基于模糊集与DS证据理论的装配式建筑施工安全风险评价

王 迪，申建红，贾格淋，朱 琛

(青岛理工大学 管理工程学院,山东 青岛 266520)

装配式建筑是将建筑的部分构件在工厂预制后，运输到施工现场进行吊装和连接而成的建筑。与传统建筑相比，因其具有节能环保、节约人力、缩短工期、提高工程质量和施工效率等优点得到国家和各级政府的鼓励和扶持，装配式建筑得到迅速发展。然而，由于装配式建筑施工的特殊性，施工风险因素复杂性和不确定性加大，给现场施工安全管理带来新的挑战。

随着装配式建筑的快速发展，不少学者已经针对现场施工问题进行了研究。王志强等[1]运用事故树分析法对事故及原因进行分析，利用集对分析法进行赋权以及用灰色聚类法评估识别装配式施工过程中的危险因子，提出相应的安全防范措施。李皓燃等[2]引入SEM模型筛选关键风险因素，并提出潜在的风险因素，确定各个施工阶段风险因素间的关联性。李文龙等[3]提出将可信性测度理论运用到装配式建筑安全风险评估中，建立相应指标量值域、结构熵权和可信性测度理论的评估模型，计算过程简洁有效，提供了一个新的研究方向。李英攀等[4]考虑到评价的主观性与随机性，运用云模型的方式处理专家打分，评价安全绩效的等级，使得结果更加客观与准确。瞿富强等[5]根据现有的风险评价指标体系存在不全面、代表性不强等问题，提出用模糊综合评判法对装配式构件质量进行评价。王越等[6]在模糊理论基础上，提出TFAHP评价模型，对构件生产质量风险进行评估。马辉等[7]归纳安全事故原因为轨迹交叉，以单元空间为对象，构建空间单元安全监测与预警模型。王灵智等[8]引入组合赋权和可变模糊集理论相结合的方法，采用博弈论的思想进行最优组合，对装配式建筑施工安全进行评价。杨斯玲等[9]认为装配式建筑施工安全风险评价是一个多属性决策问题，因此，提出用结构熵权的方式将定性评价转变为定量评价，结合改进证据理论进行安全风险评估，为装配式建筑施工安全提供参考。

在风险因素评价中，因专家的就职经历与风险处理态度不同，有较强的不确定性和主观性，证据理论可以很好地降低主观差异过大的影响，较好地处理不确定性信息。因此，文中采用模糊集及隶属度函数对专家的安全风险因素评价进行定量化，再运用改进后的DS证据理论将计算权重后的数据融合，使得结果有较好的可信性，为风险的消弭提供有效的依据。

1 施工安全风险因素评价指标体系

装配式建筑施工是一个复杂的系统，与传统现浇建筑相比，装配式建筑施工可以划分成构件运输、构件存放、构件吊装、构件保养维护等阶段，相应地拥有更复杂、更频繁的节点，具有装配精度高、施工平面部署难度大、施工进度控制严格等一系列挑战。无处不在的制约因素以及流程增多，使得相应的安全风险问题凸显。

通过对多处现场施工安全调研，基于4M1E理论，着重从人为风险因素、技术风险因素、物料和设备风险因素、管理风险因素、环境风险因素5个方面建立装配式建筑施工安全风险一级评价指标，通过对国内外文献资料的查阅以及相关装配式建筑的施工技术与规范的归纳，分析常见的施工安全风险因素，整理相关二级评价指标。评价指标体系如图1所示。

图1 装配式建筑施工安全风险因素

2 施工安全风险因素评价模型

2.1 基于C-OWA算子赋权

有序加权平均(OWA)是一种对原始数据打乱、从大到小重新排序进行加权集成的方法，其权重只与相应的算子位置有关。Yager教授[10]在原有基础上提出一种连续区间数据OWA，称为C-OWA，该算子通过对区间数中的每一个数据进行集成，处理后的数据使得两端影响较大值的干扰被减弱，降低主观判断对结果的影响，使得结果更加具有客观有效性。

具体步骤如下[11-13]：

1)指标Ai的决策数据集为(ai1,ai2,…,ain)，依据从大到小的原则重新排序，并且以新的数列形式进行重新编号，假定为bi，即(bi1,bi2,…,bin)。

2)利用组合数的计算方法计算新的数列bi的权重，计算方式为

(1)

3)利用ω对数据Ai进行赋权处理，可得一个绝对权重值

(2)

4)计算一级指标Ai的相对权重ωi

(3)

2.2 基于模糊集理论的指标隶属度矩阵

2.2.1 模糊集理论

因在传统决策中所有不确定决策问题模型都是随机模型，且假定前提条件为不确定事件都是随机因素影响的结果，人的主观判断的局限性以及对事物的认识不足，所以常常无法给出准确的概率分布。针对此问题，1965年美国加利福尼亚学者Zadeh等[14]提出一种描述模糊现象的方法—模糊集合论。这种方法运用数字的方式表达主观判断的不确定性，将待考察的事物及反映它的模糊概念转变成模糊集合，建立相应的隶属函数，通过模糊集合的有关定义和计算规则，对模糊对象进行分析。其中，隶属度是模糊应用的基础，用以表示不确定事物中满足模糊概念的程度[15]。

2.2.2 构造隶属度矩阵

通过高斯隶属度函数，计算得到各个指标隶属于不同的风险等级，定义5个风险等级的函数中心点μ=(0,0.25,0.5,0.75,1)，则隶属度函数为

(4)

根据式(4)构造隶属度矩阵，一级风险因素评价指标Ai有n个二级评价指标，则

式中：Ai表示第i个一级风险因素评价指标；aij表示第i个一级风险因素评价指标对应的第j个二级风险因素评价指标。

在进行风险因素评价时，邀请专家对各个风险指标所对应的风险等级进行评价，将评价结果数据代入，构造隶属度矩阵，文中评语集采取5个等级，分别为很低(VL)、低(L)、中(M)、高(H)、很高(VH)，并定义其量化值U=(0.1，0.3，0.5，0.7，0.9)。

2.3 基于改进证据理论的风险评价

2.3.1 证据理论

20世纪60年代Dempster[16]首次提出一种不确定的推理方法，利用上下限概率的定义来解决集值的映射问题，随后他的学生Shafer[17]对证据理论进一步完善，引入信任函数的概念，依靠证据的不断积累缩小假设集，建立一套基于“证据”延伸到“组合”的数学方法来处理不确定性问题。

2.3.2 基本概念

在证据理论中，对于识别框架Θ中的某个假设A，Bel(A)表示所有真属于A的假设的mass函数，Pl(A)表示所有与A有交集且不为空的假设B的mass函数，根据基本概率分配(BPA)分别计算出关于该假设的信任函数Bel(A)和似然函数Pl(A),组成信任区间[Bel(A),Pl(A)]，用以表示对某个假设的确认程度。

在识别框架Θ上的基于BPAm的信任函数定义为

(5)

在识别框架Θ上的基于BPAm的似然函数定义为

(6)

2.3.3 Dempster合成规则

前文所述都是基于一个主体对一个识别框架的判断，而Dempster合成规则才是用来将多个个体判断结果相融合分析的关键步骤，基于此法则，将多个个体的证据m1,m2,…,mn相互融合，得

水样的主要测定项目为COD、pH、水温，其中COD测定方法参照《水质 化学需氧量快速消解分光光度法（HJ/T399-2007）》，pH测定方法参照《水质pH值的测定 玻璃电极法（GB/T6920-1986）》。

(7)

式中：K为归一化常数，代表多个独立证据m1,m2,…,mn的冲突程度，K的计算方式为

如果K值较大，证明证据间冲突较大，使用传统证据理论融合会产生有悖于实际问题的结果，可能使得某一个因素被忽略，进而影响决策判断。为了最小化该误差产生的影响，文中引入一种改进的证据理论计算方式，将冲突较高的证据进行修正后再进行融合，以提高结果的可信性。

2.3.4 改进DS证据理论合成规则

(8)

最后，将合成后的二级安全风险指标Aij根据指标权重进行数据融合，再对融合后的一级安全风险指标Ai合成，表示为

(9)

式中：ni为指标Ai所包含二级指标的个数。

3 实例分析

文中选取QD市万科新都会(原翡翠之光)一期装配式项目为样本进行实例分析，位于QD市吴江路777号，其总建筑面积为159 305 m2，该项目主要包括两栋预制装配率为54.15%的23层装配式住宅和4栋预制装配率约为35%的32～34层超高层建筑。本项目周边地势复杂、周边环境要求较高，现邀请专家对该施工项目进行施工安全评价，以确定施工中影响因素较高的安全风险因素。

3.1 指标权重的确定

首先邀请6位评委对施工安全风险一级指标的重要程度进行打分。为了使数据精确与规范化，将分数的值域限定在0～5分之内且为0.5的倍数，分值越高代表其重要性程度越高，其中,一级指标具体结果见表1。

运用C-OWA算子对一级指标A1,A2,A3,A4,A5赋权，权重为ω=(0.222 96,0.208 24,0.192 79,0.222 96,0.153 05)。

同理对二级指标进行权重计算，ω1=(0.171 19,0.256 78,0.095 76,0.255 08,0.221 19)，ω2=(0.278 66,0.396 23,0325.11)，ω3=(0.206 82,0.280 53,0.229 92,0.282 73)，ω4=(0.277 46,0.354 05,0.368 50)，ω5=(0.372 09,0.418 60,0.209 30)。

表1 一级指标打分结果

3.2 风险综合评价

为了对该项目施工风险进行综合评价，邀请3位从事建筑行业5 a以上的专家，分别对二级指标的风险等级进行评价。详细结果见表2。

表2 3位专家打分结果

将表2数据分别代入隶属度矩阵中，并进行归一化处理，结果见表3—6。

表3 专家1隶属度矩阵

表4 专家2隶属度矩阵

表5 专家3隶属度矩阵

改进DS证据理论合成后的结果见表6。

表6 DS证据理论合成结果

利用表6中的各项数据，结合上文计算的二级权重融合成相应的一级指标，最后根据一级权重融合成最终结果，见表7。

表7 融合数据

对表7合成后的数据排序：0.390 478>0.318 471>0.196 817>0.055 874>0.038 36，从排序结果可以判断出该项目的风险等级为高的概率最大。为了使该分析结果更加可靠，通过深入调研，主要原因是该项目地段拆迁进度缓慢，不同地段不同楼栋施工进度差别巨大，地质条件复杂，同时现场多方介入，协调较为混乱，劳务更换频繁，管理较为困难，存在较多的施工安全隐患，因此，需要采取必要的预防措施和计划来缓解施工安全事故的发生。

为了使得各一级指标影响等级更加明显，更加便于逐一施工安全管理，文中进一步利用评语集的量化值U进行验证：

R1=0.565 84,R2=0.593 22,R3=0.564 22,R4=0.611 76,R5=0.332 39，排序后结果为R4>R2>R1>R3>R5，可以得出结论：管理因素和技术因素的影响占据更大比重，与此项目在实际中所遇到的困难较为符合，可以进一步证明模型的适用性。

4 结 论

1)专家打分具有较强的不确定性与主观性，因此，引入模糊集隶属度函数构造矩阵与改进DS证据理论相结合的方式，以期减少主观因素和背离实际情况数据对结果的判断，使得结果更加客观现实。

2)装配式本身具有复杂的施工工艺，且影响因素贯穿装配式建筑的全过程，诸多的不确定因素会影响结果的判断，因此，建立改进DS证据理论模型进行实例分析，证明该模型能够有效地判断装配式建筑施工过程中的安全风险问题。

3)多方参与下的主体结构、装饰装修和机电设备协同穿插施工所带来的施工安全风险问题更加复杂，这也是后续深入研究的方向。