面向智能盾构施工的人因研究综述

杜 娟, 张静怡, 胡 珉, 甘丽凝

(1.上海大学悉尼工商学院, 上海 201208; 2. 上海大学-上海城建集团建筑产业化研究中心, 上海 200072)

0 引言

随着人工智能、大数据、物联网等技术的兴起与工程数字化转型的推进,施工装备智能化技术日趋成熟[1],融合智能技术的盾构可实现导向控制[2]、工况感知[3-4]、姿态控制[5-6]、刀盘磨损状况预测[7]、管片拼装[8-9]自主控制等。由Hu等[10]设计的盾构智能控制系统(SHIELD_AICS)集成了压力控制、姿态控制、同步注浆和盾尾油脂密封等多个自动控制模块,可实现盾构掘进过程的自主感知、执行、规划和决策。基于该系统研发的智能盾构“智驭号”完成了杭州至绍兴城际铁路、上海地铁14号线的隧道施工项目,施工期间盾构姿态、地面沉降等指标均符合施工标准。智能盾构的应用证明了其在工程技术上的可行性,且智能化的实施使人脱离了高危、恶劣的作业环境,降低了人的体力负荷。

但由于盾构施工具有规模庞大、单元众多、结构复杂等特点,且当前的人工智能技术仍在不断发展和完善中,依托于人工智能技术开发的智能系统远未达到理想状态。尽管智能盾构已能完成大部分盾构推进控制任务,且具有速度快、稳定性高的特点,但由于智能系统通常是针对特定场景开发的,面临高度复杂和不确定的场景容易失效。相较下,人具有全局意识和先验知识,能灵活应对突发情况。因此,仍不能忽视盾构司机在盾构推进过程中的作用,将人和智能系统结合起来实现人机协同并构建安全、高效、和谐的人机关系,是保证盾构在复杂场景中高效、可靠、平稳运行的有效方式。

本文首先概述了智能盾构的研究现状,并通过分析智能盾构的工程应用情况,总结其中与人因相关的问题;然后,采用文献综述的方式对智能化、人因工程和工程建造3个领域交叉的相关文献进行了系统的总结和归纳。其中,智能盾构作为一种全新的技术,暂未有大量的研究。因此,本文从整个工程建设领域中寻找共性研究内容,挖掘当前智能化建造中人因研究的热点,以期为提高智能盾构应用中人的接受度、适应性以及实现人机协同提供研究参考。

1 智能盾构技术发展及工程应用现状

1.1 智能盾构技术发展

盾构掘进技术已有200多年的历史,其发展主要经历了4个时期,如图1所示。第1阶段出现了手掘式盾构,其在欧洲广泛应用,1825年布鲁诺尔制造的矩形盾构完成了泰晤士河下的隧道施工; 第2阶段以机械式、气压式盾构为代表,其在欧洲、日本兴起,该阶段的盾构以机械开挖替代人工并采用压缩空气平衡土压力; 第3阶段以闭胸式盾构为代表,主要包括泥水式盾构和土压平衡式盾构,该阶段的盾构能更好地维持工作面稳定、适应不同的复杂场景; 第4阶段盾构发展呈现大直径、大推力、大转矩及智能化的特点。

图1 盾构掘进技术发展阶段

研制具有深度感知、智能决策、自动执行功能的盾构及控制系统是盾构的重要发展方向。近年来,国内外学者在智能盾构方面做出了诸多研究,盾构智能化技术的相关研究主要可分为2类。

1)第1类研究侧重于智能算法设计,围绕以机器学习为核心的AI算法,通过施工参数、环境条件、地质特征等数据对土压[11]、盾构姿态[5]、刀具磨损[12, 7]等工况参数进行预测。例如: Nie等[13]采用神经网络模型,以盾构推进速度、推力等参数为输入,来预测隧道围岩等级,有助于盾构司机及时调整盾构掘进参数,保障施工效率。Kang等[14]基于支持向量机模型(SVM),以刀盘转速、刀盘转矩、隧道深度、各地层厚度等施工参数作为模型的输入,来预测盾构推进速度。

2)第2类研究侧重于将AI算法应用于智能盾构控制系统开发中,在工程应用中实现盾构智能控制。例如: 国外研究中,日本清水建设和名古屋大学联合开发了“盾构操作AI”系统,基于人工智能算法模拟盾构司机的判断方式,可辅助于盾构控制和管片拼装[15]; 大林组建设公司对盾构姿态自动控制进行了初步探究[16]; 马来西亚MMC Gamuda公司研发了“自主运行TBM系统”,该系统基于AI算法的即插即用式模块化组件和可编程逻辑控制器(PLC),可实现盾构自主推进,在吉隆坡KV地铁2号线隧道工程中得到应用[17]。国内研究中,中铁隧道局集团有限公司研发了盾构隧道智能掘进和内部结构智能化全预制拼装技术与成套装备,可实现盾构的自主掘进,该技术成功应用于上海机场联络线11标工程中[18]。上海隧道工程股份有限公司研发了国际上首台可自主进行压力控制、姿态控制、同步注浆和盾尾密封的智能盾构控制系统,该系统基于数据驱动+知识驱动的控制方式及感知层、执行层、规划层和策略层控制体系架构,在杭州至绍兴城际铁路工程区间实现了盾构自主巡航[10]。

此外,已有研究对智能盾构的智能化等级进行了分类。例如: 赵洪岩等[19]基于盾构巡航的状态将盾构的智能化程度划分为辅助巡航盾构、间歇性巡航盾构、常态化自动巡航盾构、自动控制盾构及智能掘进盾构5个等级。Hu等[10]以盾构施工中人工干预程度和盾构自身的适应性将智能化划分为辅助驾驶、人工辅助下的自动驾驶、有条件的自动驾驶及完全自动驾驶4个等级。

1.2 智能盾构在工程实践中的人因问题

基于1.1节的分析,智能盾构依托AI智能决策模型和智能控制体系能自行完成隧道施工中的识别、分析、决策和控制过程,极大提高隧道施工的自动化和智能化程度。

然而,在工程实践中还存在着盾构司机对智能盾构的接受度、适应性等问题亟待解决。通过统计分析智能盾构在郑州地铁8号线1期02标施工项目中的应用情况可知,2021年12月6日至2022年4月11日左线共推进1 007环,其中,人工控制占18%,人机混合控制占33%,切换人工或人机混合控制的原因中,有23%源于设备故障,59%源于自动推进效果不理想。说明完全自主化的智能盾构施工应用有限,智能系统仍然离不开人工干预,盾构隧道施工完全实现无人化还需经历较长的过渡期。智能化系统在计算、检索、优化等方面具有优势,但缺乏更高级的认知和推理能力。人类的经验和知识积累能有效弥补这些差距,在突发情况下,人可以灵活地做出必要调整[20]。因此,不论机械的智能化程度如何,仍不能忽视人的作用[10, 21]。智能化的提升使人的工作逐渐由操作转变为监督[22]。在监督的基础上,人的作用也逐渐转向决策、干预等更为复杂和重要的工作[23],除监督外,更重要的是以“合作者”的角色与智能系统形成人机协同。因此,在智能盾构应用中实施人机协同,使人与机器形成一个整体是实现隧道施工智能化的重要发展方向,这也带来了一些新的挑战。

首先,基于人工智能算法的智能盾构系统的可解释性较差,可能引发盾构司机的质疑,导致接受度低的问题。人在施工过程中具有绝对控制权,系统的建议是否被采纳或自动驾驶是否被认可都取决于人。因此,人的接受度直接影响了智能盾构是否被启用。

其次,智能盾构的顺利应用还受到人适应性的影响。人的认知和适应性影响了盾构司机工作中的人机交互体验和施工效率。智能盾构的应用减少了手工操作,降低了体力负荷,但可能增加人的认知负荷和心理负荷,具体表现为: 1)接收的信息量增加。智能盾构系统具备自动化、人工操作、人机混合3种模式,各个模式下对应不同的交互界面和控制器,人需要接收更多的信息,增加了人的脑力负荷。2)心理疑虑增加。基于智能算法实现的自动推进系统的决策具有一定的“黑盒”特征,智能系统不能提供其做出决策背后的原因,可能导致人对智能系统的信心不足,进而可能放弃使用系统。

最后,智能盾构的引入改变了盾构司机的工作模式,盾构司机和智能系统共享盾构的控制权,还可能引发人机功能分配的问题[24]。人和智能系统混合的控制方式与传统的人工手动操作相比有较大差异,在自动系统工作时,人的注意力可能转移到其他事务中,对情景感知处于较低水平;当突发情况出现时,人工介入对脑力和认知负荷的需求激增。人工能否适应新技术带来的工作方式转变,并在突发场景中快速应对,影响了盾构操作的安全性和可靠性。

通过总结上述分析及智能化建造中人因相关的研究,本文旨在解决以下问题:

1)结合智能建造中人的因素相关研究,从哪些方面来提高智能盾构应用中人的接受度;

2)结合智能建造中人的因素相关研究,如何测量和提升智能盾构应用中人的适应性;

3)结合智能建造中人的因素相关研究,如何实现智能盾构应用过程中的人机协同。

2 文献整理与分析

2.1 文献检索

根据综述主题,将文献检索的关键词聚焦在智能化、人因工程、工程建造3个领域,并确定了相应术语,构建的检索字符组合表达式如表1所示。本文综述的主题涉及3个不同领域,在数据库选择方面,考虑文献的质量和覆盖的深度选择Web of Science(WoS)作为检索数据库,WoS涵盖了科学、技术、社会科学等领域,适合于本文研究。确定检索的时间范围为2000年至2022年,在WoS中进一步将检索的研究方向限定在“Computer Science”“Engineering”“Automation Control System”“Robotics”中,经过筛选获得178篇文献,输出文献的关键词进行共现分析。

表1 构建的检索字符组合表达式

2.2 关键词共现分析

使用VOSviewer进行关键词共现分析,设置共现的阈值为2,去除与综述主题不相关的词汇并进行同义词合并,最终获得有效关键词44个。生成的关键词共现网络如图2所示。其中,节点越大表示该词出现的频次越高;节点之间的连线表示2个关键词之间存在共现关系,连线越宽表明2个关键词之间的联系越紧密。

图2 关键词共现网络

网络中节点颜色一致表明关键词具有相关性,可归为同类。归纳总结各类别中关键词的共性,得到本文综述的3个主题: 人机信任、人因设计、人因风险。1)在黄色簇中出现次数最多的为“trust”,其次是“human-robot interaction”,与“trust”概念联系密切的词还包括“explainable AI”和“reliability”; 2)红色簇内出现次数最多的关键词是“human-machine interaction”,其次是“human factors”和“model”,该簇中显示的其余关键词大多与安全和人因失误有关,如“construction safety”和“human error”; 3)绿色簇中出现次数最多的词是“artificial intelligence”,其次是“automation”; 4)蓝色簇中出现次数最多的词汇是“construction robots”,其次是“human-robot collaboration”。蓝和绿2个簇显示的词概念上具有共性,都与智能化、数字化技术有关,其涉及的文献关注如何依托智能化或数字化技术进行设计或优化,以提升人的体验和感知。

根据以上分析总结出本文讨论的3个主题: 1)智能施工中的人机信任; 2)智能施工中的人因风险; 3)智能施工中的人因设计。

2.3 时间轴及研究趋势分析

通过关键词出现的时间可以了解领域的研究现状和趋势变化,从VOSviewer中导出共现关键词出现的平均年份,按时间段划分并归纳后得到共现关键词的时间轴,如图3所示。

图3 共现关键词时间轴

图3示出了3个描述人机关系的词汇: human-machine interaction(HMI), human-robot interaction(HRI), human-robot collaboration(HRC)。从时间上看,HMI是出现最早的关键词,然后依次是HRI和HRC。孙效华等[25]将狭义的人机交互(human-machine interaction, HMI)中的“机”定义为不具备数字化的“机器”,是具有工具属性的物理系统,人通过机器完成特定的任务,而机器根据人的指令做出反应,二者进行单向交互。人工智能(AI)技术的应用赋予了机器感知与认知的能力,能通过自适应学习理解人的潜在需求,HRI中的“机”多指具有智能性的“机器人”,可称为人与智能机器人的交互[25],在HRI中人机之间可进行双向互动。随着研究的深入,学者们不断意识到AI技术的意义在于增强人的能力而非取代人类[26-27],且目前尚不存在完全自主的自动化系统[28],人将继续参与到与智能系统的交互中。因此,发展人机协同(HRC)是当前人机关系发展的趋势[29],也是智能化施工中研究的热点。

根据共现关键词出现的时间,以2018年为时间分界点,统计该时间点前后各主题下关键词的数量来反映研究内容热度,统计结果如图4所示。人因风险主题是2018年之前的研究热点,在2018年之后,人因设计主题研究居多,且人机信任主题研究数量超过了人因风险主题。在具体文献中,人因风险主题下的文献涉及内容包含安全、人因失误相关研究,人机信任主题下的研究关注人的信任、接受度等与心理有关的问题。

结合人机关系变化分析,早期研究主要围绕HMI展开,相关研究聚焦在人的物理感知,关注人的工作环境、工作负荷、安全等,属于人体功效学的范畴。智能化技术的融入改善了工人的工作环境和人身安全,降低了体力负荷及人因失误概率,人的信任、认知、感知等可概括为工程心理学范畴的研究数量逐渐增加。Xiong等[29]在人机协同的研究中也提出人机关系、人机团队、心智模型、情景意识等主题是当前人与智能机器协同研究的重点。总体而言,智能化施工中的人因研究在以物理感知为主的人体工效研究的基础上越来越重视工程心理学相关研究,且在人因设计中融合数字化技术来提高人的感知受到当前研究的关注。智能施工中人因研究的主要内容可总结为表2。

图4 研究热点变化

表2 不同阶段智能施工中人因研究的主要内容

3 研究主题分析

3.1 人机信任

人与人之间的成功合作需要相互信任,同样建立人机之间的信任能提高智能系统的使用率及效率[30]。信任是一个复杂的概念,其融合了态度、信念、控制、情感、风险、权利等多种互动因素[31]。Lee等[32]将人机信任定义为个体在不确定或易受伤害的情景下认为代理(Agent或智能系统)能帮助其实现某个目标的态度。人对自动化(智能化)系统的信任度不高会导致自动化(智能化)系统搁置或浪费,增加人的负担、降低工作效率; 但若过度信任自动化系统,则可能缺少对自动化系统的监控进而产生安全隐患[33]。因此,人机信任是人与智能系统交互研究中的一个重要概念[34]。类似研究中,Emaminejad等[35]对可信AI在建造领域的研究进行综述,总结了可解释性、绩效和鲁棒性、可靠性和安全、隐私安全4个主题。本文的关键词共现网络中与信任关联的关键词还包含“explainable AI(可解释性AI)”、“acceptance(接受度)”和“reliability(可靠性)”,围绕这些关键词对文献进行分析。

3.1.1 可解释性AI

在涉及风险和安全的领域中,AI技术可能存在的“黑箱”问题阻碍了人们的理解和运用。此外,由于算法设计者和工程技术人员的知识差异,对工程应用而言,智能系统需要解释其做出决策背后的原因,同时该解释对用户而言也应具有可理解性[36]。可解释性AI (XAI)指能对其输出的结果提供可理解的理由的AI技术[37],可解释性和透明度是其中的2个重要元素。具有可解释性和更透明的人工智能系统具有更高的可信度[38]。透明度促进了操作人员的理解[34],能减少失误,提高人机合作的绩效[39]。

当前的研究甚少涉及施工机械智能控制(自主决策)中的可解释性问题,XAI在工程领域中实施多集中于辅助决策和预测问题,如建筑暖通系统故障检测[40]、钢筋混凝土构件力学性能预测[41]、火灾中混凝土材料性能影响因素识别[42]、工程成本估算与混凝土开发[43];还有部分研究从解释的适当性[44]、人对不同风格解释的感知[45-46]等心理学角度探究XAI对人的影响。

3.1.2 AI接受度

信任被认为对用户的接受度有着正向影响[34],接受度直接反映了用户对智能化系统的使用意愿。接受度的研究主要围绕技术接受度模型(TAM)[47]展开,该模型以理性行为理论为基础,广泛应用于研究新型技术的接受程度和相关影响因素中[48]。智能化施工研究中,关于人接受度的研究也多利用TAM模型从实证角度分析智能技术应用受阻的因素,例如: Lu等[49]基于TAM模型从个人、组织、环境和技术层面探究阻碍智能监控系统在工程施工中实施的因素; Zhang等[50]基于扩展的TAM模型探究VR技术在建筑工程中应用程度低的影响因素。除采用TAM模型外,采用其他方法进行接受度分析的研究还包括: Delgado等[51]通过文献和问卷数据,进行统计分析识别限制建筑行业中自动化和机器人发展的因素;Ogunrinde等[52]使用模糊指数模型评估高速公路建设项目中自动化施工管理的使用程度和准备程度;Osunsanmi等[53]通过问卷调查研究智能工地建设实施的受阻因素。

3.1.3 AI可靠性

智能系统的可靠性是影响人机信任的重要原因,具有高可靠性的智能系统能保持其运行过程中的稳定性,能增强人对系统的信心。研究中,可靠性常被作为影响人机信任的因素[35, 54]。然而,在工程施工领域较少有研究提出智能系统可靠性的测量和评价方法。系统的可靠性难以被准确测量会导致人对智能化的预期与智能化的实际能力之间存在差距,若智能化的真实能力与人的预期不匹配,将造成人对自动化的弃用或过度使用。这种差距常通过信任校准的机制进行纠正,以平衡人机信任的水平[39],同时,可解释性能起到信任校准的作用[55]。

3.2 人因风险

该主题下涉及的内容与工人的工作环境、健康、安全、工程风险等有关,可以概括为人体工效学和人因失误2个方面。

3.2.1 人体工效学

人体工效学是一种分析人类活动与其周围环境相互作用的工具和方法[56],在提高生产效率和保障安全方面至关重要。传统的人体工效学研究关注人体测量、生理测量等,例如: 评估施工噪声对人的影响[57]; 从设计角度分析照明、标志及声音等对隧道交通事故的影响[58]; 根据人体测量优化隧道施工工作面[59]。

在智能化施工中,一方面的研究结合可穿戴设备测量人工作时的生理变化,例如: Zhang等[60]基于量表和可穿戴设备测量盾构司机的心情和心率,分析司机的情绪与声压级之间的关系;Xing等[61]采用脑电仪和无线生理体征检测仪(equivital life monitor)采集盾构司机的脑电和心率数据,并结合量表分析影响噪声烦恼的因素。另一方面的研究从功效学角度对人机交互界面进行评价或优化,例如: Jiang等[62]基于灰色物元分析法对盾构控制室界面进行评价;Liu等[63]总结了人为失误的因素,并采用熵-FAT-Delphi模型对施工软件界面进行评价和优化。新型的人机界面开发常与人的视觉、听觉、触觉等多种感官结合以提高人的感知[64]。Hou等[65]开发了盾构参数自动匹配模型并设计了相应的人机交互界面,能有效实现掘进参数匹配;Chotiprayanakul等[66]在钢结构喷砂机器人中设计了基于触觉反馈的人-机-环境交互(HREI)界面,提高了交互的安全性和有效性。

3.2.2 人因失误

工程事故与人为失误密切相关[67],人因失误的研究主要围绕人为失误识别(HEI)及人因可靠性分析(HRA)2方面来分析、预测、减少及预防人为失误[68]。分析方法包含失误率预测技术(THERP)[69]、认知可靠性和失误分析方法(CREAM)[70]、认知错误回顾和预测分析技术(TRACer)[71]等。在施工应用中,Wang等[72]提出的加权模糊CREAM模型对地铁盾构施工中人为失误概率预测有较好的精度。Liao等[73]通过将CREAM与Bayesian网络结合,构建的人为失误因果模型能追溯人为失误的根本原因。Li等[74]基于改进的TRACer有效识别出了盾构隧道施工事故中与人有关的因素。除上述分析方法外, Zhou等[75]根据项目反应理论(IRT)建立定量分析框架,分析隧道施工中人员的安全反应能力;Chen等[76]基于社会网络分析(SAN)从个人和整体角度研究地下空间工程建设中的风险因素和风险扩散规律。

智能施工机械的自动化程度大幅提高,使人脱离了高危工作环境,同时降低了人工操作失误的概率,研究转向分析人对新型技术和设备的认知负荷或人机协作中的安全问题。例如: Han等[77]分析了VR技术应用于施工环境中时对人的专注度和认知负荷的影响;Liu等[78]通过可穿戴式脑电仪评估人机协作墙体砌筑任务中工人的认知负荷,据此对机器人的精度做出调整,以提高人机协同的程度。

3.3 人因设计

将人因设计纳入到智能系统或设备的开发中是提高机器可用性和人适应性的重要环节。该主题下的研究重点关注人因中的工程心理学问题,基于数字化技术来增强施工环境中人对智能系统的认知和对物理环境的感知。相关研究可以分为2类: 1)通过数字化技术辅助来增强人的感知; 2)对智能机械进行优化或重新设计以提高人的感知和机器可用性。

3.3.1 增强人感知的设计

自动化施工应用中的一个重要方面是可实现施工机械和设备的远程控制。在该情境下虚拟现实(VR)、增强现实(AR)、混合现实(MR)等数字感知技术具有的模拟和仿真功能可为人创建沉浸式的施工作业场景,增强人对环境的感知,且AR技术能排除作业过程中的非必要信息,降低人在处理复杂任务中的认知压力[79]。Adami等[80]将虚拟现实VR技术应用于建筑拆建机器人远程控制中,以增强人对机器人的信任度。

智能施工系统的应用将人的工作重心转移到决策、支持系统正常运转等更加复杂的任务中。数字孪生技术以数字化的虚拟模型对施工环境中的物理实体进行映射,便于人对施工过程进行监控、诊断、预测和控制[81]。Wang等[82]为建筑机器人设计了基于计算机视觉识别工人操作手势的人机交互界面,旨在提高人机交互的体验。Schönböck等[83]从应用场景、用户需求、流程实现方面设计了以人为中心的挖掘机远程控制框架,有效提高了用户的接受度。此外,对操作人员进行培训也是提高其接受度和感知的有效途径,Segura等[84]将可用性、人体工效学和VR技术结合设计了建筑机械模拟器,用于对施工人员进行培训。

3.3.2 增强机械智能化的设计

通过模拟、仿生设计或人机融合的方式既能增强智能机械对物理环境的适应性[85],也可提高人对智能机器的感知。例如: Nagatani等[86]提出了能适应未知施工条件的建筑机器人的开放式设计框架,其基于硬件设计、多模态AI环境评估、物理AI(physical AI,PAI)多机协同等技术,以实现多个机器人之间进行自主组织和协作,且保障自主机器人能适应不同的施工场景。在人机协同作业中,Grigore等[87]将人的行为特征(包括注意力、头部运动方向等)融入到人机协同过程中,提高了人机之间的相互适应性。Khasawneh等[54]通过机械臂装置设计了可进行人机合作的铺砖机器人。Huang等[88]结合计算机视觉技术赋予自动振动压路机感知施工环境和工人位置的功能,增强了机械环境适应能力,同时保障了人机共同作业时的安全。Zhang等[89]设计了可自动驾驶的施工辗压机,有效解决了人工作业质量不稳定的问题,该设备在人机交互界面中融入了土石方3D数字模型和现场实时监控画面,便于人工进行监控和指挥。

4 智能盾构中人因研究启示

将人因研究纳入到智能盾构的设计和应用过程中,对提升智能盾构系统的可用性、提高人机协同施工的效率、保障作业安全等十分重要。本节针对智能盾构实施中人的接受度、适应度及人机协同问题,并基于人机信任、人因风险、人因设计3个主题下的研究现状,在增强人的接受度、增强人的适应性和完善人机协同机制3个方面得到智能盾构中人因研究的启示,如图5所示。

图5 智能盾构施工中人因研究内容示意图

4.1 增强人的接受度

针对智能盾构在项目应用中存在盾构司机的接受度低、使用频率低的问题,可采用TAM相关理论和模型来探究影响人接受度的因素。由于盾构隧道施工的复杂性和智能盾构的智能程度限制,难以实现完全无人化施工,而需要更多地依赖人机相互配合,其中,信任是人机合作的一个重要条件,也是影响人接受度的重要因素。因此,可从提高人机信任的角度来提高人的接受度。Vantrepotte等[90]指出,提高人的能动性可增强人对智能机械的信心和接受度。发挥人的能动性可考虑使人主动适应智能系统,从从业者的角度来看,可通过提高自身的智能化专业素养促进人机协同的实现。研究可关注如何通过教育、培训等方式提升人的认知,促进人对智能盾构的接受度。从技术上,对盾构自动推进系统开发XAI,生成系统决策的依据和原因,提高智能系统的透明度。但大量AI的解释性较差,可结合领域专家的解释增强AI结果的可信度,在智能盾构的应用实践中也证实了这一点。例如:

1)案例1——由上海隧道工程股份有限公司承建的南京地铁某项目施工中采用了盾构智能辅助决策系统。该项目区间地质复杂,需多次穿越环城高速、民房、运输管线等建筑和设施,安全风险大、对地面沉降控制要求高。同时,该项目线形复杂,需完成多次小曲率转弯,项目基于智能系统能有效提高控制精度、避免人工控制的不稳定性,最终在多方的保障下完成了多次半径350 m极小转弯,地面沉降值远小于标准值。智能系统在推进过程中为施工提供风险预警和相应的掘进参数建议。但施工期间常存在系统建议与人工决策冲突的情况,导致系统建议被忽视。因此,项目安排系统设计人员针对系统建议背后的机制向盾构司机进行解释。解释后盾构司机对建议的执行率由之前的9.10%提升至38.29%,接受度明显提高。

2)案例2——由上海隧道工程股份有限公司承建的郑州地铁某项目采用了盾构自动驾驶系统。该项目工况良好,智能系统可切换自动、人工2种模式。在使用自动化时每推进1环,盾构司机需对自动驾驶的效果进行评分。2022年1月初,组织自动驾驶系统设计人员与盾构司机进行技术沟通和解释,帮助盾构司机理解自动驾驶模型的控制策略。为了解盾构司机对智能系统的满意程度,邀请盾构司机对满意度进行打分,满分为100分; 90～100分为非常满意; 80～90分为满意; 80分以下为一般。评分情况统计如图6所示。总体上,盾构司机对盾构自动推进的效果较为满意,特别是解释/沟通后,司机对自动驾驶系统的行为更能理解,其满意度较前期有明显提升。

图6 司机对盾构自动驾驶系统的评分

4.2 增强人的适应性

智能化的应用将人的手动行为转变为认知行为,与人因有关的研究从关注人的物理感知转变为关注人的心理变化。认知负荷是影响人适应性的重要方面,首先需要对人的认知负荷进行量化,可研究如何对认知负荷进行测量。脑力负荷量表、负荷指数量表等测量方法广泛应用于军事、汽车自动驾驶中,甚少有研究对施工场景下的人的认知负荷进行评估。对智能盾构应用中人的负荷进行测量可借助其他领域的测量方法或开发新的测量方式。在盾构自动驾驶和人工控制的切换中,研究可关注如何通过工况趋势预测、操作信息提示等辅助方法快速帮助人工恢复对工况的认知,顺利接管盾构控制。在降低人的认知负荷方面,同样可开发XAI提高智能系统的透明度,在对智能算法进行解释的同时还应考虑透明度和认知负荷的关系。Akash等[91]研究表明,提高解释的详细程度也会增加人的认知负荷,因此需平衡算法的透明度和人认知负荷之间的关系。在盾构远程控制中可搭建基于数字化技术的虚拟场景,通过虚拟的沉浸式环境增强人的感知和认知。

4.3 完善人机协同机制

实现人机协同需解决技术、施工场景和组织管理模式3方面的问题。在技术方面,相较于人而言,智能系统的适应和学习能力较弱,如盾构自动驾驶系统在复杂工况或突发事件下的决策能力较差。人脑中的知识对促进智能化提升至关重要,人的经验可以帮助人工智能算法选择参数,提高计算效率[92]。可采用人机混合智能的方法,将人的作用或认知模型引入到AI系统中,使AI成为人类知识的延伸或扩展,以解决更加复杂的问题。在进一步提高盾构智能化方面可考虑进行的研究有: 1)引入人在回路的思想。人在回路(human-in-the-loop, HitL)是一种特殊的控制方式,其将人视为系统运行过程中的一部分。HitL通过引入人的参与来提升算法求解的效果,例如,人在回路机器学习中人直接或间接地参与了算法的训练,通过人的能力及时纠正机器预测中的不准确性[93]。2)引入人类的知识、智能。认知智能是人类特有的智能,思考能力是认知智能的基础,而思考需要具备一定的知识,进而能实现推理和认知。可基于知识图谱来表示人类的知识,赋予智能盾构更强的推理能力,将人的智慧与机器的智能相融合。

在施工场景方面,需要关注在一些极端场景下人机协同的实现方式。例如: 高原地区地形高差显著、地质灾害频发,海底隧道地质复杂、周边环境水腐蚀性较为严重、施工距离超长,这些环境对人工作业造成巨大障碍。实施盾构施工远程控制可使操作人员远离高危的作业环境,同时减少人为因素潜在的隐患。通过远程控制进行人机协同可能存在场景信息表达不完整、不直观、决策困难等问题,可充分利用AI、VR、建筑信息化模型(BIM)等技术构建三维隧道及围岩环境信息模型,结合VR技术实现对设备的远程控制。例如: 张旭辉等[94]针对煤矿开采设计的远程开采系统将“人、机、环”有机交互,能实现数据驱动、虚实同步、人机协作的远程控制。

在组织管理方面,盾构隧道涉及复杂的施工流程,需要组织共同完成,人机协同作为一种新的工作模式,与管理问题关系密切。人因工程中的组织工效学关注社会技术系统的优化,包括组织结构、政策、流程以及风险管理[95]。人因学的研究中组织包含个体、群体和组织层次[96]。在人机协同中,可将智能系统视为组织中个体层次的一员,探究人机之间如何进行功能分配[97],对工作模式进行重新设计。在智能盾构施工中可关注人机之间的盾构控制权分配、控制权切换规则制定、衡量人机协同控制下的施工绩效等问题。

5 结论与展望

得益于AI技术的发展,盾构的自动化程度大幅提升,且具备了一定的自主能力,能够执行复杂度更高的任务,成为盾构司机施工作业中的有力伙伴。然而,智能盾构作为一种新兴技术还存在人的接受度低、适应性差问题。本文采用文献综述的方式,设定智能化、人因工程、工程建造为关键词检索的主题,通过文献分析软件VOSviewer对WOS数据库中的文献进行共现分析和时间分析,总结出: 1)人机信任、人因风险和人因设计是智能化、人因工程、工程建造交叉领域研究的热点; 2)随着机器智能化的提升,发展人机协同是人与智能机器交互的研究趋势。通过对检索到的文献进行分析,得到智能盾构应用中人因研究启示,并提出以下研究展望:

1)针对人对智能盾构的接受度问题,一方面,可从人的接受度、信任等方面切入,运用心理、行为学相关理论和方法找到导致智能盾构使用频率不高的因素;另一方面,可从改进机械设计(如开发具有可解释性的AI、增强机械智能性)以及对人员进行培训等方面来提升人的接受度。

2)针对人对智能盾构的适应性问题,首先需完善智能盾构施工过程中人适应性的评测方法,并通过改善智能算法的可解释性、提高算法透明度、结合虚拟现实和现实增强技术等方法提高人的适应性。

3)隧道施工过程中不可忽视人的作用,发展人机协同是智能盾构实施的必由之路。要实现人机协同,技术上可通过人在回路设计、人机混合智能进一步提升系统的智能化程度;关注在极端施工条件下的人机协同方式;在组织和管理中,需关注人机合作时任务分配、工作模式设计、绩效评价等问题。

致谢

本文在所涉及项目案例的背景分析和数据采集过程中得到了上海隧道工程股份有限公司盾构工程分公司的大力协助与支持,特致谢忱!