基于熵权法-CIM模型的高速公路施工临近房屋安全风险评价

赵挺生， 任玲玲， 周　炜，刘　文

(华中科技大学 土木工程与力学学院，湖北 武汉 430074)

0　引言

高速公路施工不可避免会对临近房屋的安全造成影响。施工过程中产生的振动或由地质灾害与气象灾害导致的高速公路事故会影响周边一定范围内房屋的安全。如位于四川北部山区的达陕高速公路在施工过程中曾发生边坡崩塌落石事故，场地路肩处出现崩塌，对临近建(构)筑物和行车安全造成严重威胁。甘肃平定高速公路在施工过程中，压路机的多次施工振动， 引起临近部分房屋的原有裂缝加宽加长，个别房屋或围墙倒塌[1]。

目前，有不少关于施工对临近建筑安全影响的研究。吴贤国，张立茂等人建立了基于模糊贝叶斯网络的地铁盾构隧道施工环境下邻近建筑物安全风险决策模型，对地铁盾构隧道施工诱发邻近建筑物破坏的可能性进行预测[2]；吴贤国，丁烈云等人基于建筑物与隧道的邻近等级划分、建筑物现状评价、隧道工程条件等，提出了地铁施工邻近建筑物安全风险等级划分方法和标准[3]；于丹丹，双晴建立了基于可变模糊集理论的地铁施工邻近建筑物安全风险排序模型及邻近建筑物安全风险评估模型，对地铁施工引起的临近建筑物的风险进行评价[4]。然而，针对高速公路施工对临近建筑的安全影响的研究较少。鉴于此，本文结合某高速公路施工临近10处房屋，采用基于熵权法和控制区间与记忆模型(Controlled Interval and Memory，CIM模型)的混合安全风险评价方法分析高速公路施工对临近房屋安全的影响。

1　高速公路施工临近房屋安全风险评价指标体系

本文借鉴已有施工对临近建筑安全影响因素分类[5]，考虑高速公路施工的特异性，构建如下安全风险评价指标体系，如图1所示。

图1　高速公路施工临近房屋安全风险评价指标体系Fig.1　Safety risk assessment indexes system for buildings near expressway construction site

房屋因素(B1)：房屋承受高速公路施工导致的外部荷载而不破坏，与房屋自身条件有很大关系，如房屋结构类型(B11)、损伤状况(B12)、使用类型(B13)、地基基础状况(B14)等。

房屋结构(B11)包括土窑洞、土坯房、毛石类房屋结构，砖木结构，砖混结构，砌体结构，框架混凝土结构等[6]。房屋损伤状况(B12) 指房屋在高速公路施工前和施工中的裂缝、沉降等发育情况。房屋的使用类型(B13)不一，对风险的接受程度各有差异。比如公路在临近近现代保护建筑或历史古迹施工时，风险接受程度较为严格。高速公路临近房屋多为农村自建，地基基础形式(B14)多为条形基础或桩基础。从受力性能而言，桩基础房屋抵抗变形性能明显优于条形基础[7]。

施工技术与管理因素(B2)：施工方法(B21)指在高速公路施工阶段采用的各种技术方案，包括施工工序、施工材料、施工机械等。施工方法的合理性是保障高速公路施工及临近房屋安全的重要影响因素。监测机制(B22)主要指高速公路施工管理人员对临近房屋的监控量测方法。监测方法的科学性与可行性对监测临近房屋在高速公路施工阶段的沉降、裂缝等状况，以便施工方及时采取控制措施具有重要作用。

施工管理是一个动态的过程，是人-机-料等元素有机融合的系统工程[8]。其中，现场管理机构(B23)设置的完整性、可执行性以及管理机构人员的社会责任感(B24)都是保障高速公路施工临近房屋安全的重要因素。

高速公路施工红线范围以外一定距离的房屋虽然不是强制拆除的范围，但在公路施工过程中或多或少会受到影响。对于部门完整、执行力强的现场管理机构，应针对施工临近房屋的调查、保护工作设置专门的部门并配备专门的管理人员做好临近房屋的安全监测工作。对于社会责任感较强的施工企业，保障施工沿线房屋与人员安全是必要的，有利于提升公司形象，提高工程的社会效益。

房屋周边环境因素(B3)：环境对临近房屋的变形及破坏具有直接或间接的作用，包括自然环境与施工环境。其中，地质条件(B32)与气候环境条件(B34)是描述自然环境的2个常见因素，公路平面线型(B31)与临近工程距离(B33)是描述施工环境的2个常见因素。

地质条件(B32)与气候环境条件(B34)指高速公路施工及周边房屋所在区域的地质环境与气候环境各项因素的综合，包括岩溶、滑坡、泥石流等和洪水、强风、强暴雨雪、台风等。公路平面线型(B31)与交通安全有直接关系。据调查有10%～20% 的公路交通事故发生在平曲线上，并且在半径愈小的曲线路段上，发生的交通事故愈多，即曲率愈大，事故率愈大[9]。临近工程距离(B33)包括房屋距高速公路工程的水平距离和垂直距离。

2　基于熵权法-CIM模型的混合安全风险评价

熵权法是基于信息熵原理，利用各指标值提供的信息量大小确定指标权重的一种客观赋权法[10]。熵权法的基本思想是系统中的信息量越大，不确定性越小，熵也越小，权重越大，反之权重越小[11]。控制区间与记忆模型(Controlld Interval and Memory，CIM模型)是进行概率分布叠加的有效方法之一。此方法用相同宽度区间的直方图替代了变量的概率分布，用和代替了概率函数的积分，使概率分布的叠加计算得以简化[12]。CIM模型分为“串联响应模型”和“并联响应模型”[13]，它既能处理变量相互独立的情况，又能处理变量相关的问题，是现代风险分析方法中进行风险因素组合、量化评价的一种新技术。

本文提出一种基于熵权法和CIM模型的混合安全风险评价方法，借助主客观指标的指标值确定指标权重，并将指标值转化为分级的安全风险概率，通过安全风险因素的组合计算，最终形成分级式的安全风险评价结果。该方法基于专家群体决策产生的同组指标评价数据，集成了指标权重变权和安全风险因素组合分级评价的优势，体现了安全评价过程中的客观，准确和易操作性。其具体分析步骤如下：

1)设系统有n个待评价对象,每一个对象有m个底层评价指标,在每个评价指标对应的风险等级评价标准与相应取值范围确定的基础上，邀请k个专家对n个对象的各个底层指标评分，将k个专家的评分进行简单平均，构造初始数据矩阵Xij：

(1)

2)计算指标值Xij在指标i下的权重值p(xij)：

(2)

3)计算指标i的熵值ei：

(3)

式中：k>0,ei≥0，若k=1/lnn，则0≤ei≤1。

4)计算指标i的差异性系数gi：

gi=1-ei

(4)

5)指标i的权重系数：

(5)

6)确定评价对象各个底层指标风险等级概率：

依据步骤(1)中的专家评分，统计评分在同一取值范围的专家数量，得出对应同一上层指标的底层指标风险等级概率分布Pid：

(6)

式中：Kd为把风险因素i(指标i)归为同一风险等级d的专家人数，即某一指标评分在同一取值范围的专家数量，K为专家总数[14]。

7)运用CIM并联响应模型，确定评价对象各级指标风险等级概率：

(7)

式中：M1，M2为2个风险因素；si为概率区间的组中值；q为分组数。

在实际计算中，先将2个风险因素的概率曲线相乘, 然后再与第三者相乘，如此下去，确定各级指标风险等级概率。

8)根据各级指标的权重，确定高速公路施工临近房屋安全总风险概率分布。

3　工程实例

3.1　工程概况

某高速公路第二标段和第三标段属长江流域，沿线水系发达，为亚热带半湿润季风性气候。第二标段地质属长江冲击平原，土地平坦开阔。第三标段属垄岗地貌区，土层系人工类填土层、第四系全新统冲湖积层(Q4al+l)、中更新统冲洪积层(Q2al+Pl)、下更新统残积层(Qel)以及侏罗系(J)岩层。施工单位为一级资质企业，相关工程经验丰富。本文选取该高速公路施工临近10处房屋作为指标权重计算对象，房屋编号为1～10号，并选取10号房屋作为评价对象，计算其安全风险概率。经调查，10处房屋均为民房。

3.2　指标权重计算

对于底层定性指标的定量化，本文采用百分制对各指标进行赋值，将各个指标导致临近房屋的安全风险等级描述为风险较低(0，10)、风险低(11，40)、风险适中(41，60)、风险较高(61，80)、风险高(81，100)或风险低(0，33)、风险适中(34，67)、风险高(68，100)。各个指标评价标准如表1所示[2-4,7,15]。

表1　评价指标赋值

通过实地调研，获取资料，10处房屋的具体情况如表2所示。本文邀请了相关领域12位专家对选取的10处房屋依据表1所示评价标准与取值及房屋具体情况进行评分，将评分进行简单平均，构造初始数据矩阵，即Xij。根据初始数据矩阵Xij，按照式(2)计算可得Pij。依照式(3)，式(4)和式(5)的计算方法与程序可得底层指标权重。各个一级指标权重由其包括的底层指标权重叠加所得，如表3所示。

表2　临近房屋相关风险参数

注：表中，Z表示直线路段，Q表示曲线桥梁路段。

表3　指标权重

依表3可得，各个评价指标对临近房屋安全影响程度大小排序为：房屋因素>房屋周边环境因素>施工技术与管理因素。其中，房屋损伤状况、地基基础状况、临近工程距离对房屋安全的影响尤为显著。

房屋与高速公路工程之间的水平距离越小或垂直距离越大，房屋损伤程度越大，地基基础状况越差，对房屋的安全影响就越大，可能加剧房屋沉降，裂缝，导致房屋局部损坏加重或倒塌。

3.3　10号房屋安全风险概率计算

本文采用上述风险评价集{高、较高、适中、低、较低}对10号房屋各风险因素进行评价。10号房屋具体情况如图2所示。

图2　10号房屋Fig.2　The tenth building near expressway construction site

依据权重计算调查问卷和式(6)得出底层风险因素概率分布Pid。各个底层风险因素概率分布如表5所示。依据式(7)计算二级指标风险因素的概率分布。以施工技术与管理因素下的B21与B22为例，进行风险概率叠加，计算过程如表6所示。同理，可以求出其他二级指标风险因素的概率分布，如表7所示。高速公路施工临近房屋安全风险总概率分布如表8所示。

表5　风险因素概率分布

表6　B21与B22风险概率叠加计算

表7　一级指标概率分布

表8　高速公路施工临近房屋安全风险总概率分布

由表8可知，该高速公路临近10号房屋安全风险总体较高，应加强安全监测工作，必要情况下可做拆除处理。

4　结论

1)构建了基于房屋因素，施工技术与管理因素和房屋周边环境因素的高速公路施工临近房屋安全风险评价指标体系。以某高速公路施工临近10处房屋为例，采用基于熵权法-CIM模型的混合安全风险评价方法，首先确定了各层指标权重，明确了对临近房屋安全影响较大的因素。

2)以权重调查数据为基础，确定了10号房屋底层指标的风险等级概率分布，采用CIM并联响应模型逐层计算得出：该高速公路施工临近10号房屋安全风险总体较高，基本符合工程施工中的监测结果，能够为施工企业在施工过程中对临近房屋的安全保护工作提供依据。

3)目前关于高速公路施工临近房屋的安全研究较少，因此对于评价指标的风险等级分类标准与取值范围确定需进行深入调研和咨询，保障其科学性与可行性。

[1]焦振辉.探析高速公路土建工程对周围房屋结构安全影响[J].低碳世界,2014(5):193-194.

JIAO Zhenhui.Analysis on the safety of expressway civil engineering to the surrounding buildings' structure[J].Low-Carbon World, 2014(5):193-194.

[2]张立茂,吴贤国,方伟立,等. 地铁盾构隧道施工对邻近建筑物的安全风险分析方法[J]. 城市轨道交通研究, 2015(8):105-109.

ZHANG Limao,WU Xianguo,FANG Weili,et al.Analysis of safety risk to the adjacent buildings during metro construction [J]. Research on Urban Rail Transit, 2015(8):105-109.

[3]吴贤国,陈晓阳,丁烈云,等. 地铁隧道施工邻近建筑物安全风险等级评价 [J]. 施工技术, 2011,38(40):78-80.

WU Xianguo,CHEN Xiaoyang,DING Lieyun,et.al.Safety risk rank evaluation of adjacent buildings during metro tunneling construction[J].Construction Technology, 2011,38(40):78-80.

[4]于丹丹,双晴. 地铁隧道施工邻近建筑物安全风险评价 [J]. 城市轨道交通研究, 2014(4):32-37.

YU Dandan,SHUANG Qing.Safety risk rank evaluation of adjacent buildings during metro tunneling construction [J]. Research on Urban Rail Transit, 2014(4):32-37.

[5]Limao Zhang,Xianguo Wu, Lieyun Ding. A novel model for risk assessment of adjacent buildings in tunneling environments[J]. Building and Environment, 2013(65):185-194.

[6]王庆,张旻,来朝辉. 多种施工振动对临近建 筑物的影响分析[J]. 山西建筑, 2009(172):51-52.

WANG Qing,ZHANG Min,LAI Zhaohui. Analysis on influence of various construction vibration on adjacent buildings[J]. Shanxi Architecture, 2009(172):51-52.

[7]陈大川, 刘翔, 何蓓, 等. 长沙城际铁路隧道沿线砌体房屋安全风险研究 [J]. 中国安全生产科学技术, 2015(6):87-94.

CHEN Dachuan,LIU Xiang,HE Bei,et.al.Research on safety risk of masonry structure buildings along tunnel of Changsha intercity railway [J]. Journal of Safety Science and Technology, 2015(6):87-94.

[8]张立茂. 不确定条件下地铁盾构诱发建筑物安全风险管理[D]. 武汉: 华中科技大学, 2017.

[9]李自华. 高速公路几何线形设计对交通安全的影响 [J]. 公路交通科技(应用技术版), 2011(11):97-99.

LI Zihua. Influence of expressway geometric linear design on traffic safety [J]. Journal of Highway and Transportation Research and Development (Applied Technology), 2011(11):97-99.

[10]付迪，王生昌. 基于熵值法的汽车动力性能主观评价指标权重确定方法[J]. 公路交通科技, 2015,32(7):154-157.

FU Di,WANG Shengchang.Method of determining weights of subjective evaluation index of automobile dynamic performance based on Entropy Method[J]. Journal of Highway and Transportation Research and Development, 2015,32(7):154-157.

[11]赵新好, 姚安林, 郭磊, 等. 基于AHP-熵权法的输气站场区块风险因素权重确定方法研究 [J]. 中国安全生产科学技术, 2012，8(10):91-96.

ZHAO Xinhao,YAO Anlin,GUO Lei,et al. Study on determination of risk factors weight at process units in gas transmission station based on AHP-Entropy method [J]. Journal of Safety Science and Technology, 2012，8(10):91-96.

[12]CB Chapman,DF Cooper. Risk engineering basic controlled interval and memory models [J]. Journal of the Operational Research Society, 1983,34(1):51-60.

[13]李小浩,宋永发. 地铁工程施工安全风险评价研究[D]. 大连: 大连理工大学, 2010.

[14]张培林,田少波. CIM模型在高速公路投资风险评估中的应用 [J]. 武汉理工大学学报(交通科学与工程版), 2009,33(3):483-484.

ZHANG Peilin,TIAN Shaobo. Application of CIM model in expressway investment risk assessment [J]. Journal of Wuhan University of Technology(Transportation Science& Engineering) ,2009,33(3):483-484.

[15]Limao Zhang M J S. Dynamic risk analysis for adjacent buildings in tunneling environments: a Bayesian network based approach [J]. Stochastic Environmental Research and Risk Assessment, 2015.