提升建筑安全：一个预测环境压力因素引发神经认知临界点的框架

《Safety and Health at Work》：Enhancing safety in construction: A framework predicting neuro-cognitive tipping points from environmental stressors

　　穆罕默德·雷扎·海达里|阿里·伊朗普尔|穆罕默德·帕尔萨·拉希米内贾德|多尔萨·巴格谢伊基
伊朗德黑兰阿扎迪大道，沙里夫技术大学土木工程系，邮政信箱11155-1639

摘要
目前的建筑安全规范往往将人为错误视为随机变量，而非可预测的、由机制驱动的参数，从而导致其发展停滞。为弥补这一关键缺陷，本研究提出了神经认知安全框架（NCSF），这是一种跨学科的新范式，将环境中的多物理应力因素与工人的神经生物学特征相结合。该框架以包含150多个经过实证验证的概念的溯源词典以及分层级的细节等级结构为基础，实现了认知负荷理论的实用化。通过实验性的脑电图和n-back数据集（样本量N=16），对这些框架的核心机制进行了实证验证。研究结果表明，在认知负荷达到峰值时，工人的表现会出现显著下降（准确率降至69.6%），而在这一现象出现之前，已有神经光谱学指标显现出来，包括顶叶θ波（约4–6赫兹）的增强以及额叶α波（约9–11赫兹）的抑制（p<0.05）。在此实证基础之上，研究人员进一步开发了一种预测性基于Agent的模型，用于模拟环境应力因素，尤其是热力和声学负荷，如何非线性地加剧“神经资源竞争”。模拟结果显示，大约73分贝是关键的声学“认知临界点”。重要的是，该模型并未假设所有人的阈值相同，而是体现了个体间的巨大差异。一旦超过这些个性化阈值，前额叶的执行控制功能就会减弱，使得工人容易陷入由杏仁核驱动的本能反应模式。最终，通过将这些特定的神经认知参数转化为可预测的计算模型，NCSF为工业5.0应用提供了基础逻辑，比如神经认知数字孪生体，从而实现从被动合规向主动、个性化安全工程的转变。

引言
建筑行业仍是全球最危险的行业之一，虽然仅雇佣了全球约7%的劳动力，但却承担了过高的职业风险。根据国际劳工组织的数据，每年约有300万人死于与工作相关的事故和疾病，这一数字自2015年以来增长了5%以上，其中33万人死于事故，260万人死于疾病（国际劳工组织，2025年）。仅在建筑行业，每年就至少有6万起致命事故，相当于每六起工作场所死亡中就有一起与此相关。在各类致命事故中，“四大杀手”——高处坠落、物体撞击、触电以及被挤压或困住——最为常见，而在2023年的建筑行业死亡案例中，跌倒、滑倒和绊倒导致了39.2%的死亡，这类事故多发生在6至30英尺高的地方，且往往与梯子或楼梯有关（2023年致命职业伤害统计摘要，美国职业安全与健康管理局，2025年；美国劳工统计局，2025年关于建筑行业跌倒、滑倒和绊倒情况的报告）。这些趋势凸显出需要采取针对性措施来应对主要的致死原因。

认知失误会通过增加事故和不当行为来提升工作场所的风险，其表现为记忆、注意力及行动方面的缺陷。内在负荷、外在负荷以及相关负荷都会通过影响资源分配来影响工作表现。将认知负荷理论纳入安全规范和培训中，有助于减少事故并改善整体安全文化（Orru等人，2019年；Jain等人，2018年）。认知负荷理论通过平衡不同类型的负荷来提升学习和决策能力，减少外在负荷的影响，并使内在负荷与从业者的专业水平相匹配，从而创造更安全的工作环境（Sewell等人，2019年；Young等人，2014年）。在建筑环境中，这种外在负荷往往由室内环境质量因素引发，尤其是声学污染和热应力，它们会消耗用于识别危险所需的有限神经资源（Zhu等人，2025年）。了解这些负荷状况有助于优化工作场所设计，让技术更好地服务于人类能力，从而提升安全性和工作效率（Lindblom和Thorvald，2014年）。认知工程则认为安全是系统与团队共同作用的成果，因此可以通过相关干预措施来减轻负荷，创造更安全的工作环境（Mitropoulos等人，2009年）。

神经科学通过脑电图、眼动追踪以及功能性近红外光谱等技术，为建筑安全提供了有力支持，能够获取客观的认知和行为数据（Ding等人，2023年；Han等人，2023年）。结合建筑信息模型和数字孪生等数字技术，还可以优化工作流程并降低压力（Getuli等人，2024年）。这些技术还能解决因注意力缺失和任务负担过重而引发的心理问题（Chen等人，2015年）。神经人体工程学则着眼于考虑认知负荷和人机交互因素来设计工作环境，从而提升员工的工作幸福感（Lombardi等人，2023年）。在高风险作业环境中，危险识别涉及注意力分配、认知负荷管理以及情绪调控，有效的危险识别依赖于较长的注视时间和快速的反应速度（Luo等人，2025年；Muley等人，2025年）。压力因素会增加认知负荷，进而影响工作表现，而借助机器学习技术的先进生理监测手段则能够精准检测压力状态（Umer，2022年）。建筑工地环境要求员工保持高度警觉，但各种压力因素可能导致认知狭隘和注意力不足（Pooladvand和Hasanzadeh，2023年）。工业5.0技术，如虚拟现实、增强现实以及机器人技术，正在改变建筑领域的认知负荷状况。为了应对这些挑战，有必要对认知需求进行合理管理（Pooladvand等人，2022年）。这些技术还可与物联网相结合，实现实时的安全保障。

尽管取得了诸多进展，目前的建筑安全规范仍往往将人为错误视为随机变量，而非可控制的工程参数。因此，现场管理系统、职业环境应力因素（尤其是噪音和高温）与认知表现的神经生物学基础之间存在着明显的脱节。虽然现有的安全理论已经记录了认知失误的情况，但仍然迫切需要更深入的机制分析，以便将生物数据和环境限制转化为有效的预防措施。为此，本研究的首要目标是构建一个多层概念框架，将该框架将神经认知方面的见解系统地融入建筑安全管理之中。具体而言，本研究旨在回答以下问题：
•RQ1：如何将危险处理的神经认知机制进行结构化表述，并转化为工程参数？
•RQ2：如何利用实证性的神经数据来确定认知阈值，并在安全建模中体现个体差异？
•RQ3：如何将这些生物学限制与环境应力因素动态结合，以模拟和预测时空风险？

为解决RQ1，本研究采用分层级细节结构来构建框架，将工程逻辑应用于生物过程。该框架从安全循环的系统化概念模型（LOD 0）开始，逐步细化到危险处理的机制层面（LOD 1和LOD 2）。为巩固这一理论框架并回应RQ2，本研究还利用公开可用的脑电图数据集进行了实证分析，采用了n-back实验范式。这一步骤有助于明确“认知临界点”等核心生物概念，同时也凸显出个体差异的重要性，从而为个性化建模（即数字孪生体）提供依据。在此基础上，为评估实际可行性并解决RQ3，研究人员还采用了基于Agent的模型进行了计算机模拟。该计算模型将经过实证验证的神经限制与职业环境应力因素（如噪音和高温）相结合，从而动态绘制出时空风险分布图。最后，为落实RQ1中提到的转化过程，该框架还配有溯源词典。该词典通过将框架的各个组成部分与实证证据相互关联，为未来开发自动化的安全监测系统提供了基础结构。

理论背景
建筑安全管理的发展已经从线性的机械模型逐步转向系统性和行为导向的方法，但在认知驱动因素方面仍存在诸多不足。早期的框架，如海因里希的多米诺理论（Heinrich，1941年）和雷森的瑞士奶酪模型（Reason，1990年），将关注点从物理故障转向了组织内部的潜在问题。虽然这些模型对于事后分析很有价值，但它们以及后来出现的人因分析等方法，都未能完全解释复杂的安全问题。

方法论
本研究采用严谨的多阶段方法论，旨在构建整合认知负荷理论、认知科学以及神经科学知识的建筑安全概念框架。该方法旨在通过整合基于证据的见解，来解决现有文献中的碎片化问题，形成可实际应用的模型。整个研究过程分为三个相互关联的阶段：首先是对现有文献进行系统性回顾，并结合概念词典进行主题分析。

系统架构与战略宏观逻辑（LOD 0）
LOD 0的战略宏观逻辑是基于我们之前的文献综述以及第3.1节中所详述的概念词典而建立的。通过这些分析，我们构建了一个综合概念模型，将建筑行业视为一个充满挑战的动态环境，该环境由四个相互关联的领域构成：安全与风险、认知科学、神经科学以及测量工具（Lee等人，2025年；Michael，xxxx年）。这些概念并非孤立存在，而是彼此之间存在紧密的联系。

解码神经安全机制
本研究突破了传统安全模型的描述性局限，试图从机制层面解释认知失误的成因。模拟结果显示，不当行为往往源于神经资源竞争。当工人面临较高的工作记忆需求的同时又遭遇环境压力时，大脑维持自上而下控制的能力就会受到削弱。溯源词典通过链接N1明确指出了这种功能衰退的过程。在正常情况下，前额叶皮层能够抑制其他脑区的活动，但当负荷过重时，这种抑制作用就会失效。

结论
本研究通过引入NCSF，为建筑行业的职业安全带来了重大进步。该框架建立在通过对120多篇文献的系统性回顾以及150多个经过实证验证的概念所构成的溯源词典之上，它将导致人为错误的生物因素转化为一种基于预测的工程模型。借助分层级的细节结构，该框架能够将环境中的多物理应力因素（如高温和噪音等）与神经认知机制有机结合起来。

数据可用性声明
为确保研究的透明性和可重复性，本研究所需的所有数据和计算材料均已公开发布。这些材料包括预处理后的神经生理数据集、完整的溯源词典，以及用于数据校准和基于Agent的模型模拟的所有计算脚本。所有这些资料都已存放在公共数据库中，可通过以下DOI链接获取：//data.mendeley.com/preview/phyfw655cb?aCRediT

作者贡献声明
穆罕默德·雷扎·海达里：负责原文撰写、总体监督、项目管理、方法设计、数据整理以及概念构建工作。
阿里·伊朗普尔：负责原文撰写、可视化处理、结果验证、资源协调、方法设计、定量分析以及概念构建工作。
穆罕默德·帕尔萨·拉希米内贾德：负责原文撰写、软件使用、资源协调、方法设计、定量分析以及数据整理工作。
多尔萨·巴格谢伊基：负责原文撰写、软件使用、实验研究以及数据整理工作。

利益冲突声明
各位作者声明，他们不存在任何可能影响本研究结果的已知财务利益或个人关系。