機械学習を用いた建設現場の労働環境・生産性データ収集分析システム構築

利用机器学习构建建筑工地劳动环境/生产力数据采集和分析系统

• 批准号: 21K04218
• 负责人: 五艘 隆志
• 金额: $ 2.66万
• 依托单位: Tokyo City University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K04218/
• 关键词: ワークサンプリング; 機械学習; 加速度情報; 位置情報; 時刻情報; 労働環境; 生産性

本研究における2つの開発項目，①センサーを付加した端末のハードウェアおよび入出力ソフトウェア開発と，②センサーから得られたデータを自動的に統合・分析するソフトウェア開発について2022年度の実施概要を述べる。開発①の将来的な実用化を想定した最終形態は，各センサーを一体化した端末をヘルメットに装着するか埋め込む形をイメージしているが，本研究での開発段階ではセンサーとデータロガーがハード的あるいはソフト的に一体となったものを開発することを目指している。現段階では開発②と同時並行的な開発プロセスにあり，スマートフォンをデータロガーとし，市販センサーをBluetoothで接続した簡易型の端末を準備して位置，加速度，温湿度等のデータを取得している。2022年度は各センサーから取得・保存したデータを開発②にて使用するためのデータ変換と統合アプリの開発・運用を行い，分析作業の効率化が図られた。開発②として，2021年度末に新たに構築したシステム（機械学習を活用した事前判別フェーズとルールベースの生産性区分判別フェーズに分けたシステム）を用いて，大学構内における試験的データ取得と舗装工事現場におけるデータ取得を行った。分析における時間間隔の設定や，動作区分の設定を種々変更しながら精度向上を図っているところである。現状では，「歩行」や「姿勢」などの細分化された区分の分析精度は7割～8割程度の精度を有するが，本研究で目的とする「直接生産動作」「補助支援動作」「作業支援動作」の3区分や，さらに詳細化した9区分での精度は3割～4割にとどまる状況にある。

This study includes two development projects: (1) the development of network services,(2) the automatic integration and analysis of network services, and (3) the implementation outline of network services development in 2022. The final shape of the future application of the development is to integrate each component into the end of the development process. The development stage of this study is to integrate the components into the development process. At the present stage, the development of the parallel development of the two sides of the road, the development of the market, the development of the Bluetooth connection, the preparation of the end of the simple type, the location, acceleration, temperature and other data to obtain. In 2022, the acquisition, preservation and development of various types of products were carried out. In addition, at the end of 2021, the new construction system (machine learning, pre-discrimination, productiveness discrimination) will be used to acquire and install on-site construction materials in university structures. Analysis of time interval settings, action differentiation settings, and more precision. In the present situation, the analysis accuracy of "walking","posture" and "subdivision" is 7 - 8 cut, and the analysis accuracy of "direct production action","auxiliary support action" and "operation support action" is 3 - 4 cut.

项目成果

Development of a program for automatic identification of productivity of construction workers

建筑工人生产力自动识别程序的开发

• 发表时间: 2022
• 作者: Ryuji Kasai;Takashi Goso;Tetsuro Osawa
• 通讯作者: Tetsuro Osawa

機械学習を用いた建設現場の労働環境・生産性データ収集分析システムの開発

使用机器学习开发建筑工地工作环境/生产力数据收集和分析系统

• 发表时间: 2022
• 期刊: 舗装
• 作者: 五艘 隆志 ; 武藤 一伸 ; 濱野 満 ; 大澤 徹郎 ; 笠井 琉司
• 通讯作者: 笠井 琉司

事前分類と機械学習の組み合わせによる 生産性区分分類システムの構築

预分类与机器学习相结合构建生产力分类系统

• 发表时间: 2021
• 作者: Nakamura Katsuya;Kobayashi Yoshikazu;Oda Kenichi;Shigemura Satoshi;武居周，野村政宗;大澤 徹郎・五艘 隆志
• 通讯作者: 大澤 徹郎・五艘 隆志

加速度を用いた建設現場作業の自動判別プログラ ムの枠組み構築と実証実験

建筑工地作业加速自动判别程序框架搭建及演示实验

• 发表时间: 2021
• 作者: Shogo Katayama;Yudai Abe;Anna Kuwana;Koji Asami;Masahiro Ishida;Ryuya Ohta;Haruo Kobayashi;大澤 徹郎・五艘 隆志
• 通讯作者: 大澤 徹郎・五艘 隆志