機場不停航施工安全監管策略博弈分析

高 坤，楊春輝

(海軍工程大學 管理工程與裝備經濟系,湖北 武漢 430033)

0 引言

隨著各種新型航空器逐步投入使用，機場基礎設施保障水平和飛行場地的質量標準亟待提高，全國很多機場需要進行場道整修、跑道加寬加長、飛行場區改擴建等工程施工。然而，受到周邊機場停機位、保障裝設備條件和機場所擔負運輸任務要求等約束，開展機場施工項目通常在不停航的背景下進行，其基本要求是在確保航空器運行安全，且不影響航空器出動或回收任務的前提下，保質保量地實施機場土建、設備、設施改造更新項目[1]。

機場不停航施工面臨的最大問題就是安全風險高[2]，在機場不停航施工過程中，常見的安全隱患有如下6種：1)場區遺留垃圾、道面清掃、除塵不徹底；2)人員車輛未按規定路線進出或違規進入飛行保護區；3)夜間連續疲勞作業；4)夜間燈光使用不符合規定；5)飛行場區內沙堆等未按規定進行覆蓋；6)挖斷通信、通電線路[3]。通過分析可以發現，這些安全隱患的根源都可以追溯到施工人員的不安全行為上來。根據1941年海因里希首次提出[4]的事故因果連鎖理論，“人”是引發安全事故的重要原因之一。陳勇[5]、徐志周[6]在研究報告中都提到機場不停航施工中對于施工人員的安全監管和教育是施工順利與否的關鍵。民航總局191號令也專門規定[7]所有進入內場承擔施工任務的人員必須按照已制定的安全工作要求進場施工，其內容包括入場前的安全教育及培訓、人身安全及入場工具清單檢查、人員設備進出場向塔臺報告制度等。因此，為了解決不停航施工進度和安全風險之間的矛盾，必須重視對施工人員不安全行為的監管，分析內在動機并進行有效的教育和引導，提高相關人員的安全能力。

在實際施工現場管理工作中，監管行為與安全作業策略的選擇其實是1種動態博弈過程，從行為人的“成本-收益”角度出發，運用博弈方法更能直觀清晰分析雙方的行為動機和決策過程[8]。目前，演化博弈理論在建筑施工安全管理、食品安全監管以及煤礦監察等領域得到了廣泛應用。張在旭等[9]基于前景理論，對政府監管下建筑企業的安全生產行為進行了博弈分析；莊麗等[10]引入前景理論和心理賬戶理論，對裝配式建筑施工安全管理行為進行了演化分析。

綜上所述，結合前景理論和心理賬戶理論可以有效地對施工人員和監管人員的行為決策進行演化分析，研究內在影響路徑并給出科學解釋。但是目前尚未有學者運用心理學與博弈理論來研究機場不停航施工安全監管策略，無法對決策者非理性因素和風險偏好問題進行充分解釋。因此，本文使用前景理論和心理賬戶來建立價值感知矩陣，結合機場不停航施工安全管理特點，研究施工現場管理人員和施工人員安全行為決策過程。最后通過仿真實驗，驗證相關因素對行為演化路徑的影響，為控制相關人員的不安全行為提供理論依據。

1 施工安全監管博弈模型構建

1.1 模型假設

在忽略工程施工外部環境影響的條件下，機場不停航施工過程中是否會出現不安全行為進而造成安全事故，可以看作是監管人員和施工人員通過博弈選擇的行為決策所造成的結果。因此，可以進行如下假設。

假設1：博弈雙方為有限理性的博弈群體，其策略選擇均根據自身對策略價值的感知，根據前景理論[11]可以構建出價值感知函數如式(1)所示：

(1)

式中：V為決策者對整體價值的感知；π(pi)為決策權重函數；ν(Δωi)為博弈雙方對損益的判斷價值函數。

其中，決策權重函數π(pi)如式(2)所示：

(2)

式中：γ為權重函數系數；pi為事件i發生的概率，當p趨近0時，π(p)>p；當p趨近1時，π(p)

博弈雙方對損益的判斷價值函數ν(Δωi)如式(3)所示：

(3)

式中：Δωi為事件i發生后決策者所得的實際收益與參照點的差值，Δωi=ωi-ω0；θ為風險偏好態度系數，表示決策者對損益感知價值的邊際遞減程度，其值越高遞減程度越大；λ為損失規避系數，其值越大則決策者對損失的敏感程度越高。

根據心理賬戶理論，人們通常會將自身獲得的財富與用于支付的財富劃分到不同的心理賬戶進行管理[12]。因此可以將判斷價值函數ν(Δωi)劃分為收益賬戶E(Δωi)和支付賬戶C(Δωi)，其均存在相應的感知參考點ω0和ω1。其函數關系式如式(4)和式(5)所示：

(4)

(5)

式中：λ，δ分別為收益和支付損失規避靈敏系數；θ，β分別為相應的風險偏好系數。

假設2：博弈過程中決策者均根據價值感知進行策略選擇。在機場不停航施工過程中，施工人員有{安全操作，違規操作}2種策略；安全管理人員有{積極監管，消極監管}2種策略。

假設3：機場不停航施工安全順利進行是施工人員和安全監管人員共同合作達成的，雙方只有在同時注重安全施工時，即選擇的策略為{安全操作，積極監管}時才能確保整體達到安全穩定狀態，設此時安全風險成本為0。當其中一方不重視安全施工時，由于個人能力有限，將會產生安全風險并發生風險轉移，風險系數會根據不同主體發生變化。

1.2 博弈矩陣構建

根據以上假設條件，決策者雙方在進行博弈時，其收益和支付感知賬戶會發生如下變化：1)當決策雙方選擇的策略為{安全操作，積極監管}時，由于此時處于安全穩定狀態，雙方都將獲得既定的工作報酬和額外的安全生產獎，同時各自將支付一定的勞動感知成本(包括體力、時間、精神)。2)當決策者有一方選擇不安全行為時，一方面，雙方獲得的工作報酬不變，施工人員獲得舉報監管人員消極怠工的獎勵，監管人員獲得嚴格執法的獎勵；另一方面，雙方支付的勞動感知成本下降，但需承擔由對方不安全行為造成的風險轉移，同時根據自身違規行為繳納罰款。3)當決策雙方都不選擇安全生產操作時，則雙方都需要根據事故發生概率承擔事故后期安全成本。

根據上述分析，結合機場不停航施工的特點，可以得到施工安全管理行為博弈的收益感知矩陣如表1所示。

表1 行為博弈價值感知矩陣

其中參數含義如下：

a1,a2—分別為監管和施工人員的工資報酬；

b1,b2—分別為安全監管人員積極監管和消極監管所付出成本的感知，包括落實監管工作所消耗的精力、資金等，顯然存在b1>b2，其差值大小與機場施工復雜程度、施工區域和航班密集度等呈正比；

b3,b4—分別為施工人員安全操作和違規操作所付出成本的感知，包括執行施工任務、落實機場安全規定、參加安全教育培訓以及因航班活動反復進退場等消耗的精力、資金等。顯然存在b3>b4，其差值大小與機場施工工作量、施工區域與進退場路線復雜度、航班密集度以及夜間加班時間等呈正比；

c1—施工人員因違規操作被發現或監管人員因消極監管被舉報后需要支付成本的感知，包括罰金、精神損失等；

L—發生安全事故后事故責任方需要承擔的安全風險成本感知，包括工作對人身傷害、施工經濟損失、進度拖延等；

f1—針對施工人員和監管人員的罰金轉換為對方安全生產獎勵的比例；

f2—監管人員積極監管，而施工人員違規操作時，雙方所需要承擔安全風險成本的折扣系數；

f3—施工人員安全操作，而監管人員消極監管時，雙方所需要承擔安全風險成本的折扣系數；

k—決策雙方風險傳遞系數；

x—積極監管的安全監管人員所占比例；

y—安全操作的機場施工人員所占比例；

q1—安全事故發生的概率；

q2—決策雙方違規或消極怠工被發現、舉報的概率。

2 模型分析與求解

由價值感知函數公式以及表1所示感知矩陣可求得安全監管人員選擇“積極監管”與“消極監管”2類策略的期望收益感知V1Y，V1N和整個監管人員群體的平均收益感知V1，如式(6)所示：

(6)

式中的各參數含義在前文模型假設和矩陣建立過程中已做解釋，后文不再贅述。

同理，可求得機場施工人員選擇“安全操作”與“違規操作”2類策略的期望收益感知V2Y，V2N和整個施工人員群體的平均收益感知V2，如式(7)所示：

(7)

根據演化博弈中的動態復制公式[13]，可以得到關于x，y這2類人員比例的復制動態方程分別如式(8)和式(9)所示:

(8)

(9)

為簡化運算，設I為施工人員安全操作時監管人員積極監管與消極監管決策價值感知的差值；設J為施工人員違規操作時監管人員積極監管與消極監管決策價值感知的差值。則式(8)可簡化為如式(10)所示：

(10)

同理，設M為監管人員積極監管時施工人員安全操作與違規操作決策價值感知的差值；設N為監管人員消極監管時施工人員安全操作與違規操作決策價值感知的差值。則式(9)可簡化為如式(11)所示：

(11)

按照Friedman提出的方法，微分方程系統的演化穩定策略(ESS)可由該系統的雅可比矩陣的局部穩定性分析得到[14]。由式(10)～(11)構成方程組，其雅可比矩陣如式(12)所示：

(12)

由此可得其矩陣行列式如式(13)所示：

(13)

因此，可得其矩陣的跡如式(14)所示：

(14)

考慮到機場不停航施工安全事故所造成的損失往往遠大于不安全行為和監管成本，而且只要有一方選擇了不安全行為，就會相應地產生安全事故風險并轉移給另一方。同時，若有決策者通過不安全行為獲益，也會引起其他決策者的效仿，工程施工將充滿安全風險。因此，最大程度減少事故風險產生，才能達到最大安全程度，C(1,1)應成為系統的穩定均衡點。即在式(10)和式(11)中代入各均衡點后應滿足IM>0且-I-M<0，即I>0，J>0，M>0，N>0，此時4個均衡點的穩定性如表2所示。

表2 4個均衡點的穩定性

3 數值模擬與仿真

當前，機場不停航施工主要具有如下特點：1)場地潔凈度要求高，建筑材料和垃圾需要及時覆蓋和處理；2)施工人員、機械車輛等進出場管控嚴格，需要嚴格執行相應路線；3)航班起降活動過程中，需要停止飛行保護區施工活動并撤出人員車輛，且夜間加班施工較多；4)飛行安全事故一旦發生將面臨較大損失；5)施工區域大，容易存在監管盲區。如果忽略上述特點，可能將導致施工和監管人員的行為產生系統性偏差，使系統難以達到最優點C(1,1)。為了更加直觀地分析在上述背景和要求下安全監管與施工人員價值感知發生偏差所造成的影響，現運用Matlab進行仿真模擬。

3.1 仿真參數設置

1)根據工程實際情況，安全監管和施工人員對安全收益的價值感知往往小于對不安全行為收益的價值感知，且對安全行為支付的價值感知往往大于對不安全行為支付的價值感知，為簡化計算可設a1=a2=b2=b4=2，b1=b3=3。根據Tversky等[15]通過實驗測定，對風險偏好系數進行設定，設θ=0.88，β=0.98，λ=δ=2。設置決策雙方對于工資報酬感知的參考點ω1=ω0=1，設置權重函數系數γ=0.75。

2)施工人員因受到監管而被動進行安全操作產生的風險概率應大于施工人員主動進行安全操作產生的安全風險概率，因此可設f2=0.6，f3=0.4。由于管理責任制中規定出現事故時監管人員要承擔連帶責任，故設置決策雙方風險傳遞系數k=1。

3)根據現實中罰款、獎金與工資報酬的關系，設c1=1，f1=0.1。根據海因里希理論1∶300原理，設q1=0.03。根據機場不停航施工特點，可設安全管理人員和施工人員不安全行為被發現并處罰的概率q2=0.8。此外，監管人員和施工人員實施安全行為策略的比例初始值可設為x=y=0.5。

3.2 仿真結果與分析

根據上述初始賦值，通過調整相關參數可以對如下幾種情況進行仿真：

1)安全監管和施工人員群體初始安全能力參差不齊。調整決策者實施安全行為策略初始比例x和y，對演化結果的影響如圖1～2所示?？梢钥闯?，隨著決策者選擇安全行為策略初始比例的增加，演化系統收斂的趨勢變得平緩，初始比例越大，模型向最佳理想狀態方向選擇的速度越快。因此，對于安全性要求更高的軍民合用和大型樞紐機場，應當加強監管和施工人員的安全能力考評、安全知識交底以及初始上崗教育與考核等工作。

圖1 初始比例x對演化的影響

圖2 初始比例y對演化的影響

2)安全事故損失被低估。施工人員由于安全教育培訓缺失以及對機場安全運行管理規定不掌握，有時會表現得過度自信。例如機場施工經常發生的遺落工具、擅自靠近跑道、不按規定路線進出等，經常會有施工和監管人員認為這些行為對飛行器構成不了重大威脅。因此，其往往會對安全風險和事故損失造成低估，即對L低估。調整決策者對安全事故損失的感知L，對演化結果的影響如圖3所示，由圖可知，決策者對安全事故嚴重性和損失的感知將增強其采取安全行為的意愿。因此在機場不停航施工項目實施過程中，尤其應該重視對監管和施工人員進行機場安全運行管理規定的教育，明確飛行區域保護規定和相關要求。

圖3 事故損失對系統演化的影響

3)監管成本制約因素多。受施工現場條件和機場安全運行管理制度所限，機場管理方和施工方的監管人員往往難以做到全方位、不間斷、不留死角的監控，例如航空管制人員與施工管理人員之間漏傳航班信息等現象時有發生，最終導致監管成本b1增加，違規操作行為被發現的概率q2降低。調整決策者安全行為成本b1，對演化結果的影響如圖4所示，由圖可知，隨著監管成本的増大，監管群體選擇積極安全行為策略的演化進程變慢，而當監管成本超過一定程度時，監管人員選擇積極安全策略的意愿會降低為0。因此機場管理方與施工方應制定行之有效、可操作性強的操作規程和信息傳遞交流制度，利用信息化手段(例如監控、無人機等)減少監管盲區，提高監管的效率。

圖4 積極監管成本對演化的影響

4)安全操作成本難以降低。由于機場不停航施工部分項目需要規避民用航空器運行，白天施工不連續，經常是利用夜間時間開展。無論是連續的布置、撤收、清理工作還是夜間連續的精力投入，都相應地提高了安全操作支出成本b3，類似的投入還體現在復雜且可操作性不強的安全規定以及效果不良的安全培訓上。調整決策者安全行為成本b3，對演化結果的影響如圖5所示，變化趨勢與監管成本變化類似。因此在規劃施工流程和每日工作時，要充分考慮航班情況，避免頻繁干擾施工過程，造成不必要的成本流失。同時，施工材料和工程裝備的堆放要在滿足安全規定的基礎上更加利于施工過程的進展。

圖5 安全操作成本對演化的影響

4 結論

1)運用前景理論與心理賬戶理論描述價值感知矩陣，可以更好地解釋監管和施工人員進行安全行為決策時的非理性和風險偏好因素。通過建立符合機場不停航施工安全管理特點的演化博弈模型，可以更加直觀地掌握施工相關行為人安全行為決策演化過程，有利于提高安全管理效率。

2)通過仿真發現，監管和施工人員群體初始安全能力、低估安全事故損失、安全監管和施工成本對安全施工和監管行為策略選擇具有顯著影響，同時驗證模型的合理性。

3)在分析機場不停航施工相關人員行為決策時考慮決策者風險偏好心理因素，對復雜的機場不停航背景與外部條件因素進行簡化，后期工作可以在細化航班不停航影響因素以及外部政策、環境等因素的方向上對模型進行拓展。