高层建筑施工现场危险区域识别及评估方法研究
0 引言
目前国内外学者对施工现场危险区域识别的研究较少, 但作为危险区域分析基础的危险源研究, 已有较长历史
作为新的研究方向, 2015年翟越等
为解决目前高层建筑施工现场危险区域识别方法的缺少问题及解决危险源遍布的复杂建筑施工现场风险评估问题, 本文提出了一种高层建筑危险区域识别和评估的概率方法。该方法依据施工过程和危险源空间分布识别危险区域, 采用因素分析法和多变量联合分布的建模技术, 建立了高层建筑危险区域评估的简化随机场模型。
1 危险区域的识别
工程项目尤其是高层建筑的施工现场, 危险源分布广、风险差异大, 并随着施工阶段的推进不断变化。
1) 危险区域划分根据施工过程, 建筑施工现场通常有基础施工作业区、临建辅助生产区、主体施工装修区3大施工区, 平面如图1所示。
基础施工作业区通常包括场地平整、桩基施工、土方开挖、基础施工、土方回填等作业活动;临建辅助生产区包括模板钢筋制作、办公生活临时建筑施工等作业活动;主体施工装修区包括模板安装拆除、混凝土施工、钢构件安装、屋面和装修工程等主体结构作业活动
基于施工现场危险源特性, 结合工程经验, 进行危险区域划分及风险因素归纳是后续概率评估的基础。危险区域划分需反映高层建筑施工现场的普遍情况且数量合理可行, 以保证分析的全面性及概率评估模型的简化、实用性。因此, 根据3大施工区各作业活动的顺序及过程中危险源的空间分布, 划分18个危险区域A1~A18, 对于高层建筑施工现场普遍适用。危险区域划分具体名称及主要事故形式为: (1) 基础施工作业区危险区域A1土方开挖区 (触电、机械伤害、高处坠落) 、A2基坑施工区 (坍塌、机械伤害) 、A3桩基施工区 (机械伤害、物体打击) 、A4堆土堆料区 (坍塌、物体打击) ; (2) 临建辅助生产区危险区域A5临时用电线路 (触电、火灾) 、A6电焊明火区 (火灾、爆炸) 、A7模板作业区 (坍塌、高处坠落、火灾) 、A8钢筋作业区 (机械伤害、物体打击、火灾) 、A9材料存放区 (坍塌、物体打击、火灾) 、A10材料运输区 (机械伤害、物体打击、火灾) ; (3) 主体施工装修区危险区域A11钢结构作业区 (机械伤害、触电、火灾) 、A12混凝土施工区 (机械伤害、触电、物体打击) 、A13门板幕墙装修区 (火灾、机械伤害、触电) 、A14防水保温作业区 (火灾、高处坠落、中毒) 、A15塔式起重机作业区 (高处坠落、机械伤害、触电) 、A16临边洞口区 (高处坠落、物体打击) 、A17脚手架作业区 (坍塌、高处坠落、物体打击) 、A18施工电梯作业区 (机械伤害、高处坠落、触电) 。
2) 风险因素识别施工现场大量的风险因素导致危险源的存在或危险事件的发生。福建省建筑施工地方性标准DBJ 13—91—2007《建设工程施工重大危险源辨识与监控技术规程》
结合事故树分析法 (FTA) 分析事件发生的根本原因, 建立18个危险区域的事故树模型, 对划分所得的危险区域进行风险因素辨别与归纳。
2 危险区域的概率评估
事件的不确定性通常表现为随机性、模糊性和未确知性。尽管工程项目复杂多样, 但危险事件通常为非独立变量且具有概率性。因此可采用多维随机变量的联合分布建立随机数学模型对施工现场危险区域进行风险概率评估。
1) 多维变量联合分布多维变量联合分布由2个解耦过程构建:边缘分布建模和相关结构建模。边缘分布函数描述各变量的分布特征, 相关结构刻画变量间的相关性。工程风险分析中最常用的联合分布模型为Normal Copula函数
考虑标准正态随机向量Z= (Z1, …, Zn) , 与任意分布X= (X1, …, Xn) 的关系为:
式中:FXi (·) 为X的累积分布函数;Φ-1 (·) 为逆标准正态累积分布函数。
采用等概率转换原则, 随机向量X的联合概率密度函数和联合分布函数为:
式中:fX (·) 是X的联合概率密度函数;fXi (·) 为Xi的概率密度函数;FX (·) 为X的联合分布函数;φ (·) 为标准正态分布的概率密度函数;φn (z, R') 和Φn (z, R') 是相关矩阵为R'的n维标准正态分布的概率密度函数和累积分布函数。
2) 边缘分布估计由于工程问题的复杂和统计数据的欠缺, 通常难以建立精确的变量边缘分布。本文结合作业条件危险性评价法 (LEC) 进行危险区域风险性的边缘分布估计。
LEC法由美国安全专家Graham等
风险性分值可半定量地反映危险等级程度, 但L, E, C的取值受评价人员主观影响较大, 乘积公式得出的D值标准差通常很大。采用对数计数法描述统计量, 可使数据波动相对稳定, 因此取对数值, 则
基于概率论中心极限定理, 一个指标受独立因素的共同影响, 且每个因素不能产生支配性的影响, 则该指标收敛到正态分布。根据文献
则边缘分布的概率密度函数及累积分布函数为:
3) 相关性分析危险区域间并不完全独立, 可能由相同的风险因素导致, Nataf模型中的相关系数矩阵可由风险因素间的关系给出。
将每个危险区域作为一个随机事件, 发生的条件由各自的风险因素确定。对风险因素进行归纳, 可得随机变量间的相关系数
式中:i, j为危险区域的编号, 即i, j=1, 2, …, n;Q (·) 表示集合元素数。本文划分的18个危险区域隶属于3大施工区, 若作业人员、机械设备类风险因素u11~u25相同, 对于同一施工区的Q (ui∩uj) 取权重为0;而对于材料、施工方法、作业环境、安全管理类风险因素u31~u66, Q (ui∩uj) 不额外取权重。
则随机向量X的相关系数矩阵为
而标准正态随机向量Z的相关系数矩阵R'中的元素ρ'i, j由随机向量X的相关系数ρi, j通过积分函数关系确定
对于每对已知相关系数ρi, j的边缘分布, 可运用上式进行迭代运算求解ρ'i, j。为避免繁琐的计算, 文献
式中:F为ρi, j和边缘概率密度的函数, 当Xi, Xj均服从对数正态分布时, F=F (ρi, j, δi, δj) 。对于对数正态分布, F函数的精确解为
随机场是随机过程在空间上的推广, 一个场域参数集上的随机变量系X, 对任一点都有随机变量Xi与其对应, 为随机场X在位置i的状态。当所有确定维的变量分布是标准正态分布时, 定义为高斯随机场。
将施工现场危险区域近似成空间位置作为场域参数, 风险因素法得到的相关系数矩阵近似为变量间的相关结构, 因此称为简化的高斯随机场模型。
已知多维随机变量联合分布, 随机场处于状态f的概率为
式中:b= (b1, b2, …, bn) 指代向量界限值。
其中, 多维正态分布的计算采用Matlab联合概率密度函数mvncdf, 对于本文的18维正态分布模型, 平均计算时间为1.2s。
3 工程分析
1) 危险区域评级依据ln D~N (μ, σ2) 绘制D值 (风险性分值) 分布的概率密度曲线和累积分布曲线, 如图3所示。从图3中可看出, 危险区域风险性分布差异巨大, 曲线越平缓代表样本数据离散程度越高、发生高危险性事件的可能性越大。
边缘分布的数学特征汇总如表1所示, 其中峰度衡量随机变量概率分布的峰态, 峰度高表明由低频度的小于或大于平均值的极端差值而引起的标准差增大。熵值衡量信息的不确定性, 熵越大的信源越随机, 能传递的信息越多。
综合得出:A2基坑施工区的期望、中位数、众数和熵值均最高, 表明风险性最大、随机性最高, 且危险事件间的后果差距较小, 一旦发生易造成严重影响;A17脚手架作业区的标准差最大, 期望、峰度、熵值均为第2, 而众数较小, 表明风险性大、随机性高, 但危险事件间的后果差距较大, 可能发生小型事故也更可能发生重大事故。
取期望、众数各70%, 30%修正D值为D', 并参考LEC法界限值及等级划分, 对危险区域进行风险性评级, 如表2所示。
2) 联合概率评估边缘分布描述事件的显性特征, 考虑相关性的联合概率分布可用于分析危险事件发生的概率。计算危险区域Ai的联合概率时安全界限值取μi/σi, 其余区域Aj的界限值基于相关系数取ρij·μi/σi。此时联合概率的物理意义为:当危险区域Ai达到风险临界点μi/σi时, 其余区域也正处于相应的风险状态ρij·μi/σi;因此在数学模型中, 这些条件均满足的结果即危险区域Ai达到风险临界点的概率, 结果如表3所示。
联合概率可作为施工项目安全管理的参考, 如概率值最小的A1土方开挖区, 对应实际工程中前期土方处理的面积大, 危险事件的分散性发生;而概率值最大的A8钢筋作业区, 对应实际工程中钢筋加工区小型危险事件的频繁、密集性发生。
另外, 联合概率值的给出仅仅属于理论分析, 针对实际工程的应用还有广阔的前景。如后续研究可建立各危险区域的障碍物面积分布, 结合人员疏散理论为不同阶段的施工现场安全逃生管理提供参考。
4 结语
本文提出了高层建筑施工现场危险区域识别和评估的概率方法, 该方法由危险源的空间分布划分危险区域, 由危险因素分析和多变量联合分布建立施工现场危险区域的概率评估技术。主要研究结论如下。
1) 高层建筑施工现场的危险区域可划分为18个类型的区域。
2) 风险评级结果表明基坑施工区和脚手架作业区风险性最高, 桩基施工区、塔式起重机作业区、土方开挖区其次。
3) 本文提出的简化随机场模型计算了风险性联合概率, 另外针对不同指标的边缘分布, 也能得出相应的联合概率, 从而描述高层建筑施工现场的多样性。
[2] NORMAN R, FLANAGAN G. Risk management and construction[M]. Oxford:Blackwell scientific publications, 1993.
[3] HINZE J, RUSSELL D B. Analysis of fatalities recorded by OSHA[J]. Journal of construction engineering and management, 1995, 121 (2) :209-214.
[4] HINZE J, PEDERSEN C, FREDLEY J. Identifying root causes of construction injuries[J]. Journal of construction engineering and management, 1998, 124 (1) :67-71.
[5]方东平, 蓝荣香, 吴升厚, 等.施工现场工作环境安全评价[J].安全与环境学报, 2002, 2 (2) :43-46.
[6]牛更奇, 王小妹, 李献功.安全评价中危险辨识的地位, 存在问题和对策[J].中国安全科学学报, 2003, 13 (6) :57-59.
[7]黄家胜, 刘祖文, 温广军.模糊理论在高层建筑施工安全评价中的应用研究[J].科技情报开发与经济, 2008, 18 (2) :128-130.
[8]翟越, 李楠, 艾晓芹, 等. BIM技术在建筑施工安全管理中的应用研究[J].施工技术, 2015, 44 (12) :81-83.
[9] KIM H, LEE H S, PARK M, et al. Automated hazardous area identification using laborers’ actual and optimal routes[J].Automation in construction, 2016, 65 (1) :21-32.
[10]吴亮.探讨高层建筑施工现场危险源辨识[J].安徽建筑, 2011, 18 (1) :47-48.
[11] 厦门市建设工程质量安全监督站.建设工程施工重大危险源辨识与监控技术规程:DBJ 13—91—2007[S].北京:中国建筑工业出版社, 2007.
[12] HE J, GONG J. Estimate of small first passage probabilities of nonlinear random vibration systems by using tail approximation of extreme distributions[J]. Structural safety, 2016, 60 (1) :28-36.
[13] LIU P L, Armen Der Kiureghian. Multivariate distribution models with prescribed marginals and covariances[J]. Probabilistic engineering mechanics, 1986, 1 (2) :105-112.
[14] GRAHAM K J, KINNEY G F. A practical safety analysis system for hazards control[J]. Journal of safety research, 1980, 12 (1) :13-20.
[15] NOWAK A S, COLLINS K R. Reliability of structures[M]. New York:Mc Graw-hill, 2000.
[16] ARMEN DER KIUREGHIAN, LIU P L. Structural reliability under incomplete probability information[J]. Journal of engineering mechanics, 1986, 112 (1) :85-104.