施工安全标识位置特征驱动的自动化注意行为研究

为改善施工安全标识警示效果,减少盲视发生,探究不同位置特征下施工安全标识引发的自动化注意行为,采用改进的注意捕获试验范式,使用E-prime 2.0平台记录当事人的反应时长和判断正误,通过注意捕获量和判断正确率度量自动化注意效果,并进一步构建施工安全标识自动化注意加工模型,剖析自动化注意加工过程及机理。研究结果表明:初次视认发生时,安全标识引发的自动化注意受位置因素影响,具有正中最优、正方向加强、右侧抑制等特点;对标识的自动化注意由启动和加工2个环节构成,与共同作用于视觉通道的控制加工串行发生,在启动阶段受位置特征提供的有效刺激强度影响,在加工阶段消耗较少认知资源。

工作强度变化触发的情绪波动及其对事故倾向行为的影响

为揭示更深层的事故发生机理,减少事故倾向行为发生,基于注意分配、信息认知、情绪生理机制等理论,探究了不同工作强度触发的情绪波动特征及其导致的事故倾向行为差异。采用模拟试验的方法,利用心电血压手环记录的心率来反映情绪波动,使用E-Prime平台记录的反应时长与结果正误量化个体事故倾向行为,并进一步分析情绪波动特征对行为的影响。结果表明:(1)高强度工作所触发的强烈情绪波动会导致个体漏掉过多信息和认知反应时长增加,进而增大其事故倾向行为发生的可能性;(2)在高强度工作下,平缓的情绪波动不一定有利于安全生产,适当的情绪波动有利于工人保持较好的紧张感,从而调动其安全作业积极性。

视觉联合交集下施工危险区域侵入行为动态感知方法

为解决行为险态识别脱离场景信息的问题,基于视觉联合交集,提出一种施工危险区域侵入行为动态感知方法。该方法以YOLOX模型为基础算法,引入轻量级Transformer,采用Mosaic数据增强方式,通过设计候选框联合交集(iou)将危险区域与工人行为状态关联,结合场景信息对工人行为险态进行理解。以临边作业为实验场景,在工人行为状态与危险区域位置关系精准识别的基础上,实现施工危险区域侵入行为的动态监控,改进后的YOLOX模型在每秒处理图像帧数降低1.33的情况下平均精度提高3.01%。实地测试结果表明:检测类别识别的平均精度均高于91.5%,iou准确率均为100%,可为施工场景内工人行为险态的实时感知提供参考,具有实效性与可推广性。

基于数据挖掘的施工危险识别注意投入与分配研究

为分析施工情境中危险识别注意资源动态投入分配规律,基于动态时间规整算法,挖掘危险识别注视轨迹序列,以表征注意资源投入分配变化,并采用k-means聚类、注视熵、Needleman-Wunsch全局序列对齐算法和统计等方法,深入挖掘注意资源在危险目标中投入和分配等时空变化规律。研究结果表明:当事人危险识别各阶段注意资源呈现从显著目标到高危目标的投入变化趋势,危险识别注意资源分配随情境复杂因素呈现零散、均匀的空间特征,分配无序程度提高。

情绪特质对建筑工人危险感知的差异化影响

为更深入地揭示情绪特质对建筑工人危险感知行为的影响规律,减少事故发生,立足中国建筑工人的群体与个体特质,以情绪等相关理论为支撑,基于自主开发的“情绪特质-危险感知”问卷,利用科学统计方法与指标,探究了不同情绪特质下工人的危险感知行为差异。结果表明:工人的危险感知能力与情绪特质呈正相关,良好的情绪管理能力有利于增强工人危险感知能力;情绪特质最直接影响工人危险知觉水平,情绪化的工人危险知觉水平偏弱;工人良好的情绪管理能力对危险认知有显著影响,最显著体现为提高工人信息分析稳定性。

建筑业从业人员的危险警觉性多维影响因素分析

为充分了解建筑业从业人员危险警觉性的影响因素,提升警觉性不足人员筛查效果,预防事故发生。基于自主开发的危险警觉性多维影响因素量表,在通过预调查评价初始量表信效度和模型拟合程度的基础上,调整形成最终量表。继而开展正式调查,从环境、行为、态度和个体特质4个维度探究危险警觉性的各指标影响程度关系及4个维度之间的影响程度关系。研究表明:危险警觉性影响因素体系包含4个维度:环境警觉、行为警觉、态度警觉和个体特质维度;施工风险容忍程度与危险警觉性差异关联不大;个体特质维度是影响危险警觉性的最关键维度,对其他维度亦有显著影响,尤其和态度警觉维度相互影响最显著;环境警觉维度中警觉稳定性、警示敏感性对危险警觉性的影响最弱。