劉冬華,趙 星,趙江平,楊 震

(西安建筑科技大學資源工程學院,陜西 西安 710055)

塔吊是建筑施工中最常用的起重設備,由于其結構特殊、安拆和吊裝作業(yè)過程復雜等特點,安全事故頻發(fā),造成了大量的人員傷亡和經(jīng)濟損失[1]。因此,塔吊施工過程的安全管理十分重要。根據(jù)現(xiàn)有研究及發(fā)生的塔吊事故,總結并分析影響塔吊事故發(fā)生的風險因素,可以為塔吊施工階段制定相應的監(jiān)管和隱患排查方案提供科學依據(jù)。

國內(nèi)外學者主要從事故調(diào)查統(tǒng)計、風險因素分析等方面展開對塔吊事故影響因素的分析[2-7]。如:Tam等[3]通過問卷調(diào)查,總結了影響塔吊作業(yè)安全的主要因素;Kim等[4]通過量化塔吊事故中相關專家的經(jīng)驗,得出塔吊事故原因的重要性和可能性;況宇琦等[5]引入關聯(lián)規(guī)則的思想,分析并總結了塔吊事故特征,為塔吊事故案例的定量分析提供了新的方法和思路;張偉等[6]結合文獻研究成果和系統(tǒng)思維,通過網(wǎng)絡分析計算得出塔吊事故的關鍵致因因素;Zhang等[7]引入復雜網(wǎng)絡思想,建立了塔吊事故原因網(wǎng)絡分析模型,揭示了塔吊倒塌事故的發(fā)生規(guī)律。

綜上,現(xiàn)有的針對塔吊事故影響因素的分析大多側重于作業(yè)人員不安全行為和塔吊作業(yè)的實際操作方面,或通過評價單因素影響下塔吊的安全狀態(tài)提出風險管理建議,對塔吊事故影響因素的研究缺乏系統(tǒng)性,且沒有充分考慮到相關因素之間的關系。因此,本文在現(xiàn)有研究的基礎上,首先對Apriori算法進行改進,并結合復雜網(wǎng)絡理論,利用HFACS模型,從塔吊事故的人為因素出發(fā),考慮監(jiān)管和組織層面的因素,挖掘塔吊事故致因之間的關聯(lián)性;然后基于關聯(lián)規(guī)則挖掘結果構建塔吊事故致因動態(tài)關聯(lián)網(wǎng)絡,識別影響塔吊事故發(fā)生的組合因素,并挖掘事故的潛在規(guī)律,以期為預防和減少塔吊事故的發(fā)生提供科學依據(jù)。

1 研究方法

1994年,Agrawal等[8]最先提出了關聯(lián)規(guī)則挖掘,它是一種發(fā)現(xiàn)事故之間內(nèi)在聯(lián)系的方法,可為預防事故發(fā)生提供依據(jù)。關聯(lián)規(guī)則中最主要的兩個概念是支持度(S)和置信度(C),其可表示如下[9]:

(1)

(2)

式中:S(X→Y)為包含X和Y的事務同時發(fā)生時的比值;Count(X∪Y)為X∪Y出現(xiàn)的次數(shù);C(X→Y)為包含X且包含Y的事務的比值;Count(X)為X出現(xiàn)的次數(shù);N為塔吊事故致因數(shù)據(jù)集中所有事務的個數(shù);X和Y均表示塔吊事故致因因素。其中,置信度超過0.70的規(guī)則是有意義的[10]。

為了消除經(jīng)典的Apriori算法使用的“支持度—置信度”評估標準產(chǎn)生的具有誤導性的規(guī)則,學者們研究了一種新的規(guī)則評價準則——興趣度[11]。本文選擇具有上下界的差異思想興趣度(I)模型,可表示為[9]

(3)

同時,本文引入提升度(Lift)和杠桿率(Leve-rage)以提高關聯(lián)規(guī)則的實用性,可表示為

(4)

Leverage(X→Y)=P(X∩Y)-P(X)×P(Y)

(5)

式中:Lift(X→Y)為“包含X的事務中同時包含Y的事務的比例”與“包含Y的事務的比例”的比值;Leverage(X→Y)為用來衡量X和Y的事務的聯(lián)合概率和期望聯(lián)合概率之間的差異。其中,Lift(X→Y)≥1的規(guī)則是有意義的,且當提升度相同時,杠桿率較高的規(guī)則要優(yōu)于其他規(guī)則。

在大數(shù)據(jù)時代的背景下,為了更深層次地研究關聯(lián)規(guī)則之間的聯(lián)系,選用復雜網(wǎng)絡模型對相互獨立的關聯(lián)規(guī)則做進一步分析。

復雜網(wǎng)絡由圖論和統(tǒng)計知識衍生而來,是可視化和揭示復雜系統(tǒng)中各元素間相關網(wǎng)絡客觀規(guī)律的重要工具[12]。復雜網(wǎng)絡中的因子可作為網(wǎng)絡中的節(jié)點,因子之間的邏輯關系作為邊,從而形成復雜網(wǎng)絡模型[7]。通過對網(wǎng)絡拓撲特征和統(tǒng)計特征的分析,對塔吊事故的影響因素及其相互作用進行高效處理和總結。主要分析指標如下[13-14]:

1) 節(jié)點的度:指與該節(jié)點相鄰的所有節(jié)點的數(shù)量,在一定程度上表示節(jié)點的重要性。

2) 網(wǎng)絡直徑和平均路徑長度:網(wǎng)絡直徑指兩節(jié)點之間最短路徑上的邊數(shù);平均路徑長度指任意兩節(jié)點之間沿最短路徑傳遞的邊數(shù)的平均值,可以反映網(wǎng)絡節(jié)點之間的分離程度。

3) 聚類系數(shù):指網(wǎng)絡中哪些節(jié)點趨于聚集在一起,是一種局部變量。

4) 節(jié)點緊密度:指網(wǎng)絡中一個節(jié)點連接其他節(jié)點的能力,具有全局性。

2 塔吊事故人因分析模型構建

2.1 數(shù)據(jù)分析

本文從國家應急管理部及地方應急管理局官方網(wǎng)站搜集并整理了241份具有完整信息的塔吊事故調(diào)查報告,這241起事故發(fā)生于2013年至2021年,共造成292人死亡、133人受傷,經(jīng)濟損失高達30 000萬元。其中,一般起重傷害事故占比為83%,較大起重傷害事故占比為16%,重大起重傷害事故占比為1%。

通過分析塔吊事故報告的內(nèi)容,并結合HFACS模型[15]及文獻[16]建立的起重機操作風險目錄,得到塔吊事故影響因素主要包括不安全行為、不安全行為的前提、不安全監(jiān)管、組織影響和時間因素,構建了塔吊事故致因數(shù)據(jù)集,得到了影響塔吊安全的46個因素,如表1和表2所示。

表1 塔吊事故人為因素

表2 塔吊事故時間因素

2.2 人為因素關聯(lián)規(guī)則挖掘

針對經(jīng)典的Apriori算法存在的問題,在主觀度量之前,增加關聯(lián)規(guī)則的度量框架,并對關聯(lián)規(guī)則進行合理刪減,剔除產(chǎn)生的冗余規(guī)則。改進后的Apriori算法運行步驟如下:

輸入:輸入數(shù)據(jù)集N、置信度閾值、支持度閾值、提升度閾值、杠桿率閾值、差異思想興趣度閾值。

1) 找出所有頻繁項集,掃描數(shù)據(jù)集N,設置K=1;

2) 挖掘頻繁K項集;

3)K=K+1,重復步驟2)。

輸出:輸出符合條件的規(guī)則,最終確定強關聯(lián)規(guī)則220條。

2.3 塔吊事故致因動態(tài)關聯(lián)網(wǎng)絡模型構建

在改進的Apriori算法挖掘關聯(lián)規(guī)則過程中已經(jīng)過濾掉了較不重要的影響因素,引入復雜關聯(lián)網(wǎng)絡模型對強關聯(lián)規(guī)則進行拓撲,節(jié)點之間有無連接代表其之間是否具有相關關系。

塔吊事故致因動態(tài)關聯(lián)網(wǎng)絡建立的步驟如下:

1) 選擇關聯(lián)網(wǎng)絡模型的節(jié)點。以所得的關聯(lián)規(guī)則挖掘結果中所有的前項與后項作為關聯(lián)網(wǎng)絡模型的節(jié)點,共確定了113個節(jié)點作為建立塔吊事故致因動態(tài)關聯(lián)網(wǎng)絡模型的基礎。

2) 定義描述節(jié)點相關性的邊。將提升度作為對應邊的權重,以此構建鄰接矩陣。

3) 建立綜合關聯(lián)網(wǎng)絡模型。根據(jù)關聯(lián)規(guī)則挖掘結果集成到整體的塔吊事故致因動態(tài)關聯(lián)網(wǎng)絡模型,最終確定網(wǎng)絡模型覆蓋了113個節(jié)點,包含439條邊,并使用Ucinet6軟件繪制網(wǎng)絡圖。

3 結果與分析

3.1 關聯(lián)規(guī)則挖掘結果分析

本文利用Apriori算法對46個影響因素之間的關系進行挖掘,其中最小支持度Smin=0.10,最小置信度Cmin=0.70,得到關聯(lián)規(guī)則544條。通過改進的Apriori算法,在Smin=0.10、Cmin=0.70的基礎上,設置Lift(X→Y)>1、Leverage(X→Y)>0,經(jīng)過多次重復試驗,設置最小興趣度Imin=0.432,得到220條強關聯(lián)規(guī)則。

通過引入差異思想興趣度的Apriori算法,對比經(jīng)典的Apriori算法與改進的Apriori算法關聯(lián)規(guī)則變化情況,分別組成3種不同的參數(shù):第一組,Cmin=0.70、Imin=0.432;第二組,Smin=0.10、Imin=0.432;第三組,Smin=0.10、Cmin=0.70。經(jīng)典的Apriori算法與改進的Apriori算法關聯(lián)規(guī)則比較如圖1至圖3所示。

圖1 不同支持度下經(jīng)典的Apriori算法與改進的 Apriori算法關聯(lián)規(guī)則比較Fig.1 Comparison of association rules between the classic Apriori algorithm and the improved Apriori algorithm under different support levels

圖2 不同置信度下經(jīng)典的Apriori算法與改進的 Apriori算法關聯(lián)規(guī)則比較Fig.2 Comparison of association rules between the classic Apriori algorithm and the improved Apriori algorithm under different confidence levels

圖3 不同興趣度下經(jīng)典的Apriori算法與改進的Apriori 算法關聯(lián)規(guī)則比較Fig.3 Comparison of association rules between the classic Apriori algorithm and the improved Apriori algorithm under different interest degree

由圖1至圖3可以看出:改進后的Apriori算法可以降低關聯(lián)規(guī)則數(shù)量,從而提高關聯(lián)規(guī)則挖掘的效率和質(zhì)量;在支持度、置信度一定的情況下,隨著興趣度的增加,關聯(lián)規(guī)則數(shù)量降低幅度十分明顯(圖3),這是因為興趣度越大,說明對篩選出的關聯(lián)規(guī)則更感興趣,所得的關聯(lián)規(guī)則意義更大。

本文利用改進的Apriori算法得到220條強關聯(lián)規(guī)則,部分關聯(lián)規(guī)則如表3所示。

表3 部分關聯(lián)規(guī)則展示

在表3中,關聯(lián)規(guī)則1顯示當出現(xiàn)進入危險區(qū)域(UA04)因素時,有79%左右的概率會出現(xiàn)不安全行為;關聯(lián)規(guī)則2～6顯示當出現(xiàn)注意力分配不當(P07)、授權不合格人員操作(US08)、上午(B1)等因素時,有89%左右的概率會出現(xiàn)不安全行為的前提;規(guī)則7～11顯示當出現(xiàn)作業(yè)壓力大引起的焦慮或緊張(P09)、缺乏溝通合作(P11)、專項施工方案編制不規(guī)范(O05)等因素時,有80%左右的概率會發(fā)生不安全監(jiān)管;關聯(lián)規(guī)則12～16顯示當出現(xiàn)起重作業(yè)時安全技術交底不到位(US05)、部分崗位人員配備不齊(O01)、人員安全教育不到位(O10)等因素時,有82%左右的概率會出現(xiàn)組織影響。

綜上分析可知,塔吊事故的發(fā)生與人員的監(jiān)管和組織層面有較大關聯(lián),因此可以通過制定和完善相關管理制度來減少塔吊事故的發(fā)生。此外,在表3中,關聯(lián)規(guī)則3顯示的{US01(監(jiān)管人員未按要求進行安全檢查)+US08(授權不合格人員操作)→P05(人員崗位與能力不匹配)}的支持度最高,該值為0.19,其置信度為0.96,表示US01和US08發(fā)生時有96%的概率會發(fā)生P05;關聯(lián)規(guī)則2顯示{US08+B1(上午)→P05}的置信度最高,其值為0.97;{UA04(進入危險區(qū)域)→UA02(司索工違規(guī)操作)}的提升度和興趣度最高,其值分別為5.379和0.814。

3.2 塔吊事故致因動態(tài)關聯(lián)網(wǎng)絡分析

根據(jù)關聯(lián)規(guī)則挖掘所得的220條強關聯(lián)規(guī)則,將提升度作為對應邊的權重,以此構建一個46×46的鄰接矩陣,部分鄰接矩陣數(shù)據(jù)如表4所示。

表4 部分鄰接矩陣數(shù)據(jù)

通過去除個別孤立點,確定了113個節(jié)點及節(jié)點之間的相互關系,構建了塔吊事故致因動態(tài)關聯(lián)網(wǎng)絡圖,如圖4所示。該網(wǎng)絡圖共包含113個節(jié)點和439條邊,其中包含1個不安全行為的節(jié)點、6個不安全行為的前提的節(jié)點、5個不安全監(jiān)管的節(jié)點、4個組織影響的節(jié)點、97個組合因素的節(jié)點。此外,在97個組合因素的節(jié)點中,P11、US06、O01、O05因素出現(xiàn)頻次較高。以節(jié)點“US06,O05”和“O01,O05”為例,這兩個節(jié)點均包含了O05因素,說明塔吊事故中O05(專項施工方案編制不規(guī)范)是非常關鍵的影響因素,且US06(未及時指出和糾正作業(yè)人員的錯誤操作)或O01(部分崗位人員配備不齊)這兩個因素經(jīng)常與O05因素組合發(fā)生,并與其他致因因素產(chǎn)生關聯(lián),如P05(人員崗位與能力不匹配)和US05(起重作業(yè)時安全技術交底不到位)等因素。

圖4 塔吊事故致因動態(tài)關聯(lián)網(wǎng)絡圖Fig.4 Dynamic association network diagram of accident causes of tower crane

3.2.1 節(jié)點的度

塔吊事故致因動態(tài)關聯(lián)網(wǎng)絡中,節(jié)點的平均度為7.699,即每個節(jié)點平均關聯(lián)7.699個節(jié)點,度值低于平均數(shù)的節(jié)點高達76%,表示關聯(lián)網(wǎng)絡中關聯(lián)程度高的節(jié)點較少,而有效控制度值高的節(jié)點將有利于阻礙風險擴散,降低事故的嚴重程度?？偠戎荡笥?0的節(jié)點如圖5所示。其中,總度值較大的節(jié)點有P05、P08、O05、US01,其度值分別為88、75、52、50,說明這些因素容易受到其他因素的影響或容易對其他因素造成影響,對塔吊事故發(fā)生的影響較大,是造成事故發(fā)生的關鍵因素。因此,通過避免這些關鍵因素的出現(xiàn)可以有效避免事故的發(fā)生。

圖5 總度值大于10的節(jié)點Fig.5 Nodes with a total degree value greater than 10

3.2.2 網(wǎng)絡直徑與節(jié)點的平均路徑長度

塔吊事故致因動態(tài)關聯(lián)網(wǎng)絡中,網(wǎng)絡直徑為5,節(jié)點O02與節(jié)點US06構成了關聯(lián)網(wǎng)絡中距離最大的一對節(jié)點。節(jié)點的平均路徑長度為2.995,說明網(wǎng)絡中一個節(jié)點連接到另一個節(jié)點不需要超過3個節(jié)點,如節(jié)點P08和節(jié)點P05的兩類不安全行為的前提可以通過穿過節(jié)點“P05,P11”和節(jié)點O01連接形成風險鏈,反映出網(wǎng)絡緊密相連,風險因素高度相關,節(jié)點狀態(tài)的變化很容易觸發(fā)節(jié)點間的連鎖反應。其中,P05到各節(jié)點的平均距離都較小,在關聯(lián)網(wǎng)絡中屬于影響事故發(fā)生的關鍵節(jié)點。

3.2.3 節(jié)點的聚類系數(shù)

塔吊事故致因動態(tài)關聯(lián)網(wǎng)絡中,平均聚類系數(shù)為0.419,部分節(jié)點的聚類系數(shù)如表5所示。其中,聚類系數(shù)為1.000的節(jié)點,如節(jié)點“US01,O02”、“US06,B3”等是因為這些聚類系數(shù)較低的因素組合發(fā)生時會造成更加專一化的影響,在關聯(lián)網(wǎng)絡中表現(xiàn)為此節(jié)點與相鄰節(jié)點之間的聯(lián)系更加密切,從而導致其聚類系數(shù)變大。因此,當這些節(jié)點的狀態(tài)發(fā)生變化時,極易引發(fā)相鄰節(jié)點之間的連鎖反應,從而導致事故發(fā)生。

表5 部分節(jié)點的聚類系數(shù)

3.2.4 節(jié)點的緊密度

塔吊事故致因動態(tài)關聯(lián)網(wǎng)絡中,節(jié)點的緊密度為0.289,其中節(jié)點的緊密度排名前8位的節(jié)點,如圖6所示。從節(jié)點的緊密度排名中發(fā)現(xiàn),單因素節(jié)點P05、P08和組合因素節(jié)點“P11,O01”、“US01,O02”對關聯(lián)網(wǎng)絡中其他節(jié)點的影響較大,往往是造成塔吊事故發(fā)生的根源。

圖6 節(jié)點的緊密度排名前8位的節(jié)點Fig.6 Top eight nodes in terms of tightness

4 結 論

1) 在塔吊事故分析中,以人因分析和分析系統(tǒng)(HFACS)模型為基礎,從不安全行為、不安全行為的前提、不安全監(jiān)管、組織影響4個層面,采用差異思想的Apriori算法,引入多個興趣度度量框架,冗余關聯(lián)規(guī)則數(shù)量的降低幅度十分明顯。

2) 根據(jù)關聯(lián)規(guī)則挖掘得到220條關聯(lián)規(guī)則,以關聯(lián)規(guī)則的提升度為權重構建了一個由113個節(jié)點和439條邊組成的塔吊事故致因動態(tài)關聯(lián)網(wǎng)絡圖,通過綜合塔吊事故致因動態(tài)網(wǎng)絡圖中的節(jié)點頻次、總度值、聚類系數(shù)和緊密度對這些因素進行定量分析,從多角度直觀且深入地揭示塔吊事故致因的潛在特征,對精準處理塔吊事故數(shù)據(jù)、提升塔吊施工安全具有重要意義。

3) 通過分析塔吊事故致因動態(tài)關聯(lián)網(wǎng)絡圖可知:P05(人員崗位與能力不匹配)、P08(過度自信)、US01(監(jiān)管人員未按要求進行安全檢查)、O01(部分崗位人員配備不齊)、O05(專項施工方案編制不規(guī)范)、B3(下午)是塔吊事故發(fā)生的關鍵影響因素。因此,在塔吊施工過程中,需要重點關注這些因素,尤其在監(jiān)管和組織層面更需要加強安全管理,以預防塔吊事故的發(fā)生。