城鎮(zhèn)燃氣管網(wǎng)施工事故風(fēng)險耦合機理及關(guān)鍵因素分析*

孫逸林,鄭小強,劉丹秀,賀艷艷,李洪兵

(1.西南石油大學(xué) 經(jīng)濟管理學(xué)院,四川 成都 610500;2.西南石油大學(xué) 能源安全與低碳發(fā)展重點實驗室,四川 成都 610500;3.深圳市燃氣集團股份有限公司,廣東 深圳 518049;4.四川師范大學(xué) 工學(xué)院,四川 成都 610101)

0 引言

近年來,我國城鎮(zhèn)燃氣行業(yè)發(fā)展較快,燃氣管網(wǎng)施工與建設(shè)規(guī)模不斷擴大,但其事故呈現(xiàn)頻發(fā)態(tài)勢,已造成嚴重的人員傷亡、經(jīng)濟損失和社會失序[1-2]。深入研究其風(fēng)險耦合機理,辨識關(guān)鍵影響因素,對指導(dǎo)該類事故防控具有重要意義。

國內(nèi)外相關(guān)學(xué)者在燃氣管網(wǎng)風(fēng)險及事故方面已有較多研究結(jié)果。在風(fēng)險評價方面,Li等[3]提出1種基于貝葉斯網(wǎng)絡(luò)的城市燃氣管道外力破壞風(fēng)險評價方法;杜雨霽等[4]運用Logistic回歸方法,對燃氣管網(wǎng)風(fēng)險因素進行重要程度排序。在事故分析方面,Satyam等[5]通過歸納印度50余起城市燃氣管道事故致因,總結(jié)經(jīng)驗教訓(xùn)并提出風(fēng)險治理對策;李聰?shù)萚6]通過知識圖譜和BP神經(jīng)網(wǎng)絡(luò)分析燃氣管網(wǎng)泄漏事故的演化機理。但上述研究仍有以下不足:首先,針對城鎮(zhèn)燃氣管網(wǎng)風(fēng)險耦合的研究較為鮮見,而且基礎(chǔ)數(shù)據(jù)來源較為久遠[7],結(jié)論難以完整映射燃氣行業(yè)高速發(fā)展背景下的實際情況;其次,針對城鎮(zhèn)燃氣管網(wǎng)施工事故致因的研究囿于定性分析[8],未能從量化視角辨識關(guān)鍵因素。Kauffmans[9]提出的N-K模型是復(fù)雜系統(tǒng)風(fēng)險耦合研究的重要工具之一,已被成功應(yīng)用于煤礦、航海、鐵路等領(lǐng)域[10-12]。社會網(wǎng)絡(luò)(social network analysis,SNA)則是1種經(jīng)典的系統(tǒng)建模方法,能定量描述系統(tǒng)內(nèi)部要素邏輯關(guān)系并確定關(guān)鍵因素[13]。

綜上所述,本文以我國國內(nèi)2016—2022年間158起城鎮(zhèn)燃氣管網(wǎng)施工事故調(diào)查報告為研究基礎(chǔ),首先采用N-K模型分析風(fēng)險耦合機理,測度耦合水平,探討關(guān)鍵風(fēng)險類型;然后通過SNA構(gòu)建風(fēng)險關(guān)聯(lián)網(wǎng)絡(luò),辨識關(guān)鍵風(fēng)險因素與風(fēng)險關(guān)系;最后提出風(fēng)險防控對策并檢測其干預(yù)效果。研究結(jié)果可為城鎮(zhèn)燃氣管網(wǎng)施工事故防控提供一定參考。

1 城鎮(zhèn)燃氣管網(wǎng)施工事故風(fēng)險耦合相關(guān)概念

1.1 城鎮(zhèn)燃氣管網(wǎng)施工事故風(fēng)險耦合因素

根據(jù)物理學(xué)領(lǐng)域?qū)︸詈系亩x,界定城鎮(zhèn)燃氣管網(wǎng)施工事故風(fēng)險耦合為:在城鎮(zhèn)燃氣管網(wǎng)施工事故中,不同風(fēng)險因素間相互依賴、聯(lián)系和影響的關(guān)系與程度?；诎踩到y(tǒng)工程理論,可將城鎮(zhèn)燃氣管網(wǎng)施工事故視作由“人”“機”“環(huán)”“管”4類風(fēng)險因素組成的復(fù)雜系統(tǒng),具體說明如下:

1)“人”的風(fēng)險因素

該類因素是事故系統(tǒng)中較活躍、積極的因素,其主體可分為燃氣企業(yè)從業(yè)人員和第三方單位人員,二者間存在密切聯(lián)系。

2)“機”的風(fēng)險因素

該類因素以管網(wǎng)系統(tǒng)為核心,以施工設(shè)備、安全防護裝置等附屬設(shè)備為補充,其主體既是事故載體,又是主要致因,并受其他風(fēng)險影響較大。

3)“環(huán)”的風(fēng)險因素

該類因素包括自然環(huán)境與社會環(huán)境,前者是指由管網(wǎng)敷設(shè)環(huán)境等自然條件不佳所引發(fā)的風(fēng)險,后者是指由管網(wǎng)系統(tǒng)周邊建筑違章占壓、車輛違章碾壓、第三方單位破壞等所造成的威脅。

4)“管”的風(fēng)險因素

該類因素主要指由政府部門、燃氣企業(yè)、第三方單位等管網(wǎng)系統(tǒng)的監(jiān)管和運營單位在安全管理方面的不到位所帶來的風(fēng)險。

1.2 城鎮(zhèn)燃氣管網(wǎng)施工事故風(fēng)險耦合機理

在城鎮(zhèn)燃氣管網(wǎng)施工事故中,“人”“機”“環(huán)”“管”4類風(fēng)險因素間的作用規(guī)律類似物理學(xué)微觀粒子非規(guī)則運動的混沌狀態(tài)。因此,本文借鑒物理學(xué)領(lǐng)域的耦合器原理,定義城鎮(zhèn)燃氣管網(wǎng)施工事故風(fēng)險耦合機理,如圖1所示。

圖1 城鎮(zhèn)燃氣管網(wǎng)施工事故風(fēng)險耦合機理Fig.1 Risk coupling mechanism of construction accidents in urban gas pipeline network

分析圖1可知,各類風(fēng)險可通過交互耦合,誘發(fā)系統(tǒng)內(nèi)部隱性問題,打破系統(tǒng)常規(guī)運行態(tài)勢,進而產(chǎn)生風(fēng)險脈沖,突破各子系統(tǒng)安全閾值與風(fēng)險載荷,最終破壞系統(tǒng)性能并引發(fā)事故。

2 城鎮(zhèn)燃氣管網(wǎng)施工事故風(fēng)險耦合分析

2.1 N-K模型概述

N-K模型如式(1)所示。

(1)

式中:T代表耦合水平,與事故概率成正比;a,b,c,d代表“人”“機”“環(huán)”“管”4類風(fēng)險中參與耦合的因素;H,I,J,K代表“人”“機”“環(huán)”“管”4類風(fēng)險因素;h,i,j,k分別代表“人”“機”“環(huán)”“管”4類風(fēng)險可能處于的狀態(tài);Phijk代表當(dāng)“人”“機”“環(huán)”“管”風(fēng)險分別處于h,i,j,k狀態(tài)時的耦合概率;Ph...代表當(dāng)“人”風(fēng)險處于h狀態(tài)時各類情況的耦合概率;P.i..代表當(dāng)“機”風(fēng)險處于i狀態(tài)時各類情況的耦合概率;P..j.代表當(dāng)“環(huán)”風(fēng)險處于j狀態(tài)時各類情況的耦合概率;P...k代表當(dāng)“管”風(fēng)險處于k狀態(tài)時各類情況的耦合概率。

2.2 風(fēng)險耦合類型分析

城鎮(zhèn)燃氣管網(wǎng)施工事故風(fēng)險耦合可劃分為單因素、雙因素、多因素耦合3類。其中,單因素耦合是指4類風(fēng)險因素內(nèi)部同屬性因素間交互影響;雙因素耦合是指城鎮(zhèn)燃氣管網(wǎng)施工事故的4類風(fēng)險因素兩兩耦合的情況,如式(2)～(7)所示;多因素耦合是指4類風(fēng)險因素中的3類或4類因素耦合作用的情況,如式(8)～(12)所示。

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

式中:T21(a,b),T22(a,c),T23(a,d),T24(b,c),T25(b,d),T26(c,d),T31(a,b,c),T32(a,b,d),T33(a,c,d),T34(b,c,d),T4(a,b,c,d)分別代表人-機、人-環(huán)、人-管、機-環(huán)、機-管、環(huán)-管、人-機-環(huán)、人-機-管、人-環(huán)-管、機-環(huán)-管、人-機-環(huán)-管的風(fēng)險耦合情況;Phi代表“人”“機”風(fēng)險因素分別處于h,i狀態(tài)時,2種因素的耦合概率;Phj代表“人”“環(huán)”風(fēng)險因素分別處于h,j狀態(tài)時,2種因素的耦合概率;Phk代表“人”“管”風(fēng)險因素分別處于h,k狀態(tài)時,2種因素的耦合概率;Pij代表“機”“環(huán)”風(fēng)險因素分別處于i,j狀態(tài)時,2種因素的耦合概率;Pik代表“機”“管”風(fēng)險因素分別處于i,k狀態(tài)時,2種因素的耦合概率;Pjk代表“環(huán)”“管”風(fēng)險因素分別處于j,k狀態(tài)時,2種因素的耦合概率;Phij代表“人”“機”“環(huán)”風(fēng)險因素分別處于h,i,j狀態(tài)時,3種因素的耦合概率;Phik代表“人”“機”“管”風(fēng)險因素分別處于h,i,k狀態(tài)時,3種因素的耦合概率;Phjk代表“人”“環(huán)”“管”風(fēng)險因素分別處于h,j,k狀態(tài)時,3種因素的耦合概率;Pijk代表“機”“環(huán)”“管”風(fēng)險因素分別處于i,j,k狀態(tài)時,3種因素的耦合概率;Phijk代表“人”“機”“環(huán)”“管”風(fēng)險因素分別處于h,i,j,k狀態(tài)時,4種因素的耦合概率。

2.3 風(fēng)險耦合水平測度

本文通過政府部門官網(wǎng)、“燃氣爆炸”微信公眾號和文獻[14],收集2016—2022年間我國國內(nèi)158起城鎮(zhèn)燃氣管網(wǎng)施工事故調(diào)查報告,分析事故的基本情況和主要原因,總結(jié)不同風(fēng)險耦合形式的頻數(shù)和頻率,結(jié)果如表1所示。表1中,“0”和“1”分別表示“未發(fā)生耦合”與“發(fā)生耦合”,參與耦合因素的對應(yīng)順序為“人”“機”“環(huán)”“管”。例如:“1100”代表“人”“機”風(fēng)險發(fā)生,而“環(huán)”“管”風(fēng)險不發(fā)生,其他情況同理。根據(jù)上文所述計算各類風(fēng)險耦合情況的發(fā)生概率,再通過式(2)～(12)計算不同事件的風(fēng)險耦合水平,結(jié)果如表2所示。

表1 城鎮(zhèn)燃氣管網(wǎng)施工事故風(fēng)險耦合形式頻數(shù)與頻率Table 1 Frequencies and probabilities of risk coupling forms for construction accidents in urban gas pipeline network

表2 風(fēng)險耦合水平分析結(jié)果Table 2 Analysis results of risk coupling level

2.4 風(fēng)險耦合測度結(jié)果分析

分析表2可知,風(fēng)險耦合水平從高到低的總排序為:T4(a,b,c,d)>T22(a,c)>T31(a,b,c)>T33(a,c,d)>T32(a,b,d)>T34(b,c,d)>T21(a,b)>T23(a,d)>T25(b,d)>T26(c,d)>T24(b,c)。其中,4因素耦合水平較高,其次為人-環(huán)耦合情況與3因素耦合情況;除人-環(huán)耦合外的其他雙因素耦合水平均偏低。因此,隨著參與耦合因素數(shù)量的增加,風(fēng)險耦合水平與事故發(fā)生概率也隨之提高;3因素耦合排序為:T31(a,b,c)>T33(a,c,d)>T32(a,b,d)>T34(b,c,d)。這說明人員風(fēng)險在城鎮(zhèn)燃氣管網(wǎng)施工事故中較為突出,環(huán)境風(fēng)險因素次之。管理風(fēng)險因素屬于隱性因素,其排序偏低;雙因素耦合排序為:T22(a,c)>T21(a,b)>T23(a,d)>T25(b,d)>T26(c,d)>T24(b,c)。其中,人-環(huán)耦合情況在總排序中排列第2位,進一步說明人員與環(huán)境風(fēng)險因素的作用較為顯著,二者耦合更容易引發(fā)事故,應(yīng)予以重點管控。

2.5 風(fēng)險耦合防控對策分析

1)各主體在風(fēng)險耦合前應(yīng)基于“慣性解耦”原理,遏制管理風(fēng)險與外部風(fēng)險交互,避免因風(fēng)險耦合導(dǎo)致新風(fēng)險涌現(xiàn)或原風(fēng)險強度增加。耦合中應(yīng)基于“彈性解耦”原理,加強對“人”“機”“環(huán)”等風(fēng)險載體的管控,及時阻斷其風(fēng)險流動與耦合;耦合后應(yīng)基于“激勵解耦”原理,提高管控韌性,并及時引導(dǎo)風(fēng)險轉(zhuǎn)移。

2)應(yīng)重點管控“人”“環(huán)”2類風(fēng)險因素。人員風(fēng)險因素方面,應(yīng)通過完善安全管理制度和加強安全培訓(xùn)教育,提高安全意識和安全能力,避免違規(guī)作業(yè)、違規(guī)指揮、違反程序等情況發(fā)生;環(huán)境風(fēng)險因素方面,應(yīng)通過加強管網(wǎng)巡檢、維護和外部協(xié)作,降低不良環(huán)境與第三方破壞等負面影響。

3 城鎮(zhèn)燃氣管網(wǎng)施工事故關(guān)鍵風(fēng)險因素分析

3.1 風(fēng)險關(guān)聯(lián)網(wǎng)絡(luò)構(gòu)建

N-K模型能準確度量城鎮(zhèn)燃氣管網(wǎng)施工事故的風(fēng)險耦合水平,但該方法僅能指明關(guān)鍵風(fēng)險類型,難以反映具體因素的性質(zhì)。因此,本文采用SNA方法構(gòu)建城鎮(zhèn)燃氣管網(wǎng)施工事故風(fēng)險關(guān)聯(lián)網(wǎng)絡(luò),并通過拓撲參數(shù)分析辨識關(guān)鍵風(fēng)險因素與風(fēng)險關(guān)系[15]。主要步驟為:首先,基于158份事故調(diào)查報告,按照“人”“機”“環(huán)”“管”4類風(fēng)險因素維度,通過扎根理論思想辨識出30項細分風(fēng)險因素,如圖2所示;其次,結(jié)合事故實際情況,辨識風(fēng)險因素間邏輯關(guān)系;最后,通過Ucinet實現(xiàn)風(fēng)險網(wǎng)絡(luò)可視化,如圖3所示。

圖2 城鎮(zhèn)燃氣管網(wǎng)施工事故風(fēng)險因素Fig.2 Risk factors of construction accidents in urban gas pipeline network

3.2 風(fēng)險網(wǎng)絡(luò)整體性質(zhì)分析

1)網(wǎng)絡(luò)密度

根據(jù)上文分析,得到本文風(fēng)險網(wǎng)絡(luò)的網(wǎng)絡(luò)密度為0.207,說明網(wǎng)絡(luò)內(nèi)部要素聯(lián)系緊密,網(wǎng)絡(luò)結(jié)構(gòu)穩(wěn)定,整體凝聚水平較高。

2)塊模型

塊模型能夠度量節(jié)點在網(wǎng)絡(luò)內(nèi)部的相對位置。首先計算分塊矩陣和密度矩陣,再以整體網(wǎng)絡(luò)密度為指標(biāo)計算像矩陣。塊模型組成結(jié)構(gòu)和塊模型像矩陣分別如表3和表4所示。

表3 塊模型組成結(jié)構(gòu)Table 3 Composition structure of block model

表4 塊模型像矩陣Table 4 Image matrix of block model

分析表4可知,塊2,3既有發(fā)出關(guān)系,也有接收關(guān)系,還有內(nèi)部關(guān)系;塊8擁有較強的發(fā)出關(guān)系,一定程度上能夠影響塊3,4,6,7,且在擁有內(nèi)部關(guān)系的同時沒有接收關(guān)系,不受其他塊影響。因此,將塊2,3,8視作核心塊。

3.3 風(fēng)險網(wǎng)絡(luò)個體性質(zhì)分析

1)點度中心度分析

點度中心度被定義為與某個因素直接相連的邊的數(shù)量,其排序能夠反映節(jié)點在網(wǎng)絡(luò)中的地位。有向網(wǎng)絡(luò)的點度中心度為出度與入度之和,出度能夠反映某因素對其他因素和整體網(wǎng)絡(luò)的影響力,入度能夠反映某因素受其他因素的影響程度。點度中心度分析結(jié)果如圖4所示。分析圖4可知,在所有因素中,出度的排序為:D9(出度為14,下同)>D1(12)=D4(12)=D8(12)>D5(11)>D10(11)>D11(10)>C5(9)=D2(9)=D3(9)。上述細分因素大多屬于“管”類風(fēng)險,說明相關(guān)政府和企業(yè)安全生產(chǎn)主體責(zé)任落實缺欠、安全管理制度執(zhí)行不力等是事故的深層組織致因,可將上述10項因素視作“推薦關(guān)鍵風(fēng)險因素”;入度最高從高到低的排序是B4,A1,A5,A2,B5,C5,A3,A4,A6,D2,上述細分因素大多屬于“人”“機”類風(fēng)險,主要體現(xiàn)為相關(guān)事故的直接原因或外在表現(xiàn),通常是環(huán)境與管理風(fēng)險負面干擾的結(jié)果。

圖4 點度中心度分析結(jié)果Fig.4 Analysis results of points centrality

2)中間中心度分析

中間中心度能夠反映某因素的風(fēng)險傳導(dǎo)能力,本文風(fēng)險網(wǎng)絡(luò)中間中心勢為4.55%,各節(jié)點中間中心度分析結(jié)果如表5所示。分析表5可知,中間中心度從高到低的排序是B5,C5,B6,D10,D1,D3,D11,C3,D2,D5,上述細分因素主要屬于“機”“環(huán)”“管”類風(fēng)險,同樣將其視作“推薦關(guān)鍵風(fēng)險因素”。

表5 中間中心度分析結(jié)果Table 5 Analysis results of betweenness centrality

3.4 關(guān)鍵風(fēng)險因素分析

將出度和中間中心度排序前10位的“推薦關(guān)鍵風(fēng)險因素”取并集,得到13項“推薦核心關(guān)鍵風(fēng)險因素”;再將其與屬于核心塊的風(fēng)險因素取交集,共得到5項關(guān)鍵風(fēng)險因素,分別為B6,C5,D2,D3,D10。

從N-K模型測度結(jié)果來看,“人”“環(huán)”風(fēng)險因素參與耦合的積極性更強,“管”的風(fēng)險較弱,但這并不代表其重要程度偏低。相反,中間中心度排序前10位的因素中,管理風(fēng)險占大多數(shù)。主要原因在于“人”“機”“環(huán)”風(fēng)險因素屬于淺層顯性直接致因,而“管”的風(fēng)險因素屬于深層隱性根源致因。上述分析也解釋了N-K模型與SNA分析結(jié)果間差異的成因。

3.5 關(guān)鍵風(fēng)險關(guān)系分析

通過線中間中心度辨識關(guān)鍵風(fēng)險關(guān)系。風(fēng)險關(guān)系共900項,遴選線中間中心度大于0者,共180項;再選取從高到低排序的前10%者(共18項)視作“推薦關(guān)鍵風(fēng)險關(guān)系”。剔除涉及關(guān)鍵風(fēng)險因素的風(fēng)險關(guān)系后,得到關(guān)鍵風(fēng)險關(guān)系共6項,如表6所示。

表6 關(guān)鍵風(fēng)險關(guān)系分析結(jié)果Table 6 Analysis results of key risk relationships

3.6 風(fēng)險防控對策分析

基于消除關(guān)鍵風(fēng)險因素和阻斷關(guān)鍵風(fēng)險關(guān)系的思想,制訂如表7所示的風(fēng)險防控對策。通過風(fēng)險因素和風(fēng)險關(guān)系的數(shù)量、網(wǎng)絡(luò)密度、中間中心勢等參數(shù)檢測風(fēng)險防控效果[15]。在風(fēng)險防控對策實施后,風(fēng)險因素由30個減少至25個,降低約16.67%;風(fēng)險關(guān)系由180個減少至98個,降低約45.56%;網(wǎng)絡(luò)密度從0.207降低至0.163,降低約21.26%;中間中心勢從4.55%降低至3.40%,降低約25.28%。這說明風(fēng)險在一定程度上得到了有效控制。

表7 城鎮(zhèn)燃氣管網(wǎng)施工事故風(fēng)險防控對策Table 7 Risk prevention and control countermeasures of construction accidents in urban gas pipeline network

4 結(jié)論

1)城鎮(zhèn)燃氣管網(wǎng)施工事故的風(fēng)險耦合水平與參與耦合因素的數(shù)量成正比,應(yīng)避免多風(fēng)險因素耦合;事故與人員和環(huán)境風(fēng)險聯(lián)系密切,管理風(fēng)險因素屬于深層隱性根源致因,應(yīng)予以特別重視。

2)對城鎮(zhèn)燃氣管網(wǎng)施工事故的關(guān)鍵風(fēng)險因素和風(fēng)險關(guān)系實施靶向干預(yù),可使風(fēng)險因素與風(fēng)險關(guān)系數(shù)量、網(wǎng)絡(luò)密度和中間中心勢等指標(biāo)下降?；谙P(guān)鍵風(fēng)險因素和阻斷關(guān)鍵風(fēng)險關(guān)系思想制訂的風(fēng)險防控對策具有良好的治理效果。

3)本文所用數(shù)據(jù)源自2016—2022年間,后續(xù)研究應(yīng)通過對案例樣本和數(shù)據(jù)規(guī)模的擴充提高結(jié)論的準確性。此外,既有研究在事故防控方面?zhèn)戎赜趶膯我恢黧w視角出發(fā)制定對策,因此有必要對城鎮(zhèn)燃氣管網(wǎng)的風(fēng)險協(xié)同治理模式進行更深一步探討。