铁路桥隧工程技术接口质量影响因素研究

2023-01-18鲍学英文圆圆胡所亭班新林许见超

重庆交通大学学报(自然科学版) 2022年12期

鲍学英，文圆圆，胡所亭，班新林，许见超

(1. 兰州交通大学土木工程学院，甘肃兰州 730070； 2. 中国铁道科学研究院集团有限公司铁道建筑研究所，北京 100081；3. 高速铁路轨道技术国家重点实验室，北京 100081)

0 引言

艰险山区地形地势复杂，地质灾害频发，气候极端恶劣，铁路工程桥隧占比高，桥梁与隧道间技术接口众多且复杂，涉及面广，使得桥隧工程技术接口实现过程中面临许多困难[1]。技术接口作为铁路工程建造的薄弱环节，对工程工期、成本，特别是工程质量有着重大影响。因此，对铁路桥隧工程技术接口质量关键影响因素研究分析极其重要。

目前，国内外学者对接口质量做了大量研究，A.M.Al-HAMMAD[2]主要针对各参与方之间的接口问题进行研究，得出项目各参与方之间若协调不当，会严重影响项目的质量；王小明等[3]结合武广铁路项目，阐述了施工中站后预留接口常出现的质量问题；钟永发等[4]通过铁路工程四电接口工程施工中出现的主要问题，从基本思想、施工管理、技术标准等方面，分析了其形成原因，并提出了相对应的质量管理措施；孙登攀等[5]从高铁施工实际出发，对于铁路四电系统集成工程中常出现的接口质量问题，进行了总结分析，制定了相应的解决措施，保证施工质量。现有研究大多数只是阐述了接口问题对质量有直接影响，提出要重视工程的质量问题，且多为经验性总结，缺乏对质量影响因素的深入分析，特别是对艰险山区铁路桥隧工程的技术接口质量影响因素的研究分析鲜有涉及。

笔者基于相关文献分析和质量管理理论，结合艰险山区铁路桥隧工程项目自身特点，识别桥隧工程技术接口质量影响因素，运用结构方程模型和贝叶斯网络相结合的方法，对技术接口质量影响因素进行模拟分析和诊断推理，确定影响技术接口质量的关键影响因素，有效预防技术接口质量问题的发生，进而提高技术接口质量的管理水平。

1 技术接口质量影响因素分析

根据桥隧工程的施工特点，并参考相关文献[6]及国家铁路局等企业颁布的规范，识别出桥隧连接、桥台与洞身连接、边坡的衔接、不均匀沉降、锚碇的锚固、防水排水、电缆槽的过渡等技术接口。

针对上述识别的桥隧工程技术接口，其质量影响因素涉及多方面，这些影响因素在特定环境条件下作用于技术接口，造成了技术接口实施的障碍，进而直接或间接影响技术接口质量。

影响铁路桥隧工程技术接口质量的内外因素很多，但总结起来主要有5个方面，即人员、材料、设备、方法、环境，简称4M1E。其中人员的影响因素指参建人员对技术接口质量造成的影响，主要包括人员的素质状况，管理决策是否正确，作业技能是否熟练等；材料的影响因素是指施工材料对技术接口质量造成的影响，主要包括材料性能是否符合要求，价格是否合理，验收是否符合标准等；设备的影响因素是指技术接口施工过程中所需的设备对技术接口质量造成的影响，主要包括施工设备的类型是否符合施工特点，性能是否先进稳定等；方法的影响因素指设计图纸、施工方法等对技术接口质量造成的影响，主要包括施工过程中图纸是否合理，施工是否规范，操作是否正确等；环境的影响因素主要指自然、社会、空间和管理环境对接口质量造成的影响[7]。

以人员、材料、设备、方法、环境这5个方面作为外生潜变量，以技术接口质量作为内生潜变量。但上述潜变量不能直接进行计算评估，故拟定23个针对潜变量组成元素或突出属性相关因素作为观测变量进行分析。桥隧工程技术接口质量变量划分见表1。

表1 桥隧工程技术接口质量变量划分Table 1 Division of technical interface quality variables of bridge and tunnel engineering

2 理论基础

对于质量影响因素的分析，结构方程模型 (structural equations model，SEM)有着较优秀的实证表明能力，多进行了潜变量分析，但也具有一定缺陷：①SEM的预测能力存在一定限制，且缺乏诊断能力，进而对管理决策的支持也非常有限；②SEM多为模拟变量的线性关系，对于非线性关系，外生变量对内生变量变化的解释能力很弱，导致证实和预测都不准确。

贝叶斯网络正好可以填补SEM的不足之处，特别是对变量之间关系的预测、诊断以及非线性关系的处理。因此，采用结构方程模型与贝叶斯网络结合的方法，将铁路桥隧工程的技术接口质量影响因素间的相互关系以及因素在整个体系中的作用程度具体描述，识别出关键的影响因素。

SEM主要是基于调查数据通过外生变量预测内生变量，或表明外生变量与内生变量之间的因果关系。SEM通常包含多个量模型和一个结构模型，首先确定潜变量与观测变量之间，以及潜变量自身之间的作用机理，即构建潜变量间的结构模型和潜变量与观测变量间的测量模型[8]。测量模型一般形式如式(1)、式(2)，结构模型一般形式如式(3)：

x=Λxξ+δ

(1)

y=Λyη+ε

(2)

η=Bη+Γξ+ζ

(3)

式中：x为外生潜变量ξ的观测变量；y为内生潜变量η的观测变量；Λx为x与ξ间的系数矩阵；Λy为y与η间的系数矩阵；δ为外生观测变量x的测量误差矩阵；ε为内生观测变量y的测量误差矩阵；B为η之间的结构关系矩阵；Γ为ξ对η的影响矩阵，ζ为潜变量误差矩阵。

贝叶斯网络(Bayesian network，BN)主要是侧重于对先验信息的获取、挖掘与处理，从而形成先验概率分布，并由此增强了数据推理的正确性。BN将数据结果以条件概率的方式代入模型，并结合先验信息数据与后测信息数据，加以推理、诊断。

设变量集为X′={x1,x2,…,xn}，BN主要包含两个部分，一部分是网络结构S，另一部分则是变量概率分布P；一般S表示为一个有向无环图，包括节点和有向边(由父节点指向其后代子节点)，节点代表变量xi，而有向边代表节点之间的依赖关系；如果节点xi有父节点，设节点xi的父节点为pa(xi)，其条件概率为P(xi|pa(xi))，将其表示为子节点和其父节点的关联关系；如果节点xi没有父节点，其条件概率可以用其先验概率P(xi|Φ)=P(xi)表示；当父节点的先验概率和子节点的条件概率分布同时存在时，则所有节点的联合概率分布计算为[9]：

(4)

3 假设与方案设计

3.1 研究假设提出

质量能够衡量铁路桥隧工程技术接口管理目标的实现程度﹐通过影响因素与质量之间的作用关系研究、探寻铁路桥隧工程技术接口质量影响因素的内部机理。铁路桥隧工程技术接口质量的关键因素有哪些，因素间是如何作用的，以及作用结果对质量有什么影响？这些都是需要回答的问题。由此提出一个描述人员、材料、设备、方法、环境因素与技术接口质量关系的研究假设，如图1。

图1 技术接口质量假设模型Fig. 1 Hypothesized model of technical interface quality

假设H1：人员、材料、设备、方法、环境对技术接口质量有直接影响。

假设H2：人员对材料、设备、方法有直接影响。

假设H3：设备对材料有直接影响。

假设H4：方法对材料、设备有直接影响关系。

假设H5：环境对人员、材料、设备、方法有直接影响关系。

3.2 研究方案设计

通过问卷设计来验证铁路桥隧工程技术接口质量影响因素与质量关系的研究假设。结合铁路桥隧工程的特点，确定铁路桥隧工程技术接口质量影响因素人员、材料、设备、方法、环境及质量的相关测量指标，并采用5级李克特量表打分：1为没有影响；2为有较小影响；3为有中等影响；4为有较大影响；5为有强烈影响。

4 实证研究

4.1 案例背景

以拉林段铁路为研究对象，因该地区为艰险山区，使得桥隧工程的技术接口施工难度增加，也为其质量管理增加了许多困难。因此，有必要对该桥隧工程技术接口质量的影响因素进行分析，有助于提高该桥隧工程技术接口质量管理水平。

4.2 数据采集

选用电子问卷，问卷调查对象为艰险山区桥隧工程技术接口施工的一线员工、技术人员、工程管理人员等。调查问卷共325份，收回307份。其中，有效问卷300份，有效问卷回收率83.33%，满足调查样本需求。

4.3 问卷信度与效度检验

采用克朗巴哈系数(Cronbach’s α)进行信度检验，克朗巴哈系数的值一般情况下位于0和1之间。当系数不超过0.6时，其内部一致的信度不足；当达到0.7～0.8时，其量表具有相当的信度；当达到0.8～0.9时，则说明其量表的信度非常好[10]。

利用SPSS软件得出量表中各因子的信度值(表2)。由表2可知，总量表为0.964，潜变量人员、材料、设备、方法和环境与技术接口质量克朗巴哈系数分别为0.884，0.880，0.801，0.849，0.885和0.812，均符合“大于0.8”的信度检验标准。综上，问卷调查采集数据具有较高信度水平，可用于SEM分析。

表2 调查问卷的信度分析Table 2 Reliability analysis of questionnaire

采用探索性因子分析(exploratory factor analysis，EFA)实行效度检验，测度项与因子关联关系及指标体系相符合，未出现测度项混合、因子负荷低等情况。效度检验包含内容效度与建构效度，该调查问卷是在国内外研究基础上，并参考许多专家意见，经过多次修改得出的，使得问卷的内容效度较高，符合建构效度的分析。在其之前需对问卷进行KMO(kaiser-meyer-olkin)度量值和Bartlett球形检验(bartlett’s test)，利用SPSS软件进行检验(表3)，KMO值为0.911，大于标准KMO值0.7；显著性为0.000，小于0.001。根据KMO检验标准可知，该问卷数据存在相关性，通过了建构效度检验，可用于SEM分析。

表3 调查问卷因子分析检验Table 3 Factor analysis test of questionnaire

4.4 结构方程模型拟合分析

模型拟合度检验是SEM评价的核心内容。采用AMOS24软件，将符合信度效度检验的问卷调查数据输入桥隧工程技术接口质量影响因素模型，并采用极大似然法拟合。经过多次修正模型，使修正模型的各项指标均符合普遍接受标准[11]，见表4。由此说明，修正后的模型结构更合理，可以更好反映出各项数据间的内在关系。修正后模型如图2，图中“箭头”表示各潜变量之间及潜变量对观测变量的路径，“数字”为各潜变量之间及潜变量对观测变量的标准化估计。

图2 技术接口质量影响因素修正模型Fig. 2 Correction model of influencing factors of technical interface quality

表4 模型拟合结果Table 4 Model fitting results

由AMOS24软件的输出结果可得出潜变量人员、材料、设备、方法、环境、桥隧工程技术接口质量之间，以及对观测变量影响因素之间的非标准化估计、标准化估计、标准误差、T值和显著性水平，见表5。由表5可知，潜变量人员、材料、设备、方法、环境、桥隧工程技术接口质量之间，以及对观测变量影响因素之间的路径的标准化估计均为正且显著(显著性水平<0.05)。

表5 结构方程模型的路径系数Table 5 Path coefficients of structural equation model

4.5 贝叶斯网络模型的构建

由4.4节分析可知，构建的SEM模型是合理的，可知潜变量可以被观测变量测量，其效果是良好的，对于潜变量之间、潜变量与观测变量之间的关系也是真实可信的。在此基础上，确定出相应的贝叶斯网络模型拓扑网络结构。贝叶斯网络模型中潜变量的父节点可由SEM模型中的测量模型来确定，潜变量之间、潜变量与观测变量之间存在的关系可由SEM模型中结构模型来确定[12]。贝叶斯网络模型如图3。

图3 贝叶斯模型拓扑网络结构Fig. 3 Bayesian model topology network structure

4.6 贝叶斯网络参数学习

采用GeNIe2.0软件建立贝叶斯网络，将外生潜变量和观测变量的区间划分为5个区间，即R1(没有影响)、R2(较小影响)、R3(中等影响)、R4(较大影响) 、R5(强烈影响)；内生潜变量作为目标变量，区间可划分为3个，以此表征技术接口质量的优良、合格和不合格3个预测结果。在选择参数学习方法时，考虑到所构建BN模型中有潜在变量的存在，采用EM算法(expectation-maximization algorithm)来自动计算条件概率表CPT(conditional probability table)的值。因EM算法主要用于解决数据集丢失的问题，符合要求[13]。BN模型学习结果如图4。

图4 技术接口质量影响因素贝叶斯网络模型Fig. 4 Bayesian network model of influencing factors of technical interface quality

4.7 贝叶斯网络诊断推理

贝叶斯网络不仅可以进行正向的学习，也可进行逆向推理。即贝叶斯网络诊断，主要用来分析“结果”所导致的“原因”，通过子节点的学习结果判定父节点的诊断结果。例如，假定技术接口质量为优良，即贝叶斯网络中将技术接口质量“good”的概率设定为1.00，运用贝叶斯诊断可反推出其他节点的后验概率，结果如图5。

图5 技术接口质量影响因素后验概率推理结果Fig. 5 A posteriori probability reasoning results of influencing factors of technical interface quality

4.8 结果分析

结合SEM的标准化路径系数结果分析，可知贝叶斯网络诊断推理的结果与其基本一致，数据分析结果显示：人员、材料、设备、方法和环境会直接影响桥隧工程技术接口质量绩效，H1假设成立；人员对材料、设备和方法有直接影响，H2假设成立；设备对材料有直接影响，H3假设成立；方法对材料和技术有直接影响，H4假设成立；环境对人员、材料、设备和方法都有直接影响，H5假设成立。其中，人员对设备和材料的影响作用大于方法；方法对设备的影响作用大于材料；环境对方法和设备的影响作用大于人员和材料。

也可得知：人员、材料和环境对技术接口的质量绩效影响较大。在人员因子中，直接从事接口施工的相关人员的技术和素质以及协调性影响作用大于其间接管理人员和维修人员；在材料因子中，接口施工材料的质量性能、相关质量验收标准的完善程度和材料储存条件影响作用大于材料的运输条件和价格；在环境因子中，接口施工的自然环境、空间环境和相关质量管理制度影响作用大于接口施工的社会环境。表明贝叶斯模型变量间的因果关系是真实可信的，也再次证明研究合理且可靠，可为为以后的质量管理决策提供理论基础。