随着运营中地铁盾构隧道数量的增加及其服务寿命的延长，由于列车引起的荷载、固有的结构特性和外部环境因素，各种结构缺陷（如衬砌裂缝、漏水以及管片变形）变得越来越突出。这些缺陷对运营安全构成了严重威胁[1,2]。著名的案例包括2004年波士顿中央隧道因严重漏水而关闭、2012年日本笹冈隧道发生混凝土坍塌导致交通中断，以及2021年济南轨道交通2号线发生水浸事故造成重大经济损失。这些案例表明，隧道缺陷的延迟发现和维护可能导致严重的经济后果甚至人员伤亡。因此，系统地评估隧道结构安全对于预防和减轻不可逆的损害至关重要[[3], [4], [5]]。
近年来，全球范围内对运营中盾构隧道的安全评估方法进行了大量研究。评估过程通常包括几个关键步骤：建立指标体系、确定指标权重、构建评估模型以及计算安全等级。常用的方法包括层次分析法（AHP）、模糊综合评估、基于理想解相似性的排序方法（TOPSIS）、神经网络和云模型。AHP通过将复杂的评估问题分解为层次结构来支持多标准决策，从而能够系统地优先考虑安全因素[[6], [7], [8], [9], [10], [11]]。TOPSIS方法通过计算指标数据与正理想解和负理想解的距离来进行综合评估，有效利用检查数据精确描述每个隧道段落的优缺点[[12], [13], [14], [15], [16]]。神经网络具有强大的非线性建模和拟合能力[[17], [18], [19]]，而云模型则有助于在定性描述和定量数据之间进行转换，解决了安全评估中固有的模糊性和随机性问题[[20], [21], [22], [23], [24], [25]]。尽管这些方法显著改进了盾构隧道结构的安全评估系统，但它们仍然存在主观性强、计算复杂以及难以处理隧道损伤不确定性的问题。
目前运营中盾构隧道的安全评估方法面临以下主要挑战：（1）大多数研究主要关注孤立或少数典型缺陷（如裂缝、漏水以及衬砌劣化），缺乏对各种缺陷指标的系统性分类。这导致评估片面且不全面，无法捕捉隧道结构的整体健康状况和综合风险。（2）单一的恒定权重方法存在固有偏见。传统的权重方法要么过分依赖专家判断，要么完全依赖统计数据，缺乏平衡的整合。它们的静态性质无法反映结构状态的动态演变，也无法充分惩罚高风险指标，从而影响评估的准确性和可靠性。权重作为连接评估指标和最终结果的桥梁，直接影响评估的准确性和可靠性。（3）传统的云模型假设分级区间为无限正态分布，这与工程实际情况不符。例如，在“裂缝长度≥15毫米”的V级标准下，50毫米的裂缝应被完全归类为V级。然而，由于云模型的无界分布假设，它可能会错误地给出接近零的隶属度。
为了解决上述问题，本研究提出了一种考虑缺陷条件动态变化的运营中盾构隧道安全评估框架。首先，建立了一个涵盖影响运营隧道结构安全的主要缺陷的指标体系。然后，结合改进的博弈论和变权重理论来确定准确的、平衡的指标权重。此外，应用有限区间云模型来计算隧道结构的安全等级，解决了评估过程中的模糊性和随机性问题。该模型应用于北京地铁8号线的四个隧道段落。最后，提出了一个适用于运营中盾构隧道的系统化安全评估框架，结果验证了模型的准确性和实用性。
