在城市化进程中，我国的土木工程建设取得了辉煌成就．面向2035，土木工程建设还将在解决东西发展差距、满足人民更高水平生活需要中发挥重要作用．然而，近年来我国每年仍有近千人死于建设安全事故，施工事故始终未得到有效遏制，给行业、社会与国家带来了沉重负担[1-2]．建设施工现场的动态性与复杂性易导致事故发生[3]．随着各类技术的发展，施工现场正迈向智能化．新技术的应用为提升施工安全带来了便利，但各类新技术如何服务于未来的施工安全，进而真正实现施工安全智能化仍待研究，因此须要在梳理现有研究的基础上结合施工安全发展需要指出未来研究重点，规划研究目标，为施工安全研究的进一步发展指明方向．本研究源于中国工程院的战略研究咨询课题，旨在探究面向2035我国土木工程建设施工安全的需求与挑战，对中长期发展趋势进行研判．为此，本研究从土木工程施工的物理(人机协同)、信息(实时信息)、人(行为与文化)三个维度出发，梳理人机协同技术、信息技术和人的行为与文化的研究现状，提出土木工程施工安全的发展战略，为建筑业的安全健康发展提供支撑．1 研究方法使用CiteSpace软件进行文献计量分析，主要文献来源为Web of Science．针对物理(人机协同)、信息(实时信息)、人(行为与文化)三个维度，首先基于文献共被引网络分析了施工安全研究现状：为检索施工现场人机协同作业环境下的安全生产相关研究，设置检索策略为TS=(“construction machine*” OR “construction equipment*” OR “building machine*” OR “building equipment*” OR “crane*” OR “excavator*” OR “bulldozer*” OR “backhoe*” OR “Grader” OR “Boomlift” OR “loader*” OR “Dumpster” OR “roller” OR “scraper”)and TS=(“construction” OR “building”) AND TS=(“safe*”)，数据精炼后共得到195篇文献；实时信息和数据驱动的施工安全管控的检索策略为TS=(“data*”OR“information technology” or “communication technology”)AND TS=(“construction”OR “building”)AND TS=(“safe*”) NOT TS=(“contractor*” OR “leadership” OR “performance”)，数据精炼后共得到882篇文献；行为安全文献检索策略为TS=(“worker* behavior*”OR “worker* safety behavior*” OR “safety behavior*”)AND TS =(“construction” OR “building”)，数据精炼后共得到228篇文献；安全文化文献检索策略为TS=(“safety culture”)and TS=(“construction”OR“construction industry”)，数据精炼后得到198篇文献．然后，使用工程院战略咨询系统(Intelligent Support System for Strategic Studies，ISS)，基于专家咨询确定了未来建设施工安全的需求，在此基础上对施工安全研究的发展路线给出了建议．2 人机协同作业下的施工安全图1为基于人机协同文献共被引网络聚类结果．分析可知：人机交互安全研究主要有计算机视觉技术、实时定位技术、空间规划技术和无人机技术四个方面．10.13245/j.hust.220810.F001图1人机协同文献共被引网络聚类结果基于计算机视觉技术的人机施工安全管控技术，通过监控系统、激光扫描或雷达扫描等技术，获取反映施工现场真实情况的点云、图片等视觉数据，再使用人工特征对数据进行特征提取，结合神经网络、支持向量机等机器学习算法从视觉数据中识别出工人、施工机械等现场实体的位置、姿态及实体之间的距离关系等安全信息，据此构建适宜的安全预控方法，实现安全管控，主要涉及聚类#0和#4．研究者们在不同施工场景里尝试了不同的视觉特征和机器学习算法的组合，证明了计算机视觉技术可以从反映施工现场真实情况的数据中准确提取出施工实体的安全信息[4-5]．例如Golparvar-Fard等[6]使用HOG(方向梯度直方图)特征与支持向量机算法，基于现场监控系统对土方工程中的挖掘机与运土车进行了识别与行为分类．Cho等[7]使用SURF(加速稳健特征)特征从雷达扫描的点云数据中识别机械附近的工人与机械，并通过显示屏反馈给驾驶员以提升对所处场景的风险感知．实时定位技术主要通过传感器网络对施工现场的实体进行实时定位．依据位置信息构建基于位置关系、运动轨迹等的安全预控方法，从而实现对施工现场人机协同作业的安全管控，主要涉及聚类#1和#2．研究者们主要使用UWB(超宽带)技术[8]、GPS(全球定位系统)技术[9]、蓝牙、RFID(射频识别技术)和磁场距离感知[10]等技术，对施工现场的工人及机械进行定位，通过工人与机械之间的距离判断是否存在碰撞风险．然而，使用单一的位置信息进行安全管控存在无法根据具体施工场景调整风险识别规则，因此研究者们尝试将施工实体位置数据与其他运动学信号数据进行融合，获得更丰富、全面的安全信息，从而做出更精确的安全管控．如Akhavian等[11]将挖掘机位置数据与加速度、角速度等数据结合，在定位的同时对施工机械的运行状态进行识别，丰富了碰撞判断规则．空间规划技术主要通过将BIM(建筑信息模型)技术与其他安全管控技术进行结合，作为可视化平台或现场数据库和三维数字模型，对塔吊等施工现场重型机械的布局及工作路径作出规划，以减少潜在的人机碰撞风险，主要涉及聚类#0和#5．结合BIM中的三维模型和对应的模型信息，可以将诸如塔吊周围的实体位置数据[12]与BIM中现场环境数据进行结合，并通过三维模型直观反映位置关系，帮助机械操作员了解周围环境情况，防止人机碰撞．此外，BIM本身富含的信息也可以与优化算法结合，提供优化算法所需要的输入内容，从而对施工机械、施工小组的施工路径及空间进行规划[13-15]，在经济性与安全性中做出平衡的决策，并防止空间冲突带来的安全风险．无人机技术的研究将无人机航拍等技术应用到安全管理的监测、记录及预控中，以解决传统的安全专员巡检模式中存在的人员数量少、时间成本高、覆盖范围小、检测盲区大等问题，主要涉及聚类#0和#4．研究者们主要使用基于深度学习的计算机视觉技术，如YOLO[16]，从无人机航拍图中检测出施工机械、工人等现场实体，作为后续分析的基础安全信息，由于航拍图高度大、视野广，因此收集到的鸟瞰数据可以覆盖大范围面积，提升安全巡检效率．基于深度学习检测出的实体信息，除了直接反馈给安全管理人员，还可以进一步通过开发程序，自动化地实现人机距离检测与报警防止人机碰撞[17]，或者通过图像拼接技术，形成覆盖施工现场的全景图片[18]．3 信息与数据驱动下的施工安全图2为基于数据驱动文献共被引网络聚类结果．分析可知：建筑行业内所研究的数据科学技术主要有实时定位系统、可穿戴设备、BIM技术、VR/AR(虚拟现实/增强现实)技术和计算机视觉技术五个方面．10.13245/j.hust.220810.F002图2数据驱动文献共被引网络聚类结果实时定位系统研究主要涉及聚类#0．研究者们将UWB，RFID和GPS等技术应用到施工现场构建实时定位系统，通过在工人、机械、建筑材料上安装相应标签及基站等基础设施识别标签对施工现场实体进行定位，以对进入危险区域、人机冲撞等安全风险进行预警与管控．早期研究者们重点关注了不同技术构建的实时定位系统在施工现场的可行性，将已经成熟商用的技术产品直接应用到不同的施工场景中，对施工实体进行定位测试，通过对比结果得出不同情境下不同定位技术的优劣性及相应的数据预处理、后处理方法，来进一步提升精度[19]．实验结果证明了基于UWB，RFID和GPS等技术构建的RTLS(实时定位系统)在施工现场的可行性与在安全管理、进度管理方面的潜力[20]．随着研究的深入，构建施工现场的实时定位系统，以及进行数据处理的框架越发成熟，研究者们逐渐关注如何更好地利用实时位置数据，提升对施工现场的安全管控．数据融合技术可以将多个模态的数据进行融合，获得包含更多安全信息的数据集，如将实时位置数据与通过可穿戴设备测得的工人姿态数据结合，通过工人所处的位置及体态，对工人是否做出不安全行为进行更精确的判断[21-22]，以及通过将多种定位系统的数据进行融合，从而提升定位的精度[23]．此外，研究者通过分析事故报告等方法，识别出典型、具有代表性的不安全场景，分析出场景内须要收集的安全数据及不安全行为判断规则，基于RTLS建立相应场景下的安全预警系统[24]，并更好地追踪险兆事件，提升安全管理[25]．可穿戴设备主要是通过IMU(惯性测量单元)、脑电头盔等设备，收集工人的姿态、生理状态等数据，对工人的工作状态进行监控，主要涉及聚类#1．工人在施工现场中的位置是判断其行为是否安全的重要标准之一，尤其是对于人机碰撞、高空坠落等安全风险，人员处于危险位置作业是导致事故发生的重要原因，但除此之外，身体姿态、生理状态对于判断其是否会做出不安全行为也有重要参考价值，可穿戴设备可以收集工人的运动学数据和生理数据，并结合机器学习等算法对工人的姿态、生理状态进行自动识别．姿态数据方面，基于IMU传感器开发的可穿戴设备，可收集工人不同关节的运动信号，并结合支持向量机等算法对其进行解析[26]，判断工人是否存在不正确的工作姿态或跌倒等先兆事件[27]．此外，基于IMU的姿态检测，也可以提醒工人不要以不健康的姿态长时间工作，防止患上骨骼肌肉疾病[28]．生理数据方面，研究者通过可穿戴的脑电设备、心率设备等，收集工人的脑电波、心率等生理信号，同样结合支持向量机等算法，判断工人的压力状态、疲劳状态等，这些设备可以反映出在现场难以察觉的工人内在状态[29]．BIM技术在施工安全管控方面的研究涉及聚类#2和#4．BIM可以在施工前对安全规划、空间冲突等问题进行自动检查，也可以在施工过程中作为储存、分析由传感器等技术收集的现场实时信息的平台．BIM的底层数据库包含了施工现场的设计信息、施工流程信息等数据．研究者们开发了应用，通过计算机程序自动化地根据BIM中的数据判断设计中是否存在容易导致高空跌落等安全风险的危险设计，并自动给出改正意见[30]，通过BIM技术自动化地实现“safety through design”的理念．此外，BIM的三维模型功能，可以作为理想的数据可视化平台，结合实时定位系统等传感器收集的数据，帮助安全管理人员更好地理解安全信息，尤其是可以直接将相关数据体现在BIM中的三维虚拟环境中，如通过BIM数据对GPS和RFID定位的工人移动轨迹进行可视化[31-32]计算机视觉技术相关研究主要涉及聚类#3和#5．在基于深度学习的计算机视觉流行前，研究者们已经尝试通过传统的基于人工特征结合机器学习模型的计算机视觉算法，如SIFT(尺度不变特征变换)、HOG描述符结合支持向量机，对施工现场的监控摄像头等视觉传感器收集的数据进行自动化分析，识别、追踪出数据中工人、施工机械等施工实体，并基于安全信息对施工现场的不安全行为进行管控[33-34]．目标识别是计算机视觉中的基本问题，是后续进行目标追踪、行为识别的基础，Chi等[35]使用背景差分算法，检测出了现场监控视频中的工人与机械．在目标检测的基础上，可以进行目标追踪，还可以通过立体相机系统，追踪施工现场实体的三维轨迹[36]，以及通过HOG描述符对挖掘机进行目标识别与姿态识别[37]．传统计算机视觉技术存在目标识别不稳定、泛化能力差的问题．深度学习技术结合监控系统数据可以训练出针对行业安全问题的端到端的神经网络．通过目标识别、追踪、行为判断等算法从视觉数据中提取出安全信息，从而对施工现场不安全行为进行管控．利用深度学习技术，能够实现对工人安全帽的佩戴监测[38-40]及工人与机械间距离的识别[17]．近年来，采用VR，AR和AV(增强虚拟技术)等技术的安全训练研究得到了广泛的关注，主要涉及聚类#6．这些技术的共同点都是创造出某种程度上的虚拟环境，可以给人们带来沉浸式的体验．基于虚拟技术进行安全训练，可以使受训者更加投入，像玩游戏一样得到及时的反馈[41]，与交互式的训练环境进行互动[42]，提升安全训练效果．此外，基于虚拟技术的安全训练还可以避免真实环境训练中可能产生的危险，甚至进行远程离岗教学，而对于比较复杂的操作，虚拟技术可以通让工人亲身进行虚拟操作降低教学的难度[43]．4 施工安全中人的行为与文化图3为基于人的行为安全文献共被引网络聚类结果．分析可知建筑业行为安全的研究主要有不安全行为的产生原因与影响因素和不安全行为的管控方法两个方面．10.13245/j.hust.220810.F003图3人的行为安全文献共被引网络聚类结果在不安全行为的产生原因与影响因素的相关研究中，普遍发现组织因素与个人因素是建筑工人不安全行为/冒险行为产生的重要原因，涉及聚类#0和#2～5．工人不安全行为产生的主要个人因素包括工作压力[44]、身心疲劳[45]、对冒险行为的态度[46]等．此外，工人不安全行为还受到组织层面因素的影响[47]，主要有工友影响[48]、组织安全文化水平[49]、安全优先级[50]、主管行为[51]等．工人不安全行为也来源于工人的认知失效，即获取信息、理解信息、感知响应、选择响应和采取行动的五步骤认知机制[52]，其他心理因素会通过影响上述认知环节进而影响行为安全[53]．不安全行为管控方法的研究涉及聚类#8和#10．基于约束不安全行为和激励安全行为的行为安全(BBS)方法被Skinner[54]率先引入不安全行为管控研究．首先，进行了以应用为导向的外部干预计划设计[55]；然后，发展了以安全管理人员为中心的BBS干预方法[56-57]，管理者可以从安全文化出发改善行为[57]．基于定位技术的主动BBS干预也取得了较好效果[58]．图4为基于建筑业安全文化文献共被引网络聚类结果．由结果可知建筑业安全文化的研究主要有建筑业安全文化的内涵、建筑业安全文化的作用与机理、建筑业安全文化的提升方法三个方面．10.13245/j.hust.220810.F004图4建筑业安全文化文献共被引网络聚类结果安全文化是组织文化的子集，建筑业安全文化内涵的研究旨在厘清安全文化的定义与组成，涉及聚类#0～4和#6．Choudhry等[59]指出安全文化是个人和团体行为、态度、规范和价值观的产物．安全氛围能表征一定范围内的安全文化水平[60]，而安全文化在安全氛围的基础上还包含安全行为[61]、安全管理[62]等要素．针对不同对象的安全文化维度可能存在差异[63]，但安全文化的维度结构一般是稳定的[64]．建筑业安全文化对安全管理人员的安全管理以及工人安全作业行为均有积极影响，其作用与机理研究主要涉及聚类#2，#6，#7．安全氛围是安全绩效的有力先验指标[65]．在建设项目的业主、承包商和分包商之间的特定互动中，安全文化能进行演变且不断提升[49]．管理承诺、沟通、工人参与、态度、能力及支持与监督均有利于建立优秀的安全文化[62]．安全氛围/安全文化可以作为评估和改善施工现场安全的有效措施[66]．建筑业安全文化提升方法主要是在定量或定性评估安全文化后对不足方面的改进方法研究，主要涉及聚类#6，#11，#12．高层管理者的安全领导力对组织安全文化有显著的正向影响[67-68]．业主对安全的积极性[69]、层级间的建设性对话、加强一线人员的安全学习和培训能够构建优秀的组织安全文化[70]．考虑韧性工程的改善措施也能够强化组织安全文化建设，有利于组织应对潜在风险[71]．5 施工安全研究的需求与重点5.1　发展需求为提出面向2035的建设施工安全发展战略，在上述研究现状的基础上，本研究面向来自高校、研究机构、设计院、施工单位、公共部门等的专家开展了问卷调研，并征求了关于未来施工安全研究发展需求的意见．a.　物理方面的发展需求自动化、智能化的装备在施工领域的深度应用，对人与装备的协同作业提出了更高的安全需求，施工安全战略发展中该方面的主要需求如下．更高的安全保障水平．新技术新装备在创造新的施工方式、化解传统安全风险的同时，亟须提升自身本质安全水平，将安全置于第一优先级，才能充分降低给施工现场带来新的安全风险．智能感知人、机、环境特征．新技术、新装备须主动识别所处环境，为人类决策提供更多参考．例如人体测量学特征、心理和生理特征；机械和机器人的特征(具有机械的一般特性，如力、加速度、能量、功率及其他参数)；对环境的适应性和解析特征等．完善的人机协作安全标准、规范体系．面向未来的智能施工场景仍不可避免须要人机协同．但土木工程施工领域的相关标准、规范尚处空白，亟须加强顶层设计．b.　信息方面的发展需求以云计算、物联网、大数据、人工智能为代表的新一代信息技术与施工安全管理深度融合，推动管理方式变革，施工安全战略发展中该方面的主要需求如下．更高水平的数据获取能力．土木工程施工的信息化程度有限，须增强多源异构数据的获取与存储能力，增强施工场景的还原与同步能力．更高水平的数据加工与利用能力．施工数据是一种无形的战略资产，充分挖掘与应用这些数据是实现数据资产发挥安全价值的有效途径．须加强数据处理算力，研发施工安全数据智能收集、分析和决策技术．c.人的行为与文化方面的发展需求人作为施工安全的核心要素，其主体地位在自动化与智能化的行业发展趋势下将更加突出，施工安全战略发展中该方面的主要需求如下．更高水平的不安全行为管控措施．人的因素仍然对我国建筑业施工安全事故预防至关重要．目前脑科学、计算科学、信息技术等的进步给人的行为机理认知与安全管控带来了新思路．如何在建筑业不安全行为机理研究、管控机制设计、管控效果评价中融合新的技术亟待研究．建构更先进的安全文化．现有研究基本理清了安全文化的构成维度和作用机制，但较少探索安全文化的构建方法．未来应充分挖掘安全文化的建构机理、提升组织预防和应对事故的能力，提出符合我国实际的安全文化建构方法．5.2　研究重点围绕物理、信息和人三个关键方面的施工安全科技发展趋势，提出面向2035的土木工程施工安全三个方面的七大研究重点．a.面向工人的事故主动预防技术体系在工人安全培训与教育方面，须要重点加强信息化、自动化技术的应用．工人的安全培训与教育着眼于拓展新技术应用，提高工人安全认知水平，增强工人安全意识，改善工人安全意识和价值观．研究全方位的防护措施，着眼于提高工人安全防护的智能化水平．根据不同工种，研究出专业的智能防护服，从安全帽、安全衣、防护鞋等装备上给出最直观的预警提示．目前，高处坠落、机械伤害和物体打击造成的伤亡事故仍占很大比例．须要研究高坠、坍塌、火灾、爆炸等容易造成严重后果的事故检测及防护工具．安全操作着眼于改进工人使用智能装备的安全操作方式．研究无人操作机具及如何提升工人素质并正确使用智能设备，使智能设备使用上更简单化，便于工人的操作与学习．b.施工现场人机协同安全风险智能识别与控制研究如何将人机协同作业环境中的安全数据进行提取并重新整合，将数据转化为安全管理所需的信息，丰富对管理者安全决策的支持，建立人与智能装备交互的作业规则．突破人机协同作业过程中的数据采集、过滤、分析等关键技术．研究人机交互设备成本和效益的关系，降低技术成本，普及应用新技术．研究对危险性较大的分项工程、机械设备的安全状态实时监控、数据分析和动态评估，提升主动发现危险、及时预警的能力，实现人机智能交互、设备自检智能化．c.　安全作业规则体系目前在国内土木工程行业人机协同施工安全的相关技术规范很少，针对人机协作的安全目标、标准、内容等并没有相关规范可参照．可通过组织专家和科研机构预先研究，初步制定国内建筑业人机协作相关技术规范，以保障建筑业在未来的建造自动化、智能化发展战略上有坚实的制度保障．d.施工现场实时数据采集研究作业人员的生理状态包括情绪、精力、智力的在线监控技术，突破施工现场复杂环境下人员及设备全方位立体监控技术．工人数据采集主要有不安全动作、实时位置与运动轨迹、安全培训经历、工人防护装备、操作指令、作业空间、周边环境、生理状态等信息．装备数据采集主要有装备实时运行姿态、操作指令、作业环境、装备故障、作业对象、作业空间、障碍物等信息．e.智能安全决策支持系统研究智能安全决策系统，增强施工数据的处理和应用能力．研究多源异构数据的处理方法，加强对施工现场的实时监测能力，利用数据进行实时预警，并提供决策支持．f.　行为安全管控平台开发行为安全管控平台．要综合利用脑机接口、机器视觉技术和各类传感器，实时采集工人的生理、心理信息，推测工人的认知状态，预测工人的未来行为．通过对施工过程中个体和群体的作业行为数据采集与分析，实现不安全行为的预控．g.　研究并开发安全文化建构和提升方法体系提炼适合我国国情、业态、趋势演变下的安全文化特征，进一步研究安全文化对行为的影响机理；研究智慧施工场景下安全文化的建构与提升手段；研究安全文化建设具体实施措施，并提出相应政策建议．6 结论本研究从物理、信息和人的视角出发分析了施工安全领域研究现状，指出了现有的研究热点和施工安全研究的发展需求与重点任务，为未来研究提供参考与借鉴，具体成果如下．a.　利用文献计量方法分析了人机协同(物理)、数据驱动(信息)、人的行为文化与(人)三个主题下的研究现状，归纳了各主题下的研究结论．建设施工安全研究正逐步迈向智能化，物理、信息类研究解决了施工现场数据智能化收集、处理、分析、反馈等问题，但人类研究智能化程度仍有限，为真正实现智慧施工，须要在利用与发展新技术的基础上重点解决与人有关的科学问题．b.　依据专家调研与访谈，总结了施工安全研究的发展需求与重点任务．其中物理和信息方面须增强数据获取能力、提升数据利用能力，服务于施工自动化、智能化；人方面须研究人的行为安全和安全文化的机理与作用，加强2035愿景下的安全文化建设，服务于施工现场智慧化．