随着经济的快速增长，中国商业已由以前单一的商店发展为形式多样、功能复杂的商业群，出现了大量的大型综合超市、地下商城、购物中心等.此类变化无疑对消防工作提出了新的挑战.由于近几年大型商场的重、特大火灾时有发生，人们对商业建筑的消防安全关注度持续增加.火灾风险评估对于改善消防安全环境、科学规划消防设施建设、降低火灾发生频率、减少火灾损失等具有重要意义^[1]，同时它不仅可以为保险核保提供决策依据，还可以使政府、公众及单位了解其消防安全状况.

建筑火灾风险评估的主要难点就是指标体系的确定和风险大小计算方法^[2].目前有不少学者在研究建筑火灾风险评估指标体系方面取得了可观的成果，但几乎都没有按照建筑物的使用性质来进行科学分类，如李引擎、季广其等曾将工业与民用建筑划分为四大类十二子类，但却共用一套火灾风险评估体系，这样对判断矩阵进行打分时就不能按照建筑物类别来赋值，将影响后续计算某一类建筑物指标权重的准确性.同时，目前风险大小的计算多采用打分值与权重的乘积表示，未考虑问卷的可靠性和专家背景等因素.本文根据田玉敏等^[2]提出的根据建筑物的占用性质对主要的建筑类别进行划分，针对商场类建筑建立了相应评估体系，在权重确定过程中对专家进行了排序计算，排除了个人主观因素，增加了评估结果的准确性和科学性.

1 基于AHP的火灾风险评估体系 1.1 层次分析法的步骤

层次分析法(analytic hierarchy process，AHP)的主要步骤如图 1所示.

图 1(Figure 1)

Fig. 1

图1 层次分析法主要流程图 Fig. 1 Flow chart of AHP

层次分析法应用广泛，最初用于OHS，后来Padma等采用层次分析法通过对肩膀和颈部的骨骼肌肉风险分析开发了一种援助系统^[3].Badri等基于多标准评价分析方法和专家判断开发了OHS风险评估程序^[4] ，Nefeslioglu等基于改进的AHP法开发了针对自然灾害的决策系统^[5].Saman等在建设工程计划和预算的安全风险评估中采用AHP法^[6] 建立了安全评估框架.

层次分析法在建筑火灾风险评估体系的运用属于多指标的综合评价，主要存在以下几点不足：

1) AHP一定程度上提高了评价的客观性，但由于因素较多，标度工作量较大，容易引起标度专家判断失误.若忽视标度专家的数量和质量，将严重影响判断矩阵的合理性.

2) AHP建立火灾风险评估体系时，若不区分建筑物的使用性质而共用一套体系，那么专家在执行判断矩阵标度工作时会因为指标归属模糊而对指标重要程度的比较失准.

一个可靠的多指标综合评价结果依赖于科学、准确构造的判断矩阵，为此提出以下改进方法：

1) 预先对评估对象进行充分的调查和研究，挑选行业内经验丰富且能够胜任该工作的专家；问卷填写前对整个评价体系进行现场解释和说明，并完成对问卷的筛选，增加判断矩阵中标度值的合理性；

2) 建立专门的商场类建筑的火灾风险评估体系及相应的打分手册.

根据《建筑设计防火规范》GB50016—2006防火规范及消防验收规范，筛选出指标因子，筛选原则：①火灾主因；②方便打分.将各影响因子归入评价体系，然后通过分析其相互关联作用情况，参照层次分析法的递阶层次结构将商场类建筑的评价系统分为一个目标层、三个准则层，再将剩余因素分为一级指标和二级指标.最后，将由此建立的评估体系经几轮行业内学者专家开会修改讨论最终形成.该体系比较全面地反映了各个指标对商场类建筑进行火灾风险评估时产生的影响，同时也让一个较为复杂的评估体系层次分明，商场类建筑火灾风险评估体系模型详见图 2. 2 火灾风险评估体系指标权重计算

图 2(Figure 2)

Fig. 2

图2 商场类建筑火灾风险评估体系模型 Fig. 2 Fire risk assessment model for shopping malls

根据商场类建筑火灾评估体系模型设计了相应的专家问卷调查表，依据Saaty^[7]提出的1~9标度法对评估体系判断矩阵中的各指标元素进行重要程度比较，填写问卷调查表.为此分别在宜昌消防支队、黄石消防支队和武汉消防支队召开了3次会议，针对性地邀请了该领域中有着丰富经验的专家到会进行问卷调查的现场填写.

会议现场先向各位专家介绍评估体系指标及问卷调查表，然后由专家现场填写，问卷完成时间约为1.5h.此次收集调查问卷共36份，并对其进行编号.经过对问卷的初步筛选，去掉某些未填写完整、存在严重问题及判断矩阵一致性极差的问卷，最后整理出26份有效问卷.

由于评估体系中的判断矩阵与判断矩阵中所需标度的指标较多，问卷数量大，导致了部分专家填写的判断矩阵无法通过一致性检验.数据处理选择yaahp软件(层次分析法软件)，将一致性比例阈值设为0.20，最大一致性比例设为0.10来调整判断矩阵.经过调整后，计算出商场类建筑火灾风险评价体系的专家个体排序向量，即每位专家的指标权重计算结果.

每位专家的个体排序向量对综合排序向量(即最终指标权重值)的影响大小，称为专家的自身权重.由于每位专家个人的经历、经验、文化背景不相同，对评判方案了解程度的不同，以及专家自身的偏好等因素的干扰，对于同一个问题的评判很有可能产生较大的不一致，专家个体排序向量会不同，则每位专家的自身权重不同.

1) 聚类分析步骤.聚类分析(cluster analysis)是根据事物本身的特性来研究个体与个体之间分类的方法.聚类分析的原则是将个体中有较大相似性的归为同一类，而不同类别之间需要存在较大的差异性.现以专家个体排序向量为样本来对专家进行分类，分类步骤为：导入专家个体排序向量数据；然后确定聚类公式；最后聚类分析，输出聚类结果.

SPSS统计分析软件提供了多种个体样本间距离计算的方法，以及类与类间的距离计算方法^[8].变量距离测度的公式采用广泛使用的欧式平方距离，通过对7种类间距离测度方法对比计算以后，选用ward法(离差平方和法).因为该方法产生的孤类最少，在对专家进行归类时，不会出现数量较多的孤立专家，这样既达到了聚类的目的，同时也尽可能的让每一位专家的个体排序向量结果能够充分的参与到综合排序的计算中去.

2) 聚类分析结果.聚类结果中，SPSS提供的树形图能直观地反映出聚类的全过程，在此图上用一把尺子垂直地放在图上左右移动，与尺子相交的每一根横线就是一类；每根横线左端与之联系的各观测量就是分到该类的成员.

图 3横坐标的数字所表示的是距离，是按照比例进行了重新标定转换为1~25的数值，但不影响对分类结果的观察与分析.可以看出分为2，3，4，5类时，类间距离都比较大，但是5类以上的区别就不是很明显.

通过表 1可知，整个聚类过程中，系数从0.002开始变到0.600.起初变化不大，约为0.01，最多为0.03.从第22阶开始，变化加剧，上下阶系数变化幅度为0.06，说明前面阶段做的聚类比较稳定，而到了第23阶时就不稳定了，故聚类在22阶终止.21阶是10和11的聚类，10和11应该作为一类.22阶是2和18的聚类，结合树状图坐标值，10和11，2和18都在10~15这个距离阶段里.故以10~15的距离划分，2和18及所在其他群集成为一类，10和11聚为一类，剩下的为一大类.这样就聚成了三类，即将26位专家分为3类，结果如表 2所示.

图 3(Figure 3)

Fig. 3

图3 SPSS聚类分析树状图 Fig. 3 SPSS cluster analysis tree

表1

Table 1

表1(Table 1)

表1 聚类表 Table 1 Clustering tables 阶 群集组合 系数 首次出现阶群集 下一阶 群集1 群集2 群集1 群集2 1 7 23 0.002 0 0 6 2 8 24 0.006 0 0 4 3 18 21 0.011 0 0 16 … … … … … … … 23 1 5 0.438 19 18 24 24 1 2 0.500 23 22 25 25 1 10 0.600 24 21 0

表1 聚类表 Table 1 Clustering tables

表2

Table 2

表2(Table 2)

表2 商场类建筑专家分类结果 Table 2 Expert classification for marketplaces 类群编号 每一类包含专家编号 1 A C F G I N P S U V X Z1 Z3 Z7 Z10 2 B K T W Y Z4 Z5 Z6 Z9 3 Q R

表2 商场类建筑专家分类结果 Table 2 Expert classification for marketplaces

对专家进行分类后，可借此来确定各个专家的权重系数.假设s个专家的个体排序向量通过聚类分析后划分为t个类别，其中第p类中包含φ_p个个体排序向量，则φ_p为类别Ω_p的类容量.类别Ω_p中所包含的个体排序向量的个数φ_p与s的比值称为类别Ω_p中某一个体排序向量的置信因子，用α_i来表示，即α_i=φ_p/s.

专家的权重系数确定原则：某一类容量相对其余类都较大时，则表明该类中的个体排序向量是符合较多专家的评价意见，对应专家的权重系数就应该较大；反之则较小.即专家i的权重系数λ_i与其个体排序向量置信因子α_i成正比：λ_i=kα_i(k为比例系数)，显然，λ₁∶ λ_n=α₁∶ α_n.由上式得

对于同一类别中的个体排序向量因为其置信因子相同，有

通过式(3)可求出各位专家的自身权重系数.

由于商场类建筑的火灾风险评估体系会有多个判断矩阵,因此需要先对群组判断矩阵进行合并，然后才能计算出一个综合的指标权重结果.对于群组判断矩阵的处理，分为综合判断矩阵法和综合排序向量法，但是由于前者是将若干个判断矩阵“合成”一个综合的判断矩阵，然后再计算权重，其合成后的综合判断矩阵的一致性根本无法得到保证，甚至会比未合成前的对应判断矩阵的平均一致性比例还要高，所以由保序性原则出发，采用了综合排序向量法.通过分析，由于权重的计算结果较符合实际判断，样本数据有较好的一致性，故采用各个判断矩阵的加权算术平均值作为综合排序向量.

采用专业人士打分法，对评估体系的最底层的子项指标进行现场打分，分值的确定参考《建筑设计防火规范》等设计规范及各地的消防验收规范、消防管理细则等汇总编订的《商场类建筑打分手册》.评估体系中的每一指标的满分定为10分，对某一建筑打分后，其总得分确定方法如式(4)所示：

表3

Table 3

表3(Table 3)

表3 火灾危险等级评定表 Table 3 Fire risk ranking 火灾风险等级 危险程度 AS分值 Ⅰ 极小性火险 9≤AS≤10 Ⅱ 低度火险 7≤AS＜9 Ⅲ 中度火险 6≤AS＜7 Ⅳ 高度火险 5≤AS＜6 Ⅴ 极度火险 AS＜5

表3 火灾危险等级评定表 Table 3 Fire risk ranking

通过计算得出某一建筑物火灾风险评估体系的总得分AS，便可以查阅表 3，得到对应的建筑火灾风险等级.

武汉某服饰商城地处汉正街黄金地段多福路，交通十分便利，人流量大，总建筑面积约21.89万m²，建筑9层，其中-2F为车库及设备房，-1F~7F主营服饰类，8F主要为餐饮，9F为办公区.经过对该商城实地调查，对照《商场类建筑打分手册》对该商城的火灾风险评估体系中各指标进行打分，具体得分情况如表 4所示.

根据式(4)，计算出服装批发广场的总得分为7.46.由表 3可知，该服装商城的火灾风险等级为Ⅱ级，该结果与消防部门的判断一致.

表4

Table 4

表4(Table 4)

表4 武汉某服装商城消防安全打分表 Table 4 Fire safety marking table of a Wuhan clothing store 指标 指标权重 指标得分 指标 指标权重 指标得分 指标 指标权重 指标得分 指标 指标权重 指标得分 A11 0.0134 7 A32 0.0343 7 A24 0.0144 8 C23 0.0172 8 A12 0.0066 8 A33 0.0388 7 A25 0.0136 9 C24 0.0268 5 A13 0.0130 9 A34 0.0257 2 A26 0.0138 9 C31 0.0183 10 A14 0.0091 7 A11 0.0566 6 A27 0.0153 9 C32 0.0283 6 A15 0.0093 5 A12 0.0414 8 A28 0.0082 9 C33 0.0142 8 A16 0.0089 5 A13 0.0634 8 A29 0.0165 9 C34 0.0270 10 A17 0.0138 4 A14 0.0330 6 C11 0.0139 7 C41 0.0204 8 A18 0.0112 8 A15 0.0342 8 C12 0.0177 10 C42 0.0247 10 A21 0.0219 9 A16 0.0210 10 C13 0.0181 8 C43 0.0257 5 A22 0.0290 4 A21 0.0257 10 C14 0.0228 10 A23 0.0343 7 A22 0.0197 8 C21 0.0097 6 A31 0.0212 5 A23 0.0250 9 C22 0.0231 5 AS=7.46

表4 武汉某服装商城消防安全打分表 Table 4 Fire safety marking table of a Wuhan clothing store

1) 基于层次分析法基本原理，根据建筑物特性，建立了相应的火灾风险评估指标体系，这样能针对性地对判断矩阵打分，增加了各个指标权重的准确性.

2) 数据处理采用更科学、严谨的方法.首先是问卷调查方面，采用现场填写，减少了被调查者的随意性，并在统计计算前对问卷进行筛选；然后是指标权重计算方面，先计算火灾风险评估体系中专家的个体排序向量，再利用聚类分析把专家进行分类，根据聚类结果给出专家自身权重系数，最后在此基础上得出一个综合的指标权重值.

3) 该评价体系运用到实际工程中，能给出较合适的火灾风险评价，具有较好的实用性.未来应把该评估体系更多地投入到实际工程中，进一步了解指标打分实际操作难易度、可行性高低，从而对评估体系进一步调整、优化.