基于案例推理的铁路行车事故应急决策方法研究

基于案例推理的铁路行车事故应急决策方法研究

李彦

太原铁路局集团公司太原铁路职工培训基地山西省太原市030000

摘要：传统铁路突发事件应急救援工作一般采用应急预案的决策方式展开.，而实际上突发事件很少能够和预先设计的情境相一致，因此研究更加有效的应急决策方法是保证铁路突发事件应急救援顺利开展的一项重要工作。本文分析了基于案例推理的铁路应急决策，阐述了铁路突发事件应急救援决策体系。

关键词：铁路行车；事故应急决策方法

目前铁路正朝着高速度、高密度、重载的方向发展，先进技术的运用使系统的复杂性随之增加，对铁路行车事故应急决策提出更高的要求。当事故发生时，如何科学、及时、有效地应急决策，是避免事故向更高级别发展，减少人员及财产损失的重要前提。随着国家处置铁路行车事故应急预案，对突发事件的快速响应与高效处置越来越受到的铁路部门的高度重视。如何为决策者提供智能化的工具和方法辅助其在最短时间内排除各种干扰及压力进行高效的应急决策已经成为亟待解决的问题。

一、基于案例推理的铁路应急决策

在制定应急决策方案时决策者一般借鉴以往处理事故的经验解决新问题，或者将经验、解决方法经过一定的调整后用于解决新问题。基于案例推理的铁路应急决策方法的核心思想是模拟决策者的推理活动，通过信息技术处理手段，依据事故属性相关信息，生成相应的应急决策方案，达到科学合理的调配救援人员，高效分配及利用应急资源和救援设备，组织多部门联动实施救援，同时减少资源损耗的目的。

1、气象条件。气象条件一般包含天气、温度、相对湿度、风向、风力以及能见度等。考虑在这些气象属性下对危急情况中的人员或货物的影响，可为应急决策采用何种救援设备提供依据，减少救援人员等待设备等情况，从而提高决策的准确性和科学性。

2、事故基本信息。事故信息包含响应级别、事故类型、事故时间、车辆数量、车辆类型、机车数量、机车类型、受影响的乘客数量以及货物属性等。其中，响应等级决定领导机构的构成以及事故处理涉及的救援单位。事故类型、事故时间、车辆数量及类型、机车数量及类型可为应急决策需求的救援设备数量及类型提供依据。货物属性涉及货车发生事故时货物的属性为应急决策时采取何种措施提供依据。受影响的旅客数量是为突发事件的涉事列车预估受影响乘客中可能受伤或造成旅客死亡的严重性。决策者通过确定受影响的旅客数量，判断应急响应等级。

3、事故状态。事故状态包含线路损坏程度、车体倾斜程度、车体损坏程度以及事故列车脱轨最远距离等，为决策者制定救援方案，采取何种规模的救援措施及设备提供依据。

二、铁路突发事件应急救援决策体系

1、分布式群体决策支持系统。分布式群体决策支持系统DGDSS是在群体决策支持系统（GDSS）和分布式决策支持系统（DDSS）的基础上发展起来的，利用分布式计算机网络与通信技术，供多个决策者为了一个共同的目标，通过某种规程相互协作地探寻决策问题解决方案的信息系统。与传统的群体决策模式相比，DGDSS具有不受时空限制、充分实现信息共享、可提高决策群体成员对决策结果的满意程度和置信度等优点。

2、群体决策过程。群体决策过程的逻辑结构主要有星型对等体、层次型、多边联合型、复合型。铁路突发事件应急救援的决策是一个多人多部门同时对救援的多个子问题进行多阶段决策，救援决策与实施分为人员救治、工程抢险、交通管制、医疗救护、人群疏散、环境保护、现场检测等多个阶段性任务，其中工程抢险又可细分为机务救援、车务救援、工务救援、电务救援、车辆救援等多个任务，这些任务也是分阶段来实施，决策结构体系需要决策的多个任务之间可能是并行关系，也可能是顺序关系，整个救援过程形成复杂的决策体系。每一个决策任务构成一个子Agent，整个决策过程构成多Agent系统MAS（Multi—AgentSystem），每个救援子Agent任务的具体内容、具体性质各不相同，可以根据不同的情况采取星型对等体、层次型和联合型等不同的结构，每个子Agent的决策由该领域的专家集体作出，每一层的负责人汇总本层的决策结论以后参与更高一层的决策，在更高层负责人的协同下，形成最后的决策方案，不同任务之问可能会由于时间或者救援资源调用存在冲突，需要在决策主持人的主持下群体讨论，协调决策冲突，形成一致性决策。同时，在决策方案执行过程中，事故状态也在不断变化，救援决策方案需要根据现场事故状态进行动态调整。

3、基于任务的铁路突发事件多Agent群决策模型。铁路突发事件应急救援群体决策属于按照任务划分的多Agent系统，为此，可以构建基于任务的群决策模型，铁路突发事件应急救援工程抢险多Agent群体决策。模型分为对话层、任务规约层、控制层以及问题求解层部分，信息中心提供动态决策数据支持以及决策管理。

对话层：面向决策用户，主要由决策专家群和人机界面Agent组成，从用户获取信息，实现任务描述，并向用户提供结论及解释机制。任务规约层：核心是决策任务Agent，对人机界面Agent提交的任务，制定任务规划和调度，分解、协调并完成。

控制层：主要任务是信息融合与决策方案控制，根据决策任务Agent提交的信息请求，按照一定的任务调度规划协调各子Agent，实现任务调度和决策方案生成，最后提交给用户。

问题求解层：由各决策子Agent及属下的原子Agent组成，主要实现不同救援决策方案的生成。信息中心：由数据库、决策管理Agent以及黑板组成。

案例库和规则库提供救援决策的案例和规则，数据库实现决策数据支持，动态数据库提供问题背景信息、启发性信息、求解模型信息以及其他Agent的动态信息；黑板记录各Agent所需要的信息以及各群体决策专家产生的决策结论、意见反馈等，可以供所有Agent共享；决策管理Agent用于管理黑板信息，完成多用户之间的信息冲突决策与消解集成。除工程抢险外，人员救治、交通管制、医疗救援等都有各自的多Agent决策机制，各子Agent的决策方案汇总协调，形成铁路突发事件应急救援整体决策方案。

4、决策子Agent的结构。基于任务的铁路突发事件多Agent群决策模型中，机务Agent等各专业决策Agent属于整个群决策的决策子问题，根据多Agent群决策模型，构造出决策子问题的结构。决策子Agent由推理机制、学习机制和通信机制组成。

推理机制：控制模块、规划模块、推理模块构成Agent的推理机制，控制模块是Agent的核心，控制整个Agent的行为，接收通信通道的信息，或者将信息传送到通信接口；规划模块负责问题求解的CBR方法规划；推理模块接收控制模块定义的任务和规划模块给出的方法，启动基于目标搜索程序，从案例库等信息中心数据库获取数据，完成推理，得出决策结论。通信机制：由感知模块、通信模块以及写作模块组成，是Agent的接口部分，与协调Agent实现信息交互，负责获取、抽象和筛选外部环境信息和内部的通信及信息交换。

学习机制：由学习模块、评价模块和维护模块组成，负责Agent的学习、内部演化以及知识维护，学习得到的知识存入信息中心数据库。

结论

分布式多任务多阶段群体决策方法能够有效解决铁路突发事件应急救援的决策问题。提出铁路突发事件应急救援的分布式多任务多阶段群体决策体系、基于对话层、任务规约层、控制层、问题求解层和信息中心的铁路突发事件多Agent群决策模型以及由推理机制、学习机制和通信机制构成的决策子Agent。

参考文献：

[1]沈惠璋．突发危机事件应急序贯群决策与支持系统[M]．北京：科学出版社，2013．

[2]张振海，王晓明，党建武．基于整体相似度的铁路应急救援预案推理决策方法研究[J]．铁道学报，2012，54（11）：49--52．

[3]张振海，王晓明，张雁鹏．基于分层Agent的铁路应急救援决策方法研究[J]．交通运输系统工程与信息，2015，15（2）：16．

[4]吴丽娟，张健宇，高立新．基于神经网络和案例推理的智能诊断系统综述[J]．机械设计与制造，2012（3）：23．