2006-2020年地鐵安全管理可視化分析

孫曉萌 王 潔副教授 王 佩 周潔瓊

(首都經(jīng)濟貿(mào)易大學 管理工程學院，北京 100070)

0 引言

隨著城市化的不斷推進，地鐵成為人們出行的首選工具。我國城市軌道建設事業(yè)起步較晚，不論是設計、技術還是施工方面都與世界水平存在差距，在地鐵安全管理工作中也存在一些問題，這都會為社會發(fā)展帶來負面影響。

截至2019年12月，我國內地共有40個城市開通運營城市軌道交通，運營里程總長度6 736.2km。隨著地鐵線路不斷增多，運營網(wǎng)不斷增大，為有效提升地鐵運營安全，安全管理模式也在不斷創(chuàng)新。自1996年我國頒布《中華人民共和國安全生產(chǎn)法》、2018年頒布《城市軌道交通運營管理規(guī)范》等地鐵安全管理相關法律法規(guī)以規(guī)范我國地鐵運營安全發(fā)展，但環(huán)境、人員及制度等因素依然極大地影響著地鐵運營安全。據(jù)統(tǒng)計，2018年全國地鐵共發(fā)生5min及以上延誤事件1 303次，列車退出正線故障共計9 372次，這不僅會影響社會經(jīng)濟，而且會對地鐵工程的發(fā)展產(chǎn)生負面影響。目前地鐵安全管理領域的研究側重于風險識別、風險分析和風險評估等方面，采用文獻計量分析方法分析該領域研究特征和未來研究趨勢的文章較少。

本文借助CiteSpace數(shù)據(jù)可視化分析軟件，以Web of Science數(shù)據(jù)庫中相關文獻為基礎，對地鐵安全管理領域的文獻進行發(fā)文量分析，揭示該領域的發(fā)展速度；通過對國家和機構、作者進行文獻計量分析，描述該領域主要研究力量及研究人員的分布；通過對關鍵詞和關鍵詞聚類文獻計量分析，了解研究熱點，預測未來研究趨勢。這不僅有助于研究者和地鐵工作人員充分認識該領域研究前沿，而且也可以為地鐵安全管理理論研究和實踐提供一定的參考價值。

1 數(shù)據(jù)收集與處理

1.1 研究方法

使用美國德雷塞爾大學(Drexel University)陳超美博士開發(fā)的CiteSpace(5.7.R2)對地鐵安全管理領域的文獻進行國家和機構、作者、關鍵詞和關鍵詞聚類的知識圖譜繪制，并進行定性和定量分析。

1.2 數(shù)據(jù)收集

在Web of Science數(shù)據(jù)庫中選擇WOS核心合集數(shù)據(jù)庫，以主題“TS=(Safety Management AND Subway) OR TS=(Safety Management AND Metro)”進行檢索。語種選擇“English”，文獻類型選擇為“Article”，時間跨度選擇為“2006-2020”。所有文獻均來自核心合集中的SCI和SSCI引文索引，經(jīng)檢索共獲得文獻205篇(檢索日期為2020年12月16日)。根據(jù)具體的分析任務選擇不同的網(wǎng)絡節(jié)點類型，分析時間設為2006-2020年，時間分區(qū)設為1年，其余參數(shù)均保留默認值。

2 文獻計量分析

2.1 文獻年份分布分析

圖1為2006-2020年地鐵安全管理領域文獻發(fā)表數(shù)量與年份變化關系，揭示該領域發(fā)展速度，預測未來發(fā)展趨勢。由圖1可知，發(fā)文數(shù)量整體呈現(xiàn)逐年增長趨勢，大致分為3個階段：第一階段為萌芽階段(2006-2011年)，在這6年期間，發(fā)文量共22篇，占文獻總數(shù)量的10.7%，發(fā)文數(shù)量很少；第二階段為探索階段(2012-2016年)，研究學者們開始關注該領域，發(fā)文數(shù)量明顯有所增加；第三階段為快速發(fā)展階段(2017-2020年)，發(fā)文數(shù)量占總文獻數(shù)量的66.8%，發(fā)文數(shù)量呈現(xiàn)大幅度增加，說明越來越多的學者注重地鐵安全管理領域的研究。

圖1 地鐵安全管理領域發(fā)文量統(tǒng)計Fig.1 Statistics on the number of documents issuedin the field of subway safety management

2.2 國家—機構分析

利用CiteSpace(5.7.R2)生成國家與機構混合合作關系網(wǎng)絡圖，掌握該研究內容在不同國家及研究機構的分布及合作情況，為國際之間合作提供參考。其中,節(jié)點大小代表組織機構或國家發(fā)表文獻數(shù)量的多少，連線的粗細代表合作強度的強弱。由圖2可知，全球范圍內主要研究地鐵安全管理領域的國家有中國、美國和波蘭等。不同國家之間也采取跨國合作的方式對地鐵安全管理領域進行研究，通過分析樣本文獻，可知有133篇(占64.9%)文獻的作者在各自國家開展國內合作研究，其余72篇(占35.1%)文獻的作者則采取跨國合作的方式。

圖2 地鐵安全管理領域國家—機構混合共現(xiàn)網(wǎng)絡圖Fig.2 Mixed convergence network of state and institutionin the field of subway safety management

表1為發(fā)文頻次最多的10個機構的發(fā)文頻次、中心性、首次發(fā)表的年份以及所屬國家。發(fā)文頻次前三名是中國的華中科技大學、美國的馬里蘭大學和中國的北京交通大學。通過分析可知，華中科技大學與馬里蘭大學合作頻次最多，共14次，主要研究內容為地鐵隧道施工中的風險識別、風險評估,以及復雜工程環(huán)境下地鐵施工安全風險分析的決策方法，還有文獻研究地鐵隧道挖掘區(qū)域的建筑物的安全管理。香港理工大學雖然發(fā)文頻次較少，但是研究的時間相對較早。湖北省虛擬安全自動化建設工程研究中心雖研究時間相對較晚，但發(fā)文頻次相對較多，說明在國內地鐵安全管理領域屬于新興起的機構。

表1 地鐵安全管理領域研究發(fā)文頻次最多的前十個機構Tab.1 Top 10 institutions with the highest frequency ofresearch in the field of subway safety management

2.3 作者分析

通過對作者進行可視化分析，可以得知所研究領域中的領軍人物，再研究這些起到先導作用的學者所著文章，得到的數(shù)據(jù)會更具權威性與前沿性。據(jù)統(tǒng)計，該研究主題2006-2020年間發(fā)文作者共276名，其中Ding LY，Skibniewski MJ和Zhang發(fā)表的文章數(shù)量位于前三，為總文獻數(shù)量的20%，有51名作者發(fā)表數(shù)量為2篇以上。由圖3可知，部分作者之間雖然存在合作關系，但從整體上看，作者們之間的交流合作不是很緊密。為判斷作者在該領域的影響力，本文使用CiteSpace(5.7.R2)軟件繪制作者共被引網(wǎng)絡圖，節(jié)點大小代表作者被引次數(shù)，節(jié)點之間的連線代表作者間的共被引關系，如圖4。表2為文獻被引次數(shù)最多的10名作者的被引次數(shù)、發(fā)文頻次等信息。Ding LY(60次)和Zhang LM(45次)的被引次數(shù)和發(fā)文頻次最多，中心性也是最大的，說明這2位學者在地鐵安全管理研究領域有較大影響力。Eskesen S D，Yu QZ以及Qian QH關于地鐵安全管理研究的發(fā)文數(shù)量為零，但是3者的被引次數(shù)相對較多，說明Eskesen SD在《隧道和地下空間技術》上發(fā)表的隧道工程風險管理指南，Yu QZ在《事故分析與預防》上發(fā)表中國地鐵施工安全管理影響因素分析以及Qian QH在《隧道和地下空間技術》上發(fā)表中國城市地下空間現(xiàn)狀，針對該領域存在問題及發(fā)展趨勢的研究在不斷推進其發(fā)展。

表2 地鐵安全管理領域被引頻次數(shù)最多的10名作者Tab.2 The 10 most cited authors in the field of subway safety management

圖3 地鐵安全管理領域作者合作網(wǎng)絡圖Fig.3 Cooperative network between authors in the field ofsubway safety management

圖4 地鐵安全管理領域作者共被引網(wǎng)絡圖Fig.4 Co-cited author network in the fieldof subway safety management

2.4 關鍵詞分析

關鍵詞是整篇文章的高度濃縮，它能夠高度概括文章觀點和研究內容。運用CiteSpace(5.7.R2)將網(wǎng)絡節(jié)點設置為關鍵詞，繪制關鍵詞關系網(wǎng)絡，可以得到具有相同關鍵詞文章的聚類，從而體現(xiàn)出這些文章在其研究領域的關鍵詞，進而得出該研究領域的研究熱點。

從圖5中可以看出，Management(管理)、Model(模型)、System(系統(tǒng))及Safety(安全)占據(jù)整個關鍵詞網(wǎng)絡中前4位，位于整個地鐵安全管理領域關鍵詞可視化分析圖的主題位置，為整個研究領域的核心關鍵詞；其中，Model(模型)、System(系統(tǒng))及Behavior(行為)等高頻關鍵詞在一定程度上可以反映出國內外學者們目前研究的領域及其關注的焦點，說明目前全球范圍內對于地鐵安全管理領域的研究主要傾向于利用建立模型和構建系統(tǒng)的方法預測可能造成事故的風險，除此之外，對人的行為研究也成為重點。圍繞中心四周較小的、年份較近的節(jié)點也揭示目前國內外的地鐵安全管理領域新興的研究熱點，這些小節(jié)點所代表的關鍵詞包括Unsafe Behavior(不安全行為)、Communication(溝通)、Attitude(態(tài)度)、Human Factor(人為因素)、Human Error(人因失誤)等，表明研究者逐漸將關注點聚焦在人為因素等方面。

圖5 地鐵安全管理領域關鍵詞關系Fig.5 Keywords relation diagram in the fieldof subway safety management

2.5 聚類分析

為了更加全面了解分析國內外地鐵安全管理領域的研究熱點，運用CiteSpace(5.7.R2)軟件進行關鍵詞聚類分析。聚類分析能夠更加清晰明了地反映該領域主題分類。通常，不同的聚類代表不同的研究重點。圖6為地鐵安全管理領域關鍵詞聚類圖譜，共生成11個聚類。

圖6 地鐵安全管理領域關鍵詞聚類分析Fig.6 Clustering analysis of keywords in the fieldof subway safety management

聚類0號標題為Evacuation(疏散)，經(jīng)過文獻梳理發(fā)現(xiàn)，該聚類下文獻大多與地鐵應急疏散仿真模擬研究相關。Kallianiotis等使用探路者軟件包模擬塞薩洛尼基地鐵疏散過程。Chen等將虛擬現(xiàn)實、眼動追蹤技術和生理指標測量應用于虛擬地鐵火災疏散逃生實驗當中，確定出最佳的疏散逃生組合性能，提高搜索安全標志的效率。疏散過程是管理和控制各種緊急情況或災害時應急戰(zhàn)略的關鍵部分，以往關于地鐵站行人疏散的研究主要集中在行人移動行為和疏散建模上，對于疏散過程中行人疏散風險的量化研究還很缺乏。Cheng等研究開發(fā)了一個可量化行人疏散風險的評估模型，該模型將行人踩踏概率和傷亡情況結合起來，然后基于社會力模型(Social Force Model，SFM)對北京“奧林匹克公園站”行人疏散風險進行仿真，確定大型體育活動中“奧林匹克公園站”風險最低和最高的行人疏散方案。

聚類1號和聚類3號標題分別為Adverse Event(不良事件)和Safety Management(安全管理)，這2個聚類有很大的重疊之處。該聚類下文獻大多數(shù)與突發(fā)事件下地鐵的安全管理相關。2012年Kyriakidis等為減少潛在事故的風險，提出一種新的安全成熟度模型(Safety Maturity Model，SMM)，分析全球主要地鐵路線的突發(fā)事件、傷亡以及安全成熟度及其相互作用關系。2013年Kyriakidis等分析全球17條大型地鐵鐵路的事故前兆、突發(fā)事件和傷亡及其相互關系。Li等建立地鐵運營危險網(wǎng)絡(Metro Operation Hazard Network，MOHN)，利用復雜網(wǎng)絡理論，應用7個參數(shù)進一步揭示MOHN的結構性，有助于地鐵事故發(fā)生前的策略制定，有助于提高地鐵運行的系統(tǒng)安全性。

聚類2號Environmental Risk Management(環(huán)境風險管理)、聚類4號Risk Assessment(風險評估)、聚類5號Metro Construction(地鐵建設)以及聚類6號Complex Environments(復雜環(huán)境)這4個聚類有很大的重疊性，經(jīng)過文獻整理分析發(fā)現(xiàn)，該聚類下文獻大多數(shù)與地鐵風險識別、分析以及評估相關，目的都是為了提高地鐵建設過程中的安全管理績效。Guo等將彈性理論應用于地鐵14號線中，評估3個地鐵建設施工現(xiàn)場的風險管理。Ding等基于多源信息(監(jiān)測測量、計算預測和視覺檢查)的混合數(shù)據(jù)融合模型搭建安全風險評估和預警協(xié)作平臺來收集、共享和交流信息，以提高安全管理績效。Wang等采用模糊綜合評價方法(Fuzzy Comprehensive Evaluation Method，F(xiàn)CEM)和貝葉斯網(wǎng)絡(Bayesian Network，BN)相結合的方法，對地鐵建設項目的風險概率、風險損失和風險可控性進行評估。Zhang等提出一種復雜工程環(huán)境下地鐵施工安全風險分析的概率決策方法。

聚類7號Ontology(本體論，實體論)經(jīng)過文獻梳理發(fā)現(xiàn)大多數(shù)研究都將本體論與本體規(guī)則推理、案例推理的方法融入到地鐵施工安全管理過程中，以期提高地鐵施工安全管理水平。Dong等開發(fā)了一個知識動態(tài)集成圖(Knowledge-dynamics Integrated Map，KIM)，用于可視化隧道施工安全風險管理中的安全知識流程。Xing等研究發(fā)現(xiàn)在地鐵建設過程中SRI-Onto(Safety Risk Information-Ontology，SRI-Onto)可以提供標準化和正規(guī)化的安全風險知識。Jiang等采用本體和改進的基于案例的推理(Case-based Reasoning，CBR)方法，提出施工安全風險管理的決策方法。Wu等提出一種將基于案例的推理(Case-based Reasoning，CBR)和自然語言處理(Natural Language Processing，NLP)技術相結合的本體論方法，用于地鐵事故案例檢索。

聚類8號標題為Safety Performance(安全績效)，通過梳理文獻發(fā)現(xiàn)，該聚類多研究人因失誤及人為因素會影響地鐵安全管理績效。Liu等通過文獻綜述和對中國專家深入訪談的方法，指導安全管理人員確定安全因素，并為其提供有價值的信息，以促進安全績效，減少地鐵施工過程中的事故數(shù)量。Rjabovs等通過分析2011-2013年期間的案例，分析得出地鐵司機對路線及操作系統(tǒng)的熟練程度會影響安全績效。Wu等采用模糊貝葉斯網(wǎng)絡(Fuzzy Bayesian Network，F(xiàn)BN)方法將認知可靠性與誤差分析方法(Cognitive Reliability and Error Analysis Method，CREAM)納入地鐵施工安全分析中，量化地鐵施工中的人因失誤。

聚類9號標題為Existing Buildings(現(xiàn)有建筑物)。城市地鐵施工采用淺層隧道法引起的地表沉降是不可避免的，它可能對現(xiàn)有的附近建筑物和公用設施造成一系列負面影響。Fang等提出以地面沉降和附近現(xiàn)有結構過程控制為目標的風險管理方法。Liu等將有限元方法和Copula技術結合在一起來研究隧道挖掘引起的建筑物擾動的不確定性和可靠性。Zhang等在傳統(tǒng)2階段方法的基礎上，考慮空間關系(危險參數(shù))和建筑物安全狀況(脆弱性)，對鄰近隧道開挖的現(xiàn)有建筑物進行安全評估。

聚類10號Disasters(災難)。災害會對城市地鐵站的建設周期和運營周期造成不同程度的損害。Yu等采用主客觀加權相結合的最優(yōu)組合加權方法，建立城市地鐵站建設和運營期間內澇風險模糊綜合評價模型。Wu等提出基于模糊有序加權平均(Fuzzy Ordered Weighted Averaging，F(xiàn)OWA)算子和灰色聚類的評價模型，科學地評價地鐵深基坑工程。

因此，建議加大對地鐵站應急疏散風險及地鐵施工風險定量化的研究，可以使研究結果更為客觀準確，符合實際，從而建立更加完善的地鐵安全管理規(guī)章制度。同時，注重對地鐵人為因素的研究力度，針對不同班組、不同類別的工作進行可能的人因失誤分析，并對可能造成人因失誤的影響因素進行量化研究，以促進控制和預防關鍵影響因素。同時根據(jù)SRK(Skill-Rule-Knowledge)，采取不同的預防措施，再對地鐵工作人員進行有目的的培訓，以便于有效地減少和控制地鐵人因事故的發(fā)生。

3 結論

運用CiteSpace(5.7.R2)可視化軟件對2006-2020年從Web of Science中收集的地鐵安全管理領域的205篇文獻進行定性和定量分析，得到如下結論：

(1)地鐵安全管理領域發(fā)文數(shù)量整體呈現(xiàn)上升趨勢，說明該領域得到國內外研究學者的廣泛關注；中國、美國和波蘭為該領域的重要貢獻國家；主要研究機構為華中科技大學、馬里蘭大學及北京交通大學。

(2)在地鐵安全管理領域Ding LY和Zhang LM較為有影響力。作者間的合作以小范圍團隊合作為主，不利于該領域發(fā)展。

(3)全球范圍內地鐵安全管理領域研究內容整體聯(lián)系密切，主要傾向于利用建立模型和仿真模擬的方法預測可能造成事故的風險，進行風險識別、分析以及評估。在近些年，邊際領域的問題逐漸受到重視，比如，人為因素等方面的研究將來會成為研究發(fā)展的趨勢之一。