地铁施工安全事故风险评价

孟 康，李 明 达，周 晶

(大连理工大学 海岸和近海工程国家重点实验室，辽宁 大连 116024)

0 引 言

随着城市的快速发展，传统的地面交通已经无法适应运输需求，人们把治理城市交通拥堵的希望寄托于地下交通。地铁穿越繁华的商业区和人口密集的住宅区，带动经济发展的同时，也给人们出行带来了极大便利，成为治堵利器。但地铁施工往往具有工程量大、施工环境复杂、技术难度高和隐蔽性强等显著特点，地铁施工过程中若发生安全事故，直接威胁施工人员和周边群众的人身安全，造成重大的社会影响。由于地铁施工的复杂性，潜在的安全事故类型也多种多样。为了防范地铁施工安全事故，有效降低事故风险和事后损失，全面了解把握地铁施工安全事故风险而对其进行评价显得尤为必要。

针对地铁施工安全事故，众多学者对其进行了分析和总结。赵萌萌等[1]运用事故树分析了地铁施工中的透水事故，找出了引发透水事故的主要因素。陈吉辉[2]利用层次分析法对地铁车站爆破施工安全事故的影响因素进行了排序。郭隆彪[3]构建了基于模糊综合评价的地铁施工安全风险评价模型，并运用层次分析法求得不同指标的权重。从上述研究中可以看出，常用的工程安全事故评价方法有层次分析法、模糊集理论、事故树分析等，这些方法通常需要依赖专家经验进行赋权。虽然在研究中对研究方法做出了一些改进，但仍无法避免评价主观性对研究结果可信度的不利影响。本文引入主成分分析(Principal Component Analysis，PCA)构建数理模型，打破主观赋权的局限性，对地铁施工安全事故进行客观全面地分析，旨在对各事故类型的风险进行定量排序，期望为地铁施工安全防范工作提供决策参考。

1 研究范围与数据来源

1.1 研究范围

自1965年北京地铁1号线开始建设以来，地铁施工就开始在中国大地上如火如荼地开展起来。截至2020年底，中国共有38个城市开通地铁运营，运营总里程达6 483.032 km。在建地铁线路215条，在建总里程达5 546.15 km[4]。但地铁建设的显著特点致使多年来地铁施工安全事故频发，甚至造成人员伤亡。本文选取2001～2020年全国范围内地铁施工过程中发生的230起安全事故案例，从不同的角度揭示地铁施工事故的潜在发生规律。

1.2 数据来源

文中数据主要来源于住建局网站、安全生产监督管理局网站、中国安全生产网，以及其他公开发表的统计年鉴、论文文献等[5-7]。

2 地铁施工安全事故风险评价体系

基于GB6441-86《企业职工伤亡事故分类标准》，并综合考虑采集得到的地铁施工安全事故案例显示的实际情况，将安全事故类型共分为14类，并分别赋予不同代号，如表1所示。

表1 安全事故类型分类

在研究时间范围内某类型安全事故的发生频次越大，说明该类型安全事故越容易发生，因此选取事故数量为评价指标；某类型安全事故造成的人员死亡(受伤)数量，可以直接反映出该类型安全事故所造成的总体不利影响，因此选取死亡人数和受伤人数为评价指标；死亡人数和受伤人数会受事故数量的影响，无法衡量某类型安全事故的致损率，因此需要引入死亡比率和受伤比率作为地铁施工安全事故风险评价指标，说明某类型安全事故单次发生的致死(伤)情况，死亡(受伤)比率值越高，说明该类型安全事故一旦发生，造成的后果将是越严重越不可挽回的。地铁施工安全事故风险评价体系如表2所列。

表2 地铁施工安全事故风险评价体系

3 主成分分析原理和步骤

运用主成分分析评价地铁施工安全事故风险，可以避免评价指标之间的信息交叉，不仅能降低实际参加综合评价的指标维数，还能最大限度地保留原有指标的信息。特征值贡献率代替主观赋权保证了评价的客观性，可信度较高。

3.1 主成分分析原理

“降维”是主成分分析的主旨思想，将原来众多具有关联性的指标转化为少数综合指标，综合指标即为“主成分”[8]。每个主成分就是原始变量的线性组合，主成分间没有关联性，将原始变量中部分重复信息舍去，并且保留了绝大部分的信息，即对原有指标的降维处理，简化了原本复杂的数据分析过程[9]。

其中，协方差矩阵的最大特征值对应的指标即为第一主成分f1，若f1的特征值贡献率不够高，意味着f1无法足够代表原有信息，需要协方差矩阵的第二大特征值对应的指标作为第二主成分f2，与f1共同代表原有信息。特征值贡献率就是最终地铁施工安全事故风险评价的权重，以此类推。经验表明，当选取主成分的累计贡献率在0.70～0.85之间时，主成分的个数少于样本数量的一半，能够满足保留绝大部分信息，并实现原有指标降维的要求[10]。

3.2 主成分分析步骤

评价过程中，运用主成分分析法的步骤如下：

第1步，搜集原始数据组。取定样本大小n，收集样本原始数据组xij，i=1，2，……，n；j=1，2，3，4，5。

第2步，计算标准化数据组。由于样本原始数据有不同量纲，因此需要按照式(1)进行标准化处理，得到标准化后的数据组zij，i=1，2，…，n；j=1，2，3，4，5。

(1)

其中，

第3步，计算协方差矩阵V。标准化数据组的协方差矩阵V即为原始数据组(x1j，x2j，……，x14j)的相关方阵，按照公式(2)和(3)计算。

V=[vij]i，j=1，2，3，4，5

(2)

其中，

(3)

第4步，求V的特征值与相应特征向量。可以利用MATLAB软件中eig函数对V进行处理[11]，得到V的特征值λj和对应的特征向量Aj，j=1，2，3，4，5。

第5步，确定主成分。对于给定的值α∈[0，1]，求正整数q，使其满足：

其中λ1>λ2>…>λ5，一般要求α在[0.70，0.85]中取值，为了降低评价指标维数，并充分保留原有指标的信息，本文将α取值为0.85。

第6步，写出前q个主成分。按照公式(4)可以列出前q个主成分。

(4)

第7步,确定综合得分。针对各个类型安全事故，按照公式(5)求综合得分F。

(5)

4 案例分析

4.1 数据获取及处理

按照表2的地铁施工安全事故风险评价指标整理230起安全事故案例原始数据，如表3所列。

表3 地铁施工安全事故原始数据

首先判断所选取的指标是否适用于主成分分析，本文选择SPSS 23.0数据分析软件对原始数据进行KMO和Bartlett检验，结果如表4所列。

表4 KMO和Bartlett检验

KMO检验值为0.607，大于0.5，Bartlett球形度检验值为0.000，小于0.05，说明选取指标之间相关性较强，适合继续进行主成分分析。

由于表3中各指标数据有不同的量纲，因此需要按照公式(1)进行标准化处理，处理后的数据见表5。

表5 标准化数据

4.2 特征值与主成分确定

根据公式(2)和公式(3)计算协方差矩阵V。

利用MATLAB软件得到V的特征值和对应的特征向量，并计算各主成分的特征值贡献率和累计贡献率，如表6所列。

表6 V的特征值及各自的贡献率

由表6可知，前2个特征值大于1，并且累计贡献率达到96.14%，满足累计贡献率大于85%的要求，因此选用第1个和第2个特征值就可以综合这5个特征值的信息，即前2个主成分所包含的信息可以刻画评价对象96.14%的内容。前2个主成分对应的特征向量如表7所列。

表7 特征向量

由表7可知，主成分f1对应的特征向量中，C4、C2和C1对应的元素值较大，说明受伤人数、死亡人数和事故数量对第一主成分f1的贡献较大，即第一主成分f1主要反映了这3项指标的信息。主成分f2对应的特征向量中，C3和C5对应的元素值较大，表明死亡比率和受伤比率对第二主成分f2的贡献大，即第二主成分f2主要反映了死亡比率和受伤比率的信息。

4.3 综合得分与排序

由上述分析可知，原有的5个评价指标可以由选取的主成分替代，按照公式(4)计算主成分f1和f2。各种类型安全事故风险评价的综合得分大小决定其风险性的高低，风险性越高意味着其将在地铁施工过程中受到的重视程度越高。特征值贡献率反映每个主成分在地铁施工安全事故风险评价中的作用程度，因此可以选用特征值贡献率作为计算综合得分的权重。根据公式(5)计算出14种类型安全事故的综合得分F和风险排序。F值越大，说明该类型安全事故越需要在施工过程中受到重视，应当首先保障该类型事故的防控手段的到位，力图通过有力手段避免该类型安全事故的发生，或者采取必要防护措施降低该类型事故发生后的人身伤害。各个类型安全事故的综合得分和风险排序情况如表8所列，并且依据综合得分绘制出散点图，如图1所示。

表8 综合得分及风险排序

图1 综合得分Fig.1 Comprehensive score

4.4 评价结果分析

由图1可知，坍塌事故的综合得分明显偏离横轴，说明坍塌事故为高风险类型事故，结合表3中的原始数据，坍塌事故在所有类型安全事故中的事故数量、死亡人数和受伤人数均最高，这解释了坍塌事故的危险性。因此在地铁施工过程中坍塌事故的重视程度应该处于最高级，建议做好前期勘探和设计工作，规范施工人员和机械施工作业，减少坍塌事故的发生。

其次是物体打击。物体打击的事故数量仅次于坍塌事故，风险性也较高，且其死亡比率的排序也处于前列，因此在地铁施工过程中，致力于降低物体打击类型事故发生的同时，也应该加强施工人员的防护措施，降低死亡比率。

值得注意的还有车辆伤害。虽然车辆伤害的综合得分处于14种安全事故类型的中列，风险性处于中等水平，但是其死亡比率高达125.00%，受伤比率高达300.00%，均处于相应指标排序前列，这说明虽然车辆伤害发生频次不高，但是其造成的后果较为恶劣，严重威胁人员的人身安全。

地表沉降、透水事故等综合得分虽然较低，但是并不意味着在施工过程中不存在风险，可以放任不管，现场施工人员也应该加以防范，按照相关规范标准进行严格监视和控制，以避免风险产生累积效应最终酿成大祸。

5 结 论

本文从事故数量、死亡人数、死亡比率、受伤人数和受伤比率5个方面构建了地铁施工安全事故风险评价体系。以2001～2020年全国范围内地铁施工过程中发生的230起安全事故案例为基础数据，将安全事故分成14个类型，并通过主成分分析选取了2个主成分，根据特征值贡献率确定综合得分的权重，计算了14个安全事故类型的综合得分，并对评价结果进行分析。

分析结果表明，主成分分析作为一种多元统计方法，经过矩阵的线性变换，实现用少数主成分代替原有多个指标的信息，由特征值贡献率构建评价模型，计算综合得分并获得各类型安全事故的风险排序情况，既将复杂的数据结构进行降维简化，又能够保留绝大部分的信息，并且能够避免主观赋权的不利影响，使评价结果更为全面客观、科学合理。采用主成分分析有效地评价了地铁施工安全事故风险，评价结果符合实际情况，能够指导地铁施工管理人员对安全事故进行全面清晰的把控，优先考虑风险排序靠前的安全事故的同时，兼顾采取有效措施控制其他类型事故，最大限度地降低安全事故发生，将事后损失降到最低。

主成分分析是一种有效的排序方法，综合得分越高的安全事故，得到的重视程度应该越高，但是综合得分本身并没有明确的物理意义。另外，事故案例的经济损失的搜集和社会影响的定量将使得评价结果更具有说服性，如何解决这些问题值得进一步思考。