熵-TOPSIS-IFPA...列运输节点风险识别中的应用_吕敏.pdf

文章编号:1009-6094(2023)03-0667-08熵 TOPSIS IFPA 聚类方法在中欧班列运输节点风险识别中的应用*吕敏，帅斌，张玥，张勤宇(西南交通大学交通运输与物流学院，成都 611756)摘要:中欧班列运输网络中关键节点风险影响班列线路规划和运营安全。通过分析中欧班列运输节点的物理网络拓扑特性，结合考虑服务网络中节点服务能力的重要性，提出熵 逼近理想解排序法(Technique for Order Preference bySimilarity to an Ideal Solution，TOPSIS)节点重要度评估方法。考虑节点受外部宏观因素影响可能失效的情况，引入国家运输支撑力衡量节点失效可能，提出重要性 失效可能分析模型(Importance-Failure Possibility Analysis，IFPA)识别中欧班列关键运输节点风险，并采用 K-Means+聚类算法对节点进行风险划分。通过构建中欧班列全域运输网络进行案例分析，结果表明该模型可有效识别节点风险且节点风险分类结果符合实际情况。高、中、低风险区和风险监测区分别对应 5、10、7 和 6 个关键运输节点。对运输节点进行风险分类有助于分级管理中欧班列运输风险，保障运输安全。关键词:安全社会工程;中欧班列;节点风险;节点重要度;聚类分析中图分类号:X913文献标志码:ADOI:10.13637/j issn 1009-6094.2021.1879*收稿日期:2021 10 25作者简介:吕敏，博士研究生，从事中欧班列运输风险研究，;帅斌(通信作者)，教授，博士，博士生导师，从事交通运输规划与管理、运输安全研究;。基金项目:国家铁路局科技研究计划项目(TYFY201929)0引言通过近 10 年的发展，中欧班列已成为国际物流新通道，也成为国际防疫救援物资运输的绿色通道。由于节点是通道中最重要的组成部分，识别中欧班列运输通道关键节点风险对有针对性地防范和应对中欧班列运输风险具有重要战略意义。目前国际运输通道风险研究集中在海运领域1，而国际铁路运输风险研究尚在新生阶段。2018 年，冯芬玲等2 最先关注中欧班列运营风险并建立基于二元决策图的风险评估模型，得到了对中欧班列运营影响最大的风险事件。2019 年，周小祥等3 开始关注国际铁路运输通道的运行风险，从政治、自然、地域、运维和安全等多个角度建立了风险评估指标体系。之后吕敏等4 5 从国家运输节点和边境节点角度量化运输风险，并建立数学模型测算各类节点风险。以上研究为中欧班列风险研究开拓了思路，但研究方法和深度仍有待挖掘。在风险管理领域，最为广泛接受的风险定义是2009 年国际标准化组织发布的 ISO 31000，其中将风险定义为“不确定性对目标的影响”，而目前风险的量化研究仍多数基于事故发生概率和损失6，亟须新的风险量化手段来完善运输风险理论。针对运输通道，较少研究能结合网络中节点的属性来剖析运输风险。李晶等7 建立了海运节点脆弱性指标描述关键节点风险，但未考虑节点网络拓扑重要性。节点重要性的研究是当前交通复杂网络研究领域热点，如 Jalan 等8 利用网络中心性指标识别海运网络中影响全网紧密性的关键节点。此外，多属性决策方法评估节点重要性受到学者们的广泛认可9。2020 年，Zhang 等10 证明了中欧班列网络具有小世界和无标度特性，并首次引入结构洞对其物理网络的节点重要度进行了排序。中欧运输通道上的节点不仅具有物理网络节点的连接特征，还具备服务网络技术作业的管理特性，且节点的不确定性受地理位置和所属国家经济、政治等外部环境的影响。因此，全面量化中欧班列节点重要性对深入理解和管理中欧班列节点风险具有重要实践价值。综上，本文从网络角度分析中欧班列运输节点风险，综合考虑节点网络拓扑结构特性和运输服务属性，利用熵 逼近理想解排序法(Technique forOrder Preference by Similarity to an Ideal Solution，TOPSIS)评估全网运输节点重要性。基于节点风险影响机制，以节点环境风险特征构建“重要度 失效可能”聚类分析模型识别中欧班列关键节点风险并对风险节点进行风险等级分类。研究可丰富运输风险分析理论，并为中欧班列运管部门分级制定风险预警和管控方案提供指导。1中欧班列节点重要度评估1.1中欧班列运输网络构建以中欧运输通道上的主要城市及重要货运站为节点，节点间运输线路为连边，构建中欧班列运输通道物理网络。该网络是包含 N 个节点、M 条边的无向无权网络 G=(V，E)，V=v1，v2，vN 为节点城市，E=(vi，vj)，i，jN且ij 为节点vi到vj的边。节点间连接关系用邻接矩阵M=(eij)表示，其中eij表示节点 vi和 vj间的连接关系，定义如下。766第 23 卷第 3 期2023 年 3 月安全 与 环 境 学 报Journal of Safety and EnvironmentVol 23No 3Mar，2023eij=1eij E0其他(1)1.2节点重要度指标中欧班列运输线路横跨亚欧大陆，涉及多个国家多种轨距，在拓扑结构和服务网络层面均具有较强复杂性。复杂网络理论的单一指标一般仅针对网络单方面性能，难以整体有效评价网络节点的重要性9，因此，分别考虑节点在拓扑结构的属性和服务能力两个方面，选取以下指标综合评估中欧班列运输节点重要性。1.2.1节点物理属性节点的度中心性、介数中心性和接近中心性是网络拓扑结构分析中常用的 3 类指标，指标具有不同侧重点，可分别刻画节点的直接可达性、联通能力(中转、衔接功能)和相对可达性8 10。详述如下。1)度中心性。表 1节点服务能力评价指标Table 1Evaluation index of node service capability指标含义打分标准指标符号设施设备水平场站设施水平线路设施水平装卸、吊装机具水平根据到发场、换装场数量、能力，以及到发线、调车线装卸线数量、能力等综合判断c1通关效能边境换轨站、边境非换轨站、通过技术作业站等的通关效率边境换轨站的平均通关时间小于 4h、非换装站小于 1 h 为非常好c2作业效能年通行中欧班列数/年总中欧班列列数年综合换装能力(口岸站)/总中欧班列货运量两种比率至少有 1 种大于 0.4 为非常好，0.3 0.4 为好，0.2 0.3为一般，0.1 0.2 为差c3节点度是指与节点 vi直接连通的边的条数。度中心性是网络分析中刻画节点中心性的最直接指标，反映节点间的直接可达性。CD(vi)=jNaij/(N 1)(2)式中aij表示节点 vi与 vj之间的直接连通边数。2)介数中心性。节点介数指在所有最短路径中通过节点 vi的路径数目占最短路径总数的比例。介数中心性是节点的归一化介数。作为任意两节点最短路的桥梁，介数中心性越大其对于整个网络资源的控制能力越强，可反映节点城市站点的中转、衔接功能。CB(vi)=2j，ljli Njl(i)/Njl(N 2)(N 1)(3)式中Njl表示节点 vj与 vl之间的最短路径总数，Njl(i)为节点vj与vl之间经过节点vi的最短路径总数。3)接近中心性。接近中心性一定程度上可反映节点之间的相对可达性，假设 dij表示节点与 vi和 vj间的最短距离，则在具有 N 个节点的网络中节点 vj到达其他节点的距离之和不会小于 N 1。接近中心性归一化后计算式为CC(vi)=N 1Nj=1，iidij(4)1.2.2节点服务能力中欧班列办理场站的服务水平直接影响班列运输的成本和时效性。如边境换装站在运输过程中至关重要，若发生拥堵导致列车延误，将造成较高的经济损失。此外，节点场站的设施设备水平和作业效能也会正向影响节点重要性的评估。但影响节点服务能力的因素较多且难以量化，因此设置以下三方面指标(表 1)，引入二元语义模型11，结合专家知识综合评估节点服务能力。用二元组(s，)表示评价值结果，其中 s 为评价语言，为评价信息的偏离。构建语义评估集S=s1，s2，s，其中 是语言集的粒度，通常使用五粒度语言评价集，即 S=s1=非常差，s2=差，s3=一般，s4=好，s5=非常好;设 为 s 经过聚合和变换得到的实数结果，0，。二元语义评价结果 sg可通过如下函数转换成实数。()=(sg，)，sgg=round()=g 0.5，0.5)(5)866Vol 23No 3安全 与 环 境 学 报第 23 卷第 3 期式中round()为四舍五入取整函数。存在函数 的逆函数:1(sg，)=+g=。因此，二元组语言和实数的转换函数为(sg，)=+g(6)假设 (s1，1)，(s2，2)，(sn，n)是一组二元语言评价值，n 为待评价指标数，=(1，n)为相应的权重，满足 n 0，1，N1n=1。则利用二元语义加权算数平均(2-Tuple Linguistic-Weighted Average，TLWA)算子聚合节点的服务能力(s*，*)，通过式(6)转化为实数值，从而得到节点vi的服务能力评价值 CF(vi)。TLWA(s1，1)，(s，)=N1(sn，n)n=N1 1(sn，n)n=(s*，*)(7)1.3基于熵 TOPSIS 的节点重要度评估逼近理想解排序法(TOPSIS)12 是系统工程中有限方案多目标决策常用技术，能充分利用原始数据信息，其结果可精确反映各方案间的差距。熵权法可根据评价指标变化程度所反映的信息量，客观地确定节点的指标权重。本文拟评估同时具有物理结构特性和和服务能力属性的中欧班列运输节点的重要性，采用熵权 TOPSIS 能较为客观地融合多个属性的信息并将运输节点区分开，从而清晰反映不同节点城市在网络中的地位。评估步骤如下。1)假设网络中有 N 个节点，V=v1，v2，vN表示城市节点集合，有 M 个指标，f=f1，f2，fM表示指标集合，第 i 个节点的第 j 个指标可表示为vi(fj)(i=1，2，N;j=1，2，M)。将所选指标进行无量纲化处理，得到决策矩阵 X=(xij)NM。2)采用熵权法计算第 j 个指标的权重为wj=1 HjM Mj=1Hjj=1，2，M(8)其中第 j 个指标的信息熵为Hj=1lnNNi=1xijNixijlnxijNixijj=1，2，M(9)3)将无量纲决策矩阵中的元素与对应权重相乘，得到加权决策矩阵 Z。Z=(zij)=(wjxij)=w1x11w2x12wMx1Mw1x21w2x22wMx2Mw1xN1w2xN2wMxNM(10)4)根据加权决策矩阵计算正理想方案 Z+和负理想方案 Z，其中 Kb为效益指标，Kc为成本指标。Z+=z+1，z+2，z+N=(maxizij|j Kb)(minizij|j Kc)Z=z1，z2，zN=(minizij|j Kb)(maxizij|j Kc)(11)5)计算各个方案到正、负理想解的距离(欧氏距离计算)。S+i=Mj=1(zij z+j)2Si=Mj=1(zij zj)2(12)6)计算理想方案贴近度，得到节点重要度得分。贴近度越大的节点表明在网络中越重要，按照贴近度排序即完成熵 TOPSIS 多属性决策过程。Ci=SiSi+S+ii=1，2，N(13)2基于 IFPA 聚类的中欧班列节点风险识别模型2.1IFPA 模型重要 性 绩 效 分 析(Importance-PerformanceAnalysis，IPA)方法是企业管理领域评估客户满意度的经典模型13。模型从产品属性的重要度和绩效表现两个维度反映顾客满意度，即产品在越重要的属性上表现越好，客户满意度越高4。中欧班列运输节点所在国家的政策、环境等直接影响节点绩效表现，积极的通关政策、高质量的物流服务和完善的基础设施都能显著提升中欧班列在节点的运行时效。而冗杂低效的通关手续、低质量的物流服务和落后的基础设施将极大影响中欧班列在节点城市的安全畅通，造成列车的延误或中断，表现为网络中的节点失效。因此，为表征节点由于国家政策、环境等宏观因素影响发生的节点失效可能性，引