基于内容的地铁施工工人个性化行为安全培训

郭聖煜，骆汉宾，孔刘林，蒋晓燕，熊超华

(华中科技大学工程管理研究所，湖北武汉 430074）

基于内容的地铁施工工人个性化行为安全培训

郭聖煜，骆汉宾，孔刘林，蒋晓燕，熊超华

(华中科技大学工程管理研究所，湖北武汉 430074）

为了改善地铁施工工人行为安全培训的效果，利用基于内容的个性化推荐技术，研究培训内容个性化推送机制，首先，分别找出不安全行为类型与工人的工种岗位、现场施工阶段与工人施工任务、培训测试内容难度系数与工人成绩的对应关系，然后，通过基于内容的相似度算法，匹配符合工人特点的培训内容。以此为基础设计地铁施工工人个性化行为安全培训系统，该系统在手机APP端，通过智能分析针对不同工人的特点开展培训。选择武汉地铁某车站施工工地进行应用，通过满意度调查问卷和培训班组平均成绩分析说明该系统的有效性，结果表明，针对地铁施工工人的个性化行为安全培训能改善以往培训效果，帮助工人更好地学习不安全行为知识；但是仍需改进，其持续有效性也有待进一步验证。

地铁施工；不安全行为；安全培训；个性化推送；相似度算法

进入21世纪以来，随着城市化进程的逐步加速，我国城市轨道交通建设迎来黄金发展期。截至2014年6月，国家批复包括北京、上海等36个城市的轨道交通建设规划，目前在建项目总里程约3100 km，预计至2020年规划总里程将超过8500 km［1］。以武汉市来说，地铁建设正在经历快速发展时期，政府提出了“一年一条线投入运营”的口号，仅目前而言，共有八条线在同时建设中。不容忽视的是，在中国地铁快速建设的同时，安全事故时有发生，而工人的不安全行为是导致安全事故发生的重要因素，Heindrich在研究了近75000例事故后发现，88%的事故是由人的不安全行为引起的［2］，Lingard等同样强调80%～90%的安全事故都是由人的不安全行为引起的［3］，笔者通过统计2008～2014年中国地铁施工过程中公布的1731例安全事故发现，80%以上的一般事故(死亡3人以下，重伤10人以下，直接经济损失1000万以下)都与工人的不安全行为直接相关，在地铁建设快速发展的背景下，一线施工工人的工程经验往往不足，这是导致不安全行为的重要原因之一。工人行为安全培训，是通过让工人学习安全知识的方式，控制工人的不安全行为。因此，研究有效的行为安全培训方式对提高地铁施工安全管理水平，降低事故率具有重要意义。

当前的安全培训存在某些问题，欧阳学金等认为安全培训面临着内容枯燥，针对性差、安全培训形式单一，互动性差等问题［4］，李玉等同样指出安全培训内容针对性不强［5］，李岩认为目前开展授课式的培训形式在多方面存在着障碍，有两方面的问题比较突出：(1)由于一线工人文化水平较低，对文本化的培训材料往往难以吸收，培训材料需要多样化、图形化的表现形式；(2)培训开展的方式多采用课堂集中教学，存在工人学习枯燥的问题［6］。近些年有研究探讨安全培训的形式创新，利用计算机、信息技术等辅助，改善了培训效果，Wallen等发现使用多媒体或者图片等的计算机辅助手段进行安全培训，对年轻工人和年纪较大的工人效果都比较好［7］，徐晟等提出基于图示语言的地铁施工行为安全培训系统［8］，通过从现场照片中提取工人的不安全行为，生成更加贴近工人现场实际情况的培训素材，但是仍然缺乏针对不同工人特点的个性化安全培训，地铁施工工人包括钢筋工、架子工等，不同工种工人因工作年限、施工任务等不同，在不同施工阶段可能表现出的不安全行为是不同的，因此针对工人的行为安全培训应强调“个性化”。近些年在各行各业，已有许多关于个性化推荐的研究，主要是通过研究用户特点，分析用户行为，精准推荐用户感兴趣的产品或信息，个性化推荐技术包括基于内容的推荐、基于用户(物品)协同过滤推荐和基于关联规则推荐等。同样，通过个性化推荐技术，能从大量的行为安全培训素材中找出更加符合工人所需的内容，提高地铁施工工人行为安全培训效果。

因此，文中提出地铁施工工人个性化行为安全培训，利用基于内容的个性化推荐技术，针对不同工人的特点精准推送培训内容，并开发个性化行为安全培训系统，提高地铁施工行为安全管理水平。

1 地铁施工工人行为安全培训内容个性化推送机制

基于内容的推荐(content-based recommendation)［9，10］是推荐系统中的一项重要方法，该方法最初源于信息获取领域，是信息检索领域和信息过滤领域的重要研宄内容。相对于传统的信息检索，基于内容的推荐添加了用户兴趣爱好描述文件(用户兴趣爱好模型)，它的基本思想就是利用信息内容(文本文档)与用户兴趣爱好的相似性来过滤信息，而不需要依赖用户对项目的评价意见。基于内容的推荐一般包含以下三步：(1)从信息源中抽取能有效表达各类信息的特征数据； (2)收集用户特征数据，生成用户概要信息；(3)通过学习用户概要信息，匹配信息源中的特征数据，为用户推荐一组相关性最大的信息。

文中针对地铁施工工人行为安全培训，培训内容来源于从施工现场日常安全巡视、安全检查等过程拍摄的反映工人不安全行为的照片，利用这些带有语义信息的照片，生成形象直观的培训测试题，培训对象是地铁施工工人，基于内容的地铁施工工人个性化行为安全培训流程如图1所示。首先通过内容分析器，从培训内容包含的语义信息中抽取特征信息，包括不安全行为类型、不安全行为对应的现场施工阶段，以及测试题的难度系数；然后收集工人的各项属性信息，包括工种岗位、阶段施工任务，以及工人在系统培训过程中收集的信息，包括安全水平测试成绩及培训测试成绩，这些反馈信息通过文件学习器，提取工人的特征信息；最后，建立培训内容与工人特征信息的对应关系，利用基于内容的相似度算法过滤，为工人推荐一组相关性最大的行为安全培训内容。

图1 基于内容的地铁施工工人个性化行为安全培训流程

1.1 不安全行为类型与工人的工种岗位对应规则

首先，从安全标准，操作规程，事故案例和专家经验四个方面整理地铁施工工人常见的不安全行为。我国地铁施工必须遵守各项法律、法规和规范标准，本文主要以我国制定的《地铁工程施工安全评价标准》［11］和《城市轨道交通工程质量安全检查要点》［12］为参考，整理部分工人不安全行为，另外，本研究收集了2008～2013年中国地铁施工过程中1731个事故案例，从中提取不安全行为，除此之外还收集了沈阳、武汉、郑州、深圳等城市近100个工点的现场安全管理资料，日常安全检查资料等，最终共筛选出17种不同类型共计522条不安全行为，17种不同类型包括文明施工(01)、消防(02)、脚手架(03)、基坑支护(04)、模板工程(05)、盾构法隧道施工(06)、矿山法隧道施工(07)、安全防护(08)、塔吊(09)、龙门吊(10)、物料提升机(11)、起重吊装(12)、施工机具(13)、隧道轨行区(14)、人工挖孔桩(15)、爆破(16)和施工用电(17)，统一编号形成工人不安全行为列表，对应采集反映工人不安全行为的照片。

然后，定义地铁施工工人的属性信息(工种岗位)。传统建筑业八大工种包括木工、钢筋工、抹灰工、砌筑工、混凝土工、架子工、油漆工和防水工，各类建筑机械工种岗位包括起重机驾驶员、挖掘机驾驶员、推土机驾驶员、建筑起重司索信号工等，结合地铁施工的特点，将地铁施工工人分成钢筋工、架子工、模板工、电工、起重司机和司索工等，并明确每类工种岗位的定义，如司索工指从事吊具捆绑挂钩等地面工作的工人，而非起重机驾驶员或指挥人员，这样工人在进行培训前能选择自己对应的工种岗位。

最后，将不安全行为类型与工人的工种岗位进行对应，某些类型的不安全行为例如脚手架、模板工程等，对应特定的架子工、模板工等专业工种，某些类型的不安全行为会对应多个工种岗位，如起重吊装类不安全行为可能涉及起重司机、司索工和信号工等，还有一些类型的不安全行为对应所有的工种岗位，只要在地铁施工现场的工人都可能发生，如文明施工类不安全行为“工人未佩戴安全帽进入施工现场”等，部分不安全行为与地铁施工工人的工种岗位之间的对应关系如表1所示。

表1 部分不安全行为与地铁施工工人的工种岗位对应关系

1.2 现场施工阶段与工人施工任务对应规则

根据我国各城市(北京，重庆等)城市轨道交通工程划分标准，形成地铁施工工作结构分解(Work Breakdown Structure，WBS)，按照单位工程、子单位工程、分部工程、子分部工程和分项工程五级划分地铁施工阶段。图2为单位工程地铁车站工程的部分WBS，地铁车站工程包括明挖车站主体工程等6个子单位工程，明挖车站主体工程包括基坑围护及地基处理、防水工程和主体结构3个分部工程，基坑围护及地基处理包括基坑围护、土方工程及地基处理3个子分部工程，土方开挖包括降水及排水、土方开挖、支撑架设和土方回填4个分项工程。采集反映工人不安全行为照片时，根据采集时间确定分部分项工程类型。

图2 地铁车站工程WBS

同样，记录工人参与行为安全培训前的施工日期，集成实际施工进度数据，根据工人具体施工任务的不同分配从不同施工阶段生成的培训内容。例如某明挖车站施工，某个流水施工段上，一组参加行为矫正的挖掘机司机正在开挖第三段第一层土方，另一个流水施工段上，一组架子工正在架设第二段第一层满堂脚手架，分别对应上述的分部分项工程编码为01-01-01-02-002和01-01-01-02-003。

1.3 培训测试内容难度系数与工人成绩对应规则

培训测试的内容来源于反映工人不安全行为的照片，以对应的不安全行为作为正确选项，随机加入该类其余不安全行为作为干扰选项，生成培训测试题，难度系数根据不同题型(如包含两张图像对比类题型和仅包含一张图像判断类题型属于不同题型)、不同选项设置(包含2个，3个和4个选项)设计成3级。

工人成绩包括安全水平测试成绩和矫正内容测试成绩。矫正内容测试成绩是工人完成矫正内容测试的得分，采取百分制，安全水平测试是通过问卷的形式掌握工人的安全态度，问卷采用5级Likert量表进行评定，用1～5分分别对应于“强烈反对”、“反对”、“中立”、“赞同”和“强烈赞同”，为了避免个人对赞同程度的理解偏差，对每个问题重新设计答案，例如“我和工友们普遍认为正确遵守安全操作规范()避免意外受伤”的五个选项分别是“完全不能”、“一般不能”、“有时候可以避免，有时候不能”、“一般都可以”、“能很有效地”，确保语义清晰，措辞准确，共设计类似问题25个，以最终所有问题得分的平均分作为安全水平测试成绩。

工人成绩与培训测试内容难度系数的对应关系如图3所示，对于首次参加培训的工人，先进行安全水平测试，根据安全水平测试的得分推送不同难度系数的培训测试题，再次参加培训的工人，根据上次矫正测试的成绩推送本次对应不同难度系数的培训测试题。

图3 工人成绩与培训测试内容难度系数对应关系

1.4 基于内容的相似度算法

通过上述过程找出工人特征信息{工种岗位，施工任务，培训成绩}和培训内容特征信息{不安全行为类型，施工阶段，难度系数}的对应关系后，利用基于内容的过滤，匹配培训内容和工人信息的相似度，文中选取矢量空间模型相似度计算方法［13］。

首先，分别定义工人和培训内容的矢量，用→u代表工人，d→代表培训内容，分别表示为：

矢量的分量依次分别代表了工人和培训内容的特征信息，矢量的分量值为两者相对应的项次取1，否则取0，最终，不同工人和不同培训内容形成空间中的不同矢量，再通过计算矢量间的夹角余弦，确定不同工人的推送培训内容，工人→u和d→培训内容的相似度计算公式可表示为：

其中k为向量维数。

工人和培训内容的夹角余弦值越大，说明两者在矢量空间中夹角越小，反映出培训内容越符合工人特点。因此，对于不同类型的工人，选择计算结果最大值对应的培训内容，推送给工人学习。

2 地铁施工工人个性化行为安全培训系统

通过基于内容的培训内容个性化推荐机制，开发设计地铁施工工人个性化行为安全培训系统，为方便工人参与培训，该系统设计在手机端，通过APP推送培训测试题，该系统界面(图4)包括通知推送、用户登录、个人信息、智能分析、矫正测试以及成绩查看。

通知推送：根据工人参加培训的频率以及当前施工进度的变化，通过手机APP推送通知，提醒工人进入系统参与行为安全培训，如图4a所示。

用户登录：工人进入行为安全培训系统后，可在登录界面查看个人以往参与行为安全培训情况，以及个人历史成绩曲线、个人最近一次参与培训成绩与同工种整体平均成绩比较等，并且可点击个人信息、培训和统计，如图4b所示。

个人信息：工人点击个人信息后，可查看自己的个人基本信息(包括工作单位、所属班组、工种岗位，资格证书等)，如信息有误还可点击“更改申请”进行修改，如下图4c所示。

智能分析：智能分析功能是本系统的核心，工人点击培训后，系统根据基于内容的行为安全培训内容推送机制，利用基于内容的个性化推荐，分析工人的个人基本数据、安全水平测试数据、历史培训测试成绩等，为工人生成个性化行为安全培训内容，如图4d所示。

培训测试：智能分析完成后，系统可针对工人的特点推送培训测试题，如下图4e所示。

图4 系统界面

成绩查看：完成行为安全培训测试后，界面显示工人本次培训测试成绩，工人可选择查看错题，继续培训和查看以往培训记录，以便及时了解自己掌握安全知识的情况，如图4f所示。

3 系统应用案例

3.1 应用工地概况

选择武汉市轨道交通三号线某车站作为地铁施工工人个性化行为安全培训系统应用示范工地，该站位于主要交通干道上，里程范围为CK13 +317.0～CK13+475.6，为地下双层岛式车站，车站共设3个出入口、2个风亭，物业设有1个下沉广场和2个出入口。车站外包总长158.6 m，标准段外包总宽20.9 m，车站总建筑面积14073 m2，采用明挖法施工。

该站存在施工场地有限、交通疏解量大、管线干扰多、降水难度大等较为典型的地铁施工难点问题，工人面临更为复杂的施工环境，施工过程中风险隐患较多。另外，该站从2013年12月起，采用一种基于图示语言的安全培训系统开展安全培训活动［8］，对图示语言的表达方式有一定的认识。因此选取该站作为行为安全培训系统的应用示范工点，具有很强的代表性。

3.2 应用效果分析

为了验证该系统应用的有效性，从参加培训工人满意度和工人安全培训成绩两方面进行分析。

首先，采用满意度调查问卷，对该工地参加培训的120名工人进行调研，并要求每人通过口头表达或文字备注的方式给出反馈意见，完成满意度调查，回收有效问卷共计107份。

问卷问题涉及工人对培训系统功能体验，培训内容设计体验以及培训效果体验三个方面，反馈结果如图5所示。78%的工人对该系统功能满意，认为该系统功能实用，操作简单，界面风格简洁；40%以上的工人对该系统培训内容设计满意，45%左右的工人表示比较满意，认为该系统培训内容针对性强，表达清楚，易于接受，贴合实际现场的施工情况，但部分工人觉得趣味性仍不足；60%以上的工人认为通过该系统培训有效果，其中90%左右的工人对题目与工作的相关程度表示认可，61%的工人表示该系统培训对改善他们现场的不安全行为有显著效果。

图5 地铁施工工人个性化行为安全培训满意度调查结果分析

然后，选取该工地一组架子工(10人)、钢筋工(10人)和模板工(10人)，开展15次行为安全培训，其中前5次采用原来基于图示语言的培训系统，后10次采用该系统，每次培训10道题，每题10分，工人培训平均成绩变化曲线如图6所示，表2反映数据分析结果，通过对比3组工人两阶段平均成绩均值，使用该系统提高了架子工和模板工行为安全培训成绩，但不够显著，对于钢筋工作用不大；另外，通过对比3组工人两阶段平均成绩标准差，使用该系统明显改善了架子工和模板工的成绩波动，但对于钢筋工同样作用不大。结果显示，目前该系统有助于改善架子工和模板工的行为安全培训效果，帮助其更有效地学习不安全行为知识，对于钢筋工作用不大的原因是其不安全行为多而分散，而目前培训次数较少，短期培训难以体现效果，需要通过长期应用进一步验证有效性。

表2 地铁施工工人行为安全培训平均成绩分析结果

图6 地铁施工工人行为安全培训平均成绩变化曲线

综合来说，目前在该站应用地铁施工工人个性化行为安全培训系统，改变了过去“撒网式”安全培训难以针对工人特点的问题，且对于培训场地无要求、培训时间灵活，具有较强的可操作性和有效性，受到了工人的欢迎，但仍需要通过长期应用验证其持续有效性。

4 结语

文中利用基于内容的个性化推荐技术，分别找出培训内容特征信息{不安全行为类型，施工阶段，难度系数}和工人特征信息{工种岗位，施工任务，工人成绩}的对应关系，再通过基于内容的相似度算法匹配符合工人特点的培训内容。基于该机制开发地铁施工工人个性化行为安全培训系统，通过系统智能分析为工人推送符合自身特点的培训内容，并选取武汉地铁某车站作为该系统应用工地，经过满意度调查问卷和班组培训平均成绩分析，说明个性化推送的优点和不足。

目前研究通过基于内容的个性化推送实现针对某类工人的培训服务，而针对某个工人的个性化推送研究不足，个性化推荐技术还包括协同过滤推荐、关联规则推荐等，下一步研究将探讨结合这些技术实现更具针对性的工人个性化行为安全培训。

［1］周晓勤.当前我国城市轨道交通发展情况及需关注的几个问题［EB/OL］.［2014-07-21］.http：// rail.ally.net.cn/special/2014/0721/3438.htm l.2014.

［2］Heinrich H W，Petersen D，Roos N.Industrial Accident Prevention［M］.New York：McGraw-Hill，1950.

［3］Lingard H，Rowlinson SM.Occupational Health and Safety in Construction Project Management［M］.London：Taylor＆Francis，2005.

［4］欧阳学金.关于水电工程建设农民工安全培训问题的探讨［J］.建筑安全，2014，(12)：18-19.

［5］李玉，刘颖.建筑业农民工安全教育不足的成因及对策［J］.建筑与预算，2014，(2)：10-13.

［6］李岩.浅谈建筑施工企业农民工安全教育［J］.山西建筑，2011，37(1)：251-252.

［7］Wallen E S，Mulloy K B.Computer-based training for safety：comparing methods with older and younger workers［J］.Journal of Safety Research，2006，37(5)： 461-467.

［8］徐晟，骆汉宾.基于图示语言的工人行为安全培训系统［J］.土木工程与管理学报，2014，31(3)：51-55.

［9］BalabanoviM，Shoham Y.Fab：content-based，collaborative recommendation［J］.Communications of the ACM，1997，40(3)：66-72.

［10］Musto C，Semeraro G，Lops P，et al.E-Commerce and Web Technologies［M］.Berlin：Springer Berlin Heidelberg，2011.

［11］GB 50715-2011，地铁工程施工安全评价标准［S］.

［12］住房和城乡建设部工程质量安全监管司.城市轨道交通工程质量安全检查指南(试行)［M］.北京：中国建筑工业出版社，2012.

［13］王小君.基于内容和网络结构图的个性化推荐算法研究［D］.广州：华南师范大学，2010.

Content-based Personalized Behavior Safety Training of Metro Construction Workers

GUO Sheng-yu，LUO Han-bin，KONG Liu-lin，JIANG Xiao-yan，XIONGChao-hua
(Institute of Construction Management，Huazhong University of Science and Technology，Wuhan 430074，China)

In order to improve the safety training effect ofmetro construction workers，personalized pushingmechanism of training content is studied using content-based personalized recommendation technology.Firstly，find the corresponding relationship between the unsafe behavior type and thework position，the site construction phase and the worker’s construction tasks，the difficulty coefficient of training content and the worker’s test results.Then，through the similarity algorithm，match the training content which accord with workers’characteristic.On that basis，personalized behavior safety training system ofmetro construction workers is designed to carry on training process through the intelligent analysis with the characteristics of differentworkers.One station of Wuhan metro was chosen as a construction site application，through the satisfaction questionnaire analysis and training groups’average scores，the system’s effectiveness can be verified.The result showed that personalized behavioral safety training could improve post training effectively，help workers learn unsafe behavior knowledge better，but it still need further improvement as well as its sustainable effectiveness.

metro construction；unsafe behavior；safety training；personalized pushing；similarity algorithm

U455.1

A

2095-0985(2015)04-0053-06

2015-04-16

2015-5-28

郭聖煜(1988-)，男，湖北武汉人，博士研究生，研究方向为工程安全与风险管理(Email：gsy.yu@foxmail.com)

国家科技支撑计划(2012BAK24B05)