使用生理测量监测建筑工人的疲劳 – 武汉人因工程技术研究院

本文是针对论文《使用生理测量监测建筑工人的疲劳》（Monitoring fatigue in construction workers using physiological measurements）的一篇论文解析，该论文于2017年发表于《Automation in Construction》。该研究作者包括Aryal, Ashrant;Ghahramani, Ali;Becerik-Gerber, Burcin

使用生理测量监测建筑工人的疲劳

摘要：疲劳是导致生产率降低、工作质量差和建筑事故风险增加的因素之一。现有的评估疲劳的既定方法包括调查和问卷调查，这在建筑工地上难以实施。这项研究提出了一种使用可穿戴传感器实时监测建筑工人身体疲劳的新方法。使用心率监测器、红外温度传感器和EEG传感器从12名参与者中监测了模拟施工任务期间的心率，体温调节和脑电活动的变化。博格的RPE用作主观量表，以收集参与者所经历的疲劳程度。使用从心率和温度传感器信号中提取的特征训练增强型树分类器，并用于预测身体疲劳程度。结果表明，可以使用可穿戴传感器监测身体疲劳。仅基于从皮肤温度数据的平均值中提取的特征进行分类的准确度比仅基于心率数据的分类准确度高了9％，并且将两个传感器的信息相结合可获得82％的最佳准确度。结果还表明，与其他研究的监测站点相比，从太阳穴进行的温度调节监控更为有用。

关键词：疲劳评估温度调节可穿戴传感

施工安全生理监测

研究背景与问题

种种迹象表明，建筑行业在安全方面几乎达到饱和，需要传统的伤害预防策略和新的安全创新。施工工作任务以及工作条件容易导致工人疲劳，疲劳是导致死亡的“致命四大原因之一”。但是由于缺乏可靠的实时疲劳监测方法，我们难以量化疲劳对施工安全的直接影响，导致职业安全研究中缺乏疲劳相关的研究。

本文重点研究是否可以将体温调节变化用于评估疲劳累积，并比较体温监测与以前已用于疲劳监测和工作量评估的心率监测在评估身体疲劳程度方面的准确性。

当前理论发展现状

目前尚无公认的疲劳评估标准，不同的研究采用了不同的疲劳评估量表。评估量表是由参与者主观反馈来评估疲劳或工作量，但是在“一个人的感觉”和“一个人应该如何感觉”之间存在期望偏差。此外，收集主观反馈很麻烦，在建筑工地上不切实际，这突出表明需要一种能够连续监视疲劳且对常规建筑活动的干扰最小的方法。在精神疲劳方面，心理运动警惕性测试（PVT）已经用来测试工人的心理警觉性，脑电图（EEG）也已用于评估在执行精神任务的知识型工人的心理疲劳和建筑工人的心理工作负荷变化。在身体疲劳方面，使用表面肌电图（sEMG）研究局部肌肉疲劳，使用心率对工人的身体工作量进行监控。但是，即使对于大致相同的任务，也有几种生理因素和行为因素会影响心率，这使得心率监测本身不足以可靠地监测疲劳。

实验方法、设计及结果

实验方法：

使用心率监测器、EEG传感器和装有四个红外温度传感器的建筑安全帽。心率监测器用于记录心率的变化，EEG传感器来记录不同频率的脑电波信号，安装在安全帽的传感器系统可从人脸的四个位置收集皮肤温度（如图1）。

图1

在室内模拟一个在支撑平台上物料搬运任务，该支撑平台由一个物料捡拾位置，一个物料放下位置和一个行走平台组成，行走平台上四个交替的带被指定为“危险区域”，并装有警示灯传感器以检测错误。（如图2、3）

图2

图3

知觉运动评分（RPE）收集参与者的身体疲劳知觉水平。本实验中在RPE量表中添加了语言描述，以使参与者能够根据疾病控制与预防中心（CDC）建议的描述评估自己的体力水平，如表1所示。

表1

PVT测试评估心理警觉性的标准反应时间测试，之前已用于许多领域的心理警觉性评估，例如火车运营，行李检查，采矿，护理等领域。

实验设计：

招募12名年满18岁且正在从事建筑和体力劳动的男性建筑工人，在支撑平台上搬运15公斤的沙袋。在开始实验前，向参与者解释实验方案，RPE量表，PVT测试和书面同意。收到同意书后，要求参与者佩戴所有传感器，并在实验的前20分钟保持静止，同时记录他们的基准心率，皮肤温度和EEG波。实验中被试需要从拾取位置提起一个沙袋，并将其移至放下位置，然后空手返回。要求参与者在穿过危险区域时避免进入警告灯指示的危险地带，同时警示灯传感器记录错误。一旦所有沙袋都聚集在一个位置（总共使用了6个沙袋），就交换捡拾和放下地点。该实验由每位参与者进行200次试验，参与者每50个试验休息大约5分钟，并在休息期间参加PVT测试。

实验期间记录了两种类型的错误：错误类型A对应于部分踩踏与安全带相邻的危险带的边界。错误类型B对应于踩踏危险带的边界，该边缘不与安全带相邻错误类型。错误类型如图4。

图4

实验结果：

图5

第一，混淆矩阵（Confusion Matrix）如图5a所示，预测精度通过训练过的提升树模型（Boosted Trees）确定。所有错误分类的点都与真实类别相邻，例如标签4（非常高疲劳）的真实类别被错误分类为标签3（高疲劳）。获得的高精度证明了使用可穿戴传感器监测疲劳的可行性。

第二，使用个人特征（会影响个人心率和体温变化的特点）以及来自心率和温度传感器、个人特征以及仅从心率数据、个人特征以及仅来自温度传感器的特征进行分类的准确性分别为72％（图5b）、59％（图5c）、68％（图5d），这表明监测温度调节可能是预测疲劳的更好选择。

第三，删除个人特征并仅使用心率和温度传感器中的特征，分类精度为57％。准确性从72％下降了15％，这表明个人特征对于解决工人之间的生理差异非常重要。

第四，与其他温度监测点相比，仅使用来自太阳穴或前额的传感器数据所获得的精度要高于使用平均数据所获得的精度。

第五，从PVT测试的反应时间（图6）和参与者的错误次数（图7）来看，研究期间没有明显的精神疲劳发展。脑电信号随着身体疲劳的发展，（α1+θ）/β1波的比率也有所增加，而且参与者之间这种增加并不一致，但是在参加PVT测试并集中精神时，比率下降。

图6

图7

讨论

第一，就工人的舒适度而言，监测温度调节比监测心率来改善施工现场的安全性更为可取和可行。因为工人只佩戴安装非接触式传感器的安全帽即可，但需要将传感器和数据记录器更牢固地固定在头盔上，并进一步减轻其重量。

第二，太阳穴是所有监测点中最合适也是最实用的位置。因为脸颊距离安全帽较远，难以连接传感器。耳朵会有形状不同和长发的干扰。

第三，如果在实际的建筑工地上使用传感器，工人反复擦拭额头上的汗水会造成传感器的移动，而导致传感器信号中产生额外的噪声。红外温度传感器的使用相比于基于接触的温度传感器，具有更快的响应时间，为工人提供更舒适条件，以及在运动和出汗时分离传感器的机会较低。

第四， PVT测试的结果和参与者犯下的错误数量表明该实验的持续时间不足以引起精神疲劳的明显发展。但是在PVT任务中，参与者被要求保持精神警觉时，脑电信号中（α1+θ）/β1比值出现下降，这表明该比值可能有助于衡量精神疲劳水平。

结论

本文探索了一种在建筑工地上提供实时疲劳信息的新颖方法，与监测心率以进行身体疲劳评估相比，监测体温调节可以提供更多有价值的信息。与其他研究的监测站点相比，从太阳穴进行的温度调节监控可能更有用。这项研究肯定了Boosted树分类器可以利用从传感器信号中提取的特征来预测建筑工人的疲劳程度。本研究中用于监控温度调节的方法可以补充其他建筑健康与安全研究，研究结果有助于开发针对严重身体疲劳的预警系统以及设计更好的休息时间计划以提高工人的安全性。

引用：Aryal A , Ghahramani A , Becerik-Gerber B . Monitoring fatigue in construction workers using physiological measurements[J]. Automation in Construction, 2017, 82, 154-165.

内容来源

李丽丽

本期编辑

薛朋东董博

校对

付汉良

审核

王萌萌

扫码关注我们

微信号

Neuromanage_in_Eng

本篇文章来源于微信公众号：神经工程管理

发表评论 取消回复

发表评论取消回复