基于人工智能从通用属性预测独立施工安全结果
机器学习
2026-05-21 v3 机器学习
摘要
本文显著改进并完成了对先前研究中提出的、利用机器学习从属性预测安全结果方法的验证。如同原始研究，我们使用自然语言处理（NLP）从原始事故报告中提取基本属性，并训练机器学习模型来预测安全结果。此处预测的结果包括伤害严重程度、伤害类型、受影响身体部位和事故类型。然而，与原始研究不同，安全结果并非通过 NLP 提取，而是由独立人工标注提供，从而消除了预测变量与被预测变量之间任何潜在的人为相关性来源。结果表明属性仍具有高度预测性，证实了原始方法的有效性。当前研究带来的其他改进包括使用（1）包含超过 90,000 份报告的更大数据集，（2）两种新模型 XGBoost 和线性 SVM（支持向量机），（3）模型堆叠，（4）具有更恰当性能指标的更直接实验设置，以及（5）每类别属性重要性分数分析。最后，伤害严重程度结果得到了良好预测，而这在原始研究中并未实现。这是一个重大进展。
引用
@article{arxiv.1908.05972,
title = {AI-based Prediction of Independent Construction Safety Outcomes from Universal Attributes},
author = {Henrietta Baker and Matthew R. Hallowell and Antoine J. -P. Tixier},
journal= {arXiv preprint arXiv:1908.05972},
year = {2026}
}
备注
Added author contributions and journal reference, updated corresponding author, fixed a few typos