基于CBR的超高层建筑施工安全事故研究

2020-01-08关贤军周红波

土木工程与管理学报 2019年6期

张兵，詹锐，关贤军，周红波

(1. 扬州大学建筑科学与工程学院，江苏扬州 225127； 2. 同济大学经济与管理学院，上海 200092； 3. 上海建科工程咨询有限公司，上海 200032)

作为国家综合实力的象征和城市繁荣的标志，超高层建筑一直吸引着世人的注意力。特别是在我国，由于社会情结、GDP崇拜和长官意志等，超高层建筑的建设数量和高度都呈现出蓬勃发展态势，全国各地迎来了建设热潮和“高度比拼游戏”[1]。这直接导致了我国在超高层建筑的建设方面一直保持着世界第一[2]，尤其是近年来超高层建筑呈现出“爆发式”增长态势，如我国2018年建成完工的200 m以上超高层建筑达88座，占全球总数的61.5%[3]。

然而，由于建筑体量巨大和施工工艺复杂等，建设超高层项目是一项极具挑战的危险工作。Katzfey[4]发现超高层建筑的施工导致了建筑业的40%死亡事故，William甚至指出建设超高层建筑是一场建筑与自然力量的较量，是和平时期最接近战争的行为。在此情况下，作为最危险的建设任务，在20世纪超高层建筑的建设热潮中每投入100万美元就会发生一起安全死亡事故[5]，纽约职业安全与健康委员会主任Joel甚至指出“这不是个是否会发生的问题，而是什么时候发生安全事故的问题”[6]。

但由于特殊的工作环境，在超高层建筑的施工安全方面的投入就像“靠近院墙的地方种树”，结果来的很慢，不会立竿见影，甚至“自己辛苦栽树，却被他人乘凉”[7]。这直接导致分配给超高层建筑的施工安全投入较为有限，其安全管理的有效性也较低，并且即使发生施工安全事故，相应的事故分析仍仅依靠主观判断或“口头报告”[8]。因此，尽管人们已经认识到有必要对超高层建筑的施工安全事故进行有效分析，但整个研究领域对超高层建筑的各类安全事故的致因规律仍缺乏清晰的认识，如何应用有效方法分析判断超高层建筑施工过程中发生的安全问题并消除相应的潜在危险已成为“行业痛点”和“学术盲点”[9]。

鉴于此，考虑到案例推理(Case-Based Reasoning，CBR)是一种基于人工智能的方法，它通过将新问题的特征与以往案例特征相匹配来解决“弱理论强经验”问题[10]，与此同时，CBR不存在“数据类型鸿沟”，能够有效克服安全管理中的数据不完整和数据结构可变的问题[11]。本研究将以超高层建筑的施工过程中发生的典型安全事故情景为基础，基于CBR来归纳、总结和固化这些施工安全事故案例的普遍适用共性规律，并利用相关知识对案例问题进行“重演”，以助于打开超高层建筑的施工安全问题“黑箱”，并为未来执行类似的任务时能够避免同样事情再次发生提供参考和借鉴[12]。

1 文献回顾及理论模型

超高层建筑的施工过程存在着大量危险[13,14]，针对该问题，学术界对其施工安全事故的特征、致因及其分析方法论进行探讨。在事故特征方面，Goh等[15]指出快速发展的超高层建筑诱发了大量工程事故，并且脚手架坍塌、高空坠落、高空坠物以及机械设备事故是四种主要的事故类型，而李景芳[2]发现我国超高层建筑的施工安全事故主要包括模架临时支撑失稳、起重设备倒塌、施工电梯坠落、施工期火灾、深基坑塌方等。

在事故致因方面，王磊[16]发现由于信息化程度低、体系不够完善、控制过程缺乏动态性以及主观因素影响大等，超高层建筑的施工安全管理情景复杂且多变，进一步地Govindbhai等[9]将这些诱因划分为显著原因和次要原因。与此同时，由于施工安全越来越成为项目管理领域的“显学”，超高层建筑的施工安全问题已受到高度关注，众多研究学者从多个视角对这一复杂问题进行了阐释和剖析，概括起来这些研究主要集中于两个方面：一是针对安全行为和规制，从实施组织层面剖析施工安全；二是针对具体的工程情景或工程属性，识别不安全因素。

在实施组织层面，Hinze等[17]探讨了企业规模、安全等级政策以及项目协调与工人安全经济压力之间的关系，Kwon等[18]发现超高层建筑项目施工建设单位主要是一些大型建筑公司，而财务基础不稳定的小型单位难以承担建设重任。Keng等[19]发现管理因素在决定工人和工作场所的安全与健康方面起着重要的作用，进一步地Hallowell等[8]将这些因素划分为高层管理者的支持、分包商选择与管理、全员参与、工作危害性分析以及安全培训与定期会议等。在工程情景或工程属性方面，Ukessays[13]指出项目结构特征、材料和地质方面的严格检验，以及临时设施的审查等与施工安全问题相关，在此基础上Goh等[15]将这些因素划分为人为因素、环境因素和机械设备因素，进一步地，李亚东等[20]发现临时用电问题、基坑支护、降水工程等分项工程也会成为危险源，而不同发展层次城市的安全监管差异会导致安全管理绩效水平的差别。

在研究方法层面，学术界已经开发了各种安全情景对安全性能影响的评估模型，并且这些模型大部分是通过数学、系统工程、模拟仿真等方法论对施工现场的各个方面进行评价，进而找出危险因子[21]。与此同时，由于CBR能够结合连续和离散仿真模型进行安全风险分析[22]，越来越多的学者将CBR用于安全问题分析，如Goh等[23]提出利用已有安全事故案例库和危险识别文档来更全面有效地识别危险，Pereira等[22]结合CBR预测安全决策对主动降低项目风险的影响，Lu等[24]则利用CBR分析框架对地铁系统中可能发生的安全风险进行评估判断。

综上所述，尽管在超高层建筑的施工安全研究中很难获取较为全面和准确的信息，但现有研究已对其安全事故的特征类型和属性进行了一定剖析，并针对安全事故相关的工程特征和组织特征方面也进行了探讨。特别是事故维度、工程特征和组织特征已构成了当前研究的三个重要维度，但现有文献大多还集中在单一维度的分析，而整合三者进行统一分析的研究较少，这不利于通过逐级细化和层层分解来系统化地反映超高层建筑的施工安全事故的本质特征。与此同时，以CBR为方法论的安全事故案例分析备受学术界的推崇，该分析方法能够通过构建完整的安全事故案例库和案例特征指标体系，并根据这种多维度结构化表示手段来构建安全事故案例的相似度计算模型，从而有效地解决由于问题信息不完整或属性关联而产生的安全分析失真问题，并为在开放的条件下以尽量精简的方式涵盖安全案例的有效信息提供新思路。

2 案例推理过程及研究设计

2.1 研究框架

本研究的案例推理分析包括构建源案例库、选择求解分析方法、结果验证，其中构建完整有效的超高层建筑的施工安全事故源案例库是整个案例推理工作的前提，而求解分析方法选择是整个案例推理的核心。与此同时，鉴于CBR系统中进行的相似度计算值是由三个指标(事故特征、组织特征和工程特征)有机结合在一起的综合评价，根据CBR的4R(Retrieve，Reuse，Revise，Retain)原则，本研究共包含4个基本流程：(1)案例库构建及表征规则设定；(2)案例表征的指标权重计算；(3)案例推理的相似度计算；(4)指标相似度计算等。

2.2 案例库构建及表征规则

由于超高层建筑的施工安全事故信息散落在各种公开的媒体或者网站，并且这些信息的关注点不同，信息描述的详略程度也存在显著性差异。为保证源案例的权威性、典型性和结构完整性，本研究对案例筛选的条件进行了设定：(1)所有案例来源于住房和城乡建设部网站、各大网站和报纸，以及事故调查报告；(2)为保证案例库数据的时效性，所有案例均为2010年以后发生的；(3)利用住房和城乡建设部的工程质量安全监管数据库扩充案例背景知识。基于上述标准，本研究初步筛选出185个案例，然后根据信息完整性剔除不符合要求的45个案例，最终筛选出140个事故案例纳入到后续分析中。

在安全事故表征方面，安全事故通常是由一系列离散的解释变量来定义的，以往研究大多聚焦于诱发事故的关键微观因素[25]，但由于部分相关的微观数据难以获取，以及Trucco等[26]提出对安全事故分析不仅要着重于从微观视角探讨人员违规和机械伤害，还应重点关注相应工程特征、事故特征以及行为主体特征等偏宏观指标[27,28]。为此，本研究将施工安全事故划分为事故特征、项目特征和组织特征三个宏观维度，其中事故特征主要考察事故的危险源、发生阶段、事故类型，以及事故造成的人员伤害，反映了事故自身的基本特征和属性，工程特征主要考察事故项目的工程基本属性，包括建筑高度、建筑用途、所在城市、地质条件等，反映了事故的孕灾环境(包含工程自身特征和外部环境)，而组织特征主要考察发生安全事故的施工组织部门状况，包括资质状况、接受行政处罚、是否为央企以及是否有超高层施工经验等。在此基础上，考虑到超高层建筑的安全事故案例表征是通过一些约定的符号把事故案例知识结构化编码成可以接受的数据结构，本研究将安全事故案例的特征属性描述为多层级结构，具体如表1所示。

表1 超高层建筑施工安全事故表征内容体系

2.3 案例表示的指标权重计算

在指标权重计算方法选择方面，考虑到G1算法无需构造判断矩阵，并能够克服出现逆序等问题，本研究采用G1算法进行权重设定。首先将这些指标变量之间重要程度刻画为5个等级，在此基础上通过专家组10位成员的问卷调查，并根据重要性排序的倒序计算出相应的指标权重系数。表1中的权重系数为各个指标相应的权重分配。

2.4 案例的相似度计算

案例相似度计算是整个CBR系统的核心部分，直接影响案例推理系统的效率和质量，并且不同类型数据的相似度计算方法存在较大差异。鉴于本研究数据指标的表征属性包括连续型数值变量、离散型数值变量和文本变量格式等，为了构造出相应类型的相似度矩阵，根据Vidal等[29]和白居等[30]提出的表征属性相似度计分方法规则，采用离散二级变量计分法、离散三级变量计分法和连续变量插值计分法等三种计算方法进行案例变量的数值分析。表2为13个相似度指标的各个计分类型。

表2 案例相似度计分类型设置

注：a：依据国务院《关于调整城市规模划分标准的通知》；b：参照中国科学院《城市地下空间的开发利用》研究成果

其中对离散二级变量计分方法为当表征属性值相同时，相似度计分为100，不同时相似度计分为0。具体计算如式(1)所示，其中Vatest为目标案例中表征属性a的指标值，Vacase为备选案例中表征属性a指标值，Sa为表征属性a在目标案例与备选案例的相似度的分值。

(1)

对于项目所在城市的离散三级变量，当表征属性的特征值取值相同时，则目标案例与备选案例的相似度分值为100，当目标案例与备选案例在项目所在城市的规模标准相差1个等级时相似度分值为50，否则为0，具体计算如式(2)所示。

(2)

另外对于连续变量插值计分法如式(3)(4)所示，其中DVa为目标案例与备选案例的a指标之间的差值绝对值，Sa为指标a在目标案例与备选案例的相似度。

DVa=|Vatest-Vacase|

(3)

(4)

根据上述三个规则，分别对相应指标的相似度计分后，根据式(5)可获取备选案例与目标案例之间的相似度，其中SWi为相应的指标权重系数值，而CS则为目标案例与案例库中备选案例的相似度值。

(5)

2.5 指标相似度计算

案例的相似度计算反映了案例之间的总体相似度，但由于存在总体相似度结果较为一致而各个特征指标相似度差异较大的情况。本研究在案例相似度计算的基础上，构建了一个以事故特征、组织特征和工程特征为指标集的指标相似度计算方法，这样可以确保案例总体相似度的基础上，对各个指标特征集也进行相似度评估。其具体计算方法如下，利用表1获得的事故特征、组织特征和工程特征的具体指标和权重，对比目标案例与备选案例，并以目标案例为基准，若备选案例与目标案例的某个指标之间的差值越多，表明相似度差别越大，反之亦然，该指标相似度的计算公式如式(6)所示。其中sim(Vatest,Vacase)为安全事故案例中目标案例与备选案例的a指标的相似度，而maxa和mina则分别表示该指标的最大和最小值。在此基础上对每个指标集的指标相似度与权重相乘，获得相应的指标相似度计算结果。

sim(Vatest,Vacase)=1-dist(Vatest,Vacase)

(6)

3 案例分析

在完成上述分析模型构建后，利用CBR模型完成备选案例与目标案例的相似度计算，获得超高层建筑的施工安全事故的相似度计算结果，并在此基础上选择备选案例中的若干案例进行匹配分析，形成相应的输出内容。

3.1 输出案例数量

CBR系统分析需要选出最佳的事故案例作为样本生成问题的解，即需要在计算目标案例与备选案例之间的相似度基础上对备选案例按相似度的大小进行相应的排序，并选出相似度最大的备选案例为目标案例提供分析依据和参考。为了保证分析的准确性，需要对案例相似度设置阈值，鉴于一般的指标计算相似度取值范围为0～1，而本研究设定的范围为0～100，根据白居等[30]设定的规则，本研究的阈值为60，即选取满足相似度大于60的事故案例，具体如式(7)所示。

CS>60

(7)

在此基础上，考虑到南京青奥会议中心坠楼事件具有典型性和代表性，反映了我国超高层建筑的施工安全现场管理现状，本研究选择该案例作为目标案例。按照上文的对应案例表征及指标划分，与所建立的案例库中的案例进行相似度计算，选择案例相似度值高于60的案例，共计41例，具体如图1所示。

图1 南京青奥会议中心坠楼事件案例相似度排序

由图1可知，排名前5的相似超高层建筑的安全事故案例对应的工程项目分别是：杭州高德置业广场、沈阳新世界中心、上海来福士广场、上海大中里广场和上海环球金融中心项目，其中杭州高德置业广场和沈阳新世界中心两个项目的事故案例相似度值均超过85，具有高度相似性，并且这两个事故的项目都是当地的地标项目，所在地也都是同等规模城市，与此同时，二者的安全事故类型和死亡人数均相同，反映了此类超高层建筑的施工过程中发生事故的高度相似性。另外，两起安全事故的施工组织方面有一定的差异，进一步表明超高层建筑的施工安全事故发生机理的复杂性。而后续的其他3个项目尽管在事故特征、工程特征和组织特征等方面存在着较大的差异性，但其相似度值较高，表明尽管表征特征差异性较大，但超高层建筑的施工安全事故存在着规律趋同的现象。

3.2 反向测试对比验证

为了检验CBR系统模型分析结果的准确性，本研究通过反复双向比较验证结果的可靠性，即将广东省深圳证券交易所大厦的安全事故设定为新的目标案例，案例库中的其他案例设定为新的备选案例，重复上述模型的测试过程，得出分析结果。考虑到研究篇幅及可视性，本研究选择相似度度值排名前15的结果，具体如图2所示。其中输出前5的案例分别为：南京青奥会议中心、上海大中里广场、上海中心大厦、沈阳新世界中心和上海环球金融中心等。经过两次测试案例反向对比可知，CBR模型算法得出的结论具有稳定性和相应的准确度，即通过CBR模型得出的目标案例的最为相似的案例库中的备选案例可以作为输出案例，这确保了CBR模型分析的准确性，并有助于后续分析。

图2 案例相似度验证分布

3.3 指标相似度计算结果分析

本部分进行目标案例与部分相似度值较高的备选案例之间的指标相似度对比分析，以便探讨其事故特征、工程特征和组织特征的指标相似度分布差异程度。为了呼应前文研究内容并保持研究体系的一贯性，该部分的目标案例仍选择南京青奥会议中心坠楼事件，备选案例选择案例相似度排名前五的安全事故，即杭州高德置地广场、沈阳新世界中心、上海来福士广场、上海大中里广场以及上海环球金融中心等五个项目发生的安全事故。与此同时，根据式(6)计算结果，再结合各指标的权重系数，计算出相应的事故特征、工程特征和组织特征的指标相似度分布。为了方便进行直观的比较和清晰的表述，对所得结果进行归一化，所得结果如表3所示。

表3 指标相似度计算对比结果 %

由表3可知，在目标案例与备选案例中，事故特征所占的比重较大，表明当前的超高层建筑的施工安全事故更为关注事故本身的相似性和相似程度，这部分在超高层建筑的施工安全事故的相似度计算中所占的比重最大。施工企业是整个超高层建设过程中的主力军，该部分在整个指标相似度方面的差异最大，说明在超高层建筑的施工安全事故方面，由于组织和管理方面的差异造成的安全事故方面差异性较大。这能够有效地解释在我国超高层建筑蓬勃发展的背景下，由于行业需求急剧增大，原先没有经验或者工程管理方面存在问题的企业试水超高层建筑，并导致了部分安全事故。