基于知識圖譜的地鐵施工安全事故原因及安全對策分析

摘要：隨著地鐵基礎設施的發(fā)展和壯大，施工安全事故會造成一定的經濟損失，并且嚴重威脅人員安全。從事故報告中探索經驗教訓，有利于推進地鐵施工安全管理。通過建立知識圖譜，演繹與分析地鐵施工安全風險。收集2014—2023年我國地鐵施工事故報告，采用扎根理論提取風險因素，并構建地鐵施工安全事故知識圖譜，揭示各知識實體之間的層級關系。運用知識圖譜分析指標，揭示網絡特征，并提出地鐵施工過程中的安全對策和建議。研究結果可為地鐵施工安全風險預防與管控提供理論依據(jù)與決策參考。

關鍵詞：地鐵施工；知識圖譜；安全管理；事故致因分析

0 引言

近年來，隨著城市化建設進程的推進，居民出行交通需求不斷提高，地鐵因準時、便捷、舒適、高密度的優(yōu)勢而廣受歡迎。由于地鐵建設規(guī)模大、施工環(huán)境復雜、專業(yè)技術要求高等^[1]，施工階段經常發(fā)生各類安全事故，造成嚴重的人員傷亡和財產損失。例如，2020年9月，深圳市地鐵20號線一期工程發(fā)生了嚴重傷害事故，損失嚴重；2021年10月，天津地鐵4號線工程發(fā)生坍塌事故，造成了嚴重的經濟損失。因此，確保地鐵施工安全對于保護人民的生命和財產安全至關重要。

學習安全知識和積累事故經驗是提高安全意識，防止類似事故再次發(fā)生的有效途徑。事故分析已成為提高建筑業(yè)安全管理績效最有效的方法之一^[2]。已有研究基于收集的334份建筑施工安全事故報告，采用文本挖掘技術探索了工人的不安全行為及其影響因素。例如，李鈺等^[3]針對建筑坍塌事故，收集了事故報告，采用STAMP-HFACS法進行風險因素分析。劉平等^[4]采用灰色管理分析法，對217起地鐵施工安全事故進行了統(tǒng)計分析。與基于文獻研究^[5]、專家經驗^[6]等方法相比，基于事故報告的研究提高了研究數(shù)據(jù)的客觀性。因此，亟須構建基于事故案例報告的地鐵施工安全事故致因分析方法。

知識圖譜（Knowledge Graph）是Google在2012年提出的用于知識存儲和信息搜索的典型多維網絡。它通過節(jié)點和邊來表示現(xiàn)實世界中的各種對象及其相互聯(lián)系。知識圖譜具有能將數(shù)據(jù)進行結構化存儲，便于對數(shù)據(jù)進行深度分析和挖掘的特點，已成為人工智能領域的重要研究范疇，并應用于醫(yī)療健康^[7]、金融風控^[8]、證券投研^[9]等領域。將知識圖譜引入安全管理領域，可以豐富和擴展安全風險分析方法。一些學者針對建設安全管理進行了相關研究。例如，王茹等^[10]針對建筑施工安全問題，采用知識圖譜改進LEC法，實現(xiàn)了安全風險定量計算。張萌^[11]針對城市軌道交通運營安全問題，開發(fā)了知識圖譜應用系統(tǒng)。羅麗^[12]構建了地鐵運營安全事故知識圖譜網絡，并進一步挖掘了各因素間的潛在關聯(lián)。

然而，與建筑施工不同，地鐵施工涉及大量地下作業(yè)，包含區(qū)間隧道工程、軌道工程等單位工程?，F(xiàn)有研究缺少將知識圖譜引入地鐵施工安全風險的分析，且多集中于探索不同類別風險的影響，不同單位工程中的風險因素及其相關關系仍不明確。因此，本研究從地鐵施工安全事故報告中分析安全風險因素，構建地鐵施工安全事故知識圖譜，分析地鐵施工安全風險耦合機制及事故成因，提出相應的安全風險管理策略。

1 基于扎根理論的地鐵施工安全風險識別

扎根理論是一種定性研究方法，旨在從原始材料中建立理論。其是在數(shù)據(jù)研究中發(fā)展理論，而不是從現(xiàn)有理論中推導出可驗證的假設^[13]。通過數(shù)據(jù)收集、編碼和比較，提取概念和類別，從而發(fā)展新的理論。扎根理論有一個系統(tǒng)的研究過程，包括數(shù)據(jù)收集、數(shù)據(jù)整理、三級編碼、理論建立和飽和測試，扎根理論過程如圖1所示。

開放編碼要求研究人員以開放的心態(tài)對70%的原始數(shù)據(jù)進行深入分析，主要分為概念分析和分類分析兩個階段。概念分析是將事故報告的內容分解，用更精煉的句子將原文數(shù)據(jù)概念化。但通過概念分析獲得的結果是分散的，還需要將相似的概念聚類，以建立類別。因此，分類分析旨在找出概念之間的關系，并進一步歸納為類別。

軸向編碼是將開放編碼產生的類別聚類，建立不同類別之間的相關性，形成一個更大的類別，即主類別。本研究通過軸向編碼，可以得到地鐵施工安全風險因素。

選擇性編碼是基于軸向編碼，明確主要類別之間的關系，抽象出可以概括所有類別的核心類別，通過描述現(xiàn)象的故事情節(jié)，來梳理核心類別與主要類別之間的關系。本研究基于4M1E模型，將軸向編碼得出的安全風險因素抽象為人（Men）、物（Material）、設備（Machine）、管理（Method）和環(huán)境（Environment）5個核心風險類別。

理論飽和指用新的資料對確定的范疇進行檢驗，直到不再出現(xiàn)新的代碼和類屬，它是扎根理論停止采樣的標準。經過對剩余30%的地鐵施工安全事故案例進行編碼，檢驗時未發(fā)現(xiàn)新的重要范疇，各主范疇之間也未發(fā)現(xiàn)新的范疇，證明已達到理論飽和性檢驗的目的。

2 地鐵施工安全事故知識圖譜構建

2.1 知識圖譜建立流程

知識圖譜的本質是由“實體”節(jié)點和有向邊組成的有向圖結構知識庫。本研究中，“實體”節(jié)點代表地鐵建設施工安全風險事件，有向邊則代表施工安全風險事件之間的因果關系，即由知識三元組〈實體-關系-實體〉，聯(lián)合構成地鐵施工安全事故知識圖譜。知識圖譜的構建過程主要包括數(shù)據(jù)收集、實體、關系提取和知識圖譜存儲管理，地鐵施工安全事故知識圖譜構建流程如圖2所示。

2.1.1知識實體的識別

本研究基于收集的安全事故案例報告及過往研究，考慮了風險因素、風險類型、安全事故類型、單位工程4類知識實體。風險因素通過扎根理論分析獲得，將風險類型劃分為人（R-type）、設備（S-type）、物（W-type）、管理（F-type）及環(huán)境（H-type）。參考《企業(yè)職工傷亡事故分類標準（UDC658.382 GB6441—86）》，將事故類型知識實體劃分為高處墜落（A1）、車輛傷害（A2）、機械傷害（A3）、起重傷害（A4）、物體打擊（A5）、坍塌（A6）、透水（A7）、觸電（A8）、火災（A9）、中毒和窒息（A10）、瓦斯爆炸（A11）、其他傷害（A12）。針對地鐵施工特征將單位工程實體分為4類：車站工程（C1）、區(qū)間工程（C2）、軌道工程（C3）及車輛基地綜合工程（C4）。

2.1.2 知識實體間關系構建

知識圖譜建模的第三步需確定知識實體之間的關系。根據(jù)事故報告中的文本描述，可以定義知識實體間的關系。本研究構建了三類知識實體間的關系，包括風險因素與其他風險因素或事故類型間的因果關系、風險因素與風險類型間的關系、風險因素與單位工程間的關系，即因果關系、隸屬關系、關聯(lián)關系，用三個關鍵詞表示“CauseEffect”“TypeIs”和“LocationIs”。

2.1.3 知識圖譜構建

最后需將知識實體及其關系映射到知識圖譜中，并進行知識存儲管理。根據(jù)地鐵施工安全風險因素之間的關系，本研究定義了三個相應的矩陣以描述知識實體之間的關系。

2.1.3.1 因果關系矩陣

因果關系矩陣（CEM）可表示風險因素之間、風險因素與事故類型之間的因果關系，CEMij公式如下

CEMij=αlt;i，Cause Effect，jgt;∈KTs

0lt;i，Cause Effect，jgt;KTs（1）

式中，i表示風險因素；j表示風險因素或事故類型；KTs表示所識別的所有知識三元組；α表示知識實體i與j之間邊的數(shù)量。

2.1.3.2 類型矩陣

類型矩陣（TM）旨在分析包含關鍵詞TypeIs的知識三元組，TMij公式如下

TMij=1lt;i，TypeIs，jgt;∈KTs

0lt;i，TypeIs，jgt;KTs（2）

式中，i表示風險因素；j表示風險類型；KTs表示所有的知識三元組。如果風險因素i屬于風險類型j，則TMij=1。

2.1.3.3 單位工程矩陣

單位工程矩陣（LM）是表示風險因素與單位工程位置間的相關關系矩陣，公式如下

LMij=αlt;i，LocationIs，jgt;∈KTs0lt;i，LocationIs，jgt;KTs（3）

式中，i表示造成事故發(fā)生的事故鏈末端風險因素；j表示單位工程；α表示對應風險因素在單位工程j的發(fā)生頻次，構建加權邊描述相關關系。

2.2 知識圖譜分析指標構建

為了對地鐵施工安全事故知識圖譜進行較全面分析，以便更深入地了解地鐵施工安全事故知識圖譜的網絡結構特征。參考Liu等^[14]的研究，本研究引入相關指標進行知識圖譜網絡分析。

為實現(xiàn)圖譜分析，需要構建未加權因果關系矩陣和最短路徑矩陣。未加權因果關系矩陣（CUM）是在所構建的CEM矩陣的基礎上，不考慮邊的權重，只考慮知識實體間是否存在因果關系而構建的矩陣，CUMij公式如下

CUMij=1，CEMijgt;00，CEMij=0（4）

最短路徑矩陣（SP）表示節(jié)點之間的最短路徑。該矩陣可以展示出知識圖譜中因果關系（CauseEffect）類型的因果路徑的長度特征，SPij公式如下

SPij=∑p， q∈NCUMpq（5）

式中，SPij指從風險因素i到風險因素或事故類型j之間的最短路徑的長度；p和q指是這條最短路徑上經過的節(jié)點。

2.2.1聚類系數(shù)和介數(shù)中心性指標

本研究引入聚類系數(shù)和介數(shù)中心性這兩個指標，識別本研究構建的有向網絡中的關鍵節(jié)點。聚類系數(shù)測量的是一個節(jié)點與相鄰節(jié)點之間的連通程度，取值范圍為[0，1]。聚類系數(shù)的大小影響了網絡上的傳播效率，聚類系數(shù)接近1的節(jié)點表明其與相鄰節(jié)點之間幾乎完全相連，形成了一個緊密的團體。

介數(shù)中心性考量了一個節(jié)點在網絡中所有最短路徑上出現(xiàn)的頻率。高介數(shù)中心性的節(jié)點在網絡中擔任“橋梁”或“關鍵點”的角色，它們連接了網絡中不同的部分，對維持網絡的連通性具有重要影響。通過Python加載NetworkX可以計算出本研究所構建的地鐵施工安全事故知識圖譜中，各風險因素的聚類系數(shù)和介數(shù)中心性。

2.2.2 主動致因和被動致因指標

本研究引入主動致因和被動致因這兩個指標，探索風險因素之間和風險因素與事故之間的因果關系（CauseEffect），探索知識圖譜網絡內部耦合關系。主動致因指標可衡量給定風險因素r造成其他風險發(fā)生的難易度，公式如式（6）。主動致因的值越高，表示該風險因素越容易引起其他風險或事故的發(fā)生。被動致因指標是指給定風險r由其他風險引起的難易度。被動致因的值越高，該風險就越容易由其他風險引起。主動致因指標CAr和被動致因指標CPr公式如下

CAr=∑i∈RNCAMri∑i∈RNSPri（6）

CPr=∑i∈RNCAMir∑i∈RNSPir（7）

式中，RN表示風險因素節(jié)點；CAMri表示指定風險r到另一個風險或事故i的可達數(shù)量；SPri表示指定風險r到另一個風險或事故i的最短路徑；CAMir表示某個風險或事故i到指定風險r的可達數(shù)量；SPir表示某個風險或事故i到指定風險r的最短路徑。

2.2.3 直接可達性指標

為了進一步探究風險類型與單位工程之間的關系，本文采用直接可達性指標，揭示不同單位工程中風險類型分布比例。本研究提出的直接可達性指標是指給定風險因素r直接引起單位工程發(fā)生施工安全事故的占比。PTr公式如下

PTr=∑i∈RN（LMCir×TMiT）∑i∈RNLMCir（8）

式中，PTr指直接引發(fā)單位工程發(fā)生事故的風險類型所占比例，該指標有助于探索造成單位工程發(fā)生事故的每種風險類型的比例，RN表示風險因素節(jié)點;C表示一種單位工程。

3 實例分析

3.1 數(shù)據(jù)收集

本研究數(shù)據(jù)來源分為三個方面：一是政府公布的事故調查報告；二是報社、新聞網站的公開報道；三是會議和期刊論文。收集2014—2023年我國地鐵施工安全事故報告，剔除信息重復或缺失的事故報告后，共收集237份有效報告，作為數(shù)據(jù)來源。涉及的地區(qū)為我國內陸地區(qū)（包括19個省、4個自治區(qū)和3個直轄市）。

3.2 扎根理論提取結果

通過對收集的237份安全事故報告逐一進行文本分析，采用扎根理論最終識別了來自人、設備、物、管理和環(huán)境5個風險類別的風險因素，共29個，構建地鐵施工安全風險因素體系如圖3所示。

3.3 知識圖譜構建結果

本研究提取的安全風險因素及其類型，包括來自人、設備、物、環(huán)境和管理5個類別，共29個風險因素，關系類型為TypeIs。與安全風險相關的知識實體及關系見表1。

隨后構建知識實體之間的相關關系，本研究所構建的知識實體間關系包含“CauseEffect”“TypeIs”和“LocationIs”三大類。以兩起事故為例，提取知識實體及其相關關系，構建知識三元組KTs，安全事故中提取的知識實體及其相關關系見表2。

通過對237個案例逐一進行文本分析，構建知識三元組，并依據(jù)式（1）～式（3），最終在Neo4j數(shù)據(jù)庫中構建地鐵施工安全事故知識圖譜，實現(xiàn)對知識實體、實體屬性、實體相關關系的存儲，并可實現(xiàn)查詢功能。本研究構建的地鐵施工安全事故知識圖譜共包含50個節(jié)點，251條有向邊，地鐵施工安全事故知識圖譜如圖4所示。

3.4 知識圖譜指標分析及對策建議

通過NetworkX對本研究構建的地鐵施工安全事故知識圖譜進行聚類系數(shù)和介數(shù)中心性計算。各風險因素的聚類系數(shù)值和介數(shù)中心性值如圖5所示。由圖5可以看出，設備使用不合規(guī)（S3）、施工質量或工程設計缺陷（W2）、土體穩(wěn)定性不足（W3）、無警告標識或安全防護設施（W4）、靠近湖泊和河流等水源（H3）節(jié)點的聚類系數(shù)較高。這些節(jié)點是知識圖譜中緊密相關的風險因素，意味著在進行安全風險管理時，針對其中單一風險的干預措施都可能顯著影響其他因素，從而有效降低整體風險，因此，在地鐵施工過程中應對這些因素加以關注，確保相關人員能夠及時識別和應對同時發(fā)生的多個風險。

工人違章作業(yè)或操作不當（R2）、危險因素辨別能力不足（R3）、未使用安全防護用具（R4）、設施設備故障或維護不到位（S1）、應急設備缺失（S4）是網絡中介數(shù)中心性較高的節(jié)點。這些節(jié)點是地鐵施工安全事故知識圖譜中的關鍵風險因素，它們連接了不同的安全風險因素和事故類型，在地鐵施工過程中，必須加強對節(jié)點的關注，確保這些風險因素得到有效控制。

通過式（7）和式（8），計算各風險因素的主動致因和被動致因指標，各風險因素的主動致因和被動致因指標值如圖6所示。主動致因指標值高且被動致因指標值低的風險因素，可以視為造成安全事故發(fā)生的風險源頭；而被動致因指標值低且主動致因指標值低的因素，可以視為易被影響的因素。其他因素則在致因鏈中起到過渡作用。由圖6可知，現(xiàn)有設施設備無法識別隱患（S5）、身體疾病和健康狀況不佳（R6）和邊坡堆土坍塌（H4）主動致因遠大于被動致因，這些因素造成安全事故發(fā)生的路徑短，一旦引發(fā)，將直接造成安全事故。這些因素難以實時監(jiān)測或現(xiàn)有技術無法解決，因此必須合理制定完善的應急方案，并布設好應急設備，以最限度地減輕事故后果。

此外，管理人員的失職容易造成一系列管理方面的風險因素，這些因素間關聯(lián)緊密，因此，被動致因值高的因素主要集中于管理因素，主要包括管理人員配置不合理（F8）、安全生產教育和培訓不到位（F2）、現(xiàn)場安全管理不到位（F6）。因此，在施工過程中必須推進企業(yè)構建界限明確、分工合理的安全生產制度，加強安全生產主體的責任劃分與落實。

各單位工程的直接可達性指標結果如圖7所示。由圖7可以看出，造成車站工程（C1）、區(qū)間工程（C2）、車輛基地綜合工程（C4）施工安全事故的因素涵蓋所有風險類別。對于軌道工程（C3）而言，施工活動相對簡單，直接造成軌道工程事故發(fā)生的因素來自人和設備兩個類別。

總體來看，人的因素、設備和物的因素，是造成地鐵施工安全事故發(fā)生的最主要因素，這也與Heinrich的觀點一致^[15]。因此，必須加強對工人的安全培訓教育，嚴格要求施工人員持證上崗，建立嚴格的施工安全技術標準，杜絕工人的不安全行為。在施工過程中，定期檢修設備設施，且密切關注工人的身體狀況和情緒，及時排查安全隱患。

4 結語

本研究緊密結合地鐵施工特點，基于過往安全事故案例，提出采用知識圖譜的方法，分析地鐵施工安全風險的耦合機制。針對收集到的237事故報告，提取了知識實體，并識別了實體間的相關關系，基于Neo4j數(shù)據(jù)庫構建了地鐵施工安全事故知識圖譜，并通過聚類系數(shù)、介數(shù)中心性、主動致因和被動致因指標、直接可達性指標，分析了網絡的內部特征。這些指標可以有效揭示風險因素間、風險因素與事故類型間，以及風險因素與單位工程間的內在聯(lián)系，可以為地鐵施工過程中的管理工作提供參考。但本研究在案例收集過程中仍具有一些局限性，未來可進一步擴展案例庫數(shù)量，并可結合不同地區(qū)特點進行針對性分析。

參考文獻

[1]陸微，董超，張攀，等.城市軌道交通工程安全隱患網絡特征分析[J].工程管理學報，2022，36（2）：86-91.

[2]ZHOU Z，IRIZARRY J，ZHOU J.Development of a database exclusively for subway construction accidents and corresponding analyses[J].Tunnelling and Underground Space Technology，2021（111）：103852.

[3]李玨，李佳文.基于STAMP-HFACS的建筑坍塌事故風險因素分析[J].工程管理學報，2022，36（5）：148-153.

[4]劉平，武文凱，許家銘，等.基于GRA的國內地鐵施工事故統(tǒng)計分析[J].工程管理學報，2023，37（4）：53-58.

[5]葉貴，段帥亮，汪紅霞.建筑工人不安全行為致因研究[J].中國安全生產科學技術，2015，11（2）：170-177.

[6]RONGEN G，MORALES-NPOLES O，KOK M.Expert judgment-based reliability analysis of the Dutch flood defense system[J].Reliability Engineering amp; System Safety，2022（224）：108535.

[7]孫明俊，張丹，鄭明智，等.基于人工智能的類風濕性關節(jié)炎中醫(yī)輔助診療系統(tǒng)[J].模式識別與人工智能，2021，34（4）：343-352.

[8]周杰，韓路，胡敏，等.探索知識圖譜在商業(yè)銀行風控領域的應用[J].信息技術與標準化，2019（5）：29-32.

[9]趙紫英，張化軍，劉振業(yè).基金行業(yè)知識圖譜的構建與應用[J].金融縱橫，2020（8）：9-15.

[10]王茹，趙俊浩，黃煒，等.基于知識圖譜的建筑施工安全風險量化與分析[J].安全與環(huán)境學報，2024，24（6）：2138-2147.

[11]張萌.城市軌道交通運營突發(fā)事件知識圖譜構建及推理方法研究[D].北京：北京交通大學，2022.

[12]羅麗.地鐵運營安全事故知識圖譜的構建及分析[D].徐州：中國礦業(yè)大學，2022.

[13]XU R，LUO F，CHEN G，et al.Application of HFACS and grounded theory for identifying risk factors of air traffic controllers unsafe acts[J].International Journal of Industrial Ergonomics，2021（86）：103228.

[14]LIU J，SCHMID F，LI K，et al.A knowledge graph-based approach for exploring railway operational accidents[J].Reliability Engineering amp; System Safety，2021（207）：107352.

[15]HEINRICH H W.Industrial accident prevention：a safety management approach[M].New York：McGraw-Hill，1980.

收稿日期：2024-09-26

作者簡介：

鄧韞璇（1998—），女，博士研究生，研究方向：安全管理、風險管理。

陸瑩（通信作者）（1984—），女，副教授，博士研究生導師，研究方向：安全風險管理、BIM技術與安全管理、突發(fā)事件應急管理。

遲澤勛（1990—），男，高級工程師，研究方向：建筑科學與工程。

屠晨旸（1995—），男，助理工程師，研究方向：地鐵施工安全風險。

秦斌斌（1987—），男，高級工程師，研究方向：建筑科學與工程。