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。     

基于深度学习的地铁施工作业人员不安全行为识别与应用

为有效识别地铁施工作业人员不安全行为,基于深度学习与计算机视觉技术,提出融合行为和身份识别的不安全行为识别方法。首先,对更快速的基于区域的卷积神经网络(Faster R-CNN)算法进行优化,引入高效通道注意力(ECA)模块提升行为识别的准确性;其次,将基于人脸超分辨率算法的人脸识别方法与行为识别相结合,提升图像像素水平并准确输出不安全行为执行人员相关信息;然后,行为识别与人脸识别并发进行,识别结果回流至数据库最终输出工人不安全行为报告;最后,选取某地铁施工项目的4种不安全行为进行识别方法的实证应用。研究表明：该方法可在地铁施工场景下进行有效应用,不安全行为识别和执行人员身份识别的准确率均达0.85以上,具有较高的准确度。     

不安全动作定义的研究

为更好地识别和预防不安全动作的发生,需要更准确、具体地定义不安全动作,本文首先通过研究海因里希4个版本《产业事故预防》著作对不安全动作的定义,并结合国内部分学者的观点,探究事故致因理论与不安全动作定义的关系;给出"2-4"模型对不安全动作的定义,并与海因里希定义进行对比分析.研究表明:研究不安全动作的"通用定义"没有意义,组织应参考"一个事故致因模型、一个不安全动作定义";相比于海因里希的定义,"2-4"模型能够通过定性定量方法结合的方式,明确不安全动作的分类和识别方法,更加合理地界定动作发出者的范围,并结合模型的事故致因链给出不安全动作的来源,使其概念更为清晰、具体.     

深度置信网络算法在公路边坡工程安全评价中的运用

针对传统边坡工程安全评价方法无法对边坡稳定性进行符合实际情况下工程安全评价的问题,提出一种基于深度置信网络(Deep Belief Networks, DBN)算法的公路边坡工程安全评价方法。首先,使用MATLAB建立模型;然后,对基于DBN算法的边坡稳定性安全评价方法进行研究;最后,使用DBN算法在莆炎高速公路项目中进行公路边坡工程安全评价。结果显示：(1)与反向传播(Back Propagation, BP)神经网络相比,DBN模型得到的预测值误差更小,精度更高,计算复杂度更低、可扩展性更强;(2)在实际工程中,DBN算法能够有效地对众多非线性因素共同作用下的公路边坡进行符合实际的安全评价。     

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。     

基于迁移学习与残差网络的矿工不安全行为识别

为精确识别矿工的不安全行为,降低煤矿事故发生率,提出迁移学习结合深度残差网络的图像识别方法。将矿工的行为样本划分为完全安全行为、较安全行为、不安全行为3个维度,其中完全安全行为包括:走路、坐下、站立,较安全行为包括:弯腰、下蹲、抬东西、推、拉、挥手、拍手,不安全行为包括:跌倒、投掷;采用ResNet50网络进行训练,微调ImageNet数据集迁移学习的权重参数,通过全连接层进行12分类,并将最终分类结果与测试数据进行对照检验。研究结果表明:基于迁移学习的残差网络模型识别跌倒与投掷动作的准确率,优于其他深度神经网络模型,能够有效识别不安全行为从而避免由人为因素导致的事故发生。     

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。     

基于BIM-GA-BN的养老社区施工安全评价模型

为给养老社区施工管理人员提供决策依据,将建筑信息模型(BIM)技术、遗传算法(GA)和贝叶斯网络(BN)结合,建立养老社区施工安全评价模型。通过安全事故分析和养老社区施工现场调研,建立养老社区施工安全评价指标体系;利用BIM技术实时监控养老社区施工项目,搜集各影响因素的数据;结合GA和BN,进行数据的分析处理和建模研究,得出养老社区施工安全评价模型;将该模型应用于具体的施工项目进行安全状况评价,找出施工安全管理的薄弱环节。研究表明:用该模型,能够通过对养老社区施工现场数据的搜集、处理和分析,得出项目的整体安全状况并识别出关键控制因素,为施工现场安全管理提供借鉴。     

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。     

基于视频分析的空管员违规行为识别方法*

为利用视频数据对空管员违规行为进行智能化分析,降低不安全事件发生率,提出2阶段的违规行为识别模型（AR-ResNeXt）,基于实地调研构建空管员视频数据集,利用最小化动态多实例学习损失函数和中心损失函数,获得违规行为检测的判别特征表示,结合异常回归网络和ResNeXt网络,完成对空管员违规行为的时序区间检测与动作分类。研究结果表明:AR-ResNeXt模型在自制数据集中,其帧级AUC达到82.9%,分类准确率达到87.8%,可准确识别空管员发生违规行为的时序区间并进行分类,研究结果可为保障空中交通安全奠定基础。     

基于ANP和物元可拓模型的航空公司安全水平评价

通过构建网络层次分析(ANP)和物元可拓模型相结合的评价方法,研究航空公司安全水平评价中各指标间的相互依赖、相互影响和安全水平的变化趋势。为使评价指标在实际工作中更有针对性和可操作性,根据安全管理体系(SMS)组成要素,提出了由4个准则、20项具体指标组成的航空公司安全水平评价指标体系;又因该体系中各指标间存在相互依赖、相互影响,从而引入网络层次分析法(ANP)以确定各指标权重;并与物元可拓模型结合,建立航空公司安全水平评价模型。运用该评价模型对南方某航空公司的安全水平进行评价,结果显示该模型具有可行性。     

基于ANP和SPA的民航飞行员安全能力评价

飞行员安全能力是飞行员排班、机组搭配、掌握飞行员安全状态的重要依据,为客观、准确地对飞行员安全能力进行评价,对安全管理能力内涵进行了界定,找到了评价飞行员安全能力的4个二级指标,共17个三级指标。后来用网络层次分析法(ANP)对各影响因素的影响力进行排序,确定了指标的综合权重。综合考虑飞行员安全能力各影响因素之间的不确定性、模糊性,采用集对分析方法(SPA)进行评价。最后将集对分析法和网络层次分析结合构建的评价模型运用于某航空公司飞行员安全能力评价,结果与实际情况基本一致,说明了该方法的有效性。     

煤矿企业安全风险集成管理系统及其ANP测评模型研究

为了帮助煤矿企业科学地评价其安全风险集成管理水平和不断提高安全风险管理能力,通过采用问卷调查、实地走访和理论演绎等方法,提出以全过程、全要素和全员安全风险管理为目标,风险管理为过程,组织保障、管理机制、管理方法、资源投入、人员能力和安全文化为要素的煤矿安全风险集成管理系统,并基于网络分析法(ANP)建立煤矿企业安全风险集成管理水平测评模型,同时结合对某煤矿集团的相关问卷调查数据,对该测评模型的有效性和合理性进行检验。     

装配式建筑吊装施工安全关键风险分析的改进DEMATEL方法

为了解决装配式建筑吊装施工安全风险评估体系缺失、演化路径不清的共性问题,提高施工安全科学管理水平,提出了一种基于改进决策试验与实验室评估法(Decision Making Trial and Evaluation Laboratory, DEMATEL)的关键风险识别与演化路径分析方法。基于扎根理论构建装配式建筑吊装施工安全风险评价指标体系,利用基于组合数有序加权算子(Combination Ordered Weighted Averaging, C-OWA)改进直接影响矩阵,建立DEMATEL模型决策矩阵,并通过因果关系图识别关键风险因素,探究关键风险演化路径,以武汉市某工程项目为背景开展实证研究。结果表明：该项目存在X₁(工人的专业水平与素质差)、X₅(工人的技能培训与安全教育不到位)、X₁₅(人员没有进行定期的安全培训)、X₁₈(现场施工安全管理水平低)、X₁₉(风险意识缺乏)等关键风险因素;在4条基础路径和2条复合路径中,复合路径的权重高于基础路径,随着关键风险之间直接...     

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。     

HFACS与24 Model:不安全动作原因的对比研究

不安全动作的定义、分类与识别尚未有统一标准,这给事故分析与预防带来许多困难。基于此,对人因分析与分类系统(HFACS)和24 Model中的不安全动作层面进行对比研究。在不安全动作对应方面:HFACS中的不安全动作均能对应到24 Model中的不安全动作,但HFACS没有涉及24 Model中不违章、未引起事故但高风险的不安全动作,因而无法实现事前预防。在间接原因对应方面,HFACS中不安全动作的产生原因均可与24 Model中的1个或多个间接原因相对应;HFACS中不安全动作的产生涉及较多生理、心理层面的原因,而考虑到实用性原则,24 Model暂未给出该两方面原因的具体分类方法。在不安全动作发出者方面:24 Model涉及组织内各层级人员,而HFACS仅指一线员工。在实际应用方面:两种模型均可用于不安全动作原因的统计分析;24 Model给出的不安全动作分类范围较HFACS广,在事故分析时所受局限性小,但易造成不安全动作遗漏;在用24 Model进行不安全动作分析时,应尽量细化动作分类及分析的深入程度,以及动作发出者的员工层级。     

面向危险化学品运输监测系统的信息融合模型构建

设计一种可用于危化品运输全过程安全状态实时监测的多参数监测系统,并以该系统为基础,构建面向危化品运输安全监测系统的多传感器信息融合模型。该模型综合利用系统监测到的多种参数信息,通过数据预处理、特征提取和状态判决、形势判决、危险态势估计和预测等4个级别的信息融合,结合危险报警模块和数据库管理系统,自动分析被测数据,最终达到对危化品运输安全分类、分级、分层次报警的目的。以该模型为基础讨论部分信息融合算法并设计相应的软件,在实际构建的针对液化石油气的危化品安全监测系统中进行应用试验,结果说明了信息融合模型的有效性。     

基于RAG的管制员安全韧性分析方法研究

为探究人的韧性调整对空中交通管制系统安全性的推动作用,提出挖掘分析管制员日常作业安全韧性的方法。以文本挖掘数据为基础,结合韧性评估网格(RAG)构建管制员安全韧性评价指标体系;建立管制员安全韧性行为网络,通过TOPSIS算法,对评价指标进行客观赋值;利用安全韧性评估模型结合网络关联路径量化管制员安全韧性。研究结果表明：安全韧性评分为0.739 09,其中响应潜能重要性较大;“提醒/警告飞行员”、“监控空中动态”、“向飞行员提供指令或指示”、“遵循应急程序”4类安全韧性行为对系统安全性起到关键的正向影响作用。研究结果可为空管系统的安全韧性研究提供有效参考。