ICT支持的塔吊安全管理框架——回顧與展望

段 銳，鄧 暉，鄧逸川,2

ICT支持的塔吊安全管理框架——回顧與展望

段 銳1，鄧 暉1，鄧逸川1,2

(1. 華南理工大學(xué)土木與交通學(xué)院，廣東 廣州 510640；2. 亞熱帶建筑科學(xué)國家重點實驗室，廣東 廣州 510640)

塔吊是建筑工程中使用頻率最高的垂直運(yùn)輸工具。由于塔吊的運(yùn)行風(fēng)險較高，提高其安全管理水平成為業(yè)界亟待解決的問題。近年來，信息與通信技術(shù)(ICT)逐漸被應(yīng)用于塔吊安全管理，但目前該領(lǐng)域的應(yīng)用多為單點開發(fā)且智能化水平偏低，未能很好地滿足現(xiàn)有的塔吊安全管理需求。通過查閱近十幾年的塔吊安全管理領(lǐng)域的相關(guān)文獻(xiàn)，將國內(nèi)外學(xué)者對塔吊安全管理研究現(xiàn)狀進(jìn)行梳理，分析了現(xiàn)有研究對象、關(guān)鍵技術(shù)、關(guān)注度和優(yōu)劣勢。此外，通過對現(xiàn)有方法的分析，提出了未來塔吊安全管理的目標(biāo)和框架。將ICT技術(shù)中有潛力的建筑信息模型(BIM)與計算機(jī)視覺技術(shù)(CV)融入塔吊安全管理框架中，有利于實現(xiàn)對塔吊運(yùn)行過程的實時監(jiān)控和危險預(yù)警，有效減少事故的發(fā)生。該框架有望促進(jìn)塔吊安全管理向智能化和信息化轉(zhuǎn)變，為我國建筑工程事業(yè)的健康發(fā)展提供一些啟發(fā)。

塔吊;安全管理；建筑信息模型; 計算機(jī)視覺技術(shù)；建筑事故

1 概 述

據(jù)不完全統(tǒng)計，2010—2019年，我國至少發(fā)生塔吊生產(chǎn)安全事故382起[1]。唐凱等[2]指出，在建筑行業(yè)較大及以上生產(chǎn)安全事故中以土方坍塌、模板坍塌、塔吊傾覆等類型事故居多。李曉東和陳琦[3]指出高處墜落坍塌和物體打擊在各類建筑生產(chǎn)安全事故中發(fā)生頻率最高，且與塔吊有關(guān)。因此研究塔吊的安全管理方法，提升其安全管理水平，具有重要意義。

1990年REASON[4]提出事故的瑞士奶酪模型。其將安全系統(tǒng)看似一疊奶酪，每塊奶酪代表一層防線。奶酪本身內(nèi)部具有許多不規(guī)則的孔洞，代表潛在的系統(tǒng)漏洞，不同奶酪上洞口的大小及位置決定危險源射線能否通過該模塊。如果一疊奶酪的孔洞剛好可以被危險射線直穿，即可演變成事故。根據(jù)該模型，結(jié)合塔吊安全管理實際，總結(jié)得出塔吊事故致因模型，如圖1所示。

圖1 塔吊事故致因模型

由于塔吊的結(jié)構(gòu)特點和高風(fēng)險屬性，在運(yùn)行過程中需要多方人員的配合操作。不僅消耗大量的人力物力，且難以達(dá)到良好的安全管理效果。根據(jù)施工現(xiàn)場的動態(tài)性及勞動力密集的特點，模型中的4個屏障存在許多不可控的漏洞，導(dǎo)致危險源射線通過屏障并形成事故。

信息通信技術(shù)(information communications technology，ICT)涵蓋了如計算機(jī)、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、區(qū)塊鏈、人工智能等信息、通信技術(shù)及相關(guān)的應(yīng)用軟件。發(fā)揮ICT的優(yōu)勢，可實現(xiàn)對施工場地和塔吊的實時精確監(jiān)測，在塔吊事故致因模型各個屏障上有效地填補(bǔ)孔洞，減小事故發(fā)生的可能性，滿足施工現(xiàn)場數(shù)字化、標(biāo)準(zhǔn)化、精細(xì)化的管理需求，提高建造效率和精度，提升塔吊安全管理能力。

目前，尚未有學(xué)者對基于ICT的塔吊安全管理研究進(jìn)行總結(jié)性梳理。本文基于上述背景，對相關(guān)文獻(xiàn)進(jìn)行搜集和梳理，以事故致因理論為落腳點，揭示塔吊的安全隱患及其深層原因，總結(jié)現(xiàn)有研究的不足并討論未來塔吊安全管理的目標(biāo)和ICT的應(yīng)用方向，為施工全過程的塔吊安全管理提供新的思路，研究流程如圖2所示。

圖2 綜述流程圖

2 塔吊事故類型及其原因

2.1 常見的塔吊事故類型及其直接原因

塔吊安全事故的類型較多，主要有傾翻、折斷臂、碰撞、構(gòu)件脫落、吊物墜落、工人事故及其他事故，但以傾翻、斷脫繩和碰撞事故為主[5]。如圖3所示，本文將塔吊運(yùn)動狀態(tài)分為靜止事故和運(yùn)動事故。

圖3 塔吊事故劃分及其直接原因

2.2 塔吊事故深層原因

圖4將塔吊事故致因理論與塔吊安全管理實際相結(jié)合，分析并梳理塔吊事故的深層原因。

2.2.1 設(shè)備缺陷

(1) 塔吊設(shè)計及制造缺陷。如圖5所示，塔吊事故類型中塔吊倒塌為66.05%，塔臂折斷為9.88%[6]。這2類事故均與塔吊質(zhì)量有關(guān)。企業(yè)為了賺取利潤而降低成本，使得產(chǎn)品質(zhì)量得不到保證、設(shè)計缺少人性化、安全防護(hù)裝置不齊全。

(2) 未調(diào)試檢測直接使用。施工單位為了加快施工進(jìn)程，對新塔吊未經(jīng)調(diào)試與檢測就立即投入使用，致使塔吊使用過程中發(fā)生機(jī)械故障而造成事故。

(3) 長期使用造成的損耗。焊縫生銹、電氣元件損壞、鋼絲繩磨損、螺栓松動等損耗，使塔吊故障和事故頻發(fā)。

2.2.2 工作環(huán)境

(1) 惡劣環(huán)境等不可抗力因素。塔吊在露天環(huán)境下作業(yè)，受環(huán)境的影響較大。風(fēng)雨使塔臂轉(zhuǎn)動造成碰撞事故，甚至造成塔吊結(jié)構(gòu)失穩(wěn)。霧霾會影響塔吊操作人員的視線，高溫或寒冷天氣也會影響操作人員的身體狀況。

(2) 塔吊作業(yè)半徑內(nèi)有高壓線。部分施工場地處于市區(qū)，施工范圍有限。高空作業(yè)時塔臂觸碰高壓線而使塔吊機(jī)體通電或傾翻。

(3) 多塔吊協(xié)同作業(yè)不當(dāng)。在同一個施工現(xiàn)場有2臺或多臺塔吊實行群塔施工時，塔臂之間的回轉(zhuǎn)范圍容易有交叉，若協(xié)作不當(dāng)極易造成碰撞事故。

2.2.3 管理制度

(1) 安全監(jiān)督和管理不足。若施工過程中安全監(jiān)管足夠且有效，可消除絕大部分塔吊事故[6]。根據(jù)安全生產(chǎn)月的經(jīng)驗，加強(qiáng)施工安全監(jiān)管有助于在短期內(nèi)減少塔吊事故的發(fā)生。

(2) 安全培訓(xùn)和考核不足。在工程建設(shè)中，專業(yè)知識需要不斷更新，同時工人的安全意識也需要逐步提升。因此，安全培訓(xùn)和考核工作不可或缺。

(3) 安拆隊伍的監(jiān)管不足。無資質(zhì)的團(tuán)隊進(jìn)場進(jìn)行安裝、頂升和拆除工作，導(dǎo)致無法進(jìn)行專業(yè)的操作，方案不符合實際工程狀況，為后期的塔吊使用埋下隱患。

圖4 塔吊事故深層原因

圖5 塔吊事故直接原因(內(nèi))和塔吊事故類型(外)

2.2.4 個人行為

(1) 人員專業(yè)知識和技能不足。如圖5所示，塔吊事故發(fā)生的主要原因為操作不當(dāng)(35.59%)[6]。誤操作導(dǎo)致了較大比例的塔吊事故，因此培養(yǎng)具備專業(yè)知識和技能的高素質(zhì)塔吊操作人員有利于減少塔吊事故。

(2) 人員故意違規(guī)或疲勞操作。施工人員為了搶施工進(jìn)度，未遵守塔吊“十不吊”原則，故意違規(guī)操作，或操作人員疲勞操作造成失誤。

(3) 人員協(xié)調(diào)不當(dāng)造成誤操作。塔吊司機(jī)、地面建筑工人和指揮人員的協(xié)調(diào)出現(xiàn)問題或誤判而造成誤操作。

3 基于ICT支持的塔吊安全研究綜述

為了分析塔吊事故的原因，本文在知網(wǎng)(CNKI)、萬方等國內(nèi)知名數(shù)據(jù)庫，以“塔吊”“吊裝”“起吊”“安全”“管理”“信息與通信技術(shù)”和“計算機(jī)”等關(guān)鍵詞進(jìn)行查詢研究，同時在Web of Science (WoS)、Engineering Village2 (EV2)等國外知名數(shù)據(jù)庫以“tower crane”“l(fā)ifting”“elevator”“elevating”“safety”“management”“ICT”和“computer”等為關(guān)鍵詞同期進(jìn)行相關(guān)研究，收集了2007—2021年的相關(guān)期刊論文(31篇)和碩士學(xué)位論文(10篇)并進(jìn)行了分類和總結(jié)。分析結(jié)果顯示，塔吊安全管理技術(shù)大致經(jīng)歷了4個發(fā)展階段。

3.1 早期傳統(tǒng)建筑工地監(jiān)控記錄系統(tǒng)

早期的塔吊管理，僅依賴于建筑工地傳統(tǒng)的監(jiān)控系統(tǒng)，簡單記錄塔吊施工情況，未能將其合理地應(yīng)用到塔吊安全防范方面。塔吊的保護(hù)裝置指當(dāng)某一監(jiān)控指標(biāo)超限時，其保護(hù)裝置自動切斷電源。然而突然斷電會對塔吊的電氣元件造成較大損傷，縮短使用年限。此外，還存在無法預(yù)測風(fēng)險、缺乏顯示及人機(jī)交互功能、適應(yīng)性差等缺陷[7]。

3.2 基于嵌入式平臺的塔吊安全監(jiān)控系統(tǒng)

嵌入式系統(tǒng)是軟件和硬件的綜合體，可以用來控制、監(jiān)視或輔助各種設(shè)備的運(yùn)行，從而實現(xiàn)嵌入對象的智能化。嵌入式處理器具有體積小巧、數(shù)據(jù)處理快速、成本低廉、易于實現(xiàn)無線通信的優(yōu)點，所以早期的塔吊智能化安全管理研究基本利用嵌入式技術(shù)來設(shè)計塔吊工作狀態(tài)監(jiān)測裝置。楊山虎[8]介紹了基于嵌入式平臺(advance RISC machines，ARM)的塔吊圖像監(jiān)控系統(tǒng)。該系統(tǒng)將Open-CV庫引入嵌入式Linux系統(tǒng)，開發(fā)了吊鉤動作跟蹤算法，實現(xiàn)了吊鉤動作的智能跟蹤。該系統(tǒng)在圖像采集與無線傳輸已部分達(dá)到產(chǎn)業(yè)化水平，但嵌入式設(shè)備運(yùn)算能力限制了吊鉤智能跟蹤模塊的性能，在形狀較為復(fù)雜的背景中，智能跟蹤算法很容易失效。張兵[9]詳細(xì)地分析了塔吊的防碰撞問題，建立了以嵌入式設(shè)備為基礎(chǔ)的群塔防碰撞控制系統(tǒng)。劉俊亮[10]提出基于ARM的單臺塔吊防傾翻監(jiān)控儀的總體設(shè)計方案，實現(xiàn)了塔吊防傾翻預(yù)警功能。王旭[11]開發(fā)了基于嵌入式平臺和機(jī)器視覺庫的吊鉤動作實時跟蹤算法，通過標(biāo)定實時跟蹤吊鉤，從而減緩駕駛員的視覺疲勞。

3.3 基于BIM與WSN技術(shù)的塔吊安全管理研究

建筑信息模型(building information modeling，BIM)是以三維數(shù)字技術(shù)為基礎(chǔ)，對工程項目設(shè)施實體和功能特性的數(shù)字化表達(dá)[12]。無線傳感網(wǎng)絡(luò)(wireless sensor networks，WSN)是一種分布式傳感網(wǎng)絡(luò)，可以利用無線網(wǎng)自行組織網(wǎng)絡(luò)通訊，使用戶可以靈活、多變地設(shè)置所需要的網(wǎng)絡(luò)結(jié)構(gòu)和狀態(tài)。WSN技術(shù)也被建筑業(yè)的研究人員所青睞，其主流技術(shù)如超寬帶(ultra wide band，UWB)、射頻識別(radio frequency identification，RFID)、無線通信技術(shù)(Wi-Fi)、紫蜂(ZigBee)、藍(lán)牙(Bluetooth)等[13]均被應(yīng)用于相關(guān)研究中，使建筑業(yè)的效率不斷提高。

CHAE和YOSHIDA[14]開發(fā)了基于RFID技術(shù)的防碰撞系統(tǒng)，其利用該技術(shù)獲得塔機(jī)等重型設(shè)備的工作區(qū)域，從而估算工人合適的工作區(qū)域，以防止人與設(shè)備發(fā)生碰撞事故。LEE等[15]開發(fā)了塔吊導(dǎo)航系統(tǒng)，該系統(tǒng)使用激光傳感器和BIM模型實時輸出有關(guān)建筑物及其周圍環(huán)境的三維信息和吊物的實時位置。針對施工現(xiàn)場環(huán)境復(fù)雜多變、工人行為難以監(jiān)控等問題，郭紅領(lǐng)等[16]通過對施工安全規(guī)范的分析和事故案例的調(diào)查，對施工現(xiàn)場危險區(qū)域進(jìn)行了定義、識別與分類，建立了基于BIM和RFID的施工現(xiàn)場工人實時定位與安全預(yù)警系統(tǒng)模型。其通過數(shù)據(jù)處理和預(yù)警模塊能自動分析塔吊運(yùn)行產(chǎn)生的危險區(qū)域，判斷工人所處位置是否安全并進(jìn)行實時預(yù)警。劉文平[17]提出了適用于施工現(xiàn)場的綜合定位方法。并引入UWB和GPS定位技術(shù)對施工現(xiàn)場室內(nèi)外目標(biāo)進(jìn)行定位，開發(fā)了施工事故預(yù)警原型系統(tǒng)，有效預(yù)防了塔吊碰撞事故。江帆[18]將BIM和RFID技術(shù)應(yīng)用到施工安全問題研究中，開發(fā)了建設(shè)項目安全管理系統(tǒng)。其系統(tǒng)實現(xiàn)了施工前的模擬，避免了起重機(jī)與塔吊的碰撞。ZHONG等[19]結(jié)合WSN與物聯(lián)網(wǎng)開發(fā)了SMS-TC的塔吊群安全管理系統(tǒng)，使用定制傳感器檢測塔吊的運(yùn)行狀態(tài)，使用短距離Zigbee無線網(wǎng)絡(luò)和長距離無線GPRS網(wǎng)絡(luò)實現(xiàn)終端無線通訊，保證多塔吊運(yùn)行安全。FANG等[20]利用傳感器和點云數(shù)據(jù)的實時主動安全輔助框架，并將其運(yùn)用于移動式起重機(jī)吊裝作業(yè)中。文獻(xiàn)[13]聚焦于塔吊高處墜物事故，應(yīng)用WSN技術(shù)采集的數(shù)據(jù)，結(jié)合BIM技術(shù)的數(shù)據(jù)集成功能，實現(xiàn)施工人員進(jìn)入危險區(qū)域時，自動觸發(fā)系統(tǒng)的報警裝置。文獻(xiàn)[21-23]基于BIM和RFID開發(fā)了不同的塔吊安全事故預(yù)警系統(tǒng)，對現(xiàn)場的工人和塔吊進(jìn)行實時定位監(jiān)控，當(dāng)人與塔吊的距離達(dá)到危險閾值時系統(tǒng)會自動預(yù)警，以減少塔吊事故的發(fā)生。

3.4 基于計算機(jī)視覺技術(shù)的塔吊安全管理研究

計算機(jī)視覺(computer vision，CV)技術(shù)是人工智能領(lǐng)域的一個重要組成部分。圖像采集設(shè)備模擬人眼接受客觀世界的信息再轉(zhuǎn)換成數(shù)字信息，CV技術(shù)則對數(shù)字信息進(jìn)行深度加工，通過算法模擬人腦對信息的處理及判別方式，分析圖像并做出相應(yīng)的判斷[24]。從工程的角度來看，其能使人類視覺系統(tǒng)完成任務(wù)的自動化，有效地提高生產(chǎn)效率。采用CV技術(shù)，可以實現(xiàn)WSN技術(shù)所擁有的感知功能，并擁有無接觸式信息感知、布設(shè)成本低、智能化水平高等優(yōu)點。

YIN[25]針對塔吊的位置跟蹤問題，結(jié)合多特征的支持向量機(jī)(support vector machine，SVM)的檢測方法，實現(xiàn)了較高精度和召回率的塔吊圖像檢測。孫宏軍等[26]提出了塔吊吊臂安全監(jiān)控系統(tǒng)，其利用視覺傳感技術(shù)為塔吊吊臂的運(yùn)行范圍劃定一片安全區(qū)域，即“電子圍欄”。通過運(yùn)行(tracking learning detection，TLD)視覺跟蹤算法對圖像傳感器采集到的信息進(jìn)行分析處理，實現(xiàn)對塔臂運(yùn)動軌跡的定位、判斷和預(yù)警。FANG等[27]提出了由起重機(jī)運(yùn)動監(jiān)測和荷載搖擺監(jiān)測2個傳感模塊組成的可視化技術(shù)框架，引入了一種基于CV的方法來跟蹤荷載位置，用于荷載搖擺監(jiān)測。該框架實時監(jiān)控和可視化起重機(jī)狀態(tài)，以減少盲吊過程中的不安全狀況。汪濤和張建德[28]以深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks，CNN)為基礎(chǔ)，針對指揮員的吊運(yùn)手勢，構(gòu)建了由靜態(tài)和動態(tài)手勢模塊組成復(fù)合的神經(jīng)網(wǎng)絡(luò)模型，并應(yīng)用于提取特征進(jìn)行吊運(yùn)手勢的識別。REDMON等[29]于2015年提出YOLO (you only look once)檢測算法。其較之前的深度學(xué)習(xí)算法更快，F(xiàn)ast YOLO可以達(dá)到155 f/s[30]，促進(jìn)了圖像處理領(lǐng)域深度學(xué)習(xí)的發(fā)展。張銳[31]運(yùn)用YOLO算法，在塔吊的空間坐標(biāo)系中標(biāo)定、矯正和立體匹配，以確定吊物的深度信息。其局限性在于諸多因素(如攝像頭的功能、參數(shù)、環(huán)境等)使吊鉤位置信息存在一定的誤差。申耀華[32]利用機(jī)器視覺對塔吊構(gòu)件等典型拼裝結(jié)構(gòu)件進(jìn)行焊縫缺陷檢測，采用KNN (k-nearestneighbor)和BP (back propagation)神經(jīng)網(wǎng)絡(luò)與SVM分類器對缺陷識別進(jìn)行對比研究。實驗發(fā)現(xiàn)采用SVM分類器進(jìn)行缺陷識別是最優(yōu)選擇。YANG等[33]使用掩模區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(Mask-RCNN)方法，建立了塔吊安全距離的自動采集、分析和預(yù)警系統(tǒng)。并對視頻數(shù)據(jù)進(jìn)行了識別，對掩模層進(jìn)行RGB顏色提取，獲得危險區(qū)域及工人的坐標(biāo)，最后將坐標(biāo)和實際距離進(jìn)行轉(zhuǎn)換得到安全距離。該方法添加了掩膜層，允許相機(jī)和識別對象之間存在扭曲角度，使識別精度得到提高。KANG和WANG[34]針對吊運(yùn)過程中吊鉤與鋼包耳軸不匹配的安全隱患，提出了使用Mask-RCNN的解決方法。與人工獲取匹配狀態(tài)相比，其方法能快速準(zhǔn)確地確定吊鉤匹配狀態(tài)。LUO等[35]開發(fā)了使用CV技術(shù)識別施工設(shè)備的框架，從攝像機(jī)采集的信息來自動估計不同施工設(shè)備的整體姿態(tài)。黃宏安等[36]使用YOLOv3，F(xiàn)aster-RCNN和SSD算法對塔吊的裂縫進(jìn)行識別，并對比分析了3種算法的優(yōu)缺點。

3.5 基于ICT的塔吊安全研究分析

3.5.1 研究對象及技術(shù)

如圖6所示，塔吊安全管理研究對象主要集中于吊鉤及吊裝監(jiān)測、危險區(qū)域的定位監(jiān)測、工人監(jiān)測和塔臂及碰撞監(jiān)測等方面，而其他對象的研究較少。目前常用的3類ICT技術(shù)手段逐漸從嵌入式平臺向BIM結(jié)合WSN和CV轉(zhuǎn)變，呈現(xiàn)出智能化發(fā)展趨勢，見表1。

圖6 塔吊安全管理研究對象

表1 塔吊安全管理研究對象及對應(yīng)方案

注：1. 嵌入式設(shè)備；2. BIM與WSN技術(shù)；3. CV技術(shù)

塔吊導(dǎo)航系統(tǒng)使用BIM結(jié)合RFID技術(shù)實時輸出導(dǎo)航信息，但在實際吊裝任務(wù)中未達(dá)到實用水平；塔吊傾翻研究中，嵌入式設(shè)備還有待實現(xiàn)遠(yuǎn)程實時性精確監(jiān)控；在工人和危險區(qū)域監(jiān)測及定位中，使用BIM結(jié)合RFID技術(shù)實現(xiàn)了危險區(qū)域劃分、工人實時定位和實時預(yù)警，但是相對于使用視覺的Mask-RCNN方案，定位成本較高且精度不足；在吊鉤吊裝監(jiān)測上以目標(biāo)檢測算法的視覺方案為主，實現(xiàn)了實時、快速獲取吊鉤的深度信息。局限在于諸多因素干擾了視覺定位的準(zhǔn)確性；塔臂碰撞監(jiān)測則以BIM結(jié)合WSN技術(shù)為主，使用傳感器獲得目標(biāo)定位信息并使用BIM進(jìn)行碰撞檢查，但在復(fù)雜施工的條件下適用性不高。

BIM與WSN結(jié)合主要利用布設(shè)各類傳感器采集的數(shù)據(jù)表示塔吊的不安全狀況。CV通過攝像機(jī)采集現(xiàn)場數(shù)據(jù)，利用搭建各類機(jī)器視覺算法獲取施工現(xiàn)場物體的坐標(biāo)信息，再設(shè)定危險閾值，從而實現(xiàn)施工現(xiàn)場的定位監(jiān)測?；蛲ㄟ^將攝像頭采集的信息進(jìn)行預(yù)處理再將其送入端到端的網(wǎng)絡(luò)中檢測圖像目標(biāo)的質(zhì)量缺陷，從而提高檢測效率和精度。

3.5.2 研究關(guān)注度分布

(1) 與塔吊事故類型對應(yīng)。結(jié)合圖4塔吊事故類型占比排序，分析其與現(xiàn)有塔吊安全管理研究對象和技術(shù)方法在數(shù)量上基本成正比例關(guān)系。未來繼續(xù)利用CV技術(shù)，在圖6中現(xiàn)有研究對象的空白處尋找研究塔吊安全管理的突破點，實現(xiàn)無死角監(jiān)控管理。

(2) 與塔吊事故深層次原因?qū)?yīng)?，F(xiàn)有研究與塔吊事故致因理論對應(yīng)關(guān)注度分布如圖7所示。在研究較為集中的個人行為和工作環(huán)境的監(jiān)測中，利用BIM結(jié)合WSN與CV技術(shù)能有效地彌補(bǔ)人力方法的弊端。通過獲取設(shè)備的深度信息用于輔助人員的操作，可提升效率和可靠度?；蚍治鍪┕きh(huán)境和工人位置，但復(fù)雜場景下的動作檢測尚未實現(xiàn)；對于焊縫生銹、裂紋出現(xiàn)和螺栓松動等設(shè)備缺陷，一般仍由專業(yè)工人定期檢測、維修和保養(yǎng)，既耗費(fèi)人力，存在漏檢、錯檢的可能性，且無法達(dá)到持續(xù)的實時性。用CV輔助塔吊缺陷和損耗的檢測，克服了人工檢測的局限，但目前仍缺少高精度的缺陷檢測模型，難以對塔吊構(gòu)件缺陷進(jìn)行定量判斷；對于管理制度的執(zhí)行和改進(jìn)更依賴于工作人員的行動、知識和經(jīng)驗。

圖7 與塔吊事故深層次原因?qū)?yīng)研究關(guān)注度分布

未來若能在設(shè)備缺陷和管理制度上利用ICT展開研究，可以彌補(bǔ)現(xiàn)有研究的不足，提升塔吊安全管理的水平。

3.5.3 研究總結(jié)

傳統(tǒng)建筑工地監(jiān)控記錄系統(tǒng)僅是簡單記錄塔吊施工運(yùn)行過程，不僅需要大量的人工干預(yù)，且難以達(dá)到良好的安全防范效果。

基于嵌入式平臺的塔吊安全監(jiān)控系統(tǒng)開創(chuàng)了塔吊安全管理智能化的先河，減少了塔吊管理的人工干預(yù)。但是受制于其設(shè)備運(yùn)算能力，監(jiān)控系統(tǒng)的準(zhǔn)確性和應(yīng)用的廣泛性還有待提高。

隨之，有學(xué)者提出使用BIM技術(shù)結(jié)合WSN技術(shù)進(jìn)行塔吊的管理，實現(xiàn)了實時采集、精準(zhǔn)定位、傳輸快速和可視化的安全管理功能。但由于傳感器的布設(shè)成本較高，且布設(shè)會影響項目的執(zhí)行，因此限制了其長遠(yuǎn)的發(fā)展。

CV技術(shù)在工程領(lǐng)域的應(yīng)用研究經(jīng)歷了很長一段時間的探索，并在缺陷檢查[37]、安全監(jiān)測[38]和性能分析[39]方面取得了卓越的研究成果[40]。但使用CV技術(shù)進(jìn)行提升塔吊安全管理的研究相對較少，相關(guān)研究與應(yīng)用檢測范圍較局限，系統(tǒng)參數(shù)的準(zhǔn)確性和算法的魯棒性有待提升。塔吊的安全監(jiān)控涉及多環(huán)節(jié)和多構(gòu)件的狀態(tài)判定，對CV技術(shù)而言仍是很大地挑戰(zhàn)。

4 討論與展望

4.1 基于ICT的塔吊安全管理目標(biāo)建立

從現(xiàn)有的塔吊安全管理研究中發(fā)現(xiàn)，未來的研究應(yīng)該利用ICT，從經(jīng)驗管理向智能化、自動化管理升級。在技術(shù)更新的同時還需注意在塔吊事故致因模型與塔吊安全管理之間尋求最佳的平衡，最大化完善塔吊事故致因模型各個屏障，實現(xiàn)“全方位、全過程”“精細(xì)化”“自學(xué)習(xí)改進(jìn)”“實時響應(yīng)”和“人機(jī)協(xié)同”5大管理目標(biāo)。

4.1.1 全方位全過程

塔吊使用周期長，任何環(huán)節(jié)出現(xiàn)紕漏都將引起嚴(yán)重的安全隱患。在其使用過程中，應(yīng)做好全過程、全方位管理工作，規(guī)范每一個環(huán)節(jié)，完善每一項內(nèi)容。結(jié)合塔吊事故致因理論，未來的塔吊安全管理系統(tǒng)應(yīng)能最大化地填補(bǔ)各個屏障的漏洞，實現(xiàn)塔身、塔臂、吊鉤等構(gòu)件和人員的全方位監(jiān)測，以及安裝、作業(yè)和拆卸等階段的全過程管理。

4.1.2 精細(xì)化

塔吊結(jié)構(gòu)復(fù)雜、構(gòu)件繁多，其安全管理包含人員、物體、過程等多個方面，所以必須從傳統(tǒng)建筑行業(yè)的粗放型管理轉(zhuǎn)向精細(xì)化管理。利用計算機(jī)代替人工操作，避免人為因素造成對塔吊管理的不確定性，提高管理精度和效率。

4.1.3 自學(xué)習(xí)改進(jìn)

擁有自學(xué)習(xí)能力的安全管理系統(tǒng)可以不斷利用被采集的信息推測出新的不安全狀態(tài)發(fā)生條件，完善現(xiàn)有管理知識，逐漸擺脫依賴管理人員隱性知識經(jīng)驗進(jìn)行健全和完善管理制度的現(xiàn)狀，持續(xù)提升塔吊安全管理的智能化水平。

4.1.4 實時響應(yīng)

施工現(xiàn)場情況復(fù)雜多變，事故往往瞬間發(fā)生，所以安全系統(tǒng)的實時響應(yīng)十分重要。安全管理系統(tǒng)實時通知管理人員并在特定條件下發(fā)出預(yù)警，形成“發(fā)現(xiàn)-分析-預(yù)警-處理-反饋-學(xué)習(xí)”的完整流程。

4.1.5 人機(jī)協(xié)同

將現(xiàn)場施工人員與塔吊機(jī)械關(guān)聯(lián)，協(xié)同工作。例如識別塔吊工作姿態(tài)為現(xiàn)場施工人員劃定安全工作區(qū)域。人機(jī)協(xié)同目標(biāo)可以將人機(jī)關(guān)系從“人控制機(jī)械”向“人機(jī)聯(lián)動”轉(zhuǎn)換，開啟人機(jī)協(xié)作建造的新可能。

4.2 基于BIM與計算機(jī)視覺的塔吊安全管理優(yōu)勢

隨著BIM研究的逐步深入，可以利用其更好地整合管理信息，不斷完善現(xiàn)有管理制度，減少塔吊事故致因理論中的管理制度的漏洞，阻止事故的發(fā)生。2015年，目標(biāo)檢測算法Faster-RCNN的出現(xiàn)，將深度學(xué)習(xí)在目標(biāo)檢測領(lǐng)域的應(yīng)用推向了一個新高度，以此為理論基礎(chǔ)，出現(xiàn)了如Mobile-Net，YOLO和Center-Net等分類算法。這些算法在檢測速度和精度上均有了極大地提升，在恰當(dāng)?shù)膽?yīng)用場景下，識別準(zhǔn)確率高達(dá)98%以上。同時基于深度學(xué)習(xí)的CV技術(shù)無論是在檢測精度還是算法魯棒性，都遠(yuǎn)遠(yuǎn)優(yōu)于傳統(tǒng)圖像處理方法。所以將CV深度學(xué)習(xí)方法引入建筑工程管理領(lǐng)域的塔吊目標(biāo)檢測，是極具應(yīng)用前景的研究方向。CV可以替代大多數(shù)人工監(jiān)測的工作，連續(xù)不間斷地監(jiān)控物體，可增強(qiáng)在事故致因理論的設(shè)備缺陷、工作環(huán)境和個人行為3個屏障的管理效果。

技術(shù)層面上，基于WSN技術(shù)的相關(guān)研究存在依賴傳感器的弊端，CV技術(shù)可在施工現(xiàn)場原有視頻監(jiān)控的基礎(chǔ)上進(jìn)行拓展，其安裝成本低、維護(hù)方便，在監(jiān)測過程中無需與觀測對象接觸，不影響被觀測者正常工作等優(yōu)點。BIM技術(shù)具有信息集成功能，CV技術(shù)則具有強(qiáng)大的感知、認(rèn)知、數(shù)據(jù)分析處理和學(xué)習(xí)功能，二者結(jié)合可以提供嵌入式設(shè)備和WSN技術(shù)無法比擬的優(yōu)勢。同時，在事故致因理論方面，大多數(shù)研究尚未覆蓋事故致因理論的各個環(huán)節(jié)。BIM結(jié)合CV的方案不僅可以在事故致因理論每一個環(huán)節(jié)都發(fā)揮相應(yīng)的作用，且具備實現(xiàn)塔吊安全管理目標(biāo)的能力，促使塔吊安全管理水平實現(xiàn)大幅度提升。

4.3 基于ICT技術(shù)的塔吊安全管理系統(tǒng)框架

為了實現(xiàn)塔吊安全管理目標(biāo)，彌補(bǔ)現(xiàn)有塔吊安全管理研究的不足，可以將ICT中的BIM和CV技術(shù)相結(jié)合，以開發(fā)塔吊事故安全預(yù)警系統(tǒng)。

4.3.1 框架結(jié)構(gòu)

如圖8所示，該系統(tǒng)框架由BIM，CV和現(xiàn)有規(guī)則3大模塊構(gòu)成，利用BIM平臺成熟的數(shù)據(jù)交互功能進(jìn)行API的對接和整合，以實現(xiàn)不規(guī)范作業(yè)的行為檢測、實時定位監(jiān)控和危險預(yù)警功能。

圖8 基于BIM與CV的塔吊事故安全預(yù)警系統(tǒng)

4.3.2 技術(shù)手段

(1) 利用BIM技術(shù)的數(shù)據(jù)集成功能，建立施工現(xiàn)場布置的三維動態(tài)模型并進(jìn)行實時更新。利用BIM平臺數(shù)據(jù)交互功能，可以直觀地掌握施工現(xiàn)場各類建筑物及設(shè)施的布置情況，實現(xiàn)對施工場地的動態(tài)管理。

(2) 利用深度學(xué)習(xí)框架搭建自定義的神經(jīng)網(wǎng)絡(luò)，對物體進(jìn)行檢測分類，實現(xiàn)不規(guī)范作業(yè)行為的檢測、現(xiàn)場工人及物體的實時定位監(jiān)控。引入目標(biāo)檢測算法，通過端對端的算法，無需額外處理，直接將現(xiàn)場視頻或圖像數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行識別，得到目標(biāo)的種類及位置信息。

目標(biāo)檢測領(lǐng)域的算法已經(jīng)從雙階段的算法(RCNN-fastRCNN-fasterRCNN)發(fā)展到更快、更精確的單階段算法(YOLOv1-v5)。在工程應(yīng)用研究領(lǐng)域，已有學(xué)者提出一種名為video2entities[41]的新穎框架，該框架將通用知識圖譜當(dāng)作先驗信息結(jié)合零樣本學(xué)習(xí)(zero shot learning，ZSL)技術(shù)多次迭代去發(fā)現(xiàn)新的實體，再更新到知識圖譜中。其研究表明利用ZSL技術(shù)可以在傳統(tǒng)目標(biāo)檢測任務(wù)的基礎(chǔ)上，實現(xiàn)對未知目標(biāo)的檢測任務(wù)，有效提升目標(biāo)檢測算法的學(xué)習(xí)能力。

利用目標(biāo)檢測算法識別出目標(biāo)，實現(xiàn)實時定位監(jiān)控，另外在檢測識別出吊物種類后，可進(jìn)一步精確計算其體積。再根據(jù)預(yù)先建立的建材密度數(shù)據(jù)庫進(jìn)行重量計算，從而確認(rèn)吊物是否符合起吊標(biāo)準(zhǔn)，進(jìn)行塔吊作業(yè)的監(jiān)測。

4.3.3 運(yùn)行流程

該系統(tǒng)在現(xiàn)有建筑工程規(guī)則庫的基礎(chǔ)上進(jìn)行BIM模塊和CV模塊的運(yùn)行。CV模塊不僅可以實現(xiàn)施工現(xiàn)場人和物的實時定位，還可以監(jiān)控塔吊操作人員的不規(guī)范作業(yè)行為。BIM模塊將施工現(xiàn)場進(jìn)行可視化顯示，生成危險區(qū)域，并計算人員和危險區(qū)域的距離。結(jié)合現(xiàn)代土木工程知識，制定預(yù)警規(guī)則，當(dāng)危險達(dá)到閾值時，系統(tǒng)將預(yù)警信號實時反饋給現(xiàn)場管理人員，提醒相關(guān)人員采取措施，以此減少施工現(xiàn)場塔吊事故的發(fā)生。

5 結(jié) 論

本文對基于ICT的塔吊安全管理研究現(xiàn)狀進(jìn)行了梳理分類和總結(jié)。列舉了常見的塔吊事故類型及其直接原因，并將塔吊安全事故和事故奶酪模型進(jìn)行實際結(jié)合，提出了塔吊事故致因模型及發(fā)生事故的深層次原因。對現(xiàn)有研究進(jìn)行了分析，得出研究的4個技術(shù)發(fā)展階段、對象及技術(shù)方案，并且將現(xiàn)有研究與塔吊事故致因理論對應(yīng)得出研究關(guān)注度分布，指出了現(xiàn)有研究對象的空白區(qū)域和未來研究可繼續(xù)深入之處。

此外，本文展望了未來塔吊安全管理的5個目標(biāo)，并根據(jù)其目標(biāo)提出了基于BIM與CV技術(shù)結(jié)合的塔吊安全管理框架。ICT在塔吊的安全管理領(lǐng)域已經(jīng)取得了卓越的成績，但仍然存在一定瓶頸，有待進(jìn)一步發(fā)掘。將有潛力的BIM與CV技術(shù)融入塔吊安全管理框架，充分發(fā)揮其技術(shù)優(yōu)勢，并卓有成效地提高塔吊安全管理效率，促進(jìn)我國工程建設(shè)事業(yè)的健康發(fā)展，創(chuàng)造更多的社會經(jīng)濟(jì)效益。

[1] 趙挺生, 胡俊杰, 師玉棟, 等. 基于FRAM的塔吊作業(yè)系統(tǒng)安全管理分析[J]. 工程管理學(xué)報, 2020, 34(6): 131-136.

ZHAO T S, HU J J, SHI Y D, et al. Safety management analysis of tower crane operation system based on FRAM[J]. Journal of Engineering Management, 2020, 34(6): 131-136 (in Chinese).

[2] 唐凱, 陳陸, 張洲境, 等. 我國建筑施工行業(yè)生產(chǎn)安全事故統(tǒng)計分析及對策[J]. 建筑安全, 2020, 35(9): 40-43.

TANG K, CHEN L, ZHANG Z J, et al. Statistical analysis and countermeasures of production safety accidents in our country's construction industry[J]. Construction Safety, 2020, 35(9): 40-43 (in Chinese).

[3] 李曉東, 陳琦. 我國建筑生產(chǎn)安全事故的主要類型及其防范措施[J]. 土木工程學(xué)報, 2012, 45(S2): 245-248.

LI X D, CHEN Q. Main types and prevention measures on construction production safety accidents in China[J]. China Civil Engineering Journal, 2012, 45(S2): 245-248 (in Chinese).

[4] REASON J. Human error: models and management[J]. BMJ: Clinical Research Ed, 2000, 320(7237): 768-770.

[5] 張瀟, 張偉. 塔式起重機(jī)安全事故統(tǒng)計分析[J]. 工業(yè)安全與環(huán)保, 2019, 45(9): 24-29.

ZHANG X, ZHANG W. Statistical analysis of tower crane safety accidents[J]. Industrial Safety and Environmental Protection, 2019, 45(9): 24-29 (in Chinese).

[6] 余群舟, 孫博文, 駱漢賓, 等. 塔吊事故統(tǒng)計分析[J]. 建筑安全, 2015, 30(11): 10-13.

YU Q Z, SUN B W, LUO H B, et al. Statistical analysis of tower crane accidents[J]. Construction Safety, 2015, 30(11): 10-13 (in Chinese).

[7] 張南慶. 塔式起重機(jī)安全監(jiān)控系統(tǒng)的研究與實現(xiàn)[D]. 重慶: 重慶大學(xué), 2014.

ZHANG N Q. Research on monitoring system for tower crane's safety[D]. Chongqing: Chongqing University, 2014 (in Chinese).

[8] 楊山虎. 基于嵌入式ARM9平臺的塔式起重機(jī)圖像監(jiān)控系統(tǒng)設(shè)計與實現(xiàn)[D]. 上海: 上海交通大學(xué), 2010.

YANG S H. Design and implimentation of a surveillance system for tower cranes based on ARM9 embedded system[D]. Shanghai: Shanghai Jiao Tong University, 2010 (in Chinese).

[9] 張兵. 基于ARM的塔式起重機(jī)智能監(jiān)測與防護(hù)系統(tǒng)研究[D]. 長沙: 中南大學(xué), 2010.

ZHANG B. Research on intelligent monitoring and protection system of tower crane based on ARM[D]. Changsha: Central South University, 2010(in Chinese).

[10] 劉俊亮. 基于ARM的塔機(jī)防傾翻監(jiān)控儀的研究與設(shè)計[D]. 青島: 中國海洋大學(xué), 2013.

LIU J L. The research and design of tower crane anti-tipping monitor based on ARM[D]. Qingdao: Ocean University of China, 2013 (in Chinese).

[11] 王旭. 塔吊視頻監(jiān)控系統(tǒng)設(shè)計[D]. 南京: 南京信息工程大學(xué), 2014.

WANG X. Design of tower crane video monitoring system[D]. Nanjing: Nanjing University of Information Science & Technology, 2014 (in Chinese).

[12] 張建平. BIM在建設(shè)工程中演繹不凡[J]. 中國公路, 2016(20): 52-54.

ZHANG J P. BIM plays an extraordinary role in construction projects [J]. China Highway, 2016(20): 52-54 (in Chinese).

[13] 侯宇. 基于BIM與WSN技術(shù)的塔吊安全事故預(yù)警的理論與方法研究[D]. 徐州: 中國礦業(yè)大學(xué), 2017.

HOU Y. Research on the theory and method of early warning for safety accident of tower crane based on BIM and WSN[D]. Xuzhou: China University of Mining and Technology, 2017 (in Chinese).

[14] CHAE S, YOSHIDA T. Application of RFID technology to prevention of collision accident with heavy equipment[J]. Automation in Construction, 2010, 19(3): 368-374.

[15] LEE G, CHO J, HAM S, et al. A BIM- and sensor-based tower crane navigation system for blind lifts[J]. Automation in Construction, 2012, 26: 1-10.

[16] 郭紅領(lǐng), 于言滔, 劉文平, 等. BIM和RFID在施工安全管理中的集成應(yīng)用研究[J]. 工程管理學(xué)報, 2014, 28(4): 87-92.

GUO H L, YU Y T, LIU W P, et al. Integrated application of BIM and RFID in construction safety management[J]. Journal of Engineering Management, 2014, 28(4): 87-92 (in Chinese).

[17] 劉文平. 基于BIM與定位技術(shù)的施工事故預(yù)警機(jī)制研究[D]. 北京: 清華大學(xué), 2015.

LIU W P. The schematic studies of construction accident warning system based on BIM and positioning technology[D]. Beijing: Tsinghua University, 2015 (in Chinese).

[18] 江帆. 基于BIM和RFID技術(shù)的建設(shè)項目安全管理研究[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué), 2014.

JIANG F. Research on the construction project safety management based on the BIM and RFID technology[D]. Harbin: Harbin Institute of Technology, 2014 (in Chinese).

[19] ZHONG D, LV H, HAN J, et al. A practical application combining wireless sensor networks and internet of things: safety management system for tower crane groups[J]. Sensors, 2014, 14(8): 13794-13814.

[20] FANG Y H, CHO Y K, CHEN J D. A framework for real-time pro-active safety assistance for mobile crane lifting operations[J]. Automation in Construction, 2016, 72: 367-379.

[21] LI H, DONG S, SKITMORE M, et al. Intrusion warning and assessment method for site safety enhancement[J]. Safety Science, 2016, 84: 97-107.

[22] 張彬彬. 基于BIM與WSN技術(shù)的塔吊安全管理實施監(jiān)測與預(yù)警系統(tǒng)研究[J]. 項目管理技術(shù), 2018, 16(6): 46-51.

ZHANG B B. Research on safety management system of tower crane in real-time monitoring and early warning based on BIM and WSN technology[J]. Project Management Technology, 2018, 16(6): 46-51 (in Chinese).

[23] 謝晨晨, 劉欣. 基于BIM和定位技術(shù)的塔吊安全事故預(yù)警[J]. 建筑安全, 2020, 35(11): 34-38.

XIE C C, LIU X. Safety accident warning of tower crane based on BIM and positioning technology[J]. Construction Safety, 2020, 35(11): 34-38 (in Chinese).

[24] 鮑躍全, 李惠. 人工智能時代的土木工程[J]. 土木工程學(xué)報, 2019, 52(5): 1-11.

BAO Y Q, LI H. Artificial Intelligence for civil engineering[J]. China Civil Engineering Journal, 2019, 52(5): 1-11 (in Chinese).

[25] YIN H M. Detecting tower crane with multi-features[J]. Applied Mechanics and Materials, 2014, 488-489: 854-857.

[26] 孫宏軍，趙作霖，徐冠群. 塔吊機(jī)器視覺監(jiān)控系統(tǒng)設(shè)計[J]. 傳感器與微系統(tǒng), 2016, 35(8): 70-73.

SUN H J, ZHAO Z L, XU G Q. Design of computer vision surveillance system for tower cranes[J]. Transducer and Microsystem Technologies, 2016, 35(8): 70-73 (in Chinese).

[27] FANG Y H, CHEN J D, CHO Y K, et al. Vision-based load sway monitoring to improve crane safety in blind lifts[J]. Journal of Structural Integrity and Maintenance, 2018, 3(4): 233-242.

[28] 汪濤, 張建德. 基于深度學(xué)習(xí)的起重機(jī)吊運(yùn)手勢識別[J]. 現(xiàn)代電子技術(shù), 2018, 41(23): 127-129, 133.

WANG T, ZHANG J D. Crane?s lifting gestures recognition based on deep learning[J]. Modern Electronics Technique, 2018, 41(23): 127-129, 133 (in Chinese).

[29] REDMON J, DIVVALA S, GIRSHICK R, et al. You only look once: unified, real-time object detection[C]//2016 IEEE Conference on Computer Vision and Pattern Recognition. New York: IEEE Press, 2016: 779-788.

[30] SHAIFEE M J, CHYWL B, LI F, et al. Fast YOLO: a fast You only look once system for real-time embedded object detection in video[EB/OL]. (2017-10-14) [2021-03-15].https:// openjournals.uwaterloo.ca/index.php/vsl/article/view/171.

[31] 張銳. 基于機(jī)器視覺的塔式起重機(jī)控制策略研究[D]. 合肥: 合肥工業(yè)大學(xué), 2019.

ZHANG R. Study on control strategy of tower crane based on machine vision[D]. Hefei: Hefei University of Technology, 2019 (in Chinese).

[32] 申耀華. 基于機(jī)器視覺的拼裝結(jié)構(gòu)件焊縫表面缺陷檢測算法研究[D]. 天津: 天津理工大學(xué), 2019.

SHEN Y H. Research on detection algorithms of weld surface defects based on machine vision for assemble structural parts[D]. Tianjin: Tianjin University of Technology, 2019 (in Chinese).

[33] YANG Z, YUAN Y B, ZHANG M Y, et al. Safety distance identification for crane drivers based on mask R-CNN[J]. Sensors, 2019, 19(12): 2789.

[34] KANG S, WANG H B. Crane hook detection based on mask R-CNN in steel-making plant[J]. Journal of Physics: Conference Series, 2020, 1575: 012151.

[35] LUO H, WANG M Z, WONG P K Y, et al. Full body pose estimation of construction equipment using computer vision and deep learning techniques[J]. Automation in Construction, 2020, 110: 103016.

[36] 黃宏安, 陳國棟, 張神德. 深度學(xué)習(xí)在塔吊裂縫識別中的應(yīng)用[J]. 佳木斯大學(xué)學(xué)報: 自然科學(xué)版, 2021, 39(1): 13-16.

HUANG H A , CHEN G D , ZHANG S D. Application of deep learning in crack identification of tower crane[J]. Journal of Jiamusi University: Natural Science Edition, 2021, 39(1): 13-16 (in Chinese).

[37] KOCH C, GEORGIEVA K, KASIREDDY V, et al. A review on computer vision based defect detection and condition assessment of concrete and asphalt civil infrastructure[J]. Advanced Engineering Informatics, 2015, 29(2): 196-210.

[38] SEO J, HAN S, LEE S, et al. Computer vision techniques for construction safety and health monitoring[J]. Advanced Engineering Informatics, 2015, 29(2): 239-251.

[39] GONG J, CALDAS C H. Computer vision-based video interpretation model for automated productivity analysis of construction operations[J]. Journal of Computing in Civil Engineering, 2010, 24(3): 252-263.

[40] ZHONG B T, WU H T, DING L Y, et al. Mapping computer vision research in construction: developments, knowledge gaps and implications for research[J]. Automation in Construction, 2019, 107: 102919.

[41] PAN Z L, SU C, DENG Y C, et al. Video2Entities: a computer vision-based entity extraction framework for updating the architecture, engineering and construction industry knowledge graphs[J]. Automation in Construction, 2021, 125: 103617.

Information communications technology assisted tower crane safety management-review and prospect

DUAN Rui1, DENG Hui1, DENG Yi-chuan1,2

(1. School of Civil Engineering and Transportation, South China University of Technology, Guangzhou Guangdong 510640, China;2. State Key Laboratory of Subtropical Building Science, Guangzhou Guangdong 510640, China)

Tower cranes are the most frequently used vertical transportation tools in construction projects. Due to the high operating risks of tower cranes, it remains urgent to improve its safety management level in the industry. In recent years, information and communication technology (ICT) has gradually been applied to the safety management of tower cranes, but the current applications in this field are mostly single-point development, and the level of intelligence is low, which fails to meet the existing safety management requirements of tower cranes. By investigating the relevant literature in the field of tower crane safety management in the past decade, the current research status of tower crane safety management by domestic and foreign scholars was sorted out and summarized, and analyses were made on the object, core technology, attention, and advantages and disadvantages of the existing research. In addition, through the analysis of the existing methods, objectives and framework were proposed for the future tower crane safety management. The potential building information modeling (BIM) and computer vision (CV) in ICT were integrated into the tower crane safety management framework, so as to realize the real-time monitoring and early risk-warning of the tower crane operation process, and to effectively reduce the occurrence of accidents. The proposed framework is expected to promote the intelligentization and informatization of the tower crane safety management, and to provide some inspiration for the healthy development of construction engineering.

tower crane; safety management; building information modeling; computer vision technology; construction accident

21 May，2021；

TP 391

10.11996/JG.j.2095-302X.2022010011

A

2095-302X(2022)01-0011-10

2021-05-21；

2021-06-16

16 June，2021

廣東省自然科學(xué)基金項目(2018A030310363，2017A030313393)；廣州市科技計劃項目重點項目(20181003SF0059)；亞熱帶建筑科學(xué)國家重點實驗室自主課題(2017KB12)

s：Natural Science Foundation of Guangdong Province (2018A030310363, 2017A030313393); Key Project of Guangzhou Science and Technology Plan Project (20181003SF0059); Independent Project of State Key Laboratory of Subtropical Building Science (2017KB12)

段 銳(1998–)，男，碩士研究生。主要研究方向為建筑信息模型、計算機(jī)視覺。E-mail：khalilduan@163.com

DUAN Rui (1998–), master student. His main research interests cover BIM, CV. E-mail：khalilduan@163.com

鄧逸川(1989–)，男，助理教授，博士。主要研究方向為建筑信息模型、計算機(jī)視覺。E-mail：ctycdeng@scut.edu.cn

DENG Yi-chuan (1989–), assistant professor, Ph.D. His main research interests cover BIM, CV. E-mail：ctycdeng@scut.edu.cn