基于加权网络的建筑施工高处坠落事故致因分析

基于加权网络的建筑施工高处坠落事故致因分析

吴聪卓

130133198708262486

摘要：为更清楚地展现事故致因因素间的相互关系，并考虑因素间关联关系对于节点重要性的影响，本研究根据２０１８—２０２３年国内５２６份高处坠落事故报告，利用ＢＯＷ（ＢａｇｏｆＷｏｒｄｓ）方法结合人工分析提取涵盖人、物、环境、管理四方面的高处坠落事故致因因素集，以共现频次为权重，应用复杂网络理论构建高处坠落事故致因模型，并分析加权前后网络的度中心性、介数中心性、接近中心性、聚类系数的特征特性。最后，结合灰色关联分析理论，定量分析高处坠落事故致因因素的重要程度。研究结果表明：高处坠落的致因因素为，未正确佩戴防护用具，安全教育培训不到位，发包不规范，现场安全管理不到位，安全意识淡薄；应高度重视和管控这些致因因素，减少施工高处坠落事故的发生。

关键词：安全管理工程；致因分析；高处坠落；复杂网络

0引言

随着建筑行业发展、施工现场复杂性提升以及高处作业的增加，安全事故的发生率大幅提升，安全生产形势十分严峻［１］。根据住房与城乡建设部颁布的通报，２０２０年全国共发生房屋市政工程生产安全事故６８９起，高处坠落事故４０７起，占事故发生总数的５９．０７％，居于建筑业“五大伤害”之首。以上研究在高处坠落事故分析应用中已较为成熟，但高处坠落事故的发生应是多因素相互作用的结果，且致因间的关系是非均质性的，现有研究却鲜有涉及高处坠落事故加权网络及其特征的相关分析。且在确定事故致因时，依赖专家经验并不能揭示致因间的联系强弱，对于报告数量较多的情况，可以通过文本挖掘对事故致因进行词频统计与整理，并确定因素间的关联关系，提高数据处理的准确性。

基于此，本文以获取的建筑施工高处坠落事故调查报告为数据分析基础，利用ＢＯＷ（ＢａｇｏｆＷｏｒｄｓ）方法结合人工分析提取涵盖人、物、环、管四方面的高处坠落事故影响因素集。以因素间共现频次为网络权重，借助Ｊａｃｃａｒｄ指数对权重进行筛选，构建高处坠落事故加权网络，并分析网络加权后节点的度中心性、介数中心性、接近中心性以及聚类系数等特性。选取这４种特性，运用灰色关联分析方法，建立事故影响因素重要度综合评价模型，确定各因素的重要程度，并提出相应策略，以降低施工高处坠落事故的发生。

1数据处理

事故调查报告中含有大量与事故相关的实际记录内容，其内容的真实性和有效性可得到保证。事故调查报告详细阐述了事故发生的时间、过程，事故发生单位的概况、人员伤亡情况以及受伤人员的基本信息和财产损失等，并分析了事故性质、事故原因、事故责任的划分。运用Ｐｙｔｈｏｎ对国家住房与城乡建设部、各省市相关的应急管理局、人民政府官网等网站２０１８—２０２３年建筑施工高坠事故报告进行爬取，筛选后可获得的、完整的、符合数据要求的建筑施工高处坠落事故报告共５２６份。

借用人工分析，合并例如“教育”“培训”为安全教育培训不到位，适当的人工参与可将人的知识与数据特征相整合，提高工具智能程度的同时，减少纯靠人工工作量，实现更高的准确率。具体处理如下：（１）数据预处理：对筛选得到的５２６条事故报告进行文本清洗，如去除无用信息、标点符号、数字等。（２）文本向量化：使用ＢＯＷ等文本向量化方法，将清洗后的文本转化为数值表示。（３）过滤无用词频：根据ＢＯＷ向量进行特征选择，过滤无用词汇。（４）影响因素提取：结合领域相关知识与文献进行人工筛选和分析，合并具有相同意义的词汇，初步确认致因因素。

2模型的搭建

建筑施工高处坠落事故的发生并不是由某一因素单独导致，而是由各种影响因素相互作用导致，为明确建筑施工高处坠落事故各影响因素间的关联关系，文章以高处坠落事故影响因素作为网络中的节点，各因素间的共现关系作为边。绘制可视化网络图谱，利用调查报告统计出的实际数值，按照共现分析的方法，统计各因素间的共现频次，构建共现矩阵[2]。

根据邻接矩阵以及Ｊａｃｃａｒｄ指数矩阵，将高处坠落事故的影响因素抽象为节点，因素间关系抽象为节点间的边，构建高处坠落事故影响因素加权网络模型。但若Ｊａｃｃａｒｄ系数过小会使加权网络图中的连边关系过于繁杂，不能重点凸显事故影响因素间的强关联结构；Ｊａｃｃａｒｄ系数过大则会使网络无法覆盖全部事故影响因素，因此需设置Ｊａｃｃａｒｄ系数阈值以获得事故影响因素强关联网络图。通过反复试验可知，当Ｊａｃｃａｒｄ系数大于０．１时，网络图覆盖了全部事故影响因素，且共现关系可视化效果较好，故该网络图中只保留Ｊａｃｃａｒｄ系数大于０．１的连边结构。通过Ｇｅｐｈｉ软件将网络可视化，最终构建的网络模型包括３２个节点，１８３条连边。

在网络图中，不同颜色的节点代表不同类型的影响因素，节点大小表明其出现的频次，越大的节点频次越高，节点越小则相反。节点间连边越粗，表明这２项因素的关联性越强，即共同出现的频率越高。

3事故致因加权网络分析

在上述确定网络关键节点时，将度中心性、介数中心性、接近中心性、聚类系数全考虑在内，不同指标所确定节点有差异。度中心性是衡量节点影响力的关键指标，然其相邻节点的信息并不涵盖在内，其仅能体现节点的局部中心性；介数中心性能衡量节点在网络中的联结能力，却忽略了节点局部网络影响力；接近中心性表示节点到其他节点的距离信息，虽从全局网络结构体现节点的重要性，但只反映节点间联系的紧密程度；聚类系数仅能反映节点与其邻接点间连接程度，仅体现局部网络紧密性。综合分析这４种指标的特性，发现任一指标都无法全面反映节点重要性，而事故致因网络需考虑系统动态的全局信息。

灰色关联分析用于事故致因因素重要度评价中可以针对不确定性因素及其相互关系将定量和定性方法有机结合起来，使原本复杂的决策问题变得更加清晰简单，而且计算方便，并可在一定程度上排除决策者的主观任意性，得出的结论也比较客观，有一定的参考价值［3］。因此选择度中心性、介数中心性、接近中心性、聚类系数４种指标结合灰色关联分析法，构建高处坠落事故致因因素重要度综合评价模型以描述节点在网络中的重要程度Ｚ，Ｚ越大，其重要性越强，对网络的影响也就越大。

结论

本研究通过收集２０１８—２０２３年间５２６份建筑施工高处坠落事故调查报告，借助ＢＯＷ方法结合人工分析，结合《生产过程危险和有害因素分类与代码》以及相关文献分析，最终得到３２项高处坠落事故致因因素。为综合考虑节点重要性，选择节点度中心性、聚类系数、介数中心性、接近中心性为指标，利用灰色关联分析方法，构建高处坠落事故致因因素重要度综合评价模型，描述节点在网络中的重要程度。根据重要度综合分析，确定未正确佩戴防护用具，安全教育培训不到位，发包不规范，现场管理不到位，安全意识淡薄是导致高处坠落事故发生的关键致因因素。应从工人的安全教育、防护用具穿戴、工程发包问题、现场监管问题等方面制定相应管控措施，提高高处作业安全水平。

参考文献

［1］张卫，李洁．基于ＤＥＡ的建筑施工高处坠落事故安全投入效率［Ｊ］．土木工程与管理学报，２０１７，３４（１）：７２⁃７８．

［2］牛昌林，韩同泽，李强年．基于ＡＨＰ⁃ＬＥＣ⁃ＦＣＥ的老旧小区改造施工中高处坠落安全评价［Ｊ］．土木工程与管理学报，２０２１，３８（５）：３５⁃４２．

［3］薛小杰，辛葱葱，徐冬平，等．基于改进ＩＳＭ⁃ＭＩＣ⁃ＭＡＣ建筑工程高处坠落事故致因分析［Ｊ］．安全与环境学报，２０２３，２３（８）：２８０２⁃２８０９．