任翠萍 楊明翔 張裕銘 謝逢潔

摘要： 為揭示快遞安全事故的關(guān)鍵致因及關(guān)聯(lián)性，基于復(fù)雜網(wǎng)絡(luò)理論，以快遞人員、快件、設(shè)備、環(huán)境、管理及事故結(jié)果6類40個因素為節(jié)點，以因素間的作用關(guān)系為邊，構(gòu)建快遞安全事故致因網(wǎng)絡(luò)。研究發(fā)現(xiàn)，該網(wǎng)絡(luò)具有小世界特性，中介中心性顯著，存在3-核高密度云團(tuán)。結(jié)果表明，人員傷亡、快件起火、快件破損、財產(chǎn)損失、運輸車輛問題是事故的關(guān)鍵因素；快件堆積與破損對事故風(fēng)險傳遞最為顯著；15個因素間的高密度關(guān)聯(lián)性對事故起到核心作用。

關(guān)鍵詞： 快遞安全；事故致因；復(fù)雜網(wǎng)絡(luò)；結(jié)構(gòu)特性

中圖分類號： X913;N94文獻(xiàn)標(biāo)識碼： A

收稿日期： 2021-10-26；修回日期：2022-04-25

基金項目： 國家自然科學(xué)基金青年基金（52102418）; 陜西省教育廳科研計劃項目（20JK0363）; 大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目（S202011664037）

第一作者： 任翠萍（1987-）， 女， 河北滄州人， 博士， 講師， 主要研究方向為快遞安全與復(fù)雜網(wǎng)絡(luò)。

The Construction of Express Safety Accident Causation Network and Its Structural Properties

REN Cuiping， YANG Mingxiang， ZHANG Yuming， XIE Fengjie

（School of Modern Post， Xi′an University of Posts and Telecommunications， Xi′an 710061， China）

Abstract：The research aims to find the key causes and their relationships of express safety accidents. Based on the complex network theory， the Express Safety Accident Causation Network （ESACN） was constructed by setting factors as nodes and their relationships as arcs. There are 40 factors nodes extracting from personnel， express， equipment， environment， management and results. This study found that the ESACN is a small world network. Meanwhile the intermediary centrality is obvious and there is a 3-core high-density cloud in ESACN. The result indicates that casualties， express fire， express damage， property loss and transportation vehicle problems are the key factors in ESACN. Among these factors， the accumulation and damage of express have the most significant effect on accident risk transmission. The high-density correlation among the 15 factors plays a core role in the occurrence of accidents.

Key words： express safety; accident causation; complex network; structural characteristics

0 引言

快遞業(yè)作為重要的流通產(chǎn)業(yè)和先導(dǎo)產(chǎn)業(yè)，對暢通國內(nèi)經(jīng)濟(jì)循環(huán)、建設(shè)現(xiàn)代化流通體系具有十分重要的作用。據(jù)統(tǒng)計，2021年快遞業(yè)收入達(dá)10 332.3億元，同比增長17.5%，占GDP的3.67%；快遞業(yè)務(wù)量達(dá)1 083億件，同比增長29.9%，日均服務(wù)用戶近7億人次，連續(xù)8年穩(wěn)居世界第一。然而，快遞業(yè)快速發(fā)展的背后，各類安全問題日益凸顯［1］，尤其是利用快遞實施犯罪的事件頻頻發(fā)生，例如違禁物品寄遞、用戶信息泄露、快遞包裹被盜等等；同時快遞安全事件呈現(xiàn)出逐年上升［2］的趨勢。因此，開展快遞安全事故分析，對提升快遞業(yè)安全水平、推動快遞業(yè)高質(zhì)量發(fā)展具有重要意義。

針對快遞業(yè)存在的安全問題，現(xiàn)有研究主要采用實地調(diào)查、訪談、問卷調(diào)查以及個案研究等方法［24］，從行業(yè)［5］、企業(yè)［6］、從業(yè)人員［7］等方面分析快遞事故發(fā)生的主要原因，并針對問題和原因提出相應(yīng)對策。盧文剛等［1］根據(jù)全業(yè)務(wù)流程分析快遞企業(yè)公共安全風(fēng)險，研究發(fā)現(xiàn)法律法規(guī)不健全、硬件基礎(chǔ)設(shè)施差、從業(yè)人員安全意識淡薄、企業(yè)安全管理堪憂、民眾防范意識不足等是導(dǎo)致快遞安全問題的主要原因。嚴(yán)貝妮等［4］圍繞快遞用戶信息泄露問題，提出其主要原因為國家立法普法欠缺、用戶防范意識不足、快遞企業(yè)管理制度不規(guī)范、電商平臺用戶管理系統(tǒng)缺乏統(tǒng)一監(jiān)管。然而，現(xiàn)有研究主要從宏觀層面定性分析快遞行業(yè)存在的安全問題及其事故原因，缺少從微觀層面定量揭示事故致因因素間的結(jié)構(gòu)特征及關(guān)聯(lián)關(guān)系。

考慮到快遞安全事故是多風(fēng)險因素耦合作用的結(jié)果，具有非線性變化特征，本文采用復(fù)雜網(wǎng)絡(luò)理論定量表征快遞事故致因的復(fù)雜作用關(guān)系。復(fù)雜網(wǎng)絡(luò)理論在揭示關(guān)鍵節(jié)點［8］以及節(jié)點間的結(jié)構(gòu)特性方面［911］具有一定的優(yōu)越性。目前，該理論已普遍應(yīng)用到安全事故領(lǐng)域，主要體現(xiàn)在鐵路事故［1215］、地鐵事故［1618］、道路運輸事故［1921］及生產(chǎn)安全事故［2223］等方面。郭亞文等［18］基于實際地鐵工程建設(shè)事故案例，構(gòu)建雙層地鐵工程建設(shè)安全事故致因網(wǎng)絡(luò)模型，通過分析網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)發(fā)現(xiàn)：安全管理不到位、缺乏安全意識、機(jī)械故障是導(dǎo)致大量事故發(fā)生的初始致因因素。胡立偉等［19］通過分析營運貨車交通事故數(shù)據(jù)，從人、車、環(huán)、管四方面確定29個風(fēng)險因素，建立網(wǎng)絡(luò)節(jié)點多屬性決策綜合評價網(wǎng)絡(luò)模型，進(jìn)而判斷各風(fēng)險因素的重要程度。

鑒于復(fù)雜網(wǎng)絡(luò)理論在事故致因研究領(lǐng)域的優(yōu)勢，以及現(xiàn)階段快遞安全研究的不足，本文以快遞安全事故致因研究為主題，通過統(tǒng)計中國快遞安全事故數(shù)據(jù)，建立事故致因因素指標(biāo)；基于復(fù)雜網(wǎng)絡(luò)理論，構(gòu)建快遞安全事故致因網(wǎng)絡(luò)并分析其結(jié)構(gòu)特性，進(jìn)而揭示快遞安全事故的關(guān)鍵致因因素及其關(guān)聯(lián)關(guān)系，以期為快遞行業(yè)安全監(jiān)管提供理論與實證支撐。

1 快遞安全事故致因網(wǎng)絡(luò)構(gòu)建

依據(jù)快遞業(yè)務(wù)流程、事故調(diào)查報告與事故致因理論，運用系統(tǒng)化分類方法，將快遞安全事故致因劃分為致因因素與結(jié)果因素。其中，快遞事故致因因素包括人員、快件、設(shè)備、環(huán)境、管理5大類?；?類危險源理論［24］，統(tǒng)計分析2013～2020年具有影響力的快遞安全事故原因，將5類因素進(jìn)一步細(xì)分（見表1）。考慮到快遞事故具有動態(tài)性、復(fù)雜性的特征，其事故原因也會呈現(xiàn)出動態(tài)變化的趨勢，尤其是在不同環(huán)境、不同科技水平、不同政策導(dǎo)向下。因此，本文所提出的事故原因明細(xì)僅呈現(xiàn)了2013～2020年快遞事故的常見原因。人員因素是指快遞相關(guān)人員的不安全行為；快件因素是指快件的不安全狀態(tài)；設(shè)備因素是指分揀設(shè)備、運輸車輛、倉儲設(shè)備等不安全狀態(tài)；環(huán)境主要是影響快遞安全作業(yè)的外部因素；管理因素為企業(yè)內(nèi)部管理與行業(yè)安全監(jiān)管不當(dāng)?？爝f事故結(jié)果因素是指事故造成的影響，主要包括：人員傷亡（C1）、財產(chǎn)損失（C2）、快遞運營網(wǎng)絡(luò)阻斷（C3）、用戶信息泄露（C4）、無法按時送達(dá)（C5）、其他情形（C6）?？紤]到快遞安全事故是事故致因因素與結(jié)果因素共同作用所致，且二者存在關(guān)聯(lián)性與傳遞性；因此，將快遞事故致因因素與結(jié)果因素作為快遞安全事故致因網(wǎng)絡(luò)的節(jié)點。

依據(jù)事故致因分類及編碼，確定每例事故的致因鏈，提取依賴關(guān)系?？紤]事故是一系列致因因素在特定時序下耦合嵌套作用的結(jié)果，引入有序?qū)砜坍嬍鹿室蛩亻g的優(yōu)先關(guān)系，并對節(jié)點有序?qū)ψ鞫x：1）如果A是B發(fā)生的直接原因，則可以表示為〈A，B〉（B為致因因素或結(jié)果因素）；2）同一事故中如果存在〈A，B〉，〈B，C〉，則A與C間不是有序?qū)?，即A對C不產(chǎn)生影響。

根據(jù)上述定義，提取每例快遞安全事故致因鏈及有序?qū)?，并將有序?qū)M(jìn)行組合構(gòu)成有序?qū)ㄒ姳?）。有序?qū)坍嬃苏麄€事故網(wǎng)絡(luò)中節(jié)點間的作用方向，同時考慮到快遞安全事故因素間作用的復(fù)雜性及事故形成機(jī)制的不同（如能量轉(zhuǎn)移或信息傳播等），很難從事故案例中抽象出節(jié)點與連邊的定量關(guān)系；因此，所構(gòu)建的快遞安全事故致因網(wǎng)絡(luò)為有向無權(quán)網(wǎng)絡(luò)。圖1為快遞安全事故致因網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)圖。

由圖1可知，快遞安全事故致因網(wǎng)絡(luò)由40個節(jié)點、108條弧構(gòu)成。節(jié)點代表快遞事故因素，弧表示事故因素之間存在的交互作用關(guān)系，弧的數(shù)量表示事故因素間作用關(guān)系的強(qiáng)度，弧的方向表示事故因素間的作用方向?？梢钥闯觯瑥腃5，P1，E1等節(jié)點發(fā)出的弧數(shù)量較多，說明無法按時送達(dá)、快件堆積、自然環(huán)境等節(jié)點更易影響其他因素；而C1，C2，P5，F(xiàn)2等節(jié)點收到的弧數(shù)量較多，說明人員傷亡、財產(chǎn)損失、快件起火、運輸車輛問題等受其他因素影響較多。

2 快遞安全事故致因網(wǎng)絡(luò)的復(fù)雜結(jié)構(gòu)特性

2.1 小世界特性

許多現(xiàn)實世界的復(fù)雜網(wǎng)絡(luò)表現(xiàn)出小世界結(jié)構(gòu)特性，即與相同規(guī)模的隨機(jī)網(wǎng)絡(luò)相比，該網(wǎng)絡(luò)擁有較短的平均路徑長度和更高水平的聚類系數(shù)［11］。網(wǎng)絡(luò)的平均路徑長度是網(wǎng)絡(luò)中所有節(jié)點對之間最短路徑長度的均值，即

L=2N（N-1）∑i≠jdij（1）

其中，dij為節(jié)點i到節(jié)點j所經(jīng)歷的邊的數(shù)目，N為節(jié)點的數(shù)量。

網(wǎng)絡(luò)的聚類系數(shù)是網(wǎng)絡(luò)中所有節(jié)點聚類系數(shù)的均值，即

C=1N∑iNi（real）ki（ki-1）/2（2）

其中，ki為節(jié)點i的度，Ni（real）為ki個鄰居之間實際存在的邊數(shù)。

根據(jù)上述定義，計算快遞安全事故致因網(wǎng)絡(luò)的平均路徑長度為2.172 6，聚類系數(shù)為0.118 8；說明網(wǎng)絡(luò)中每例事故的發(fā)生平均需要3步，事故因素間聯(lián)系緊密，易發(fā)生連鎖性反應(yīng)，且除了極個別因素外，其他因素要么有直接的關(guān)聯(lián)關(guān)系，要么有間接的關(guān)聯(lián)關(guān)系。與其規(guī)模和平均度相同的隨機(jī)網(wǎng)絡(luò)的平均路徑長度約為3.425 7（Lrand～lnN/lnK-），聚類系數(shù)約為0.022 9（Crand～K-/N）。可見，與相對應(yīng)的隨機(jī)網(wǎng)絡(luò)相比，快遞安全事故致因網(wǎng)絡(luò)有著更小的平均路徑長度和更高的聚類系數(shù)，表現(xiàn)出明顯的小世界現(xiàn)象。

2.2 度分布特性

節(jié)點的度是網(wǎng)絡(luò)中與該節(jié)點相連接的其他節(jié)點的數(shù)目，反映該節(jié)點在網(wǎng)絡(luò)中的重要程度。在有向圖中，節(jié)點的度可分為入度和出度，其中入度是進(jìn)入到該節(jié)點的其他節(jié)點的個數(shù)；出度是該節(jié)點直接發(fā)出的關(guān)系數(shù)。快遞安全事故致因網(wǎng)絡(luò)為有向網(wǎng)絡(luò)，故各節(jié)點度值包括總度、入度、出度（見圖2）；因節(jié)點數(shù)量較多，圖2僅顯示總度數(shù)大于等于3的節(jié)點度分布。由圖2可見，總度值最大的節(jié)點為C1，隨后依次是P5，P6，C2，P1，F(xiàn)2；入度呈現(xiàn)不均勻分布，其中度值較大的節(jié)點為C1，C2，P5，P6；出度分布差異相對較小，度值最大的為E1，其次有15個節(jié)點出度值相同。

由總度值可知，人員傷亡、快件起火、快件破損、財產(chǎn)損失、運輸車輛問題是網(wǎng)絡(luò)中的中心節(jié)點，也是快遞安全事故中的關(guān)鍵因素，其數(shù)量較少，與周圍的風(fēng)險因素發(fā)生復(fù)雜的非線形交互，表征了網(wǎng)絡(luò)“中心節(jié)點”特性，說明快遞事故致因網(wǎng)絡(luò)中關(guān)鍵風(fēng)險因素占少數(shù)，但具有主導(dǎo)地位。由出入度可知，受外界因素影響最大的致因因素為人員傷亡、財產(chǎn)損失、快件起火、快件破損因素，其累積入度達(dá)到40；快遞企業(yè)應(yīng)加強(qiáng)對這些致因因素的抗干擾能力，減輕外界因素的作用。而關(guān)聯(lián)作用到其他因素的致因因素主要為自然環(huán)境影響、未進(jìn)行收寄驗視、使用非專業(yè)人員、分揀人員操作不當(dāng)、快遞工作人員的其他不當(dāng)行為、收/寄人隱瞞禁寄物品的行為、工作人員外其他人員的不當(dāng)行為、快件堆積、快件起火、快件破損、安全監(jiān)管不當(dāng)、運輸車輛問題，其累積出度達(dá)到37；快遞企業(yè)及安全監(jiān)管部門應(yīng)特別注意對這些因素的管控，避免引發(fā)事故因素間的連鎖反應(yīng)。

節(jié)點的度分布特性常用節(jié)點度分布函數(shù)P（k）或累積度分布函數(shù)P（K）來刻畫。前者為網(wǎng)絡(luò)中度k的節(jié)點占總節(jié)點的比例，后者為網(wǎng)絡(luò)中度大于等于k的節(jié)點占總節(jié)點的比例［12］。本文采用累積度分布函數(shù)描述快遞安全事故致因網(wǎng)絡(luò)，如圖3所示。在雙對數(shù)坐標(biāo)下，隨著度k的增大，事故致因網(wǎng)絡(luò)的累積度分布函數(shù)曲線表現(xiàn)為一條直線。數(shù)據(jù)擬合結(jié)果P（K）=1.836 5k-1.480 3，擬合判定系數(shù)R2=0.834 5，說明快遞安全事故致因網(wǎng)絡(luò)的節(jié)點度具有無標(biāo)度特性，網(wǎng)絡(luò)中的少量節(jié)點擁有大量的連接，而大多數(shù)節(jié)點只有1個或2個影響因素。

2.3 中介中心性

中介中心性是用來衡量一個節(jié)點處于其他任何兩個節(jié)點間最短路徑的概率，反映了該節(jié)點作為中介的重要程度。節(jié)點的中介中心性越高，對網(wǎng)絡(luò)的信息傳遞作用越大。由此計算快遞安全事故致因網(wǎng)絡(luò)的中介中心性如圖4所示。圖中節(jié)點大小代表中介中心性的大?。划?dāng)節(jié)點的中介中心性為0時，即節(jié)點不顯示，說明該節(jié)點不在其他節(jié)點間擔(dān)當(dāng)中介。

由圖4可知，在快遞安全事故致因網(wǎng)絡(luò)中，中介中心性較高的節(jié)點為P1（0.020），P6（0.020），M4（0.019），F(xiàn)2（0.019），P5（0.018），H7（0.016），說明這6個節(jié)點在網(wǎng)絡(luò)中起到重要的“橋梁”作用；其中快件堆積和快件破損的中介中心度最高，表明這兩個因素在整個網(wǎng)絡(luò)中被多條最短路徑經(jīng)過，在網(wǎng)絡(luò)的事故風(fēng)險傳遞中起重要作用。另外，安全監(jiān)管不當(dāng)、運輸車輛問題、快件起火、快遞人員罷工等因素對其他因素之間的關(guān)聯(lián)作用同樣具有重要影響。

進(jìn)一步依據(jù)事故因素分類情況，計算每類因素的中介中心性，如圖5所示。研究發(fā)現(xiàn)，快件因素的中介中心性最強(qiáng)，其次為人員因素、管理因素、設(shè)備因素、結(jié)果因素、環(huán)境因素；說明在實際快遞運作中，快件因素對于事故的事態(tài)發(fā)展占據(jù)絕對中心的位置，保障快件安全是遏制事故發(fā)生的根本途徑。

2.4 云集團(tuán)特性

為進(jìn)一步揭示高點度節(jié)點的凝聚狀態(tài)，研究基于整個網(wǎng)絡(luò)所有節(jié)點的點度，以某個節(jié)點的點度不小于某個值為條件找尋云集團(tuán)，此時云集團(tuán)可稱為k-核。k-核是其中每個頂點的點度不小于k的最大子網(wǎng)絡(luò)，界定了相對密集的子網(wǎng)絡(luò)，因而有助于發(fā)現(xiàn)凝聚子群。

分析快遞安全事故致因網(wǎng)絡(luò)的k-核發(fā)現(xiàn)，網(wǎng)絡(luò)中有15個節(jié)點屬于3-核，26個節(jié)點屬于2-核，39個節(jié)點屬于1-核，1個節(jié)點（孤立節(jié)點）屬于0-核，如圖6所示。在3-核中，每個致因因素節(jié)點都至少與其他3個致因因素節(jié)點相連，形成了一個高密度云團(tuán)（見圖7），包括節(jié)點H2，H4，H5，H10，P1，P3，P5，P6，M4，F(xiàn)2、E1，C1，C2，C3，C5；這些節(jié)點間的復(fù)雜關(guān)聯(lián)關(guān)系可視為快遞安全事故致因網(wǎng)絡(luò)的凝聚子群，對網(wǎng)絡(luò)的凝聚特性起著關(guān)鍵作用。

快遞安全事故致因網(wǎng)絡(luò)凝聚子群的具體因素包括：人員因素中的未進(jìn)行收寄驗視、使用非專業(yè)人員、分揀人員操作不當(dāng)以及快遞工作人員的其他不當(dāng)行為，快件因素中的快件堆積、包裝不當(dāng)、快件起火及快件破損，管理因素中的安全監(jiān)管不當(dāng)，設(shè)備因素中的運輸車輛問題，環(huán)境因素中的自然環(huán)境影響，以及結(jié)果因素中的人員傷亡、財產(chǎn)損失、運營網(wǎng)絡(luò)阻斷及無法按時送達(dá)。上述因素間存在高度關(guān)聯(lián)關(guān)系，對快遞安全事故的發(fā)生起到核心作用，快遞企業(yè)需要重點關(guān)注這些因素間的交互作用關(guān)系。

3 結(jié)論

從復(fù)雜網(wǎng)絡(luò)理論的研究視角出發(fā)，用點表示快遞安全事故因素，邊表示事故因素間的關(guān)聯(lián)關(guān)系，構(gòu)建快遞安全事故致因網(wǎng)絡(luò)。以2013～2020年中國發(fā)生的具有影響力的快遞安全事故數(shù)據(jù)為例，描述快遞安全事故致因網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，分析其特性及關(guān)鍵因素，得到主要結(jié)論：

1）快遞安全事故致因網(wǎng)絡(luò)是一個小世界網(wǎng)絡(luò)。事故致因因素聯(lián)系緊密，平均需要3步就可以連接到事故，易引發(fā)致因因素間的連鎖反應(yīng)。

2）快遞安全事故致因網(wǎng)絡(luò)具有無標(biāo)度特性，網(wǎng)絡(luò)中的少量節(jié)點擁有大量的連接，而大多數(shù)節(jié)點只有1個或2個影響因素。人員傷亡、財產(chǎn)損失、快件起火、快件破損因素最容易受其他因素影響，需要快遞企業(yè)加強(qiáng)對這些因素的抗干擾能力；自然環(huán)境影響、未進(jìn)行收寄驗視、使用非專業(yè)人員、分揀人員操作不當(dāng)、收/寄人隱瞞禁寄物品的行為、快件堆積、快件起火、快件破損、安全監(jiān)管不當(dāng)、運輸車輛問題容易對其他因素造成影響，應(yīng)特別注意對這些因素的管控，避免引發(fā)事故因素間的連鎖反應(yīng)。

3）在快遞安全事故致因網(wǎng)絡(luò)中，快件因素對于事故的事態(tài)發(fā)展占據(jù)絕對中心的位置；其中，快件堆積與快件破損對事故風(fēng)險傳遞起著最為重要的作用。保障快件安全是遏制事故發(fā)生的根本途徑，快遞企業(yè)與安全監(jiān)管部門應(yīng)重點關(guān)注因快件因素引發(fā)的事故風(fēng)險傳遞。

4）快遞安全事故致因網(wǎng)絡(luò)存在一個由致因因素與結(jié)果因素共同構(gòu)成的凝聚子群，群內(nèi)各因素間存在的高密度關(guān)聯(lián)關(guān)系在快遞安全事故中起到核心作用，具有高驅(qū)動力，快遞企業(yè)需要重點關(guān)注這些因素間的交互作用關(guān)系。

上述結(jié)論從微觀層面揭示快遞安全事故因素間的結(jié)構(gòu)特征，提出事故的關(guān)鍵因素與中介因素。這與現(xiàn)有研究提出的行業(yè)監(jiān)管、企業(yè)安全管理及民眾安全意識等宏觀層面的原因基本一致。所不同的是，本研究在細(xì)化人員、設(shè)備、組織管理因素的基礎(chǔ)上，增加了對快件、環(huán)境的詳細(xì)原因分析，同時對快遞事故因素的重要性進(jìn)行分析，這對于指導(dǎo)快遞業(yè)實施分級分類精準(zhǔn)管控更具實踐指導(dǎo)意義。

參考文獻(xiàn)：

［1］盧文剛， 孫家根. 快遞行業(yè)公共安全：風(fēng)險分析與協(xié)同治理——以A市全業(yè)務(wù)鏈快遞郵件為例［J］. 廣州大學(xué)學(xué)報（社會科學(xué)版）， 2021， 20（4）： 83-92.

LU W G， SUN J G. Risks analysis and collaborative management in public security of express industry： a case of full service chain express mail in a city［J］. Journal of Guangzhou University （Social Science Edition）， 2021， 20（4）：83-92.

［2］李妙詰. 快遞行業(yè)寄遞渠道突發(fā)事件應(yīng)急管理研究——基于郵政管理部門視角［D］. ?？冢?海南大學(xué)， 2017.

LI M J. Posting network of express industry emergency management—the view of postal administration［D］. Haikou： Hainan University， 2017.

［3］蘇尉. 唐山市快遞行業(yè)安全監(jiān)管研究［D］. 成都： 西南交通大學(xué)， 2018.

SU W. Research on safety supervision of express industry in Tangshan［D］. Chengdu： Southwest Jiaotong University， 2018.

［4］嚴(yán)貝妮， 葉宗勇， 段夢麗. 快遞用戶個人信息安全隱患成因解析——基于用戶角度的調(diào)查研究［J］. 現(xiàn)代情報，2018，38（2）：91-95.

YAN B N， YE Z Y， DUAN M L. Analysis of the cause of personal information security risks of express users—investigation from users angle［J］. Journal of Modern Information， 2018， 38（2）： 91-95.

［5］典帥. 我國快遞業(yè)安全管控研究［D］. 北京： 中國人民公安大學(xué)， 2017.

DIAN S. Research on the safety control of Chinas express delivery industry［D］. Beijing： Peoples Public Security University of China， 2017.

［6］王亞博. 我國快遞場所安全管理風(fēng)險與對策研究［J］. 物流工程與管理， 2019， 41（11）： 137-139.

WANG Y B. Study on the risk and countermeasure of safety management of express industry in China［J］. Logistics Engineering and Management， 2019， 41（11）： 137-139.

［7］張橙. 快遞員職業(yè)安全行為影響因素的實證研究［D］. 石家莊： 河北經(jīng)貿(mào)大學(xué)， 2018.

ZHANG C. An empirical study on the factors affecting the occupational safety behavior of express delivery officers［D］. Shijiazhuang： Hebei University of Economics and Business， 2018.

［8］傅杰， 鄒艷麗， 謝蓉. 基于復(fù)雜網(wǎng)絡(luò)理論的電力網(wǎng)絡(luò)關(guān)鍵線路識別［J］. 復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)， 2017， 14（3）： 91-96.

FU J， ZOU Y L， XIE R. The critical lines identification of the power grids based on the complex network theory［J］. Complex System and Complexity Science， 2017， 14（3）： 91-96.

［9］種鵬云，尹惠.基于復(fù)雜網(wǎng)絡(luò)的危險品道路運輸網(wǎng)絡(luò)優(yōu)化策略研究［J］. 復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)， 2018， 15（3）： 56-65.

CHONG Y P， YIN H. Analysis on optimization strategies of hazardous materials road transportation network using complex network theory［J］. Complex System and Complexity Science， 2018， 15（3）： 56-65.

［10］ WATTS D J， STROGATZ S H. Collective dynamics of ‘small-world networks［J］. Nature， 1998， 393： 440-442.

［11］ NEWMAN M E J. The structure and function of complex networks［J］. SIAM Review， 2003，45（2）：167-256.

［12］ 花玲玲，鄭偉. 基于復(fù)雜網(wǎng)絡(luò)理論的鐵路事故致因分析［J］. 中國安全科學(xué)學(xué)報， 2019， 29（S1）： 118-123.

HUA L L， ZHENG W. Research on causation of railway accidents based on complex network theory［J］. China Safety Science Journal， 2019， 29（S1）：118-123.

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

［14］ LIU J T， SCHMID F， ZHENG W， et al. Understanding railway operational accidents using network theory［J］. Reliability Engineering and System Safety， 2019， 189（C）： 218-231.

［15］ 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.

［16］ 馬小薇. 基于復(fù)雜網(wǎng)絡(luò)的地鐵事故致因機(jī)理研究［D］. 成都： 西南交通大學(xué)， 2019.

MA X W. Research on the causation mechanism of metro accidents based on complex network theory［D］. Chengdu： Southwest Jiaotong University， 2019.

［17］ ZHOU Z P， IRIZARRY J， LI Q M. Using network theory to explore the complexity of subway construction accident network （SCAN） for promoting safety management［J］. Safety Science， 2014， 64：127-136.

［18］ 郭文亞， 周志鵬. 地鐵工程建設(shè)安全事故致因網(wǎng)絡(luò)模型構(gòu)建與解析［J］. 中國安全科學(xué)學(xué)報， 2020， 30（1）： 155-161.

GUO W Y， ZHOU Z P. Subway construction accident causation network modeling and analysis［J］. China Safety Science Journal， 2020， 30（1）：155-161.

［19］ 胡立偉， 楊鴻飛， 何越人， 等. 基于復(fù)雜網(wǎng)絡(luò)的營運貨車交通事故風(fēng)險因素識別［J］. 交通運輸工程與信息學(xué)報， 2022，20（1）： 128-134.

HU L W， YANG H F， HE Y R， et al. Driving risk identification of commercial trucks based on complex network theory［J］. Journal of Transportation Engineering and Information， 2022， 20（1）： 128-134.

［20］ LIU S L， LIANG Y T. Exploring the temporal structure of time series data for hazardous liquid pipeline incidents based on complex network theory［J］. International Journal of Critical Infrastructure Protection， 2019， 26： 1-13.

［21］ 蔡婷婷， 劉祥偉， 劉云霞. 基于復(fù)雜網(wǎng)絡(luò)理論的危險品事故原因?qū)嵶C分析［J］. 哈爾濱商業(yè)大學(xué)學(xué)報（自然科學(xué)版）， 2020， 36（4）： 485-492.

CAI T T， LIU X W， LIU Y X. An empirical analysis of causes of dangerous goods accidents based on complex network theory［J］. Journal of Harbin University of Commerce （Natural Sciences Edition）， 2020， 36（4）： 485-492.

［22］ GUO S Y， ZHOU X Y， TANG B， et al. Exploring the behavioral risk chains of accidents using complex network theory in the construction industry［J］. Physica A： Statistical Mechanics and Its Applications， 2020， 560： 1-14.

［23］ 汪送. 復(fù)雜系統(tǒng)安全事故致因網(wǎng)絡(luò)建模分析［J］. 中國安全科學(xué)學(xué)報，2013，23（2）：111-118.

WANG S. Modelling analysis of complex system accident causation network［J］. China Safety Science Journal， 2013， 23（2）：111-118.

［24］ 田水承. 第三類危險源辨識與控制研究［D］. 北京： 北京理工大學(xué)，2001.

TIAN S C. Research on identification and control of the third kind of hazard sources［D］. Beijing： Beijing Institute of Technology， 2001.

（責(zé)任編輯 李 進(jìn)）