ANP非线性结构由控制层和决策层构成,其中控制层包含目标层和准则层,所有受控制层支配的元素构成网络层,元素之间互相影响,是一个互相依存、反馈的网络结构^[8].

1.2 模糊综合评价

1.2.1 确定因素集、评判集

根据风险源辨识结果,确定因素集,其中m是因素个数.

U={u₁,u₁,…,u_m}(4)

选取合适的评价等级数,并为评价等级进行赋值,得到模糊评判集,其中s为评语等级个数.

V={v₁,v₁,…,v_s}(5)

1.2.2 建立隶属度矩阵

在构造等级模糊子集后,要从每个因素上对被评事物进行量化,得到第i个因素u_i对评价v_j的隶属度r_ij,同理可得到大小为m×s的模糊关系矩阵:

(6)

1.2.3 建立评价指标的权重向量

选取指标权重分析方法,对每个指标的权重进行确定,通过对权重矩阵进行归一化处理可得到评价系统的权向量^[9].

W=(w₁,w₂,…,w_m)(7)

1.2.4 合成模糊综合评价矩阵

实际应用场景中,通常采取加权平均方法求解隶属等级,能够很好兼顾系统的整体性.因此利用加权平均算子将评价系统的权向量与各被评事物隶属度矩阵R进行合成,即可求得各待评目标的模糊综合评价结果矩阵Z,其中z_i表示被评目标从整体上看对v_j模糊子集的隶属度.

Z=W×R(8)

1.2.5 建筑施工现场风险综合分值

施工现场安全评价体系多个风险因子之间相互联系、相互影响,且评价过程中存在大量模糊性描述语言.本文对建筑施工现场的风险源分别采用ANP法求得各因素的权重W₁、W₂,确定隶属度矩阵R₁、R₂,最终利用公式(8)得到各自的评价综合分值,能够有效克服专家法等直接给出权重方法的缺点,评判结果更客观、更准确.

1.3 超级决策软件辅助网络分析

由于ANP法的计算过程比较复杂,人工计算方式不具备可行性,借助计算机功能能够大大减少计算时间且计算准确度较高.决策软件SD是ANP的应用软件,主要用于辅助计算任何状态的ANP模型,还能将计算结果以表格、图像等方式进行显示与另存为到本地.若不输入相关元素之间的关系,该软件具有操作简单的可视化界面,还可用于计算AHP模型.使用SD进行决策的基本步骤如图1所示.

图1 SD软件决策步骤
Fig.1 SD software decision steps

物联网建筑施工现场远程环境监测系统主要分为环境信息、脚手架姿态、人员信息采集子节点,远程数据传输和上位机软件,多个子节点采集数据后通过无线数据传输到上位机进行数据处理、存储,并上传至云端网络,多个监测端子节点通过无线网络访问云端并进行数据交换.以某一子节点为例,建筑施工现场监测系统,包含硬件设备和软件平台两部分,用于实现施工现场“人和物”状态信息采集、无线传输、安全评价、信息存储以及上位机发布,由以下几个部分构成:1、传感器模块; 2、微处理器; 3、无线通信模块; 4、供电系统; 5、信息发布平台.系统软硬件工作框图如图2所示.

图2 系统框图
Fig.2 System block diagram

建筑施工工程中常采用系统安全分析方法有:风险清单法^[10]、SWOT分析方法^[11]、专家调查法^[12]等.安全评价指标体系建立的好坏,将会直接影响评价结果的优劣.若评价体系中指标选取得过多,会使得指标体系过于复杂,增加了评价步骤和难度; 若是指标个数选取的较少,评价过程虽简单易操作,却不能全面反映出施工现场的客观状况.

根据建筑施工事故类型统计数据,对各项事故造成主要影响的对象为人和物两个因素,本文在对影响脚手架和施工人员安全性的因素进行调查、分析及总结的基础上,综合考虑影响因素实际影响力大小、设备可行性以及实际操作的难易程度,对现场影响因素进行筛选,从而构建施工现场安全智能监测系统,施工现场安全监测指标体系如图3所示.

图3 施工现场安全监测指标体系
Fig.3 Safety monitoring index system of construction site

施工现场的各种风险因素并非相互独立的,它们相互影响、相互作用,因此在风险因素识别完成后,需要研究各风险源之间的相互关系.因此,从安全评价方法的预防性、科学化、综合性、适用性和可操作性出发,本文选择改进的层次分析方法结合模糊综合评价,即网络层次分析-模糊评价法(ANP-FUZZY)进行现场环境及施工人员的风险性分析,并利用超级决策软件(Super decision,SD)辅助计算,弥补ANP-FUZZY计算量庞大的缺点.

初始超矩阵由组内判断矩阵构成,采用间接优势度方法求得各风险因素判断矩阵,以B1(环境因素)组内元素C0(风速)为例,在C0准则下,对B2中各个风险因素的重要性进行比较,构建判断矩阵如表1所示.

图4 监测箱设计图及安装现场图
Fig.4 Design of monitoring box

表1 风速对于位移变化的重要性
Tab.1 Importance of wind speed todisplacement variation

元素组B1,B2间判断矩阵权重描述示例如表2所示.

表2 组间判断矩阵权重描述
Tab.2 The weight description of inter group judgement mathx

根据公式(3)可得判断权重矩阵:

(9)

代入公式可得加权超矩阵W',根据矩阵的收敛特点,选择自乘4次得到稳定的极限超矩阵.根据建筑环境和施工人员风险评价指标体系,在决策软件SD中建立施工环境因素及脚手架ANP风险评价结构和施工人员ANP风险评价结构.

将建筑施工环境因素及脚手架极限超矩阵输入SD软件的ANP模型中,SD软件生成的指标权重表整理后如表3所示.

表3 建筑施工环境及脚手架指标权重
Tab.3 Construction environment and scaffold index weight

同理可得主准则下施工人员风险因素权重.

根据表3中建筑施工环境因素及脚手架各因素全局权重数据,可得其二级指标权向量.风险评价一级指标的权向量为W=(0.935,0.064)^T,将施工现场检测系统采集到现场各被监测指标信息数据进行归一化处理后,记为

R₁=(d₁₀,d₁₁,…,d₁₆)(10)

R₂=(d₂₁,d₂₂,…,d₂₃)(11)

根据公式(8)即求出各指标对风险状态的贡献程度和.理论分析中,根据各指标综合评分在评价标准中所处位置可判断评价状态,但在实际的施工中,任何一个影响因素超出临界值都将处于危险状态,因此本文建筑施工现场安全综合评价建立在各评价指标“一票否决”的基础上,当有任一影响因素超出阈值即进行危险预警.

评价标准值的求解在控制其他指标保持在安全状态下,使其中一个指标分别取两个安全值、一个临界值进行安全评价,共得到30组评价数据,将评价结果划分为安全、不安全和危险三个安全等级,建筑施工环境及脚手架评价数据如表4所示.脚手架状态表中,所有30组安全状态的综合评分的平均值为3.648,标准差为0.214.结合实际工程经验,选取2倍的标准差作为评价范围,选取2.5倍标准差作为状态危险的基准.最终的状态评价结果通过比较实时评分Z和评价标准Z₀的结果得到,评价标准如表5所示.

表4 建筑施工环境及脚手架参数状态表
Tab.4 Construction environment and scaffold parameter status table

表5 安全等级评价
Tab.5 Safety level evaluation

同理可求得施工现场人员的安全等级和状态评价结果.根据风险评价模型的分析结果,对比实际监测中环境、脚手架和施工人员的状态,评价方法能够识别出危险状态和不安全状态,其30组和60组小样本风险评价实验结果如表6所示,其风险识别率均为100%.30组实验时,脚手架状态误判率7%,工人状态误判率3%,而在60组小样本实验中,脚手架状态误判率降低至1.7%,工人状态误判率0,综合识别率和状态误判率,验证了风险评价模型的可行性和准确性.

表6 小样本风险评价实验结果
Tab.6 Small sample risk evaluation experiment results