王静梅，刘博嵩，祁永维

(1. 新疆铁道职业技术学院 教师发展中心，新疆 乌鲁木齐 830011；2. 苏州市黄埭高新区招商局 招商科，江苏 苏州 215000；3.中国铁路乌鲁木齐局集团有限公司 货运部，新疆 乌鲁木齐 830011)

0 引言

中国铁路乌鲁木齐局集团有限公司(以下简称“乌鲁木齐局集团公司”)管内区域矿产资源富集、自然环境恶劣，随着国家“一带一路”倡议的实施，近年来乌鲁木齐局集团公司货运量呈现大幅增长趋势，但同时也暴露出一系列的安全问题，2015—2019年共发生31起货运事故(安全事件)，对乌鲁木齐局集团公司货运组织形成较大安全隐患。

学术界开展一系列关于提高运输组织安全的研究，张铁钢[1]从业务场景的角度构建铁路货运安全风险体系，揭示各个作业环节潜在的风险因素。李学伟等[2]构建基于“人—装备—环境—管理”的高速铁路安全理论模型。彭丽宇等[3-4]将此体系扩展到重载铁路和铁路货运运营风险系统分析中，从人、装备、环境、管理4个维度建立铁路货运运营风险因素指标体系。张力等[5]通过分析统计数据得出，70%以上货运事故的产生都与作业人员有关，因此提出将人为因素考虑在安全风险分析中，能够有效减少事故的发生。肖雪梅等[6]将影响高速铁路运营安全的环境因素分为车内环境、自然环境和社会环境。程学庆等[7]提出安全管理应从预防性防护、保护性防护及应急处理3个方面进行，即通过预防降低风险事件发生的几率、通过保护措施减少风险事件出现后产生的影响，以及出现风险事件后的快速处理方法。贾亚民等[8]在比较传统铁路安全管理模式后，提出我国铁路运营安全管理体系，包括基础管理、防范管控、应急管理、监督管理、综合保障和绩效管理，并进一步细化管理方法和措施。上述研究为开展铁路货运组织安全风险研究提供了重要的方法和思路。

从铁路局集团公司角度来看，人员素质、环境因素以及管理模式的差异均为影响货运组织安全的重要变量，在确定货运组织安全风险指标的基础上，剖析乌鲁木齐局集团公司货运安全事件和事故，提取影响货运组织安全的关键风险因素，有利于提升乌鲁木齐局集团公司货运组织安全管理能力。

1 乌鲁木齐局集团公司货运组织安全风险因素指标体系

1.1 风险因素分析

通过对乌鲁木齐局集团公司2015—2019年31起货运事故(安全事件)的归类分析，发现主要集中在货物装载加固、危险货物运输、超限超重货物运输、集装箱运输、货检作业等13个方面。通过对31起货运事故原因的分析，整理出121个风险点，并根据分险点划分风险等级、分析风险原因及风险造成的后果。2015—2019年乌鲁木齐局集团公司货运事故风险点如表1所示。

表1 2015—2019年乌鲁木齐局集团公司货运事故风险点Tab.1 Freight accident risk points of Urumqi Group from 2015 to 2019

1.2 指标体系构建

分析2015—2019年乌鲁木齐局集团公司货运事故风险点，发现货运组织安全与“线路轨道、机车车辆、通信信号和供电系统”等装备指标的关联性不大，因而构建基于“人员—环境—管理”的铁路货运组织安全风险因素指标体系。

（1）人员因素分析。铁路货运组织工作是在作业人员的协同下完成的，严格遵守规章制度、按作业流程进行货物运输组织是确保货运安全的有效措施。参考彭丽宇的研究，将影响货运组织安全的人员因素分为身体素质、心理素质、个人技能、安全意识4个方面，对应建立了三级评价指标。人员因素指标如表2所示。

表2 人员因素指标Tab.2 Indices for human factors

（2）环境因素分析。通过梳理铁路货运组织作业流程，结合既有研究建立的环境因素指标体系[4]，构建影响铁路货运组织安全的环境因素指标。环境因素指标如表3所示。

表3 环境因素指标Tab.3 Indices for environmental factors

（3）管理因素分析。借鉴近年来既有研究构建的预防、保护和应急处理安全管理体系[8]，并结合乌鲁木齐局集团公司货运组织作业流程，从基础管理、作业过程中防范管控和安全风险出现时的应急处理等方面构建影响货运组织安全的管理因素指标。管理因素指标如表4所示。

表4 管理因素指标Tab.4 Indices for management factors

2 基于粗糙集理论的乌鲁木齐局集团公司货运组织安全风险因素分析

2.1 粗糙集理论

粗糙集理论于1982年由波兰学者Z. Pawlak提出，用于处理分析各种不精确、不确定、不完备的信息数据。主要步骤为通过分析数据得出属性约简，在属性约简的基础上进一步分析探讨，提取出最终的知识分类规则。属性虽然进行约简，但约简后的数据有同等得出最终有效规则的效力[9]。粗糙集理论具有以下性质。

（1）知识定义。一个知识表达系统S可以通过描述研究对象的属性及其属性值来实现，即S= (U，C∪D，V，f)，U为研究对象的集合，C和D分别为研究对象的条件属性和决策属性集合，令C∪D=A，A为属性集合，V为属性值的集合，f为U×A→V的信息函数。

（2）条件属性重要度。从条件属性集合C中去掉属性ci后，则定义sigci(D)为条件属性ci的重要度，sigci(D)计算公式为

式中：rC(D)为条件属性与决策属性的依赖度；rC-ci(D)为缺少属性ci后，条件属性与决策属性的依赖度。

（3）条件属性权重。条件属性ci的权重Wci计算公式为

式中：n为条件属性的个数。

2.2 风险因素知识系统构建

基于粗糙集理论对2015—2019年乌鲁木齐局集团公司的121个风险点，构建影响乌鲁木齐局集团公司货运安全影响因素知识系统S，S= (U，C∪D，V，f)。其中，U表示所有风险点的集合；C为条件属性集合，包含人员H、环境E、管理因素M等条件属性， “0”表示未达标或未发生该因素，“1”表示达标或发生该因素，H= {H1，H2，H3，H4}分别代表身体因素、心理因素、个人技能和安全意识，E= {E1，E2，E3}分别代表作业环境、自然环境和社会环境，M= {M1，M2，M3}分别代表基础管理、防范管控和应急管理；D表示决策属性集合，“1”代表低安全风险、“2”代表一般安全风险、“3”代表较大安全风险。

运用乌鲁木齐局集团公司货运安全事件风险点信息，分别构建基于一级、二级和三级指标的乌鲁木齐局集团公司货运组织安全风险因素知识系统，每一条记录代表一条知识。一级指标风险因素知识系统如表5所示。二级指标风险因素知识系统如表6所示。三级指标风险因素知识系统如表7所示。

表5 一级指标风险因素知识系统Tab.5 Risk factor knowledge system of Level-1 indices

表6 二级指标风险因素知识系统Tab.6 Risk factor knowledge system of Level-2 indices

表7 三级指标风险因素知识系统Tab.7 Risk factor knowledge system of Level-3 indices

2.3 关键风险因素筛选

基于构建的三级货运组织安全风险因素知识系统，利用粗糙集软件对构建的37个三级指标知识系统进行关键因素的布尔推理算法离散、遗传算法约简，筛选出三级指标关键风险因素共13个，分别为：业务水平H33、工作倦怠H41、简化作业程序H42、操作不规范H43、风险意识缺乏H44、违规使用设备H45、风雪雷电E21、安全生产责任制M15、安全培训M16、安全设备建设与运用M17、安全制度落实与监督M21、安全隐患排查M23、安全问题整改M24。

2.4 关键风险因素重要度及权重计算

基于筛选的13个三级指标关键风险因素，重新构建决策信息表，根据公式(1)计算出13个三级指标关键风险因素重要度[10]。13个三级指标关键风险因素重要度计算结果如表8所示。

表8 13个三级指标关键风险因素重要度计算结果Tab.8 Calculation results for the importance of 13 key risk factors of Level-3 indices

根据公式(2)计算出13个三级指标关键风险因素的权重。同理，可以计算出一级、二级指标关键风险因素的权重。关键风险因素指标权重如表9所示。

表9 关键风险因素指标权重Tab.9 Index weights of key risk factors

2.5 关键风险因素分析

（1）一级指标方面，管理因素大于人员因素，这2项是影响货运组织安全的重要因素，环境因素影响最小。

（2）二级指标方面，基础管理和安全意识是主要影响因素；防范管控是次要影响因素；个人技能、自然环境是一般影响因素。

（3）三级指标方面，安全生产责任制、安全培 训、简化作业程序、安全制度落实与监督、违规使用设备、操作不规范、安全设备建设与应用是主要影响因素；风险意识缺乏、业务水平、工作倦怠是次要影响因素；风雪雷电、安全隐患排查、安全问题整改是一般影响因素。

3 结束语

从人员、环境和管理角度建立乌鲁木齐局集团公司货运组织安全风险因素指标体系，比较各因素权重差异，得到以下结论：影响铁路货运组织安全的重要因素为管理因素和人员因素，其中管理因素是所有影响铁路货运组织安全因素的重点。应强化安全生产责任落实，提高对货运从业人员的安全考核，推进作业流程标准化和规范化，完善货运基础管理规章制度，加大货运安全隐患排查，做好问题整改和日常盯控；加强从业人员安全教育培训，提升安全意识，明晰岗位作业流程、工作标准，规范执行作业程序，提高应急处置能力，全面提高货运组织安全管理水平。另外，受新疆自然环境的影响，应当充分利用测风仪、雨量计、观云追雨设备等即时掌握铁路场站及沿线的风雪雷电天气，有助于预防自然环境可能引发的货运事故。