地下工程安全隱患閉環管理流程及系統研究*

楊 玥，張蕓菡，鄭耀武，陳 珂

(1.華中科技大學土木與水利工程學院，湖北 武漢 430074；2.武漢市城市建設投資開發集團有限公司，湖北 武漢 430070)

0 引言

隨著我國城鎮化進程的快速推進，隧道、地鐵等地下基礎設施逐漸成為我國改進民生的主力工程之一，為提高城市綜合承載力發揮著重要作用[1]。然而，我國地下工程施工安全事故頻發的態勢尚未根本扭轉。2008年11月15日，杭州“11·15”地鐵湘湖站北2基坑坍塌事故，造成21人死亡、24人受傷，直接經濟損失達4 961萬余元；2021年7月15日，廣東珠海石景山隧道“7·15”重大透水事故，致14名施工人員遇難，直接經濟損失達 3 678.677 萬元；2021年10月2日，杭州地鐵9號線一期工程(余杭段)道路恢復工程“10·2”坍塌事故，造成2人死亡，直接經濟損失約350萬元。這些事故給社會經濟的穩定發展造成嚴重的負面影響。

地下工程在施工環境、結構形式等方面與地上工程存在明顯差別，具有工作條件差、工作面狹窄、受地質和水文條件影響較大等特點[2]。同時，由于地下工程通常施工規模大、施工機械種類多、專業工種密集，極易產生安全隱患，若隱患排查不及時、不全面，易錯過最佳整改時機，從而引發一般事故乃至重大事故發生。事故隱患具有隱蔽性、漸生性及可排除性等特點[3]，而傳統的安全隱患排查體系已無法滿足地下工程施工安全管理的需要：①傳統排查方式主要依賴人工，易導致排查不及時，無法在第一時間發現并解決安全隱患；②傳統方式下隱患信息的溝通不連續，具體整改任務未準確定位到人，很難形成系統的閉環管理；③在傳統方式下，建設單位、監理單位和施工單位等工程參與方通過紙質方式或獨立的數據庫記錄安全隱患信息，導致信息分散且未被充分挖掘，無法用于提升未來項目安全隱患治理水平[4]。

隨著新一代信息技術和傳統產業的融合，移動互聯網、云計算、人工智能(AI)等技術應用于工程項目建設中，逐漸成為提高安全隱患排查能力、完善隱患排查體系的重要手段[5]。宋四新等[6]結合工程項目特點，對項目隱患數據進行分析，建立明確有序的隱患排查工作機制，各層級分工明確，人員參與度更高。朱文杰等[7]提出基于移動互聯網的軌道交通隱患排查系統，構建動態數據庫，實現隱患管理閉環留痕，縮短隱患治理周期。為進一步推進安全生產治理體系和治理能力現代化，彌補人工排查效率低、隱患管理開環無反饋及隱患數據碎片化等缺陷，本文構建基于人工與AI結合的地下工程安全隱患治理流程框架，開發了安全隱患排查系統，并將該系統應用于武漢兩湖隧道東湖段項目，實現了安全隱患閉環管理，為提升兩湖隧道施工安全水平提供可靠的技術支持，也為提升我國地下工程安全管理水平提供重要的經驗參考。

1 安全隱患治理流程框架

1.1 安全隱患治理工作要點

隱患排查治理是地下工程安全生產管理的重要內容之一，也是防止安全事故發生、實現安全生產的重要手段。為加強地下工程隱患治理工作，結合目前實際情況，需設計完備的安全隱患治理流程，豐富安全隱患治理模式，統一存儲安全隱患治理知識并實現預警。為此，提出基于人工與AI結合的安全隱患治理流程框架，從隱患防治一體化的角度出發，將排查、整改、審核、辦結、分析等工作流程貫穿其中，旨在創建方式多樣、管理有序、閉環留痕的安全隱患治理模式[8]。工作要點如下。

1)采用人工與AI協同的排查方式，以AI彌補人工無法實時排查等缺陷，以人工輔助降低AI排查的誤檢率和漏檢率。

2)采用分級審核機制，各單位、崗位責權清晰，從隱患發現到辦結全過程知悉，確保隱患及時、正確整改，避免隱患積壓導致安全事故發生。

3)建立統一的動態數據庫，實時存儲和調用隱患數據，項目各參與方通過統一平臺進行信息共享，實現隱患治理全程閉環留痕。

4)對隱患數據進行統計分析并形成知識，從中總結隱患發生規律，完善現有隱患防治體系，有序推進下一階段隱患治理工作，實現管理體制與工程實際同步更新。

結合上述要點，擬構建的流程可實現安全隱患“精準識別、明晰責任、科學防治”，從根本上控制隱患演化而導致的安全事故發生。

1.2 流程框架

安全隱患治理流程框架如圖1所示，該框架旨在實現安全隱患閉環管理，即對隱患排查、整改、溯源等全過程進行記錄，且涵蓋施工單位、監理單位、業主代表等參與方的響應軌跡。通過人工與AI進行安全隱患協同排查，同時針對審核單位對已整改隱患逾期審核的現象，增加了隱患逾期審核自動上報功能。

圖1 安全隱患治理流程框架

2 安全隱患閉環管理系統架構及功能

基于安全隱患治理流程框架，設計了安全隱患閉環管理系統架構。如圖2所示，該系統架構采用B/S+C/S結合的方式，共包括3個層次：數據采集層、數據存儲層及應用層。

圖2 安全隱患閉環管理系統架構

1)數據采集層 數據采集層用于地下工程施工現場的隱患信息采集，支持人工與AI相結合的采集方式。人工通過B/S端(網頁)、C/S端(手機APP)及攝像頭等方式將識別出的隱患上傳。AI則利用已訓練的模型，從視頻影像中識別隱患目標后自動上傳。采集到的數據通過4G/5G及WIFI、有線接入網絡等上傳至數據存儲層，繼而進行數據存儲與分析。

2)數據存儲層 數據存儲層主要負責搭建動態數據庫，實現隱患排查閉環管理全過程的數據存儲。數據主要包括隱患數據和知識信息庫，隱患數據包括隱患內容、治理軌跡信息、隱患分析報告、預警信息等；知識信息庫包含安全生產隱患清單、隱患防治措施等。

3)應用層 應用層主要包括安全隱患閉環管理、隱患分析及安全預警應用。安全隱患閉環管理具體功能按照安全隱患治理流程框架構建。對完成閉環管理的隱患進行定期分析，從隱患分布、等級、發生概率等多方面進行總結，生成統計分析報告以供管理人員參考。安全預警主要利用總結出的隱患發生規律，開展短期預警和長期預警。短期預警指在隱患閉合后的短時間內，針對該類隱患進行專項防治，減少該類隱患的發生概率；長期預警則是根據長時間內隱患的發生規律，對安全隱患管理體系進行完善，以便更有效地開展隱患防治工作，實現良性循環。

3 安全隱患閉環管理系統開發及應用

3.1 項目背景

武漢兩湖隧道工程是世界上規模最大的城市湖底雙層隧道，全長約19.45km，采用“隧-路-隧”總體建設方式，以地下隧道為主，施工環境和作業內容復雜，因此，需采取高效的隱患排查方式和閉環留痕的管理模式。基于構建的安全隱患排查系統架構，開發適用于該項目的安全隱患閉環管理系統。該系統主要功能模塊分為隱患閉環管理模塊、隱患分析預警模塊及知識信息模塊(見圖3)。

圖3 兩湖隧道東湖段安全隱患閉環管理系統功能模塊

1)隱患閉環管理模塊為兩湖隧道東湖段項目隱患排查實時推進及治理過程及時反饋提供數據支撐。通過該模塊，用戶可利用隱患排查、隱患整改確認、隱患審核、隱患回復和隱患辦結5個子模塊從業務流程實現施工安全隱患閉環管理。隱患回復作為排查工作的重要環節，對于上報隱患的各階段狀態均需及時回復，避免逾期回復造成信息斷層。

2)隱患分析預警模塊包括隱患分析、隱患報告和安全預警3個子模塊。隱患分析子模塊可根據閉環管理模塊中形成的隱患數據，從本月隱患排查總體情況、本月各工區/施工單位隱患情況、本月較大以上隱患排查情況、隱患類別分析、隱患趨勢分析等維度，統計分析項目隱患情況。隱患報告子模塊是將隱患分析數據形成結構化報告，為提升隱患治理能力提供基礎。安全預警子模塊則是針對特定隱患的短期防治發出預警。

3)知識信息模塊負責管理與共享兩湖隧道東湖段項目各參與方在其隱患排查工作中生成的全部知識信息資源，包含了隱患閉環管理模塊所需要的前置輸入及隱患分析預警模塊產生的數據輸出。以上數據信息將形成項目獨有的知識并統一儲存于動態數據庫中，有助于提升兩湖隧道項目安全管理水平。

3.2 應用情況

3.2.1隱患排查

《城市軌道交通工程質量安全檢查指南》(建質〔2016〕173號)的隱患庫中內置安全隱患23類，共665種[9]。兩湖隧道東湖段項目隱患閉環管理系統在此隱患庫基礎上，由項目實際情況編制隱患庫，將內置安全生產隱患分為15類，共881種。在該項目中，人工與AI結合的隱患排查工作具體如下。

1)人工根據系統內置的安全隱患排查清單，采取現場巡檢及遠程視頻監控的方式開展工作。現場巡檢時，排查人攜帶的便攜電子設備對現場隱患進行拍照，以圖片的形式記錄隱患信息；排查人也可通過視頻監控查看施工現場情況，以截圖的形式記錄視頻畫面中發現的隱患。

2)AI采用YOLOv5目標檢測模型，通過4個攝像頭采集施工現場圖像，共收集到1 699張基礎圖像。在此基礎上對其中的人、車、安全帽等對象進行標注，共8類，編寫測距代碼，多輪訓練后可實現24h工人未佩戴安全帽等危險行為識別及人機之間距離測量。訓練結果表明，人、安全帽標注準確率分別為85.3%，84.9%，6類施工機械及普通車輛準確率為90.1%～98.1%。由于AI未能達到100%精確識別，因此，需人工對AI識別結果進行后臺審核，減少誤報和漏報。

基于上述兩種方式生成的隱患圖像及文本數據，可通過Web端或手機APP端上傳至兩湖隧道安全隱患閉環管理系統。

3.2.2隱患整改

由人工及AI推送隱患信息至隱患發起模塊。隱患數據上傳至系統后，施工單位每日登錄兩湖隧道安全隱患閉環管理系統，根據Web端及手機APP界面推送隱患信息并提醒對系統上的隱患進行確認，對需要申訴的隱患提起申訴，對無需申訴的隱患直接進行整改。隱患整改后，監理單位和業主代表通過隱患審核模塊檢查隱患整改是否合格，整改合格則審核隱患，上傳至隱患辦結模塊，整改不合格則回復重新整改，直至整改合格為止。隱患排查至隱患辦結的完整軌跡均存儲于隱患查詢項中，并根據隱患治理軌跡按月自動生成隱患報告。

3.2.3隱患溯源

所有隱患的完整治理軌跡及在治理過程中產生的各種數據均存儲在知識信息模塊中。將該模塊中的數據以圖表形式進行整理，從工程形象進度、本月隱患排查總體情況、本月各工區/施工單位隱患情況、本月較大以上隱患排查情況、隱患類別統計、隱患趨勢分析角度進行統計分析，為安全預警提供數據基礎。根據報告內容，重點對隱患發生類別、隱患發生趨勢進行圖文分析。針對特殊、嚴重且具有代表性的隱患進行專項治理，從而避免該類隱患多次發生，實現特定隱患專項治理的短期預警；挖掘月內隱患背后的發生邏輯，探討此階段治理模式的不足，為完善下一階段的隱患排查體系實現長期預警。

3.3 應用效果

2021-11—2022-05，兩湖隧道東湖段項目共排查安全隱患124例。如圖4所示，東湖段施工2標段排查隱患數量多于東湖段施工1標段，分別為74，50條。其中，一般隱患108例、較大隱患14例、重大隱患2例，占比分別為87.10%，11.29%，1.61%。

圖4 隱患數量與隱患等級統計

在124例安全隱患中，人工排查到的隱患種類較多，且多數處于靜止狀態。其中，臨邊防護設施不到位37例，用電用火不規范31例，二者占總隱患數量的一半以上。AI可實現對部分動態隱患的識別，其中個人防護設施(PPE)不規范6例，占比4.84%，其余隱患如圖5所示。

圖5 隱患分類

隱患整改閉環時間統計如圖6所示。綜合考慮隱患等級、整改周期等，大部分隱患能得到快速解決，平均閉環耗時為3.79d。1d內解決的隱患數68例，占比54.84%；15d以上閉合的隱患(均為一般隱患)有7例，占比5.65%。

圖6 隱患整改閉環時間統計

除了對上述124例隱患的統計分析外，也對系統使用情況進行了用戶調研。用戶反饋表明：①系統豐富了安全隱患排查方式，通過人工與AI的配合提升了隱患排查效率；②系統擁有清晰的安全隱患排查流程，實現排查工作分級管控及各參與方互相監督，促進隱患排查良性循環；③系統使隱患數據透明化，實現隱患排查閉環留痕，并可根據隱患數據自動生成隱患月報，幫助專業人員總結隱患發生規律，為下一階段隱患防治工作提供建議。

但在系統應用過程中，仍發現不足：①系統內置隱患清單無動態更新，接電箱等設備安全不符合規范等隱患需用戶手動輸入，排查效率降低，同時排查人根據未更新的隱患清單內容排查隱患，存在漏檢現象；②AI識別的隱患數量較少，一方面因為施工現場作業人員安全意識普遍較高，個人防護設施不規范等隱患出現次數較少，另一方面因為AI受識別環境影響仍然較大，無法對上述隱患實現100%精確識別；③隱患閉環管理周期普遍較長，且存在一定數量隱患逾期審核現象，這主要是因為多次整改所造成的額外時間及部分使用人員不熟悉操作流程而造成審批延誤。同時，由于退出系統后臺后用戶無法收到隱患下發通知，使部分用戶無法第一時間接收隱患整改消息。據此，提出改進建議。

1)建立動態的安全隱患排查清單 根據隱患排查實際情況及錄入的隱患條目實時更新隱患清單子項，同時配合經驗豐富的排查人員，可降低隱患漏檢率和誤檢率，避免低效率的手動輸入。

2)提高AI識別性能 對不同施工環境圖片進行標注，持續訓練算法模型以應對不同環境下同一類型隱患識別效果，提高識別精度。同時根據實際工程增加AI識別隱患種類，并對潛在隱患進行24h監測，減少人工排查工作量，提高隱患排查效率。

3)加強操作人員專項培訓 針對由于操作不熟練而導致整改審批延誤的現象，應開展系統教學培訓，督促監理單位及業主代表等系統操作人員盡快熟悉操作流程。同時應對施工標段安排具有針對性的安全教育系列活動，如對隱患數量較多的標段進行隱患知識培訓、對多次整改隱患所處標段進行整改規范培訓等。

4)不斷完善系統，加強人性化設計 通過新增短信、微信等消息提醒功能，保證隱患信息能在第一時間送達相關人員，及時開展隱患治理工作。

4 結語

針對地下工程隱患排查過程高效、隱患管理閉環留痕等需求，構建了基于人工和AI結合的安全隱患閉環管理流程框架，形成了科學、規范、系統的安全隱患排查體系，從技術和結構層面突破隱患排查難點，為地下工程隱患治理體系持續改進提供科學依據。通過在武漢兩湖隧道東湖段項目中的應用，對隱患閉環管理系統的管理效果進行驗證。結果表明，通過人工與AI相結合，可實現隱患排查的智能化和信息化，改善排查效果的同時進一步提高排查效率；通過分級管控及各參與方相互監督，促進排查工作良性循環；依托安全隱患動態數據庫，實現隱患排查閉環留痕。