构建建筑工人的安全合规意愿模型：一种可解释的机器学习方法

《Safety Science》：Modeling safety compliance intentions of construction workers: an explainable machine learning approach

　　

Bello Mahmud Zailani|Yusuf Ibrahim|Yahaya Makarfi Ibrahim|Muhammad Aliyu Yamusa

尼日利亚扎里亚阿赫马杜·贝洛大学建筑系

摘要

尽管遵守安全规定被视为减少现场事故和伤害的关键因素，但传统回归模型往往无法捕捉影响合规行为的各种机制之间复杂的非线性相互作用。因此，本研究采用比较机器学习方法来建模安全合规行为的动态前因，以此预测建筑工人的安全合规意愿。研究评估了八种分类算法，包括基于树的集成算法（随机森林、梯度提升、XGBoost、LightGBM）；线性模型（逻辑回归、支持向量机）；以及基准对比算法（k最近邻、高斯朴素贝叶斯）。结果表明，基于树的集成方法优于其他所有分类算法，其中LightGBM在保持计算效率的同时实现了最高的整体准确率（89.47%）。进一步的类别特定分析显示，在低、中、高不同合规水平下，各类别的精确度和召回率均超过85%，这证明了该模型能够识别出最有可能不遵守规定的工人。本研究的结果强调了个体心理和态度因素在塑造安全合规行为意愿方面的主导作用。这些发现表明，建筑行业正从被动的事故应对转向主动的合规性提升，为改善施工现场安全提供了有力的框架。总体而言，本研究通过提供可操作的见解，有助于实施有针对性的干预措施、个性化培训计划以及制定基于证据的政策策略，从而推动建筑行业的安全管理。

章节节选

背景

从职业健康与安全的角度来看，建筑行业是最危险的行业之一。在发展中国家，由于缺乏良好的发展环境、资源不足以及技术应用水平较低，解决建筑安全问题的努力更加困难（Famakin等人，2023年；Kunodzia等人，2024年）。确实，那些令人担忧且比例严重的统计数据凸显了在建筑行业工作的危险性，这也促使全球的研究人员致力于

建筑行业的安全合规性

安全合规性和安全参与性是安全行为的两大关键维度，这一观点在以往的安全研究中已被广泛认可（Christian等人，2009年；Griffin和Neal，2000年；Wang等人，2021年）。安全合规性通常指的是个人为确保工作场所安全而必须执行的基本行为，而安全参与性则指自愿性的安全行为，比如参加安全研讨会（Griffin & Neal，2000年）。近年来，学者们

方法论

本研究采用定量方法，借助机器学习技术来建模建筑工人的合规意愿机制，这种意愿可作为潜在安全合规行为的心理指标。研究遵循系统化的方法流程，包括数据收集、预处理、特征工程、模型构建以及可解释性分析，旨在弥合预测分析与实际安全管理干预之间的差距。

结果

结果显示，八种分类算法的性能存在显著差异，如表5所示，其在预测安全合规行为意愿方面的能力呈现出明显的层次结构。

基于树的集成方法始终优于其他算法类别，其中LightGBM在保持计算效率的同时实现了89.47%的准确率。该算法在捕捉复杂关系方面表现出特别强的能力。

讨论

本研究通过实证分析影响工人遵循安全规程行为意愿的因素，为日益丰富的建筑行业安全合规性研究做出了贡献。研究结果强调了心理和态度因素的重要性，突破了仅基于知识水平和人口统计特征的的传统解释框架。在本研究中，因变量代表建筑工人遵守安全程序的意愿，是通过

结论

本研究进一步推动了建筑安全领域的讨论，表明有效的安全合规性并非依赖于单一的知识或经验，而是取决于心理、社会和情境因素之间的动态相互作用。研究结果为理解个体认知和动机机制如何影响可观察的合规行为提供了框架。通过SHAP和PDPs等可解释性技术，研究结果表明，态度和动机因素

未来研究的局限性

虽然本研究为了解影响建筑行业安全合规性的心理和行为因素提供了宝贵见解，但也存在一些局限性。由于态度、动机和意愿的数据依赖自我报告，可能存在社会期望偏差或回忆偏差。尽管机器学习模型发现了预测模式，但其准确性仍取决于自我报告数据的质量。而且，由于数据集来自特定的建筑工人群体，

资金声明

本研究未获得公共部门、商业机构或非营利组织任何资助机构的专项资助。

CRediT作者贡献说明

Bello Mahmud Zailani：写作——审阅与编辑，写作——初稿撰写，验证，资源获取，项目管理，调研，数据整理，概念构建。Yusuf Ibrahim：写作——审阅与编辑，写作——初稿撰写，可视化处理，验证，方法论设计，正式分析，数据整理，概念构建。Yahaya Makarfi Ibrahim：写作——审阅与编辑，验证，监督指导，资源获取，项目管理，调研，数据整理，概念构建。

利益冲突声明

作者声明，他们不存在任何可能影响本文研究成果的已知利益冲突或个人关系。