張 羽, 劉 偉, 譙 麗, 岑 康

(西南石油大學(xué) 土木工程與測繪學(xué)院,四川 成都 610500)

0 引言

近年來，風(fēng)險(xiǎn)感知受到學(xué)者的廣泛關(guān)注。來自民航、采掘、能源、醫(yī)藥、交通等領(lǐng)域的研究均證實(shí)，風(fēng)險(xiǎn)感知會對安全行為產(chǎn)生重要影響，風(fēng)險(xiǎn)感知偏低的個(gè)體更可能實(shí)施不安全行為[1～6]?？梢?，深入研究風(fēng)險(xiǎn)感知偏差的形成與演化具有重要價(jià)值。

一般認(rèn)為，風(fēng)險(xiǎn)感知包含對事件發(fā)生概率的感知和對后果嚴(yán)重程度的感知兩個(gè)維度[7]，而前者又被稱為主觀概率估計(jì)。主觀概率估計(jì)是人們對不確定性事件發(fā)生可能性大小的估計(jì)，是人類推理和決策的基礎(chǔ)[8]。目前相關(guān)研究主要集中于動機(jī)、能力和采樣三個(gè)方面。動機(jī)方面，劉永芳等[9]通過實(shí)驗(yàn)發(fā)現(xiàn)，面對收益時(shí)，自我決策比預(yù)期他人決策表現(xiàn)出更強(qiáng)的風(fēng)險(xiǎn)偏好。Sharot[10]提出個(gè)體傾向于高估對自己有利事件的可能性，低估對自己不利事件的可能性。劉曉東和劉力臻[11]認(rèn)為在預(yù)期效用值相近的情況下,避免后悔或追求欣喜成為影響決策的主要因素。Polman等[12]認(rèn)為追求認(rèn)知的一致性是導(dǎo)致認(rèn)知偏差的重要原因。張萍等[13]采用實(shí)驗(yàn)方法證實(shí)了情緒一致性動機(jī)的影響。段婧等[14]通過實(shí)證研究證實(shí)了自我保護(hù)動機(jī)的存在。Pachur[15]等認(rèn)為個(gè)體越傾向于使用補(bǔ)償性認(rèn)知策略，其概率估計(jì)越準(zhǔn)確。Wang等[16]研究發(fā)現(xiàn)在從屬動機(jī)會扭曲個(gè)體感知，使個(gè)體在判斷中呈現(xiàn)出非理性的羊群特征。Raue[17]等和Sun等[18]均發(fā)現(xiàn)，在獲益情境下，個(gè)體為遠(yuǎn)心理距離的人決策更冒險(xiǎn)。陳慶等[19]通過實(shí)驗(yàn)發(fā)現(xiàn)，積極事件下自我決策的主觀概率比為他人決策更低。能力方面，Hilbert[20]認(rèn)為人腦信息處理系統(tǒng)會產(chǎn)生噪音，從而導(dǎo)致主觀概率偏差。邱曉雯等[21]認(rèn)為，時(shí)間壓力下的主觀概率估計(jì)更容易產(chǎn)生偏差。Schwartzstein[22]通過研究發(fā)現(xiàn)經(jīng)濟(jì)人的選擇性注意特征使其持續(xù)忽略一些重要變量，最終導(dǎo)致偏差。盧安文和喬宇炳[23]通過主觀概率確定概率權(quán)重函數(shù),構(gòu)建了基于損失承受能力的通信消費(fèi)者決策模型，并印證了該模型的可靠性。Suter[24]等認(rèn)為改變社會距離會誘發(fā)個(gè)體對“概率”維度和“結(jié)果”維度的認(rèn)知整合(補(bǔ)償性策略)或認(rèn)知忽略(非補(bǔ)償性策略)，進(jìn)而影響概率的估計(jì)。Pachur等[25]發(fā)現(xiàn)不善于表征和理解概率信息是主觀概率偏差的重要原因。杜秀芳等[26]認(rèn)為在時(shí)間壓力下個(gè)體的認(rèn)知加工受到限制，更有可能依靠直覺和經(jīng)驗(yàn)做出決策。采樣方面的研究則認(rèn)為受環(huán)境結(jié)構(gòu)的限制，個(gè)體難以從環(huán)境中采集到無偏的、有代表性的決策樣本，即存在采樣偏差[27]。在安全生產(chǎn)領(lǐng)域，個(gè)體死亡這種極端損失情境可能導(dǎo)致安全信息獲取的總體樣本出現(xiàn)不可逆的偏差，這可以認(rèn)為是采樣偏差的一種極端表現(xiàn)，被命名為“死亡悖論”。張羽等[28]通過分析78份施工事故調(diào)查報(bào)告后初步證實(shí)了“死亡悖論”的存在。而后，張羽等[29]進(jìn)一步證實(shí)了“死亡悖論”會導(dǎo)致安全風(fēng)險(xiǎn)概率估計(jì)出現(xiàn)偏差。然而，為了實(shí)現(xiàn)安全冗余，現(xiàn)實(shí)中普遍存在組內(nèi)平級互檢或上級檢查等措施。這些措施也可能對群體的概率估計(jì)產(chǎn)生影響。但針對此問題的研究文獻(xiàn)尚未見到。

筆者擬將分組檢查措施引入個(gè)體死亡條件下安全事故主觀概率演化過程，建立元胞自動機(jī)模型并基于Netlogo平臺進(jìn)行仿真研究。為深化研究內(nèi)容，本文先采用仿真圖形對比方法得出初步結(jié)論，再通過重復(fù)交叉實(shí)驗(yàn)獲取數(shù)據(jù)，并運(yùn)用SPSS軟件進(jìn)行層次回歸分析，以探究個(gè)體死亡條件下，不同分組方式對群體主觀概率累積偏差的形成和演化規(guī)律，為安全心理和行為干預(yù)提供參考。

1 模型描述與構(gòu)建

1.1 演化過程描述

現(xiàn)實(shí)中安全事故主觀概率演化過程如圖1所示。其中，組員對事故率的主觀概率估計(jì)會影響其安全行為。在事件判斷階段，若組員未實(shí)施不安全行為，則進(jìn)入下一輪循環(huán)；反之，組員不安全行為或被檢查糾正并進(jìn)入下一輪循環(huán)，或未被檢查糾正則經(jīng)歷的事件數(shù)量累積一次，相應(yīng)主觀概率也隨之更新，并進(jìn)入事故判斷階段。在事故判斷階段，若不安全行為未導(dǎo)致事故發(fā)生，則進(jìn)入下一循環(huán)；反之，則組員經(jīng)歷事故數(shù)量就累積一次，相應(yīng)的主觀概率也隨之更新，并進(jìn)入死亡判斷階段。死亡判斷階段，若事故未導(dǎo)致組員死亡，則進(jìn)入下一輪循環(huán)；反之，則所在組織引入新員工替代死亡組員。由于整個(gè)過程涉及組員自身、組員間及組員群體間多層次演化關(guān)系，事故發(fā)生、組員死亡等多種狀態(tài)及主觀概率變化、組員補(bǔ)充等多種行為，屬于復(fù)雜系統(tǒng)演化問題，故選擇元胞自動機(jī)進(jìn)行仿真。

圖1 主觀概率演化過程

1.2 模型構(gòu)建

元胞自動機(jī)(Cellular Automaton)是一類時(shí)間和空間都離散的動力系統(tǒng)。該系統(tǒng)由有限個(gè)元胞組成，某一時(shí)刻某一元胞的狀態(tài)只與其自身及其鄰居有關(guān)，但元胞間簡單的交互行為可以演化出復(fù)雜的宏觀結(jié)果。元胞自動機(jī)模型因具有使用方便與可視化程度高的優(yōu)點(diǎn)而被廣泛應(yīng)用于各領(lǐng)域。元胞自動機(jī)模型主要由元胞狀態(tài)、元胞空間、元胞鄰域選擇以及演變規(guī)則四部分組成。本研究將元胞自動機(jī)模型表示為CA=(L,Q,S,f)。其中，CA表示元胞自動機(jī)，L表示元胞空間，Q表示元胞狀態(tài)集合，S表示元胞鄰域，f則表示元胞狀態(tài)轉(zhuǎn)換規(guī)則，具體如下：

(1)元胞：模型中以人形元胞代表社會中獨(dú)立個(gè)體，且假設(shè)社會中個(gè)體總量保持不變，個(gè)體死亡后能在下一時(shí)刻及時(shí)補(bǔ)充。

(2)元胞空間：元胞空間是長寬均為41格、總計(jì)1681格的正方形柵格無界空間。

元胞狀態(tài)：包含事件累計(jì)數(shù)量、事故累計(jì)數(shù)量、分組合作人數(shù)、主觀概率值。主觀概率值(Acciper，A)反映了社會中個(gè)體對事故發(fā)生概率的主觀概率估計(jì)，其值大小決定元胞顏色深淺，主觀概率值越大則元胞顏色越淺。個(gè)體的累積事件數(shù)量(Event-num，EN)和累積事故數(shù)量(Accident-num，AN )則分別表示從仿真開始到當(dāng)前時(shí)點(diǎn)個(gè)體所經(jīng)歷的事件和事故的累積數(shù)量。分組人數(shù)(Combinations-num，CN)表示群體內(nèi)分組方式，取值為1表示單人一組；取值為2表示雙人一組；以此類推。同組成員只要有一人不發(fā)生失誤則該組事故不會發(fā)生。

(3)轉(zhuǎn)換規(guī)則：個(gè)體對事故率的主觀概率估計(jì)規(guī)則如下:

①事件數(shù)量累積規(guī)則:

(1)

②事故數(shù)量累積規(guī)則:

(2)

③主觀概率更新規(guī)則:

(3)

④分組事故概率規(guī)則:

pj=pCN

(4)

式中：p為一個(gè)人失誤時(shí)所導(dǎo)致事故的客觀概率，pj表示為第j組的客觀事故率，CN表示該組的人數(shù)。整個(gè)公式表明，小組客觀事故率受分組人數(shù)的影響，是分組人數(shù)的指數(shù)函數(shù)。分組人數(shù)越多，則該組事故發(fā)生的累積概率越小。

2 仿真實(shí)驗(yàn)分析

2.1 仿真實(shí)驗(yàn)過程

根據(jù)以上模型設(shè)定，確定本實(shí)驗(yàn)自變量包括事故率、死亡率、事件率、時(shí)間、初始人數(shù)、分組人數(shù)、替代元胞；因變量包括主觀概率平均值(Mean)及其離散系數(shù)(CV)。據(jù)此運(yùn)用Netlogo軟件構(gòu)建仿真實(shí)驗(yàn)平臺。

各變量名稱、含義及其取值范圍如表1所示。經(jīng)測算，單人遇到事故并死亡的概率為0.0021%，等于事故率乘以單次事故死亡率，根據(jù)海因里希法則將事故率設(shè)定為0.007，死亡率設(shè)為0.003；將程序運(yùn)行時(shí)間設(shè)定為600步，初始人數(shù)為100；將事件率設(shè)定為1，以確保主觀概率演化的有效性；分組人數(shù)設(shè)定為1，替代元胞開關(guān)暫不打開。根據(jù)變量取值進(jìn)行仿真實(shí)驗(yàn)，具體步驟如下：

(1)將變量事故率的數(shù)值分別設(shè)置為0.007、0.02、0.05、0.2、0.5，初始人數(shù)設(shè)置為100,其余變量按初始值執(zhí)行，得到此條件下的主觀概率均值演化圖2。

(2)將變量死亡率分別設(shè)置為0.003、0.8，初始人數(shù)分別設(shè)置為100、1000，其余變量按初始值執(zhí)行，得到此條件下的離散系數(shù)演化圖3。

(3)將時(shí)間設(shè)定為50步，分組人數(shù)設(shè)為1，初始人數(shù)設(shè)定為1000，替代元胞設(shè)定為1。將死亡率設(shè)定為0，事故率從0開始，以0.1為增量增加至1，但由于事故率為0時(shí)主觀概率離散系數(shù)無法得出，故第一個(gè)值取0.01，從而獲得11組數(shù)據(jù)樣本；而后將死亡率設(shè)定為0.1，重復(fù)上述步驟，再獲得11組數(shù)據(jù)樣本；依此類推，死亡率以0.1為增量增加至1，但由于死亡率為1時(shí)主觀概率離散系數(shù)無法得出，故最后一個(gè)值取0.99，共獲取11×11合計(jì)121組數(shù)據(jù)樣本。

(4)分組人數(shù)分別設(shè)為2、4，其余初始值不變，重復(fù)步驟3，再獲得242組數(shù)據(jù)。

(5)將時(shí)間設(shè)定為600步，其余初始值不變，重復(fù)步驟3、4，再獲得363組數(shù)據(jù)樣本。

經(jīng)過以上步驟，總共獲得726組數(shù)據(jù)。

表1 研究變量描述

2.2 圖形結(jié)果分析

由圖2可知，主觀概率均值演化過程均為先激增、后波動，最終趨于穩(wěn)定，且近似等于客觀事故率。說明隨著經(jīng)驗(yàn)的積累，主觀概率估計(jì)偏差會逐漸減少，最終收斂于客觀概率。由圖3可知，離散系數(shù)隨著時(shí)間的增長，先快速下降，后緩慢下降，最終趨于穩(wěn)定。說明經(jīng)驗(yàn)的積累可以減少群體內(nèi)部主觀概率估計(jì)的差異，且早期經(jīng)驗(yàn)尤其關(guān)鍵。同時(shí)，當(dāng)死亡率較高時(shí)，初始人數(shù)增加，離散系數(shù)的波動明顯趨于平緩，表明群體總?cè)藬?shù)增加有助于平抑群體內(nèi)部主觀概率差異的波動、讓群體主觀概率估計(jì)更為一致。但死亡率較低時(shí)此現(xiàn)象不明顯。

2.3 數(shù)值結(jié)果分析

由步驟3、步驟4和步驟5共得到程序數(shù)據(jù)樣本726組。通過散點(diǎn)圖分析，發(fā)現(xiàn)樣本中存在26個(gè)離群值，參考文獻(xiàn)[30]對這些離群值進(jìn)行均值替換。而后，運(yùn)用SPSS軟件進(jìn)行層次回歸分析，先考察解釋變量的主效應(yīng)，而后加入事故率與死亡率交互項(xiàng)，檢驗(yàn)是否存在交互效應(yīng)。層次回歸分析結(jié)果匯總?cè)绫?所示。其中，主觀概率均值(50)和主觀概率均值(600)分別對應(yīng)程序運(yùn)行50步和600步時(shí)的主觀概率均值；主觀概率離散系數(shù)(50)和主觀概率離散系數(shù)(600)分別對應(yīng)程序運(yùn)行50步和600步時(shí)的主觀概率離散系數(shù)。

由表2可知，模型1、模型2分別能解釋因變量65.9%、64.3%的方差，增加一個(gè)交互項(xiàng)后的模型3、模型4分別能解釋76.1%、83.7%的方差，且四者均顯著，表明這四個(gè)模型均可接受。模型1和模型2中，分組人數(shù)標(biāo)準(zhǔn)化回歸系數(shù)β值分別為-0.262，-0.245，表明分組人數(shù)對事故主觀概率均值產(chǎn)生顯著負(fù)向影響。提高分組人數(shù)，會加強(qiáng)小組內(nèi)部監(jiān)督，從而減少事故發(fā)生，但同時(shí)也會導(dǎo)致群體對事故主觀概率的減少。事故率β值分別為0.625、0.615，產(chǎn)生顯著正向影響，客觀事故率的增加會導(dǎo)致主觀概率均值較大幅度增加；死亡率β值分別為-0.45、-0.456，表明死亡率對主觀概率均值產(chǎn)生顯著負(fù)向影響，個(gè)體死亡會導(dǎo)致群體的主觀概率出現(xiàn)系統(tǒng)性偏差，整個(gè)群體傾向于低估事故概率，但回歸系數(shù)絕對值與文獻(xiàn)[29]相比有所降低，表明分組措施能夠降低死亡率導(dǎo)致的低估概率偏差。模型3和模型4中事故率與死亡率交互項(xiàng)β值分別為-0.784和-1.08，表明事故率越高，死亡率對主觀概率均值的負(fù)向影響越大，二者存在互補(bǔ)效應(yīng)，且隨著時(shí)間推移，效應(yīng)逐漸增強(qiáng)，但回歸系數(shù)絕對值與文獻(xiàn)[29]相比有所降低，表明分組措施能夠降低互補(bǔ)效應(yīng)。

圖2 主觀概率均值(初始個(gè)體數(shù)=100)

圖3 主觀概率離散系數(shù)

表2 層次回歸分析結(jié)果匯總(因變量：主觀概率均值、主觀概率離散系數(shù))

表3 事故基本信息

模型5、模型6分別能解釋因變量24.4%、40.5%的方差，增加一個(gè)交互項(xiàng)后的模型7、模型8分別能解釋26.2%、41.8%的方差，且均顯著，表明四個(gè)模型均可接受。模型5和模型6中，事故率的β值分別為-0.21、-0.103，表明事故率的增加會縮小群體內(nèi)部主觀概率差異，但隨著時(shí)間推移而減弱，表明客觀事故概率的增大會減少群體內(nèi)部主觀概率的差異。與文獻(xiàn)[29]相比該結(jié)果顯著且穩(wěn)定，回歸系數(shù)絕對值也有所增加，表明分組措施能夠強(qiáng)化事故率對群體內(nèi)部主觀概率差異的負(fù)向影響。死亡率的β值分別為0.45和0.631，表明死亡率對主觀概率離散系數(shù)產(chǎn)生顯著正向影響，死亡率的上升會大幅增加群體內(nèi)部主觀概率差異，但回歸系數(shù)絕對值與文獻(xiàn)[29]相比有所降低，表明分組措施能夠降低死亡率導(dǎo)致的群體內(nèi)部主觀概率差異。模型7和模型8中，事故率與死亡率交互項(xiàng)β值分別為0.354、0.298，表明事故率越高，死亡率對群體內(nèi)部主觀概率差異的正向影響越大，二者存在互補(bǔ)效應(yīng)，且隨著時(shí)間推移，互補(bǔ)效應(yīng)有所減弱。與文獻(xiàn)[29]相比該結(jié)果顯著且穩(wěn)定，表明分組措施會強(qiáng)化互補(bǔ)效應(yīng)。

經(jīng)過共線性分析，8個(gè)模型的容差(Tolerance，TOL)、方差膨脹因子(Variance Inflation Factor，VIF)、特征值以及條件指數(shù)(Condition Index，CI)等指標(biāo)均在可接受的范圍內(nèi)。但模型3、模型4存在中等共線性問題，導(dǎo)致其標(biāo)準(zhǔn)化回歸系數(shù)β值大于1。

3 案例驗(yàn)證分析

為了驗(yàn)證上述結(jié)論，本文選取兩個(gè)煤礦事故進(jìn)行案例對比研究，事故基本信息如表3所示。其中，事故1為“吉林豐興煤礦‘4.6’重大透水事故”，事故2為“安徽省淮南東方煤礦‘8.19’重大瓦斯爆炸事故”。兩個(gè)案例的資料均來源于已公開的事故調(diào)查報(bào)告，二者同屬于煤礦事故，具有一定可比性。對比兩個(gè)案例可發(fā)現(xiàn)，在事故1中，由于現(xiàn)場第一目擊者幸存，因此能夠及時(shí)把事故信息傳遞出去，從而使得事故發(fā)生過程描述較為具體、詳盡，包括臨近事故發(fā)生時(shí)的行為、事故發(fā)生具體過程以及事后應(yīng)急行為等，表明個(gè)體幸存有利于群體事故經(jīng)驗(yàn)的積累；事故2中，事故發(fā)生過程描述幾乎缺失，僅有外圍目擊者對爆炸煙塵的一句描述，對爆炸具體觸發(fā)、演化情況無任何描述，表明個(gè)體死亡會對阻礙事故細(xì)節(jié)信息的獲取，不利于群體事故經(jīng)驗(yàn)積累。以上結(jié)論與仿真結(jié)果相符，驗(yàn)證了結(jié)論的合理性。對比兩個(gè)事故發(fā)生原因可發(fā)現(xiàn)，其關(guān)鍵崗位上的工作人員普遍存在著未受過專業(yè)培訓(xùn)、不知道作業(yè)規(guī)程等現(xiàn)象。在事故2中，即便管理人員發(fā)現(xiàn)了事故預(yù)兆特征，但仍然心存僥幸，對事故發(fā)生概率產(chǎn)生低估，最終導(dǎo)致了事故發(fā)生?？梢娫诟呶Ｐ袠I(yè)中，事故主觀概率存在群體性低估現(xiàn)象，這不僅驗(yàn)證了仿真結(jié)論的合理性，也凸顯出低估主觀概率后果的嚴(yán)重性。

4 結(jié)論

(1)群體主觀概率演化一般會經(jīng)歷從急速變化到穩(wěn)定的過程。建議對新成立或新員工較多的風(fēng)險(xiǎn)組織進(jìn)行重點(diǎn)監(jiān)管，通過引入有經(jīng)驗(yàn)員工和經(jīng)驗(yàn)分享使組織加速進(jìn)入穩(wěn)定期。

(2)增加分組人員數(shù)量有助于降低事故發(fā)生客觀概率，但同時(shí)也會導(dǎo)致成員低估事故主觀概率。群體組內(nèi)成員通過彼此監(jiān)督檢查，能夠提高安全冗余、減少事故發(fā)生的客觀概率；同時(shí)，組內(nèi)成員事故經(jīng)驗(yàn)大幅減少，對事故概率的認(rèn)知也停留在分組工作情況下，一旦改變分組方式，則成員的主客觀事故概率差異將凸顯出來，可能導(dǎo)致嚴(yán)重后果。建議對分組作業(yè)人員進(jìn)行專項(xiàng)訓(xùn)練，提高其在不同條件下進(jìn)行風(fēng)險(xiǎn)判斷的能力。

(3)個(gè)體死亡會導(dǎo)致群體的主觀概率出現(xiàn)系統(tǒng)性低估，且會加劇群體內(nèi)部的主觀概率差異，但分組措施能夠降低以上偏差。顯然，在死亡悖論視角下，高危行業(yè)事故主觀概率往往更容易存在群體性偏差。建議注重組織安全文化建設(shè)，對高死亡率行業(yè)的組織安全文化偏差和差異進(jìn)行重點(diǎn)監(jiān)控。

(4)客觀事故概率的減少會增大群體內(nèi)部主觀概率的差異，但分組措施能夠降低以上差異。這意味著，群體成員對于小概率事故發(fā)生的可能性存在嚴(yán)重分歧，導(dǎo)致群體安全溝通困難和風(fēng)險(xiǎn)意識難以統(tǒng)一。

(5)事故率與死亡率存在互補(bǔ)效應(yīng)，事故率的增加會強(qiáng)化死亡率影響，而分組措施一方面能降低其對主觀概率均值的作用，另一方面會增強(qiáng)其對主觀概率差異的作用。建議對易發(fā)生“小概率-極端損失”事故的行業(yè)進(jìn)行專項(xiàng)安全認(rèn)知動態(tài)監(jiān)控和預(yù)警。

(6)群體總?cè)藬?shù)增加有助于減少主觀概率偏差和差異，促使群體主觀概率估計(jì)更客觀、更統(tǒng)一。這表明群體規(guī)模對安全事故主觀概率估計(jì)具有穩(wěn)定作用。建議對涉及安全風(fēng)險(xiǎn)的小微企業(yè)進(jìn)行重點(diǎn)監(jiān)控。