《PLOS One》：Comprehensive analysis method of key risk factors in the subway operation accident by complex network and accident data
编辑推荐：
随着中国地铁系统的持续扩展，地铁运营系统日趋复杂，导致风险因素不断增多。一旦发生事故，这些风险会严重影响人员的安全与健康，并直接威胁地铁系统的可靠性、社会稳定性和经济可持续性。为有效预防运营事故并保障地铁系统的可持续发展，有必要通过适当的技术手段探究地铁事故的
随着中国地铁系统的持续扩展，地铁运营系统日趋复杂，导致风险因素不断增多。一旦发生事故，这些风险会严重影响人员的安全与健康，并直接威胁地铁系统的可靠性、社会稳定性和经济可持续性。为有效预防运营事故并保障地铁系统的可持续发展，有必要通过适当的技术手段探究地铁事故的关键风险因素。本研究提出一种整合24Model（24模型）、关联规则挖掘（Association Rule Mining）和复杂网络理论（Complex Network Theory）的综合方法，对事故报告文本数据进行深度挖掘与分析，以识别风险因素并探究其间的耦合关系及重要程度。首先，利用24Model对76份事故报告进行分析，提取风险因素。随后，应用Apriori算法推导风险因素间的关联规则，并在此基础上构建风险因素网络模型。最后，采用鲁棒性分析（Robustness Analysis）和互信息理论（Mutual Information Theory）对模型进行验证并识别关键风险因素。结果显示，员工安全职责不明确、管理人员的安全责任、对分包商的安全监督不足以及安全培训内容缺乏针对性是最为关键的四个风险因素。研究人员的发现为发展更具可持续性的地铁运营系统提供了重要的安全管理决策支持。
**研究背景与问题**
随着中国城市轨道交通的大规模快速发展，运营线路里程和车站数量持续增长，地铁运营系统已进入网络化运营阶段，系统复杂性显著增加。运营事故一旦发生，不仅会导致列车服务中断，还可能引发大规模乘客拥堵、设备损坏及重大的社会经济损失。当前，尽管中国已通过完善运营安全法规和技术标准、建立风险分级管控与隐患排查双重机制、加强人员安全培训与岗位责任管理等手段来提升运营安全，部分地铁运营企业也开始采用智能监测技术对列车、信号、供电、通信及站台设施进行动态监控，但现有的安全管理模式仍主要侧重于单一风险控制、隐患排查和事后原因调查，对风险因素之间复杂的交互关系与耦合效应关注不足。当众多事故致因因素以复杂方式相互作用时，传统分析方法难以从系统全局视角识别出具有显著影响力和连通性的关键风险因素。此外，与国际数据相比，中国的事故调查报告在管理框架、统计方法和事故分类体系上相对统一，公开的事故记录为研究提供了较为完整一致的数据基础，而直接整合多国数据可能引入显著的数据异质性，影响风险因素网络构建及后续分析的可靠性。因此，基于中国地铁运营事故数据和复杂网络理论，构建风险因素关联网络，从网络结构和因素交互的角度识别关键风险因素，具有重要的理论和现实意义。
**研究概述与重要意义**
研究人员以2009年至2024年间中国16个城市发生的76起地铁运营事故为数据基础，提出并实施了一套整合24Model、关联规则挖掘和复杂网络理论的综合分析框架。通过24Model从事故报告中系统提取风险因素，应用Apriori算法挖掘因素间的关联规则，构建加权有向风险因素网络，并利用网络拓扑指标和互信息理论识别关键风险因素。研究最终确定员工安全职责不明确、管理人员的安全责任、对分包商的安全监督不足以及安全培训内容缺乏针对性为四项最核心的风险因素。该研究从网络视角揭示了风险因素之间的耦合机制，为地铁运营安全管理资源的优先配置和事故预防策略的制定提供了数据驱动的决策支持，对保障地铁运营长期安全稳定、促进地铁系统可持续发展具有重要意义。
**主要技术方法概要**
研究采用的数据来源于2009年至2024年中国16个城市发生的76起地铁运营事故案例，事故类型涵盖列车碰撞、脱轨、冲突、车辆伤害、高处坠落、触电等13类，数据收集自省市政府官方网站、应急管理部门门户网站、新闻报道及公开出版物。在方法层面，首先运用24Model（一种将事故原因分为安全文化、安全管理体系、习惯性行为、一次性行为和条件四个阶段的事故致因理论框架），由具有副高级以上职称且熟悉24Model理论、具备五年以上地铁运营安全管理研究经验的专家对事故报告进行独立编码，提取风险因素，并通过Cohen’s kappa系数评估编码者间一致性。然后使用IBM SPSS Modeler 18.0软件，采用Apriori算法挖掘风险因素间的关联规则，以支持度≥0.1、置信度≥0.1为阈值，并结合专家知识剔除不符合24Model层级逻辑的规则，共获得609条有效规则。基于这些规则构建以风险因素为节点、关联方向为有向边、提升度（Lift）为边权的加权有向复杂网络模型。最后，利用节点度、节点强度、介数中心性等拓扑指标以及互信息理论进行节点重要性排序，并通过鲁棒性分析验证关键因素识别的有效性。
**研究结果**
*事故风险因素识别*：基于24Model框架，研究人员从个体层面和组织层面系统识别了导致地铁运营事故的风险因素。在不安全行为方面，分析了司机、调度员、站务员、维修人员等岗位的八类不安全人的行为；在不安全物态方面，依据车辆系统、供电系统、轨道线路系统、机电系统、通信系统、信号系统和土建设施等子系统分类，识别了六类不安全物态。在个体安全能力层面，识别了安全知识不足、安全意识淡薄和安全心理缺陷三类因素，其中安全心理缺陷主要表现为侥幸心理和冒险心理。在安全管理体系层面，从安全责任体系、安全规章制度、安全培训、风险管理、隐患排查治理、应急响应与处置、施工作业管理等角度识别了48类安全管理体系缺陷。在安全文化层面，依据24Model定义的32项安全文化要素，识别出集中于14项要素的安全文化缺陷。
*风险因素关联分析*：利用Apriori算法对76起事故的二元编码矩阵进行关联规则挖掘，经专家讨论协商和第三方仲裁消除编码不一致后，共获得609条有效关联规则。基于这些规则构建了包含78个节点和609条有向边的风险因素网络拓扑模型，并以Gephi软件进行可视化。网络拓扑特征分析表明，网络平均聚类系数为0.392，显示节点间连接紧密且易于产生快速交叉影响；平均路径长度为1.829，意味着任意两个非相邻节点可通过较短路径相连；网络密度为0.101，远小于1，表明网络整体较为稀疏，大多数节点之间没有直接连接，因此识别关键风险因素对有效预防事故至关重要。
*关键风险因素识别*：节点度分析显示，总度最高的节点为B40（对分包商的安全监督不足），其次为B12（安全培训内容缺乏针对性）和B5（安全监督检查制度执行不到位）。入度较高的风险因素包括B15（安全风险识别不足）、B5、B40、B7（未遵守施工作业操作规程）、B2（全员安全责任制未有效落实）和B18（隐患排查存在盲区），这些节点容易受到多种原因的影响。出度较高的因素为B1（员工安全职责不明确）、B40和B12，表明这些因素能直接影响大量其他风险因素。节点强度分析显示，总强度最高的是A6（管理人员的安全责任），其次为B1和B12，表明这些因素在网络中具有枢纽作用。基于互信息理论的节点重要性排序结果显示，排名前十的节点中有八项属于管理因素，其中B1（信息值=305.52）、A6（信息值=174.31）、B40（信息值=108.38）和B12（信息值=156.25）位列前茅。三种方法对比验证表明，B1、B12、B40、B5、B15和B19在度中心性、介数中心性和互信息排序中均进入前十。此外，互信息方法独特地将安全文化因素A6和A9（各部门安全职责到位）纳入前十，而这些因素在传统拓扑指标中排名靠后，彰显了互信息方法在识别低频高影响深层组织因素方面的优势。
*鲁棒性分析*：采用基于蒙特卡洛模拟的随机攻击和基于节点重要性排序的蓄意攻击两种策略，模拟网络节点移除后网络效率的变化。结果表明，蓄意攻击比随机攻击导致网络鲁棒性下降更快，主动控制关键风险因素对预防事故更为有效；同时，基于互信息理论的蓄意攻击比基于PageRank算法的蓄意攻击使网络崩溃速度更快，进一步验证了互信息方法在关键风险因素识别中的适用性。
**讨论与结论**
研究结果表明，安全管理因素是地铁运营事故中的首要风险因素，员工安全职责不明确、安全培训内容缺乏针对性以及对分包商的安全监督不足是影响事故发生的核心因素。与以往主要关注人、设备和环境维度的研究不同，本研究通过24Model将表层失效追溯至安全能力、安全管理体系和安全文化缺陷，并通过网络分析捕捉了这些组织因素在多起事故场景中的重复关联模式，从而扩展了地铁运营事故风险因素的研究范畴。在方法层面，通过整合24Model、关联规则挖掘和复杂网络理论，实现了从因素识别、规则挖掘、网络建模到重要性排序的完整分析链条，将安全文化因素A6和A9定量纳入复杂网络框架并获得验证，为24Model中安全文化因素的分析提供了量化支持。从管理实践角度，研究建议地铁运营企业建立“一岗一责一清单”制度，推行分包商“红黄绿”准入管理机制和月度绩效考评，构建“分层分岗”培训内容体系并引入“实名安全码+VR警示教育+多媒体教学”的融合培训模式，以及建立管理者安全绩效“双向考核”机制。在列车碰撞事故的亚组分层分析中，员工安全职责不明确、安全监督检查制度执行不到位等因素仍表现出较高重要性，证明了关键风险因素在不同事故类型间的稳健性。
研究结论部分：本研究分析了2009年至2024年间中国16个城市发生的76起地铁运营事故，涵盖列车碰撞、脱轨、冲突、车站及轨行区淹水倒灌等13类运营事故。地理和时间范围的确定综合考虑了事故数据的可比性、中国城市轨道交通的发展轨迹以及事故信息的完整程度，2009—2024年覆盖了中国城市轨道交通从快速扩张向大规模网络化运营迈进的重要阶段，而将研究限定在中国范围内有助于在相对一致的事故报告实践、监管框架和事故分类标准下保持案例的可比性。此外，研究优先纳入包含足够详细的事故过程和致因信息的案例，以支持基于24Model的深度编码。基于上述事故数据，本研究整合24Model、Apriori关联规则挖掘、复杂网络分析和互信息理论，对地铁运营事故的风险因素进行识别、关联特征分析和系统重要性因素判定。结果表明，员工安全职责不明确、管理人员的安全责任、对分包商的安全监督不足以及安全培训内容缺乏针对性是四项最核心的风险因素，为地铁运营风险控制的优先排序和针对性事故预防措施的制定提供了依据。研究同时指出，仅收集76起事故案例仍属较小样本量，结合Apriori算法可能影响结论的外推性；事故数据库仅包含已造成严重后果的事件，缺乏未遂事件数据，可能影响研究结果的代表性；专家判断虽经多专家独立编码和仲裁机制缓解，但仍可能存在知识背景差异带来的偏倚；不同年份和来源的事故调查报告在细节和调查深度上存在差异，可能限制对组织层面致因因素的深入探究。未来研究将扩大事故案例数量和致因因素种类，纳入未遂事件数据以丰富样本多样性和统计变异性，并开展安全风险评估研究，为事故预防提供更有力的决策支持。
