□ 展定玉，楊延梅，李 偉

( 1.蘭州交通大學(xué) 交通運(yùn)輸學(xué)院，甘肅 蘭州 730070；2.大秦鐵路股份有限公司 榆次站，山西 晉中 030600)

危險(xiǎn)品由于其特殊的性質(zhì)，流通過(guò)程中極易在各種外界因素的作用下發(fā)生安全事故，造成人員傷亡和財(cái)產(chǎn)損失的嚴(yán)重后果。2019年7月至2020年8月，我國(guó)安全生產(chǎn)事故共計(jì)484件，死亡人數(shù)1585人，其中危險(xiǎn)貨物運(yùn)輸事故196件，占比40.5%；死亡人數(shù)657人，占比44.24%。因此，扼制造成危險(xiǎn)品運(yùn)輸事故的主要因素對(duì)預(yù)防事故的發(fā)生有很大的理論與實(shí)踐意義。

國(guó)內(nèi)對(duì)貨物運(yùn)輸事故的分析研究主要集中在影響因素研究、預(yù)警模型風(fēng)險(xiǎn)評(píng)價(jià)或管理研究。胡立偉等[1]通過(guò)建立貨車(chē)交通事故風(fēng)險(xiǎn)因素網(wǎng)絡(luò)模型對(duì)人、車(chē)、環(huán)、管四個(gè)方面的影響因素進(jìn)行識(shí)別判斷，得到關(guān)鍵風(fēng)險(xiǎn)因素。沈小燕等[2]通過(guò)對(duì)比決策樹(shù)、支持向量機(jī)和多次感知器對(duì)危險(xiǎn)貨物道路運(yùn)輸事故數(shù)據(jù)進(jìn)行分析，得到危險(xiǎn)貨物道路運(yùn)輸事故嚴(yán)重程度的影響因素。吳迪[3]依據(jù)貝葉斯網(wǎng)絡(luò)建立了危險(xiǎn)貨物道路運(yùn)輸事故預(yù)測(cè)模型。馬曉麗等[4]通過(guò)對(duì)風(fēng)險(xiǎn)因素的分析建立有序Logit模型，利用距離加權(quán)法得到危險(xiǎn)貨物運(yùn)輸過(guò)程中的風(fēng)險(xiǎn)值。張帥等[5]從“人車(chē)路貨”四個(gè)方面對(duì)影響危險(xiǎn)品運(yùn)輸?shù)脑剡M(jìn)行分析，提出相應(yīng)的解決方案。蘇磊[6]采用層次分析法得到不同運(yùn)輸方式下的事故權(quán)重，運(yùn)用統(tǒng)計(jì)特征分析等方法構(gòu)建危險(xiǎn)品運(yùn)輸事故體系并對(duì)關(guān)鍵因素進(jìn)行分析。張運(yùn)勝等[7]在大數(shù)據(jù)分析基礎(chǔ)上研究危險(xiǎn)品運(yùn)輸風(fēng)險(xiǎn)管理機(jī)制。張江石等[8]利用聯(lián)合概率公式計(jì)算情景發(fā)生概率，實(shí)現(xiàn)危險(xiǎn)化學(xué)品事故中關(guān)鍵情景的推演。郭健等[9]依據(jù)數(shù)據(jù)信息融合對(duì)事故狀態(tài)進(jìn)行預(yù)判。

國(guó)內(nèi)研究多數(shù)是針對(duì)單一或部分因素進(jìn)行分析，得到其在系統(tǒng)中所占權(quán)重或影響危險(xiǎn)品流通安全的關(guān)鍵性因素，對(duì)于各影響因素之間相互關(guān)系的研究仍具有一定的局限性，在指標(biāo)體系選取時(shí)較寬泛，容易導(dǎo)致結(jié)果不精確。程謙等[10-12]通過(guò)結(jié)構(gòu)方程模型對(duì)城市軌道交通服務(wù)質(zhì)量影響因素、高速鐵路客運(yùn)服務(wù)質(zhì)量、城市常規(guī)公交滿(mǎn)意度等方面進(jìn)行評(píng)價(jià)研究，雖然模型組成信度、收斂效度較好，但通過(guò)調(diào)查問(wèn)卷方式獲得的數(shù)據(jù)主觀性較強(qiáng)。鑒于此，本文通過(guò)整理危險(xiǎn)品事故數(shù)據(jù)，獲得一年來(lái)危險(xiǎn)品事故數(shù)量493件(數(shù)據(jù)來(lái)源：化學(xué)品事故信息網(wǎng))，為保證數(shù)據(jù)的有效性，將缺失的數(shù)據(jù)篩除，最終得到154件數(shù)據(jù)作為研究對(duì)象，設(shè)立5個(gè)潛變量和19個(gè)觀察變量，以事故觀察變量為最終結(jié)果，通過(guò)驗(yàn)證性因素分析對(duì)影響因素進(jìn)行選取，利用通過(guò)篩選后的15個(gè)影響因素建立結(jié)構(gòu)模型，數(shù)據(jù)顯示對(duì)事故的解釋程度達(dá)到70%，為危險(xiǎn)品運(yùn)輸和安全預(yù)警研究提供一定的理論支持。

1 因素及數(shù)據(jù)分析

1.1 因素分析

危險(xiǎn)品事故發(fā)生主要有人、運(yùn)輸設(shè)備、環(huán)境、危險(xiǎn)品、管理這五方面的原因，通過(guò)事故分析繪制影響因素如圖1所示。車(chē)輛罐體狀態(tài)包括車(chē)輛定期檢查、運(yùn)行里程、使用年限。車(chē)輛裝載設(shè)施故障方式分內(nèi)部原因和外部原因，內(nèi)部原因包括車(chē)體問(wèn)題(車(chē)體突發(fā)故障如爆胎、剎車(chē)失靈、打滑等)和裝載設(shè)施問(wèn)題(罐體意外破損或因年久失修造成貨物泄露等)；外部原因?yàn)橐蝰{駛?cè)藛T操作失誤造成的側(cè)翻、追尾等情況。路面情況1為路面干燥程度；路面情況2為路面坑洼程度、障礙物嚴(yán)重程度。明亮?xí)r間段如圖2所示。

圖1 影響因素

圖2 明亮程度時(shí)間段

1.2 數(shù)據(jù)分析

通過(guò)原始事故數(shù)據(jù)分析(部分因素?cái)?shù)據(jù)缺失)得到一年來(lái)各省份事故發(fā)生數(shù)量如表1所示，上海、山東、河南、廣東發(fā)生事故的數(shù)量最多，安徽、湖北、湖南、四川、浙江次之。表2、圖3為事故發(fā)生時(shí)間段分析，從中可以看出事故發(fā)生時(shí)間段呈周期性變化，午高峰期間事故發(fā)生最多，零時(shí)區(qū)間發(fā)生事故次之。另外，遇高溫爆炸1件，因道路標(biāo)志標(biāo)線(xiàn)不合理發(fā)生事故1件。天氣分析如表3所示。溫度方面：最低氣溫-16℃，最高氣溫38℃，各溫度區(qū)間發(fā)生事故的數(shù)量如表4所示，極寒下事故發(fā)生較少，常溫、高溫下事故發(fā)生最多。根據(jù)事故分析劃分人員駕駛行為如圖4所示，數(shù)值按導(dǎo)致事故后果嚴(yán)重程度分級(jí)。其他數(shù)據(jù)分析如表5所示。根據(jù)事故分析得到最終因素變量表如表6所示。

表1 各省份事故數(shù)量

表2 時(shí)間段事故數(shù)量表

表3 天氣事故數(shù)量表

表4 各溫度段事故數(shù)量表

表5 數(shù)據(jù)分析

圖3 時(shí)間段分析

圖4 人員駕駛行為

表6 變量表

2 結(jié)構(gòu)方程模型

2.1 模型建立

結(jié)構(gòu)方程模型由聯(lián)系觀察變量和潛變量的測(cè)量模型和將潛變量聯(lián)系在一起的結(jié)構(gòu)模型組成。根據(jù)概念研究繪制初始模型路徑圖，如圖5所示。本文基于AMOSE(Analysis of Moment Structures)軟件平臺(tái)對(duì)概念模型進(jìn)行分析。觀察變量殘差值用來(lái)表示可能出現(xiàn)殘差間不獨(dú)立或殘差為負(fù)值的情況，出現(xiàn)負(fù)值殘差將參數(shù)設(shè)定改為0.0005[13]，對(duì)于殘差不獨(dú)立，可通過(guò)拉相關(guān)或?qū)⑾嚓P(guān)性高的殘差刪除。

圖5 概念模型路徑圖

2.2 模型修正

結(jié)構(gòu)方程模型由檢驗(yàn)測(cè)量模型是否正確的驗(yàn)證性因素分析(Confirmatory factor analysis，CFA)和分析各個(gè)構(gòu)面之間關(guān)系的結(jié)構(gòu)模型組成。

為保證結(jié)構(gòu)方程模型數(shù)據(jù)的準(zhǔn)確性，必須檢驗(yàn)觀察變量與對(duì)應(yīng)的潛變量之間的關(guān)系是否正確。非標(biāo)準(zhǔn)化的估計(jì)值為自變量改變一個(gè)單位因變量改變多少個(gè)單位；標(biāo)準(zhǔn)化的估計(jì)值為自變量改變一個(gè)標(biāo)準(zhǔn)差，因變量改變多少個(gè)標(biāo)準(zhǔn)差(研究自變量對(duì)因變量重要程度)，取值為-1～1。測(cè)量模型中標(biāo)準(zhǔn)化因素負(fù)荷量(factoring loading，權(quán)重值)介于0.7至0.95為ideal，大于0.6為acceptable(探索式因素取0.3～0.5)。SMC(squared multiple correlations)為標(biāo)準(zhǔn)化因素負(fù)荷量的平方，也稱(chēng)題目信度(item reliability),表示潛在變數(shù)對(duì)該題目的可接受能力，大于0.36為acceptable(探索式模型取0.1～0.3)，大于0.5為ideal，在結(jié)構(gòu)方程模型中SMC表示自變量對(duì)構(gòu)面(潛變量)的解釋能力，大于0.18為small，大于0.33為middle，大于0.67為large，在路徑分析中，該值往往會(huì)被低估且模型為探索式結(jié)構(gòu)方程模型，取值可適當(dāng)降低。估計(jì)方法為最大似然估計(jì)。

驗(yàn)證性因素分析由收斂效度與組成信度構(gòu)成。收斂效度AVE(取值在0.3～0.5或0.5以上)表示構(gòu)面的收斂效度；組成信度CR(0.5，0.7)表示構(gòu)面的內(nèi)部一致性，如公式(1)和(2)所示。

(1)

(2)

2.3 模型檢驗(yàn)

本文對(duì)結(jié)構(gòu)方程模型中各種配適度指標(biāo)的選取有自由度(df)、P-value、GFI、AGFI、CFI、RMSEA[14]。GFI、AGFI、CFI檢驗(yàn)?zāi)Ｐ推谕沧儺悢?shù)矩陣與樣本共變異數(shù)矩陣的相似性，0.8以上為acceptable，0.9以上為ideal；RMSEA為兩矩陣的相異性檢驗(yàn)，小于0.08為acceptable，小于0.05為ideal[15-16]?？ǚ街挡荒苓^(guò)大，但同時(shí)又受到樣本數(shù)的影響且與自由度成正相關(guān)，所以通過(guò)檢查的值來(lái)確定，小于3表示模型可接受，小于2表示模型較好。

3 模型檢驗(yàn)

3.1 收斂效度檢驗(yàn)

圖6-9為各測(cè)量模型數(shù)值。根據(jù)圖6-9對(duì)相關(guān)性較小的因素進(jìn)行篩除。環(huán)境中en1,en3,en4,en6的factoring loading 與squared multiple correlations較為理想，符合要求。危險(xiǎn)貨物中dan1,dan3符合要求(在事故中，危險(xiǎn)貨物數(shù)量對(duì)于事故影響相比貨物種類(lèi)和貨物狀態(tài)來(lái)說(shuō)較小)。設(shè)施中fa1至fa4都較為理想，保留。管理中ma1～ma3都符合顯著性檢驗(yàn)，保留。

圖6 環(huán)境測(cè)量模型

圖7 危險(xiǎn)貨物測(cè)量模型

圖8 設(shè)施測(cè)量模型

圖9 管理測(cè)量模型

表7為測(cè)量模型因素負(fù)荷量表。由表7可知，除危險(xiǎn)貨物dan3以外，非標(biāo)準(zhǔn)化估計(jì)值參數(shù)顯著(小于0.05)，表明參數(shù)有意義，因素負(fù)荷量多數(shù)介于0.3～0.5之間 ，題目信度多數(shù)在0.1以上，表明具有可接受的題目信度，組成信度除環(huán)境外都在0.5以上，代表內(nèi)部一致性成立，除環(huán)境以外AVE都介于0.3～0.5或大于0.5，說(shuō)明構(gòu)面間的效度較好。

將標(biāo)準(zhǔn)化因素負(fù)荷量小于0.2的移除后，部分觀察變量的標(biāo)準(zhǔn)化因素負(fù)荷量偏小，這與數(shù)據(jù)的缺失和本文探索性因素有關(guān)。在數(shù)據(jù)分析中，不能完全排除主觀因素的影響，造成數(shù)據(jù)缺乏一定的信度或部分觀察變數(shù)可制定到其他構(gòu)面。部分標(biāo)準(zhǔn)化因素負(fù)荷量(ma1)超過(guò)1或在0.95以上(1.04～1.4之間，甚至有時(shí)超過(guò)2.80)，不代表該題目是錯(cuò)誤的，可能是變數(shù)之間有較高的相關(guān)性(共線(xiàn)性)。部分殘差的不獨(dú)立導(dǎo)致個(gè)別模型配適度指標(biāo)未能符合CR和AVE。因素負(fù)荷量出現(xiàn)負(fù)值是因?yàn)閿?shù)據(jù)中存在反向題目，對(duì)結(jié)果沒(méi)有影響。

表7 測(cè)量模型因素負(fù)荷量

3.2 區(qū)別效度分析

根據(jù)測(cè)量模型繪制新的結(jié)果模型如圖10所示。初始配適度指標(biāo)中RMSEA小于0.08，CFI、AGFI略小于0.9，對(duì)事故的解釋能力為73%。對(duì)模型修正數(shù)據(jù)如表8所示。在第三步與第四步修正中，雖然配適度指標(biāo)都逐漸滿(mǎn)足要求，但對(duì)事故的解釋能力開(kāi)始下降，故采用修正至第三次的結(jié)果，如圖11所示。最終，各因素綜合效應(yīng)如表9所示，各構(gòu)面間的解釋能力如表10所示。

圖10 結(jié)構(gòu)方程模型

圖11 修正后的結(jié)構(gòu)方程模型

表8 模型修正

表9 影響因素綜合效應(yīng)

表10 構(gòu)面解釋能力

4 結(jié)論

由表9可知，較高影響因素中：危險(xiǎn)貨物dan3對(duì)于事故的影響程度最高(0.4648)，其次為車(chē)輛的狀態(tài)fa3(-0.35)，說(shuō)明隨著設(shè)施使用時(shí)間的增加，其對(duì)于事故的影響在降低，較新設(shè)備反而對(duì)事故的影響較大。中度影響因素中：危險(xiǎn)貨物種類(lèi)dan1對(duì)事故的影響達(dá)到0.2158，人員資質(zhì)Pe1(0.213)和ma1處理時(shí)間(-0.2)次之，故障方式fa4(0.196)和pe2(0.177)、ma3(0.102)最低,其中處理時(shí)間為負(fù)值表示危險(xiǎn)品處理時(shí)間越久，危險(xiǎn)品泄露爆炸對(duì)周?chē)挠绊懺叫　?/p>

危險(xiǎn)品、貨物和人對(duì)于事故影響較高，這是因?yàn)槭鹿实亩x涉及到人車(chē)物的損耗，從表10中可以看出人對(duì)于設(shè)施的影響達(dá)到44%，而管理對(duì)于設(shè)施的影響只有2%。在事故分析過(guò)程中，因?yàn)槿藛T操作不當(dāng)導(dǎo)致事故的發(fā)生達(dá)到了54%，受外部環(huán)境車(chē)輛影響為38.6%。在表10中環(huán)境對(duì)于人的影響達(dá)到了23%。所以除了人員對(duì)于設(shè)施的影響，環(huán)境通過(guò)影響人從而影響人對(duì)于設(shè)施的操作導(dǎo)致事故發(fā)生的概率也較高。

根據(jù)表10可知，對(duì)事故、危險(xiǎn)品、設(shè)施的解釋能力分別達(dá)到70%、18%、20%，因環(huán)境與人員受事故實(shí)時(shí)數(shù)據(jù)獲取的影響較大，所以對(duì)于人和環(huán)境的解釋程度不到19%。環(huán)境對(duì)于人的影響為23%，人對(duì)于設(shè)施的影響為44%，駕駛行為危險(xiǎn)等級(jí)越高，對(duì)事故的影響越大。設(shè)施對(duì)于危險(xiǎn)品的影響為34%，而管理對(duì)于危險(xiǎn)品的影響為29%，在數(shù)據(jù)分析過(guò)程中發(fā)現(xiàn)，還是存在很多因管理缺失出現(xiàn)的違章運(yùn)輸，車(chē)檢貨檢不合格的情況。各構(gòu)面對(duì)于事故的直接影響規(guī)律與表9影響因素綜合效率規(guī)律相符。雖然環(huán)境對(duì)于事故的直接影響最低，但環(huán)境可通過(guò)影響人、設(shè)施和危險(xiǎn)品從而影響事故的發(fā)生，如在事故分析中出現(xiàn)的因高溫導(dǎo)致爆炸事件1次，道路標(biāo)志標(biāo)線(xiàn)不合格使駕駛?cè)藛T錯(cuò)誤判斷道路情況1件。

本文雖然對(duì)重要影響因素進(jìn)行了判斷，得到一級(jí)影響因素為：dan3，fa3，二級(jí)影響因素為：dan1，pe1，ma1，fa4，pe2，ma3，三級(jí)影響因素為：ma2，fa1，fa2，en4，en1，en6，en3，但事故發(fā)生是突發(fā)事件，且數(shù)據(jù)多是通過(guò)事后分析獲取，另外在管理方面的數(shù)據(jù)處理中(ma3)還是存在一定的主觀判斷，所以未來(lái)研究會(huì)基于在已有數(shù)據(jù)分析的基礎(chǔ)上建立實(shí)時(shí)動(dòng)態(tài)預(yù)警模型，通過(guò)大數(shù)據(jù)分析，不斷更新各影響因素的重要程度，構(gòu)建區(qū)域性動(dòng)態(tài)風(fēng)險(xiǎn)等級(jí)，為事故預(yù)警提供理論支持。