Two 4D Models Effective in Reducing False Alarms for Struck-by-Equipment Hazard Prevention
Notice bibliographique
Résumé
Over the past decade, several smart and automated systems have been developed to address the issue of struck-by hazards in construction—that is, workers on foot struck by equipment or equipment struck by equipment. False alarms (false positives and false negatives) are common in such systems, but methods for limiting struck-by hazards have not yet been thoroughly studied or tested for real-world implementations. This study presents two novel four-dimensional (4D) [time and three-dimensional (3D) space] models, a time-sphere model and a time-cuboid model, that are effective in reducing the rate of false alarms. In each developed 4D model, (1) entities’ state information, including 3D position, orientation (roll, pitch, and yaw), and velocity, is acquired and analyzed over time; and (2) the hazardous area around equipment or workers is represented by a sphere or a cuboid with the warning distance adjusted and updated according to the entities’ collected state information; and (3) unsafe-proximity query rules identify and predict contact collisions using relative position, moving direction, speed, and a pairwise 3D unsafe-proximity query. The effectiveness of the developed 4D models was evaluated through simulation and field experiments; however, the data were not wirelessly communicated because the focus of the study was on development, analysis, and comparison of two models for safety hazard identification. The obtained false positive and false negative rates indicate that the two developed 4D models have a strong capability for reducing false alarms. The obtained reduced alarm percentages imply that on average 65% of the alarms triggered by the most prevalent method can be averted by using the time-sphere model and 81% can be reduced by using the time-cuboid model. Furthermore, three major categories of findings are summarized: model comparison, model analysis, and the relationship between alert zone dimensions and model performance. The developed rigorous 4D models can also be employed for several types of contact collision that involve temporal and permanent site facilities, materials transported in air, and equipment and workers on foot. Reduced false alarms will improve construction safety, productivity, and mobility.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».