地鐵施工安全事故風險評價

孟 康，李 明 達，周 晶

(大連理工大學 海岸和近海工程國家重點實驗室，遼寧 大連 116024)

0 引 言

隨著城市的快速發展，傳統的地面交通已經無法適應運輸需求，人們把治理城市交通擁堵的希望寄托于地下交通。地鐵穿越繁華的商業區和人口密集的住宅區，帶動經濟發展的同時，也給人們出行帶來了極大便利，成為治堵利器。但地鐵施工往往具有工程量大、施工環境復雜、技術難度高和隱蔽性強等顯著特點，地鐵施工過程中若發生安全事故，直接威脅施工人員和周邊群眾的人身安全，造成重大的社會影響。由于地鐵施工的復雜性，潛在的安全事故類型也多種多樣。為了防范地鐵施工安全事故，有效降低事故風險和事后損失，全面了解把握地鐵施工安全事故風險而對其進行評價顯得尤為必要。

針對地鐵施工安全事故，眾多學者對其進行了分析和總結。趙萌萌等[1]運用事故樹分析了地鐵施工中的透水事故，找出了引發透水事故的主要因素。陳吉輝[2]利用層次分析法對地鐵車站爆破施工安全事故的影響因素進行了排序。郭隆彪[3]構建了基于模糊綜合評價的地鐵施工安全風險評價模型，并運用層次分析法求得不同指標的權重。從上述研究中可以看出，常用的工程安全事故評價方法有層次分析法、模糊集理論、事故樹分析等，這些方法通常需要依賴專家經驗進行賦權。雖然在研究中對研究方法做出了一些改進，但仍無法避免評價主觀性對研究結果可信度的不利影響。本文引入主成分分析(Principal Component Analysis，PCA)構建數理模型，打破主觀賦權的局限性，對地鐵施工安全事故進行客觀全面地分析，旨在對各事故類型的風險進行定量排序，期望為地鐵施工安全防范工作提供決策參考。

1 研究范圍與數據來源

1.1 研究范圍

自1965年北京地鐵1號線開始建設以來，地鐵施工就開始在中國大地上如火如荼地開展起來。截至2020年底，中國共有38個城市開通地鐵運營，運營總里程達6 483.032 km。在建地鐵線路215條，在建總里程達5 546.15 km[4]。但地鐵建設的顯著特點致使多年來地鐵施工安全事故頻發，甚至造成人員傷亡。本文選取2001～2020年全國范圍內地鐵施工過程中發生的230起安全事故案例，從不同的角度揭示地鐵施工事故的潛在發生規律。

1.2 數據來源

文中數據主要來源于住建局網站、安全生產監督管理局網站、中國安全生產網，以及其他公開發表的統計年鑒、論文文獻等[5-7]。

2 地鐵施工安全事故風險評價體系

基于GB6441-86《企業職工傷亡事故分類標準》，并綜合考慮采集得到的地鐵施工安全事故案例顯示的實際情況，將安全事故類型共分為14類，并分別賦予不同代號，如表1所示。

表1 安全事故類型分類

在研究時間范圍內某類型安全事故的發生頻次越大，說明該類型安全事故越容易發生，因此選取事故數量為評價指標；某類型安全事故造成的人員死亡(受傷)數量，可以直接反映出該類型安全事故所造成的總體不利影響，因此選取死亡人數和受傷人數為評價指標；死亡人數和受傷人數會受事故數量的影響，無法衡量某類型安全事故的致損率，因此需要引入死亡比率和受傷比率作為地鐵施工安全事故風險評價指標，說明某類型安全事故單次發生的致死(傷)情況，死亡(受傷)比率值越高，說明該類型安全事故一旦發生，造成的后果將是越嚴重越不可挽回的。地鐵施工安全事故風險評價體系如表2所列。

表2 地鐵施工安全事故風險評價體系

3 主成分分析原理和步驟

運用主成分分析評價地鐵施工安全事故風險，可以避免評價指標之間的信息交叉，不僅能降低實際參加綜合評價的指標維數，還能最大限度地保留原有指標的信息。特征值貢獻率代替主觀賦權保證了評價的客觀性，可信度較高。

3.1 主成分分析原理

“降維”是主成分分析的主旨思想，將原來眾多具有關聯性的指標轉化為少數綜合指標，綜合指標即為“主成分”[8]。每個主成分就是原始變量的線性組合，主成分間沒有關聯性，將原始變量中部分重復信息舍去，并且保留了絕大部分的信息，即對原有指標的降維處理，簡化了原本復雜的數據分析過程[9]。

其中，協方差矩陣的最大特征值對應的指標即為第一主成分f1，若f1的特征值貢獻率不夠高，意味著f1無法足夠代表原有信息，需要協方差矩陣的第二大特征值對應的指標作為第二主成分f2，與f1共同代表原有信息。特征值貢獻率就是最終地鐵施工安全事故風險評價的權重，以此類推。經驗表明，當選取主成分的累計貢獻率在0.70～0.85之間時，主成分的個數少于樣本數量的一半，能夠滿足保留絕大部分信息，并實現原有指標降維的要求[10]。

3.2 主成分分析步驟

評價過程中，運用主成分分析法的步驟如下：

第1步，搜集原始數據組。取定樣本大小n，收集樣本原始數據組xij，i=1，2，……，n；j=1，2，3，4，5。

第2步，計算標準化數據組。由于樣本原始數據有不同量綱，因此需要按照式(1)進行標準化處理，得到標準化后的數據組zij，i=1，2，…，n；j=1，2，3，4，5。

(1)

其中，

第3步，計算協方差矩陣V。標準化數據組的協方差矩陣V即為原始數據組(x1j，x2j，……，x14j)的相關方陣，按照公式(2)和(3)計算。

V=[vij]i，j=1，2，3，4，5

(2)

其中，

(3)

第4步，求V的特征值與相應特征向量。可以利用MATLAB軟件中eig函數對V進行處理[11]，得到V的特征值λj和對應的特征向量Aj，j=1，2，3，4，5。

第5步，確定主成分。對于給定的值α∈[0，1]，求正整數q，使其滿足：

其中λ1>λ2>…>λ5，一般要求α在[0.70，0.85]中取值，為了降低評價指標維數，并充分保留原有指標的信息，本文將α取值為0.85。

第6步，寫出前q個主成分。按照公式(4)可以列出前q個主成分。

(4)

第7步,確定綜合得分。針對各個類型安全事故，按照公式(5)求綜合得分F。

(5)

4 案例分析

4.1 數據獲取及處理

按照表2的地鐵施工安全事故風險評價指標整理230起安全事故案例原始數據，如表3所列。

表3 地鐵施工安全事故原始數據

首先判斷所選取的指標是否適用于主成分分析，本文選擇SPSS 23.0數據分析軟件對原始數據進行KMO和Bartlett檢驗，結果如表4所列。

表4 KMO和Bartlett檢驗

KMO檢驗值為0.607，大于0.5，Bartlett球形度檢驗值為0.000，小于0.05，說明選取指標之間相關性較強，適合繼續進行主成分分析。

由于表3中各指標數據有不同的量綱，因此需要按照公式(1)進行標準化處理，處理后的數據見表5。

表5 標準化數據

4.2 特征值與主成分確定

根據公式(2)和公式(3)計算協方差矩陣V。

利用MATLAB軟件得到V的特征值和對應的特征向量，并計算各主成分的特征值貢獻率和累計貢獻率，如表6所列。

表6 V的特征值及各自的貢獻率

由表6可知，前2個特征值大于1，并且累計貢獻率達到96.14%，滿足累計貢獻率大于85%的要求，因此選用第1個和第2個特征值就可以綜合這5個特征值的信息，即前2個主成分所包含的信息可以刻畫評價對象96.14%的內容。前2個主成分對應的特征向量如表7所列。

表7 特征向量

由表7可知，主成分f1對應的特征向量中，C4、C2和C1對應的元素值較大，說明受傷人數、死亡人數和事故數量對第一主成分f1的貢獻較大，即第一主成分f1主要反映了這3項指標的信息。主成分f2對應的特征向量中，C3和C5對應的元素值較大，表明死亡比率和受傷比率對第二主成分f2的貢獻大，即第二主成分f2主要反映了死亡比率和受傷比率的信息。

4.3 綜合得分與排序

由上述分析可知，原有的5個評價指標可以由選取的主成分替代，按照公式(4)計算主成分f1和f2。各種類型安全事故風險評價的綜合得分大小決定其風險性的高低，風險性越高意味著其將在地鐵施工過程中受到的重視程度越高。特征值貢獻率反映每個主成分在地鐵施工安全事故風險評價中的作用程度，因此可以選用特征值貢獻率作為計算綜合得分的權重。根據公式(5)計算出14種類型安全事故的綜合得分F和風險排序。F值越大，說明該類型安全事故越需要在施工過程中受到重視，應當首先保障該類型事故的防控手段的到位，力圖通過有力手段避免該類型安全事故的發生，或者采取必要防護措施降低該類型事故發生后的人身傷害。各個類型安全事故的綜合得分和風險排序情況如表8所列，并且依據綜合得分繪制出散點圖，如圖1所示。

表8 綜合得分及風險排序

圖1 綜合得分Fig.1 Comprehensive score

4.4 評價結果分析

由圖1可知，坍塌事故的綜合得分明顯偏離橫軸，說明坍塌事故為高風險類型事故，結合表3中的原始數據，坍塌事故在所有類型安全事故中的事故數量、死亡人數和受傷人數均最高，這解釋了坍塌事故的危險性。因此在地鐵施工過程中坍塌事故的重視程度應該處于最高級，建議做好前期勘探和設計工作，規范施工人員和機械施工作業，減少坍塌事故的發生。

其次是物體打擊。物體打擊的事故數量僅次于坍塌事故，風險性也較高，且其死亡比率的排序也處于前列，因此在地鐵施工過程中，致力于降低物體打擊類型事故發生的同時，也應該加強施工人員的防護措施，降低死亡比率。

值得注意的還有車輛傷害。雖然車輛傷害的綜合得分處于14種安全事故類型的中列，風險性處于中等水平，但是其死亡比率高達125.00%，受傷比率高達300.00%，均處于相應指標排序前列，這說明雖然車輛傷害發生頻次不高，但是其造成的后果較為惡劣，嚴重威脅人員的人身安全。

地表沉降、透水事故等綜合得分雖然較低，但是并不意味著在施工過程中不存在風險，可以放任不管，現場施工人員也應該加以防范，按照相關規范標準進行嚴格監視和控制，以避免風險產生累積效應最終釀成大禍。

5 結 論

本文從事故數量、死亡人數、死亡比率、受傷人數和受傷比率5個方面構建了地鐵施工安全事故風險評價體系。以2001～2020年全國范圍內地鐵施工過程中發生的230起安全事故案例為基礎數據，將安全事故分成14個類型，并通過主成分分析選取了2個主成分，根據特征值貢獻率確定綜合得分的權重，計算了14個安全事故類型的綜合得分，并對評價結果進行分析。

分析結果表明，主成分分析作為一種多元統計方法，經過矩陣的線性變換，實現用少數主成分代替原有多個指標的信息，由特征值貢獻率構建評價模型，計算綜合得分并獲得各類型安全事故的風險排序情況，既將復雜的數據結構進行降維簡化，又能夠保留絕大部分的信息，并且能夠避免主觀賦權的不利影響，使評價結果更為全面客觀、科學合理。采用主成分分析有效地評價了地鐵施工安全事故風險，評價結果符合實際情況，能夠指導地鐵施工管理人員對安全事故進行全面清晰的把控，優先考慮風險排序靠前的安全事故的同時，兼顧采取有效措施控制其他類型事故，最大限度地降低安全事故發生，將事后損失降到最低。

主成分分析是一種有效的排序方法，綜合得分越高的安全事故，得到的重視程度應該越高，但是綜合得分本身并沒有明確的物理意義。另外，事故案例的經濟損失的搜集和社會影響的定量將使得評價結果更具有說服性，如何解決這些問題值得進一步思考。