机器学习技术已应用于建筑工程安全管理
施工安全一直是建筑工程行业的一个问题。每一年，都有成千上万的工人在施工现场死亡，还有更多的人受伤。
好消息是，由于人工智慧和机器学习在建筑安全方面取得了进步，所有这些现状都将要改变。
1. 为何建筑业需要机器学习？
以前，机器学习是未来的技术，对于建筑行业来说还没有很多实际应用。今天，机器学习正在全世界范围内应用，以大大提高建筑施工的安全性。
为何机器学习在工程安全领域就能如此快速的落地应用呢？三个主要原因：
（1）工程管理中云和移动互联网技术的采用；
（2）施工中的数据源采集爆炸性出现；
（3）机器学习和深度学习技术迅速发展。
当移动互联网技术在建筑工地上普及时，随之而来的是数据的爆炸式增长。现场工作人员使用移动设备上的清单进行日常安全检查。他们整天跟踪安全观察和笔记，拍摄照片、视频，录制音频，而在某些网站上，无人机会拍摄额外的镜头。我们也开始看到在工作场所使用感测器/物联网和可穿戴设备来连续收集数据。平均每个施工作业现场现在每天可以生成50GB的数据。
同时，云技术使得将所有这些数据聚合到一个位置进行分析成为可能。例如，许多领先的工程承包商多年来一直使用BIM 360作为他们的施工管理平台，并汇总BIM模型、图纸、各类标记、问题点、检查清单、需求资料、提交的资料、冲突检测报告、项目和业务概况以及相关的项目元数据。最近，BIM 360还支持与行业中的多个数据源的连接，例如无人机捕获的图像和可穿戴技术，提供一个用于工程施工的联网数据生态系统。
最后，在过去两年中，机器学习的研究人员，特别是深度学习技术的分支，已经在机器学习的应用可能性方面取得了快速进展。可以实时翻译语音的高性能演算法和可以在围棋等复杂游戏中击败人类的演算法只是一些典型例子而已。
似乎难以置信，但这是真的。经过适当培训的人工智慧系统，现在可以分析和分类数据，不仅比同样训练有素的人更快，而且准确性更高。这是一个惊人的进步，使机器可以大大有助于提升施工作业现场的安全。
2. 目前机器学习在工程安全中的应用
很多具有前瞻性意识的建筑公司，已经在他们的施工项目现场使用机器学习来保证工程安全，而像http://Smartvid.io和BIM 360 Project IQ这样的软体正在使机器学习技术比以往任何时候都更加强大和易于使用。
目前的安全管理应用包括：
（1）分析和标记视觉和音频数据，以了解现场的安全隐患和不安全做法。
（2）分析和标记视觉和音频数据，以记录和寻找可搜索的最佳实践。
（3）根据其所在的位置和其他基于检查数据、安全监测数据、问题点、检查表、现场照片等标准，识别潜在的安全风险和危害。
（4）根据作业现场数据识别具有不安全做法的分包商。
（5）根据当前和历史数据，确定工作现场中最常见的安全风险和危险。
（6）根据现有和历史数据中反复出现的施工危险和风险，优先考虑分包商级别、项目或业务单位级别的安全管理改进目标。
这些应用点目前可通过像http://Smartvid.io、Project IQ、OpenSpace.ai等软体平台获得，下面分别介绍下。
3. http://Smartvid.io是如何提升施工安全的
http://Smartvid.io对采集的视觉和音频数据进行分析和优先排序，以便通过人工智慧和机器学习进行分析。他们还开发了使数据可操作所必需的机器学习平台。
http://Smartvid.io平台聚合来自多种平台和格式的视觉和音频数据。然后，它使用职能标签SmartTag提取相关的安全数据并进行分析。
它能够根据与先前发现的危险所相似的情况来识别当下的危险情况，例如错位的孔盖、未正确使用的梯子和错误放置的障碍物。
它还可以识别照片和视频中的人，并分析他们是否采取了规定的安全措施，包括他们是否穿著适当的个人防护装备（PPE）。然后可以对此信息进行标记并确定其优先顺序，以便对安全管理人员、监理人员和其他可以采取措施纠正安全问题的人员自动发出通知。
4. Project IQ是如何提升施工安全的
Project IQ是Autodesk的一项内置于BIM 360的技术，它使用基于AI的深度学习技术来分析过去和现在项目的安全性和施工效率，并针对工人安全的延误和威胁提供有针对性的警告。Project IQ从施工文档、问题记录、检查清单、相关元数据和历史数据中筛选出数百万个数据点，并对其进行分析，以确定每项工作的安全风险并确定其优先顺序，包括：
（1）项目级安全风险分析和预测；
（2）具有较高安全风险和危险行为的被标记分包商；
（3）项目的特定危害和风险；
（4）以减轻作业现场危险性的最佳实践和有针对性的改进。
安全管理同时也是建立一种积极的文化。Project IQ通过突出分包商所做的积极安全工作并从安全绩效角度创建排行榜，以促进这种文化。
Project IQ界面允许用户按项目、业务单位或区域、或项目类型甚至整个组织查看安全风险优先顺序。你可以轻松查看哪些项目更容易发生风险，以及采取最佳措施来降低这些风险。通过与感测器数据、工期计划、来自无人机的现场照片和BIM信息的集成，Project IQ等智能系统将能够提供项目风险的整体视图。Project IQ现已成为现有BIM 360用户的试用功能。
5. 如何用机器学习技术来确保施工现场安全
关于工程安全管理的机器学习技术已经在使用中，最好的部分是诸如Project IQ之类的技术不需要额外的设置或配置。如果你已经在使用BIM 360，那么Project IQ是不错的选择。为了在项目中充分利用机器学习，肯定会有一些最佳实践建议。
（1）组织中最高级别管理层的支持
实施机器学习需要跨部门的努力来组织和协调所有数据和最佳实践，并在许多项目中实现标准化，这需要公司领导建立共同的愿景和支持。
（2）将工作流程数字化，并开始记录所有项目数据
如果你还在纸上进行安全检查和罗列检查清单，而不是将工作流程数字化，那么你就错过了利用这些关键信息并使其可用于机器学习演算法来处理和预测风险的机会。最佳做法是开始记录所有项目数据，并开始激励项目团队做同样的事情。
（3）建立数据捕获和分类的标准流程
智能机器只能像它接收的数据和训练的流程一样智能。建立标准流程和术语，以捕获作业现场的数据，并对安全隐患进行自动分类。例如，Layton建筑公司为监理人员建立了一种实践方法：施工现场行走检查，即视频记录并叙述他们遇到的危险源。通过一起捕获视频和音频，然后手动标记它们，然后训练AI系统识别收到的其他任何视频或音频数据中的类似潜在危险。
（4）记录最佳实践
为了识别安全风险并确定其优先顺序，了解你的安全最佳实践做法非常重要。记录完成后，你的AI系统将能够自动标记，并在未遵循这些最佳实践时自动通知你。比如，如果你建议系统每天运行基于检查表的安全检查，那么当你哪天没有按时去现场完成安全检查时，AI会发出提醒。
（5）确保覆盖整个施工现场和所有利益相关者
为了充分利用AI，数据必须完整。制定流程以确保定期捕获整个施工场地的数据。此外，确保得到所有项目利益相关者的支持。如果每个团队成员都记录了他的安全观察，那么你就拥有了丰富的数据集来进行风险分析。
（6）把所有数据连接起来
机器学习如果可以访问更多数据，它就会越有效。比如选择BIM 360等数据平台，就可以集成和汇总来自整个施工现场的所有文本、文档、模型、视觉、音频和感测器数据，并将数据提供给你的机器学习平台。
6. 结论
工程安全管理的机器学习技术已经出现，不过只是一个开始。我们预计在未来几年内，机器学习技术在该领域将爆炸式的涌现新的应用点。结果将带来工程行业安全管理的重大转变。我们期待有一天100％无伤害的施工现场是常态，而非例外。
准备好利用机器学习技术来提升施工现场的安全性吧，先就从捕获和记录数字形式的作业现场数据开始。
参考资料：
https://www.geospatialworld.net/blogs/machine-learning-for-construction-safety/
欢迎转发，建议收藏学习！
扫码关注，万间持续放送！
阅读原文，深入了解应用！
推荐阅读：
