基于Bayes網(wǎng)絡(luò)的地鐵水災(zāi)事件情景構(gòu)建及演化分析

王 莉，張誠剛，霍穎楠

(西安科技大學安全科學與工程學院，陜西 西安 710054)

目前，地鐵已經(jīng)成為了城市交通的重要組成部分，因其具有載客量大、運行速度快、經(jīng)濟實惠等優(yōu)點而被大量乘客所選擇，從而有效地緩解了地面交通擁堵的現(xiàn)狀[1]。盡管地鐵具有安全、高效等特點，但由于地下空間環(huán)境相對封閉，人流量大，加之極端災(zāi)害天氣導(dǎo)致的極端強降水概率增多，在地鐵運行過程中，一旦發(fā)生水災(zāi)事件，極易造成人員疏散困難，加之人群恐慌引發(fā)災(zāi)情放大，最終將造成其他次生災(zāi)害的發(fā)生，引發(fā)嚴重的人員傷亡和經(jīng)濟損失[2]。國內(nèi)外眾多學者從情景模擬、評估方法、影響因素、形成過程等方面對地鐵水災(zāi)事件進行了深入的研究。如：Wang等[3]運用FAHP與GIS相結(jié)合的方法，對城市地鐵水災(zāi)事件進行了風險評估；田鵬飛[4]通過對不同重現(xiàn)期下2 h暴雨內(nèi)澇過程采用情景模擬的方法，分析了暴雨內(nèi)澇對地鐵站點的影響，為城市水災(zāi)害防災(zāi)減災(zāi)提供借鑒和參考；莫偉麗[5]通過構(gòu)建地鐵車站水侵過程模擬模型，動態(tài)地分析了積水入侵地鐵車站的整個過程，并提出了應(yīng)對地鐵水災(zāi)的避災(zāi)對策；李浩然等[6]在對地鐵隧道透水災(zāi)害風險因子進行匯總分析的基礎(chǔ)上，建立了防水可靠性評價模型，并進行了風險評價,進而提出了控制地鐵水災(zāi)的應(yīng)對措施。

綜上所述，目前大多數(shù)研究主要利用風險評價和情景模擬的方法，通過對地鐵水災(zāi)事件進行風險評估和后果分析，從而提出了應(yīng)對城市水災(zāi)的防災(zāi)減災(zāi)對策，但目前從地鐵水災(zāi)事件發(fā)生演變的整個過程出發(fā)，探討其演變過程中存在的關(guān)鍵事件節(jié)點對地鐵水災(zāi)后果事件影響的改變效果，并對改變效果進行定量化分析的研究較少?；诖?，本文利用突發(fā)事件情景構(gòu)建的方法，以暴雨作為致災(zāi)因子，并從全局角度出發(fā)，提取地鐵水災(zāi)事件的情景要素，構(gòu)建地鐵水災(zāi)事件情景演變過程，建立地鐵水災(zāi)事件情景貝葉斯(Bayes)網(wǎng)絡(luò)，掌握其整體演化路徑，分析暴雨致災(zāi)因子對整個事件后果的影響，探討相關(guān)事件節(jié)點對地鐵水災(zāi)后果事件影響的改變效果，并將分析結(jié)果定量化，以期為應(yīng)急決策者開展地鐵水災(zāi)事前預(yù)防和事后處置提供參考，從而提高應(yīng)急行動的科學性和針對性。

1 地鐵水災(zāi)事件案例分析

據(jù)不完全統(tǒng)計，近5年我國共發(fā)生多起地鐵車站或線路雨水倒灌事件，見表1。其中，2020年、2021年是我國地鐵水災(zāi)事件高發(fā)年，6月、7月更是高峰期，占全年事件的79%。

從我國發(fā)生的多起地鐵水災(zāi)事件可以看出：在暴雨多發(fā)期，城市地鐵極易發(fā)生雨水倒灌或浸入，從而導(dǎo)致地鐵車站停運，更嚴重時會造成人員傷亡和財產(chǎn)損失。以廣州神舟路站進水事件為例，其原因主要有：當天降雨量大，產(chǎn)生的積水淹沒排水口，沒有充足的時間進行檢查和處理；防護墻設(shè)置不合理，降低了雨水管道的排水能力；對防護墻的防淹作用認識不到位，未及時采用相應(yīng)的安全措施，導(dǎo)致雨水聚集，沖垮了防護墻而發(fā)生雨水倒灌；排水設(shè)施不符合要求，造成排水設(shè)施能力不足，在強降水下無法及時排出大量的積水；未認真開展安全隱患排查，包括未及時對排水管道的封堵情況以及防護墻的防淹能力進行安全檢查等，最終導(dǎo)致了雨水浸入地鐵車站，造成地鐵停運。

表1 近5年我國地鐵水災(zāi)事件及當天降雨量統(tǒng)計

2 突發(fā)事件情景構(gòu)建

2. 1 情景的概念

早在1967年，由Kahn和Wiener提出了“情景”一詞，指出“情景”是對事物未來可能出現(xiàn)的多種結(jié)果和實現(xiàn)這些結(jié)果途徑的描述[7]。在此之后，國內(nèi)外學者對“情景”概念進行了不同的界定，見表2。

綜合國內(nèi)外學者對情景概念的界定，本文認為情景是指在未來一段時間內(nèi)，對事故的不同演變狀態(tài)進行描述。

表2 情景概念的界定

2. 2 突發(fā)事件情景構(gòu)建

突發(fā)事件情景組成關(guān)系的劃分方法有很多，其中范維澄等[13]認為突發(fā)事件情景構(gòu)建可以由突發(fā)事件、應(yīng)急管理和承災(zāi)載體這三個要素組成；范海軍等[14]認為自然災(zāi)害系統(tǒng)鏈式關(guān)系結(jié)構(gòu)由環(huán)境、存在(響應(yīng))狀態(tài)、內(nèi)部結(jié)構(gòu)關(guān)系與對外行為(或破壞作用)等要素組成。通過突發(fā)事件情景構(gòu)建可以明確地鐵水災(zāi)事件應(yīng)急準備的主要目標，并在此基礎(chǔ)上展開各項應(yīng)急任務(wù)的梳理以及各項應(yīng)急能力的評估。因此，將突發(fā)事件情景構(gòu)建理論引入地鐵水災(zāi)事件應(yīng)急管理研究很有必要[15]。結(jié)合以上學者對突發(fā)事件的應(yīng)對實踐和理論模型，本文提出了突發(fā)事件情景構(gòu)建包括初始致災(zāi)因子、承災(zāi)體、突發(fā)事件、應(yīng)急響應(yīng)活動和造成的后果5個要素，其作用關(guān)系如圖1所示。

圖1 突發(fā)事件情景組成關(guān)系

圖1表示為初始致災(zāi)因子作用于承災(zāi)體后，形成突發(fā)事件，新形成的突發(fā)事件作用于新的承災(zāi)體后，將會造成人員傷亡或財產(chǎn)損失等后果，在此過程中，應(yīng)急響應(yīng)活動作用于承災(zāi)體和突發(fā)事件，而反過來，不同的承災(zāi)體和突發(fā)事件又會影響到應(yīng)急響應(yīng)活動的選擇。過程S表示為初始致災(zāi)因子作用于承災(zāi)體后，所形成的或會造成危害的突發(fā)事件。

初始致災(zāi)因子是指自然或人為環(huán)境中能夠?qū)θ祟惿?、財產(chǎn)或各種活動產(chǎn)生不利的影響，并引發(fā)突發(fā)事件的要素,如暴雨本身是一種自然現(xiàn)象，如果作用到城市地鐵，將形成水災(zāi)，影響地鐵運行，暴雨就成為初始致災(zāi)因子；承災(zāi)體是指突發(fā)事件中初始致災(zāi)因子作用的對象，泛指直接受到災(zāi)害或突發(fā)事件影響和損害的人類社會主體,如受到暴雨影響和作用產(chǎn)生突發(fā)事件或者受到損失的要素，包括城市地鐵和人員等；突發(fā)事件是指承災(zāi)體被初始致災(zāi)因子作用后形成的狀態(tài)，如受暴雨影響形成地鐵水災(zāi)等；應(yīng)急響應(yīng)活動是指針對承災(zāi)體和突發(fā)事件采取的應(yīng)對措施，主要目的是降低突發(fā)事件發(fā)生的可能性和危害程度，減少其造成的損失；造成的后果泛指突發(fā)事件作用到承災(zāi)體之后產(chǎn)生的經(jīng)濟損失和人員傷亡等。

2. 3 地鐵水災(zāi)事件情景演變過程分析

依據(jù)突發(fā)事件情景組成關(guān)系，本文以暴雨引發(fā)地鐵水災(zāi)事件為例，通過分析初始致災(zāi)因子、承災(zāi)體、突發(fā)事件、應(yīng)急響應(yīng)活動和造成的后果5個要素，并針對近5年我國發(fā)生的地鐵水災(zāi)事件進行匯總和分析(見表1)，確定地鐵水災(zāi)事件以暴雨為初始致災(zāi)因子，并包含城市地鐵、站內(nèi)排水用電設(shè)備和站內(nèi)人員3種主要承災(zāi)體，站內(nèi)積水、設(shè)備系統(tǒng)故障和人員被困3種突發(fā)事件，人員傷亡和經(jīng)濟損失為主的事故后果，以及針對承災(zāi)體和突發(fā)事件開展的應(yīng)急響應(yīng)活動。

地鐵水災(zāi)事件情景演變過程主要為：暴雨災(zāi)害可直接導(dǎo)致地鐵發(fā)生灌水，形成站內(nèi)積水，引起排水設(shè)備超負荷運行和用電設(shè)備故障，從而迫使地鐵交通中斷或癱瘓，造成人員被困后，極易發(fā)生人員傷亡和經(jīng)濟損失，如圖2所示。

圖2 地鐵水災(zāi)事件情景演變流程圖

3 地鐵水災(zāi)事件情景Bayes網(wǎng)絡(luò)構(gòu)建

Bayes網(wǎng)絡(luò)是一種基于概率推理的圖形化網(wǎng)絡(luò)，表現(xiàn)形式為有向無環(huán)圖，其各節(jié)點變量表示各個信息要素，節(jié)點之間的有向邊表示各個信息要素之間的因果關(guān)系，采用條件概率表示各個信息要素之間的影響程度，節(jié)點和有向邊組成了Bayes網(wǎng)絡(luò)的最基本框架。

本文將Bayes網(wǎng)絡(luò)應(yīng)用到地鐵水災(zāi)事件情景演化過程中，采取樣本數(shù)據(jù)與專家知識相結(jié)合的建模方法，通過對近5年我國地鐵水災(zāi)事件案例進行分析，并結(jié)合對國內(nèi)外地鐵水災(zāi)事件文獻的研究分析和專家實踐經(jīng)驗知識，在圖2地鐵水災(zāi)事件情景演化流程的基礎(chǔ)上，構(gòu)建了地鐵水災(zāi)事件情景Bayes網(wǎng)絡(luò)，如圖3所示。

圖3 地鐵水災(zāi)事件情景Bayes網(wǎng)絡(luò)

Bayes網(wǎng)絡(luò)各節(jié)點的選取主要以地鐵水災(zāi)事件情景演化流程為基礎(chǔ)，分別選取各突發(fā)事件為主要的關(guān)鍵節(jié)點，并結(jié)合其所對應(yīng)的應(yīng)急響應(yīng)活動，以加強對突發(fā)事件的處理，共選出12個節(jié)點，見表3。

表3 地鐵水災(zāi)事件情景Bayes網(wǎng)絡(luò)的節(jié)點

4 地鐵水災(zāi)事件應(yīng)急情景推演分析

在地鐵水災(zāi)事件情景Bayes網(wǎng)絡(luò)的基礎(chǔ)上，結(jié)合專家打分法和交叉影響分析法，確定事件間的交叉影響矩陣，并確定主要的指標事件，再通過設(shè)定事件概率，計算在不同概率值下地鐵水災(zāi)后果事件的概率，同時通過調(diào)節(jié)其中關(guān)鍵節(jié)點的概率，分析地鐵水災(zāi)后果事件概率的變化。

4. 1 地鐵水災(zāi)事件交叉影響矩陣的確定

邀請6位地鐵災(zāi)害應(yīng)急管理領(lǐng)域的專家對各事件之間的影響關(guān)系進行打分，專家打分依據(jù)見表4[16]。采用各專家打分數(shù)值的算術(shù)平均值構(gòu)建評估矩陣R=(Rij)n ×n(其中,n為基本事件的數(shù)目;Rij為專家打分數(shù)值的算術(shù)平均值，表示事件Xj發(fā)生對事件Xi發(fā)生造成的影響),并基于已經(jīng)得到的評估矩陣，按照下式計算地鐵水災(zāi)事件交叉影響矩陣C=(Cij)n×n：

(1)

式中：Cij為事件Xj對事件Xi的影響系數(shù)；Pi、Pj分別為事件Xi、Xj的先驗概率，假設(shè)Pi=Pj=0.5，0.5表示事件Xi、Xj發(fā)生與不發(fā)生的概率相同[14]。

表4 專家打分依據(jù)

利用公式(1)，計算得到的地鐵水災(zāi)事件交叉影響矩陣結(jié)果，見表5。其中，Cij為正值表明事件Xj的發(fā)生促進事件Xi的發(fā)生；Cij為負值表明事件Xj的發(fā)生阻礙事件Xi的發(fā)生。

4. 2 地鐵水災(zāi)事件情景推演

上面已經(jīng)通過交叉影響分析法得到了各事件之間的影響關(guān)系，而在實際的地鐵水災(zāi)事故發(fā)生過程中，由于受地鐵環(huán)境、人群數(shù)量等因素的影響，指標事件經(jīng)常發(fā)生變化，將會最終影響地鐵水災(zāi)事件情景推演效果。本文基于地鐵水災(zāi)事件交叉影響矩陣，通過下面公式(2)、(3)[17-20]，對地鐵水災(zāi)事件情景進行推演，即通過預(yù)設(shè)指標事件(Xi)的概率來預(yù)測反映地鐵水災(zāi)事件情景演化效果。具體計算公式如下：

表5 地鐵水災(zāi)事件交叉影響矩陣

(2)

式中：Hi為事件Xi的預(yù)測概率；Hk為事件Xk的初始概率；Cik為事件Xk對事件Xi的影響系數(shù)；Gi為外部事件對事件Xi的影響系數(shù)，可表示為

(3)

其中：Pi、Pk分別為事件Xi、Xk的先驗概率，假設(shè)Pi=Pk=0.5，0.5表示事件Xi、Xk發(fā)生與不發(fā)生的概率相同;Cik為事件Xk對事件Xi的影響系數(shù)。

通過Bayes網(wǎng)絡(luò)建模，基于交叉影響分析法可計算得到整個網(wǎng)絡(luò)中每個節(jié)點對其他節(jié)點的影響系數(shù)，從而可以對暴雨引發(fā)地鐵水災(zāi)事件的總體態(tài)勢有一個直觀把握。同時，結(jié)合公式(2)和(3)，通過改變這些指標事件的初始概率，開展反向推演和分析，可得到全局和關(guān)鍵節(jié)點的變化值，來預(yù)測后果事件X12(即地鐵水災(zāi)后果事件)的概率。以暴雨為初始致災(zāi)因子，從事件發(fā)生時的監(jiān)測預(yù)警、疏通排水和事件發(fā)生后的應(yīng)急救援搶險等方面出發(fā)，選取暴雨雨量(X1)、加強巡查及疏通排水管線(X2)、加強監(jiān)測預(yù)警(X4)、開展應(yīng)急救援及時性(X9)4個節(jié)點作為關(guān)鍵節(jié)點進行推演分析，同時將其他指標事件的初始概率皆設(shè)置為0.5。具體分析如下：

(1) 通過分析不同暴雨雨量(X1)這一指標事件的初始概率，可對后果事件X12的概率進行預(yù)測，其預(yù)測結(jié)果如圖4所示。

圖4 暴雨雨量指標事件(X1)對地鐵水災(zāi)后果事件 (X12)的影響

由圖4可以看出，在不同暴雨雨量這一指標事件概率下，隨著暴雨雨量的增加，即隨著暴雨雨量指標事件概率的增加，可預(yù)測出所造成的地鐵水災(zāi)后果事件(X12)的概率增大。

圖5 3個單一指標事件對地鐵水災(zāi)后果事件(X12)的影響

(2) 通過改變加強監(jiān)測預(yù)警(X4)、加強巡查及疏通排水管線(X2)和開展應(yīng)急救援及時性(X9)這三個單一指標事件的初始概率，可得出這三個單一指標事件對地鐵水災(zāi)后果事件的影響。在暴雨極端天氣影響下，強化監(jiān)測預(yù)警水平，可以提前有效地預(yù)防地鐵水災(zāi)事故；針對發(fā)生的地鐵水災(zāi)事故，可及時采取疏通排水一系列措施；針對地鐵水災(zāi)被困人員，可及時地開展應(yīng)急救援，以有效降低地鐵水災(zāi)后果事件的概率。

當這三個單一指標事件(X2、X4、X9)的初始概率分別取0.7、0.8、0.9、1.0，并依次提高時，其對地鐵水災(zāi)后果事件的影響如圖5所示。

由圖5可以看出：3個指標事件X2、X4、X9對后果事件X12的影響大小表現(xiàn)為X2>X9>X4；指標事件X2、X9、X4可有效將地鐵水災(zāi)后果事件概率由最初的52.2%、56.2%、63.4%降低到21.4%、25.6%、34.1%，這說明在暴雨極端天氣的影響下發(fā)生地鐵水災(zāi)事故時，通過對該事故采取有效的疏通排水措施，可減弱暴雨水災(zāi)對地鐵所造成的潛在危害，并可有效降低應(yīng)急救援的難度，提高應(yīng)急救援的效率；通過提高監(jiān)測預(yù)警水平，提前向政府及廣大市民及時進行信息通知，可有效加強預(yù)防力量，避免增加不必要的損失，并通過及時為疏通排水力量和應(yīng)急救援力量提供具體的災(zāi)情信息，可提高地鐵水災(zāi)事故疏通排水和應(yīng)急救援的效率。

5 結(jié)論與建議

本文以暴雨作為致災(zāi)因子，通過構(gòu)建地鐵水災(zāi)事件情景Bayes網(wǎng)絡(luò)，確定Bayes網(wǎng)絡(luò)中各節(jié)點的事件類型和含義，并以暴雨引發(fā)地鐵水災(zāi)事件開展了計算分析，預(yù)測出地鐵水災(zāi)后果事件概率的發(fā)展趨勢，同時從強化監(jiān)測預(yù)警水平、加強疏通排水力量和提高應(yīng)急救援效率這三方面應(yīng)對措施出發(fā)，分別得到這三個指標事件對后果事件的影響概率，即通過加強疏通排水力量可有效地將地鐵水災(zāi)后果事件的概率從最初的52.2%降低到21.4%，通過提高應(yīng)急救援效率可有效地將地鐵水災(zāi)后果事件概率從最初的56.2%降低到25.6%，通過強化監(jiān)測預(yù)警水平可有效地將地鐵水災(zāi)后果事件概率從最初的63.4%降低到34.1%。

因此，本文基于對事故案例原因和對比結(jié)果的分析，針對地鐵水災(zāi)事故防控，提出如下建議：應(yīng)急管理決策者應(yīng)加強對地鐵車站的安全風險辨識，強化對排水設(shè)施的檢查力度，提高排水設(shè)施系統(tǒng)的排水能力，對不符合要求的排水設(shè)施應(yīng)及時進行維修或更新，并加強安全隱患工作的排查，定期對排水管道的封堵情況和防護墻的防淹能力進行安全檢查等，以提高管網(wǎng)的疏通排水能力；同時，也要提高監(jiān)測預(yù)警水平，為應(yīng)對突發(fā)的強降雨提供充足的應(yīng)對和準備時間，并完善應(yīng)急救援預(yù)案，強化救援力量和提高救援的效率，當發(fā)生人員被困時，能夠有效地組織應(yīng)急救援，以減少人員傷亡。總之，地鐵應(yīng)急管理決策者應(yīng)從不同的應(yīng)急管理視角出發(fā)，對應(yīng)急預(yù)案進行完善和優(yōu)化，并提高地鐵水災(zāi)事件的應(yīng)急管理能力水平，以期在最大程度上將地鐵水災(zāi)后果事件概率降到最低。

由于地鐵水災(zāi)事件發(fā)展的趨勢和規(guī)律具有不確定性和不可預(yù)知性等特點，在地鐵水災(zāi)事件情景構(gòu)建中所涉及的影響因素復(fù)雜，情景要素的提取受多條件約束，各種關(guān)聯(lián)關(guān)系的描述存在困難，因此對地鐵水災(zāi)事件情景構(gòu)建的準確性還有待進一步提高。