There are still some problems for the research of worker’s behavior modification such as unsafe act scenario data acquisition is not complete, modification effect cannot be continuous. Generic scenario-based metro construction worker’s behavior personalized modification is proposed, several technologies of Big Data are used to collect and analyze image data of worker’s unsafe act scenario and then for worker’s behavior modification. Firstly, the image vector analysis method is used to extract massive image data reflecting worker’s unsafe behavior from onsite construction scenario, respectively using camera behavior analysis technology and vector space model analyze monitoring video and onsite photos. Secondly, on the basis of collected image data, statistical analysis method such as human dynamic and association rule are used to explore worker’s unsafe behavior law, including interevent time distribution and associated relationship of worker’s unsafe bahavior. Thirdly, characteristic information of workers are collected with conclusion from worker’s unsafe behavior law, and blended by personalized recommendation technology, in order to develop behavior modification content personalization precision push model. Lastly, three-dimensional comprehensive evaluation method, including satisfaction, result analysis and onsite safety performance of workers, which is used to verify the effectiveness of behavior modification. Finally the conjunction site construction rule is realized, and behavior individual modification according to different worker’s characteristic.

【结题摘要】

建筑工程被认为是全球最危险的行业之一，近年来，工程施工事故导致的伤亡人数高居不下。2017年中国建筑工地有记录伤亡3843起。研究表明工人不安全行为是事故主要原因之一。已有研究在行为管理方面存在如下挑战：1）不安全行为场景数据获取不全；2）对施工不安全行为自动识别难度大；3）不安全行为规律的揭示不充分；4）缺乏不安全行为个性化矫正方法，矫正效果难持续等。 针对上述挑战，本项目基于行为安全相关理论，利用人工智能等技术开展以下研究： 梳理现场各类不安全行为，构建了施工不安全行为数据集；针对施工现场常见的四大类工人不安全行为：（1）个人防护用品类（PPE）；（2）动态危险区域类；（3）静态危险区域类；（4）不规范姿势/动作类，提出了一套基于深度学习和机器视觉的不安全行为智能识别方法。 基于现场记录和智能识别的行为数据，采用人类动力学研究方法，挖掘了不安全行为的时序幂律规律。并通过关联规则，揭示了不安全行为与工种特性以及空间的耦合关联规律；从施工班组角度，揭示了施工群体不安全状态与行为产生的机理。 基于工人不安全行为规律，提出了基于图像检索的工人不安全行为知识抽取与推荐方法，建立工人行为矫正内容个性化推送模型；研发基于BIM与IoT交互的人员行为监控方法与系统，对人员危险作业行为进行在线监控与校正；分析工人自控力特征，建立基于工人指控力特征的安全对应管理策略，辅助工人不安全行为矫正。 该项目发表23篇 SCI论文，其中ESI高被引论文2篇，获得2项发明专利、3项软件著作权，以及1项香港建筑业议会创新奖国际大奖（省部级奖项）。本项目研究成果丰富了数字建造模式下数据驱动的主动安全控制理论与方法。开发完成的工程施工图像HUST-CI数据集，为工程施工领域不安全行为的机器学习与挖掘提供了数据基础。同时本项目的部分研究成果已成功应用于武汉地铁施工、中韩石化等工程中。

【成果统计】

【科研影响分析】

官方链接：国家自然科学基金-基于泛场景数据的地铁施工工人行为个性化矫正研究