[发明专利]一种工人不安全行为分析方法及系统

说明书

技术领域

本发明涉及行为安全和数据挖掘领域，特别是涉及一种工人不安全行为识别分析及系统。

背景技术

安全生产是促进社会进步和经济持续健康发展的基本条件，是一个国家文明与进步的重要标志。每年各行业和领域都有不同大小的事故发生，造成巨大的人员伤亡、财产损失和环境破坏。而引发事故的原因大致可分为三类因素，分别为人的不安全行为、物的不安全状态、不可预见因素。由事故致因理论可知物的不安全状态和人的不安全行为可以直接导致事故的发生。通过调查国内外发生的重大数据得出，大部分的事故都是由人的不安全行为引起的。不安全行为是指那些可能造成人员伤亡、财产损失、环境破坏的违反操作规程、安全条例的行为。不安全行为的影响因素主要分为内部因素和外部因素两大类。内部因素主要包括人格特质、认知与心理因素、安全态度、行为能力、消极情绪等；外部因素主要包括人机环系统、组织安全氛围等。

然而，对于不安全行为控制，大多停留在对工人不安全动作的矫正，而忽略了不安全行为间的差异性，一定程度上造成了管控措施可持续性效果较差，行为遵守水平难以维持。同时，对工人行为的研究多关注行为干预和行为反应之间的关系，忽视了行为个体之间的自然属性和岗位差异，使得对不安全行为的系统性分析不够深入。

发明内容

本发明的目的是提供一种工人不安全行为分析方法及系统，用以对工人的不安全行为进行有效的分析，从而预防安全事故的发生。

为实现上述目的，本发明提供了如下方案：

一种工人不安全行为识别方法，所述方法包括：

依据数据维度进行数据采集，得到采集数据；所述数据维度包括时间维度、位置区域维度、行为个体维度、不安全动作维度、行为性质维度、行为痕迹维度以及风险等级维度；

通过统计分析法对所述采集数据进行分析，得到不同维度的所述采集数据的分布特征；

通过数据挖掘算法对不同维度的所述采集数据的分布特征进行分析，得到所述采集数据的多维度的关联规则，确定工人的不安全行为；

可选的，所述时间维度，表示工人不安全行为发生的时间；位置区域维度，表示工人不安全行为发生的区域地点；行为个体维度，表示工人的年龄、工龄、岗位工种；不安全动作维度，表示具体的不安全行为；行为性质划维度，包括违章指挥、违章操作、违章行动和不违章不安全动作；行为痕迹维度，包括有痕行为痕迹和无痕行为痕迹；风险等级维度，包括特大风险、重大风险、中等风险、一般风险以及低度风险。

可选的，依据所述数据维度从现场隐患和违章图像以及事故报告中采集数据。

可选的，所述通过数据挖掘算法对不同维度的所述采集数据的分布特征进行分析，得到所述采集数据的多维度的关联规则，具体包括：

通过迭代算法获取所述采集数据中的频繁项集；

根据所述频繁项集的置信度构造所述采集数据的多维度的关联规则。

本发明还提供了一种工人不安全行为分析系统，所述系统包括：

数据采集模块，用于依据数据维度进行数据采集，得到采集数据；所述数据维度包括时间维度、位置区域维度、行为个体维度、不安全动作维度、行为性质维度、行为痕迹维度以及风险等级维度；

统计分析模块，用于通过统计分析法对所述采集数据进行分析，得到不同维度的所述采集数据的分布特征；

不安全行为确定模块，用于通过数据挖掘算法对不同维度的所述采集数据的分布特征进行分析，得到所述采集数据的多维度的关联规则，确定工人的不安全行为。

可选的，所述时间维度，表示工人不安全行为发生的时间；位置区域维度，表示工人不安全行为发生的区域地点；行为个体维度，表示工人的年龄、工龄、岗位工种；不安全动作维度，表示具体的不安全行为；行为性质划维度，包括违章指挥、违章操作、违章行动和不违章不安全动作；行为痕迹维度，包括有痕行为痕迹和无痕行为痕迹；风险等级维度，包括特大风险、重大风险、中等风险、一般风险以及低度风险。

可选的，所述数据采集模块用于依据所述数据维度从现场隐患和违章图像以及事故报告中采集数据。

可选的，不安全行为确定模块包括：

频繁项集获取子模块，用于通过迭代算法获取所述采集数据中的频繁项集；

关联规则构造子模块，用于根据所述频繁项集的置信度构造所述采集数据的多维度的关联规则。