jìn)行了標(biāo)識(shí)，更加形象化的展現(xiàn)了風(fēng)險(xiǎn)發(fā)生的程度，有助于管理者及時(shí)作出決策。

4　結(jié)論

1) 構(gòu)建了基于網(wǎng)格的高速鐵路路基沉降風(fēng)險(xiǎn)評(píng)估模型。該模型將連續(xù)的高速鐵路線路劃分成200 m的網(wǎng)格單元，以網(wǎng)格單元為研究對(duì)象，利用其全生命周期數(shù)據(jù)，對(duì)高速鐵路網(wǎng)格風(fēng)險(xiǎn)進(jìn)行分析與評(píng)價(jià)。利用鐵路網(wǎng)格化管理理論，可將風(fēng)險(xiǎn)評(píng)估、預(yù)警精確到200 m范圍內(nèi)，為風(fēng)險(xiǎn)從定性評(píng)價(jià)轉(zhuǎn)化到定量評(píng)價(jià)提供了一個(gè)有效途徑。

2) 提出了基于既有生產(chǎn)數(shù)據(jù)的風(fēng)險(xiǎn)狀態(tài)定量評(píng)定指標(biāo)(如風(fēng)險(xiǎn)可能性)及其計(jì)算模型，實(shí)現(xiàn)了以天為單位，定量化評(píng)估風(fēng)險(xiǎn)事件可能性，解決傳統(tǒng)定性分析為主的不足。

3) 與傳統(tǒng)的風(fēng)險(xiǎn)管理方法相比，基于網(wǎng)格的高速鐵路路基沉降風(fēng)險(xiǎn)評(píng)價(jià)方法其模糊規(guī)則及可能性計(jì)算公式由現(xiàn)場(chǎng)專家和學(xué)者共同制定，得到風(fēng)險(xiǎn)事件發(fā)生的概率及其風(fēng)險(xiǎn)等級(jí)，評(píng)價(jià)更能接近于實(shí)際情況，具有較高可信度，有助于管理者對(duì)高風(fēng)險(xiǎn)發(fā)生的現(xiàn)場(chǎng)區(qū)域的判斷和監(jiān)管，以及認(rèn)知高風(fēng)險(xiǎn)區(qū)域的高風(fēng)險(xiǎn)事件及其對(duì)應(yīng)風(fēng)險(xiǎn)因素。