买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：温州市建设工程咨询有限公司

摘要：本发明属于工程管理技术领域，本发明公开了施工安全用工程管理方法及系统；包括：收集工人生理数据与施工设备数据；收集情景风险等级；训练实时评估工人工作情景风险等级的第一机器学习模型；训练实时预测工人身体状况值的第二机器学习模型；将第一机器学习模型输出的情景风险等级与预设的安全阈值比对分析，当情景风险等级大于等于安全阈值时，生成预警指令；第二机器学习模型输出的工人身体状况值小于等于身体状况阈值时，生成预警指令；基于第一机器学习模型与第二机器学习模型的输出，生成全局危险评估值，当全局危险评估值大于等于预设的全局危险评估阈值时，生成严重预警指令。

主权项：1.施工安全用工程管理方法，其特征在于，包括：收集工人生理数据；工人生理数据包括工人的心率、体温与工人GPS位置；收集施工设备数据；施工设备数据包括设备运行状态数据、环境数据与施工设备GPS位置；设备运行状态数据包括设备温度、振动频率、振动幅度与运行时间；环境数据包括环境温度与环境湿度；收集工人设备距离；运行时间表示施工设备从开机到当前时刻的运行总时间；工人设备距离为工人GPS位置与施工设备GPS位置在在线地图中的直线距离；将工人、工人所做的工作与施工设备分别编号并一一对应，收集工人编号为c所需要做的工作编号a以及工作编号a对应的施工设备编号b；收集情景风险等级；基于工人设备距离、施工设备数据、工人生理数据与情景风险等级训练实时评估工人工作情景风险等级的第一机器学习模型；为每一种编号的工作训练对应的第一机器学习模型；并将第一机器学习模型部署在与工作对应的施工设备附近的边缘计算设备中；第一机器学习模型的训练过程包括：将一个情景下的工人设备距离、施工设备数据与工人生理数据转化为特征向量，将标记的情景等级作为特征向量对应的标签，将每组特征向量和与每组特征向量对应的标签构建为一个样本，收集多个样本构建为数据集；所述数据集分为训练集、验证集和测试集，其中训练集占数据集的70%，验证集和测试集各占数据集的15%；将训练集作为第一机器学习模型的输入，所述第一机器学习模型以情景风险等级作为输出；以实时的一组特征向量所对应的情景风险等级作为预测目标，以最小化第一机器学习模型损失函数值作为训练目标；当第一机器学习模型损失函数值小于等于预设的第一目标损失值时停止训练；所述第一机器学习模型损失函数为均方误差；均方误差通过将损失函数 最小化为目标来训练模型，损失函数中mse为损失函数值，i为特征向量组号；u为特征向量组数；为第i组特征向量对应的标签，为第i组特征向量预测的情景风险等级；所述第一机器学习模型为深度神经网络模型；深度神经网络模型隐藏层H的计算方式包括： ；式中，H是隐藏层的输出；G是激活函数；是隐藏层的偏置项；是隐藏层的权重；是激活函数；是上一层的偏置项；是上一层的权重；x是输入的训练集；深度层神经网络模型由4个全连接层构成，前3个隐藏层分别含有32，64和32个神经元，1个SoftMax分类层含有4个神经元，神经元通过权重相互连接，通过ReLU激活函数激活神经元；基于工人生理数据与工作编号训练实时预测工人身体状况值的第二机器学习模型；将工人生理数据与工作编号转化为特征数据作为第二机器学习模型的输入，所述第二机器学习模型以工人身体状况值作为输出；工人身体状况值为1-5的有理数，以实时的一组特征向量所对应的工人身体状况值作为预测目标，以最小化第二机器学习模型损失函数值作为训练目标；当第二机器学习模型损失函数值小于等于预设的第二目标损失值时停止训练；所述第二机器学习模型为随机森林；将第一机器学习模型输出的情景风险等级与预设的安全阈值比对分析，当情景风险等级大于等于安全阈值时，生成预警指令；将第二机器学习模型输出的工人身体状况值与预设的身体状况阈值比对分析，当工人身体状况值小于等于身体状况阈值时，生成预警指令；基于第一机器学习模型与第二机器学习模型的输出，生成全局危险评估值，当全局危险评估值大于等于预设的全局危险评估阈值时，生成严重预警指令；预警指令包括：发送预警警报至工人移动端，工人移动端高响度蜂鸣警告与工地喇叭迅速播报；全局危险评估值；式中为情景风险等级，为工人身体状况值；严重预警指令包括立即中断所有施工项目，通知工程相关监理单位来实地考察与重新选择施工单位。

全文数据：

权利要求：

百度查询： 温州市建设工程咨询有限公司 施工安全用工程管理方法及系统