基于SHEL-COWA-灰色定权聚类法的智慧工地施工现场安全评价

褚志超 刘 辉 王 丹

（1.吉林建筑大学应急科学与工程学院，吉林 长春 130118；2.吉林省建苑设计集团有限公司，吉林 长春 130021）

0 引言

目前，我国建筑行业正处于转型升级期，数字化技术在建筑施工现场的应用不断深入。智慧工地是由传统建筑工程结合传感器、物联网技术、云计算等智能化技术手段，对施工现场进行安全生产、实时监测和智能管理的新方式，其基本内涵是“智慧”，旨在提高建筑工程施工效率、安全水平、质量控制等各项业务决策和控制能力。作为建筑行业数字化转型的重要组成部分，智慧工地正成为建筑业发展的重要方向和未来之路。

在建筑行业转型和智慧工地建设背景下，首要任务是提高智慧工地安全水平，对智慧工地施工进行安全评价是提升安全管理水平的重要手段。目前，在现有文献研究中，借助信息化技术辅助建筑施工现场管理、监测等方面已成为智慧工地相关课题研究的热点。Nguyen Quoc Toan[1]将4D-BIM模型应用到施工安全管理中，能实时实施安全计划并将其与施工计划联系起来；Smetanková Jan[2]分析了智慧工地实施的程度、智能工具的实施现状以及在建筑生产规划和管理过程中使用智能工具的应用程序；张棣等[3]对智慧工地系统在施工现场安全管理中的应用进行研究；刘宏伟等[4]将BIM技术以及智能穿戴工具运用到建筑工程管理的过程中；李华等[5]运用未确知测度理论对智慧工地本质安全度进行分析与评价。

以上研究都对智慧工地的建设起推动作用，但还需认识到智慧工地的发展对传统建筑模式和相关从业者的影响，对智慧工地施工现场做出分析和安全评价尤为关键。因此，本文根据智慧工地现状及运行情况，运用SHEL模型构建安全评价指标体系，引入COWA—灰色定权聚类评价模型，对智慧工地施工现场做出安全评价。

1 智慧工地施工现场SHEL安全评价指标体系的构建

智慧工地施工现场的安全评价所涉及的要素众多且内容广泛，在筛选要素时要保证科学合理性、全周期性、层次性。实现智慧工地安全运行需要从业人员具备更高水平的资质和数字化技能，需要更注重“人”这一角度在智慧工地施工安全中的影响。1972年Edwards教授提出风险评估SHEL 模型，模型名称由Software（软件）、Hardware（硬件）、Environment（环境）以及Liveware（人件）的首字母组成，形成模型的4个界面：人—软件、人—硬件、人—环境、人—人件[6]。该研究根据《“智慧工地”管理标准》（T∕CECS 651-2019）[7]、各地有关智慧工地安全管理相关规范以及事故致因理论等相关研究，结合SHEL模型构建智慧工地施工现场安全评价指标体系四个界面含义如下：

（1）人员与软件（L-S）界面：利用智慧工地项目中的信息化技术对相关数据信息进行加工处理反馈给相关人员，作业人员对软件提供的信息做出相应反应；

（2）人员与设备（L-H）界面：指运用物联网等技术，作业人员依靠传感器、智能手机、监控探头等终端设备实现对施工现场物料、机械、电子设备等的实时监测、实时采集和实时反馈；

（3）人员与环境（L-E）界面：包括人员与设备、技术之间的适应关系，能迅速发现硬件设备的不安全物态；

（4）人员与人员（L-L）界面：指智慧工地项目中人员与人员之间相互配合关系。

首先根据智慧工地安全管理要素特点，通过收集整理现实案例及检索梳理相关文献[8]，再对多个智慧工地施工现场实地调研后，最终结合SHEL模型对智慧工地施工风险因素进行进一步分析后，构建出4个一级指标下的24个二级细化指标体系，其具体描述如图1所示。

图1 智慧工地施工现场安全评价指标体系

2 基于COWA算子指标权重计算方法

智慧工地施工现场危险因素具有隐蔽性和不确定性等特点，仅依靠专家打分易由主观思想产生较大偏差，难以确保评价结果的客观性和准确性。因此，该研究采用以组合数为加权向量的OWA算子，简称COWA算子，对项目中的数据进行组合数有序加权。这种方法最大程度保证了极端大值和极端小值都被分配到了重要性较低的位置，使智慧工地施工现场安全评价的赋权更准确客观。具体计算步骤如下：

（1）邀请n名高校及企业建筑领域内专家对同级指标相对重要度在0～5分之间赋权，得到各指标权重计算的原始数据集A=（a1,a2,…aj…,an），将原始数据集降序排列并编号可得：B=（b0≥b1≥b2≥…≥bj≥…≥bn－1）。

（2）利用组合数计算数据bj的加权向量：

（3）对bj进行赋权得出指标因素的绝对权重值：

（5）计算各指标因素的相对权重

3 基于灰色定权聚类法的安全评价模型

鉴于智慧工地施工现场评价指标部分信息模糊性且难以量化等特点，可将智慧工地施工现场安全评价视为一个灰色系统，该研究引入灰色定权聚类方法，通过选取合适的白化权函数计算各灰数的白化值，将灰色系统转化为白色系统，进而得出目标的综合评价结果。具体步骤如下：

（1）确定评价等级。结合智慧工地施工现场特点和指标因素对智慧工地施工现场安全影响程度，设定5个等级标准，其测度取值范围分为5个灰类等级，见表1所示。

表1 智慧工地施工现场安全等级划分标准

（2）构造白化权函数。灰色系统理论中将属于某灰类最大程度的点称为该灰类的中心点，由测度区间确定五个灰类中心点向量为U=(9,7,5,3,1)，参考刘思峰等[9]改进的灰色白化权函数特征，构建智慧工地施工现场各灰类所对应的白化权函数。

（3）构建初始评价矩阵。邀请m位智慧工地相关领域专家，结合项目工程实际情况和评判等级标准进行打分，构建初始评价矩阵：

（4）构建灰色聚类权矩阵。Aij属于灰类的聚类系数：，该指标总评价系数：，聚类权向量：，由此构建灰色聚类权矩阵为：

（5）合成综合评价矩阵：Zi=wi×Ri，构建指标评价矩阵

进行综合聚类评价：

由评价向量与测度阈值合并进行单值化处理：W=M×U，从而得出智慧工地施工现场安全评价值。

4 实例分析

为验证该评价模型能否应用于实际施工现场的安全评价工作中，以长春市某智慧工地工程项目为例进行分析。

4.1 基于COWA算子指标赋权计算

以指标体系中一级指标为例，邀请5位高校及企业智慧工地建筑领域专家对指标进行赋权打分。赋分越高表明该专家认为该指标越重要。赋分结果如表2所示。

表2 指标赋权决策汇总表

以指标A1为例具体计算步骤如下：将L-S（人员与软件）界面原始决策数据从大到小排序得到b0=（5.0,4.5,4.0,3.5,2.5）。

已知n=5，由公式（1）得到加权向量：θ1=（0.0625,0.25,0.375,0.25,0.0625），由公式（2）得到绝对权重ϖ1==（0.0625,0.25,0.375,0.25,0.0625）×（5.0,4.5,4.0,3.5,2.5）T=3.96875。

同理可算出A2～A4绝对权重分别为：ϖ2= 4.125，ϖ3=3.65625，ϖ4= 4.34375

根据公式（3）可计算出该项目一级指标相对权重w0=（0.24660，0.25631，0.22718,0.26991）

根据上述步骤，得到该项目二级指标的相对权重：w1=（0.26018,0.18938,0.19823,0.16283,0.18938）

4.2 灰色聚类综合评价

以智慧工地施工现场安全评价体系下的二级指标为例，邀请5位专家结合该项目相关资料进行综合赋值，数值介于在0～10之间且为0.5的整数倍。构造智慧工地施工现场安全评价决策矩阵Di如下：

根据式（5）结合各级指标的相对权重得出灰色聚类权矩阵Ri：

根据式（6）得到Zi，并构造一级指标的综合评价矩阵Z0：

所得灰色聚类评价向量与指标权重合并，可得智慧工地施工现场安全综合评价向量M：M=W0·Z0=［0.35675，0.36283,0.23025,0.04035,0］。将综合评价向量M与测度阀值U=(9,7,5,3,1)合成，得出智慧工地施工现场安全评价值：W=M×U= 7.04386。

对该智慧工地项目施工现场安全评价一级指标单值化处理得出综合评价值分别为：W1= 7.01219，W2=7.34097，W3= 6.68947，W4= 7.08894。

根据以上数据得出该工程各项界面均为较高水平，对一级指标安全评价值按从大到小排序为：W2＞W4＞W1＞W3。根据排序该项目安全水平从大到小依次为：LH界面、L-L界面、L-S界面、L-E界面。其中L-E界面相对其他界面评价值较低，对L-E界面中的因素提出以下建议：结合该项目施工作业现场增设扬尘监测系统，采用自动喷淋处理扬尘；设置噪音检测装置，针对产生噪音较高的位置，设置隔音降噪围挡；合理配置安全管理投入，要符合项目实际情况加强安全氛围建设工作。

5 结束语

根据本文的理论推演和案例工程实践，结论如下：

（1）根据智慧工地背景下建筑工程施工特点，结合SHEL模型，构建了4个界面24个细化评价指标体系。实践中，不同智慧工地项目应根据项目特点对指标体系做出相应调整。

（2）根据构建的SHEL指标体系利用COWA算子进行赋权，使指标赋权更加准确客观。将灰色理论引入智慧工地施工现场安全评价中，构建COWA—灰色定权聚类的智慧工地施工现场安全评价模型，可利用现有信息进行客观评价，提高评价结果的客观性和准确性。

（3）结合案例项目计算其施工现场安全评价值，结果为7.04386，对应安全评价等级为较高水平，与项目实际情况相符。

实践证明，该方法可用于智慧工地施工过程安全评价，可以为相关部门提供可靠的决策依据和理论参考。