1、文章编号:1009-6094(2023)04-1161-08基于关联规则的塔式起重机事故致因网络模型研究*陈伟1，王利莹1，杨劼2，周捍东2，杨道合2(1 武汉理工大学土木工程与建筑学院，武汉 430070;2 武汉市建设工程安全监督站，武汉 430015)摘要:为揭示塔式起重机事故致因机理，由事故调查报告提炼关键要素，运用关联规则方法挖掘致因因素间耦合关系并提取其强关联规则;基于复杂网络理论，构建塔式起重机事故致因网络模型，通过模块度、平均路径长度、节点度及中介中心度分析网络拓扑特性，识别关键节点及其交互机理。结果表明，塔式起重机事故网络具有较明显社团结构，人因和管理层因素与事故连接紧密，存
2、在违规/违章操作、相关专业资质不足及未有效落实安全制度等问题，需对关键节点采取针对性干预控制措施，及时切断风险传播链路，减少事故发生。关键词:安全社会工程;关联规则;复杂网络;塔式起重机;事故致因;风险耦合中图分类号:X947文献标志码:ADOI:10.13637/j issn 1009-6094.2021.2075*收稿日期:2021 11 22作者简介:陈伟，教授，博士，从事土木工程建造与管理研究，。基金项目:武汉市城乡建设局科技计划项目(201935)0引言塔式起重机因自身结构特性和高空作业属性，尤其在高强度使用中，倒塌、折臂等安全事故频发，造成人员伤害和重大经济损失。因此，研究塔式起重
3、机事故致因因素和形成机理，以提出相应措施改善起重作业的安全形势，进而避免事故的发生，具有重要意义。已有的研究成果多从塔吊事故统计1 2、风险要素分析3 5、吊装安全评价6 7 等方面着手，进行塔式起重机安全事故风险研究。然而安全事故并不是由独立因素引发，而是多种风险交互耦合作用的结果，传统的事故分析本质是将多个不安全因素进行线性组合，而对系统结构的复杂交互性、非线性关联性方面关注不足，难以有效分析复杂事故成因机制。考虑到复杂网络(Complex Network，CN)理论可弥补该不足并对系统间错综繁杂的因素关系、耦合效应及作用机制等实现网络化描述。周红波等8 于2020 年首次将复杂网络思想重
4、点应用于塔吊安全这一复杂系统关系中进行关键因素特征和耦合分析，但对于要素关联性探究尚有缺乏。张伟等9 从事故角度出发，加强塔吊安全致因因素与风险传播链路研究。随着信息技术的发展，Zhou 等10 进一步建立关联规则挖掘(Association ule Mining，AM)方法与复杂网络结合的模型，挖掘地铁深基坑有关数据深层所隐含的关联关系及耦合机理等信息作为复杂网络建立的关键依据，且后续在铁路领域同样取得有效性验证11，这些成果可为将其引入塔式起重机安全事故致因研究提供借鉴。鉴于此，本文在构建塔式起重机事故报告集的基础上，将关联规则与复杂网络结合，研究事故中相互作用的各因素关联关系，揭示事故网
5、络模型的几何特征、作用机理和演变规律，进而为采取针对性措施保障塔机安全作业提供决策支持。1塔式起重机事故关键要素分析1.1关键要素识别通过国家及各省市住房和城乡建设部、国家安全生产监督总局等官方网站收集全国近 10 年间具有较清晰调查报告的塔式起重机及相关事故 436起，对事故后果、直接原因及间接原因依次分析提炼12。例如，某塔式起重机倒塌事故直接原因表现为:作业过程存在严重超载现象、塔吊力矩限位器失效、塔身第六标准节下部西南位主弦杆角钢大幅横向断裂。其间接原因在于:存在违规操作、未按要求维护保养设备、相关人员未有效落实安全检查制度等现象。进而参考文献 1 9，将塔式起重机主要事故分为倾覆/倒
6、塌(T1)、结构损伤(T2)、交叉碰撞(T3)、高处坠落(T4)及挤压打击(T5)5 类，将施工现场塔吊事故致因因素按人的不安全行为、物的不安全状态、不当管理、不利环境分为人、物、管、环 4类13，各关键要素具体见表 1。1.2要素关系类型分析塔式起重机事故关键要素间关系类型可分为一对一型、一对多型及多对一型 3 类，见图 1。1)一对一型:要素间因果关系单一对应，因特种设备作业面临复杂多样的因素，现实情况下极少存在绝对的一对一型，也表明塔吊事故致因的耦合关联性，因而重点关注后两种关系类型。2)一对多型:某一要素引起多种结果，如未按要求维护保养设备可能会造成液压顶升系统失灵、安全保护装置故障等
7、多种现象。3)多对一型:多种要素共同造成某一结果，如操作人1611第 23 卷第 4 期2023 年 4 月安全 与 环 境 学 报Journal of Safety and EnvironmentVol 23No 4Apr，2023表 1塔式起重机事故关键要素Table 1Key elements of tower crane accidents人的因素物的因素管理因素环境因素违规/违章操作 A13，8 9 工作状态疲劳 A25 6 身心状况不佳 A34 5，8 9 相应专业资质不足 A44，6，8 工作经验欠缺 A53，5，9 缺少有效沟通 A65 未按要求佩戴防护用具 A74，8 操作执
8、行失误 A87，9 安全意识淡薄 A94 6，8 塔臂/塔身损伤 B15，8 液压顶升系统失灵 B25 附墙装置损伤/破坏 B35 螺栓连接故障 B43，5 焊缝断裂破坏 B56，8 9 销轴连接故障 B63 5 安全保护装置故障 B74 5，8 钢丝绳损伤/断裂 B83，5 吊具磨损老化 B95 智能安全系统缺乏/故障 B105 吊物捆绑不牢固 B115，9 吊点重心不当 B123，9 吊运重量超载 B133，5 6 吊运过程碰撞 B143，6 7 未有效落实安全制度 C14 5，8 9 未按要求维护保养设备 C24 5 技术交底工作不足 C34，8 未按专项方案实施 C44，8 安全教育培
9、训不足 C54，8 人员相关资质审查不足 C65 现场人员配备不合理 C76 管理人员责任落实不到位 C84 5，8 安全隐患排查/整改不到位 C95 6 安全防护用品配备不当 C103 4，8 现场安全监控不到位 C114 5 大风天气 D13 雨雪天气 D23 极寒极热天气 D33 作业时能见度低 D43 4，8 吊运盲区大 D53，5 设备所在场地不平整 D65 未设置有效拆卸警戒区 D74 6，8 现场人员滞留/混乱 D85 现场材料杂乱堆积 D95 6 图 1不同要素关系类型Fig 1Different types of element relationships员操作执行失误、与信
10、号工间缺少有效沟通共同导致吊运过程发生碰撞。根据事故调查报告及相关文献分析，在塔式起重机事故中存在大量一对多型和多对一型要素关系，表明事故要素耦合性和致因复杂性。因此，可通过进一步探究要素间具体联系，研究塔式起重机事故致因过程及机理。2塔式起重机事故致因模型构建2.1关联规则方法分析关联规则方法即通过数据挖掘技术探索大量数据中所含项集间强有力的相关关系，反映某一事务与其他事务隐藏着一定的依赖或关联性14。利用关联规则挖掘中针对布尔型数据的 Apriori 算法对塔式起重机事故报告集所包含的致因因素进行大量处理与挖掘，为后续事故致因网络模型的构建提供可靠支撑。常以支持度、置信度和提升度 3 个指
11、标衡量所生成事故致因关联规则的有效性和可信性，相关定义如下。1)项集:假定 I=i1，i2，in为所有塔式起重机事故类型及致因因素的集合，每个 ik代表一个要素，其中若干个要素的集合 P 称为项集 P。关联规则即为项集间逻辑蕴含关系，形如 AB，其中 A属于 P，B 属于 P，且 A B#，A、B 分别称为先导和后继事件。2)支持度(Support):事故致因规则中项集 A 和项集 B 同时出现的频率，用以描述该关联规则发生的频繁程度，即S(AB)=P(A B)(1)3)置信度(Confidence):事故致因规则中项集 A出现的情况下，项集 B 也同时出现的条件概率，用以描述该关联规则的可靠
12、程度，即C(AB)=(A B)(A)=P(B|A)(2)4)提升度(Lift):事故致因规则中项集 A 已存在的条件下，项集 B 同时发生的概率，与 B 总体发生概率的比值，用以描述规则中前后要素的相关程度，即L(AB)=P(B|A)P(B)(3)2611Vol 23No4安全 与 环 境 学 报第 23 卷第 4 期其中，满足最小支持度和最小置信度的规则称为强关联规则，此时若 L 1，表明该规则中前项对后项的出现有正向作用;若 L=1 则两项集无相关性;若 L 1 则项集 A 对 B 的发生有抑制作用。2.2复杂网络方法分析复杂网络源于图论和统计学知识，是通过将复杂系统中各元素间相关关系网络
13、可视化并揭示其客观规律的重要工具 15。通常将塔式起重机事故这一复杂系统内的要素抽象为网络节点，以要素间因果关系作为边，以此构成塔式起重机安全事故复杂网络模型，通过分析网络拓扑特性及其统计特征，实现对大量事故信息的高效处理和规律总结。主要分析指标如下。1)模块度(modularity):用以衡量事故致因网络中社团划分优劣，即Q=Ss=1(es 2s)(4)式中Q 越大表示网络社团结构越明显，越利于控制事故风险链路;es表示社团 s 中边权重和与总网络中边权重和的比值;s表示与社团 s 中节点相连的所有边的权重和与总网络中边权重和的比值。2)平均路径长度(average path length)
14、:指事故致因网络中任意两节点间沿最短路径经过的边数量的平均值，用以描述节点间分离程度，即D=1n(n 1)i jdi，j(5)式中D 越小表示触发塔式起重机安全风险所需平均步数越短;n 表示网络中节点数;di，j表示节点 i、j间最短路径。3)节点度(degree):指与某一节点相连的边的数目，用以表征该节点的重要程度，即Ki=Kini+Kouti(6)式中K 越大表示该节点越重要;Ki表示节点总度;Kini、Kouti分别表示节点入度、出度。4)中介中心度(betweenness centrality):衡量事故致因网络中单个节点作为媒介传递信息或物质的能力，即Bi=imndimndmn(7
15、)式中B 越大表示该节点在事故网络风险传播中越重要;dmn表示节点 m、n 间最短路径;dimn表示节点m、n 间经过节点 i 的最短路径。2.3事故致因网络模型构建塔式起重机事故致因网络模型构建过程及原理见图 2，具体步骤如下:1)分析并预处理所收集事故调查报告中致因因素，基于关联规则算法需求将事故信息处理成布尔型数据加以挖掘，获取大量数据中所隐含的频繁项集、强关联规则及提升度等关联特征，实现因素耦合关联性分析;2)依次合理选定频繁项集为复杂网络中节点，强关联规则为网络的边，相应规则的提升度为边的权重，实现对事故致因关联性及复杂程度的可视化表达;3)对模型的网络拓扑结构及统计特征定量分析，实
16、现模型与事故发生机制的精确映射;4)依据模型分析结果，关注关键节点及其关联关系、事故成因机理，由果至因指导事故的预防，实现减少事故发生的目的。3塔式起重机事故致因模型分析图 3基于不同支持度和置信度的关联规则数量Fig 3Number of association rules based on differentvalues of support and confidence3.1致因因素关联性分析关联规则生成数目与参数阈值设定密切相关，阈值太低会导致生成规则过多而无法有效筛选，阈值太高则会导致生成规则过少即部分重要信息被过滤。针对所收集的数据，统计分析在不同参数阈值下运用数据挖掘产生的关联规则数量，见图 3。最图 2事故致因网络模型Fig 2Accident cause network model36112023 年 4 月陈伟，等:基于关联规则的塔式起重机事故致因网络模型研究Apr，2023终设定最小支持度为 0.03，最小置信度为 0.4，最小提升度为1，经数据挖掘生成522 组强关联规则用以进行事故致因因素关联性分析，其中 72.1%的关联规则的置信度高于 0.6，68.4%的
