陳志遠(yuǎn)，王鐵驪

(南華大學(xué) 經(jīng)濟(jì)管理與法學(xué)學(xué)院，湖南 衡陽(yáng) 421001)

0 引言

項(xiàng)目施工，安全第一。工程項(xiàng)目施工參與方眾多，施工現(xiàn)場(chǎng)復(fù)雜多變，安全管理任務(wù)尤為艱巨，不僅關(guān)系到各責(zé)任主體單位的經(jīng)濟(jì)效益，還直接影響到人民群眾的生命財(cái)產(chǎn)安全。為明確安全管理工作的內(nèi)容，進(jìn)行事前風(fēng)險(xiǎn)管控，很多學(xué)者聚焦于尋找事故致因的研究，主要包括案例分析、統(tǒng)計(jì)分析和構(gòu)建事故致因模型3類(lèi)?；诎咐治?，Zhou等[1]引入事故網(wǎng)絡(luò)理論，詳細(xì)分析杭州地鐵重大基坑坍塌事故的經(jīng)過(guò)，提取了11條主要事故致因。統(tǒng)計(jì)分析則運(yùn)用統(tǒng)計(jì)學(xué)的方法，分析大量有代表性的事故案例，能揭示事故發(fā)生的普遍規(guī)律[2]。鄭霞忠等[3]通過(guò)分析152起建筑工程高處墜落事故，揭示了人為失誤在高空墜落事故中的作用路徑。然而統(tǒng)計(jì)分析過(guò)程需要依賴(lài)專(zhuān)家的經(jīng)驗(yàn)判斷和歸納總結(jié)，具有較強(qiáng)的主觀性。同時(shí)事故的發(fā)生具有復(fù)雜性，是人、物、環(huán)境、管理多因素耦合作用的結(jié)果。Suraji等[4]基于項(xiàng)目參與方的約束和響應(yīng)時(shí)間，構(gòu)建事故致因模型，揭示了風(fēng)險(xiǎn)因素之間潛在的復(fù)雜關(guān)系。構(gòu)建事故致因模型雖能系統(tǒng)地分析事故致因間耦合作用的機(jī)制，但構(gòu)建模型時(shí)需要依靠理論假設(shè)，同時(shí)事故樣本數(shù)量也有局限性。

近年，文本挖掘理論和技術(shù)快速發(fā)展，為分析大量文本數(shù)據(jù)提供了有力支撐。如Goh等[5]將文本挖掘與6種機(jī)器學(xué)習(xí)算法(LR,RF,KNN,DT,NB,SVM)結(jié)合，對(duì)美國(guó)1 000起工程建設(shè)事故進(jìn)行分類(lèi)，總結(jié)了各類(lèi)事故的主要原因。Zhong等[6]在文檔分詞的基礎(chǔ)上，借助線性判別分析(LDA)將高維分詞結(jié)果劃分為34類(lèi)，利用專(zhuān)家知識(shí)，歸納了34個(gè)風(fēng)險(xiǎn)因素。借助專(zhuān)家知識(shí)雖能準(zhǔn)確地提取事故致因，但過(guò)度依賴(lài)專(zhuān)家的主觀判斷。多數(shù)研究還局限于提取事故致因，缺乏對(duì)風(fēng)險(xiǎn)因素的評(píng)估?；陉P(guān)聯(lián)規(guī)則(Apriori algorithm)的風(fēng)險(xiǎn)因素評(píng)估方法已運(yùn)用于交通安全領(lǐng)域[7-8]，在工程建設(shè)領(lǐng)域，結(jié)合關(guān)聯(lián)規(guī)則的事故致因評(píng)估研究尚較為少見(jiàn)。

因此，本文在已有研究的基礎(chǔ)上，把文本挖掘應(yīng)用到房屋市政較大以上事故的分析中，采用最小詞頻閾值文檔頻的信息增益評(píng)估函數(shù)(DFn-IG)對(duì)特征集降噪，借助詞頻分析提取安全事故的風(fēng)險(xiǎn)因素，引入復(fù)雜網(wǎng)絡(luò)評(píng)估事故致因因素的重要度。以達(dá)到充分挖掘事故調(diào)查報(bào)告中的有效信息，為安全管理工作提供參考的目的。

1 文本挖掘方法與流程

1.1文本挖掘流程

文本挖掘流程包括文本數(shù)據(jù)收集、文本預(yù)處理、構(gòu)建自定義詞庫(kù)、文本特征抽取、數(shù)據(jù)分析、知識(shí)發(fā)現(xiàn)等步驟，其主要分析過(guò)程如圖1。

圖1 基于文本挖掘的事故致因分析流程

1)文本數(shù)據(jù)收集：根據(jù)2010—2019年國(guó)內(nèi)房屋市政較大以上生產(chǎn)安全事故的通報(bào)信息，收集對(duì)應(yīng)的事故調(diào)查報(bào)告文本。

2)文本預(yù)處理：提取事故調(diào)查報(bào)告文本中闡述事故致因的部分，去除無(wú)價(jià)值、重復(fù)、缺陷的文本數(shù)據(jù)。

3)構(gòu)建自定義詞庫(kù)：添加目前已經(jīng)廣泛運(yùn)用到文本挖掘領(lǐng)域的成熟詞庫(kù)，并在提取事故致因的基礎(chǔ)上，構(gòu)建添加與事故致因?qū)?yīng)的同義詞詞表。

4)文本特征抽?。何谋厩蟹趾螅柚鶧Fn-IG評(píng)估函數(shù)，對(duì)分詞結(jié)果降噪。利用特征項(xiàng)詞頻，篩選降噪結(jié)果，回溯特征項(xiàng)在調(diào)查報(bào)告中的具體表述，確定事故致因。

5)數(shù)據(jù)分析：統(tǒng)計(jì)詞頻、文檔頻，并根據(jù)事故致因的互現(xiàn)情況，構(gòu)建無(wú)向加權(quán)復(fù)雜網(wǎng)絡(luò)，改進(jìn)傳統(tǒng)的TF-IDF算法，綜合詞頻和事故致因因素的關(guān)聯(lián)特征評(píng)估其重要度。

1.2 特征項(xiàng)降噪與致因提取

事故調(diào)查報(bào)告是非結(jié)構(gòu)化的文本數(shù)據(jù)，主要有2類(lèi)噪聲詞，第1類(lèi)詞頻繁出現(xiàn)在各調(diào)查報(bào)告中，但無(wú)助于分析事故致因，如“直接原因”、“事故”等；第2類(lèi)噪聲詞如地名、企業(yè)名稱(chēng)等，在各調(diào)查報(bào)告中有不同的內(nèi)容，且在每一份調(diào)查報(bào)告中出現(xiàn)的頻次較低。

設(shè)置最低詞頻閾值可直接去除第2類(lèi)噪聲詞；陳曉云等[9]由信息增益(IG)、互信息(MI)、χ2統(tǒng)計(jì)(CHI)等方法的比較分析，得出在處理低頻特征集和高維特征集時(shí)，信息增益法在查全率和查準(zhǔn)率上相對(duì)其他方法更具優(yōu)勢(shì)，能有效去除第1類(lèi)噪聲詞。因此，本文結(jié)合DFn和IG評(píng)估函數(shù)，處理噪聲詞。計(jì)算公式如式(1)所示：

(1)

利用DFn-IG評(píng)估函數(shù)，對(duì)分詞結(jié)果降噪，然后根據(jù)調(diào)查報(bào)告中的語(yǔ)意，確定特征項(xiàng)代表的事故致因。在此基礎(chǔ)上，構(gòu)建與事故致因相對(duì)應(yīng)的同義詞詞表。

1.3 事故致因的重要度評(píng)估

在TF-IDF的基礎(chǔ)上，Xu等[10]引入信息熵對(duì)其進(jìn)行改進(jìn)，綜合事故致因的頻次和分布，評(píng)估事故致因的重要度。改進(jìn)的TF-H算法雖然解釋了事故致因重要度與其文檔頻DF正相關(guān)的問(wèn)題，但在相同文檔頻下，事故致因的重要度與其頻次呈反比。此外，以上2種方法僅從事故致因的文檔分布特征來(lái)評(píng)價(jià)其重要度，缺乏對(duì)事故致因因素間關(guān)聯(lián)關(guān)系的考量。

(2)

式中：wij表征網(wǎng)絡(luò)節(jié)點(diǎn)i,j間的邊權(quán)值；aij*表征邊的關(guān)聯(lián)邊權(quán)值，以平均邊權(quán)值為基準(zhǔn)，判定2事故致因因素間關(guān)聯(lián)關(guān)系的強(qiáng)弱。

節(jié)點(diǎn)的關(guān)聯(lián)加權(quán)度為Ki*，以衡量與某1事故致因具有強(qiáng)關(guān)聯(lián)關(guān)系的事故致因因素的數(shù)量，計(jì)算公式如式(3)所示：

(3)

式中：N表征事故致因因素的總數(shù)，Ki*用來(lái)衡量與某一事故致因具有強(qiáng)關(guān)聯(lián)關(guān)系的事故致因因素的數(shù)量。

基于詞頻-關(guān)聯(lián)關(guān)系的TF-K*評(píng)估函數(shù)的計(jì)算公式如式(4)所示，TF-K*值越大，事故致因?qū)Π踩鹿实挠绊懺街匾?/p>

(4)

式中：i表征事故致因因素i；TF(i)表征事故致因因素i的詞頻。TF-K*(i)值越大，事故致因因素i對(duì)安全事故的影響越重要。

2 數(shù)據(jù)收集與事故致因提取

2.1 收集事故信息

從住房與城鄉(xiāng)建設(shè)部官網(wǎng)，抓取2010—2019年的生產(chǎn)安全事故信息，共計(jì)6 000起房屋市政類(lèi)生產(chǎn)安全事故，其中較大及以上生產(chǎn)安全事故共255起[11]，歷年生產(chǎn)安全事故情況如圖2(a)所示。

圖2 2010—2019年房屋市政工程生產(chǎn)安全事故分布

2.2 收集調(diào)查報(bào)告

針對(duì)較大以上事故的通報(bào)信息，從各地應(yīng)急管理部門(mén)官網(wǎng)、易安網(wǎng)、安全管理網(wǎng)和建筑企業(yè)官網(wǎng)，搜集對(duì)應(yīng)的調(diào)查結(jié)果，最終獲得158份事故調(diào)查報(bào)告，事故類(lèi)型分布如圖2(b)所示。

2.3 創(chuàng)建語(yǔ)料庫(kù)

事故調(diào)查中包含大量與事故致因無(wú)關(guān)的內(nèi)容，如事故基本情況、責(zé)任人員和責(zé)任劃分等。因此，僅將事故發(fā)生經(jīng)過(guò)和原因分析2個(gè)部分的內(nèi)容，作為文本挖掘的語(yǔ)料庫(kù)。

2.4 構(gòu)建分詞詞庫(kù)

本文在Python3的環(huán)境下，使用PyCharm借助開(kāi)源的Jieba算法對(duì)文本進(jìn)行分詞，通過(guò)自建停用詞詞庫(kù)、分詞詞庫(kù)和同義詞詞庫(kù)的方式，以提升分析語(yǔ)料庫(kù)的能力。

1)停用詞詞庫(kù)：停用詞是文檔中經(jīng)常出現(xiàn)，對(duì)文本分析無(wú)價(jià)值的一類(lèi)詞。如“派駐”、“廣場(chǎng)”、“臺(tái)階”等。結(jié)合目前常用的停用詞詞表：HIT和MIL-SCU等，構(gòu)建停用詞詞庫(kù)。

2)分詞詞庫(kù)：直接對(duì)調(diào)查報(bào)告進(jìn)行分詞，事故致因會(huì)丟失有價(jià)值的信息。如“安全意識(shí)淡薄”，經(jīng)切分后變成“安全”、“意識(shí)”、“淡薄”3個(gè)詞語(yǔ)，失去了原本所表達(dá)的信息。結(jié)合搜狗細(xì)胞詞庫(kù)、百度詞庫(kù)中收納的大量土木建筑類(lèi)專(zhuān)業(yè)詞匯，構(gòu)建出基礎(chǔ)分詞詞庫(kù)。

3)同義詞詞庫(kù)：中文的表述中，不同的詞語(yǔ)可表達(dá)相同的含義。如“工人違章操作”在不同的事故調(diào)查報(bào)告中，有“工人違規(guī)作業(yè)”、“違章操作”等表述。因此，從158份報(bào)告中隨機(jī)抽取40份，分析統(tǒng)計(jì)同一事故致因的不同表述，形成文本挖掘的同義詞詞庫(kù)。

2.5 文本分詞與特征項(xiàng)降噪

對(duì)語(yǔ)料庫(kù)分詞，得到29 442個(gè)原始特征項(xiàng)。根據(jù)式(1)，計(jì)算特征項(xiàng)的DFn-IG函數(shù)值。不同最小詞頻閾值下，特征集容量與單次噪聲去除量如圖3。隨著閾值增大，單次去除量逐漸減小，為防止關(guān)鍵詞被剔除，取新增幅度最低點(diǎn)n=8為分詞用最小詞頻閾值。

圖3 不同閾值下降噪結(jié)果

2.6 提取事故致因

結(jié)合降噪后特征項(xiàng)在調(diào)查報(bào)告中的具體描述，提取40個(gè)主要事故致因，如表1所示。

表1 房屋市政較大以上生產(chǎn)安全事故致因(部分)

2.7 網(wǎng)絡(luò)構(gòu)建與數(shù)據(jù)分析

根據(jù)事故致因在調(diào)查報(bào)告中的共現(xiàn)情況，計(jì)算風(fēng)險(xiǎn)因素的共現(xiàn)矩陣，利用Gephi軟件繪制事故致因共現(xiàn)網(wǎng)絡(luò)，如圖4所示。為進(jìn)一步評(píng)估風(fēng)險(xiǎn)因素的重要度，計(jì)算評(píng)估函數(shù)值如表2所示。

圖4 事故致因共現(xiàn)網(wǎng)絡(luò)

3 結(jié)果分析

3.1 事故致因因素分析

從表2可以看出，事故安全風(fēng)險(xiǎn)因素主要包括5類(lèi)：自然環(huán)境條件、項(xiàng)目安全管理、相關(guān)單位安全管理、現(xiàn)場(chǎng)人員和材料設(shè)備，涵蓋了張偉等[12]和Hoa等[13]研究中提及的施工安全事故致因。

表2 安全風(fēng)險(xiǎn)因素及其特征指標(biāo)

A32,A33反映項(xiàng)目實(shí)施過(guò)程中的自然環(huán)境，由于工程項(xiàng)目的開(kāi)展與施工環(huán)境密切相關(guān)，出現(xiàn)極端的環(huán)境時(shí)，現(xiàn)場(chǎng)組織和管理體系多難以應(yīng)對(duì)，極易引發(fā)生產(chǎn)安全事故。

A1,A6,A7,A8,A10,A15,A17,A20,A29,A37體現(xiàn)房屋市政工程依然存在安全管理體系不健全、規(guī)章制度執(zhí)行不到位的問(wèn)題。貫徹執(zhí)行合理的安全制度，可有效避免風(fēng)險(xiǎn)因素演變成事故。但在工程實(shí)踐中，貫徹實(shí)施安全措施需要投入大量時(shí)間和資源，建筑企業(yè)常會(huì)因?yàn)榻?jīng)濟(jì)上的壓力和人員短缺等問(wèn)題，縮減該方面的支出，帶來(lái)一系列安全生產(chǎn)風(fēng)險(xiǎn)隱患。

A11,A14,A16,A30,A38,A39體現(xiàn)房屋市政工程中違法違規(guī)承發(fā)包項(xiàng)目的行為依然存在。由于工程項(xiàng)目建設(shè)具有專(zhuān)業(yè)性，不具備生產(chǎn)資質(zhì)的企業(yè)開(kāi)展生產(chǎn)活動(dòng)，不僅違反相關(guān)法律規(guī)定，還存在大量的安全風(fēng)險(xiǎn)隱患，很容易引發(fā)生產(chǎn)安全事故。

A5,A18,A21,A22,A23,A31,A34,A40體現(xiàn)建筑單位編制施工方案的工作依然存在短板，在編制實(shí)施具體的安全措施方面還有很多盲點(diǎn)，這既是安全管理的短板，也是導(dǎo)致生產(chǎn)安全事故的高風(fēng)險(xiǎn)因素。

A2,A3,A4,A26,A27,A28,A35,A36體現(xiàn)項(xiàng)目參與單位的安全管理工作存在短板，施工企業(yè)心存僥幸心理，監(jiān)理單位、政府部門(mén)等相關(guān)單位在工作中存在漏洞，風(fēng)險(xiǎn)管控工作還有很多不足。

A9,A12,A13,A19,A24反映房屋市政工程的從業(yè)人員，存在安全意識(shí)不足，專(zhuān)業(yè)素質(zhì)不高，缺乏系統(tǒng)培訓(xùn)的問(wèn)題。Tam等[14]研究表明技術(shù)交底和定期的安全訓(xùn)練能夠提升工人的安全能力，但工程項(xiàng)目通常持續(xù)時(shí)間較短，工人流動(dòng)性大，建筑工人一般只在工程建設(shè)的初期接受短暫的安全培訓(xùn)，這些培訓(xùn)并不能顯著提升他們的安全意識(shí)和專(zhuān)業(yè)水平。

3.2 事故致因重要度分析

由于TF7=TF8=116，DF8=DF14=45，因此選擇A7，A8，A14因素的數(shù)據(jù)進(jìn)行對(duì)比。盡管A7和A8的詞頻相同，但A7的文檔頻更高、關(guān)聯(lián)加權(quán)度更高，表明A7在調(diào)查報(bào)告中的分布更均勻，與其他致因因素的關(guān)聯(lián)更緊密，更容易引發(fā)事故，因此其重要度應(yīng)更高。表2中的數(shù)據(jù)顯示，TF-H值和TF-K*值判別結(jié)果均為A7>A8，與分析結(jié)果吻合。以上數(shù)據(jù)的比較，驗(yàn)證了相較于傳統(tǒng)的TF-IDF值，TF-K*值具備同TF-H值一致的判別能力。

A8和A14具備相同的文檔頻，表明其在相同數(shù)量的事故中出現(xiàn)，而二者的WD/K值僅相差0.08，表明二者與其他致因因素的關(guān)聯(lián)強(qiáng)度基本相同，但A8的詞頻更高，表明其被強(qiáng)調(diào)的次數(shù)更多，因此綜合詞頻、文檔頻和關(guān)聯(lián)加權(quán)度來(lái)看，認(rèn)為A8的重要度高于A14。表2的數(shù)據(jù)顯示，TF-K*值的判別結(jié)果與分析結(jié)論吻合。以上數(shù)據(jù)較好地驗(yàn)證了相較TF-H值，采用基于關(guān)聯(lián)加權(quán)度的TF-K*更能全面準(zhǔn)確地衡量事故致因的重要度。

3.3 低頻致因因素分析

Mitropoulos等[15]的研究顯示，事故的發(fā)生與施工作業(yè)的自然環(huán)境密切相關(guān)，惡劣的自然環(huán)境會(huì)帶來(lái)更多的風(fēng)險(xiǎn)因素，但在事故報(bào)告中很少提及相關(guān)內(nèi)容，所有事故調(diào)查報(bào)告中僅14份提及惡劣天氣。因此，盡管自然環(huán)境相關(guān)的致因因素出現(xiàn)的頻次不高，但在項(xiàng)目安全管理過(guò)程中仍值得關(guān)注。Manu等[16]研究發(fā)現(xiàn)，不合理的進(jìn)度目標(biāo)，會(huì)給施工作業(yè)帶來(lái)工期壓力，出現(xiàn)材料積壓、交叉作業(yè)、忽視安全風(fēng)險(xiǎn)等問(wèn)題，極易引發(fā)生產(chǎn)安全事故。調(diào)查報(bào)告中很少提及工期設(shè)置不合理，所以其重要度評(píng)價(jià)靠后，但該因素的重要性仍不能忽視。

4 結(jié)論

1)基于DFn-IG評(píng)估函數(shù)對(duì)分詞結(jié)果降噪，在保留大部分關(guān)鍵信息的條件下剔除噪聲詞，避免了在提取事故致因時(shí)出現(xiàn)維數(shù)災(zāi)難。

2)基于詞頻分析，從158份事故調(diào)查報(bào)告中提取40個(gè)事故致因因素，并構(gòu)建事故致因的同義詞詞庫(kù)，完整抽取調(diào)查報(bào)告中有關(guān)事故致因的信息。

3)引入復(fù)雜網(wǎng)絡(luò)表征事故致因因素間的關(guān)聯(lián)關(guān)系，提出基于詞頻—關(guān)聯(lián)加權(quán)度的重要度評(píng)估方法，經(jīng)數(shù)據(jù)驗(yàn)證，在比較相同文檔頻下的事故致因重要度時(shí)，該方法更具優(yōu)勢(shì)。