基于數(shù)據(jù)挖掘的施工危險識別注意投入與分配研究*

張 帥，韓 豫，裴中玉，張涇杰，吳 晗，張夢月

（1.江蘇大學(xué)土木工程與力學(xué)學(xué)院，江蘇 鎮(zhèn)江 212013；2.江蘇大學(xué)城市環(huán)境與工程安全行為系統(tǒng)研究中心，江蘇 鎮(zhèn)江 212013；3.江蘇大學(xué)管理學(xué)院，江蘇 鎮(zhèn)江 212013）

0 引言

建筑業(yè)是事故頻發(fā)的高危行業(yè)，建筑施工現(xiàn)場復(fù)雜、動態(tài)特性，加重危險識別難度，導(dǎo)致安全事故發(fā)生。事故分析表明，當(dāng)事人沒有對危險目標(biāo)投入足夠的注意資源，未能準(zhǔn)確識別危險是產(chǎn)生事故的重要原因[1]，此外，工人在施工活動中首要任務(wù)是施工作業(yè)，而不是危險識別[2]。多重任務(wù)和干擾的不利作業(yè)環(huán)境，導(dǎo)致工人未關(guān)注到危險目標(biāo)，進(jìn)一步加劇對危險目標(biāo)不合理的注意資源分配問題，并且傳統(tǒng)施工安全研究主要集中在外顯因素層面，對內(nèi)隱問題關(guān)注較少。因此，迫切需要進(jìn)一步采用多學(xué)科交叉的先進(jìn)手段揭示危險識別內(nèi)隱特性，了解施工情境中危險識別注意資源動態(tài)分配規(guī)律，掌握工人對不同危險目標(biāo)的注意投入偏好，協(xié)助工人更及時、有效地識別危險，從根本上減少事故數(shù)量。

危險識別在預(yù)防和減少事故發(fā)生中發(fā)揮基礎(chǔ)和先導(dǎo)作用，是行為安全研究中的重要主題，也是安全行為與認(rèn)知心理學(xué)交叉領(lǐng)域研究重點?，F(xiàn)有研究從認(rèn)知負(fù)荷[3]、注意分心[4]、注意盲視[2]等角度分析危險識別等深層問題以及認(rèn)知結(jié)果的差異[5]、特性、成因[6]和失誤識別[7]，并證明提高對危險目標(biāo)的注意有助于控制和調(diào)節(jié)施工失誤和不當(dāng)操作[4]。目前，采用動態(tài)指標(biāo)分析危險識別注意資源分配與投入變化研究較少，部分文獻(xiàn)從注視軌跡分析危險識別的視覺搜索策略[8]和不同年齡的視覺搜索差異[9]。但現(xiàn)有研究主要以危險識別靜態(tài)表征為主，未能揭示工人危險識別主動搜索行為中注意資源對目標(biāo)的投入動態(tài)過程，缺乏從前期到后期注意投入目標(biāo)傾向特征和時空分配變化規(guī)律研究，研究結(jié)果缺乏針對性，無法及時有效進(jìn)行危險識別前攝引導(dǎo)。

因此，本文擬通過眼動試驗和數(shù)據(jù)挖掘相融合的新視角，以重心平均動態(tài)時間規(guī)整（DTW Barycenter Averaging，DBA）算法挖掘施工情境中注視軌跡序列，表征注意資源動態(tài)分配，利用k-means聚類和注視熵分析注意資源在施工情境中時空分配變化規(guī)律，并采用Needleman-Wunsch 全局序列對齊算法和統(tǒng)計方法分析工人注意資源對危險目標(biāo)投入傾向差異。研究結(jié)果可為改善施工安全培訓(xùn)、提高工人危險識別績效、優(yōu)化注意資源分配、減少建筑事故等提供科學(xué)建議。

1 研究設(shè)計

注意資源分配蘊(yùn)含在當(dāng)事人對危險目標(biāo)的主動識別搜索過程中，是對危險目標(biāo)偏好和注意投入的體現(xiàn)，具有不易觀察的內(nèi)隱特征。眼動追蹤試驗可以獲取當(dāng)事人危險識別注視軌跡等眼動數(shù)據(jù)，反映危險識別注意資源投入變化規(guī)律、時空分布特征等信息。

1.1 眼動試驗方案

通過工地調(diào)查走訪，利用照相機(jī)廣泛采集588 張包含住建部通報的高處墜落、物體打擊、土方、基坑坍塌、機(jī)械傷害等典型事故原始狀態(tài)施工的照片，作者團(tuán)隊經(jīng)過初步篩選，剔除質(zhì)量較差和不含危險目標(biāo)的照片，得到有效照片297 張，經(jīng)專家、施工現(xiàn)場安全人員和作者團(tuán)隊討論，最終篩選確定20 張施工照片作為眼動試驗素材，包含腳手架踏空墜落、鋼筋機(jī)械加工和電焊作業(yè)等場景，以體現(xiàn)不同事故特征及施工階段。試驗采取非侵入方式追蹤眼球運動，能夠較大程度滿足被試在試驗中的自由度，設(shè)備頻率60 Hz，可在17 ms內(nèi)自動測定被試對危險目標(biāo)的刺激，獲取被試在施工情境中危險識別任務(wù)的注視軌跡序列。

為避免采用具有施工經(jīng)驗、不同工種工人產(chǎn)生的認(rèn)知慣性及思維定勢等帶來的危險目標(biāo)偏好[10]，研究選取55 名裸眼或矯正視力正常，無色盲、色弱等眼部疾病的土木工程、工程管理專業(yè)本科生和研究生作為被試，所有被試均要求專注于施工情境中的危險識別任務(wù)，以獲取完整的注視軌跡序列。

本文研究旨在探索當(dāng)事人在危險識別過程中對不同危險目標(biāo)特征的注意資源投入與分配時空變化規(guī)律。為方便后續(xù)注視點編碼和對比，以注視軌跡的完整性、危險目標(biāo)的易識別性等條件篩選試驗數(shù)據(jù)，初步選取既包括機(jī)械傷害、高處墜落、觸電、坍塌等高危、頻發(fā)的典型施工場景，又滿足注視軌跡數(shù)據(jù)完整性等要求的3 張施工情境試驗素材數(shù)據(jù)。

根據(jù)情境中潛在危險目標(biāo)數(shù)量、情境開放性等標(biāo)準(zhǔn)將其劃分為3 類復(fù)雜程度情境。例如在情境a中，危險目標(biāo)主要包括機(jī)械切割傷害、材料堆放和工人等；在情境b 中，危險目標(biāo)主要有腳手架踏空墜落、木板掉落失穩(wěn)和工人等；在情境c中，危險目標(biāo)由配電箱、混亂的電線、工人、堆放木板、工具等組成，危險目標(biāo)數(shù)量多，情境復(fù)雜；考慮到情境a，b 危險數(shù)量相似，但情境b 為開放情境，干擾因素較多，比情境a復(fù)雜，因此，將3 張施工情境根據(jù)專家、施工經(jīng)驗豐富的工人和作者團(tuán)隊討論的危險目標(biāo)數(shù)量、情境開放性等標(biāo)準(zhǔn)，按照復(fù)雜程度遞增順序劃分為施工情境a，b，c。研究以最終確定的3 張試驗素材的165 組序列數(shù)據(jù)為支撐，分析危險識別過程的注意投入和分配規(guī)律，如圖1所示。

圖1 眼動試驗素材Fig.1 Eye movement test mater ial

1.2 數(shù)據(jù)挖掘方法

眼動追蹤注視軌跡是當(dāng)事人在危險刺激下，按時間先后順序產(chǎn)生的注視點連線，包含注意資源在時間和空間分配變化等信息，是表征危險識別注意資源動態(tài)投入變化的重要眼動心理指標(biāo)。但集合中的每條序列長度不等，且其在時間軸上的特征可能是錯位的。針對時間序列集合，數(shù)據(jù)挖掘領(lǐng)域提出動態(tài)時間規(guī)整（Dynamic Time Warping，DTW）算法[11]，用于比較長度分別為m，n的時間序列，即X=（x1，x2，…，xi，…，xm）和Y=（y1，y2，…，yj，…，yn）。DTW 算法主要包括以下2 個步驟：

1）根據(jù)2 個序列，構(gòu)造m×n 的距離矩陣D，如式（1）所示：

式中：dij表示xi和yj之間的歐式距離；m，n 分別表示序列X，Y的長度；D為2 序列的距離矩陣。

2）利用動態(tài)規(guī)劃思想在D中尋找最優(yōu)規(guī)整序列。為找到最優(yōu)規(guī)整序列，定義規(guī)整序列W=（w1，w2，…，wk，…，wK），其中，序列中第k個元素wk=（i，j）k。為確保序列為全局最優(yōu)、累計距離最小，如式（2）所示：

式中：d（wk）=d（xi，yj），表示在序列k處對應(yīng)的i、j；K滿足max（m，n）≤K≤m+n-1；DTW（X，Y）即序列X，Y的DTW距離。

式（2）需要滿足邊界性、連續(xù)性和單調(diào)性3 個約束條件，即DTW 算法必須從d（1，1）到d（m，n）且不允許跨越匹配和交叉匹配，利用動態(tài)規(guī)劃方法求解DTW 距離如式（3）所示：

式中：i∈{1，2，…，m}；j∈{1，2，…，n}；D（0，0）=0，D（i，0）=D（0，j）=∞。

動態(tài)時間規(guī)整算法主要分為局部平均策略和全局平均策略，局部平均策略導(dǎo)致每次迭代獲取的平均序列長度變長，不利于后續(xù)分析，因此Petitjean 等[12]提出重心平均動態(tài)時間規(guī)整（DBA）算法，以全局平均策略計算時間序列集合的平均序列。該算法是期望最大化迭代算法，其目的是最小化平均序列到序列集T={T1，T2，…，Tn}的DTW距離平方和，即采用該序列作為該情境中危險識別注意序列，計算平均序列如式（4）所示：

式中：X為從序列集合中隨機(jī)選擇的初始化序列；Ti為序列集合除X外，從集合中隨機(jī)選擇的其他比對序列，由2 者計算更新生成新的X序列。

更新生成新的X序列主要包含2 個階段：1）隨機(jī)選取1 條時間序列X作為初始序列，計算每個單獨序列和該初始序列的DTW 距離，以便找到初始序列坐標(biāo)和序列集坐標(biāo)之間的關(guān)聯(lián)；2）將初始序列上的每個序列坐標(biāo)與其關(guān)聯(lián)的序列坐標(biāo)分為1 組，計算平均值，將該序列更新為初始序列。

2 數(shù)據(jù)處理與分析

2.1 注視軌跡序列聚類和注視熵分析

首先，將注視點跳出施工情境等不完整的注視軌跡剔除，構(gòu)建完整的注視軌跡序列數(shù)據(jù)集。注視屏幕分辨率為1 680 ×1 050，眼動追蹤設(shè)備可以記錄被試群體的注視軌跡，以像素點的形式保存為坐標(biāo)，通過Tobii Studio3.2.2 軟件導(dǎo)出。最終試驗施工情境分別導(dǎo)出51，49，47 條有效完整的危險識別注視軌跡，長度范圍為18～153。將序列數(shù)據(jù)采用DBA算法挖掘，獲取相應(yīng)平均序列，經(jīng)計算較低、中等和較高復(fù)雜程度施工情境中的注視軌跡序列長度分別為102，131，122，即該情境中注意資源動態(tài)投入和分配變化序列。

將數(shù)據(jù)挖掘得到的序列進(jìn)行k-means聚類，分析注意資源在施工情境中空間分布特征，采用輪廓系數(shù)法（Silhouette Coefficient）確定最佳聚類值。對于任意樣本點xi，其輪廓系數(shù)定義如式（5）所示：

式中：a（i）為樣本點與同簇中其他樣本點的平均距離，稱為凝聚度；b（i）為樣本點到與它相鄰最近簇中所有樣本點平均距離的最小值，稱為分離度；S（i）為該點的輪廓系數(shù)，聚類效果總輪廓系數(shù)是所有樣本點輪廓系數(shù)的平均值，該系數(shù)介于0～1，數(shù)值越大，表示聚類效果越好。

輪廓系數(shù)對注視軌跡序列聚類評估情況如圖2所示，試驗選用較低、中等和較高復(fù)雜程度施工情境中最佳聚類值分別為3，3，9。不同復(fù)雜施工情境中，序列長度和最佳聚類個數(shù)呈現(xiàn)較大差異，如圖3所示。如中等復(fù)雜程度施工情境序列相對較高，復(fù)雜程度施工情境較長，但聚類個數(shù)較少，這表明當(dāng)事人對不同聚類區(qū)域中的注意投入不均勻。采用最佳聚類值分別對注視軌跡序列進(jìn)行聚類，以上三角符號標(biāo)記為起點，下三角符號為終點，聚類中心以黑色原點為標(biāo)記，如圖4所示。

圖2 聚類效果輪廓系數(shù)變化Fig.2 Change of contour coefficient of clustering effect

圖3 序列長度和最佳聚類個數(shù)Fig.3 Sequence length and optimal clustering

圖4 注視軌跡序列聚類Fig.4 Cluster map of gaze track sequence

為討論注意資源在不同區(qū)域的分配變化特性，引入“注視熵”的概念[9]，注視熵是衡量注意資源在不同聚類區(qū)域轉(zhuǎn)移過程無序化的重要指標(biāo)，能夠為分析當(dāng)事人注意資源在施工情境空間分布變化的隨機(jī)性提供支撐。注視熵越高，相應(yīng)注意分布空間范圍更廣、轉(zhuǎn)移變化隨機(jī)性更高。隨施工情境雜亂程度、危險目標(biāo)數(shù)量等復(fù)雜性遞增，注視熵出現(xiàn)明顯上升，如圖5所示。這意味著在較復(fù)雜的施工情境中，當(dāng)事人需要處理的危險目標(biāo)較多，注視點在不同區(qū)域轉(zhuǎn)移變化，此時注意資源在不同區(qū)域之間轉(zhuǎn)移分配變化更加頻繁。注視熵計算如式（6）所示：

圖5 注視軌跡序列注視熵值Fig.5 Gaze entropy values of gaze track sequence

式中：X為總長度為n 的注視軌跡序列；（x，y）為其中某個注視點坐標(biāo)；p（x，y）為該注視點所屬聚類區(qū)域的注視概率。

2.2 注視軌跡序列全局對比和統(tǒng)計分析

為比較分析當(dāng)事人在不同施工情境中危險識別注意資源投入的目標(biāo)傾向變化特征，根據(jù)施工情境中危險搜索結(jié)果，例如注視停留在墻面、木板過路等目標(biāo)，即判定識別錯誤，編碼為W；停留在工人等低危險目標(biāo)，編碼為L；停留在切割設(shè)備、電線或外凸鋼筋等高危目標(biāo)，編碼為H，以此對挖掘到的注視軌跡序列逐一編碼。采用Needleman-Wunsch 算法對編碼序列進(jìn)行全局對比[13]，并按照時間順序?qū)⑵涞确譃? 段，如圖6所示。根據(jù)編碼序列建立相似度矩陣，計算注視軌跡的相似性得分，計分規(guī)則為：匹配得1 分，不匹配和間隔空位時減1 分。得到相似度矩陣每個單元得分，利用回溯算法找出最佳共有編碼序列，從上到下分別為低中、低高、中高施工情境注視軌跡序列對比情況，相似度得分分別為58，45，81分。由圖6可知，不同復(fù)雜程度施工情境中，危險識別注視軌跡序列具有較高相似性，尤其是進(jìn)入危險識別穩(wěn)定階段，注視序列集中在施工情境中具有較高系數(shù)的危險目標(biāo)和區(qū)域；結(jié)合時間序列觀察，在危險識別進(jìn)入后期時，當(dāng)事人注視點分布區(qū)域進(jìn)一步擴(kuò)大，對整個視野進(jìn)行復(fù)查，注意資源重新分布在施工情境各區(qū)域中。

圖6 注視軌跡序列編碼對比Fig.6 Coding comparison of gaze track sequence

根據(jù)編碼后的序列，采用統(tǒng)計方法分析危險識別開始到結(jié)束動態(tài)過程中，當(dāng)事人注意資源在不同危險目標(biāo)上的投入傾向。相關(guān)眼動追蹤研究表明[14]，大約10 次注視點后，會形成穩(wěn)定的任務(wù)驅(qū)動注視軌跡。以前10個注視點為前期注意投入，最后15%的注視點作為后期注意投入，剩余中間部分為中期穩(wěn)定注意投入，分別對試驗選取的較低、中等和較高復(fù)雜程度施工情境中注意資源投入到墻面等錯誤目標(biāo)（W）、工人等低危險目標(biāo)（L）和切割設(shè)備、電線等高危險目標(biāo)（H）進(jìn)行統(tǒng)計，結(jié)果如圖7所示。由圖7可知，在前期注意投入，當(dāng)事人傾向?qū)⒆⒁赓Y源投入到施工情境中的顯著位置和目標(biāo)；進(jìn)入穩(wěn)定識別階段后，注意資源傾向集中在施工情境中高危目標(biāo)，例如在較高復(fù)雜程度情境中，中期穩(wěn)定識別階段占比95%，而識別錯誤率僅為1%；在后期注意投入，注意資源傾向在不同區(qū)域進(jìn)行切換，識別錯誤注視點較少，但后期識別錯誤率均超過20%，高于前期和中期識別錯誤。

圖7 注視軌跡序列過程變化Fig.7 Process change of gaze tr ack sequence

3 施工危險識別的注意資源投入與分配

3.1 危險識別中的注意資源在目標(biāo)上的投入傾向

危險識別活動通常包括目標(biāo)搜索和判斷過程。通過對危險識別注視軌跡序列編碼分析，危險識別準(zhǔn)確率較高，這是因為在形成注視點之前，當(dāng)事人會對施工情境進(jìn)行掃視，繼而集中注意資源形成注視點，完成對危險目標(biāo)的判斷和確認(rèn)。注視點是危險目標(biāo)辨識判斷的結(jié)果，視覺搜索主要通過掃視完成，不易形成注視點。由此可知，當(dāng)事人在危險識別時，首先投入較少的注意資源進(jìn)行掃視，完成對施工情境中較為直觀、危險系數(shù)較大的危險目標(biāo)和區(qū)域的快速篩選，無法形成高注意資源消耗的注視點，具有自動化行為特征[15]。

此外，當(dāng)事人在危險識別時，首先由自下而上的注意資源加工啟動，隨后被自上而下的注意機(jī)制驅(qū)動完成任務(wù)。經(jīng)過對注視軌跡序列編碼并結(jié)合聚類圖分析，發(fā)現(xiàn)當(dāng)事人首先將注意資源投入到顯著位置，即首次注視點主要位于施工情境中心位置，這表明危險識別任務(wù)啟動后，當(dāng)事人易受施工情境中自下而上視覺顯著因素的無意識引導(dǎo)。經(jīng)過大約10 個注視點進(jìn)入危險識別穩(wěn)定中期階段，當(dāng)事人將注意資源投入到施工情境中切割設(shè)備、外凸鋼筋等高危目標(biāo)，并形成較高危險目標(biāo)的集中識別序列，相關(guān)研究也驗證在復(fù)雜施工情境中，注意資源受自上而下的注意控制更強(qiáng)[16]。進(jìn)入危險識別后期，當(dāng)事人注視點在不同聚類區(qū)域間出現(xiàn)較為頻繁的注意切換，重新檢查施工情境危險目標(biāo)，導(dǎo)致危險錯誤率提高，例如在中等復(fù)雜情境中，后期錯誤率達(dá)40%，隨后結(jié)束危險識別任務(wù)。因此，在施工安全教育培訓(xùn)中，應(yīng)考慮當(dāng)事人危險識別注意投入傾向特征對改善安全培訓(xùn)的積極影響，規(guī)范施工現(xiàn)場生產(chǎn)秩序，減少來自現(xiàn)場雜亂物體的干擾，引導(dǎo)和強(qiáng)化2 種視覺注意加工機(jī)制融合識別，有助于提高當(dāng)事人危險識別行為績效。

3.2 危險識別中注意資源空間分配變化

首先，當(dāng)事人危險識別過程的注意資源隨施工情境復(fù)雜性增加呈均勻分配的空間特征。危險識別注視軌跡序列最佳聚類個數(shù)隨施工情境復(fù)雜性增加而增多，但最佳聚類值和序列長度之間存在非線性關(guān)系，如圖3所示。危險識別注意資源分配與情境危險數(shù)量、雜亂等復(fù)雜危險目標(biāo)區(qū)域密切相關(guān)，并直接表現(xiàn)為最佳聚類個數(shù)。在危險目標(biāo)較多、區(qū)域分散的復(fù)雜施工情境中，危險目標(biāo)聚類區(qū)域更多，但每個區(qū)域注視點較少，這可能與復(fù)雜施工情境中帶來的認(rèn)知負(fù)荷有關(guān)[3]，每個區(qū)域只能分配較少的注意資源，導(dǎo)致無法產(chǎn)生更多的注視點，注意資源更加均勻的分布在施工情境中，不利于重點識別施工情境中的危險目標(biāo)。

此外，隨施工情境復(fù)雜增加，當(dāng)事人危險識別注意資源在不同聚類區(qū)域之間分配變化更加頻繁無序。結(jié)合注視熵發(fā)現(xiàn)，在危險更多、秩序更為混亂的復(fù)雜情境中，注視熵更高，當(dāng)事人的注意資源需要在不同聚類區(qū)域頻繁轉(zhuǎn)移變化識別更多的危險目標(biāo)。這意味著注意資源分布更加分散，當(dāng)事人環(huán)境意識更強(qiáng)，該情況與駕駛情境中危險識別特征較為相似[9]，當(dāng)事人需要不斷調(diào)整注意，擴(kuò)大關(guān)注區(qū)域，以便在各區(qū)域進(jìn)行切換，獲取更多危險信息；而在復(fù)雜性較低的情境中注視熵較低，當(dāng)事人往往投入更多的注意資源在確定的區(qū)域檢查，注意資源分布較為集中。因此，在施工現(xiàn)場安全管理中，相對復(fù)雜的施工情境中應(yīng)分配更多的注意資源，以提高危險識別績效。

4 結(jié)論

1）當(dāng)事人危險識別各階段注意資源投入具有明顯的目標(biāo)傾向差異，在自下而上的注意機(jī)制引導(dǎo)危險識別前期，當(dāng)事人傾向于情境中顯著的位置和目標(biāo)，進(jìn)入穩(wěn)定識別階段，由自上而下的注意驅(qū)動傾向集中在危險系數(shù)較高的目標(biāo)。

2）當(dāng)事人危險識別注意資源空間分配區(qū)域和情境危險目標(biāo)、雜亂程度等復(fù)雜特征密切相關(guān)。隨施工危險目標(biāo)、區(qū)域增多，注意資源在情境中分配更加零散、均勻，轉(zhuǎn)移變化更加頻繁，這不利于有效重點識別危險目標(biāo)。

3）后續(xù)將借助虛擬現(xiàn)實、腦電試驗等開展更具情境化的危險識別研究，進(jìn)一步探索注意資源在多重任務(wù)和干擾復(fù)雜情境下的投入和分配特征。