面向智能盾構施工的人因研究綜述

杜 娟, 張靜怡, 胡 珉, 甘麗凝

(1.上海大學悉尼工商學院, 上海 201208; 2. 上海大學-上海城建集團建筑產業化研究中心, 上海 200072)

0 引言

隨著人工智能、大數據、物聯網等技術的興起與工程數字化轉型的推進,施工裝備智能化技術日趨成熟[1],融合智能技術的盾構可實現導向控制[2]、工況感知[3-4]、姿態控制[5-6]、刀盤磨損狀況預測[7]、管片拼裝[8-9]自主控制等。由Hu等[10]設計的盾構智能控制系統(SHIELD_AICS)集成了壓力控制、姿態控制、同步注漿和盾尾油脂密封等多個自動控制模塊,可實現盾構掘進過程的自主感知、執行、規劃和決策。基于該系統研發的智能盾構“智馭號”完成了杭州至紹興城際鐵路、上海地鐵14號線的隧道施工項目,施工期間盾構姿態、地面沉降等指標均符合施工標準。智能盾構的應用證明了其在工程技術上的可行性,且智能化的實施使人脫離了高危、惡劣的作業環境,降低了人的體力負荷。

但由于盾構施工具有規模龐大、單元眾多、結構復雜等特點,且當前的人工智能技術仍在不斷發展和完善中,依托于人工智能技術開發的智能系統遠未達到理想狀態。盡管智能盾構已能完成大部分盾構推進控制任務,且具有速度快、穩定性高的特點,但由于智能系統通常是針對特定場景開發的,面臨高度復雜和不確定的場景容易失效。相較下,人具有全局意識和先驗知識,能靈活應對突發情況。因此,仍不能忽視盾構司機在盾構推進過程中的作用,將人和智能系統結合起來實現人機協同并構建安全、高效、和諧的人機關系,是保證盾構在復雜場景中高效、可靠、平穩運行的有效方式。

本文首先概述了智能盾構的研究現狀,并通過分析智能盾構的工程應用情況,總結其中與人因相關的問題;然后,采用文獻綜述的方式對智能化、人因工程和工程建造3個領域交叉的相關文獻進行了系統的總結和歸納。其中,智能盾構作為一種全新的技術,暫未有大量的研究。因此,本文從整個工程建設領域中尋找共性研究內容,挖掘當前智能化建造中人因研究的熱點,以期為提高智能盾構應用中人的接受度、適應性以及實現人機協同提供研究參考。

1 智能盾構技術發展及工程應用現狀

1.1 智能盾構技術發展

盾構掘進技術已有200多年的歷史,其發展主要經歷了4個時期,如圖1所示。第1階段出現了手掘式盾構,其在歐洲廣泛應用,1825年布魯諾爾制造的矩形盾構完成了泰晤士河下的隧道施工; 第2階段以機械式、氣壓式盾構為代表,其在歐洲、日本興起,該階段的盾構以機械開挖替代人工并采用壓縮空氣平衡土壓力; 第3階段以閉胸式盾構為代表,主要包括泥水式盾構和土壓平衡式盾構,該階段的盾構能更好地維持工作面穩定、適應不同的復雜場景; 第4階段盾構發展呈現大直徑、大推力、大轉矩及智能化的特點。

圖1 盾構掘進技術發展階段

研制具有深度感知、智能決策、自動執行功能的盾構及控制系統是盾構的重要發展方向。近年來,國內外學者在智能盾構方面做出了諸多研究,盾構智能化技術的相關研究主要可分為2類。

1)第1類研究側重于智能算法設計,圍繞以機器學習為核心的AI算法,通過施工參數、環境條件、地質特征等數據對土壓[11]、盾構姿態[5]、刀具磨損[12, 7]等工況參數進行預測。例如: Nie等[13]采用神經網絡模型,以盾構推進速度、推力等參數為輸入,來預測隧道圍巖等級,有助于盾構司機及時調整盾構掘進參數,保障施工效率。Kang等[14]基于支持向量機模型(SVM),以刀盤轉速、刀盤轉矩、隧道深度、各地層厚度等施工參數作為模型的輸入,來預測盾構推進速度。

2)第2類研究側重于將AI算法應用于智能盾構控制系統開發中,在工程應用中實現盾構智能控制。例如: 國外研究中,日本清水建設和名古屋大學聯合開發了“盾構操作AI”系統,基于人工智能算法模擬盾構司機的判斷方式,可輔助于盾構控制和管片拼裝[15]; 大林組建設公司對盾構姿態自動控制進行了初步探究[16]; 馬來西亞MMC Gamuda公司研發了“自主運行TBM系統”,該系統基于AI算法的即插即用式模塊化組件和可編程邏輯控制器(PLC),可實現盾構自主推進,在吉隆坡KV地鐵2號線隧道工程中得到應用[17]。國內研究中,中鐵隧道局集團有限公司研發了盾構隧道智能掘進和內部結構智能化全預制拼裝技術與成套裝備,可實現盾構的自主掘進,該技術成功應用于上海機場聯絡線11標工程中[18]。上海隧道工程股份有限公司研發了國際上首臺可自主進行壓力控制、姿態控制、同步注漿和盾尾密封的智能盾構控制系統,該系統基于數據驅動+知識驅動的控制方式及感知層、執行層、規劃層和策略層控制體系架構,在杭州至紹興城際鐵路工程區間實現了盾構自主巡航[10]。

此外,已有研究對智能盾構的智能化等級進行了分類。例如: 趙洪巖等[19]基于盾構巡航的狀態將盾構的智能化程度劃分為輔助巡航盾構、間歇性巡航盾構、常態化自動巡航盾構、自動控制盾構及智能掘進盾構5個等級。Hu等[10]以盾構施工中人工干預程度和盾構自身的適應性將智能化劃分為輔助駕駛、人工輔助下的自動駕駛、有條件的自動駕駛及完全自動駕駛4個等級。

1.2 智能盾構在工程實踐中的人因問題

基于1.1節的分析,智能盾構依托AI智能決策模型和智能控制體系能自行完成隧道施工中的識別、分析、決策和控制過程,極大提高隧道施工的自動化和智能化程度。

然而,在工程實踐中還存在著盾構司機對智能盾構的接受度、適應性等問題亟待解決。通過統計分析智能盾構在鄭州地鐵8號線1期02標施工項目中的應用情況可知,2021年12月6日至2022年4月11日左線共推進1 007環,其中,人工控制占18%,人機混合控制占33%,切換人工或人機混合控制的原因中,有23%源于設備故障,59%源于自動推進效果不理想。說明完全自主化的智能盾構施工應用有限,智能系統仍然離不開人工干預,盾構隧道施工完全實現無人化還需經歷較長的過渡期。智能化系統在計算、檢索、優化等方面具有優勢,但缺乏更高級的認知和推理能力。人類的經驗和知識積累能有效彌補這些差距,在突發情況下,人可以靈活地做出必要調整[20]。因此,不論機械的智能化程度如何,仍不能忽視人的作用[10, 21]。智能化的提升使人的工作逐漸由操作轉變為監督[22]。在監督的基礎上,人的作用也逐漸轉向決策、干預等更為復雜和重要的工作[23],除監督外,更重要的是以“合作者”的角色與智能系統形成人機協同。因此,在智能盾構應用中實施人機協同,使人與機器形成一個整體是實現隧道施工智能化的重要發展方向,這也帶來了一些新的挑戰。

首先,基于人工智能算法的智能盾構系統的可解釋性較差,可能引發盾構司機的質疑,導致接受度低的問題。人在施工過程中具有絕對控制權,系統的建議是否被采納或自動駕駛是否被認可都取決于人。因此,人的接受度直接影響了智能盾構是否被啟用。

其次,智能盾構的順利應用還受到人適應性的影響。人的認知和適應性影響了盾構司機工作中的人機交互體驗和施工效率。智能盾構的應用減少了手工操作,降低了體力負荷,但可能增加人的認知負荷和心理負荷,具體表現為: 1)接收的信息量增加。智能盾構系統具備自動化、人工操作、人機混合3種模式,各個模式下對應不同的交互界面和控制器,人需要接收更多的信息,增加了人的腦力負荷。2)心理疑慮增加。基于智能算法實現的自動推進系統的決策具有一定的“黑盒”特征,智能系統不能提供其做出決策背后的原因,可能導致人對智能系統的信心不足,進而可能放棄使用系統。

最后,智能盾構的引入改變了盾構司機的工作模式,盾構司機和智能系統共享盾構的控制權,還可能引發人機功能分配的問題[24]。人和智能系統混合的控制方式與傳統的人工手動操作相比有較大差異,在自動系統工作時,人的注意力可能轉移到其他事務中,對情景感知處于較低水平;當突發情況出現時,人工介入對腦力和認知負荷的需求激增。人工能否適應新技術帶來的工作方式轉變,并在突發場景中快速應對,影響了盾構操作的安全性和可靠性。

通過總結上述分析及智能化建造中人因相關的研究,本文旨在解決以下問題:

1)結合智能建造中人的因素相關研究,從哪些方面來提高智能盾構應用中人的接受度;

2)結合智能建造中人的因素相關研究,如何測量和提升智能盾構應用中人的適應性;

3)結合智能建造中人的因素相關研究,如何實現智能盾構應用過程中的人機協同。

2 文獻整理與分析

2.1 文獻檢索

根據綜述主題,將文獻檢索的關鍵詞聚焦在智能化、人因工程、工程建造3個領域,并確定了相應術語,構建的檢索字符組合表達式如表1所示。本文綜述的主題涉及3個不同領域,在數據庫選擇方面,考慮文獻的質量和覆蓋的深度選擇Web of Science(WoS)作為檢索數據庫,WoS涵蓋了科學、技術、社會科學等領域,適合于本文研究。確定檢索的時間范圍為2000年至2022年,在WoS中進一步將檢索的研究方向限定在“Computer Science”“Engineering”“Automation Control System”“Robotics”中,經過篩選獲得178篇文獻,輸出文獻的關鍵詞進行共現分析。

表1 構建的檢索字符組合表達式

2.2 關鍵詞共現分析

使用VOSviewer進行關鍵詞共現分析,設置共現的閾值為2,去除與綜述主題不相關的詞匯并進行同義詞合并,最終獲得有效關鍵詞44個。生成的關鍵詞共現網絡如圖2所示。其中,節點越大表示該詞出現的頻次越高;節點之間的連線表示2個關鍵詞之間存在共現關系,連線越寬表明2個關鍵詞之間的聯系越緊密。

圖2 關鍵詞共現網絡

網絡中節點顏色一致表明關鍵詞具有相關性,可歸為同類。歸納總結各類別中關鍵詞的共性,得到本文綜述的3個主題: 人機信任、人因設計、人因風險。1)在黃色簇中出現次數最多的為“trust”,其次是“human-robot interaction”,與“trust”概念聯系密切的詞還包括“explainable AI”和“reliability”; 2)紅色簇內出現次數最多的關鍵詞是“human-machine interaction”,其次是“human factors”和“model”,該簇中顯示的其余關鍵詞大多與安全和人因失誤有關,如“construction safety”和“human error”; 3)綠色簇中出現次數最多的詞是“artificial intelligence”,其次是“automation”; 4)藍色簇中出現次數最多的詞匯是“construction robots”,其次是“human-robot collaboration”。藍和綠2個簇顯示的詞概念上具有共性,都與智能化、數字化技術有關,其涉及的文獻關注如何依托智能化或數字化技術進行設計或優化,以提升人的體驗和感知。

根據以上分析總結出本文討論的3個主題: 1)智能施工中的人機信任; 2)智能施工中的人因風險; 3)智能施工中的人因設計。

2.3 時間軸及研究趨勢分析

通過關鍵詞出現的時間可以了解領域的研究現狀和趨勢變化,從VOSviewer中導出共現關鍵詞出現的平均年份,按時間段劃分并歸納后得到共現關鍵詞的時間軸,如圖3所示。

圖3 共現關鍵詞時間軸

圖3示出了3個描述人機關系的詞匯: human-machine interaction(HMI), human-robot interaction(HRI), human-robot collaboration(HRC)。從時間上看,HMI是出現最早的關鍵詞,然后依次是HRI和HRC。孫效華等[25]將狹義的人機交互(human-machine interaction, HMI)中的“機”定義為不具備數字化的“機器”,是具有工具屬性的物理系統,人通過機器完成特定的任務,而機器根據人的指令做出反應,二者進行單向交互。人工智能(AI)技術的應用賦予了機器感知與認知的能力,能通過自適應學習理解人的潛在需求,HRI中的“機”多指具有智能性的“機器人”,可稱為人與智能機器人的交互[25],在HRI中人機之間可進行雙向互動。隨著研究的深入,學者們不斷意識到AI技術的意義在于增強人的能力而非取代人類[26-27],且目前尚不存在完全自主的自動化系統[28],人將繼續參與到與智能系統的交互中。因此,發展人機協同(HRC)是當前人機關系發展的趨勢[29],也是智能化施工中研究的熱點。

根據共現關鍵詞出現的時間,以2018年為時間分界點,統計該時間點前后各主題下關鍵詞的數量來反映研究內容熱度,統計結果如圖4所示。人因風險主題是2018年之前的研究熱點,在2018年之后,人因設計主題研究居多,且人機信任主題研究數量超過了人因風險主題。在具體文獻中,人因風險主題下的文獻涉及內容包含安全、人因失誤相關研究,人機信任主題下的研究關注人的信任、接受度等與心理有關的問題。

結合人機關系變化分析,早期研究主要圍繞HMI展開,相關研究聚焦在人的物理感知,關注人的工作環境、工作負荷、安全等,屬于人體功效學的范疇。智能化技術的融入改善了工人的工作環境和人身安全,降低了體力負荷及人因失誤概率,人的信任、認知、感知等可概括為工程心理學范疇的研究數量逐漸增加。Xiong等[29]在人機協同的研究中也提出人機關系、人機團隊、心智模型、情景意識等主題是當前人與智能機器協同研究的重點。總體而言,智能化施工中的人因研究在以物理感知為主的人體工效研究的基礎上越來越重視工程心理學相關研究,且在人因設計中融合數字化技術來提高人的感知受到當前研究的關注。智能施工中人因研究的主要內容可總結為表2。

圖4 研究熱點變化

表2 不同階段智能施工中人因研究的主要內容

3 研究主題分析

3.1 人機信任

人與人之間的成功合作需要相互信任,同樣建立人機之間的信任能提高智能系統的使用率及效率[30]。信任是一個復雜的概念,其融合了態度、信念、控制、情感、風險、權利等多種互動因素[31]。Lee等[32]將人機信任定義為個體在不確定或易受傷害的情景下認為代理(Agent或智能系統)能幫助其實現某個目標的態度。人對自動化(智能化)系統的信任度不高會導致自動化(智能化)系統擱置或浪費,增加人的負擔、降低工作效率; 但若過度信任自動化系統,則可能缺少對自動化系統的監控進而產生安全隱患[33]。因此,人機信任是人與智能系統交互研究中的一個重要概念[34]。類似研究中,Emaminejad等[35]對可信AI在建造領域的研究進行綜述,總結了可解釋性、績效和魯棒性、可靠性和安全、隱私安全4個主題。本文的關鍵詞共現網絡中與信任關聯的關鍵詞還包含“explainable AI(可解釋性AI)”、“acceptance(接受度)”和“reliability(可靠性)”,圍繞這些關鍵詞對文獻進行分析。

3.1.1 可解釋性AI

在涉及風險和安全的領域中,AI技術可能存在的“黑箱”問題阻礙了人們的理解和運用。此外,由于算法設計者和工程技術人員的知識差異,對工程應用而言,智能系統需要解釋其做出決策背后的原因,同時該解釋對用戶而言也應具有可理解性[36]。可解釋性AI (XAI)指能對其輸出的結果提供可理解的理由的AI技術[37],可解釋性和透明度是其中的2個重要元素。具有可解釋性和更透明的人工智能系統具有更高的可信度[38]。透明度促進了操作人員的理解[34],能減少失誤,提高人機合作的績效[39]。

當前的研究甚少涉及施工機械智能控制(自主決策)中的可解釋性問題,XAI在工程領域中實施多集中于輔助決策和預測問題,如建筑暖通系統故障檢測[40]、鋼筋混凝土構件力學性能預測[41]、火災中混凝土材料性能影響因素識別[42]、工程成本估算與混凝土開發[43];還有部分研究從解釋的適當性[44]、人對不同風格解釋的感知[45-46]等心理學角度探究XAI對人的影響。

3.1.2 AI接受度

信任被認為對用戶的接受度有著正向影響[34],接受度直接反映了用戶對智能化系統的使用意愿。接受度的研究主要圍繞技術接受度模型(TAM)[47]展開,該模型以理性行為理論為基礎,廣泛應用于研究新型技術的接受程度和相關影響因素中[48]。智能化施工研究中,關于人接受度的研究也多利用TAM模型從實證角度分析智能技術應用受阻的因素,例如: Lu等[49]基于TAM模型從個人、組織、環境和技術層面探究阻礙智能監控系統在工程施工中實施的因素; Zhang等[50]基于擴展的TAM模型探究VR技術在建筑工程中應用程度低的影響因素。除采用TAM模型外,采用其他方法進行接受度分析的研究還包括: Delgado等[51]通過文獻和問卷數據,進行統計分析識別限制建筑行業中自動化和機器人發展的因素;Ogunrinde等[52]使用模糊指數模型評估高速公路建設項目中自動化施工管理的使用程度和準備程度;Osunsanmi等[53]通過問卷調查研究智能工地建設實施的受阻因素。

3.1.3 AI可靠性

智能系統的可靠性是影響人機信任的重要原因,具有高可靠性的智能系統能保持其運行過程中的穩定性,能增強人對系統的信心。研究中,可靠性常被作為影響人機信任的因素[35, 54]。然而,在工程施工領域較少有研究提出智能系統可靠性的測量和評價方法。系統的可靠性難以被準確測量會導致人對智能化的預期與智能化的實際能力之間存在差距,若智能化的真實能力與人的預期不匹配,將造成人對自動化的棄用或過度使用。這種差距常通過信任校準的機制進行糾正,以平衡人機信任的水平[39],同時,可解釋性能起到信任校準的作用[55]。

3.2 人因風險

該主題下涉及的內容與工人的工作環境、健康、安全、工程風險等有關,可以概括為人體工效學和人因失誤2個方面。

3.2.1 人體工效學

人體工效學是一種分析人類活動與其周圍環境相互作用的工具和方法[56],在提高生產效率和保障安全方面至關重要。傳統的人體工效學研究關注人體測量、生理測量等,例如: 評估施工噪聲對人的影響[57]; 從設計角度分析照明、標志及聲音等對隧道交通事故的影響[58]; 根據人體測量優化隧道施工工作面[59]。

在智能化施工中,一方面的研究結合可穿戴設備測量人工作時的生理變化,例如: Zhang等[60]基于量表和可穿戴設備測量盾構司機的心情和心率,分析司機的情緒與聲壓級之間的關系;Xing等[61]采用腦電儀和無線生理體征檢測儀(equivital life monitor)采集盾構司機的腦電和心率數據,并結合量表分析影響噪聲煩惱的因素。另一方面的研究從功效學角度對人機交互界面進行評價或優化,例如: Jiang等[62]基于灰色物元分析法對盾構控制室界面進行評價;Liu等[63]總結了人為失誤的因素,并采用熵-FAT-Delphi模型對施工軟件界面進行評價和優化。新型的人機界面開發常與人的視覺、聽覺、觸覺等多種感官結合以提高人的感知[64]。Hou等[65]開發了盾構參數自動匹配模型并設計了相應的人機交互界面,能有效實現掘進參數匹配;Chotiprayanakul等[66]在鋼結構噴砂機器人中設計了基于觸覺反饋的人-機-環境交互(HREI)界面,提高了交互的安全性和有效性。

3.2.2 人因失誤

工程事故與人為失誤密切相關[67],人因失誤的研究主要圍繞人為失誤識別(HEI)及人因可靠性分析(HRA)2方面來分析、預測、減少及預防人為失誤[68]。分析方法包含失誤率預測技術(THERP)[69]、認知可靠性和失誤分析方法(CREAM)[70]、認知錯誤回顧和預測分析技術(TRACer)[71]等。在施工應用中,Wang等[72]提出的加權模糊CREAM模型對地鐵盾構施工中人為失誤概率預測有較好的精度。Liao等[73]通過將CREAM與Bayesian網絡結合,構建的人為失誤因果模型能追溯人為失誤的根本原因。Li等[74]基于改進的TRACer有效識別出了盾構隧道施工事故中與人有關的因素。除上述分析方法外, Zhou等[75]根據項目反應理論(IRT)建立定量分析框架,分析隧道施工中人員的安全反應能力;Chen等[76]基于社會網絡分析(SAN)從個人和整體角度研究地下空間工程建設中的風險因素和風險擴散規律。

智能施工機械的自動化程度大幅提高,使人脫離了高危工作環境,同時降低了人工操作失誤的概率,研究轉向分析人對新型技術和設備的認知負荷或人機協作中的安全問題。例如: Han等[77]分析了VR技術應用于施工環境中時對人的專注度和認知負荷的影響;Liu等[78]通過可穿戴式腦電儀評估人機協作墻體砌筑任務中工人的認知負荷,據此對機器人的精度做出調整,以提高人機協同的程度。

3.3 人因設計

將人因設計納入到智能系統或設備的開發中是提高機器可用性和人適應性的重要環節。該主題下的研究重點關注人因中的工程心理學問題,基于數字化技術來增強施工環境中人對智能系統的認知和對物理環境的感知。相關研究可以分為2類: 1)通過數字化技術輔助來增強人的感知; 2)對智能機械進行優化或重新設計以提高人的感知和機器可用性。

3.3.1 增強人感知的設計

自動化施工應用中的一個重要方面是可實現施工機械和設備的遠程控制。在該情境下虛擬現實(VR)、增強現實(AR)、混合現實(MR)等數字感知技術具有的模擬和仿真功能可為人創建沉浸式的施工作業場景,增強人對環境的感知,且AR技術能排除作業過程中的非必要信息,降低人在處理復雜任務中的認知壓力[79]。Adami等[80]將虛擬現實VR技術應用于建筑拆建機器人遠程控制中,以增強人對機器人的信任度。

智能施工系統的應用將人的工作重心轉移到決策、支持系統正常運轉等更加復雜的任務中。數字孿生技術以數字化的虛擬模型對施工環境中的物理實體進行映射,便于人對施工過程進行監控、診斷、預測和控制[81]。Wang等[82]為建筑機器人設計了基于計算機視覺識別工人操作手勢的人機交互界面,旨在提高人機交互的體驗。Sch?nb?ck等[83]從應用場景、用戶需求、流程實現方面設計了以人為中心的挖掘機遠程控制框架,有效提高了用戶的接受度。此外,對操作人員進行培訓也是提高其接受度和感知的有效途徑,Segura等[84]將可用性、人體工效學和VR技術結合設計了建筑機械模擬器,用于對施工人員進行培訓。

3.3.2 增強機械智能化的設計

通過模擬、仿生設計或人機融合的方式既能增強智能機械對物理環境的適應性[85],也可提高人對智能機器的感知。例如: Nagatani等[86]提出了能適應未知施工條件的建筑機器人的開放式設計框架,其基于硬件設計、多模態AI環境評估、物理AI(physical AI,PAI)多機協同等技術,以實現多個機器人之間進行自主組織和協作,且保障自主機器人能適應不同的施工場景。在人機協同作業中,Grigore等[87]將人的行為特征(包括注意力、頭部運動方向等)融入到人機協同過程中,提高了人機之間的相互適應性。Khasawneh等[54]通過機械臂裝置設計了可進行人機合作的鋪磚機器人。Huang等[88]結合計算機視覺技術賦予自動振動壓路機感知施工環境和工人位置的功能,增強了機械環境適應能力,同時保障了人機共同作業時的安全。Zhang等[89]設計了可自動駕駛的施工輾壓機,有效解決了人工作業質量不穩定的問題,該設備在人機交互界面中融入了土石方3D數字模型和現場實時監控畫面,便于人工進行監控和指揮。

4 智能盾構中人因研究啟示

將人因研究納入到智能盾構的設計和應用過程中,對提升智能盾構系統的可用性、提高人機協同施工的效率、保障作業安全等十分重要。本節針對智能盾構實施中人的接受度、適應度及人機協同問題,并基于人機信任、人因風險、人因設計3個主題下的研究現狀,在增強人的接受度、增強人的適應性和完善人機協同機制3個方面得到智能盾構中人因研究的啟示,如圖5所示。

圖5 智能盾構施工中人因研究內容示意圖

4.1 增強人的接受度

針對智能盾構在項目應用中存在盾構司機的接受度低、使用頻率低的問題,可采用TAM相關理論和模型來探究影響人接受度的因素。由于盾構隧道施工的復雜性和智能盾構的智能程度限制,難以實現完全無人化施工,而需要更多地依賴人機相互配合,其中,信任是人機合作的一個重要條件,也是影響人接受度的重要因素。因此,可從提高人機信任的角度來提高人的接受度。Vantrepotte等[90]指出,提高人的能動性可增強人對智能機械的信心和接受度。發揮人的能動性可考慮使人主動適應智能系統,從從業者的角度來看,可通過提高自身的智能化專業素養促進人機協同的實現。研究可關注如何通過教育、培訓等方式提升人的認知,促進人對智能盾構的接受度。從技術上,對盾構自動推進系統開發XAI,生成系統決策的依據和原因,提高智能系統的透明度。但大量AI的解釋性較差,可結合領域專家的解釋增強AI結果的可信度,在智能盾構的應用實踐中也證實了這一點。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鐵某項目施工中采用了盾構智能輔助決策系統。該項目區間地質復雜,需多次穿越環城高速、民房、運輸管線等建筑和設施,安全風險大、對地面沉降控制要求高。同時,該項目線形復雜,需完成多次小曲率轉彎,項目基于智能系統能有效提高控制精度、避免人工控制的不穩定性,最終在多方的保障下完成了多次半徑350 m極小轉彎,地面沉降值遠小于標準值。智能系統在推進過程中為施工提供風險預警和相應的掘進參數建議。但施工期間常存在系統建議與人工決策沖突的情況,導致系統建議被忽視。因此,項目安排系統設計人員針對系統建議背后的機制向盾構司機進行解釋。解釋后盾構司機對建議的執行率由之前的9.10%提升至38.29%,接受度明顯提高。

2)案例2——由上海隧道工程股份有限公司承建的鄭州地鐵某項目采用了盾構自動駕駛系統。該項目工況良好,智能系統可切換自動、人工2種模式。在使用自動化時每推進1環,盾構司機需對自動駕駛的效果進行評分。2022年1月初,組織自動駕駛系統設計人員與盾構司機進行技術溝通和解釋,幫助盾構司機理解自動駕駛模型的控制策略。為了解盾構司機對智能系統的滿意程度,邀請盾構司機對滿意度進行打分,滿分為100分; 90～100分為非常滿意; 80～90分為滿意; 80分以下為一般。評分情況統計如圖6所示。總體上,盾構司機對盾構自動推進的效果較為滿意,特別是解釋/溝通后,司機對自動駕駛系統的行為更能理解,其滿意度較前期有明顯提升。

圖6 司機對盾構自動駕駛系統的評分

4.2 增強人的適應性

智能化的應用將人的手動行為轉變為認知行為,與人因有關的研究從關注人的物理感知轉變為關注人的心理變化。認知負荷是影響人適應性的重要方面,首先需要對人的認知負荷進行量化,可研究如何對認知負荷進行測量。腦力負荷量表、負荷指數量表等測量方法廣泛應用于軍事、汽車自動駕駛中,甚少有研究對施工場景下的人的認知負荷進行評估。對智能盾構應用中人的負荷進行測量可借助其他領域的測量方法或開發新的測量方式。在盾構自動駕駛和人工控制的切換中,研究可關注如何通過工況趨勢預測、操作信息提示等輔助方法快速幫助人工恢復對工況的認知,順利接管盾構控制。在降低人的認知負荷方面,同樣可開發XAI提高智能系統的透明度,在對智能算法進行解釋的同時還應考慮透明度和認知負荷的關系。Akash等[91]研究表明,提高解釋的詳細程度也會增加人的認知負荷,因此需平衡算法的透明度和人認知負荷之間的關系。在盾構遠程控制中可搭建基于數字化技術的虛擬場景,通過虛擬的沉浸式環境增強人的感知和認知。

4.3 完善人機協同機制

實現人機協同需解決技術、施工場景和組織管理模式3方面的問題。在技術方面,相較于人而言,智能系統的適應和學習能力較弱,如盾構自動駕駛系統在復雜工況或突發事件下的決策能力較差。人腦中的知識對促進智能化提升至關重要,人的經驗可以幫助人工智能算法選擇參數,提高計算效率[92]。可采用人機混合智能的方法,將人的作用或認知模型引入到AI系統中,使AI成為人類知識的延伸或擴展,以解決更加復雜的問題。在進一步提高盾構智能化方面可考慮進行的研究有: 1)引入人在回路的思想。人在回路(human-in-the-loop, HitL)是一種特殊的控制方式,其將人視為系統運行過程中的一部分。HitL通過引入人的參與來提升算法求解的效果,例如,人在回路機器學習中人直接或間接地參與了算法的訓練,通過人的能力及時糾正機器預測中的不準確性[93]。2)引入人類的知識、智能。認知智能是人類特有的智能,思考能力是認知智能的基礎,而思考需要具備一定的知識,進而能實現推理和認知。可基于知識圖譜來表示人類的知識,賦予智能盾構更強的推理能力,將人的智慧與機器的智能相融合。

在施工場景方面,需要關注在一些極端場景下人機協同的實現方式。例如: 高原地區地形高差顯著、地質災害頻發,海底隧道地質復雜、周邊環境水腐蝕性較為嚴重、施工距離超長,這些環境對人工作業造成巨大障礙。實施盾構施工遠程控制可使操作人員遠離高危的作業環境,同時減少人為因素潛在的隱患。通過遠程控制進行人機協同可能存在場景信息表達不完整、不直觀、決策困難等問題,可充分利用AI、VR、建筑信息化模型(BIM)等技術構建三維隧道及圍巖環境信息模型,結合VR技術實現對設備的遠程控制。例如: 張旭輝等[94]針對煤礦開采設計的遠程開采系統將“人、機、環”有機交互,能實現數據驅動、虛實同步、人機協作的遠程控制。

在組織管理方面,盾構隧道涉及復雜的施工流程,需要組織共同完成,人機協同作為一種新的工作模式,與管理問題關系密切。人因工程中的組織工效學關注社會技術系統的優化,包括組織結構、政策、流程以及風險管理[95]。人因學的研究中組織包含個體、群體和組織層次[96]。在人機協同中,可將智能系統視為組織中個體層次的一員,探究人機之間如何進行功能分配[97],對工作模式進行重新設計。在智能盾構施工中可關注人機之間的盾構控制權分配、控制權切換規則制定、衡量人機協同控制下的施工績效等問題。

5 結論與展望

得益于AI技術的發展,盾構的自動化程度大幅提升,且具備了一定的自主能力,能夠執行復雜度更高的任務,成為盾構司機施工作業中的有力伙伴。然而,智能盾構作為一種新興技術還存在人的接受度低、適應性差問題。本文采用文獻綜述的方式,設定智能化、人因工程、工程建造為關鍵詞檢索的主題,通過文獻分析軟件VOSviewer對WOS數據庫中的文獻進行共現分析和時間分析,總結出: 1)人機信任、人因風險和人因設計是智能化、人因工程、工程建造交叉領域研究的熱點; 2)隨著機器智能化的提升,發展人機協同是人與智能機器交互的研究趨勢。通過對檢索到的文獻進行分析,得到智能盾構應用中人因研究啟示,并提出以下研究展望:

1)針對人對智能盾構的接受度問題,一方面,可從人的接受度、信任等方面切入,運用心理、行為學相關理論和方法找到導致智能盾構使用頻率不高的因素;另一方面,可從改進機械設計(如開發具有可解釋性的AI、增強機械智能性)以及對人員進行培訓等方面來提升人的接受度。

2)針對人對智能盾構的適應性問題,首先需完善智能盾構施工過程中人適應性的評測方法,并通過改善智能算法的可解釋性、提高算法透明度、結合虛擬現實和現實增強技術等方法提高人的適應性。

3)隧道施工過程中不可忽視人的作用,發展人機協同是智能盾構實施的必由之路。要實現人機協同,技術上可通過人在回路設計、人機混合智能進一步提升系統的智能化程度;關注在極端施工條件下的人機協同方式;在組織和管理中,需關注人機合作時任務分配、工作模式設計、績效評價等問題。

致謝

本文在所涉及項目案例的背景分析和數據采集過程中得到了上海隧道工程股份有限公司盾構工程分公司的大力協助與支持,特致謝忱!