承灾体视角下的装配式建筑脆弱性评估研究

姜东民，张 哲，何栋良，孟 玮

(青岛理工大学 管理工程学院，山东 青岛 266525)

1 前言

近些年来，国家开始鼓励并扶持建筑工业化的发展，由传统的“粗放式”的建造模式向“精细化”的建造方式转型，装配式建筑凭借施工速度快、绿色环保等优点得到国家大力推广，而装配式建筑的安全问题制约着装配式建筑的发展，为了更好地推广装配式建筑，大量学者对装配式建筑安全管理进行深入探讨。冯亚娟等联合应用熵权法和集对分析法，构建基于 EW-SPA 的装配式建筑施工安全评价模型，并用于实证研究[1]；王志强等针对装配式建筑特点，联合FTA-SPA-灰色聚类模型对装配式建筑进行了安全评价[2]；陈伟等分析引发装配式建筑施工安全事故的因素及其相互作用机制后构建 SD-MOP 模型，分析应对事故的安全投入关键要素并构建及评价其资源投入优化配置方案[3]；其他学者也将属性数学[4]、可拓学理论[5]应用到装配式建筑安全评价中。

本文在承灾体的视角下，对装配式建筑开展脆弱性评估研究，针对脆弱等级较高的承灾体提出相应的建议与措施，达到预防安全事故的目的，促进社会和谐发展。

2 承灾体视角下装配式建筑脆弱性评估指标体系构建

2.1 Apriori算法

Apriori算法算法是由Agrawal和R.Srikant 于1993年针对购物篮分析问题提出的，是一种布尔型算法。该算法的核心思想是对目标事务库进行扫描，对每个项的出现次数计数，收集大于等于最小支持度的项，即频繁项集，当不能产生更高阶频繁项集时停止，然后挖掘大于等于最小置信度的关联规则，从而实现挖掘数据之间隐藏的关联关系的目的。利用Apriori算法挖掘关联规则分为四个步骤，由于篇幅有限，详细步骤参考文献[6]。

2.2 装配式建筑安全事故类型及承灾体分析

结合装配式建筑特点和国家安全生产通报，整理出发生频率较高几种安全事故有：①高空坠落。装配式建筑施工需要进行大量的高空作业，工人在复杂多变的环境中长时间作业会导致疲劳、走神或身体不适，稍不注意就会导致高空坠落。②物体打击。在预制构件吊装、拼接的过程中，任何零星部件、建筑材料等坠落下来，对施工人员、机械设备等都会产生较大的伤害。③机械伤害，机械设备的使用需要专门的人员操作，操作不当或操作人员专业水平不足都会导致机械伤害事故。④起重伤害。预制构件的形状不规则且质量、体积和起吊难度较大，在吊装前起重机械设备选择不当、吊装过程中点位固定不牢、人为操作失误以及吊点设置不合理等问题都有可能导致预制构件在起吊过程中脱落。⑤坍塌事故。构件在生产、运输、堆放的各个环节中都有可能发生坍塌，严重威胁附近的施工人员的人身安全。

根据对上述5种发生频率较高且造成影响严重的装配式建筑安全事故的分析与总结后，汇总各类安全事故的承灾体得到表1，根据表1可得，人员、机械设备和建筑物本身是装配式建筑安全事故的主要承灾体。

2.3 构建装配式建筑脆弱性评估指标体系

建立科学合理、全面客观的评估指标体系是进行准确评估工作的第一步。遵循客观性、独立性和全面性的原则，在CNKI进行高级检索，选择主题或关键词为“装配式建筑”“风险评价研究”“安全评价研究”等进行检索，搜集相关文献研究，选取近4年相关度较高的40篇文献，对文献中的指标进行数据清理、数据集成等操作后，得到如表2所示的初始指标库。

表1 安全事故承灾体

表2 初始指标

本文采用Apriori算法挖掘频繁项集是为了筛选初始脆弱性因素清单中相对重要的指标，使得指标体系更加科学，因此只进行挖掘频繁1项集的工作。经过征询相关专家建议之后，本文设置最小支持度为0.25，最小置信度为0.8。在本研究中，频繁1项集表示在初始数据库中出现次数较多且相对重要的评价指标，support表示此频繁1项集的支持度。将频繁1项集作为初次筛选后保留的指标，如表3所示。

由于是在承灾体的视角下进行脆弱性评估研究，采用Apriori算法第一次筛选脆弱性指标后，仍存在若干与本研究关联不大的指标，采用专家调查法可以有效地剔除此类指标，进行二次指标的筛选修订。经过专家讨论后，一致认为A38、A11、A15、A32、A13、A14六项指标与本文研究视角不吻合,将这些指标予以剔除，然后对指标进行重新编号后，构建出如表4的评估指标体系。

表3 频繁1项集列表

表4 承灾体视角下的装配式建筑脆弱性评估指标体系

3 装配式建筑承灾体脆弱性评估模型构建

3.1 指标权重的确定

3.1.1 权重方法的选择

装配式建筑脆弱性指标包含人为的主观因素和实际情况的客观因素，开展装配式建筑脆弱性评估研究应同时考虑主观因素和客观因素，通过参考相关脆弱性评估研究成果，为了能更准确、科学的确定指标权重，本文采用组合赋权法分别计算各指标的主、客观权重，然后利用数学公式计算组合得到各指标综合权重，并在装配式建筑脆弱性评估进行应用。

3.1.2 AHP确定主观权重

AHP的基本原理是将复杂的问题分解成多个层次，按照因素间的相互关系及上下层关系，将因素按不同层次分类组合，建立一个多层次分析结构模型，最终把复杂问题转化为最低层相对重要程度的权值的问题。利用AHP解决问题的计算步骤参考相关文献[7]，在此不再赘述。

3.1.3 熵值法确定客观权重

熵是描述对象系统混乱程度的一种度量，一个对象的信息熵值越小，其信息量就越大，评价对象的权重相应的也就更大。熵值法的计算步骤如下：

Step1：设待评价项目数为m，评价指标数为n，构造如下的判断矩阵：

Step2：对数据进行标准化处理，其标准化公式为

(1)

Step3：计算第j个指标熵值，设ej为第j个指标的熵值，其计算公式为

(2)

(3)

式中yij为第j个指标在第i个系统中的特征比重。

Step4：计算第j项指标权重，其计算公式为

(4)

3.1.4 确定综合权重

(5)

3.2 云模型

李德毅于1995年提出了云模型理论，其定义如下：设U是一个用精确数值表示的定量论域，C是U上的定性概念，若定量值x∈U，且是定性概念C的一次随机实现x，x对C的确定度μ(x)∈[0,1]是有稳定倾向的随机数μ:U→[0,1],x∈U,x∈μ(x)，则在论域U上的分布成为云，每一个称为一个云滴[8]。

3.2.1 云模型的数字特征

云用期望Ex、熵En、超熵He三个数字特征来表现云模型的整体特性。期望Ex是论域的中心值，也是云滴在定性语言概念中确定度最大、最典型的点。熵En是对定性概念不确定性的度量，反映了模糊性和随机性。超熵He是熵的熵，用来表示熵的不确定性，即云滴的离散程度。

3.2.2 云发生器

云发生器即云生成算法。在云模型中，通过云发生器来实现定性概念与定量数据之间的转化[9]。正向云发生器是从定性到定量的转化模型，利用云的3个数字特征生成云滴，具体过程如图1所示。逆向云发生器是从定量到定向的转化模型，根据已有云滴计算出3个数字特征，具体过程如图2所示。将正向云发生器和逆向云发生器相结合，可以实现定向与定量之间的任意转化。

图1 正向云发生器

图2 逆向云发生器

4 基于云模型的装配式建筑脆弱性评估

4.1 确定脆弱性评估指标集

根据本文研究视角，建立了如表4所示的装配式建筑承灾体脆弱性评估指标体系，其中包括人员、机械设备、建筑物本身3个一级指标和16个二级指标。

4.2 评语云模型化

结合GB/T 27921—2011《风险管理 风险评估技术》风险等级划分方法和建筑领域相关专家的建议，本文将装配式建筑脆弱性评价指标的评语集划分为三个等级，脆弱性系数在[0,0.33]内为“不脆弱”等级、脆弱性系数在[0.34,0.67]内为“不太脆弱”等级、脆弱性系数在[0.68,1]内为“脆弱”等级，被划分的三个脆弱性等级均有对应的评语数值区间，都有左右两个临界值，形如V[Cmin，Cmax]，属于双边约束，且该区间对应的标准云的数字特征为(Ex，En，He)，其计算公式如式6。

(6)

式中：Cmax、Cmin分别为某等级标准的最大和最小边界；k为常数，可以根据变量本身的不确定程度进行调整，k的取值不宜过大，参考专家的意见，本文中k取0.01，根据公式6可计算出评价标准的云模型参数为：不脆弱(0.165，0.055，0.01)、不太脆弱(0.5，0.053，0.01)、脆弱(0.835，0.055，0.01)。

4.3 计算指标评估云和综合云

采用专家打分法邀请专家对各指标进行判断打分，可以得到指标评价矩阵Z，有m个专家，n个评价指标，其中Zij表示第i个专家对第j个指标的评价结果，i=1，2，…，m；j=1，2，…，n。指标评价矩阵表示如下

对矩阵Z处理后，根据公式8、公式7分别计算得到二级指标评估云和综合云，将综合云与标准评估云对比，进而确定其整体脆弱性等级。

(8)

5 实际案例应用

5.1 工程概况

青岛市某装配式建筑项目A地块，位于青岛市黄岛区，总建筑面积156316.61m2，于2018年8月开工，计划2021年10月完工。本工程1#、2#、3#商品住宅楼为装配整体式剪力墙结构，四层及四层以上采用装配式剪力墙结构，预制构件主要有复合保温外墙板、内墙板、楼梯，单品预制率为54.15%。

5.2 计算指标权重

借助MATLAB求解可得各指标权重，一、二级指标权重如表5所示。

5.3 计算评估指标云

邀请10位从事装配式建筑领域的相关专家和部分参建项目各方的管理人员对各指标进行判断打分，打分区间为[0，1]，打分精度为0.05，打分情况如表6所示。根据公式7计算各二级指标云模型数字特征，根据公式8计算得到各一级指标特征和综合云数字特征，具体数据如表7、表8所示，根据各指标的数字特征借助MTALAB生成云图，如图3所示。

表5 各级指标权重

表6 专家打分情况表

表7 二级指标的云模型数字特征

表8 一级指标云模型数字特征

根据图3可得，该项目整体脆弱性处于“不太脆弱”和“脆弱”两级之间，属于“不太脆弱”等级，说明该项目安全状况较好，与实际情况基本吻合。各一级指标中人员脆弱性最高，应提高工人的安全意识，对进入施工现场的作业人员进行充分的安全教育培训工作，要不定期和定期地组织施工人员学习相关安全知识和安全标准常识。针对不同教育层次的人群采取不同的安全培训，从班组层次抓好基础工作，提高施工人员的安全素养，从而降低人员脆弱性。

图3 综合云与标准云对比云图

6 结语

本文在承灾体的视角下，对装配式建筑安全事故进行承灾体分析，采用文献分析法和Apriori算法构建脆弱性评价指标体系，结合组合赋权法和云模型构建脆弱性评估模型，对装配式建筑脆弱性评价研究工作，并应用于实际案例，评估结果显示该项目处于不太脆弱等级，与实际情况符合，为装配式建筑安全管理提供了新思路。研究表明，该模型具有可行性及科学性。