基于SD-MOP模型的建筑施工安全事故预测研究

马晓龙

(首都经济贸易大学 管理工程学院,北京,100070)

0 引言

建筑行业是国民经济的主要支柱产业，提升建筑施工质量及预防其安全事故，对国民经济具有十分重要的意义。当前，传统施工事故预测方法通常是采用人为判断的方式完成。在实际应用中存在主观因素占比较大、预测结果易受周围因素影响、预测结果不准确等问题。多目标规划模型(Multi-objective Programming，MOP)能够较好地协调利益相互竞争的多种目标，虽然优化算法具有可靠的数学基础和简便的软件实现，但对日益变化的经济、社会、环境、政策不能得到即时的反应，也不利于城市建设用地供应中长期规划的制定。因此，本文结合SD-MOP模型开展对建筑施工安全事故预测研究。SD-MOP模型是将SD模型与MOP模型整合的一种全新的预测模型。能够更加清晰地将关系结构复杂的影响因素清晰展现，并针对各类因素进行长期变化趋势的预测。

1 建筑施工安全事故“4M”因素

为将被动安全事故管理模式调整为事故前预防模式，本文在对预测方法进行设计前，对建筑施工安全事故的发生机理进行研究。根据施工事故致因理论，得出影响施工安全的“4M”因素。“4M”因素主要包括：人为因素、物的因素、管理因素以及环境因素。将“4M”因素引入到本文下述模型当中，为预测方法提供依据。下面对“4M”因素进行详细的分析说明。

1.1 人为因素

人为因素是影响建筑施工安全事故的关键因素，由人为因素导致的安全事故，通常伴随着人员的伤亡。因此人为因素既是导致事故发生的诱导因素，又是事故发生中被伤害的对象之一。在建筑施工当中，产生安全事故的人为因素主要包括：施工人员技术水平、施工人员是否存在无证上岗情况、施工人员安全素质、管理人员安全素质以及施工人员接受安全技术交底的情况。人为因素在很大程度上可以通过相关措施避免，因此更容易受到社会各界的高度关注。

1.2 物的因素

物的因素是指建筑施工过程中使用的设备因素和材料因素。在建筑施工的安装、运输和装配等环节中都离不开机械设备的使用，其安全状态直接影响着建筑施工的安全状态。物的因素主要包括：施工设备自身危险程度、施工现场安全物资良好程度、施工材料质量及保管情况、机械设备的性能以及安全防护情况、危险品种类及数量、特种作业设备性能。在长期高强度的建筑施工过程中，对设备及材料等进行有效管理，能够降低安全事故的发生概率。

1.3 管理因素

当前建筑施工中相应的安全管理体系仍然不够健全，虽然有关部门已经出台了一系列安全管理的相关标准及规定，但其从提出到落实需要很长时间。建筑施工安全事故中管理因素主要包括：是否在施工前进行安全生产教育、安全管理项目占整体施工项目的投入比例、安全监管力度、安全管理基础设施建设、是否建立安全管理相关机构、管理人员监管能力。

1.4 环境因素

导致建筑施工发生安全事故的环境因素，是4种影响因素中唯一一种不可控因素。不同施工环境下，施工条件相差较大，发生的安全事故问题也常常存在较大差异。影响建筑施工安全的环境因素根据具体情况，可细化为物理环境因素和自然环境因素。其中，自然环境因素是指施工时气候因素、工程地质环境因素以及施工周边环境因素。物理环境因素主要是指施工场地布局是否合理、施工现场治安情况、生活卫生综合治理情况。由于自然环境因素无法实际量化，且极易发生改变，因此，本文在对建筑施工安全事故预测方法进行设计时，仅考虑环境因素中的物理环境因素，对自然环境因素不进行过多考虑。

2 基于SD-MOP模型的施工事故预测方法设计

2.1 建筑施工安全事故预测目标函数及约束条件

本文对建筑施工安全事故影响因素进行分析，明确各因素之间的作用机理，确定建筑施工安全事故预测目标函数及约束条件。施工安全事故的预测既要满足安全方面的基本要求，也要从施工进度及成本方向综合考虑，最大程度降低安全事故对施工进度以及事故支出费用的影响，从而保证项目的顺利进行。因此，建筑施工安全事故预测目标函数应当综合考虑安全、进度和成本3个方面。对于承包单位，建筑施工安全事故预测是将有限的资源投入到更能够有效解决现场可能存在的安全事故当中，从而保障施工项目的安全顺利完成。因此，将上述3类目标综合考虑，得出目标函数min

y

(

s

)为：min

y

(

s

)=(

y

(

s

),

y

(

s

),

y

(

s

))

(1)

式中：

y

(

s

)—安全事故潜在的以往人数与关键安全因素线性关系式；

y

(

s

)—施工项目无效工期与关键安全投入因素的线性关系式；

y

(

s

)—施工项目额外支出与关键安全投入因素的线性关系式。

在明确预测目标函数后，还需要对函数设定一个约束条件，只有在满足约束条件的基础上，才能通过SD-MOP模型得到最优预测结果。将“4M”因素放在SD-MOP预测模型当中对模型统一考虑，各类因素的比例之和计算公式如下：

(2)

式中：

s

—第

i

种关键安全投入因素，

i

=1,2,3，…，

n

；

s

—第

j

种非关键安全投入因素，

j

=1,2,3，…，

m

；

n

—关键安全投入因素总数；

m

—非关键安全投入因素总数。在计算过程中，各类安全事故的发生概率应当在预测趋势范围内，并且各类关键安全因素的投入比例应当介于0～1之间，因此

s

的范围为[0,1]。后续利用SD-MOP模型对建筑施工安全事故进行预测时，应当严格按照上述目标函数及约束条件进行，从而保障预测结果的合理性。

2.2 基于SD-MOP模型确定目标优先级

由于在构建目标函数时，本文选择3种不同目标，在对实际预测问题进行求解时，还需要考虑3种目标的优先级顺序。利用层次分析方法对3种不同目标进行有效性分析，并结合建筑施工领域中的专家经验，确定3个目标的优先级。首先以调查的形式，对建筑施工领域的专家或经验丰富的施工人员及有关部门进行调查。其次，根据调查结果构建评价矩阵，并计算出最大特征值。最后，对计算结果的一致性进行检验，并得出不同目标函数对应优先级权重。表1为目标重要性数值及对应含义。

表1 目标重要性数值及对应含义Tab.1 Target importance values and corresponding meanings

在实际应用中，根据不同建筑施工的特点，目标函数的优先级顺序会发生改变，因此需要根据具体问题进行具体分析，根据上述方式确定目标函数的优先级顺序，从而使预测结果更加合理。

2.3 建筑施工安全事故发生概率

建筑施工中存在的安全事故主要包括：高空坠落事故、物体撞击事故、坍塌事故、起重伤害事故、机械设备伤害事故、触电事故、火灾事故以及车辆伤害事故。根据建筑施工历史数据的统计分析，并结合专家意见设置SD-MOP模型的参数变量，从而预测建筑施工安全事故发生概率：

(3)

式中：

Py

(

s

)—建筑施工安全事故发生概率；

δ

—上述多种安全事故对事故潜在死亡人数的影响系数，经过无量纲处理后

δ

=(0.15、0.20、0.22、0.31、0.05、0.02、0.04、0.02)。

根据公式(3)预测出不同建筑施工安全事故的发生概率。

3 对比实验

3.1 实验条件

以某建筑施工项目作为试点，该建筑施工项目整体面积共8.5万平方米，由4栋主体为装配式钢筋混凝土结构的住宅楼组成，主体施工工期为150天。结合建筑施工特点，对主体施工中的100天进行持续记录，并将实际发生的安全事故发生概率结果作为历史数值。分别利用本文提出的预测方法与传统预测方法得出预测数值。通过计算施工主体在100天内的事故发生概率与预测结果的相对误差，得出本文预测方法的有效性。

3.2 实验结果分析

根据上述实验条件，完成对比实验，并将实验结果进行记录，见表2。

表2中，

A

、

B

、

C

分别表示在建筑施工中容易发生的物体打击事故、机械伤害事故和触电事故。由表2可以看出，通过本文预测方法得出的事故发生概率与传统预测方法相比更接近历史实际数值。并且，本文预测方法得出的预测结果满足随施工天数增加，事故发生概率越小的实际线性关系。而传统预测方法在对第80天施工天数进行预测时，出现了明显的错误，最终预测结果存在较大偏差。因此，通过实验证明，本文提出的基于SD-MOP模型的建筑施工安全事故预测方法与传统预测方法相比，预测结果精准度更高，并且在实际应用中有效性更强。结合本文提出的预测方法可以对建筑施工中各类安全事故问题进行预测，从而在事故发生前做出相应的防护措施。

表2 安全事故发生概率实验结果对比表Tab.2 Comparison of experimental results on accident probability

4 结论

(1)建立建筑施工安全事故SD-MOP预测模型，通过实证分析，验证了模型的有效性，为安全资源投入的合理优化配置提供参考。

(2)建筑施工安全事故不仅局限于安全、进度、成本等，如要分析与质量等其他目标间的耦合效应，则需延伸研究系统要素间的作用机制，从而对模型进一步优化，这将是本研究的延伸方向。

(3)本文在设计过程中仅选取了部分具有代表性的影响因素，而在实际建筑施工过程中影响安全施工的因素更多、更细，因此本文预测结果精细度不够。但随着建筑施工安全管理的不断完善，以及后续的研究，将会对影响施工安全的因素细化，对预测方法进一步优化，从而提高预测结果的精度。