集合智能安全帽的建筑工人施工安全行为绩效考核及激励机制

为实时监控现场工人不安全行为，有效降低建筑事故发生率，实现主动的安全与组织管理模式，结合基于智能安全帽的施工人员不安全行为监测与管理系统，构建了工人安全行为绩效考核模型并设计激励机制。通过在温银施工项目的应用，进行了现场工人安全行为绩效的横向与纵向对比。研究结果表明:依据现场行为进行监控和绩效考核能够有效地改善工人的安全行为，有助于形成施工现场的安全生产竞争氛围，有助于建筑工地的安全管理。     

地铁施工工人不安全行为统计过程控制研究

为有效降低地铁施工过程中的不安全行为风险,预防事故发生,提出一种基于智能监控的工人不安全行为改进的统计过程控制(ISPC)方法。首先,依据安全标准和操作规程,利用摄像头行为分析功能自动识别施工现场工人的不安全行为,并将其分类;然后,通过智能视频动态监控,发现不安全行为的异常变化征兆,建立工人不安全行为的实时预警机制;最后,以武汉地铁某车站工程现场"起重吊装过程中,无关人员进入危险区域"不安全行为为例,验证该方法的有效性。结果表明:用该方法可智能监控施工现场,及时有效控制不安全行为的发展。     

融入人格特质的个性化建筑工人安全管理研究

为了挖掘个人因素(人格特质和事故经历)在施工现场安全管理中的作用、提升现有安全管理的有效性，提出一种个性化的安全管理方法。基于认知模型、大五人格理论，通过533份有效建筑工人数据，利用统计分析讨论将个人因素纳入安全管理的必要性、人格特质在不安全行为中的作用以及其应用于现场安全管理中的适用性。结果表明：事故经历影响工人的冒险倾向；高冒险倾向和高不安全行为意图的工人均具有低宜人性和尽责性与高开放性和外倾性的特点；开放性、外倾性和宜人性在冒险倾向与不安全行为意图的关系中具有显著的调节作用；利用人格特质可以有效判别不安全行为意图。最后，研究还提出了将人格特质应用于安全指导和安全培训的改进方案。     

施工现场工人不良职业心理与不安全行为机理研究

为探讨施工现场工人不良职业心理及不安全行为的影响关系,利用问卷调查,采用结构方程构建工作压力、不良职业心理与不安全行为的结构模型。结果表明:工作安排、工作环境、管理政策及人际关系带来的工作压力与不良职业心理及不安全行为均显著相关;个体因素带来的工作压力对不良职业心理无显著影响,但对不安全行为有显著影响;不良职业心理在工作压力与不安全行为之间起到部分中介的作用即工作压力与不安全行为之间不仅存在直接显著关系,且工作压力还可以通过产生不良职业心理从而影响不安全行为。     

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.     

地铁施工工人不安全行为关联规则研究

当前工人不安全行为研究多侧重从理论和方法的角度出发,而通过数据挖掘探究规律性方面的研究存在不足,因此,提出了地铁施工工人不安全行为关联规则研究。首先,构建关联规则挖掘数据库,以大量反映现场不安全行为的照片为数据来源。然后,利用Apriori算法,通过SPSS Modeler软件建模,以地铁车站施工机械操作人员为例介绍关联规则挖掘过程和结果。结果表明:机械操作人员存在有效强关联项为“开挖降水→挖土机作业时周围区域内有其余工人作业活动”。说明针对不同工种岗位的工人,在不同施工阶段存在易出现的不安全行为,可以有针对性地进行控制与管理,从而降低事故率。     

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。     

建筑工人个体安全能力影响因素效用量化研究

为加强对工人不安全行为的管理,保障建筑施工安全,利用结构方程模型(SEM)建模方法研究建筑工人个体安全能力与影响因素间的效用关系。从个体特质和工作环境2方面进行分析,得到技能素质、心理状态、生理状态等16个影响因素。以工作环境的8个影响因素作为外源潜伏变量,其余8个影响因素作为内生潜伏变量,构建建筑工人个体安全能力SEM。利用问卷调查所得数据对模型进行拟合与修正,实现影响因素效用的客观量化。研究结果表明:建筑工人的个体安全能力主要取决于其技能素质;工作环境中,效用最大的因素是施工现场的安全资源配备;当前建筑行业的安全培训与安全文化建设工作还有待进一步开展。     

基于社会网络的建筑施工不安全行为关系研究

为提升建筑施工安全管理水平,基于不安全行为的重要性,通过文献分析和专家访谈方式确定不安全行为集合,构建诸不安全行为间关系概念模型。根据14份调研数据,运用社会网络分析(SNA)方法构建诸不安全行为间关系网络模型,研究其结构特征、节点属性、影响力及聚类等级情况。结果表明:关键不安全行为节点可构成行为连锁反应链,并由桥节点连接成不安全行为网络,且网络具有较高风险性。其中,关键不安全行为包括安全生产管理机构设置不合理、安全检查监督体系设计不合理等;存在一些行为连锁反应链,包括"安全生产管理机构设置不合理-施工现场指挥监督失误-作业处于不安全位置"等;不安全行为网络的桥节点包括安全生产管理机构设置不合理等。     

基于行为安全的建筑事故预防量化方法与实证研究

在阐述安全行为(BBS)预防事故原理及其应用效果的基础上,选取某工程项目作为试验对象,结合我国建筑业一线工人的特点,对BBS实施中的培训方法、关键行为确认、观察方法3个关键环节进行具体试验。试验中建立了行为变化指数的图线,使用了安全行为指数(SI)来评定一线工人的安全行为及变化趋势。试验结果显示施工现场一线工人作业过程中的SI比基线期提高15%,表明所设计的BBS方法对于提高施工现场一线工人的行为安全性具有明显的效果。     

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。     

脚手架工人低估不安全行为风险的研究

为验证脚手架工人是否低估不使用安全带和高处抛扔物体2项不安全行为的风险,工人的年龄和工作年限是否会影响他们对2项不安全行为的风险评估,以及工人是否会低估不安全行为的外部性,通过问卷调查的方式让脚手架工人和管理人员对2项不安全行为的风险进行评估,然后借助方差分析(ANOVA)和t检验2种统计学方法对风险评估值进行分析。结果显示:工人显著低估2项不安全行为的风险,并且工人倾向于低估不安全行为给他人造成伤害的严重性,但是工作年限和年龄对风险评估的影响不显著。最后,结合上述研究结果提出避免工人低估2项不安全行为风险的管理建议。     

基于循证方法的施工现场安全事故预防体系研究

为提高施工现场安全绩效,构建基于循证方法的施工现场安全事故预防体系。阐明施工现场安全循证预防(EBP)的定义、内涵、核心思想,梳理循证预防解决安全问题的思路,并且提出施工现场安全管理循证预防的流程框架。结果表明:针对施工现场安全事故预防中的不足,循证方法解决问题的思路体现在理论和方法 2个层面;施工现场安全管理循证预防体系分为循证诊断和循证干预2个阶段,具体包括安全检查表、框架表示法、荟萃(Meta)分析等关键步骤。     

ST-GCN在建筑工人不安全动作识别中的应用

为准确及时地识别施工现场工人的不安全动作,运用计算机视觉的方法,结合图像识别技术和建筑安全知识,提出一种基于骨架的实时识别方法。将姿态估计算法与动作识别算法结合搭建组合模型,通过全面的数据进行模型训练,进而实现动作分类和不安全动作的识别,其中,AlphaPose用于姿态估计提取骨骼关键点坐标位置,时空图卷积网络(ST-GCN)用于动作识别,并通过试验进行验证。结果表明：该方法识别爬梯危险动作的准确率可以达到98.48%,同时,ST-GCN与支持向量机、随机森林、长短期记忆网络(LSTM)相比,具有更强的泛化能力。该方法通过对现场工人的不安全动作进行实时识别和预警,可改善传统安全管理模式,提高安全管理信息化水平。     

基于机器学习方法的安全帽佩戴行为检测

施工现场作业人员是否佩戴安全帽主要依靠人工检查,存在监管效率低、时效性差等问题,为了实时自动监管作业人员是否佩戴安全帽,提出1种基于机器学习的安全帽佩戴行为检测方法。首先利用深度学习YOLOv3算法检测出现场视频中的施工人员脸部位置,根据安全帽与人脸的关系估算出安全帽潜在区域;然后对安全帽潜在区域图像进行增强处理,使用HOG（方向梯度直方图）提取样本的特征向量;再利用SVM（机器学习的支持向量机）分类器对脸部上方是否有安全帽进行判断,进而实现对施工人员安全帽佩戴行为的实时检测与预警。以某高铁站施工现场为例进行验证,研究数据表明在施工通道和塔吊作业区域,该方法可实时有效检测出工人未佩戴安全帽的行为,识别率达90%。     

基于CNN的3D姿势估计在建筑工人行为分析中的应用

为实现建筑工人现场行为的自动化分析,采用卷积神经网络(CNN)检测3D人体姿势并根据现场条件对连续图像进行姿态估计;考虑到动态和杂乱的施工现场环境(部分遮挡等)及多变的工人行为,开发建筑工人姿势图像数据集,从定性和定量2方面综合测试算法性能;将所提出的方法用于施工作业姿势风险评估,利用视频中工人的3D姿势驱动人体生物力学模型,快速、定量计算工人作业时易损伤的部位。结果表明:该人体姿势估计方法具有较好的鲁棒性和较高的准确性,结合生物力学模型可实现更精细的工人行为分析与评估。     

基于场动力理论的建筑工人人格特质、情绪与不安全行为关系研究*

为深入探讨建筑工人人格特质、情绪与不安全行为之间的作用关系,提高建筑工人安全认知能力,以293名一线建筑工人为调查对象,基于场动力理论,构建人格特质和情绪对不安全行为影响机制的理论模型,实证检验人格特质和情绪对不安全行为的预测作用以及情绪调节效应。研究结果表明:外倾性、神经质、开放性3种人格正向预测不安全行为显著;正负性情绪对不安全行为水平具有显著影响,正性情绪在外倾性-不安全行为和神经质-不安全行为间具有显著调节效应,负性情绪在责任心-不安全行为和开放性-不安全行为间具有显著调节效应。研究结果可为建筑施工企业根据工人个性化心理特征,溯源工人自身安全问题,为后续开展分类干预管理和矫正不安全行为提供理论支持。     

铁路建设项目安全管理标准化体系影响因素分析——基于社会网络分析视角

为降低铁路建设项目安全管理不规范导致的安全事故,采用访谈和问卷调查的方法归纳、整理出安全管理标准化体系的关键要素,利用SPSS 27.0统计分析并最终确定32个关键要素,并将关键要素划分为制度建设标准化、组织管理标准化、资源环境标准化、现场作业标准化、过程控制标准化5个子类;在此基础上运用社会网络分析方法构建安全管理标准化网络模型,同时对其网络特征及拓扑结构进行分析。结果表明:制度管理标准化子类机制效力最高;安全政策法规、安全制度建设等在网络中出度值较高;安全事故与安全损失、工人不安全行为等入度值较高。针对分析结果提出管理措施,为推进铁路建设项目安全管理标准化、提升安全管理水平提供参考。     

家具企业安全管理调查研究——运用行为抽样法调查分析不安全行为

为降低家具企业事故的发生概率,通过对家具企业机加工车间工人的不安全行为的观察,依据其主要表现,将工人的不安全行为分为静态和动态两类;运用行为抽样法对生产现场工人的不安全行为情况进行的抽查,并对其不安全行为进行现状评价;通过分析不安全行为发生的原因,提出相应的改进措施。