基于復(fù)雜網(wǎng)絡(luò)的建筑工人不安全行為強關(guān)聯(lián)機理研究

摘要：建筑工人不安全行為是造成建筑事故的主要原因。為揭示建筑工人不安全行為的關(guān)聯(lián)性及其對事故本身的影響，首先，基于復(fù)雜網(wǎng)絡(luò)理論對建筑工人不安全行為進行建模和分析，得出網(wǎng)絡(luò)具備小世界和無標(biāo)度的屬性，表示關(guān)鍵樞紐節(jié)點對事故的發(fā)生起決定性作用；其次，基于對網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的分析，確定不同指標(biāo)下行為的重要性排名，并通過對比分析不同類型事故，提出針對性事故預(yù)防建議；最后，基于節(jié)點失效模擬分析網(wǎng)絡(luò)的魯棒性，提出不同預(yù)算限制下的安全防控策略。

關(guān)鍵詞：施工現(xiàn)場事故；建筑工人；不安全行為；復(fù)雜網(wǎng)絡(luò)

0引言

建筑施工具有環(huán)境復(fù)雜性、作業(yè)程序非標(biāo)準(zhǔn)化的特點，因此，建筑業(yè)一直都是事故易發(fā)的高危險行業(yè)之一[1]。盡管國家和地方政府已采取一系列風(fēng)險管理措施[2]，但建筑傷亡事故仍時常發(fā)生。因此，探索加強建筑業(yè)安全管理的有效方案成為當(dāng)前研究的重要課題。

大量研究結(jié)果證明，建筑工人不安全行為是造成建筑安全事故的最主要因素[3]。為了降低事故的發(fā)生率，建筑行業(yè)一直在探索建筑工人不安全行為管理策略的改善方法。例如，為揭示建筑工人安全態(tài)度與行為的交互機制，Shin等[4]基于系統(tǒng)動力學(xué)理論構(gòu)建了一種心理過程模型。Yu等[5]提出了一種基于圖像識別實時姿態(tài)的方法確認(rèn)建筑工人的運動行為，通過前兆不安全行為對建筑工人的危險動作進行實時監(jiān)控與提醒。Ding等[6]基于卷積神經(jīng)網(wǎng)絡(luò)和長短期記憶法開發(fā)了一種混合深度學(xué)習(xí)模型，以實現(xiàn)不安全行為的自動識別。Mohajeri等[7]通過研究展示了人為因素干預(yù)措施對減少建筑工人不安全行為的積極作用。

盡管當(dāng)前針對建筑工人不安全行為的影響因素、形成機制和預(yù)防控制等方面的研究已經(jīng)取得了重要進展，但對于不安全行為間的耦合和相互作用關(guān)系的研究仍然較少。已有研究表明，建筑工人不安全行為具有時間序列特性[8]，存在周期性、趨勢性的時間模式。因此，間接的因果聯(lián)系可以直觀地表示不安全行為間的相關(guān)性[9]?；谶@一事實，不安全行為間的相互耦合最終導(dǎo)致建筑工人行為管理中的固有弱點[10]。因此，為避免行為間的級聯(lián)脆弱性而導(dǎo)致的對安全風(fēng)險的低估，必須從全局視角探索其內(nèi)部演化邏輯。

當(dāng)前，復(fù)雜網(wǎng)絡(luò)理論已被證明在分析復(fù)雜系統(tǒng)各因素間的耦合關(guān)系時具有優(yōu)勢[11]，因此，該理論在事故分析中具有廣闊的應(yīng)用前景。例如，Zhou等[12]基于復(fù)雜網(wǎng)絡(luò)理論，研究了地鐵施工未遂事故的發(fā)生機制。Li等[13]提出了基于復(fù)雜網(wǎng)絡(luò)的鐵路事故安全監(jiān)測模型，量化了事故成因。Tong等[14]結(jié)合復(fù)雜網(wǎng)絡(luò)理論和關(guān)聯(lián)規(guī)則構(gòu)建了公路施工事故因果模型，以可視化方式展示了公路施工事故的發(fā)生機制。申建紅等[15]基于復(fù)雜網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)識別出斜拉橋主梁施工過程中的關(guān)鍵風(fēng)險因素，提高了施工的安全性。

綜上，不難發(fā)現(xiàn)，以往研究主要集中在特定的施工環(huán)境，如電氣事故、地鐵或城鐵事故、公路事故等。然而，施工現(xiàn)場的安全風(fēng)險復(fù)雜多變，即使在相同的施工環(huán)境下，不同的施工作業(yè)類型（如高處作業(yè)、起重作業(yè)、土方基坑作業(yè)等）的事故發(fā)生原因也并不相同。因此，對建筑工人不安全行為的評估不應(yīng)局限于特定的建筑施工環(huán)境，而應(yīng)基于各作業(yè)類型中建筑工人的不安全行為進行建模和分析。

基于以上原因，本研究運用復(fù)雜網(wǎng)絡(luò)理論，以事故調(diào)查報告為研究對象，對建筑工人不安全行為進行建模并應(yīng)用網(wǎng)絡(luò)拓?fù)渲笜?biāo)厘清不安全行為間的耦合關(guān)系。

1基于事故調(diào)查報告的建筑工人不安全行為網(wǎng)絡(luò)（UBCW）模型構(gòu)建

Duhadway等[16]根據(jù)不安全行為的時間順序提出了行為風(fēng)險鏈的概念。本研究從各類事故調(diào)查報告中直接提取不安全行為，建立不安全行為鏈?；诂F(xiàn)有研究，結(jié)合《建筑施工高處作業(yè)安全技術(shù)規(guī)范》（JGJ 80—2016）、《建筑施工起重吊裝工程安全技術(shù)規(guī)范》（JGJ 276—2012）等行業(yè)標(biāo)準(zhǔn)，對不安全行為的判定標(biāo)準(zhǔn)進行修訂，最終確定了75項不安全行為。

根據(jù)不安全行為的發(fā)生順序，可以將其劃分為“施工前行為、施工中行為和施工后行為”三個狀態(tài)。不安全行為鏈提取示例見表1。例如，“1001”就是典型的施工前行為。在構(gòu)建不安全行為鏈的過程中，根據(jù)行為屬性確定其在不安全行為鏈中的位置。對于同屬于一種狀態(tài)的行為，根據(jù)其從屬關(guān)系確定先后順序。例如，“1002”顯然是包含“1001”的，前者要素更全面，導(dǎo)致事故發(fā)生的概率更高，因此，將1002置于1001之前。

在提取完不安全行為鏈后，將其中的各節(jié)點對進行拆分。同時，根據(jù)Zhou等[17]提出的加權(quán)事故因果網(wǎng)絡(luò)的建模方法，將節(jié)點對出現(xiàn)的頻率確定為邊的權(quán)重。三個案例的不安全行為鏈?zhǔn)纠姳?。拆分節(jié)點對后，通過不安全行為鄰接矩陣構(gòu)建網(wǎng)絡(luò)模型示意圖，如圖1所示。

2案例研究

2.1建筑工人不安全行為網(wǎng)絡(luò)構(gòu)建

事故調(diào)查報告詳細(xì)描述了事故的發(fā)生經(jīng)過、原因、責(zé)任認(rèn)定及相關(guān)處理建議。本研究以各省市建筑事故調(diào)查報告為研究對象，在剔除不由工人不安全行為造成和只有一種不安全行為而無法構(gòu)成行為鏈的事故報告后，最終篩選出501份事故案例。報告來源于各省市應(yīng)急管理部門和政府門戶網(wǎng)站，事故類型分布如圖2所示。為確保分析的可靠性，事故發(fā)生地點覆蓋全國31個省市自治區(qū)，時間范圍為2018—2022年。

2.2建筑工人不安全行為網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)分析

2.2.1不安全行為網(wǎng)絡(luò)的主要指標(biāo)特征

不安全行為網(wǎng)絡(luò)的主要指標(biāo)特征見表3。

不安全行為網(wǎng)絡(luò)的節(jié)點和邊的數(shù)量反映了網(wǎng)絡(luò)的規(guī)模?？傮w而言，不安全行為網(wǎng)絡(luò)的規(guī)模隨著事故發(fā)生頻率的降低而逐漸減小。例如，高處墜落事故發(fā)生頻率最高，因此該不安全行為網(wǎng)絡(luò)具有最多的節(jié)點和邊。較大規(guī)模的網(wǎng)絡(luò)意味著更為復(fù)雜的因素傳播特征，因此，相較于偶發(fā)事故，頻發(fā)事故的安全管理難度更為嚴(yán)峻。

密度可以揭示不同節(jié)點之間的連接密度，表明不安全行為之間的相互關(guān)聯(lián)程度。在各子網(wǎng)絡(luò)中，密度最大的是坍塌事故。與其他類型事故相比，坍塌事故中的不安全行為存在著更為密集的關(guān)聯(lián)。有研究表明，現(xiàn)場環(huán)境對坍塌事故的發(fā)生具有顯著的正向影響作用[18]。相對于其他事故類型，坍塌事故的發(fā)生范圍覆蓋整個施工現(xiàn)場，涉及多個工作區(qū)域和結(jié)構(gòu)部件之間的關(guān)聯(lián)。

平均最短路徑長度是評估網(wǎng)絡(luò)中信息傳播速度和范圍的重要指標(biāo)。在不安全行為網(wǎng)絡(luò)中，平均最短路徑長度越小，說明不安全行為造成的影響在網(wǎng)絡(luò)中的傳播速度越快。根據(jù)表3可知，所有網(wǎng)絡(luò)的平均最短路徑長度均小于3，即一個不安全行為平均通過不到3步就可以連接到其他不安全行為，表明不安全行為之間的聯(lián)系較為緊密，極易導(dǎo)致大規(guī)模的安全事件。例如，在不安全行為鏈“1101→0906→0801”中，“1101（施工前未進行安全交底或培訓(xùn)即上崗）”和“0801（無外力摔倒）”看似沒有關(guān)聯(lián)，卻能夠通過“0906（未按要求準(zhǔn)備個人防護設(shè)備）”進行風(fēng)險的傳遞。

直徑表示網(wǎng)絡(luò)中任意兩個節(jié)點之間最短路徑的最大長度。值得注意的是，物體打擊事故具有最小的直徑和平均最短路徑長度，但其網(wǎng)絡(luò)規(guī)模并非最小。這與Chen等[19]的研究結(jié)果存在差異，后者提出不同子網(wǎng)絡(luò)的平均最短路徑長度和直徑將隨著網(wǎng)絡(luò)規(guī)模的減小而降低。這種現(xiàn)象可能是物體打擊事故涉及材料或工具的掉落、碰撞等情況，直接導(dǎo)致不安全行為間的傳播更加迅速。

聚類系數(shù)表明節(jié)點周圍的不安全行為是否形成簇，是否存在高度連通的子群。在各子網(wǎng)絡(luò)中，高處墜落事故的聚類系數(shù)最大，這是由于高處作業(yè)往往涉及相似的工作流程和操作模式。例如，上崗前未接受安全技術(shù)交底或培訓(xùn)、未佩戴個人防護用品、未牢固固定工件等都是導(dǎo)致高處墜落事故的常見不安全行為。因此，高處作業(yè)的安全防控需要考慮相關(guān)不安全行為的協(xié)同控制。

對于整體不安全行為網(wǎng)絡(luò)而言，其密度較高，意味著相較于各子網(wǎng)絡(luò)，整體不安全行為網(wǎng)絡(luò)間存在著更為密切的聯(lián)系和相互作用，不安全行為網(wǎng)絡(luò)中的信息能夠迅速在群體中傳播。整體網(wǎng)絡(luò)的平均最短路徑長度為2.541，直徑為6，聚類系數(shù)為0.315。生成100個與其規(guī)模相同的隨機網(wǎng)絡(luò)，求得隨機網(wǎng)絡(luò)的平均最短路徑長度和聚類系數(shù)分別是2.677和0.090 2。相較于隨機網(wǎng)絡(luò)，整體網(wǎng)絡(luò)具有更小的平均最短路徑長度及更大的聚類系數(shù)。因此，整體網(wǎng)絡(luò)具有Watts等[20]提出的小世界網(wǎng)絡(luò)的特性。傳統(tǒng)的風(fēng)險管理方法通常將防控重心集中于獨立的風(fēng)險因素，從而忽視了不安全行為間的相互影響。但由于整體網(wǎng)絡(luò)的小世界網(wǎng)絡(luò)屬性，僅僅關(guān)注特定類型的不安全行為無法有效控制網(wǎng)絡(luò)的風(fēng)險。因此，為了更好地應(yīng)對不安全行為的集聚效應(yīng)，需要制訂針對性的控制策略和培訓(xùn)計劃。

2.2.2不安全行為網(wǎng)絡(luò)的截斷冪律分布特征

因為不安全行為網(wǎng)絡(luò)規(guī)模較小，所以度值增加并不連續(xù)，且度分布的尾部缺乏足夠的統(tǒng)計信息。為了驗證建筑工人不安全行為網(wǎng)絡(luò)是否具有無標(biāo)度特性，本研究計算了各網(wǎng)絡(luò)的累積度分布，如圖4所示。

在實際應(yīng)用中，單一分布函數(shù)往往難以充分?jǐn)M合或準(zhǔn)確預(yù)測度分布的規(guī)律。因此，需要采用一種常見的混合分布，即帶有指數(shù)截斷的冪律分布進行擬合。根據(jù)圖4的結(jié)果，各類事故類型的不安全行為網(wǎng)絡(luò)都呈現(xiàn)出形如P（xgt;k）～k－γexp－kkx指數(shù)截斷的冪律分布，表明各類事故網(wǎng)絡(luò)均具備無標(biāo)度的網(wǎng)絡(luò)屬性，這揭示了在各類事故中存在著一些關(guān)鍵的不安全行為，它們對事故的發(fā)生起決定性作用，而其他行為對事故的發(fā)生影響程度相對較低。因此，對關(guān)鍵不安全行為的準(zhǔn)確定位和有效控制對于提升事故預(yù)防效果具有重要意義。

2.2.3節(jié)點的度與強度

在不安全行為網(wǎng)絡(luò)中，節(jié)點的度表示不安全行為與其他行為的關(guān)聯(lián)程度；節(jié)點的出度表示不安全行為對其他行為的影響程度；節(jié)點的入度表示其他行為對不安全行為的影響。對于加權(quán)網(wǎng)絡(luò)，節(jié)點的度需要考慮邊權(quán)。加權(quán)度、加權(quán)出度、加權(quán)入度也可以分別稱為強度、出強度、入強度。網(wǎng)絡(luò)節(jié)點的度與強度排名見表4。

由表4可知，高處墜落事故中，“未佩戴安全帶（0904）”是度值最高的節(jié)點，其他事故類型度值最高的節(jié)點為“施工前未進行安全交底或培訓(xùn)即上崗（1101）”。原因是高處墜落事故主要發(fā)生在高處作業(yè)任務(wù)中，這類任務(wù)本身具有較高的墜落安全風(fēng)險，而未佩戴安全帶是導(dǎo)致建筑工人受傷或死亡的直接原因。其他事故類型涉及的因素則更為復(fù)雜，包括土方結(jié)構(gòu)穩(wěn)定性、材料存放和起重設(shè)備操作等。因此，缺乏施工前的安全交底和培訓(xùn)極易導(dǎo)致建筑工人不熟悉潛在隱患，從而增加了事故發(fā)生的概率。值得注意的是，具有最高度值的節(jié)點也具有最高強度值。這表明高度值節(jié)點不僅在數(shù)量上占優(yōu)勢，而且其連接也具有更高重要性，進一步凸顯了上述不安全行為在網(wǎng)絡(luò)中的關(guān)鍵地位。

高處墜落事故中，出度最大的節(jié)點是“不具有特種作業(yè)從業(yè)資格（1102）”，值為25。同時，該節(jié)點的度值也為25，表明該節(jié)點在網(wǎng)絡(luò)中具有最重要的指向性，是典型的“影響型因素”，極易引發(fā)后續(xù)的不安全行為。因此，為了降低墜落事故的發(fā)生率，必須嚴(yán)格禁止未取得特種作業(yè)從業(yè)資格的人員上崗作業(yè)。除高處墜落事故，其他類型及整體網(wǎng)絡(luò)中，出度最大的節(jié)點與度最大的節(jié)點一致，均為“施工前未進行安全交底或培訓(xùn)即上崗（1101）”，表明應(yīng)對施工前安全交底和培訓(xùn)引起重視[21]。安全管理人員應(yīng)采取更加嚴(yán)格和針對性的管控措施，確保所有人員崗前接受充分的安全技能培訓(xùn)。

在高處墜落事故中，入度和入強度最大的節(jié)點都是“未佩戴安全帶（0904）”。而在坍塌、起重傷害和物體打擊事故中，入度的最大節(jié)點分別是“基坑、溝槽未及時支護（1006）”“施工平臺、腳手架、支架或模板的超載使用（0110）”和“未辨識現(xiàn)場危險因素（0405）”。對于坍塌事故而言，過去的研究也表明，坍塌通常與基坑和溝槽的支護不力有關(guān)[22]?；雍蜏喜凼鞘┕がF(xiàn)場常見的結(jié)構(gòu)元素，如果沒有適時采取支護措施，將對土方的結(jié)構(gòu)穩(wěn)定性構(gòu)成嚴(yán)重威脅。起重作業(yè)中，起重臂的超載使用往往是引發(fā)起重傷害的直接因素[23]。管理人員和工人應(yīng)確保起重機械負(fù)荷不超過設(shè)計和承載能力，包括定期檢查和維護設(shè)備，使用適當(dāng)?shù)闹尾牧虾驮O(shè)備等。同時，提供適當(dāng)?shù)呐嘤?xùn)和指導(dǎo)，讓所有工作人員了解超載使用的風(fēng)險。物體打擊事故中，未辨識的危險因素如材料堆放不當(dāng)、未固定的工件等，對工人安全構(gòu)成嚴(yán)重威脅。

3安全防控策略

以上研究尚未完全揭示不同指標(biāo)下排名靠前的不安全行為對網(wǎng)絡(luò)連通性的影響是否具有一致性。事實上，管理者在進行安全防控時需要關(guān)注不同的行為，并針對性選擇安全防控策略。例如，當(dāng)管理者對發(fā)生頻率較高且容易引發(fā)其他不安全行為的樞紐節(jié)點感興趣時，應(yīng)重點關(guān)注度值較高的不安全行為；而如果管理者對具有顯著影響力和傳遞能力的節(jié)點更感興趣時，則應(yīng)關(guān)注介數(shù)更大的不安全行為。在此背景下，本研究采用與許波桅等[24]相似的方法，模擬節(jié)點失效對網(wǎng)絡(luò)魯棒性的影響。

節(jié)點攻擊模擬了現(xiàn)實中通過防控相應(yīng)的不安全行為來減少事故發(fā)生的過程。通過連續(xù)攻擊具有最高指標(biāo)度量值的不安全行為，更新網(wǎng)絡(luò)的最大強連通分量的相對大小來衡量網(wǎng)絡(luò)的魯棒性和脆弱性。為了清晰地表示節(jié)點失效過程，本文使用最大強連通分量的相對大小來表示被攻擊消除的不安全行為的比例，失效的節(jié)點比例記為f。當(dāng)節(jié)點被攻擊后，它會立即消失，同時與其相連的所有邊失效；只有當(dāng)指向一個節(jié)點的所有邊都失效時，該節(jié)點才會失效，然后重復(fù)整個過程直至達(dá)到穩(wěn)定狀態(tài)。本文節(jié)點攻擊策略包括度、強度、介數(shù)、加權(quán)介數(shù)和隨機移除五大類。對于隨機節(jié)點攻擊，每個節(jié)點被攻擊的概率相同，需要按照指定概率順序隨機攻擊網(wǎng)絡(luò)中的節(jié)點。為確保結(jié)果的可靠性，本文將攻擊過程重復(fù)1000次并取平均。不同攻擊策略下網(wǎng)絡(luò)魯棒性的動態(tài)變化如圖5所示。

圖5a顯示，在5種攻擊策略中，最大強連通分量的相對大小均能夠隨著失效的節(jié)點比例f的增大而減小。圖5b和5c為對結(jié)果的補充分析，展示了平均最短路徑長度和密度隨f的變化情況。隨機攻擊策略顯示，f和最大強連通分量的相對大小近似擬合方程y=-1.1x+0.83。同時，與其他4種攻擊策略相比，隨機攻擊的效率最低。

除了隨機攻擊策略，在f=0.12之前，4種策略對最大強連通分量的影響并沒有顯著差異。然而，在f=0.12之后，攻擊效果開始分化。值得注意的是，按強度攻擊的策略效果最差。相比之下，按介數(shù)和加權(quán)介數(shù)攻擊的策略對最大強連通分量的相對大小影響更為明顯，甚至在加權(quán)介數(shù)策略下，刪除占比約為0.235的節(jié)點網(wǎng)絡(luò)即完全崩潰。這是因為該策略刪除了兩個節(jié)點之間的中轉(zhuǎn)節(jié)點，從而將網(wǎng)絡(luò)分割成幾個孤立的社區(qū)。通過圖5b可以觀察到，基于介數(shù)和加權(quán)介數(shù)的攻擊策略對平均最短路徑長度的影響更明顯。因為基于度和強度的攻擊策略主要是刪除網(wǎng)絡(luò)中的Hub節(jié)點。盡管Hub節(jié)點的消失會在一定程度上導(dǎo)致平均最短路徑長度的增加，但直接刪除節(jié)點間的橋梁節(jié)點能更迅速地使網(wǎng)絡(luò)平均最短路徑長度的增加。較大的平均最短路徑長度意味著需要更多的不安全行為累積才能最終引發(fā)事故。圖5c也顯示，相對于其他兩種策略，介數(shù)和加權(quán)介數(shù)策略對密度的影響較小，進一步說明這兩種策略主要是通過破壞社區(qū)之間的橋梁節(jié)點來影響網(wǎng)絡(luò)的連通性的。

綜合而言，按介數(shù)和加權(quán)介數(shù)進行節(jié)點攻擊的策略更為合理，但根據(jù)實際的安全管理需求和預(yù)算限制，可以有不同選擇。在嚴(yán)格預(yù)算限制下，采用任何一種防控策略都能有效降低隨機防控導(dǎo)致的不確定性；而在預(yù)算充裕的情況下，盡可能地按照加權(quán)介數(shù)攻擊策略進行安全防控能更合理、有效地提高防控水平。

4結(jié)語

通過引入不安全行為鏈這一概念，本研究對501份事故調(diào)查報告進行提取分析，從而構(gòu)建了建筑工人不安全行為網(wǎng)絡(luò)及4種事故類型分網(wǎng)絡(luò)。研究發(fā)現(xiàn)，各網(wǎng)絡(luò)度分布均擬合截斷冪律分布，說明關(guān)鍵樞紐節(jié)點對網(wǎng)絡(luò)的連通性影響顯著。同時，通過對各網(wǎng)絡(luò)的主要拓?fù)渲笜?biāo)進行分析，針對性提出安全管理建議。此外，本研究分析了網(wǎng)絡(luò)度、強度等指標(biāo)下不安全行為的重要性和影響力，通過節(jié)點失效策略揭示了網(wǎng)絡(luò)的魯棒性，并發(fā)現(xiàn)基于介數(shù)和加權(quán)介數(shù)的攻擊策略對網(wǎng)絡(luò)的連通性能產(chǎn)生更為顯著的影響。本研究為建筑工人不安全行為的有效管控提供了理論指導(dǎo)，有助于提高建筑現(xiàn)場的安全性。后續(xù)可以通過擴大數(shù)據(jù)樣本和研究范圍，以及評估不同防控策略的實施效果和成本效益，進一步深化研究。

參考文獻

[1]郭中華，姜卉，尤完.建筑施工安全生產(chǎn)監(jiān)管模式的事故作用機理及有效性評價[J].公共管理學(xué)報，2021，18（4）：63-77.

[2]ZHAO X，WU P，WANG X.Risk paths in BIM adoption：empirical study of China[J].Engineering Construction amp; Architectural Management，2018，25（9）：1170-1187.

[3]鄭圣鏗，李曉娟，鄧俊希.基于SEM的建筑工人心理壓力，情緒對不安全行為影響研究[J].項目管理技術(shù)，2023，21（7）：41-48.

[4]SHIN M，LEE H，PARK M，et al.A system dynamics approach for modeling construction workers safety attitudes and behaviors[J].Accident Analysis amp; Prevention，2014，68（7）：95-105.

[5]YU Y，GUO H，DING Q，et al.An experimental study of real-time identification of construction workers unsafe behaviors[J]. Automation in Construction，2017（82）：193-206.

[6]DING L，F(xiàn)ANG W，LUO H，et al.A deep hybrid learning model to detect unsafe behavior：integrating convolution neural networks and long short-term memory[J].Automation in Construction，2018（86）：118-124.

[7]MOHAJERI M，ARDESHIR A，MALEKITABAR H.Diagnostic intervention program based on construction workers internal factors for persistent reduction of unsafe behavior[J]. Engineering，Construction and Architectural Management，2023，30（2）：478-495.

[8]ZHOU Y，LI C，DING L，et al.Combining Association rules mining with complex networks to monitor coupled risks[J]. Reliability Engineering amp; System Safety，2019，186（6）：194-208.

[9]李乃文，劉孟瀟，牛莉霞.礦工工作壓力，心智游移與不安全行為的關(guān)系[J].中國安全生產(chǎn)科學(xué)技術(shù)，2018，14（10）：170-174.

[10]YUXIN W，GUI F，QIAN L，et al.Modelling and analysis of unsafe acts in coal mine gas explosion accidents based on network theory[J]. Process Safety and Environmental Protection，2023（170）： 28-44.

[11]ZHAN XX，LIU C，ZHOU G，et al.Coupling dynamics of epidemic spreading and information diffusion on complex networks[J].Applied Mathematics and Computation，2018（332）：437-448.

[12]ZHOU C，DING L，SKIBNIEWSKI M，et al.Characterizing time series of near-miss accidents in metro construction via complex network theory[J].Safety Science，2017（98）：145-158.

[13]LI K，WANG S.A network accident causation model for monitoring railway safety[J].Safety Science，2018（109）：398-402.

[14]TONG R，ZHAO H，ZHANG N，et al.Modified accident causation model for highway construction accidents （ACM-HC）[J].Engineering，Construction and Architectural Management，2021，28（9）：2592-2609.

[15]申建紅，張靜.基于復(fù)雜網(wǎng)絡(luò)和免疫策略的斜拉橋主梁施工安全風(fēng)險耦合分析[J].安全與環(huán)境學(xué)報，2024，24（2）：450-460.

[16]DUHADWAY S，CARNOVALE S，KANNAN V R. Organizational communication and individual behavior：implications for supply chain risk management[J].Journal of Supply Chain Management，2018，54（4）：3-19.

[17]ZHOU J，XU W，GUO X，et al.A method for modeling and analysis of directed weighted accident causation network（DWACN）[J].Physica A：Statistical Mechanics and its Applications，2015（437）：263-277.

[18]SHAO L，GUO S，DONG Y，et al.Cause analysis of construction collapse accidents using association rule mining[J]. Engineering， Construction and Architectural Management，2023，30（9）：4120-4142.

[19]CHEN F，LEI S，WEI Y.Risk analysis of construction accidents with a weighted network model considering accident level[J].Quality and Reliability Engineering International，2023，39（8）：3230-3251.

[20]WATTS D，STROGATZ S.Collective dynamics of ‘small-world’networks[J].Nature，1998，393（6684）：440-442.

[21]NDEKUGRI I，ANKRAH N，ADAKU E.The design coordination role at the pre-construction stage of construction projects[J].Building Research amp; Information，2022，50（4）：452-466.

[22]FANG W，ZHONG B，ZHAO N，et al.A deep learning-based approach for mitigating falls from height with computer vision： convolutional neural network[J].Advanced Engineering Informatics，2019（39）：170-177.

[23]CHOUDHRY R M，F(xiàn)ANG D P.Why operatives engage in unsafe work behavior：investigating factors on construction sites[J].Safety Science，2008，46（4）：566-584.

[24]許波桅，唐燦璇，李軍軍.級聯(lián)失效下海港-陸港集裝箱運輸網(wǎng)絡(luò)魯棒性分析[J].交通運輸系統(tǒng)工程與信息，2023，23（3）：265-279.PMT

收稿日期：2023-01-16

作者簡介：

朱錦春（通信作者）（1998—），男，研究方向：工程安全。

孟慶峰（1982—），男，博士，教授，博士研究生導(dǎo)師。研究方向：復(fù)雜工程管理、綠色供應(yīng)鏈管理、社會科學(xué)計算實驗。