基于云模型改进AHP的桥梁施工风险评估

doi:10.12068/j.issn.1005-3026.2025.20230239

摘要/Abstract

摘要：

为有效预防桥梁施工过程中风险事故的发生，给予工程安全前瞻性建议，提出了一种基于云模型改进层次分析法（analytic hierarchy process， AHP）的桥梁施工风险评估方法.首先，利用鱼骨图识别风险因素，构建桥梁施工风险评估体系.其次，考虑赋权过程中专家意见的不确定性，利用云模型改进AHP，计算各指标权重.最后，从风险发生概率和风险造成损失2个维度，构建二维云模型评价各风险因素，结合指标权重计算二维综合云模型，通过贴近度定量描述桥梁施工风险等级.应用上述评估方法对长春某桥梁施工风险进行评估，结果表明，该方法具有较高的可行性和有效性，能够为桥梁施工风险的预防和控制提供借鉴和参考.

关键词: 桥梁施工, 风险评估, 云模型改进AHP, 二维云模型

Abstract:

In order to effectively prevent the occurrence of risk accidents during bridge construction and give prospective suggestions for engineering safety，a bridge construction risk assessment method based on cloud model improved analytic hierarchy process（AHP） was proposed. Firstly，the fishbone diagram was used to identify risk factors and construct a bridge construction risk assessment system. Secondly，considering the uncertainty of expert opinions in the process of assigning weights， the cloud model improved AHP is used to calculate the weights of each index. Finally，the two-dimensional cloud model is constructed to evaluate each risk factor from two dimensions： the probability of risk occurrence and the loss caused by risk. Combined with the index weights，the two-dimensional comprehensive cloud model was calculated to quantitatively describe the bridge construction risk level through the close degree. The above assessment method was applied to evaluate the construction risk of a bridge in Changchun. The result shows that the method has high feasibility and effectiveness，and can provide insights and references for the prevention and control of bridge construction risk.

Key words: bridge construction, risk assessment, cloud model improved AHP, two-dimensional cloud model

中图分类号:

TU 714

王连广, 姚博, 高海洋, 仁丽杰. 基于云模型改进AHP的桥梁施工风险评估[J]. 东北大学学报（自然科学版）, 2025, 46(2): 118-125.

Lian-guang WANG, Bo YAO, Hai-yang GAO, Li-jie REN. Bridge Construction Risk Assessment Based on Cloud Model Improved AHP[J]. Journal of Northeastern University(Natural Science), 2025, 46(2): 118-125.

图/表 12

参考文献 15

1	Kawamura K， Miyamoto A. Condition state evaluation of existing reinforced concrete bridges using neuro-fuzzy hybrid system［J］. Computers & Structures，2003，81（18/19）： 1931-1940.
2	Wang Y M， Elhag T M S. An adaptive neuro-fuzzy inference system for bridge risk assessment［J］. Expert Systems with Applications，2008，34（4）： 3099-3106.
3	包龙生，冯元东，包宇扬，等.GM-BP组合预测模型在桥梁施工监控中的应用［J］.沈阳建筑大学学报（自然科学版），2022，38（2）：296-305.
	Bao Long-sheng， Feng Yuan-dong， Bao Yu-yang，et al. Application of GM-BP combination prediction model in bridge construction monitoring［J］. Journal of Shenyang Jianzhu University（Natural Science），2022，38（2）： 296-305.
4	Yang L H， Wang Y M， Chang L L，et al. A disjunctive belief rule-based expert system for bridge risk assessment with dynamic parameter optimization model［J］. Computers & Industrial Engineering，2017，113： 459-474.
5	Cheng M Y， Chiu Y F， Chiu C K，et al. Risk-based maintenance strategy for deteriorating bridges using a hybrid computational intelligence technique： a case study［J］. Structure and Infrastructure Engineering，2019，15（3）： 334-350.
6	Kuo Y C， Lu S T. Using fuzzy multiple criteria decision making approach to enhance risk assessment for metropolitan construction projects［J］. International Journal of Project Management，2013，31（4）： 602-614.
7	Andrić J M， Lu D G. Risk assessment of bridges under multiple hazards in operation period［J］. Safety Science，2016，83： 80-92.
8	Lu Z F， Wei C F， Liu M Y，et al. Risk assessment method for cable system construction of long-span suspension bridge based on cloud model［J］. Advances in Civil Engineering，2019，2019（1）： 5720637.
9	Peng K K. Risk evaluation for bridge engineering based on cloud-clustering group decision method［J］. Journal of Performance of Constructed Facilities，2019，33（1）： 04018105.
10	李怡辰，冯仲仁，王雄江. 基于ANP二维云模型的公路桥梁施工风险评价［J］. 武汉理工大学学报，2019，41（7）： 73-79.
	Li Yi-chen， Feng Zhong-ren， Wang Xiong-jiang. Risk assessment of highway bridge construction based on both ANP and 2-D cloud model［J］. Journal of Wuhan University of Technology，2019，41（7）： 73-79.
11	Li D Y， Liu C Y， Gan W Y. A new cognitive model： cloud model［J］. International Journal of Intelligent Systems，2009，24（3）： 357-375.
12	Xie S Y， Dong S H， Chen Y N，et al. A novel risk evaluation method for fire and explosion accidents in oil depots using bow-tie analysis and risk matrix analysis method based on cloud model theory［J］. Reliability Engineering & System Safety，2021，215： 107791.
13	Chen Y N， Xie S Y， Tian Z G. Risk assessment of buried gas pipelines based on improved cloud-variable weight theory［J］. Reliability Engineering & System Safety，2022，221： 108374.
14	Ma Z Z， Zhang S T. Risk-based multi-attribute decision-making for normal cloud model considering pre-evaluation information［J］. IEEE Access，2020，8： 153891-153904.
15	Wang X T， Li S C， Xu Z H，et al. Risk assessment of water inrush in Karst tunnels excavation based on normal cloud model［J］. Bulletin of Engineering Geology and the Environment，2019，78（5）： 3783-3798.

标度	云模型指标	指标相对关系
1	C₁（1，0，0）	指标i与j一样重要
3	C₃（3，0.33，0.05）	指标i比j稍微重要
5	C₅（5，0.33，0.05）	指标i比j较强重要
7	C₇（7，0.33，0.05）	指标i比j十分重要
9	C₉（9，0.33，0.05）	指标i比j绝对重要
1/3	C_1/3（1/3，0.33/9，0.05/9）	指标j比i稍微重要
1/5	C_1/5（1/5，0.33/25，0.05/25）	指标j比i较强重要
1/7	C_1/7（1/7，0.33/49，0.05/49）	指标j比i十分重要
1/9	C_1/9（1/9，0.33/81，0.05/81）	指标j比i绝对重要

标度	云模型指标	指标相对关系
1	C₁（1，0，0）	指标i与j一样重要
3	C₃（3，0.33，0.05）	指标i比j稍微重要
5	C₅（5，0.33，0.05）	指标i比j较强重要
7	C₇（7，0.33，0.05）	指标i比j十分重要
9	C₉（9，0.33，0.05）	指标i比j绝对重要
1/3	C_1/3（1/3，0.33/9，0.05/9）	指标j比i稍微重要
1/5	C_1/5（1/5，0.33/25，0.05/25）	指标j比i较强重要
1/7	C_1/7（1/7，0.33/49，0.05/49）	指标j比i十分重要
1/9	C_1/9（1/9，0.33/81，0.05/81）	指标j比i绝对重要

概率等级	概率等级描述	损失等级	损失等级描述	标准云模型
Ⅰ	极少发生	Ⅰ	极微	（1.5，0.50，0.05）
Ⅱ	很少发生	Ⅱ	微小	（3.0，0.66，0.05）
Ⅲ	偶尔发生	Ⅲ	一般	（5.0，0.66，0.05）
Ⅳ	经常发生	Ⅳ	严重	（7.0，0.66，0.05）
Ⅴ	频繁发生	Ⅴ	灾难性	（8.5，0.50，0.05）

概率等级	概率等级描述	损失等级	损失等级描述	标准云模型
Ⅰ	极少发生	Ⅰ	极微	（1.5，0.50，0.05）
Ⅱ	很少发生	Ⅱ	微小	（3.0，0.66，0.05）
Ⅲ	偶尔发生	Ⅲ	一般	（5.0，0.66，0.05）
Ⅳ	经常发生	Ⅳ	严重	（7.0，0.66，0.05）
Ⅴ	频繁发生	Ⅴ	灾难性	（8.5，0.50，0.05）

损失等级	概率等级
损失等级	Ⅰ	Ⅱ	Ⅲ	Ⅳ	Ⅴ
Ⅰ	极低风险	极低风险	低风险	低风险	中风险
Ⅱ	极低风险	低风险	中风险	中风险	高风险
Ⅲ	低风险	中风险	中风险	高风险	高风险
Ⅳ	低风险	中风险	高风险	高风险	极高风险
Ⅴ	中风险	高风险	高风险	极高风险	极高风险