基于ISM-BN的长江危险化学品运输风险分析

基于ISM-BN的长江危险化学品运输风险分析

祝昕怡,金天

重庆交通大学 重庆市400000

摘要：

随着我国经济的快速发展，长江危险化学品运输进入新的发展阶段，为保证其运输安全，有效分析其运输风险，本文通过分析提取以往典型事故，得到15条基本风险因素，然后提出一种基于解释结构模型(ISM) 和贝叶斯网络(BN)的风险评估方法;通过建立关联性模型，获得因素之间的层级关系以判定风险因素间的相关性。结果表明: 装卸工具设施设备、人员专业技术能力、安全管理体系是导致事故发生的重要因素，其概率分别为0.44、0.35、0.31，在进行风险控制时应重点把握。

关键词：危险化学品，运输，风险分析，解释结构模型，贝叶斯网络

0.引言

近年来，内河航运事业在国家发展的战略地位空前提高，长江作为内河航运水系的最要组成部分，其水域在运输化工原料和工业材料等具有爆炸、腐蚀、有毒传染性、放射性、腐蚀性等特征的危险品货物运输量也在不断增加，相对应的运输事故也逐年增多，带来了严重的损失。这就需要我们进行风险分析为长江危险化学品运输提供安全支持[1]。

在内河危险品运输和事故分析、风险和事故控制方面已有不少专家学子开展了一些工作[2]，如：刘丹利用RFID技术对内河航运危险品运输系统进行研究[3];Eluru提出了一种创新的基于潜在分割的有序Logit模型，用于评价各种因素对公路铁路道口车辆驾驶员伤害严重度的影响[4];Guo通过对北京地区214名高铁司机进行问卷调查，探讨了人格特质对高铁司机驾驶安全的影响[5] 等，通过以上研究等我们发现事故分析方法一般是基于统计数据等的定性分析法，这给我们对长江危险化学品运输风险分析提供思路。[6]

本文将对近年来长江流域发生的典型危险品运输事故报告进行提取、分析，提取了15个造成事故发生的风险因素，利用解释结构模型（ISM）的优势特征，对贝叶斯网络（BN）进行改进，构建了ISM-BN的长江危险化学品运输风险分析模型定量分析这些危险因素之间的作用和相互作用。

1.长江危险化学品运输风险识别

为了预防事故的发生，本文分析了以往长江运河上危险化学品运输途中发生的典型事故，并对事故原因进行数据统计、分类，筛选出导致事故发生的基本风险因素。本文将用Si (i=1,2,…,n)表示风险因素的每个子指标,具体影响因素、原因及与其他因素之间的关系如表1所示。

表1 长江危险化学品运输风险因素

2. 模型构建

2.1解释结构模型

解释结构模型法（InterpretativeStructuralModelingMethod,简称ISM方法）：现代系统工程中的分析方法之一，最早由沃菲尔德（1974）提出并应用，是将复杂的系统分解为若干子系统后利用实际经验和电子计算机分享后，将复杂系统分解为一个多级阶梯的结构模型。该方法是在不损失系统功能的前提下给出最简的，层次化的拓扑图的一种模型方法。具体构建流程如下图所示：

（1）首先，邀请10位长江货物运输的专家对以上15个会造成长江危险化学品运输危险的风险因素之间的相互影响关系进行打分，因素之间有影响关系打1，没有则打0。及根据专家的判断,事故涉及到的风险要素Si;对Sj;有直接影响，则赋值1;Si;对SJ;无直接影响,则赋值0。

（2）由此得到邻接矩阵A,如表2所示。

（3）其次，通过布尔矩阵运算法则得到描述有向连接图各节点之间经过一定长度的通路后可达到的程度的可达矩阵M，其公式分别为：

式中 r = 1，2，3，...，n; I 是与 A 同阶次的单位矩阵. 邻接矩阵经过布尔代数规则计算得到可达矩阵如表3所示。

（4）接着，在可达矩阵的基础上进行区域划分，计算其可达集合、先行集合等，如下：

式中 Ｒ(Si)为可达集合; Q(Si)为先行集合;U(Si)为最高集合。通过计算可得可达集合与先行集合及其交集表，如表4所示。

表4 可达集合与先行集合及其交集表

（6）最后，抽取各层级因素，确定系统结构模型。首先，在可达矩阵的基础上进行区域划分和层级分解，分析可达集合Ｒ(Si)与先行合 Q(Si、)的区域分解结果; 其次，利用最高集合U(Si) 对各层级进行因素抽取，确定不同层级因素如表5所示; 最后，结合各层级影响因素和可达矩阵关系，建立系统层次分解如图2所示。

  依层次分解结果，按照先后顺序绘制各级要素构成的层次结构，然后按照可达矩阵连接各级风险因素，建立的长江危险长江危险化学品运输风险ISM模型，确立各因素之间的层级关系。

图1长江危险化学品运输风险因素结构模型

2.2基于贝叶斯网络的风险分析

贝叶斯网络又称信任网络、概率网络或因果网络，属于概率论的一种图模型。BN是一种有向无环图（DAG），它可以高效地表示一组随机变量和相关变量（或因素）的联合概率分布。作为一种无可争议的机器学习工具，贝叶斯网络在许多领域被广泛应用于解决实际问题。具体构建流程如下所示：

首先用I代表图形中所有的节点的集合，用E代表有向连接线段的集合，i所代表的随机变量，节点X的联合概率可以表示成：

再用联合概率可由各自的局部条件概率分布相乘而得出任意的随机变量：

以上便可得到贝叶斯网络模型。

本文利用ISM得到各因素之间的层级关系之后，将层级关系映射到贝叶斯网络中，分别用Y和N两种状态表示该风险因素发生或者不发生，由于所涉及到的风险因素较多，难以获得完整的事故数据，因此采用问卷的方式获取条件概率，将问卷数据整理后导入Netica软件计算每个变量发生的风险大小，如图2所示。所有因素发生概率和等级如表6所示。

图2长江危险化学品运输风险分析的 BN

表6 所有因素发生概率和等级

  研究结果显示，导致长江危险品运输过程中导致事故发生的15要素之中，装卸工具设施设备是否完好、货物运输人员专业技术能力是否具备、危险品运输过程中安全管理体系是否完善是导致事故发生的重要因素，其概率分别为0.44、0.35、0.31，而航道条件、自然灾害、货物运输人员心理生理素质失效发生概率影响最小。

3. 结论

1)通过采集长江危险化学品运输事故报告中的风险特征信息，确定了影响长江危险化学品运输的的 15 个风险评价指标。利用ISM模型划分出风险因素之间的关联层级，使得层次结构更加清晰。

2）将ISM层次结构映射到贝叶斯网络中，通过netica软件计算出了所有风险发生的概率并进行了排序，其中影响系统风险的关键因素前三名分别为装卸工具设施设备、人员专业技术能力、安全管理体系。

3）针对上述关键风险因素，本文提出以下建议：船舶在出航前检查装卸工具设施设备是否完好，保证其运行时的装卸质量，防止因设备故障导致的危险品泄露等事故；对货物运输人员专业技术能力及时进行培训和考核，减少因人为因素所导致的灾害发生；完善危险品运输过程中安全管理体系，规范长江危险化学品运输的行为。

参考论文

[1]Huang WC, Shuai B, Pang L, Yang ZQ. Research on coupling coordination degree based method for assessing risk in road dangerous goods transport system. China Safety Science Journal 2016;26(6):117–22.

[2]黄伟文，帅B，孙勇，李明林，庞立.运用熵权-TOPSIS-耦合协调模型对铁路危险品运输系统风险进行评价。中国安全科学杂志2018;28（2）：134-8。

[3]刘荣涛. 内河危险品运输过程风险识别. 工程技术研究. 2017(09)

[4]刘丹.基于RFC技术的内河航运危险品运输系统的应用与研究

.中国水运(下半月).2015,15(10)

[5]Cozzani V，Bonvicini S，Spadoni G，Zanelli S.危险品运输：编组站风险分析的方法框架。危险材料杂志2007;147（1-2）：412-23。

[6]Eluru N,阿訇M, Miranda-Morenoa低频,傅LP。潜在的类建模方法对于识别车辆司机highway-railway口岸的损伤严重程度的因素。事故分析和预防2012;47:119-27。