基于偏序集+SNA的市政工程安全风险评价

冯亚娟，何 婷

(辽宁工程技术大学工商管理学院，辽宁 葫芦岛 125105)

建筑业是国民经济和社会发展的支柱产业，与公共安全和人民切身利益密切相关。随着城市化进程的不断推进，越来越多的市政工程项目投入建设，也使得安全问题日益凸显。据统计，2019年全国房屋市政工程生产安全事故共发生了773起，造成904人死亡，较2018年同期上涨5.31%和7.62%[1]。新冠疫情期间的停工停产也导致部分市政工程项目出现赶工期、抢时间的现象，项目安全风险急剧提升。在此背景下，各生产主体必须注重安全风险管理，通过对安全生产进行系统、科学的管控，进而有效识别事故致因因素，降低市政工程项目安全事故的发生率。因此，构建有效的市政工程项目安全风险评价指标体系，有助于国家和建筑企业对市政工程项目施工现场安全风险进行有效的防范，确保施工安全。

现有国内外文献中关于建筑企业安全风险评价研究主要集中在两个方面：一方面是基于某种理论构建建筑企业安全风险管理系统进行分析，如张丽梅等[2]首次将可拓理论应用于构建建筑企业安全风险评价和预警系统中，解决了安全检查数据多变的问题；王作功等[3]首次应用生态系统理论构建了建筑企业安全风险管理系统；另一方面是通过某种方法构建建筑企业安全风险评价指标体系对建筑施工项目安全风险进行量化评价，如Tam等[4]利用修正后的非结构化模糊决策支持系统(NSFDSS Ⅱ)对指标进行赋权，完成了基于成本、时间、资源等决策指标的建筑施工安全风险评价；也有学者通过层次分析(AHP)[5-6]、网络分析(ANP)[7]、结构方程模型(SEM)[8]、灰色聚类评价[9-10]、模糊综合评价[11]等方法构建建筑施工安全风险评价指标体系。但是，第一方面的研究，仅从理论层面提出了建筑施工安全风险管理模型的构想，缺乏进一步的量化分析；第二方面的研究，在关键指标的提取过程中，学者常依据事故调查报告中的关键词频率大小[12-13]或专家经验[14]，忽略了因素间的关系特征，导致提取的结果单一、片面，准确性易受数据或者主观性的影响。此外，对指标权重的赋值，现有文献通常采用专家打分法[5,11]、层次分析法[6]、因子分析法[8,15]、G1赋权法[16]等，均无法克服指标权重精准赋值的难题，降低了评价结果的可靠性和客观性。

针对上述问题，本文首先利用基于2015—2020年的92份市政工程生产安全较大及以上事故调查报告，编制可用于量化分析的事故案例库；然后运用社会网络分析(SNA)方法研究致因因素相互之间的复杂关系，从而选出关键指标；最后构建了市政工程项目安全风险评价指标体系，并利用偏序集评价方法，无需精确权重，完成了优质项目的筛选和评价。

1 评价方法

1.1 社会网络分析(SNA)

社会网络分析(Social Network Analysis,SNA)是通过构建网络模型的方式研究复杂个体之间的结构关系。不同于传统的评价类方法，SNA方法更善于解决致因因素间的复杂网络关系，目前多应用于社会学、经济学、教育学等领域，但在建筑领域的应用较少。

市政工程安全生产事故的致因因素间存在复杂的相互影响，本文通过网络核心-边缘结构分析选取关键致因因素，并利用能够反映社会网络特征的指标(密度、中心性、点度中心度)对关键致因因素进行排序，从而构建市政工程项目安全风险评价指标体系。

1.2 偏序集评价方法

传统的评价结果通常为全序，而偏序集评价方法是多准则决策方法且比较关系是偏序关系。偏序集评价能够展现决策者的有限理性，保证了评价的稳健性，优化了传统的评价结果[17]。

偏序集运用于市政工程项目安全风险评价中，可以有效地降低决策者事先识别决策的风险。除此之外，偏序的哈斯(HASSE)图能够展现聚类功能，解决市政工程项目安全风险等级评价问题。

1.2.1 偏序集的定义

设A为评价对象，x,y,z∈A，R是集合A上的一个二元关系，若R满足：

(1) 自反性：对任意x∈A，有xRx；

(2) 反对称性：对任意x,y∈A，若xRy且yRx，则x=y；

(3) 传递性：对任意x,y,z∈A，若xRy且yRz，则xRz；

则称R为A上的偏序关系，通常用“≼”表示。评价对象A和偏序关系“≼”一起称为偏序集，记为(A，≼)。

1.2.2 HASSE矩阵的计算

哈斯(HASSE)图是由HASSE矩阵一一对应后绘制的，HASSE矩阵是比较关系矩阵保留最大路径后得到的。范懿[18]给出了R与HASSE矩阵之间的转换公式：

HR=(R-I)-(R-I)*(R-I)

(1)

式中：R为关系矩阵；HR为HASSE矩阵；I为单位矩阵；*为布尔运算。

2 市政工程项目安全风险评价指标体系构建

2.1 事故数据收集与处理

为了构建可用于量化分析的市政工程生产安全较大及以上事故案例库，案例收集整理遵循以下流程：①查找整理住建部和各省市相关官方网站——市应急管理局、中华人民共和国住房和城乡建设部2015—2020年发布的市政工程生产安全较大及以上事故信息通报[1]，作为案例数据收集的指引信息;②通过网络信息和文献查找补充丰富事故的过程信息和原因分析；③对每条案例数据质量进行评判，剔除数据不足或不可靠的案例;④对符合条件的事故调查报告提取涉及事故直接原因、间接原因、直接经济损失、死亡人数、受伤人数和事故形态的文本内容;⑤从安全生产监督部门的角度，对事故原因进行逐个分析，提取关键词，整理词条做出备案。最终选取市政工程生产安全较大及以上事故调查报告92份，部分文本整理见表1。

表1 市政工程生产安全事故调查报告文本整理(部分)Table 1 Collation of an accident report of municipal engineering production safety (part)

将从所有案例样本中提取出的事故原因信息进行分类、归纳、合并，并利用EXCEL提取共现词后得到市政工程生产安全事故原因集，见表2。从样本中提取的事故原因信息可分类归纳为人员(D1)、建筑材料及机械设备(D2)、环境(D3)、技术方案(D4)、管理因素(D5)5类，共计45种事故原因。

表2 市政工程生产安全事故原因集Table 2 Causes of accidents of municipal engineering production safety

构建维度为92×45的矩阵，若导致事故i发生的原因有j(i取1～92，j取1～45)，则矩阵元素M(i,j)取值为1，否则其取值为0，见表3。

由于原始数据表3是2-模网络，是事故调查报告与致因因素两类行动者之间的关系，无法进行中心度计算以及可视化研究。为了深入分析各事故原因间的关联关系，利用ucinet将2-模网络转化为1-模网络，构建原因邻接矩阵N。设MT为矩阵M的转置，那么N=MTN。该原因邻接矩阵表示事故与事故之间共同参与的事故原因数，如：矩阵中坍塌类事故4和8共同参与的事故原因数为7；矩阵中高处坠落类事故6和18共同参与的事故原因数为5。通过该原因邻接矩阵能快速地找到某类事故主要发生的原因，从而进行有效的预防和管控。

表3 市政工程生产安全事故调查报告原始数据矩阵(部分)Table 3 Raw data matrix of investigation reports of municipal engineering production safety (part)

2.2 事故原因特征分析

2.2.1 致因网络的构建

基于致因因素共现矩阵构建致因网络，约定：两组词语在同一事故调查报告文本中共现两次及以上时，共现次数为1。所得市政工程生产安全事故致因因素共现矩阵(部分)，见表4。与原因邻接矩阵N不同点在于，致因因素共现矩阵主要观察致因因素之间的关联和分布情况，而N则研究案例事故之间的关系。

表4 市政工程生产安全事故致因因素共现矩阵(部分)Table 4 Co-occurrence matrix of accidents of municipal engineering production safety (part)

将致因因素共现矩阵导入Ucinet，用Netdraw 模块进行可视化，可得到市政工程生产安全事故致因网络图，见图1。该致因因素网络图将致因因素以网络的形式连接成一个整体，从而描绘出通过事故调查报告整理得到的各致因因素特征项之间的关联和分布情况。在图1中，各项致因因素间的连线表示共同出现在同一事故中，线条越粗表示共现频率越高，致因因素之间的联系越紧密；各项致因因素节点的大小，表明致因因素的重要程度，如施工方案编制或报批不规范R27的节点较大，说明该致因因素在市政工程生产安全事故致因网络中发挥的作用大。

图1 市政工程生产安全事故致因网络图Fig.1 Network diagram of accident causes of municipal engineering production safety

2.2.2 关键原因分析

社会网络分析(SNA)中，中心性是用于测量个体在网络结构中位置的优越性和特权性，而个体的中心性指标又是用点度中心度来测量的。点度中心度包括绝对点度中心度(Degree)和相对点度中心度(NrmDegree)两种，前者是指与该点直接相连的个体的数量，后者是指绝对点度中心度和网络中个体的最大可能的度数之比。相对点度中心度的数学表达式为

(2)

式中:n为网络中个体总数。

本文采用的中心性指标是相对点度中心度。在市政工程生产安全较大事故原因分析中，相对点度中心度越大的个体，表示该致因因素越易与其他致因因素组合共同引起市政工程生产安全事故的发生。距离致因网络中心越近的点，风险性越大。本文计算了市政工程生产安全事故致因网络中各节点的相对点度中心度，表5中列出了相对点度中心度排列前15位的原因。

表5 市政工程生产安全事故致因网络中各节点的相对点度中心度(部分)Table 5 Relative point degree centrality of accidents of municipal engineering production safety

由表5可知，R4、R42致因因素有最高的相对点度中心度，表明两者最容易与其他致因因素组合导致市政工程生产安全事故的发生。

2.2.3 致因因素的网络核心-边缘结构分析

为了确定哪些致因因素处于核心地位，哪些致因因素处于边缘地位，需要对市政工程生产安全事故致因因素进行网络核心-边缘结构分析，其结果见表6。

根据表6，将各项致因因素归类为核心致因因素或边缘致因因素，其中核心致因因素包括施工操作人员未佩戴安全防护R2、施工操作人员存在违章作业等违规操作行为R4、施工操作人员存在冒险施救或冒险作业行为R5、施工方案执行不到位R28、未进行安全教育及培训R31等19项；其余致因因素均为边缘致因因素。致因网络核心区域的网络密度为30.842，边缘区域的网络密度仅为6.962，表明核心致因因素之间较边缘致因因素之间的联系更紧密，需要在安全管理中重点防控。因此，将核心致因因素作为市政工程项目安全风险评价指标，通过及时地管控核心致因因素，能够高效阻隔风险在网络中的传导。

表6 市政工程生产安全事故致因因素的网络核心-边缘结构分析Table 6 Core-edge structure of risk-causing factor network of accidents of municipal engineering production safety

根据社会网络相对点度中心度的排名，对指标进行排序。相对点度中心度越大的点，表示该原因越容易与其他原因组合共同导致事故的发生，居于致因网络的中心，风险性越大。本文计算了市政工程生产安全事故致因主网络中各节点的相对点度中心度，并根据社会网络中相对点度中心度的大小作为二级评价指标权重排序依据，进而完成了市政工程项目安全风险评价指标的排序及归一化处理，其结果见表7。

表7 市政工程项目安全风险评价指标的排序及归一化处理结果Table 7 Ranking of safety evaluation indexes of municipal engineering projects

3 实例应用与分析

为了检验本文构建的市政工程安全风险评价指标体系，是否能真实地评价市政工程项目的安全风险等级，是否能更好地指导市政工程项目施工，且保障施工安全，本文选取20个具有代表性的市政工程项目，运用偏序集评价方法对其进行了安全风险评价与风险排序。

3.1 数据来源

本文选取包括唐山市某区棚户区改造项目(A)、嘉善市政项目基坑开挖工程(B)在内的全国20个在建市政工程项目作为研究样本，邀请住建局、大型央企、研究院和高校的10位专家分别对20个在建市政工程项目进行了现场考察，并根据上述19项评价指标(见表7)对各市政工程项目进行打分，各题项专家评分取值范围均为[0,100]，得分越高，表示该指标越有风险。各市政工程项目各项评价指标专家打分后取其算术平均值，并按照表7中评价指标权重排序形成初始数据表，见表8。

3.2 偏序集评价

由于表8无法对市政工程项目C与项目D进行安全风险大小的比较，更不能直观、可视化地得出评价结果，故本文运用偏序集理论，第一步首先对市政工程项目安全风险评价指标初始数据进行累加变换(见表9)，这样即使无法得出指标权重的具体数值但也可以比较两者的大小。

表8 20个在建市政工程项目安全风险评价指标初始数据表Table 8 Initial data of safety evaluation indexs of 20 municipal engineering projects under construction

表9 20个在建市政工程项目安全评价指标评价初始数据的累加变换Table 9 Cumulative change of initial data of safety evaluation indexes of 20 municipal engineering projects under construction

第二步，通过对市政工程项目进行两两比较，得到其比较关系矩阵R，见表10。

表10 20个在建市政工程项目的比较关系矩阵Table 10 Comparison Matrix of 20 municipal engineering projects under construction

第三步,根据得到的比较关系矩阵和范懿[18]给出两者之间的转换公式，得到HASSE矩阵，见表11。

表11 20个在建的市政工程项目的HASSE矩阵Table 11 Hasse matrix of 20 municipal engineering projects under construction

第四步，为了更加直观地评价20个在建市政工程项目的安全风险等级，通过HASSE矩阵绘制了HASSE图，见图2。

图2 20个在建市政工程项目施工现场安全风险的HASSE图Fig.2 Hasse diagram of safety risk of 20 municipal engineering projects under construction

3.3 评价结果分析

通过对20个在建市政工程项目施工现场安全风险的HASSE图进行分析，可以得出评价对象间的分层和聚类信息。该20个不同的市政工程项目施工现场安全风险可分为4个层级，层级水平由下到上分别对应项目施工安全风险1(稍有风险)、2(一般风险)、3(显著风险)、4(高度风险)。其中，处于第一层级水平为{E,A,B,C}项目；第二层级水平为{D,F,G,H,I,P}项目；第三层级水平为{J,S,O,Q,R,T,N}项目；第四层级水平为{M,K,L}项目。层级水平表示市政工程项目施工现场安全风险水平的高低，由于市政工程项目安全风险评价指标是消极指标，即{E,A,B,C}项目的施工现场安全风险水平高于{D,F,G,H,I,P}项目高于{J,S,O,Q,R,T,N}项目高于{M,K,L}项目，故本文排序结果符合现实，从而验证了建立的市政工程项目安全风险评价指标体系的合理性。

通过对处于第一层级水平即安全风险为4(高度风险)的市政工程项目E进行分析发现：该项目施工现场存在施工操作人员违章作业等违规操作行为的现象较多；施工方案等技术方案的审批和编制工作流于形式，没有针对性；安全培训工作疏忽，导致施工操作人员安全意识淡薄，存在侥幸或冒险心理。此外，通过观察项目施工现场安全风险的HASSE图发现，大部分市政工程项目都处在第二和第三层级水平即安全风险为2(一般风险)和3(显著风险)，说明现今我国市政工程项目施工普遍存在现场安全隐患，所以建立客观、有效的市政工程项目安全风险评价指标体系是必要的。

4 结 论

(1) 本文通过对市政工程生产安全较大及以上事故调查报告的总结分析，明确了事故原因45项，更新了事故案例库和市政工程生产安全事故致因词条。

(2) 通过对市政工程安全生产事故致因因素社会网络进行中心性和核心-边缘结构分析，可识别出R1、R4等19项核心致因因素。可见，基于社会网络分析的安全风险评价，不再将致因因素看作孤立的个体，而是从致因因素相互关系的角度去构建致因网络，为市政工程项目安全风险综合评价提供了新思路。

(3) 利用社会网络核心指标构建了市政工程项目安全风险评价指标体系，实证证明新构建的安全风险评价指标体系能够为市政工程生产安全事故的预控提供参考。

(4) 在利用社会网络分析构建的市政工程项目安全风险评价指标体系基础上，通过偏序集评价对样本市政工程项目的安全风险进行排序，既能融合偏好者信息，又可体现多指标权重精确赋值，且偏序集评价得到的项目施工现场安全风险的HASSE图比传统的评价结果能更直观地展示样本项目之间的安全风险差异。