《Developments in the Built Environment》:How do communication errors between crane operators and signalers occur? An analytical approach integrating a cognitive model and a dynamic Bayesian network
编辑推荐:
塔吊操作员与信号员之间的通信错误(CEs)被确认为塔吊事故的主要原因。先前的研究侧重于通过技术改进来减少CEs,但缺乏对其根本原因和形成机制的系统性讨论。本研究整合了认知模型与动态贝叶斯网络(DBN),以定性和定量地分析CEs。该认知模型是通过整合德尔菲法(D
塔吊操作员与信号员之间的通信错误(CEs)被确认为塔吊事故的主要原因。先前的研究侧重于通过技术改进来减少CEs,但缺乏对其根本原因和形成机制的系统性讨论。本研究整合了认知模型与动态贝叶斯网络(DBN),以定性和定量地分析CEs。该认知模型是通过整合德尔菲法(Delphi study)、交互式通信模型、信息处理模型、信息、决策与行动在机组背景模型(IDAC)以及菲尼克斯方法(Phoenix method)而开发的。这些有助于识别通信阶段、认知活动、影响通信的因素及其潜在机制。DBN是通过整合计算模型和多种信息源来开发的,以捕捉个体认知和CE概率的时间演变。通过案例研究和敏感性分析,本研究从认知角度阐明了CEs是如何产生的,量化了不同施工条件下CEs的发生趋势,并为缓解CEs提供了有价值的实践意义。
塔吊操作安全是建筑施工中的关键问题,而塔吊操作员与信号员之间的通信错误(CEs)被确认为导致塔吊事故的主要原因。尽管已有研究通过引入摄像头、传感器、计算机视觉等技术来改善通信方式,但缺乏对CEs根本原因和形成机制的系统性分析,尤其是从认知理论角度探讨通信过程中的个体认知、团队协作及环境因素如何交互影响CEs。为此,研究人员提出了一种整合认知模型与动态贝叶斯网络(DBN)的分析方法,旨在定性和定量揭示CEs的发生机制,并预测其在不同施工条件下的动态变化。该研究发表在《Developments in the Built Environment》。
研究人员首先通过德尔菲法(Delphi study)与16位来自中国山东和重庆的专家(包括9名塔吊操作员和7名信号员,均具有一年以上塔吊通信经验)进行半结构化访谈和问卷调查,识别出通信阶段、认知活动及影响通信的因素(CIFs)。基于交互式通信模型、三阶段信息处理模型和信息、决策与行动在机组背景模型(IDAC),构建了描述塔吊操作员与信号员通信的认知模型。采用菲尼克斯方法(Phoenix method)分析了各认知活动的失效模式与机制。随后,将事件树映射、知识表示与专家判断相结合,构建了DBN结构,并整合关键认知功能计算模型、专家判断、统计数据与模拟数据,对DBN节点参数进行建模。最后,通过两个实际案例(低空和高空塔吊作业)进行场景演示,并开展敏感性分析,验证了方法的适用性。
研究结果分为以下部分:
**6.1.1. 场景1:低空塔吊作业**:该场景用于分析简单重复性任务中CEs的趋势。通过模拟240分钟作业,发现信息编码错误(IEE)和信息解码错误(IDE)的概率随时间显著上升,其中感知错误(如观察错误、接收错误)贡献最大,决策错误略降,动作错误微升。整体CE概率从第5分钟的0.2123上升至第240分钟的0.2190,增幅约3.2%。原因在于认知负荷和脑力负荷维持高位,导致精神疲劳快速积累(增加363%以上),进而降低注意力分配比例。
**6.1.2. 场景2:高空塔吊作业**:该场景用于分析复杂高风险任务中CEs的变化。模拟显示,感知错误概率大幅上升(观察错误增加21.3%,接收错误增加20.8%),决策错误显著下降(思考错误下降25.9%,评价错误下降27.4%),动作错误较低且呈下降趋势。整体CE概率从0.3674升至0.3761,远高于低空场景。精神疲劳增加超过520%,注意力分配下降超过30%,且在后期出现显著波动。
**6.2. 敏感性分析**:以场景1为基线,通过将各参数设为不利于通信的极端值,计算CE概率变化。结果表明,团队相关CIFs(如信任、信息适当性、信息质量、通信频率、依赖性和知识一致性)对通信可靠性影响最大,关键内部CIFs包括长期记忆(LTM)和精神疲劳(MF),关键外部CIFs包括噪声、任务类型和天气。
**6.3. 实践启示**:研究发现感知错误在信号员和操作员错误中占比超过60%,直接原因是注意力缺失,深层原因是持续高认知负荷和脑力负荷导致精神疲劳和注意力快速下降;信号员对通信可靠性的影响被低估,其错误概率高于操作员,且注意力波动更早出现;长时间连续工作(4小时)导致精神疲劳急剧增加,造成注意力下降,建议高风险作业采用3小时工作制配1小时强制休息;识别出11个关键因素,可通过团队凝聚力培训、任务序列优化等措施提升通信可靠性。
讨论部分总结指出,CEs是塔吊操作安全中紧迫但相对被忽视的问题。本研究通过整合认知模型与DBN,实现了对CEs的主动分析。研究结论如下:建立了表征塔吊操作员与信号员通信的认知模型,识别出8个活动(分为编码、传输、解码、反馈四阶段)和45个CIFs(分为内部、外部和团队相关三类),并通过菲尼克斯方法查明各活动的失效模式、机制及对应CIFs。基于事件树映射、知识表示和专家判断构建了DBN结构,并基于关键认知功能计算模型和多种信息源建模了节点条件概率分布,最终在DBN中考虑了25个重要且可测量的CIFs。在两个实际案例中应用该方法,初步证明了其在主动分析CEs方面的适用性和可行性;低空和高空塔吊作业的CE概率在4小时内分别达到约0.22和0.38。敏感性分析确定了11个关键CIFs,包括信任、信息适当性、信息质量、通信频率、依赖性、知识一致性、经验、精神疲劳、噪声、任务类型和天气。结果还强调了感知错误的高贡献、信号员的重要性以及长时间连续工作的负面影响。