24 Model 在道路運輸事故成因中的應用

摘 要：為預防道路運輸事故，基于事故致因“2-4”（24 Model）模型，對2015—2021 年發(fā)生的215起道路運輸事故的行為原因進行研究。從個人層面和組織層面分析導致事故發(fā)生的直接原因、間接原因、根本原因及其根源原因。結果表明：發(fā)生頻次最多的不安全動作是駕駛員超速行駛（占10.67%）；22.33%的道路運輸事故存在管理者違章安排無資質員工上崗作業(yè)；管理者和領導者對57.67% 的道路運輸事故的發(fā)生有重要影響；由人為因素產生的不安全物態(tài)占比達71.53% ；駕駛員、車輛安全生產管理制度欠缺或執(zhí)行不到位在根本原因中尤為突出（占20.92%）。基于此，提出道路運輸事故預防對策并構建出道路運輸系統(tǒng)各因素關系圖。

關鍵詞： 汽車主動安全；道路運輸事故；事故致因；“2-4”模型（24 Model）；對策

中圖分類號： X 951 文獻標識碼： A DOI： 10.3969/j.issn.1674-8484.2024.02.006

隨著運輸需求的增加，運輸事故頻發(fā)。據(jù)交通、消防和應急管理等部門調查報告顯示，2020 年10—12 月共發(fā)生普通貨運及客運事故2 989 起，造成585死1 449 傷。此類事故占交通運輸事故總數(shù)的比例達82.71% [1]，安全生產形勢十分嚴峻。因此，探究普通貨運和客運事故的原因因素，提出針對性的控制措施，對降低事故的發(fā)生頻率具有重要意義。

目前針對普通貨運和客運事故的原因研究，多集中于個人層面原因分析。衡威威等[2] 應用突變理論指出客運車輛發(fā)生交通事故的本質是車輛運行狀態(tài)的突變；于影霞等[3] 以貨運駕駛員為研究對象，發(fā)現(xiàn)緊張、疲勞等生理狀態(tài)欠佳易導致駕駛員操作失誤；DONGGuoliang 等[4] 分析道路客運事故， 得到結論為駕駛員因素對行車安全的影響最大，車輛狀態(tài)、天氣狀況以及安全管理措施的執(zhí)行也對行車安全具有一定的影響；呂通通等[5] 基于互信Bayes 網(wǎng)絡分析客運事故，發(fā)現(xiàn)駕駛員性別、天氣和車輛類型是對事故最敏感的3 類影響因素；B. Oleg 等[6] 采用功能共振分析法識別影響道路客運的安全性因素，提出對駕駛員心理狀況實施全過程監(jiān)控的措施；程國柱等[7] 分析公路貨運通道路側事故，發(fā)現(xiàn)車速、圓曲線半徑等是事故發(fā)生的顯著性風險因素；呼軍艷[8] 通過構建人為因素視角的重特大道路客運事故致因分析與分類系統(tǒng)，識別了各個層面的事故關鍵致因，但對安全生產的業(yè)務指導體系成因未做專門分析。

現(xiàn)有研究對道路運輸事故安全文化和管理體系的探究相對薄弱，未對不安全動作的具體表現(xiàn)形式進行系統(tǒng)性分析。安全文化是安全管理的指導思想，管理體系通過影響組織成員的能力進一步影響組織成員的動作[9-10]。事故致因“2-4”模型（24 Model） 可以系統(tǒng)性地分析組織層面和個人層面的行為原因，是提出針對性事故預防措施的有力工具。

事故致因24 Model 被廣泛應用于煤礦、建筑、化工等領域的行為原因研究。FU Gui 等[11] 以瓦斯爆炸事故為例，基于24 Model 提出了組織中各層級人員造成事故的行動路徑和分析步驟；FANG Ming 等[12] 構建了FTA-24 Model 事故原因分析框架，用以識別關鍵原因及其耦合風險效應；LI Jing 等[13] 針對一起煤礦瓦斯爆炸事故，展示了造成事故傷亡的演變過程和事故各原因間的相互作用；郭海軍等[14] 根據(jù)24 Model 建立了危化品實驗室事故行為分析模型，確定了實驗室檢查、風險預控和應急響應體系建設的要求；LYU Qian 等[15] 提出了24 Model 安全能力視角下的因果分析框架，并以化工企業(yè)爆炸事故為研究對象驗證了框架的實用性。JIANGWei 等[16] 運用人因可靠性分析模型和24 Model 對危險化學品運輸事故進行了對比研究，發(fā)現(xiàn)24 Model 強調企業(yè)安全文化，人因可靠性分析模型強調企業(yè)的技術。

綜上，24 Model 具有較強的行業(yè)通用性。因此，本文將事故致因24 Model 用以道路運輸事故的致因研究，按照模型的因果邏輯關系，從個人層面和組織層面對2015—2021 年中的215 起道路運輸事故進行分析，提出針對性的道路運輸事故防范措施，以期為事故預防和降低事故風險提供參考。

1 事故數(shù)據(jù)收集與理論基礎

1.1 數(shù)據(jù)收集

案例樣本的選取應涵蓋事故車輛、駕駛員、道路及單位情況等信息，遵循事故發(fā)生過程描述清晰、事故責任者明確的原則。對2015—2021 年交通運輸部、公安部和安全管理網(wǎng)等網(wǎng)站[17] 公布的交通事故調查報告進行收集。剔除掉事故經過描述籠統(tǒng)、事故責任者模糊，存在信息缺失和非結構化的部分案例，最終得到215 起道路運輸事故。選取的事故案例等級劃分中，較大事故占比57.67%，位居第一， 一般事故次之，占比31.16%。

1.2 24 Model

24 Model 是基于W. H. Heinrich、F. E. Bird 和J. Reason [18-20] 等事故致因鏈，依據(jù)組織行為學原理發(fā)展建立，如圖1 所示。24 Model 將事故原因分為組織和個人2 個層面，其中組織層面對應指導行為與運行行為，而個人層面對應習慣性行為、一次性行為和物態(tài)。一次性行為和物態(tài)是導致事故發(fā)生的直接原因，事故引發(fā)者的個體能力（ 安全知識、意識、習慣、生理和心理）、組織安全管理體系的缺欠以及組織安全文化的缺欠分別對應事故的間接原因、根本原因和根源原因[21]。

瑞士奶酪模型（Swiss cheese model，SCM）、人因分析與分類系統(tǒng)模型（human factors analysis andclassification system，HFACS） 等事故致因理論，依據(jù)其簡單鏈式結構在一定程度上分析了事故的原因，但分析出的原因存在內容重合、邏輯關聯(lián)性弱等問題。而24Model 系統(tǒng)地定義了事故分析的各原因模塊，將組織內不同作業(yè)人員的不安全行為納入分析。同時，該模型還探索了導致個人不安全行為的組織層面因素，其網(wǎng)狀結構更具系統(tǒng)性、層次性和實用性。在應用24 Model 進行事故原因分析時，按照定位個體動作→個體能力→管理體系→安全文化的順序展開，具有較強的邏輯性。因此，24 Model 可以有效辨識組織整體生產過程中的事故致因，是事前預防和事后行為原因分析的有力工具[22-23]。

2 道路運輸事故行為原因分析

2.1 直接原因分析

在事故致因24 Model 中，不安全動作和不安全物態(tài)是導致事故發(fā)生的直接原因。不安全動作是指引起當次事故或對當次事故的產生具有重要影響的動作[24]。“動作”又分為操作、指揮和行動。違章操作（violenceoperation，VO） 是指針對具體操作對象產生的違反有關規(guī)定的不安全動作；違章指揮（violence conduct，VC）是指動作主體違反相關規(guī)定發(fā)出的調度命令或指揮行動；違章行動（violence act，VA） 是指無具體操作對象的違反相關規(guī)定的不安全動作[25]。因此系統(tǒng)性分析組織內各類別成員的不安全動作，得到8 類525 次不安全動作，如表1 所示。

據(jù)表1 可知，違章操作型不安全動作頻次占不安全動作總頻次的62.09%，居于首位。5 類不安全動作由駕駛員發(fā)出，不安全動作占比高于58.47%，其中占比最高的為超速行駛。因此，在道路運輸中，對駕駛員超速行駛問題需引起足夠重視。3 類不安全動作由管理者發(fā)出，2 類不安全動作由領導者發(fā)出。領導者和管理者的不安全動作頻數(shù)占比超過33.34%，其中，215起道路運輸事故中存在48 起管理者違章安排無資質員工上崗作業(yè)， 占22.33%，是管理者違章指揮中占比最高的事故因素。124 起道路運輸事故中均存在管理者和領導者的不安全動作，對57.67% 的事故發(fā)生有重要的影響。案例分析表明，領導者和管理者的不安全動作會影響企業(yè)安全生產的進程。不安全動作的產生是企業(yè)員工安全意識淡薄的表現(xiàn)，而安全意識反映了員工對于專業(yè)知識的掌握程度[26]。因此，要從駕駛員、管理者和領導者三方著手，加強專業(yè)知識的學習，規(guī)范人員的行為安全，從而防止不安全動作的出現(xiàn)。此外，不安全動作的出現(xiàn)頻次可作為事故預防工作的數(shù)據(jù)支撐。

不安全物態(tài)，是指直接導致當前事故發(fā)生或對當前事故發(fā)生具有重大影響的物的狀態(tài)。通過24 Model研究發(fā)現(xiàn)，道路運輸事故中不安全物態(tài)包含自然和人為2 類因素。自然因素是指由于路況糟糕或天氣狀況惡劣、能見度底等外界因素產生的不安全狀態(tài)。人為因素是指組織內部成員由于個體能力欠缺發(fā)出的不安全動作，進而產生的不安全物態(tài)。基于此，在24 Model 的理論指導下，分析得到5 類295 次不安全物態(tài)，并按照不安全狀態(tài)的類別：違章型（violation condition）、不違章但觸發(fā)事故型（accidental condition）、不違章未觸發(fā)事故但高風險型（high-risk condition） [27] 進行劃分，如表2 所示。在道路運輸事故中，人為因素演化為物的不安全狀態(tài)進而誘發(fā)事故的頻數(shù)，占不安全物態(tài)總頻數(shù)的71.53%。其中，違章型不安全物態(tài)占69.15%，居于首位；不違章但觸發(fā)事故型不安全物態(tài)次之。由此可見，違章型和不違章型不安全物態(tài)都應作為事故預防的重點。

從表2 中可以看出，最容易導致事故發(fā)生的不安全物態(tài)是車輛存在安全隱患或不符合技術標準，占不安全物態(tài)總頻次的37.96%。其中，車輛制動性能不合格發(fā)生頻次最多，為48 次。此外，超載狀態(tài)運行的車輛對33.49% 的事故發(fā)生具有重要影響。由此可知，作業(yè)人員對車輛潛在隱患及載荷超限問題的危害性認識不足，是駕駛員和管理者安全知識欠缺、安全意識淡薄的體現(xiàn)。因此，道路運輸企業(yè)應重視對作業(yè)人員安全知識的培訓，落實管理人員監(jiān)督檢查制度，提高組織內成員的安全意識，杜絕不安全的行為習慣。

2.2 間接原因分析

個體能力作用于個體動作，依靠安全管理體系和組織文化建設的落實。個體動作取決于個體能力的高低，反應安全管理體系和組織文化的執(zhí)行情況。基于不安全動作和不安全物態(tài)進行個體能力的分析，得到表3。由表3 可知，個體能力不足容易導致個體動作欠缺，從而導致事故的發(fā)生。其中超速行駛、醉酒駕駛、未觀察路況和安全車距不足等均是由于駕駛員安全意識不高所產生的。道路運輸行業(yè)的駕駛員工多為長時間在崗人員，依仗自身對路況較為熟悉便養(yǎng)成了不良駕駛習慣，而導致行為控制缺失。安排無資質員工上崗作業(yè)，指揮或縱容員工疲勞、超載或故障狀態(tài)駕駛等是管理者安全意識欠缺的主要表現(xiàn)。不安全動作與物態(tài)的產生均與作業(yè)人員安全心理欠佳有關。據(jù)事故案例研究表明，組織內員工安全意識的高低與其對道路運輸安全生產相關知識的掌握程度有關。此外，往往是生活中的僥幸心理、麻痹大意等思想因素使企業(yè)員工忽視對車輛和道路的觀察，習慣性地發(fā)出違章行為，誘發(fā)事故。因此，個體能力的提升需要企業(yè)落實好安全培訓制度和考核體系，從而達到組織成員的安全知識過硬、安全意識提高、安全習慣最良、安全心理最優(yōu)、安全生理最佳的狀態(tài)，降低事故的發(fā)生概率。

2.3 根本和根源原因分析

安全管理體系是指導和監(jiān)督企業(yè)正常生產作業(yè)的關鍵。管理體系建設對應《職業(yè)健康安全管理體系的要求》（GB/T 28001-2011） 中“策劃- 實施- 檢查- 改進（PDCA）”的運行模式，包括組織的指導思想、組織結構、安全管理程序和執(zhí)行過程。通過對215 起道路運輸事故分析，得到10 類698 次安全管理體系欠缺，如表4 所示。其中，安全管理程序欠缺率最高達79.66%，安全方針欠缺率為16.62%，組織結構欠缺率為3.72%。駕駛員、車輛安全生產管理制度欠缺或執(zhí)行不到位出現(xiàn)頻次高達146 次，在安全管理程序欠缺中尤為突出。這說明企業(yè)對于人員和車輛的管理未引起足夠的重視。根據(jù)《道路運輸安全生產管理制度》 基本規(guī)定，每年度需對從業(yè)人員開展安全教育和培訓工作，而在事故原因分析中“人員安全教育培訓制度欠缺或執(zhí)行不到位”的情況有130 次，對60.47% 的事故發(fā)生具有重要影響。此外，安全生產方針的欠缺表明企業(yè)安全文化的缺失，安全生產機構和安全員配置的不合理體現(xiàn)了企業(yè)組織機構的欠缺。因此，為預防道路運輸傷亡事故，須嚴格執(zhí)行企業(yè)管理程序。

組織文化即安全文化，是組織層面開展安全業(yè)務的指導思想[28]。作為導致事故發(fā)生的根源原因，極大程度上影響了組織內部員工的行為。通過分析215 起道路運輸事故，得到安全文化欠缺主要體現(xiàn)在對8 類安全文化元素理解不到位，具體欠缺的安全文化元素如表5 所示。領導者對于“安全創(chuàng)造經濟效益”“安全的重要度”和“安全投入”等理念沒有深入的認識和理解，致使管理者對“安全制度執(zhí)行方式”“管理體系作用”和“安全融入組織管理的程度”等安全文化元素缺乏系統(tǒng)性的認識，導致駕駛員對“安全主要決定于安全意識”和“一切事故均可預防”等理念的理解不到位，使組織內成員行為控制缺失，從而造成事故。因此，提高組織成員對安全文化的理解程度，有助于形成良好的安全文化氛圍，確保安全管理活動在良好的安全文化指導下進行。

3 措施及建議

針對215 起道路運輸事故的動態(tài)演化過程及各致因因素的研究發(fā)現(xiàn)，營造良好的安全文化氛圍是指導安全管理體系正常執(zhí)行的關鍵。完備的管理制度可以促進員工安全生產作業(yè)，消除人為因素，提高道路運輸?shù)陌踩浴Ｒ虼耍鶕?jù)“2-4”模型（24 Model） 從個人和組織層面提出預防對策如下：

1） 道路運輸系統(tǒng)是由人和物構成的一個耦合系統(tǒng)，如圖2 所示。駕駛員作為該系統(tǒng)的中間環(huán)節(jié)，負責接收環(huán)境、道路、車輛以及管理者和領導者的相關信息，并做出安全決策。企業(yè)管理者和領導者應針對駕駛員超速行駛等違章行為，落實安全培訓教育，加強動態(tài)監(jiān)控監(jiān)管。管理者應健全企業(yè)安全管理體系建設，改善運行行為控制措施。為防止管理者安排無資質員工上崗作業(yè)的違章指揮行為，應增設“雙崗”責任制，避免無資質作業(yè)。領導者應保證企業(yè)合法運營，保障安全投入水平。同時，道路運輸監(jiān)管部門應加強監(jiān)督和檢查。

2） 在耦合系統(tǒng)中，車輛存在缺陷或不符合技術標準是導致事故發(fā)生的不安全物態(tài)。針對制動性能不合格的車輛，在安全生產作業(yè)前，駕駛員和管理者應進行隱患排查和檢修工作；在安全生產運輸過程中，采取應急措施，逐次降檔、連續(xù)拉動手剎；如果制動系統(tǒng)完全不可控，應利用緊急避險車道中的沙石和護欄側邊摩擦停車。同時，車輛屬于機器設備中的一類，其故障的發(fā)生存在一定的規(guī)律性。因此，為避免由車輛故障引發(fā)事故，企業(yè)應從車輛故障發(fā)生規(guī)律著手，落實車輛日常檢查或隱患排查制度，并根據(jù)車輛實際使用情況進行檢修和保養(yǎng)，消除車輛安全隱患，杜絕不安全物態(tài)產生。

3） 企業(yè)創(chuàng)造安全績效的關鍵在于安全文化建設的水平，表現(xiàn)為企業(yè)對安全文化元素的認知程度。同時，企業(yè)對安全文化元素或理念的認知程度，決定了其安全管理體系程序文件的完善程度和執(zhí)行情況。首先，針對駕駛員、車輛安全生產管理制度欠缺或執(zhí)行不到位的情況，需要加大對管理工作的投入，大力宣傳安全管理教育和培訓。通過成立專項監(jiān)督機制、設置科學的獎懲機制和責任制度，落實安全生產管理制度。其次，為提高組織行為的運行效果，企業(yè)應加強對安全文化元素的充分認識，改善文化指導行為。最后，營造全體員工共同參與的企業(yè)安全文化氛圍，確保安全管理活動在安全文化理念的影響和指導下進行。

4 結 論

本文運用事故致因“2-4”模型（24 Model） 對2015—2021 年發(fā)生的215 起道路運輸事故，從個人層面和組織層面展開分析，并提出針對性的防范措施。

1） 從個人層面分析發(fā)現(xiàn)，道路運輸事故中出現(xiàn)頻次最多的不安全動作分別為超速行駛（10.67%）、安排無資質員工上崗作業(yè)（9.14%） 和安排未經安全技能培訓的員工上崗作業(yè)（7.81%），需要引起足夠的重視。管理者和領導者產生的不安全動作直接或間接導致了57.67% 的事故發(fā)生。不安全物態(tài)中發(fā)生頻次前三的分別是超載狀態(tài)運行的車輛（24.41%）、車輛制動性能不合格（16.27%） 和違規(guī)私改的車輛（11.86%）。

2） 從組織層面分析得出，安全管理程序欠缺在根本原因（ 安全管理體系） 中占比最高，為79.66%。其中，駕駛員、車輛安全生產管理制度欠缺或執(zhí)行不到位所占比例居于首位，為20.92%。組織安全文化的欠缺主要反映在對“安全創(chuàng)造經濟效益”“安全的重要度”等8個安全文化元素理解不到位。

3） 從本研究對道路運輸事故的分析結果可見，為保證交通駕駛安全，需對各層級人員提出針對性的措施：領導者應加強對安全文化的建設，改善文化指導行為；管理者應健全和完善組織內部管理體系；駕駛員應提高對安全文化元素的理解程度，增強個體能力。

參考文獻（References）

[1] 中華人民共和國交通運輸部. 2020 年10-12 月交通運輸事故互聯(lián)網(wǎng)統(tǒng)計報告[R/OL]. 公交信息網(wǎng)， （2022-11-16）.https：//www.sohu.com/a/436907692_99949100.

Ministry of Transport of the People’s Republic of China.Internet statistical report on transport accidents October-December 2020 [R/OL]. Public Transport InformationNetwork. （2021-11-16）. https：//www.sohu.com/a/436907692_99949100. （in Chinese）

[2] 衡威威， 許洪國， 曾誠， 等. 基于突變理論的客運車輛交通事故機理研究[J]. 安全與環(huán)境工程， 2017， 24（1）： 141-145.

HENG Weiwei， XU Hongguo， ZENG Cheng， et al.Mechanism of traffic accidents of passenger vehicles basedon the catastrophe theiry [J]. Safe Envir Engi， 2017， 24（1）：141-145. （in Chinese）

[3] 于影霞， 曾致桓， 龍丹. 基于事故樹分析的貨運駕駛員失誤研究[J]. 華東交通大學學報， 2018， 35（1）： 55-62.

YU Yingxia， ZENG Zhihuan， LONG Dan. Study on truckdrives' fault based on fault tree analysis [J]. J East ChinaJiaotong Univ， 2018， 35（1）： 55-62. （in Chinese）

[4] DONG Guoliang， JIA Hong， DONG Xuan， et al. Analysisof influencing factors in traffic accidents of road passengertransport vehicles [J]. IOP Conf Seri： Earth Envir Sci，2020， 587（1）： 012011.

[5] 呂通通， 張湛， 陸林軍， 等. 基于互信息貝葉斯網(wǎng)絡的交通事故嚴重程度分析[J]. 交通信息與安全， 2021， 39（6）：36-43.

LV Tongtong， ZHANG Zhan， LU Linjun， et al. An analysisof traffic accident severity based on mutual-informationBayesian network [J]. J Transport Info Safe， 2021， 39（6）：36-43. （in Chinese）

[6] Oleg B， Larysa K， Serhii C， et al. Methodology forassessing the risk of incidents during passenger roadtransportation using the functional resonance analysismethod [J]. Heliyon， 2022， 8（11）： e11814.

[7] 程國柱， 剛杰， 程瑞， 等. 公路貨運通道路側事故多發(fā)路段判別與線形設計[J]. 哈爾濱工業(yè)大學學報， 2022，54（3）： 131-138.

CHENG Guozhu， GANG Jie， CHENG Rui， et al.Identification of roadside accident blackspot and geometricdesign of dedicated freight corridor on highways [J]. JHarbin Instit Tech， 2022， 54（3）： 131-138. （in Chinese）

[8] 呼軍艷. 人因視角的重特大道路客運事故致因研究[D].蘭州： 蘭州大學， 2023.

HU Junyan. Research on contributory factors of majorroad passenger vehicle accidents from the perspective ofhuman factors [J]. Lanzhou： Lanzhou University. 2023. （inChinese）

[9] 安澤， 劉大鵬. 基于“2-4”模型的安全文化元素改進及實證應用[J]. 礦業(yè)安全與環(huán)保， 2017， 44（5）： 111-115.

AN Ze， LIU Dapeng. Improvement and application ofsafety culture element based on “2-4” Model [J]. MiniSafe Envir Prot， 2017， 44（5）： 111-115. （in Chinese）

[10] 傅貴， 陳奕燃， 許素睿， 等. 事故致因“2-4”模型的內涵解析及第6 版的研究[J]. 中國安全科學學報， 2022，32（1）： 12-19.

FU Gui， CHEN Yiran， XU Surui， et al. Detailedexplanations of 24 Model and development of its 6thversion [J]. China Safe Sci J， 2022， 32（1）： 12-19. （inChinese）

[11] FU Gui， ZHAO Ziqi， HAO Chuanbo， et al. The accidentpath of coal mine gas explosion based on 24model： acase study of the ruizhiyuan gas explosion accident [J].Processes， 2019， 7（2）： 73-73.

[12] FANG Ming， ZHANG Yi， ZHU Mengjue， et al. Causemechanism of metro collapse accident based on riskcoupling [J]. Int’l J Envir Res Publ Heal， 2022， 19（4）：2102-2102.

[13] LI Jing， QIN Yaru， WANG Zhen， et al. How to analysethe injury based on 24Model： A case study of coal minegas explosion injury [J]. Inju Prev： J Int’l Soc Child AdolInju Prev， 2021， 27（6）： 542-553.

[14] 郭海軍， 唐寒露， 王凱， 等. 基于24Model 的高校危化品實驗室事故分析及對策[J]. 中國安全科學學報， 2022，32（11）： 168-174.

GUO Haijun， TANG Hanlu， WANG Kai， et al. Accidentanalysis and countermeasures of university hazardouschemical laboratory based on 24Model [J]. Chin Safe Sci J，2022， 32（11）： 168-174. （in Chinese）

[15] LYU Qian， FU Gui， WANG Yuxin， et al. Cause analysisframework from a safety capability perspective：Application to Tianjiayi hazardous chemical explosionaccident [J]. Proc Safe Prog， 2023， 42（3）： 567-577.

[16] JIANG Wei， LI Yun， ZHOU Jiankai， et al. Comparativestudy of the hazardous chemical transportation accidentanalyses using the CREAM model and the 24Model [J].Sustainability， 2021， 13（22）： 12923.

[17] 中華人民共和國應急管理部. 交通事故調查報告[R/OL].安全管理網(wǎng). [2022-11-16]. https：//www.safehoo.com/.

Ministry of Emergency Mnagement of the People’sRepublic of China. Traffic Accident InvestigationReport[R/OL]. Security Management Network. [2022-11-16]. https：//www.safehoo.com/. （in Chinese）

[18] 張?zhí)K， 劉曉露， 聶曉琴， 等. 電力人身傷亡事故致因網(wǎng)絡的構建與分析 [J/OL]. 安全與環(huán)境學報， 1-8. [2024-04-06]. https：//doi.org/10.13637/j.issn.1009-6094.2023.1328.

ZHANG Su， LIU Xiaolu， NIE Xiaoqin， et al. Constructionand analysis of the causal network of electric powerpersonal injury and death accidents[J/OL]. J SafetyEnvir， 1-8. [2024-04-06]. https：//doi.org/10.13637/j.issn.1009-6094.2023.1328. （in Chinese）

[19] 孫祖航. 建筑施工事故原因分析及事故預警研究[D]. 長春： 吉林建筑大學， 2023.

SUN Zuhang. Analysis of the causes of constructionaccidents and research on accident early warning[D].Changchun： Jilin Jianzhu University， 2023. （in Chinese）

[20] FU Gui， XIE Xuecai， JIA Qingsong， et al. Thedevelopment history of accident causation models inthe past 100 years： 24Model， a more modern accidentcausation model [J]. Proc Safe Envir Prot， 2020， 134：47-82.

[21] 張?zhí)K， 王雅先， 王金貴. 基于“2-4”模型的高校實驗室安全文化建設水平模糊綜合評價 [J]. 實驗技術與管理，2021， 38（7）： 291-296.

ZHANG Su， WANG Yaxian， WANG Jingui. Fuzzycomprehensive evaluation of university laboratory safetyculture construction level based on “2-4” model [J]. ExpeTech Manag， 2021， 38（7）： 291-296. （in Chinese）

[22] FU Gui， CAO Jialin， ZHOU Lin， et al. Comparative studyof HFACS and the 24Model accident causation models [J].Petro Sci， 2017， 14（3）： 570-578.

[23] 魯征， 傅貴， 薛忠智. 天津港“8·12”危險品倉庫火災爆炸事故行為原因研究[J]. 災害學， 2017， 32（1）： 205-211.

LU Zheng， FU Gui， XUE Zhongzhi. Research onbehavioral causes of a fire and explosion accident of 8 · 12in Tianjin port [J]. J Catastroph， 2017， 32（1）： 205-211. （inChinese）

[24] 關城， 嚴玉瓊， 張?zhí)K. 基于24Model 的電力企業(yè)傷亡事故行為原因研究[J]. 安全與環(huán)境學報， 2023， 23（8）：2788-2793.

GUAN Cheng， YAN Yuqiong， ZHANG Su. Studyon Causes of Casualty Accidents in Electric PowerEnterprises Based on 24Model [J]. J Safe Envir， 2023，23（8）： 2788-2793. （in Chinese）

[25] FU Gui， ZHOU Lin， WANG Jianhao， et al. Analysis ofan explosion accident at Dangyang power plant in Hubei，China： Causes and lessons learned [J]. Safe Sci， 2018， 102：134-143.

[26] 傅貴， 吳瓊， 李亞， 等. 不安全動作與不安全物態(tài)的判定方法探討[J]. 安全與環(huán)境學報， 2017， 17（3）： 994-998.

FU Gui， WU Qiong， LI Ya， et al. Discussion on thedetermination method of unsafe action and unsafe state[J].J Safe Envir， 2017， 17（3）： 994-998. （in Chinese）

[27] 周琳， 傅貴， 劉希揚. 基于行為安全理論的化工事故統(tǒng)計及分析[J]. 中國安全生產科學技術， 2016， 12（1）： 148-153.

ZHOU Lin， FU Gui， LIU Xiyang. Statistics and analysisof chemical accidents based on behavioral safety theory[J]. Sci Tech Safe Prod China， 2016， 12（1）： 148-153. （inChinese）