《RELIABILITY ENGINEERING & SYSTEM SAFETY》：Enhancing Heavy Construction Equipment Safety Management through Integrated Predictive Modeling and Real-Time Monitoring: A Proactive Approach to Hazard Mitigation
编辑推荐：
摘要建筑业仍然是最危险的行业之一，其工作场所事故和死亡事故率高企。传统安全措施通常是被动应对式的，只有在事故发生后才着手处理风险，这限制了其有效性。本研究提出了一种开创性的方法，将先进的预测建模与实时监测相结合，应用于重型建筑设备的运营安全管理。研究利用混合梯度提升机（HyG
摘要
建筑业仍然是最危险的行业之一，其工作场所事故和死亡事故率高企。传统安全措施通常是被动应对式的，只有在事故发生后才着手处理风险，这限制了其有效性。本研究提出了一种开创性的方法，将先进的预测建模与实时监测相结合，应用于重型建筑设备的运营安全管理。研究利用混合梯度提升机（HyGBoost）算法与物联网技术的组合，开发了一种动态预测模型，不仅能够识别潜在的安全隐患，还能实时主动进行缓解。本研究采用蒙特卡洛模拟来验证各种安全干预措施的有效性，并探讨了物联网传感器在增强模型响应速度和运营安全方面的重要作用。预测组件提高了对高风险运行条件的识别能力，而模拟分析表明，在综合干预场景下，当模型生成的预警得到指定的安全行动响应时，事故风险可降低约40%。这一数值是基于场景的模拟估计值，不应被理解为前瞻性现场试验中直接观察到的事故减少量。因此，这些发现通过将物联网数据与先进的预测分析相结合，增强了安全管理。研究支持在建筑业中更广泛地采用这些技术，以改善安全结果和运营效率。其重点在于确保系统长期一致地执行其预期功能，并关注系统安全，即识别和缓解隐患以防止事故并确保安全运行。
引言
建筑业以危险著称，与其他行业相比，其事故和死亡事故率居高不下[30,43]。建筑业中的传统安全措施往往依赖被动应对的方式，无法在事故发生前予以阻止[23]。建筑工地的动态和复杂性质——多项任务同时在不同环境中进行——加剧了维持安全的挑战[28]。迫切需要对潜在隐患进行预判和缓解的主动式安全管理系统，以显著降低受伤和死亡的风险[9,10]。
本研究旨在通过探讨若干关键研究问题，解决在主动管理工地安全中整合预测建模和实时监测的问题。首先，研究考察了这些技术如何结合以增强安全管理并减少事故发生的频率和严重程度。研究调查了物联网传感器对实时工地环境中预测安全模型准确性和有效性的影响。此外，研究深入探讨了通过实时监测捕获的不同环境和操作变量如何影响预测模型的结果。最后，研究识别了在真实施工环境中部署此类综合系统的主要挑战和局限性，并探索了克服这些障碍的潜在解决方案。
本研究为建筑安全管理领域做出了若干重要贡献。首先，研究利用机器学习（ML）算法和多样化数据集——包括历史事故数据、实时环境监测和工人行为分析——开发了一种整合预测模型，在隐患导致事故之前对其进行识别。这一贡献的新颖之处在于有效整合了多种数据类型以增强预测能力。其次，研究开发了一种物联网启用的实时监测架构，其中传感器获取的信息可改善预测风险评估的响应性并支持动态安全干预。该框架区分了预测预警的生成与随后执行的物理或管理性安全行动。此外，研究提供了对操作和环境变量如何影响风险水平的细致理解，例如一天中的时间、工人班次和工地条件，从而优化风险评估策略。最后，研究提出了一个可扩展的框架，将先进的预测模型与实时监测系统相结合，该框架可适应各种施工环境，推动行业安全改善的广泛应用。
章节摘要
文献综述
在传统的安全生产管理中，被动应对措施往往侧重于事故后的合规性要求，这可能无法有效防止事故发生[3]。有必要向整合先进预测建模和实时监测技术的主动安全管理策略转变，以增强安全协议[5,7,16]。例如，机器学习算法与物联网技术整合用于动态预测建模被强调为一项重大突破
研究方法
本研究方法论的核心是将先进的模拟技术与混合机器学习模型相结合，以评估和预测重型建筑设备运营相关的风险。该方法利用蒙特卡洛模拟来理解事故发生随机性质以及在各种安全干预措施在受控假设条件下的有效性。这使得能够在不同场景下对潜在的安全改进进行全面分析；
结果与讨论
预测建模与实时监测在建筑业中的整合代表了安全管理方面的重大进步，尤其对于涉及重型建筑设备的运营而言。结果以两个互补的部分报告。首先，预测分析评估了HyGBoost从可用的实证和衍生变量中识别高风险运行条件的能力。其次，蒙特卡洛和运营模拟考察了
结论
本研究证明了整合预测建模和实时监测对于增强重型建筑设备运营安全管理的有效性。物联网传感器的采用与先进的机器学习算法相结合，促进了更主动的隐患识别和事故预防方法。本研究开发了一种整合框架，结合了预测建模、实时监测、物理信息风险指标和干预
数据可用性声明
支持本研究结果的数据可向通讯作者合理索取。
CRediT作者贡献声明
Odey Alshboul：撰写——初稿，软件，方法学，形式化分析。Ali Shehadeh：可视化，方法学，调查，形式化分析。
Odey Alshboul|Ali Shehadeh
