Genom observationer, intervjuer och datainsamling med 3D-sensorer analyserades beteendemönster och riskområden på utvalda byggarbetsplatser. Resultaten användes sedan för att kommunicera och utveckla konkreta lösningar för att minska riskerna. Rapporten ger en översikt av metodologin, datainsamlings- och analysprocessen samt betonar vikten av att förstå både teknologins möjligheter och begränsningar för att skapa en säkrare arbetsmiljö på byggarbetsplatser.
Rapporten är skriven av Maria Ulan, Mikael Söderman och Bodil Ahlström, RISE
Bakgrund
Det sker många arbetsrelaterade olyckor inom byggsektorn. Statistik från Arbetsmiljöverket indikerar att det årligen sker cirka 3 700 olyckor som lett till sjukskrivningar under de senaste åren inom branschen. Olyckor med dödligt utfall är höga inom byggsektorn, av de 24 dödliga olyckorna 2020 var 10 inom byggsektorn. Med detta projekt vill vi förbättra säkerheten på byggarbetsplatser.
– Det allra viktigaste resultatet är ju att vi faktiskt lyckades – på den relativt korta projekttiden – att bidra till förbättrad säkerhet och arbetsförhållande på de två testsiterna vi använde oss av. Bodil Ahlström, Rise är projektledare. Här berättar hon mer om resultaten från projektet.
Baserat på projektpartnernas erfarenhet fokuserar projektet på att tidigt upptäcka när personal på byggarbetsplatsen är på väg in i farliga situationer och reducera risken genom ”nudging”. Kraftsamling – AI i samhällsbyggandet.
För att uppnå det övergripande målet är detta projekt inriktat på två fokusområden, introducera AI på byggarbetsplatser för att identifiera avvikande beteende bland arbetarna på byggarbetsplatser och säkerhetsrelaterade förändringar i miljön och situationsanpassad interaktionen mellan infrastrukturen/detektorsystemet och slutanvändarna (personal på byggarbetsplatsen) för att förbättra och bibehålla säkerheten.
Projektet bygger på spårning (tracking) och förutsägelse (prediction) av trafikanters beteenden från trajektorier för till exempel fotgängare som i sin tur användes i en maskininlärningsbaserad mjukvara för att förutsäga trafikanternas intentioner. Av de upptäckta intentionerna kan systemet förstå vad som händer i området. Dessutom skulle den kunna informera och varna specifika människor om de avvikande och potentiellt farlig situation.
Data som samlas (trajektorier och bilddata) kan användas för att utveckla och validera en modell som kan ligga till grund för att skapa lösningar som bygger på principerna om så kallad "nudging" för att bidra till ett säkrare beteende bland de som arbetar på byggarbetsplatser.