快遞安全事故致因網絡構建及結構特性分析

任翠萍 楊明翔 張裕銘 謝逢潔

摘要： 為揭示快遞安全事故的關鍵致因及關聯性，基于復雜網絡理論，以快遞人員、快件、設備、環境、管理及事故結果6類40個因素為節點，以因素間的作用關系為邊，構建快遞安全事故致因網絡。研究發現，該網絡具有小世界特性，中介中心性顯著，存在3-核高密度云團。結果表明，人員傷亡、快件起火、快件破損、財產損失、運輸車輛問題是事故的關鍵因素；快件堆積與破損對事故風險傳遞最為顯著；15個因素間的高密度關聯性對事故起到核心作用。

關鍵詞： 快遞安全；事故致因；復雜網絡；結構特性

中圖分類號： X913;N94文獻標識碼： A

收稿日期： 2021-10-26；修回日期：2022-04-25

基金項目： 國家自然科學基金青年基金（52102418）; 陜西省教育廳科研計劃項目（20JK0363）; 大學生創新創業訓練計劃項目（S202011664037）

第一作者： 任翠萍（1987-）， 女， 河北滄州人， 博士， 講師， 主要研究方向為快遞安全與復雜網絡。

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

快遞業作為重要的流通產業和先導產業，對暢通國內經濟循環、建設現代化流通體系具有十分重要的作用。據統計，2021年快遞業收入達10 332.3億元，同比增長17.5%，占GDP的3.67%；快遞業務量達1 083億件，同比增長29.9%，日均服務用戶近7億人次，連續8年穩居世界第一。然而，快遞業快速發展的背后，各類安全問題日益凸顯［1］，尤其是利用快遞實施犯罪的事件頻頻發生，例如違禁物品寄遞、用戶信息泄露、快遞包裹被盜等等；同時快遞安全事件呈現出逐年上升［2］的趨勢。因此，開展快遞安全事故分析，對提升快遞業安全水平、推動快遞業高質量發展具有重要意義。

針對快遞業存在的安全問題，現有研究主要采用實地調查、訪談、問卷調查以及個案研究等方法［24］，從行業［5］、企業［6］、從業人員［7］等方面分析快遞事故發生的主要原因，并針對問題和原因提出相應對策。盧文剛等［1］根據全業務流程分析快遞企業公共安全風險，研究發現法律法規不健全、硬件基礎設施差、從業人員安全意識淡薄、企業安全管理堪憂、民眾防范意識不足等是導致快遞安全問題的主要原因。嚴貝妮等［4］圍繞快遞用戶信息泄露問題，提出其主要原因為國家立法普法欠缺、用戶防范意識不足、快遞企業管理制度不規范、電商平臺用戶管理系統缺乏統一監管。然而，現有研究主要從宏觀層面定性分析快遞行業存在的安全問題及其事故原因，缺少從微觀層面定量揭示事故致因因素間的結構特征及關聯關系。

考慮到快遞安全事故是多風險因素耦合作用的結果，具有非線性變化特征，本文采用復雜網絡理論定量表征快遞事故致因的復雜作用關系。復雜網絡理論在揭示關鍵節點［8］以及節點間的結構特性方面［911］具有一定的優越性。目前，該理論已普遍應用到安全事故領域，主要體現在鐵路事故［1215］、地鐵事故［1618］、道路運輸事故［1921］及生產安全事故［2223］等方面。郭亞文等［18］基于實際地鐵工程建設事故案例，構建雙層地鐵工程建設安全事故致因網絡模型，通過分析網絡拓撲結構發現：安全管理不到位、缺乏安全意識、機械故障是導致大量事故發生的初始致因因素。胡立偉等［19］通過分析營運貨車交通事故數據，從人、車、環、管四方面確定29個風險因素，建立網絡節點多屬性決策綜合評價網絡模型，進而判斷各風險因素的重要程度。

鑒于復雜網絡理論在事故致因研究領域的優勢，以及現階段快遞安全研究的不足，本文以快遞安全事故致因研究為主題，通過統計中國快遞安全事故數據，建立事故致因因素指標；基于復雜網絡理論，構建快遞安全事故致因網絡并分析其結構特性，進而揭示快遞安全事故的關鍵致因因素及其關聯關系，以期為快遞行業安全監管提供理論與實證支撐。

1 快遞安全事故致因網絡構建

依據快遞業務流程、事故調查報告與事故致因理論，運用系統化分類方法，將快遞安全事故致因劃分為致因因素與結果因素。其中，快遞事故致因因素包括人員、快件、設備、環境、管理5大類。基于3類危險源理論［24］，統計分析2013～2020年具有影響力的快遞安全事故原因，將5類因素進一步細分（見表1）。考慮到快遞事故具有動態性、復雜性的特征，其事故原因也會呈現出動態變化的趨勢，尤其是在不同環境、不同科技水平、不同政策導向下。因此，本文所提出的事故原因明細僅呈現了2013～2020年快遞事故的常見原因。人員因素是指快遞相關人員的不安全行為；快件因素是指快件的不安全狀態；設備因素是指分揀設備、運輸車輛、倉儲設備等不安全狀態；環境主要是影響快遞安全作業的外部因素；管理因素為企業內部管理與行業安全監管不當。快遞事故結果因素是指事故造成的影響，主要包括：人員傷亡（C1）、財產損失（C2）、快遞運營網絡阻斷（C3）、用戶信息泄露（C4）、無法按時送達（C5）、其他情形（C6）。考慮到快遞安全事故是事故致因因素與結果因素共同作用所致，且二者存在關聯性與傳遞性；因此，將快遞事故致因因素與結果因素作為快遞安全事故致因網絡的節點。

依據事故致因分類及編碼，確定每例事故的致因鏈，提取依賴關系。考慮事故是一系列致因因素在特定時序下耦合嵌套作用的結果，引入有序對來刻畫事故因素間的優先關系，并對節點有序對作定義：1）如果A是B發生的直接原因，則可以表示為〈A，B〉（B為致因因素或結果因素）；2）同一事故中如果存在〈A，B〉，〈B，C〉，則A與C間不是有序對，即A對C不產生影響。

根據上述定義，提取每例快遞安全事故致因鏈及有序對，并將有序對進行組合構成有序對集（見表2）。有序對集刻畫了整個事故網絡中節點間的作用方向，同時考慮到快遞安全事故因素間作用的復雜性及事故形成機制的不同（如能量轉移或信息傳播等），很難從事故案例中抽象出節點與連邊的定量關系；因此，所構建的快遞安全事故致因網絡為有向無權網絡。圖1為快遞安全事故致因網絡的拓撲結構圖。

由圖1可知，快遞安全事故致因網絡由40個節點、108條弧構成。節點代表快遞事故因素，弧表示事故因素之間存在的交互作用關系，弧的數量表示事故因素間作用關系的強度，弧的方向表示事故因素間的作用方向。可以看出，從C5，P1，E1等節點發出的弧數量較多，說明無法按時送達、快件堆積、自然環境等節點更易影響其他因素；而C1，C2，P5，F2等節點收到的弧數量較多，說明人員傷亡、財產損失、快件起火、運輸車輛問題等受其他因素影響較多。

2 快遞安全事故致因網絡的復雜結構特性

2.1 小世界特性

許多現實世界的復雜網絡表現出小世界結構特性，即與相同規模的隨機網絡相比，該網絡擁有較短的平均路徑長度和更高水平的聚類系數［11］。網絡的平均路徑長度是網絡中所有節點對之間最短路徑長度的均值，即

L=2N（N-1）∑i≠jdij（1）

其中，dij為節點i到節點j所經歷的邊的數目，N為節點的數量。

網絡的聚類系數是網絡中所有節點聚類系數的均值，即

C=1N∑iNi（real）ki（ki-1）/2（2）

其中，ki為節點i的度，Ni（real）為ki個鄰居之間實際存在的邊數。

根據上述定義，計算快遞安全事故致因網絡的平均路徑長度為2.172 6，聚類系數為0.118 8；說明網絡中每例事故的發生平均需要3步，事故因素間聯系緊密，易發生連鎖性反應，且除了極個別因素外，其他因素要么有直接的關聯關系，要么有間接的關聯關系。與其規模和平均度相同的隨機網絡的平均路徑長度約為3.425 7（Lrand～lnN/lnK-），聚類系數約為0.022 9（Crand～K-/N）。可見，與相對應的隨機網絡相比，快遞安全事故致因網絡有著更小的平均路徑長度和更高的聚類系數，表現出明顯的小世界現象。

2.2 度分布特性

節點的度是網絡中與該節點相連接的其他節點的數目，反映該節點在網絡中的重要程度。在有向圖中，節點的度可分為入度和出度，其中入度是進入到該節點的其他節點的個數；出度是該節點直接發出的關系數。快遞安全事故致因網絡為有向網絡，故各節點度值包括總度、入度、出度（見圖2）；因節點數量較多，圖2僅顯示總度數大于等于3的節點度分布。由圖2可見，總度值最大的節點為C1，隨后依次是P5，P6，C2，P1，F2；入度呈現不均勻分布，其中度值較大的節點為C1，C2，P5，P6；出度分布差異相對較小，度值最大的為E1，其次有15個節點出度值相同。

由總度值可知，人員傷亡、快件起火、快件破損、財產損失、運輸車輛問題是網絡中的中心節點，也是快遞安全事故中的關鍵因素，其數量較少，與周圍的風險因素發生復雜的非線形交互，表征了網絡“中心節點”特性，說明快遞事故致因網絡中關鍵風險因素占少數，但具有主導地位。由出入度可知，受外界因素影響最大的致因因素為人員傷亡、財產損失、快件起火、快件破損因素，其累積入度達到40；快遞企業應加強對這些致因因素的抗干擾能力，減輕外界因素的作用。而關聯作用到其他因素的致因因素主要為自然環境影響、未進行收寄驗視、使用非專業人員、分揀人員操作不當、快遞工作人員的其他不當行為、收/寄人隱瞞禁寄物品的行為、工作人員外其他人員的不當行為、快件堆積、快件起火、快件破損、安全監管不當、運輸車輛問題，其累積出度達到37；快遞企業及安全監管部門應特別注意對這些因素的管控，避免引發事故因素間的連鎖反應。

節點的度分布特性常用節點度分布函數P（k）或累積度分布函數P（K）來刻畫。前者為網絡中度k的節點占總節點的比例，后者為網絡中度大于等于k的節點占總節點的比例［12］。本文采用累積度分布函數描述快遞安全事故致因網絡，如圖3所示。在雙對數坐標下，隨著度k的增大，事故致因網絡的累積度分布函數曲線表現為一條直線。數據擬合結果P（K）=1.836 5k-1.480 3，擬合判定系數R2=0.834 5，說明快遞安全事故致因網絡的節點度具有無標度特性，網絡中的少量節點擁有大量的連接，而大多數節點只有1個或2個影響因素。

2.3 中介中心性

中介中心性是用來衡量一個節點處于其他任何兩個節點間最短路徑的概率，反映了該節點作為中介的重要程度。節點的中介中心性越高，對網絡的信息傳遞作用越大。由此計算快遞安全事故致因網絡的中介中心性如圖4所示。圖中節點大小代表中介中心性的大小；當節點的中介中心性為0時，即節點不顯示，說明該節點不在其他節點間擔當中介。

由圖4可知，在快遞安全事故致因網絡中，中介中心性較高的節點為P1（0.020），P6（0.020），M4（0.019），F2（0.019），P5（0.018），H7（0.016），說明這6個節點在網絡中起到重要的“橋梁”作用；其中快件堆積和快件破損的中介中心度最高，表明這兩個因素在整個網絡中被多條最短路徑經過，在網絡的事故風險傳遞中起重要作用。另外，安全監管不當、運輸車輛問題、快件起火、快遞人員罷工等因素對其他因素之間的關聯作用同樣具有重要影響。

進一步依據事故因素分類情況，計算每類因素的中介中心性，如圖5所示。研究發現，快件因素的中介中心性最強，其次為人員因素、管理因素、設備因素、結果因素、環境因素；說明在實際快遞運作中，快件因素對于事故的事態發展占據絕對中心的位置，保障快件安全是遏制事故發生的根本途徑。

2.4 云集團特性

為進一步揭示高點度節點的凝聚狀態，研究基于整個網絡所有節點的點度，以某個節點的點度不小于某個值為條件找尋云集團，此時云集團可稱為k-核。k-核是其中每個頂點的點度不小于k的最大子網絡，界定了相對密集的子網絡，因而有助于發現凝聚子群。

分析快遞安全事故致因網絡的k-核發現，網絡中有15個節點屬于3-核，26個節點屬于2-核，39個節點屬于1-核，1個節點（孤立節點）屬于0-核，如圖6所示。在3-核中，每個致因因素節點都至少與其他3個致因因素節點相連，形成了一個高密度云團（見圖7），包括節點H2，H4，H5，H10，P1，P3，P5，P6，M4，F2、E1，C1，C2，C3，C5；這些節點間的復雜關聯關系可視為快遞安全事故致因網絡的凝聚子群，對網絡的凝聚特性起著關鍵作用。

快遞安全事故致因網絡凝聚子群的具體因素包括：人員因素中的未進行收寄驗視、使用非專業人員、分揀人員操作不當以及快遞工作人員的其他不當行為，快件因素中的快件堆積、包裝不當、快件起火及快件破損，管理因素中的安全監管不當，設備因素中的運輸車輛問題，環境因素中的自然環境影響，以及結果因素中的人員傷亡、財產損失、運營網絡阻斷及無法按時送達。上述因素間存在高度關聯關系，對快遞安全事故的發生起到核心作用，快遞企業需要重點關注這些因素間的交互作用關系。

3 結論

從復雜網絡理論的研究視角出發，用點表示快遞安全事故因素，邊表示事故因素間的關聯關系，構建快遞安全事故致因網絡。以2013～2020年中國發生的具有影響力的快遞安全事故數據為例，描述快遞安全事故致因網絡的拓撲結構，分析其特性及關鍵因素，得到主要結論：

1）快遞安全事故致因網絡是一個小世界網絡。事故致因因素聯系緊密，平均需要3步就可以連接到事故，易引發致因因素間的連鎖反應。

2）快遞安全事故致因網絡具有無標度特性，網絡中的少量節點擁有大量的連接，而大多數節點只有1個或2個影響因素。人員傷亡、財產損失、快件起火、快件破損因素最容易受其他因素影響，需要快遞企業加強對這些因素的抗干擾能力；自然環境影響、未進行收寄驗視、使用非專業人員、分揀人員操作不當、收/寄人隱瞞禁寄物品的行為、快件堆積、快件起火、快件破損、安全監管不當、運輸車輛問題容易對其他因素造成影響，應特別注意對這些因素的管控，避免引發事故因素間的連鎖反應。

3）在快遞安全事故致因網絡中，快件因素對于事故的事態發展占據絕對中心的位置；其中，快件堆積與快件破損對事故風險傳遞起著最為重要的作用。保障快件安全是遏制事故發生的根本途徑，快遞企業與安全監管部門應重點關注因快件因素引發的事故風險傳遞。

4）快遞安全事故致因網絡存在一個由致因因素與結果因素共同構成的凝聚子群，群內各因素間存在的高密度關聯關系在快遞安全事故中起到核心作用，具有高驅動力，快遞企業需要重點關注這些因素間的交互作用關系。

上述結論從微觀層面揭示快遞安全事故因素間的結構特征，提出事故的關鍵因素與中介因素。這與現有研究提出的行業監管、企業安全管理及民眾安全意識等宏觀層面的原因基本一致。所不同的是，本研究在細化人員、設備、組織管理因素的基礎上，增加了對快件、環境的詳細原因分析，同時對快遞事故因素的重要性進行分析，這對于指導快遞業實施分級分類精準管控更具實踐指導意義。

參考文獻：

［1］盧文剛， 孫家根. 快遞行業公共安全：風險分析與協同治理——以A市全業務鏈快遞郵件為例［J］. 廣州大學學報（社會科學版）， 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］李妙詰. 快遞行業寄遞渠道突發事件應急管理研究——基于郵政管理部門視角［D］. 海口： 海南大學， 2017.

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

［3］蘇尉. 唐山市快遞行業安全監管研究［D］. 成都： 西南交通大學， 2018.

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

［4］嚴貝妮， 葉宗勇， 段夢麗. 快遞用戶個人信息安全隱患成因解析——基于用戶角度的調查研究［J］. 現代情報，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］典帥. 我國快遞業安全管控研究［D］. 北京： 中國人民公安大學， 2017.

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

［6］王亞博. 我國快遞場所安全管理風險與對策研究［J］. 物流工程與管理， 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］張橙. 快遞員職業安全行為影響因素的實證研究［D］. 石家莊： 河北經貿大學， 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， 鄒艷麗， 謝蓉. 基于復雜網絡理論的電力網絡關鍵線路識別［J］. 復雜系統與復雜性科學， 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］種鵬云，尹惠.基于復雜網絡的危險品道路運輸網絡優化策略研究［J］. 復雜系統與復雜性科學， 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，鄭偉. 基于復雜網絡理論的鐵路事故致因分析［J］. 中國安全科學學報， 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. 基于復雜網絡的地鐵事故致因機理研究［D］. 成都： 西南交通大學， 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］ 郭文亞， 周志鵬. 地鐵工程建設安全事故致因網絡模型構建與解析［J］. 中國安全科學學報， 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］ 胡立偉， 楊鴻飛， 何越人， 等. 基于復雜網絡的營運貨車交通事故風險因素識別［J］. 交通運輸工程與信息學報， 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， 劉祥偉， 劉云霞. 基于復雜網絡理論的危險品事故原因實證分析［J］. 哈爾濱商業大學學報（自然科學版）， 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. 復雜系統安全事故致因網絡建模分析［J］. 中國安全科學學報，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. 第三類危險源辨識與控制研究［D］. 北京： 北京理工大學，2001.

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

（責任編輯 李 進）