基于明挖法的地铁车站施工基坑坍塌风险评价

刘 平，谭 燕

（兰州理工大学 土木工程学院，甘肃 兰州 730050，E-mail：Liupvip@foxmail.com）

地铁车站通常建设于城市的中心地带，周边建筑物较多，存在地下管线复杂和施工场地狭窄的问题；其施工活动一般在地下进行，造成施工难度大、施工技术复杂和不确定风险多等问题。据统计，在2002～2017 年发生的246 起事故中，坍塌事故占43%，其中坍塌事故中车站工程又占57%，而车站工程常采用明挖法进行施工占比达到39%[1]。因此，降低明挖法施工下地铁车站施工坍塌事故的发生率，寻找行之有效的方法，迅速归结出事故发生的原因，预测地铁车站的施工坍塌风险具有重要意义。

目前，国内不少学者已对地铁施工安全开展研究，吴贤国等[2]计算不同风险因素耦合时发生的概率和风险值，得出主观因素和环境因素完全耦合时事故的发生率最大。李蒙等[3]提出了一种地铁车站施工安全风险智能识别模型，并构建了施工安全风险知识库。宋博[4]采用决策实验室-反向传播神经网络识别了地铁车站深基坑施工安全的关键影响因素。吴丹红等[5]运用可拓学理论评价了地铁车站施工安全风险。金淮等[6]应用Ansys 软件得出第三方监测是风险控制的重要手段。李凤伟等[7]和胡群芳等[8]分析出坍塌和塌陷是地铁建设工程中最主要的风险源。夏润禾[9]探究了地铁隧道施工中出现的坍塌事故，并针对性地提出了地铁施工坍塌防控措施。柴乃杰等[10]运用故障树分析法，对地铁施工中的地表坍塌事故进行了事故致因分析。王䶮等[11]在管线渗漏视角下，采用数值模拟-人工神经网络-蒙特卡罗原理耦合的方法，研究了地铁车站施工坍塌事故的预测模型及方法。王成汤等[12]评价了地铁车站深基坑坍塌风险，确定了关键致险因子。

上述研究大多是有限数据支撑下对要素的评价和它们之间关系的分析，未对要素之间的关联程度进行科学量化。而目前研究缺乏从工法视角开展的地铁车站施工安全风险研究。鉴于此，本文分析决策实验室法、解释结构模型、贝叶斯网络分析法在确定复杂系统中因素间相互关系的优势，通过方法之间的相互衔接和适应，建立更加科学的模型以探索明挖法施工坍塌风险的发生概率和致因路径。

1 DI B 混合模型构建

1.1 研究方法

近年来，贝叶斯网络作为不确定性知识表达与推理的主导方法，在事故致因机理和情景演变方面应用广泛。陆莹等[13]运用贝叶斯理论构建了网络模型，探究了事故之间的致因关系；夏登友等[14]运用贝叶斯网络构建了非常规突发灾害事故动态情景网络；陈群等[15]应用决策实验室法-贝叶斯网络模型计算出风险因素在多维作业空间中的演化路径，识别出影响施工安全的关键因素。阅读文献发现，贝叶斯理论在探究事故的致因关系和预测方面应用较多。

结合决策实验室法（Decision-making Trial and Evaluation Laboratory，DEMATEL）、解释结构模型（Interpretative Structural Modeling Method，ISM）和贝叶斯网络（Bayesian Network，BN）3 种方法构建模型的思路：一是通过问卷调查和文献查阅确定关键因素；二是借助决策实验室法求解因素重要度等；三是应用解释结构模型在要素多、系统复杂且结构不明晰的关系处理的优势，结合专家经验，构建多级递阶结构模型；四是在贝叶斯网络模型中输入节点概率，表达目标事件与其他节点间的关系强度。

1.2 DIB 混合模型分析过程

本文结合DEMATEL、ISM、BN 3 种方法对地铁车站明挖施工坍塌风险进行分析，分析过程如图1 所示。

图1 DIB 混合模型分析框架

（1）确定因素集。S={Si|i=1，2，…，n}。

（2）根据施工现场调研访问结果及专家访问构建风险因素的直接影响矩阵D。D=[dij]n×n，表示因素i对因素j的影响，当i=j时，dij=0，n表示因素个数。

（3）规范化矩阵D，计算得到矩阵X，

（4）综合矩阵T。T=X(E-X)-1，E是单位矩阵，表示因素对自身的影响。

（5）计算因素影响度Ri、被影响度Ci、中心度ei及原因度fi。

其中，影响度表示第i个因素对其余因素的综合影响结果；被影响度表示其他因素对第i个因素的综合影响结果；中心度代表指标重要性大小；原因度如果是正数，那么该因素是原因因素，原因度如果为负数，那么该因素为结果因素。

（7）层次结构分析。在可达矩阵的基础上，确定可达集R(Si)和前因集A(Si)，然后展开系统层级划分：R((Si)=R(Si)∩A(Si)，i=1，2，…，n，逐级筛除高级要素，直到求解出最低要素集合为止。

（8）在递阶结构模型的基础上，通过Netica软件构建贝叶斯网络拓扑结构，其转换流程如图2所示。

图2 贝叶斯网络结构转换

1.3 风险评价方法

首先运用问卷调查法和决策实验室法对因素的影响度、被影响度、中心度和原因度进行求解。在此基础上，通过解释结构模型确定因素之间的因果反馈关系；再将因果关系转换为贝叶斯网络拓扑结构，采用问卷调查和案例统计分析的方式确定贝叶斯网络中根节点的先验概率和非根节点的条件概率，正向推理出基坑坍塌事故的发生概率，逆向推理出基坑坍塌事故的发生路径。

2 地铁车站施工基坑坍塌风险影响因素识别

明挖法施工工期短、经济投入低、施工工艺较为成熟，是目前应用最广泛的工法之一。简单来说就是挖去地下结构的覆盖层后露天施工，等地下工程完工后进行回填覆土的过程。通过相关学者对地铁车站坍塌事故的统计分析，分析影响深基坑施工的风险因素[1，7，8]：

2.1 围护结构施工阶段

地下连墙施工时，遇到软弱和泥砂土层，土体承载能力下降，引起地下连墙坍塌风险；泥浆质量不符合要求，造成地下连墙坍塌风险；地下水位较高或孔内出现承压水，导致地下连墙坍塌风险。

2.2 基坑工程施工阶段

（1）基坑降水排水时，降水不利，土体承载能力下降，导致基坑坍塌风险；降水加固不到位，造成饱和粉细砂从桩间或坑底部流出，引发流砂、管涌风险，最终导致基坑滑移坍塌风险。

（2）基坑土方开挖时，基坑边坡周围超载或震动造成基坑滑移坍塌风险；基坑开挖顺序不当、超标高开挖引起基坑坍塌风险；基坑开挖过程中，基坑坑底部细砂地层强度低且渗透性较强，导致基坑突涌风险；开挖时基坑监测方案设计不合理，监测工作失效，导致一些事故隐患未及时发现，最终引起基坑坍塌风险。

（3）支撑搭设时，支撑架设不及时，易引发基坑坍塌风险；支撑搭设时水平间距过疏，受到土压力影响，易引起基坑坍塌风险；基坑拆除与替换不连贯、支撑发生收缩、腐蚀和脱落或存在质量不合格的现象也可能引发基坑坍塌风险。

由于主体结构和土方回填阶段引起施工坍塌风险的因素少且影响力度弱，在本文中忽略不计。通过以上描述，总结引起施工坍塌的主要风险源为：地址水文、管线破坏、基坑支护问题、不确定动荷载及涌水涌砂。结合4M1E 原理，从人员、机械设备、材料、技术方法及周边环境5 个方面进行归纳总结，得到最终风险清单如表1 所示。

表1 引起基坑坍塌的风险清单

3 案例研究

3.1 建模过程分析

本文选取广州市某地铁车站，车站周边环境较复杂，基坑底部有6.5～15m 的淤泥，透水性强，采用地下连续墙围护结构，内支撑采用钢管支撑。针对案例结合筛选的影响因素，设计调查问卷进行调研，此次调研历时55 天，共发放130 份问卷，回收118 份，筛选并剔除5 份无效问卷，剩余有效问卷113 份。其中，施工项目管理人员占18.1%，施工操作人员约占30.9%，研究方向为工程安全的专家学者约占26.8%，高校的受访者约占24.2%。本次问卷采用0～3 标度法（0-无影响；1-影响弱；2-影响一般；3-影响强）对因素间的影响程度进行打分，为避免各位专家打分时存在的主观差异，对打分结果取均值，求解直接影响矩阵。

通过上述方法计算综合影响矩阵T，如表2 所示。求出各因素的影响度、被影响度、中心度、原因度，按照因素按中心度大小进行排序，如表3 所示。求出可达矩阵K，运用ISM 得出因素间的因果关系如图3 所示。

表2 综合影响矩阵T

表3 DEMA TEL 分析结果

图3 基坑坍塌因果关系图

3.2 数据收集

（1）问卷调研。结合工程案例，对施工现场进行调研，并设计调查问卷分析非根节点的发生概率，然后由子节点的发生概率除以父节点的发生概率得到子节点的条件概率。为了使问卷表述更简单明了，将事件发生的可能性进行定性描述，如表4所示。

表4 事件发生可能性定性描述

面向有地铁工程经验的专家学者发放调查问卷60 份，向参与地铁工程建设项目的人员施工人员及施工安全管理人员等发放问卷40 份，共收回有效问卷89 份。问卷背景资料如表5 所示，其中工作年限5 年以上的专家占总问卷数的57.3%，本科及以上学者占总问卷数的51.7%，其数量都超过一半，说明此次问卷调查中受访专家经验较为丰富，所获数据有一定的代表性。按照问卷背景资料中受访者的基本信息，结合年龄及职称，结合文献[20]确定受访者的权重值，具体权重分级情况如表6 所示。

表5 问卷背景

表6 权重分级情况表

通过表6 中的分级标准，可以计算出受访者的初始重要度rm。

以第一位受访者信息为例进行计算，他的基本信息包括：其他管理人员；工作两年半；本科学历；33 岁，则该受访者的初始重要度r1=4×1+3×2+2×3+2×1=18，将各位受访者的初始重要度通过归一化处理后可得到标准重要度。

在获取了受访者的标准重要度之后，结合打分表对非根节点的发生概率进行计算。

式中，Pm为区间概率两端取中间值，“＜1%” 的Pm取0.05%，>60%的Pm取(60%+100%)/2=80%。

（2）案例统计。统计2006～2021 年间共56 个地铁施工坍塌事故案例，逐一阅读事故调查报告，用因素可能出现在事故案例中的次数除以总次数初步确定节点概率，计算式为：

由图3 可知，引发基坑坍塌发生的主要原因有基坑底部涌砂或水土流失、基坑支护不满足设计要求、地质水文条件发生变化；其中，直接引起基坑底部发生涌砂或水土流失的有：管线渗漏或破坏、基坑支护不满足设计要求及地质水文条件发生变化等，将以上因素的状态设置为发生（Y）和不发生（N）两种情形。其它因素设置为高（High）、中（Medium）、低（Low）3 种状态，模型中中间节点条件概率表，由于篇幅限制，仅列出子节点S10与其父节点S6、S7和S8依赖关系的CPT 作为示例，如表7 所示。

表7 子节点S10 与其父节点S8、S7 和S6 依赖关系的CPT

3.3 结果分析

（1）由DEMATEL 方法分析可知，基坑开挖顺序不当、超标高开挖、基坑底部涌砂或水土流失、基坑支护不满足设计要求这3 个因素的中心度较大，说明这3 个因素是导致基坑坍塌的关键风险因素，管线渗漏或破坏的原因度较低，说明此因素受其他因素影响较多，更容易直接导致坍塌事故的发生。

（2）正向因果推理。由图4 可知，输入数据后，经过贝叶斯概率更新向前传播，得出该案例中基坑坍塌发生的概率为0.137；说明该车站存在施工坍塌的可能性，应制定相关措施进行提前预控。

图4 贝叶斯网络拓扑结构

（3）最大致因路径。根据贝叶斯网络的逆向推理分析，将基坑坍塌的发生状态假设为100%，推理出因素的后验边缘概率。由图5 可知，基坑坍塌事故发生的最大致因路径为：政府监管不到位→企业安全生产管理不当→对于事故隐患处理不及时→基坑边坡周围超载或震动→管线渗漏或破坏→基坑底部涌砂或水土流失→基坑坍塌。致因路径上的因素都是关键因素，必须对链上因素加强管理和控制。

图5 贝叶斯网络逆推结果

4 结语

通过文献查阅法和问卷调查法，确定地铁车站深基坑施工坍塌事故的影响因素；结合WBS 方法，研究地铁车站施工各阶段存在的风险因素；运用4M1E 原理，从人员、机械设备、材料、机械环境4 个方面，总结影响地铁车站深基坑坍塌事故的风险源，列出风险因素清单表。通过决策实验室法和解释结构模型构建递阶结构模型，以中心度为参考指标，根据节点重要度大小排序；加强对地铁车站施工坍塌事故致因系统的理解，并明确事故发生的基础条件。DIB 混合模型可以得出目标风险事件的发生概率和致险路径，可结合信息化技术深入挖掘诱发事故的风险因素，对类似事故案例发生规律进行充分总结，根据项目施工特点和施工环境，提前预测事故可能发生的路径，针对性地制定防控措施，达到事前预防的效果，对地铁车站施工安全管理有一定的指导意义。