关键词:
高等级公路
风险管理
贝叶斯网络
YOLOv8
安全防护智慧管理系统
摘要:
徐淮阜高速公路淮北段作为安徽省“十四五”期间的重要交通基础设施建设项目,其建设对于完善区域交通网络、促进经济社会发展具有重要意义。然而,该项目沿线地质条件复杂,施工过程风险较大,急需一套完善、科学的风险管理体系来提高施工风险管理水平。
首先,以施工风险的定义、特点等为依据,根据高等级公路施工风险管理的特点,明确相关风险管理的流程,以及阐述安全防护智慧管理系统开发所需的YOLOv8算法的原理、运作流程和开发工具Python语言。其次,构建了徐淮阜高速公路淮北段施工风险的评价指标体系。为了系统、准确的识别该段高速公路施工过程中的风险因素,结合徐淮阜高速公路淮北段经过煤矿采空区这一特性,采用WBS对施工作业活动进行分解,共得到55个初始风险源,并通过类似项目近十年的施工事故数据进行了验证。发放关于风险发生可能性、损失等级的五级评分调查问卷,结合因子分析法对风险源进行删减和分类,建立了一个15类、45个风险源组成的指标体系。然后,利用贝叶斯网络的逆向推理功能建立了徐淮阜高速公路淮北段施工风险评价模型。根据问卷调查的结果进行风险等级L(低风险)、M(中等风险)、H(高风险)的代换,并借助Ge NIe4.0软件导入贝叶斯网络模型进行学习后逆向推理,得到评价结果。结果表明:对该项目风险管理影响较大的有材料质量控制管理、临时结构方案、夜间施工等11个因素,同时对高风险等级施工风险源的致伤进行分析,发现所造成的伤害主要集中在高处坠落、物体打击、碰撞等。最后,对11个高风险等级危险源提出建立地质风险防控体系、加强特殊环境作业安全等风险管控基础措施;根据评价结果和现场伤害分布特征,施工行为存在监管盲区、风险响应存在滞后、管理效能存在瓶颈,因此开发了安全防护智慧管理系统来监督工人佩戴安全防护装备来降低伤害。以YOLOv8深度学习模型为基础,应用数据增强的方法对该模型进行训练,通过损失函数、PR曲线等验证了其可靠性。在施工现场采集数据验证了该管理系统的准确性,结果显示,系统的综合成功率在90%左右。
论文通过对徐淮阜高速公路淮北段施工风险进行评价,结合YOLOv8算法实现安全管控的信息化,为类似项目提供借鉴和参考。