王 勇，賴(lài)芨宇，易紫妮，李曉娟

福建農(nóng)林大學(xué)交通與土木工程學(xué)院，福建 福州 350108

隨著我國(guó)城市經(jīng)濟(jì)飛速發(fā)展，尤其是20世紀(jì)90年代以來(lái)，城市基礎(chǔ)設(shè)施的建設(shè)與完善，城區(qū)建設(shè)規(guī)模不斷擴(kuò)大，吸引著來(lái)自各地的管理、技術(shù)、勞務(wù)等各種人才，使得人口總量逐年增加。截止2017年，我國(guó)城區(qū)人口超過(guò)500萬(wàn)的城市共11座［1-3］。面對(duì)如此大的人口規(guī)模，傳統(tǒng)的交通運(yùn)輸工具難以負(fù)擔(dān)如此大的交通流量，而且過(guò)多的汽車(chē)尾氣排放，嚴(yán)重影響城市環(huán)境［4］。因此城市軌道交通運(yùn)輸系統(tǒng)開(kāi)始修建，并逐漸完善，以有效、便捷地緩解目前城市公共交通運(yùn)輸壓力。

圖1為我國(guó)近15年來(lái)發(fā)生的323起地鐵施工事故統(tǒng)計(jì)［5-7］，在 2003-2017年間，我國(guó)的地鐵施工事故總量呈現(xiàn)出兩段增長(zhǎng)期。2005-2010年呈一快速增長(zhǎng)期，2010年達(dá)到歷年最高，共38起，死亡人數(shù)達(dá)27；2008年死亡人數(shù)為歷年最高，為36。從2011年至今，又處于一段增長(zhǎng)期，且平均每年事故數(shù)量超過(guò)21人，平均每年事故死亡人數(shù)超過(guò)19人；預(yù)計(jì)未來(lái)幾年內(nèi)，施工事故總量依舊會(huì)呈現(xiàn)增長(zhǎng)趨勢(shì)。通過(guò)數(shù)據(jù)分析其原因：前期由于我國(guó)部分城市首次修建地鐵，施工技術(shù)與經(jīng)驗(yàn)不足，且相關(guān)法規(guī)與標(biāo)準(zhǔn)不完善；后期主要是一二線城市的不斷發(fā)展，促使獲批修建地鐵城市大量增加，造成事故不斷增多。

圖1 2003-2017年我國(guó)地鐵施工事故統(tǒng)計(jì)Fig.1 Statistics of subway construction accidents in China from 2003 to 2017

根據(jù)海因里希法則，在一起死亡或重傷的事故后，隱藏著29起輕傷事故以及300起無(wú)傷亡事故，甚至無(wú)數(shù)的不安全的操作行為，即三者之比為1∶29∶300［8］。在本次統(tǒng)計(jì)的 248 起具有較為詳細(xì)記錄的事故中，三者之比為161∶11∶76，這表明仍有大量的事故數(shù)據(jù)未能統(tǒng)計(jì)到?；诖?，建立全面的地鐵施工事故信息搜集系統(tǒng)，運(yùn)用基于案例推理（case-based reasoning，CBR）機(jī)制的方法構(gòu)建地鐵施工事故案例庫(kù)，檢索的相似案例出現(xiàn)時(shí)，不僅可以為施工組織方案的制定提供參考，增加其安全性，還可以基于施工過(guò)程中出現(xiàn)的事故，預(yù)測(cè)施工高危險(xiǎn)系數(shù)的環(huán)節(jié)容易發(fā)生的安全事故，以降低其發(fā)生的可能性。

1 基于CBR的地鐵施工案例庫(kù)的構(gòu)建

CBR作為三種主要的推理機(jī)制之一，起源于1977年，發(fā)展歷程已近 40年［9］。CBR機(jī)制機(jī)理主要是對(duì)過(guò)去事故建立案例庫(kù)，當(dāng)遇到新問(wèn)題時(shí)，可以通過(guò)相似案例搜索，力求找出與以往最相似的事故，解析其發(fā)生的過(guò)程與解決方案，為新問(wèn)題提供有效的參考［10］，因而是一種利用以往相似經(jīng)驗(yàn)去推理解決新問(wèn)題的方法［11］。若從案例庫(kù)中選取的實(shí)例相似度低，則可以整理本次案例，將其作為新案例輸入庫(kù)中，作為以后的參考樣本。這種方法廣泛應(yīng)用于計(jì)算機(jī)工程、分類(lèi)與診斷、交通運(yùn)營(yíng)等各種行業(yè)［12-13］。

自1965年北京地鐵一號(hào)線開(kāi)工以來(lái)，我國(guó)已經(jīng)開(kāi)始進(jìn)入現(xiàn)代城市交通時(shí)代。特別是在20世紀(jì)90年代，我國(guó)地鐵修建開(kāi)啟了第一個(gè)高潮，但在地鐵施工過(guò)程中，由于其工程量大、施工復(fù)雜難度高，安全管理不到位等原因［14］，產(chǎn)生大量的施工事故案例。若將CBR方法運(yùn)用至地鐵施工事故案例庫(kù)的建立中，建設(shè)方從中提取有效信息選項(xiàng)，案例庫(kù)系統(tǒng)可以從中導(dǎo)出相對(duì)應(yīng)的往年事故，并對(duì)與此相關(guān)的案例進(jìn)行分析評(píng)價(jià)。而地鐵施工單位作為案例庫(kù)的主要參與者，可以將施工案例搜集并整理，導(dǎo)入到案例庫(kù)中，以此擴(kuò)充數(shù)量，使得以后選取與導(dǎo)出的案例更充分、評(píng)價(jià)信息更加完善。當(dāng)施工單位在制定施工組織時(shí)，可以先依據(jù)工程標(biāo)段的各類(lèi)信息，如事故發(fā)生的時(shí)間點(diǎn)、事故發(fā)生段位及地理位置、施工過(guò)程中的施工方法和人員素質(zhì)情況、事故結(jié)果及處理結(jié)果等，從案例庫(kù)中調(diào)取相似案例的所有信息，既可以在施工前做好應(yīng)急預(yù)案，也可以在事故發(fā)生后采用相似且比較成功的處理措施，其機(jī)制見(jiàn)圖2。若在案例庫(kù)中檢索不到相似度較高的案例，則可以調(diào)整事故的信息類(lèi)型，然后將其整理好，作為新案例重新輸入到案例庫(kù)系統(tǒng)中，為以后的事故處置提供經(jīng)驗(yàn)。

圖2 基于CBR的地鐵施工事故案例庫(kù)的運(yùn)行機(jī)制Fig.2 Operation mechanism of CBR-based casework database for subway construction accidents

2 相似度的計(jì)算

每一地鐵施工事故的發(fā)生過(guò)程可以由許多基本詞語(yǔ)描述，因此可以將案例包含的信息概念化，而不同深度的概念以及同一深度的不同概念的相互交織，可以形成概念樹(shù)［15］，并以此做為案例庫(kù)建立的數(shù)據(jù)模型。在一概念樹(shù)中，邏輯關(guān)系包括繼承關(guān)系、組成關(guān)系、擴(kuò)展關(guān)系。在一案例中，一個(gè)概念可以繼承和擴(kuò)展出更多的小概念。地鐵施工事故擴(kuò)展出不同概念，如發(fā)生地點(diǎn)包括特大城市、一二線城市，事故發(fā)生類(lèi)型擴(kuò)展出坍塌、高處墜落等。繼而以坍塌為例，擴(kuò)展出其他概念，形成地鐵施工坍塌事故的完整體系，最后擴(kuò)展出最底層的概念，如土質(zhì)疏松、支護(hù)體系破壞、導(dǎo)洞影響等，如圖3所示。在每一次的擴(kuò)展中，概念樹(shù)形成具有層次性的概念。

2.1 數(shù)相似度的概念及其特征

圖3 地鐵施工坍塌事故概念樹(shù)示意圖Fig.3 Conceptual tree diagram of subway construction collapse accident

在概念樹(shù)中，每個(gè)概念所處的層次稱(chēng)為概念層次，用l表示，maxl稱(chēng)為樹(shù)的深度，記為m。此外，概念之間的最短路徑條數(shù)之和，稱(chēng)為概念距離，用d表示，則c1和c2的樹(shù)相似度可以表示為St（c1，c2），其計(jì)算公式為：

其中設(shè)l（c1）和l（c2）分別c1和c2的概念層次；a為正數(shù)，表示調(diào)節(jié)參數(shù)；St（c1，c2）=1表示概念c2和c2具有等價(jià)關(guān)系。從公式中可以發(fā)現(xiàn)，由于概念樹(shù)深度與調(diào)節(jié)參數(shù)均是固定值，概念樹(shù)的相似度主要受概念的概念層次和概念距離影響。若概念層次深度越大，概念距離路徑越少，則兩個(gè)概念之間的概念相似度則越大。

在圖4中，概念樹(shù)共有3層，m=3；發(fā)生地點(diǎn)和坍塌的概念距離為3，深度分別為1和2；發(fā)生地點(diǎn)和坍塌的概念相似度計(jì)算得：

圖4 概念樹(shù)示意圖Fig.4 Schematic diagram of concept tree

2.2 嫡系相似度的計(jì)算

在概念樹(shù)中，前一層概念稱(chēng)為父概念，它表示該層引出的概念之間的相似度，稱(chēng)為嫡系相似度，記為Ss（），其表達(dá)方式可以用公式（1）計(jì)算。

2.3 概念相似度的計(jì)算

在概念樹(shù)中，若c1，c2為兩個(gè)不等價(jià)的概念，則其概念相似度可以表示為Sc（），其計(jì)算公式可以表達(dá)為：

2.4 屬性相似度的計(jì)算

概念的屬性也表達(dá)著概念的某些特征，因而概念的屬性相似度也影響著案例相似度，記屬性相似度為Sb（），其計(jì)算方法與公式（1）類(lèi)似。

3 相似度的計(jì)算過(guò)程

在評(píng)價(jià)兩個(gè)案例的相似度時(shí)，不同的概念，受到多種因素的影響，因此還應(yīng)根據(jù)其權(quán)重來(lái)計(jì)算。設(shè)案例庫(kù)中檢索的案例X和輸入系統(tǒng)的事故Y，案例X包含了n個(gè)概念｛c11，c12，c13，…，c1n｝，r個(gè)數(shù)值類(lèi)型屬性｛b11，b12，b13，…，b1r｝和h個(gè)對(duì)象類(lèi)型屬性｛b21，b22，b23，…，b2h｝；案例Y包括m個(gè)概念｛c21，c22，c23，…，c2m｝，k個(gè)數(shù)值類(lèi)型屬性｛b31，b32，b33，…，b3k｝和j個(gè)對(duì)象類(lèi)型屬性｛b41，b42，b43，…，b4j｝。

①求概念相似度矩陣其中

②從矩陣S中選取maxλmn，將其所在的行與列的值，形成新的矩陣S′，如此不斷循環(huán)，到該矩陣為空的時(shí)候停止。然后將每次計(jì)算得到的maxλmn記為w=｛f1，f2，f3，…，ft0｝，式中t0=min（m，n）。

③ 進(jìn)而再求w=｛f1，f2，f3，…，ft0｝的加權(quán)平均表示概念i的權(quán)重值。

④依據(jù)數(shù)值類(lèi)型和對(duì)象類(lèi)型兩種類(lèi)別，將概念的屬性進(jìn)行分類(lèi)，然后分別構(gòu)造出兩種類(lèi)型的相似度矩陣M和N：

其中，數(shù)值類(lèi)型矩陣中的兩屬性之間的間接相似度wkr=Sb（b1r，b3k），而對(duì)象類(lèi)型之間的屬性的間接相似度可以表示為ρhj=Se(b2l，b4h)，可由公式（2）計(jì)算得到。

⑤同①的計(jì)算過(guò)程方法相似，從矩陣M中選取maxωkr，并清除其所在行和列中的值，然后形成新的矩陣M′，不斷循環(huán)計(jì)算，直到 M′矩陣為空的時(shí)候停止。每取得maxωkr時(shí)候，記z={x1，x2，x3，…，xt1} ，式中t1=min(k，r)。同理可知，在計(jì)算矩陣 N中，可以得到v={y1，y2，y3，…，yt2}，同樣t2=min(h，j)。

⑥ 計(jì)算z={x1，x2，x3，…，xt1}和v={y1，y2，y3，…，yt2}各自的加權(quán)平均值：

S，式中?i是其權(quán)重值；，式中εi為其權(quán)重值。

⑦將上面兩種加權(quán)平均值結(jié)合起來(lái)，可以得到概念屬性相似度，表示為Sb(X，Y)，其公式表達(dá)為：

⑧結(jié)合概念相似度與概念屬性相似度，按照各自權(quán)重，計(jì)算出案例的相似度，可以表示為S(X，Y)，即：

最終根據(jù)設(shè)置的相似度閾值，判斷該案例的相似度是否符合要求，是否在系統(tǒng)中通過(guò)。

若，（其中a為調(diào)節(jié)參數(shù)）則表示X和Y兩個(gè)案例具有較高的相似度；

若，則表示X和Y兩個(gè)案例具有極高的相似度；

若S（X，Y）=1，則表示X和Y案例完全一致，屬于等價(jià)關(guān)系。

如圖4中概念樹(shù)中的第二層發(fā)生地點(diǎn)與傷亡情況的嫡系相似度Ss（c2，c7）=1，表明兩個(gè)概念的父概念相同。

4 案例相似度計(jì)算的應(yīng)用

以2起地鐵施工坍塌事故為例，通過(guò)計(jì)算兩案例之間的相似度，確定兩者之間是否有參考價(jià)值。

案例X：2014年12月17日17時(shí)20分，南京地鐵四號(hào)線TA06標(biāo)段在安排1號(hào)豎井內(nèi)鋼筋綁扎時(shí)，未按照要求，導(dǎo)致鋼筋籠架在施工過(guò)程中發(fā)生坍塌，造成4死3傷的施工事故。

設(shè)計(jì)案例Y：2013年8月18日21點(diǎn)左右，某市郊區(qū)在建的軌道交通，某區(qū)間工地發(fā)生坍塌，造成2死4傷的施工事故。

從這2個(gè)案例中，在第二層中選取發(fā)生地點(diǎn)、發(fā)生時(shí)間、傷亡情況、事故類(lèi)型4個(gè)概念，進(jìn)而擴(kuò)展出郊區(qū)與車(chē)站、上下午、事故級(jí)別、坍塌等概念，所有的概念及其屬性一起形成地鐵施工事故的概念樹(shù)，如圖5所示。在這個(gè)案例設(shè)計(jì)中，設(shè)取a=1，δ=0.5，β=0.5，案例之間相似度計(jì)算過(guò)程如下：

由①可計(jì)算案例X、Y的概念相似度矩陣S1：

然后取概念的權(quán)重μi(i=1，2，…6)=0.2，由前面計(jì)算過(guò)程②和③，可得Scs（X，Y）=0.714。再根據(jù)計(jì)算過(guò)程④，可分別得到案例X和案例Y之間的數(shù)值類(lèi)屬性的相似度矩陣M11，和對(duì)象類(lèi)屬性相似度矩陣N12：

然后選取概念的屬性權(quán)重?1=?2=0.5，ε1=1，再按照前面的計(jì)算方式⑤至⑦，可以計(jì)算出數(shù)值型和對(duì)象型的各自加權(quán)平均：

最后依據(jù)計(jì)算步驟⑧，可以計(jì)算出兩個(gè)案例的相似度：S（X，Y）=β×Scs（X，Y）+（1-β）×Sp（X，Y）=0.534

由于計(jì)算結(jié)果顯示：這表明兩個(gè)案例具有較高的相似度，南京地鐵施工事故案例可以為設(shè)計(jì)案例提供較高的參考價(jià)值。若在案例庫(kù)檢索中，與之相似度有更高值，應(yīng)按照從大到小依次排列。此外，由于我國(guó)幅員遼闊，不同地區(qū)的地理環(huán)境不同，施工場(chǎng)地條件、人員素質(zhì)、技術(shù)設(shè)備等因素也有所差異，使得計(jì)算的相似度結(jié)果會(huì)有所偏差。因此，在案例庫(kù)檢索時(shí)，概念樹(shù)的第一層深度應(yīng)建立得更加精確、詳細(xì)，以提高相似度的準(zhǔn)確性。

圖5 地鐵施工事故概念結(jié)構(gòu)圖Fig.5 Conceptual structure of subway construction accident

5 結(jié) 語(yǔ)

案例庫(kù)的建立和完善，可以使不同單位、不同地區(qū)的地鐵施工事故案例相互聯(lián)系，降低傳統(tǒng)施工案例之間較強(qiáng)的獨(dú)立性。若能將每個(gè)地鐵施工事故案例輸入案例庫(kù)中，通過(guò)計(jì)算機(jī)計(jì)算其相似度，可以有效地將它們結(jié)合起來(lái)，提高案例的參考價(jià)值，相互借鑒而不是僅僅將它存在于檔案庫(kù)中。

通過(guò)引入概念樹(shù)，特別是概念和屬性同時(shí)考慮在計(jì)算中，具有一定的合理性及應(yīng)用意義，可以快速地判斷事故之間的相似性。若相似度較高，則可以將其應(yīng)用到本施工組織規(guī)劃中，避免事故的發(fā)生。但是目前案例庫(kù)的建立，還存在許多困難，這需要政府與相關(guān)企業(yè)進(jìn)行合作，不斷充實(shí)案例庫(kù)的總量，發(fā)揮其借鑒與指導(dǎo)作用。

［1］2017中國(guó)城市人口排名名單13個(gè)城超1000萬(wàn)［EB/OL］.（2017-8-11）［2017-12-7］.http：//mnw.cn/news/china/1813680.html.

［2］李曉娟.地鐵運(yùn)營(yíng)安全風(fēng)險(xiǎn)分析［J］.工程管理學(xué)報(bào)，2017，31（1）：83-88.

［3］李志東.地鐵運(yùn)營(yíng)安全的風(fēng)險(xiǎn)評(píng)估與管理［J］.價(jià)值工程，2017（23）：54-56.

［4］萬(wàn)國(guó)勝，梁暉，周華杰.地鐵運(yùn)行引起環(huán)境振動(dòng)的評(píng)價(jià)方法［J］.武漢工程大學(xué)學(xué)報(bào)，2009，31（5）：25-28.

［5］鄧小鵬，李啟明，周志鵬.地鐵施工安全事故規(guī)律性的統(tǒng)計(jì)分析［J］.統(tǒng)計(jì)與決策，2010（9）：87-89.

［6］李鳳偉，杜修力，張明聚.地鐵工程建設(shè)施工事故統(tǒng)計(jì)分析［J］. 地下空間與工程學(xué)報(bào)，2014（2）：474-479.

［7］李皓然，李啟明，陸瑩.2002-2016年我國(guó)地鐵施工安全事故規(guī)律性統(tǒng)計(jì)分析［J］.都市快軌交通，2017，30（1）：12-19.

［8］謝東升，錢(qián)七虎，戎曉力.地鐵工程建設(shè)安全風(fēng)險(xiǎn)管理研究［J］.土木工程與管理學(xué)報(bào)，2012，29（1）：61-67.

［9］李曉輝，劉妍秀.基于實(shí)例推理機(jī)制（CBR）綜述［J］.長(zhǎng)春大學(xué)學(xué)報(bào)，2006，16（4）：68-70.

［10］孫鋒.CBR中的相似算法［J］.重慶工學(xué)院學(xué)報(bào)，2008，22（4）：67-72.

［11］嚴(yán)愛(ài)軍，錢(qián)麗敏，王普.案例推理屬性權(quán)重的分配模型 比 較 研 究［J］.自 動(dòng) 化 學(xué) 報(bào) ，2014，40（9）：1896-1902.

［12］陸瑩，李啟明，高原.基于案例推理的地鐵運(yùn)營(yíng)事故案例庫(kù)的構(gòu)建［J］.東南大學(xué)學(xué)報(bào)，2015，45（5）：990-994.

［13］張春曉，嚴(yán)愛(ài)軍，王普.一種改進(jìn)的案例推理分類(lèi)方法研究［J］.自動(dòng)化學(xué)報(bào)，2014，40（9）：2015-2021.

［14］丁烈云，吳賢國(guó)，駱漢賓，等.地鐵工程施工安全評(píng)價(jià)標(biāo) 準(zhǔn) 研 究［J］.土 木 工 程 學(xué) 報(bào) ，2011，44（11）：121-127.

［15］向東，趙勇，陳陽(yáng).面向語(yǔ)義信息案例知識(shí)表達(dá)與相似度計(jì)算方法研究［J］.計(jì)算機(jī)工程與科學(xué)，2011，33（12）：159-166.