基于大规模群决策的混合HEART方法用于估算铁路驾驶过程中的人为错误概率

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：A hybrid HEART method based on large-scale group decision-making to estimate human error probabilities in the railway driving process

　　

摘要

混合人为差错评估与降低技术（HEART）被广泛用于估计人为差错概率（HEP）。在该方法中，评估的影响比例（APOA）通过Dempster-Shafer（D-S）证据理论融合评估者的意见来确定。然而，当评估者的意见存在显著分歧时，D-S证据理论得出的聚合结果可能与任何单个评估者的观点都不一致，从而损害结果的可靠性。在评估者数量较多的情况下，这一问题尤为突出。为解决此问题，本文提出了大规模群体HEART（LG-HEART）方法，该方法首先促进大规模评估者群体之间的共识构建，然后利用D-S证据理论融合他们的意见。具体而言，LG-HEART方法结合了基于证据相似度的聚类技术，将评估者划分为若干子群体，并采用基于集中式证据的反馈共识模型来缓解评估者之间的分歧。通过这种方式，LG-HEART方法有效地减轻了不可靠的离群意见的负面影响，从而在关键操作需要大量评估者参与的场景中，得出更准确的HEP估计值。

引言

随着机械化水平的不断提高，铁路系统的可靠性大幅提升，但事故仍偶尔发生[1]。除了机械故障和恶劣天气等外部因素外，人为差错也是导致事故的重要原因[2]。铁路运营人员在整个机车驾驶过程中面临一系列挑战，这些因素与人的倾向相结合，可能导致铁路系统出现安全隐患。通过进行高效且准确的人为可靠性分析（HRA）[3]，可以确定操作人员在特定时间范围内执行系统所需任务且不发生故障的可能性。

HRA涉及多个阶段，即识别人为差错和评估人为差错概率（HEP）[4]。HEP评估结果在HRA中至关重要。有多种技术可用于估计HEP，如成功可能性指数方法（SLIM）[5]、人为差错率预测技术（THERP）[6]、贝叶斯网络（BN）[7]、认知可靠性与差错分析方法（CREAM）[8]和人为差错评估与降低技术（HEART）[9]。这些HEP量化方法在经验数据有限时，在多大程度上依赖于专家判断。工程用户可能不喜欢SLIM，因为该技术的有效性需要一定水平的人因知识[10]。THERP方法仅限于差错降低，并未提供足够的指导来说明差错产生条件（EPCs）的效果和情景开发[6]。相比之下，HEART因其易于掌握、快速且是比较HEP的有用方法而受到许多评估者的青睐[9]。

HEART方法利用评估者的知识和经验来评估操作任务并计算其HEP值。它基于三个要素。第一个要素是通用任务类型（GTT），定义了九种通用任务。第二个要素是差错产生条件（EPC），描述了在任务操作过程中对HEP产生负面影响的绩效塑造因素。第三个要素是由评估者提供的评估的影响比例（APOA），它表示每个EPC对其任务重要性程度的权重[11,12]。

近年来，HEART方法被广泛应用于评估复杂系统，包括运营操作[13]、水泥行业[14]、船舶油污应急预案[15]、药物管理[16]、铁路系统[17]、海上培训[11]和机器人辅助康复[12]。以往的研究表明，HEART方法可以有效地识别和减少系统中的主要人为差错，提高安全性并降低事故风险。然而，传统HEART方法的APOA确定依赖于单个评估者的主观意见[16]，这可能会引入偏差和不准确性，无法反映实际情况。

为克服这一问题，可以让多名评估者参与评估过程。由于不同评估者的知识和经验可能有所不同，HEART方法应结合他们的意见以生成综合的APOA值。在这种情况下，传统HEART方法已演变为扩展HEART，它利用D-S证据理论融合多位评估者的观点[17,18]。扩展HEART方法，也称为DS-HEART，要求不同评估者为每个任务选择最合适的通用任务类型（GTT），识别影响每个任务的EPCs，并为每个EPC提供APOA。参考文献表明，DS-HEART比传统HEART方法得出的HEP值更准确[[19], [20], [21]]。

然而，DS-HEART方法仍有一些局限性。对现有研究的分析表明，D-S证据理论仅在评估者意见差异较小时才有效[22]。这是因为D-S证据的聚合结果可能与任何单个评估者的观点都不一致，导致结果不可靠。在复杂的铁路驾驶等系统中，从各个部门和专业技术领域聘请大量评估者可以增强代表性。因此，评估者可以涵盖广泛的岗位，如列车安全经理、检查员、司机、乘务员、建筑工人、调度和信号工。根据现有文献中的一般惯例，当评估者数量至少为20人时，评估过程可以建模为大规模群体决策（LSGDM）问题[23]，即大规模群体HEART（LG-HEART）。在此情景下，评估者之间的意见通常极其多样化。因此，通常采用聚类方法和共识模型来提高讨论效率并促进群体成员之间的共识，然后再实施D-S证据理论。

LSGDM问题涉及的聚类方法和共识模型已被广泛研究。

（1）聚类方法：其目的是根据评估者的意见将他们分类到多个集群中，并提高LSGDM问题中的讨论效率[24]。在过去几十年中，提出了许多经典的聚类方法。Song等人采用K-means聚类方法来解决LSGDM问题[25]。Guo等人利用模糊C-means算法将大量评估者分类为几个子群体[26]。Liang等人采用Louvain算法将大规模评估者划分为若干社区[27]。Gong等人利用意见相似度和信任关系构建动态信任网络，并应用社区检测来划分子群体[28]。此外，Tian等人提出了一种基于信任相似度量度的层次聚类算法，减少了后续的共识冲突并增强了子群体内部的协作效率[29]。Zhou等人基于综合信任度增强了层次聚类算法，该算法从被评估任务粒度的角度考虑相似度和信任度[30]。Zhou等人利用相似度和一致性量度对评估者的偏好信息进行聚类[31]。Pang等人提出了一种语言真值格蕴含代数框架，通过概念稳定性分析对决策者进行聚类[32]。Zou等人设计了一种层次聚类算法，通过考虑联合群体相似性来对评估者进行分组[33]。Hua等人基于LSGDM问题中的社会网络分析，提出了一种聚类方法来更合理有效地对评估者进行聚类[34]。

（2）共识模型：其目的是协助评估者尽可能达成一致的同意。在协商过程中，由于意见冲突，通常很难达成一致的同意。因此，基于反馈机制的共识模型已广受欢迎。该模型在共识达成过程（CRP）中自动管理持不同观点的评估者，同时将调整成本降至最低。Song等人建立了一种基于具有符号翻译信息的扩展比较语言表达式和最小化调整数量及调整距离优化模型的共识反馈机制，用于解决LSGDM问题[25]。在CRP期间，Guo等人实施了个性化修改规则[26]。Liang等人基于社会网络分析（SNA）实施CRP，通过调查他们之间的犹豫模糊语言偏好关系的区间一致性，为每个评估者提供个性化修改建议，以达到预定的共识水平[27]。Gong等人设计了一种两阶段反馈机制，整合信任传播和影响量度来修复不完整的直觉模糊偏好[28]。Zhou等人提出了一种基于社会网络中特征向量中心性的反馈共识模型，该模型通过参考可靠性最高的个体观点来调整不兼容的离群者的意见[30]。Pang等人利用格结构聚合多粒度语言偏好，并使用蕴含算子解决冲突[32]。Zou等人提出了一种基于信任度和相似度的双最小调整共识框架[33]。该框架通过调整重叠评估者的评估来指导意见修改。Zhou等人通过构建两个数学规划模型实施了一种大规模SLIM共识模型，为不合作的子群体提供最优偏好调整和权重修改建议[30]。Zhou等人提出了一种基于去中心化反馈机制的共识模型，用于管理LGCDM问题中的不兼容评估者。该模型以最小的调整成本提高了评估者之间的相似度和一致性[31]。

现有文献对LSGDM问题做出了重大贡献。然而，在使用现有方法解决具体的LG-HEART问题时，仍然存在某些局限性。

（1）基于SNA的聚类方法可能不切实际，因为并非所有评估者都彼此熟悉，很难在他们之间建立信任关系。其他典型的聚类方法主要依赖于评估者意见的相似度。然而，基于相似度的聚类方法不适用于HEART问题。这是因为，一方面，不同评估者可能对特定评估任务相关的EPCs持有不同的解释；另一方面，每个EPC对人类绩效的影响程度各不相同。具体而言，每个EPC在多选决策中都被视为一个准则。如果评估者使用不一致的评估标准，就像用不同的规则测量同一个对象，这使得无法直接从个人决策矩阵中得出相似度量度。为解决这一问题，我们提出了扩展证据的概念，将评估者的评估统一到一个由所有选定的EPCs的并集生成的共同EPC集合上。在典型的HEART中，不同评估者可能评估不同的EPCs子集，这使得很难直接计算相似度。扩展证据通过为每个EPC显式分配信念（包括零）来解决这一问题，即其焦元涵盖所有EPCs。因此，异构评估被转换为共享判别框架内可比较的结构。

（2）与通常依赖于SNA的去中心化反馈机制相比，集中式反馈机制下的意见调整过程仅针对子群体决策矩阵而非个人决策矩阵，使其更加简单和高效。许多研究提出了通过集中式反馈机制提高共识的意见调整方法[32,33,52]。然而，共识水平通常通过在以往的LSGDM研究中聚合相似度来衡量。鉴于不同的评估任务可能涉及不同数量的EPCs，这些任务之间的相应意见量度也不同。这可能导致将EPCs的数量误解为评估结果的实际上差异。为了更好地解决这一问题，在LG-HEART问题中，可以从扩展证据而非传统相似度来衡量共识水平。更具体地说，使用余弦相似度来聚合扩展证据，重点关注决策矩阵中每个维度的相对比例而非绝对值。因此，可以识别出离群者，并根据证据管理对其意见进行调整，从而得出基于证据的集中式反馈机制。

本研究的动机源于前述局限性。具体而言，所提出的LG-HEART方法有效地减轻了LSGDM过程中评估者意见的分歧。一旦评估者达成共识，就可以采用D-S证据理论来融合他们的观点。在LG-HEART问题中，证据的概念被扩展到包含不同评估任务中的所有EPCs。在此基础上，提出了证据相似度的概念来量化评估者之间的差异。相应地，提出了一种基于证据相似度的聚类方法，将评估者分类为子群体。随后，根据证据相似度定义了这些子群体内的共识水平和群体共识水平（GCL）。接着，识别出最兼容和最不兼容的子群体。然后，采用一种集成了基于证据的集中式反馈机制的共识模型，自动使冲突子群体的意见与最兼容子群体的意见对齐，同时将调整成本降至最低。

所提出的聚类算法和共识模型展现了卓越的效能，与基于相似度的传统方法相比，能够在远低于传统方法的调整成本下达成共识。所提方法的新颖之处如下：(1) 提出LG-HEART方法，有效缓解LSGDM过程中评估者意见的分歧。该方法相较于传统HEART方法和DS-HEART方法，能够更全面地管理大规模评估者群体在所有评估任务中的意见或权重调整。(2) 将证据概念扩展为代表评估者对所有EPC的意见。由此，扩展后的证据可适应各种评估任务，因为其焦点元素涵盖所有EPC。在此扩展证据框架基础上，提出了一种基于证据相似度的聚类方法，将证据划分为若干子群。(3) 利用扩展证据度量共识水平，并提出融合基于证据的集中反馈机制的共识模型。该基于证据的集中反馈机制可自动将不兼容子群的意见与最兼容子群的意见对齐，同时使调整成本最小化。本文其余部分组织如下：第2节回顾本文模型中使用方法的一些基础介绍。第3节介绍所提出的方法。案例研究和讨论分别在"4 案例研究"和"5 讨论"中描述。最后在第6节得出本研究结论。

**HEART方法**

HEART方法利用评估者的知识和经验来评估操作任务并计算其HEP。典型HEART问题的主要元素如下：(1) 首先是GTT，它提供了九种用于任务类型识别的定性定义；每种GTT均关联一个数值，即任务的分析通用错误概率（GEP）[35]。设G={g?, g?, …, g?}（N≥1）为为每项任务选取的GTT集合，其中g?∈{A, B, C, D, E, F, G, H}。

**问题描述**

LG-HEART问题涉及不少于20名评估者的决策过程。LG-HEART的主要参数如下：V（V≥20）名评估者选取M项任务，对于每项任务，有N?个相关EPC（i=1, 2, …, M）。所有任务下的EPC总数为N。每位评估者为对应任务的每个EPC赋予一个APOA值，表示该EPC对当前任务的影响权重。此过程构建原始个人决策矩阵。

**案例研究**

为增强铁路安全并减少铁路驾驶过程中的人为错误，所提出的LG-HEART模型正被实施用于评估HEP。驾驶任务中HEP的评估考虑了前线操作人员在最佳条件下的表现及其对操作规则的遵守情况。为驾驶过程建立了一个真实场景，确保工作环境、员工士气、时间可用性、机组协作、组织质量和机组经验等因素均被纳入考量。

**敏感性实验**

为验证所提出的LG-HEART模型在冲突条件下的稳定性，基于20名评估者案例研究中的原始意见，进行了两组敏感性实验。第一组实验增加了5名具有强烈偏差意见的评估者（使总数增至25名），第二组实验又增加了5名评估者（使总数增至30名）。

r'?? = { (1?r??) / Σ?'∈J? (1?r??') , j∈J?; 0, j?J? }

其中，r??表示现有个人决策矩阵中的一个元素。

**结论**

本研究提出了一种LG-HEART方法，旨在帮助缓解LSGDM情境下HEP评估中评估者之间的意见分歧。该方法在三个方面对传统HEART方法进行了改进：扩展证据表示、基于证据相似度的聚类方法，以及融合基于证据的集中反馈机制的共识模型。为全面捕获评估者对所有EPC的意见，引入了扩展证据的概念。这一创新使得……

**作者贡献声明**

李飞：撰写初稿、方法论、调查研究。

孙靖：撰写初稿与审阅编辑、可视化、验证、软件、方法论、调查研究、数据整理。

周建兰：撰写初稿与审阅编辑、指导、资源、项目管理、方法论、调查研究、经费获取、形式分析、概念化。

唐智鑫：方法论、调查研究。

李飞 | 孙靖 | 周建兰 | 唐智鑫