孫家坤，姚慧

(山東建筑大學管理工程學院，山東 濟南 250101)

0 引言

近年來，我國建筑業(yè)持續(xù)快速發(fā)展、規(guī)模不斷擴大，然而，由于建筑施工場地復雜、高處作業(yè)多，致使安全事故頻發(fā)，建筑工程安全生產形勢嚴峻[1]。 據(jù)住房和城鄉(xiāng)建設部數(shù)據(jù)顯示，全國房屋市政工程生產安全事故起數(shù)和死亡人數(shù)呈上升的趨勢，其中高處墜落是施工致死事故的主要類型，居于“五大傷害”(高處墜落、物體打擊、機械傷害、觸電、坍塌)之首[2]。 據(jù)統(tǒng)計，2017—2021 年，我國建筑行業(yè)發(fā)生的高處墜落事故占總事故的53%[3]，高處墜落事故預防是當前建筑施工安全事故防控工作的重點。

通過識別高處墜落事故成因，研究其關聯(lián)性是預防事故發(fā)生的基礎。 目前，對于事故成因的識別多采用文獻分析、問卷調查及描述性統(tǒng)計分析等方法[4－5]，便于收集數(shù)據(jù)，但處理數(shù)據(jù)時有一定的主觀性，且難以處理非結構化數(shù)據(jù)，以致事故成因提取困難。 相比之下，文本挖掘方法能夠通過自動信息檢索，從大規(guī)模文本庫中提取隱含、有效的知識文本數(shù)據(jù)，發(fā)現(xiàn)信息，并基于文本數(shù)據(jù)信息價值可再應用[6－7]。 文本挖掘方法可從事故調查報告中獲取特征值并進行統(tǒng)計分析，對于提取事故致因效率更高。Esmaeili 等[8]運用文本挖掘技術在1 700 多份建筑工程事故報告中提取了22 個安全風險因素；李解等[9]將文本挖掘技術應用于地鐵施工事故致因研究領域，并根據(jù)致險因素的共現(xiàn)規(guī)律，構建了事故致因集合。 針對高處墜落事故影響因素的研究，學者們采用了諸多方法進行研究:楊慧[10]通過運用德爾菲法，構建解釋結構模型，從“人－物－環(huán)－管”4 個方面總結出13 個建筑施工過程高空墜落事故的影響因素；仇國芳等[11]分析了123 例典型高處墜落事故調查報告案例，運用系統(tǒng)結構模型法提取出19 種致因要素，明確了一般事故中與較大事故中的關鍵因素；宋少卿等[12]運用人因失誤理論框架的方法研究確定了教育培訓不到位等7 類建筑施工高處墜落發(fā)生的主因；崔勇[13]通過對近5 年上海市建設工程中58 起高處墜落事故的統(tǒng)計分析，確定了高處墜落事故中最主要的因素是個人意識不到位；宋洋[14]通過事故樹法分析典型案例的方式找出了高處墜落事故的影響因素，即安全意識不強、培訓教育不夠等。 對于高處墜落事故影響因素的研究大都是通過定性分析或者統(tǒng)計分析的方式研究事故因素本身影響程度，往往忽略了各因素之間的關聯(lián)性[15－17]。 社會網絡分析是用于社會科學、自然科學、建設管理和安全等多個領域的分析方法，主要分析不同個體、群體或社會所構成的各因素相互之間的關聯(lián)性。 通過構建社會網絡模型，對模型進行量化分析，從而得出諸多因素中較為關鍵的影響因素[18]，已在輿情傳播、風險投資、事故分析等方面得到廣泛運用[19－21]。

為找出影響高處墜落事故的主要因素及其關聯(lián)性，文章基于華東地區(qū)2012—2021 年間的145 份建筑施工高處墜落事故調查報告，利用文本挖掘技術提取建筑施工高處墜落事故成因，運用社會網絡分析，識別出高處墜落事故的關鍵成因并研究事故成因之間的關聯(lián)性，以期為有效防控高處墜落事故提供依據(jù)。

1 事故成因提取

1.1 數(shù)據(jù)收集與工具選取

通過在國家應急管理部、住房與城鄉(xiāng)建設部、各省市應急管理廳、局等網站中查詢事故案例調查報告，收集2012—2021 年間145 份華東地區(qū)建筑施工高處墜落事故調查報告。 為消除文本挖掘中無關詞組的干擾，選用事故調查報告中“事故發(fā)生經過”“事故原因分析”“事故性質”3 部分內容為“.txt”文本集，形成文本挖掘語料庫。

運用文本挖掘技術旨在提取關于影響建筑施工高處墜落事故的成因，而且研究涉及建筑安全管理領域的專業(yè)知識，需要有自定義詞庫的功能支持，同時需要有詞云等可視化功能做數(shù)據(jù)分析支撐。 選擇內容挖掘系統(tǒng)ROST CM[22]作為建筑施工高處墜落安全事故調查報告文本挖掘的工具。

1.2 文本預處理

(1) 數(shù)據(jù)清洗

將145 份事故調查報告匯總另存為ROST CM軟件可識別的“.txt”格式。 報告文本語料達11 萬字，在眾多的文本語料中難免會出現(xiàn)錯別字、字詞缺失或者重復等現(xiàn)象，因而通過文本預處理對不合規(guī)范的語料進行數(shù)據(jù)清洗或修正，保證待挖掘文本語料規(guī)范化。

(2) 文本擬分詞

文本擬分詞運用ROST CM 軟件原有詞庫，在分詞的操作中先把非結構化內容割分為單個的名詞、動詞和形容詞等，再將非結構化用語轉換成統(tǒng)一性的標準用語，最終得到節(jié)選項次＞100 的301 項文本集原始特征項，見表1。 從擬分詞結果可以看出:多數(shù)安全因素被拆分為兩個及以上的詞語，如“主體”“責任”“落實”“不到位”，會使不安全影響因素表達不夠明確；有些不同的語義表達還會產生相同的分詞結果，如對“嚴重違反施工升降機安裝使用有關規(guī)定”和“經調查，未違反施工升降機安裝使用規(guī)定”進行分詞，都會產生包括“違反”“施工”“升降機”“使用”的分詞結果。 為確保建筑施工高處墜落事故的安全因素高效提取，需要自定義專業(yè)詞庫，以準確識別專業(yè)術語。

表1 文本擬分詞結果表(部分)

(3)自定義詞庫

自定義詞庫包括專業(yè)詞庫、過濾詞詞庫和歸并詞詞庫。 其中，專業(yè)詞庫包括《土木工程專業(yè)詞典》《建筑工程安全術語字典》《安全工程詞典》以及《建筑工程專業(yè)詞匯》；過濾詞詞庫包含了中文停用詞詞庫以及《現(xiàn)代漢語虛詞詞典》；歸并詞詞庫主要是完成對同義詞的統(tǒng)一表達。

1.3 數(shù)據(jù)分析與可視化表達

在ROST CM 軟件中啟用自定義詞表、過濾詞表、歸并詞群表之后，對文本語料進行分詞整理，得到詞頻統(tǒng)計結果。 將詞頻統(tǒng)計結果在ROST CM 軟件中可視化處理得到詞云圖，如圖1 所示，特征詞頻越大，其詞云字體越大。

圖1 事故成因詞云圖

由圖1 可看出，建筑施工高處墜落事故調查報告中的高頻詞為安全意識淡薄、安全教育培訓不到位、作業(yè)人員、監(jiān)督檢查不力等，但是通過ROST CM軟件篩選出的高頻詞只是初步包含高處墜落事故影響因素的含義，若要清晰準確地表達出事故成因，還需深化處理這些高頻詞。

1.4 事故成因關鍵詞識別

在文本挖掘的過程中，詞頻并不能完全反映一個詞在整個語料庫中的重要性，為找到事故致因中的關鍵項，選擇使用詞頻－逆文檔頻率算法(Term Frequency－Inverse Document Frequency，TF－IDF)，其可用于評估一個詞在整個文件集或者語料庫的重要程度，可通過計算文檔中關鍵詞的權重提取出特征關鍵詞[23]，具體計算由式(1)～(3)表示為

式中TFij為某特征項在語料庫中出現(xiàn)的頻率；IDFi為逆文本頻率指數(shù)；為語料庫的文檔總數(shù)；nij為某特征項在語料庫中出現(xiàn)的次數(shù)；為所有特征項在語料庫中出現(xiàn)次數(shù)之和；為包含某特征項的文檔數(shù)，加1 是為了避免分母為零；Wij為每個特征項在文本中的權重。

某個特征項對文檔的重要性越高，其TF－IDF值就越大，最終提取出權重值＞0.01 的25 項建筑施工高處墜落事故成因關鍵詞，見表2。

表2 事故成因關鍵詞表

2 共線矩陣及事故成因網絡構建

共現(xiàn)矩陣是語料庫中兩兩詞組之間共同出現(xiàn)的次數(shù)，表明兩個特征項之間的關系程度，構建共現(xiàn)矩陣是繪制可視化圖譜的前提[24]。 通過計算25 個關鍵詞在不同事故調查報告中的共現(xiàn)頻率，構建建筑施工高處墜落事故成因特征的共現(xiàn)矩陣，見表3。

表3 事故成因矩陣表(部分)

基于社會網絡分析軟件Ucinet 繪制建筑施工高處墜落事故成因特征網絡圖，如圖2 所示。 影響高處墜落事故發(fā)生的各因素之間的關聯(lián)性以網絡的形式連成一個整體，可清晰地看到各要素間的關聯(lián)和分布情況。

圖2 事故成因整體網絡圖

3 關鍵成因識別

基于建筑施工高處墜落事故成因網絡的構建，為識別出建筑施工高處墜落事故關鍵成因，使用社會網絡分析(Social Network Analysis，SNA)方法，通過整體與個體網絡密度分析、網絡中心性分析以及核心邊緣結構分析，定量分析事故成因網絡。

3.1 整體網絡密度分析

整體網絡密度是指各節(jié)點之間相互連邊的緊密程度，即表明各節(jié)點間的相互影響程度。 密度越大，各節(jié)點之間關系越緊密。 一般以0.5 作為衡量密度大小的標準，若密度＞0.5，則表明各節(jié)點間有關聯(lián)且密度關聯(lián)性較高[25]。

基于Ucinet 軟件，通過Dichotomize 函數(shù)將共現(xiàn)矩陣轉化成二值化矩陣，并分析整體網絡密度。 結果顯示，整體網絡的密度為0.893，說明整體網絡密度較大，建筑施工高處墜落事故成因特征網絡中各影響因素間關聯(lián)性緊密，相互影響性相對較高。

3.2 個體網絡密度分析

基于Ucinet 軟件“Network－Ego networks－Egonet Density”計算得出整體網絡中的個體網絡密度，如圖3 所示。 通過測度大小計算，得出個體網絡密度的平均值為21.44，位于平均值之上的影響因素有主體責任不落實、防護措施不到位、安全教育培訓不到位、現(xiàn)場管理不到位、監(jiān)督檢查不力、違規(guī)作業(yè)、安全技術交底不到位、安全意識淡薄、防護用品使用不當、安全隱患排查治理不到位、安全隱患整改不到位、施工方案不合理、違法建設、支撐系統(tǒng)失穩(wěn)，說明這些因素的個體網絡密度較大，與其有緊密關系的因素較多。 另外，設備故障、無資質、臨邊防護不到位、無證上崗、冒險作業(yè)、違法分包、作業(yè)環(huán)境復雜、警示標志不齊全、技術不規(guī)范、違章指揮、施工工序不當?shù)纫蛩氐摹?個體網絡弱成分數(shù)占比(pWeakComp)”較大，說明其個體網絡密度較小，在整體網絡規(guī)模中影響較弱。

圖3 事故成因個體網絡密度分析圖

3.3 網絡中心性分析

網絡中心性分析是對網絡中各因素的重要程度進行量化描述，用以度量網絡各節(jié)點的中心化程度，表達每個點在整個網絡中與其他點之間的關聯(lián)程度[26]。

(1) 度數(shù)中心度分析

度數(shù)中心度是在社會網絡分析中刻畫節(jié)點中心度最直接的度量指標，一個節(jié)點的節(jié)點度越大意味著這個節(jié)點的度中心性越高，該節(jié)點在網絡中就越重要。 度數(shù)中心度可以分為絕對度數(shù)中心度和相對度數(shù)中心度。 絕對度數(shù)中心度即點的度數(shù)，是與點直接相連的其他點的個數(shù)，若某點具有度數(shù)值最高，就稱該點位居核心位置。 對絕對度數(shù)中心度進行標準化處理后得到相對度數(shù)中心度，可由式(4)和(5)[26]表示為

式中CADi為節(jié)點i 的絕對度數(shù)中心度；CRDi為節(jié)點i的相對度數(shù)中心度；n－1 為節(jié)點的個數(shù)；∑iXij為用于計算節(jié)點i 與其他n－1 個節(jié)點間的直接相連的點數(shù)。

借助Ucinet 軟件得到度數(shù)中心度分析結果，見表4。 分析建筑施工高處墜落事故整體網絡中點的相對度數(shù)中心度并取0.130 的平均值，位于平均值之上的影響因素有主體責任不落實、防護措施不到位、安全教育培訓不到位、現(xiàn)場管理不到位、監(jiān)督檢查不力、違規(guī)作業(yè)、安全技術交底不到位、安全意識淡薄、防護用品使用不當、安全隱患排查治理不到位。 這10 個因素的度數(shù)中心度較高，說明對建筑施工高處墜落事故發(fā)生的影響較大。

表4 事故成因網絡中心性分析結果表

(2) 中間中心度分析

在建筑施工高處墜落事故成因網絡分析中，僅分析點的度數(shù)中心度，得出的結果有些片面，因為度數(shù)中心度刻畫的是節(jié)點的局部中心指數(shù)，測量尺度僅是與某點直接相連的點數(shù)，忽略了間接相連的節(jié)點，故還需要進行點的中間中心度分析。 中間中心度可衡量節(jié)點對整體網絡的控制程度，即某一影響因素對其他因素的影響程度。 中間中心度較高的點在整個社會網絡中起橋梁作用，若丟失這個點，則許多節(jié)點關系將喪失，同時若著重控制這些點，將有效降低風險因素影響程度。 點的中間中心度分為絕對中間中心度和相對中間中心度，絕對中間中心度標準化就得到相對中間中心度[27]，分別由式(6)和(7)[26]表示為

式中CABi為節(jié)點i 的絕對中間中心度；CRBi為節(jié)點i的相對中間中心度；n 為節(jié)點的個數(shù)；bjk(i)為點i 能夠控制點j、k 的連接能力，即是點i 位于點j、k 之間捷徑上的概率；gjk(i)為點j、k 之間存在的經過點i的捷徑數(shù)量；gjk為點j、k 之間存在的所有捷徑數(shù)量。

運用Ucinet 軟件“Network-Centrality Power-Freeman Betweenness-Node Betweenness”分析得出結果，見表4。 通過分析結果可知，各個節(jié)點的相對中間中心度平均值為1.460，在平均值之上的影響因素有主體責任不落實、監(jiān)督檢查不力、違規(guī)作業(yè)、現(xiàn)場管理不到位、防護措施不到位、施工方案不合理、安全教育培訓不到位，表明這7 個影響因素的中介性較強，這些影響因素在事故成因整體網絡中發(fā)揮了主要作用，對其他影響因素的調節(jié)控制能力較強。

網絡中心性分析能夠衡量局部核心，僅表明一個節(jié)點(影響因素)在整體網絡圖中的重要性，若要提取出整體網絡中的關鍵節(jié)點致因，還需要測定核心邊緣結構，通過核心度指標，衡量節(jié)點的主動地位，進而識別出關鍵節(jié)點[24]。

3.4 核心－邊緣結構分析

在個體網絡密度以及網絡中心性分析的基礎上，為進一步確保高處墜落事故關鍵成因識別的精準度，進行核心－邊緣結構分析。 核心－邊緣結構分析能夠區(qū)分網絡中高密度的核心致因，以及低密度的邊緣致因，通過核心－邊緣結構分析確定整體網絡中處于核心地位的影響因素，以提取出高處墜落事故發(fā)生的關鍵成因[21]，分析結果見表5。 處于核心區(qū)域的網絡密度為36.91，而位于邊緣區(qū)域的網絡密度為8.06，說明處于核心區(qū)域的影響因素的關聯(lián)程度較高。 最終將各影響因素項歸類為核心因素與邊緣因素。 核心因素包括安全教育培訓不到位、安全意識淡薄、現(xiàn)場管理不到位、主體責任不落實、防護措施不到位、防護用品使用不當、監(jiān)督檢查不力等7 項，其余影響因素項均為邊緣因素。

表5 事故成因網絡核心－邊緣結構分析結果表

3.5 關鍵成因分析與識別

基于建筑施工高處墜落事故成因網絡分析，通過相應指標衡量整體網絡中處于局部核心與全局核心的節(jié)點，從而提取出關鍵成因。

(1) 通過SNA 中個體網絡密度、度數(shù)中心度和中間中心度3 個指標的分析，篩選出對高處墜落事故成因整體網絡有顯著影響的因素。 將各自指標分析出的重要影響因素取交集[22]，得出主體責任不落實、安全教育培訓不到位、安全意識淡薄、監(jiān)督檢查不力、違規(guī)作業(yè)、現(xiàn)場管理不到位、防護措施不到位、安全隱患排查治理不到位等8 個影響因素，這些影響因素在整體網絡中處于重要的地位，對建筑施工高處墜落事故的發(fā)生影響顯著。

(2) 通過核心－邊緣結構分析，發(fā)現(xiàn)處于核心地位的主體責任不落實、防護措施不到位、監(jiān)督檢查不力、現(xiàn)場管理不到位、安全教育培訓不到位、安全意識淡薄、防護用品使用不當?shù)? 項影響因素是建筑施工高處墜落事故的關鍵成因。 這7 個核心節(jié)點不僅聯(lián)系緊密，而且每個核心節(jié)點都與其他18 個節(jié)點之間存在關聯(lián)性，說明這7 個核心節(jié)點的出現(xiàn)會牽引出其他因素，且對高處墜落事故的發(fā)生影響力較大，故這些節(jié)點在高處作業(yè)中應重點防范。

4 結語

通過文本挖掘技術提取出25 項建筑施工高處墜落事故成因關鍵詞，在此基礎上，運用社會網絡分析法，借助Ucinet 軟件構建建筑施工高處墜落事故成因整體網絡圖，從整體網絡密度分析、個體網絡密度分析、網絡中心性分析以及核心－邊緣結構分析等4 個方面進行致因網絡分析。 確定了影響建筑施工高處墜落事故發(fā)生的關鍵成因，即主體責任不落實、防護措施不到位、監(jiān)督檢查不力、現(xiàn)場管理不到位、安全教育培訓不到位、安全意識淡薄、防護用品使用不當?shù)? 個關鍵成因。 關鍵致因的識別有助于為預防高處墜落安全事故的發(fā)生提供管控重點。