農村自建房安全風險因素重要度分級評判方法

摘 要：為有效預防農村自建房安全事故的發生，對農村自建房安全風險進行識別、評估和管控尤為必要。收集73份事故調查報告，從規劃、設計、建造、使用的全過程識別風險因素，構建農村自建房安全風險體系。通過統計每份事故調查報告中風險因素共同出現的次數，建立風險因素共現矩陣，采用Apriori算法挖掘風險因素間的關聯規則。為了克服關聯規則確定風險因素重要度等級的局限性，綜合采用風險因素發生概率及其造成后果嚴重程度對風險因素重要度等級進行判定，建立風險因素重要度排列矩陣。結果表明：Apriori算法能夠用定量的方式表述風險因素之間的關聯關系，獲得10組風險因素強關聯規則，如安全意識淡薄與教育培訓不到位同時出現的可能性大，并得到3條具有強關聯性的風險因素傳播路徑；應用改進的風險矩陣得到關鍵因素10項、次要因素15項、一般因素10項，其中關鍵風險因素包含設計圖紙缺失、違法建設、無施工資質、建筑結構缺陷等。研究結果可為業主和建設主管部門快速進行風險因素重要度評判提供理論支持。關鍵詞：農村自建房；風險因素；風險評判；全過程；Apriori算法

中圖分類號：X 921

Grading assessment method of the safety risk factors of rural self-building

CHENG Lianhua，CAO Dongqiang

（College of Safety Science and Engineering，Xi’an University of Science and Technology，Xi’an 710054，China）

Abstract：To prevent the occurrence of rural self-built housing accidents，it is particularly necessary to identify，evaluate and control the safety risks of rural self-built housing.Firstly，based on the collected 73 accident investigation reports，the risk factors were indentified from the whole process of survey，design，construction and use of the rural self-built housing.The safety risk system for rural self-built housing was constructed.Then，the co-occurrence matrix of risk factors was established by counting the co-occurrence times of risk factors in each accident investigation report，and the Apriori algorithm was used to examine the association rules between risk factors.Finally，in order to overcome the limitation of association rules to determine the importance level of risk factors，the importance level of risk factors was determined by using the probability of risk factors and the severity of consequences.The matrix of importance ranking of risk factors was established.The result shows that Apriori algorithm can express in a quantitative way to obtain 10 groups of risk factors with strong association rules.For instance，the weak safety awareness and inadequate education and training are likely to occur at the same time.Further analysis was performed to obtain 3 risk factor propagation paths with strong correlations.Moreover，an improved risk matrix method was adopted to obtain 10 critical factors，15 important factors and 10 general factors.The key risk factors include lack of design drawings，illegal construction，lack of construction qualification，building structure defects，etc.The research results can provide a theoretical support for owners and construction authorities to quickly assess the importance of risk factors.

Key words：rural self-building；risk factors；risk assessment；whole process；Apriori algorithm

0 引 言

農村自建房是指擁有自有土地的單位或農村，經過自行組織或委托施工方，自主決策建設的居住場所^[1]。黨中央和國務院對新農村和城鎮化建設尤為重視，根據《中共中央關于制定國民經濟和社會發展第14個5年規劃和2035年遠景目標的建議》明確指出全面推進鄉村振興，增加了農村參與房屋建設的積極性^[2]。在此背景下，農村自建房建設數目得到高速增長，建設規模也不斷擴大，這些農村自建房在建造、使用階段產生或遺留下來大量的安全隱患，尤其在使用階段出現私搭亂建、任意加層現象嚴重，嚴重威脅著人民生命和財產安全^[3]。遏制農村自建房事故的發生已成為當前亟待解決的問題。因此，亟需全面識別農村自建房安全風險，提出科學的風險因素重要度分級評判方法，對防范農村自建房安全事故具有重要的意義。

目前學者們關于農村自建房安全的研究主要聚焦在抗震技術與建筑行為^[4-5]、政府監管^[6]、事故原因分析^[7]、安全隱患統計^[8]、應對措施^[9]等方面，對農村自建房安全管理研究奠定了堅實的基礎。由于單個農村自建房建設規模較小的特征，現有研究對系統辨識農村自建房建造過程中安全風險因素研究較少。在農村自建房安全風險因素研究方面，丁瑤最先應用社會網絡分析法建立農村自建房安全參與方個體社會網絡，分析個體關系強度與農村自建房質量安全的相關性^[1]；王亦飛通過問卷調研獲得陜西省農村自建房安全統計數據，應用分類Logistic回歸分析找出陜西省農村自建房質量安全的影響因素^[10]；吳秀宇等首次運用扎根理論找出農村自建房安全風險影響因素，引入質性比較分析方法（csQCA）探究大類風險因素作用路徑^[3]。盡管部分學者對農村自建房安全風險因素開展了相關研究，但局限于農村自建房使用階段的研究，缺乏從農村自建房規劃、設計、建造、使用的全過程識別出風險因素，對農村自建房風險因素重要度分級評判依據性不足，具體風險因素傳播路徑尚未明確。此外，目前關于農村自建房風險分析多以定性為主，難以滿足自建房安全風險管理的需要。

鑒于此，通過分析典型農村自建房安全事故案例，從規劃、設計、建造、使用的所有階段識別自建房風險因素，構建農村自建房安全風險體系；運用Apriori算法進行風險因素關聯規則挖掘，探究具有強關聯性的高頻風險因素及其傳播路徑，采用基于改進的風險矩陣法確定風險因素重要度等級，以期為農村自建房風險快速評判提供決策依據。

1 基于案例的農村自建房風險分析

1.1 數據來源及整理

事故調查報告是由權威業內專家在現場勘查、資料審查、事故發生有關單位和人員訪談和事故現場還原的基礎上總結出來的，是研究可利用的重要數據材料。依據完整性、時效性、權威性的原則選取事故調查報告，以實際農村自建房安全事故數據為例，選取73起各地市應急管理部門發布具有完整信息的農村自建房安全事故調查報告，形成事故案例庫。案例庫中事故調查報告時間跨度為2015年到2021年，包含高處墜落、觸電、坍塌、物體打擊等主要事故類型，事故基本信息見表1。因農村自建房建設規模較小的特點，涉及大型起重設備較小，引發起重傷害的事故起數較少，與房屋建筑工程安全事故分布有所區別^[12]。

1.2 基于全過程的風險因素識別

借鑒相關研究成果^{[3，7，10-11]}，農村自建房的全過程涉及規劃、設計、建造、使用等多個階段，其中使用階段包含農村自建房在建造結束之后的裝修、維修、改擴建、拆除等環節。農村自建房涉及社會市場、政府部門、農村個人、施工組織、農村理事會等多方主體，在各主體的共同參與下，共同構成農村自建房安全管理系統。基于此，參照《陜西省城鄉居民自建房安全隱患排查技術導則》《農村自建房安全常識說明》等內容，分析事故調查報告中事故原因和責任追究的描述，結合農村自建房安全管理實際，從農村自建房規劃、設計、建造、使用的全過程全面識別風險因素，如圖1所示。

1）規劃階段：農村安全意識較低，違法占用耕地、私自建造房屋不進行報備進行房屋建設現象時有發生。在農村自建房規劃過程中未開展專業性的現場勘察，未考慮其選址合理性，進而留下大量的安全隱患。

2）設計階段：農村自建房無專業設計、無設計圖紙問題突出，且大多是由不具備專業資質人員設計。若設計不當，易出現建筑結構布局荷載異常，造成自建房支撐穩定性和承載能力降低。

3）建造階段：由于施工隊資質不達標，施工人員安全意識低、專業技術水平低，施工過程未嚴格按照施工流程、違章作業等現象時有發生。承包商的建筑管理行為不規范，存在未經專業性的安全教育培訓、無竣工驗收、作業環境混亂等問題。此外，業主往往安全投入不足，致使使用建筑材料設施、設備質量低下，安全防護措施不到位。

4）使用階段：業主文化程度不高，在房屋改擴建、用途變更審批等使用過程未嚴格執行有關行業標準，違法組織施工，存在諸多違法建設行為，產生諸多安全隱患，尤其燃氣、消防安全等隱患突出，嚴重影響自建房使用安全。

上述各階段出現的問題與法規制度、政府監管、村民個人、施工組織和農村理事會等相關主體密切相關。由于城鄉二元結構安全管理體制的缺

陷，形成了以市場經濟為導向，將更多的行政管理資源、經費和精力投到城市大型建筑施工安全管理，忽視了相對小規模農村自建房的投入，使得農村違法建設行為未得到有效約束，也是農村自建房事故安全頻發的誘因之一。

1.3 農村自建房安全風險體系構建

分析當前自建房安全現狀和借鑒相關領域研究^[2，9-10]，依事故據案例“事故經過”、“事故原因”、“事故責任追究”等信息，分析農村自建房“規劃→設計→建造→使用”的全過程，綜合考慮多個參建方所涉及的人員、材料、設備、設施、環境、技術、管理等因素，優化整合相似或重復風險因素，對各層級風險因素進行逐一編碼，構建了包含社會市場、政府部門、施工組織、農村個人和物質屬性5個層次、35個風險因素的農村自建房安全風險體系，如圖2所示。特別指出，房屋改造與用途改變情況、違規改擴建、未取得審批文件擅自施工等統一歸并至違法建設行為。

2 農村自建房事故風險分級評判方法

2.1 基于Apriori算法的風險分級評判方法

2.1.1 Apriori算法

關聯規則是指在數據信息產生在對象集合體內部的事件模型、相互聯系以及因果結構^[13]。Apriori算法作為關聯規則算法典型代表之一，是AGRAWAL和SRIKANT在1994年提出^[14]，在交通^[15]、商業^[16]、教育^[17]、災害^[18]等領域得到廣泛應用，可快速識別高頻風險因素及其強弱關聯關系。通過迭代，先檢索出數據庫中所有頻繁項集，即支持度不低于用戶所設定閾值的項集；然后使用頻繁項集建立出滿足最小置信度的規則^[19]。根據需求設定最小支持度和最小置信度后，產生候選項集并且不斷遍歷數據庫直至再無強關聯規則的發現。支持度（Support）、置信度（Confidence）、提升度（Lift）是關聯規則中最重要的3個概念^[20]。

支持度是指事務項集X與Y（X∪Y）和事務總項集數D之比，即事務出現的概率，其中X，Y分別是2個不同的事務項集。在實際使用中，可以指定X的出現次數作為閾值。計算表達式如下。

置信度是指項集X∪Y同時出現的次數與項集X出現的次數之比，通常用Confidence（X→Y）表示，即在項集X出現的條件下，又出現項集Y的概率，置信度表示相關性的大小。計算表達式如下。

提升度可以表述為Lift（X→Y），即對X→Y的置信度與項集Y的支持度之比，能夠衡量項集X和項集Y的獨立性。若提升度大于1，則強關聯規則有效。計算表達式如下。

2.1.2 風險因素關聯規則挖掘

農村自建房安全事故系統涉及眾多風險因素，部分風險因素間關系緊密且當這些因素同時故障時，易導致某類事故的發生。因此，需挖掘風險因素間的關聯關系。關聯規則可以確定風險因素間的頻繁項集，得到風險因素之間關聯關系，通過設定支持度和置信度閾值，以探究風險因素傳播路徑。制定關聯規則所需要的數據格式，統計每份事故調查報告中包含風險因素的共現次數，并對共現次數進行累加，獲得73起農村自建房生產安全事故風險因素共現矩陣（部分），見表2。

Gephi是一款開源免費跨平臺基于JVM的復雜網絡分析軟件，動態和分層圖交互可視化與探測開源工具，以對系統整體拓撲結構進行建模^[21]。為了將風險因素關聯關系可視化，引入復雜網絡理論，依據農村自建房風險因素共現矩陣（表2），使用Excel建立農村自建房事故風險因素之間的關聯關系。將風險因素之間的間接關系表示在csv文件，將風險因素編碼數據導入Gephi 0.9.2軟件中，生成的由35個節點、88條連邊所構成的農村自建房事故風險因素關聯網絡，如圖3所示。

圖3中，根據不同節點之間的社團屬性，將所有風險因素劃分為4個社團，分別用藍、綠、橙、紫4種不同顏色進行表示，同一社團內的節點連接較為緊密。網絡35個節點代表35個風險因素，87條連邊則表示這些風險因素存在87組關聯關系。

1）最大頻繁項集的挖掘。支持度和置信度閾值確定關聯規則算法很關鍵，若閾值過大，關聯規則較少，頻繁項集數目較少，數據利用率低；若閾值過小，產生關聯規則較多，則不利于風險因素傳播路徑的形成。通過計算并對比不同支持度下的頻繁項集，見表3，選取合適的支持度，當支持度為0.8時，頻繁項集過小；當支持度為0.01時，頻繁項集過大；當支持度為0.2時，頻繁項集較為合適。

2）產生風險因素關聯規則并建立風險因素傳播路徑。使用Apriori算法可以確定最大頻繁項集的風險因素之間的置信度。將Apriori算法與實際分析結果相結合，將置信度確定為0.60^[22]。置信度的大小可衡量風險因素關聯性的強弱，置信度閾值越小，風險因素關聯關系越多。在Apriori算法中，置信度大于60%的關聯規則被認為是有實際意義的。通過將最大頻繁項集的不同風險因素進行計算，利用Lift值篩選計算結果。當Lift=1時，說明風險因素之間不存在直接關聯關系；當Lift＜1時，風險因素呈負相關關系，產生阻滯效應；當Lift＞1時，說明風險因素呈正相關關系，具有促進效應，以此視為風險因素傳播路徑分析的要點。參照事故致因理論，遵循上層風險因素作用于下層風險因素。

綜上，在使用Apriori算法挖掘關聯規則過程中，設置最小支持度為0.2，最小置信度為0.60，最小提升度為1。當關聯規則同時滿足這3個條件時，可認為風險因素間具有強關聯關系，所得挖掘關聯性最強的農村自建房安全風險因素規則結果見表4，最終獲得10組風險因素強關聯規則。對于具有強關聯規則的風險因素，即這些風險因素共現的概率較高。因此，施工組織應同時對具有強關聯關系的所有風險因素進行管控，以有效控制這些具有強關聯關系的風險因素帶來的影響。

強關聯規則體現了農村自建房安全風險系統內較為重要風險因素與其他風險因素有著緊密的聯系，表示父節點因素的發生較大程度上影響子節點因素的發生。例如，教育培訓不到位C9發生的情況下，安全意識淡薄D3最有可能同時發生。基于此，將這些強關聯規則進行組合，風險因素以首尾順次的方式連接，獲得3條具有強關聯性的風險因素傳播路徑見表4。

根據關聯規則的內在含義，作為強關聯規則的項集，項集中的每一項均為頻繁項，將這些因素視為關鍵因素，其他因素則視為邊緣因素，風險因素分級結果見表5。

2.2 基于改進風險矩陣的風險分級評判方法

應用關聯規則確定風險因素重要度存在一定的局限性^[23-24]，雖然考慮了風險因素發生頻率，但未考慮節點下造成后果的嚴重程度。因此，為了克服關聯規則分析確定風險因素分級的缺陷，風險因素判定等級采用風險因素發生概率與其造成后果的嚴重程度進行綜合判定。通過事故統計獲得風險因素發生概率，風險因素造成后果嚴重程度取值通過綜合事故調查報告中描述事故等級和咨詢專業技術人員進行確定，在借鑒文獻[25]關于風險矩陣劃分的研究成果，確定風險因素重要度排列矩陣見表6。由表6獲得關鍵因素10項、次要因素15項、一般因素10項，其中關鍵因素有C2（設計圖紙缺失）、C5（違法建設）、C6（發包不規范）、C7（無施工資質）、C9（教育培訓不到位）、C12（隱患排查與整改不到位）、D5（作業方法錯誤）、D6（未佩戴勞動防護用品）、E4（建筑結構缺陷）、E5（安全防護設施缺失）。這些關鍵因素應作為自建房風險管控的著力點，特別是私自變更建筑性質、違規擴建、擅自改變房屋結構和布局等C5（違法建設）行為。

以某農村自建房事故為例進行應用，該事故涉及多項風險因素。依據圖4關于農村自建房風險因素重要度分級結果，事故的主要原因未組織施工設計（C2）、建筑物違規改建加高樓層（C5）、建筑結構承受極限承載壓力（E4）、底層支承鋼柱違規加固焊接作業（D5）、未及時消除安全隱患（C12）等為關鍵因素。相關政府部門未發現酒店建筑物擅自增加夾層改建違法行為（B1）、相關部門未嚴格審批把關（B2）、安全意識淡薄（D3）為次要因素；未進行安全檢查（C14）為一般因素。以上結果表明，該方法能夠反映案例中事故原因存在的主要問題，為農村自建房業主及安全監管部門快速進行安全檢查提供理論支撐。農村自建房事故的發生是風險因素在不斷傳遞的過程而誘發。因此，通過有效地阻斷風險因素傳播路徑，以預防農村自建房事故的發生。

3 結 論

1）從農村自建房的規劃、設計、建造、使用的全過程識別風險因素，構建出由社會和市場、政府、施工組織、農村個體和物質屬性5個層面、35個風險因素構成的農村自建房安全風險體系。

2）應用Apriori算法生成10組風險因素強關聯規則，并得到3條具有強關聯性的風險因素傳播路徑，各方需對關聯性強的風險因素同時加強管理。

3）采用風險因素發生概率與其造成后果嚴重程度進行綜合判定風險因素重要度等級，獲得關鍵因素10項、次要因素15項、一般因素10項，其中關鍵風險因素包含設計圖紙缺失、違法建設、無施工資質、建筑結構缺陷等。

參考文獻（References）：

[1] 丁瑤.社會關系結構對農村房屋質量的影響研究[D].昆明：云南大學，2019.DING Yao.Research on the influence of social relationship structure on the quality of rural housing[D].Kunming：Yunnan University，2019.

[2]中共中央關于制定國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標的建議[N].人民日報，2020-11-04（01）.

Proposals of the central committee of the communist party of China on formulating the fourteenth five-year plan for national economic and social development and the long-term goals for 2035[N].People’s Daily，2020-11-04（01）.

[3]吳秀宇，葛亞紅，路曦越.多元制度邏輯下農村自建房安全風險形成機理研究[J].安全與環境學報，2022，22（4）：2040-2049.WU Xiuyu，GE Yahong，LU Xiyue.Research on formation mechanism of rural self-built housing safety risk under multiple institutional logics[J].Journal of Safety and Environment，2022，22（4）：2040-2049.

[4]CHEN B，JIA B，WEN M，et al. Seismic performance and strengthening of purlin roof structures using a novel damping-limit device[J].Frontiers in Materials，2021，342：1-13.

[5]WU M，WU G.An analysis of rural households’ earthquake-resistant construction behavior：Evidence from Pingliang and Yuxi，China[J].International Journal of Environmental Research and Public Health，2020，17（23）：1-14.

[6]錢明輝.上海市村民自建房政府監管研究[D].上海：華東政法大學，2017.QIAN Minghui.Research on rural self-building supervision of Shanghai administration[D].Shanghai：East China University of Political Science and Law，2017.

[7]郭軍.農村自建房現狀及房屋安全的思考初探[J].工程建設與設計，2022（3）：22-25.GUO Jun.Discussion on the current situation and safety of rural self-built house[J].Construction amp; Design for Engineering，2022（3）：22-25.

[8]林琳，楊春香，黃沿才.泉州農村自建房安全隱患現狀分析[J].建筑安全，2021，36（1）：48-50.LIN Lin，YANG Chunxiang，HUANG Yancai.Analysis of the current situation of safety hazards of self-built houses in rural areas of Quanzhou[J].Construction Safety，2021，36（1）：48-50.

[9]CHENG H T，TSOU K W.Mitigation policy acceptance model：An analysis of individual decision making processtoward residen tial seismic strengthening[J].International Journal of Environmental Research and Public Health，2018，15（9）：1-12.

[10]王亦飛.陜西省農村住房質量安全影響因素分析與管理對策研究[D].西安：西安建筑科技大學，2014.WANG Yifei.Safety and quality impact factor analysis and management strategies study of Shaanxi province rural housing[D].Xi’an：Xi’an University of Architecture and Technology，2014.

[11]周洋，周建新，王金莉，等.農村自建房坍塌事故案例分析[J].現代職業安全，2022（10）：42-45.ZHOU Yang，ZHOU Jianxin，WANG Jinli，et al.Case analysis of collapse accident of self built houses in rural areas[J].Modern Occupational Safety，2022（10）：42-45.

[12]MENG W L，SHEN S，ZHOU A.Investigation on fatal accidents in Chinese construction industry between 2004 and 2016[J].Natural Hazards，2018，94（2）：655-670.

[13]陰愛英.基于線程并行計算的Apriori算法[J].西安科技大學學報，2014，34（1）：71-74.YIN Aiying.Apriori algorithm based on thread parallel computing[J].Journal of Xi’an University of Science and Technology，2014，34（1）：71-74.

[14]AGRAWAL R，SRIKANT R.Fast algorithms for mining association rules[C]//Proceedings of the 20th International Conference on Very Large Data Bases.San Fran cisco，CA，USA：Morgan Kaufmann Publishers Inc，1994：487-499.

[15]許未，何世偉，劉朝輝，等.基于關聯規則的鐵路事故致因網絡構建與分析[J].鐵道運輸與經濟，2020，42（11）：72-79.XU Wei，HE Shiwei，LIU Zhaohui，et al.Construction and analysis of railway accident causation network based on association rules[J].Railway Transportation and Economy，2020，42（11）：72-79.

[16]KIM J M，JUN S.Graphical causal inference and copula regression model for apple keywords by text mining[J].Advanced Engineering Informatics，2015，29（4）：918-929.

[17]ZHU S.Research on data mining of education technical ability training for physical education students based on Apriori algorithm[J].Cluster Computing，2019，22（6），14811-14818.

[18]李玨，李世杰.基于文本挖掘的高處墜落事故致因及關聯規則分析[J].長沙理工大學學報（自然科學版），2020，17（2）：61-67，74.LI Yu，LI Shijie.Causal factors and association rules analysis of fall from height accidents based on text mining[J].Journal of Changsha University of Science amp; Technology（Natural Science），2020，17（2）：61-67，74.

[19]NENONEN N.Analysing factors related to slipping，stumbling，and falling accidents at work：Application of data mining methods to Finnish occupational accidents and diseases statistics database[J].Applied Ergonomics，2013，44（2）：215-224.

[20]JIN R，ZOU P X W，PIROOZFAR P，et al.A science mapping approach based review of construction safety research[J].Safety Science，2019，113：285-297.

[21]陳全，李馨玉.基于復雜網絡的化工事故致因分析[J].現代化工，2020，40（S1）：12-15.CHEN Quan，LI Xinyu.Analysis on causation of chemical accidents based on complex network[J].Modern Chemical Industry，2020，40（S1）：12-15.

[22]郭濤，張代遠.基于關聯規則數據挖掘Apriori算法的研究與應用[J].計算機技術與發展，2011，21（6）：101-103，107.GUO Tao，ZHANG Daiyuan.Research and application on association rules based on apriori algorithm[J].Computer Technology and Development，2011，21（6）：101-103，107.

[23]陳長坤，謝明峰，趙冬月.基于風險矩陣的災害演化網絡定量分析方法[J].災害學，2022，37（1）：13-17.CHEN Changkun，XIE Mingfeng，ZHAO Dongyue.Research on quantitative analysis method of disaster evolution network based on risk matrix[J].Journal of Catastrophology，2022，37（1）：13-17.

[24]張子琛，郭聖煜，周新宇，等.工程不安全行為風險后果量化評價[J].土木工程與管理學報，2021，38（5）：125-129，139.ZHANG Zhichen，GUO Shengyu，ZHOU Xinyu，et al.Quantitative evaluation consequence of behavioral risk in construction industry[J].Journal of Civil Engineering and Management，2021，38（5）：125-129，139.

[25]NI H，CHEN A，CHEN N.Some extensions on risk matrix approach[J].Safety Science，2010，48（10）：1269-1278.

（責任編輯：楊泉林）