张 羽, 李思浩, 刘红勇

(西南石油大学 土木工程与测绘学院,四川 成都 610500)

0 引言

2018年上半年，国务院安委办在通报全国建筑业安全生产形势时指出，全国建筑业共发生生产安全事故1732起、死亡1752人。通报显示，建筑业事故总量持续保持在高位，连续9年排在工矿商贸事故第一位；事故起数和死亡人数自2016年起连续“双上升”[1]。

近年来建筑行业发生的典型安全事故包括：2015年，深圳光明新区渣土堆放现场发生特大滑坡事故，造成73人死亡，17人受伤，直接经济损失8.81亿元；2016年，江西丰城发电厂冷却塔施工平台坍塌，造成73人死亡，2人受伤，直接经济损失超1亿元；2020年，福建泉州鲤城区防疫隔离酒店发生坍塌，造成28人死亡，50人受伤，产生了极其恶劣的社会影响。以上数据和案例均表明，中国建筑业正面临巨大的安全风险。而在建筑业众多安全事故中，高危岗位安全事故占有相当大的比重。因此研究高危岗位的人岗匹配，对于促进行业安全发展、提升安全管理水平具有重要意义。

高危岗位是指在工作过程中涉及大量高危作业、导致作业人员本身或他人面临较大危险的一类岗位，如专业从事塔吊驾驶、升降机驾驶、外墙粉刷等作业的岗位。关于高危岗位人岗匹配的研究侧重从岗位需求的角度评估工作风险和人员胜任力情况。1)从岗位需求角度评估工作风险主要涉及高危作业关键风险因素的识别[2～4]和评价[5,6]。例如：Le Coze[7]介绍了四种传统安全评估研究方法，提出集成管理学和社会学的高风险行业评估的敏感模型。2)在考虑工作人员胜任力时，郝勇等[8]通过事件访谈和专家小组法，确定了3个一级指标和14个二级指标影响因子，构建出船员安全素质模型。高志强等[9]通过问卷调查构建了安全胜任力的5因素模型，并确认职业素养、安全意识、身心健康和情绪稳定性4个因素对于违章行为有显著负向影响。Vladutiu[10]等通过对858名年轻人工作数据分析后发现年轻人一般会低估工作的相关危险，从而增加受伤的可能性。冯志达[11]等通过实证研究发现，职业背景、行为收益及危险刺激敏感性的不同是造成不同岗位人员危险认知差异的重要原因。郑霞忠等运用结构方程模型探索水电工程高危作业风险影响因素，发现安全管理制度、教育培训、职业健康环境、个人决策能力对水电高危作业风险具有显著影响[12]。Zhao等[13]通过研究建筑工人“工作特征”的决策链指出不同人力资源管理方式会直接影响到施工安全管理成果(事故的严重程度和发生频率)，同时允许工人参与到与安全有关的决策行动中有利于施工安全管理成果的控制。上述研究探讨了高危岗位的风险因素及其对人员能力素质的要求，为提升高危岗位安全水平做出了贡献。然而，上述研究存在以下三方面不足：1)研究对象多为既有员工，而未考虑潜在员工即应聘者群体是否存在素质偏差；2)研究角度多源于用人单位的岗位需求，而未将应聘者前期决策即择业择岗行为纳入考察范围；3)针对建筑行业的相关研究较少。以上不足使得建筑行业用人单位无法从更广域的视角上考虑人岗匹配问题，最终限制了招工效率和安全水平的提升。

鉴于此，本文首先将前景理论引入员工择岗行为决策中，构建了基于前景理论的建筑工人高危岗位选择行为的元胞自动机模型，而后将模型代入Netlogo平台进行重复交叉实验，再运用SPSS软件对所得数据进行层次回归分析，以探究建筑工人的高危岗位选择过程、行为特征及内在动机，为实现建筑业高危岗位人岗匹配、降低事故风险提供依据。同时，在总体国家安全观和推进安全治理能力现代化政策的影响下，教育部于2014年设立了题为“个体死亡条件下安全知识积累与扩散机制”的研究项目。本文就是该课题研究成果之一。

1 高危岗位选择模型构建

1.1 模型描述

本模型模拟现实中建筑工人选择不同风险岗位的决策行为。由于不同建筑施工项目的内部安全要求不同，因此，施工现场危险区域分级时要综合考虑工作人员的实际位置、项目工程规模以及现场复杂程度等[14]。根据ALARP风险分级原则，将风险分为风险不可接受区、最低合理可行区，风险可接受区[15]。本文据此将建筑施工现场危险区域分为四部分：施工场地外(危险区域外)、低风险岗位(警戒区)、中等风险岗位(危险区)和高危岗位(核心危险区)[16]。Mattson等[17]指出在高风险组织当中，奖金制度的设计差异确实会影响安全行为结果，而奖金考核的结果只要和安全生产方面挂钩，就可以有效提高员工的安全行为。因此模型设置岗位风险与岗位工资收入正相关，风险越高的岗位，人员工资收入越高。王丹等证实了人力资源管理和心理安全感会影响矿工的安全行为[18]，因而人岗匹配要考虑不同工人对相等的收益、损失和风险的主观感知差异[11]。依照前景理论，工人对岗位事故风险和工资收入的综合前景进行价值判断[23,24]，当收益前景大于损失时，工人会选择更高风险的岗位；反之，工人则选择更低风险的岗位；而当收益前景与损失前景相等时，工人维持原岗位。具体逻辑流程如图1所示。

图1 模型逻辑流程图

1.2 模型设定

标准的元胞自动机(Cellular Automaton)是一个由元胞、元胞状态、邻域和状态更新规则构成的四元组。本研究将元胞自动机模型表示为CA=(L,N,S,f)。其中，CA表示元胞自动机，L表示元胞空间，N表示某个邻域内元胞状态的集合，S表示元胞邻域，f则表示元胞状态转换规则[19]，具体如下：

(1)元胞空间：元胞空间是长宽均为33格、总计1089格的正方形栅格有界空间。其中，坐标{(i,j)|i∈[-16,16],j∈[-16,-14)}的区域为蓝色无风险区，表示施工场地外的安全区域；绿色低风险区的坐标为{(i,j)|i∈[-16,16],j∈[-14,-4)}；黄色中风险区的坐标为{(i,j)|i∈[-16,16],j∈[-4,6]}；红色高风险区的坐标为{(i,j)|i∈[-16,16],j∈[6,16)}。存在风险的三个区域内，随着纵坐标的增加，区域风险递增，对应风险概率值记为Pj。

(2)元胞邻域：在经典的元胞自动机模型中，元胞空间被划分为网格，格栅是网格的基本单位，每个格栅可以容纳一个工人或者空闲。每个工人都可以以一定的概率向他的4个相邻格点行走，或者静止不动。本研究选取了一种变形的冯诺依曼型邻域，即工人只能向上或者向下。

(3)元胞与元胞状态：元胞是立于格栅上的白色人型Agent，用以表示工人；元胞状态包含所在格栅的位置以及自身的风险概率感知系数和三个前景理论参数，前者体现了工人所在的岗位，后者则反映了工人的风险感知和判断能力差异。对应的参数为Cm(Sij,α,β,λ,k)，其中Cm表示第m个元胞的参数，Sij示元胞所在网格，四个参数对应风险感知和前景理论相关系数。

(4)转换规则：涉及到基于前景理论价值函数的建筑工人择岗行为的规则。

①高危岗位给工人带来收益的前景价值函数为：

(1)

式中，xij表示为元胞m在Sij岗位的收益情况，α表示前景理论收益效用递减参数。

②高危岗位给工人带来损失的前景价值函数为

(2)

式中，yij表示为元胞m在Sij岗位的风险情况，β表示前景理论损失效用递减参数；λ表示前景理论损失厌恶参数。

③综合收益和损失的前景价值，决定工人是否有意愿去更高风险的场地工作，其表达式为：

(3)

式中，Gm为元胞m的运动函数，1表示向上移动一步，0表示不移动，-1表示向下移动一步。式中所列的前景价值函数Vfm=Vxm+Vym×km×Pij，km表示不同工人的概率感知系数,Pij为元胞m所在Sij岗位对应的风险概率值。整个公式表明，当工人的感知收益大于感知损失风险时，工人会选择更高风险岗位；当二者相等时，工人留在原岗位；否则，工人会选择更低风险的岗位。

2 仿真实验过程

根据以上模型设定，确定本实验自变量包括岗位的事故损失、基本工资收益、工资补偿差异以及工人的收益效用递减参数、损失效用递减参数、损失厌恶参数和概率感知系数上限。因变量包括人员纵坐标均值(Mean)及其离散系数(CV)。据此运用Netlogo软件构建仿真实验平台如图2所示。

本实验变量描述如表1所示。其中，事故损失指死亡事故、重伤事故和轻伤事故的个人平均经济损失，参考文献[20]算得其值为126078.9元，取整后得初始值120000元；风险补偿收益指每增加一个百分点事故率所给的补偿工资，参考“有毒作业分级”国家标准(GB12331-90)，取整后初始值为1500元；基本工资收益由2017年～2018年建筑企业从业人员工资均值[21]取整得到；由于决策对象的复杂和不确定性，参考国内权威期刊文献[22～24]中参数前景理论三个参数初始值估计结果，将前景理论三个参数初始值分别设置为λ=2.25，α=0.89，β=0.92，而后对α、β、λ采集规范化后的三参数区间灰数评价样本矩阵进行逐步调节以模拟各种复杂情况下工人的心理特质[24]；个人感知系数初始值取2，考虑到工人对风险都有一个基础认知，所以均值会大于1。此处初始值仅用于初始环境设定，后续实验中会进行调节，从而更全面的研究各变量取值的影响。考虑到工人对风险的感知存在差异，对α、β、λ、k四个感知变量分别设置一个概率分布开关。当开关打开时，人员对应变量值会服从相应分布；当开关关闭时，人员对应变量值统一为预设固定值。

表1 实验变量描述

根据表1变量取值进行仿真实验，具体步骤如下：

第一步，打开四个感知变量的概率分布开关，将变量滑块设定为初始值，仿真程序运行一次的步数设定为500时步。运行仿真程序并记录人员在各个区域的分布情况、人员纵坐标均值和离散系数。

第二步，先关闭β、λ、k的概率分布开关，只打开α的概率分布开关，运行程序后记录在高、中、低三个不同风险区域的人员的α均值。之后依次对其他三个变量重复以上步骤，每次仅打开一个变量开关。最后得到在三个风险区域人员的α、β、λ、k的均值如表2所示。

第三步，打开α、β、λ、k的概率分布开关，其他变量取值不变，将基本工资收益分别取25000、60000、90000、120000、150000、200000；风险补偿差异值分别取100、300、500、1000、1500；收益效用递减参数分别取0.5、0.6、0.7、0.8、0.9、1；记录对应的人员纵坐标均值(Mean)及其离散系数(CV)，得到6×5×6共180组样本数据用于收益相关变量回归分析。同理，将事故损失值分别取-500000、-1000000、-10000000、-20000000；损失效用递减参数分别取0.6、0.7、0.8、1；损失厌恶参数分别取1、2、3、4；概率感知上限分别取2、3、4、5；记录对应的人员纵坐标均值(Mean)及其离散系数(CV)，得到4×4×4×4共256组样本数据用于损失相关变量回归分析。

3 实验结果分析

3.1 不同区域人员的心理特征

在高、中、低三个风险区域人员的α、β、λ、k的均值如表2所示。

表2 样本均值统计结果

由表2可知，高风险区域的人员具有较高的收益效用递减参数α、较低的损失效用递减参数β、较低的损失厌恶参数λ和较低的概率风险感知系数k，表明进入高风险区域的人员具有高估收益、低估损失、低损失厌恶以及低风险概率感知的特征。相反，停留在低风险区域的人员则具有低估收益、高估损失、高损失厌恶和风险感知的特征。这意味着，现实中选择从事高危岗位工作的人员不仅容易高估收益，而且具有低估事故概率和损失的冒险倾向。然而，高危岗位恰恰要求工人具有更强的风险意识和更稳重的行为风格，以规避安全风险。这就形成了一个悖论，本研究将其命名为“高危人岗匹配悖论”(The paradox of person-post matching in high-risk positions，简称HRPMP)，用以表示高危岗位需求与选择高危岗位的人员特质不相匹配的现象。为进一步探索HRPMP的影响因素，后文将对收益和损失相关变量分别进行回归分析。

3.2 收益相关变量的回归分析

构建4个回归模型用以分别考察收益相关变量及其交互效应对均值和离散系数的影响。为减少数据的异方差性，模型收益相关变量均采用对数形式，模型1中因变量Mean也采用对数形式，得到回归结果如表3所示。

表3 收益变量层次回归结果

由表3可知，考察主效应的模型1和模型3能解释因变量97.7%和81.9%的方差，考察交互效应的模型2 和模型4能解释因变量61.1%和50%的方差，且均为显著，表明四个模型拟合度均可接受。同时，四个模型中的变量影响均达到显著标准。

在模型1中，基本工资回归系数为0.272，表明基本工资的增加会促使人员选择更高风险岗位；风险补偿收益回归系数为-0.028，表明风险补偿的增加会促使工人们选择低风险岗位，但作用非常微弱。由于效用递减参数越大意味着效用越接近现实，收益效用递减参数的回归系数为0.95表明收益效用递减较小的工人更愿意选择高风险岗位。在模型3中，基本工资和风险补偿的回归系数分别为-0.297和0.107，表明提高基本工资、降低风险补偿会减少工人择岗差异。收益效用递减参数的回归系数为-0.849，表明收益效用递减较小的工人群体择岗差异也较小。

在模型2中，Xch×α和X×α回归系数分别为0.729和0.904，表明基本工资和风险补偿的增加对收益递减较小的工人作用更大，会促使其选择高危岗位。在模型4中，Xch×α和X×α回归系数分别为-0.529和-0.852，表明基本工资和风险补偿的增加对收益递减较小的工人作用更大，会减少工人择岗差异。

3.3 损失相关变量的回归分析

构建4个回归模型用以分别考察损失相关变量及其交互效应对均值和离散系数的影响。为减少数据的异方差性，对因变量Mean采用对数形式，回归结果见表4。

由表4可知，考察主效应的模型1和模型3能解释因变量94.3%和61.8%的方差，考察交互效应的模型2和模型4能解释因变量88.9%和50.8%的方差，且均显著，表明四个模型拟合度均可接受。同时，四个模型中的变量影响也都达到显著标准。

在模型1中，事故损失值回归系数为0.265，考虑到事故损失是负值，该系数表明事故损失值越小工人越倾向选择高危岗位。损失效用递减参数、损失厌恶参数和概率感知系数上限的回归系数分别为-0.902、-0.12、-0.212，说明损失效用递减越小、损失厌恶和风险概率感知越高的工人更倾向于选择低风险岗位，而且其中损失效用递减参数影响尤其明显。在模型3中，事故损失回归系数为-0.248，表明事故损失值的增加会减少工人选择的差异。损失效用递减参数、损失厌恶参数和概率感知系数上限的回归系数分别为0.745、0.053、0.064，表明损失效用递减越小、损失厌恶和风险概率感知越高的工人选择差异越大且其中损失效用递减参数影响尤其明显。

表4 损失变量层次回归结果

在模型2中，Y×β的回归系数为0.632，表明事故损失值的减少对损失效用递减较小的工人作用更大，会促使其选择高危岗位。Y×λ和Y×kmax的回归系数分别为-0.099和-0.276，表明当事故损失值减少时，损失厌恶较大或概率感知较高的工人都会更倾向于选择低风险岗位，而其中概率感知较高的工人倾向更加明显。λ×kmax的回归系数为0.584，表明损失厌恶与概率感知对工人选择高危岗位行为存在互补效应。β×λ和β×kmax回归系数分别为-0.818和-0.69，表明损失递减与损失厌恶、概率感知之间对工人选择高危岗位行为均存在替代效应。

在模型4中，Y×β的回归系数为-0.768，表明事故损失值的减少对损失效用递减较小的工人作用更大，会降低其岗位选择的差异。Y×λ和Y×kmax的回归系数分别为0.29和0.285，表明当事故损失值减少时，损失厌恶较大或概率感知较高的工人岗位选择差异更大。λ×kmax的回归系数为-0.36，表明损失厌恶与概率感知在择岗差异上存在替代效应。β×λ和β×kmax回归系数分别为0.528和0.475，表明损失递减与损失厌恶、概率感知之间在择岗差异上存在互补效应。

4 结论

4.1 研究结论

针对目前我国建筑行业安全管理的特点以及施工现场工人不稳定心理特质，提出提升高危岗位的人岗匹配可降低事故发生频次。本文基于前景理论构建了人员择岗行为的元胞自动机模型进行仿真实验，而后对所得数据进行层次回归分析后发现，选择从事高危岗位工作的人员一般具有低估事故损失和概率、低损失厌恶的心理特质，而这恰恰与高危岗位人员须重视事故风险和损失、具备风险规避性格特质的要求相背离，即存在“高危人岗匹配悖论”。该悖论的存在会导致高危岗位人员选聘的系统性偏差，并且受心理特征参数以及基本工资、风险补偿、岗位风险等薪酬和岗位因素的影响，部分因素间还存在替代或互补效应。

4.2 管理启示

(1)源头控制措施：在招聘阶段采取大类混合招聘策略，同时给出具有市场竞争力和安全风险溢价的薪酬，让更多低风险偏好人员参与应聘，为人员定岗筛选提供更大空间；在定岗阶段对入职人员进行风险偏好和激励偏好心理测试，对高危岗位进行工作职能和要求评价，据此匹配低风险偏好、高收益偏好人员进入高危岗位作业。

(2)过程控制措施：在考核阶段依据基于大数据的安全行为表现和不定期心理测评结果调整人员配置，将风险感知下降的人员调离高危岗位；在培训阶段采用VR、AR和增强感知等沉浸式虚拟仿真技术，让新入职员工预先体验工作过程和高危岗位的员工预先体验事故发生过程，诱发员工风险警惕和损失厌恶心理。

(3)支持保障措施：建立基于过程合规和结果安全的双重薪酬体系并合理设置薪酬差异；构建以低风险偏好人员为领导的自我管理团队，并基于团队整体绩效设置薪酬奖励；对安全相关措施进行匹配度评价，将具有互补特征的措施予以固化、强化，将具有替代特征的措施予以调整、优化。

4.3 研究贡献

(1)“高危人岗匹配悖论”的发现不仅为高危行业安全事故周期性发生、无法根除的现象提供了一个全新的解释，也拓展了人力资源管理理论的内涵。

(2)该结论将心理风险特征测试引入人事岗位制度，为建筑业等高危行业的人力资源管理实践提供了参考。