建筑施工高處吊籃作業安全防護預警模型研究*

李 華，趙杰風，2，王 藤

(1.西安建筑科技大學 資源工程學院，陜西 西安 710055；2.中建八局第一建設有限公司，山東 濟南 250100；3.中建鋼構有限公司，廣東 深圳 154100)

0 引言

隨著我國建筑業迅猛發展以及高層建筑數量的快速增長，高處作業吊籃被廣泛應用于高層建筑的涂裝、保溫、抹灰、貼面等工程的施工和樓廈的保養維護、清洗安裝等施工作業中。高處吊籃作業具有人數多，作業危險性大，事故死亡率高，易受環境因素干擾等特點。據統計，全國高處作業吊籃數量為60萬臺以上，每年仍以7～8萬臺的速度在增加，高處吊籃作業場所多為高層建筑，且我國市政工程生產安全事故中，每年發生的高處墜落、坍塌等事故的總數接近60%[1]。分析研究2015—2018年的120起高處吊籃作業事故案例發現，安全防護不到位以及安全防護的失效出現頻數為81，也是此類事故發生的主要原因，且目前國內高處吊籃作業多為工程分包，難以對其施工過程形成有效監管，因此建立可行的安全防護預警模型可為高處吊籃作業等特種作業提供有力的預警支持，對于提升高處吊籃作業風險分級管控及隱患排查治理[2]水平，預防事故發生具有重要意義。

近年來，隨著人工智能(AI)、深度學習、數據挖掘等智能化技術的迅速發展，已被國內外學者大量應用于建筑施工實時安全預警研究[3-5]，這在一定程度上滿足了管理者對建筑施工過程實時安全監管的需求，但同時也存在一些問題：①現有研究雖然在算法上進行了大量創新，如貝葉斯網絡算法[6]、神經網絡算法[7]、SVM[8]、PSO(粒子群算法)[9]、D-S證據理論[10]等，但對于安全預警的基礎理論還需要進一步研究；②預警規則多以人員定位及人與危險區域的距離為主[11-12]，而作業審批、作業人員的心理生理以及作業環境條件對施工作業安全的影響也需考慮；③目前，預警指標的建立多基于人、機、料、法、環進行安全預警研究[13-14]，而安全審批對預警結果影響的研究仍然需要不斷深入。

綜合以上分析，本文擬針對高處吊籃作業中人與物的安全防護需求進行調查研究，并運用SVM對歷史數據進行仿真模擬，建立高處吊籃作業安全防護預警模型，為把安全防護預警進一步推廣到其他建筑施工領域提供理論基礎。

1 安全防護預警模型基本理論

1.1 安全防護基本理論

安全防護在建筑領域主要指對“三寶四口五臨邊”的安全防護，其在實踐中主要被分為安全防護標識和安全防護設施2大類。而隨著建筑業的快速發展，施工企業對安全防護的要求也越來越高，傳統的安全防護已經無法滿足日益增長的安全防護需求，對此本文通過調查研究提出新的安全防護概念和方法，即：安全防護是為使“人的行為”以及“物的狀態”的安全風險降到人們可接受的水平而采取的一系列管理和技術措施，即安全防護是對被保護人員的身體與心理進行健康維護和安全保障，以確保人的作業心理和身體處于良好的狀態，以及通過改善管理和技術等制度化的方式對物的不安全狀態的檢查維護保養的過程。根據本文提出的安全防護概念，安全防護分為：安全防護審批、個體防護用品、安全防護設施、安全防護標識、心理生理防護及作業條件防護6類。

1.2 SVM基本理論

SVM在數學上的主要思想是建立一個超平面作為決策曲面，使得正例和反例之間的隔離邊緣被最大化[15]，因此支持向量機具有較好的分類特性。SVM在處理復雜的多維非線性問題時，能通過選取最優的懲罰因子和核函數的參數組合來降低運算維數從而提高運算的預測精度，使數據的結構風險最小化，因此SVM被廣泛應用于處理具有多個非線性特征變量的復雜工程實踐問題中，通過對SVM的學習研究，建立SVM仿真模擬流程圖，如圖1所示。

圖1 SVM仿真模擬流程Fig.1 Flow chart of SVM simulation

2 安全防護預警模型的構建

2.1 預警指標選取

根據安全防護理論，針對JB/T 11699-2013《高處作業吊籃安裝、拆卸、使用技術規程》[16]、JGJ59-2011《建筑施工安全檢查標準》[17]以及JGJ180-2016《建筑施工高處作業安全技術規范》[18]中對于吊籃載人作業的規范和要求，構建高處吊籃作業安全防護預警指標框架，如圖2所示。

2.2 建立預警模型

人與物的運動軌跡的交點就是事故發生的時間和空間。在高處吊籃作業中，最常發生的事故類型為高處墜落，而高處墜落的主體是“人的不安全行為”，客體是“物的不安全狀態”，如果在作業中，主體和客體的不安全因素被特定因素阻止，事故就不會發生。如果撤銷該因素的作用，事故就會沿著既定軌道發展。安全防護預警研究即是從事故的直接原因和間接原因入手，避免人和物的運動軌跡交叉，即避免“人的不安全行為”和“物的不安全狀態”同一時間在同一空間出現，進而來保障高處吊籃作業的安全。本文通過對高處吊籃作業的深入分析和研究，構建高處吊籃作業安全防護預警模型，如圖3所示。

圖2 高處吊籃作業安全防護預警指標框架Fig.2 Framework of indexes for early warning of safety protection for high-hanging basket operation

圖3 安全防護預警模型Fig.3 Early warning model of safety protection

2.3 安全防護預警原理

在高處吊籃作業的主安裝、使用、拆卸施工過程中，安全防護審批、安全防護標識、安全防護設施、個體防護用品、心理生理防護、作業條件防護在每個時刻都會以某種狀態呈現。首先將某個時刻采集的高處吊籃作業狀態參數定義為狀態參數集合；然后將狀態參數集合經過數據化處理后以向量的形式記錄下來；最后通過分析歷史數據樣本構建數學模型對某個時刻的安全狀態進行識別判斷，得出此刻的作業狀態安全類別。因此在對高處吊籃作業的作業狀態識別預警時，應先將歷史數據進行分類并建立狀態參數特征向量。本文在對高處吊籃作業安全狀態預警時，將安全與環境防護的狀態參數組成的矩陣作為支持向量機的樣本，運用SVM對特征數據進行訓練測試以獲取最佳的SVM安全防護預警模型。

高處吊籃作業安全防護預警分為2步，第1步是對物的不安全狀態預警。在吊籃安裝及拆卸前后要對安全防護審批的指標參數進行識別預警，以及對安全防護設施、安全防護標識、個體防護用品及作業條件防護指標進行監測預警。第2步是對吊籃作業人員的不安全行為進行預警。在作業人員進入施工區域前，核對施工人員的性別、年齡、工種信息、崗位證書情況，并對人員的生理及心理狀況進行識別及指標判定。

本文將安全防護預警級別分為綠色警報、黃色警報、紅色警報3個等級。綠色警報表示預警結果為安全狀態，此時應告知作業人員周邊區域的危險信息；黃色警報表示預警結果為輕度危險狀態，輕度危險表示某個指標出現問題，但是能在短時間內，通過作業人員暫停作業并對危險狀態或部位進行整改合格后繼續作業，如果整改后驗收不合格，則需要繼續整改直到合格才可繼續進行作業；紅色警報表示處于危險狀態，危險因素難以立即排除，須禁止吊籃作業，作業人員須立即停止作業并撤離作業現場，遠離危險作業區域。本文根據高處吊籃作業特點，制定高處吊籃作業安全防護預警指標體系，如表1所示。

3 仿真模擬

3.1 數據采集與處理

通過搜集數據建立高處吊籃作業安全風險特征數據矩陣，數據來源一部分是通過國內某建筑集團近10 a的安全監測數據，另一部分是通過對國內歷史案例調查報告進行分析獲取。預警特征矩陣選取指標為：環境溫度、作業高度、風力(級別)、天氣狀況(指雨雪大霧天氣的情況)。通過調查分析選取150項數據，其中50項為安全狀態下的數據，定義其標簽變量為1；50項為危險狀態下的數據，定義其標簽變量為2；另外50項數據為事故狀態下的數據，定義其標簽變量為3，然后分別選取35組安全、危險和事故3種狀態下的樣本數據作為訓練集，再分別選取15組樣本數據作為測試集，通過訓練來得到模型。

表1 高處吊籃作業安全防護預警指標體系Table 1 Index system for early warning of safety protection for high-hanging basket operation

數據化處理指標信息時，對于只有滿足或不滿足作業要求的指標信息，用0表示滿足作業要求，1表示不滿足作業要求；而對于作業高度、溫度等自身具備量化的指標信息，使用其自身量化值作為預警數據。

3.2 建立SVM模型

本文運用中國臺灣大學林智仁實驗室創建的LibSVM工具箱進行仿真模擬[18]。在訓練中，因為樣本懲罰因子c以及核函數參數g的選取對模型的精度影響較大，需要通過循環算法進行參數尋優得到滿足精度要求的最佳參數組合，即最佳的c,g組合，代入模型中進行仿真訓練。為使數據的結構風險最小化，本文選用k層交叉驗證方法來對模型數據進行訓練模擬，進而得到使準確率最高的模型c，g組合。

仿真模擬設定c,g的取值范圍為(2-15，215)，通過Matlab模擬繪得交叉驗證參數c,g及準確率等高線，如圖4所示。從圖4中可知，最佳的c,g組合為：c=256，g=0.031 25，準確率cvaccuracy=90.476 2%。將交叉驗證得到的c=256,g=0.031 25自動代入svmtrain()函數得到訓練模型，訓練分析結果對比如圖5所示；然后將訓練得到的訓練集和測試集的標簽、樣本數據作為svmpredict()函數的特征參數，將參數訓練的結果與預測函數得到的標簽數進行對比得出精確度率91.428 6%，誤差為8.523 8%，如圖5所示；最后對預測集進行仿真預測得到的結果與訓練集仿真模型預測進行對比，準確率為91.111 1%，誤差為8.899 9%，如圖6所示。結果表明：通過SVM建立的安全防護預警模型的仿真模擬結果具有較高的精確度，具有較好的適用性和可行性；結果不足之處是，在數據模擬中，對應參數函數的選取對于預警結果的影響較大，因此模型的精度仍然需要通過優化算法來不斷提升。

圖4 交叉驗證參數c,g及準確率等高線Fig.4 Cross validation parameters c,g and accuracy contour

圖5 SVM模型預測結果對比Fig.5 Comparison of prediction results by SVM model

圖6 測試集預測結果對比Fig.6 Comparison of prediction results by testing set

4 結論

1)在事故案例、國家標準以及行業規范基礎上，結合安全防護理論，綜合考慮安全防護審批、個體防護用品、安全防護設施、安全防護標識、心理生理防護及作業條件防護對高處吊籃作業的影響，建立高處吊籃作業安全防護預警指標體系。

2)構建基于SVM的安全防護預警模型，以國內建筑施工企業的150組高處吊籃作業案例數據為例進行仿真模擬，結果表明該模型對于高處吊籃作業安全防護預警具有較好的可行性和適用性。

3)安全防護預警模型作為建筑企業安全管理系統中的預警模塊，可以為高處吊籃作業提供預警支持，并可通過選取針對性的安全防護預警指標，推廣至其他建筑工程的特種作業領域。