根據美國設備注冊局公布的數據，建筑盜竊造成的損失每年往往超過10億美元。最新型號的設備、工具與用品的被盜可能性更高，追回的幾率也最小。目前只有25%的被盜建筑設備能夠被成功追回。再加上每年因事故及傷害事件造成的成本，建筑行業(yè)不得不承受高達13億美元的意外支出。從這個角度來看，改善建筑現場安全水平的需求已經變得愈發(fā)迫切。

通過機器學習提高施工現場安全性 

通過對特定建筑現場的具體條件、因素、位置以及階段進行分析，機器學習技術能夠有效發(fā)現并預測出當前工地安全狀況與安全風險。著眼于當下乃至未來，將有越來越多的建筑工地遠程監(jiān)控系統采用有監(jiān)督機器學習算法從歷史數據中發(fā)現種種新模式。基于機器學習技術的遠程監(jiān)控系統將與物聯網傳感器、夜視、紅外以及熱感測攝像機相結合，共同捕捉實時數據流。

通過將歷史視頻饋送及圖像與實時數據饋送結合起來，基于機器學習技術的遠程監(jiān)控系統能夠預測到潛在的事故、盜竊或危險操作何時可能發(fā)生。基于AI的遠程監(jiān)控系統供應商正在持續(xù)推動相關創(chuàng)新舉措，包括在儀表板上引入更為直觀的設計，以及將這類系統平臺方法擴展到全球范圍之內。作為這一領域中的，Twenty20 Solutions推出基于云的平臺與實用方案，由此為遠程施工安全樹立起新的標桿。Twenty20 Solutions的遠程監(jiān)控系統可完全依靠瀏覽器呈現，支持地理位置應用（例如RFID、GPS及雷達感知），并提供可供用戶調整的定制化儀表板。

AI技術改進建筑現場安全的十種方法

在最近與多位已經采用標準化機器學習遠程監(jiān)控系統的建筑安全保障負責人進行的電話會議中，我們了解到這類方案確實能夠減少誤報、節(jié)約大量時間。

一位負責邁阿密、亞特蘭大以及芝加哥等地建設項目的安全主管表示，機器學習確實有效消除了他所在建筑工地上的誤報問題。他解釋道，“我們團隊對機器學習算法做出了微調，旨在適應特定運營模式，在幾乎徹底消除了誤報的同時，進一步提高了對盜竊預測與意外闖入行為的預測能力。” 

綜合此次會議，AI技術正通過以下10種方式給建筑現場帶來安全改善：

1、減少對現場安全團隊的依賴，為各處建筑現場建立起24小時、一星期7天、一年365天監(jiān)控視圖。

所有建筑安全負責人均表示，這也是云遠程監(jiān)控系統更具價值的優(yōu)勢，其能夠接收來自物聯網、數字、熱像儀以及紅外探頭的數據。雖然建筑方仍然需要組織實地團隊，但這種實時且始終在線的監(jiān)控能力，確實能夠以數據流為載體提供強大模型與洞見支持。

2、通過確定哪些工人未正確穿著個人防護設備（PPE）減少施工現場的傷害問題與潛在責任訴訟。

使用有監(jiān)督機器學習算法所支持的模式匹配，施工安全及安全負責人可以根據工人們穿著PPE的情況快速識別出高風險角色及工作區(qū)域。例如，面對席卷全球的COVID-19疫情，目前仍在施工的現場必須要求每位工作人員佩戴口罩，這也是各國疾控中心提出的統一要求。遠程監(jiān)控系統能夠立即發(fā)現那些需要警告、引導以保持合規(guī)要求的施工團隊。

3、 用實時監(jiān)控替代檢查表、例行程序以及其他手動形式的安全審計方法，確保在幾秒之內提供關于趨勢及畫面內容的分析結果。

安全與安保負責人們指出，他們目前更大的挑戰(zhàn)在于如何幫助現場施工團隊節(jié)約時間。他們不清楚當前項目所在城市何時會突然宣布再次實施隔離或封鎖。據與會負責人們所言將機器學習技術與可通過直觀儀表板隨時訪問的現場數據相結合，目前的工作效率相較于純手動方式提高了至少5倍。

4、建筑現場的實時物理與網絡安全監(jiān)控能力越強，施工流程的靈活性越高。

各位負責人表示，建筑現場在捕捉及解釋實時傳感器與視頻數據方面的能力越強，其施工流程的靈活性就越高。雖然最初只是為了達成物理與網絡安全保障而建立，但這種新的數據洞察能力確實能夠為流程改進做出貢獻、進而增加運營收益。

5、可配合智能標簽與關鍵事件支持上下文情報的視頻分析技術即將面世，這將進一步提高機器學習遠程監(jiān)控系統的預測準確性。

目前，整個遠程監(jiān)控行業(yè)的研發(fā)支出，主要集中在通過各個視頻幀提取更多上下文情報之上。希望能夠在新的一年中，看到能夠定義模式匹配、進而提高遠程監(jiān)控系統預測準確性的更多技術專利。

6、實時預測網絡與物理威脅對于建筑項目的影響，同時創(chuàng)建特定算法為特定事件生成風險評分。

遠程監(jiān)控系統當中，最值得期待的開發(fā)工作就是嘗試將物理事件與網絡事件關聯起來。例如，假設特定建筑現場的系統遭遇網絡攻擊，那么將二者結合起來將提高防御方對于安全態(tài)勢的監(jiān)控與預測準確性，借此阻止盜竊、入侵及破壞等行為的推進。

7、為各個建筑項目生成風險評分，而后分析可以改進哪些因素以緩解設備及材料盜竊威脅。

使用盜竊相關數據通過機器學習技術建立預測模型，我們可以預測下一次事件可能何時出現。安全與安保負責人們指出，持續(xù)保留視頻數據對于項目實施的重大意義也正在于此。利用這部分素材，機器學習模型將逐漸學習并預測出下一次盜竊嘗試。

8、在建筑現場識別并跟蹤未授權入侵者的活動，借此緩解工業(yè)間諜行為的威脅。

建筑業(yè)的間諜活動可能導致數十億美元損失，這一點在負責建造包含專有技術的芯片代工廠等項目場景下表現得尤為明顯。為了確保現場安全，負責人們需要盡快引入基于AI的遠程監(jiān)控策略。

9、識別出建筑材料在何時何處遭到盜竊，借此控制成本，提高現場安全水平。

大型建筑項目每年有10%到25%的材料供應遭到盜竊或倒賣。有時候，能否阻止盜竊活動甚至可能直接決定某一項目能否正常推進、順利竣工。目前，安全與安保負責人紛紛寄希望于遠程監(jiān)控系統。

10、確保建筑現場符合OSHA及其他相關政府合規(guī)性要求，同時為審計人員提供實時審計記錄。

安全與安保負責人們表示，以往OSHA審計籌備工作往往需要數周甚至數個月時間。如今，實時監(jiān)控系統可以按需生成報告，每年為施工機構節(jié)約下長達數百小時的審計準備時間。