快递安全事故致因网络构建及结构特性分析

任翠萍 杨明翔 张裕铭 谢逢洁

摘要： 为揭示快递安全事故的关键致因及关联性，基于复杂网络理论，以快递人员、快件、设备、环境、管理及事故结果6类40个因素为节点，以因素间的作用关系为边，构建快递安全事故致因网络。研究发现，该网络具有小世界特性，中介中心性显著，存在3-核高密度云团。结果表明，人员伤亡、快件起火、快件破损、财产损失、运输车辆问题是事故的关键因素；快件堆积与破损对事故风险传递最为显著；15个因素间的高密度关联性对事故起到核心作用。

关键词： 快递安全；事故致因；复杂网络；结构特性

中图分类号： X913;N94文献标识码： A

收稿日期： 2021-10-26；修回日期：2022-04-25

基金项目： 国家自然科学基金青年基金（52102418）; 陕西省教育厅科研计划项目（20JK0363）; 大学生创新创业训练计划项目（S202011664037）

第一作者： 任翠萍（1987-）， 女， 河北沧州人， 博士， 讲师， 主要研究方向为快递安全与复杂网络。

The Construction of Express Safety Accident Causation Network and Its Structural Properties

REN Cuiping， YANG Mingxiang， ZHANG Yuming， XIE Fengjie

（School of Modern Post， Xi′an University of Posts and Telecommunications， Xi′an 710061， China）

Abstract：The research aims to find the key causes and their relationships of express safety accidents. Based on the complex network theory， the Express Safety Accident Causation Network （ESACN） was constructed by setting factors as nodes and their relationships as arcs. There are 40 factors nodes extracting from personnel， express， equipment， environment， management and results. This study found that the ESACN is a small world network. Meanwhile the intermediary centrality is obvious and there is a 3-core high-density cloud in ESACN. The result indicates that casualties， express fire， express damage， property loss and transportation vehicle problems are the key factors in ESACN. Among these factors， the accumulation and damage of express have the most significant effect on accident risk transmission. The high-density correlation among the 15 factors plays a core role in the occurrence of accidents.

Key words： express safety; accident causation; complex network; structural characteristics

0 引言

快遞业作为重要的流通产业和先导产业，对畅通国内经济循环、建设现代化流通体系具有十分重要的作用。据统计，2021年快递业收入达10 332.3亿元，同比增长17.5%，占GDP的3.67%；快递业务量达1 083亿件，同比增长29.9%，日均服务用户近7亿人次，连续8年稳居世界第一。然而，快递业快速发展的背后，各类安全问题日益凸显［1］，尤其是利用快递实施犯罪的事件频频发生，例如违禁物品寄递、用户信息泄露、快递包裹被盗等等；同时快递安全事件呈现出逐年上升［2］的趋势。因此，开展快递安全事故分析，对提升快递业安全水平、推动快递业高质量发展具有重要意义。

针对快递业存在的安全问题，现有研究主要采用实地调查、访谈、问卷调查以及个案研究等方法［24］，从行业［5］、企业［6］、从业人员［7］等方面分析快递事故发生的主要原因，并针对问题和原因提出相应对策。卢文刚等［1］根据全业务流程分析快递企业公共安全风险，研究发现法律法规不健全、硬件基础设施差、从业人员安全意识淡薄、企业安全管理堪忧、民众防范意识不足等是导致快递安全问题的主要原因。严贝妮等［4］围绕快递用户信息泄露问题，提出其主要原因为国家立法普法欠缺、用户防范意识不足、快递企业管理制度不规范、电商平台用户管理系统缺乏统一监管。然而，现有研究主要从宏观层面定性分析快递行业存在的安全问题及其事故原因，缺少从微观层面定量揭示事故致因因素间的结构特征及关联关系。

考虑到快递安全事故是多风险因素耦合作用的结果，具有非线性变化特征，本文采用复杂网络理论定量表征快递事故致因的复杂作用关系。复杂网络理论在揭示关键节点［8］以及节点间的结构特性方面［911］具有一定的优越性。目前，该理论已普遍应用到安全事故领域，主要体现在铁路事故［1215］、地铁事故［1618］、道路运输事故［1921］及生产安全事故［2223］等方面。郭亚文等［18］基于实际地铁工程建设事故案例，构建双层地铁工程建设安全事故致因网络模型，通过分析网络拓扑结构发现：安全管理不到位、缺乏安全意识、机械故障是导致大量事故发生的初始致因因素。胡立伟等［19］通过分析营运货车交通事故数据，从人、车、环、管四方面确定29个风险因素，建立网络节点多属性决策综合评价网络模型，进而判断各风险因素的重要程度。

鉴于复杂网络理论在事故致因研究领域的优势，以及现阶段快递安全研究的不足，本文以快递安全事故致因研究为主题，通过统计中国快递安全事故数据，建立事故致因因素指标；基于复杂网络理论，构建快递安全事故致因网络并分析其结构特性，进而揭示快递安全事故的关键致因因素及其关联关系，以期为快递行业安全监管提供理论与实证支撑。

1 快递安全事故致因网络构建

依据快递业务流程、事故调查报告与事故致因理论，运用系统化分类方法，将快递安全事故致因划分为致因因素与结果因素。其中，快递事故致因因素包括人员、快件、设备、环境、管理5大类。基于3类危险源理论［24］，统计分析2013～2020年具有影响力的快递安全事故原因，将5类因素进一步细分（见表1）。考虑到快递事故具有动态性、复杂性的特征，其事故原因也会呈现出动态变化的趋势，尤其是在不同环境、不同科技水平、不同政策导向下。因此，本文所提出的事故原因明细仅呈现了2013～2020年快递事故的常见原因。人员因素是指快递相关人员的不安全行为；快件因素是指快件的不安全状态；设备因素是指分拣设备、运输车辆、仓储设备等不安全状态；环境主要是影响快递安全作业的外部因素；管理因素为企业内部管理与行业安全监管不当。快递事故结果因素是指事故造成的影响，主要包括：人员伤亡（C1）、财产损失（C2）、快递运营网络阻断（C3）、用户信息泄露（C4）、无法按时送达（C5）、其他情形（C6）。考虑到快递安全事故是事故致因因素与结果因素共同作用所致，且二者存在关联性与传递性；因此，将快递事故致因因素与结果因素作为快递安全事故致因网络的节点。

依据事故致因分类及编码，确定每例事故的致因链，提取依赖关系。考虑事故是一系列致因因素在特定时序下耦合嵌套作用的结果，引入有序对来刻画事故因素间的优先关系，并对节点有序对作定义：1）如果A是B发生的直接原因，则可以表示为〈A，B〉（B为致因因素或结果因素）；2）同一事故中如果存在〈A，B〉，〈B，C〉，则A与C间不是有序对，即A对C不产生影响。

根据上述定义，提取每例快递安全事故致因链及有序对，并将有序对进行组合构成有序对集（见表2）。有序对集刻画了整个事故网络中节点间的作用方向，同时考虑到快递安全事故因素间作用的复杂性及事故形成机制的不同（如能量转移或信息传播等），很难从事故案例中抽象出节点与连边的定量关系；因此，所构建的快递安全事故致因网絡为有向无权网络。图1为快递安全事故致因网络的拓扑结构图。

由图1可知，快递安全事故致因网络由40个节点、108条弧构成。节点代表快递事故因素，弧表示事故因素之间存在的交互作用关系，弧的数量表示事故因素间作用关系的强度，弧的方向表示事故因素间的作用方向。可以看出，从C5，P1，E1等节点发出的弧数量较多，说明无法按时送达、快件堆积、自然环境等节点更易影响其他因素；而C1，C2，P5，F2等节点收到的弧数量较多，说明人员伤亡、财产损失、快件起火、运输车辆问题等受其他因素影响较多。

2 快递安全事故致因网络的复杂结构特性

2.1 小世界特性

许多现实世界的复杂网络表现出小世界结构特性，即与相同规模的随机网络相比，该网络拥有较短的平均路径长度和更高水平的聚类系数［11］。网络的平均路径长度是网络中所有节点对之间最短路径长度的均值，即

L=2N（N-1）∑i≠jdij（1）

其中，dij为节点i到节点j所经历的边的数目，N为节点的数量。

网络的聚类系数是网络中所有节点聚类系数的均值，即

C=1N∑iNi（real）ki（ki-1）/2（2）

其中，ki为节点i的度，Ni（real）为ki个邻居之间实际存在的边数。

根据上述定义，计算快递安全事故致因网络的平均路径长度为2.172 6，聚类系数为0.118 8；说明网络中每例事故的发生平均需要3步，事故因素间联系紧密，易发生连锁性反应，且除了极个别因素外，其他因素要么有直接的关联关系，要么有间接的关联关系。与其规模和平均度相同的随机网络的平均路径长度约为3.425 7（Lrand～lnN/lnK-），聚类系数约为0.022 9（Crand～K-/N）。可见，与相对应的随机网络相比，快递安全事故致因网络有着更小的平均路径长度和更高的聚类系数，表现出明显的小世界现象。

2.2 度分布特性

节点的度是网络中与该节点相连接的其他节点的数目，反映该节点在网络中的重要程度。在有向图中，节点的度可分为入度和出度，其中入度是进入到该节点的其他节点的个数；出度是该节点直接发出的关系数。快递安全事故致因网络为有向网络，故各节点度值包括总度、入度、出度（见图2）；因节点数量较多，图2仅显示总度数大于等于3的节点度分布。由图2可见，总度值最大的节点为C1，随后依次是P5，P6，C2，P1，F2；入度呈现不均匀分布，其中度值较大的节点为C1，C2，P5，P6；出度分布差异相对较小，度值最大的为E1，其次有15个节点出度值相同。

由总度值可知，人员伤亡、快件起火、快件破损、财产损失、运输车辆问题是网络中的中心节点，也是快递安全事故中的关键因素，其数量较少，与周围的风险因素发生复杂的非线形交互，表征了网络“中心节点”特性，说明快递事故致因网络中关键风险因素占少数，但具有主导地位。由出入度可知，受外界因素影响最大的致因因素为人员伤亡、财产损失、快件起火、快件破损因素，其累积入度达到40；快递企业应加强对这些致因因素的抗干扰能力，减轻外界因素的作用。而关联作用到其他因素的致因因素主要为自然环境影响、未进行收寄验视、使用非专业人员、分拣人员操作不当、快递工作人员的其他不当行为、收/寄人隐瞒禁寄物品的行为、工作人员外其他人员的不当行为、快件堆积、快件起火、快件破损、安全监管不当、运输车辆问题，其累积出度达到37；快递企业及安全监管部门应特别注意对这些因素的管控，避免引发事故因素间的连锁反应。

节点的度分布特性常用节点度分布函数P（k）或累积度分布函数P（K）来刻画。前者为网络中度k的节点占总节点的比例，后者为网络中度大于等于k的节点占总节点的比例［12］。本文采用累积度分布函数描述快递安全事故致因网络，如图3所示。在双对数坐标下，随着度k的增大，事故致因网络的累积度分布函数曲线表现为一条直线。数据拟合结果P（K）=1.836 5k-1.480 3，拟合判定系数R2=0.834 5，说明快递安全事故致因网络的节点度具有无标度特性，网络中的少量节点拥有大量的连接，而大多数节点只有1个或2个影响因素。

2.3 中介中心性

中介中心性是用来衡量一个节点处于其他任何两个节点间最短路径的概率，反映了该节点作为中介的重要程度。节点的中介中心性越高，对网络的信息传递作用越大。由此计算快递安全事故致因网络的中介中心性如图4所示。图中节点大小代表中介中心性的大小；当节点的中介中心性为0时，即节点不显示，说明该节点不在其他节点间担当中介。

由图4可知，在快递安全事故致因网络中，中介中心性较高的节点为P1（0.020），P6（0.020），M4（0.019），F2（0.019），P5（0.018），H7（0.016），说明这6个节点在网络中起到重要的“桥梁”作用；其中快件堆积和快件破损的中介中心度最高，表明这两个因素在整个网络中被多条最短路径经过，在网络的事故风险传递中起重要作用。另外，安全监管不当、运输车辆问题、快件起火、快递人员罢工等因素对其他因素之间的关联作用同样具有重要影响。

进一步依据事故因素分类情况，计算每类因素的中介中心性，如图5所示。研究发现，快件因素的中介中心性最强，其次为人员因素、管理因素、设备因素、结果因素、环境因素；说明在实际快递运作中，快件因素对于事故的事态发展占据绝对中心的位置，保障快件安全是遏制事故发生的根本途径。

2.4 云集团特性

为进一步揭示高点度节点的凝聚状态，研究基于整个网络所有节点的点度，以某个节点的点度不小于某个值为条件找寻云集团，此时云集团可称为k-核。k-核是其中每个顶点的点度不小于k的最大子网络，界定了相对密集的子网络，因而有助于发现凝聚子群。

分析快递安全事故致因网络的k-核发现，网络中有15个节点属于3-核，26个节点属于2-核，39个节点属于1-核，1个节点（孤立节点）属于0-核，如图6所示。在3-核中，每个致因因素节点都至少与其他3个致因因素节点相连，形成了一个高密度云团（见图7），包括节点H2，H4，H5，H10，P1，P3，P5，P6，M4，F2、E1，C1，C2，C3，C5；这些节点间的复杂关联关系可视为快递安全事故致因网络的凝聚子群，对网络的凝聚特性起着关键作用。

快递安全事故致因网络凝聚子群的具体因素包括：人员因素中的未进行收寄验视、使用非专业人员、分拣人员操作不当以及快递工作人员的其他不当行为，快件因素中的快件堆积、包装不当、快件起火及快件破损，管理因素中的安全监管不当，设备因素中的运输车辆问题，环境因素中的自然环境影响，以及结果因素中的人员伤亡、财产损失、运营网络阻断及无法按时送达。上述因素间存在高度关联关系，对快递安全事故的发生起到核心作用，快递企业需要重点关注这些因素间的交互作用关系。

3 结论

从复杂网络理论的研究视角出发，用点表示快递安全事故因素，边表示事故因素间的关联关系，构建快递安全事故致因网络。以2013～2020年中国发生的具有影响力的快递安全事故数据为例，描述快递安全事故致因网络的拓扑结构，分析其特性及关键因素，得到主要结论：

1）快递安全事故致因网络是一个小世界网络。事故致因因素联系紧密，平均需要3步就可以连接到事故，易引发致因因素间的连锁反应。

2）快递安全事故致因网络具有无标度特性，网络中的少量节点拥有大量的连接，而大多数节点只有1个或2个影响因素。人员伤亡、财产损失、快件起火、快件破损因素最容易受其他因素影响，需要快递企业加强对这些因素的抗干扰能力；自然环境影响、未进行收寄验视、使用非专业人员、分拣人员操作不当、收/寄人隐瞒禁寄物品的行为、快件堆积、快件起火、快件破损、安全监管不当、运输车辆问题容易对其他因素造成影响，应特别注意对这些因素的管控，避免引发事故因素间的连锁反应。

3）在快递安全事故致因网络中，快件因素对于事故的事态发展占据绝对中心的位置；其中，快件堆积与快件破损对事故风险传递起着最为重要的作用。保障快件安全是遏制事故发生的根本途径，快递企业与安全监管部门应重点关注因快件因素引发的事故风险传递。

4）快递安全事故致因網络存在一个由致因因素与结果因素共同构成的凝聚子群，群内各因素间存在的高密度关联关系在快递安全事故中起到核心作用，具有高驱动力，快递企业需要重点关注这些因素间的交互作用关系。

上述结论从微观层面揭示快递安全事故因素间的结构特征，提出事故的关键因素与中介因素。这与现有研究提出的行业监管、企业安全管理及民众安全意识等宏观层面的原因基本一致。所不同的是，本研究在细化人员、设备、组织管理因素的基础上，增加了对快件、环境的详细原因分析，同时对快递事故因素的重要性进行分析，这对于指导快递业实施分级分类精准管控更具实践指导意义。

参考文献：

［1］卢文刚， 孙家根. 快递行业公共安全：风险分析与协同治理——以A市全业务链快递邮件为例［J］. 广州大学学报（社会科学版）， 2021， 20（4）： 83-92.

LU W G， SUN J G. Risks analysis and collaborative management in public security of express industry： a case of full service chain express mail in a city［J］. Journal of Guangzhou University （Social Science Edition）， 2021， 20（4）：83-92.

［2］李妙诘. 快递行业寄递渠道突发事件应急管理研究——基于邮政管理部门视角［D］. 海口： 海南大学， 2017.

LI M J. Posting network of express industry emergency management—the view of postal administration［D］. Haikou： Hainan University， 2017.

［3］苏尉. 唐山市快递行业安全监管研究［D］. 成都： 西南交通大学， 2018.

SU W. Research on safety supervision of express industry in Tangshan［D］. Chengdu： Southwest Jiaotong University， 2018.

［4］严贝妮， 叶宗勇， 段梦丽. 快递用户个人信息安全隐患成因解析——基于用户角度的调查研究［J］. 现代情报，2018，38（2）：91-95.

YAN B N， YE Z Y， DUAN M L. Analysis of the cause of personal information security risks of express users—investigation from users angle［J］. Journal of Modern Information， 2018， 38（2）： 91-95.

［5］典帅. 我国快递业安全管控研究［D］. 北京： 中国人民公安大学， 2017.

DIAN S. Research on the safety control of Chinas express delivery industry［D］. Beijing： Peoples Public Security University of China， 2017.

［6］王亚博. 我国快递场所安全管理风险与对策研究［J］. 物流工程与管理， 2019， 41（11）： 137-139.

WANG Y B. Study on the risk and countermeasure of safety management of express industry in China［J］. Logistics Engineering and Management， 2019， 41（11）： 137-139.

［7］张橙. 快递员职业安全行为影响因素的实证研究［D］. 石家庄： 河北经贸大学， 2018.

ZHANG C. An empirical study on the factors affecting the occupational safety behavior of express delivery officers［D］. Shijiazhuang： Hebei University of Economics and Business， 2018.

［8］傅杰， 邹艳丽， 谢蓉. 基于复杂网络理论的电力网络关键线路识别［J］. 复杂系统与复杂性科学， 2017， 14（3）： 91-96.

FU J， ZOU Y L， XIE R. The critical lines identification of the power grids based on the complex network theory［J］. Complex System and Complexity Science， 2017， 14（3）： 91-96.

［9］种鹏云，尹惠.基于复杂网络的危险品道路运输网络优化策略研究［J］. 复杂系统与复杂性科学， 2018， 15（3）： 56-65.

CHONG Y P， YIN H. Analysis on optimization strategies of hazardous materials road transportation network using complex network theory［J］. Complex System and Complexity Science， 2018， 15（3）： 56-65.

［10］ WATTS D J， STROGATZ S H. Collective dynamics of ‘small-world networks［J］. Nature， 1998， 393： 440-442.

［11］ NEWMAN M E J. The structure and function of complex networks［J］. SIAM Review， 2003，45（2）：167-256.

［12］ 花玲玲，鄭伟. 基于复杂网络理论的铁路事故致因分析［J］. 中国安全科学学报， 2019， 29（S1）： 118-123.

HUA L L， ZHENG W. Research on causation of railway accidents based on complex network theory［J］. China Safety Science Journal， 2019， 29（S1）：118-123.

［13］ LI K P， Wang S S. A network accident causation model for monitoring railway safety［J］. Safety Science. 2018， 109： 398-402.

［14］ LIU J T， SCHMID F， ZHENG W， et al. Understanding railway operational accidents using network theory［J］. Reliability Engineering and System Safety， 2019， 189（C）： 218-231.

［15］ ZHOU J， XU W， GUO X， et al. A method for modeling and analysis of directed weighted accident causation network （DWACN） ［J］. Physica A： Statistical Mechanics and Its Applications， 2015， 437： 263-277.

［16］ 馬小薇. 基于复杂网络的地铁事故致因机理研究［D］. 成都： 西南交通大学， 2019.

MA X W. Research on the causation mechanism of metro accidents based on complex network theory［D］. Chengdu： Southwest Jiaotong University， 2019.

［17］ ZHOU Z P， IRIZARRY J， LI Q M. Using network theory to explore the complexity of subway construction accident network （SCAN） for promoting safety management［J］. Safety Science， 2014， 64：127-136.

［18］ 郭文亚， 周志鹏. 地铁工程建设安全事故致因网络模型构建与解析［J］. 中国安全科学学报， 2020， 30（1）： 155-161.

GUO W Y， ZHOU Z P. Subway construction accident causation network modeling and analysis［J］. China Safety Science Journal， 2020， 30（1）：155-161.

［19］ 胡立伟， 杨鸿飞， 何越人， 等. 基于复杂网络的营运货车交通事故风险因素识别［J］. 交通运输工程与信息学报， 2022，20（1）： 128-134.

HU L W， YANG H F， HE Y R， et al. Driving risk identification of commercial trucks based on complex network theory［J］. Journal of Transportation Engineering and Information， 2022， 20（1）： 128-134.

［20］ LIU S L， LIANG Y T. Exploring the temporal structure of time series data for hazardous liquid pipeline incidents based on complex network theory［J］. International Journal of Critical Infrastructure Protection， 2019， 26： 1-13.

［21］ 蔡婷婷， 刘祥伟， 刘云霞. 基于复杂网络理论的危险品事故原因实证分析［J］. 哈尔滨商业大学学报（自然科学版）， 2020， 36（4）： 485-492.

CAI T T， LIU X W， LIU Y X. An empirical analysis of causes of dangerous goods accidents based on complex network theory［J］. Journal of Harbin University of Commerce （Natural Sciences Edition）， 2020， 36（4）： 485-492.

［22］ GUO S Y， ZHOU X Y， TANG B， et al. Exploring the behavioral risk chains of accidents using complex network theory in the construction industry［J］. Physica A： Statistical Mechanics and Its Applications， 2020， 560： 1-14.

［23］ 汪送. 复杂系统安全事故致因网络建模分析［J］. 中国安全科学学报，2013，23（2）：111-118.

WANG S. Modelling analysis of complex system accident causation network［J］. China Safety Science Journal， 2013， 23（2）：111-118.

［24］ 田水承. 第三类危险源辨识与控制研究［D］. 北京： 北京理工大学，2001.

TIAN S C. Research on identification and control of the third kind of hazard sources［D］. Beijing： Beijing Institute of Technology， 2001.

（责任编辑 李 进）