基于复杂网络理论的杂货码头企业生产安全事故致因分析

宋志雷 陈明义副教授 孟国栋 王景春教授 张雪洁

(1.石家庄铁道大学 大型基础设施性能与安全省部共建协同创新中心，河北 石家庄 050043；2.石家庄铁道大学 安全工程与应急管理学院，河北 石家庄 050043；3.交通运输部天津水运工程科学研究院，天津 300000)

0 引言

随着我国的码头吞吐量逐年增加，码头的运营作业安全日益受到重视。我国交通运输部的码头作业事故调查结果表明[1]，码头作业属于危险性较高的行业，有0.4%的死亡率，事故率小于建筑业和交通运输业但略大于制造业。因此，挖掘杂货码头生产安全事故的致因因素，掌握杂货码头生产安全事故的发生发展规律，对于提高杂货码头运营安全水平具有重要意义。

在杂货码头企业生产安全风险问题研究中，陈玉清[2]根据人的思想和心理活动特征等分析港口生产不安全行为的成因机理；张广进等[3]讨论港口安全管理机制存在的问题，并提出建立港口安全管理长效机制的措施；李春华[4]分析综合性港口装卸、储、运等生产环节的危险有害因素并给出相应的安全对策；孙莉等[5]研究货物性质对港口安全生产的影响规律，并提出危化品港口装卸作业标准化体系建设框架；黄勇等[6]运用系统管理方法分析港口安全管理系统特点并指出存在的安全管理问题；王亚楠等[1]运用帕累托图方法分析某杂货码头企业引发事故的风险数据，并确定关键风险因素。目前学者们多运用定性分析方法讨论港口码头事故的影响因素而缺乏定量研究，且较少分析历史事故的统计特征及其演化规律。

复杂网络理论[7]是以图论研究为基础逐步发展形成的，可用于分析复杂系统内致因因素间的关系、揭示复杂系统的拓扑特征，近年来被引入研究行业产业的安全风险问题。Deng等[8]借助复杂网络理论构建煤矿风险网络，确定煤矿的关键风险控制目标；蔡秋晨等[9]基于复杂网络理论，运用群体视角研究隧道工人群体的活动特性；Zhou等[10]根据事故链理论构建地铁施工事故复杂网络模型，分析影响地铁工程安全施工的关键因素；花玲玲等[11]利用复杂网络理论分析铁路运营事故，获得影响铁路运营事故发生的关键因素；郭文亚等[12]构建具有事故层和致因层的双侧地铁工程建设事故致因网络模型，开展地铁建设安全管理方法研究；岳希坚等[13]提出基于复杂网络理论识别油库重要安全风险因素和安全风险管理的方法，并确定风险因素主次排序。

因此，本文基于某杂货码头企业的事故案例统计，挖掘杂货码头企业生产安全事故的致因因素，分析安全事故发生事件链以及各致因因素的相互关系，构建杂货码头生产安全事故致因网络，并利用Pajek软件计算杂货码头生产安全事故致因网络统计指标，研究杂货码头事故发展规律，为杂货码头运营安全奠定基础。

1 复杂网络理论及指标

杂货码头生产安全事故致因因素以及事故类型可抽象为复杂网络的节点，各致因因素及事故类型间的关系可抽象为复杂网络节点之间的连边，并且可利用统计指标[14]对建立的事故致因网络进行分析。

(1)

(2)

(3)

(4)

(5)

式中：

aij—从节点i指向节点j的边；

aji—从节点j指向节点i的边；

N—网络节点总数；

P(i)—节点度为i的节点的比例。

(2)网络直径和平均路径长度：2个节点间的最短距离为连接2个节点的最短路径上的边数，记为dij。网络的直径D是指网络中任意2点间的最短距离的最大值。平均路径长度L是指网络中可能的节点对沿着最短路径的平均步数。

(6)

(7)

式中：

V—复杂网络中节点的集合。

(3)聚类系数：节点的聚类系数Ci指该节点的邻居节点之间实际所存在的连边数与总的可能的连边数的比值，即节点中随机选择的2个相邻节点相互连接的概率。

(8)

式中：

Ci—节点的聚类系数；

Mi—与节点间真实存在的连边数。

整个网络的聚类系数C为各节点聚类系数的平均值，即

(9)

(4)中介中心性：节点或边的中介中心性指网络中所有节点对之间的最短路径经过该节点或边的数量与所有最短路径数量的比值。

(10)

式中：

g(i,j)—连接节点i和j的最短路径数；

BN(k)—点k的中介中心度。

2 事故致因因素及事件链的确定

2.1 事故统计与分类

针对某杂货码头企业在2018-2020年发生的76起杂货装卸生产安全事故案例进行统计分析，结合《企业职工伤亡事故分类标准》(GB 6441-1986)[15]，并根据该类事故原因及事故后果特点进行分类，该杂货码头企业事故可分为机损事故、起重伤害、货损事故、高处坠落、物体打击、车辆伤害、机械伤害和其他事故，在所有事故中，机损事故的占比最大(27.6%)，其次是起重伤害(25%)，如图1。

图1 事故案例分类统计Fig.1 The classification and statistics of accident cases

2.2 事故致因因素分析

利用人因分类及分析系统(Human Factors Analysis and Classification System，HFACS)[16-17]并结合专家建议，将杂货码头生产安全事故致因因素分为人因层、设备设施层、环境层、管理层4类，共计54个事故致因因素，见表1。

表1 杂货码头生产事故致因因素Tab.1 Accident cause factors of the general cargo terminal

续表

2.3 事故事件链

从人因、设备设施、环境和管理4个方面，通过对76起事故的统计分析，结合表1中的事故致因因素分析事件链节点，识别确定杂货码头企业生产安全事故的事件链，由于个别事故案例的描述不充分，为此并非针对每起事故均建立了对应的事件链，最终共计得到70项事件链，见表2。

表2 杂货码头生产安全事故事件链情况Tab.2 Event chains of work safety accident in the general cargo terminal

3 事故致因网络模型分析

3.1 事故致因网络模型的构建

根据复杂网络理论，将各致因因素视为独立节点，节点之间的有向连线代表各致因因素在事件链中的因果关系，并且将8个事故节点加入网络中，最终构建出杂货码头生产安全事故致因网络模型，共计包括62个节点、213条边。利用Pajek软件建立杂货码头生产安全事故致因网络模型，55-62号节点分别代表8种事故类型，分别为起重伤害、机损事故、物体打击、货损事故、高处坠落、机械伤害、车辆伤害及其他事故，如图2。

图2 杂货码头生产安全事故致因网络Fig.2 The accident cause network of the general cargo terminal

3.2 节点度和度分布

通过Pajek软件，计算获得所有节点的入度、出度和总度，节点总度不小于9的节点(如图3)，网络平均度为4.806，这表明网络中的每一起事故大致均与4-5个致因因素有关。“违章操作”“站位不当”“操作不当”“违章指挥”等因素具有较大的入度，说明有多条路径可以导致这些致因因素发生；“安全意识淡薄”“违章操作”“站位不当”“观察工作环境不到位”具有较大的出度，反映出这些致因因素容易导致其他致因因素出现；“安全意识淡薄”“违章操作”“站位不当”“观察工作环境不到位”总度较大，意味着这些因素对杂货码头生产安全影响显著，应予以重点关注。

图3 节点总度不低于9的节点Fig.3 The nodes with a total node degree greater than 9

杂货码头生产安全事故致因网络累计度分布近似服从幂律分布(如图4)，表现出无标度网络的特点[7]，大部分节点有较小的节点度，少部分节点有较大的度。无标度网络具有鲁棒性和脆弱性的特点[7]。网络遭到随机攻击时，度值小的节点首先被攻击，对网络连通性影响小，表现出鲁棒性；当Hub节点(度值较高的节点)遭到攻击时，对网络连通性影响很大，限制致因因素的传播，表现出脆弱性。因此，在杂货码头安全管理中通过加强对Hub节点的预防和控制，可以有效减少致因因素连锁传播，减少事故发生。

图4 事故致因网络累积度分布Fig.4 The distribution of the cumulative degree of the accident cause network

3.3 网络直径和平均路径长度

杂货码头生产安全事故致因网络的直径为6，平均路径长度为2.554，即网络系统中事故平均通过3步就会发生，反映出该网络中各致因因素联系紧密。换言之，致因因素一旦出现将很快在网络系统中传播并导致事故的发生[8]。因此，杂货码头企业需要加强生产安全管理，防控事故致因因素的出现。

3.4 聚类系数

聚类系数不低于0.2的节点，如图5。顶点的聚类系数范围为0～1，“机械安全距离不够”“安全教育不到位”“未设置警示标志”“工作环境混乱”“车辆碰撞起吊物”“门机转机过快”“紧急刹车”节点的聚类系数值最大，表明这7个节点与周围节点的联系最紧密。网络的聚类系数为0.149，大于节点集相似的随机网络的聚类系数。该网络聚类系数大、平均路径长度短，表现出小世界网络性质。小世界网络比常规网络的事故传播速度更快[18]，这也使得杂货码头安全管理和事故预防面临着很大挑战。

图5 聚类系数不低于0.2的节点Fig.5 The nodes with a clustering coefficient greater than 0.2

3.5 中介中心性

网络的中介中心度为0.093，节点的中介中心度介于0～0.099，不低于0.01的节点，如图6。3、4、16、20、23、24等25个节点的中心中介度为0，意味着这些节点与其他节点对交互中作用可忽略。“站位不当”“违章操作”“安全意识淡薄”“观察工作环境不到位”4个节点的中介中心度较高，其中“违章操作”最高，对网络的影响也最显著。杂货码头企业应该重点控制中介中心度大的节点，削弱整个网络中致因因素间的连锁反应。

图6 中介中心度不低于0.01的节点Fig.6 The nodes with betweenness centrality greater than 0.01

4 讨论

杂货码头生产安全事故统计指出，“机损事故”和“起重伤害”是杂货码头最为典型的生产安全事故，所占比例超过50%。2类事故的相关致因因素分布，如图7。

这2类典型事故的起始原因中人因层占比都超过75%，并且Hub节点均为人因层的致因因素。在杂货码头的运行生产过程中，装卸货物需要用到大量起重机械、运输机械，交叉作业多，对作业人员的操作技能及安全意识要求很高，因此作业人员的不安全行为是导致事故发生的基本原因，杂货码头运营生产中需要注意提高人员安全意识和安全技能，以控制人因层的致因因素。这2类事故的直接原因中人因层和设备设施层共同占比达到80%以上，并且设备设施层的平均聚类系数最大，表明其中的致因因素更倾向于聚类。杂货码头装卸作业主要是通过操作起重机械等设备来完成，施工作业造成事故的风险也比较大，故为了有效减少事故发生，杂货码头企业还必须定期对现场的起重和运输机械进行检查、维护，淘汰陈旧设备。

5 结论

通过对某杂货码头企业在2018-2020年的76起生产安全事故案例进行统计分析，并结合复杂网络理论开展研究，获得如下主要结论：

(1)统计获得该杂货码头企业的8种安全事故，其中“机损事故”和“起重事故”最为典型；将生产安全事故致因因素划分成人因、设备设施、环境、管理4类，进而运用事件链方法明确各致因因素的联系、建立起70项事件链，并构建包含62个节点、213条边的杂货码头生产安全事故致因网络模型。

(2)杂货码头生产安全事故致因网络表现出无标度网络和小世界网络特性，应对Hub节点加强管理，其中“安全意识淡薄”“违章操作”“站位不当”“观察工作环境不到位”是影响事故发生的关键因素。

(3)人因层和设备设施层的致因因素均在“机损事故”和“起重事故”2类典型事故中起到关键作用，杂货码头企业应加强人员安全教育与技能培训以及机械装备的检查、维护与更新，以提升杂货码头安全水平。