摘要：随着城市建筑向高层化、复杂化发展，附着式升降脚手架在施工中的应用日益广泛，但其安全事故也频发发生，传统人工监测方式存在效率低、实时性差、主观性强等问题。本文针对附着式脚手架的安全监测需求，提出了一套融合物联网、人工智能与建筑信息模型的智能安全监测预警系统。同时，本文构建了基于层次分析法的安全性评价模型，对脚手架使用阶段的整体安全状态进行量化评估。该系统能够显著提升脚手架安全监测的自动化、智能化水平，为智慧工地的安全管理提供了有效的技术解决方案。

关键词：附着式脚手架；安全监测；人工智能；物联网；预警系统

一、引言

建筑业作为国民经济的重要支柱产业，其安全生产问题始终备受关注。其中，脚手架工程，特别是附着式升降脚手架，作为高层建筑施工的关键临时设施，其安全性直接关系到施工人员的生命安全和项目的顺利进行。然而，由于其在工作中需要频繁升降和使用过程中承受许多的荷载，并受环境因素和人为操作因素的共同影响，安全事故屡见不鲜，如架体倾覆、坠落、超载等，造成了严重的人员伤亡和财产损失。附着式脚手架工程事故频发，开展安全监测迫在眉睫。

传统的脚手架安全监测主要依赖于安全检查人员的日常巡检，这种方式不仅工作量大、效率低下，而且严重依赖个人经验，难以实现全天候、全方位的实时监控，无法在事故隐患萌芽阶段及时发出警报。因此，开发一种自动化、智能化的安全监测系统已成为建筑安全领域的迫切需求。

近年来，物联网、人工智能、大数据等新一代信息技术的迅猛发展为解决这一难题提供了新的路径。本研究旨在综合运用上述技术，构建一个集实时监测、智能诊断、风险预警与安全评价于一体的附着式脚手架智能安全监测系统。安全监测系统的报警可以提高附着式升降脚手架的安全管理效率与水平，降低事故发生率，推动智慧城市、智慧工地、智能安全等理念的发展。

二、附着式脚手架与人工智能技术理论研究

2.1 附着式脚手架技术

附着式脚手架主要由主框架、附墙支座、 、升 大核心部件构成，辅以脚手板、安全网等防护设施，其核心工作原理 面的导轨升降，实现“随层施工、逐层升降”。其安全风险集中 建筑结构的连接、主框架与导轨的连接），松动或失效易引发架体失稳； 易导致架体倾斜；三是安全防护环节，防坠装置故障、人员违规作业（如 些环节构成了爬架安全监控的核心监测点。

2.2 物联网体系（IoT） 架构与核心技术

物联网是实现附着式脚手架升降的物理状态数字化的基础，其体系架构为分层结构，分为感知层、传输层、平台层、应用层四级，各层核心技术及在附着式脚手架监测中的应用如下：

1. 感知层

核心技术包括传感器技术和视觉采集技术。在脚手架上需要安装倾角传感器、位移传感器、载荷传感器、风速仪、AI 高清摄像头等，这些装置安装在爬架的附墙支座、导轨、主框架等关键部位，实时采集结构应力、架体倾角、部件位移、环境风速及视觉图像等数据。

2. 传输层

考虑到施工现场环境复杂、布线困难，系统采用无线通信技术。对于数据量小、低功耗的传感器（如倾角、载荷），采用 LoRa 或 NB-IoT 技术，以实现远距离、低功耗的传输；对于数据量较大的 AI 视频流，则采用 4G/5G 网络进行传输。

3. 平台层

平台层可以承担数据的存储、处理与分析核心任务，采用时序数据库和关系型数据库，分别存储传感器时序数据和系统配置、预警记录等关系数据。本研究拟采用多种机器学习算法构建分析模型，判断当前状态等级（安全、注意、危险），对荷载、位移等时序数据进行预测，实现趋势性预警，对视频流进行实时分析，识别安全行为隐患。

4. 应用层

应用层主要通过 Web 端和移动 APP 端实现附着式脚手架监测功能：根据 AI 分析输出，触发分级预警（如蓝色提示、黄色预警、红色报警），并通过多种渠道通知相关人员。支持对历史监测数据、预警记录进行查询、统计和趋势分析，为安全管理决策提供数据支持。基于后文所述的安全评价模型，生成脚手架风险管理报告。

2.3 AI 与 IoT 的集成机制

AI 与 IoT 的集成形成“感知 - 传输 - 分析 - 决策”的闭环智能监测体系：IoT 感知层完成爬架物理状态与环境数据的采集，网络层实现数据的实时传输，AI 则在边缘端（边缘网关）与云端（云平台）协同工作，实现高危隐患的实时预警；云端部署复杂 AI 模型，进行海量数据的深度分析与长期风险预测，最终通过应用层向管理人员推送预警信息与决策建议。

2.4 物联网体系架构与附着式脚手架结合的可行性分析

爬架安全监控管理的核心需求为实时感知、精准识别、智能预警、全局管控，AI 与 IoT 的集成可全面覆盖并满足这些需求；从技术成熟度、硬件适配性、集成兼容性等维度来看，AI 与 IoT 集成应用于爬架安全监测具备充分的技术可行性。

三、安全监测预警与综合评价模型

3.1 智能预警指标体系与机制

1. 智能预警指标体系构建

预警的有效性依赖于科学合理的指标体系。本研究从“物 - 环境 - 人”三个维度构建预警指标体系：结构状态指标、环境指标、行为安全指标。

2. 预警机制

根据指标的危险程度，设定三级预警机制：

级预警（提示 / 蓝色）：当某个非关键指标接近阈值（如达到阈值的 80%），或 AI 识别到个别轻微违规行为时触发，系统记录并提示现场人员关注。

二级预警（警告 / 黄色）：当关键指标（如倾角、荷载）超过预设阈值的 80%-95%，或风速达到警戒值时触发，系统向班组长和安全员发送报警信息。

三级预警（危险 / 红色）：当任何关键指标超过安全阈值，或出现架体急剧变形、提升不同步超限等紧急情况时触发，系统立即向项目负责人发出强烈报警，并建议自动停止升降作业。3.2 基于AHP- 模糊综合评价的安全性模型

单一的预警指标难以反映脚手架的整体安全状况。为此，本研究将构建系统全面的评价指标体系和综合评价模型。

1. 构建评价指标体系

根据相关规范和专家问卷调查法，建立表 1 所示的综合评价指标层次结构模型。该体系包含目标层，准则层（结构安全U1、作业环境U2、安全管理U3）和指标层（共 8 个指标）。

表1 安全性评价指标层次结构模型

2. 基于AHP 确定指标权重

由表1 可知，附着式升降脚手架安全性目标的因素集由3 个准则层构成：

设计问卷调查，邀请安全专家，采用 1-9 标度法对各层级指标进行两两比较，构造判断矩阵。然后计算矩阵的特征向量和最大特征值，并进行一致性检验（CR<0.1）。通过计算，得到各指标的权重集W。

表2 准则层对目标层的判断矩阵

W_U1=（0.652+0.625+0.667）/3=0.648

W_U2=（0.130+0.125+0.111）/3=0.122

W_U3=（0.217+0.250+0.222）/3=0.230

准则层对目标层的权重向量为 W=（W_U1，W_U2，W_U3）=（0.648，0.122，0.230），表明专家认为结构安全是最重要的准则。

根据调查结果给出指标层的判断矩阵，并得出各指标层的权重：

（1）结构安全 U1 的判断矩阵：

列归一化并求行平均，得权重：

W_U1=（0.540，0.163，0.297）

（2）作业环境 U2 的判断矩阵：

权重：W_U2=（0.667，0.333）

（3）安全管理 U3 的判断矩阵：

权重：W_U3=（0.297，0.540，0.163）

（4）指标层对目标层的总权重

总权重向量：（0.350，0.106，0.192，0.081，0.041，0.068，0.124，0.038）3. 模糊综合评价

确定评价集：设V={V1，V2，V3，V4}={ 安全，较安全，注意，危险}。

建立隶属度矩阵R ：邀请专家组成员根据实时监测数据和历史记录，对每个指标 U_i 隶属于评价集V 中各个等级的程度进行打分，形成模糊隶属度矩阵 R。进行模糊合成运算：首先进行一级模糊综合评价，即对每个准则层的指标进行综合评价，然后，将准则层的评价结果作为新的隶属度矩阵，进行二级综合评价，得出评价结果：对最终得到的综合评价向量 A 进行归一化处理，根据最大隶属度原则，即可确定脚手架当前的整体安全等级。假定隶属度矩阵如表3 所示：

表3 隶属度矩阵R

模糊综合评价结果：

准则层权重 W=（0.648，0.122，0.230）总评判矩阵 R= （B1;B2;B3）

最终评价向量 A=（0.340，0.389，0.240，0.030）

根据最大隶属度原则，最大值为 0.389，对应评价等级“较安全”。但“注意”等级的隶属度也达到 0.240，说明需关注部分指标的变化，尤其是荷载状态和人员合规性等方面，加强监控与管理。

四、附着式脚手架安全监测预警系统架构设计与实现

安全监测预警管理系统可以优化管理施工过程中附着式脚手架结构的设计、评估和施工管理。系统通过数字化手段提升工作效率，确保施工质量和安全性，并有效管理相关风险。

4.2 附着式脚手架安全管理预警系统模

1. 工程数据的处理模块分析

该功能能够对附着式脚手架的工程结构设计数据进行接收和解析，分析数据的准确性，对数据进行整合与存储，形成强大的数据库，能够进行检索并用于后续的管理和分析。

2. 力学模型管理模块分析

基于导入的工程数据，自动生成附着式脚手架结构的力学模型。根据设计需求手动调整模型参数，以满足特定的设计需求。对生成的力学模型进行验证，确保其符合相关的力学原理和标准。帮助设计师改进模型，提高支撑架结构的安全性和经济性。

3. 脆弱性评估

基于力学模型，对支撑架结构进行脆弱性评估，识别潜在的风险点。利用先进的算法和仿真技术，预测在不同工况下的结构表现。自动生成详细的脆弱性评估报告，展示各关键部位的脆弱性等级和改进建议。根据脆弱性评估结果，提供具体的改进措施，帮助设计师优化支撑架结构。

4. 施工管理

根据设计图纸和力学模型，制定详细 明确各阶段的任务和 时间节点。支持灵活调整施工计划，适应不同的施工环境和要求。实时 况。提供可视化界面展示施工进度，方便管理者随时了解当前施工情况。记录施工过程 质量控制数据，确 施 工质量符合设计要求。提供验收功能，确保每个施工环节都经过严格的质量检查。

5. 设备管理

记录并管理施工过程中使用的设备信息，包括型号、序列号、校准记录等。提供设备状态监控功能，确保设备处于最佳工作状态。根据施工计划合理调度设备，避免资源浪费。提供设备维护提醒功能，延长设备使用寿命。记录设备故障的发生时间和原因，及时通知相关人员进行处理。提供故障追踪功能，帮助管理人员分析故障趋势，制定预防措施。

6. 风险管理

对附着式脚手架结构工程设计中可能遇到的各种风险进行识别和评估。利用历史数据和专家经验，预测潜在风险的发生概率和影响程度。根据风险评估结果，制定相应的应对策略，降低风险发生的可能性和影响。提供应急预案，确保在风险发生时能够迅速采取措施。

五、结论

本研究提出了一套集成物联网、人工智能的附着式脚手架智能安全监测系统。研究表明：技术集成可行有效，通过多源传感器网络和无线通信技术，能够实现脚手架安全状态的全面感知与实时传输；构建的“物- 环境- 人”多维预警指标体系和 AHP 评价模型，能够全方位地评估和保障脚手架的安全状态；该系统将传统被动式、经验式的安全管理转变为主动式、数据驱动的智能管理，显著提高了监测效率与准确性，为预防和减少脚手架安全事故提供了强有力的技术工具。

参考文献

1] 谭康. 基于人工智能的脚手架安全监测系统 [J]. 建筑安全，2022（37）：16-19.

[2] 徐友全，贾美珊. 物联网在智慧工地安全管控中的应用[J]. 建筑经济，2019，40（12） ：1

[3] 王文剑，沃佳龙，黄钦亮 . 基于 BIM 的附着式升降脚手架智能安全监测［J］. 建设科技，2020（22）：34-36.

[4] 张萌，韩豫，刘泽锋 . 深度学习下建筑工人高空安全防护装备检测方法 [J]. 中国安全科学学报，2022，32（05） ：140-146.

项目来源：大学生创新创业训练计划项目项目名称：基于人工智能的附着式脚手架安全监测系统研究

项目编号：202513208043