基于人格特质和机器学习分类算法的建筑工人不安全行为识别

摘要：

获取建筑工人个性特征是实现其不安全行为精准化、个性化干预管理的重要前提,而人格特质是分析建筑工人个性特征的重要依据.以292名一线建筑工人为研究对象,通过问卷调研和深度访谈探究人格特质与不安全行为之间的映射关系,基于大五人格生成不安全行为偏好,利用机器学习分类算法实现建筑工人的不安全行为识别.研究表明:高外倾性、中神经质、中宜人性、低责任心、低开放性映射习惯偏差型不安全行为;中外倾性、低神经质、低宜人性、低责任心、高开放性映射程序偏差型不安全行为;中外倾性、高神经质、中宜人性、高责任心、中开放性映射感知偏差型不安全行为;中外倾性、中神经质、中宜人性、中责任心、中开放性映射技能偏差型不安全行为.同时通过比选分类与回归树(classification and regression tree,CART)、随机森林(random forest,RF)、自适应提升树(adaptive boosting,AdaBoost)和梯度提升决策树(gradient boosting decision tree,GBDT)四种分类算法模型的评估指标,结果发现GBDT算法的不安全行为预测性能最优.

关键词：建筑工人、不安全行为、人格特质、分类算法、行为识别

所属期刊栏目：22

分类号：TU714(建筑施工)

资助基金：国家自然科学基金;教育部人文社会科学研究项目;江苏省研究生科研与实践创新计划项目;中国建设教育协会教育教学科研课题重点项目

在线出版日期：2022-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：13013-13020