面向智能盾構(gòu)施工的人因研究綜述

杜 娟, 張靜怡, 胡 珉, 甘麗凝

(1.上海大學悉尼工商學院, 上海 201208; 2. 上海大學-上海城建集團建筑產(chǎn)業(yè)化研究中心, 上海 200072)

0 引言

隨著人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)等技術(shù)的興起與工程數(shù)字化轉(zhuǎn)型的推進,施工裝備智能化技術(shù)日趨成熟[1],融合智能技術(shù)的盾構(gòu)可實現(xiàn)導向控制[2]、工況感知[3-4]、姿態(tài)控制[5-6]、刀盤磨損狀況預(yù)測[7]、管片拼裝[8-9]自主控制等。由Hu等[10]設(shè)計的盾構(gòu)智能控制系統(tǒng)(SHIELD_AICS)集成了壓力控制、姿態(tài)控制、同步注漿和盾尾油脂密封等多個自動控制模塊,可實現(xiàn)盾構(gòu)掘進過程的自主感知、執(zhí)行、規(guī)劃和決策。基于該系統(tǒng)研發(fā)的智能盾構(gòu)“智馭號”完成了杭州至紹興城際鐵路、上海地鐵14號線的隧道施工項目,施工期間盾構(gòu)姿態(tài)、地面沉降等指標均符合施工標準。智能盾構(gòu)的應(yīng)用證明了其在工程技術(shù)上的可行性,且智能化的實施使人脫離了高危、惡劣的作業(yè)環(huán)境,降低了人的體力負荷。

但由于盾構(gòu)施工具有規(guī)模龐大、單元眾多、結(jié)構(gòu)復(fù)雜等特點,且當前的人工智能技術(shù)仍在不斷發(fā)展和完善中,依托于人工智能技術(shù)開發(fā)的智能系統(tǒng)遠未達到理想狀態(tài)。盡管智能盾構(gòu)已能完成大部分盾構(gòu)推進控制任務(wù),且具有速度快、穩(wěn)定性高的特點,但由于智能系統(tǒng)通常是針對特定場景開發(fā)的,面臨高度復(fù)雜和不確定的場景容易失效。相較下,人具有全局意識和先驗知識,能靈活應(yīng)對突發(fā)情況。因此,仍不能忽視盾構(gòu)司機在盾構(gòu)推進過程中的作用,將人和智能系統(tǒng)結(jié)合起來實現(xiàn)人機協(xié)同并構(gòu)建安全、高效、和諧的人機關(guān)系,是保證盾構(gòu)在復(fù)雜場景中高效、可靠、平穩(wěn)運行的有效方式。

本文首先概述了智能盾構(gòu)的研究現(xiàn)狀,并通過分析智能盾構(gòu)的工程應(yīng)用情況,總結(jié)其中與人因相關(guān)的問題;然后,采用文獻綜述的方式對智能化、人因工程和工程建造3個領(lǐng)域交叉的相關(guān)文獻進行了系統(tǒng)的總結(jié)和歸納。其中,智能盾構(gòu)作為一種全新的技術(shù),暫未有大量的研究。因此,本文從整個工程建設(shè)領(lǐng)域中尋找共性研究內(nèi)容,挖掘當前智能化建造中人因研究的熱點,以期為提高智能盾構(gòu)應(yīng)用中人的接受度、適應(yīng)性以及實現(xiàn)人機協(xié)同提供研究參考。

1 智能盾構(gòu)技術(shù)發(fā)展及工程應(yīng)用現(xiàn)狀

1.1 智能盾構(gòu)技術(shù)發(fā)展

盾構(gòu)掘進技術(shù)已有200多年的歷史,其發(fā)展主要經(jīng)歷了4個時期,如圖1所示。第1階段出現(xiàn)了手掘式盾構(gòu),其在歐洲廣泛應(yīng)用,1825年布魯諾爾制造的矩形盾構(gòu)完成了泰晤士河下的隧道施工; 第2階段以機械式、氣壓式盾構(gòu)為代表,其在歐洲、日本興起,該階段的盾構(gòu)以機械開挖替代人工并采用壓縮空氣平衡土壓力; 第3階段以閉胸式盾構(gòu)為代表,主要包括泥水式盾構(gòu)和土壓平衡式盾構(gòu),該階段的盾構(gòu)能更好地維持工作面穩(wěn)定、適應(yīng)不同的復(fù)雜場景; 第4階段盾構(gòu)發(fā)展呈現(xiàn)大直徑、大推力、大轉(zhuǎn)矩及智能化的特點。

圖1 盾構(gòu)掘進技術(shù)發(fā)展階段

研制具有深度感知、智能決策、自動執(zhí)行功能的盾構(gòu)及控制系統(tǒng)是盾構(gòu)的重要發(fā)展方向。近年來,國內(nèi)外學者在智能盾構(gòu)方面做出了諸多研究,盾構(gòu)智能化技術(shù)的相關(guān)研究主要可分為2類。

1)第1類研究側(cè)重于智能算法設(shè)計,圍繞以機器學習為核心的AI算法,通過施工參數(shù)、環(huán)境條件、地質(zhì)特征等數(shù)據(jù)對土壓[11]、盾構(gòu)姿態(tài)[5]、刀具磨損[12, 7]等工況參數(shù)進行預(yù)測。例如: Nie等[13]采用神經(jīng)網(wǎng)絡(luò)模型,以盾構(gòu)推進速度、推力等參數(shù)為輸入,來預(yù)測隧道圍巖等級,有助于盾構(gòu)司機及時調(diào)整盾構(gòu)掘進參數(shù),保障施工效率。Kang等[14]基于支持向量機模型(SVM),以刀盤轉(zhuǎn)速、刀盤轉(zhuǎn)矩、隧道深度、各地層厚度等施工參數(shù)作為模型的輸入,來預(yù)測盾構(gòu)推進速度。

2)第2類研究側(cè)重于將AI算法應(yīng)用于智能盾構(gòu)控制系統(tǒng)開發(fā)中,在工程應(yīng)用中實現(xiàn)盾構(gòu)智能控制。例如: 國外研究中,日本清水建設(shè)和名古屋大學聯(lián)合開發(fā)了“盾構(gòu)操作AI”系統(tǒng),基于人工智能算法模擬盾構(gòu)司機的判斷方式,可輔助于盾構(gòu)控制和管片拼裝[15]; 大林組建設(shè)公司對盾構(gòu)姿態(tài)自動控制進行了初步探究[16]; 馬來西亞MMC Gamuda公司研發(fā)了“自主運行TBM系統(tǒng)”,該系統(tǒng)基于AI算法的即插即用式模塊化組件和可編程邏輯控制器(PLC),可實現(xiàn)盾構(gòu)自主推進,在吉隆坡KV地鐵2號線隧道工程中得到應(yīng)用[17]。國內(nèi)研究中,中鐵隧道局集團有限公司研發(fā)了盾構(gòu)隧道智能掘進和內(nèi)部結(jié)構(gòu)智能化全預(yù)制拼裝技術(shù)與成套裝備,可實現(xiàn)盾構(gòu)的自主掘進,該技術(shù)成功應(yīng)用于上海機場聯(lián)絡(luò)線11標工程中[18]。上海隧道工程股份有限公司研發(fā)了國際上首臺可自主進行壓力控制、姿態(tài)控制、同步注漿和盾尾密封的智能盾構(gòu)控制系統(tǒng),該系統(tǒng)基于數(shù)據(jù)驅(qū)動+知識驅(qū)動的控制方式及感知層、執(zhí)行層、規(guī)劃層和策略層控制體系架構(gòu),在杭州至紹興城際鐵路工程區(qū)間實現(xiàn)了盾構(gòu)自主巡航[10]。

此外,已有研究對智能盾構(gòu)的智能化等級進行了分類。例如: 趙洪巖等[19]基于盾構(gòu)巡航的狀態(tài)將盾構(gòu)的智能化程度劃分為輔助巡航盾構(gòu)、間歇性巡航盾構(gòu)、常態(tài)化自動巡航盾構(gòu)、自動控制盾構(gòu)及智能掘進盾構(gòu)5個等級。Hu等[10]以盾構(gòu)施工中人工干預(yù)程度和盾構(gòu)自身的適應(yīng)性將智能化劃分為輔助駕駛、人工輔助下的自動駕駛、有條件的自動駕駛及完全自動駕駛4個等級。

1.2 智能盾構(gòu)在工程實踐中的人因問題

基于1.1節(jié)的分析,智能盾構(gòu)依托AI智能決策模型和智能控制體系能自行完成隧道施工中的識別、分析、決策和控制過程,極大提高隧道施工的自動化和智能化程度。

然而,在工程實踐中還存在著盾構(gòu)司機對智能盾構(gòu)的接受度、適應(yīng)性等問題亟待解決。通過統(tǒng)計分析智能盾構(gòu)在鄭州地鐵8號線1期02標施工項目中的應(yīng)用情況可知,2021年12月6日至2022年4月11日左線共推進1 007環(huán),其中,人工控制占18%,人機混合控制占33%,切換人工或人機混合控制的原因中,有23%源于設(shè)備故障,59%源于自動推進效果不理想。說明完全自主化的智能盾構(gòu)施工應(yīng)用有限,智能系統(tǒng)仍然離不開人工干預(yù),盾構(gòu)隧道施工完全實現(xiàn)無人化還需經(jīng)歷較長的過渡期。智能化系統(tǒng)在計算、檢索、優(yōu)化等方面具有優(yōu)勢,但缺乏更高級的認知和推理能力。人類的經(jīng)驗和知識積累能有效彌補這些差距,在突發(fā)情況下,人可以靈活地做出必要調(diào)整[20]。因此,不論機械的智能化程度如何,仍不能忽視人的作用[10, 21]。智能化的提升使人的工作逐漸由操作轉(zhuǎn)變?yōu)楸O(jiān)督[22]。在監(jiān)督的基礎(chǔ)上,人的作用也逐漸轉(zhuǎn)向決策、干預(yù)等更為復(fù)雜和重要的工作[23],除監(jiān)督外,更重要的是以“合作者”的角色與智能系統(tǒng)形成人機協(xié)同。因此,在智能盾構(gòu)應(yīng)用中實施人機協(xié)同,使人與機器形成一個整體是實現(xiàn)隧道施工智能化的重要發(fā)展方向,這也帶來了一些新的挑戰(zhàn)。

首先,基于人工智能算法的智能盾構(gòu)系統(tǒng)的可解釋性較差,可能引發(fā)盾構(gòu)司機的質(zhì)疑,導致接受度低的問題。人在施工過程中具有絕對控制權(quán),系統(tǒng)的建議是否被采納或自動駕駛是否被認可都取決于人。因此,人的接受度直接影響了智能盾構(gòu)是否被啟用。

其次,智能盾構(gòu)的順利應(yīng)用還受到人適應(yīng)性的影響。人的認知和適應(yīng)性影響了盾構(gòu)司機工作中的人機交互體驗和施工效率。智能盾構(gòu)的應(yīng)用減少了手工操作,降低了體力負荷,但可能增加人的認知負荷和心理負荷,具體表現(xiàn)為: 1)接收的信息量增加。智能盾構(gòu)系統(tǒng)具備自動化、人工操作、人機混合3種模式,各個模式下對應(yīng)不同的交互界面和控制器,人需要接收更多的信息,增加了人的腦力負荷。2)心理疑慮增加?；谥悄芩惴▽崿F(xiàn)的自動推進系統(tǒng)的決策具有一定的“黑盒”特征,智能系統(tǒng)不能提供其做出決策背后的原因,可能導致人對智能系統(tǒng)的信心不足,進而可能放棄使用系統(tǒng)。

最后,智能盾構(gòu)的引入改變了盾構(gòu)司機的工作模式,盾構(gòu)司機和智能系統(tǒng)共享盾構(gòu)的控制權(quán),還可能引發(fā)人機功能分配的問題[24]。人和智能系統(tǒng)混合的控制方式與傳統(tǒng)的人工手動操作相比有較大差異,在自動系統(tǒng)工作時,人的注意力可能轉(zhuǎn)移到其他事務(wù)中,對情景感知處于較低水平;當突發(fā)情況出現(xiàn)時,人工介入對腦力和認知負荷的需求激增。人工能否適應(yīng)新技術(shù)帶來的工作方式轉(zhuǎn)變,并在突發(fā)場景中快速應(yīng)對,影響了盾構(gòu)操作的安全性和可靠性。

通過總結(jié)上述分析及智能化建造中人因相關(guān)的研究,本文旨在解決以下問題:

1)結(jié)合智能建造中人的因素相關(guān)研究,從哪些方面來提高智能盾構(gòu)應(yīng)用中人的接受度;

2)結(jié)合智能建造中人的因素相關(guān)研究,如何測量和提升智能盾構(gòu)應(yīng)用中人的適應(yīng)性;

3)結(jié)合智能建造中人的因素相關(guān)研究,如何實現(xiàn)智能盾構(gòu)應(yīng)用過程中的人機協(xié)同。

2 文獻整理與分析

2.1 文獻檢索

根據(jù)綜述主題,將文獻檢索的關(guān)鍵詞聚焦在智能化、人因工程、工程建造3個領(lǐng)域,并確定了相應(yīng)術(shù)語,構(gòu)建的檢索字符組合表達式如表1所示。本文綜述的主題涉及3個不同領(lǐng)域,在數(shù)據(jù)庫選擇方面,考慮文獻的質(zhì)量和覆蓋的深度選擇Web of Science(WoS)作為檢索數(shù)據(jù)庫,WoS涵蓋了科學、技術(shù)、社會科學等領(lǐng)域,適合于本文研究。確定檢索的時間范圍為2000年至2022年,在WoS中進一步將檢索的研究方向限定在“Computer Science”“Engineering”“Automation Control System”“Robotics”中,經(jīng)過篩選獲得178篇文獻,輸出文獻的關(guān)鍵詞進行共現(xiàn)分析。

表1 構(gòu)建的檢索字符組合表達式

2.2 關(guān)鍵詞共現(xiàn)分析

使用VOSviewer進行關(guān)鍵詞共現(xiàn)分析,設(shè)置共現(xiàn)的閾值為2,去除與綜述主題不相關(guān)的詞匯并進行同義詞合并,最終獲得有效關(guān)鍵詞44個。生成的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)如圖2所示。其中,節(jié)點越大表示該詞出現(xiàn)的頻次越高;節(jié)點之間的連線表示2個關(guān)鍵詞之間存在共現(xiàn)關(guān)系,連線越寬表明2個關(guān)鍵詞之間的聯(lián)系越緊密。

圖2 關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)

網(wǎng)絡(luò)中節(jié)點顏色一致表明關(guān)鍵詞具有相關(guān)性,可歸為同類。歸納總結(jié)各類別中關(guān)鍵詞的共性,得到本文綜述的3個主題: 人機信任、人因設(shè)計、人因風險。1)在黃色簇中出現(xiàn)次數(shù)最多的為“trust”,其次是“human-robot interaction”,與“trust”概念聯(lián)系密切的詞還包括“explainable AI”和“reliability”; 2)紅色簇內(nèi)出現(xiàn)次數(shù)最多的關(guān)鍵詞是“human-machine interaction”,其次是“human factors”和“model”,該簇中顯示的其余關(guān)鍵詞大多與安全和人因失誤有關(guān),如“construction safety”和“human error”; 3)綠色簇中出現(xiàn)次數(shù)最多的詞是“artificial intelligence”,其次是“automation”; 4)藍色簇中出現(xiàn)次數(shù)最多的詞匯是“construction robots”,其次是“human-robot collaboration”。藍和綠2個簇顯示的詞概念上具有共性,都與智能化、數(shù)字化技術(shù)有關(guān),其涉及的文獻關(guān)注如何依托智能化或數(shù)字化技術(shù)進行設(shè)計或優(yōu)化,以提升人的體驗和感知。

根據(jù)以上分析總結(jié)出本文討論的3個主題: 1)智能施工中的人機信任; 2)智能施工中的人因風險; 3)智能施工中的人因設(shè)計。

2.3 時間軸及研究趨勢分析

通過關(guān)鍵詞出現(xiàn)的時間可以了解領(lǐng)域的研究現(xiàn)狀和趨勢變化,從VOSviewer中導出共現(xiàn)關(guān)鍵詞出現(xiàn)的平均年份,按時間段劃分并歸納后得到共現(xiàn)關(guān)鍵詞的時間軸,如圖3所示。

圖3 共現(xiàn)關(guān)鍵詞時間軸

圖3示出了3個描述人機關(guān)系的詞匯: human-machine interaction(HMI), human-robot interaction(HRI), human-robot collaboration(HRC)。從時間上看,HMI是出現(xiàn)最早的關(guān)鍵詞,然后依次是HRI和HRC。孫效華等[25]將狹義的人機交互(human-machine interaction, HMI)中的“機”定義為不具備數(shù)字化的“機器”,是具有工具屬性的物理系統(tǒng),人通過機器完成特定的任務(wù),而機器根據(jù)人的指令做出反應(yīng),二者進行單向交互。人工智能(AI)技術(shù)的應(yīng)用賦予了機器感知與認知的能力,能通過自適應(yīng)學習理解人的潛在需求,HRI中的“機”多指具有智能性的“機器人”,可稱為人與智能機器人的交互[25],在HRI中人機之間可進行雙向互動。隨著研究的深入,學者們不斷意識到AI技術(shù)的意義在于增強人的能力而非取代人類[26-27],且目前尚不存在完全自主的自動化系統(tǒng)[28],人將繼續(xù)參與到與智能系統(tǒng)的交互中。因此,發(fā)展人機協(xié)同(HRC)是當前人機關(guān)系發(fā)展的趨勢[29],也是智能化施工中研究的熱點。

根據(jù)共現(xiàn)關(guān)鍵詞出現(xiàn)的時間,以2018年為時間分界點,統(tǒng)計該時間點前后各主題下關(guān)鍵詞的數(shù)量來反映研究內(nèi)容熱度,統(tǒng)計結(jié)果如圖4所示。人因風險主題是2018年之前的研究熱點,在2018年之后,人因設(shè)計主題研究居多,且人機信任主題研究數(shù)量超過了人因風險主題。在具體文獻中,人因風險主題下的文獻涉及內(nèi)容包含安全、人因失誤相關(guān)研究,人機信任主題下的研究關(guān)注人的信任、接受度等與心理有關(guān)的問題。

結(jié)合人機關(guān)系變化分析,早期研究主要圍繞HMI展開,相關(guān)研究聚焦在人的物理感知,關(guān)注人的工作環(huán)境、工作負荷、安全等,屬于人體功效學的范疇。智能化技術(shù)的融入改善了工人的工作環(huán)境和人身安全,降低了體力負荷及人因失誤概率,人的信任、認知、感知等可概括為工程心理學范疇的研究數(shù)量逐漸增加。Xiong等[29]在人機協(xié)同的研究中也提出人機關(guān)系、人機團隊、心智模型、情景意識等主題是當前人與智能機器協(xié)同研究的重點?？傮w而言,智能化施工中的人因研究在以物理感知為主的人體工效研究的基礎(chǔ)上越來越重視工程心理學相關(guān)研究,且在人因設(shè)計中融合數(shù)字化技術(shù)來提高人的感知受到當前研究的關(guān)注。智能施工中人因研究的主要內(nèi)容可總結(jié)為表2。

圖4 研究熱點變化

表2 不同階段智能施工中人因研究的主要內(nèi)容

3 研究主題分析

3.1 人機信任

人與人之間的成功合作需要相互信任,同樣建立人機之間的信任能提高智能系統(tǒng)的使用率及效率[30]。信任是一個復(fù)雜的概念,其融合了態(tài)度、信念、控制、情感、風險、權(quán)利等多種互動因素[31]。Lee等[32]將人機信任定義為個體在不確定或易受傷害的情景下認為代理(Agent或智能系統(tǒng))能幫助其實現(xiàn)某個目標的態(tài)度。人對自動化(智能化)系統(tǒng)的信任度不高會導致自動化(智能化)系統(tǒng)擱置或浪費,增加人的負擔、降低工作效率; 但若過度信任自動化系統(tǒng),則可能缺少對自動化系統(tǒng)的監(jiān)控進而產(chǎn)生安全隱患[33]。因此,人機信任是人與智能系統(tǒng)交互研究中的一個重要概念[34]。類似研究中,Emaminejad等[35]對可信AI在建造領(lǐng)域的研究進行綜述,總結(jié)了可解釋性、績效和魯棒性、可靠性和安全、隱私安全4個主題。本文的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)中與信任關(guān)聯(lián)的關(guān)鍵詞還包含“explainable AI(可解釋性AI)”、“acceptance(接受度)”和“reliability(可靠性)”,圍繞這些關(guān)鍵詞對文獻進行分析。

3.1.1 可解釋性AI

在涉及風險和安全的領(lǐng)域中,AI技術(shù)可能存在的“黑箱”問題阻礙了人們的理解和運用。此外,由于算法設(shè)計者和工程技術(shù)人員的知識差異,對工程應(yīng)用而言,智能系統(tǒng)需要解釋其做出決策背后的原因,同時該解釋對用戶而言也應(yīng)具有可理解性[36]?？山忉屝訟I (XAI)指能對其輸出的結(jié)果提供可理解的理由的AI技術(shù)[37],可解釋性和透明度是其中的2個重要元素。具有可解釋性和更透明的人工智能系統(tǒng)具有更高的可信度[38]。透明度促進了操作人員的理解[34],能減少失誤,提高人機合作的績效[39]。

當前的研究甚少涉及施工機械智能控制(自主決策)中的可解釋性問題,XAI在工程領(lǐng)域中實施多集中于輔助決策和預(yù)測問題,如建筑暖通系統(tǒng)故障檢測[40]、鋼筋混凝土構(gòu)件力學性能預(yù)測[41]、火災(zāi)中混凝土材料性能影響因素識別[42]、工程成本估算與混凝土開發(fā)[43];還有部分研究從解釋的適當性[44]、人對不同風格解釋的感知[45-46]等心理學角度探究XAI對人的影響。

3.1.2 AI接受度

信任被認為對用戶的接受度有著正向影響[34],接受度直接反映了用戶對智能化系統(tǒng)的使用意愿。接受度的研究主要圍繞技術(shù)接受度模型(TAM)[47]展開,該模型以理性行為理論為基礎(chǔ),廣泛應(yīng)用于研究新型技術(shù)的接受程度和相關(guān)影響因素中[48]。智能化施工研究中,關(guān)于人接受度的研究也多利用TAM模型從實證角度分析智能技術(shù)應(yīng)用受阻的因素,例如: Lu等[49]基于TAM模型從個人、組織、環(huán)境和技術(shù)層面探究阻礙智能監(jiān)控系統(tǒng)在工程施工中實施的因素; Zhang等[50]基于擴展的TAM模型探究VR技術(shù)在建筑工程中應(yīng)用程度低的影響因素。除采用TAM模型外,采用其他方法進行接受度分析的研究還包括: Delgado等[51]通過文獻和問卷數(shù)據(jù),進行統(tǒng)計分析識別限制建筑行業(yè)中自動化和機器人發(fā)展的因素;Ogunrinde等[52]使用模糊指數(shù)模型評估高速公路建設(shè)項目中自動化施工管理的使用程度和準備程度;Osunsanmi等[53]通過問卷調(diào)查研究智能工地建設(shè)實施的受阻因素。

3.1.3 AI可靠性

智能系統(tǒng)的可靠性是影響人機信任的重要原因,具有高可靠性的智能系統(tǒng)能保持其運行過程中的穩(wěn)定性,能增強人對系統(tǒng)的信心。研究中,可靠性常被作為影響人機信任的因素[35, 54]。然而,在工程施工領(lǐng)域較少有研究提出智能系統(tǒng)可靠性的測量和評價方法。系統(tǒng)的可靠性難以被準確測量會導致人對智能化的預(yù)期與智能化的實際能力之間存在差距,若智能化的真實能力與人的預(yù)期不匹配,將造成人對自動化的棄用或過度使用。這種差距常通過信任校準的機制進行糾正,以平衡人機信任的水平[39],同時,可解釋性能起到信任校準的作用[55]。

3.2 人因風險

該主題下涉及的內(nèi)容與工人的工作環(huán)境、健康、安全、工程風險等有關(guān),可以概括為人體工效學和人因失誤2個方面。

3.2.1 人體工效學

人體工效學是一種分析人類活動與其周圍環(huán)境相互作用的工具和方法[56],在提高生產(chǎn)效率和保障安全方面至關(guān)重要。傳統(tǒng)的人體工效學研究關(guān)注人體測量、生理測量等,例如: 評估施工噪聲對人的影響[57]; 從設(shè)計角度分析照明、標志及聲音等對隧道交通事故的影響[58]; 根據(jù)人體測量優(yōu)化隧道施工工作面[59]。

在智能化施工中,一方面的研究結(jié)合可穿戴設(shè)備測量人工作時的生理變化,例如: Zhang等[60]基于量表和可穿戴設(shè)備測量盾構(gòu)司機的心情和心率,分析司機的情緒與聲壓級之間的關(guān)系;Xing等[61]采用腦電儀和無線生理體征檢測儀(equivital life monitor)采集盾構(gòu)司機的腦電和心率數(shù)據(jù),并結(jié)合量表分析影響噪聲煩惱的因素。另一方面的研究從功效學角度對人機交互界面進行評價或優(yōu)化,例如: Jiang等[62]基于灰色物元分析法對盾構(gòu)控制室界面進行評價;Liu等[63]總結(jié)了人為失誤的因素,并采用熵-FAT-Delphi模型對施工軟件界面進行評價和優(yōu)化。新型的人機界面開發(fā)常與人的視覺、聽覺、觸覺等多種感官結(jié)合以提高人的感知[64]。Hou等[65]開發(fā)了盾構(gòu)參數(shù)自動匹配模型并設(shè)計了相應(yīng)的人機交互界面,能有效實現(xiàn)掘進參數(shù)匹配;Chotiprayanakul等[66]在鋼結(jié)構(gòu)噴砂機器人中設(shè)計了基于觸覺反饋的人-機-環(huán)境交互(HREI)界面,提高了交互的安全性和有效性。

3.2.2 人因失誤

工程事故與人為失誤密切相關(guān)[67],人因失誤的研究主要圍繞人為失誤識別(HEI)及人因可靠性分析(HRA)2方面來分析、預(yù)測、減少及預(yù)防人為失誤[68]。分析方法包含失誤率預(yù)測技術(shù)(THERP)[69]、認知可靠性和失誤分析方法(CREAM)[70]、認知錯誤回顧和預(yù)測分析技術(shù)(TRACer)[71]等。在施工應(yīng)用中,Wang等[72]提出的加權(quán)模糊CREAM模型對地鐵盾構(gòu)施工中人為失誤概率預(yù)測有較好的精度。Liao等[73]通過將CREAM與Bayesian網(wǎng)絡(luò)結(jié)合,構(gòu)建的人為失誤因果模型能追溯人為失誤的根本原因。Li等[74]基于改進的TRACer有效識別出了盾構(gòu)隧道施工事故中與人有關(guān)的因素。除上述分析方法外, Zhou等[75]根據(jù)項目反應(yīng)理論(IRT)建立定量分析框架,分析隧道施工中人員的安全反應(yīng)能力;Chen等[76]基于社會網(wǎng)絡(luò)分析(SAN)從個人和整體角度研究地下空間工程建設(shè)中的風險因素和風險擴散規(guī)律。

智能施工機械的自動化程度大幅提高,使人脫離了高危工作環(huán)境,同時降低了人工操作失誤的概率,研究轉(zhuǎn)向分析人對新型技術(shù)和設(shè)備的認知負荷或人機協(xié)作中的安全問題。例如: Han等[77]分析了VR技術(shù)應(yīng)用于施工環(huán)境中時對人的專注度和認知負荷的影響;Liu等[78]通過可穿戴式腦電儀評估人機協(xié)作墻體砌筑任務(wù)中工人的認知負荷,據(jù)此對機器人的精度做出調(diào)整,以提高人機協(xié)同的程度。

3.3 人因設(shè)計

將人因設(shè)計納入到智能系統(tǒng)或設(shè)備的開發(fā)中是提高機器可用性和人適應(yīng)性的重要環(huán)節(jié)。該主題下的研究重點關(guān)注人因中的工程心理學問題,基于數(shù)字化技術(shù)來增強施工環(huán)境中人對智能系統(tǒng)的認知和對物理環(huán)境的感知。相關(guān)研究可以分為2類: 1)通過數(shù)字化技術(shù)輔助來增強人的感知; 2)對智能機械進行優(yōu)化或重新設(shè)計以提高人的感知和機器可用性。

3.3.1 增強人感知的設(shè)計

自動化施工應(yīng)用中的一個重要方面是可實現(xiàn)施工機械和設(shè)備的遠程控制。在該情境下虛擬現(xiàn)實(VR)、增強現(xiàn)實(AR)、混合現(xiàn)實(MR)等數(shù)字感知技術(shù)具有的模擬和仿真功能可為人創(chuàng)建沉浸式的施工作業(yè)場景,增強人對環(huán)境的感知,且AR技術(shù)能排除作業(yè)過程中的非必要信息,降低人在處理復(fù)雜任務(wù)中的認知壓力[79]。Adami等[80]將虛擬現(xiàn)實VR技術(shù)應(yīng)用于建筑拆建機器人遠程控制中,以增強人對機器人的信任度。

智能施工系統(tǒng)的應(yīng)用將人的工作重心轉(zhuǎn)移到?jīng)Q策、支持系統(tǒng)正常運轉(zhuǎn)等更加復(fù)雜的任務(wù)中。數(shù)字孿生技術(shù)以數(shù)字化的虛擬模型對施工環(huán)境中的物理實體進行映射,便于人對施工過程進行監(jiān)控、診斷、預(yù)測和控制[81]。Wang等[82]為建筑機器人設(shè)計了基于計算機視覺識別工人操作手勢的人機交互界面,旨在提高人機交互的體驗。Sch?nb?ck等[83]從應(yīng)用場景、用戶需求、流程實現(xiàn)方面設(shè)計了以人為中心的挖掘機遠程控制框架,有效提高了用戶的接受度。此外,對操作人員進行培訓也是提高其接受度和感知的有效途徑,Segura等[84]將可用性、人體工效學和VR技術(shù)結(jié)合設(shè)計了建筑機械模擬器,用于對施工人員進行培訓。

3.3.2 增強機械智能化的設(shè)計

通過模擬、仿生設(shè)計或人機融合的方式既能增強智能機械對物理環(huán)境的適應(yīng)性[85],也可提高人對智能機器的感知。例如: Nagatani等[86]提出了能適應(yīng)未知施工條件的建筑機器人的開放式設(shè)計框架,其基于硬件設(shè)計、多模態(tài)AI環(huán)境評估、物理AI(physical AI,PAI)多機協(xié)同等技術(shù),以實現(xiàn)多個機器人之間進行自主組織和協(xié)作,且保障自主機器人能適應(yīng)不同的施工場景。在人機協(xié)同作業(yè)中,Grigore等[87]將人的行為特征(包括注意力、頭部運動方向等)融入到人機協(xié)同過程中,提高了人機之間的相互適應(yīng)性。Khasawneh等[54]通過機械臂裝置設(shè)計了可進行人機合作的鋪磚機器人。Huang等[88]結(jié)合計算機視覺技術(shù)賦予自動振動壓路機感知施工環(huán)境和工人位置的功能,增強了機械環(huán)境適應(yīng)能力,同時保障了人機共同作業(yè)時的安全。Zhang等[89]設(shè)計了可自動駕駛的施工輾壓機,有效解決了人工作業(yè)質(zhì)量不穩(wěn)定的問題,該設(shè)備在人機交互界面中融入了土石方3D數(shù)字模型和現(xiàn)場實時監(jiān)控畫面,便于人工進行監(jiān)控和指揮。

4 智能盾構(gòu)中人因研究啟示

將人因研究納入到智能盾構(gòu)的設(shè)計和應(yīng)用過程中,對提升智能盾構(gòu)系統(tǒng)的可用性、提高人機協(xié)同施工的效率、保障作業(yè)安全等十分重要。本節(jié)針對智能盾構(gòu)實施中人的接受度、適應(yīng)度及人機協(xié)同問題,并基于人機信任、人因風險、人因設(shè)計3個主題下的研究現(xiàn)狀,在增強人的接受度、增強人的適應(yīng)性和完善人機協(xié)同機制3個方面得到智能盾構(gòu)中人因研究的啟示,如圖5所示。

圖5 智能盾構(gòu)施工中人因研究內(nèi)容示意圖

4.1 增強人的接受度

針對智能盾構(gòu)在項目應(yīng)用中存在盾構(gòu)司機的接受度低、使用頻率低的問題,可采用TAM相關(guān)理論和模型來探究影響人接受度的因素。由于盾構(gòu)隧道施工的復(fù)雜性和智能盾構(gòu)的智能程度限制,難以實現(xiàn)完全無人化施工,而需要更多地依賴人機相互配合,其中,信任是人機合作的一個重要條件,也是影響人接受度的重要因素。因此,可從提高人機信任的角度來提高人的接受度。Vantrepotte等[90]指出,提高人的能動性可增強人對智能機械的信心和接受度。發(fā)揮人的能動性可考慮使人主動適應(yīng)智能系統(tǒng),從從業(yè)者的角度來看,可通過提高自身的智能化專業(yè)素養(yǎng)促進人機協(xié)同的實現(xiàn)。研究可關(guān)注如何通過教育、培訓等方式提升人的認知,促進人對智能盾構(gòu)的接受度。從技術(shù)上,對盾構(gòu)自動推進系統(tǒng)開發(fā)XAI,生成系統(tǒng)決策的依據(jù)和原因,提高智能系統(tǒng)的透明度。但大量AI的解釋性較差,可結(jié)合領(lǐng)域?qū)＜业慕忉屧鰪夾I結(jié)果的可信度,在智能盾構(gòu)的應(yīng)用實踐中也證實了這一點。例如:

1)案例1——由上海隧道工程股份有限公司承建的南京地鐵某項目施工中采用了盾構(gòu)智能輔助決策系統(tǒng)。該項目區(qū)間地質(zhì)復(fù)雜,需多次穿越環(huán)城高速、民房、運輸管線等建筑和設(shè)施,安全風險大、對地面沉降控制要求高。同時,該項目線形復(fù)雜,需完成多次小曲率轉(zhuǎn)彎,項目基于智能系統(tǒng)能有效提高控制精度、避免人工控制的不穩(wěn)定性,最終在多方的保障下完成了多次半徑350 m極小轉(zhuǎn)彎,地面沉降值遠小于標準值。智能系統(tǒng)在推進過程中為施工提供風險預(yù)警和相應(yīng)的掘進參數(shù)建議。但施工期間常存在系統(tǒng)建議與人工決策沖突的情況,導致系統(tǒng)建議被忽視。因此,項目安排系統(tǒng)設(shè)計人員針對系統(tǒng)建議背后的機制向盾構(gòu)司機進行解釋。解釋后盾構(gòu)司機對建議的執(zhí)行率由之前的9.10%提升至38.29%,接受度明顯提高。

2)案例2——由上海隧道工程股份有限公司承建的鄭州地鐵某項目采用了盾構(gòu)自動駕駛系統(tǒng)。該項目工況良好,智能系統(tǒng)可切換自動、人工2種模式。在使用自動化時每推進1環(huán),盾構(gòu)司機需對自動駕駛的效果進行評分。2022年1月初,組織自動駕駛系統(tǒng)設(shè)計人員與盾構(gòu)司機進行技術(shù)溝通和解釋,幫助盾構(gòu)司機理解自動駕駛模型的控制策略。為了解盾構(gòu)司機對智能系統(tǒng)的滿意程度,邀請盾構(gòu)司機對滿意度進行打分,滿分為100分; 90～100分為非常滿意; 80～90分為滿意; 80分以下為一般。評分情況統(tǒng)計如圖6所示?？傮w上,盾構(gòu)司機對盾構(gòu)自動推進的效果較為滿意,特別是解釋/溝通后,司機對自動駕駛系統(tǒng)的行為更能理解,其滿意度較前期有明顯提升。

圖6 司機對盾構(gòu)自動駕駛系統(tǒng)的評分

4.2 增強人的適應(yīng)性

智能化的應(yīng)用將人的手動行為轉(zhuǎn)變?yōu)檎J知行為,與人因有關(guān)的研究從關(guān)注人的物理感知轉(zhuǎn)變?yōu)殛P(guān)注人的心理變化。認知負荷是影響人適應(yīng)性的重要方面,首先需要對人的認知負荷進行量化,可研究如何對認知負荷進行測量。腦力負荷量表、負荷指數(shù)量表等測量方法廣泛應(yīng)用于軍事、汽車自動駕駛中,甚少有研究對施工場景下的人的認知負荷進行評估。對智能盾構(gòu)應(yīng)用中人的負荷進行測量可借助其他領(lǐng)域的測量方法或開發(fā)新的測量方式。在盾構(gòu)自動駕駛和人工控制的切換中,研究可關(guān)注如何通過工況趨勢預(yù)測、操作信息提示等輔助方法快速幫助人工恢復(fù)對工況的認知,順利接管盾構(gòu)控制。在降低人的認知負荷方面,同樣可開發(fā)XAI提高智能系統(tǒng)的透明度,在對智能算法進行解釋的同時還應(yīng)考慮透明度和認知負荷的關(guān)系。Akash等[91]研究表明,提高解釋的詳細程度也會增加人的認知負荷,因此需平衡算法的透明度和人認知負荷之間的關(guān)系。在盾構(gòu)遠程控制中可搭建基于數(shù)字化技術(shù)的虛擬場景,通過虛擬的沉浸式環(huán)境增強人的感知和認知。

4.3 完善人機協(xié)同機制

實現(xiàn)人機協(xié)同需解決技術(shù)、施工場景和組織管理模式3方面的問題。在技術(shù)方面,相較于人而言,智能系統(tǒng)的適應(yīng)和學習能力較弱,如盾構(gòu)自動駕駛系統(tǒng)在復(fù)雜工況或突發(fā)事件下的決策能力較差。人腦中的知識對促進智能化提升至關(guān)重要,人的經(jīng)驗可以幫助人工智能算法選擇參數(shù),提高計算效率[92]?？刹捎萌藱C混合智能的方法,將人的作用或認知模型引入到AI系統(tǒng)中,使AI成為人類知識的延伸或擴展,以解決更加復(fù)雜的問題。在進一步提高盾構(gòu)智能化方面可考慮進行的研究有: 1)引入人在回路的思想。人在回路(human-in-the-loop, HitL)是一種特殊的控制方式,其將人視為系統(tǒng)運行過程中的一部分。HitL通過引入人的參與來提升算法求解的效果,例如,人在回路機器學習中人直接或間接地參與了算法的訓練,通過人的能力及時糾正機器預(yù)測中的不準確性[93]。2)引入人類的知識、智能。認知智能是人類特有的智能,思考能力是認知智能的基礎(chǔ),而思考需要具備一定的知識,進而能實現(xiàn)推理和認知?？苫谥R圖譜來表示人類的知識,賦予智能盾構(gòu)更強的推理能力,將人的智慧與機器的智能相融合。

在施工場景方面,需要關(guān)注在一些極端場景下人機協(xié)同的實現(xiàn)方式。例如: 高原地區(qū)地形高差顯著、地質(zhì)災(zāi)害頻發(fā),海底隧道地質(zhì)復(fù)雜、周邊環(huán)境水腐蝕性較為嚴重、施工距離超長,這些環(huán)境對人工作業(yè)造成巨大障礙。實施盾構(gòu)施工遠程控制可使操作人員遠離高危的作業(yè)環(huán)境,同時減少人為因素潛在的隱患。通過遠程控制進行人機協(xié)同可能存在場景信息表達不完整、不直觀、決策困難等問題,可充分利用AI、VR、建筑信息化模型(BIM)等技術(shù)構(gòu)建三維隧道及圍巖環(huán)境信息模型,結(jié)合VR技術(shù)實現(xiàn)對設(shè)備的遠程控制。例如: 張旭輝等[94]針對煤礦開采設(shè)計的遠程開采系統(tǒng)將“人、機、環(huán)”有機交互,能實現(xiàn)數(shù)據(jù)驅(qū)動、虛實同步、人機協(xié)作的遠程控制。

在組織管理方面,盾構(gòu)隧道涉及復(fù)雜的施工流程,需要組織共同完成,人機協(xié)同作為一種新的工作模式,與管理問題關(guān)系密切。人因工程中的組織工效學關(guān)注社會技術(shù)系統(tǒng)的優(yōu)化,包括組織結(jié)構(gòu)、政策、流程以及風險管理[95]。人因?qū)W的研究中組織包含個體、群體和組織層次[96]。在人機協(xié)同中,可將智能系統(tǒng)視為組織中個體層次的一員,探究人機之間如何進行功能分配[97],對工作模式進行重新設(shè)計。在智能盾構(gòu)施工中可關(guān)注人機之間的盾構(gòu)控制權(quán)分配、控制權(quán)切換規(guī)則制定、衡量人機協(xié)同控制下的施工績效等問題。

5 結(jié)論與展望

得益于AI技術(shù)的發(fā)展,盾構(gòu)的自動化程度大幅提升,且具備了一定的自主能力,能夠執(zhí)行復(fù)雜度更高的任務(wù),成為盾構(gòu)司機施工作業(yè)中的有力伙伴。然而,智能盾構(gòu)作為一種新興技術(shù)還存在人的接受度低、適應(yīng)性差問題。本文采用文獻綜述的方式,設(shè)定智能化、人因工程、工程建造為關(guān)鍵詞檢索的主題,通過文獻分析軟件VOSviewer對WOS數(shù)據(jù)庫中的文獻進行共現(xiàn)分析和時間分析,總結(jié)出: 1)人機信任、人因風險和人因設(shè)計是智能化、人因工程、工程建造交叉領(lǐng)域研究的熱點; 2)隨著機器智能化的提升,發(fā)展人機協(xié)同是人與智能機器交互的研究趨勢。通過對檢索到的文獻進行分析,得到智能盾構(gòu)應(yīng)用中人因研究啟示,并提出以下研究展望:

1)針對人對智能盾構(gòu)的接受度問題,一方面,可從人的接受度、信任等方面切入,運用心理、行為學相關(guān)理論和方法找到導致智能盾構(gòu)使用頻率不高的因素;另一方面,可從改進機械設(shè)計(如開發(fā)具有可解釋性的AI、增強機械智能性)以及對人員進行培訓等方面來提升人的接受度。

2)針對人對智能盾構(gòu)的適應(yīng)性問題,首先需完善智能盾構(gòu)施工過程中人適應(yīng)性的評測方法,并通過改善智能算法的可解釋性、提高算法透明度、結(jié)合虛擬現(xiàn)實和現(xiàn)實增強技術(shù)等方法提高人的適應(yīng)性。

3)隧道施工過程中不可忽視人的作用,發(fā)展人機協(xié)同是智能盾構(gòu)實施的必由之路。要實現(xiàn)人機協(xié)同,技術(shù)上可通過人在回路設(shè)計、人機混合智能進一步提升系統(tǒng)的智能化程度;關(guān)注在極端施工條件下的人機協(xié)同方式;在組織和管理中,需關(guān)注人機合作時任務(wù)分配、工作模式設(shè)計、績效評價等問題。

致謝

本文在所涉及項目案例的背景分析和數(shù)據(jù)采集過程中得到了上海隧道工程股份有限公司盾構(gòu)工程分公司的大力協(xié)助與支持,特致謝忱!