地铁施工人员安全监控预警系统构建及应用——基于可穿戴技术
1 引言
“十二五”期间全国28个城市57条地铁线路同时在建, 已修建完成里程超过1500公里, “十三五”期间还将建成90条地铁线路、总里程2713公里, 总投资将超2万亿元。然而, 在国内地铁大规模建设热潮中, 施工安全事故偶有发生。据不完全统计, 从2001年至2016年我国城市轨道交通四级以上重大事故共发生30多起。地铁工程施工中的不确定性很大, 属于高风险活动。地铁工程施工中安全隐患的原因很多, 主要包括人员、机械、材料、方法以及环境5个方面。现场施工人员自身不安全意识一直是首要的风险因素。在实践操作中, 安全教育培训是加强施工人员安全行为意识的主要手段, 可诸多事例证明, 即使施工人员接受完整的安全培训, 仍不能完全消除某些不安全行为。安全监控预警是地铁施工中不可缺少的重要环节。 由于施工环境不断变化和监督人员位置的不固定性, 有效施工安全监控预警信息技术的应用成为关键。近年来, 以实时视频监控、RFID定位为代表的信息技术在施工过程中的应用, 在一定程度上实现了现场施工的安全实时监控预警, 但也存在一些问题。实时视频监控技术依托监控设备, 但设备位置固定, 很难满足施工现场全覆盖, 且容易受到现场环境变化的影响。RFID定位技术以确定施工人员位置为主, 而对施工人员的生理状态关注不足, 而施工人员的生理或心理状况直接会影响其施工行为。此外, 目前主流施工现场安全监控预警技术如实时现场监控、RFID定位等技术还不能应用所获取的相关信息对施工人员的安全状态进行自动预警。近期新涌现的可穿戴技术在许多行业都得到应用, 其在收集人员信息尤其是生理状态数据和定位数据方面表现突出, 且可穿戴技术对人员工作不会产生影响, 也不会受到动态变化环境的干扰。因此, 本文构建一套基于可穿戴技术的地铁工程安全监控预警系统, 重点研究可穿戴技术在地铁施工人员安全监控预警中的应用。
2 基于可穿戴技术的安全监控预警系统
2.1 总体架构
地铁施工中的人员的安全信息收集、分析处理是有效的安全监控预警的基础。结合可穿戴技术的优势, 地铁工程施工中所需收集的安全信息包括:地铁施工人员生理数据, 包括心率、血压及温度等和地铁施工人员的实时定位数据。通过利用可穿戴设备 (智能手表和智能头盔) , 这些安全数据信息可被获取。在获取地铁施工人员的安全信息数据后, 通过数据传输技术将安全信息数据上传终端进行数据分析处理。 数据的分析处理是整个安全监控预警的关键。为了实现自动预警, 系统将分析地铁施工人员的安全状态或程度, 若判断出处于不安全状态, 则自动触发预警功能。预警信息可智能发送至地铁施工人员和管理人员的可穿戴设备上。因此, 基于可穿戴技术的地铁施工人员安全监控预警系统具体包括:安全数据收集模块、安全数据传输模块、安全信息分析处理模块以及自动安全预警模块4大模块, 总体架构如图1所示。
2.2 安全数据收集模块
2.2.1 地铁施工人员生理数据
文献证明:工程施工人员的心率、血压、温度和加速度和其工作行为的安全性表现出显著相关。因此, 通过采集地铁施工人员施工过程中的心率、血压、温度和加速度指标可以反映出其工作行为的安全性特征。该安全数据采集模块应用的可穿戴智能手表设备, 其材质为橡胶, 显示屏上表示的是地铁施工人员的生理数据, 另外表带和表扣均能拆卸。 图1 总体架构 下载原图 可穿戴智能手表采集地铁施工人员生理状况数据的工作原理主要是依托四类嵌入其中的传感器, 分别是:地铁施工人员的心率/脉搏传感器、血压传感器、外界温度传感器以及加速度传感器。这四类传感器将收集到的施工人员的生理数据通过无线通讯技术传到终端设备进行处理分析。其中, 心率/脉搏传感器和血压传感器主要实时监控地铁施工人员的生理状况, 帮助管理人员随时掌握施工人员的基本情况, 同时地铁施工人员可查通过询历史数据自我预警。外界温度传感器通过实时监测地铁施工人员的所处环境的温度, 实时监控地铁施工现场的环境, 避免施工人员因高温天气中暑。加速度传感器帮助管理人员了解地铁施工人员是否有异常行为。
2.2.2 地铁施工人员的实时定位数据
地铁施工现场的安全问题可通过确定施工人员以及施工设备的实时定位数据来得到极好的控制。实时定位数据包括地铁施工人员以及施工设备各时段的地理位置信息, 在此系统中, 还需考虑地理位置信息的精度、定位信号抗干扰性以及信号穿越障碍物的能力。地铁施工人员的平均反应时间为0.25秒, 平均反应距离为3米, 因此本系统设置实时定位数据的精度为2.5米内。定位信号抗干扰性即定位信号不受到地铁施工现场其它信号如通讯信号干扰的程度。在现实中, 往往由于存在其它信号干扰, 实时定位数据与实际间存在误差。信号穿越障碍物能力则考虑到地铁施工现场环境存在有如混凝土墙体的障碍物, 会影响信号强弱。 根据Y.Gu研究中对现有的定位技术, 如红外线定位技术, RFID定位技术, WLAN定位技术, 超声波定位技术等的调查统计, 其中WLAN定位技术通常为基于信号强度的定位技术, 具有适用范围广、较为灵活、实用性更强的优点, 因此本系统选取WLAN定位技术采集地铁施工人员的实时定位数据。数据通过地铁施工人员佩戴嵌入WLAN定位技术的智能头盔采集, 同时各类危险源设备中也嵌入此技术, 以便系统采集得到移动危险源的实时定位数据。应用WLAN定位技术可重用现有无线局域网的基础设备, 其计算物体之间的距离的工作原理通常为三角测量法。通过信号强度和信噪比 (衡量信号强度的物理量) , 可获得物体的位置坐标信息。本系统使用基于三角测量的传播模型法对物体进行定位, 即根据信号强度因传播距离长短不同而发生改变的空间变化规律, 计算得出无线局域网热点之间或无线局域网热点与终端之间的距离。WLAN定位系统还具有成本较低的优点, 并且最近的技术发展使得此定位系统在无线网络环境中可用, 可以实现跟踪移动物体。
2.3 安全数据传输模块
由于地铁施工现场外界环境复杂, 而整个系统中四个模块间需进行数据传输, 因此选择较为灵活便捷的无线传输模式, 还具有便于后期调整和扩展数据的优点。本系统中无线传输模式是基于IEEE802.11协议, 并以多址信道传输为媒介完成地铁施工人员安全数据的传输。
2.4 安全信息分析处理模块
安全信息分析处理模块是整个安全监控预警系统中最重要的模块, 是系统能否发挥作用的关键。
2.4.1 功能与作用
安全信息分析处理模块通过对已采集得到的地铁施工人员的安全数据进行计算分析, 判断地铁施工人员的安全状态, 若得出结论为地铁施工人员处于危险之中, 则立即进入自动安全预警模块, 向管理人员和地铁施工人员预警。此模块计算处理的安全数据包括地铁施工人员的生理数据和实时定位数据。
2.4.2 生理数据分析处理
对于生理数据, 由于其他因素存在造成个体之间存在的差异, 使得正常状态下生理指标值不适用于所有施工人员。例如生理数据中的血压和心率, 地铁施工人员饭后的血压和心率都高于饭前, 小跑等运动后心率也会加快。因此本系统选取个体在一段时间内的相对稳定的安全数据的平均值作为参考指标, 用公式σ=x-μ/x计算其标准差σ。通过比对采集的生理数据值是否在区间 (μ-σ, μ+σ) 内, 判断施工人员的状态。若在 (μ-σ, μ+σ) 内, 则此时地铁施工人员处于相对稳定安全的状态, 系统将此时的数据作为新的参数计算得出新的μ值和新的σ值, 即为下一瞬间此安全信息分析处理模块的参考值;若不在 (μ-σ, μ+σ) 范围内, 则表明地铁施工人员的身体处于异常状态, 系统将立即进入自动安全预警模块。生理数据分析处理流程如图2所示。 图2 地铁施工人员生理数据处理流程 下载原图
2.4.3 实时定位数据分析处理
对于实时定位数据, 系统采集得到危险源的实时定位数据后, 根据各危险源具体情况不同设置相应的安全距离d。将采集得到的地铁施工人员的实时定位数据与其进行比较, 计算得到人和危险源之间的距离s, 若s1+t2) ×VR确定为d=2.5m, 其中t1为地铁施工人员的反应时间, t2为系统信号传输时间, VR为地铁人员平均奔跑速度。 图3 实时定位数据处理流程 下载原图
2.5 自动安全预警模块
在地铁施工人员及管理人员收到危险警报之前, 预警信息在自动安全预警模块中需经历接收和反应两步处理。预警信息由安全信息分析处理模块发出, 通过无线传输方式发送给自动安全预警模块, 在被接收后, 自动安全预警模块会迅速做出反应。这种反应指的是系统向地铁施工人员和安全管理人员穿戴的设备发送报警指令, 设备包括智能手表和智能头盔。在收到报警指令后, 智能手表和管理人员佩戴的移动设备会发出警报声, 智能头盔上安装的警报灯会发出光芒, 提醒地铁施工人员注意自身情况, 同时提醒周围其他施工人员注意此人正处于危险状态, 需要帮助。 有以下两种情况时自动安全预警系统的警报将解除。一是收到警报后, 地铁施工人员的生理数据与实时定位数据回到正常范围内, 并且在一段时间内不再次进入异常状态时, 警报解除, 自动安全预警模块停止工作。二是在收到警报后, 地铁施工人员的生理数据与实时定位数据始终异常, 则自动安全预警系统将会给现场管理人员所携带的移动设备发送报警指令, 同时发送现场施工人员的个人信息以及危险原因, 由管理人员到现场确认是否因为特殊原因 (特殊情况下, 地铁施工人员必须靠近危险源进行施工作业) 引起自动预警, 并手动停止警报, 对确实处于危险状态的施工人员提供帮助和指导。
3 系统应用实例
3.1 项目概况
本系统应用于武汉地铁线路中某一地铁站施工, 该地铁站为地下二层岛式车站, 车站共有五个出口, 采用明挖法施工, 车站结构为双柱三跨结构, 标准段结构尺寸为33.65m×18.9m (宽度×深度) 。车站总体建筑面积为27658m2, 总长度为359m。车站主体采用连续墙支撑做基坑支护体系, 地下连续墙总计144幅。
3.2 系统应用和处理结果
根据地铁施工特点, 该地铁站施工项目按设有10个施工作业组, 包括钢筋组、混凝土组、电焊组、司机组、木工组以及其他普通工等, 每组根据实际施工内容不同安排10到30人不等, 平均190名现场施工人员同时作业。在项目开工前, 对各个施工作业组进行专业技能培训, 并对项目所有人员进行安全教育和安全基础知识培训。这之中包括安全监控预警系统的培训, 此项培训内容包括安全监控预警系统原理介绍, 以及如何使用智能手表和智能头盔。施工现场配备有200组智能手表和智能头盔, 其中190组给现场施工人员穿戴, 10组作为备用, 所有设备循环使用。施工人员在第一次使用可穿戴设备时需在系统中录入自己的姓名、施工班组、工号以及指纹信息, 在之后佩戴可穿戴设备时需通过设备上的指纹登录系统, 获得设备的使用权限。地铁施工现场设置有安全预警办公室, 由安全管理人员实时监测并存储记录安全监控预警系统反馈的地铁施工人员信息, 以便管理人员能在施工人员出现危险的第一时间里赶往现场。 以下两个表格 (表1和表2) 为安全预警系统在应用中采集得到的数据。表1为某一时刻地铁施工人员的生理数据, 表2为同时刻地铁施工人员的实时定位数据。由表中数据可知, 编号为H2-5的混凝土工人的生理数据正常, 而实时定位数据出现异常, 系统立即向地铁施工人员和安全管理人员发出警报, 管理人员赶到现场后发现该工人在施工过程中无意间走到预留洞口附近, 且处于危险距离内。 表1 地铁施工人员生理数据 下载原表 表2 地铁施工人员定位数据 下载原表
3.3 结果分析
安全监控预警系统在该地铁站的应用, 是本系统首次应用于地铁施工。在该地铁站的建设中, 安全预警的出现次数为43次, 但安全事故的出现次数为0, 安全监控预警系统在其中发挥显著作用。将此结果与安全管理人员的反馈结合, 可归纳得到安全监控预警系统的以下两个优点: (1) 提高施工项目的安全管理质量。地铁施工人员在安全监控预警系统的作用下, 危险意识提高。系统收集施工人员的生理数据和实时定位数据并进行分析处理, 为每个地铁施工人员建立安全信息档案, 可通过查询档案对施工人员进行有针对的安全知识培训, 降低安全事故发生率。 (2) 更高效的信息沟通。应用于可穿戴设备上的安全监控预警系统, 采取无线传播传输数据, 便于管理人员和地铁施工人员更高效快捷地传送和共享信息, 发送和接收指令。 此安全监控预警系统, 将继续从两方面进一步地改进: (1) 实现全面自动预警。系统不仅在出现安全隐患时自动预警, 在识别到可能存在的安全隐患时, 会智能提醒施工人员。安全监控预警系统将作为事前控制手段, 从源头上避免安全事故发生, 在大量施工人员同时作业的大型施工现场中, 此改进至关重要, 既帮助减少施工人员安全事故, 也减轻安全管理人员的工作量。 (2) 扩展安全数据用途。系统基于可穿戴技术收集到的现场施工人员安全数据, 经过分析处理后储存, 不仅应用于安全预警, 还用于施工人员的绩效评估, 适用于各类施工项目管理。
4 结论
1) 构建基于可穿戴技术的安全监控预警系统。设置安全数据收集模块、安全数据传输模块、安全信息分析处理模块以及自动安全预警模块4大模块组成安全监控预警系统。 2) 应用可穿戴技术收集地铁施工人员的安全数据。嵌入心率/脉搏传感器、血压传感器、外界温度传感器以及加速度传感器的智能手表收集地铁施工人员的生理数据, 嵌入WLAN定位系统的智能头盔收集实时定位数据。 3) 设定安全信息分析处理规则以及预警方式。对收集的安全数据 (生理数据和实时定位数据) , 需要分别设定处理规则, 判断施工人员所处状态和是否需要安全预警, 以及系统做出预警后的处理方法。 4) 实例分析论证了此安全监控预警系统的可操作性和可行性, 并对结果进行分析归纳得到系统的优点和需继续改进的方面。
[2]S.Demirkesen, D.Arditi.Construction safety personnel’s perceptions of safety training practices[J].International Journal of Project Management, 2015 (5) :1160-1169.
[3]A.A.Ganah, G.A.John.BIM and project planning integration for on-site safety induction[J].Journal of Engineering, Design and Technology, 2017 (3) .
[4]李飞, 李伟, 刘昭, 等.基于BIM的施工现场安全管理[J].土木建筑工程信息技术, 2015 (5) :74-77.
[5]T.Edrei, S.Isaac.Construction site safety control with mediumaccuracy location data[J], Journal of Civil Engineering and Management, 2017 (3) :384-392.
[6]Y.G u, A.L o, I.Nie mege e r s.A s u r vey of i ndo or positioning systems for wireless personal networks[J].IEEE Communications surveys&tutorials, 2009 (1) :13-32.
[7]吴东金, 夏林元.面向室内WLAN定位的动态自适应模型[J].测绘学报, 2015 (12) :1322-1330.