高斯混合模型下建筑工人高空作业失稳检测方法

为防止施工现场高处坠落事故,实现个性化矫正管理,在考虑个体异质性对运动信号造成的差异化影响基础上,提出一种基于高斯混合模型(GMM)的实时检测方法,可及时识别建筑工人高空作业失稳状态。首先,采用姿态传感器实时采集加速度和角速度数据,以刻画建筑工人的高空作业姿态特征;然后,基于GMM算法,建立建筑工人高空作业的个性化失稳检测模型,获得个性化阈值,以判断姿势失稳状态;最后,通过试验对比基于个体数据集和公共数据集2种方式构建的模型。研究结果表明：生成的个性化检测模型在准确度P、召回率R和综合评价指标F₁值上,均远优于公共数据集模型,具有更好的个性化检测效果。该失稳检测方法能够从工人的作业姿态习惯探究个性化的高空失稳风险,促进差异化安全预控和精准化安全培训。     

情绪对建筑工人不安全行为影响的认知试验

为深入解析情绪对不安全行为的影响作用机制，探究情绪控制视角下的不安全行为矫正方法。从信息认知过程入手，结合眼动追踪技术和情绪唤醒方法，基于个体信息认知模型，设计情绪对建筑工人不安全行为的影响试验，通过测量不同情绪状态下工人的注意力分配、隐患识别和风险倾向，采用眼动热点图和方差分析(ANOVA),探究情绪在信息认知加工过程中对建筑工人不安全行为的具体影响。研究结果表明：在认知过程的信息获取阶段，正性情绪能够促进工人对现场危险的感知活动，而在信息分析阶段，正性情绪比负性情绪的工人具有更为显著的不安全行为倾向；基于个体信息认知的情绪不安全行为模型，正性情绪状态下的建筑工人更倾向于有意不安全行为，而负性情绪状态下的建筑工人则更倾向于无意不安全行为。建议施工企业应根据工人的情绪状态采取针对性的不安全行为管控措施，提高现场安全管理效率。