CN114862289A - 一种基于施工参数的安全状态确认方法和装置 - Google Patents
一种基于施工参数的安全状态确认方法和装置 Download PDFInfo
- Publication number
- CN114862289A CN114862289A CN202210789100.1A CN202210789100A CN114862289A CN 114862289 A CN114862289 A CN 114862289A CN 202210789100 A CN202210789100 A CN 202210789100A CN 114862289 A CN114862289 A CN 114862289A
- Authority
- CN
- China
- Prior art keywords
- construction
- risk
- safety
- random variables
- different
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010276 construction Methods 0.000 title claims abstract description 168
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012790 confirmation Methods 0.000 title claims abstract description 21
- 238000012163 sequencing technique Methods 0.000 claims abstract description 49
- 230000001364 causal effect Effects 0.000 claims abstract description 25
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 19
- 238000012549 training Methods 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims description 26
- 230000006399 behavior Effects 0.000 claims description 17
- 239000000463 material Substances 0.000 claims description 15
- 238000005315 distribution function Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 9
- 230000032683 aging Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 230000001681 protective effect Effects 0.000 claims description 6
- 238000011002 quantification Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于施工参数的安全状态确认方法,对项目中的不同的施工节点选择不同的的施工风险因素作为安全状态确认的随机变量;确定不同施工节点中的所述随机变量的顺序和关系,所述随机变量的顺序和关系采用卷积神经网络进行训练得到和/或者根据因果关系来确定变量的顺序和关系统计在不同施工节点处的各类事故发生的频率,构建三层风险事故因果链,根据得到的风险事故因果链分配因果链中不同节点的条件概率分布,按照事故严重程度对可能发生的风险事故和发生概率进行排序,得到第一排序数据和第二排序数据,施工人员在进入此处的施工节点时,按照所述第一排序数据和第二排序数据的顺序进行人员安全状态的确认。
Description
技术领域
本发明涉及建筑安全的技术领域,尤其涉及一种基于施工参数的安全状态确认方法和装置。
背景技术
在建筑业建设工程施工领域中,现有的项目整体安全评价方法主要是采取 以国标JGJ59-2011或者改进的同类型安全检查表为检查核心内容,辅以专家到 现场进行实地检查,人工对检查项目进行打分的方式来评价项目整体的安全 性。该评价方式存在以下问题:
1、现有基于改进的国标JGJ59-2011而制定的检查内容,缺乏从安全系统 科学的角度去概括和分类,仅单纯的从危险源本身去划定评分子项,不但科学 上不够严谨,而且并不能完整地反映施工现场的安全状况。
2、现有检查内容的子项权重、子项分值范围的编制,均都是通过一定数 量的专家论证形成的,其受制于专家数量、专家能力水平、专家从业经验等条 件,专项检查表的评分质量和科学性难有统一的标准,无法避免人为主观干预 打分。
3、现有评价方法的打分方式过度依赖于个人主观判断,缺乏客观的约束 标准。在打分上具有很大的人为感情因素,同时受打分者能力、经验、经历等 个人因素影响较大,不同打分小组之间的评判标准也不尽相同,因此,该方式 不具有相对准确性,该方式下的安全评价结果可参考性较弱。
而例如现有技术CN110675013A中,公开的技术内容为一种建设工程项目施工安全性的评价方法, 确认人员评分指标,所述人员评分指标包括人员的若干工作参数;确认设备评分指标,所述设备评分指标包括设备的若干物理参数;确认人员行为评分指标,所述人员行为评分指标包括人员的若干不安全行为,所述不安全行为通过将不安全行为数据带入计划行为理论模型得到;将人员评分指标、设备评分指标和人员行为评分指标进行多层模型构建,获取人员评分指标、设备评分指标和人员行为评分指标的实际数据,将所述实际数据带入多层模型并对其结果进行Logistics回归分析,得到人员评分指标中各个工作参数的权重、设备评分指标中各个物理参数的权重和人员行为评分指标中各个不安全行为的权重。
然而,上述安全性评估方法仅仅考虑人员的安全参数以及设备的评分参数,通过采用行为理论模型的计算方法进行施工的安全性评估,对突发的意外情况、不同施工节点的安全性判断没有办法做到考虑和区分。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明公开一种基于施工参数的安全状态确认方法,所述安全状态确认方法包括如下步骤:
步骤1,在各个施工节点的入口处设置施工风险显示装置,对项目中的不同的施工节点选择不同的的施工风险因素作为安全状态确认的随机变量;
步骤2,确定不同施工节点中的所述随机变量的顺序和关系,所述随机变量的顺序和关系采用卷积神经网络进行训练得到和/或者根据因果关系来确定变量的顺序和关系;
步骤3,统计在不同施工节点处的各类事故发生的频率,构建三层风险事故因果链,通过建筑施工作业危害分析法对具体施工任务结合施工环境进行分析获取的人、物及环境的危险源因素;第二层表示一般风险概率事故第三层代表严重风险概率事件,将生成的所述三层风险事故因果链在所述施工风险显示装置进行显示,提醒施工人员发生风险的事故的因果性和或然性;
步骤4,根据所述步骤3得到的风险事故因果链分配因果链中不同节点的条件概率分布,按照事故严重程度对可能发生的风险事故进行排序,得到第一排序数据,再按照该处施工的风险事故的发生概率进行排序,得到第二排序数据,通过在所述施工风险显示装置上显示所述施工节点的的第一排序数据和第二排序数据,施工人员在进入此处的施工节点时,按照所述第一排序数据和第二排序数据的顺序进行人员安全状态的确认。
更进一步地,所述随机变量包括环境类危险源、材料设备类危险源以及作业人员危险源。
更进一步地,所述步骤2进一步包括:
步骤201,提前在不同施工节点布设传感器采集装置,所述传感器采集装置用于获取在所述施工节点处历史采集的数据信息;
步骤202,构建卷积神经网络模型,所述卷积神经网络模型包括感知层、全连接层、下采样层、卷积层及输出层,由感知层根据采集的施工节点的历史数据信息,全连接层、下采样层和卷积层作为施工安全行为度量的运算单元进行环境类危险源、材料设备类危险源以及作业人员危险源的风险度量,其中,所述风险度量包括风险程度及风险的发生概率;
步骤203,根据风险度量结果输出不同的随机变量的顺序和关系,其中所述随机变量的顺序和关系为以条件概率评估的风险程度。
更进一步地,当选择两种方式确定所述随机变量的顺序和关系时,对不同的确定结果进行权重的分配,通过加权平均的方式确定最终的排序和关系结果,所述随机变量的分布为采用对问卷调查法对不同的随机变量的风险进行的量化。
更进一步地,对各个施工节点的安全防护设备建立安全时效模型,所述安全防护设备包括安全帽、吊装设备、脚手架和防护栏,首先确定安全防护设备的种类,收集和整理对应的所述安全防护设备的可能失效特征量的数据;然后针对不同种类的安全防护设备选择对应的分布函数来拟合该施工节点的工程施工期间内的某一时刻失效特征量的数据分布,再根据可能失效特征量分布函数确定在每一个测量时间点t上的潜在风险参数向量的预估值,最后在根据回归方法,利用所述潜在风险参数向量的预估值确定参数向量在该施工节点的施工周期内的随时间变化的函数,确定所述安全防护设备的可能失效特征量的分布情况。
更进一步地,不将得到的安全防护设备的可能失效特征量的分布情况通过所述的施工风险显示装置进行显示以告知施工人员。
更进一步地,将得到的安全防护设备的可能失效特征量的分布情况通过内部网络发送至安全管理负责人员的终端设备中。
本发明还公开了一种基于施工参数的安全状态确认装置,所述装置包括:在各个施工节点的入口处设置施工风险显示装置,对项目中的不同的施工节点选择不同的的施工风险因素作为安全状态确认的随机变量,所述随机变量包括环境类危险源、材料设备类危险源以及作业人员危险源;确定不同施工节点中的所述随机变量的顺序和关系,所述随机变量的顺序和关系采用卷积神经网络进行训练得到和/或者根据因果关系来确定变量的顺序和关系,其中,提前在不同施工节点布设传感器采集装置,所述传感器采集装置用于获取在所述施工节点处历史采集的数据信息,构建卷积神经网络模型,所述卷积神经网络模型包括感知层、全连接层、下采样层、卷积层及输出层,由感知层根据采集的施工节点的历史数据信息,全连接层、下采样层和卷积层作为施工安全行为度量的运算单元进行环境类危险源、材料设备类危险源以及作业人员危险源的风险度量,其中,所述风险度量包括风险程度及风险的发生概率,根据风险度量结果输出不同的随机变量的顺序和关系,其中所述随机变量的顺序和关系为以条件概率评估的风险程度;当选择两种方式确定所述随机变量的顺序和关系时,对不同的确定结果进行权重的分配,通过加权平均的方式确定最终的排序和关系结果,所述随机变量的分布为采用对问卷调查法对不同的随机变量的风险进行的量化;统计在不同施工节点处的各类事故发生的频率,构建三层风险事故因果链,通过建筑施工作业危害分析法对具体施工任务结合施工环境进行分析获取的人、物及环境的危险源因素;第二层表示一般风险概率事故第三层代表严重风险概率事件;根据得到的风险事故因果链分配因果链中不同节点的条件概率分布,按照事故严重程度对可能发生的风险事故进行排序,得到第一排序数据,再按照该处施工的风险事故的发生概率进行排序,得到第二排序数据,通过在所述施工风险显示装置上显示所述施工节点的的第一排序数据和第二排序数据,施工人员在进入此处的施工节点时,按照所述第一排序数据和第二排序数据的顺序进行人员安全状态的确认,对各个施工节点的安全防护设备建立安全时效模型,所述安全防护设备包括安全帽、吊装设备、脚手架和防护栏,首先确定安全防护设备的种类,收集和整理对应的所述安全防护设备的可能失效特征量的数据;然后针对不同种类的安全防护设备选择对应的分布函数来拟合该施工节点的工程施工期间内的某一时刻失效特征量的数据分布,再根据可能失效特征量分布函数确定在每一个测量时间点t上的潜在风险参数向量的预估值,最后在根据回归方法,利用所述潜在风险参数向量的预估值确定参数向量在该施工节点的施工周期内的随时间变化的函数,确定所述安全防护设备的可能失效特征量的分布情况。
更进一步地本发明公开了一种电子系统,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行如上所述的任意一项中的方法的步骤。
更进一步地本发明公开了一种计算机可读存储介质,所述计算机可读存储介质中包括实时风险控制程序,该实时风险控制程序被处理器执行时实现如上所述的任意一项所述的方法的步骤。
本发明与现有技术相比,本发明的有益效果是:①在一个工程项目中包括多个施工节点,每个施工节点的安全注意的安全点是不一样的,本发明对不同的施工节点分别选择安全随机变量进行评估;②通过在施工现场的入口设置显示装置,例如显示器进行施工风险的展示,通过展示两个序列,告知施工人员可能发生的风险包括哪些,和可能发生的概率都有多大,让施工人员对高风险和/或高危害的风险事件进行预防;③本发明更是考虑了对于安全防护设备的故障导致的安全风险,对施工周期内的安全设备设置设备老化的模型,并将模拟结果产生的风险可能告知管理者而不告知施工人员,因为施工人员并不能解决上述问题还可能造成不必要的恐慌。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制,而是将重点放在示出实施例的原理上。在图中,在不同的视图中,相同的附图标记指定对应的部分。
图1是本发明的一种基于施工参数的安全状态确认方法的流程图。
具体实施方式
下面将结合附图及实施例对本发明的技术方案进行更详细的说明。
现在将参考附图描述实现本发明各个实施例的移动终端。在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身并没有特定的意义。因此,"模块"与"部件"可以混合地使用。
移动终端可以以各种形式来实施。例如,本发明中描述的终端可以包括诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。下面,假设终端是移动终端。然而,本领域技术人员将理解的是,除了特别用于移动目的的元件之外,根据本发明的实施方式的构造也能够应用于固定类型的终端。
如图1所示的 一种基于施工参数的安全状态确认方法,所述安全状态确认方法包括如下步骤:
步骤1,在各个施工节点的入口处设置施工风险显示装置,对项目中的不同的施工节点选择不同的的施工风险因素作为安全状态确认的随机变量;
步骤2,确定不同施工节点中的所述随机变量的顺序和关系,所述随机变量的顺序和关系采用卷积神经网络进行训练得到和/或者根据因果关系来确定变量的顺序和关系;
步骤3,统计在不同施工节点处的各类事故发生的频率,构建三层风险事故因果链,通过建筑施工作业危害分析法对具体施工任务结合施工环境进行分析获取的人、物及环境的危险源因素;第二层表示一般风险概率事故第三层代表严重风险概率事件,将生成的所述三层风险事故因果链在所述施工风险显示装置进行显示,提醒施工人员发生风险的事故的因果性和或然性;
步骤4,根据所述步骤3得到的风险事故因果链分配因果链中不同节点的条件概率分布,按照事故严重程度对可能发生的风险事故进行排序,得到第一排序数据,再按照该处施工的风险事故的发生概率进行排序,得到第二排序数据,通过在所述施工风险显示装置上显示所述施工节点的的第一排序数据和第二排序数据,施工人员在进入此处的施工节点时,按照所述第一排序数据和第二排序数据的顺序进行人员安全状态的确认。
更进一步地,所述随机变量包括环境类危险源、材料设备类危险源以及作业人员危险源。
更进一步地,所述步骤2进一步包括:
步骤201,提前在不同施工节点布设传感器采集装置,所述传感器采集装置用于获取在所述施工节点处历史采集的数据信息;
步骤202,构建卷积神经网络模型,所述卷积神经网络模型包括感知层、全连接层、下采样层、卷积层及输出层,由感知层根据采集的施工节点的历史数据信息,全连接层、下采样层和卷积层作为施工安全行为度量的运算单元进行环境类危险源、材料设备类危险源以及作业人员危险源的风险度量,其中,所述风险度量包括风险程度及风险的发生概率;
步骤203,根据风险度量结果输出不同的随机变量的顺序和关系,其中所述随机变量的顺序和关系为以条件概率评估的风险程度。
更进一步地,当选择两种方式确定所述随机变量的顺序和关系时,对不同的确定结果进行权重的分配,通过加权平均的方式确定最终的排序和关系结果,所述随机变量的分布为采用对问卷调查法对不同的随机变量的风险进行的量化。
更进一步地,对各个施工节点的安全防护设备建立安全时效模型,所述安全防护设备包括安全帽、吊装设备、脚手架和防护栏,首先确定安全防护设备的种类,收集和整理对应的所述安全防护设备的可能失效特征量的数据;然后针对不同种类的安全防护设备选择对应的分布函数来拟合该施工节点的工程施工期间内的某一时刻失效特征量的数据分布,再根据可能失效特征量分布函数确定在每一个测量时间点t上的潜在风险参数向量的预估值,最后在根据回归方法,利用所述潜在风险参数向量的预估值确定参数向量在该施工节点的施工周期内的随时间变化的函数,确定所述安全防护设备的可能失效特征量的分布情况。
更进一步地,不将得到的安全防护设备的可能失效特征量的分布情况通过所述的施工风险显示装置进行显示以告知施工人员。
更进一步地,将得到的安全防护设备的可能失效特征量的分布情况通过内部网络发送至安全管理负责人员的终端设备中。
本发明还公开了一种基于施工参数的安全状态确认装置,所述装置包括:在各个施工节点的入口处设置施工风险显示装置,对项目中的不同的施工节点选择不同的的施工风险因素作为安全状态确认的随机变量,所述随机变量包括环境类危险源、材料设备类危险源以及作业人员危险源;确定不同施工节点中的所述随机变量的顺序和关系,所述随机变量的顺序和关系采用卷积神经网络进行训练得到和/或者根据因果关系来确定变量的顺序和关系,其中,提前在不同施工节点布设传感器采集装置,所述传感器采集装置用于获取在所述施工节点处历史采集的数据信息,构建卷积神经网络模型,所述卷积神经网络模型包括感知层、全连接层、下采样层、卷积层及输出层,由感知层根据采集的施工节点的历史数据信息,全连接层、下采样层和卷积层作为施工安全行为度量的运算单元进行环境类危险源、材料设备类危险源以及作业人员危险源的风险度量,其中,所述风险度量包括风险程度及风险的发生概率,根据风险度量结果输出不同的随机变量的顺序和关系,其中所述随机变量的顺序和关系为以条件概率评估的风险程度;当选择两种方式确定所述随机变量的顺序和关系时,对不同的确定结果进行权重的分配,通过加权平均的方式确定最终的排序和关系结果,所述随机变量的分布为采用对问卷调查法对不同的随机变量的风险进行的量化;统计在不同施工节点处的各类事故发生的频率,构建三层风险事故因果链,通过建筑施工作业危害分析法对具体施工任务结合施工环境进行分析获取的人、物及环境的危险源因素;第二层表示一般风险概率事故第三层代表严重风险概率事件;根据得到的风险事故因果链分配因果链中不同节点的条件概率分布,按照事故严重程度对可能发生的风险事故进行排序,得到第一排序数据,再按照该处施工的风险事故的发生概率进行排序,得到第二排序数据,通过在所述施工风险显示装置上显示所述施工节点的的第一排序数据和第二排序数据,施工人员在进入此处的施工节点时,按照所述第一排序数据和第二排序数据的顺序进行人员安全状态的确认,对各个施工节点的安全防护设备建立安全时效模型,所述安全防护设备包括安全帽、吊装设备、脚手架和防护栏,首先确定安全防护设备的种类,收集和整理对应的所述安全防护设备的可能失效特征量的数据;然后针对不同种类的安全防护设备选择对应的分布函数来拟合该施工节点的工程施工期间内的某一时刻失效特征量的数据分布,再根据可能失效特征量分布函数确定在每一个测量时间点t上的潜在风险参数向量的预估值,最后在根据回归方法,利用所述潜在风险参数向量的预估值确定参数向量在该施工节点的施工周期内的随时间变化的函数,确定所述安全防护设备的可能失效特征量的分布情况。
更进一步地本发明公开了一种电子系统,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行如上所述的任意一项中的方法的步骤。
更进一步地本发明公开了一种计算机可读存储介质,所述计算机可读存储介质中包括实时风险控制程序,该实时风险控制程序被处理器执行时实现如上所述的任意一项所述的方法的步骤。
在本实施例中,为了方便理解,对施工节点和事故发生的顺序和关系有更具体的认识,以高空施工作为例子,事故发生的因果顺序可以是:临边踩空的一般事故的可能性节点将选取未風戴安全带或其故障、在无防护的临边工作以及边工作边向后退。临边滑落的一般事故可能性节点将选取未戴安全带或其故障、在无防护的临边工作、被材料工具或构件等绊倒以及踩到湿滑面板或材料,洞口踩空滑落的一般事故可能性节点将选取未佩戴安全带或其故障、在无防护的洞口边缘工作、边工作边向后退以及及踩到湿滑的面板或材料。而从覆盖面坠落的一般事故可能性节点将选取未化戴安全带或其故障、在无防护的覆盖面周围工作、踏上非承重覆盖和边工作边向后退。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
虽然上面已经参考各种实施例描述了本发明,但是应当理解,在不脱离本发明的范围的情况下,可以进行许多改变和修改。因此,其旨在上述详细描述被认为是例示性的而非限制性的,并且应当理解,以下权利要求(包括所有等同物)旨在限定本发明的精神和范围。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (10)
1.一种基于施工参数的安全状态确认方法,其特征在于,所述安全状态确认方法包括如下步骤:
步骤1,在各个施工节点的入口处设置施工风险显示装置,对项目中的不同的施工节点选择不同的施工风险因素作为安全状态确认的随机变量;
步骤2,确定不同施工节点中的所述随机变量的顺序和关系,所述随机变量的顺序和关系采用卷积神经网络进行训练得到和/或者根据因果关系来确定变量的顺序和关系;
步骤3,统计在不同施工节点处的各类事故发生的频率,构建三层风险事故因果链,通过建筑施工作业危害分析法对具体施工任务结合施工环境进行分析获取的人、物及环境的危险源因素;第二层表示一般风险概率事故第三层代表严重风险概率事件,将生成的所述三层风险事故因果链在所述施工风险显示装置进行显示,提醒施工人员发生风险的事故的因果性和或然性;
步骤4,根据所述步骤3得到的风险事故因果链分配因果链中不同节点的条件概率分布,按照事故严重程度对可能发生的风险事故进行排序,得到第一排序数据,再按照该处施工的风险事故的发生概率进行排序,得到第二排序数据,通过在所述施工风险显示装置上显示所述施工节点的第一排序数据和第二排序数据,施工人员在进入此处的施工节点时,按照所述第一排序数据和第二排序数据的顺序进行人员安全状态的确认。
2.如权利要求1所述的一种基于施工参数的安全状态确认方法,其特征在于,所述随机变量包括环境类危险源、材料设备类危险源以及作业人员危险源。
3.如权利要求1所述的一种基于施工参数的安全状态确认方法,其特征在于,所述步骤2进一步包括:
步骤201,提前在不同施工节点布设传感器采集装置,所述传感器采集装置用于获取在所述施工节点处历史采集的数据信息;
步骤202,构建卷积神经网络模型,所述卷积神经网络模型包括感知层、全连接层、下采样层、卷积层及输出层,由感知层根据采集的施工节点的历史数据信息,全连接层、下采样层和卷积层作为施工安全行为度量的运算单元进行环境类危险源、材料设备类危险源以及作业人员危险源的风险度量,其中,所述风险度量包括风险程度及风险的发生概率;
步骤203,根据风险度量结果输出不同的随机变量的顺序和关系,其中所述随机变量的顺序和关系为以条件概率评估的风险程度。
4.如权利要求3所述的一种基于施工参数的安全状态确认方法,其特征在于,当选择两种方式确定所述随机变量的顺序和关系时,对不同的确定结果进行权重的分配,通过加权平均的方式确定最终的排序和关系结果,所述随机变量的分布为采用对问卷调查法对不同的随机变量的风险进行的量化。
5.如权利要求1所述的一种基于施工参数的安全状态确认方法,其特征在于,对各个施工节点的安全防护设备建立安全时效模型,所述安全防护设备包括安全帽、吊装设备、脚手架和防护栏,首先确定安全防护设备的种类,收集和整理对应的所述安全防护设备的可能失效特征量的数据;然后针对不同种类的安全防护设备选择对应的分布函数来拟合该施工节点的工程施工期间内的某一时刻失效特征量的数据分布,再根据可能失效特征量分布函数确定在每一个测量时间点t上的潜在风险参数向量的预估值,最后在根据回归方法,利用所述潜在风险参数向量的预估值确定参数向量在该施工节点的施工周期内的随时间变化的函数,确定所述安全防护设备的可能失效特征量的分布情况。
6.如权利要求5所述的一种基于施工参数的安全状态确认方法,其特征在于,不将得到的安全防护设备的可能失效特征量的分布情况通过所述的施工风险显示装置进行显示以告知施工人员。
7.如权利要求6所述的一种基于施工参数的安全状态确认方法,其特征在于,将得到的安全防护设备的可能失效特征量的分布情况通过内部网络发送至安全管理负责人员的终端设备中。
8.一种基于施工参数的安全状态确认装置,其特征在于,所述装置包括:在各个施工节点的入口处设置施工风险显示装置,对项目中的不同的施工节点选择不同的施工风险因素作为安全状态确认的随机变量,所述随机变量包括环境类危险源、材料设备类危险源以及作业人员危险源;确定不同施工节点中的所述随机变量的顺序和关系,所述随机变量的顺序和关系采用卷积神经网络进行训练得到和/或者根据因果关系来确定变量的顺序和关系,其中,提前在不同施工节点布设传感器采集装置,所述传感器采集装置用于获取在所述施工节点处历史采集的数据信息,构建卷积神经网络模型,所述卷积神经网络模型包括感知层、全连接层、下采样层、卷积层及输出层,由感知层根据采集的施工节点的历史数据信息,全连接层、下采样层和卷积层作为施工安全行为度量的运算单元进行环境类危险源、材料设备类危险源以及作业人员危险源的风险度量,其中,所述风险度量包括风险程度及风险的发生概率,根据风险度量结果输出不同的随机变量的顺序和关系,其中所述随机变量的顺序和关系为以条件概率评估的风险程度;当选择两种方式确定所述随机变量的顺序和关系时,对不同的确定结果进行权重的分配,通过加权平均的方式确定最终的排序和关系结果,所述随机变量的分布为采用对问卷调查法对不同的随机变量的风险进行的量化;统计在不同施工节点处的各类事故发生的频率,构建三层风险事故因果链,通过建筑施工作业危害分析法对具体施工任务结合施工环境进行分析获取的人、物及环境的危险源因素;第二层表示一般风险概率事故第三层代表严重风险概率事件;根据得到的风险事故因果链分配因果链中不同节点的条件概率分布,按照事故严重程度对可能发生的风险事故进行排序,得到第一排序数据,再按照该处施工的风险事故的发生概率进行排序,得到第二排序数据,通过在所述施工风险显示装置上显示所述施工节点的第一排序数据和第二排序数据,施工人员在进入此处的施工节点时,按照所述第一排序数据和第二排序数据的顺序进行人员安全状态的确认,对各个施工节点的安全防护设备建立安全时效模型,所述安全防护设备包括安全帽、吊装设备、脚手架和防护栏,首先确定安全防护设备的种类,收集和整理对应的所述安全防护设备的可能失效特征量的数据;然后针对不同种类的安全防护设备选择对应的分布函数来拟合该施工节点的工程施工期间内的某一时刻失效特征量的数据分布,再根据可能失效特征量分布函数确定在每一个测量时间点上的潜在风险参数向量的预估值,最后在根据回归方法,利用所述潜在风险参数向量的预估值确定参数向量在该施工节点的施工周期内的随时间变化的函数,确定所述安全防护设备的可能失效特征量的分布情况。
9.一种电子系统,其特征在于,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行如权利要求1至7中任意一项中的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括实时风险控制程序,该实时风险控制程序被处理器执行时实现如权利要求1至7中任意一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210789100.1A CN114862289B (zh) | 2022-07-06 | 2022-07-06 | 一种基于施工参数的安全状态确认方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210789100.1A CN114862289B (zh) | 2022-07-06 | 2022-07-06 | 一种基于施工参数的安全状态确认方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114862289A true CN114862289A (zh) | 2022-08-05 |
CN114862289B CN114862289B (zh) | 2022-12-06 |
Family
ID=82626177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210789100.1A Active CN114862289B (zh) | 2022-07-06 | 2022-07-06 | 一种基于施工参数的安全状态确认方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114862289B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115376072A (zh) * | 2022-10-21 | 2022-11-22 | 安徽博诺思信息科技有限公司 | 一种变电站施工现场作业安全监控方法 |
CN115730815A (zh) * | 2022-10-10 | 2023-03-03 | 江苏安胜达安全科技有限公司 | 基于物联感知的工业生产安全风险预警系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999695A (zh) * | 2012-10-31 | 2013-03-27 | 华中科技大学 | 一种地铁施工安全风险识别与评价系统及其工作方法 |
US20200175439A1 (en) * | 2018-10-31 | 2020-06-04 | X-Act Science, Inc. | Predictive Risk Assessment In Multi-System Modeling |
CN111882202A (zh) * | 2020-07-24 | 2020-11-03 | 武汉建工集团股份有限公司 | 一种基于bp神经网络的群体建筑同步建造风险管理系统 |
-
2022
- 2022-07-06 CN CN202210789100.1A patent/CN114862289B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999695A (zh) * | 2012-10-31 | 2013-03-27 | 华中科技大学 | 一种地铁施工安全风险识别与评价系统及其工作方法 |
US20200175439A1 (en) * | 2018-10-31 | 2020-06-04 | X-Act Science, Inc. | Predictive Risk Assessment In Multi-System Modeling |
CN111882202A (zh) * | 2020-07-24 | 2020-11-03 | 武汉建工集团股份有限公司 | 一种基于bp神经网络的群体建筑同步建造风险管理系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115730815A (zh) * | 2022-10-10 | 2023-03-03 | 江苏安胜达安全科技有限公司 | 基于物联感知的工业生产安全风险预警系统及方法 |
CN115376072A (zh) * | 2022-10-21 | 2022-11-22 | 安徽博诺思信息科技有限公司 | 一种变电站施工现场作业安全监控方法 |
CN115376072B (zh) * | 2022-10-21 | 2023-01-06 | 安徽博诺思信息科技有限公司 | 一种变电站施工现场作业安全监控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114862289B (zh) | 2022-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114862289B (zh) | 一种基于施工参数的安全状态确认方法和装置 | |
Feng et al. | Exploring the interactive effects of safety investments, safety culture and project hazard on safety performance: An empirical analysis | |
Vigneshkumar et al. | A scientometric analysis and review of fall from height research in construction | |
Nguyen et al. | Predicting safety risk of working at heights using Bayesian networks | |
Chen et al. | New model for occupational health and safety risk assessment based on Fermatean fuzzy linguistic sets and CoCoSo approach | |
Fass et al. | Understanding causes of fall and struck-by incidents: What differentiates construction safety in the Arabian Gulf region? | |
Zhao et al. | Control measures of electrical hazards: An analysis of construction industry | |
CN112580995A (zh) | 施工安全大数据监督系统与安全风险动态评估方法 | |
Villanova | Attribute-based risk model for assessing risk to industrial construction tasks | |
CN114282839A (zh) | 一种山地高速公路施工安全风险管理系统 | |
Chen et al. | Measuring the perception of safety among Taiwan construction managers | |
Zermane et al. | Analysis of the Contributing Factors for Fatal Accidents due to Falls from Heights in Malaysia and the USA | |
Oliveira et al. | Fatal fall-from-height accidents: Statistical treatment using the Human Factors Analysis and Classification System–HFACS | |
KR102527923B1 (ko) | 해수욕장 위험성 평가방법 | |
Soltanzadeh et al. | Construction accident data mining: A retrospective study using structural equation modeling based on 10-year data | |
CN113191685A (zh) | 施工现场安全综合评测系统 | |
Alizadeh et al. | Building a model using Bayesian network for assessment of posterior probabilities of falling from height at workplaces | |
Mohammadian et al. | Modeling important factors on occupational accident severity factor in the construction industry using a combination of artificial neural network and genetic algorithm | |
Ajith et al. | Safety and hazards management in construction sites–A review | |
Vigneshkumar et al. | Science Mapping to Visualize the Factors Influencing Workers’ Fall from Height in Construction Projects | |
KR102643654B1 (ko) | 인공지능을 기반으로 한 건설 현장 안전 재해 예측 방법 및 시스템 | |
Koo et al. | A systematic approach towards accident analysis and prevention | |
CN111178666A (zh) | 一种基于脆弱性的电力系统应急策略生成方法及装置 | |
CN115345465B (zh) | 一种基于基层治理事件的多色层级管理方法及系统 | |
Sabouri et al. | Evaluation of safety performance indicators for construction projects: A review study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |