基于事故前兆和RFID传感器网络的地铁施工实时预警系统

毋庸赘言，由于地铁建设规模的迅速扩大而带来的巨大安全风险，是研究人员在未来相当长的一段时间内都无法回避的重大问题。如何有效地推进新兴的信息技术在地铁施工实时预警系统中的融合和应用、推进基于事故前兆信息以降低地铁施工风险的研究，是具有中国特色、亦具国际化特点的理论和实践难点。本课题首先基于地铁施工事故前兆信息，改进事故序列前兆信息模型以定量化计量安全风险。其次，利用信号检测理论构建地铁施工实时预警系统、计算阈值、并定量化评价该系统的敏感性和风险倾向。进而，设计并实现系统结构：采用超声波信号用于实时定位、利用传感器进行环境数据的实时监测、使用RFID进行进出控制以及相关安全信息的存储、并且基于无线传感器网络进行数据的双向、实时传输。所有系统组件都将集成在Zigbee协议下的 RFID传感器网络结构中。同时，讨论适宜的硬件采用、开展相关实验、并进行成本分析。最后，基于南京地铁进行实证研究。

建筑业作为高风险行业，施工现场安全事故的发生对社会经济、人民生活和自然环境都将产生重大的影响。识别事故发生前可能的前馈信号具有提高安全绩效的巨大潜力，许多组织已经开始研究如何确定事故前馈信号的程序和方法，并且已经从中获益。本课题的研究目标就是从建筑业施工现场前馈信号的视角，建立针对施工现场安全危险源的前馈信号进行实时监控、对安全风险进行实时预测的方法。首先，在详细的文献综述的基础上，指出了目前的研究不足。进而，针对现有研究及实践中提高安全绩效的不足，分析了施工现场的前馈信号及未遂事件对提高安全绩效的重要意义。在此基础上，构建了完整的施工现场安全管理系统。其次，建立了施工现场前馈信号及未遂事件（precursors and immediate contributory factors，简写为PaICFs）调查模型，其主要目标是从安全事故历史记录中分析前馈信号及未遂事件。接着，针对建筑业施工现场前馈信号的特点，建立了改进的事故序列前馈信号模型（Modified Accident Sequence Precursor, 简写为MASP）。该模型一方面对事件树的建立方法进行了改进，同时，由于施工现场安全管理所关心的问题实际上是一个条件概率，即在某一个前馈信号（或者某几个前馈信号的组合）发生的情况下，可能导致安全事故的可能性，从而利用条件概率公式改进了原有的算法，并且计算了基于前馈信号的施工现场的安全风险。再次，基于信号检测理论（Signal Detection Theory, 简写为SDT）建立了施工现场安全风险预测模型，建立并比较了不同准则下预警阈值的计算方法和使用条件。进而，基于SDT理论建立了对施工现场安全风险预警系统的敏感性和风险倾向进行测度的方法。最后，在大量案例分析的基础上，分析了施工现场实时监控子系统的自动获取数据的需求。结果表明，需求主要涉及三类数据：位置类、身份类和环境类实时信息。为了满足这三类数据的需求，本文基于Zigbee协议的射频识别无线传感器网络（Zigbee enabled RFID System）设计了系统结构。此外，课题组还针对相关内容进行了横向的拓展和研究。