基于DNN的作业姿势评估方法及应用

为有效预防工人肌肉骨骼疾病,提出基于深度神经网络(DNN)的作业姿势评估方法。利用人体关节点估计DNN模型,检测现场视频中工人的身体姿势;通过提取的骨骼关节点的空间位置,计算不同身体部位的姿势角度,并依据快速全身评估法(REBA)中的身体姿势角度与危害程度的关系,自动评估工人作业姿势的风险水平;以建筑工人典型施工作业姿势为例,验证该方法的有效性和实用性。结果表明:该方法能够克服身体遮挡、设备分辨率、光照条件等影响,准确检测关节点的位置;可自动连续评估工人的作业姿势,评估效率较高。     

基于MMPose的三维作业姿势风险与角度可靠性评估

为避免作业人员因工作姿势不准确或过度负荷而患上工作相关的肌肉骨骼疾患(WMSDs),提出1种非侵入式的三维姿势风险评估方法。首先,构建三维人体姿态估计模型;其次,使用三维姿态识别技术提取人体的三维坐标并计算出所对应的关节角度;最后,将关节角度作为输入放入REBA,RULA评分库中进行作业姿势风险的自动评估,引入身体角度可靠性评估,可有效过滤一些采集质量较低的人体姿势视角数据,提高作业姿势估计的准确性。研究结果表明：三维姿势风险评估的识别精度优于Kinect,对比关节识别精度均方根误差(RMSE)更小;且方法具有可行性,与3位专家比较类内相关系数(ICC值)均大于0.846;并且通过身体可靠性评估,REBA,RULA的分数评估精确度都提升至94%。研究结果可为减低作业人员职业健康风险,提高工作效率提供参考与借鉴。     

情绪对建筑工人不安全行为影响的认知试验

为深入解析情绪对不安全行为的影响作用机制，探究情绪控制视角下的不安全行为矫正方法。从信息认知过程入手，结合眼动追踪技术和情绪唤醒方法，基于个体信息认知模型，设计情绪对建筑工人不安全行为的影响试验，通过测量不同情绪状态下工人的注意力分配、隐患识别和风险倾向，采用眼动热点图和方差分析(ANOVA),探究情绪在信息认知加工过程中对建筑工人不安全行为的具体影响。研究结果表明：在认知过程的信息获取阶段，正性情绪能够促进工人对现场危险的感知活动，而在信息分析阶段，正性情绪比负性情绪的工人具有更为显著的不安全行为倾向；基于个体信息认知的情绪不安全行为模型，正性情绪状态下的建筑工人更倾向于有意不安全行为，而负性情绪状态下的建筑工人则更倾向于无意不安全行为。建议施工企业应根据工人的情绪状态采取针对性的不安全行为管控措施，提高现场安全管理效率。     

基于智能手机的建筑工人躯干姿势危险评估方法

为预防建筑工人工作有关肌肉骨骼疾患(WMSDs),提出基于智能手机的建筑工人躯干姿势危险评估方法。以建筑工人WMSDs发病率最高的背部为研究对象,将智能手机作为数据采集工具,利用其内置方向传感器输出数据,计算建筑工人工作时躯干的屈伸、横向弯曲和扭转角度,从而描述当前的躯干姿势;根据ISO11226:2000中给出的静态姿势与保持时间的关系,对当前姿势进行危险评估;通过实验室和现场试验验证该方法的有效性和实用性。结果表明:用该方法能够准确地描述建筑工人的躯干姿势,并评估其危险。     

高斯混合模型下建筑工人高空作业失稳检测方法

为防止施工现场高处坠落事故,实现个性化矫正管理,在考虑个体异质性对运动信号造成的差异化影响基础上,提出一种基于高斯混合模型(GMM)的实时检测方法,可及时识别建筑工人高空作业失稳状态。首先,采用姿态传感器实时采集加速度和角速度数据,以刻画建筑工人的高空作业姿态特征;然后,基于GMM算法,建立建筑工人高空作业的个性化失稳检测模型,获得个性化阈值,以判断姿势失稳状态;最后,通过试验对比基于个体数据集和公共数据集2种方式构建的模型。研究结果表明：生成的个性化检测模型在准确度P、召回率R和综合评价指标F₁值上,均远优于公共数据集模型,具有更好的个性化检测效果。该失稳检测方法能够从工人的作业姿态习惯探究个性化的高空失稳风险,促进差异化安全预控和精准化安全培训。     

基于AlphaPose与REBA的手工搬运作业姿势风险评估方法

为有效预防职业性肌肉骨骼疾患(WMSDs),提出基于计算机视觉技术与快速全身评估(REBA)结合的作业姿势评估方法,以手工搬运作业为例,通过人体姿态识别AlphaPose模型检测作业姿势,利用提取的各关节点空间位置信息计算身体各部位关节角度;利用SG滤波法处理身体遮挡、光线等对数据的影响,有效保留数据变化信息的同时消除数据突变;根据身体关节角度范围与危害程度对应关系自动评判作业姿势的风险大小。研究结果表明：作业姿势评估方法可通过采集的视频数据自动评估搬运作业的姿势危险性,降低WMSDs风险,通过分析不同下蹲取物姿势风险,可论证作业姿势评估方法的可行性,为及时改善搬运作业中的不安全动作提供参考。     

基于系统动力学的建筑施工落物伤害人因分析

为减少高空坠物事故,提高建筑工人作业安全,分析我国建筑施工高处作业和落物伤害事故特性,构建落物伤害人因影响系统动力学(SD)模型,探究人为因素对落物伤害的影响机制。以武汉市某施工公司建设项目为研究对象,使用Vensim模拟其整体安全水平,分析人因对安全水平的影响。结果表明：个人能力的提升、自身积极的心理作用对于行为安全有很大的提升作用,恶劣的作业环境会导致工人的不安全行为增加。基于此结果,企业应当保证安全教育培训的持续投入,以提高工人作业安全水平,减少落物伤害发生的可能性。     

建筑工人不安全行为影响因子分析及控制措施研究

为有效的控制建筑工人的不安全行为,从而减少事故,须分析出建筑工人不安全行为主要影响因素,并提出针对性控制措施。从各种不安全行为中提取13个影响因子,在此基础上通过访谈和调研获得直接影响矩阵,借助决策试验和评价实验室方法(DEMATEL)计算出每个因子的影响度、原因度和中心度,由此分析出安全态度、安全技能、安全认知和安全培训在影响因素体系中最为重要,领导的重视对建筑工人的不安全行为也有很大影响。结果表明:个人因素是影响工人安全行为的主要因素,环境因素和管理因素通过影响个人因素影响工人的安全行为。最后,针对个人影响因素,提出了合理开展安全培训、加强现场行为管理、加强安全心理干预、完善用工制度等措施。     

建筑工人安全意识影响因素的主成分分析

为提高建筑工人的安全意识,减少建筑事故发生,研究了工人的安全意识状况及其影响因素。首先,通过调查问卷对施工现场330名工人的安全意识状况进行测量,探讨工人安全意识的27个影响因素的分类;然后利用SPSS 22. 0软件进行相关性分析和主成分分析(PCA),找出安全意识的主要影响因素,并提取出自身、岗位环境和安全管理3个主成分;最后构建了建筑工人的安全意识综合影响因素模型。结果表明:风险态度和行为2个维度的分值偏低;工友关系、安全奖罚制度、安全设施完备性等12个影响因素与安全意识的相关性较强;提取的3个主成分中,安全管理影响因素对工人安全意识的影响最大。     

基于严谨性差异的建筑工人不安全行为研究

为探究安全管理者行为对不同严谨性水平工人不安全行为的影响，实现个性化安全管理，以大五人格为基础理论，采用严谨性对261名一线建筑工人进行类群划分。构建建筑工人的管理者行为与不安全行为影响关系模型，使用结构方程模型对理论模型进行拟合检验，发现高严谨性工人与低严谨性工人在安全管理者行为与工人安全行为3条影响路径中均存在显著差异。高严谨性工人的安全参与行为更易受安全管理行为影响，安全服从行为更易受安全设计行为影响；低严谨性工人的不安全行为更易受安全管理行为影响。     

基于深度学习的建筑工人安全帽佩戴识别研究

建筑工人头部伤害是造成建筑伤亡事故的重要原因。佩戴安全帽是防止建筑工人发生脑部外伤事故的有效措施,而在实际工作中工人未佩戴安全帽的不安全行为时有发生。因此,对施工现场建筑工人佩戴安全帽自动实时检测进行探究,将为深入认知和主动预防安全事故提供新的视角。然而,传统的施工现场具有安全管理水平低下、管理范围小、主要依靠安全管理人员的主观监测并且时效性差、不能全程监控等一系列问题。针对上述现状,提出了一种基于Tensorflow框架,具有高精度、快速等特性的Faster RCNN方法,实时监测工人安全帽佩戴状况。为评估模型性能,收集了6 000张图像用于模型的训练与测试,结果表明,该模型识别工人安全监测中佩戴安全帽工人的平均精度达到90. 91%,召回率达到89. 19%;识别未佩戴安全帽工人的精度达到88. 32%,召回率达到85. 08%。同时,针对工人未佩戴安全帽而进入施工现场的违规行为,通过施工现场入口处监控摄像头截取视频流图像帧,设置检验试验,验证了本方法在施工现场实际应用的有效性。     

基于YOLOv3的电网作业人员安全帽佩戴检测

为了有效监测电网作业人员不规范佩戴安全帽行为,提出1种基于YOLOv3的电网作业现场安全帽佩戴检测方法.针对安全帽佩戴规范性问题,构建正确佩戴、不正确佩戴和未佩戴安全帽3种情况下的图像样本库;并利用该数据库对YOLOv3模型进行训练与测试,结合模型参数、样本比例及算法对比分析,开展电网作业人员安全帽佩戴检测算例.结果表...     

建筑工人安全参与行为演化博弈分析

为探究建筑工人安全参与行为机制,提高建筑工人参与安全活动的积极性,有效预防建筑行业事故.本文结合实地调研情况,采用系统动力学分析建筑工人参与安全行为的演化关系,以有限理性为前提,动态构建建筑企业和建筑工人安全参与的演化博弈模型;然后通过系统动力学软件Vensim对建筑工人安全参与行为演化路径进行模拟仿真.模拟结果表明:促进建筑工人安全参与,首要前提是建筑企业要建立安全参与激励与引导机制;同时建筑企业应大力支持,保障激励资金落实;建筑企业管理层认识到工人安全参与的重要性,能够切实有效地推动建筑工人主动参与,可为促进建筑企业安全绩效提供借鉴.     

基于生理指标的建筑工人攀登作业疲劳实验研究

为研究攀登作业建筑工人生理疲劳状态的评测指标,提出1种基于生理指标的建筑工人攀登作业疲劳测度实验方法。首先,设计实验测量建筑工人的心率、皮肤温度、舒张压、收缩压4项生理指标,结合Brog’s RPE主观疲劳程度量表研究建筑工人生理疲劳的变化;其次,提取上述4项指标的平均值和标准差作为生理指标特征值,利用静息状态下生理指标特征值和疲劳状态下生理指标特征值进行方差分析、球形检验、T检验筛选出与疲劳相关的特征值;最后,利用支持向量机构建疲劳检测模型。研究结果表明：上述8项生理指标特征值与攀登作业工人疲劳具有显著相关性,疲劳检测模型的准确率为96.875%,研究结果可对攀登作业人员疲劳评估和疲劳预警具有实践性意义。     

工作满意度对建筑工人不安全行为的矫正机制研究*

为探讨工作满意度对建筑工人不安全行为矫正机制,基于文献调研构建工作满意度对建筑工人不安全行为矫正机制理论模型,并通过验证性因子分析和结构方程模型分析,对理论模型进行实证检验。结果表明:工作满意度对建筑工人安全不服从行为和安全不参与行为有显著矫正作用,敬业度在工作满意度和建筑工人安全不服从行为与安全不参与行为间起完全中介作用。对于新生代建筑工人,工作满意度通过敬业度对安全不服从行为矫正效应小于对安全不参与行为的矫正效应,对于老一代建筑工人,矫正效应则相反。研究结果可为广大建筑施工企业矫正其工人的不安全行为提供依据。     

基于SEM的建筑工人不安全行为传播影响因素研究

为研究建筑工人不安全行为传播的影响因素,基于传播理论、相关文献及调研结果,对建筑工人不安全行为传播的理论框架进行阐述,并识别其影响因素,提出研究假设。采用问卷调查法,对286名来自河南、陕西、重庆等地的工人进行调查,利用SPSS 23.0及AMOS 23.0软件构建示范模仿SEM和感染从众SEM,对建筑工人不安全行为传播的影响因素进行了定量研究。结果表明:关键人物影响力、关系亲密度、个体易感度对建筑工人不安全行为示范模仿的影响最显著;个体易感度、安全氛围对建筑工人不安全行为感染从众的影响最为显著;传播行为特征、奖励或惩罚因素对建筑工人不安全行为的传播也有一定影响。     

建设项目时间领导对工人安全行为的影响机制研究

为探索建设项目团队或班组领导风格对工人安全行为的作用,基于已有文献和工作要求-资源(JD-R)模型,构建了时间领导对工人安全行为的影响机制模型.基于535份项目安全管理者或施工班组长与建筑工人的领导-员工配对数据,运用回归分析和Bootstrap法进行直接效应和中介效应检验.结果表明:安全意识、工作专注与工人安全行为存在正相关;来自安全管理者或班组长的时间领导对工人安全行为的直接作用不显著;工作专注在时间领导与工人安全行为之间发挥了中介作用;安全意识和工作专注在时间领导与工人安全行为之间共同发挥链式中介作用,即时间领导行为会提高工人的安全意识,进而增加工作专注度,从而提升工人安全行为.结果验证了时间领导风格在安全管理中的有效性,揭示了时间领导影响安全行为的作用路径,突出了安全意识和工作专注的关键作用.     

多方博弈下建筑工人有意识不安全行为致因分析

为有效制定建筑工人有意识不安全行为防范措施,减少建筑施工人为事故的发生,本文结合博弈理论,通过建立多方演化博弈模型,得到了在不同情况下建筑工人、企业高层安全管理方、企业安全监管方期望收益的函数,并根据复制动态方程的平衡点求解各利益方策略的意愿策略,分析了建筑工人有意识不安全行为致因。结果表明,建筑工人有意识不安全行为除与工人自身有关外,还与企业高层安全管理方、安全监管方投入比例有关。此外,根据博弈结果对如何减少工人有意识不安全行为的发生提出了建议。     

建筑工人不安全行为意向TPB修正模型研究

为深入研究群体因素对建筑工人不安全行为的影响机理,基于建筑业行业特征,引入群体变量对计划行为理论(TPB)进行修正,构建建筑工人不安全行为意向影响因素修正模型。采用文献梳理、问卷调查和实地调研等方法进行实证分析,结合结构方程模型(SEM)对研究假设和修正模型进行验证。结果表明,群体行为满意度和群体行为规范,对建筑工人不安全行为意向有显著的正向间接影响。基于群体角度提出的激励奖惩措施、精简行为态度测量量表,以及推行群体行为规范化可视化等对策建议,有助于提高企业安全管理水平。     

基于RF-SFLA-SVM的装配式建筑高空作业工人不安全行为预警

为有效预警装配式建筑高空作业工人不安全行为的发生趋势或状态,增强对装配式建筑工人不安全行为(PBWUBs)的管控,采用随机森林(RF)-混合蛙跳算法(SFLA)-支持向量机(SVM)模型,开展工人不安全行为预警研究。首先,采用SHEL模型分析处于高空作业危险中的PBWUBs的影响因素,并通过RF确定关键预警指标;然后,采用SFLA对SVM的参数进行寻优改进;最后,利用RF-SFLA-SVM预警高空作业PBWUBs,提出应对措施,并与其他预警模型对比。研究结果表明：基于RF-SFLA-SVM预警高空作业PBWUBs,准确率最高,为91.67%,与其他模型的预警性能相比,最高提升14%。研究结果可为高空作业PBWUBs的防控提供参考。