地鐵施工安全事故風(fēng)險(xiǎn)評(píng)價(jià)

孟 康，李 明 達(dá)，周 晶

(大連理工大學(xué) 海岸和近海工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，遼寧 大連 116024)

0 引 言

隨著城市的快速發(fā)展，傳統(tǒng)的地面交通已經(jīng)無(wú)法適應(yīng)運(yùn)輸需求，人們把治理城市交通擁堵的希望寄托于地下交通。地鐵穿越繁華的商業(yè)區(qū)和人口密集的住宅區(qū)，帶動(dòng)經(jīng)濟(jì)發(fā)展的同時(shí)，也給人們出行帶來(lái)了極大便利，成為治堵利器。但地鐵施工往往具有工程量大、施工環(huán)境復(fù)雜、技術(shù)難度高和隱蔽性強(qiáng)等顯著特點(diǎn)，地鐵施工過(guò)程中若發(fā)生安全事故，直接威脅施工人員和周邊群眾的人身安全，造成重大的社會(huì)影響。由于地鐵施工的復(fù)雜性，潛在的安全事故類型也多種多樣。為了防范地鐵施工安全事故，有效降低事故風(fēng)險(xiǎn)和事后損失，全面了解把握地鐵施工安全事故風(fēng)險(xiǎn)而對(duì)其進(jìn)行評(píng)價(jià)顯得尤為必要。

針對(duì)地鐵施工安全事故，眾多學(xué)者對(duì)其進(jìn)行了分析和總結(jié)。趙萌萌等[1]運(yùn)用事故樹(shù)分析了地鐵施工中的透水事故，找出了引發(fā)透水事故的主要因素。陳吉輝[2]利用層次分析法對(duì)地鐵車(chē)站爆破施工安全事故的影響因素進(jìn)行了排序。郭隆彪[3]構(gòu)建了基于模糊綜合評(píng)價(jià)的地鐵施工安全風(fēng)險(xiǎn)評(píng)價(jià)模型，并運(yùn)用層次分析法求得不同指標(biāo)的權(quán)重。從上述研究中可以看出，常用的工程安全事故評(píng)價(jià)方法有層次分析法、模糊集理論、事故樹(shù)分析等，這些方法通常需要依賴專家經(jīng)驗(yàn)進(jìn)行賦權(quán)。雖然在研究中對(duì)研究方法做出了一些改進(jìn)，但仍無(wú)法避免評(píng)價(jià)主觀性對(duì)研究結(jié)果可信度的不利影響。本文引入主成分分析(Principal Component Analysis，PCA)構(gòu)建數(shù)理模型，打破主觀賦權(quán)的局限性，對(duì)地鐵施工安全事故進(jìn)行客觀全面地分析，旨在對(duì)各事故類型的風(fēng)險(xiǎn)進(jìn)行定量排序，期望為地鐵施工安全防范工作提供決策參考。

1 研究范圍與數(shù)據(jù)來(lái)源

1.1 研究范圍

自1965年北京地鐵1號(hào)線開(kāi)始建設(shè)以來(lái)，地鐵施工就開(kāi)始在中國(guó)大地上如火如荼地開(kāi)展起來(lái)。截至2020年底，中國(guó)共有38個(gè)城市開(kāi)通地鐵運(yùn)營(yíng)，運(yùn)營(yíng)總里程達(dá)6 483.032 km。在建地鐵線路215條，在建總里程達(dá)5 546.15 km[4]。但地鐵建設(shè)的顯著特點(diǎn)致使多年來(lái)地鐵施工安全事故頻發(fā)，甚至造成人員傷亡。本文選取2001～2020年全國(guó)范圍內(nèi)地鐵施工過(guò)程中發(fā)生的230起安全事故案例，從不同的角度揭示地鐵施工事故的潛在發(fā)生規(guī)律。

1.2 數(shù)據(jù)來(lái)源

文中數(shù)據(jù)主要來(lái)源于住建局網(wǎng)站、安全生產(chǎn)監(jiān)督管理局網(wǎng)站、中國(guó)安全生產(chǎn)網(wǎng)，以及其他公開(kāi)發(fā)表的統(tǒng)計(jì)年鑒、論文文獻(xiàn)等[5-7]。

2 地鐵施工安全事故風(fēng)險(xiǎn)評(píng)價(jià)體系

基于GB6441-86《企業(yè)職工傷亡事故分類標(biāo)準(zhǔn)》，并綜合考慮采集得到的地鐵施工安全事故案例顯示的實(shí)際情況，將安全事故類型共分為14類，并分別賦予不同代號(hào)，如表1所示。

表1 安全事故類型分類

在研究時(shí)間范圍內(nèi)某類型安全事故的發(fā)生頻次越大，說(shuō)明該類型安全事故越容易發(fā)生，因此選取事故數(shù)量為評(píng)價(jià)指標(biāo)；某類型安全事故造成的人員死亡(受傷)數(shù)量，可以直接反映出該類型安全事故所造成的總體不利影響，因此選取死亡人數(shù)和受傷人數(shù)為評(píng)價(jià)指標(biāo)；死亡人數(shù)和受傷人數(shù)會(huì)受事故數(shù)量的影響，無(wú)法衡量某類型安全事故的致?lián)p率，因此需要引入死亡比率和受傷比率作為地鐵施工安全事故風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)，說(shuō)明某類型安全事故單次發(fā)生的致死(傷)情況，死亡(受傷)比率值越高，說(shuō)明該類型安全事故一旦發(fā)生，造成的后果將是越嚴(yán)重越不可挽回的。地鐵施工安全事故風(fēng)險(xiǎn)評(píng)價(jià)體系如表2所列。

表2 地鐵施工安全事故風(fēng)險(xiǎn)評(píng)價(jià)體系

3 主成分分析原理和步驟

運(yùn)用主成分分析評(píng)價(jià)地鐵施工安全事故風(fēng)險(xiǎn)，可以避免評(píng)價(jià)指標(biāo)之間的信息交叉，不僅能降低實(shí)際參加綜合評(píng)價(jià)的指標(biāo)維數(shù)，還能最大限度地保留原有指標(biāo)的信息。特征值貢獻(xiàn)率代替主觀賦權(quán)保證了評(píng)價(jià)的客觀性，可信度較高。

3.1 主成分分析原理

“降維”是主成分分析的主旨思想，將原來(lái)眾多具有關(guān)聯(lián)性的指標(biāo)轉(zhuǎn)化為少數(shù)綜合指標(biāo)，綜合指標(biāo)即為“主成分”[8]。每個(gè)主成分就是原始變量的線性組合，主成分間沒(méi)有關(guān)聯(lián)性，將原始變量中部分重復(fù)信息舍去，并且保留了絕大部分的信息，即對(duì)原有指標(biāo)的降維處理，簡(jiǎn)化了原本復(fù)雜的數(shù)據(jù)分析過(guò)程[9]。

其中，協(xié)方差矩陣的最大特征值對(duì)應(yīng)的指標(biāo)即為第一主成分f1，若f1的特征值貢獻(xiàn)率不夠高，意味著f1無(wú)法足夠代表原有信息，需要協(xié)方差矩陣的第二大特征值對(duì)應(yīng)的指標(biāo)作為第二主成分f2，與f1共同代表原有信息。特征值貢獻(xiàn)率就是最終地鐵施工安全事故風(fēng)險(xiǎn)評(píng)價(jià)的權(quán)重，以此類推。經(jīng)驗(yàn)表明，當(dāng)選取主成分的累計(jì)貢獻(xiàn)率在0.70～0.85之間時(shí)，主成分的個(gè)數(shù)少于樣本數(shù)量的一半，能夠滿足保留絕大部分信息，并實(shí)現(xiàn)原有指標(biāo)降維的要求[10]。

3.2 主成分分析步驟

評(píng)價(jià)過(guò)程中，運(yùn)用主成分分析法的步驟如下：

第1步，搜集原始數(shù)據(jù)組。取定樣本大小n，收集樣本原始數(shù)據(jù)組xij，i=1，2，……，n；j=1，2，3，4，5。

第2步，計(jì)算標(biāo)準(zhǔn)化數(shù)據(jù)組。由于樣本原始數(shù)據(jù)有不同量綱，因此需要按照式(1)進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化后的數(shù)據(jù)組zij，i=1，2，…，n；j=1，2，3，4，5。

(1)

其中，

第3步，計(jì)算協(xié)方差矩陣V。標(biāo)準(zhǔn)化數(shù)據(jù)組的協(xié)方差矩陣V即為原始數(shù)據(jù)組(x1j，x2j，……，x14j)的相關(guān)方陣，按照公式(2)和(3)計(jì)算。

V=[vij]i，j=1，2，3，4，5

(2)

其中，

(3)

第4步，求V的特征值與相應(yīng)特征向量?？梢岳肕ATLAB軟件中eig函數(shù)對(duì)V進(jìn)行處理[11]，得到V的特征值λj和對(duì)應(yīng)的特征向量Aj，j=1，2，3，4，5。

第5步，確定主成分。對(duì)于給定的值α∈[0，1]，求正整數(shù)q，使其滿足：

其中λ1>λ2>…>λ5，一般要求α在[0.70，0.85]中取值，為了降低評(píng)價(jià)指標(biāo)維數(shù)，并充分保留原有指標(biāo)的信息，本文將α取值為0.85。

第6步，寫(xiě)出前q個(gè)主成分。按照公式(4)可以列出前q個(gè)主成分。

(4)

第7步,確定綜合得分。針對(duì)各個(gè)類型安全事故，按照公式(5)求綜合得分F。

(5)

4 案例分析

4.1 數(shù)據(jù)獲取及處理

按照表2的地鐵施工安全事故風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)整理230起安全事故案例原始數(shù)據(jù)，如表3所列。

表3 地鐵施工安全事故原始數(shù)據(jù)

首先判斷所選取的指標(biāo)是否適用于主成分分析，本文選擇SPSS 23.0數(shù)據(jù)分析軟件對(duì)原始數(shù)據(jù)進(jìn)行KMO和Bartlett檢驗(yàn)，結(jié)果如表4所列。

表4 KMO和Bartlett檢驗(yàn)

KMO檢驗(yàn)值為0.607，大于0.5，Bartlett球形度檢驗(yàn)值為0.000，小于0.05，說(shuō)明選取指標(biāo)之間相關(guān)性較強(qiáng)，適合繼續(xù)進(jìn)行主成分分析。

由于表3中各指標(biāo)數(shù)據(jù)有不同的量綱，因此需要按照公式(1)進(jìn)行標(biāo)準(zhǔn)化處理，處理后的數(shù)據(jù)見(jiàn)表5。

表5 標(biāo)準(zhǔn)化數(shù)據(jù)

4.2 特征值與主成分確定

根據(jù)公式(2)和公式(3)計(jì)算協(xié)方差矩陣V。

利用MATLAB軟件得到V的特征值和對(duì)應(yīng)的特征向量，并計(jì)算各主成分的特征值貢獻(xiàn)率和累計(jì)貢獻(xiàn)率，如表6所列。

表6 V的特征值及各自的貢獻(xiàn)率

由表6可知，前2個(gè)特征值大于1，并且累計(jì)貢獻(xiàn)率達(dá)到96.14%，滿足累計(jì)貢獻(xiàn)率大于85%的要求，因此選用第1個(gè)和第2個(gè)特征值就可以綜合這5個(gè)特征值的信息，即前2個(gè)主成分所包含的信息可以刻畫(huà)評(píng)價(jià)對(duì)象96.14%的內(nèi)容。前2個(gè)主成分對(duì)應(yīng)的特征向量如表7所列。

表7 特征向量

由表7可知，主成分f1對(duì)應(yīng)的特征向量中，C4、C2和C1對(duì)應(yīng)的元素值較大，說(shuō)明受傷人數(shù)、死亡人數(shù)和事故數(shù)量對(duì)第一主成分f1的貢獻(xiàn)較大，即第一主成分f1主要反映了這3項(xiàng)指標(biāo)的信息。主成分f2對(duì)應(yīng)的特征向量中，C3和C5對(duì)應(yīng)的元素值較大，表明死亡比率和受傷比率對(duì)第二主成分f2的貢獻(xiàn)大，即第二主成分f2主要反映了死亡比率和受傷比率的信息。

4.3 綜合得分與排序

由上述分析可知，原有的5個(gè)評(píng)價(jià)指標(biāo)可以由選取的主成分替代，按照公式(4)計(jì)算主成分f1和f2。各種類型安全事故風(fēng)險(xiǎn)評(píng)價(jià)的綜合得分大小決定其風(fēng)險(xiǎn)性的高低，風(fēng)險(xiǎn)性越高意味著其將在地鐵施工過(guò)程中受到的重視程度越高。特征值貢獻(xiàn)率反映每個(gè)主成分在地鐵施工安全事故風(fēng)險(xiǎn)評(píng)價(jià)中的作用程度，因此可以選用特征值貢獻(xiàn)率作為計(jì)算綜合得分的權(quán)重。根據(jù)公式(5)計(jì)算出14種類型安全事故的綜合得分F和風(fēng)險(xiǎn)排序。F值越大，說(shuō)明該類型安全事故越需要在施工過(guò)程中受到重視，應(yīng)當(dāng)首先保障該類型事故的防控手段的到位，力圖通過(guò)有力手段避免該類型安全事故的發(fā)生，或者采取必要防護(hù)措施降低該類型事故發(fā)生后的人身傷害。各個(gè)類型安全事故的綜合得分和風(fēng)險(xiǎn)排序情況如表8所列，并且依據(jù)綜合得分繪制出散點(diǎn)圖，如圖1所示。

表8 綜合得分及風(fēng)險(xiǎn)排序

圖1 綜合得分Fig.1 Comprehensive score

4.4 評(píng)價(jià)結(jié)果分析

由圖1可知，坍塌事故的綜合得分明顯偏離橫軸，說(shuō)明坍塌事故為高風(fēng)險(xiǎn)類型事故，結(jié)合表3中的原始數(shù)據(jù)，坍塌事故在所有類型安全事故中的事故數(shù)量、死亡人數(shù)和受傷人數(shù)均最高，這解釋了坍塌事故的危險(xiǎn)性。因此在地鐵施工過(guò)程中坍塌事故的重視程度應(yīng)該處于最高級(jí)，建議做好前期勘探和設(shè)計(jì)工作，規(guī)范施工人員和機(jī)械施工作業(yè)，減少坍塌事故的發(fā)生。

其次是物體打擊。物體打擊的事故數(shù)量?jī)H次于坍塌事故，風(fēng)險(xiǎn)性也較高，且其死亡比率的排序也處于前列，因此在地鐵施工過(guò)程中，致力于降低物體打擊類型事故發(fā)生的同時(shí)，也應(yīng)該加強(qiáng)施工人員的防護(hù)措施，降低死亡比率。

值得注意的還有車(chē)輛傷害。雖然車(chē)輛傷害的綜合得分處于14種安全事故類型的中列，風(fēng)險(xiǎn)性處于中等水平，但是其死亡比率高達(dá)125.00%，受傷比率高達(dá)300.00%，均處于相應(yīng)指標(biāo)排序前列，這說(shuō)明雖然車(chē)輛傷害發(fā)生頻次不高，但是其造成的后果較為惡劣，嚴(yán)重威脅人員的人身安全。

地表沉降、透水事故等綜合得分雖然較低，但是并不意味著在施工過(guò)程中不存在風(fēng)險(xiǎn)，可以放任不管，現(xiàn)場(chǎng)施工人員也應(yīng)該加以防范，按照相關(guān)規(guī)范標(biāo)準(zhǔn)進(jìn)行嚴(yán)格監(jiān)視和控制，以避免風(fēng)險(xiǎn)產(chǎn)生累積效應(yīng)最終釀成大禍。

5 結(jié) 論

本文從事故數(shù)量、死亡人數(shù)、死亡比率、受傷人數(shù)和受傷比率5個(gè)方面構(gòu)建了地鐵施工安全事故風(fēng)險(xiǎn)評(píng)價(jià)體系。以2001～2020年全國(guó)范圍內(nèi)地鐵施工過(guò)程中發(fā)生的230起安全事故案例為基礎(chǔ)數(shù)據(jù)，將安全事故分成14個(gè)類型，并通過(guò)主成分分析選取了2個(gè)主成分，根據(jù)特征值貢獻(xiàn)率確定綜合得分的權(quán)重，計(jì)算了14個(gè)安全事故類型的綜合得分，并對(duì)評(píng)價(jià)結(jié)果進(jìn)行分析。

分析結(jié)果表明，主成分分析作為一種多元統(tǒng)計(jì)方法，經(jīng)過(guò)矩陣的線性變換，實(shí)現(xiàn)用少數(shù)主成分代替原有多個(gè)指標(biāo)的信息，由特征值貢獻(xiàn)率構(gòu)建評(píng)價(jià)模型，計(jì)算綜合得分并獲得各類型安全事故的風(fēng)險(xiǎn)排序情況，既將復(fù)雜的數(shù)據(jù)結(jié)構(gòu)進(jìn)行降維簡(jiǎn)化，又能夠保留絕大部分的信息，并且能夠避免主觀賦權(quán)的不利影響，使評(píng)價(jià)結(jié)果更為全面客觀、科學(xué)合理。采用主成分分析有效地評(píng)價(jià)了地鐵施工安全事故風(fēng)險(xiǎn)，評(píng)價(jià)結(jié)果符合實(shí)際情況，能夠指導(dǎo)地鐵施工管理人員對(duì)安全事故進(jìn)行全面清晰的把控，優(yōu)先考慮風(fēng)險(xiǎn)排序靠前的安全事故的同時(shí)，兼顧采取有效措施控制其他類型事故，最大限度地降低安全事故發(fā)生，將事后損失降到最低。

主成分分析是一種有效的排序方法，綜合得分越高的安全事故，得到的重視程度應(yīng)該越高，但是綜合得分本身并沒(méi)有明確的物理意義。另外，事故案例的經(jīng)濟(jì)損失的搜集和社會(huì)影響的定量將使得評(píng)價(jià)結(jié)果更具有說(shuō)服性，如何解決這些問(wèn)題值得進(jìn)一步思考。