城市軌道交通工程施工安全事故聚類分析

劉 文， 楊志勇， 劉東軍， 翟世鴻,4， 曾德星

(1.中交第二航務工程局有限公司， 武漢 430040； 2.華中科技大學土木工程與水利學院， 武漢 430074； 3.交通運輸行業交通基礎設施智能制造技術研發中心， 武漢 430040； 4.長大橋梁建設施工技術交通行業重點實驗室， 武漢 430040)

城市軌道交通工程施工過程中安全事故的問題日趨凸顯，如何保證城市軌道交通工程的安全施工，受到全社會廣泛關注[1-2]。對城市軌道交通工程施工風險因素的相關文獻研究表明，現階段鮮見專門管理城市軌道交通工程事故報告的數據庫，使研究人員獲取信息受到較大限制，這對城市軌道交通工程施工安全風險管理是十分不利的[3-4]。

在城市軌道交通工程施工安全風險相關文獻研究過程中，發現目前沒有建立城市軌道交通工程施工事故報告管理的具體數據庫。研究人員僅針對部分發生的城市軌道交通工程施工事故進行了基礎性風險分析。例如，Lee等[5]對中國臺灣高雄地鐵施工發生的地表塌陷事故進行研究，歸結事故原因為管涌或水力劈裂引起的地下水失控漏水，導致了盾構機開挖面的涌水涌砂。Copur等[6]對伊斯坦布爾錫利夫里市盾構機掘進室內發生的嚴重甲烷爆炸事故進行研究，推測事故原因為螺旋輸送機和套管之間的摩擦火花，引起開挖室所用泡沫劑中氧氣與地層中甲烷之間產生爆炸。盡管職業安全與健康管理局(occupational safety and health administration, OSHA)數據庫(2000—2016)包含17種工程建設項目，但沒有關于城市軌道交通工程建設項目事故案例的數據庫。因此，現創新性建立結構化的城市軌道交通工程施工安全事故數據庫，應用K-means聚類分析方法來獲取安全事故的潛在風險，確定施工中的主要突發及常規事故，采用對應安全管理措施來降低安全事故的發生具有重要意義。

現從客觀角度切入，采用定性和定量分析方法對城市軌道交通工程施工安全事故案例報告進行結構化研究。首先，收集281項城市軌道交通工程施工事故案例報告，通過定性分析形成事故數據庫，作為深入定量分析的原始材料；并且將事故后果嚴重程度定義為從“1”(輕微損失)到“5”(死亡)的五點量表；然后，基于數據庫的變量定義進行聚類分析建立集群。將每個集群發生各種嚴重程度后果的情況與其他集群以及整個數據庫相比較，形成該集群潛在風險可能性的量化結果。

1 基于K-means的安全事故聚類

K-means聚類算法為常用無監督學習的基礎方法[7]，其主要步驟如下：

1.1 特征向量和事故距離確定

聚類分析首先需要根據一組變量定義每個事故，即描述事故的特征向量[8]。聚類分析的解完全依賴于所選的特征向量，特征向量的合理選擇對聚類分析結果的可靠性至關重要。

表1總結了文獻中用以描述城市軌道交通工程施工安全事故的相關變量。顯然，在以往的研究中經常考慮諸如日期(季節/星期/時間)、事故的嚴重性、作業(盾構機)的狀態、事故的階段、事故的類型和事故的原因等變量，而考慮“合同安排”變量的情況較少。所建立的數據庫中采用8個變量，包括季節、時間段、作業狀態、事故的嚴重程度、盾構機的狀態、事故的階段和事故的原因，對收集到的281個安全事故進行詳細描述，具體由變量組成。

表1 安全事故數據庫具體分類及其變量組成Table 1 Specific classification and variable composition of safety accident database

每個安全事故都由8個向量描述，整個數據庫由一個281行8列矩陣表示。以矩陣來描述安全事故的形式，使得數據庫具有模塊化的特征，便于通過增加或刪除變量，實現對安全事故特征向量的持續改進。

然后將事故轉換為特征向量。事故發生原因由25個變量表示，若事故發生原因變量的值為1～25，則表明該變量是此次事故的發生原因。以事故1為例，01表示事故1的發生原因為：始發-到達端洞口土體加固及降水不當，其他所有事故發生原因變量的值均設為0，以此類推。

聚類將使類似的事故分為一組。事故的相似性通過規定的距離度量來評估。為了量化數據庫中的安全事故之間的距離，首先進行數據min-max標準化(歸一化)處理，使數據指標之間具有可比性。然后，使用歐氏距離式(1)來定義兩個事故向量之間的距離[10]。

(1)

式(1)中：ni為數據庫中事故的數量，n=281；j為每個事故的第j個組成元素；xij及yij為向量取值；d為矩陣元素的值為事故之間的距離。

任意一對事故之間的距離用n×n矩陣表示，矩陣對角線上的元素表示一個事故到自身的距離，其值為零，由于從事故1到事故2(d12)的距離與從事故2到事故1(d21)的距離相同。

1.2 風險程度

基于龐大的安全事故數據庫，評估事故的風險程度，首先，計算給定事故造成給定后果嚴重度水平的次數。然后，計算每個后果嚴重度水平發生的概率，以獲得事故導致給定后果嚴重度水平的百分比。從現有數據庫中識別相似的集群評估風險程度。根據式(2)計算風險程度，識別每個集群中，各個事故最后發展成某一后果嚴重度水平事故的可能性。以此類推，每個事故無論其后果，均可確定成為給定等級事故的可能性。

(2)

式(2)中：RPki為集群k在后果嚴重度水平i的風險程度；k為集群的編號；i為事故后果嚴重度水平,i=1～5；Pi為發生不同后果嚴重度水平的事故在數據庫中的比例，%；pki為發生不同后果嚴重度水平的事故在每個集群中的比例，%。RPki越大，表示在i后果嚴重程度水平的風險程度越大。當發生i后果嚴重度水平的事故在集群k中的比例高于發生i后果嚴重度水平的事故在數據庫中的比例時，RPki的值大于1，反之，RPki<1。

1.3 決定集群數

1.3.1 盾構法(含明挖基坑)聚類分析過程

聚類分析的第一次運行，包括了盾構法(含明挖基坑)安全事故數據庫201個事故的8個變量屬性，通過測量歐氏距離處理變量整體結構，當k=5時產生結果。然而，其最大輪廓值為0.446，最大平均輪廓系數值為0.306，結果不理想。因此，使用8個變量聚類評估風險程度是不夠的，須減少數據庫結構維數(變量數)，以達到良好的聚類效果。

Balbi[11]提出了一種降低維數和消除不相關變量的方法，使得可用較低維數和較少噪聲的系統表示數據信息。例如，星期一和星期二與星期三和星期四發生事故幾乎沒有區別。因此，在排除了與背景有關的變量(即季節、時間、工作日和施工作業狀態)之后，執行k=4,5,6第二輪聚類分析，即將盾構法(含明挖基坑)安全事故數據庫聚類為4、5、6類。通過對比不同聚類數目情況下的輪廓系數(圖1)，判斷輪廓系數值大小，最終確定盾構法(含明挖基坑)安全事故聚類結果。

圖1 盾構法(含明挖基坑)安全事故輪廓系數值對比Fig.1 Numerical comparison of safety accident contour coefficient of shield method

由圖1可知，當k=6時，數據庫的聚類平均輪廓系數值最大，即盾構法(含明挖基坑)安全事故數據庫聚類為6類時結果聚類最佳。通過構法(含明挖基坑)安全事故數據庫聚類算法運行結果可得結論：①顯著的群集具有“合理的”結構；②所有其他集群也是結構化的，但只是較弱的結構；③使用8個變量維度的聚類結果被丟棄，因為其包含非結構化數據(最大輪廓值及最大平均輪廓系數值并不理想)；④聚類數k=6時，盾構法(含明挖基坑)安全事故結果最為理想。

1.3.2 礦山法聚類分析過程

在排除了與背景有關的變量(即季節、時間、工作日和施工作業狀態)之后，執行k=4,5,6聚類分析運行，即將礦山法安全事故數據庫聚類為4、5、6類。通過對比80個事故不同聚類數目情況下的輪廓系數(圖2)，判斷輪廓系數值大小，最終確定礦山法安全事故聚類結果。

由圖2可知，當k=4時，平均輪廓系數值最大，即礦山法安全事故數據庫聚類為4類時結果聚類最佳。通過礦山法安全事故數據庫聚類算法運行結果可得結論：①當k=5,6時，顯著的群集不具有“合理的”結構，第二聚類集群僅一件事故；②當k=5,6時，所有其他集群也是結構化的，但只是較弱的結構；③當k=4時，礦山法安全事故結果最為理想。

圖2 礦山法安全事故數據庫輪廓系數值對比Fig.2 Numerical comparison of contour coefficient of mine safety accident database

2 安全事故整體結果分析

2.1 盾構法(含明挖基坑)施工

對整個數據庫的事故安全風險因素分布進行分析，確定最常見的特征，并與其他特征進行比較，以評估其重要性。根據安全事故風險因素隨盾構法(含明挖基坑)施工時間在整體數據庫的分布變化，擬合安全風險變化曲線，如圖3(a)所示。它是以施工時間為橫坐標，以事故安全風險因素(FD)整體數據庫百分占比為縱坐標的一條曲線。該曲線規律顯示：①FD1始發-到達端洞口土體加固及降水不當；②FD8盾構開挖面土體失穩；③FD18穿越臨近建構筑物、江河湖等特殊工況風險；④FD22基坑開挖及支撐體系施工不當，對盾構法(含明挖基坑)施工安全有顯著的影響。

圖3 盾構法(含明挖基坑)施工安全風險變化曲線規律Fig.3 Curve rule of safety risk in shield method

對整個數據庫的事故所處施工階段分布進行分析，確定事故發生最為頻繁的施工階段，并與其他階段進行比較，以評估其重要性。根據安全事故施工階段隨盾構法(含明挖基坑)施工時間在整體數據庫的分布變化，擬合安全風險變化曲線，如圖3(b)所示。它是以施工階段為橫坐標，以事故所處施工階段(SD)整體數據庫百分占比為縱坐標的一條曲線。該曲線規律顯示SD1盾構始發階段、SD2掘進階段和SD10明挖土方開挖階段對盾構法(含明挖基坑)施工安全有顯著的影響。

綜上所述，根據客觀發生的盾構法(含明挖基坑)施工安全事故，構建的結構化數據庫的變量整體分布，擬合得出了盾構法(含明挖基坑)施工全過程安全風險變化曲線規律，體現了盾構施工在不同階段內安全風險高低的規律。基于安全風險變化曲線，得出盾構始發與掘進、明挖土方開挖階段為重點階段，始發-到達端洞口土體加固及降水不當、盾構開挖面土體失穩、穿越臨近建構筑物、江河湖等特殊工況風險及基坑開挖及支撐體系施工不當為主導風險因素的結論。

2.2 礦山法施工

對整個數據庫的事故安全風險因素分布進行分析，確定最常見的特征，并與其他特征進行比較，以評估其重要性。根據安全事故風險因素隨礦山法施工時間在整體數據庫的分布變化，擬合安全風險變化曲線，如圖4(a)所示。它是以施工時間為橫坐標，以事故安全風險因素(FK)整體數據庫百分占比為縱坐標的一條曲線。該曲線規律顯示：①FK1斷層、圍巖地質松散、地下水、不明障礙物、管線、有害氣體等不良復雜地質條件；②FK6掌子面失穩(如含水率變化等)、FK7初期支護不及時、施工不當(臨時支撐不合理或過早拆除等)，對礦山法施工安全有顯著的影響。

圖4 礦山法施工安全風險變化曲線規律Fig.4 Curve rule of safety risk in mining method

對整個數據庫的事故所處施工階段分布進行分析，確定事故發生最為頻繁的施工階段，并與其他階段進行比較，以評估其重要性。根據安全事故施工階段隨礦山法施工時間在整體數據庫的分布變化，擬合安全風險變化曲線，如圖4(b)所示。它是以施工階段為橫坐標，以事故所處施工階段(SK)整體數據庫百分占比為縱坐標的一條曲線。該曲線規律顯示SK3隧道開挖施工階段對礦山法施工安全有顯著的影響。

綜上所述，根據客觀發生的礦山法施工安全事故，構建的結構化數據庫的變量整體分布，擬合得出了礦山法施工全過程安全風險變化曲線規律，體現了礦山法施工在不同階段內安全風險高低的規律。基于安全風險變化曲線，得出隧道開挖施工階段為重點階段，斷層、圍巖地質松散、地下水、不明障礙物、管線、有害氣體等不良復雜地質條件為主導風險因素的結論。

3 施工事故聚類集群結果分析

3.1 盾構法(含明挖基坑)聚類集群

3.1.1 盾構法(含明挖基坑)施工事故聚類集群

為了更好地解釋已確定的6個集群(k=6時)的特征和模式，本節對每個集群的風險程度進行了詳細的評估和分析。具體而言，k組中所有事故的風險程度，定義為第k個聚類分組事故發生率pki與整體數據庫事故發生率Pi的比值。根據式(2)計算風險程度值。

在盾構法(含明挖基坑)施工現場，應該高度重視“死亡”這類嚴重的后果。對于“死亡”后果嚴重水平，第3、6集群顯示出高風險程度，其風險程度的結果都大于1。其中，由于RP35和RP65為最高值，并且在輕微傷害、重大傷害風險程度值都大于1，可認為第3和6組聚類集群具有最高的風險程度。相比之下，集群1的輕微傷害、重大傷害、死亡風險程度計算結果都小于1或者等于0，并且在最低事故嚴重程度的輕微損失風險程度表現出較高可能性。因此，可認為第1組聚類集群具有最低的風險程度。

3.1.2 盾構法(含明挖基坑)高風險程度集群

在“死亡”和“重大傷害”方面，集群3和集群6的風險程度評級最高，確定集群3和集群6具有高危風險的最高可能性。對比分析集群和整體數據庫變量的計算結果，如圖5及表2，其具體特征如下：

圖5 確定的6個聚類群集安全風險因素數據分布Fig.5 Data distribution of security risk factors of six clusters determined

表2 確定的6個聚類群集安全風險因素數據表Table 2 Data table of security risk factors of six clusters determined

(1)集群3和集群6主要包含的工作階段變量分布顯示盾構始發階段、盾構到達階段及鄰近建構(筑)物等特殊工況是盾構施工中最危險的階段。其中，鄰近建構(筑)物等特殊工況在集群6中占比為32%，遠高于整體數據庫水平的7.9%。

(2)集群6的地表沉降(隆起)超限、坍塌事故比例高于全庫水平。本集群地表沉降超限發生情況為43%，全數據庫為28%。

(3)集群3事故的風險因素集中于兩個方面，且高于整個數據庫的風險水平：盾構施工參數控制不合理、盾構開挖面土體失穩發生的情況數高于整個數據庫；集群6事故的風險因素集中于三個方面，且高于整個數據庫的風險水平：始發-到達端洞口土體加固及降水不當、基坑開挖及支撐體系施工不當、模板支撐體系缺陷發生的情況數高于整個數據庫。

3.2 礦山法施工事故聚類集群結果

3.2.1 礦山法施工事故聚類集群的風險程度

礦山法施工事故聚類集群分為4類是最佳結果。根據式(2)計算風險程度。

對于“死亡”后果嚴重水平，第4集群顯示出高風險程度，其風險程度的結果都大于1。其中，由于RP45為最高值，并且在重大傷害風險程度值都大于1，可認為第4組聚類集群具有最高的風險程度。相比之下，集群1的輕微傷害、重大傷害及死亡風險程度計算結果都等于0，并且在最低事故嚴重程度的輕微損失風險程度表現出較高可能性。因此，可認為第1組聚類集群具有最低的風險程度。

3.2.2 礦山法集群風險程度

對比分析集群和整體數據庫變量的計算結果，如圖6及表3，可知高風險程度集群4與低風險程度集群1的施工階段、事故類型及風險因素有共同分布趨勢，說明樣本量的特性趨于一致，具體特征如下。

圖6 確定的4個聚類群集安全風險因素數據分布圖Fig.6 Determined data distribution of security risk factors of four clusters

表3 確定的4個聚類群集安全風險因素數據Table 3 Data of security risk factors of four clusters determined

(1)礦山法集群主要包含的工作階段變量分布顯示隧道開挖施工階段、初期支護階段及二次襯砌施工階段是施工的危險階段。其中，隧道開挖施工階段在這兩個集群中占比遠高于整體數據庫水平。

(2)礦山法集群突涌及大變形、滑坡、塌方事故比例高于全庫水平。高風險程度集群4突涌發生情況為13%；大變形、滑坡、塌方發生情況為15%，全庫為14%；機械傷害發生情況為53%。

(3)礦山法集群事故的風險因素集中于3個方面：斷層、圍巖地質松散、地下水、不明障礙物、管線、有害氣體等不良復雜地質條件；初期支護不及時、施工不當；二次襯砌施工不規范、強度不夠。

4 結論

針對城市軌道交通工程施工安全事故，通過K-means均值聚類算法，分析驗證安全風險分布的重點階段與主導因素，同時，確定城市軌道交通工程施工事故的主要類型，得到以下結論。

(1)高風險程度集群分析結果表明：事故主要發生在盾構始發-到達階段及鄰近建構(筑)物等特殊工況階段，最大的風險因素是始發-到達端洞口土體加固及降水不當、基坑開挖及支撐體系施工不當、模板支撐體系缺陷、盾構施工參數控制不合理、盾構開挖面土體失穩，其事故的主要類型為地表沉降(隆起)超限、坍塌。

(2)聚類集群的分析結果表明：事故主要發生在隧道開挖施工階段、初期支護階段及二次襯砌施工階段，最大的風險因素是斷層、圍巖地質松散、地下水、不明障礙物、管線、有害氣體等不良復雜地質條件，其事故的主要類型包括突涌及大變形、滑坡、塌方。