羅秋實，楊高升

（河海大學，江蘇 南京 211100，E-mail：1491598808@qq.com）

隨著城市的快速發(fā)展，城市建設用地資源日益緊張，高層建筑與地下空間開發(fā)利用增多，致使坍塌事故易發(fā)、高發(fā)。據(jù)住建部相關數(shù)據(jù)顯示，近年來房屋市政工程事故起數(shù)與死亡人數(shù)呈現(xiàn)逐年增長態(tài)勢，坍塌事故在較重及以上事故中占比最高；坍塌事故平均死亡率（死亡人數(shù)與事故起數(shù)之比）為1.9，遠高于所有事故的平均死亡率1.2[1]。

為杜絕坍塌事故發(fā)生或減少其發(fā)生的可能性，保證工程建設安全，需要明確事故成因，對造成坍塌事故的風險因素進行控制。近年來，學者們使用故障樹法[2]（FTA）、集成決策實驗室與解釋結構模型法[3]（DEMATEL/ISM）、安全“2-4”模型[4]等方法或工具對坍塌事故進行成因分析。復雜網(wǎng)絡是一種可以用來分析復雜因素相互作用及其演化過程的工具。利用復雜網(wǎng)絡對工程事故預防和風險控制的研究正在興起，Deng 等[5]構建了煤礦風險網(wǎng)絡（CMRN）并衡量了風險控制效果。Zhou 等[6]構建地鐵施工事故網(wǎng)絡（SCAN）探究26 種事故之間的聯(lián)系。周新宇等[7]建立行為致險網(wǎng)絡，解析事故與人的不安全行為之間的作用機理。覃璇等[8]構建尾礦庫事故風險演化網(wǎng)絡，并識別了關鍵隱患。宋亮亮等[9]將視角延展到地鐵運行期，構建地鐵系統(tǒng)運行干擾源網(wǎng)絡（MODN）并探討提升系統(tǒng)運行安全性的最佳免疫策略。

上述研究表明：事故案例分析法是預防或消除類似風險和事故的有效方法，通過分析大量的事故案例，使事故與風險因素間通過事故鏈相連形成風險網(wǎng)絡。本文收集我國歷年坍塌事故案例，運用事故案例分析法識別引起坍塌事故的風險因素，提取事故鏈，明確風險演化過程，基于復雜網(wǎng)絡理論構建坍塌事故風險演化網(wǎng)絡（Collapse Risk Evolution Network，CREN）模型，分析拓撲特性，探討風險消減的最佳免疫策略，以期為安全生產事故的研究提供新的思路和方法，為坍塌事故的預防和控制提出針對性對策。

1 坍塌事故風險演化網(wǎng)絡的形成

1.1 坍塌事故案例收集

坍塌是指物體在外力或重力作用下，超過自身的強度極限或因結構穩(wěn)定性破壞而造成傷害的事故，不適用于礦山冒頂片幫和車輛、起重機械、爆破引起的坍塌[10]。因此，本文收集的坍塌事故案例僅涉及房屋和市政工程范圍。坍塌事故易造成重大人身傷亡和財產損失，住建部統(tǒng)計信息表明坍塌事故在較重及以上生產安全事故數(shù)中占比最高，因此本文選取較大及以上坍塌事故作為案例。

事故案例來自相關文獻和媒體、政府發(fā)布的事故調查報告，包含事故基本情況、事故發(fā)生經過、事故原因及性質等具體信息。收集2006～2018 年典型的較大及以上坍塌事故案例共116 個，形成坍塌事故案例庫，含特別重大事故2 起、重大事故4 起。

將最終坍塌結果作為事故類型，把坍塌事故分為地面坍塌、土方坍塌、支撐結構坍塌、建筑物坍塌、墻體坍塌和其他坍塌6 類，統(tǒng)計如圖1 所示。

圖1 坍塌事故案例按類型統(tǒng)計

1.2 坍塌事故風險因素體系建立與事故鏈提取

基于系統(tǒng)工程學理論，從人、物、管理、環(huán)境、技術方法5 個方面，依據(jù)各案例“事故原因”信息，參照施工現(xiàn)場常見危險源清單[11]和坍塌事故原因調查表[12]，識別并歸結出5 類坍塌事故共9 個風險事故、5 類風險因素共67 個風險因子，綜上共計76 個風險點構成坍塌事故風險體系，如表1 所示。

表1 坍塌事故風險體系

依據(jù)各案例“事故發(fā)生經過”信息確定各風險點出現(xiàn)時間的先后順序，將風險點依序相連以形成事故鏈[5，6]，實現(xiàn)對坍塌事故的風險演化描述。最終從116 起事故案例中提取共267 對風險點間不同的演化關系，形成157 條不重復的事故鏈。

以2008 年“浙江省杭州市11.15 地鐵坍塌重大事故”為例，說明風險點識別和事故鏈提取過程。表2 對其事故經過和原因信息進行描述，由于篇幅限制，本文僅闡述其中1 條事故鏈的提取過程：

對直接原因信息①和②進行分析，可先后提取出H6 和MC12 兩個風險因子。事故經過信息表明：基坑部分支撐破壞后土體涌入，路面隨即塌陷，可先后提取出MC12 風險因子和A5、A7 這2 個風險事故。按照風險點出現(xiàn)的先后順序便可形成事故鏈：H6→MC12→A5→A7。地面坍塌是事故最終結果，因此該案例事故類型為地面坍塌。

最終從該案例共識別出10 個風險因子和2 個風險事故，提取5 條事故鏈，如表2 所示。

表2 杭州11.15 地鐵事故具體信息及事故鏈

1.3 坍塌事故風險演化網(wǎng)絡構建

基于復雜網(wǎng)絡理論建立CREN 模型。將76 個風險點抽象為節(jié)點，將267 對風險點間的演化關系抽象為網(wǎng)絡節(jié)點間的有向連邊。多條事故鏈均含有的共同風險點可將不同的事故鏈融合到一個全局網(wǎng)絡中[5]，以表2 中事故鏈（1）（2）（3）為例，事故鏈融合過程如圖2 所示。

最終輸出由76 個節(jié)點，267 條連邊構成的有向無權網(wǎng)絡，圖3 所示為CREN 的拓撲結構，其方型節(jié)點代表風險事故，圓圈節(jié)點代表風險因子。

圖2 事故鏈融合過程示例

圖3 CREN 拓撲結構

2 坍塌事故風險演化網(wǎng)絡拓撲特性分析

2.1 節(jié)點度分布與無標度特性

節(jié)點度數(shù)表示與該節(jié)點直接相連的節(jié)點數(shù)目。CREN 大部分節(jié)點總度較小，取各類風險點中總度數(shù)排前40%的節(jié)點共30 個，其度分布如圖4 所示。

在風險因子節(jié)點中，H6 的出度為20，入度為18，出度和入度均最高。入度高證明引發(fā)該風險的風險因子最多，該風險因子受其他風險的影響程度高，引發(fā)該風險最容易。消減該風險需抑制18 個引發(fā)H6 的風險因素，難度很大。出度高表明該風險能直接演化出多個衍生風險，因此對該問題進行控制達到的風險管理效率最高，可高效切斷風險演化路徑，對抑制最終坍塌事故發(fā)生的效果最好。

同理，H4、MC15、M15、E3 等度數(shù)較高的風險因子均是施工過程中需重點關注的對象。

在最終演化成的風險事故中，A5 的入度和出度均最高，因此土方坍塌事故最易發(fā)生且最難防范，其4 個出度證明A5 會進一步加劇事故損失。

經統(tǒng)計，CREN 總度數(shù)不大于5 的節(jié)點有57個，總度數(shù)高于10 的節(jié)點僅有7 個，因此CREN度分布嘈雜，在分布的尾部缺少足夠的高度數(shù)節(jié)點以獲得良好的統(tǒng)計信息。累積度分布P(k)可以有效地減少統(tǒng)計誤差，如圖5 中的雙對數(shù)坐標系所示，CREN 的累積度分布P(k)服從冪律分布。

圖5 CREN 累積度分布

經由Matlab 擬合出的圖像表達式是y=1.17x-0.778（R2=0.8614），這表明CREN 具有無標度網(wǎng)絡的特性。若有新的風險因子出現(xiàn)，其與度數(shù)大的風險因子連接概率更高[13]，這會加大對高度數(shù)風險點的控制難度。若針對性控制度數(shù)大的風險因子，則會高效破壞CREN 拓撲結構，極大程度抑制風險演化進程，體現(xiàn)CREN 的脆弱性。

2.2 中介中心度

節(jié)點中介中心度指網(wǎng)絡所有最短路徑中經過該節(jié)點的數(shù)量比例。中介中心度高表明該風險因素在風險演化過程中“媒介”作用大，是多條風險演化路徑共同經過的節(jié)點。CREN 的中介中心度是0.129，中介中心度最高的風險點亦是H6；共計26個節(jié)點中介中心度為0，表明這些風險點在風險演化過程中沒有起到媒介作用；A5、H4、M15 等10個節(jié)點的中介中心度高于0.01，其累積中介中心度達到75.7%，說明所有風險演化路徑中近76%包含這10 個風險點?？刂浦薪橹行亩雀叩娘L險點可以增加CREN 的平均路徑長度，降低風險演化效率和CREN 的級聯(lián)效應。

2.3 平均路徑長度、網(wǎng)絡直徑與平均步距

平均路徑長度為網(wǎng)絡中所有可能的節(jié)點對沿最短路徑的平均步數(shù)，這表明平均路徑長度越短，風險演化過程的中間節(jié)點越少，平均路徑長度短的風險演化網(wǎng)絡具有較高的演化效率。CREN 的平均路徑長度值為2.458，即網(wǎng)絡中的每個風險因素狀態(tài)發(fā)生變化，平均可以通過2～3 步演化為最終事故。

網(wǎng)絡直徑為網(wǎng)絡中所有最短路徑中的最長路徑。CREN 網(wǎng)絡直徑為5，即H2 演化到MC22。

運用Pajek 的測地矩陣功能輸出網(wǎng)絡中任意兩個節(jié)點對的最短路徑長度，分別計算5 類風險因素對9 個風險事故的平均步距以觀察不同類型風險的演化規(guī)律。平均步距意為：每類風險因素演化為風險事故所需經過步數(shù)的平均值。

如表3 所示，5 類風險因素演化為A4、A5、A8、A9 這4 類事故的平均步距基本低于2.5，小于演化其他事故的平均步距，表明風險演化導致這4類事故的平均速度最快，僅需經過2～3 步即可演化為事故。5 類風險演化導致A2、A3、A7 這3 類事故的平均步距均超過3，對其進行控制的難度較大。

表3 5 類風險因素對9 個風險事故的平均步距

物的風險因素導致事故的平均步距的平均值最低，為2.456；管理的風險因素導致事故的平均步距的平均值最長，為2.814，表明物的不安全狀態(tài)是導致坍塌事故較直接的風險因素，管理體系缺失是導致事故較底層的風險因素。

2.4 聚類系數(shù)與小世界特性

聚類系數(shù)定義為該節(jié)點的兩個隨機選擇的鄰居彼此連接的概率，用來描述CREN 中風險點集聚的傾向性。計算每個節(jié)點的聚類系數(shù)，可知A7、M8、M12 的聚類系數(shù)值缺失，這是因為這3 個節(jié)點的總度數(shù)僅為1，鄰接節(jié)點僅有1 個；21 個節(jié)點的聚類系數(shù)為0；M6、M17、TM5 等7 個節(jié)點聚類系數(shù)最高，為0.5。在風險演化控制上對聚類系數(shù)高的風險點以及其鄰接風險點構成的子系統(tǒng)進行集中管控，將有效控制最終事故的發(fā)生。

經計算，CREN 的聚類系數(shù)為0.076。用Pajek生成10 個同等規(guī)模的隨機網(wǎng)絡并計算其聚類系數(shù)和平均路徑長度，如表4 所示。

相較可知CREN具有更高的聚類系數(shù)和更短的平均路徑長度，證明CREN 具有小世界特性[14]。CREN 更短的平均路徑長度表明坍塌事故風險演化速度相較常規(guī)網(wǎng)絡更快，更高的聚類系數(shù)表明風險演化途徑更多，多風險因素耦合程度更強。

表4 10 個相同規(guī)模隨機網(wǎng)絡的平均路徑長度和聚類系數(shù)

3 坍塌事故風險消減策略

3.1 復雜網(wǎng)絡的免疫策略

CREN 的小世界和無標度特性表明，坍塌事故風險演化速度快，風險控制難度大，為坍塌事故的預防和控制帶來挑戰(zhàn)，因此需要科學的對策來指導風險消減。本文借鑒計算機病毒傳播思想，采用無標度網(wǎng)絡的免疫策略，提出坍塌事故風險消減策略。由于A1～A9 為風險事故節(jié)點，是風險演化的最終結果，因此本文僅對67 個風險因子進行免疫分析。上述研究明確了CREN 的網(wǎng)絡拓撲信息，可以采用隨機免疫（Random Immunization，RI）和目標免疫（Targeted Immunization，TI）策略[15]。

RI 免疫策略指完全隨機的選取網(wǎng)絡中的一部分節(jié)點進行免疫，利用Excel 軟件隨機生成RI 免疫節(jié)點順序。TI 免疫策略指根據(jù)節(jié)點中心化指標：度數(shù)中心度（Degree Centrality，DC，以節(jié)點總度數(shù)衡量）、接近中心度（Closeness Centrality，CC，由Pajek分析得出）和中介中心度（Betweenness Centrality，BC）來選取節(jié)點進行免疫。分別將風險因子的DC、CC 和BC 值從大到小排序作為TI 免疫順序。

3.2 免疫仿真與結果分析

網(wǎng)絡全局效率用以衡量網(wǎng)絡連通性，進而量化風險控制的效果。對CREN 實施免疫策略，觀察每免疫一個節(jié)點后網(wǎng)絡效率的下降程度來衡量RI 和TI 免疫策略的實施效果，決策出適合的免疫策略。選取各種免疫策略下排在前30 位的節(jié)點進行免疫分析，RI 和TI 免疫節(jié)點順序如表5 所示。

使用Pajek 并配合R 軟件編程，根據(jù)表5 的免疫節(jié)點順序，輸出免疫后的網(wǎng)絡效率，得到不同免疫策略下網(wǎng)絡效率的動態(tài)變化圖（見圖6）。

由圖6 可知：RI 免疫策略效果明顯不如TI 免疫策略；TI 免疫策略效果顯著，如DC 免疫中，免疫10 個節(jié)點時，網(wǎng)絡效率從0.66 降至0.095，降低85.6%，即CREN 對蓄意攻擊具有很強的脆弱性。移除中心性強的節(jié)點使剩余節(jié)點間的有效連接大量減少，因此后期網(wǎng)絡效率變化不如前期明顯。

當移除節(jié)點不超過10 個時，3 種TI 免疫策略實施效果較為相近；當免疫節(jié)點數(shù)超過10 個時，DC 和BC 免疫策略效果最好。隨著移除節(jié)點數(shù)量增多，DC 免疫和BC 免疫效果交替占有略微優(yōu)勢，直至移除24 個節(jié)點后，DC 免疫策略效果一直略優(yōu)于BC 策略，成為最優(yōu)免疫策略。

對于坍塌事故風險消減而言，應優(yōu)先考慮預防和控制DC 免疫節(jié)點所對應的風險因子，即H6、M15 等節(jié)點，這些風險因子的輻射能力強，影響力大，是坍塌事故風險演化過程中的關鍵風險因子。

表5 RI 和TI 免疫的風險因子順序

圖6 RI 和TI 免疫策略下網(wǎng)絡效率的動態(tài)變化

3.3 具體對策

（1）違章作業(yè)行為預防與控制對策。H6 被免疫使網(wǎng)絡效率從0.66 下降至0.398，驟降39.7%，是CREN 最關鍵的風險因子。H6 及其38 個鄰接節(jié)點共同構成的子系統(tǒng)網(wǎng)絡如圖7（a）所示，對該子系統(tǒng)進行有效控制將極大程度地實現(xiàn)風險消減。如圖7（a）下半部區(qū)域所示，控制H6 可以切斷至少17 條風險演化路徑，減少A4、A5、A8 這3 個風險事故發(fā)生的可能性。如圖7（a）上半部區(qū)域所示，18 個入度節(jié)點帶來對H6 控制難度大的問題，因此需明確其中內在關系，控制關鍵風險以提高管控效率。分析其上半部網(wǎng)絡，得中介中心度最高的5 個風險因子為M15、TM2、H4、M7 和M1，它們在違章作業(yè)子系統(tǒng)中具有主要媒介地位，對其進行針對性控制將大幅度提高風險消減效率。

圖7 CREN 子系統(tǒng)網(wǎng)絡

具體而言，在房建和市政工程建設過程中，建議完善安全管理制度、嚴格把關參建單位資質以使現(xiàn)場安全隱患及時發(fā)現(xiàn)并整改；政府建設管理部門應加強監(jiān)管，防止承包商違法發(fā)包轉包，保證承包商資質可靠；加強工程安全文化建設與傳播，嚴格進行安全教育培訓與技術交底，加強安全制度的執(zhí)行力度，提升項目員工安全生產意識；引入BIM 等新技術，有利于保證設計、施工方案的科學性。

（2）事故控制對策。不同于其他生產安全事故，坍塌事故類型紛雜，不同類型坍塌事故之間的相互催生關系形成坍塌事故子系統(tǒng)，如圖7（b）所示。A8 作為原始事故，演化出二次事故A2、A5和A6。A5 的發(fā)生繼續(xù)催生出A4 和A7 兩個衍生事故，這種情況多發(fā)生在基坑和隧道中，如“11.15杭州地鐵坍塌事故”和“2.7 佛山市地鐵透水坍塌事故”，因此對拱架支撐坍塌和土方坍塌需重點防范。建議加強監(jiān)理旁站監(jiān)管，嚴格進行質量驗收，完善信息溝通機制，當出現(xiàn)事故征兆時方可及時采取措施控制；需完善編制安全應急預案，科學培訓與演習，增強安全應急預案實施能力，以備原始事故發(fā)生時，按其實施要求及時進行補救，將損失降至最低，避免事故的級聯(lián)效應。

4 結語

為防控坍塌事故，促進工程建設安全，采用事故案例分析法，收集較大及以上坍塌事故案例116個，構建含76 個風險點的風險體系，提取157 條事故鏈融合以形成坍塌事故風險演化網(wǎng)絡（CREN），發(fā)現(xiàn)CREN 具有無標度和小世界特性。從理論上采用免疫策略對風險消減效果進行仿真，得出最優(yōu)免疫策略為DC 免疫策略，明確關鍵風險因子?？刂七`章作業(yè)子系統(tǒng)可使CREN 網(wǎng)絡效率下降近40%，抑制其中介中心度高的因子可大幅提高違章作業(yè)風險消減效率；坍塌事故是多類坍塌事故衍生的結果，需重點防范拱架支撐坍塌和土方坍塌事故。最后，提出在實際建設過程中可行的對策。