基于復雜網絡的建筑工人不安全行為強關聯機理研究

摘要：建筑工人不安全行為是造成建筑事故的主要原因。為揭示建筑工人不安全行為的關聯性及其對事故本身的影響，首先，基于復雜網絡理論對建筑工人不安全行為進行建模和分析，得出網絡具備小世界和無標度的屬性，表示關鍵樞紐節點對事故的發生起決定性作用；其次，基于對網絡拓撲結構的分析，確定不同指標下行為的重要性排名，并通過對比分析不同類型事故，提出針對性事故預防建議；最后，基于節點失效模擬分析網絡的魯棒性，提出不同預算限制下的安全防控策略。

關鍵詞：施工現場事故；建筑工人；不安全行為；復雜網絡

0引言

建筑施工具有環境復雜性、作業程序非標準化的特點，因此，建筑業一直都是事故易發的高危險行業之一[1]。盡管國家和地方政府已采取一系列風險管理措施[2]，但建筑傷亡事故仍時常發生。因此，探索加強建筑業安全管理的有效方案成為當前研究的重要課題。

大量研究結果證明，建筑工人不安全行為是造成建筑安全事故的最主要因素[3]。為了降低事故的發生率，建筑行業一直在探索建筑工人不安全行為管理策略的改善方法。例如，為揭示建筑工人安全態度與行為的交互機制，Shin等[4]基于系統動力學理論構建了一種心理過程模型。Yu等[5]提出了一種基于圖像識別實時姿態的方法確認建筑工人的運動行為，通過前兆不安全行為對建筑工人的危險動作進行實時監控與提醒。Ding等[6]基于卷積神經網絡和長短期記憶法開發了一種混合深度學習模型，以實現不安全行為的自動識別。Mohajeri等[7]通過研究展示了人為因素干預措施對減少建筑工人不安全行為的積極作用。

盡管當前針對建筑工人不安全行為的影響因素、形成機制和預防控制等方面的研究已經取得了重要進展，但對于不安全行為間的耦合和相互作用關系的研究仍然較少。已有研究表明，建筑工人不安全行為具有時間序列特性[8]，存在周期性、趨勢性的時間模式。因此，間接的因果聯系可以直觀地表示不安全行為間的相關性[9]。基于這一事實，不安全行為間的相互耦合最終導致建筑工人行為管理中的固有弱點[10]。因此，為避免行為間的級聯脆弱性而導致的對安全風險的低估，必須從全局視角探索其內部演化邏輯。

當前，復雜網絡理論已被證明在分析復雜系統各因素間的耦合關系時具有優勢[11]，因此，該理論在事故分析中具有廣闊的應用前景。例如，Zhou等[12]基于復雜網絡理論，研究了地鐵施工未遂事故的發生機制。Li等[13]提出了基于復雜網絡的鐵路事故安全監測模型，量化了事故成因。Tong等[14]結合復雜網絡理論和關聯規則構建了公路施工事故因果模型，以可視化方式展示了公路施工事故的發生機制。申建紅等[15]基于復雜網絡拓撲結構識別出斜拉橋主梁施工過程中的關鍵風險因素，提高了施工的安全性。

綜上，不難發現，以往研究主要集中在特定的施工環境，如電氣事故、地鐵或城鐵事故、公路事故等。然而，施工現場的安全風險復雜多變，即使在相同的施工環境下，不同的施工作業類型（如高處作業、起重作業、土方基坑作業等）的事故發生原因也并不相同。因此，對建筑工人不安全行為的評估不應局限于特定的建筑施工環境，而應基于各作業類型中建筑工人的不安全行為進行建模和分析。

基于以上原因，本研究運用復雜網絡理論，以事故調查報告為研究對象，對建筑工人不安全行為進行建模并應用網絡拓撲指標厘清不安全行為間的耦合關系。

1基于事故調查報告的建筑工人不安全行為網絡（UBCW）模型構建

Duhadway等[16]根據不安全行為的時間順序提出了行為風險鏈的概念。本研究從各類事故調查報告中直接提取不安全行為，建立不安全行為鏈。基于現有研究，結合《建筑施工高處作業安全技術規范》（JGJ 80—2016）、《建筑施工起重吊裝工程安全技術規范》（JGJ 276—2012）等行業標準，對不安全行為的判定標準進行修訂，最終確定了75項不安全行為。

根據不安全行為的發生順序，可以將其劃分為“施工前行為、施工中行為和施工后行為”三個狀態。不安全行為鏈提取示例見表1。例如，“1001”就是典型的施工前行為。在構建不安全行為鏈的過程中，根據行為屬性確定其在不安全行為鏈中的位置。對于同屬于一種狀態的行為，根據其從屬關系確定先后順序。例如，“1002”顯然是包含“1001”的，前者要素更全面，導致事故發生的概率更高，因此，將1002置于1001之前。

在提取完不安全行為鏈后，將其中的各節點對進行拆分。同時，根據Zhou等[17]提出的加權事故因果網絡的建模方法，將節點對出現的頻率確定為邊的權重。三個案例的不安全行為鏈示例見表2。拆分節點對后，通過不安全行為鄰接矩陣構建網絡模型示意圖，如圖1所示。

2案例研究

2.1建筑工人不安全行為網絡構建

事故調查報告詳細描述了事故的發生經過、原因、責任認定及相關處理建議。本研究以各省市建筑事故調查報告為研究對象，在剔除不由工人不安全行為造成和只有一種不安全行為而無法構成行為鏈的事故報告后，最終篩選出501份事故案例。報告來源于各省市應急管理部門和政府門戶網站，事故類型分布如圖2所示。為確保分析的可靠性，事故發生地點覆蓋全國31個省市自治區，時間范圍為2018—2022年。

2.2建筑工人不安全行為網絡拓撲結構分析

2.2.1不安全行為網絡的主要指標特征

不安全行為網絡的主要指標特征見表3。

不安全行為網絡的節點和邊的數量反映了網絡的規模?？傮w而言，不安全行為網絡的規模隨著事故發生頻率的降低而逐漸減小。例如，高處墜落事故發生頻率最高，因此該不安全行為網絡具有最多的節點和邊。較大規模的網絡意味著更為復雜的因素傳播特征，因此，相較于偶發事故，頻發事故的安全管理難度更為嚴峻。

密度可以揭示不同節點之間的連接密度，表明不安全行為之間的相互關聯程度。在各子網絡中，密度最大的是坍塌事故。與其他類型事故相比，坍塌事故中的不安全行為存在著更為密集的關聯。有研究表明，現場環境對坍塌事故的發生具有顯著的正向影響作用[18]。相對于其他事故類型，坍塌事故的發生范圍覆蓋整個施工現場，涉及多個工作區域和結構部件之間的關聯。

平均最短路徑長度是評估網絡中信息傳播速度和范圍的重要指標。在不安全行為網絡中，平均最短路徑長度越小，說明不安全行為造成的影響在網絡中的傳播速度越快。根據表3可知，所有網絡的平均最短路徑長度均小于3，即一個不安全行為平均通過不到3步就可以連接到其他不安全行為，表明不安全行為之間的聯系較為緊密，極易導致大規模的安全事件。例如，在不安全行為鏈“1101→0906→0801”中，“1101（施工前未進行安全交底或培訓即上崗）”和“0801（無外力摔倒）”看似沒有關聯，卻能夠通過“0906（未按要求準備個人防護設備）”進行風險的傳遞。

直徑表示網絡中任意兩個節點之間最短路徑的最大長度。值得注意的是，物體打擊事故具有最小的直徑和平均最短路徑長度，但其網絡規模并非最小。這與Chen等[19]的研究結果存在差異，后者提出不同子網絡的平均最短路徑長度和直徑將隨著網絡規模的減小而降低。這種現象可能是物體打擊事故涉及材料或工具的掉落、碰撞等情況，直接導致不安全行為間的傳播更加迅速。

聚類系數表明節點周圍的不安全行為是否形成簇，是否存在高度連通的子群。在各子網絡中，高處墜落事故的聚類系數最大，這是由于高處作業往往涉及相似的工作流程和操作模式。例如，上崗前未接受安全技術交底或培訓、未佩戴個人防護用品、未牢固固定工件等都是導致高處墜落事故的常見不安全行為。因此，高處作業的安全防控需要考慮相關不安全行為的協同控制。

對于整體不安全行為網絡而言，其密度較高，意味著相較于各子網絡，整體不安全行為網絡間存在著更為密切的聯系和相互作用，不安全行為網絡中的信息能夠迅速在群體中傳播。整體網絡的平均最短路徑長度為2.541，直徑為6，聚類系數為0.315。生成100個與其規模相同的隨機網絡，求得隨機網絡的平均最短路徑長度和聚類系數分別是2.677和0.090 2。相較于隨機網絡，整體網絡具有更小的平均最短路徑長度及更大的聚類系數。因此，整體網絡具有Watts等[20]提出的小世界網絡的特性。傳統的風險管理方法通常將防控重心集中于獨立的風險因素，從而忽視了不安全行為間的相互影響。但由于整體網絡的小世界網絡屬性，僅僅關注特定類型的不安全行為無法有效控制網絡的風險。因此，為了更好地應對不安全行為的集聚效應，需要制訂針對性的控制策略和培訓計劃。

2.2.2不安全行為網絡的截斷冪律分布特征

因為不安全行為網絡規模較小，所以度值增加并不連續，且度分布的尾部缺乏足夠的統計信息。為了驗證建筑工人不安全行為網絡是否具有無標度特性，本研究計算了各網絡的累積度分布，如圖4所示。

在實際應用中，單一分布函數往往難以充分擬合或準確預測度分布的規律。因此，需要采用一種常見的混合分布，即帶有指數截斷的冪律分布進行擬合。根據圖4的結果，各類事故類型的不安全行為網絡都呈現出形如P（xgt;k）～k－γexp－kkx指數截斷的冪律分布，表明各類事故網絡均具備無標度的網絡屬性，這揭示了在各類事故中存在著一些關鍵的不安全行為，它們對事故的發生起決定性作用，而其他行為對事故的發生影響程度相對較低。因此，對關鍵不安全行為的準確定位和有效控制對于提升事故預防效果具有重要意義。

2.2.3節點的度與強度

在不安全行為網絡中，節點的度表示不安全行為與其他行為的關聯程度；節點的出度表示不安全行為對其他行為的影響程度；節點的入度表示其他行為對不安全行為的影響。對于加權網絡，節點的度需要考慮邊權。加權度、加權出度、加權入度也可以分別稱為強度、出強度、入強度。網絡節點的度與強度排名見表4。

由表4可知，高處墜落事故中，“未佩戴安全帶（0904）”是度值最高的節點，其他事故類型度值最高的節點為“施工前未進行安全交底或培訓即上崗（1101）”。原因是高處墜落事故主要發生在高處作業任務中，這類任務本身具有較高的墜落安全風險，而未佩戴安全帶是導致建筑工人受傷或死亡的直接原因。其他事故類型涉及的因素則更為復雜，包括土方結構穩定性、材料存放和起重設備操作等。因此，缺乏施工前的安全交底和培訓極易導致建筑工人不熟悉潛在隱患，從而增加了事故發生的概率。值得注意的是，具有最高度值的節點也具有最高強度值。這表明高度值節點不僅在數量上占優勢，而且其連接也具有更高重要性，進一步凸顯了上述不安全行為在網絡中的關鍵地位。

高處墜落事故中，出度最大的節點是“不具有特種作業從業資格（1102）”，值為25。同時，該節點的度值也為25，表明該節點在網絡中具有最重要的指向性，是典型的“影響型因素”，極易引發后續的不安全行為。因此，為了降低墜落事故的發生率，必須嚴格禁止未取得特種作業從業資格的人員上崗作業。除高處墜落事故，其他類型及整體網絡中，出度最大的節點與度最大的節點一致，均為“施工前未進行安全交底或培訓即上崗（1101）”，表明應對施工前安全交底和培訓引起重視[21]。安全管理人員應采取更加嚴格和針對性的管控措施，確保所有人員崗前接受充分的安全技能培訓。

在高處墜落事故中，入度和入強度最大的節點都是“未佩戴安全帶（0904）”。而在坍塌、起重傷害和物體打擊事故中，入度的最大節點分別是“基坑、溝槽未及時支護（1006）”“施工平臺、腳手架、支架或模板的超載使用（0110）”和“未辨識現場危險因素（0405）”。對于坍塌事故而言，過去的研究也表明，坍塌通常與基坑和溝槽的支護不力有關[22]?；雍蜏喜凼鞘┕がF場常見的結構元素，如果沒有適時采取支護措施，將對土方的結構穩定性構成嚴重威脅。起重作業中，起重臂的超載使用往往是引發起重傷害的直接因素[23]。管理人員和工人應確保起重機械負荷不超過設計和承載能力，包括定期檢查和維護設備，使用適當的支撐材料和設備等。同時，提供適當的培訓和指導，讓所有工作人員了解超載使用的風險。物體打擊事故中，未辨識的危險因素如材料堆放不當、未固定的工件等，對工人安全構成嚴重威脅。

3安全防控策略

以上研究尚未完全揭示不同指標下排名靠前的不安全行為對網絡連通性的影響是否具有一致性。事實上，管理者在進行安全防控時需要關注不同的行為，并針對性選擇安全防控策略。例如，當管理者對發生頻率較高且容易引發其他不安全行為的樞紐節點感興趣時，應重點關注度值較高的不安全行為；而如果管理者對具有顯著影響力和傳遞能力的節點更感興趣時，則應關注介數更大的不安全行為。在此背景下，本研究采用與許波桅等[24]相似的方法，模擬節點失效對網絡魯棒性的影響。

節點攻擊模擬了現實中通過防控相應的不安全行為來減少事故發生的過程。通過連續攻擊具有最高指標度量值的不安全行為，更新網絡的最大強連通分量的相對大小來衡量網絡的魯棒性和脆弱性。為了清晰地表示節點失效過程，本文使用最大強連通分量的相對大小來表示被攻擊消除的不安全行為的比例，失效的節點比例記為f。當節點被攻擊后，它會立即消失，同時與其相連的所有邊失效；只有當指向一個節點的所有邊都失效時，該節點才會失效，然后重復整個過程直至達到穩定狀態。本文節點攻擊策略包括度、強度、介數、加權介數和隨機移除五大類。對于隨機節點攻擊，每個節點被攻擊的概率相同，需要按照指定概率順序隨機攻擊網絡中的節點。為確保結果的可靠性，本文將攻擊過程重復1000次并取平均。不同攻擊策略下網絡魯棒性的動態變化如圖5所示。

圖5a顯示，在5種攻擊策略中，最大強連通分量的相對大小均能夠隨著失效的節點比例f的增大而減小。圖5b和5c為對結果的補充分析，展示了平均最短路徑長度和密度隨f的變化情況。隨機攻擊策略顯示，f和最大強連通分量的相對大小近似擬合方程y=-1.1x+0.83。同時，與其他4種攻擊策略相比，隨機攻擊的效率最低。

除了隨機攻擊策略，在f=0.12之前，4種策略對最大強連通分量的影響并沒有顯著差異。然而，在f=0.12之后，攻擊效果開始分化。值得注意的是，按強度攻擊的策略效果最差。相比之下，按介數和加權介數攻擊的策略對最大強連通分量的相對大小影響更為明顯，甚至在加權介數策略下，刪除占比約為0.235的節點網絡即完全崩潰。這是因為該策略刪除了兩個節點之間的中轉節點，從而將網絡分割成幾個孤立的社區。通過圖5b可以觀察到，基于介數和加權介數的攻擊策略對平均最短路徑長度的影響更明顯。因為基于度和強度的攻擊策略主要是刪除網絡中的Hub節點。盡管Hub節點的消失會在一定程度上導致平均最短路徑長度的增加，但直接刪除節點間的橋梁節點能更迅速地使網絡平均最短路徑長度的增加。較大的平均最短路徑長度意味著需要更多的不安全行為累積才能最終引發事故。圖5c也顯示，相對于其他兩種策略，介數和加權介數策略對密度的影響較小，進一步說明這兩種策略主要是通過破壞社區之間的橋梁節點來影響網絡的連通性的。

綜合而言，按介數和加權介數進行節點攻擊的策略更為合理，但根據實際的安全管理需求和預算限制，可以有不同選擇。在嚴格預算限制下，采用任何一種防控策略都能有效降低隨機防控導致的不確定性；而在預算充裕的情況下，盡可能地按照加權介數攻擊策略進行安全防控能更合理、有效地提高防控水平。

4結語

通過引入不安全行為鏈這一概念，本研究對501份事故調查報告進行提取分析，從而構建了建筑工人不安全行為網絡及4種事故類型分網絡。研究發現，各網絡度分布均擬合截斷冪律分布，說明關鍵樞紐節點對網絡的連通性影響顯著。同時，通過對各網絡的主要拓撲指標進行分析，針對性提出安全管理建議。此外，本研究分析了網絡度、強度等指標下不安全行為的重要性和影響力，通過節點失效策略揭示了網絡的魯棒性，并發現基于介數和加權介數的攻擊策略對網絡的連通性能產生更為顯著的影響。本研究為建筑工人不安全行為的有效管控提供了理論指導，有助于提高建筑現場的安全性。后續可以通過擴大數據樣本和研究范圍，以及評估不同防控策略的實施效果和成本效益，進一步深化研究。

參考文獻

[1]郭中華，姜卉，尤完.建筑施工安全生產監管模式的事故作用機理及有效性評價[J].公共管理學報，2021，18（4）：63-77.

[2]ZHAO X，WU P，WANG X.Risk paths in BIM adoption：empirical study of China[J].Engineering Construction amp; Architectural Management，2018，25（9）：1170-1187.

[3]鄭圣鏗，李曉娟，鄧俊希.基于SEM的建筑工人心理壓力，情緒對不安全行為影響研究[J].項目管理技術，2023，21（7）：41-48.

[4]SHIN M，LEE H，PARK M，et al.A system dynamics approach for modeling construction workers safety attitudes and behaviors[J].Accident Analysis amp; Prevention，2014，68（7）：95-105.

[5]YU Y，GUO H，DING Q，et al.An experimental study of real-time identification of construction workers unsafe behaviors[J]. Automation in Construction，2017（82）：193-206.

[6]DING L，FANG W，LUO H，et al.A deep hybrid learning model to detect unsafe behavior：integrating convolution neural networks and long short-term memory[J].Automation in Construction，2018（86）：118-124.

[7]MOHAJERI M，ARDESHIR A，MALEKITABAR H.Diagnostic intervention program based on construction workers internal factors for persistent reduction of unsafe behavior[J]. Engineering，Construction and Architectural Management，2023，30（2）：478-495.

[8]ZHOU Y，LI C，DING L，et al.Combining Association rules mining with complex networks to monitor coupled risks[J]. Reliability Engineering amp; System Safety，2019，186（6）：194-208.

[9]李乃文，劉孟瀟，牛莉霞.礦工工作壓力，心智游移與不安全行為的關系[J].中國安全生產科學技術，2018，14（10）：170-174.

[10]YUXIN W，GUI F，QIAN L，et al.Modelling and analysis of unsafe acts in coal mine gas explosion accidents based on network theory[J]. Process Safety and Environmental Protection，2023（170）： 28-44.

[11]ZHAN XX，LIU C，ZHOU G，et al.Coupling dynamics of epidemic spreading and information diffusion on complex networks[J].Applied Mathematics and Computation，2018（332）：437-448.

[12]ZHOU C，DING L，SKIBNIEWSKI M，et al.Characterizing time series of near-miss accidents in metro construction via complex network theory[J].Safety Science，2017（98）：145-158.

[13]LI K，WANG S.A network accident causation model for monitoring railway safety[J].Safety Science，2018（109）：398-402.

[14]TONG R，ZHAO H，ZHANG N，et al.Modified accident causation model for highway construction accidents （ACM-HC）[J].Engineering，Construction and Architectural Management，2021，28（9）：2592-2609.

[15]申建紅，張靜.基于復雜網絡和免疫策略的斜拉橋主梁施工安全風險耦合分析[J].安全與環境學報，2024，24（2）：450-460.

[16]DUHADWAY S，CARNOVALE S，KANNAN V R. Organizational communication and individual behavior：implications for supply chain risk management[J].Journal of Supply Chain Management，2018，54（4）：3-19.

[17]ZHOU J，XU W，GUO X，et al.A method for modeling and analysis of directed weighted accident causation network（DWACN）[J].Physica A：Statistical Mechanics and its Applications，2015（437）：263-277.

[18]SHAO L，GUO S，DONG Y，et al.Cause analysis of construction collapse accidents using association rule mining[J]. Engineering， Construction and Architectural Management，2023，30（9）：4120-4142.

[19]CHEN F，LEI S，WEI Y.Risk analysis of construction accidents with a weighted network model considering accident level[J].Quality and Reliability Engineering International，2023，39（8）：3230-3251.

[20]WATTS D，STROGATZ S.Collective dynamics of ‘small-world’networks[J].Nature，1998，393（6684）：440-442.

[21]NDEKUGRI I，ANKRAH N，ADAKU E.The design coordination role at the pre-construction stage of construction projects[J].Building Research amp; Information，2022，50（4）：452-466.

[22]FANG W，ZHONG B，ZHAO N，et al.A deep learning-based approach for mitigating falls from height with computer vision： convolutional neural network[J].Advanced Engineering Informatics，2019（39）：170-177.

[23]CHOUDHRY R M，FANG D P.Why operatives engage in unsafe work behavior：investigating factors on construction sites[J].Safety Science，2008，46（4）：566-584.

[24]許波桅，唐燦璇，李軍軍.級聯失效下海港-陸港集裝箱運輸網絡魯棒性分析[J].交通運輸系統工程與信息，2023，23（3）：265-279.PMT

收稿日期：2023-01-16

作者簡介：

朱錦春（通信作者）（1998—），男，研究方向：工程安全。

孟慶峰（1982—），男，博士，教授，博士研究生導師。研究方向：復雜工程管理、綠色供應鏈管理、社會科學計算實驗。