吳 波,朱林萍,李揚(yáng)波,劉 聰,夏承明

(1. 東華理工大學(xué) 土木與建筑工程學(xué)院,江西 南昌 330013; 2. 三明莆炎高速公路有限責(zé)任公司,福建 三明 365000)

0 引 言

隧道建設(shè)項(xiàng)目涉及的作業(yè)程序和施工設(shè)備眾多,受到工作面限制、施工環(huán)境不確定性等因素的影響,隧道工程施工具有較高的安全風(fēng)險(xiǎn)[1]。當(dāng)前國內(nèi)外研究學(xué)者對隧道施工安全風(fēng)險(xiǎn)評價(jià)進(jìn)行了相關(guān)研究,YANG Ruijuan等[2]采用WBS-RBS法對隧道塌方風(fēng)險(xiǎn)進(jìn)行識別,并應(yīng)用隸屬度法對識別出的風(fēng)險(xiǎn)源進(jìn)行定量分析,以確定隧道塌方的關(guān)鍵因素;吳波等[3]通過WBS-RBS法建立隧道評估指標(biāo)體系,基于D-AHP法得到隧道施工風(fēng)險(xiǎn)等級;DONG Liuqun等[4]通過風(fēng)險(xiǎn)識別、風(fēng)險(xiǎn)分析、信息監(jiān)測系統(tǒng)對盾構(gòu)隧道管廊施工安全進(jìn)行了評估和監(jiān)測;LIN Chunjin等[5]整合變權(quán)理論和云模型理論,構(gòu)建VW和ICM計(jì)算模型評估巖溶隧道施工風(fēng)險(xiǎn);WANG Yan等[6]基于貝葉斯網(wǎng)絡(luò)動(dòng)態(tài)風(fēng)險(xiǎn)評估方法對深埋隧道施工風(fēng)險(xiǎn)進(jìn)行評價(jià)。

風(fēng)險(xiǎn)貫穿隧道施工各階段,以上研究多為確定隧道施工的綜合風(fēng)險(xiǎn)等級,對于隧道施工過程的風(fēng)險(xiǎn)分析較少。此外,施工工序受不同風(fēng)險(xiǎn)因素的影響會(huì)產(chǎn)生不同的風(fēng)險(xiǎn)事件,同時(shí)期內(nèi)需要對多個(gè)評價(jià)對象開展評價(jià)工作,及時(shí)對風(fēng)險(xiǎn)事件開展風(fēng)險(xiǎn)評價(jià)工作有利于降低風(fēng)險(xiǎn)事件演化為重大事故的可能性。

傳統(tǒng)的風(fēng)險(xiǎn)評價(jià)方法雖然提供了定量化的手段,但由于計(jì)算復(fù)雜、工作量大,多用于針對具體事故開展風(fēng)險(xiǎn)評價(jià)工作,而K-Means算法作為一種聚類分析方法,具有操作簡便、對大型數(shù)據(jù)可有效分類等特點(diǎn)?；诖?筆者提出一種基于K-Means聚類算法的隧道施工安全風(fēng)險(xiǎn)評價(jià)模型。筆者運(yùn)用WBS-RBS法對隧道施工全過程進(jìn)行風(fēng)險(xiǎn)辨識,并構(gòu)建風(fēng)險(xiǎn)事件集;以事故發(fā)生可能性、人員暴露時(shí)間和事故后果嚴(yán)重程度作為評價(jià)指標(biāo),利用語言型多屬性決策法將風(fēng)險(xiǎn)評價(jià)信息轉(zhuǎn)化為數(shù)據(jù)集;運(yùn)用K-Means聚類算法對數(shù)據(jù)集進(jìn)行處理,并確定事件風(fēng)險(xiǎn)等級。最后,筆者將模型應(yīng)用于文筆山1號隧道洞口工程,檢驗(yàn)?zāi)Ｐ偷目煽啃浴?/p>

1 K-Means聚類基本理論

K-Means聚類算法是一種基于距離的無監(jiān)督動(dòng)態(tài)聚類方法[7],該方法易于描述且簡單高效,適用于大數(shù)據(jù)處理,現(xiàn)廣泛運(yùn)用于事故分析中。聚類算法對數(shù)據(jù)質(zhì)心的計(jì)算具備了為風(fēng)險(xiǎn)因素分級的基礎(chǔ)。聚類算法根據(jù)各個(gè)數(shù)據(jù)點(diǎn)之間的距離判斷數(shù)據(jù)點(diǎn)是否相似,數(shù)據(jù)點(diǎn)越近越相似,反之則越不相似。在聚類分析中,常用歐氏距離[8-9]作為相似度的計(jì)算方法,其計(jì)算公式如式(1):

(1)

式中:d為樣本點(diǎn)到聚類中心的歐氏距離;bi為第i個(gè)數(shù)據(jù)點(diǎn);aj為第j個(gè)聚類中心。

K-Means聚類算法數(shù)據(jù)處理流程:首先指定聚類簇?cái)?shù)k,之后選取數(shù)據(jù)集中k個(gè)數(shù)據(jù)點(diǎn)作為初始聚類中心;由式(1)計(jì)算每個(gè)數(shù)據(jù)點(diǎn)到k個(gè)聚類中心的距離,基于距離最小化原則將數(shù)據(jù)點(diǎn)劃分到最近的初始聚類中心,最終全部數(shù)據(jù)點(diǎn)劃分到k個(gè)類群;對新簇進(jìn)行均值運(yùn)算,重新得到k個(gè)類群的聚類中心;不斷迭代直至滿足某個(gè)終止條件。終止條件可為最小化數(shù)據(jù)點(diǎn)與其對應(yīng)聚類中心距離之和、達(dá)到最大迭代次數(shù)或準(zhǔn)則函數(shù)收斂[10]。歐氏距離對應(yīng)的準(zhǔn)則函數(shù)如式(2):

(2)

式中:S為誤差平方和;k為聚類簇?cái)?shù);zj為第j個(gè)簇的聚類中心。

影響K-Means聚類效果的關(guān)鍵因素有聚類簇?cái)?shù)k、初始聚類中心和最大迭代次數(shù)μ。k的選取很大程度上決定了算法的性能,可依據(jù)需求或者經(jīng)驗(yàn)確定,也可以根據(jù)聚類有效性函數(shù)評價(jià)的聚類效果選取。K-Means聚類模型的聚類結(jié)果隨不同的初始聚類中心輸入發(fā)生變動(dòng),聚類模型也會(huì)因?yàn)樽畲蟮螖?shù)μ取值過小陷入局部最優(yōu)。筆者指定初始聚類中心并設(shè)置μ=100,使其在目標(biāo)函數(shù)最優(yōu)時(shí)停止迭代。

2 風(fēng)險(xiǎn)辨識及數(shù)據(jù)處理

2.1 風(fēng)險(xiǎn)源精細(xì)化辨識

公路隧道具有工序復(fù)雜、環(huán)境不確定等特點(diǎn)。隨著施工進(jìn)程的推進(jìn),施工工序以及周圍環(huán)境發(fā)生變化,施工安全風(fēng)險(xiǎn)也隨之變化,而工作分解結(jié)構(gòu)-風(fēng)險(xiǎn)分解結(jié)構(gòu)(WBS-RBS)法可以從系統(tǒng)學(xué)的角度出發(fā),全面系統(tǒng)地在各個(gè)層面識別風(fēng)險(xiǎn),有效解決不同施工階段的風(fēng)險(xiǎn)辨識問題。具體步驟如下[11]:

1)構(gòu)建WBS工作分解結(jié)構(gòu)。參照J(rèn)TG F80/1—2017《公路工程質(zhì)量檢驗(yàn)評定標(biāo)準(zhǔn) 第一冊 土建工程》[12]、文獻(xiàn)[13]以及隧道自身特點(diǎn),按照鉆爆法施工工序?qū)⒄麄€(gè)公路隧道工程進(jìn)行系統(tǒng)分解(分部工程-分項(xiàng)工程-單位作業(yè)),得到洞口工程W1、洞身開挖W2、洞身襯砌W3、隧道路面W4和交通工程W55個(gè)分部工程。筆者僅以W1為例,列出其分項(xiàng)工程和單位作業(yè)內(nèi)容(圖1)。

2)構(gòu)建RBS風(fēng)險(xiǎn)分解結(jié)構(gòu):從人員、機(jī)械設(shè)備、材料、技術(shù)和環(huán)境5個(gè)方面對公路隧道施工安全風(fēng)險(xiǎn)源進(jìn)行分解。其具體分解結(jié)構(gòu)如圖2。

3)建立耦合矩陣。耦合矩陣是由作業(yè)工序與風(fēng)險(xiǎn)源耦合形成,實(shí)現(xiàn)作業(yè)工序和風(fēng)險(xiǎn)因素之間的有效匹配。其中,“0”表示耦合不構(gòu)成風(fēng)險(xiǎn),“1”表示耦合構(gòu)成風(fēng)險(xiǎn)。

圖1 公路隧道工程工作分解結(jié)構(gòu)Fig. 1 Work breakdown structure of highway tunnel engineering

圖2 公路隧道工程風(fēng)險(xiǎn)分解結(jié)構(gòu)Fig. 2 Risk decomposition structure of highway tunnel engineering

2.2 聚類特征選取及分級標(biāo)準(zhǔn)

聚類分析時(shí),首先從特征集中選取最能刻畫風(fēng)險(xiǎn)事件的特征作為聚類特征。LEC法作為常用的風(fēng)險(xiǎn)評價(jià)方法,對風(fēng)險(xiǎn)事件特點(diǎn)的刻畫最為有效,而且具有操作簡便、針對性強(qiáng)等特點(diǎn)。但傳統(tǒng)LEC法存在分值標(biāo)準(zhǔn)差異性較大、評價(jià)內(nèi)容不夠全面等問題。鑒于此,結(jié)合公路隧道施工特點(diǎn)對LEC法進(jìn)行改進(jìn),細(xì)化事故后果嚴(yán)重程度使之包含人員傷亡、環(huán)境影響、經(jīng)濟(jì)損失、工期延誤4個(gè)方面。將改進(jìn)的事故發(fā)生可能性L、人員暴露時(shí)間E、事故后果嚴(yán)重程度C作為K-Means聚類模型的聚類特征。為使L、E、C這3個(gè)評價(jià)指標(biāo)滿足K-Means聚類模型的設(shè)計(jì)要求,消除不同變量數(shù)據(jù)尺度差異,參考相關(guān)規(guī)范[13-14]及相關(guān)事故案例分析[15],將取值區(qū)間設(shè)置為[0,5],具體分級標(biāo)準(zhǔn)如表1、表2。

表1 風(fēng)險(xiǎn)評價(jià)指標(biāo)(L和E)Table 1 Risk assessment indicators (L and E)

表2 風(fēng)險(xiǎn)評價(jià)指標(biāo)CTable 2 Risk assessment indicator C

2.3 數(shù)據(jù)處理

2.3.1L和E的數(shù)據(jù)處理

事故發(fā)生可能性L和人員暴露時(shí)間E都只包含了一個(gè)需要評價(jià)的因素,筆者直接選取其等級標(biāo)準(zhǔn)作為評價(jià)信息,對于多個(gè)專家的評價(jià)結(jié)果取其平均值進(jìn)行計(jì)算。

2.3.2C的數(shù)據(jù)處理

采用專家調(diào)查法對評價(jià)對象進(jìn)行評價(jià)時(shí),專家成員會(huì)受到主、客觀因素的影響,導(dǎo)致評價(jià)結(jié)果具有模糊性。因此,將專家的語言變量轉(zhuǎn)化為可運(yùn)算的數(shù)值具有現(xiàn)實(shí)意義?；贔EOWA算子和FLHA算子的語言型多屬性決策方法可以有效解決語言變量轉(zhuǎn)化問題,定義如下[16-17]:

1)FEOWA算子

(3)

2)FLHA算子

(4)

3)計(jì)算步驟

(5)

3 隧道施工安全風(fēng)險(xiǎn)評價(jià)模型

風(fēng)險(xiǎn)評價(jià)是風(fēng)險(xiǎn)辨識的深入應(yīng)用及量化研究。通過數(shù)學(xué)方法對事故發(fā)生概率以及事故后果進(jìn)行量化,運(yùn)用K-Means聚類模型對公路隧道施工安全風(fēng)險(xiǎn)事件進(jìn)行聚類分析,確定安全風(fēng)險(xiǎn)等級。計(jì)算步驟如下:

1)運(yùn)用WBS-RBS法對公路隧道施工全過程進(jìn)行風(fēng)險(xiǎn)辨識確立風(fēng)險(xiǎn)事件,得到含有n個(gè)風(fēng)險(xiǎn)事件的樣本集R={r1,r2,…,rn}。

2)確定風(fēng)險(xiǎn)評價(jià)指標(biāo):為了對n個(gè)風(fēng)險(xiǎn)事件進(jìn)一步評估,將改進(jìn)LEC法中L、E、C共3個(gè)因素作為風(fēng)險(xiǎn)評價(jià)指標(biāo)和K-Means聚類模型聚類特征。

3)數(shù)據(jù)準(zhǔn)備:運(yùn)用語言型多屬性決策方法對專家評價(jià)信息中的語言變量進(jìn)行處理,利用均值法處理專家的打分?jǐn)?shù)據(jù),最終得到樣本數(shù)據(jù)矩陣B:

(6)

4)設(shè)置k、初始聚類中心、μ:以傳統(tǒng)LEC法為依據(jù),將改進(jìn)LEC法的風(fēng)險(xiǎn)等級劃分為5級。設(shè)k=5,μ=100,指定5組數(shù)據(jù)X={X1,X2,X3,X4,X5}作為初始聚類中心,Xi(i=1,2,3,4,5)中L,E,C的取值采用各評價(jià)指標(biāo)取值區(qū)間的中間值,如表3。

5)基于K-Means聚類算法進(jìn)行聚類分析,確定風(fēng)險(xiǎn)事件風(fēng)險(xiǎn)等級。

表3 初始聚類中心Table 3 Initial custer centers

4 實(shí)例應(yīng)用及分析

4.1 工程背景

文筆山1號隧道位于大田縣東景村,隧道結(jié)構(gòu)為雙洞分離式大斷面隧道。隧道所處地層巖性較為復(fù)雜,洞口段圍巖等級低,巖體風(fēng)化破碎嚴(yán)重,呈散體結(jié)構(gòu),開挖后易塌方、冒頂。隧道頂部發(fā)育多條沖溝,雨季降水集中,水流量較豐富;隧道施工區(qū)域地下水弱發(fā)育,在局部不同巖相交接處或局部低阻帶巖性相對較為破碎,富水條件較好。隧道施工方法隨圍巖變化進(jìn)行調(diào)整,部分施工作業(yè)區(qū)域具有作業(yè)區(qū)域小、施工環(huán)境惡劣等特點(diǎn)。

4.2 洞口工程施工風(fēng)險(xiǎn)辨識

風(fēng)險(xiǎn)評價(jià)的最基本單元是風(fēng)險(xiǎn)事件,根據(jù)圖1和圖2中的內(nèi)容對文筆山1號隧道洞口工程進(jìn)行風(fēng)險(xiǎn)辨識。辨識得到W11R16清理作業(yè)人員精神狀態(tài)一般、W11R23清理作業(yè)機(jī)具操作不規(guī)范等20個(gè)可能風(fēng)險(xiǎn)事件,如表4。

4.3 K-Means聚類風(fēng)險(xiǎn)評價(jià)

事故后果嚴(yán)重程度的因素集{G1,G2,G3,G4}={人員傷亡,環(huán)境影響,經(jīng)濟(jì)損失,工期延誤},權(quán)重向量為ω=(0.25,0.25,0.25,0.25)。3位專家根據(jù)上述4個(gè)指標(biāo)給出語言評價(jià)矩陣Rp,假定專家權(quán)重向量為λ=(1/3,1/3,1/3),關(guān)于事故后果嚴(yán)重程度的專家語言評價(jià)矩陣匯總?cè)绫?。

表5 專家評價(jià)矩陣Table 5 Expert evaluation matrix

zj(λ)(i∈N)的值即為各個(gè)風(fēng)險(xiǎn)事件關(guān)于事故后果嚴(yán)重程度的綜合評價(jià)結(jié)果。

同時(shí),參與調(diào)查的3位專家分別給出事故發(fā)生可能性L和人員暴露時(shí)間E的評價(jià)值,計(jì)算其均值。

匯總L、E、C的評價(jià)數(shù)據(jù)得到風(fēng)險(xiǎn)事件的最終數(shù)據(jù)集,如表6。

基于K-Means聚類算法對表6中的20個(gè)風(fēng)險(xiǎn)事件進(jìn)行聚類分析,得到相應(yīng)風(fēng)險(xiǎn)等級如表7。

表6 風(fēng)險(xiǎn)事件數(shù)據(jù)集Table 6 Risk event data sets

表7 風(fēng)險(xiǎn)評估結(jié)果匯總Table 7 Summary of risk assessment results

4.4 聚類結(jié)果分析

根據(jù)表7可知,挖掘作業(yè)過程中洞口防排水未做好這一事件風(fēng)險(xiǎn)等級為Ⅴ級(極其危險(xiǎn));清理作業(yè)機(jī)具操作不規(guī)范、壓漿機(jī)操作不當(dāng)?shù)?個(gè)風(fēng)險(xiǎn)事件風(fēng)險(xiǎn)等級為Ⅲ級(顯著危險(xiǎn));爆破參數(shù)設(shè)計(jì)不合理、漏電保護(hù)失靈等7個(gè)風(fēng)險(xiǎn)事件風(fēng)險(xiǎn)等級為Ⅱ級(一般危險(xiǎn));清理作業(yè)人員精神狀態(tài)一般、施工車輛挖掘作業(yè)時(shí)安全防護(hù)不足、施工人員在超前管棚施工時(shí)經(jīng)驗(yàn)不足3個(gè)風(fēng)險(xiǎn)事件風(fēng)險(xiǎn)等級為Ⅰ級(稍有危險(xiǎn))。此公路隧道頂部發(fā)育多條沖溝,雨季降水集中,水流量較豐富。防排水措施未做好風(fēng)險(xiǎn)等級最高,與現(xiàn)場實(shí)際情況相符。防排水措施未做好時(shí),隧道頂部大量水的滲入會(huì)極大降低隧道圍巖穩(wěn)定性,地層含水率變化使得超前管棚注漿效果無法得到保證,且由于水不斷滲入掌子面,隧道容易發(fā)生坍塌、突水突泥等安全事故。

文中方法與傳統(tǒng)LEC法相比,所得出的風(fēng)險(xiǎn)評價(jià)結(jié)果更為接近現(xiàn)場實(shí)際。以噴射混凝土機(jī)械設(shè)備未固定好(W16R26)進(jìn)行說明,該事件發(fā)生后造成的機(jī)械損壞和工期延誤這兩種情況客觀存在,但傳統(tǒng)LEC法并未體現(xiàn),從而低估了事件的風(fēng)險(xiǎn),新模型則包含了這兩方面的信息,得出的事件風(fēng)險(xiǎn)等級由原來的可忽略程度提高到需要考慮的程度。與此同時(shí),支護(hù)鋼拱架時(shí)機(jī)械設(shè)備未架穩(wěn)(W15R26)安全風(fēng)險(xiǎn)等級由Ⅰ級提高到Ⅱ級,管棚鉆機(jī)未按要求用電(W14R42)和邊坡防護(hù)觸電事故(W111R19)安全風(fēng)險(xiǎn)等級由Ⅱ級提高到Ⅲ級。此外,運(yùn)用傳統(tǒng)LEC法確定風(fēng)險(xiǎn)事件風(fēng)險(xiǎn)等級過程中,對專家經(jīng)驗(yàn)依賴性強(qiáng),且風(fēng)險(xiǎn)指標(biāo)的量化數(shù)值較為離散。新模型改進(jìn)了傳統(tǒng)LEC法的不足,針對專家評價(jià)語言模糊性,引入了多屬性決策法將評價(jià)語言轉(zhuǎn)化為數(shù)據(jù)集,風(fēng)險(xiǎn)指標(biāo)取值區(qū)間連續(xù)且量綱統(tǒng)一;基于聚類算法對數(shù)據(jù)信息內(nèi)部層次關(guān)系進(jìn)行識別,區(qū)別于傳統(tǒng)LEC法的基礎(chǔ)運(yùn)算,深入挖掘了數(shù)據(jù)中隱含的信息。

5 結(jié) 論

1)運(yùn)用WBS-RBS法構(gòu)建公路隧道洞口施工風(fēng)險(xiǎn)事件集,有效避免了風(fēng)險(xiǎn)遺漏和識別不全面,能夠系統(tǒng)反映出隧道施工各階段的安全風(fēng)險(xiǎn)。

2)將K-Means聚類算法引入到傳統(tǒng)LEC法的綜合計(jì)算中,建立了基于K-Means聚類的隧道施工安全風(fēng)險(xiǎn)評價(jià)模型;通過優(yōu)化初始聚類中心以及確定初始聚類簇?cái)?shù)避免了聚類過程中存在的盲目性,提高了計(jì)算過程中的靈敏度;同時(shí)通過計(jì)算機(jī)運(yùn)算充分挖掘風(fēng)險(xiǎn)事件的內(nèi)部特征實(shí)現(xiàn)風(fēng)險(xiǎn)等級分類,降低了事件風(fēng)險(xiǎn)等級確定過程的主觀性和隨意性,使隧道施工風(fēng)險(xiǎn)評價(jià)結(jié)果更為準(zhǔn)確。

3)以文筆山1號隧道的洞口工程為例,采用構(gòu)建的風(fēng)險(xiǎn)評價(jià)模型進(jìn)行實(shí)踐驗(yàn)證,并與現(xiàn)場情況、LEC法等進(jìn)行比較,結(jié)果表明:該評價(jià)模型科學(xué)、合理,與實(shí)際情況相符,且評價(jià)結(jié)果直觀,計(jì)算過程簡便,為隧道施工過程風(fēng)險(xiǎn)評價(jià)提供了可行方法。