مدل توالی حالت تصادفی برای پیش بینی وضعیت ایمنی ساختمان در سیستم های موقعیت مکانی واقعی

Elsevier
سال انتشار :
2016
تعداد صفحات مقاله انگلیسی :
10
نشریه :
الزویر
تعداد رفرنس ها :
47
نوع مقاله :
مقاله ISI
کراس مارک :
Crossmark
keywords :
Real-Time Location System (RTLS) Construction Stochastic sequences Discrete-Time Markov Chain (DTMC)
کلمات کلیدی :
سیستم موقعیت یاب واقعی (RTLS)، توالی های تصادف ساختاری، زنجیره مارکف گسسته زمان (DTMC)
عنوان فارسی :

مدل توالی حالت تصادفی برای پیش بینی وضعیت ایمنی ساختمان در سیستم های موقعیت مکانی واقعی

عنوان انگلیسی :

Stochastic state sequence model to predict construction site safety states through Real-Time Location Systems

ژورنال :
Safety Science
لینک مقاله :
http://www.sciencedirect.com/science/article/pii/S0925753515003252
آدرس DOI :
https://doi.org/10.1016/j.ssci.2015.11.025
وضعیت ترجمه :
انجام نشده.

سال انتشار : 2016

تعداد صفحات مقاله انگلیسی : 9

نشریه : الزویر

تعداد رفرنس ها : 47

نوع مقاله : مقاله ISI

کلمات کلیدی انگلیسی : Real-Time Location System (RTLS) Construction Stochastic sequences Discrete-Time Markov Chain (DTMC)

کلمات کلیدی : سیستم موقعیت یاب واقعی (RTLS)، توالی های تصادف ساختاری، زنجیره مارکف گسسته زمان (DTMC)

عنوان فارسی : مدل توالی حالت تصادفی برای پیش بینی وضعیت ایمنی ساختمان در سیستم های موقعیت مکانی واقعی

عنوان انگلیسی : Stochastic state sequence model to predict construction site safety states through Real-Time Location Systems

لینک مقاله : http://www.sciencedirect.com/science/article/pii/S0925753515003252



چکیده انگلیسی
This paper addresses the challenge to design an effective method for managers to efficiently process hazardous states via recorded historical data by developing a stochastic state sequence model to predict discrete safety states – represent the hazardous level of a project or individual person over a period of time through a Real-Time Location System (RTLS) on construction sites. This involves a mathematical model for state prediction that is suitable for the big-data environment of modern complex construction projects. Firstly, an algorithm is constructed for extracting incidents from pre-analysis of the walk-paths of site workers based on RTLS. The algorithm builds three categories of hazardous region distribution – certain static, uncertain static and uncertain dynamic – and employs a frequency and duration filter to remove noise and misreads. Key regions are identified as either ‘hazardous’, ‘risky’, ‘admonitory’ or ‘safe’ depending on the extent of the hazard zone from the object’s boundary, and state recognition is established by measuring incidents occurring per day and classifies personal and project states into ‘normal’, ‘incident’, ‘near-miss’ and ‘accident’. A Discrete-Time Markov Chain (DTMC) mathematical model, focusing on the interrelationship between states, is developed to predict states on construction sites. Finally, a case study is provided to demonstrate how the system can assist in monitoring discrete states and which indicates it is feasible for the construction industry.

چکیده فارسی
این مقاله چالش را برای طراحی یک روش موثر برای کارآمد کردن مدیران درحالت های خطرناک از طریق داده های تاریخی ثبت شده با ایجاد یک مدل توالی حالت تصادفی برای پیش بینی وضعیت های ایمنی گسسته - نشان دهنده سطح خطرناک یک پروژه یا فرد فردی در طی یک دوره از زمان یک سیستم مکان یاب واقعی (RTLS) در سایت های ساخت و ساز نشان می دهد . این شامل یک مدل ریاضی برای پیش بینی دولت است که برای محیط بزرگ داده ها از پروژه های ساختمانی پیچیده مدرن مناسب است. اولا یک الگوریتم برای استخراج حوادث تجزیه و تحلیل اولیه از طریق گام برداشتن کارکنان سایت بر اساس RTLS ساخته شده است. الگوریتم سه دسته از توزیع منطقه خطرناک را ایجاد می کند - خاصی استاتیک، نامعلوم استاتیک و نامعلوم پویا - و استفاده از فرکانس و مدت فیلتر برای حذف سر و صدا و اشتباه است. مناطق کلیدی به عنوان "پرخطر"، "ریسک دار"، "نصیحت پذیر " یا "ایمن" شناخته می شوند، بسته به محدوده خطر از مرز جسم، و شناسایی دولت با اندازه گیری حوادث که در هر روز رخ می دهد و طبقه بندی شخصی و پروژه به "عادی"، "حادثه"، "تقریبا از دست رفته " و "سانحه " اشاره می کند. مدل ریاضی زنجیره مارکوف گسسته (DTMC) با تمرکز بر رابطه بین دولت ها، برای پیش بینی وضعیت در سایت های ساخت و ساز توسعه داده شده است. در نهایت، یک مطالعه موردی برای نشان دادن چگونگی کمک به سیستم در نظارت بر وضعیت های گسسته ارائه شده است و نشان می دهد که این امر برای صنعت ساخت و ساز امکان پذیر است.





مشاهده فایل pdf مقاله :