人工智能技术在亚运会水上运动中心项目吊装安全管理中的应用

吊装作业是建设工程中十分重要的工作，也是建设工程中安全风险较大的工作之一，其安全管理是现场安全管理的重点。塔式起重机具有起升高度大、工作幅度大、作业面较广、作业效率高、结构形式较为简单等优点，在吊装作业中得到了广泛应用。然而塔式起重机安全事故时常发生，导致设备损坏、人员伤亡、财产损失等后果。塔式起重机吊装安全受到了学者和工程人员的重视。张青春等利用ZigBee技术，设计安全监测预警系统，实现了位移、距离、压力监测功能，并将监测数据上传到监控中心进行显示、处理和报警。赵挺生等运用系统思想研究安全，建立了塔式起重机安全的系统层次体系，识别了56项塔式起重机安全影响因素。段在鹏等通过模拟试验研究了性别、近视程度、身高、驾驶经验、风速、操作熟练程度、操作复杂程度等因素对新入职司机操作失误的影响。

人工智能技术是研究、开发用于模拟、延伸和扩展人的智能理论、方法、技术和系统的技术科学。随着计算机技术的发展和计算能力提升，人工智能得到了快速发展，在多个行业得到了广泛应用。建筑业是我国规模巨大的传统行业之一，人工智能与建筑业的结合提高了建筑业的信息化水平。在建筑施工安全方面，学者利用人工智能方法分析施工安全，将人工智能方法运用到现场施工安全管理中。申玲等构建了基于云贝叶斯网络的装配式住宅吊装安全风险评价模型，对构件吊装的风险进行评估。谢逸等利用视频监控数据，结合支持向量机（SVM）、方向梯度直方图特征组合方法检测地铁施工中人的不安全行为，提出了一种检测方法框架。杨莉琼等提出了基于机器学习的安全帽佩戴行为检测方法，利用视频监控数据和机器学习方法实现对施工人员佩戴安全帽行为的实时监测与预警。结合北支江水上运动中心项目的案例，探索人工智能技术在吊装安全管理中的应用，为人工智能在吊装安全管理中的应用提供参考。

1　工程概况

北支江水上运动中心项目位于浙江省杭州市富阳区北支江南岸东洲街道华墅沙村，用地面积80 757 ㎡，总建筑面积64 092 ㎡，结构长约400 m，宽约110 m，地上建筑面积41 307.93 ㎡，地下建筑面积22 371 ㎡，人防建筑面积3 362 ㎡，其地上部分为覆土建筑，建筑高度24 m。

根据场馆结构、工期和施工现场情况，施工期间安装4台，沿场馆长度方向进行布置，按照施工图轴线编号顺序自西向东为1号、2号、3号、4号塔式起重机。其中1号、4号塔式起重机，位于地下室底板外，采用QTZ80（5513）型，臂长55 m，端部起重量1.3 t，最大起重量为6 t，标准节尺寸为1.6 m×1.6 m×3 m。2号、3号塔式起重机位于地下室范围内，采用QTZ（7030）型塔式起重机，臂长70 m，端部起重量3.0 t，最大起重量为16 t，标准节尺寸为2.0 m×2.0 m×3 m。

2　吊装风险因素分析

本工程为大型组合结构建筑，工程体量大，场地面积大、范围广，塔式起重机数量多，群塔作业风险较高。

本项目塔式起重机运行阶段的风险因素如下。

（1）塔式起重机司机未按多塔作业安全措施规定操作，违反塔式起重机安全操作规程，存在坍塌、坠落等事故隐患。对此需加强对司机持证上岗的检查力度、加强教育培训和交底，司机应严格遵守操作规程，不得违章作业。

（2）塔式起重机司机不听指挥作业或作业时精神不集中，可能导致起重伤害、高空坠落等事故。对此须从司机持证上岗、不疲劳作业、不违章作业等方面进行管控。

（3）塔式起重机指挥不当，会导致塔式起重机间相互碰撞、物体打击等安全风险。对此要求指挥人员持证上岗，加强岗前培训，不得违章指挥。

（4）作业过程中2个塔式起重机吊臂或平衡臂同时进入交叉区域，起重臂与钢丝绳或吊物相撞，可能造成塔式起重机倒塌、吊物高空坠落等危险。对此须从制订塔式起重机避让规则，设置塔式起重机进入交叉区域报警装置，限制塔式起重机吊钩吊物运行范围，加强指挥和对作业人员的安全交底等方面来避免危险发生。

（5）本项目1~4号塔式起重机作业范围与钢筋堆场及加工区域、生活区域存在交叉，若吊装过程中重物掉落，可能砸到下面的钢筋堆场、钢筋加工区、生活区，对人员造成威胁。对此，需加强现场吊具、索具检查，避免吊装作业过程中吊臂转入生活区道路上空，停止作业时须收好小车及其上吊具等方面进行防范。

3　人工智能技术应用优势

人工智能技术能从大量数据中进行学习和分析，这一特点与建筑项目规模庞大、产生数据量巨大的特点相适应。收集建筑项目施工中产生的大量原始数据，利用人工智能技术对数据进行分析，可以得到人工管理下难以发现的规律和特点，有利于高效地进行施工管理。

通常建筑施工现场面积大、作业面多，仅靠人工难以实现对现场的实时管控和监督。特别是随着工程项目规模的不断扩大，人工管理效率相对较低的问题更加突出，造成现场管理效率不高的问题。人工智能系统可通过对现场的实时数据采集实现对现场的实时监控，可对发生安全隐患、违章作业等情况进行判断和分析，并采取一定的控制措施，同时将信息告知项目管理人员，可提高项目管理的效率。

针对塔式起重机作业的安全风险，可利用人工智能方法实现项目部提出的管控措施，如持证上岗的检查、塔式起重机避让等。人工智能技术的应用流程为：开始→建立数据库→智能算法处理→分析现场数据→得出分析结果→指导安全管理→结束。

4　人工智能技术应用

4.1　人证查验

塔式起重机司机、起重指挥人员属特殊工种，需持证上岗。传统的检查方式是通过人工在上岗前对司机和指挥人员等进行检查，存在身份核验效率较低、依靠人工可能存在漏洞等问题，经加强对司机身份的核查，杜绝无证人员操作塔式起重机的安全隐患。

随着人脸识别技术的成熟，人脸识别技术已广泛应用于安防监控、门禁管理、考勤管理、身份识别等领域。一些工地已将人脸识别系统与劳务实名制系统相结合，用于劳务工人的实名制管理。

本项目应用人脸识别系统对起重机司机等特殊工种人员进行检查。司机进场时，先检查其持有的上岗证件，将人脸信息录入人脸识别系统。每天上班前经人脸识别验证其具有相关资质后方可进入施工现场。塔式起重机司机室内设置监控摄像头，在采集的视频中提取人脸信息，与系统的人脸数据库进行比对。检测到无证人员进入司机室试图进行操作时，系统会报警并自动切断塔式起重机的电源，使无证人员无法进行操作。

通过人脸识别技术，将塔式起重机控制和司机的身份识别相结合，有效杜绝了司机无证上岗的现象。

4.2　危险行为分析

为确保塔式起重机的安全，减少违章作业，在塔式起重机上安装塔式起重机安全监控器已成为建筑业的常用方法。该安全监控器俗称“塔式起重机黑匣子”，具有塔机使用时间、起重量、起重力矩、吊钩高度、小车幅度、回转角度等数据的采集、存储、传输等功能。有的安全监控器还可对塔式起重机进行简单的控制，结合了物联网技术的塔式起重机安全监控器可将采集到的数据实时上传到服务器，便于地面施工管理人员进行监控。塔式起重机安全监控器在其作业期间的监管和事故发生后的调查等方面发挥了巨大作用。

塔式起重机安全监控器运行过程中产生了大量反映司机操作行为的数据，收集这些数据形成了关于塔机操作行为的大数据。这些数据为人工智能对司机的操作行为进行分析提供基础。

通过对产生的数据进行处理，划分每个吊装过程并标记正常操作及各种不规范操作行为。对得到的大量数据样本进行频谱变换、特征分析等处理，利用支持向量机进行分类，训练模型，使之能识别司机的操作行为。

将训练的模型加载到智能化平台上，经过分析安全监控器传来的数据，可了解司机的操作行为是否规范并及时给予提示和警告。同时，基于塔式起重机安全监控器产生的塔机安全大数据，对不同司机的操作行为进行统计分析，可了解司机的操作水平，有利于对操作水平较低的司机加强教育。

此外，还可将违章行为与工作时段、工作时长等因素进行关联分析，得到违章行为发生的规律，为加强监管提供指导。

4.3　吊装路径规划

本项目现场作业面大，设置的4台塔式起重机存在大臂交叉可能造成相互碰撞吊物坠落的隐患。塔式起重机回转区域覆盖钢筋堆场及加工区域、生活区域，存在起重伤害、物体打击的安全隐患。若起重指挥人员或塔式起重机司机因观察错误或视线较差，可能引起吊物碰撞到已建成的结构等事故。

为避免隐患，提出在塔式起重机交叉区域进行避让，避免吊臂转入生活区道路上空等措施。在此基础上，以BIM模型为基础，在建成的结构、与塔机交叉区域、生活区道路等位置，明确吊物可通行区域和不可通行区域，为路径规划创造条件。

利用路径规划算法对吊装路径进行规划，对复杂构件的吊装提供指导，以避免构件碰撞障碍物或塔式起重机之间相互碰撞。

4.4　司机疲劳检测

由于塔式起重机吊装作业风险较高，司机作业时必须精神集中，司机疲劳作业会导致吊装风险增加。为此以监控视频为依据，利用卷积神经网络方法，对司机脸部进行定位，提取眼、嘴等特征，以判断司机是否有打哈欠、瞌睡等疲劳作业的表现。利用该模型实现对司机疲劳作业的检测，发现疲劳行为时及时报警以防引发事故。

5　结束语

（1）利用人脸识别技术，可实现对司机、起重指挥人员等的身份查验，有效避免无证人员操作塔式起重机等问题，有利于对特种作业人员持证上岗进行监管。

（2）利用人工智能技术，对“塔式起重机黑匣子”产生的大数据进行分析，可识别司机的违章作业行为，对司机违章行为进行提示，为司机的培训、技术评价等提供依据，并为重点地区加强监管提供参考。

（3）结合BIM模型和人工智能算法，对吊装路线进行规划，以得到无碰撞的吊装路线，避免发生碰撞。

（4）利用人工智能算法对司机疲劳作业行为进行检测，有效地杜绝了疲劳作业造成的安全隐患。