张振华 朱 琳 刘志钢 黄远春

(上海工程技术大学城市轨道交通学院，201620，上海 ∥ 第一作者，助理工程师)

随着地铁运营规模的不断扩大，运营行车组织作业日益困难，各类人为因素所导致的地铁事故亦不容忽视。文献[1]发现，1980—2009年欧洲发生的轨道交通事故中，因人为因素所导致的事故数占比高达74%。目前，我国依然缺乏系统性的事故人为因素调查、分类和分析方法[2]。因此，设计一套系统性的地铁事故人为因素分析模型，从事故中分析事故致因及其相关关系，进而制定对策，可以有效帮助管理人员进行事故预防处置，在同类事故发生时为现场处置提供决策支持，同时为事故的事后定责和整改提供系统科学的理论依据。

近年来，关于事故中人为因素的研究理论众多。文献[3]总结提出了人为因素分析与分类系统(HFACS)模型，该模型由于其评估框架的有效性、内容的完整性及强大的可实践性，使其在煤矿、海运、铁路等不同领域中都有所应用[2-5]。部分学者在地铁运营安全领域也进行了研究。文献[6]通过C-OWA算子对指标赋值，并结合SPA(安全、潜力和期望)模型进行评价。文献[7]基于脆弱性理论和耗散结构理论，分析地铁运营事故的演化机理和致因要素的影响机理。

HFACS模型基于航空背景提出，而地铁与其在组织架构、管理模式等方面具有相似性，因此，该模型具有良好的适应性基础。然而，根据地铁事故的处理要求，HFACS模型缺乏完整性，且缺乏事故致因关系链，对于已经发现的危害因素，如何系统地排查其他相关因素存在困难。因此，本文根据地铁运营系统特点、事故预防重点及处置流程，提出适用于研究地铁事故的人为因素分析与分类系统(HFACS-MA)。运用关联度规则分析各层级因素间的关联度，明确事故致因链，为事故的前期预防、现场处置和后期定责提供依据。

1 HFACS-MA模型的建立

本文通过对专业人员的访谈，查阅关键岗位作业规范和运营管理规定，以及对地铁事故报告的深入研究发现，由于地铁具有运输快速、高效、准时、安全的特性，使得乘客对其有着高度的依赖性。一旦出现事故，便会导致乘客积压，如未能做好事故应急处置就会进一步导致事故影响的扩大。然而，事故应急处置不是预防事故发生的屏障之一，而是事故发生后对于事故应急处置效果的实时反馈。如果事故应急处置不及时或处置方式不当，就会形成对于4层防护屏障的负反馈，可能进一步造成更大的次生事故的发生。因此，本文在原有模型的基础上增加事故应急处置反馈层，构建HFACS-MA模型，如图1所示。各层级因素的分类及问题描述见表1。

图1 HFACS-MA模型框架图

表1 HFACS-MA模型致因因素问题描述

1.1 事故致因层

组织影响层处于HFACS-MA模型最底层，是事故分析中最难以挖掘分析的隐性层级。若基础出现问题，则在此之上建立的其他层级必定存在隐患，而且对隐患的纠正就异常困难。

充分的监督是避免事故发生的重要保护屏障，而不安全的监督所导致的监督缺位或监督不充分是事故致因中常见的一环。缺少监督，就会为违规现象的发生提供可乘之机。

不安全行为的发生一定存在先决条件，包括作业人员自身的状态，作业人员所处环境的影响，以及与作业人员接触的其他人员对作业人员的影响等。这些因素会直接或间接地影响作业人员对于当前发生情况的判断与处理，可能造成危险行为的发生。

操作者的不安全行为是导致人为因素事故发生的直接原因，包括违章违纪、误操作误碰触，以及精神或身体原因等3类。违章违纪指作业人员故意不遵守规章制度和操作规范，显然是操作者有意为之；误操作误碰触、精神或身体原因更多的是由于作业人员的精神和/或身体状态未达到预期结果，并非操作者主观上愿意发生的。

1.2 事故反馈层

地铁运营系统的特性使得事故后处置的及时性和合理性变得极其重要。事故处理不及时是指事故发生后未被发现或发现后未能第一时间进行处置，就会导致事故的进一步扩散；事故处理不当指在事故处理过程中所采用的方法、措施等不合理，未能有效遏制事故的蔓延，反而扩大事故影响或造成了新的事故发生。

综上所述，HFACS-MA模型针对地铁运营系统特点，增加事故应急处置的反馈层，以更全面地分析影响地铁事故发生及蔓延的人为因素。

2 地铁事故致因链分析方法

预防地铁事故发生的屏障出现层层漏洞，就会产生一系列危险因素，形成事故致因链，最终导致事故的发生。本文运用关联规则，采用Apriori算法进行地铁事故人为致因链的分析。

2.1 关联规则

关联规则是形如X→Y的蕴涵式，包括数据项、项集、频繁项集、支持度、置信度等属性，旨在寻找大量数据背后难以被发现的相互关系。其中，支持度反映关联规则的有用性，置信度则是对规则确定性的描述。

2.2 Apriori算法及实施步骤

Apriori算法是基于两阶段频集核心思想的递推算法。计算步骤如下：

步骤1： 扫描地铁事故数据库，生成候选1-项集和频繁1-项集。

步骤2： 进入循环步骤，由频繁k-1项集生成频繁k项集，从k-2项集开始循环，步骤如下：①对项集中的所有项进行排序；②连接步,L(k-1)与其自身进行连接，产生候选项集C(k)；③剪枝步,删除C(k)中不是频繁项集的元素；④再次扫描数据库，计算③中过滤后的k-项集的支持度，删除小于设定最小支持度的项集，生成频繁k-项集。

步骤3：当生成的频繁k-项集中只有1个项集时循环结束。

依据经验设置相应支持度及置信度值，对数据库进行处理即可得到隐含的事故致因链。

3 地铁事故致因链的建立

3.1 地铁事故来源及处理

由于地铁事故属于小样本事件，可采集的数据样本较贫瘠。本文通过查阅书籍、互联网以及地铁公司内部资料等方式，分析了30起地铁事故案例(T1—T30)。基于HFACS-MA模型，对地铁事故产生影响的5个层级、共27个影响因素进行编号，并对地铁事故报告逐层详细地分解分析，统计结果如图2所示。

图2 地铁事故案例分析统计棋盘图

3.2 基于Apriori算法的事故致因链分析

根据HFACS-MA模型可知，同一层级的事故致因会互相影响；不同层级之间的致因因素影响关系一定是上一层级因素的发生会导致下一层级因素的发生，也可跃层影响后面各层级因素的发生。本文通过相邻两个层级的多次迭代，最终选取的支持度Min，sup与置信度阈值Min，conf分别为0.3和0.7。本文分别计算了事故致因层间各因素以及事故反馈层与事故致因层间各因素的支持度与置信度，结果如表2和表3所示。由该结果表示的地铁事故致因链图如图3所示。

表2 地铁事故致因层间因素关联度分析表

表3 地铁事故致因层与反馈层间因素关联度分析表

由图3可知，在地铁事故致因层中，影响因素最多的为组织影响层，可见深层级的组织影响是极易发生且影响深远的。其中，设备资源(A3)是最易受到影响的因素，主要是因为设备采购与配置处于组织流程中较后的位置，很容易受到其他因素的影响。在不安全的监督层中，监督不力(B1)是受影响最多的因素。人力资源(A1)、设备资源(A3)、组织程序(A8)和监督违规(B4)都会直接造成监督不力，进而导致班组同事作业不规范、违规作业，最终导致地铁事故的发生。

图3 地铁事故致因链图

事故致因层与反馈层间也存在关联关系。事故致因层中部分因素的发生会影响事故应急处置的效果，事故应急处置的情况又实时反馈至事故致因层。由此可见，及时准确地做好事故应急处置会很好地遏制事故的进一步蔓延，减小事故损伤。

3.3 地铁事故管控措施建议

1) 做好前期的工作规划，保障工作的实施与推进。确保所有规章标准的制定、设备的采购与安装、人员的招聘与培训等严格按照前期规划进行，避免从根源埋下隐患。

2) 培养安全第一的公司文化，健全全面监督的监督体系。保障人人重视安全、人人都是监督者的良好安全形势。

3) 建立健全应急演练机制。重视日常应急演练培训，确保工作人员技能熟练，有效减少事故反馈层与事故致因层之间的关联。

4 结论

1) 本文构建的HFACS-MA模型，更好地反映了地铁事故应急处置的特点。该模型提供了完整的事故调查分析与决策工具，更加适应地铁事故的分析研究。

2) 采用Apriori算法，有效分析事故致因链，可以进行事故的预防,为同类事故发生时的处置提供现场支持,对事故的事后定责和整改亦可以提供系统科学的理论支持。

3) 由于地铁事故案例的稀缺，导致HFACS-MA模型还未能作为普适性的地铁行业事故分析模型进行推广。还需进一步丰富数据库中事故案例样本，增强模型的行业普适性。