基于IFQFD的海底隧道施工风险因素排序

荀晓霖，袁永博

(大连理工大学 建设管理系，辽宁 大连 116024)

随着人们对交通便捷性要求越来越高，各国日益重视海底隧道的建设。世界已建成的著名海底隧道有日本青函隧道、英吉利海峡隧道、连接欧亚大陆的马尔马拉海底隧道、挪威海底隧道等[1]。我国虽然在海底隧道建设起步较晚，但发展迅速，从2010年建成内陆第一条海底隧道——厦门翔安海底隧道后，青岛胶州湾海底隧道、港珠澳大桥海底隧道等陆续建成通车，汕头海湾隧道、大连湾海底隧道等多条海底隧道正在施工中，琼州海底隧道、渤海隧道等正在规划。建设经验表明，海底隧道建设项目复杂的地质条件、特有的施工方法等，导致施工阶段风险尤为突出[2]。这需要对风险因素进行排序，以提高海底隧道风险管理水平。

传统的风险排序多采用专家打分法、层次分析法、熵权法、模糊数学法、灰色理论等[3～5]。柳皎等[6]基于安全系统工程理论对大跨度浅埋深隧道施工风险进行了分析；张永刚等[7]运用信心指数法和层次分析法，对渤海湾海底隧道施工期间的风险进行了估计与评价，给出了该海底隧道施工期的风险等级；赵金先等[8]运用AHP-SPA(Analytic Hierarchy Process,Set Pair Analysis)法对地铁建设项目风险进行了评价。由于这些方法没有考虑风险因素之间的交互影响，易导致排序结果出现偏差。近年来，越来越多的学者将风险间的交互影响纳入风险排序过程中[9]，杜修力等[10]考虑风险因素之间的影响提出基于网络分析法的地下工程风险识别和排序方法，汪涛等[11]采用贝叶斯网络建立风险因素之间的交互影响模型，评估了建筑施工安全风险概率水平。

综上所述，相关专家学者在对大型工程项目施工风险管理研究时考虑了风险因素信息的模糊性，也开始考虑风险因素之间存在的交互影响。但是，没有同时考虑风险的模糊性、风险因素交互影响度。因此，本研究将改进的QFD(Quality Function Deployment)方法应用在海底隧道施工风险因素排序中，建立海底隧道施工风险质量屋，提出基于直觉模糊质量功能展开(Intuitionstic Fuzzy Quality Function Deployment，IFQFD)的风险排序模型。该模型运用符合客观情况的直觉模糊集理论，集成海底隧道施工各阶段事故风险权重、施工各阶段风险因素重要度以及风险因素之间关联度，使海底隧道施工风险因素排序更加合理。

1 直觉模糊集

Atanassov[12]于1986年提出的直觉模糊集理论，是对Zadeh(1965)模糊集合的拓展，直觉模糊集将模糊子集由隶属函数刻画拓展为由隶属函数、非隶属函数和犹豫度函数表示，提供了对客观事物不确定信息更贴合的描述方法。

定义1：设E是一个固定集，有A={〈x,μA(x),νA(x)〉|x∈E}，那么称A为一个直觉模糊集(Intuitionistic Fuzzy Set，IFS)，其中任意x的隶属度函数为μA(x)，非隶属度函数为νA(x)，且满足0≤μA(x)+νA(x)≤1。犹豫度函数定义为：πA(x)=1-μA(x)-νA(x)。若A已确定，则对于每个x∈E，其对应的直觉模糊数都可简记为x=(μx,vx)。

定义2：设ai(i=1,2,…,n)为直觉模糊数，直觉模糊幂平均(Intuitive Fuzzy Power Averaging，IFPA)算子计算如公式为：

(1)

(2)

定义3：设a和b是确定直觉模糊集A中的两个直觉模糊数，其中a=(μa,va)，b=(μb,vb)，两直觉模糊数运算法则为：

(1)a⊕b=(μa+μb-μaμb,vavb)；

(2)a⊗b=(μaμb,va+vb-vavb)；

定义4 ：对于任一直觉模糊数a=(μa,va)，可通过得分函数s对其进行评估[13]。得分函数按式(3)计算。

s(a)=μa-va

(3)

在对多个直觉模糊数进行排序时，得分越高，排序越靠前。

2 IFQFD方法的优势与不足

IFQFD风险排序方法优势与不足主要有以下几个方面：

(1)QFD方法能够实现产品和功能分解的有机结合，已经在产品设计，供应商选择，风险管理等多个领域得到了广泛应用。海底隧道地质条件复杂，施工难度大，导致施工过程中风险因素多且风险间存在关系和关联，将QFD方法引入解决了施工各阶段事故风险、风险间关联和关系的合成问题。

(2)专家在对权重及关联程度进行评价时，难免会因为主观意识的差异影响到风险因素的排序结果。直觉模糊集是模糊集的拓展，它既能刻画海底隧道施工风险因素的模糊性，又能通过隶属度和非隶属度对专家评价的自然语言进行定量化处理，可以有效解决评价中风险信息的模糊性问题。

(3)QFD方法和直觉模糊集结合而成的IFQFD模型，综合了两种方法的优点。在对多名专家评价信息进行集结时，利用IFPA算子可以降低多名专家之间由于知识背景不同带来的个体之间的主观差异。

(4)IFQFD风险排序方法和AHP、模糊数等常用排序方法比较，IFQFD方法同时考虑了风险因素的模糊性、风险因素间交互影响，更加符合实际情况。不足之处是计算较复杂，可操作性稍逊。

3 基于IFQFD的风险因素排序模型

基于IFQFD的海底隧道施工风险因素排序过程可以分为以下几个主要步骤：

(1)明确研究范围，对海底隧道施工阶段进行划分，识别风险因素，建立施工风险质量屋；

(2)邀请专家分别对施工各阶段事故风险权重进行自然语言评价，使用IFAHP法计算权重；

(3)确定施工各阶段和风险因素的关系矩阵，量化风险因素关联矩阵；

(4)求出各风险因素的权重，对风险因素进行排序。

3.1 建立施工风险质量屋

海底隧道施工过程中风险因素的产生和施工各阶段的作业活动有着密不可分的联系[14]，进行海底隧道风险分析时需要考虑两者之间的关系，符合运用质量屋和QFD方法解决问题的思路。

将海底隧道施工各阶段作为左墙，施工各阶段事故风险权重作为右墙，风险因素作为天花板，施工各阶段和风险因素关系矩阵作为房间，风险因素之间的关联作为屋顶，风险因素权重作为地板。建立的海底隧道施工风险质量屋如图1所示。

图1 海底隧道施工风险质量屋

3.2 计算施工各阶段事故风险权重

海底隧道施工各阶段不同的作业活动引发风险的概率和损失不同，专家在评价时根据类似工程风险管理经验，对施工各阶段事故风险进行重要度衡量，运用直觉模糊层次分析法(IFAHP)计算权重。

3.2.1 构造直觉模糊判断矩阵

表1 自然语言和直觉模糊数转换

3.2.2 一致性检验和修正

专家对多个因素两两比较给出的评价结果，往往存在偏差，不能得到一致的结论。根据徐泽水[15]提出的方法，以专家k为例，一致性检验和修正步骤为：

若仍不满足要求，则继续调整σ，直到调整后矩阵满足一致性检验为止。

3.2.3 施工各阶段事故风险权重计算

(4)

运用式(1)(2)中IFPA算子对n名专家的评价结果进行集结，得到m个施工各阶段事故风险直觉模糊权重矩阵wc=(w1,w2,…,wi,…,wm)。

3.3 确定风险关联矩阵和关系矩阵

表2 自然语言和直觉模糊数转换

同理，可以得到施工各阶段和风险因素之间的关系矩阵WC=(cip)m×t。

3.4 风险因素排序

确定施工各阶段和风险因素关系矩阵以及风险因素关联矩阵后，可以通过公式(5)计算得到风险因素的权重矩阵wR=(w1,w2,…,wp,…,wt)，其中wp=(μp,vp)。

wR=wCWCWR

(5)

利用式(3)将直觉模糊数转化为确定数，进行风险因素的排序。

4 实例分析

以大连地铁5号线海底隧道工程为例展开实证研究。该隧道火车站—梭鱼湾南站区间下穿大连钻石湾海域，采用盾构法进行施工，具有长距离掘进、高水压带压进仓作业等施工特点。隧道穿越的海域水深4～9 m，地质条件复杂。在勘察阶段分初勘、详勘和专勘对该海底隧道进行了详细的工程地质和水文地质勘察，地勘资料显示隧道主要穿过中风化白云质灰岩、溶蚀地层、中风化钙质板岩、中风化板岩等，且穿越岩溶中等—强烈发育区。由于溶洞的存在会对隧道施工造成严重威胁，因此对溶洞位置、规模及填充性质进行了专勘，并根据专勘结果对溶洞进行注浆加固等针对性预处理，以降低施工中工程和水文地质引起的风险。

邀请4名具有丰富海底隧道盾构施工经验的专家对权重及关联度进行自然语言评价，运用IFQFD模型进行施工过程中风险因素排序。

4.1 构建直觉模糊质量屋

通过查阅相关规范、文献[16～18]，将该盾构法海底隧道施工阶段划分为6个，分别为施工前准备阶段，盾构始发掘进阶段，盾构掘进阶段，管片拼装阶段，注浆阶段和盾构到达接受阶段。

运用WBS-RBS(Work Breakdown Structures and Risk Breakdown Structure)法[19]进行风险识别，得到6个施工阶段，共33个风险因素，如表3所示。

表3 施工阶段及风险因素

由表3中的施工阶段和风险因素指标，构建成的海底隧道施工风险质量屋如图2所示。

图2 盾构法海底隧道施工风险质量屋模型

4.2 运用IFAHP法确定施工各阶段事故风险权重

由4名专家分别给出施工6个阶段的事故相对风险重要性，结合表1中自然语言和直觉模糊数的转换关系，可以得到评价矩阵E(1)～E(4)。由于篇幅关系，仅给出专家1评价矩阵E(1)和一致性检验及修正过程。

wc=[(0.202,0.786),(0.287,0.713),(0.124,0.874),(0.066,0.933),(0.060,0.937),(0.261,0.737)]

4.3 确定关系矩阵和关联矩阵

由4名专家分别进行施工6个阶段事故风险和33个风险因素之间的关系，以及33个风险因素间的关联性评价。由于篇幅原因，仅给出专家1对施工各阶段事故风险和风险因素之间关系的自然语言评价结果，如表4所示。

表4 施工各阶段事故风险和风险因素关系自然语言评价(专家1)

续表4

结合表2中给出的自然语言和直觉模糊数转换规则，并运用IFPA算子对各专家评价结果进行集结，得到施工各阶段和风险因素关系矩阵WC=(cip)6×33，以及风险因素关联矩阵WR=(rpq)33×33。

4.4 风险因素排序

由式(5)可以求得各风险因素的权重矩阵wR=(wp)1×33。利用式(3)中直觉模糊数得分函数对风险因素进行排序，得到结果如表5所示。

表5 风险因素排序

由表5计算结果可知，本例中排序前五位的风险因素依次为：工人技术不熟练、培训不合格A14；盾构机前方出现不明障碍物A32；后盾系统不稳固A21；洞口土体加固及降水不当A25；反力架安装精度不高A23。这五个风险因素主要存在于海底隧道施工前期，说明施工准备阶段及盾构始发掘进阶段是事故发生的主要阶段，需要进行重点管控。

工人技术不熟练、培训不合格A14得分为0.991，是海底隧道施工期权重最大的风险因素。根据钱七虎等[20]对施工现场发生事故原因调查显示，人是事故发生的主导因素，和本文结果一致。施工单位需要加强对工人岗前培训，培训要理论和实际结合，提高工人安全意识和技术熟练度，盾构机等特殊机械设备操作人员应持证上岗。排序第二位的风险因素是盾构机前方出现不明障碍物A32，得分0.964，需要加强盾构机掘进过程中地质超前勘探和预报，及时发现并处理盾构机前方风险。排序第三位的风险因素是盾构机后盾系统不稳固A21，得分0.950，需要盾构机后盾系统在安装、调试和施工中及时检查并加强管理。

5 结 语

(1)本文针对海底隧道施工风险因素之间存在关联性、其度量存在模糊性等特点，建立了直觉模糊集和质量功能展开相结合，考虑交互影响的海底隧道施工风险因素排序模型，解决了海底隧道施工各阶段事故风险权重、风险因素的关联度，以及风险因素之间交互影响度的集成风险排序问题。

(2)以大连地铁 5 号线工程海底隧道施工项目为例，对构建的模型进行了应用。风险排序结果表明，大连地铁 5 号线工程海底隧道施工准备阶段及盾构始发掘进阶段是事故发生的主要阶段。在施工过程中，对于工人技术不熟练、盾构机前方出现不明障碍物、后盾系统不稳固等风险因素应重点加强风险防控，预防事故的发生。根据相似海底隧道施工工程经验，海底隧道工程地质和水文地质状况及采取处理方法合理性应该是施工中降低和规避风险考虑的主要因素。由于本海底隧道施工工程在勘察阶段对工程地质和水文地质进行了详勘和专勘，系统掌握了相关情况并提前采取了相应处理措施，所以对工程和水文地质掌握及处理不足不是本例中海底隧道施工的主要风险因素。尽管已对复杂地质如岩溶洞采取相应的预处理措施，根据本次风险排序结果，仍需在盾构掘进过程中采取地质超前勘探和预报等方式关注掘进前方风险。

(3)本文通过领域内专家判断海底隧道施工各阶段发生事故重要性和风险因素之间的关联程度建立风险因素关系矩阵。在后续研究中，可以将事故作为施工风险质量屋左墙，在对各风险因素引发事故的概率和可能造成后果进行分析的基础上，建立事故和风险因素之间的关系和关联矩阵，进行风险因素排序。本研究提供了一种新的风险排序方法，应用中由于专家偏好和认知不同，造成专家评价结果和权重的取值具有一定随机性和离散性，导致风险因素的排序也具有离散性，故风险排序结果仅可作为参考。