基于地铁施工泛场景数据的工人不安全行为靶向干预研究

20240110

建筑业

（1）基于深度学习与计算机视觉系统，提出融合不安全行为和身份识别的不安全行为识别方法，用于现场不安全行为识别。该方法可在地铁施工场景下进行有效应用，具备较高的识别准确率。 （2）基于工人不安全行为泛场景数据萃取过程，从理论基础和方法模型梳理萃取过程，实现不安全行为的多维表征和场景化表达。该方法可以对地铁施工过程产生的杂乱信息进行有效整合，规范数据。 （3）基于工人不安全行为概率风险评估，运用蒙特卡罗方法，构建不安全行为概率风险评估模型，进行不安全行为概率风险评估模型验证。该方法可确定不安全行为风险等级，有效确定关键的不安全行为，从而为后续找准行为干预的靶向点提供思路。 （4）基于行为改变的多理论模型，结合不安全行为改变影响因素，构建具有不安全行为特色的行为改变模型，开发量表并验证影响因素与改变机制。深入挖掘影响不安全行为改变的影响因素，明确改变机制，为确定不安全行为干预的方法和内容提供参考。 （5）基于泛场景数据、概率风险评估及改变影响因素的研究内容，构建了地铁施工工人不安全行为靶向干预模式，开展实证研究验证靶向干预效果。可以应用在地铁施工的项目中。 （6）面向国家、社会和企业的安全培训需求，围绕从业人员在工作中的行为改善，以提升安全培训为出发点，综合运用事故致因理论、案例教学法及相关学习和培训理论，采用文献研究、案例分析、理论建模、统计分析、专家研讨等手段，构建了行为追溯安全培训法，并对其实施进行了理论验证，提出了实践指导框架。该培训法在企业实践中均取得了较好的效果，可为地铁施工中工人不安全行为的干预提供新的培训手段。 （7）通过文献综述、问卷调查、人员访谈、专家研讨、现场考察、模型应用等方法，对阿舍勒铜业进行充分调研及分析研究，挖掘新疆哈巴河阿舍勒铜业股份有限公司（以下简称“阿舍勒铜业”）职业安全健康管理措施背后的安全科学理论依据，构建了层级分明、科学系统、开拓创新的阿舍勒铜业职业安全健康管理模式。该职业安全健康管理模式后续可以应用到地铁施工领域中。

合作方需能够提供地铁施工的真实场地、用于不安全行为识别和人脸识别的设备、推动科研成果转化的研究人员不少于3人、员工需接受本研究所提到的不安全行为干预手段及培训手段、认可形成的职业安全健康管理模式、不少于30万的资金支持。

可国（境）内外转让

该科技成果的转化首先将有效管控人因风险，遏制地铁施工事故发生的频率，预计使得事故次数从平均每年18起下降到5起以内，直接减少上亿的经济损失。然后开发的不安全行为识别系统可有效运用于地铁施工项目中，与提出的不安全行为靶向干预手段和行为追溯安全培训法结合，可以极大的节省企业和政府在安全培训方面的经费大概一半。

北京市自然科学基金面上项目

北京市科学技术委员会;中关村科技园区管理委员会

地铁的高速发展有效缓解了城市交通压力，创造出巨大经济和社会效益，但各类施工风险未得到有效控制，亟需采取更加科学有效的风险管控方法，而地铁施工过程中，人因风险管控是遏制事故发生最直接有效的途径。 因此，为了提升地铁施工过程中不安全行为数据利用率，深入挖掘不安全行为的发生规律，制定靶向干预措施，本研究通过分析资料梳理地铁施工场景不安全行为清单，利用深度学习算法和计算机视觉系统识别地铁施工不安全行为；基于地铁施工工人不安全行为的场景信息，对不安全行为进行多维表征和场景化表达，构建地铁施工工人不安全行为泛场景数据集；运用概率风险评估方法对不安全行为进行风险评估；基于健康行为改变的多理论模型，引入不安全行为特色，构建不安全行为改变模型并验证影响因素与改变机制；结合数据挖掘算法，明确关键风险行为，构建不安全行为靶向干预模式；围绕从业人员在工作中的行为改善，构建了行为追溯安全培训法；通过对阿舍勒铜业进行充分调研及分析研究，挖掘阿舍勒铜业职业安全健康管理措施背后的安全科学理论依据，构建职业安全健康管理模式。 最终，梳理出地铁施工建设过程中12种类型的297个不安全行为形成地铁施工工人不安全行为清单，设计出了不安全行为识别系统，具有较高的准确度；厘清了泛场景数据结构化处理过程，建立了不安全行为泛场景数据集；构建出不安全行为概率风险评估模型，确定不安全行为风险等级；成功实现健康行为改变的多理论模型在不安全行为改变的应用；明确了靶向干预流程，基于靶向干预节点制定靶向干预方案，地铁施工工人不安全行为得到显著改善；提出行为追溯安全培训法并成功应用；构建了层级分明、科学系统、开拓创新的阿舍勒铜业职业安全健康管理模式。