張 倩 楊應(yīng)迪

(安徽理工大學(xué)安全科學(xué)與工程學(xué)院 安徽淮南 232001)

隨著城市化進(jìn)程加快，居民對(duì)燃?xì)獾男枨蟛粩嘣黾?，管網(wǎng)的拓?fù)浣Y(jié)構(gòu)變得越來越復(fù)雜。燃?xì)庾鳛槌鞘猩€的重要一環(huán)，燃?xì)馐鹿实陌l(fā)生會(huì)影響整個(gè)城市生命線，造成巨大的人員傷亡及財(cái)產(chǎn)損失。國(guó)內(nèi)外對(duì)于風(fēng)險(xiǎn)耦合已有一定的研究，周洪波等[1]融合復(fù)雜網(wǎng)絡(luò)和N-K模型，研究并確定了塔吊事故中的關(guān)鍵因素；Yue C等[2]考慮災(zāi)害的起源和演變，利用FLACS模擬和分析了液化天然氣儲(chǔ)罐泄漏災(zāi)害。王淺寧等[3]利用Mike系列模型分析了城市超標(biāo)準(zhǔn)洪澇災(zāi)害的影響。李浩然等[4]統(tǒng)計(jì)分析156起地鐵重大事故，應(yīng)用災(zāi)害鏈和復(fù)雜網(wǎng)絡(luò)理論，分析了致災(zāi)因子對(duì)地鐵風(fēng)險(xiǎn)防控的影響。彭琳等[5]應(yīng)用ALOHA軟件研究單因素對(duì)天然氣管道泄漏擴(kuò)散的影響。付邦穩(wěn)[6]應(yīng)用軌跡交叉理論分析管道失效機(jī)理，闡述了燃?xì)夤艿朗У挠绊憽?/p>

從上述文獻(xiàn)可以看出，國(guó)內(nèi)外關(guān)于風(fēng)險(xiǎn)耦合的研究已在不同方向取得了階段性的成就，而對(duì)燃?xì)夤艿朗鹿实姆治黾性谛孤┍旧砑笆鹿视绊懙确矫妫狈︶槍?duì)多因素耦合致災(zāi)機(jī)制及事故關(guān)鍵因素的研究探索。文章通過統(tǒng)計(jì)分析典型案例，建立燃?xì)馐鹿曙L(fēng)險(xiǎn)因素耦合模型并定量計(jì)算耦合風(fēng)險(xiǎn)值，分別確定了致災(zāi)因素之間的耦合關(guān)系及大小，其次引入社會(huì)網(wǎng)絡(luò)模型進(jìn)行網(wǎng)絡(luò)中心度分析，進(jìn)一步識(shí)別耦合中關(guān)鍵風(fēng)險(xiǎn)因素，為燃?xì)獍踩鹿实念A(yù)防提供一定理論和實(shí)踐支撐。

1 燃?xì)馐鹿拾踩L(fēng)險(xiǎn)耦合機(jī)理分析

燃?xì)馐鹿曙L(fēng)險(xiǎn)耦合主要為單因素耦合、雙因素耦合及多因素耦合。以國(guó)家應(yīng)急管理部、各省市相關(guān)網(wǎng)站、博燃網(wǎng)發(fā)布的事故案例為指引信息，再通過網(wǎng)絡(luò)查找、文獻(xiàn)查閱等方法，補(bǔ)全事故過程及原因，最終篩選出2016-2021發(fā)生的146起燃?xì)馐鹿?，?duì)這些案例進(jìn)行分析歸類，將燃?xì)馐鹿曙L(fēng)險(xiǎn)因素分為人-機(jī)-環(huán)-管四個(gè)一級(jí)因素以及20個(gè)二級(jí)子因素，風(fēng)險(xiǎn)耦合模型如圖1。

圖 1 不同風(fēng)險(xiǎn)因素耦合模型

2 N-K模型與SNA模型下的燃?xì)馐鹿曙L(fēng)險(xiǎn)耦合分析

2.1 N-K模型構(gòu)建

N-K模型由Kauffman提出，通過N-K模型可以計(jì)算系統(tǒng)風(fēng)險(xiǎn)因素間的交互式信息，比較不同風(fēng)險(xiǎn)因素耦合對(duì)系統(tǒng)的影響程度大小。很多學(xué)者用該模型解決復(fù)雜耦合系統(tǒng)問題[7-8]。燃?xì)馐鹿曙L(fēng)險(xiǎn)因素一旦突破自身極限值，就可能引起事故。因此利用N-K模型，計(jì)算風(fēng)險(xiǎn)因素耦合值，耦合值T的計(jì)算公式如下：

h=1，2，···；i=1，2，···；j=1，2，···；k=1，2，···；

(1)

式(1)中：T4指人-機(jī)-環(huán)-管完全耦合的數(shù)量化評(píng)估，結(jié)果越大耦合程度越高，風(fēng)險(xiǎn)越大。ph，i，j，k代表了當(dāng)人、設(shè)備、環(huán)境和管理分別在h、i、j、k狀態(tài)下燃?xì)馐鹿曙L(fēng)險(xiǎn)耦合發(fā)生的概率。

2.2 SNA模型構(gòu)建

社會(huì)網(wǎng)絡(luò)分析(social network analysis)通過構(gòu)建網(wǎng)絡(luò)模型，研究復(fù)雜個(gè)體之間的結(jié)構(gòu)關(guān)系[9-10]。以燃?xì)馐鹿史治龅玫降亩?jí)風(fēng)險(xiǎn)因素構(gòu)建致因網(wǎng)絡(luò)，當(dāng)不同因素在出現(xiàn)在同一個(gè)事故報(bào)告中，共現(xiàn)次數(shù)為1，得到共現(xiàn)矩陣。在Ucinet 6.0中輸入共現(xiàn)矩陣，通過Visualize-NetDraw得到燃?xì)馐鹿手乱蚓W(wǎng)絡(luò)圖，如圖2。節(jié)點(diǎn)代表燃?xì)馐鹿曙L(fēng)險(xiǎn)因素，連線表示風(fēng)險(xiǎn)因素間的直接聯(lián)系，連線越粗則聯(lián)系強(qiáng)度越強(qiáng)。

圖2 燃?xì)馐鹿手乱蚓W(wǎng)絡(luò)圖

文章通過SNA的點(diǎn)度中心度、中介中心度和親近中心度進(jìn)行分析。點(diǎn)度中心度表示社會(huì)網(wǎng)絡(luò)中各風(fēng)險(xiǎn)因素和其他因素的聯(lián)系。點(diǎn)度中心度越高，對(duì)其他風(fēng)險(xiǎn)影響越大，該風(fēng)險(xiǎn)越關(guān)鍵。中介中心度反映風(fēng)險(xiǎn)因素對(duì)風(fēng)險(xiǎn)傳遞的影響程度，中介中心度高則表明其為控制系統(tǒng)風(fēng)險(xiǎn)傳遞的關(guān)鍵因素。接近中心度指節(jié)點(diǎn)在風(fēng)險(xiǎn)因素網(wǎng)絡(luò)中的關(guān)鍵程度。接近中心度越高，風(fēng)險(xiǎn)因素越處于中心，越會(huì)影響其他因素。

2.3 N-K/SNA模型構(gòu)建

N-K模型雖然降低了分析的主觀偏好，但只能計(jì)算一級(jí)風(fēng)險(xiǎn)因素耦合值，無法進(jìn)一步確定關(guān)鍵因素，而SNA模型能基于風(fēng)險(xiǎn)因素間的關(guān)系獲得關(guān)鍵因素。將N-K和SNA融合，用N-K模型計(jì)算一級(jí)風(fēng)險(xiǎn)因素的耦合值，用SNA模型分析各二級(jí)因素的可達(dá)性，并對(duì)應(yīng)到N-K模型，確定其潛在耦合形式。同時(shí)，利用SNA計(jì)算二級(jí)風(fēng)險(xiǎn)因素的中心度，得到關(guān)鍵風(fēng)險(xiǎn)因素排序，最后對(duì)關(guān)鍵因素進(jìn)行耦合分析。

3 燃?xì)馐鹿曙L(fēng)險(xiǎn)因素實(shí)證分析

3.1 N-K模型計(jì)算結(jié)果分析

燃?xì)馐鹿实娘L(fēng)險(xiǎn)因素都有發(fā)生或未發(fā)生兩種狀態(tài)，用1或0表示，風(fēng)險(xiǎn)耦合形式有16種。對(duì)收集的146起燃?xì)馐鹿蔬M(jìn)行分類統(tǒng)計(jì)，得到了風(fēng)險(xiǎn)耦合發(fā)生的次數(shù)以及概率，見表1。

表1 燃?xì)馐鹿曙L(fēng)險(xiǎn)耦合次數(shù)及概率

為了得到T值，首先計(jì)算不同風(fēng)險(xiǎn)的耦合概率。人為因素不參與時(shí)事故發(fā)生概率：p0…=p0000+p0100+p0010+p0001+p0110+p0101+p0011+p0111=0.2123，同理算出其它耦合概率，代入式(1)，可計(jì)算出不同耦合方式下的T值，見表2。

表2 不同耦合方式下的T值

將結(jié)果從大到小排序：T4>T3，3>T3，1>T3，2>T2，2>T3，4>T2，4>T2，6>T2，1>T2，3>T2，5，對(duì)此結(jié)果分析可知：

(1)在燃?xì)夤艿腊踩鹿手校囊蛩伛詈现底畲?，?.2576，三因素耦合值普遍比雙因素耦合值大，與燃?xì)夤艿缹?shí)際事故發(fā)生情況相符，說明參與耦合的風(fēng)險(xiǎn)因素越多，造成的風(fēng)險(xiǎn)影響越大。

(2)根據(jù)雙因素風(fēng)險(xiǎn)耦合結(jié)果，機(jī)-管耦合風(fēng)險(xiǎn)最小，人-環(huán)耦合時(shí)風(fēng)險(xiǎn)最大，為0.0987，說明人-環(huán)耦合時(shí)更容易發(fā)生事故。由事故案例統(tǒng)計(jì)可知，惡劣的自然天氣、第三方施工破壞等環(huán)境因素的出現(xiàn)都可能使管道損壞引起燃?xì)庑孤?。為避免?環(huán)雙因素耦合，要經(jīng)常檢查管道狀態(tài)，保持管道運(yùn)行良好。

(3)根據(jù)3因素風(fēng)險(xiǎn)耦合結(jié)果，主觀因素(人-管)與環(huán)境因素耦合時(shí)風(fēng)險(xiǎn)最大，為0.1794，即在雙因素耦合基礎(chǔ)上疊加管理因素會(huì)更容易導(dǎo)致事故發(fā)生。而機(jī)-環(huán)-管耦合值0.0935，在三因素耦合結(jié)果中最小，且人-機(jī)-環(huán)>人-機(jī)-管，這說明人為因素和環(huán)境因素對(duì)燃?xì)夤艿朗鹿适欠癜l(fā)生有著重要影響。

3.2 SNA模型計(jì)算結(jié)果分析

3.2.1 風(fēng)險(xiǎn)因素中心度分析 在Ucinet 6.0中得到風(fēng)險(xiǎn)因素中心度的計(jì)算結(jié)果，見表3。根據(jù)風(fēng)險(xiǎn)因素中心度結(jié)果分析可知：

表3 風(fēng)險(xiǎn)因素中心度

(1)安全生產(chǎn)意識(shí)淡薄a1、維保工作不到位a7、第三方施工破壞c3、安全監(jiān)管不力d1等點(diǎn)度中心度較高，說明這些因素對(duì)其他因素有直接影響作用，并存在較高的脆弱性，對(duì)燃?xì)馐鹿示哂休^大的影響。

(2)由中介中心度結(jié)果可知安全生產(chǎn)意識(shí)淡薄a1、安全監(jiān)管不力d1等主觀因素的結(jié)果均較大，而設(shè)備、環(huán)境等客觀因素的結(jié)果均較低，說明主觀因素對(duì)其他節(jié)點(diǎn)的控制力較大，在風(fēng)險(xiǎn)傳導(dǎo)中作用明顯。

(3)從接近中心度結(jié)果可知設(shè)備原因接近中心度普遍較低，受其他因素影響較小，不是燃?xì)馐鹿实闹饕?；而維保工作不到位a7、第三方施工破壞c4等因素的接近中心度較高，是燃?xì)馐鹿实闹饕颉?/p>

3.2.2風(fēng)險(xiǎn)因素可達(dá)性分析 對(duì)風(fēng)險(xiǎn)因素進(jìn)行可達(dá)性分析，剖析風(fēng)險(xiǎn)因素的潛在風(fēng)險(xiǎn)耦合形式。根據(jù)圖2將20個(gè)二級(jí)風(fēng)險(xiǎn)因素的可達(dá)性對(duì)應(yīng)到4個(gè)一級(jí)風(fēng)險(xiǎn)因素中，結(jié)果如表4所示。從表4可以看出，人的不安全行為a5、a7，管道的不安全狀態(tài)b3、b4，不利的環(huán)境因素c3、c4以及管理因素d1、d2都可能導(dǎo)致人-機(jī)-環(huán)-管四因素耦合；人-機(jī)-環(huán)-管和人-環(huán)-管這兩種風(fēng)險(xiǎn)耦合的比例較高。

表4 風(fēng)險(xiǎn)因素可達(dá)性分析

4 結(jié)論

(1)文章對(duì)近年來發(fā)生的燃?xì)馐鹿蔬M(jìn)行風(fēng)險(xiǎn)辨識(shí)及耦合分析，構(gòu)建了風(fēng)險(xiǎn)耦合模型及燃?xì)馐鹿手乱蚓W(wǎng)絡(luò)圖，為今后研究燃?xì)馐鹿手聻?zāi)過程中耦合關(guān)系提供了參考。

(2)通過采用N-K模型與SNA模型相結(jié)合的方法，梳理各因素之間的耦合關(guān)系，量化風(fēng)險(xiǎn)耦合效應(yīng)的危險(xiǎn)程度，獲得的關(guān)鍵致災(zāi)因素更加科學(xué)細(xì)致。從計(jì)算結(jié)果看，人的不安全行為是燃?xì)馐鹿拾l(fā)生的關(guān)鍵橋梁和控制樞紐，尤其是安全生產(chǎn)意識(shí)淡薄、維保工作不到位、安全監(jiān)管不力這三個(gè)因素，對(duì)這些因素進(jìn)行重點(diǎn)管控，避免這些關(guān)鍵風(fēng)險(xiǎn)因素出現(xiàn)，能有效降低耦合效應(yīng)。