基于MICMAC-FCMs的建筑施工风险动态演化及干预模拟研究.pdf

第 20 卷 第 11 期2023 年 11 月铁道科学与工程学报Journal of Railway Science and EngineeringVolume 20 Number 11November 2023基于MICMAC-FCMs的建筑施工风险动态演化及干预模拟研究熊坚，彭一鸣，蔡晶(昆明理工大学 交通工程学院，云南 昆明 650500)摘要：为了预防和减少安全生产事故的发生，提出一种动态风险分析方法，在有效辨识建筑施工风险关键因素的基础上，定量刻画风险的动态演化趋势，并制定针对性干预策略，为改善建筑企业安全环境提供防控手段。首先，基于文献研究与事故致因理论，从人员、环境、设备、管理4个方面，拓展并建立了包含20个条目的施工风险因素分析框架。其次，结合灰色关联分析(GRA)与解释结构模型(ISM)确定可达矩阵，运用交叉影响矩阵相乘法(MICMAC)筛选施工风险关键因素。最后，基于模糊认知图(FCMs)理论对风险节点权重进行动态推导，通过设置不同单目标的干预场景进行模拟仿真，比较了不同方案对于施工风险的影响程度。研究结果表明：影响施工风险的关键因素包括防护用具使用c11，操作行为c12，隐患辨识c13，安全检查c43，安全反馈机制c44，现场监管c46；项目前期，风险因素权重排序为c11c43c13c44c12c46；项目推进阶段，c12，c44，c46的权重有所增加，变化速率大小为c46c12c44，而c11，c13，c43的权重均在减小，变化速率大小为c11c43c13；项目后期，风险因素权重排序为c46c12c44c13c43c11；干预效果方面，针对c11的干预能在较大程度上影响施工风险水平，以c46为对象的干预方案获得的安全收益较差。研究成果揭示了建筑施工风险的动态变化过程，可为企业风险防控策略提供一定的理论依据及决策参考。关键词：安全工程；风险分析；集成方法；趋势预测；情景模拟中图分类号：TU714 文献标志码：A 开放科学(资源服务)标识码(OSID)文章编号：1672-7029（2023）11-4356-11Dynamic evolution and intervention simulation of construction risk based on MICMAC-FCMsXIONG Jian,PENG Yiming,CAI Jing(Faculty of Transportation Engineering,Kunming University of Science and Technology,Kunming 650500,China)Abstract:To prevent and reduce the occurrence of construction safety accidents,a dynamic risk analysis method was proposed.Based on effectively identifying the key factors of construction risk.The dynamic evolution trend of risk was described quantitatively,and targeted intervention strategies were formulated to provide prevention and control means for improving the safety environment of construction enterprises.Firstly,a construction risk factor analysis framework containing 20 items was established based on literature research and accident cause 收稿日期：2022-11-16基金项目：国家自然科学基金资助项目(71961012)；云南省交通厅科技创新及示范项目(HZ2021X0302A)；云南省教育厅科学研究基金项目(2023J0095)通信作者：蔡晶(1989)，女，云南个旧人，讲师，博士，从事交通系统安全与仿真等研究；Email：DOI:10.19713/ki.43-1423/u.T20222190第 11 期熊坚，等：基于MICMAC-FCMs的建筑施工风险动态演化及干预模拟研究theory from four aspects:personnel,environment,equipment,and management.Secondly,the accessibility matrix was determined by Grey Relationship Analysis(GRA)and Interpretation Structural Model(ISM),and the key factors of construction risk were screened by Matrix Impacts Cross-reference Multiplication Applied to a Classification(MICMAC).Finally,the risk node weight was dynamically derived based on the Fuzzy Cognitive Maps(FCMs)theory,and the intervention scenarios with different single objectives were simulated to compare the impact of different schemes on the construction risk.The results are drawn as follows.The key factors affecting construction risk include the use of protective equipment(c11),operant behavior(c12),risk identification(c13),safety inspection(c43),safety feedback system(c44),on-site supervision(c46).In the initial stage of the construction project,the weight of risk factors was c11c43c13c44c12c46.During the project promotion stage,the weights of c12,c44,and c46 are increasing.The rate of change is c46c12c44,the weights of c11,c13,and c43 are decreasing,and the rate of change is c11c43c13.In the later stage of the project,the weight of risk factors is c46c12c44c13c43c11.In terms of intervention effect,the intervention for c11 can affect the level of construction risk to a large extent,while the intervention plan for c46 has poor safety benefits.The findings of the study shed light on the dynamic change process of construction risk,which can serve as a theoretical foundation and decision-making reference for enterprise risk prevention and control strategies.Key words:safety engineering;risk analysis;integration method;trend prediction;scenario simulation 建筑施工作业因工序复杂，作业风险性大等特点，导致安全生产事故频繁发生1。据统计，全球每年在建筑施工中发生的致命事故高达 6万多起2，从 2010 年到 2019 年，国内建筑施工共有6005起致死事故，造成7 275人死亡3，安全生产形势严峻。如何通过科学管控预防和减少安全事故的发生显得尤为关键。因此，剖析影响建筑施工风险的关键因素，分析风险演化趋势，制定针对性的风险干预策略方法使企业资源达到合理配置，是有效控制施工过程风险隐患，减少安全事故发生的必要手段。1983年，CHAPMAN等4首次提出了建筑风险的系统识别方法，为后续构建影响因素体系及风险分析奠定了基础。近年来国内外关于建筑施工风险因素的研究主要围绕安全评价、致因机理、风险辨识等方面展开。如JEONG等5为明确建筑施工的风险水平，提出了一种基于频次和概率的分析方法来量化工程的风险等级；CHEN等6提出了一种结合结构方程模型(Structural Equation Model,SEM)和模糊认知图(Fuzzy Cognitive Maps,FCMs)来分析项目风险绩效的方法；陈蓉芳等7基于区间层次分析法与模糊理论评估了装配式建筑施工质量风险的水平状态。在风险事故致因机理方面，李明柱等8结合解释结构模型(Interpretive Structural Model,ISM)与交叉影响矩阵相乘法(MICMAC)，将风险因素划分为6个层级和3个类别，在此基础上探讨了各因素之间的逻辑关系；周红波等9通过融合复杂网络SNA模型和N-K模型形成了新的风险因素分析方法体系。风险辨识方面，李瑚均等10将安全氛围作为建筑风险事故的事前预测因素，利用探索性因子分析和验证性因子分析将其界定为3因子结构模型；LIN等11基于混合模糊集与TOPSIS方法建立了施工风险评估模型，并据此识别高风险因素；XU等12根据事故报告设计了一种文本挖掘框架，利用信息熵加权并划分阈值，从而提取关键风险因素。现有研究较多是针对施工风险进行静态评价，部分动态风险研究通常是基于专家评判，在实际衡量施工现场的风险程度上存在一定局限，降低了评估结果的准确性。此外，在干预对策制定方面较少有研究对比分析干预方案的效用程度，这也造成了企业安全资源配置出现不合理等现象。针对以上问题，选取建筑企业一线施工人员为调研对象，提出一种基于MICMAC-FCMs的建筑施工风险分析方法，通过运用MICMAC交叉影响矩阵相乘法从施工风险集合中筛选出关键因素，将筛选结果作为节点构建FCMs模糊认知图模型，对施工风险的动态演变进行模拟仿真，以关键风险因素为对象依次设计干预方案场景，可实现对干预效用的有效评估。研究可为企业安全管控策略提供理论依4357铁 道 科 学 与 工 程 学 报2023 年 11月据及参考。1 建筑施工风险因素分析框架通过研究近年来国家应急管理局提供的安全事故调查报告，针对发生频率较高的安全生产事故伤亡类型(如高空坠落)，基于文献研究与事故致因理论1316，分析并归纳导致风险事故发生的主要原因，最终将风险源头划分为人员因素、环境因素、设备因素、管理因素4个方面，由此构建施工风险因素分析框架，并将其作为1级指标。参考建筑施工安全管理相关条例、技术标准及规范1718，采用项目部访谈和施工现场调研的方式收集工程中出现的较多隐患问题，结合监理单位提供的巡查记录情况，对4类主要因素进行拓展并形成风险清单，综合专家意见进行整改后得到20项2级指标，具体描述见表1，构建的风险因素框架如图1所示。表1建筑施工风险指标及其意义Table 1Construction risk indicators and their significance序号1234567891011121314151617181920指标名称防护用具使用c11操作行为c12隐患辨识c13安全活动参与c14作业流程掌握c15作业前检查设备c16自然灾害c21气候条件c22照明条件c23防护设施c24安全宣传c25设备合规c31材料堆放c32设备配置c33安全技术交底c41应急预案c42安全检查c43安全反馈机制c44安全生产责任制c45现场监管c46指标内容施工人员对安全类防护设施设备的使用情况(如安全帽、防护手套等)施工人员在作业过程中存在危险性行为发生的情况施工人员对作业环境中风险源的有效识别能力施工人员对安全教育、培训及演练等安全相关活动的参与情况施工人员对作业方案、工艺及技术的掌握程度施工人员在作业开展前对设施设备的布置及检查情况(如防护屏/罩、检测报警等设备)自然灾害发生情况(如滑坡、地面塌陷等)突发性不良气候发生情况(如大风、暴雨等)施工场所照明设施配置情况(如照明器的选取、合规等)施工场所防护设施设置情况(如通风、防护栏/网、防滑等设施)施工场所各种作业防护警示及标识标牌设置情况，安全警示标语张贴情况机械设备使用寿命、质量及故障情况，设备分类管理及保养情况施工材料分类放置情况，施工材料堆放位置高度合规情况施工相关设备配套完整性情况(如“三宝”、消防器具、用电设施等)教育培训计划实施情况，实名制培训管理情况，技术交底内容合规情况专项应急方案编制情况，应急物资配置情况事故隐患排查情况，特种设备装置等巡查合规情况企业单位各层级间安全相关信息传播的通畅程度安全生产责任制落实情况，责任标志牌张贴情况施工现场监管人员履职情况图1建筑施工风险因素分析框架Fig.1Analytical framework for construction risk factors4358第 11 期熊坚，等：基于MICMAC-FCMs的建筑施工风险动态演化及干预模拟研究2 MICMAC-FCMs集成分析方法2.1MICMAC交叉影响矩阵相乘法1)计算灰色关联度矩阵H将不同风险因素(2级指标)的测量结果依次作为参考序列，其余因素结果作为其比较序列，对原始数据进行均值化处理后，由公式(1)(2)分别计算灰色关联系数及强度，得到灰色关联度矩阵H，以此作为邻接矩阵的构建基础。ij=minijDij+maxijDijDij+maxijDij(1)r0i=1mj=1mij(2)其中：ij为关联系数；r0j为关联度；ij表示参考序列与比较序列的绝对差值；表示分辨系数，通常取0.5；m表示样本量(283)。2)确定邻接矩阵A与可达矩阵M以H中包含的关联度值作为K-means聚类算法的元素点，划分为2类，经迭代后得到最终聚类中心1和2，选取二者中值较大的作为因素之间存在影响关系的阈值。由此可将邻接矩阵的定义式更改为aij=0hij1hiji=j=1220(3)定义单位矩阵I，代入A至式(4)进行运算，若满足条件，则可求得可达矩阵M。M=(A+I)k+1=(A+I)k(4)3)MICMAC筛选关键风险因素基于可达矩阵M，由式(5)计算各风险因素的依赖度Rj与驱动力Di，将坐标系分别划分为独立区域I、自发区域II、依赖区域III、联动区域IV。根据因素所在不同区域的特点，选取驱动力较高的独立区域，以及依赖度较高的依赖区域作为关键风险因素的提取依据。Di=j=1nkijRj=i=1nkiji=j=1220(5)2.2FCMs模糊认知图1)构建FCMs模型FCMs19融合了模糊集理论和神经网络的特点，其形式由不同概念节点和具有因果关系的指向性边所组成，具体可用G=(CEAWf)来表示。其中C表示概念节点；E表示关联边；A为节点在t时刻的状态值；W为连接节点的关联边权值；f为阈值函数，能使节点状态值在迭代变换过程中映射到指定区间，通常所使用到的有sigmoid函数和双曲正切函数，见式(6)和式(7)。f(x)=11+e-cx(c0)(6)f(x)=ex-e-xex+e-x(7)FCMs推理变换函数可表达为式(8)，通过输入概念节点的初始状态向量AG(0)，经过多次迭代达到稳定状态后，即输出值保持在一个固定水平或处于周期性往复循环状态，停止计算。Ai(t+1)=f(Ai(t)+j=1ijnAj(t)wji)(8)式中：Ai(t+1)表示节点ci在(t+1)时刻的状态值，f()表示阈值函数，Ai(t)和Aj(t)分别表示节点ci和cj在t时刻的状态值，wji表示从节点cj到ci的连接权重，即影响权值。基于以上理论，首先定义概念节点集合C，包括 MICMAC筛选出的关键风险因素 ci，以及作为输出节点的建筑施工风险R。定义集合C的初始状态向量为AG(0)，关键风险因素的权重及初始值利用熵值法求解，输出节点 R的权重及初始值均设置为1。构建各节点之间的连接矩阵。以权重比形式计算直接影响矩阵W1(见式(9)。W1=cabccdw1(abab)w1(abcd)w1(cdab)w1(cdcd)cab ccd(9)其中：对角线元素为0，w1(abcd)=wabwcd，wab和wcd分别表示节点cab和ccd的熵值权重。在W1的基础上借助决策实验室法(DEMATEL)的部分方法建立综合影响矩阵W3，具体见式(10)。W2=sW1W3=W2(I-W2)-1(10)4359铁 道 科 学 与 工 程 学 报2023 年 11月式中：W2为W1的标准化矩阵，s为W1中各行元素之和的最大值的倒数；I为单位矩阵，(I-W2)-1为(I-W2)的逆矩阵。根据W3中的自相关情况，设定阈值过滤较小的影响权值，根据各因素关系的实际情况确定FCMs的连接矩阵W。2)基于非线性Hebbian算法的连接矩阵优化为使连接矩阵表达更准确，进一步反映真实情况，引入非线性 Hebbian 学习算法20(Nonlinear Hebbian Learning,NHL)，通过训练得到最优连接矩阵，由此FCMs推理函数由式(8)变为Ai(t+1)=f(Ai(t)+j=1ijnAj(t)wji(t)(11)wji(t)为t时刻连接矩阵中对应的元素。权值优化公式为wji(t+1)=wji(t)+Ai(t)(Ai(t)-sgn(wji)wji(t)Ai(t)(12)其中：(0.91)为衰减系数，(00.1)为学习率，sgn(wji)为符号函数。NHL 停止迭代条件见式(13)。F1=min i=1m(DOCi-Ti)2F2=|DOCi(t+1)-DOCi(t)0.6，说明问卷整体信度较好。效度则是用于衡量测试所得结果的有效程度，反映测试工具达到预期测量的程度，当 KMO 统计量大于 0.6，Bartlett球形检验为显著时，则满足效度检验要求22。对数据效度进行测试得到KMO值为0.7450.6，Bartlett球形检验结果在小于0.001的水平上显著，说明问卷整体效度较好。信效度检验满足标准要求，调研结果可为后续研究的建模分析提供数据支撑。3.2建筑施工关键风险因素筛选由式(1)和(2)计算不同风险因素之间的灰色关联度，得到20*20的方阵H，见表3。由于 H为对称矩阵，对称部分元素重复，主对角线部分为自相关情况，因此除去主对角线及对称部分的元素(即 20+190=210个元素)，对剩余的190个元素点采用K-means聚类处理，得到2个最终聚类中心分别为0.777和0.689，选取=0.777作为公式(3)中的阈值，据此提取邻接矩阵 A，进而由公式(4)推导出可达矩阵M。按公式(5)计算各因素的依赖度Rj和驱动力Di，结果如图3所示。根据 MICMAC 分析结果可知，独立区域 I中包含5个驱动力较高的风险因素，分别为安全宣传c25，安全技术交底 c41，安全检查c43，安全反馈机制c44，现场监管c46，主要反映为管理问题。独立类因素具有较高的驱动力和较低的依赖度，是导致施工事故最根本的风险因素。如现场安全管理及教育形式化，安全检查、监管不到位，在未能采取有效管控措施的情况下，会直接增加风险事故的发生机率。由于独立类因素不易受其他因素牵制，因此优先加强此类因素的管理更有助于风险的控制。自发区域II中包含11个风险因素，分别为作业流程掌握c15，作业前设备检查c16，自然灾害c21，气候条件c22，照明条件c23，防护设施c24，设备合规 c31，材料堆放 c32，设备配置 c33，应急预案 c42，安全生产责任制c45，主要为环境与设备因素的影响。自发类因素在事故中具有承先启后的作用，如企业为追求经济效益，减少安全资金投入，致使陈旧设备无法供应更换，无视后果缩短施工工期，导致施工环境勘察不到位，进一步加剧了风险事故的发生。因此自发类因素是工程前期需充分考虑的必要条件。表2 样本主要特征信息Table 2 Main characteristic information of samples变量年龄工龄总计类别1830岁3140岁4150岁51岁或以上第1年13年35年510年1020年20年或以上作业区域高空作业25(46.3%)42(53.2%)32(34.8%)23(39.7%)15(37.5%)29(52.7%)21(42.9%)34(48.6%)18(37.5%)5(23.8%)122地面作业23(42.6%)28(35.4%)41(44.6%)25(43.1%)21(52.5%)23(41.8%)22(44.9%)23(32.9%)15(31.2%)13(61.9%)117隧道作业6(11.1%)9(11.4%)19(20.7%)10(17.2%)4(10.0%)3(5.5%)6(12.2%)13(18.6%)15(31.2%)3(14.3%)44总计547992584055497048212834361铁 道 科 学 与 工 程 学 报2023 年 11月依赖区域 III中包含 4个依赖度较高的风险因素，分别为防护用具使用c11，操作行为c12，隐患辨识c13，安全活动参与c14，主要表现为人员影响。依赖类因素具有较高的依赖度和较低的驱动力，是导致施工人员产生不安全行为最直接的因素，容易受到其他因素的影响，如防护用具使用、操作行为等行为依赖于监管人员对现场的督促管理。由于依赖类因素与其他因素是否得到控制相关联，因此可以通过加强对外部环境及管理的控制，来强化员工安全意识并约束不安全行为，降低风险发生概率。联动区域中的因素具有不稳定性、不易控制等特点，由MICMAC分析可知结果中不存在依赖度和驱动力都较强的联动类因素，说明建筑施工风险目前还处于可控范围。综合上述分析，提取I，III区域中驱动力与依赖度值较大的结果点作为关键风险因素，即防护用具使用c11，操作行为c12，隐患辨识c13，安全检查c43，安全反馈机制c44，现场监管c46，为后续模糊认知图FCMs模型的概念节点确定提供依据。3.3模糊认知图模型构建运用熵值法计算得到c11，c12，c13，c43，c44，c46的权重wi=0.229 0.145 0.19 0.206 0.161 0.069，R 的权重取 1，由公式(9)、(10)计算 W1，W2，W3。由W3可知指标自身影响程度最大值为0.131，将其作为阈值只保留W3中大于0.131的影响权值，结合图3MICMAC分析结果Fig.3Results of MICMAC analysis表3建筑施工风险因素灰色关联度矩阵Table 3Grey correlation degree matrix of construction risk factorsc11c12c13c14c15c16c21c22c23c24c25c31c32c33c41c42c43c44c45c46c1100.8180.7610.7560.7650.8020.7160.6830.6990.690.7310.6480.7540.6450.7410.7410.770.7770.7090.856c120.81800.7810.7870.8270.8480.7710.7320.760.7560.7780.6930.7790.6950.7860.7630.8290.840.7410.868c130.7610.78100.8030.7980.7610.7190.7420.730.7060.7970.6690.8150.6960.7720.7980.7790.7940.7810.773c140.7560.7870.80300.7770.7740.7110.7060.7150.6970.8050.6620.8030.7020.7970.7880.7830.7890.7640.77c150.7650.8270.7980.77700.80.7460.710.7470.7470.7720.6830.7670.7020.780.7630.8230.8340.7330.811c160.8020.8480.7610.7740.800.7580.7110.7570.740.7570.6830.7650.6910.7870.760.8230.8270.7370.809c210.7160.7710.7190.7110.7460.75800.7290.7630.8260.6810.680.6770.6620.6920.6760.7140.7310.6850.737c220.6830.7320.7420.7060.710.7110.72900.7190.7150.6890.6810.6950.6610.6760.680.6690.6820.6810.689c230.6990.760.730.7150.7470.7570.7630.71900.7730.6890.6810.6870.6970.7010.6670.730.7290.680.719c240.690.7560.7060.6970.7470.740.8260.7150.77300.6710.6660.6650.6690.690.6480.7130.7120.6640.714c250.7310.7780.7970.8050.7720.7570.6810.6890.6890.67100.670.780.6650.760.7440.760.7590.7220.744c310.6480.6930.6690.6620.6830.6830.680.6810.6810.6660.6700.6650.6610.670.6540.6690.6760.6520.696c320.7540.7790.8150.8030.7670.7650.6770.6950.6870.6650.780.66500.6730.7380.770.7350.7530.7380.739c330.6450.6950.6960.7020.7020.6910.6620.6610.6970.6690.6650.6610.67300.6620.6540.6530.6510.6490.651c410.7410.7860.7720.7970.780.7870.6920.6760.7010.690.760.670.7380.66200.7480.7860.7750.7350.752c420.7410.7630.7980.7880.7630.760.6760.680.6670.6480.7440.6540.770.6540.74800.7290.7420.7370.72c430.770.8290.7790.7830.8230.8230.7140.6690.730.7130.760.6690.7350.6530.7860.72900.8240.720.778c440.7770.840.7940.7890.8340.8270.7310.6820.7290.7120.7590.6760.7530.6510.7750.7420.82400.7480.829c450.7090.7410.7810.7640.7330.7370.6850.6810.680.6640.7220.6520.7380.6490.7350.7370.720.74800.76c460.8560.8680.7730.770.8110.8090.7370.6890.7190.7140.7440.6960.7390.6510.7520.720.7780.8290.7604362第 11 期熊坚，等：基于MICMAC-FCMs的建筑施工风险动态演化及干预模拟研究实际情况保留各因素对R节点影响的部分值，得到连接矩阵W。W=00.3670.280.2580.3310.7710.0590.14700.1770.1640.2090.4880.0380.1930.30500.2140.2740.640.0490.2090.330.25200.2970.6940.0530.1630.2580.1970.18200.5420.0420000000.0180000000(14)基 于 NHL 对 W 进 行 优 化，其 中TminR=0，TmaxR=1，故取TR=0.5。选用sigmoid作为阈值函数(系数c通常取1)，容忍值e=0.001，输入初始状态向量AG(0)=0.2290.1450.190.2060.1610.0691和连接矩阵 W，通过试错法确定出衰减系数=0.98，学习率=0.001的参数组合，同时得到优化后的连接矩阵W。根据W中各节点的连接关系确立建筑施工风险的模糊认知图拓扑结构模型，如图4所示。W=00.368 80.282 00.260 10.332 90.771 20.061 30.149 600.179 50.166 60.211 50.489 60.040 60.195 30.307 100.21630.276 20.640 80.051 40.211 20.332 00.254 200.299 10.694 60.055 40.165 50.260 30.199 40.184 500.543 30.044 50000000.021 00000000(15)3.4风险演化趋势分析基于构建好的FCMs模型，输入初始状态向量AG(0)和优化后的连接矩阵W进行仿真，经过8次迭代后，各节点状态值前后时刻误差均小于0.000 1，故判断系统达到稳态，具体过程如图 5所示。将各风险节点的稳态值归一化后与初始值进行对比，结果如图6所示。可以发现随着仿真实验的进行，多风险相互耦合变化导致不同时期各因素的权重也不相同。FCMs迭代前期，各节点权重大小依次为c11c43c13c44c12c46；迭代过程中，在风险变化方向上，c12，c44，c46的权重有所增加，而c11，c13，c43的权重均在减小，风险增长趋势大小上，c46c12c44，且在较短时间内趋于稳定，减小趋势大小上，c11c43c13；FCMs模型达到稳态后，各节点权重大小依次为c46c12c44c13c43c11。根据以上结果可知，在项目施工前期阶段，防护用具使用、安全检查、隐患辨识等因素对建筑施工风险影响较大，其中防护用具使用在前期权重占比最大。相关研究表明，防护用具的使用与否跟员工的个人因素呈显著关系23。反映项目实施初期组建的员工队伍存在技术与经验上的差异，图5各节点状态值变化过程Fig.5Change process of node status value图4建筑施工风险FCMs拓扑结构模型Fig.4Construction risk FCMs topology model4363铁 道 科 学 与 工 程 学 报2023 年 11月而其中缺乏经验的员工更容易忽略安全用具的使用24，并且由于过度乐观等不安全心理状态以及社会影响力等外部作用的影响，导致部分员工产生对防护用具使用的排斥性行为25。此外，面对新的工作环境及程序，员工的风险隐患辨识会在一定程度上受到阻碍26。因此，前期工作中企业的安全体系完善就显得尤为关键，施工单位应及时组织员工进行教育、培训与演练，提高其安全意识水平，落实作业前员工穿戴防护设备等督察工作，加强施工环境及设备的隐患排查。施工过程推进阶段，现场监管和操作行为的状态值迅速增加，对建筑施工风险的作用影响加剧，而员工的不安全行为主要受管理者行为的影响27，说明随施工单位运作逐渐形成有序闭环，因此现场监管力度出现松懈并低于前期状态，从而增加了员工的不安全操作行为，这与FANG等28的研究结论一致。针对演化增长较快的这类源头性风险应予以重视，预防和减少履职不到位等情况的发生。由于受到增长变化趋势的影响，现场监管、操作行为、安全反馈机制等因素权重较初期分别增长173.55%，16.65%和3.31%，在项目后期阶段，以上风险因素的状态值和权重占比都处于较高水平，均是排查改善的重点，需企业和有关部门提前进行针对性的安全规划与整治。3.5风险干预情景模拟在FCMs模型达到稳态的基础上，分析探讨干预不同关键风险因素所导致建筑施工风险大小的变化，根据节点R状态值的增长趋势判断不同干预方案的实施效果。针对关键风险因素ci依次设置干预情景。设置方案1：假设企业对防护用具使用c11的干预力度为最大，即企业在该方面上的投入最多，则方案1的初始值设置为1并添加至AG(0)；假设方案1对防护用具使用c11的影响程度最大，即企业在该方面上的干预有效性达到最大，且方案1对其他因素不产生影响，其他因素也不会对方案1产生任何影响，则方案1对c11的影响权值设置为1，对其他因素以及其他因素对方案1的影响权值均设置为0，同时将相应影响权值添加至连接矩阵W。根据上述方法，设置方案2：初始值设置为1，方案2对c12的影响权值设置为1，对其他因素以及其他因素对方案1的影响权值均为0。设置方案3：初始值设置为1，方案3对c13的影响权值设置为1，对其他因素以及其他因素对方案1的影响权值均为0。设置方案4：初始值设置为1，方案4对c43的影响权值设置为1，对其他因素以及其他因素对方案1的影响权值均为 0。设置方案 5：初始值设置为1，方案5对c44的影响权值设置为1，对其他因素以及其他因素对方案1的影响权值均为0。设置方案6：初始值设置为1，方案6对c46的影响权值设置为1，对其他因素以及其他因素对方案1的影响权值均为0。将不同方案输入至FCMs模型，得到的结果如图7所示。比较不同场景下建筑施工风险R的固定值与曲线斜率，可以发现方案1下R的增长变化相对最大图6各节点初始值与稳态值对比Fig.6Compare the initial value of nodes with the steady-state value图7不同干预情景下R的状态值Fig.7State value of R under different intervention scenarios4364第 11 期熊坚，等：基于MICMAC-FCMs的建筑施工风险动态演化及干预模拟研究(增长率0.31%)，说明在企业同等资源投入的情况下，优先针对防护用具使用c11进行干预得到的安全收益最高。依据R状态值的增长变化幅度将不同方案的干预效果进行排序，可知方案1(0.31%)方案 4(0.26%)方案 3(0.22%)方案 5(0.17%)方案 2(0.14%)方案6(0.01%)。在企业管理精力，或是安全资金资源分配有限的情况下，管理者可优先考虑强制执行员工防护用具的穿戴和使用，其次加强安全检查相关工作，查找挖掘人员、设备、环境中的不良因素，通过安全教育活动指导员工有效辨识风险隐患，疏通企业内外部安全反馈机制，提升安全信息传播的通畅程度，以此达到安全收益效率最大化。4 结论1)构建了包含20个条目的建筑施工风险因素分析框架，基于MICMAC方法筛选后，得到独立区域中的5个管理因素(安全宣传c25，安全技术交底c41，安全检查c43，安全反馈机制c44，现场监管c