编辑推荐：
地铁施工安全风险管理至关重要，传统方法依赖专家经验，难以有效识别风险因素与事件关系。研究人员基于深度学习模型开展地铁施工风险传输网络自动构建研究，构建相关模型并取得良好性能，为安全风险管理提供决策依据。
在城市建设的浪潮中，地铁作为高效便捷的交通方式，不断延伸拓展，为人们的出行带来极大便利。然而，地铁建设过程却充满挑战，安全风险如影随形。地质条件复杂多变，水文环境捉摸不定，施工协调困难重重，这些都使得地铁施工中的安全隐患复杂、隐蔽且动态变化。一旦发生事故，不仅会造成巨大的经济损失，还可能导致人员伤亡、生态破坏以及项目延误。
以往，地铁施工安全风险的识别与分析主要依靠行业专家、学者和经验丰富的项目负责人。但随着历史数据的不断积累，风险的时空特性、非线性特征以及复杂的相互关联，给全面分析带来了巨大阻碍。而且，专家的认知也不可避免地受到主观因素的影响，难以做到全面、客观。传统方法过度依赖专家经验，无法有效挖掘事故文本中风险因素与事件的关系，在面对海量的非结构化文本数据时显得力不从心，难以提供实质性的指导，这就迫切需要新的方法来突破困境。
为了解决这些问题，中国矿业大学力学与土木工程学院等机构的研究人员开展了一项基于深度学习模型自动构建地铁施工风险传输网络的研究。研究成果发表在《Scientific Reports》上，为地铁施工安全风险管理带来了新的曙光。
研究人员采用了多种关键技术方法。首先，利用双向长短期记忆网络结合条件随机字段（BiLSTM-CRF）构建了地铁施工安全风险命名实体识别模型（MCSR-NER-Model），用于从事故文本中自动提取安全风险因素和风险事件中的领域实体。其次，基于卷积神经网络（CNN）开发了地铁施工安全风险领域实体因果关系提取模型（MCSR-CE-Model），以提取领域实体之间的因果关系。此外，研究人员还对收集到的 562 篇 2001 年 3 月至 2021 年 11 月的地铁施工事故文本进行处理，构建语料库，并通过文本预处理、标注等操作，为模型训练提供数据支持。
在研究结果部分，研究人员首先进行数据采集与预处理。收集的事故文本包括地铁施工事故报告、住建部发布的事故简报以及新闻媒体报道，共计 1821 个句子。经过格式转换、纠错、分词和去除停用词等预处理步骤，为后续分析奠定基础。在领域命名实体识别方面，使用 BiLSTM-CRF 模型进行训练和验证，结果显示该模型的精度、召回率和 F1分数均超过 77%，在有限文本数据的专业领域命名实体识别中表现良好。其中，风险事件（RE）类别的识别效果最佳，F1值达到 85.26%，而环境因素（EF）的识别效果相对较低。在领域实体发现过程中，模型识别出了一些新的领域实体，进一步丰富了对地铁施工安全风险的认识。
在因果关系提取方面，研究人员通过定义因果关系类别，对文本进行标注和训练。MCSR-CE-Model 取得了高达 98.96% 的准确率、召回率和 F1分数，能够有效提取实体之间的因果关系。不过，在 “共现” 关系的预测上存在一些错误，主要是由于训练数据不足。最终，研究人员获得了 1159 套因果三元组结构，与行业专家的提取结果基本一致。
随后，研究人员构建了领域词典，对领域实体进行归一化处理，将 1361 个实体分为地铁施工风险因素的四大类和 56 种风险事件，并据此构建了包含 1361 个实体同义表达的领域词典。在此基础上，构建了地铁施工安全风险复杂网络（MCSRCN），该网络包含 120 个节点和 533 条有向弧，直观展示了风险因素和事件之间的关系。同时，建立了地铁施工事故数据库，为安全管理决策提供依据。
以杭州地铁 1 号线湘湖站基坑坍塌事故为例，研究人员根据风险因素构建风险网络图，发现降雨是最值得关注的风险因素，并提出了相应的风险应对策略，有效预防了部分风险事件的发生。
研究结论表明，基于 BiLSTM-CRF 的 MCSR-NER-Model 能够准确识别地铁施工安全风险中的实体，为风险识别提供了有力支持。基于 CNN 的 MCSR-CE-Model 则成功提取了领域实体之间的因果关系，明确了风险传输路径。通过构建安全风险数据库，结合历史事故案例和专家经验，为地铁施工安全风险管理提供了数据驱动的解决方案。
然而，研究也存在一些局限性。目前的文本数据类型有限，未来需要获取更多如企业内部施工日志、隐患检查表等文本数据。同时，模型在关系提取方面还有待进一步拓展，挖掘更多如同义关系、隶属关系和耦合关系等。此外，引入时间序列模拟不同施工阶段的风险演化也是未来研究的重要方向。
总体而言，这项研究为地铁施工安全风险管理开辟了新的道路，深度学习模型的应用有效提升了风险识别和分析的效率与准确性。通过构建风险传输网络和数据库，为项目管理人员提供了科学的决策依据，有助于降低地铁施工中的安全风险，保障施工人员的生命安全和项目的顺利进行。其研究成果不仅对地铁建设行业具有重要的实践意义，也为其他相关领域的安全风险管理提供了有益的借鉴。
