基于测量-云模型的施工企业安全事故应急能力综合评价

张文宇，张建设*，苑东亮，程瑞雅

(1.河南理工大学土木工程学院，河南 焦作 454003;2.河南省建筑科学研究院有限公司咨询院，河南 郑州 450053)

应急能力是施工企业预防事故发生、灾难应急救援和事后恢复的关键能力，在促进风险预测和安全管理等方面发挥着重要作用。已有研究表明，良好的应急能力能够帮助企业有效识别危险源，降低事故发生率，削减事故损失。因此，开展施工企业安全事故应急能力评价研究，对协助企业发现并完善应急系统薄弱环节、加速应急能力建设、健全应急管理体系具有重要的意义。

目前，关于应急能力的评价研究主要集中在城市消防、煤矿安全、化工园区、医疗机构等领域，并取得了卓有成效的研究成果，但针对施工企业安全事故应急能力的评价研究只有少数学者涉及。如Xu以应急管理流程为主线，构建了5级施工企业应急管理系统，并基于灰色层次分析法建立了各阶段评价模型；邵必林等针对应急管理的时间特征，构建了应急能力可拓评价模型，并结合信息熵和模糊理论对施工企业应急能力进行了综合评价；涂晶等通过对施工项目特点和事故影响的有效辨识及分析，建立了路桥建设项目应急能力评价体系，并运用模糊神经网络量化评估了路桥建筑企业应急能力水平。

上述研究虽然从不同角度对施工企业安全事故应急能力进行了有针对性的探索，并形成了系统的理论基础。然而，就评价内容而言，对于安全事故应急能力评价的研究鲜有学者涉及，建立的评价指标体系对应急管理全生命期中应急辐射的涵盖有所欠缺；就评价方法而言，采用信息熵、层次分析等方法计算指标权重的主观性较大，缺乏变量间关联性分析和数据检验，导致评价结果的精度较低，而运用模糊理论、神经网络等无法有效处理定性指标的模糊性、评价过程的随机性等问题，导致评价结果存在一定的偏差。

鉴于此，本文基于危机管理PPRR(Prevention，Preparation，Response，Recovery)理论，结合安全生产相关政策法规，建立了施工企业安全事故应急能力评价指标体系，在统筹考虑指标间关联性、评价过程模糊随机性的基础上，提出运用测量-云模型(M-CM)确定指标权重并对施工企业安全事故应急能力进行综合评估的方法(即简称M-CM方法)，丰富了施工企业安全事故应急能力评价的研究成果，拓展了云模型理论的应用范畴，可为施工企业安全事故应急能力建设提供理论支撑，以促进企业安全管理水平的提升。

1 施工企业安全事故应急能力内涵及评价指标体系建立

1.1 安全事故应急能力内涵

多数学者认为安全事故应急能力作为组织在危机事件预警、事故应急救援和灾后恢复中综合素质的表现形式，其本质是组织对应急管理效果的衡量和应对突发危险事件的控制能力。随着网络化进程的加快，建设项目参与主体增加且趋于复杂化、综合化，造成施工企业安全事故不仅种类繁多、救援难度大、波及面广，且无显著规律、可预测性小，一旦事故发生，仅靠企业个体往往无法满足事故现场救援需要，需依赖外部支援。因此，借鉴苗成林等对安全事故应急能力的阐释，将施工企业安全事故应急能力界定为：为减少事故发生和降低事故损失，企业以应急管理全生命期为依托，通过制定应急预案、协调各组织机构力量、调动内外部应急资源等，预防和处理安全事故，以完善应急管理体系，实现安全生产的动态能力。

1.2 施工企业安全事故应急能力评价指标体系建立

施工企业安全事故应急能力评价指标体系是确定应急能力建设重点目标、描述其具体内容的可度量参数集合。研究表明，企业关系网络和人际情报在应急管理中发挥重要作用，但并未揭示应急能力嵌入关系网络的动态演化，即企业的应急辐射能力。安全事故发生若超出企业处置范围，则需要通过关系网络辐射作用，充分调用内外部资源共同应对，遏制事故蔓延、救治受伤人员、减少事故损失。因此，提出将应急辐射作为施工企业安全事故应急能力的基本属性，为应急能力建设注入新元素。

基于PPRR理论，本文从应急管理全过程出发，依据《中华人民共和国突发事件应对法》《安全生产法》《施工企业安全生产管理规范》等相关法规和已有的研究成果，结合企业应急管理的动态性、时效性、异质性特点，秉承科学可比性、全面系统性、非冗余性等指标建立原则，采用头脑风暴法组织专家会议，汇总施工企业安全事故应急能力评价的关键指标，并采用Likert五级尺度编制调查问卷进行指标完善，应用SPSS 25.0软件对各指标合理性和重要性进行分析。本次研究以河南省、山西省建筑施工企业从业人员为对象发放调查问卷268份，最终回收有效问卷200份，回收率为74.63%。其中，施工人员回收问卷79份，企业管理人员回收问卷98份，建筑业应急管理专家回收问卷23份。通过对问卷调查数据进行分析，结果显示：“事故现场清理、伤亡人员生活救助”两指标信度(SMC)小于0.5临界值，将其删除后各测量指标均值大于3；问卷KMO(Kaiser-Meyer-Olkin)值为0.898，Barttle球形检验显著性水平为0.000，表明各指标适合因子分析；问卷中27个指标收敛为5个因子，总方差解释为72.78%，各潜变量Cronbach’s

α

系数和各指标SMC均大于0.7和0.5标准水平，表明各指标在施工企业事故应急领域较为重要，赋值离散度小，问卷设置合理。综合相关法律法规、专家建议和调研结果，将建筑施工企业安全事故应急能力划分为：事前预防监测能力、准备减缓能力，事中响应处置能力、应急辐射能力，事后恢复重建能力，共5个一级指标和27个二级指标，见图1。其中，事前预防监测能力、准备减缓能力借鉴文献[9]、[13]；事中响应处置能力、事后恢复重建能力参考文献[14]、[15]；事中应急辐射能力借鉴文献[12]。

图1 建筑施工企业安全事故应急能力评价指标体系Fig.1 Evaluation index system of safety accident emergency capability for construction enterprises

限于篇幅，本文以应急辐射能力为例，阐述对应指标的具体含义：①应急资源辐射，主要涵盖经济和物资两方面，具体表现为政府和各利益相关方提供的资金支持、专业救援设备、防护设施、交通工具、医疗器械等；②应急队伍辐射，包括应急管理和指挥人员、建筑领域专家、消防救护人员、公益救援队等；③应急信息技术辐射，主要包括事故信息和知识共享、应急通讯技术、专业救援技术、先进应急管理理念与模式等；④应急辐射效率，时间是应急救援的首要因素，救援效果随时间推移而逐渐减弱，故应急辐射效率可通过支援到达时间、救援开展速度、最终解救人数等进行衡量；⑤应急辐射匹配度，安全事故种类繁多，针对不同事故实况，需要与之相适应的专业化辐射力量，具体包括事故类型匹配、事故规模匹配等。

2 基于测量-云模型(M-CM)的施工企业安全事故应急能力综合评价

本文利用M-CM方法对施工企业安全事故应急能力进行综合评价，具体评价步骤如下：

2.1 指标权重确定

测量模型(Measurement Model，MM)是结构方程模型的测量工具，其使用实证分析方法来表示潜变量与测量变量间关系。相对于传统层次分析、典型相关分析、神经网络分析等方法，测量模型综合了因子和路径分析两种理论方法，既考虑测量误差的存在，又根据协方差矩阵的拟合结果对模型进行修正，并依据原始数据计算指标权值，避免了主观因素的影响，增强了结果的信度与效度，最终根据模型标准化路径系数(Factor Loadings，FL)确定各指标权重。测量模型的方程可表示为

x

=

λ

ξ

+

ε

y

=

λ

η

+

φ

(1)

式中:

x

、

y

分别为内生和外生指标变量；

ξ

、

η

为一级潜在指标变量；

λ

和

λ

分别为指标

x

、

y

与变量

ξ

和

η

间的因子载荷矩阵；

ε

、

φ

表示测量误差项。应用AMOS 25.0软件，根据问卷调查数据构建施工企业安全事故应急能力测量模型，分别设置一级指标和二级指标为潜变量和测量变量，并采用极大似然估计法进行参数估计，通过指数修正(Modification Indices，MI)和显著性检验进行模型调整，使用卡方自由度比(

χ

/Degree of Freedom，

χ

/d

f

)、比较适配指数(Comparative Fit Index，CFI)、标准拟合指数(Normed Fit Index，NFI)、近似误差均方根(Root Mean Square Error of Approximation，RMSEA)等指标进行模型拟合检验，最终根据指数修正后模型标准化路径系数

FL

确定指标权重。指标权重的计算公式为

(2)

式中:

Q

表示一级指标；

T

表示二级指标；

F

表示路径系数；

W

为指标权重值；

m

和

k

分别表示一级指标和二级指标的代号；

N

为第

m

个一级指标下二级指标个数；

Q

表示第

m

个一级指标；

T

表示第

m

个一级指标下第

k

个二级指标；

F

(

Q

)和

F

(

T

)为对应的模型标准化路径系数

FL

；

W

(

Q

)和

W

(

T

)为对应的指标权重值；

W

为最终二级指标权重值。

2.2 标准云模型构建

2.2.1 云模型

云模型主要基于概率论和模糊理论，通过云模型参数：期望(

Ex

)、熵(

En

)、超熵(

He

)，构建双向云发生器,实现定量数据和定性概念间的映射和不确定转换。应用云模型进行施工企业安全事故应急能力评价，主要是综合定性概念值随机性和评价过程模糊性，通过双向云推理，全面利用评价信息，减少结果偏差。因正态函数的普适性和良好的数值特性，选用正态云构建云模型。其中，正态云模型参数可表示为

(3)

式中:

I

、

I

分别表示评价等级分值区间双边约束；

g

为常数，依据定性概念模糊程度调整。

2.2.2 标准云确定

根据评语集描述惯例，将施工企业安全事故应急能力评价等级划分为

B

={低，较低，一般，较高，高}5个等级，并依据《生产安全事故应急条例》《施工企业安全生产管理规范》《应急管理标准化工作管理办法》等政策文件和已有的研究成果，确定各评价等级关键过程域(Key Process Areas，KPA)；同时，采用自然最优的黄金分割模型在论域[0，1]内确定分值区间和标准云模型参数，以论域中心点0.5为评价等级“一般”的

Ex

，邻接云

En

和

He

的较小者值为较大者的0.618倍，遵循“3

En

原则”，按照公式(3)确定各评价等级标准云模型参数，见表1。

表1 标准云模型参数和关键过程域Table 1 Standard cloud model parameters and KPA for each level

将各评价等级区间云模型参数和云滴数

D

通过正向云发生器转换得到施工企业安全事故应急能力评价标准云图(见图2)，为了提高精度，避免随机性较大而产生模糊误差，根据大数定律，设置云滴数

D

为1 000。

图2 施工企业安全事故应急能力评价标准云图Fig.2 Standard cloud of safety accident emergency capability evaluation for construction enterprises

2.3 指标云和综合评价云

2.3.1 测量指标云

建立测量指标集

Q

={

T

，

T

，

T

，

T

}，…，

Q

={

T

，

T

，…，

T

}。邀请

c

位专家和相关人员开展问卷调查，对各指标因素进行打分评估，利用逆向云发生器计算各二级指标云模型参数，其计算公式如下：

(4)

式中:

T

为第

i

名专家对第

m

个潜在指标中第

k

个测量指标的评价；

S

为评价结果的样本方差。实际问题评估标准一般不受评估者主观干扰，但专家因个体特征不同，对指标因素进行评估时易产生认知差异。因此，根据未确知测度理论，借鉴史小棒等的研究成果，结合建筑行业特征，制定专家信度评定表(见表2)，并计算专家组成员的可信度

θ

，以降低专家认知差异造成的结果误差。专家组成员的可信度

θ

计算公式为

表2 专家信度评定表Table 2 Expert reliability assessment

(5)

式中：

h

为第

j

个专家第

i

项类别的评定得分。

2.3.2 潜在指标云

构建潜变量集合

U

={

Q

，

Q

，

Q

，

Q

，

Q

}。因各测量指标的相对独立性，依据云模型浮动云算法，计算各潜在指标云模型参数，其计算公式如下：

(6)

2.3.3 安全事故应急能力综合评价

采用云模型综合云算法进行层次概念跃迁，集结各一级潜在指标云，得到施工企业安全事故应急能力评价综合评价云(

Ex

，

En

，

He

)，并计算综合评价云与各标准等级云的相似度

δ

,其计算公式如下：

(7)

通过正向云发生器，利用MATLAB在论域空间生成施工企业安全事故应急能力综合评价云图，结合标准等级云相似度对比分析，按照最大隶属度原则，进行施工企业安全事故应急能力评价。

3 实例分析

3.1 施工企业概况

河南省郑州市某建设工程有限公司是以工程施工为轴心，勘察设计、建材生产一体化的专业性突出的施工企业，拥有施工总承包一级、建筑设计甲级、工程勘察乙级等资质。为了满足质量、安全和生态保护等不断提高的安全管理要求，该施工企业已通过质量、环境、职业健康安全体系认证，并积极与各高校和科研机构合作，致力于打造多元化、学习型企业。本文以该施工企业为例，应用M-CM方法对其安全事故应急能力进行综合评价。

3.2 指标权重和云模型参数计算

本文首先使用SPSS 25.0和AMOS 25.0软件，依据问卷调查数据，开展了该施工企业安全事故应急能力测量模型路径分析，并采用极大似然估计法进行参数估算，经指数修正和显著性检验后模型各拟合检验指标均达到标准水平(见表3)，说明模型拟合良好；然后，邀请5位建筑领域专家、2名该企业安全管理人员和2名施工人员组成评价小组，从职称、教育程度、工作年限和专业等方面计算得到各专家可信度

θ

，分别为0.825、0.785、0.85、0.85、0.925、0.745、0.795、0.9、0.8，说明专家组成员权威性较高，对同一客观问题评价时认知差异较小；最后根据表1评价标准对各指标进行评价，并依据公式(2)～(7)计算得到该施工企业安全事故应急能力评价各指标权重和云模型参数，见表4。

表3 模型拟合检验指标Table 3 Test of model fitting evaluation index

表4 某施工企业安全事故应急能力评价指标权重和云模型参数计算结果Table 4 Index weight and cloud model calculation results of safety accident emergency capability evaluation for a construction enterprise

3.3 绘制综合评价云图和计算云相似度

根据该施工企业安全事故应急能力评价云模型参数(见表4)，应用MATLAB编程，通过正向云发生器绘制其综合评价云图(见图3)，并计算综合评价云与各标准等级云的相似度

δ

，其结果见表5。

3.4 评价结果分析

(1) 由图3和表5可知，综合评价云滴介于Ⅲ级和Ⅳ级标准云之间，且与Ⅳ级标准云的相似度最大，依据最大隶属度原则，确定该施工企业安全事故应急能力评价等级为Ⅳ级，属较高等级，表明该施工企业安全事故应急体系完善、专项应急方案规范合理、事后恢复机制健全，具有较强事故预警和应急辐射能力，但还有待进一步改进和优化。该评价结果与该施工企业年度工作报告和郑州市应急管理局对该施工企业安全检查报告中发现的问题基本吻合，发现的主要问题如下：①事故应急演练过程稍显形式化；②应急战略规划意识不强，事故常态化防治措施略显不足；③个别安全标识与设施未安放于规定位置等。这些应急管理隐患一般不会影响企业安全运行，但仍从侧面反映出该施工企业应急管理稍有缺陷，需加以重视。

图3 某施工企业安全事故应急能力综合评价云图Fig.3 Comprehensive cloud of safety accident emergency capability evaluation for a construction enterprise

表5 综合评价云与各标准等级云的相似度δ计算结果Table 5 Calculation result of similarity between compre- hensive cloud and each standard grade cloud

(2) 由图3可观察到，综合评价云离散度、云层厚度和跨度范围大于标准云，说明不同评价人员对该施工企业安全事故应急能力的评价结果存在认知差异，符合自然思维逻辑，体现了评价过程模糊性与随机性；同时，利用相似度和云图这两种方式展现评价结果，便于决策者充分利用评价信息。

(3) 根据表1中安全事故应急能力Ⅳ级关键过程域(KPA)的定性描述，该施工企业可通过知识和技术创新、建立应急动态系统、制定应急战略愿景等措施，加强安全事故应急综合能力建设，以提高安全事故应急能力水平。根据表4中的指标权重值，危险源辨识与评估(T)、员工危险预兆识别(T)、预警监测系统构建(T)、基础信息数据更新与监测(T)、应急队伍辐射(

T

)、应急信息技术辐射(

T

)、应急辐射匹配度(

T

)的权重较大，该施工企业在生产作业中应给予重点关注。

(4) 为了进一步验证M-CM方法对施工企业安全事故应急能力评价结果的可靠性和准确性，采用M-CM方法和其他4种常用评价方法对5家施工企业安全事故应急能力进行综合评价,其评价结果见表6。

表6 不同评价方法评价结果的对比Table 6 Comparative analysis of the results among five evaluation methods

由表6可知，M-CM方法与其他4种方法的评价结果总体一致。其中，与模糊综合评价法和BP神经网络法的评价结果基本相同，但M-CM方法综合考虑了定性指标的模糊性和评价过程的随机性，更具科学性；层次分析法、灰色聚类法因主观依赖性较大，以及缺乏指标关联性和数据检验，造成对企业2和企业4的评价结果偏差，表明运用M-CM方法对施工企业安全事故应急能力进行综合评价具有科学性和适用性，并进一步验证了其评价结果具有可靠性。

4 结论与建议

(1) 结合国家政策法规和国内外相关研究，建立了施工企业安全事故应急能力评价指标体系，其中应急辐射作为应急能力一项基本属性，在安全事故应急能力建设中发挥着重要作用。

(2) 实例分析表明：M-CM方法能够解决施工企业安全事故应急能力评价中指标模糊性较大、评价过程主观性和随机性较强等问题，其评价结果与企业实际情况基本相符，验证了该方法具有科学性、适用性和可靠性。

(3) 后续将进行多地区、跨地域数据采集，通过多案例、仿真模拟等建立施工企业安全事故应急能力评估动态数据库，并应用M-CM方法建立施工企业安全事故应急能力动态评估模型。