ISM耦合ANP的洞室施工人员风险感知系统脆弱性仿真分析*

江 新,陈 瑶,胡文佳,李 炜,郑霞忠

(1.三峡大学 湖北省水电工程施工与管理重点实验室，湖北 宜昌 443002;2.三峡大学 水利与环境学院，湖北 宜昌 443002)

0 引言

风险感知是人对风险的最基本认识和反应[1]，包括风险感触、风险认识和风险行为。风险感知是人类对风险的直觉，风险认识是人类在基本经验的基础上对风险的朴素辨识，风险行为是两者本能的行为体现，基于系统动力学理论，这三者之间可形成1个循环反馈动力系统，即为风险感知系统。在此基础上，将本文的风险感知定义为人们基于自身主观经验和知识对风险事物和风险特征具有感受、认识和理解，进而做出本能反应，即为1个完整的风险感知过程。

近年来，我国经济处于高速发展期，大量的水电站、地铁、公路隧道等正处于建设阶段，洞室施工安全事故数量也在逐年增加[2]，而造成安全事故的主要原因之一就是施工人员对施工现场存留的风险感知水平不足。Brown等[3]基于个人一生发展的决策现象，讨论了专家和公众对风险看法之间的差异；Kouabenan等[4]认为影响人们风险感知的主要因素为人们面对风险时的信心、处理风险的能力、自身的宗教信仰和文化背景；黄浪等[5]论述了风险感知偏差的放大机制和干预对策，构建了风险感知偏差机理概念模型；龚萍[6]认为消费者的个体特征如性别、学历、行业等都会影响其风险感知；王传连[7]研究了生理因素对驾驶人的行为和风险感知能力的影响。这些研究均从不同角度推动了风险感知的发展，但忽略了主观感知的脆弱性。脆弱性最早来源于生态系统和自然灾害学的研究，现已被多个研究领域所应用。江新等[8]将脆弱性引入应急管理系统的研究，对水电工程阶段的应急管理系统脆弱性进行了分析和评价；向鹏成等[9]运用复杂理论对跨区域重大工程项目脆弱性进行了评估；季闯等[10]引入可靠性函数，通过计算得出的各维度失效系数所表示的可靠度来间接反映系统脆弱性。目前，国内对风险感知系统脆弱性的研究比较匮乏，具体到地下洞室施工对象的研究少之又少，故本文将脆弱性引入到地下洞室施工人员风险感知系统的研究中。

以A水电站工程为例，运用解释结构模型(Interpretative Structural Modeling Method, ISM)分析地下洞室施工人员风险感知影响因素间相互作用关系；在此基础上运用网络层次分析法(Analytic Network Process, ANP)来确定15个影响因素的权重值；最后将ISM耦合ANP和系统动力学(System Dynamics, SD)相结合，通过设定不同仿真策略来对地下洞室施工人员风险感知系统脆弱性影响趋势进行仿真分析，以期为地下洞室突发灾害事件的控制预防、应急救援以及地下洞室施工安全规划提供支撑。

1 地下洞室施工人员风险感知系统脆弱性影响因素分析

1.1 风险感知系统脆弱性的界定

脆弱性最初是指物体易受攻击、易受伤和被损坏的特性，在应急管理系统领域，脆弱性已成为1个专有名词，Gallopín[11]认为脆弱性是由系统面对外界扰动的敏感性和反应能力构成，是系统的属性，只有在系统受到扰动和压力时才会显现出来，且系统状态的改变是系统的脆弱性、系统面临扰动的属性以及系统对扰动的暴露三者构成的函数。据此，本文将工人风险感知系统脆弱性理解为工人在施工过程中，其风险感知系统对系统内外扰动的敏感性，以及判断施工风险的能力由于受内外扰动而发生改变的1种属性，即对干扰的暴露、敏感和不适应的综合表征。

结合系统脆弱性的定义可知，系统的脆弱性越高，说明该系统结构越松散，不利影响因素越多；反之则说明该系统结构完善，不利因素较少。工人风险感知系统是工人自身对风险感知能力的主观性和施工环境的客观属性共同影响风险感知系统的稳定性。经过调研可将地下洞室施工人员的风险感知过程的各阶段结果归纳为：未发现潜在风险；发现环境发生变化，但对风险不了解；识别风险但出于经验不足或相关原因选择了错误应对措施；识别风险并对可能发生的安全事故作出正确防范措施。这4类结果代表工人风险感知脆弱性的不同层级，据此构建如图1所示的风险感知系统脆弱性模型。

1.2 风险感知系统脆弱性影响因素体系构建

A水电站为比较具有代表性的项目，笔者通过文献分析[12-14]以及问卷调查和案例分析的方式来确定地下洞室施工人员风险感知系统的脆弱性影响因素，形成了地下洞室施工人员风险感知脆弱性影响因素体系，如图2所示。

图1 风险感知系统脆弱性模型Fig.1 Risk perception system vulnerability model

图2 地下洞室施工人员风险感知系统脆弱性影响因素体系Fig.2 System of factors affecting the vulnerability of construction personnel in the underground caverns

根据地下洞室的施工特点对图2中的15个二级影响因素进行筛选说明，P11为一线工人取得有关部门认定的技术等级；P12为工人参与地下洞室开挖、爆破、支护等分部工程的工作年限；P13为工人对施工单位安全文化认可度以及对不规范操作和不安全行为的敏感度，可以通过安全管理部门组织的安全生产考试量化说明；P14为工人生理、心理健康程度；P21为进场机械设备检验合格及以上的比例；P22为设备完整流畅运行的能力；P23为施工人员安全设备及现场安全挂网等设施完整程度；P33为在遇到不稳定围岩时，采取如支撑衬砌或者混凝土喷锚支护等措施；P34为洞室开挖和地面找平过程中各机械(如手风钻、找平机等)在作业中达到近似频率而产生的围岩共振和机械制造的噪音以分贝量化；P41为施工企业为增强员工安全生产责任意识，定期展开的安全教育讲座及安全生产考核；P43为安全管理部对安全生产检查监督职责的履行情况；P44为安全管理部门召集施工生产部门、运营管理部门、技术部门商议结合施工进度和工期制定的安全生产管理各阶段考核目标[14]。

2 地下洞室施工人员风险感知系统脆弱性ISM模型

通过运用ISM来对已确定的复杂散乱的风险感知系统脆弱性影响因素体系进行分析，观察系统要素之间的关联程度，最终得到风险感知系统内部各要素之间的结构关系[15]。

2.1 风险感知系统脆弱性影响因素的层级划分

将图2中的15个脆弱性影响因素(即P11到P44)分别用S1到S15来进行表示，通过问卷调查和专家打分法来确定15个影响因素之间的内部关系，从而根据式(1)建立相应的邻接矩阵A。

(1)

利用Matlab软件，基于布尔运算法则来计算邻接矩阵A的可达矩阵M。根据可达矩阵M可求得影响因素Si的可达集R(Si)和先行集Q(Si)，其为R(Si)为M中Si能够影响到的所有因素所组成的集合，Q(Si)为能够对Si产生影响的因素所组成的集合。在此基础上依据R(Si)=R(Si)∩Q(Si)的原则，对风险感知系统脆弱性影响因素进行层级划分，按照自上而下的方式，经计算可得到第一级节点到第五级节点分别为：δ1={2，3，12},δ2={1，8，9，11，13}，δ3={7，10，14，15}，δ4={4，5，6}。

2.2 建立风险感知系统脆弱性ISM模型

根据上述的计算和分析，提取骨架矩阵，得到地下洞室施工人员风险感知系统脆弱性影响因素ISM模型，总共分为4个层级，如图3所示。图3为1个4层低阶结构，其中第1层为表层直接影响因素，第2层和3层为中间层间接影响因素，第4层为深层次影响因素。

2.3 ISM模型分析

由图3可知，表层直接影响因素中的3个影响因素是影响工人风险感知系统脆弱性的直接原因，说明在施工时，找同种工作实际年限较长、具有较强安全意识的工人和加大安全教育与培训力度均会降低工人的风险感知系统脆弱性；第2层的5个影响因素和第3层的4个影响因素为间接影响因素。例如洞室地质构造和岩体结构、施工现场通风与照明和规章制度及执行力度等直接影响工人的安全意识，进而影响工人的风险感知系统脆弱性；第4层的深层次根源影响因素包括机械设备完好率、机械设备使用性能和工人的身心状态。说明地下洞室施工活动进行之前应该做好施工准备工作，选用使用性能完好的施工机械，并且应该时刻关注工人的身心状态。

图3 地下洞室施工人员风险感知系统脆弱性ISM模型Fig.3 Vulnerability ISM model of risk perception system for underground caverns

3 地下洞室风险感知系统脆弱性ANP模型

运用ISM对洞室施工人员风险感知系统脆弱性影响因素分析后可知，这15个影响因素之间高度交叉影响，且相互关联性非常高。网络层次分析法在综合考虑各种因素的同时，也会考虑到各因素间的相互影响，故可用该方法对各脆弱性影响因素进行权重的赋值，在此借用超级决策软件(Super Decisions， SD)进行计算。本次通过专家调查法得到相关数据，共邀请了7位地下洞室施工方面的资深专家，分别从事施工(3人)、勘察(1人)、设计(1人)、科研(2人)等相关领域的工作。依据1.2节中建立的影响因素体系制作问卷调查表，问卷采取Li-kert五级量表，首轮调查3份问卷未填写，结合次轮调查形成最终合格问卷数据。在进行ANP权重计算的同时，根据所返回的问卷调查结果对15个影响因素进行两两比较，并将比较结果输到SD软件中，得到未加权超矩阵、加权矩阵和极限超矩阵，从而完成指标权重的计算，见表1。由表1可知，二级指标中权重系数最大的为工人的安全意识P13，其次是工人同类工作实际年限P12和安全教育与培训P41。

4 地下洞室施工人员风险感知脆弱性仿真模型分析

地下洞室施工人员风险感知系统是1个非线性、各子系统之间相互高度交叉的多重反馈复杂开放系统，而系统动力学的功能对此具有针对性。故利用系统动力学仿真平台Vensim软件对工人风险感知系统脆弱性变化趋势进行仿真模型分析。

4.1 SD流图的构建

根据图3的风险感知系统脆弱性ISM模型，建立如图4所示的地下洞室施工人员风险感知系统脆弱性SD流图，该系统变量包括4个水平变量、15个辅助变量和4个速率变量。

4.2 仿真模型参数的确定

本文将所有影响水平的值设定在区间(0，1)内，结合实地走访项目的情况以及历年的安全检查记录事故和调查报告等文件，通过专家打分法和加权平均法对水平变量P1,P2,P3,P4的初值进行赋值。根据ISM耦合ANP得到的权重值和系统动力学原理，建立风险感知脆弱性SD方程，如表2所示。

4.3 仿真策略及分析

本文运用Vensim软件进行策略模拟，仿真模拟时间取为1个月，仿真图的横坐标表示仿真步长，纵坐标表示人员风险感知系统脆弱性的趋势变化值。

4.3.1 考虑所有影响因素仿真策略及分析

由于工人的风险感知系统脆弱性与合理的施工安全投入存在一定的关联性，故在考虑所有影响因素时，可通过对安全投入的调整来对工人的风险感知系统脆弱性进行模拟。

策略1：保持其他条件不变的情况下，通过增加和减少安全投入的10%，与原始状态下的情形进行对比，模拟结果如图5所示。在地下洞室施工过程中，安全投入是必不可少的，初始状态时工人的风险感知系统脆弱性以小速率降低，减少10%的安全投入以后，变化趋势呈现上升状态，但不很明显。相反地，增加10%的安全投入以后，工人的风险感知系统脆弱性呈现大幅度降低，在24 d以后慢慢变得稳定。通过模拟结果可知，在施工时，增加安全投入对系统稳定十分必要。

表1 地下洞室施工人员风险感知系统脆弱性指标权重Table 1 The weight of the vulnerableness index of the construction personnel of the underground caverns

图4 地下洞室施工人员风险感知系统脆弱性SD流图Fig.4 Vulnerability SD flow diagram of the risk perception system of underground cavern construction workers

变量因变量SD方程速率变量人员系统脆弱性变化量P11×0.230 8+P12×0.332 1+P13×0.381 1+P14×0.056 0设备系统脆弱性变化量P21×0.216 8+P22×0.205 0+P23×0.578 2环境系统脆弱性变化量P31×0.208 2+P32×0.411 1+P33×0.168 6+P34×0.212 1管理系统脆弱性变化量P41×0.443 3+P42×0.374 2+P43×0.101 0+P44×0.081 5水平变量P1人员系统脆弱性变化量×0.375 1初始值为0.409P2设备系统脆弱性变化量×0.092 7初始值为0.176P3环境系统脆弱性变化量×0.259 8初始值为0.411P4管理系统脆弱性变化量×0.272 4初始值为0.313

图5 考虑所有影响因素时增加安全投入策略仿真趋势Fig.5 Comparison of simulation trend of safety investment strategy when considering all influencing factors

4.3.2 各子系统仿真策略及分析

策略2：通过改变某一系统时保持其他系统不变的原则，将人员、设备、环境以及管理4个子系统分别增加10%，可以得到各子系统风险感知系统脆弱性仿真趋势对比图，如图6所示。

图6 各子系统风险感知脆弱性策略仿真趋势对比Fig.6 Comparison of simulation trend of risk perception vulnerability strategy of each subsystem

由上图的模拟结果可知，人员系统脆弱性发生变化对工人的风险感知系统脆弱性的影响最大，各子系统的变化使得工人的风险感知系统脆弱性均呈现非线性趋势逐渐减小，在第22天以后逐渐变得稳定。通过仿真结果可知，工人自身的因素和状态对工人的风险感知系统脆弱性有着决定性作用，是其他影响因素发挥作用的前提保障。

4.3.3 表层直接影响因素仿真策略及分析

策略3：选取ISM模型中的3个表层直接影响因素，通过增加某一个影响因素的权重值时保持其他2个不变的原则，将这3个影响因素的指标量分别增加0.06进行模拟，对比结果如图7所示。

图7 表层直接影响因素策略仿真趋势对比Fig.7 Surface direct influence factor strategy simulation trend comparison chart

模拟结果表明，当将工人的安全意识权重增加，即将工人的安全意识提高时，前20 d工人的风险感知系统脆弱性下降趋势逐渐减缓，在26 d左右以后趋于平缓状态。增加工人的同类工作年限和增强安全教育与培训时，工人的风险感知系统脆弱性趋势变化出现类似的情况。其中，人员的安全意识的增加对工人的风险感知系统脆弱性影响最大，其次是工人的同类工作年限，最后是安全教育与培训，说明工人的安全意识是降低风险感知系统脆弱性最关键的影响因素。这与前面的ISM得到的结果是一致的，说明运用ISM耦合ANP计算具有反馈关系的系统权重值是合理且准确的。

5 结论

1)以人-机-环-管4要素为框架构建地下洞室施工人员风险感知系统脆弱性影响因素指标体系，运用ISM分析了各影响因素之间的关联性和影响程度，发现各影响因素之间相互高度交叉影响，在此基础上运用ANP和SD软件得到15个影响因素的权重系数。

2)通过ISM耦合ANP与系统动力学的结合，构建了地下洞室施工人员风险感知系统脆弱性仿真模型，发现安全投入与风险感知系统脆弱性呈现非线性水平，合理的安全投入能有效降低工人风险感知系统的脆弱性。且工人自身因素占据决定性地位，在施工时应该时刻关注工人的身心状态，通过加大安全教育培训、增强安全监管力度等措施来促进工人的安全意识。

3)本文研究方法适用于安全管理强控状态下的重点工程，需要一定数据支撑。该成果可为地下洞室施工安全管理提供理论依据，对人性化管理及工人行为科学研究有一定价值。