王 婉，張向先，諸秉奇，滕佳穎

（1.吉林建筑大學(xué)經(jīng)濟(jì)與管理學(xué)院，長春 130118；2.吉林大學(xué)管理學(xué)院，長春 130022；3.東北電力設(shè)計(jì)院企業(yè)發(fā)展部，長春 130022）

0 引言

為了更好地落實(shí)中共中央、國務(wù)院頒布的《國家新型城鎮(zhèn)化規(guī)劃（2014－2020 年）》［1］戰(zhàn)略部署，適應(yīng)新常態(tài)下經(jīng)濟(jì)發(fā)展的歷史需要，我國正加速推進(jìn)新型城鎮(zhèn)化建設(shè)進(jìn)程。在此過程中，城市地下綜合管廊項(xiàng)目的開發(fā)規(guī)模也呈明顯上升態(tài)勢。綜合管廊項(xiàng)目在運(yùn)維階段因具有參與主體多、管控難度大等特點(diǎn)，運(yùn)維過程涉及較多的潛在風(fēng)險(xiǎn)因素，如何準(zhǔn)確、客觀地評(píng)價(jià)綜合管廊智能運(yùn)維的關(guān)鍵影響因素是城市地下綜合管廊安全運(yùn)維的重要課題。

在綜合管廊的智能運(yùn)維方面，近年來國內(nèi)外學(xué)者進(jìn)行了大量的相關(guān)研究。唐超等［2］構(gòu)建了基于“BIM＋GIS”的技術(shù)理念實(shí)現(xiàn)綜合管廊智能運(yùn)維的平臺(tái)。鄭立寧等［3］綜述了綜合管廊智能化運(yùn)維管理的關(guān)鍵技術(shù)體系與數(shù)據(jù)標(biāo)準(zhǔn)。Zhang 等［4］從環(huán)境視角切入對(duì)城市綜合隧道中進(jìn)行了環(huán)境測量，測定了空氣中細(xì)菌和真菌的暴露水平和大小分布；邱實(shí)等［5］基于耦合度模型（CM）構(gòu)建了綜合管廊施工風(fēng)險(xiǎn)耦合模型，并以耦合度值對(duì)綜合管廊施工安全風(fēng)險(xiǎn)狀態(tài)進(jìn)行定量評(píng)價(jià)；張軍等［6］運(yùn)用BP 神經(jīng)網(wǎng)絡(luò)地下管廊施工質(zhì)量前期預(yù)測模型；劉橋喜等［7］提出了面向多源數(shù)據(jù)集成，基于GIS的管廊隱患聯(lián)動(dòng)處置的安全運(yùn)維平臺(tái)；宋雅璇等［8］提出以BIM 技術(shù)為核心的可視化運(yùn)營管理平臺(tái)；李芊等［9］運(yùn)用DEMATEL 識(shí)別綜合管廊安全運(yùn)維的關(guān)鍵風(fēng)險(xiǎn)要素。近年也有學(xué)者利用貝葉斯網(wǎng)絡(luò)進(jìn)行地鐵、盾構(gòu)施工項(xiàng)目的風(fēng)險(xiǎn)管理，吳賢國等［10］基于貝葉斯網(wǎng)絡(luò)（BN）理論提出一種施工風(fēng)險(xiǎn)管理分析方法；陳發(fā)達(dá)等［11］采用了貝葉斯網(wǎng)絡(luò)與云模型構(gòu)建了基于云貝葉斯網(wǎng)絡(luò)的泥水盾構(gòu)隧道開挖面穩(wěn)定性研究模型。但鮮有學(xué)者運(yùn)用貝葉斯網(wǎng)絡(luò)進(jìn)行綜合管廊內(nèi)部環(huán)境的智能運(yùn)維的關(guān)鍵影響因素分析。

本文聚焦于綜合管廊內(nèi)部環(huán)境智能運(yùn)維的風(fēng)險(xiǎn)管理，提出了誘導(dǎo)城市地下綜合管廊內(nèi)部環(huán)境風(fēng)險(xiǎn)發(fā)生的相關(guān)影響因素；通過主成分分析及因子分析篩選出獨(dú)立的關(guān)鍵影響因素，并構(gòu)建綜合管廊內(nèi)部環(huán)境智能運(yùn)維指標(biāo)體系。最終通過貝葉斯網(wǎng)絡(luò)建立貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)并進(jìn)行優(yōu)化，借助敏感性分析確定綜合管廊內(nèi)部環(huán)境智能運(yùn)維需要重點(diǎn)關(guān)注的敏感性因素。

1 環(huán)境智能運(yùn)維指標(biāo)體系的建立

1.1 影響因素分析

本文依據(jù)住建部頒布的《城市地下綜合管廊運(yùn)行維護(hù)及安全技術(shù)標(biāo)準(zhǔn)》［12］（GB51354—2019），結(jié)合相關(guān)文獻(xiàn)調(diào)研與綜合分析，形成了包含廊體本體（A）、附屬設(shè)施（B）、管道與管線（C）、廊體內(nèi)部氣體環(huán)境（D）4個(gè)一級(jí)指標(biāo)及32 個(gè)二級(jí)指標(biāo)，最終構(gòu)成了城市地下綜合管廊內(nèi)部環(huán)境智能運(yùn)維的影響因素，如表1 所示。

1.2 運(yùn)維指標(biāo)體系的建立

（1）實(shí)證數(shù)據(jù)收集。本調(diào)查問卷設(shè)計(jì)采用李克特五級(jí)量表。邀請(qǐng)業(yè)內(nèi)實(shí)務(wù)專家對(duì)城市地下綜合管廊內(nèi)部環(huán)境安全運(yùn)維風(fēng)險(xiǎn)因素的發(fā)生概率和重要程度按照李克特5 級(jí)量表進(jìn)行打分。本問卷將綜合管廊內(nèi)部環(huán)境安全運(yùn)維影響要素的重要程度與發(fā)生概率進(jìn)行五級(jí)制評(píng)分（見表2）。調(diào)研期間共發(fā)放130 份，回收115份，回收率87%。剔除無效問卷，共得到102 份有效問卷。使用SPSS23.0 統(tǒng)計(jì)軟件對(duì)問卷進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析，內(nèi)在信度效度合理，因子分析的效度較好，可以進(jìn)行因子分析，滿足統(tǒng)計(jì)分析要求。

（2）主成分分析及因子解釋。對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化去量綱，各項(xiàng)的概率及程度進(jìn)行協(xié)方差計(jì)算，采用方差極大法，由旋轉(zhuǎn)迭代后可以清晰得到18 個(gè)主成分，通過方差及相關(guān)性比較得到因子解釋，如表3 所示。

表1 綜合管廊內(nèi)部環(huán)境智能運(yùn)維的影響因素

表2 綜合管廊內(nèi)部環(huán)境智能運(yùn)維風(fēng)險(xiǎn)要素評(píng)級(jí)及概率分配表

（3）智能運(yùn)維指標(biāo)體系。根據(jù)因子分析，在管廊主體這一層級(jí)，廊體滲透是導(dǎo)致廊體變形與廊體裂縫的直接誘導(dǎo)因素，因此在構(gòu)建廊體主體風(fēng)險(xiǎn)要素時(shí)考慮到剔除具有疊加性影響因素。在附屬設(shè)施、管道管線與廊體內(nèi)部氣體環(huán)境中依次按照因子分析的直接誘導(dǎo)因子將具有疊加性的指標(biāo)剔除，最終得到綜合管廊內(nèi)部環(huán)境智能運(yùn)維指標(biāo)體系。該體系分為兩個(gè)層次，其中包括4 個(gè)一級(jí)指標(biāo)和18 個(gè)二級(jí)指標(biāo)，如圖1所示。

表3 綜合管廊智能運(yùn)維關(guān)鍵影響因素及因子解釋

圖1 綜合管廊內(nèi)部環(huán)境智能運(yùn)維指標(biāo)體系

通過綜合分析相關(guān)文獻(xiàn)，從建筑安全的致因理論出發(fā)，設(shè)計(jì)了綜合管廊智能運(yùn)維的調(diào)查問卷，并運(yùn)用SPSS 23.0 軟件進(jìn)行因子分析得到最終綜合管理智能運(yùn)維指標(biāo)體系。

2 智能運(yùn)維模型構(gòu)建

基于文獻(xiàn)調(diào)研、實(shí)務(wù)專家訪談、實(shí)地調(diào)研等綜合分析，確定了網(wǎng)絡(luò)結(jié)構(gòu)中的父、子節(jié)點(diǎn)，進(jìn)一步分析貝葉斯網(wǎng)絡(luò)中各風(fēng)險(xiǎn)因素之間的因果關(guān)系。如綜合管廊廊體主體結(jié)構(gòu)滲漏→綜合管廊主體結(jié)構(gòu)變形，構(gòu)成因果關(guān)系；廊體內(nèi)部硫化氫濃度過高→廊體內(nèi)部環(huán)境報(bào)警，構(gòu)建因果關(guān)系，進(jìn)而形成貝葉斯網(wǎng)絡(luò)中各風(fēng)險(xiǎn)因素間的因果關(guān)系。本文通過上述專家訪談結(jié)果及研究團(tuán)隊(duì)的工程經(jīng)驗(yàn)來進(jìn)行關(guān)聯(lián)，由此初步得到綜合管廊內(nèi)部環(huán)境智能運(yùn)維的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。

2.1 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)又稱信度網(wǎng)絡(luò)，是不確定知識(shí)表達(dá)和推理領(lǐng)域最有效的理論模型之一［13］。它可以有效地進(jìn)行多源信息表達(dá)與融合，將故障診斷與維修決策相關(guān)的各種信息納入網(wǎng)絡(luò)結(jié)構(gòu)中，按節(jié)點(diǎn)的方式統(tǒng)一進(jìn)行處理，能有效地按信息的相關(guān)關(guān)系進(jìn)行融合。而且貝葉斯具有逆向推理學(xué)習(xí)能力，可以用來診斷事故發(fā)生的影響因素。

2.2 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的建立

（1）數(shù)據(jù)與處理。首先，對(duì)問卷數(shù)據(jù)進(jìn)行預(yù)處理。對(duì)標(biāo)《建筑施工安全檢查標(biāo)準(zhǔn)》，結(jié)合風(fēng)險(xiǎn)矩陣思想，分別以綜合管廊智能運(yùn)維的風(fēng)險(xiǎn)因素的重要性及發(fā)生的概率建立二維矩陣，得出低、中、高3 類風(fēng)險(xiǎn)，分別記為L、M、H，分別表示綜合管廊智能運(yùn)維的風(fēng)險(xiǎn)程度，并對(duì)數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)等級(jí)規(guī)范化處理。其中，以0～4 從低到高表示風(fēng)險(xiǎn)發(fā)生概率和各風(fēng)險(xiǎn)因素發(fā)生后造成影響的5 個(gè)等級(jí)。

本文選用GeNie2.0 軟件來進(jìn)行貝葉斯網(wǎng)絡(luò)模型的推理分析。使用經(jīng)預(yù)處理的數(shù)據(jù)進(jìn)行貝葉斯網(wǎng)絡(luò)模型的參數(shù)學(xué)習(xí)，以獲得各個(gè)節(jié)點(diǎn)變量的條件概率分布。通過專家經(jīng)驗(yàn)分析，利用數(shù)學(xué)建模對(duì)綜合管廊內(nèi)部環(huán)境智能運(yùn)維影響因素進(jìn)行回歸曲線分析得出：

各因素權(quán)重＝重要程度×0.6 ＋概率×0.4

（2）數(shù)據(jù)標(biāo)準(zhǔn)化。對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，不同權(quán)重的問題分為H1、H2、H3、H4 和H5 5 級(jí)綜合指標(biāo)，導(dǎo)入GeNIe2.0 軟件中，進(jìn)行可視化分析。

研究的問題內(nèi)容決定了貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，研究對(duì)象樣本數(shù)據(jù)完整程度決定了貝葉斯網(wǎng)絡(luò)學(xué)習(xí)算法。對(duì)于樣本的數(shù)據(jù)較完整的情況，采用統(tǒng)計(jì)測試、搜索記分方法。對(duì)于樣本數(shù)據(jù)中存在部分缺失的，采用具有噪音的被疑似學(xué)習(xí)和小數(shù)據(jù)集貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)?；谏鲜鎏卣鳎疚牟捎肒2 算法，得到初始貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。

圖2 初始貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖

2.3 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化

在圖2 中的初始貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖中體現(xiàn)的因果關(guān)系并不明晰。比如“應(yīng)急照明故障”不會(huì)導(dǎo)致“廊體滲漏”。這是由于K2 算法只能發(fā)現(xiàn)平行關(guān)系的節(jié)點(diǎn)，對(duì)因果關(guān)系的有向邊確定具有一定的局限性。因此在初始的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)中，再結(jié)合實(shí)務(wù)專家經(jīng)驗(yàn)進(jìn)行因果關(guān)系明晰，優(yōu)化貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。優(yōu)化后的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)如圖3 所示。

圖3 優(yōu)化后的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)

2.4 敏感性分析

敏感性分析是幫助驗(yàn)證貝葉斯網(wǎng)絡(luò)的概率參數(shù)的技術(shù)［14］。高敏感／影響較大的概率參數(shù)對(duì)推理結(jié)果的影響更顯著［15］。通過敏感性分析可以在眾多不確定性的因素中識(shí)別最具影響力的敏感性參數(shù)。運(yùn)用GeNIE2.0 軟件根據(jù)之前得到優(yōu)化的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行敏感性分析，它以紅色顯示最具影響力的參數(shù)。如圖4 和圖5 所示。

由圖4 可知，當(dāng)危險(xiǎn)敏感值設(shè)置H ＝100%時(shí)，影響綜合管廊智能運(yùn)維的高敏感性因素包括A2、B9、B11、B15、C2、C）、C4、C6、D1、D2、D4、D5 以上因素；而B3、B5 與B12 是需要關(guān)注的潛在敏感性因素。

圖4 危險(xiǎn)敏感值設(shè)置為H ＝100%的敏感性分析結(jié)果

圖5 危險(xiǎn)敏感值設(shè)置為M ＝100%的敏感性分析結(jié)果

由圖5 可知，當(dāng)危險(xiǎn)敏感值設(shè)置為M ＝100%時(shí)，影響綜合管廊智能運(yùn)維的敏感性因素包括A2、B9、B11、B12、B15、C2、C3、C4、C6、D1、D2、D4、D5 以上因素。

對(duì)比圖4 和圖5，在危險(xiǎn)敏感值不同的狀態(tài)下，綜合管廊安全運(yùn)維的敏感性因素是有差異的。區(qū)別在于在危險(xiǎn)敏感值H設(shè)置為100%時(shí)，供電設(shè)備、通信系統(tǒng)和風(fēng)道系統(tǒng)是需要關(guān)注的潛在風(fēng)險(xiǎn)管理對(duì)象，而在較危險(xiǎn)的狀態(tài)下則為不需要重點(diǎn)關(guān)注的對(duì)象。

3 結(jié)語

本文通過文獻(xiàn)調(diào)研并結(jié)合我國綜合管廊安全運(yùn)維的相關(guān)政策，構(gòu)建了綜合管廊智能運(yùn)維的指標(biāo)體系，確定了18 個(gè)關(guān)鍵影響因素。運(yùn)用貝葉斯網(wǎng)絡(luò)對(duì)綜合管廊智能運(yùn)維的影響因素進(jìn)行敏感性分析，發(fā)現(xiàn)當(dāng)危險(xiǎn)敏感值設(shè)置調(diào)高時(shí)，會(huì)增加通信系統(tǒng)損壞、供電設(shè)備損壞與風(fēng)管、風(fēng)道系統(tǒng)這3 個(gè)潛在敏感性因素，應(yīng)予以重點(diǎn)關(guān)注。在實(shí)際運(yùn)維管理過程中，重點(diǎn)監(jiān)測這些敏感的關(guān)鍵影響因素的變化，以提升城市地下綜合管廊項(xiàng)目的風(fēng)險(xiǎn)預(yù)警能力。