機器學習技術已應用於建築工程安全管理
施工安全一直是建築工程行業的一個問題。每一年，都有成千上萬的工人在施工現場死亡，還有更多的人受傷。
好消息是，由於人工智慧和機器學習在建築安全方面取得了進步，所有這些現狀都將要改變。
1. 為何建築業需要機器學習？
以前，機器學習是未來的技術，對於建築行業來說還沒有很多實際應用。今天，機器學習正在全世界範圍內應用，以大大提高建築施工的安全性。
為何機器學習在工程安全領域就能如此快速的落地應用呢？三個主要原因：
（1）工程管理中雲和移動互聯網技術的採用；
（2）施工中的數據源採集爆炸性出現；
（3）機器學習和深度學習技術迅速發展。
當移動互聯網技術在建築工地上普及時，隨之而來的是數據的爆炸式增長。現場工作人員使用移動設備上的清單進行日常安全檢查。他們整天跟蹤安全觀察和筆記，拍攝照片、視頻，錄製音頻，而在某些網站上，無人機會拍攝額外的鏡頭。我們也開始看到在工作場所使用感測器/物聯網和可穿戴設備來連續收集數據。平均每個施工作業現場現在每天可以生成50GB的數據。
同時，雲技術使得將所有這些數據聚合到一個位置進行分析成為可能。例如，許多領先的工程承包商多年來一直使用BIM 360作為他們的施工管理平臺，並匯總BIM模型、圖紙、各類標記、問題點、檢查清單、需求資料、提交的資料、衝突檢測報告、項目和業務概況以及相關的項目元數據。最近，BIM 360還支持與行業中的多個數據源的連接，例如無人機捕獲的圖像和可穿戴技術，提供一個用於工程施工的聯網數據生態系統。
最後，在過去兩年中，機器學習的研究人員，特別是深度學習技術的分支，已經在機器學習的應用可能性方面取得了快速進展。可以實時翻譯語音的高性能演算法和可以在圍棋等複雜遊戲中擊敗人類的演算法只是一些典型例子而已。
似乎難以置信，但這是真的。經過適當培訓的人工智慧系統，現在可以分析和分類數據，不僅比同樣訓練有素的人更快，而且準確性更高。這是一個驚人的進步，使機器可以大大有助於提升施工作業現場的安全。
2. 目前機器學習在工程安全中的應用
很多具有前瞻性意識的建築公司，已經在他們的施工項目現場使用機器學習來保證工程安全，而像http://Smartvid.io和BIM 360 Project IQ這樣的軟體正在使機器學習技術比以往任何時候都更加強大和易於使用。
目前的安全管理應用包括：
（1）分析和標記視覺和音頻數據，以瞭解現場的安全隱患和不安全做法。
（2）分析和標記視覺和音頻數據，以記錄和尋找可搜索的最佳實踐。
（3）根據其所在的位置和其他基於檢查數據、安全監測數據、問題點、檢查表、現場照片等標準，識別潛在的安全風險和危害。
（4）根據作業現場數據識別具有不安全做法的分包商。
（5）根據當前和歷史數據，確定工作現場中最常見的安全風險和危險。
（6）根據現有和歷史數據中反覆出現的施工危險和風險，優先考慮分包商級別、項目或業務單位級別的安全管理改進目標。
這些應用點目前可通過像http://Smartvid.io、Project IQ、OpenSpace.ai等軟體平臺獲得，下面分別介紹下。
3. http://Smartvid.io是如何提升施工安全的
http://Smartvid.io對採集的視覺和音頻數據進行分析和優先排序，以便通過人工智慧和機器學習進行分析。他們還開發了使數據可操作所必需的機器學習平臺。
http://Smartvid.io平臺聚合來自多種平臺和格式的視覺和音頻數據。然後，它使用職能標籤SmartTag提取相關的安全數據並進行分析。
它能夠根據與先前發現的危險所相似的情況來識別當下的危險情況，例如錯位的孔蓋、未正確使用的梯子和錯誤放置的障礙物。
它還可以識別照片和視頻中的人，並分析他們是否採取了規定的安全措施，包括他們是否穿著適當的個人防護裝備（PPE）。然後可以對此信息進行標記並確定其優先順序，以便對安全管理人員、監理人員和其他可以採取措施糾正安全問題的人員自動發出通知。
4. Project IQ是如何提升施工安全的
Project IQ是Autodesk的一項內置於BIM 360的技術，它使用基於AI的深度學習技術來分析過去和現在項目的安全性和施工效率，並針對工人安全的延誤和威脅提供有針對性的警告。Project IQ從施工文檔、問題記錄、檢查清單、相關元數據和歷史數據中篩選出數百萬個數據點，並對其進行分析，以確定每項工作的安全風險並確定其優先順序，包括：
（1）項目級安全風險分析和預測；
（2）具有較高安全風險和危險行為的被標記分包商；
（3）項目的特定危害和風險；
（4）以減輕作業現場危險性的最佳實踐和有針對性的改進。
安全管理同時也是建立一種積極的文化。Project IQ通過突出分包商所做的積極安全工作並從安全績效角度創建排行榜，以促進這種文化。
Project IQ界面允許用戶按項目、業務單位或區域、或項目類型甚至整個組織查看安全風險優先順序。你可以輕鬆查看哪些項目更容易發生風險，以及採取最佳措施來降低這些風險。通過與感測器數據、工期計劃、來自無人機的現場照片和BIM信息的集成，Project IQ等智能系統將能夠提供項目風險的整體視圖。Project IQ現已成為現有BIM 360用戶的試用功能。
5. 如何用機器學習技術來確保施工現場安全
關於工程安全管理的機器學習技術已經在使用中，最好的部分是諸如Project IQ之類的技術不需要額外的設置或配置。如果你已經在使用BIM 360，那麼Project IQ是不錯的選擇。為了在項目中充分利用機器學習，肯定會有一些最佳實踐建議。
（1）組織中最高級別管理層的支持
實施機器學習需要跨部門的努力來組織和協調所有數據和最佳實踐，並在許多項目中實現標準化，這需要公司領導建立共同的願景和支持。
（2）將工作流程數字化，並開始記錄所有項目數據
如果你還在紙上進行安全檢查和羅列檢查清單，而不是將工作流程數字化，那麼你就錯過了利用這些關鍵信息並使其可用於機器學習演算法來處理和預測風險的機會。最佳做法是開始記錄所有項目數據，並開始激勵項目團隊做同樣的事情。
（3）建立數據捕獲和分類的標準流程
智能機器只能像它接收的數據和訓練的流程一樣智能。建立標準流程和術語，以捕獲作業現場的數據，並對安全隱患進行自動分類。例如，Layton建築公司為監理人員建立了一種實踐方法：施工現場行走檢查，即視頻記錄並敘述他們遇到的危險源。通過一起捕獲視頻和音頻，然後手動標記它們，然後訓練AI系統識別收到的其他任何視頻或音頻數據中的類似潛在危險。
（4）記錄最佳實踐
為了識別安全風險並確定其優先順序，瞭解你的安全最佳實踐做法非常重要。記錄完成後，你的AI系統將能夠自動標記，並在未遵循這些最佳實踐時自動通知你。比如，如果你建議系統每天運行基於檢查表的安全檢查，那麼當你哪天沒有按時去現場完成安全檢查時，AI會發出提醒。
（5）確保覆蓋整個施工現場和所有利益相關者
為了充分利用AI，數據必須完整。制定流程以確保定期捕獲整個施工場地的數據。此外，確保得到所有項目利益相關者的支持。如果每個團隊成員都記錄了他的安全觀察，那麼你就擁有了豐富的數據集來進行風險分析。
（6）把所有數據連接起來
機器學習如果可以訪問更多數據，它就會越有效。比如選擇BIM 360等數據平臺，就可以集成和匯總來自整個施工現場的所有文本、文檔、模型、視覺、音頻和感測器數據，並將數據提供給你的機器學習平臺。
6. 結論
工程安全管理的機器學習技術已經出現，不過只是一個開始。我們預計在未來幾年內，機器學習技術在該領域將爆炸式的湧現新的應用點。結果將帶來工程行業安全管理的重大轉變。我們期待有一天100％無傷害的施工現場是常態，而非例外。
準備好利用機器學習技術來提升施工現場的安全性吧，先就從捕獲和記錄數字形式的作業現場數據開始。
參考資料：
https://www.geospatialworld.net/blogs/machine-learning-for-construction-safety/
歡迎轉發，建議收藏學習！
掃碼關注，萬間持續放送！
閱讀原文，深入瞭解應用！
推薦閱讀：
