施工安全动态智能预警平台设计与应用

王延博，徐苍博，祁 岩

(西安丰树电子科技发展有限公司，陕西 西安 710000)

随着我国城镇化推进，建筑业成了我国重要的经济支柱，然而，由于生产方式相对落后、劳动密集，且流动性大，施工现场群死群伤的安全事故时有发生，施工安全预警平台的研究引起社会广泛关注。施工安全涉及现场人、机、料、环、法等多方面因素，目前，施工安全监管主要由监管部门定时组织专家到现场抽查，对施工现场设备、人员以及物料管理等多种情况进行打分，然后利用层次分析法得到的权重进行评价。现有的方法实现了施工安全的定量评价，然而，专家打分主观性强，现场考察信息不够完整，且随着施工推进，影响因素复杂和现场情况多变，导致专家抽查评估的方法实时性差，不能准确反映施工现场安全状况。

近年来，随着国家对建筑业信息化建设的推动，起重机械安全监控系统、劳务人员实名制管理系统、视频监控以及环境监测等系统已应用到了施工现场，实现了对施工现场信息的实时采集，并对施工现场的安全风险单点实现了监控。然而，施工安全预警是一个多因素融合、复杂、动态的问题，本文利用物联网技术构建施工安全评估平台，实现各种施工现场数据共享，在此基础上，利用大数据的规则引擎Drools 以及模糊层次分析法，实现施工安全的智能评分与动态预警，以提高评估的客观、准确性。

1 云-边-端一体化的施工安全预警平台架构

考虑到影响施工安全的影响因素种类多，施工现场获取信息的终端设备也繁多，随着物联网技术的发展与应用，本文基于物联网技术构建了云-边-端一体化施工安全预警平台架构，在保证终端设备实时接入，解决海量数据的高并发、高容错问题基础上，实现了海量数据共享。

1.1 终端

平台的终端是指布置于施工现场的各种信息采集系统，常见的监控系统如图1 所示。

图1 云-边-端一体化施工安全预警平台架构

1）施工机械运行监测系统通过安装在施工设备上的传感器检测设备的运行状态以及设备维护状态，包括：塔机安全监控系统、施工升降机安全监控系统、临边防护系统等。

2）人脸识别系统用于采集施工现场人员的脸部生物信息，包括门禁人脸识别系统以及施工机械特种人员识别系统等。

3）施工现场视频监测系统是在现场关键位置安装监控视像头，获取现场实时图像信息。

4）环境监测系统是在施工现场安装扬尘噪声监测系统、有毒有害气体监测系统等，实现对施工现场温湿度、扬尘、噪声指数以及有毒有害气体的环境信息监测。

5）安全管理系统是各种用于记录现场安全管理动作的APP 工具，如安全巡检APP、安全培训APP、安全交底APP以及现场环境管理APP等。

1.2 边端

平台的边端是布置于施工现场具有一定数据处理能力的集中处理器，能对施工现场终端采集的信息进行处理，实现施工现场的危险状态的识别，如图1 中设备管理系统、人员管理系统以及危险行为及AI 识别系统（人工智能）。

1）设备管理系统是利用嵌入式施工机械运行监测系统检测的设备运行信息对设备维保状态，驾驶员的危险行为进行检测、报警与控制。

2）人员管理系统是对施工现场人员身份、数量以及资质等进行管理。

3）危险行为及AI 识别系统是基于施工现场视频监测系统获取的施工现场图像信息，利用AI识别现场各种危险行为、危险状态，如是否佩戴安全帽，是否穿安全反光衣，以及是否有火灾、人员聚集等隐患。

1.3 云端

平台的云端是由相关的网络服务器组成，包括4 个模块：大数据存储、规则引擎智能评分、安全评价模型以及信息与预警显示。

2 施工安全评估的模糊层次分析

层次分析法（FAHP）是利用运筹学理论，为一些关系复杂、影响因素众多且缺少定量关系的综合评价以及方案决策等系统问题，提供了一种简洁、实用的分析方法。模糊评估是对一些边界不清、不易量化的事物，利用模糊数学的隶属等级进行综合评估的一种方法。综合施工现场人、机、料、法、环等方面的影响，利用模糊层次分析对施工安全风险进行评估与预警，更加方便、准确。

首先，通过现场事故案例分析，构建图2 所示的施工安全评估的层次结构模型，模型的目标层为施工现场安全；准则层为人员、机器设备、管理和环境4 个因素；指标层包括人员资质、技能与经验、检修与维护、安全管理制度执行、以及现场布置等12 个指标。

图2 施工安全评估的层次结构模型

采用模糊层次分析法计算各指标的评估权值。以建筑施工安全某目标为例，目标的下一层有m个指标为{b1，b2，…，bm}，用aij表示元素bi与bj相对于目标的重要性比例尺，根据“0.1～0.9标度”得到模糊互补矩阵A

求模糊互补矩阵A的行和矩阵Hi，以及模糊互补矩阵A的列和矩阵Lj，计算如下

计算转换矩阵Bij

计算权值

利用式（1）和式（2）可以得到指标层的权重wij（第i个准则层下的第j个指标的权重）；同理可以得到准则层的权重ki（第i个准则层的权重）；

最后，利用施工现场各指标（图2 中12 个指标）的评分Qij，以及各指标层的权重Wij得到准则层评估分值

进一步计算施工现场安全评估分值

施工现场安全评估分值越大，表明施工现场安全性越好，当评估分值低于报警阈值，系统可以发出预警，至此，完成了施工现场安全的动态评估、预警。

3 基于规则引擎Drools的智能评分

基于规则引擎的Drools 数据挖掘技术，通过调用数据，匹配规则，并按规则执行操作，实现了将业务决策从应用程序中分离出来，系统架构简单，使用方便，且维护成本低。考虑到施工现场各种指标的情况是随施工过程发生变化，利用施工现场各种监控终端设备，以及物联网技术，构建施工现场各种影响安全的大数据库，在此基础上，利用Drools 技术构建智能评分系统，从云端大数据库调用数据，按表1 的智能评分规则执行计算，可以得到评估指标的实时、智能评分Qij（第i个准则层下的第j个指标的得分）。

表1 施工安全评估的智能评分规则

在得到评估指标的实时、智能评分Qij后，由式（3）以及式（4）可以得到施工现场安全评估分值，从而实现对施工安全的动态、智能预警。

4 应用案例分析

首先根据施工现场安全的模糊层次分析方法，由式（1）和式（2）分别计算各指标层以及准则层的权重如表2、表3。

表2 指标层模糊互补矩阵及指标权重Wij

表3 准则层各指标模糊互补矩阵及指标权重ki

以天津某施工项目为例，现场安装了多种信息化数据采集终端：5 套塔机安全监控系统、5 套施工升降机安全监控系统，10 套施工机械司机识别系统，2 套临边防护系统、1 套扬尘噪声监测系统以及1 套有毒有害气体监测系统；并在进出门安装了3 套门禁人脸识别系统，5 个监控点安装了视频监测系统；同时，该项目安全管理使用了安全巡检APP，安全培训APP，安全交底APP 以及现场环境管理APP 等技术手段。为了对该项目安全实施安全监管，构建了云-边-端一体智能、动态预警平台，利用现场各种终端设备所获取的实时数据，构建云端大数据，在此基础上，利用智能评分系统，对该项目某一年的不同施工阶段进行4 次智能评分，得到表4 的指标层分值。

表4 项目不同阶段的指标层智能评分Qij

最后，利用表2、表3 中准则层和指标层的权重，以及表4 的指标层评分，由式（3）和式（4）计算该施工项目4 个阶段的安全评估分值，结果如图3 所示。由图可见，整个项目在所评估的4 个阶段都是安全的，但随着施工进展，人员数量增多，设备增多，项目进度要求，安全管理有一些松懈，安全评分值略有下降，利用该预警平台，可以有效提示项目部对施工安全提起重视。

图3 案例项目4个阶段的安全评分

5 结语

本文构建云-边-端一体架构的施工安全预警平台，利用物联网技术实现施工现场信息获取以及大数据的共享，确保了预警数据的时效性，同时，基于大数据提出规则引擎智能评分方法，采用模糊层次分析实现了施工现场安全的动态评估。该方法提高了施工现场安全预警的实时性、客观性以及准确性。该方法提高了施工现场安全评估的实时性、客观性以及准确性，从而有效地指导施工安全生产作业。