基于贝叶斯网络的建筑事故影响因子分析★

王 菲 郭 健

(武汉轻工大学土木工程与建筑学院，湖北 武汉 430023)

1 概述

改革开放以来，随着我国社会经济的快速发展，建筑行业的规模也不断的扩大。然而由于建筑行业本身具有投资金额大，施工工期长，技术复杂，作业环境差，劳动强度大，机械设备多，点多面广以及建筑企业安全管理理念落后，安全管理方法不科学等原因导致了建筑事故频频发生[1]。建筑工程从前期、建筑期到运营期的每一个阶段都很重要，随时都存在着事故风险[2]。因此，对建筑事故的原因分析和预测是很有必要的。李书全等人在2008年提出一种基于RS-SVM的建筑安全事故预测模型[3]。叶贵等人在2009年运用模糊因子分析法分析了影响建筑企业安全成本的因素,为建筑企业控制安全成本提供借鉴[4]。付聪等人通过对安全事故进行分析得到人的安全行为、物的安全状态以及工作环境安全状态对建筑安全事故有直接的影响[5]。其中针对人等不安全行为，欧美国家在20世纪80年代就研究了一种很有效的事故预防方法——BBS，行为安全方法[6]。而李华等人在2020年通过基于STAMP模型来定量分析探究建筑事故致因因素[7]。

本文以近三年发展的特大建筑施工事故为数据依据来通过事故树和贝叶斯网络进行分析，从而得到最重要的风险因素，为避免事故发生提供理论依据，有效防控，保障建筑施工的正常运行。

2 建筑事故时间特征分析

根据我们国家住房与城乡建设部事故通报，2016年—2019年每年的事故件数都在增加，可见我国建筑安全生产形势的严峻。

2.1 月分布

建筑事故的发生和自然环境有着一定的关系，其受天气、气候的影响，所以也导致建筑事故的月份表现出一定的规律性，对其按月份进行统计，结果如图1所示。

从图1可以看出，4月份～9月份是建筑事故频发的时期,事故数量占总数的62.2%。通过查询我国降水量的时间分布特点，发现夏季是雨水比较多的季节，7月份降水量是全年最高，其中特别是对正在关键工序的工程影响较大，会延长其施工进度。雨水会影响其土体的强度，并且当大量的水渗入地下，导致地下水位长时期上升的时候，土体可能会湿陷，产生较大的附加下沉。并且由于夏季温度较高，工人容易产生中暑、反应迟钝等情况，从而引发建筑事故。

2.2 年分布

通过调查住建部统计等相关数据资料，统计了近三年建筑事故发生的形态，见图2。

从图2可以看出，2017年—2019年的事故逐年增加，其中因为工作人员从高处坠落而造成事故发生在每年的事故中占比最大。其中工作人员从高处坠落的主要原因就是：工作人员安全意识不足、工地的安全措施不够完善、安装人员以及施工人员的违规操作等。

3 建筑事故事故树构建

事故树(Fault Tree Analysis,FTA)也称为故障树，它是分析造成事故发生的主要原因。其中事故树主要是由顶上事件、中间和基本事件组成。而这些事件又是由“与门”和“或门”连接。

1)顶上事件。一般是人们不希望发生的事件，用字母T表示。本文探究的是建筑工程发生建筑事故的原因，因此以“建筑事故”作为顶上事件。

a.当基本事件在最小割集中重复出现时，顶上事件的概率计算公式是：

(1)

其中，j，s，k均为最小割集的序数，Ks为第s个最小割集。

b.当基本事件之间不重复时，顶上事件的概率计算公式为：

(2)

其中，P(f(x))为顶上事件T的发生概率；j,k均为最小割集的序数；qi为基本事件Xi的发生概率。

2)中间事件。顾名思义是连接顶上事件和基本事件的事件，作为一个中间桥梁，用字母Mi表示。论文的中间事件有人、机、环、管。将这四个因素作为第一层的中间事故，这四件事故中任何一件事故的发生都会导致顶上事件的发生，所以是用或门连接。

3)基本事件。是事故发生最基本的原因，用字母Xi表示。论文的基本事件有监管不力、工人违规等。事故树的基本术语见表1。

表1 事故树的基本术语

建筑事故的记录方式有两种形式，一种是事故调查报告，一种是事故数据库，其中事故调查报告里面包含了事故的发生过程以及事故发生的直接原因以及间接原因等资料，而事故数据库偏向于固定的数据形式。因此事故调查报告对事故的分析中有大量的信息可以挖掘，本文采用分

析事故调查报告的方式。

由于关于建筑事故的案例以及公开的事故调查报告的数量十分有限，因此本文主要是分析了21件较大的事故，数据来源于住建部公开的调查报告和网上公开的调查信息。通过对建筑事故的各项指标分析得出影响因素，如表2所示。

表2 建筑事故树事件描述

基于建筑事故的数据，把相应基本事件发生的次数在建筑事故样本中所占的比例作为基本事件的概率，结果如表3所示。

表3 基础概率表

通过以上分析，编制了建筑事故的事故树，得到顶上事件的概率是0.78，如图3所示。

3.1 最小割集分析

由事故树得到最小割集如表4所示，通过计算得出事故树的最小割集为21个，分别是(X1×X5)，(X1×X6)，(X1×X7)，(X10)，(X11)，(X12)，(X13)，(X14)，(X15)，(X16)，(X2×X5)，(X2×X6)，(X2×X7)，(X3×X5)，(X3×X6)，(X3×X7)，(X4×X5)，(X4×X6)，(X4×X7)，(X8)，(X9)，即建筑事故的可能路径有21条，数量越多，事故发生的可能性越大，即风险越大。说明事故的发生可能是一个基本事件引起，也可能是两种基本事件引发的，甚至可能是几个最小割集的组合构成的。

3.2 顶上事件发生概率分析

根据式(1)可以求得顶上事件发生的概率为0.785，表示建筑事故的78.5%都可以用事故树的16个基本事件来解释。顶上事件概率不是1的原因可能是因为模型不能完全表达出实际关系以及16个基本事件不能完全概括建筑事故的发生。

3.3 基本事件概率重要度分析

基本事件概率的重要度体现了其导致建筑事故发展的可能性，概率重要度越大的基本事件，影响建筑事故发生的程度越大。基本事件概率重要度公式：

(3)

根据式(3)，计算出各基本事件的临界重要度，如表5所示。

表4 最小割集描述

表5 临界重要度

由表5可知，管理本身不良X14的临界重要度最高，然后是员工教育不够X13。按钮开关不良或失效X10和超载X11的临界重要度也比较大。

4 贝叶斯网络构建

在这些年，建筑事故的发生越来越多，因此很有必要对其进行风险的定量分析。而在定量分析的过程中，我们需要明确其不确定性，Marcus Abrahansson 在2000年就提到过定量风险需要明确不确定性给分析带来的影响，因为定量风险分析的时候非常复杂，往往缺少历史统计数据的动态系统。而贝叶斯就是在定量风险分析中处理不确定性的一种最广泛的方法。论文选用GeNIe软件实现贝叶斯网络的可视化和概率推理。

贝叶斯公式的离散分布形式:

(4)

其中，初始概率P(Bi)称为先验分布；P(Bi|A)是修正后的概率，称为后验概率；P(A|Bi)称为似然函数。

1)根节点先验概率的确定。根节点相当于一颗树的树根。各节点的先验概率如表6所示。

表6 各根节点概率

利用GeNIe软件，在贝叶斯网络结构输入各根节点概率，结果如图4所示。其实，T表示节点事件发生，F表示节点事件不发生。

2)逆向推理。从图4可以看出，叶节点“建筑事故”的发生概率为0.95。而贝叶斯可以很好的解决目标节点“建筑事故”概率为100%时，其他各节点的概率，由此逆向推理，即得到各节点的后验概率。如图5所示，与先验概率相比，大部分节点的概率都有所增加，其中人的不安全因素和管理的不安全因素概率增加4%，机械与设备的不安全因素增加1%，环境的不安全因素没有变，由于后验概率可以很好的降低参数的不确定性，所以后验概率的结果对建筑事故的分析更加有意义。

由图5可以看出，人的不安全因素占比最大，尤其是人的不良安全行为对建筑事故发生的影响最大。然后是管理的不安全因素，其中主要是因为管理本身不良，由于工人或是施工单位使用不符合规范的材料或者是设计而导致建筑事故的发生。然后是机械与设备的不安全因素，其主要是由于建筑设备故障而引发建筑事故的发生，主要原因就是控制设备的按钮失灵或者故障。最后是环境因素对建筑工程的影响，主要是由于下雨导致其土体结构失稳或是因为下雨而导致人的一些不良行为，最终导致建筑事故的发生，通过分析可以知道，其中人的因素以及管理因素是影响建筑事故发生概率的主要因素。

5 结论

论文在分析了近三年21例较大的建筑事故的基础上，提取事故链，得到影响因子，运用事故树和贝叶斯两大软件对其造成事故的原因进行分析，研究了建筑工程的安全风险，主要得到结论如下：

1)在事故形态上，建筑事故多为高处坠落；时间分布上，4月～9月是建筑事故频发时期，主要是受天气及其环境影响较大。2)分析事故影响因素，首先采用事故树分析，分析建筑事故各因子以及顶上事件概率，然后通过最小割集分析得到建筑事故发生由21种途径导致。通过结构临界重要度的计算，得到管理本身不良对事故的影响较大。3)通过贝叶斯网络分析，得到人的不良安全行为以及管理的不安全因素对建筑事故的影响最大。