多因素耦合下社區(qū)電動自行車火災風險仿真與管控研究

摘要：社區(qū)電動自行車火災事故頻發(fā)，嚴重威脅居民生命財產(chǎn)安全。為了探究社區(qū)電動自行車火災因素間的耦合作用，并實現(xiàn)風險管控，本文開展多因素耦合下的火災風險仿真。通過梳理文獻與案例，總結影響因素，利用耦合度模型計算耦合系數(shù)，并通過系統(tǒng)動力學建模仿真，以期揭示耦合作用下的風險變化趨勢。結果顯示，素養(yǎng)不足與充電行為、充電行為與蓄電池故障、教育缺失和素養(yǎng)不足、自然環(huán)境與蓄電池故障、檢查不足與自然環(huán)境因素間的耦合系數(shù)影響顯著。基于仿真結果，提出綜合性的社區(qū)電動自行車火災風險管控對策。

關鍵詞：安全社會科學；電動自行車火災；風險管理；耦合模型；系統(tǒng)仿真

引言

近年來，電動自行車的數(shù)量不斷攀升，在為人們出行提供便捷的同時，也給社區(qū)消防安全帶來了風險。國家和地方政府出臺了一系列相關政策法規(guī)，以加強電動自行車的安全管理。從2019年4月15日起，《電動自行車安全技術規(guī)范》（GB 17761-2018）[1]作為國家強制性標準正式實施。然而，電動自行車火災事故仍時有發(fā)生，嚴重威脅著社區(qū)安全與居民生命財產(chǎn)安全。例如，2024年2月23日，南京雨花臺區(qū)某電動自行車停放處起火引發(fā)火災，事故共造成15人遇難。因此，開展電動自行車火災風險分析及管控研究具有重要的現(xiàn)實意義。目前研究聚焦于火災成因與火災防控。成因主要分為人、物、管理3類，其中充電器內(nèi)部故障是主要原因[2]。此外，學者們還提出過充[3]、夜間充電、管理混亂[4]等關鍵因素。防控主要涉及管理措施[5]與技術革新[6-7]。然而，盡管既有文獻已取得諸多成果，但電動自行車火災的致災因素復雜多樣，各因素間相互關聯(lián)，現(xiàn)有研究未能考慮其動態(tài)性及相關性，致災機理研究尚不夠深入。為彌補這一不足，本文將引入耦合度模型與系統(tǒng)動力學，以期更加深入地揭示電動自行車火災的致災機理。一、風險指標體系構建與耦合度計算

（一）風險評價指標體系構建

社區(qū)電動自行車火災風險是指由電動自行車起火造成社區(qū)火災的不確定性。現(xiàn)有研究主要聚焦于人和物的因素，較少涉及管理因素，無法滿足全面風險調(diào)控要求。因此，本文在既有文獻的基礎上，進一步考慮環(huán)境與管理因素，為社區(qū)電動自行車風險調(diào)控措施制定提供較為全面的科學依據(jù)。通過查閱文獻及分析社區(qū)電動自行車火災案例，構建以“人”“物”“環(huán)境”“管理”為一級指標、18個二級指標的社區(qū)電動自行車火災風險評價指標體系，如表1所示。

（二）風險指標耦合度計算

利用層次分析法確定各指標權重。邀請15位電動自行車企業(yè)技術人員與應急管理方向的專家，根據(jù)1—9標度法對社區(qū)電動自行車火災風險指標的重要程度進行打分，構造出判斷矩陣，利用Matlab軟件完成計算。一致性檢驗的公式如公式1、公式2所示[8]：

CI為判斷矩陣偏離的指標，λmax為最大特征值，n為階數(shù)，RI為隨機一致性指標。當CR＜0.1時，矩陣通過一致性檢驗，即所求矩陣相應因素的權重值λij。

為了評估電動自行車火災風險的真實情況，以發(fā)放調(diào)查問卷的形式，邀請S社區(qū)工作人員對社區(qū)電動自行車火災風險因素的風險程度進行打分，發(fā)放問卷20份，回收有效問卷16份。風險程度的取值區(qū)間為[0，1]，取期望值作為該指標的風險水平Xij。通過風險水平計算功效系數(shù)Uij，如公式3所示[9]：

i=1，2…m為子系統(tǒng)個數(shù)，j=1，2…n為子系統(tǒng)下的指標個數(shù)；Aij為風險指標區(qū)間上限值1，Bij為風險指標區(qū)間下限值0。基于功效系數(shù)，采用線性加權和法，獲得各子系統(tǒng)的序參量。因為只計算因素的序參量，所以加權后不求和，如公式4所示[10]：〖HJ1.08mm〗

采用社科院[11]發(fā)布的耦合度函數(shù)計算耦合度，當n=2時，如公式5所示：

二、社區(qū)電動自行車火災風險仿真

（一）仿真目的

通過模擬并預測在多種因素相互耦合影響下，社區(qū)電動自行車火災風險的動態(tài)演變過程。調(diào)整模型中的耦合系數(shù)，揭示不同耦合作用下系統(tǒng)風險水平的變化趨勢，識別出關鍵耦合系數(shù)。

（二）建立因果關系圖

系統(tǒng)邊界定義為S社區(qū)電動自行車火災風險，限定在“人的因素”“物的因素”“環(huán)境因素”“管理因素”4個子系統(tǒng)的范疇內(nèi)。利用Vensim繪制社區(qū)電動自行車火災風險的因果關系圖。

（三）繪制系統(tǒng)動力學存量流量圖

基于因果關系圖，構建社區(qū)電動自行車火災風險的存量流量圖，如圖1所示，包含74個變量，其中14個狀態(tài)變量、14個速率變量、5個輔助變量以及41個常量。為量化并評估火災風險，研究將風險等級細分為五個區(qū)間：[0，20]定義為輕度風險等級，[20，40]為低度風險等級，[40，60]為中度風險等級，[60，80]為中重度風險等級，[80，100]為極重風險等級。基于此劃分，將初始風險值均設定為輕度風險等級中的5，以探討耦合作用對風險的影響。仿真模擬的時間跨度設置為5年。

三、模擬結果與討論

（一）結果分析

在Vensim中輸入建模所需的方程、初始風險水平值以及耦合系數(shù)等數(shù)據(jù)，模擬出該社區(qū)未來五年內(nèi)電動自行車火災風險水平的變化趨勢圖，如圖2所示。結果表明，在引入耦合系數(shù)后，社區(qū)電動自行車火災風險展現(xiàn)出顯著的遞增態(tài)勢。隨著時間的推移，每年的風險增長趨勢愈發(fā)陡峭，顯現(xiàn)出一種累積效應。在第四年中，風險值已經(jīng)突破了100的臨界閾值，若不及時采取有效的管控措施，任由耦合作用持續(xù)增強，火災事故的發(fā)生概率將大幅上升，對社區(qū)安全構成嚴重威脅。

（二）敏感性分析

在社區(qū)電動自行車火災風險系統(tǒng)中，同質(zhì)風險耦合系數(shù)共有5組，均存在于人的系統(tǒng)，異質(zhì)風險耦合系數(shù)共有32組，分別存在于人與物的系統(tǒng)、人與管理系統(tǒng)、環(huán)境與物的系統(tǒng)、環(huán)境與管理系統(tǒng)。為了研究它們對風險耦合水平值的具體影響，分別將這37組耦合系數(shù)降低了50%，其他因素保持不變。通過對比調(diào)整前后的數(shù)據(jù)變化，得出了社區(qū)電動自行車火災風險水平值的下降情況，如圖3、4、5、6、7所示。

通過對社區(qū)電動自行車火災風險水平值實施仿真并對耦合系數(shù)進行逐一調(diào)整，得到不同耦合系數(shù)降低后所對應的風險變化值。由仿真結果可知，在同質(zhì)系統(tǒng)中，素養(yǎng)不足與充電行為耦合系數(shù)影響最為顯著；在人-物的系統(tǒng)中，充電行為與蓄電池故障耦合系數(shù)影響最為顯著；在人-管理系統(tǒng)中，教育不足與素養(yǎng)不足耦合系數(shù)影響最為顯著，素養(yǎng)不足與監(jiān)督不足耦合系數(shù)也影響較大；在環(huán)境-物的系統(tǒng)中，自然環(huán)境與蓄電池故障耦合系數(shù)影響最為顯著；在環(huán)境-管理系統(tǒng)中，檢查不足與自然環(huán)境耦合系數(shù)影響最為顯著。

結語

本文以社區(qū)電動自行車火災風險為研究對象，通過查閱文獻及分析電動自行車火災案例提煉了電動自行車火災風險因素，構建以“人”“物”“環(huán)境”“管理”為一級指標、18個二級指標的社區(qū)電動自行車火災風險評價指標體系，并采用耦合度模型，計算社區(qū)電動自行車火災風險37組因素之間的耦合度。同時，通過系統(tǒng)動力學模型，對社區(qū)電動自行車火災風險進行仿真模擬，并基于仿真模擬的結果，提出如下建議。第一，深化社區(qū)消防教育，通過多元化渠道宣傳電動自行車火災警示案例與安全使用指南，組織安全培訓和實操演練；第二，強化電動自行車充電管理，劃定專用停放充電區(qū)域，引入智能充電系統(tǒng)與樓道電梯監(jiān)控攝像頭，實施規(guī)范化管理；第三，鼓勵居民相互監(jiān)督，構建居民監(jiān)督網(wǎng)絡，推行舉報獎勵制度，形成“人人都是安全員”的氛圍；第四，強化社區(qū)防火檢查，全面整頓周邊環(huán)境與建筑防火，制定應急預案，確保消防設施處于最佳狀態(tài)；第五，政府、市場監(jiān)管部門、消防部門等多方共同參與電動自行車火災風險管控，形成合力。未來，研究可致力于將所有影響因素納入具體、系統(tǒng)的定量分析框架中，明確界定并細化各因素的評估標準，使對風險權重與風險程度的判定更加科學、客觀，從而提升整體研究的可信度和應用價值。

參考文獻

[1]GB 17761-2018電動自行車安全技術規(guī)范[S].2018.

[2]王剛，張萬民.電動車充電過程起火原因分析及技術防范措施[J].消防科學與技術，2012，31（12）：1376-1379.

[3]Kang R，Jia C，Zhao J，et al.Effects of capacity on the thermal runaway and gasventing behaviors of large format lithium iron phosphate batteries induced by overcharge[J].Journal of Energy Storage，2024，87：111523.

[4]任國友，王永柱，吳敬.基于“2-4模型”的電動車火災事故致因研究[J].工業(yè)安全與環(huán)保，2023，49（05）：34-38.

[5]張萬民，韓建平，原小永.電動車火災成因分析及預防對策[J].消防科學與技術，2011，30（09）：870-872.

[6]Luan W，Ma C，Liu B，et al.Unsupervised identification and status assessment for electricbicycle charging load[J].Electric Power Systems Research，2022，210：108130.

[7]Hong Y，Jin C，Chen S，et al.Experimental study of the suppressing effect of the primary fire and thermal runaway propagation for electricbicycle batteries using flood cooling[J].Journal of Cleaner Production，2024，435：140392.

[8]許振亮，王振，高天艷.基于層次分析法-德爾菲法的高價值專利篩選研究——以稀土永磁產(chǎn)業(yè)為例[J].中國科技論壇，2024（01）：62-71.

[9]孟陸，劉鳳軍，段珅，等.共享員工事件強度對公民行為的影響——基于企業(yè)社會責任感知的視角[J].南開管理評論，2023，26（04）：212-224.

[10]張勇，段樂婷，張嘉琛.濕陷性黃土地區(qū)綜合管廊施工安全風險耦合模型及其驗證分析[J].安全與環(huán)境學報，2020，20（05）：1645-1651.

[11]叢曉男.耦合度模型的形式、性質(zhì)及在地理學中的若干誤用[J].經(jīng)濟地理，2019，39（04）：18-25.

作者簡介：胡津婷（2001— ），女，羌族，四川綿陽人，碩士研究生，研究方向：社會風險、應急管理。