一种用于结构化事故分析和建筑安全决策支持的集成分析方法

《Decision Analytics Journal》：An integrated analytics method for structured accident analysis and safety decision support in construction

　　穆罕默德·阿尔·奥马里 | 穆罕默德·伊泰尔 | 莫贾塔巴·埃斯拉希 | 杰罗姆·洛伊威克 | 拉尼·埃尔·梅乌什
法国卡尚ESTP建筑研究学院，邮编F94230

**摘要**
建筑工地仍然是高风险环境，每年都会发生数千起事故。尽管全球有大量的事故记录，但其中大部分信息以非结构化的自由文本评论形式存储，这限制了其用于系统分析的实用性。本研究通过开发一种基于人工智能（AI）的方法，将非结构化的事故描述转化为结构化的见解，从而填补了这一空白。分析了来自多个国家的约12,000起建筑工地事故，这些事故最初用近20种语言撰写，且结构化数据非常有限。本研究的目标是利用大型语言模型（LLMs）自动将事故分类为有意义的根本原因，并利用这些分类来提高对事故机制的理解并指导安全干预措施。通过LLM增强的处理，能够提取上下文变量并识别每个案例的优先根本原因。分析涵盖了多个层面，从描述性比较（例如，按国家或季节划分的严重程度）到更高级的网络分析，以识别连锁的根本原因。对一个发生超过1200起事故的特定工地的案例研究提供了关于重复性故障和工人归因原因的更深入见解。通过对150起事故的手动分类验证，显示与LLM生成的类别完全一致，证明了所提出方法的可靠性。研究结果揭示了不同经济环境下事故模式的差异，并对频繁将责任归咎于工人的现象提出了担忧。基于提取的根本原因，提出了针对性的政策建议，以支持更有效的安全策略。这项工作有助于更深入、数据驱动地理解建筑工地风险，并提供了一种可扩展的方法来揭示事故背后的系统性原因。

**1. 引言**
建筑业被广泛认为是全球最危险的行业之一，占工作场所事故和死亡人数的很大比例。根据职业安全与健康管理局（OSHA）[1]的数据，全球每年有超过60,000起致命事故发生在建筑工地上，该行业的死亡率始终高于所有其他行业平均水平。在许多情况下，传统的安全措施不足以应对建筑活动中固有的动态、复杂且不断变化的风险。
正如Manjunath等人（2023年）[2]所回顾的，建筑工地的事故源于人为因素、组织问题和环境问题，对工人安全、项目效率、伤害和中断构成严重威胁。因此，建筑行业的雇主有责任实施主动的安全措施，包括持续的安全监控和系统的跟进，以发现风险并预防事故[3]。
尽管有许多理论试图解释建筑事故的原因，从不安全的物理条件到危险的人类行为再到系统的管理缺陷，但研究人员认为事故通常是由这些因素的组合造成的，而不是单一原因[4]。因此，有效的事故预防策略必须整合多种视角，并进行深入的调查，而不仅仅是表面层次的事件分类。例如，简单地将事故归类为“跌落”或“被物体撞击”无法捕捉到导致不安全情况的深层因果因素；最近的研究表明，只有通过对事故叙述数据的深入分析，才能识别出潜在的模式，如不安全的程序、环境危害和管理缺陷[5]。正如Hamid和OSHA指出的那样，虽然这些分类描述了伤害是如何发生的，但它们并没有解释为什么会发生。
尽管关于建筑安全的研究非常多，但大多数研究集中在小规模数据集或局部环境中。基于大规模、多样化和多语言事故数据集的分析很少见。此外，许多传统方法依赖于描述性统计和预定义的类别，这往往无法捕捉到促成因素的复杂性和相互依赖性。最近的研究强调了深入分析历史事故数据以揭示导致事故的潜在因素的重要性。例如，Soltanzadeh等人[6]使用结构方程建模分析了十年来的建筑事故记录，发现个人和组织因素、不安全条件以及不安全行为与安全结果之间存在强烈关联，这表明需要超越表面分类，进行更全面的因果分析。
为了解决这些限制，本研究对来自多个国际地点的约12,000起建筑工地事故进行了大规模分析。该数据集最初由用19种语言撰写的非结构化自由文本事故描述组成，元数据有限。通过数据准备过程，事故数据使用大型语言模型（LLMs）和基于AI的工具进行了结构化增强。描述性叙述被标准化，并添加了地理、季节和经济指标等上下文属性。然后应用了基于分类法的框架，将每起事故分配到一个主要类别，并从中确定多个促成根本原因。
通过将碎片化和不一致的原始记录转化为干净、结构化且富含上下文的数据集，这项工作使得对事故模式的分析更加先进和有意义。本研究提出的多层次分析框架超越了基本的频率报告，结合了统计比较、多变量相关性和基于网络的根本原因分析，以揭示隐藏的关系和系统性故障点。此外，本研究还估计了事故造成的时间损失和相关直接劳动力成本，提供了对其经济影响的定量评估。对一个发生超过1200起事故的特定工地的案例研究进一步使我们能够考察特定工地的模式。
最终，本文不仅提供了一个数据集，还提供了一种精细的事故数据处理和解释方法。由此产生的见解可以指导制定有针对性的干预措施和政策，以减少事故并在全球范围内提高建筑工地的安全性。

建筑业一直被认为是全球最危险的行业之一，对工作场所伤害和死亡人数贡献巨大。根据职业安全与健康管理局（OSHA）[1]的数据，并得到多项国际研究[7],[8]的支持，建筑工地每年记录数以万计的致命事故，事故率远高于其他行业。建筑活动的动态、快速变化的性质，加上碎片化的工作流程、多样化的劳动力以及不同的现场条件，形成了一个高风险环境，仅靠传统的安全措施是不够的。
要理解和预防事故，需要明确什么是事故。最近的研究将工作事故定义为工作中发生的离散、突然且意外的事情，导致工人受到身体伤害或受伤，从而将这些事件与慢性职业健康问题区分开来，并强调了分析导致这些事件的急性因果因素的重要性[9]。然而，由于建筑事故往往源于工人、工具、材料和组织实践之间的复杂相互作用，因此实施预防策略仍然具有挑战性。
大量研究试图确定建筑事故的原因。先前的研究强调了多个促成因素，包括不安全的物理条件、人为错误和管理缺陷[4],[10]。这些研究表明，事故很少由单一原因引起，而是由一系列相互关联的事件造成的。因此，有效的事故预防策略必须整合多种视角，并进行超出事件表面层次分类的彻底调查。例如，简单地将事故归类为“跌落”或“被物体撞击”无法捕捉到导致不安全情况的深层因果因素；最近的研究表明，只有通过深入分析事故叙述数据，才能识别出潜在的模式，如不安全的程序、环境危害和管理缺陷[5],[6]。
尽管关于建筑安全的研究很多，但大多数研究集中在小规模数据集或局部环境中。基于大规模、多样化和多语言事故数据集的分析很少见。此外，许多传统方法依赖于描述性统计和预定义的类别，这往往无法捕捉到促成因素的复杂性和相互依赖性。最近的研究强调了深入分析历史事故数据以揭示导致事故的潜在因素的重要性。例如，Soltanzadeh等人[6]使用结构方程建模分析了十年来的建筑事故记录，发现个人和组织因素、不安全条件以及不安全行为与安全结果之间存在强烈关联，这表明需要超越表面分类，进行更全面的因果分析。
为了解决这些限制，本研究对来自多个国际地点的约12,000起建筑工地事故进行了大规模分析。该数据集最初由用19种语言撰写的非结构化自由文本事故描述组成，元数据有限。通过数据准备过程，事故数据使用大型语言模型（LLMs）和基于AI的工具进行了结构化增强。描述性叙述被标准化，并添加了地理、季节和经济指标等上下文属性。然后应用了基于分类法的框架，将每起事故分配到一个主要类别，并从中确定多个促成根本原因。
通过将碎片化和不一致的原始记录转化为干净、结构化且富含上下文的数据集，这项工作使得对事故模式的分析更加先进和有意义。本研究提出的多层次分析框架超越了基本的频率报告，结合了统计比较、多变量相关性和基于网络的根本原因分析，以揭示隐藏的关系和系统性故障点。此外，本研究还估计了事故造成的时间损失和相关直接劳动力成本，提供了对其经济影响的定量评估。对一个发生超过1200起事故的特定工地的案例研究进一步使我们能够考察特定工地的模式。
最终，本文不仅提供了一个数据集，还提供了一种精细的事故数据处理和解释方法。由此产生的见解可以指导制定有针对性的干预措施和政策，以减少事故并在全球范围内提高建筑工地的安全性。

**2. 文献综述**
**事故特征和数据一致性**
尽管事故的定义已经确立，但最近的研究越来越多地关注识别导致此类事件的因果模式和系统性因素[11]。无论事故是否导致身体伤害或物质损失，都应同等重视。即使是看似轻微的事故或险些发生的事故，也可能预示着未来更严重的事故。
文献中反复提到的一个问题是官方事故报告中数据的质量[14],[15]。Salguero-Caparros等人（2015年）研究了众多关于职业事故报告准备的实证研究，指出了显著的不一致性。在许多情况下，缺乏标准化的促成因素分类法，导致分类过于灵活，从而削弱了结果的可靠性和可比性[16]。Hola等人[17]强调了需要统一的事故分析方法，以确保一致性和实现有意义的跨研究比较。
为了解决这些限制，已经提出了几种方法，将事故原因分类为技术、组织和个人因素等更广泛的组别。这种结构化分类有助于提高事故数据库的可用性，并支持有针对性的预防策略的开发[17]。同样，Ayhan和Tokdemir[18]回顾了从数据库中提取事故相关信息的方法，这对于识别根本原因和加强安全管理系统至关重要。他们介绍了一种基于从建筑工地收集的实际数据的方法，涵盖了事故和险些发生的事故。虽然这种方法比早期方法提高了准确性，但它仍然高度依赖于分析师的专业知识，在时间和精力上可能非常耗费资源。例如，简单地将事故归类为“跌落”或“被物体撞击”无法捕捉到导致不安全情况的潜在因素；最近的研究表明，只有通过对事故叙述数据的深入分析，才能揭示因果模式和安全性能问题[19],[20]。
**事故的促成因素**
几十年来，了解建筑事故的根本原因一直是安全研究的重点。Pipitsupaphol和Watanabe[21]在泰国进行了一项研究，确定了建筑工地事故的主要促成因素，如建筑工作的特殊性、不同的现场条件、设备使用不当和管理缺陷。他们观察到，许多直接原因与未使用个人防护装备（PPE）、材料装载或放置不当、未向同事发出警告以及设备使用错误有关。类似地，Kartam等人[22]分析了科威特的建筑工地，并报告了许多事故原因，包括高员工流动率、不安全行为、安全性能不足、卫生条件差、工具维护缺失、监督失误以及存在有缺陷或无法使用的材料。这些发现强调了行为和系统上的缺陷，而这些缺陷在很大程度上是可以预防的。Abdelhamid和Everett[23]对美国建筑行业的事故原因进行了详细的分类，将其分为两大类：与人为因素相关和与物理因素相关。与人为因素相关的原因包括未佩戴PPE、忽视安全措施或未警告他人、嬉戏打闹以及使用有缺陷的工具。与物理因素相关的原因包括危险环境、他人的不安全行为、安全防护措施不足、人员分配不当以及卫生条件差。这些观察结果强化了一个观点，即事故并非随机发生，而是由可识别的原因造成的。

不安全行为是导致工人工作时发生事故的最大因素。88%的工作场所事故是由于不安全行为造成的，例如未佩戴个人防护装备（PPE）、不遵守工作程序、不遵守安全规定以及粗心大意地工作；10%的事故是由于不安全的环境条件造成的；剩下的2%则是不可预见的[24]。不安全行为指的是偏离既定的安全程序，而不安全的环境条件则与危险环境有关。现代安全研究已经从单纯指责工人或工具缺陷转向了对组织和系统因素的更广泛理解。要实现安全的可持续改进，需要解决不安全行为和环境危害背后的根本原因，而不仅仅是缓解表面上的风险。

**导致事故的操作原因**

多项研究调查了建筑工地上最常见的几种事故类型。最近对17,710份建筑事故报告的数据驱动分析表明，高处坠落、被撞击伤害、滑倒、绊倒以及其他危险（如高温作业和机械事故）是最频繁的事故类型，这突显了在高处坠落和被撞击事件在建筑安全研究中的持续重要性[5]。建筑工人面临重大的职业风险，包括电击、与机械碰撞、车辆事故、高处坠落、结构故障、烧伤和其他严重伤害。大多数事故源于工人的不安全行为（例如人为错误、缺乏经验、粗心大意）、环境危害（例如灰尘、化学物质暴露、噪音、机械振动）以及组织因素（例如安全培训不足、知识空白和安全意识低下）。安全性能不足大大增加了工作相关伤害和死亡的可能性[25]。国际劳工组织的报告以及Huang和Hinze[26]的研究也证实，高处坠落和坠落物体是一致的主要建筑相关伤害和死亡原因。屋顶坠落仍然是一个关键的安全隐患，对工人构成重大风险，并经常导致作业中断，特别是在岩石挖掘或地下作业环境中[27]。

另一个常见的危险是被掉落的工具、材料或设备撞击，这通常是由于缺少脚手板、未使用工具腰带、材料储存不当以及现场管理混乱造成的。为了降低此类风险，研究人员强调了正确安装脚手架、确保结构稳定性的重要性，以及在高处工作的工人必须始终使用个人防护装备（PPE）。此外，Hamid等人研究中的10.8%的受访者认为电气暴露是事故的主要原因，这突显了严格执行电气安全规定的必要性。

**建筑事故中的数字化**

在许多情况下，传统的安全措施无法有效管理建筑工地上存在的动态和多样化的危险。物联网（IoT）的出现为通过实时监控和预测性危险检测来增强安全协议提供了一种变革性的方法。IoT包括相互连接的设备和传感器，它们收集和共享数据，从而支持明智的决策和及时响应。在建筑环境中应用IoT技术显著提高了安全性能[28]。Wong等人（2020年）展示了一个由IoT驱动的安全框架的成功案例，该框架能够持续监控人员和环境因素，检测险些发生的事故，并减少事故的发生[29]。此外，IoT促进了环境监控、设备监管和预测性维护的整合，所有这些都对提高现场的安全性和运营效率至关重要。研究表明，这些技术显著促进了更安全、更高效的建筑流程[30]。

Golovina等人（2016年）提出了一种创新的方法，通过生成预测性热图来提高现场安全性，这些热图可以识别潜在的工人和建筑机械被撞击事件。传统的安全管理通常依赖于事故发生后的事后分析，限制了主动干预的能力。相反，这种方法利用通过GPS收集的实时时空数据生成的危险指数，使高风险区域可视化。这些热图帮助安全管理人员在事故发生前发现危险接近模式并采取有针对性的预防措施。该研究还将数据驱动的危险建模与建筑信息模型（BIM）相结合，以确保可操作的实时风险可视化[31]。Yang等人（2012年）引入了一个综合信息管理系统，旨在主动预防由坠落物体引起的事故。通过分析过去的事故数据来确定经常涉及的对象类型，作者开发了一个使用ZigBee RFID传感器网络进行实时监控工人和材料的系统。该系统能够追踪关键物品和人员，支持及时干预以防止事故。该模型代表了向主动安全管理的转变，利用实时数据来提高建筑工地的情境意识和决策能力[32]、[33]。

Newaz等人（2022年）对旨在减少建筑行业中高处坠落（FFH）风险的技术进行了广泛的回顾和评估，这是该行业导致伤害和死亡的主要原因之一。他们对2010年至2021年间发表的86项研究进行了总结，确定了七个关键技术类别：安全风险评估和传播、实时感知和监控、通过设计进行自动化预防、本体论和知识建模、虚拟现实培训用于FFH、个人防坠落系统以及集体防坠落机制。作者还评估了这些技术在成本、复杂性和适应不同规模项目方面的可行性。他们的发现为选择适合的技术以改善FFH安全措施提供了重要指导[34]。

尽管有大量的关于建筑安全的研究和统计证据，但提高安全标准需要根据各国和公司的具体情况进行定制。将一个组织的安全方法应用于另一个组织通常是无效的，尤其是在发展和资源存在差异的情况下。例如，在低收入国家，优先考虑基本的安全实践（如确保正确使用PPE）往往比部署先进的数字事故预测系统更为紧迫。因此，在整合智能技术之前，应首先满足基本的安全要求。此外，评估公司的安全性能需要清楚地了解所经历的事故类型和当前使用的技术。这种理解有助于确定事故是由于风险缓解不足、管理薄弱还是工人的不安全行为造成的。因此，下一节将首先概述公司识别的主要风险以及采用的技术。随后，将根据事故的严重程度对事故进行分类，并分析其根本原因，以评估哪些事故可以通过数字干预来预防。

**用于事故分析和预防的文本分类方法**

自然语言处理（NLP）中的文本分类已经从传统的模型（如朴素贝叶斯、SVM和随机森林结合词袋模型或Word2Vec）发展到深度学习方法（如RNN和CNN），后者减少了特征工程的工作量，但在处理复杂上下文时遇到了困难[35]、[36]。大型语言模型（LLM）的出现，特别是GPT（仅解码器架构），通过实现下一个标记的预测和强大的文本生成能力，标志着一个重大突破[37]。LLM提供了高级功能，如零样本学习和少样本学习，使它们能够在无需显式重新训练的情况下完成任务[38]。架构包括仅编码器模型（例如BERT[39]）用于理解、仅解码器模型（例如GPT[40]）用于生成，以及编码器-解码器模型（例如T5[41]）用于组合任务。这些进步使得文本分类在上下文理解和适应性方面优于早期方法。

公路建设行业涉及重大的安全风险，但以往的研究往往依赖传统的统计方法，忽视了来自公开数据库的宝贵文本信息。Smetana等人[42]应用了最先进的大型语言模型（LLM），特别是OpenAI的GPT-3.5，结合自然语言处理、聚类和摘要技术来分析OSHA的严重伤害报告。他们的方法能够识别主要的事故类型，如与热相关的伤害和被撞击伤害，并突出了事故中的共同因素，展示了AI和LLM在数据驱动的事故分析和支持更有效的公路建设安全干预方面的潜力。类似的数据驱动方法也已应用于使用机器学习模型（如随机森林和SVM）的职业事故预测，其中整合了上下文和外部变量以改进风险估计。这些研究表明，机器学习技术在支持职业安全分析和事故预防方面的有效性[43]。

以往的建筑安全研究采用了多种事故分析和分类技术。早期的研究[44]、[45]应用了机器学习和NLP方法，包括传统的分类器（如SVM、决策树和集成方法），以及先进的深度学习模型（如卷积神经网络（CNN）和循环神经网络（RNN）。例如，Goh等人[46]使用SVM和类似算法对事故叙述进行分类，在各种事故类别中取得了较高的准确率和召回率。除了建筑安全领域外，基于NLP的文本挖掘方法还成功应用于从非结构化社交媒体数据中提取知识。分析Twitter内容的研究表明，文本数据可以被有效地收集、处理和分类，以检测和监控特定领域的活动，从而证明了文本分类框架在不同应用场景中的通用性[47]。

为了提高语义解释能力，Zhang[48]提出了一个结合Word2Vec的混合深度神经网络，通过捕捉复杂的语言关系来更准确地分析事故原因。类似地，Luo等人[45]开发了专门针对建筑领域的基于CNN的模型，这些模型提高了对事故报告中复杂文本结构的理解，并允许更详细地识别因果因素。最近的一项研究[49]评估了GPT在建筑安全四个领域的应用：个性化培训、事故报告分析、合规指南生成和实时决策支持。虽然它展示了在自动化安全流程方面的潜力，但其主要目标是评估GPT的可行性和局限性，而不是深入分析事故动态。我们的附加值在于使用真实世界的事故数据，并专注于理解根本原因及其相互关系，而不是将GPT作为主要测试对象。我们的研究旨在从大量数据集中提取可操作的见解，揭示系统模式和因果联系，为预防措施提供更数据驱动的基础。

尽管取得了这些进展，当前的方法尚未充分利用现代LLM的能力，后者在处理大量非结构化文本方面表现出色，并具有出色的上下文理解能力；这是现有研究中的一个关键差距。最近的综述进一步强调了大型语言模型在超越特定领域应用方面的扩展作用，突显了它们在支持复杂分析工作流程方面的能力。特别是，关于LLM辅助优化的系统研究表明，这些模型可以作为顾问、优化器和增强器，处理复杂的非结构化问题表述，同时也指出了当前在鲁棒性和可扩展性方面的局限性。这些发现强调了需要进行领域聚焦的研究，超越可行性分析，朝着结构化、数据驱动的LLM能力利用方向发展[50]。此外，许多先前的研究将其分析限制在狭窄的分类上，没有提供全面的属性级见解，如事故原因、严重程度、受影响的身体部位和时间模式，而这些对于开发有针对性和有效的安全干预措施至关重要。此外，类似的研究[51]依赖于预结构化的数据集（例如OSHA提供的数据），这简化了分析过程，但没有反映现实世界报告实践的复杂性。相比之下，本工作的独特贡献在于将高度非结构化和碎片化的事故记录转化为结构化、信息丰富的数据集，从而实现高级分析。这种方法不仅解决了建筑安全研究中固有的数据质量挑战，还为根本原因的识别和预防策略的设计提供了更加现实和可扩展的基础。为了整合文献中的关键见解，并明确本研究中解决的研究空白，以下表格提供了先前工作的结构化综合。表1强调了与事故数据库相关的基本挑战，包括报告不一致性和缺乏标准化分类法的问题，这些问题直接激发了对先进文本处理技术的需求，例如本研究中使用的技术。表2总结了先前研究中确定的主要系统性、管理性和人为原因，说明了事故起源的多样性和复杂性，并强调了开发可靠的自动化根本原因分类的重要性。表3概述了最常见的事故类型及其背景因素，显示了描述性叙述中包含的丰富但非结构化信息，而传统数据集往往无法捕捉这些信息。表4汇编了近年来提出的技术和数字解决方案，强调了数据驱动和基于传感器的系统在提高安全性方面的日益重要的作用。最后，表5追踪了文本分类方法的发展历程，最终达到了现代大语言模型（LLMs）的水平，这一发展与本研究中采用的方法论方法完全一致。这些表格共同强调了大规模事故评论为何是一个未得到充分利用但极具价值的数据来源，并为从非结构化事故描述中分类根本原因和提取结构化见解的方法论流程提供了概念基础。

表1. 事故数据和分析的基本概念
主题 关键发现/概念 引用作者
数据一致性 由于缺乏标准化分类法，事故报告和分类存在显著不一致性。[16], [17]
分类方法 提出将原因分为技术、组织和人为因素的方法，以提高数据库可用性。[17]
数据提取 从数据库中提取信息的方法至关重要，但可能资源密集且依赖于专家分析师。[18]

表2. 事故的主要和直接原因
类别 识别出的具体原因
引用作者
系统性与管理性 工作特殊性、现场条件、管理缺陷、高员工流动率、监督错误。[21], [22]
人为因素/不安全行为 未使用个人防护装备（PPE）、不当使用设备、不安全材料处理、缺乏警告、嬉戏行为、使用有缺陷的工具。[21], [23]
物理/不安全条件 危险环境、不良的维护、有缺陷的材料、不充分的安全防护措施、不当的人员分配。[22], [23]

3. 方法论
本研究的方法论旨在将大量非结构化、多语言的建筑事故报告数据集系统地转换为适合识别根本原因和模式的结构化、可分析格式。这一过程包括几个连续的数据丰富化和标准化阶段，利用自动化系统和验证协议来确保可靠性和分析深度。以下小节详细介绍了数据清洗、分类和验证的具体程序。

3.1. 原始数据描述
原始数据集包含了来自全球多个地区的1124个建筑工地的11,805起记录在案的事故，所有数据均来自参与本研究的合作公司。该数据集涵盖了从轻微的急救案例到致命事故的整个范围，没有根据严重程度进行预选。每条记录都包含关键属性，包括事故的严重程度分类、受伤类型以及涉及的元素或材料。然而，由于类别定义不明确、大量缺失值以及数据不适用的情况，这些属性存在不一致性。附加信息包括受影响的身体部位和每起事故的免费文本描述性叙述。值得注意的是，这些叙述提供了19种不同的语言版本，增加了语言复杂性，给自动化分析带来了进一步挑战。对于缺少或无法使用的描述性叙述的事故，在需要文本解释的分析中被排除在外，以避免引入与不完整背景信息相关的偏见。

数据集的一个重要组成部分是每起事故的分配严重程度级别，这在后续分析中起着关键作用。这些严重程度级别分为：致命、失去工作时间、工作受限、医疗治疗和急救。致命事故表示工人死亡或永久无法返回工作岗位（例如失去肢体）。失去工作时间指的是受伤工人被医疗建议停止工作以恢复的情况。工作受限指的是工人可以继续工作，但只能在非常有限或体力要求较低的情况下工作，从而降低了整体生产力。医疗治疗适用于需要专业医疗护理的情况，但工人能够在同一天返回其常规任务。最后，急救指的是可以在现场处理的轻微伤害，不会干扰正常工作。这些严重程度分类将在整个分析中引用，以评估各种因素对事故结果的影响。

3.2. 数据清洗、丰富化和标准化
3.2.1. 语言规范化（翻译）
原始数据集中的事故描述最初提供了19种不同的语言版本，这给基于文本的分析带来了挑战。为了解决这个问题，所有描述都使用先进的语言模型翻译成了英语。这一自动化过程确保了语义准确性，同时为后续分析任务提供了统一的语言格式。

表3. 常见的事故类型及其背景
事故类型 发生率及背景 提到的缓解策略
跌落（从高处） 致命事故的主要原因（例如，从屋顶）。与缺失的护栏、不安全的梯子使用有关。 使用适当的脚手架、边缘保护、防坠落系统。
被坠落物体击中 非常频繁（例如，17.1%）。由于材料固定不牢、储存不当、缺少踢脚板。 使用工具带、安全储存、正确的材料处理。
踩到物体 高频率（例如，18.2%）。良好的维护。
电气暴露 重要原因（例如，10.8%）。严格的电气安全协议。

表4. 用于安全的数字和技术干预
技术/方法 应用及好处 引用作者
物联网（IoT） 实时监控人员和环境、预测性危险检测，提高安全性能。[28], [29], [30]
预测性热图 使用GPS数据实时可视化高风险区域，以防止被物体击中的事故和险些发生的事故。[31]
RFID和传感器网络 跟踪工人和材料，防止物体坠落；实现主动干预。[32], [33]
FFH预防技术 包括实时感应、VR培训、防坠落系统；可行性取决于成本/规模。[34]
情境考虑 在资源较少的环境中，基本安全（例如，PPE）必须优先于先进技术。（作者分析）

表5. 事故分析的文本分类演变
方法论时代 关键技术和模型 局限/进步
传统机器学习（ML） 朴素贝叶斯、SVM、带有词袋/Word2Vec的随机森林。需要大量的特征工程。
早期深度学习 RNNs、CNN用于文本处理。减少了特征工程，但在处理复杂背景时遇到困难。
大型语言模型（LLMs） GPT（解码器）、BERT（编码器）、T5（编码器-解码器）。能够实现零样本/少量样本学习。具有更好的上下文理解、生成能力和适应性。

先前研究 SVM、决策树、混合模型（Word2Vec + DNN）、CNN用于建筑文本。没有充分利用现代LLMs；通常使用预结构化数据。

本研究的贡献 使用LLMs将高度非结构化的现实世界数据转换为适合根本原因分析的结构化格式。解决了数据质量挑战，并为洞察提供了可扩展、现实的基础。

3.2.2. 使用GPT-4o Mini API进行国家识别
在许多情况下，数据集没有明确包含国家名称，但包含了站点名称。为了用地理信息丰富数据集，使用了GPT-4o Mini API根据提供的站点名称推断出对应的国家。这种丰富化实现了准确的区域分类，并为后续的经济分类奠定了基础。

3.2.3. 国家的经济分类
一旦确定了国家，就根据世界银行的官方经济分类系统[52]对它们进行了分类。这种分类包括高收入、中上收入、中低收入和低收入经济体等组别。添加这一背景信息使得能够更细致地分析经济条件如何影响事故的发生和严重程度。

3.2.4. 季节确定
为了捕捉事故发生的季节性趋势，从每起事故的日期中推断出季节。这是通过条件逻辑实现的，根据日期对应的月份将其分配到四个季节之一（冬季、春季、夏季或秋季）。

3.3. 事故分类
为了进行结构化和详细的分析，所有事故被分为六个主要类别，每个类别又细分为具体的根本原因类别（见表6）。引入了编号系统（例如，1.1、1.2），以简化分析和可视化中原因的表示，因为提到“1.1”比反复书写“不负责任的行为/规则违反”更简洁。

为了进行这种分类，我们使用GPT-4o mini API来识别和优先考虑每起事故描述中的前三大根本原因。为了验证这种方法，我们手动对150起事故进行了分类，并将结果与基于GPT的分类进行了比较，确认了100%的匹配度。这150个案例是通过在整个数据集中的随机抽样过程选出的，没有优先考虑更清晰、更简短或更直接的描述。这意味着样本包括了从简洁到高度复杂、模糊或多原因的各种事故叙述，涵盖了不同的语言。通过避免任何预选案例，验证提供了模型在处理真实数据集中存在的不同风格、长度和复杂性方面的鲁棒性和无偏评估。这种验证确保了可靠性，同时显著减少了处理时间；将原本需要数月的手动工作缩短到了几小时。

需要注意的是，手动验证是由作者基于专家评估进行的，而不是作为正式的注释者间可靠性研究。手动分类遵循了表6中呈现的相同预定义分类法，允许为每起事故分配最多三个根本原因。对于描述多个促成因素或情况模糊的叙述，根据文本中明确陈述或明显暗示的主要机制选择原因。因此，报告的一致性反映了在定义的分类框架内人类解释和模型输出之间专家级别的一致性，而不是多个独立编码者之间的统计一致性。

下载：下载高分辨率图像（277KB）
下载：下载全尺寸图像
图1. 使用GPT-4o mini的根本原因分类流程。图1解释了从原始事故文本到最终验证数据集的自动化流程。选择使用GPT-4o mini并非随意。虽然存在其他几种大型语言模型，包括GPT-3.5、Gemini Pro、LLaMA等，但我们基于其经过验证的性能和我们的实证测试选择了GPT-4o。值得注意的是，由于我们开发的优化查询和高效处理流程，整个研究中使用GPT-4o Mini的总成本仅为0.67美元。这表明，即使在大规模应用中，先进的人工智能驱动的数据增强也可以非常有效且经济可行。

表6. 事故分类框架
主要类别 根本原因类别
ID
1. 人为因素
1.1 不负责任的行为/规则违反 1,1 空单元
1.2 注意力不足 1,2 空单元
1.3 身体力学不当 1,3 空单元
1.4 健康状况 1,4 空单元
1.5 未经授权的访问 1,5
2. 任务和工具
2.1 不当使用工具 2,1 空单元
2.2 不安全材料处理 2,2 空单元
2.3 挤压/挤压点未受控制 2,3
3. 个人防护装备（PPE）问题
3.1 不当的PPE 3,1 空单元
3.2 保护系统故障 3,2
4. 伤害类型
4.1 从高处跌落 4,1 空单元
4.2 绊倒/滑倒（同一水平） 4,2 空单元
4.3 被物体击中 4,4
5. 现场因素
5.1 不良维护 5,1 空单元
5.2 环境条件 5,2 空单元
5.3 设备/结构故障 5,3
6. 组织
6.1 监督不足 6,1 空单元
6.2 沟通失败 6,2 空单元
6.3 未知/未报告 6,3

我们依赖于Ahmadi等人[51]的研究结果，他们进行了类似分类任务的主要语言模型的比较研究。他们的结果显示，GPT-4的分类准确率最高，达到了97.3%，使其成为我们用例中最可靠的选择。

为了保护数据隐私和控制背景信息泄露，我们故意将事故描述文本分成单独的提示，并存储在专门的Excel表格中。每个条目独立提交，使模型能够将每个事故描述分类到相应的根本原因类别中，而不会导致信息在提示之间交叉污染。这种模块化和隔离的处理方法确保了分类的一致性，并遵守了隐私限制，因为提示之间没有共享内存或数据集上下文。

这种分类过程的主要目的是提高事故报告的分析价值。由于有超过12,000条描述，手动解释是不可行的，将分析限制在主要类别会妨碍更深入的理解。例如，知道事故是由“人为因素”引起的与知道它是由“注意力不足”或“未经授权的访问”引起的相比，提供的洞察有限。此外，这种细粒度分类使得可以进行高级分析，例如：
- 链式分析：检查在考虑单一根本原因、两个根本原因的组合或三个根本原因的链式组合时，事故风险如何变化。
- 预测建模：理解累积原因如何相互作用，并可能预测同时发生的相关风险或事故。

3.4. 基于LLM的事故分类框架的实现和鲁棒性
事故叙述是使用大型语言模型（LLM）在结构化和可复制的处理流程中分类的。目标是以一致且可扩展的方式将自由文本的事故描述映射到预定义的根本原因类别分类体系中。为了设计提示和分类策略，我们使用了大型语言模型（LLM），并为其指定了一个固定的系统提示，明确其作为施工风险管理者的角色，并将输出限制在封闭的根本原因类别列表中。提示明确指示模型选择最多三个相关的原因，并以结构化的JSON格式数组形式返回它们。在提示中嵌入了几个示例，以帮助解释并减少输出的不确定性。在整个分类过程中，这个提示保持不变，以确保方法的一致性。

模型仅处理事故描述文本，不会推断叙述中未明确提到的其他上下文变量。输出类别通过预定义的查找表确定性地映射到唯一的类别标识符和更高级别的主类别。这一步骤确保了模型输出中的语义变异性不会影响后续的统计分析。

由于事故数据集包含多种语言的描述，在LLM处理之前，所有叙述都使用标准化的神经机器翻译服务先被翻译成英文。翻译是批量进行的，使用了一致的API配置，之后只有翻译后的文本被提交给分类模型。这种策略确保了语言变异性不会影响类别分配，并且所有描述都在一个共同的语义空间内进行解释。

为了支持可重复性，每个事故描述都被分配了一个确定的哈希标识符，从而在处理阶段之间实现输入文本和分类输出之间的稳定映射。分类结果被外部存储，并在分析时重新加载，防止重新查询模型，确保报告的结果与固定的模型输出集相对应。所有类别映射和聚合步骤都是完全确定性的。

虽然随机变化是LLM的固有属性，但通过限制性的提示、封闭的标签分类体系和严格的输出解析规则来促进稳定性。要求返回结构化的类别列表显著减少了自由形式的变异性，并便于一致的后续聚合。对样本输出的手动检查表明，对于典型的事故描述，类别选择是稳定的。

分类失败主要发生在事故描述极短、模糊或缺乏足够上下文细节的情况下。在这种情况下，模型返回的原因少于三个，或者选择了更高级别的通用原因。这些输出被保留下来，以反映源数据的信息限制，而不是事后进行纠正。重要的是，这种方法并不声称进行因果推断；它提供了一种结构化且可扩展的方法来对事故数据进行分类，以便进行描述性和探索性分析。

对于每个事故描述，模型返回一个最多包含三个根本原因类别的有序列表，反映了从叙述中推断出的主要、次要和第三级因素。这种有序的表示方式允许探索经常同时发生或顺序报告的原因，而不强加时间顺序或因果方向性。在事故描述简短或模糊的情况下，较低等级的原因可能会出现变化；这种变异性反映了源叙述中的不确定性，而不是分类过程的不稳定性。因此，得到的多原因链被解释为结构化的描述性表示，适用于探索性模式分析，而不是因果推断。

总体而言，这种增强LLM的分类流程优先考虑透明度、确定性的后处理和可控的变异性，使得能够大规模分析事故叙述，同时承认与语言模糊性和模型随机性相关的固有限制。

在本节中，我们对事故数据集进行了探索性分析，以揭示与事故发生、严重程度、根本原因及其后果相关的模式和趋势。分析涵盖了多个维度：我们研究了事故严重程度如何随季节和工作日变化，确定了最常见的根本原因，比较了不同国家的严重程度水平，分析了特定身体部位如何受到不同原因的影响，并估计了这些事件导致的直接劳动时间和成本。这些见解共同提供了风险的时间和因果模式的全面概述，有助于制定更集中和有效的安全策略。

表7总结了四个季节的事故严重程度分布：春季记录的事故总数最多（3675起），尤其是在急救（1394起）和停工时间（1230起）案例中，这表明该季节的事故频率可能增加，可能是由于冬季过后现场活动的加剧。

秋季的事故总数为3108起，其中停工时间（1080起）和医疗处理案例（734起）的数量最多。这些数字表明，较冷的月份可能导致更恶劣的工作条件或安全意识的降低。夏季的事故总数为2741起，而秋季的事故总数最少（2280起），尽管在致命案例数量上与春季持平（10起）。

这些结果突出显示，事故频率和严重程度往往在过渡性（春季）和恶劣（冬季）季节达到高峰，这可能是由于天气变化或工作强度的不同。

按工作日分组的事故严重程度分布显示，事故发生最多的是在工作日中间，周二（2485起）和周三（2489起），表明在最活跃的工作日风险明显增加。相比之下，周六和周日的事故总数不到5%，只有2起致命案例，这与工作日开始时的疲劳或组织问题有关。这种下降也突显了当地工作时间表的背景重要性；例如，在一些阿拉伯国家，周日是常规工作日。严重程度模式与此趋势一致：急救案例在周三达到高峰（856起），表明工作日中间轻微事故或身体压力的累积，而停工时间案例在周二最多（926起），医疗处理事件也在周三达到高峰（651起）。这些结果不仅符合关于工作强度的逻辑预期，还验证了报告系统的质量和准确性。

按身体部位分布的伤害原因显示，大多数事故源于伤害类型相关因素（4705起），其次是人为因素（3144起）和任务/工具相关问题（1305起）。左右手和手指是最常受影响的部位，总共有超过1600起事故，主要与任务执行、操作习惯和个人防护装备（PPE）故障有关。背部和头部的伤害在人为因素中也占比较高，可能反映了姿势错误、滑倒或跌倒。眼睛受伤，特别是右眼（441起），主要归因于PPE相关原因，表明个人防护装备不足或使用不当。相当一部分事故（1320起）未被分类或定义不明确，这突显了改进数据收集的必要性。

在深入分析根本原因之前，我们首先检查了事故在基本维度（如工作日、季节和受影响的身体部位）上的分布情况。初步探索的目的是验证数据集的行为是否符合预期，没有异常峰值或不一致性，这些可能表明报告或数据收集存在错误。确认事故模式在时间和伤害类型上分布合理，增强了数据集的可靠性，并为更深入的因果分析奠定了坚实的基础。

通过对事故按工作日分析，我们发现了可预测和合乎逻辑的趋势，进一步证明了数据集的可靠性和一致性。事故最多发生在工作日中间，周二（2485起）和周三（2489起）达到高峰，表明在最活跃的工作日风险明显增加。周一的致命事故（9起）和停工时间案例（812起）数量最多，可能反映了周末后的疲劳或工作周开始时的组织问题。相比之下，周六和周日的事故总数不到5%，只有2起致命案例，这与工作日减少的活动量相符。这种下降也突显了当地工作时间表的背景重要性；例如，在一些阿拉伯国家，周日是常规工作日。严重程度模式与此趋势一致：急救案例在周三达到高峰（856起），表明工作日中间轻微事故或身体压力的累积，而停工时间案例在周二最多（926起），医疗处理事件也在周三达到高峰（651起）。这些结果不仅符合关于工作强度的逻辑预期，还具有更重要的意义：它们验证了报告系统的质量和准确性。图2显示了按工作日分组的事故严重程度分布。

通过对事故按星期几的分析，我们发现了可预测和合乎逻辑的趋势，进一步证明了数据集的可靠性和一致性。事故最多发生在工作日中间，周二（2485起）和周三（2489起）达到高峰，表明在最活跃的工作日风险明显增加。周一的致命事故（9起）和停工时间案例（812起）数量最多，可能反映了周末后的疲劳或组织问题。相比之下，周六和周日的事故总数不到5%，只有2起致命案例，这与工作日减少的活动量相符。这种下降也突显了当地工作时间表的背景重要性；例如，在一些阿拉伯国家，周日是常规工作日。严重程度模式与此趋势一致：急救案例在周三达到高峰（856起），表明工作日中间轻微事故或身体压力的累积，而停工时间案例在周二最多（926起），医疗处理事件也在周三达到高峰（651起）。这些结果不仅符合关于工作强度的逻辑预期，还具有更重要的意义：它们验证了报告系统的质量和准确性。

通过对受伤身体部位与严重程度水平的分析，我们发现头部和“多个身体部位”类别最常与致命或严重事故相关。这表明在高度跌落等高严重性事件中，很难确定单一的受伤区域，因为创伤通常影响多个区域或过于分散而无法精确定位。因此，虽然手和手指在频率上占主导地位，但最严重的后果往往涉及较少局部化或更关键的区域，强调了针对高风险活动的预防策略的重要性。

在深入分析根本原因之前，我们首先检查了事故在基本维度（如工作日、季节和受影响的身体部位）上的分布情况。初步探索的目的是验证数据集的行为是否符合预期，没有异常峰值或不一致性，这些可能表明报告或数据收集存在错误。确认事故模式在时间和伤害类型上的合理分布增强了数据集的可靠性，并为更深入的因果分析奠定了坚实的基础。

表8显示了根本原因类别与受伤身体部位的映射关系。

数据分析显示，导致施工现场事故的最常见根本原因是绊倒/滑倒（2869起），远远高于其他原因。其次是处理不当（1587起）和注意力不集中（1561起），这些都是常见的行为或程序问题，表明需要改进培训、监督或安全意识。其他值得注意的原因包括使用不当工具（1424起）和被物体撞击（782起），这些都表明操作安全实践和设备管理存在漏洞。疲劳在427起事故中被报告，突显了建筑工作的身体需求以及合理安排休息时间的重要性。较少见但仍然重要的原因，如卫生条件差（124起）和挤压点（113起），进一步表明现场组织和危险识别程序可以改进。

为了补充之前的根本原因分布，我们进行了比较分析，将事故严重程度与四个最常见的根本原因（绊倒/滑倒、处理不当、注意力不集中和使用不当工具）联系起来。我们旨在确定这些原因是否在不同严重程度上一致出现，并确定哪些国家在每个严重程度类别中报告的数量最多。由于法国约占所有报告事故的45%，我们最初将法国从全球数据集中分离出来，以测试其事故数量是否会影响根本原因的分布。有趣的是，我们的单独分析确认，无论是否包括法国，主要根本原因都保持不变。这进一步增强了我们跨国家根本原因分类的稳健性和一致性。

表10展示了每个严重程度级别的前四个根本原因，以及每个类别中记录最多案例的三个国家。这些发现不仅突显了这些主要根本原因的普遍性，还揭示了事故报告或风险暴露的区域差异。该表突出了与每个严重程度级别相关的主要根本原因，并确定了受影响最严重的国家。值得注意的是，最常见的根本原因，如绊倒/滑倒（1.2）、处理不当（4.2）、注意力不集中（1.3）和使用不当工具（2.2），在不同严重程度上始终存在，反映了它们对施工现场安全的关键影响。对于致命事故，根本原因更加分散；这表明多种因素可能导致高严重性事件，而摩洛哥、印度和科特迪瓦等国家受影响最为严重。相比之下，法国在停工时间、停工和医疗处理案例中占主导地位。

表10按主要根本原因和国家和地区比较了严重程度级别。**多变量分析**

如表9所示，有几个根本原因被认为是工作场所事故的主要诱因。然而，单独分析这些原因可能会忽略多个因素之间常常存在的复杂相互作用和依赖关系。因此，在本节中，我们通过研究两个和三个根本原因的组合来深入探讨，以揭示经常导致事故的重复性模式。这种多变量分析具有描述性和探索性，旨在支持假设的生成，而不是建立因果关系或规定性的管理结论。通过超越单一原因的归因，这种方法捕捉到了事故报告中嵌入的人为、环境和设备相关因素的共现和顺序模式。识别这些重复组合有助于更全面地描述事故动态，并突出进一步调查和有针对性预防措施的潜在领域。

**5.1 两个根本原因组合的分析**

表11展示了与事故相关的两个根本原因的最常见组合。分析表明，某些原因经常同时发生，从而提供了比单一原因分析更详细的事故特征描述。值得注意的是，“绊倒/滑倒”仍然是最常见的单一原因，共发生了2869次，并且它也出现在组合原因中；特别是当它后面跟着“注意力不集中”（1475次）和“卫生条件差”（911次）时。这一观察表明，滑倒或绊倒事件通常伴随着与分心或环境条件相关的背景因素一起被报告。同样，“注意力不集中”作为第三常见的单一原因（1561次），也经常出现在多原因组合中，与“不安全操作”（809次）和“工具使用不当”（602次）一起出现，或者作为“疲劳”（161次）之后的次要因素。这些重复组合表明，在报告的事故中，注意力不集中常常与其他不安全行为同时发生。

另一个值得注意的模式是“工具使用不当”和“不安全操作”的频繁共现，这两种原因在两个方向上都出现了（分别为441次和211次）。这表明这些因素在事故叙述中有着强烈的相互关联性，但并不意味着存在方向性或因果依赖关系。

总体而言，多变量分析强调，某些组合，特别是涉及人为因素（如注意力不集中或疲劳）的组合，在事故记录中反复出现。这些描述性模式强调了在描述实际工作环境中的事故情景时考虑相互作用因素的相关性。

**表11. 原因组合和根本原因的比较**

| 原因组合 | 发生次数 |
|---------|---------|
| 绊倒/滑倒 → 注意力不集中 | 1475 |
| 绊倒/滑倒 → 卫生条件差 | 911 |
| 不安全操作 → 注意力不集中 | 809 |
| 注意力不集中 → 工具使用不当 | 602 |
| 工具使用不当 → 不安全操作 | 441 |
| 被物体撞击 | 782 |
| 被物体撞击 → 注意力不集中 | 406 |
| 疲劳 | 427 |
| 注意力不集中 → 不安全操作 | 330 |
| 卫生条件差 | 124 |
| 注意力不集中 → 工具使用不当 | 224 |
| 挤压点 | 113 |
| 不安全操作 → 工具使用不当 | 211 |
| 疲劳 → 注意力不集中 | 161 |

**5.2 三个根本原因组合的分析**

三个原因的组合提供了关于事故叙述中报告的不安全条件和行为共现的额外描述性见解。与两个原因的组合（见图4）相比，其中像“绊倒/滑倒 → 注意力不集中”（1475次）或“工具使用不当 → 不安全操作”（441次）这样的组合很常见，三个步骤的组合说明了这些关联是如何嵌入在更复杂的配置中的。最常见的三个原因组合是“绊倒/滑倒 → 卫生条件差 → 注意力不集中”，共发生了702次。这种组合反映了物理危险（绊倒/滑倒）与环境条件（卫生条件差）和人为因素（注意力不集中）在同一事故记录中的反复出现。这样的配置突出了多个促成因素的累积，而不仅仅是单一孤立的因素，这一点通过单独或成对的原因分析是无法发现的。相反的顺序“绊倒/滑倒 → 注意力不集中 → 卫生条件差”出现了605次，表明尽管报告因素的顺序可能有所不同，但相同的风险因素经常在事故描述中聚集在一起。这一观察表明，这些因素在现实世界的事故中倾向于同时发生，无论它们的报告顺序如何。

此外，还有一些不太常见的组合，例如“工具使用不当 → 不安全操作 → 注意力不集中”（383次），这与之前观察到的两个原因的组合（例如“工具使用不当 → 不安全操作”，441次）一致，进一步说明了这些因素在不同分析层面上的共同出现。此外，在三个原因的分析中还出现了一些不太常见的配置，例如“工具使用不当 → 注意力不集中 → 疲劳”（107次），其中疲劳与其他不安全行为或条件一起出现。这种模式表明，疲劳可能与其他不安全行为或条件一起被报告，而不仅仅是一个孤立的因素。

总体而言，三个原因的组合通过展示多个不安全因素如何在事故记录中共同存在，扩展了两个原因分析的描述性发现。这些结果将事故描述为涉及环境、行为和程序因素的组合，而不暗示因果方向或时间顺序。这种分层描述有助于更全面地描述事故情景，并为进一步的假设驱动调查提供了基础。

**图4. 工作场所事故中的常见原因组合**

**5.3 带有严重程度加权的根本原因网络分析**

在前面的章节中，我们分析了频繁出现的单一根本原因及其在两个和三个原因组合中的共现。虽然这些探索提供了常见模式的见解，但它们提出了一个关键问题：频率本身是否足以作为风险的指标？例如，我们是否应该仅仅因为“绊倒/滑倒”作为最常出现的初始因素就认为它是影响最大的原因？

为了解决这个问题，我们引入了一个更强大的变量：**严重程度**。具体来说，我们通过结合严重程度来分析三个原因的组合，以形成一个加权的网络图来表示因果关系。这使我们不仅能够捕捉到哪些原因最常见，还能捕捉到哪些原因与更严重的后果相关。

**网络结构和指标：**
- **总节点数（20个节点）**：每个节点代表一个独特的根本原因（例如，“注意力不集中”、“工具使用不当”）。
- **总边数（339条）**：有向链接表示一个原因到另一个原因的流动，形成了一个有向网络。

图5显示了完整的网络图，其中节点按加权重要性进行了缩放。为了更好地反映每个根本原因在事故序列中的影响，我们改进了加权方法，以结合严重程度和在原因组合中的位置相关性。每个原因都使用了这种两级方法进行了加权：
- **严重程度加权**：每个分类根据后果进行加权：(1) 严重程度得分 = (急救 × 1) + (医疗治疗 × 2) + (工作受限 × 3) + (时间损失 × 4) + (致命 × 5)。在这种公式中，致命事故被赋予最高的权重5，反映了它们对现场安全的极端严重性和关键影响。随着事故严重性的降低，分配的权重也降低：时间损失的伤害被赋予4的权重，其次是工作受限的情况（3），医疗治疗的情况（2），最后，急救情况被赋予最低的权重1。
- **位置加权**：三重原因中的原因根据它们的位置进行加权：
- 第一个原因：50%
- 第二个原因：30%
- 第三个原因：20%

百分比权重是基于逻辑优先级和我们对数据的分析视角分配的。由于每个根本原因的三重组合代表了影响力的降序，我们将50%分配给第一个原因，反映了它在事故中的主要作用。第二个和第三个原因分别被加权30%和20%，承认它们之间的影响有显著下降。这种分配确保了总影响之和为100%，同时保留了次要和第三级原因之间贡献的敏感差异。这种方法确保了涉及严重后果的原因具有更大的影响力；特别是在它出现在链条早期时，预防干预措施更为有效。

更新后的表12显示了结合顺序位置如何改变影响格局。例如，“绊倒/滑倒”通常作为初始因素出现，但当我们同时考虑结果的严重程度和它们在链条中的位置时，它被“注意力不集中”和“不良身体力学”超越。

**表12. 带有严重程度分布的顶级根本原因**

| 原因 | 严重程度 | 时间损失 | 工作受限 | 医疗治疗 | 注意力不集中 |
|---------|---------|---------|---------|---------|
| 绊倒/滑倒 | 5 | 330 | 290 | 364 | 119 |
| 绊倒/滑倒/失误（同一级别） | 326 | 870 | 104 | 320 | 155 |
| 不良身体力学 | 286 | 251 | 110 | 235 | 762 |
| 不安全材料处理（尖锐、高温、重物） | 278 | 490 | 101 | 133 | 282 |
| 下载：高分辨率图片（318KB） | 下载：全尺寸图片 |

**图5. 基于严重程度的根本原因网络图**

值得注意的是，“注意力不集中”仍然占主导地位，经常出现在第二或第三位；这些位置在决定情况是否升级为严重事故中起着关键作用。它作为过渡点的角色放大了其整体影响力。

**顺序解释**

每个事故链（例如，“绊倒/滑倒 → 注意力不集中 → 卫生条件差”）被分为两个有向转换：
- 绊倒/滑倒 → 注意力不集中
- 注意力不集中 → 卫生条件差

这种有向方法有助于确定升级发生的位置以及干预措施可以防止严重后果进展的位置。“注意力不集中”，特别是当它出现在第二位时，起到了通往更严重后果的桥梁作用。然而，这个术语本身可能显得模棱两可甚至简化了问题。在我们的框架中，“注意力不集中”并不意味着无能、监督不力或外部干扰（如天气）。相反，它指的是即使在熟悉的任务中也会发生的短暂注意力分散——通常发生在经验丰富的工人身上。澄清这种区别很重要。它将问题从个人过错重新定义为情境脆弱性，强调了重复性环境、认知过载或微妙干扰等因素如何削弱表现。解决这种注意力丧失需要系统性的解决方案——调整工作流程、环境和认知支持；而不是个人责备（见表13）。

**可视化解释指南**

- **关键要点和预防优先级**：
- 优先考虑那些早期出现并与严重下游后果相关的干预措施。
- “注意力不集中”需要特别关注，不仅因为它的频率，还因为它在促成更严重事件中的作用。
- 基于位置的严重程度加权提供了更策略性的视角，以了解预防措施将在何处产生最大影响。
- 可视化有助于及早识别打破事故链的关键转折点。

**6. 特定案例研究：高发事故现场的深入分析**

在对事故数据集的广泛分析中，我们观察到澳大利亚的一个建筑工地发生了异常多的事故；总共1126起事故。更深入的调查发现，这些事故发生在不同的日期，并且与一系列根本原因有关，使得这个工地特别适合进行重点案例研究。在本节中，我们将对该工地进行详细检查，以了解观察到的趋势是否与之前确定的全球模式一致或有所不同。首先，我们分析两个和三个步骤原因链中的根本原因顺序，以揭示该工地风险是如何升级的。然后，我们将这些发现与整个数据集进行比较，以评估一个国家是否可能不成比例地影响总体结果。

**表13. 视觉元素及其含义**

| 元素 | 外观 | 含义 |
|---------|---------|---------|
| 大节点 | 频繁发生、高严重程度或高中心性的原因 | 强烈关联 |
| 粗线 | 两个原因之间常见且影响重大的转换 |通过研究两因素和三因素的因果链，我们旨在了解在全球数据集中观察到的模式是否也适用于局部情况，或者这个特定站点的数据是否可能扭曲了整体趋势。表14展示了两因素和三因素因果链中最常见的原因组合。如前所述，“注意力不足”在两个分析层面都是一个主导因素。在两因素数据中，它通常作为次要原因出现，例如在“绊倒/滑倒”（141次）、“不良的身体力学”（98次）或“不正确的工具使用”（69次）之后。这些组合反映了由于认知失误或分心而加剧的即时不安全行为。然而，当研究三因素因果链时，会发现更深层次的结构模式。例如，“绊倒/滑倒 → 注意力不足 → 管理不善”（76次）及其反向顺序“绊倒/滑倒 → 管理不善 → 注意力不足”（72次）都突显了物理危险、环境因素和人为疏忽之间的相互关联。这种顺序上的对称性表明，尽管因果关系的方向可能有所不同，但某些元素在关键事故路径中始终共同出现。其他组合，如“不良的身体力学 → 注意力不足 → 不负责任的行为”（35次）和“不正确的个人防护装备 → 注意力不足 → 不安全的操作”（31次），揭示了在简单因果链中看不到的行为升级现象。这些发现表明，看似孤立的身体失误可能背后有更广泛的过程或文化问题。值得注意的是，在三因素分析中，“不安全的材料处理”这一原因出现的频率要高得多，通常作为级联故障的终点。这表明不安全的操作往往是由先前的问题引起的，而不是由它们引发的。

总之，这个站点的数据在很大程度上支持了在更广泛数据集中发现的模式，特别是关于“注意力不足”的核心地位。然而，三因素因果链提供的额外细节揭示了行为升级和系统漏洞，这是两因素模型无法完全解释的。这加强了需要采取多因素干预措施的需求，这些措施不仅要针对个别风险，还要针对连接这些风险的链条。

6.2. 三因素因果链的比较：所有站点与澳大利亚站点
对三因素因果链的比较研究揭示了全球数据集和澳大利亚站点之间的共同模式和区域差异。虽然两个数据集中的前两个因果链都涉及“绊倒/滑倒”、“注意力不足”和“管理不善”的相互作用，但因果顺序略有不同；这表明无论在何种环境中，这三个原因都是紧密交织在一起的。除了这些共同的主要原因外，数据集开始出现差异。全球数据中包含大量涉及“不正确的工具”和“不安全的操作”的因果链，例如：
- 不正确的工具 → 不安全的操作 → 注意力不足（383次）
- 不正确的工具 → 注意力不足 → 不安全的操作（190次）
- 不安全的操作 → 注意力不足 → 不正确的工具（187次）
- 不安全的操作 → 不正确的工具 → 注意力不足（179次）
这些组合在澳大利亚数据中几乎不存在，澳大利亚数据则更强调不同的机械或人体工程学因素。澳大利亚站点展示了更复杂的序列，例如：
- 不正确的身体力学 → 不安全的材料处理 → 注意力不足（51次）
- 不正确的个人防护装备 → 不安全的材料处理 → 注意力不足（45次）
- 不正确的工具使用 → 注意力不足 → 不安全的材料处理（45次）
这种转变表明，虽然全球数据集强调传统的工具使用和处理风险，但澳大利亚站点反映了与身体姿势、个人防护装备和身体疲劳相关的挑战。此外，澳大利亚数据中还出现了诸如“不正确的身体力学 → 注意力不足 → 不负责任的行为/违反规则”（35次）这样的因果链，突出了行为因素的影响。疲劳在全球数据集中的因果链中出现，但在澳大利亚站点的前十名中完全缺失，这表明在疲劳相关问题的体验、报告或分类方面可能存在差异（见表15）。

尽管在高频率的事故链中存在重叠，特别是在滑倒和注意力方面，但中等排名因果链的差异突显了危险类型和操作条件的区域差异。澳大利亚站点对身体力学和个人防护装备的重视表明了任务要求或报告倾向的差异。在制定针对特定地区的安全干预措施或解释汇总风险数据时，观察到这些差异是正常且合理的，因为每个站点都有其自身的优势和劣势。

表15. 全球与澳大利亚站点最常见的十种三因素因果链。
| 全球（所有站点） | 澳大利亚站点 |
|----------------|-------------|
| 1. 绊倒/滑倒 → 管理不善 → 注意力不足 | 70 |
| 2. 绊倒/滑倒 → 注意力不足 → 管理不善 | 76 |
| 3. 绊倒/滑倒 → 注意力不足 → 管理不善 | 60 |
| 4. 不正确的工具 → 不安全的操作 → 注意力不足 | 38 |
| 5. 不正确的身体力学 → 不安全的材料处理 | 51 |
| 6. 不正确的工具使用 → 注意力不足 → 不安全的操作 | 45 |
| 7. 不安全的操作 → 注意力不足 → 不正确的工具 | 45 |
| 8. 不安全的操作 → 不正确的个人防护装备 | 45 |
| 9. 不安全的操作 → 注意力不足 → 不正确的工具 | 18 |
| 10. 绊倒/滑倒 → 注意力不足 → 不正确的工具 | 15 |
| 11. 不正确的身体力学 → 注意力不足 → 违反规则 | 35 |
| 12. 不安全的操作 → 注意力不足 → 管理不善 | 14 |
| 13. 不正确的个人防护装备 → 注意力不足 → 不安全的材料处理 | 31 |
| 14. 被物体击中 → 注意力不足 → 管理不善 | 12 |
| 15. 不安全的材料处理 → 注意力不足 → 管理不善 | 9 |
| 16. 不正确的工具 → 注意力不足 → 疲劳 | 10 |

6.3. 事故原因报告中的责任归因：聚焦澳大利亚站点
在分析事故原因时，我们发现了一个有趣的现象：尽管导致事故的因素多种多样，但原因的高层次分类显示出相对较低的变异性。这促使我们进一步调查事故原因的报告方式，特别是事故原因叙述中使用的语言是否隐含了归责的倾向以及归责的对象。为了探讨这个问题，我们首先根据责任归属建立了一个原因分类系统（表16），然后将三步事故链中的每个原因归入三个领域之一：
每个三因素组合中的原因根据其在序列中的位置被赋予相应的权重：第一个原因3分，第二个原因2分，第三个原因1分。对于每种事故模式，使用以下公式计算每个类别的归责分数：
(2) 归责分数 = ∑(i=1到n) (Weight_i, category × Frequency_i)
其中n是不同原因组合的数量，Weight_i, category是如果该原因属于指定类别则赋予的权重，Frequency_i是该组合出现的次数。

表16. 事故原因的责任分类。
| 责任类别 | 范围 | 典型原因 |
|---------|----------------|-----------------|
| 工人责任 | 1.1–1.5, 2.1, 3.1 | 不负责任的行为/违反规则 |
| | 1.2 | 注意力不足 |
| | 1.3 | 不正确的身体力学 |
| | 2.1 | 不正确的工具使用 |
| | 3.1 | 不正确的个人防护装备 |
| 组织责任 | 2.2–2.3, 3.2, 5.1–5.3, 6.1–6.2 | 不安全的材料处理 |
| | 2.2 | 保护系统故障 |
| | 5.1 | 管理不善 |
| | 6.1 | 监督不足 |
| | 6.2 | 沟通失败 |
| 外部因素 | 1.4, 4.1–4.4, 5.2, 6.3 | 健康状况 |
| | 5.2 | 环境条件 |
| | 5.3 | 设备/结构故障 |
| | 6.3 | 未知/未报告 |
| | 4.x | 所有伤害类型 |

这个评分系统揭示了归责方面的显著不平衡：
- 工人总归责：3599分
- 组织总归责：1541分
- 外部总归责：1059分

结果表明，事故主要归因于工人行为。当检查具体的归责序列时（见图6），工人相关的原因是因果链中引发和结束位置的主导因素。虽然一定程度的个人责任是合理的，但组织因素和外部因素的相对较少归责（如表16所分类的）引发了关于事故原因报告全面性的担忧。这些发现强调了平衡报告实践的重要性，尤其是当使用这些数据来指导安全干预和培训工作时。

7. 讨论
本研究的发现为建筑安全文献提供了新的实证和方法论见解。虽然之前的研究已经广泛记录了事故的核心原因、不安全行为和不安全条件[21][22][23]，但本研究通过应用多因果、大型语言模型（LLM）的方法，扩展了这些基础，处理了迄今为止分析的最大规模的非结构化事故数据集之一。本节讨论了这些结果如何与以往的研究相一致、不同，以及如何推进这些研究。

7.1. 与以往的事故原因研究比较
文献一致地强调了人为因素、组织问题和不安全的物理条件是事故的反复驱动因素[17]。我们的发现证实了这些主题，但提供了额外的细微差别。例如，“注意力不足”不仅被视为人为失误，还被视为受早期原因（如疲劳、单调性或不正确工具）影响的中间环节放大器。这在一定程度上与Abdelhamid和Everett关于级联原因的观点[23]一致，但我们的基于因果链的分析揭示了更复杂的互动模式，支持了事故不能归结为单一原因的观点。本研究中观察到的滑倒、绊倒和管理不善的高发率与先前数据库报告的模式相符[16]。然而，通过分析因果链而不是孤立事件，我们识别出了传统结构化数据集中看不到的升级路径（例如，“绊倒/滑倒 → 注意力不足 → 管理不善”）。这说明了将序列意识分析纳入安全研究的价值。

7.2. 推动基于文本的事故分析的发展
现有的建筑安全文本挖掘工作主要依赖于传统的机器学习（SVM、随机森林）、早期的深度学习（CNN/RNN）或浅层的Word2Vec风格模型[31][32]。这些模型通常需要预结构化的数据和大量的特征工程，限制了它们在多语言、噪声较大的真实世界数据集中的适用性。相比之下，本研究中使用的基于LLM的流程——由GPT-o mini驱动——能够将11,805条多语言、非结构化的描述转换为连贯的、标准化的因果数据集，几乎不需要人工干预。这解决了先前研究中的一个关键问题：在没有昂贵专家劳动力的情况下，从大型文本语料库中提取可靠类别的难度[18]。我们验证样本中手动分类和自动分类100%的匹配表明，现代LLM可以在几乎不需要成本的情况下达到专家级别的可靠性。这种方法论贡献显著扩展了大规模事故文本分析的可行性，并补充了表5中总结的方法进展。特别是，它表明低成本的LLM在上下文理解和处理多语言、非标准化工业数据方面可以超越早期使用的模型。

7.3. 政策影响的对比与差异
我们数据集中出现的几个政策主题与文献中的建议相呼应。例如，强调改进管理、工具管理和个人防护装备合规性与传统的缓解策略[34]一致。此外，解决系统性组织问题的重要性也与早期强调管理责任和站点级变异性的研究相呼应[22]。然而，我们的发现通过突出特定因果链如何传播风险，进一步扩展了这些见解。例如，我们识别出的中间环节催化剂（如注意力下降）不仅支持了关于疲劳、认知负荷和工作节奏的现有论点，还加深了这些论点。此外，我们分析中揭示的归责不平衡揭示了一个未被充分探讨的问题：事故叙述往往过分强调工人责任，而忽视了组织或环境因素的贡献。这一观察与最近的安全文化研究一致，但通过基于因果链的评分提供了定量证据。

7.4. 对实践的影响：从因果链到干预措施
因果链分析表明，有效的预防需要打破常见的升级路径，而不仅仅是针对孤立的原因。这扩展了早期框架（如基于物联网的监控[29]），表明仅依靠技术是不够的，除非了解因果进程。我们的严重性加权网络提供了一种结构化的方法，用于优先考虑不仅减少频率，还能减轻最有害后果的干预措施。这些见解带来了几个实际意义，与文献中的观点一致并进行了扩展：
- 在事故起始原因（如绊倒/滑倒、管理不善）进行干预可以防止大量下游故障。
- 将注意力丧失视为系统性问题而非个人问题，支持了更全面的干预措施，这与认知人体工程学研究相呼应，并通过12,000个案例提供了实证支持。
- 强化组织责任与以管理为中心的安全框架一致，但通过归责评分提供了新的证据基础。
- 严重性加权优先级考虑与基于风险的方法一致，但通过网络中心性分析增加了新的维度。

总体而言，这些发现表明，基于因果链的LLM视角提供了超出现有分类法和结构化数据库的附加价值。它使安全管理者能够根据实际的行为和过程进展来设计干预措施，而不仅仅是基于失败的孤立快照。**结论**

本研究旨在解决文献中识别出的一个根本性缺陷：尽管建筑事故数据库包含了大量的叙述性信息，但由于报告不一致、缺乏标准化分类体系以及记录的多语言特性，组织往往难以从中提取有意义的见解（见表1、表2、表3、表4、表5）。因此，本研究的目的是开发并评估一种可扩展的方法论，该方法论能够将大量非结构化的事故描述转化为结构化的根本原因类别，以支持数据驱动的安全分析。

为了实现这一目标，我们分析了来自合作公司运营多个国家的大约12,000份事故报告。该方法结合了19种语言的机器翻译、基于大型语言模型（LLM）的事故叙述分类、上下文变量的提取以及带有严重程度权重的多原因链的构建。对150起事故的手动评估显示，与LLM生成的分类结果完全匹配，证明了该方法在大规模应用中的可靠性。

研究结果揭示了几个重要发现。首先，将异构记录转化为一致且可分析的结构表明，先前研究中指出的障碍（如分类体系不一致、记录不完整或依赖专家编码员）可以通过自动化处理流程来克服。其次，分析证实许多事故是由相互关联的原因链引起的，而非单一触发因素。例如，“工具不当 → 注意力不集中 → 疲劳”这样的重复模式说明了程序缺陷和行为偏差是如何随时间累积的。第三，将严重程度纳入因果链网络中，使得能够识别出那些起到关键放大作用的原因，而不仅仅是频繁出现的原因；例如，“注意力不集中”始终被确定为与更严重后果相关的中间升级因素。第四，责任归属分析显示，在归咎于工人的同时，组织或系统性故障被低估的情况较为普遍，这引发了关于安全文档报告偏见和文化规范的问题。

本研究在多个方面为学术界和行业实践做出了贡献。它引入了一种可复制的基于LLM的流程来结构化多语言事故叙述，通过基于链的方法将事故分析扩展到单一原因模型之外，整合了严重程度权重以实现更有意义的优先级排序，并展示了因果网络如何既可用于诊断，也可用于考察责任动态。

总之，本研究提供了一个全面的、基于实证的、可扩展的框架，用于将非结构化的事故叙述转化为可操作的见解。通过结合多语言处理、基于LLM的分类、因果链建模和严重程度权重，该方法为安全专业人士提供了一条实用的道路，以制定更加明智、考虑上下文且积极主动的预防策略。

**9. 未来工作**

基于本研究的结果，未来的研究将在三个关键方向上进行扩展。在分析层面，我们计划应用系统动力学和基于循环的建模来捕捉安全决策的反馈机制和长期后果。在政治层面，将进行跨国工作条件和安全政策的比较分析，以更好地理解国家框架如何影响事故模式和报告实践。在技术层面，我们计划开发一个自动化流程，该流程能够随着新事故报告的添加而不断更新分析结果，并根据实时输入预测潜在事故，从而实现大规模的自适应、数据驱动的安全管理。

**关于生成式AI和AI辅助技术在写作过程中的声明**

在准备本作品的过程中，作者使用了ChatGPT来提高文本的清晰度和质量。使用该服务后，作者根据需要对内容进行了审查和编辑，并对出版物的内容负全责。