大數據視角下建筑施工安全風險管理研究

梁培，劉暢，梁松

（重慶建工集團股份有限公司設計研究院，重慶 400014）

0 引言

中國正在從工程大國走向工程強國，建筑業穩步發展。工程強國的 “強” 應該體現在各個方面，建筑施工安全一直以來都是社會關注的重點，也是衡量施工企業是否合格的標準之一。根據住建部統計[1]可知，我國房屋市政工程生產安全事故及死亡人數有逐年上升的趨勢（圖1），建筑施工安全風險管控難度較大。隨著科技發展，人工智能、云計算、物聯網、大數據等新技術相繼出現，傳統建筑施工安全風險管理方式得以創新發展，進而在工程開始之前就可以分析可能存在的安全風險，提出針對性的對策加以管理，有效提升建筑施工的安全水平。

圖1 2012—2018年中國房屋市政工程生產安全事故及死亡人數

1 建筑施工安全事故的風險源分析

1.1 施工人員的因素

施工人員的因素主要指施工人員的安全意識和職業素養存在問題，從而導致安全事故的發生。建筑施工人員作為施工現場的行為主體，施工人員的安全意識將對現場安全情況產生重大影響。由于施工用人量大，施工人員安全意識和職業素養參差不齊。一方面，一些施工單位缺乏對施工人員入職后的安全教育，或教育流于形式，導致施工人員難以形成較好的安全意識，施工現場存在較大的安全隱患[2]。另一方面，施工人員的職業素養不足也是導致發生安全事故的原因之一，他們在施工現場往往存在不安全行為，如未佩戴防護用品、奔跑作業等。另外，也存在施工人員因為自身及周圍環境等因素操作失誤的情況。這些都增加了施工安全的風險。

1.2 施工材料的因素

施工材料的因素主要指施工材料處于不安全狀態。在施工現場中，施工材料的不安全狀態，如施工材料的進場驗收不合格、存儲和保管情況不佳、材料出廠質量不達標等情況，會直接對施工安全產生影響。如果施工單位未對這些施工材料進行有效管理控制，將增加安全風險。

1.3 施工機械裝備的因素

施工機械裝備的因素主要指機械設備處于不安全狀態，如機械裝備的使用狀態不佳或者老化、定期維修與保養不到位或出現故障等情況。諸如此類的施工機械裝備的不安全狀態將直接增加施工現場的安全風險。

1.4 施工環境的因素

施工環境也是導致施工安全事故的成因之一。施工環境的不安全狀態直接影響施工人員的施工行為。例如施工光線太暗阻礙視線，光線過強導致無法看清施工物品，施工現場未達到安全文明施工要求，雜亂無章。這些條件都會間接地增加發生安全事故的可能性。

1.5 施工安全管理的因素

施工安全管理的因素主要指施工現場安全管理不到位。施工現場管理不夠，管理水平不足，安全管理體制不健全，安全管理責任劃分模糊，對施工人員缺乏安全培訓管理，安全防護措施不完善等一系列管理因素，都會增加施工安全事故發生的風險。

1.6 施工安全投入的因素

施工安全投入的因素主要指為確保施工安全而投入的人力、物力和財力。施工要素投入不足將有可能導致安全生產基本運行失常，從而發生安全事故。根據《企業安全生產費用提取和使用管理辦法》，施工安全投入占比不高，施工企業設置的安全投入費用不能滿足安全生產的需要，將會影響施工人員、施工物品的安全狀態[3]。

2 基于大數據的建筑施工安全風險管理

在明晰了施工安全事故風險源之后，可以利用大數據技術幫助施工企業進行現場安全管理，提高管理效率和質量。

2.1 基于大數據進行建筑施工安全風險管理的理論基礎

施工安全大數據作為重要的數據基礎，對施工安全風險管理數據化有極大的作用。通過運用大數據思維，物聯網、云計算等大數據技術，能夠有效解決風險管理出現的問題，優化建筑施工安全風險管理。

（1） 大數據

大數據思維是將采集到的經驗與現象等數據進行數據化和規律化處理。綜合運用統計學、人工智能、數據挖掘等方法的優勢，統籌融合處理數據，以一種更可靠的、高效的形式挖掘多源異構數據[4]。本質上就是從 “計算為中心” 轉變到 “數據處理為中心” ，是一種新的數據處理思維。

目前大數據已得到廣泛運用，例如在公安系統，通過采集居民數據，將整個區域以數據的形式展現在平臺上，追蹤定位不法分子，進行高效便捷的管控，從而降低管控難度。

（2） 物聯網

物聯網技術在建筑施工領域的運用較為廣泛。物聯網是在互聯網的基礎上，不局限于網絡之間，而是延伸至所有物品與物品之間，實現物與物之間的聯結和信息交互，是重要的信息技術。在施工過程中，利用物聯網技術可以將施工現場的所有信息在網絡中顯示[5]。物聯網的強大映射功能，有助于形成大數據。因此在形成施工安全大數據庫時，物聯網作為重要支撐環節進行數據采集，保障數據的有效性和可靠性。

（3） 云計算

云技術的核心是云計算。通過互聯網連接實現巨大的數據收集、運算、結果匯總、結果反饋，需要龐大的計算量，云計算能在短時間內提供極速運算服務。

2.2 基于大數據的建筑施工安全風險管理流程

基于大數據進行施工安全風險管理的第一步是進行風險識別。風險識別主要是對施工過程中的人員、材料、機械、環境和管理進行識別。利用傳統手段進行數據識別，如直接經驗法、對照檢查表法等，加上大數據技術性分析得到最終的綜合性風險識別結果。數據來源有以下幾種：一是利用物聯網技術對施工現場進行監控，如紅外感應器、RFID、定位系統等智能傳感器將施工現場的人材機環管5大要素用互聯網聯系起來，形成數據化管理，達到同步檢測、實時監控；二是將國家相關的法律法規納入安全生產數據庫中，運用機械語言通過計算機編程進行風險識別[6]；三是行業內的歷史安全事故數據，通過大數據技術實現關聯分析，并獲取數據中的價值規律，從而指導風險管理。識別之后可以根據5大要素細化得到施工安全風險因素數據表，如表1所示。

表1所示的風險因素可通過不斷識別進行更新完善。將風險數據識別之后，形成施工安全大數據庫，解決數據孤島的問題，是施工安全管理的重要基礎。施工安全大數據庫利用大數據技術實現風險數據耦合，調整信息，避免出現數據遺漏、重復或沖突的情況，提高安全管理的科學性、準確性和共享性。

施工安全風險管理不只是形成數據庫。在建立了施工安全大數據庫之后，再進行實時的數據采集，對風險進行評價分級。對安全生產大數據庫的海量數據資源進行整合，利用大數據技術對數據進行關聯分析及置信度分析，相較于傳統風險評價分級的優勢在于可以獲取不易發現的風險要素信息。關聯及置信度分析之后，對施工安全事故發生的可能性和嚴重程度進行分級設計，以人材機環管5大要素及時間、空間、系統等要素確定分級指標，最終形成施工安全風險評價分級模型，幫助各參與方更好地進行施工安全管理。

表1 建筑施工現場安全風險因素表

在對風險進行評價分級之后，可以利用大數據技術建立風險預警預控模型，有效預防施工安全事故的發生。在現場管理中，利用機械學習法優化自動預警功能；施工安全大數據庫中的預警、報警歷史統計數據作為基礎數據資源，根據關聯分析與可信度分析預測安全風險發生的趨勢；再利用物聯網等技術對施工現場的數據進行實時采集、存儲和分析，通過大數據流處理技術對數據進行動態監測，優化實時預警功能[7]。在風險預警過程中，發出預警信息的時候，利用大數據的特點，同步提出針對不同預警狀態的預防措施，為施工現場安全風險管理決策提供支撐。

通過風險預警，將安全風險數據發布至平臺中，并存儲至施工安全大數據庫中，不斷優化數據庫和風險管理流程，做到科學、高效、精準管理。

基于大數據的建筑施工安全風險管理流程如圖2所示。

3 結語

通過大數據技術開始風險識別，形成生產安全大數據庫，并利用大數據技術進行關聯分析和置信度分析，從而進行風險評價分級。針對風險評價分級結果進行風險預警預控，利用大數據對建筑施工安全進行風險管理，使得施工現場管理更規范、更科學、更有效。大數據技術未來將大量運用在建筑施工領域，基于大數據的施工安全風險管理將為建設工程的風險防控提供幫助。

圖2 基于大數據的施工安全風險管理流程