智能化背景下礦工風(fēng)險(xiǎn)感知水平對不安全行為產(chǎn)生的影響

摘" 要：

為充分探究智能化背景下礦工風(fēng)險(xiǎn)感知水平對不安全行為產(chǎn)生的影響，首先，分析了智能化建設(shè)背景下礦工工作內(nèi)容、礦工風(fēng)險(xiǎn)感知方面的變化；其次，基于礦工個(gè)體接收、判斷信息直至產(chǎn)生行為的全過程，從個(gè)體因素、作業(yè)因素、管理因素和組織因素4個(gè)方面提出了智能化煤礦礦工風(fēng)險(xiǎn)感知水平影響因素指標(biāo)體系，建立了基于系統(tǒng)動(dòng)力學(xué)的礦工不安全行為推演模型；然后，運(yùn)用G1法與C-OWA算子進(jìn)行指標(biāo)組合賦權(quán)確定各指標(biāo)權(quán)重系數(shù)；最后，干預(yù)策略仿真模擬，動(dòng)態(tài)分析各指標(biāo)因素間的相互作用。結(jié)果表明：在影響因素中，一級指標(biāo)個(gè)體因素（0.325）權(quán)重最大，二級指標(biāo)安全意識（0.087 4）、安全氛圍（0.077 5）、安全監(jiān)督（0.077 4）、安全投入（0.064 4）與安全知識（0.064 3）權(quán)重較大；智能化背景下礦工風(fēng)險(xiǎn)感知水平對不安全行為產(chǎn)生的作用路徑有108條，3條作用路徑權(quán)重較大；完善安全制度，加強(qiáng)智能化教育培訓(xùn)的組合干預(yù)策略對提升礦工風(fēng)險(xiǎn)感知水平和降低不安全行為水平有顯著效果。研究結(jié)果可為智能化煤礦提升礦工風(fēng)險(xiǎn)感知水平，降低礦工不安全行為產(chǎn)生提供依據(jù)。

關(guān)鍵詞：礦工；風(fēng)險(xiǎn)感知；不安全行為；系統(tǒng)動(dòng)力學(xué)；干預(yù)策略

中圖分類號：TD 79

收稿日期：

2024-06-

06

基金項(xiàng)目：

國家自然科學(xué)基金項(xiàng)目（51974238）;陜西省教育廳重點(diǎn)科研計(jì)劃項(xiàng)目（22JY042）

通信作者：

成連華，男，山東莘縣人，博士，教授，E-mail：chenglianhua@126.com

文獻(xiàn)標(biāo)志碼：A

文章編號：1672-9315（2024）06-1041

-09

DOI：10.13800/j.cnki.xakjdxxb.2024.0603開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Impact of miners’ risk perception levels on unsafe

behaviors in the context of intelligent mining

CHENG Lianhua，ZHANG Xuan，GUO Huimin，CAO Dongqiang

（College of Safety Science and Engineering，Xi’an University of Science and Technology，Xi’an 710054，China）

Abstract：

To fully explore the impact of miners’ risk perception level on unsafe behavior in the context of intelligentization，firstly，the changes in miners’ work content and risk perception in the context of intelligentization were analyzed.Secondly，based on the entire process of individual receiving，judging and generating information，four factors of individual factors，operational factors，management factors and organizational factors were proposed as the index system of miners’ risk perception level in intelligent coal mines.An unsafe behavior simulation model based on system dynamics was established.Then，the weight coefficients of each indicator were determined by using the G1 method and the C-OWA

operator.Finally，the simulation of intervention strategies was carried out to dynamically analyze the interactions between various indicators.The results show that among the influencing factors，the primary index of individual factors（0.325） has the highest weight，and the secondary indicators of safety awareness（0.087 4），safety atmosphere（0.077 5），safety supervision（0.077 4），safety investment

（0.064 4），and safety knowledge（0.064 3） have relatively large weights.In the context of intelligentization，there are 108 action paths through which miners’ risk perception level affects unsafe behavior，and 3 action paths have relatively large weights.The combination intervention strategy of improving safety systems and enhancing intelligentized training has significant effects on improving miners’ risk

perception level and reducing unsafe behavior levels.The research results can provide a basis for intelligent coal mines to improve miners’ risk perception level and reduce the occurrence of unsafe behavior.

Key words：miner；risk perception；unsafe behavior；system dynamics；intervention strategies

0" 引" 言

煤炭作為中國的主要能源，是國家能源安全的重要保障。截止2023年9月，全國現(xiàn)有煤礦智能化工作面共1 400個(gè)，有智能化工作面的煤礦達(dá)到730處，產(chǎn)能占比高達(dá)59.5%［1］。據(jù)煤礦事故統(tǒng)計(jì)數(shù)據(jù)顯示［2］，煤礦行業(yè)逐漸進(jìn)入智能化開采階段以來，煤礦總體安全生產(chǎn)形勢取得好轉(zhuǎn)，但安全生產(chǎn)形勢依然嚴(yán)峻。事故調(diào)查和研究均表明：礦工不安全行為是導(dǎo)致煤礦事故的主要原因［3］。礦工不安全行為是指可能造成或已經(jīng)造成安全事故發(fā)生的人為錯(cuò)誤。礦工對工作過程中的風(fēng)險(xiǎn)感知水平低，缺乏風(fēng)險(xiǎn)警覺性，是礦工不安全行為產(chǎn)生的重要原因［4］。因此，研究礦工風(fēng)險(xiǎn)感知水平了解其對礦工不安全行為產(chǎn)生的影響，是減少礦工不安全行為的重要一環(huán)。

目前，已有諸多學(xué)者在風(fēng)險(xiǎn)感知與不安全行為方面展開了相關(guān)研究。劉雪莉等探究了高危行業(yè)從業(yè)人員風(fēng)險(xiǎn)感知對不安全行為的影響及作用機(jī)制，發(fā)現(xiàn)風(fēng)險(xiǎn)感知通過自我調(diào)節(jié)疲勞的完全中介作用影響不安全行為［5］；MOHAMED通過研究風(fēng)險(xiǎn)感知和道路安全行為之間的關(guān)系發(fā)現(xiàn)駕駛?cè)嗽诘缆凤L(fēng)險(xiǎn)感知較高時(shí)傾向于采取更安全的行為［6］；李華等構(gòu)建風(fēng)險(xiǎn)感知結(jié)構(gòu)方程模型發(fā)現(xiàn)風(fēng)險(xiǎn)感知對游客不安全行為有直接顯著的負(fù)向作用［7］；楊振宏等采用結(jié)構(gòu)方程（SEM）和層次回歸的方法指出個(gè)體的事故體驗(yàn)通過風(fēng)險(xiǎn)感知和安全態(tài)度的中介作用負(fù)向影響礦工的不安全行為［8］；成連華等研究建筑工人安全能力在安全生產(chǎn)中的積極作用時(shí)，發(fā)現(xiàn)建筑工人風(fēng)險(xiǎn)感知能力、風(fēng)險(xiǎn)決策能力、安全執(zhí)行能力與安全行為顯著正相關(guān)［9］；葉貴等

分析了有理性工人的認(rèn)知過程，發(fā)現(xiàn)一定程度上經(jīng)驗(yàn)可以幫助工人認(rèn)知風(fēng)險(xiǎn)，但過于依賴風(fēng)險(xiǎn)感知經(jīng)驗(yàn)容易導(dǎo)致不安全行為的發(fā)生［10］；韓曉靜研究發(fā)現(xiàn)，風(fēng)險(xiǎn)感知對礦工不安全行為產(chǎn)生了顯著的負(fù)向影響作用［11］；肖澤元發(fā)現(xiàn)礦工風(fēng)險(xiǎn)感知水平與注意力集中能力顯著相關(guān)，風(fēng)險(xiǎn)感知水平越高，更易注意到風(fēng)險(xiǎn)信息，不安全行為發(fā)生的可能性越低［12］。現(xiàn)有研究從不同領(lǐng)域?qū)︼L(fēng)險(xiǎn)感知與不安全行為進(jìn)行分析，研究結(jié)論較為一致，證實(shí)風(fēng)險(xiǎn)感知對不安全行為具有負(fù)向影響作用。現(xiàn)有文獻(xiàn)在煤礦礦工風(fēng)險(xiǎn)感知水平與不安全行為研究方面較少，且缺乏動(dòng)態(tài)研究。

隨著中國煤礦智能化建設(shè)的加快，煤礦智能化程度不斷提高，煤礦安全生產(chǎn)風(fēng)險(xiǎn)監(jiān)測指標(biāo)和預(yù)警方式發(fā)生了變化，進(jìn)而對礦工基于知識水平和技能水平的風(fēng)險(xiǎn)評判有了更高要求［13］。因此，為進(jìn)一步預(yù)防智能化煤礦生產(chǎn)安全事故，研究智能化背景下礦工風(fēng)險(xiǎn)感知水平對不安全行為產(chǎn)生的影響，對于推進(jìn)煤礦智能化建設(shè)，減少煤礦安全事故具有重要意義。

鑒于此，基于智能化背景下的“礦工風(fēng)險(xiǎn)感知水平”與“礦工不安全行為”，利用可以揭示系統(tǒng)各個(gè)影響因素的因果關(guān)系、交互作用及動(dòng)態(tài)變化的系統(tǒng)動(dòng)力學(xué)理論（System Dynamics，SD）［14］，建立礦工風(fēng)險(xiǎn)感知水平對不安全行為產(chǎn)生的SD模型，對礦工不安全行為產(chǎn)生背后風(fēng)險(xiǎn)感知水平的影響展開動(dòng)態(tài)研究，明確風(fēng)險(xiǎn)感知水平各影響因素間的內(nèi)在關(guān)系，并設(shè)計(jì)出有效的干預(yù)策略，以期為智能化背景下煤礦生產(chǎn)工作面有效減少礦工的不安全行為及管理者制定合理的規(guī)章制度提供建議。

1" 礦工風(fēng)險(xiǎn)感知影響因素

1.1" 礦工工作內(nèi)容的變化

智能化煤礦是指運(yùn)用物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等智能技術(shù)與煤炭開發(fā)裝備進(jìn)行融合，形成全面自主感知，動(dòng)態(tài)預(yù)測預(yù)警的煤礦智能系統(tǒng)，實(shí)現(xiàn)礦井生產(chǎn)經(jīng)營管理等全過程的安全高效智能運(yùn)行［15］。智能化技術(shù)的應(yīng)用給礦工的工作內(nèi)容帶來了很多變化。

（1）提高了對知識技能水平的要求。智能化煤礦建設(shè)減輕了礦工體力勞動(dòng)，同時(shí)對礦工的認(rèn)知水平提出了更高要求，礦工需要具備更高級的技術(shù)理解和操作技能［16］。

（2）改變了工作負(fù)荷。礦工從繁重、重復(fù)的機(jī)械作業(yè)中解放出來，進(jìn)行設(shè)備的監(jiān)控操作，并對各種信息分析處理，體力負(fù)荷大幅下降；但智能技術(shù)、監(jiān)測預(yù)警系統(tǒng)的使用需要更高的認(rèn)知水平，使得腦力負(fù)荷明顯增加［17］。

（3）改變了工作環(huán)境。在智能化綜采工作面中，設(shè)備的自動(dòng)化生產(chǎn)，使礦工遠(yuǎn)離危險(xiǎn)的工作現(xiàn)場，直接進(jìn)行遠(yuǎn)程操控與監(jiān)督，因此，礦工受噪音、瓦斯、煤塵等威脅相對降低。

（4）改變了人機(jī)交互方式。從傳統(tǒng)煤礦人與機(jī)器之間的簡單機(jī)械操作和人工干預(yù)，轉(zhuǎn)變?yōu)楦嗟母呖萍荚O(shè)備的操作、監(jiān)控和維護(hù)。然而智能化初期的礦井，技術(shù)成熟度較低，設(shè)備故障率高，加上礦工技能水平不高，對新技術(shù)不熟悉，導(dǎo)致人機(jī)匹配存在障礙［16］。

1.2" 礦工風(fēng)險(xiǎn)感知的變化

風(fēng)險(xiǎn)感知是指個(gè)體對于外界客觀風(fēng)險(xiǎn)進(jìn)行基于個(gè)體經(jīng)驗(yàn)和主觀感受所做出的認(rèn)識和判斷［18］。礦工通過感知危險(xiǎn)信號，分析風(fēng)險(xiǎn)情境，進(jìn)而做出相應(yīng)的決策并采取行動(dòng)［19］。礦工的風(fēng)險(xiǎn)感知水平越高，越能準(zhǔn)確、敏銳地識別并判斷工作環(huán)境中的潛在危險(xiǎn)；當(dāng)?shù)V工風(fēng)險(xiǎn)感知水平較低時(shí)，就會(huì)增加其采取不安全行為的可能性［20］。

智能化煤礦采用先進(jìn)的傳感器技術(shù)、大數(shù)據(jù)

分析、人工智能等，通過實(shí)時(shí)監(jiān)測、智能預(yù)警系統(tǒng)，能夠更及時(shí)、準(zhǔn)確地識別風(fēng)險(xiǎn)，并且改變了礦工接收風(fēng)險(xiǎn)信息的方式［21-23］。從依賴礦工的人工感知來察覺煤礦中的風(fēng)險(xiǎn)信號，到接收監(jiān)測預(yù)警系統(tǒng)通過聲音、視覺、振動(dòng)等多種方式向礦工傳遞的風(fēng)險(xiǎn)信息，提高了礦工風(fēng)險(xiǎn)感知的準(zhǔn)確性、及時(shí)性、科學(xué)性和全面性。

（1）提高風(fēng)險(xiǎn)感知的準(zhǔn)確性。智能化煤礦通過實(shí)時(shí)監(jiān)測系統(tǒng)、數(shù)據(jù)分析和智能預(yù)警功能，能夠及時(shí)掌握煤礦內(nèi)部風(fēng)險(xiǎn)因素的變化，準(zhǔn)確識別潛在風(fēng)險(xiǎn)。

（2）強(qiáng)化風(fēng)險(xiǎn)感知的及時(shí)性。風(fēng)險(xiǎn)監(jiān)測預(yù)警系統(tǒng)能夠?qū)崿F(xiàn)實(shí)時(shí)監(jiān)測和自動(dòng)化預(yù)警，一旦發(fā)現(xiàn)風(fēng)險(xiǎn)信號，系統(tǒng)能夠立即發(fā)出警報(bào)，使礦工能夠及時(shí)做出反應(yīng)。

（3）提升風(fēng)險(xiǎn)感知的科學(xué)性。智能化煤礦系統(tǒng)通過數(shù)據(jù)驅(qū)動(dòng)和智能分析，為礦工提供更加科學(xué)的風(fēng)險(xiǎn)評估和決策支持。

（4）增強(qiáng)風(fēng)險(xiǎn)感知的全面性。智能化煤礦系統(tǒng)能夠監(jiān)測多個(gè)方面的風(fēng)險(xiǎn)因素，包括氣體濃度、溫度、地質(zhì)構(gòu)造等，形成全面的風(fēng)險(xiǎn)監(jiān)測體系。

同時(shí)風(fēng)險(xiǎn)監(jiān)測預(yù)警系統(tǒng)也增加了新的風(fēng)險(xiǎn)類型，如數(shù)據(jù)錯(cuò)誤、系統(tǒng)故障等，需要礦工有能力識別和應(yīng)對這些非傳統(tǒng)風(fēng)險(xiǎn)。

1.3" 礦工風(fēng)險(xiǎn)感知水平影響因素指標(biāo)體系構(gòu)建

基于上述智能化背景下礦工行為與風(fēng)險(xiǎn)感知的變化，結(jié)合對智能化煤礦現(xiàn)場調(diào)研，并通過閱讀文獻(xiàn)［4，24-25］與查找事故調(diào)查報(bào)告，對智能化煤礦礦工風(fēng)險(xiǎn)感知影響因素進(jìn)行分析確定。構(gòu)建如圖1所示的智能化背景下礦工風(fēng)險(xiǎn)感知水平影響因素指標(biāo)體系，其中包括4個(gè)一級指標(biāo)和20個(gè)二級指標(biāo)。

指標(biāo)體系中，個(gè)體因素指影響礦工對潛在危險(xiǎn)和風(fēng)險(xiǎn)感知能力的內(nèi)在特征和因素，包含安全意識、安全知識、安全經(jīng)驗(yàn)、心理適應(yīng)性、智能化技術(shù)信任度與熟練度；作業(yè)因素指影響礦工在工作環(huán)境中對潛在危險(xiǎn)和風(fēng)險(xiǎn)感知能力的因素，包含工作環(huán)境、工作性質(zhì)、人機(jī)匹配度、設(shè)備可靠度與風(fēng)險(xiǎn)監(jiān)測預(yù)警；管理因素指管理層對礦工風(fēng)險(xiǎn)感知水平影響的措施政策，包含安全監(jiān)督、智能化教育培訓(xùn)、安全制度、安全激勵(lì)和安全領(lǐng)導(dǎo)力；組織因素指組織或工作單位本身所具有的對礦工風(fēng)險(xiǎn)感知水平影響的特征和特點(diǎn)，包含安全氛圍、安全溝通、安全績效、安全投入。

2" 礦工不安全行為作用路徑分析2.1" 礦工不安全行為推演模型構(gòu)建

根據(jù)智能化背景下礦工風(fēng)險(xiǎn)感知水平影響因素指標(biāo)體系，確定主要因子為：個(gè)體因素水平、作業(yè)因素水平、管理因素水平、組織因素水平。根據(jù)主要因子可以確定系統(tǒng)的主要路徑［26］，構(gòu)建因果關(guān)系如圖2所示。

基于智能化背景下礦工風(fēng)險(xiǎn)感知水平對不安全行為產(chǎn)生的因果關(guān)系圖，為進(jìn)一步明確表示系統(tǒng)各要素之間的邏輯關(guān)系及系統(tǒng)的反饋形式和變化規(guī)律，選取42個(gè)變量構(gòu)建智能化背景下礦工風(fēng)險(xiǎn)感知對不安全行為產(chǎn)生系統(tǒng)動(dòng)力學(xué)模型，其中6個(gè)狀態(tài)變量，6個(gè)速率變量，20個(gè)輔助變量，10個(gè)常量，變量構(gòu)成匯總見表1（狀態(tài)變量對應(yīng)指標(biāo)體系的一級指標(biāo)，是隨時(shí)間變化的量；輔助變量對應(yīng)指標(biāo)體系的二級指標(biāo)；速率變量表示狀態(tài)變化速率的變量，常量指制定的干預(yù)策略［27］）。

將所構(gòu)建的系統(tǒng)動(dòng)力學(xué)模型按照擬定的模型框架進(jìn)行整合并做出如圖3所示的智能化背景下礦工風(fēng)險(xiǎn)感知水平對不安全行為產(chǎn)生系統(tǒng)動(dòng)力學(xué)模型流圖，較為全面地描繪出礦工風(fēng)險(xiǎn)感知水平對不安全行為產(chǎn)生系統(tǒng)構(gòu)成及要素間相互作用機(jī)制。

2.2" 綜合權(quán)重確定

采用序關(guān)系分析法（G1法）與基于組合數(shù)的有序加權(quán)平均算子（Combination Ordered Weighted Averaging，COWA）相結(jié)合進(jìn)行線性加權(quán)耦合［28］，利用G1法解決層次分析法中的一致性檢驗(yàn)不通過現(xiàn)象；COWA算子可避免極端值對賦權(quán)結(jié)果的影響。由于篇幅有限，具體組合賦權(quán)步驟在相關(guān)文獻(xiàn)中進(jìn)行了介紹［29］。邀請熟悉智能化煤礦生產(chǎn)安全變化的10位專家與現(xiàn)場管理人員對指標(biāo)體系進(jìn)行打分，運(yùn)用G1-COWA組合賦權(quán)法進(jìn)行計(jì)算，得出各指標(biāo)權(quán)重結(jié)果見表2。

由表2可知，一級指標(biāo)權(quán)重由大到小依次為：個(gè)體因素、管理因素、組織因素、作業(yè)因素。二級指標(biāo)中權(quán)重較大的有：安全意識、工作環(huán)境、工作性質(zhì)、安全監(jiān)督、安全激勵(lì)、安全氛圍、安全溝通和安全投入。

2.3" 關(guān)鍵作用路徑識別

根據(jù)因果關(guān)系圖與影響因素指標(biāo)權(quán)重，分析得出，智能化背景下礦工風(fēng)險(xiǎn)感知水平對不安全行為產(chǎn)生共有108條作用路徑，其中3條作用路徑

權(quán)重較大，如下所示（路徑中“↑”表示變量的增加，“↓”表示變量的減少）。

（1）安全制度↑→安全激勵(lì)↑→安全氛圍↑→安全績效↑→組織因素水平↑→風(fēng)險(xiǎn)感知水平↑→不安全行為水平↓。

（2）安全制度↑→智能化教育培訓(xùn)↑→安全知識↑→安全意識↑→智能化技術(shù)信任度↑→個(gè)體因素水平↑→風(fēng)險(xiǎn)感知水平↑→不安全行為水平↓。

（3）安全制度↑→安全投入↑→風(fēng)險(xiǎn)監(jiān)測預(yù)警↑→安全意識↑→智能化技術(shù)信任度↑→個(gè)體因素水平↑→風(fēng)險(xiǎn)感知水平↑→不安全行為水平↓。

3" 干預(yù)策略仿真模擬

使用Vensim PLE軟件進(jìn)行仿真模擬，仿真步長為1個(gè)月，仿真總時(shí)間為12個(gè)月。將指標(biāo)體系中權(quán)重系數(shù)作為仿真模擬的數(shù)據(jù)參數(shù)，設(shè)所有常量的初始值為1，所有參數(shù)變量采用無量綱單位。

3.1" 初始狀態(tài)下模擬結(jié)果

初始狀態(tài)下模擬結(jié)果如圖4所示。從圖4可以看出，礦工風(fēng)險(xiǎn)感知水平逐漸升高，0～1月增長幅度緩慢，1月后增長幅度增大。礦工不安全行為水平1～2月變化緩慢，2月后速度逐漸增大。這表明礦工風(fēng)險(xiǎn)感知水平對不安全行為產(chǎn)生具有明顯的滯后性，風(fēng)險(xiǎn)感知是一個(gè)動(dòng)態(tài)過程，礦工需要不斷接收來自環(huán)境和工作實(shí)踐的反饋，通過及時(shí)反思和總結(jié)工作中的經(jīng)驗(yàn)，風(fēng)險(xiǎn)感知水平逐漸上升后，不安全行為水平才下降，且越來越快。

3.2" 仿真模擬結(jié)果分析

為了考察干預(yù)策略的改變對礦工風(fēng)險(xiǎn)感知水平和不安全行為水平的影響作用，從個(gè)體、作業(yè)、管理和組織等維度出發(fā)，增大不同常量取值，進(jìn)行仿真模擬。

對個(gè)體因素進(jìn)行干預(yù)，結(jié)果如圖5所示，最佳干預(yù)策略是加強(qiáng)安全知識教育。煤礦企業(yè)可以通過豐富員工安全知識，定期開展安全知識理論學(xué)習(xí)和知識技能學(xué)習(xí)，增強(qiáng)礦工的安全意識，促使礦工風(fēng)險(xiǎn)感知水平增加，降低感知錯(cuò)誤，缺乏知識技能等無意違章行為的發(fā)生頻率。

對作業(yè)因素進(jìn)行干預(yù)，結(jié)果如圖6所示，最佳干預(yù)策略是進(jìn)一步的加強(qiáng)煤礦風(fēng)險(xiǎn)監(jiān)測預(yù)警系統(tǒng)。煤礦現(xiàn)有風(fēng)險(xiǎn)監(jiān)測預(yù)警存在覆蓋區(qū)域不全面、數(shù)據(jù)準(zhǔn)確性不足、故障率高等問題，進(jìn)一步優(yōu)化預(yù)警算法、加強(qiáng)設(shè)備維護(hù)、提高風(fēng)險(xiǎn)監(jiān)測預(yù)警的先進(jìn)性和可靠性，增大覆蓋面積，幫助礦工提升風(fēng)險(xiǎn)感知水平，減少事故發(fā)生。

對管理因素進(jìn)行干預(yù)，結(jié)果如圖7所示，完善安全制度和加強(qiáng)安全監(jiān)督對提高礦工風(fēng)險(xiǎn)感知，降低不安全行為有顯著效果。煤礦企業(yè)通過完善安全制度，強(qiáng)化管理層的管理責(zé)任，并加強(qiáng)安全監(jiān)督力度，增強(qiáng)礦工安全態(tài)度、安全意識，從而增強(qiáng)礦工風(fēng)險(xiǎn)感知水平，降低因管理失誤引起的不安全行為。

對組織因素進(jìn)行干預(yù)，結(jié)果如圖8所示，營造良好的企業(yè)安全氛圍，加強(qiáng)安全溝通是最佳干預(yù)策略。良好的安全氛圍可以提高員工的安全態(tài)度，培養(yǎng)好的安全習(xí)慣；良好的安全溝通可以使礦工之間，礦工與領(lǐng)導(dǎo)之間建立起完善的信息交流渠道，形成安全共享，破除信息不對稱；良好的安全氛圍與溝通還能提高員工的工作積極性，引導(dǎo)員工進(jìn)行規(guī)范作業(yè)［30］，從而增強(qiáng)礦工風(fēng)險(xiǎn)感知水平，減少不安全行為的發(fā)生。

對3條關(guān)鍵作用路徑進(jìn)行干預(yù)，結(jié)果如圖9所示。3條路徑對比可得，干預(yù)效果為路徑（2）＞路徑（3）＞路徑（1），說明安全制度、智能化教育培訓(xùn)對礦工安全知識、安全意識、智能化技術(shù)信任度提升有顯著效果，煤礦提升礦工個(gè)體風(fēng)險(xiǎn)感知水平的同時(shí)應(yīng)提高自身管理能力；路徑（3）說明加強(qiáng)風(fēng)險(xiǎn)監(jiān)測預(yù)警是增加礦工風(fēng)險(xiǎn)感知水平，降低不安全行為發(fā)生概率的重要途徑，煤礦應(yīng)進(jìn)一步加大風(fēng)險(xiǎn)監(jiān)測預(yù)警等智能化技術(shù)設(shè)備的投入，提升設(shè)備系統(tǒng)的先進(jìn)性和可靠性；路徑（1）效果低于其他路徑，但干預(yù)結(jié)果較其他因素的干預(yù)措施有明顯提升，說明組合措施的干預(yù)效果大于單一或簡單的干預(yù)措施；3條干預(yù)路徑風(fēng)險(xiǎn)感知曲線都在第1個(gè)月后速率逐漸增大，這說明煤礦企業(yè)至少要持續(xù)實(shí)施1個(gè)月的干預(yù)策略才能有效提升礦工風(fēng)險(xiǎn)感知水平，從而降低礦工不安全行為的發(fā)生。

4" 結(jié)" 論

1）基于實(shí)地調(diào)研與案例文獻(xiàn)分析，明確智能化背景下礦工風(fēng)險(xiǎn)感知水平影響因素包含個(gè)體、作業(yè)、管理和組織4個(gè)層面；結(jié)合SD模型，分析出礦工風(fēng)險(xiǎn)感知水平對不安全行為產(chǎn)生的作用路徑有108條。

2）采用G1法與COWA組合賦權(quán)確定影響因素權(quán)重，其中安全意識、安全氛圍、安全監(jiān)督、安全投入和安全知識這5項(xiàng)權(quán)重明顯高于其他因素。

3）在智能化背景下，通過深入分析礦工風(fēng)險(xiǎn)感知水平的影響因素和作用路徑，結(jié)合有效干預(yù)策略，可以有效提升礦工的風(fēng)險(xiǎn)感知水平，從而降低不安全行為的發(fā)生。

參考文獻(xiàn)（References）：

［1］" 趙麗梅，寧迪.引導(dǎo)更多礦山智能化高質(zhì)量發(fā)展［N］.中國青年報(bào)，2023-09-19（003）.

［2］程磊，孫潔.2016—2022年我國煤礦事故統(tǒng)計(jì)與規(guī)律分析［J］.煤炭工程，2023，55（11）：125-129.

CHENG Lei，SUN Jie.Statistics and law analysis of coal mine accidents in China from 2016 to 2022［J］.Coal Engineering，2023，55（11）：125-129.

［3］WANG C，WANG JK，WANG XH，et al.Exploring the impacts of factors contributing to unsafe behavior of coal miners［J］.Safety Science，2019，115：339-348.

［4］李乃文，王春迪，牛莉霞.高危崗位礦工個(gè)體風(fēng)險(xiǎn)感知影響因素仿真研究［J］.中國安全生產(chǎn)科學(xué)技術(shù)，2015，11（9）：184-190.

LI Naiwen，WANG Chundi，NlU Lixia.Simulation of factors affecting individual risk perception of the high-risk position miner［J］.Journal of Safety Science and Technology，2015，11（9）：184-190.

［5］劉雪莉，王茜，栗繼祖.風(fēng)險(xiǎn)感知對不安全行為的影響機(jī)制研究［J］.應(yīng)用心理學(xué)，2024，30（4）：366-372.

LIU Xueli，WANG Qian，LI Jizu.Study on influence mechanism of risk perception on safety behavior［J］.Chinese Journal of Applied Psychology，2024，30（4）：366-372.

［6］MOHAMED B，REMI D K，ABDELKARIM B.Road s-afety behaviors：role of control beliefs and risk perception［J］.Transportation Research Part F：Psychology and Behaviour，2022，91：45-57.

［7］李華，孔嬌，喬崢元，等.風(fēng)險(xiǎn)感知對城市景區(qū)密集人群不安全行為的影響研究［J］.安全與環(huán)境學(xué)報(bào)，2023，23（7）：2379-2387.

LI Hua，KONG Jiao，QIAO Zhengyuan，et al.Research on the impact of risk perception on the unsafe behavior of dense crowds in urban scenic spots［J］.Journal of Safety and Environment，2023，23（7）：2379-2387.

［8］楊振宏，李盼，王文杰.基于社會(huì)認(rèn)知理論的事故體驗(yàn)對礦工不安全行為影響研究［J］.安全與環(huán)境學(xué)報(bào)，2021，21（4）：1607-1614.

YANG Zhenhong，LI Pan，WANG Wenjie.Impact or lessons of the accidents on the miners’ reckless behaviors based on the social cognition theory［J］.Journal of Safety and Environment，2021，21（4）：1607-1614.

［9］成連華，趙旭東，郝杰，等.建筑工人安全能力對安全行為的影響——信息認(rèn)知與AMO理論的雙重視角［J］.西安科技大學(xué)學(xué)報(bào)，2023，43（3）：449-456.

CHENG Lianhua，ZHAO Xudong，HAO Jie，et al.Influence of construction workers’ safety ability on safety behavior：Dual perspectives of information cognition and AMO theory［J］.Journal of Xi’an University of Science and Technology，2023，43（3）：449-456.

［10］葉貴，越宏哲，楊晶晶，等.建筑工人認(rèn)知水平對不安全行為影響仿真研究［J］.中國安全科學(xué)學(xué)報(bào)，2019，29（9）：36-42.

YE Gui，YUE Hongzhe，YANG Jingjing，et al.Simulation study on influences of construction workers’ bounded rational cognition on unsafe behaviors［J］.China Safety Science Journal，2019，29（9）：36-42.

［11］韓曉靜.風(fēng)險(xiǎn)偏好對礦工不安全行為的影響研究［D］.西安：西安科技大學(xué)，2014.

HAN Xiaojing.Research on the influence of risk preference on the miners’ unsafe behavior［D］.Xi’an：Xi’an University of Science and Technology，2014.

［12］肖澤元.礦工風(fēng)險(xiǎn)感知與不安全行為的關(guān)系研究［D］.西安：西安科技大學(xué)，2014.

XIAO Zeyuan.Research on the relationship between risk perception and miners unsafe behavior［D］.Xi’an：Xi’an University of Science and Technology，2014.

［13］

BAI J，ZHENG D，JIA C.Safety technology risks and countermeasures in the intelligent construction of coal mines［J］.Geofluids，2022，2022：1-8.

［14］

李乃文，冀永紅，唐水清，等.礦工反生產(chǎn)行為影響因素系統(tǒng)動(dòng)力學(xué)仿真研究［J］.中國安全科學(xué)學(xué)報(bào)，2018，28（6）：13-18.

LI Naiwen，JI Yonghong，TANG Shuiqing，et al.Simulation of factors influencing miners’ counter productive workplace behavior based on system dynamics［J］.China Safety Science Journal，2018，28（6）：13-18.

［15］

王國法，龐義輝，劉峰，等.智能化煤礦分類、分級評價(jià)指標(biāo)體系［J］.煤炭科學(xué)技術(shù)，2020，48（3）：1-13.

WANG Guofa，PANG Yihui，LIU Feng，et al.Specification and classification grading evaluation index system for intelligent coal mine［J］.Coal Science and Technology，2020，48（3）：1-13.

［16］

劉佳，栗繼祖.基于扎根理論的智能化煤礦礦工安全行為影響因素研究［J］.礦業(yè)研究與開發(fā)，2023，43（3）：172-178.

LIU Jia，LI Jizu.Study on influencing factors of miners’ safety behavior in intelligent coal mine based on grounded theory［J］.Mining Research and Development，2023，43（3）：172-178.

［17］

栗繼祖，徐麗麗，郭彥豫，等.智能化煤礦監(jiān)控與巡視作業(yè)行為模式與認(rèn)知機(jī)理研究綜述［J］.中國煤炭，2021，47（1）：57-63.

LI Jizu，XU Lili，GUO Yanyu，et al.Overview on research of behavior pattern and cognitive mechanism of monitoring and inspection work in intelligent coal mine［J］.China Coal，2021，47（1）：57-63.

［18］SLOVIC P.Perception of risk［J］.Science，1987，236（4799）：280-285.

［19］孟博，劉茂，李清水，等.風(fēng)險(xiǎn)感知理論模型及影響因子分析［J］.中國安全科學(xué)學(xué)報(bào)，2010，20（10）：59-66.

MENG Bo，LIU Mao，LI Qingshui，et al.Theoretical model for risk perception and its factor analysis［J］.China Safety Science Journal，2010，20（10）：59-66.

［20］肖澤元，李廣利，寇猛，等.風(fēng)險(xiǎn)感知水平對礦工注意力集中能力的影響研究［J］.技術(shù)與創(chuàng)新管理，2016，37（5）：524-528.

XlAO Zeyuan，LI Guangli，KOU Meng，et al.Research on the influence of risk perception level on miners’ concentration ability［J］.Technology and Innovation Management，2016，37（5）：524-528.

［21］

武福生，卜滕滕，王璐.煤礦安全智能化及其關(guān)鍵技術(shù)［J］.工礦自動(dòng)化，2021，47（9）：108-112.

WU Fusheng，BU Tengteng，WANG Lu.Coal mine safety intelligence and key technologies［J］.Journal of Mine Automation，2021，47（9）：108-112.

［22］

王國法，龐義輝，李爽，等.基于煤礦時(shí)空多源信息感知的智能安控閉環(huán)體系［J］.礦業(yè)安全與環(huán)保，2022，49（4）：1-11.

WANG Guofa，PANG Yihui，LI Shuang，et al.Intelligent safety closed-loop management and control system based on multi-source information perception in coal mine［J］.Mining Safety amp; Environmental Protection，2022，49（4）：1-11.

［23］

陳小林.智能化礦山建設(shè)背景下的煤礦監(jiān)管監(jiān)察模式［J］.煤礦安全，2022，53（8）：237-241.

CHEN Xiaolin.Coal mine supervision mode under the background of smart mine construction［J］.Safety in Coal Mines，2022，53（8）：237-241.

［24］

魏濤，成連華，鮑楓，等.建筑工人安全能力提升策略系統(tǒng)動(dòng)力學(xué)仿真［J］.西安科技大學(xué)學(xué)報(bào)，2023，43（6）：1054-1062.

WEI Tao，CHENG Lianhua，BAO Feng，et al.System dynamics simulation of construction workers’ safety competency improvement strategy［J］.Journal of Xi’an University of Science and Technology，2023，43（6）：1054-1062.

［25］

田水承，梁清，王莉，等.噪聲與礦工行為安全關(guān)系研究及防控對策［J］.西安科技大學(xué)學(xué)報(bào)，2015，35（5）：555-560.

TIAN Shuicheng，LIANG Qing，WANG Li，et al.Research on the relationship between the noise and miner behaviorsafety and prevention-control countermeasures［J］.Journal of Xi’an University of Science and Technology，2015，35（5）：555-560.

［26］XUECAI X，JUN H，GUI F，et al.Investigation of unsafe acts influence law based on system dynamics simulation：Thoughts on behavior mechanism and safety control［J］.International Journal of Environmental Research and Public Health，2023，20（6）：4733-4733.

［27］

田水承，丁洋.基于ANP和SD的礦工不安全行為干預(yù)策略研究［J］.煤礦安全，2023，54（8）：252-257.

TIAN Shuicheng，DING Yang.Research on intervention strategies for miners’ unsafe behavior based on ANP and SD［J］.Safety in Coal Mines，2023，54（8）：252-257.

［28］

GUORUI S，BAOSHAN J，PENG W，et al.Risk identification of coal spontaneous combustion based on COWA modified G1 combination weighting cloud model［J］.Scientific Reports，2022，12（1）：2992-2992.

［29］

黃文靜.地鐵隧道盾構(gòu)法施工安全風(fēng)險(xiǎn)管理研究［D］.青島：青島理工大學(xué)，2022.

HUANG Wenjing.Research on construction safety risk management of metro tunnel［D］.Qingdao：Qingdao University of Technology，2022.

［30］

張文，成連華，曹東強(qiáng).非煤礦山安全氛圍與人的不安全行為關(guān)系分析［J］.黃金，2023，44（6）：94-97，101.

ZHANG Wen，CHENG Lianhua，CAO Dongqiang.Research on the relationship between the safety atmosphere and the unsafe behavior of people in non-coal mines［J］.Gold，2023，44（6）：94-97，101.

（責(zé)任編輯：高佳）