T. 14 S. 06 (2024): Tạp chí Vật liệu và Xây dựng
##common.pageHeaderLogo.altText##
Tạp chí Vật liệu và Xây dựng - Bộ Xây dựng

ISSN:

Website: www.jomc.vn

Xác định các công nghệ trí tuệ nhân tạo thích hợp cho quản lý an toàn tại các dự án cao tầng ở Việt Nam bằng mô hình tham số và phân tích hồi quy đa biến

Nguyễn Ngọc Thoan , Nguyễn Anh Đức

Từ khóa:

Trí tuệ nhân tạo
Quản lý an toàn
Công trình xây dựng
Cao tầng
Công nghệ
Việt Nam

Tóm tắt

Bối cảnh đô thị hóa nhanh chóng tại Việt Nam đang tạo ra sự bùng nổ các dự án xây dựng nhà cao tầng, kéo theo những thách thức ngày càng phức tạp về an toàn lao động. Mặc dù các giải pháp Trí tuệ Nhân tạo (AI) như Thị giác Máy tính (Computer Vision), Phân tích Dự báo (Predictive Analytics) và Robot/Máy bay không người lái (Robotics/Drones) đã được áp dụng thành công ở một số quốc gia phát triển, việc triển khai rộng rãi tại Việt Nam vẫn gặp nhiều rào cản (tài chính, văn hoá an toàn, hạ tầng dữ liệu, v.v.). Nghiên cứu này phát triển một mô hình tham số với các biến đầu vào gồm ngân sách, mức độ phức tạp, văn hoá an toàn, và sự hỗ trợ của thể chế nhằm dự báo lợi ích tiềm năng (hay điểm lợi ích) của từng công nghệ AI trong quản lý an toàn công trường nhà cao tầng. Dữ liệu được thu thập từ 12 dự án xây dựng cao tầng đang diễn ra, với 170 phản hồi hợp lệ. Nghiên cứu áp dụng Phân tích Hồi quy Đa biến (thông qua MANOVA) để đánh giá tác động tổng hợp của các tham số lên ba chỉ số nhóm công nghệ. Kết quả cho thấy ngân sách, văn hoá an toàn và hỗ trợ thể chế có ý nghĩa thống kê cao trong việc giải thích thay đổi về lợi ích an toàn khi áp dụng AI; trong khi đó, chỉ số phức tạp công trình lại không thể hiện tác động đáng kể trong kiểm định đa biến. Phân tích hồi quy OLS riêng rẽ cho từng chỉ số AI cũng củng cố nhận định rằng mỗi công nghệ AI có mức độ nhạy cảm khác nhau trước các tham số này. Công trình nghiên cứu đóng góp cả về mặt lý thuyết  bằng cách làm rõ vai trò quan trọng của nhân tố văn hoá và hỗ trợ quản lý, lẫn thực tiễn bằng cách cung cấp mô hình phân tích dữ liệu, định hướng triển khai AI an toàn tại Việt Nam.

Điều hướng Người dùng

PDF

Cách trích dẫn

Thoan, N. N. ., & Đức, N. A. (2024). Xác định các công nghệ trí tuệ nhân tạo thích hợp cho quản lý an toàn tại các dự án cao tầng ở Việt Nam bằng mô hình tham số và phân tích hồi quy đa biến. Tạp Chí Vật liệu Và Xây dựng - Bộ Xây dựng, 14(06), Trang 77 – Trang 84. https://doi.org/10.54772/jomc.06.2024.827

Tài liệu tham khảo

  1. W. I. and S. A. Ministry of Labors, “Occupational accident situation in 2021. 843/TB-LDTBXH,” 2021.
  2. W. I. and S. A. Vietnamese Ministry of Labor, “Report on the National Occupational Accidents in 2022,” 2022.
  3. W. Fang et al., “Computer vision applications in construction safety assurance,” 2020. doi: 10.1016/j.autcon.2019.103013.
  4. J. Lee, M. Park, and W. Kim, “Implementation of AI-based safety management to prevent accidents in construction work,” J Constr Eng Manag, vol. 147, no. 5, 2021.
  5. B. Manzoor, I. Othman, and A. Waheed, “Accidental safety factors and prevention techniques for high-rise building projects – A review,” 2022. doi: 10.1016/j.asej.2022.101723.
  6. Y. Li and C. Liu, “Applications of multirotor drone technologies in construction management,” International Journal of Construction Management, vol. 19, no. 5, 2019, doi: 10.1080/15623599.2018.1452101.
  7. I. A. Shah, “Artificial Intelligence in Advancing Occupational Health and Safety: An Encapsulation of Developments,” J Occup Health, 2024, doi: 10.1093/joccuh/uiad017.
  8. S.-M. Hong, B.-C. Kim, T.-W. Kwon, J.-H. Kim, and J.-J. Kim, “A Study on Prevention of Construction Opening Fall Accidents Introducing Image Processing,” Journal of KIBIM, vol. 6, no. 2, 2016, doi: 10.13161/kibim.2016.6.2.039.
  9. S. Zhang, K. Sulankivi, M. Kiviniemi, I. Romo, C. M. Eastman, and J. Teizer, “BIM-based fall hazard identification and prevention in construction safety planning,” Saf Sci, vol. 72, 2015, doi: 10.1016/j.ssci.2014.08.001.
  10. A. Waqar, “Modeling Relation Among Implementing AI-based Drones and Sustainable Construction Project Success,” Front Built Environ, 2023, doi: 10.3389/fbuil.2023.1208807.
  11. H. Zhu and Y. Wang, “Intelligent Prediction of Prestressed Steel Structure Construction Safety Based on BP Neural Network,” Applied Sciences (Switzerland), vol. 12, no. 3, 2022, doi: 10.3390/app12031442.
  12. A. J. ‐P. Tixier, M. R. Hallowell, B. Rajagopalan, and D. Bowman, “Application of Machine Learning to Construction Injury Prediction,” Autom Constr, 2016, doi: 10.1016/j.autcon.2016.05.016.
  13. Y. Shin, “Application of Stochastic Gradient Boosting Approach to Early Prediction of Safety Accidents at Construction Site,” Advances in Civil Engineering, vol. 2019, 2019, doi: 10.1155/2019/1574297.
  14. A. Ajayi et al., “Big data platform for health and safety accident prediction,” World Journal of Science, Technology and Sustainable Development, vol. 16, no. 1, 2019, doi: 10.1108/WJSTSD-05-2018-0042.
  15. M. Smetana, “Highway Construction Safety Analysis Using Large Language Models,” Applied Sciences, 2024, doi: 10.3390/app14041352.
  16. A. J. ‐P. Tixier, M. R. Hallowell, B. Rajagopalan, and D. Bowman, “Automated Content Analysis for Construction Safety: A Natural Language Processing System to Extract Precursors and Outcomes From Unstructured Injury Reports,” Autom Constr, 2016, doi: 10.1016/j.autcon.2015.11.001.
  17. B. Yoo, J. Kim, S. Park, C. R. Ahn, and T. Oh, “Harnessing Generative Pre-Trained Transformers for Construction Accident Prediction with Saliency Visualization,” Applied Sciences (Switzerland), vol. 14, no. 2, 2024, doi: 10.3390/app14020664.
  18. Pham Phu Cuong, “Identify important factors causing occupational accidents on construction sites,” Journal of Science and Technology, no. 04, pp. 168–171, 2021.
  19. Jingfeng Yuan, Chao Wang, S. Miroslaw, M. Asce, and Q. Li, “Safety-Knowledge Management in American Construction Organizations: Questionnaire Survey and Analysis,” American Society of Civil Engineers, vol. 28, no. April, pp. 252–264, 2012, doi: 10.1061/(ASCE)ME.1943-5479.
  20. N. Duc, “Understanding the correlates of construction safety of high-rise buildings: A Bayesian perspective,” Journal of Science and Technology in Civil Engineering (JSTCE)-HUCE, vol. 18, no. 1, pp. 68–81, 2024.
  21. P. Ni, “Construction Safety Management Report for High-Rise Buildings,” Baltic Journal of Real Estate Economics and Construction Management, vol. 10, no. 1, 2022, doi: 10.2478/bjreecm-2022-0002.
  22. X. Qi, X. Zhou, M. Song, and F. Li, “Study on selection and optimization of vertical transportation equipment for high-rise construction,” in Advanced Materials Research, 2011. doi: 10.4028/www.scientific.net/AMR.168-170.2376.
  23. Y. Li, Y. Ning, and W. T. Chen, “Critical Success Factors for Safety Management of High-Rise Building Construction Projects in China,” Advances in Civil Engineering, vol. 2018, 2018, doi: 10.1155/2018/1516354.
  24. M. I. P. Harahap, I. Othman, and N. A. M. Dinata, “Investigation on the Nature of Safety Rule Violations in High-Rise Construction Projects,” Journal of Advanced Research in Applied Sciences and Engineering Technology, vol. 41, no. 2, 2024, doi: 10.37934/araset.41.2.164179.
  25. A. Wang and W. Han, “Application of 3D measurement technology in urban high-rise building planning project,” International Journal of Mechatronics and Applied Mechanics, vol. 2018, no. 4, 2018, doi: 10.17683/ijomam/issue4.15.
  26. J. X. Zhao, F. Li, M. Liu, and L. Li, “The study on safety management of high-rise construction lift platform based on entropy method and grey theory,” in Applied Mechanics and Materials, 2014. doi: 10.4028/www.scientific.net/AMM.638-640.1642.
  27. B. Manzoor, I. Othman, J. C. Pomares, and H. Y. Chong, “A research framework of mitigating construction accidents in high-rise building projects via integrating building information modeling with emerging digital technologies,” Applied Sciences (Switzerland), vol. 11, no. 18, 2021, doi: 10.3390/app11188359.
  28. K. C. Goh, H. H. Goh, M. F. Omar, T. C. Toh, and A. A. Mohd Zin, “Accidents preventive practice for high-rise construction,” in MATEC Web of Conferences, 2016. doi: 10.1051/matecconf/20164704004.
  29. J. F. Wang, Y. Liu, and X. Q. Zhai, “The research of high-rise building fire safety simulation model based on system dynamics,” in Applied Mechanics and Materials, 2014. doi: 10.4028/www.scientific.net/AMM.614.605.
  30. L. Akbay, T. Akbay, O. Erol, and M. Kilinç, “Inadvertent use of ANOVA in educational research: ANOVA is not a surrogate for MANOVA,” Journal of Measurement and Evaluation in Education and Psychology, vol. 10, no. 3, 2019, doi: 10.21031/epod.524511.
  31. T. Clottey and W. C. Benton, “Technical Note: Recommendations for Assessing Unit Nonresponse Bias in Dyadic Focused Empirical Supply Chain Management Research,” Decision Sciences, vol. 51, no. 2, 2020, doi: 10.1111/deci.12431.