基于复杂网络理论的地铁运行干扰源分析-宋亮亮.pdf

《基于复杂网络理论的地铁运行干扰源分析-宋亮亮.pdf》由会员分享，可在线阅读，更多相关《基于复杂网络理论的地铁运行干扰源分析-宋亮亮.pdf（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第47卷第5期2017年9月东南大学学报(自然科学版)JOURNAL OF SOUTHEAST UNIVERSITY(Natural Science Edition)V0147 No5Sept2017DOI：103969jissn10010505201705036基于复杂网络理论的地铁运行干扰源分析宋亮亮1 邓勇亮2 袁竞峰1 李启明1(1东南大学土木工程学院，南京210096)(2中国矿业大学力学与土木工程学院，徐州221116)摘要：为了提升地铁系统的运行安全水平，以地铁运营事故和风险清单为基础，识别出26类地铁运行干扰源，通过事件链明确干扰源间的联系，构建地铁运行干扰源网络(MODN)然

2、后，运用复杂网络理论(crcr)，剖析地铁系统运行干扰源的特性，对MODN的拓扑特征进行研究最后，基于目标免疫理论提出4种提升系统安全性的免疫策略，并对其免疫效果进行评估研究结果表明：基于CNT对地铁运行干扰源的特性进行分析是可行的；MODN具有小世界特性和无标度特性，干扰源容易传播和扩散；地铁干扰源的免疫策略中选择性免疫策略的效果优于随机性免疫策略，而在选择性免疫策略中基于高介数和高度值的免疫策略效果最佳地铁系统运行中应重点防范具有介数和度值高的干扰源关键词：地铁运行安全；干扰源网络；复杂网络理论；拓扑特性；目标免疫理论中图分类号：X951 文献标志码：A 文章编号：10010505(201

3、7)051069-05Analysis of metro operation disturbances based on complex network theorySong Lianglian91 Deng Yonglian92 Yuan Jingfen91 Li Qimin91(1 School of Civil Engineering，Southeast University，Nanjing 210096，China)(2 School of Mechanics and Civil Engineering，China University of Mining and Technology

4、，Xuzhou 221 1 16，China)Abstract：To enhance the safety level of metro operation，26 disruptive events ale identified throughthe metro accidents and risk checklistsThe interrelations among the disruptive events are clarified bythe employing event chain，and the metro operation disturbance network(MODN)i

5、s establishedThen，the complex network theory(crcr)is utilized to explore the characteristics of metro opera-tion disturbances by revealing the topological properties of the MODNFinally，four immunizationstrategies are put forward tO enhance the system safe哆based on the target immunization theory，andt

6、he effects of these strategies are evaluatedThe results indicate that it is feasible to study the nmureof metro disturbances by the CNTThe MODN is a complex network with smallworld property andscalefree propertyin which the disturbances can spread easilyWim regard tO the immunizationstrategies，the i

7、mmune effect of the selective immunization strategy is better than that of the randomimmunizationstrategyConcerning the selective immunization strategies，the immune effect of thestrategy based on degree and between centrality is betterThe interference sources witll mgh betweenness and high degree of

8、 interference should be emphasized during metro operationKey words：metro operation safe哆；disturbance network；complex network theory(CNT)；topological property；targeted immunization theory城市化进程导致人口高度集中，在促进城市发展的同时也给城市交通带来了巨大的压力，引发交通拥堵、环境污染等一系列城市公共问题1|北京2010年因交通拥堵造成损失就达580亿元人民收藕日期：2017-0314作者简介：宋亮亮(1988

9、一)，男，博士生；李启明(联系人)，男，博士，教授，博士生导师，njlqming163，corn基金项目：国家自然科学基金资助项目(51578144)、教育部人文社会科学研究青年基金资助项目(17YJCZ035)引用本文：宋亮亮，邓勇亮，袁竞峰，等基于复杂网络理论的地铁运行干扰源分析J东南大学学报(自然科学版)，2017，47(5)：10691073DOI：103969jissn10010505201705036万方数据1070 东南大学学报(自然科学版) 第47卷币，占全年GDP的4222 3地铁作为一种具备速度快、运量大、能耗低、污染少等诸多优点的新型交通工具，成为解决城市交通问题最有效的

10、方式随着地铁的迅猛发展，地铁系统运行安全问题引起众多科研人员和从业者的广泛关注陆莹等b1运用模糊贝叶斯网络对地铁运营安全风险进行了量化；Kyriakidis等H o对地铁运行事故进行了系统性的梳理，总结出6类地铁事故前兆；Wan等1从乘客角度出发，解析了乘客不安全行为与地铁事故之间的联系；Deng等o聚焦于地铁系统的物理组成，研究了子系统间的强耦合性给地铁运行带来的影响这些研究结果均表明，地铁系统运行容易受到多方面干扰源的影响1，然而，目前针对干扰源的深入研究较为少见鉴于此，本文以地铁运营事故为基础，识别出地铁系统干扰源类型，构建地铁系统运行干扰源网络(MODN)，运用复杂网络理论(CNT)对

11、其拓扑结构特性进行解析，探讨提升系统运行安全性的最佳免疫策略，为地铁运营管理提供决策支持1地铁系统运行干扰源网络的构建11地铁运行干扰源的识别地铁运行干扰源是指对地铁运行产生干扰的各种事件或状态，干扰源是造成地铁事故的重要诱因为有效识别地铁运行干扰源，本文首先收集了多起地铁运营事故(如韩国大邱地铁火灾事故、美国华盛顿地铁碰撞事故、中国上海地铁追尾事故等)，形成了包含134起案例的地铁事故数据库基于地铁事故数据库，结合源自美国交通运输部o和英国铁路安全标准委员会归。的2份地铁运营风险清单，梳理出26类地铁运行干扰源，具体如表1所示表1地铁运行干扰源编号 干扰源 编号 干扰源D1 窒息 D14 夹

12、伤D2 打斗 D15 中毒D3 列车与人员的碰撞 D16 供电故障D4 列车与列车的碰撞 D17 屏蔽门故障D5 通讯故障 Dis 吸烟D6 拥挤 D19 信号故障D7 脱轨 D20 踩踏D8 触电 D21 自杀D， 电气设备故障 D22 恐怖袭击Dlo 电梯故障 D23 轨道损坏D1l 爆炸 D24 车辆故障D12 跌倒 D25 错误操作D13 火灾 D26 水害独出现的，采用事件链(event chain)分析技术引，可以实现对干扰源间作用关系的演化描述以上海地铁927追尾事故为例，电工在进行封堵作业时造成供电系统故障，并由此触发信号系统故障地铁运营由自动系统向人工控制系统转换，行车调度员

13、在未准确定位故障区间全部列车位置的情况下，发布电话闭塞命令，并得到接车站值班员的同意，最终导致2辆列车发生追尾碰撞，因此该事故中干扰事件链为D。_D。，-D。以及D笛_D。同理，可以获得剩余133起地铁事故的干扰事件链对于不同的干扰事件链，需要进行融合，以事故1中的干扰事件链(D。一D，。一D，)和事故5中干扰事件链(JD23_D7_D13一D6，D”_D7)为例，融合过程如图l所示审 I Ii I I厶图1不同干扰事件链的融合过程地铁干扰源间的关系类型可分为3类：一对一型关系(见图2(a)，图中D。，现，D。为干扰事件)，如扶梯故障引起乘客摔倒；多对一型关系(见图2(b)，如927上海地铁追

14、尾事故中，信号故障和员工操作错误共同导致了列车的碰撞；一对多型关系(见图2(c)，如火灾出现后可能会发生人员窒息和踩踏现象。此外，干扰源之间的作用形式也有所不同，包含物理形式的作用(轨道损坏导致脱轨)、空间形式的作用(跌倒触发人员与列车的碰撞)、信息形式的作用(信号故障引致通讯故障)等事实上，信息形式的作用传播速度较快，对应干扰源间的联系较强，但缺乏统一的量化12 地铁运行干扰源网络的构建 (8)一对 (6)多对一 (c)一对多地铁运营事故中，地铁运行干扰源通常不是单 图2干扰源问关系的类型http：journalseueducn万方数据第5期 宋亮亮，等：基于复杂网络理论的地铁运行干扰源分析

15、 1071标准为此，本文进行了简化处理，即不考虑干扰源间的作用强度综合所有干扰事件链形成的地铁运行干扰源网络是一个具有26个节点、45条边的有向无权网络(见图3)图3地铁运行干扰源网络2地铁运行干扰源网络的拓扑特陛分析21复杂网络基本拓扑特征量CNT作为研究系统中个体之间联系及系统整体行为的有效工具，已经被广泛应用于各个领域，如灾害网络和科学家合作网络21一个具体的网络通常用点集y和边集E组成的图G=(y，E)表示，节点数记为N=I y I，边数记为M=l E l，E中每条边都有y中的一对点与之相对应图G的邻接矩阵记为A=(ai，)。，用来表示各节点之间相互连接的关系，当且仅当节点f和节点歹相

16、连接时矩阵中的元素a。，=1，否则a。，=01)度与度分布节点i拥有的连线数目称为该节点的度，记为k；有向网络中节点的度为出度与入度之和，即， Nk；=妒O+酵=口u+aj； (1)，=1 ，=1式中，忌ou为出度；In为人度网络中度为k的节点出现的概率称为节点度分布，记为P(k)对于规模较小的网络，尾部噪音较大，通常采用累积分布函数来描述节点度分布情况，即P(k)=p(k) (2)式中，P(k)为累积度分布函数，表示度不小于k的节点的概率分布；p(k 7)为节点度分布2)平均路径长度网络中连接2点的最短路径所包含边的数目称为2点间的距离，而所有节点对距离的平均值即为网络的平均路径长度，记为L

17、，即 卜南u。如(3)式中，d，表示节点f到节点-的最短距离3)聚类系数对于网络中节点f，其度值为k。，记这k。个节点间实际存在的边数为巨，则节点f的聚类系数c，为 c，=赢(4)整个网络的聚类系数C即为所有节点的聚类系数的算术平均数4)紧密中心性节点的紧密度为该节点到达所有其他节点的路径长度d，之和的倒数，即Co(i)：(主如) (5)、i一-175)介数中心性令节点S和节点t之间最短路径的数量为g(5，f)，其中经过节点i的最短路径条数记为g。(S，t)，则经过节点i的最短路径与所有最短路径数量之比即为节点i的介数c。(f)，即疗，a f、c。(i)=y盟等(6)” 。象，g(s，f)sf

18、， 。22 MoDN小世界特性和无标度特性检验通过度与度分布、平均路径长度和聚类系数，可以考察MODN是否具有现实网络中的小世界特性列和无标度特性u 4。较短的平均路径长度和较高的聚类系数是衡量网络是否具有小世界特性的判断标准3|通过式(3)和(4)，借助Pajek软件可知，MODN的平均路径长度为28，聚类系数为0172 8直观上无法对这2个数值大小做判断，因此利用Pajek软件生成10个与MODN规模相同的随机网络，计算它们的平均路径长度和聚类系数，结果如表2所示由表可知，MODN的平均路径长度小于10个随机网络的均值为3591，而聚类系数则大于10个随机网络的均值为0069，因此，MOD

19、N具有小世界特性节点的度分布情况是判断网络是否具有无标度特性的主要依据Barab磊si等H41发现无标度网络的度分布精确或近似地遵循幂律分布，即P(k)。ck一，其中yE2，3由于MODN的网络规模较小，度分布的尾部噪音较大，统计特征不明显，因此通过绘制累积度分布函数来表示度分布J隋况根据式(2)，以节点的度为横轴，累积度分布为纵轴，绘制MODN的累积度分布，以双对数坐标表示，结果hRp：、oumMseueducn万方数据1072 东南大学学报(自然科学版) 第47卷见图4MODN的累积度分布符合幂律分布，其中尺2=0881 5，y一=1367，对应网络的幂指数y=7。+1=2367，在一般无

20、标度网络幂指数值的范围内，因此，MODN具有无标度特性捂鑫。释殛；度值10 100图4 MODN累积度分布MODN的小世界特性造成其具有较强的扩散性，干扰能够迅速在地铁系统中传播和蔓延，给地铁运行的安全管理和风险控制带来了极大的挑战而MODN的无标度特性表明网络中存在少数度值远大于其他节点的Hub干扰源，如DM(车辆故障)、D，(火灾)等这些干扰源的辐射能力较强，一旦出现，所造成的影响和波及范围比其他干扰源要大得多而在地铁的日常运营过程中，往往出现较多的也是这些Hub干扰源，因此需要对它们采取有效的预防措施和控制策略3地铁运行干扰源的免疫策略分析3I地铁运行干扰源免疫策略MODN是一个具有小世

21、界特性的无标度网络，干扰极易在这样的网络中得以扩散和传播，影响地铁运行安全因此，本文基于目标免疫理论，进一步研究干扰源的控制策略对于需要免疫保护的网络，主要采用以下2种免疫策略：随栅陛免疫(RI)，即完全随机地抽取网络中的部分节点进行免疫操作；选择性免疫(sI)，即有目的性地抽取网络中的重要节点进行免疫操作选取不同的中心性指标会产生不同的节点重要度排序，依据度中心性(DC)、紧密中心性(BC)以及介数中心性(BC)三种指标，sI免疫策略可细分为DC，CC和BC三http：10urnalseueducn种免疫策略不同免疫策略的实施效果通过网络效率E予以量化，计算公式为 肚南u磊矧老(7)32仿真

22、分析选择免疫MODN中50的节点以考察不同免疫策略下的实施效果对于免疫策略，利用Excel软件生成13个随机数映射为该策略下的节点免疫序列而对于sI免疫策略，根据式(1)、(5)和(6)，获得DC，CC，BC策略下的节点免疫序列，结果见表3由表可见，不同免疫策略下的节点序列有着显著差异按照式(7)，利用Pajek和R软件，得到4种免疫策略下网络效率的动态变化情况，结果见图5表3不同免疫策略下的节点免疫序列免疫策略 节点免疫序列RI 芝18,D3D26D15，,巩D12D4D1D2lD9D1l，0 1 2 3 4 5 6 7 8 9 10 l l 12 13免疫节点数目图5 4种免疫策略下MOD

23、N网络效率变化情况由图5可知，SI策略的免疫效果优于RJ策略，这与无标度网络的研究结果相一致，随机免疫并不能够有效控制干扰传播过程M J控制干扰在MODN中传播的最有效手段是选择性地对重要节点进行免疫，即采取sI免疫策略随着免疫节点的增加，MODN网络效率的下降幅度呈现先快后慢的趋势，这是因为初期对节点免疫将使网络同时失2ll000OO褥辍姆薹万方数据第5期 宋亮亮，等：基于复杂网络理论的地铁运行干扰源分析 1073去多条关键路径，导致节点间传播的平均路径长度增加，网络效率下降较快，而在后期，由于剩余节点间的连接较少，网络效率的变化不再显著sI免疫策略中，DC，CC和BC策略的实施效果不同：初

24、期BC策略下的网络下降速度快于DC和CC策略；而中期DC策略给MODN连通性造成的影响更大以最快见效为原则，可认为BC策略略好于DC策略，但都要远好于CC策略因此，对于提升地铁运行安全性而言，应当着重对MODN中介数和度值较高的节点进行免疫，如介数最大的节点D，(火灾)、度值较高的节点DM(车辆故障)等，对这些干扰源采取必要的预防和控制措施具体而言，在地铁日常运营过程中，应加大对火灾隐患和车辆的巡检力度，定期进行员工培训和应急演练，提升对干扰源的处置能力，以保证地铁系统的运行安全4 结论1)基于地铁事故数据库，结合地铁运营风险清单，梳理了地铁运行干扰源类型，通过事件链明确了干扰源间的联系，构建

25、了地铁运行干扰源网络，运用复杂网络理论对该网络的拓扑特性进行了解析结果发现，地铁干扰源网络具有小世界和无标度特性。2)为控制干扰在网络中的传播，引人目标免疫理论，提出了4种免疫策略，并对其实施效果进行验证结果发现，4种策略的实施效果由优至劣的顺序为BC，DC，CC，RI因此，应当着重对介数和度值高的干扰源采取必要的预防和控制措施3)本文对地铁干扰源的特性进行了初步探索，但干扰源自身较为复杂，地铁干扰源不同作用形式的传播速率、干扰源网络的传播动力学特性尚需进一步研究参考文献(References)1吴奇兵，陈峰，黄壶，等北京市机动车拥堵成本测算与分析J交通运输系统工程与信息，2011，11(I)

26、：168172DOI：IO3969jissn1009-6744201101029Wu Qibing，then Feng，Huang Yao，et a1Calculationand analysis of traffic congestion cost in Beijing【JJournal of Transportation Systems Engineering and In-formation Technology，2011，11(1)：168172DOI：103969jissn1009-6744201 101029(in Chi-nese)f2Mao L Z，Zhu H G，Duan L

27、 RThe social cost of traf-tic congestion and countermeasures in BeijingcNinth Asia Pac圻c Transportation Development ConferenceChongqing，China，2010：6876。DOI：101061978078441229900103陆莹，李启明，周志鹏基于模糊贝叶斯网络的地铁运营安全风险预测J东南大学学报(自然科学版)，2010，40(5)：1110一1114DoI：103969jissn1001旬50520lO05043Lu Ying，Li Qtming，Zhou

28、ZlfipengSafety risk prediction of subway operation based on fuzzy bayesian net-workI J 1Journal of Southeast University(Natural Science E嘶tion)，2010。40(5)：11101114DOI：lO3969jissn1001-0505201005043(in Chinese)4 Kyriakidis MHirsch RMajumdar AMetro railways af：ety：An analysis of accident precursors J 1

29、SafetyScience，2012，50(7)：15351548DOI：101016jssci2012030045Wan X，Li Q，Yuan J，et al。Metro passenger behaviors and their relations to metro incident involvementJAccidAnal P陀v，2015，82：90100DOI：101016jaap2015050156Deng Y，Li Q，Lu YA research on subway physicalvulnerability based on network theory and FMEC

30、AJSafety Science，2015，踟：127134DOI：101016jssci2015070197宋亮亮，李启明，陆莹，等城市地铁系统脆弱性影响因素研究J中国安全科学学报，2016，26(5)：6469DOI：1016265jcnkiissnl003-3033201605012Song Liangliang，Li Qiming，Lu Ying，et al，Researchon factors affecting vulnerability of subway systemJChina Safety Science Journal，2016，26(5)：6469DOI：1016265

31、jcnkiissnl0033033201605012(in Chinese)8 Adduci R，Hathaway W，Meadow LHazard analysisguidelines for transit projectsRWashington DC，USA：US DOT Federal Transit Administration20009Rail Safety and Standardsmanagement(the yellowRSSB，2007BoardEngineering s af；etybook)RLondon：10赵金龙，黄弘，李聪，等基于事件链的罐区定量风险评估J化工学报

32、，2016，67(7)：30843090DOI：1011949jissn0438115720151908Zhao Jinlong，Huang Hong，Li Cong，et a1Quantita-tive risk assessment in storage tank areas based oneventchains J 1Journal of Chemical Industry andEngineering，2016，67(7)：30843090DOI：1011949iissn04381 15720151908(in Chinese)11Li Q，Song L，List G F，et a1

33、A new approach to an-derstand metro operation safetv by exploring metro oper-ation hazard network(MOHN)l J 1Safety Science，20179B：50一61DIoI：101016jssci20161001012【Kossinets G，WaRs D JEmpirical analysis of an ev01ving social networkJScience，2006，311(5757)：8890DOI：lO1 126science11 1686913 Watts D JStrogatz S HCollective dynamics ofsmallworldnetworks J INature。1998，393(6684)：440一442DoI：10103830918【14 Barabfisi A L。Albert REmergence of scaling in rolldom networksl J 1Science，1999，286(5439)：509512DOI：101126scienee2865439509http：journalseueducn万方数据