Physica A 515 (2019) 419-429

listas de contenidos ofrecidos en ScienceDirect

Un Physica
revista Página de inicio:
www.elsevier.com/locate/physa

leyes estadísticas en tiempo de comportamientos

peligrosos de los trabajadores en la industria de la
construcción: Un estudio de caso
*
Shengyu Guo una, Pan Zhang segundo, , Lieyun Ding segundo
una
Escuela de Economía y Gestión de la Ciencia y el Instituto de Gestión e Ingeniería de la Universidad de
Geociencias de China, Wuhan, China
segundo
Facultad de Ingeniería Civil y Mecánica y el Instituto de Gestión de la Construcción, Universidad Huazhong de
Ciencia y Tecnología, Wuhan, China

reflejos

• leyes en tiempo estadística se exploran para analizar las fluctuaciones en el comportamiento inseguro durante la construcción.
• Las distribuciones de tiempo interevent de distribuciones de grasa de cola muestran un comportamiento inseguros de los
trabajadores.
• comportamiento inseguro Trabajadores tiene las características de explosividad y la memoria.
• actos inseguros frecuentes y generalizadas se encuentran en diferentes tipos de trabajadores y fases de construcción.

articl mi info resumen

Historia del artículo: La industria de la construcción es extremadamente alto riesgo, y el comportamiento

Recibido el 24 de mayo de 2018 peligroso de los trabajadores se piensa que es un factor crítico en el que el nivel de
Recibida en forma de 28 revisada de riesgo. Teniendo en cuenta la limitación de que los estudios existentes simplemente
julio de 2018 Disponible en línea xxxx analizan la relación entre el comportamiento inseguro y el factor tiempo, este
palabras clave: documento utiliza un estudio de caso para explorar dos aspectos de las leyes en tiempo
Ley de estadística de comportamientos peligrosos de los trabajadores: (i) las características de
estadística las distribuciones del tiempo interevent y (ii) reglas de asociación para los diferentes
comportamiento tipos de los trabajadores. En primer lugar, los actos inseguros de los trabajadores en el
inseguro sitio de la construcción de un metro se recogen y clasifican. En segundo lugar, las
de reglas de asociación distribuciones del tiempo interevent de comportamientos peligrosos de los trabajadores
dinámica humana
de diferentes tipos se analizan a través de un enfoque de la dinámica humana. Por
algoritmo Apriori
último, una base de datos de minería regla se construyó, a partir del cual las reglas de
asociación en relación con el comportamiento inseguro, tipo trabajador y fase de
construcción se determinan usando el algoritmo Apriori. Los resultados indican que las
distribuciones de tiempo interevent son la grasa de cola y mostrar que el
comportamiento inseguro de los trabajadores tiene las características de explosividad y
la memoria. Además, existe 'fase de construcción comportamiento inseguro' las fuertes
normas para los diferentes tipos de los trabajadores. La investigación presentada en este
documento puede facilitar una mejor comprensión de los patrones de comportamiento
inseguros de los trabajadores y por lo tanto puede ser utilizado para controlar los actos
inseguros frecuentes y generalizadas entre los diferentes tipos de trabajadores en
diferentes fases de construcción. 'fase de construcción comportamiento inseguro' las
fuertes normas existen para diferentes tipos de trabajadores. La investigación
presentada en este documento puede facilitar una mejor comprensión de los patrones de
comportamiento inseguros de los trabajadores y por lo tanto puede ser utilizado para
controlar los actos inseguros frecuentes y generalizadas entre los diferentes tipos de
trabajadores en diferentes fases de construcción. 'fase de construcción comportamiento
inseguro' las fuertes normas existen para diferentes tipos de trabajadores. La
investigación presentada→ en este documento puede facilitar una mejor comprensión de
los patrones de comportamiento inseguros de los trabajadores y por lo tanto puede ser
utilizado para controlar los actos inseguros frecuentes y generalizadas entre los
diferentes tipos de trabajadores en diferentes fases de construcción.
© 2018 Elsevier BV Todos los derechos
reservados.
1. Introducción

Como uno de los riesgos de seguridad en obras de construcción, comportamiento inseguro de los trabajadores a
menudo causa accidentes e incidentes que pueden resultar en la muerte y pérdidas económicas. Después de estudiar
cerca de 75.000 accidentes, Heinrich encontró que el 88% de todos los accidentes industriales fueron causadas
principalmente por actos inseguros [1]. Los resultados estadísticos obtenidos por Du Pont en los últimos diez años

* Autor correspondiente.
Dirección de correo electrónico: zhangpan2017@hust.edu.cn (P. Zhang).

https://doi.org/10.1016/j.physa.2018.09.091
0378-4371 /© 2018 Elsevier Todos los derechos reservados.
420 S. Guo et al. / Physica A 515 (2019) 419-429

tabla 1
Los ejemplos de actos inseguros en fases de construcción específicos de la construcción escudo de túnel.

indicó que 96% de las lesiones eran debido a actos inseguros en lugar de condiciones inseguras [2]. Para entender los
patrones de comportamiento de los trabajadores para la prevención de accidentes, muchos estudios se centraron en la
exploración de las interrelaciones entre el comportamiento inseguro y diversos factores. En términos del aspecto
temporal, datos suficientes de las obras de construcción obstaculizan el proceso de analizar el comportamiento inseguro
[3]. En combinación con las tecnologías avanzadas, el estado de la técnica de los estudios han comenzado a explorar
cómo adquirir datos sobre el comportamiento en tiempo real de las obras de construcción y comportamiento inseguro
de los trabajadores de control de uso de estos datos. Por ejemplo, Guo et al. [4] Desarrollado un método de
identificación en tiempo real basados en el esqueleto de reconocer comportamientos inseguros mediante la
simplificación de movimientos dinámicos en posturas estáticas. Li et al. [5] Utilizó el Sistema de Gestión de la
Construcción proactiva (PCMS) para proporcionar un análisis de visualización posterior al evento de comportamiento
inseguro en la formación. Teizer y Cheng [6] Diseñado un marco alrededor de la tecnología de seguimiento de
localización en tiempo real para analizar los conflictos espacio-temporales entre los trabajadores-en-pie y peligros
identificados. Sin embargo, los datos generados en el lugar no han sido plenamente explotado para explorar la relación
entre el comportamiento inseguro y el factor tiempo. Debido a la característica única industria de la construcción de
cambiar de lugar de trabajo, un proceso estocástico se utilizó para formular los comportamientos individuales de los
trabajadores [7]. La situación es diferente cuando los comportamientos de los trabajadores son considerados como
diferentes tipos de comportamientos de grupo durante la construcción. Zhou et al. [8] Observó que el nivel de riesgo en
proyectos de construcción sube y baja continuamente durante toda la construcción, pero no pudieron analizar las
fluctuaciones del comportamiento inseguro con el tiempo.
De hecho, algunos tipos de comportamiento inseguro cambian dinámicamente con fases de construcción debido a los
trabajos de construcción fluido e intensivo. Mesa 1 enumera varios actos inseguros posibles que se producen en las fases
de construcción específicos de la construcción de túneles escudo. Ellos han sido previamente identificados a través de la
experiencia de expertos, lo que lleva a someter a sesgos y resultados inexactos. Las fluctuaciones en los actos inseguros
comunes, como los trabajadores no usar cascos, también puede ocurrir durante la construcción. falta de homogeneidad
vez en el comportamiento inseguro debe ser verificado por las leyes de tiempo estadístico. leyes-Time estadística
abordan el análisis del comportamiento, y dos aspectos son examinados en este estudio: (i) las características de
distribución del tiempo de interevent y (ii) reglas de asociación para los diferentes tipos de los trabajadores. Las leyes
reflejan las fluctuaciones en el comportamiento inseguro en el proceso de construcción. Una vez identificadas estas
leyes, distribuciones temporales de comportamiento inseguro serán revelados a comprender mejor los patrones de
comportamiento negativo de los trabajadores en la industria de la construcción. Además, los actos inseguros críticos
entre los diferentes tipos de trabajadores en diferentes fases de la construcción pueden ser claramente determinada para
un control adicional en el sitio. Es de gran importancia teórica y práctica para la gestión de la seguridad y prevención de
accidentes.
 S. Guo et al. / Physica A 515 (2019) 419-429 421
Nuestra comprensión de la conducta humana ha mejorado con el desarrollo de la ciencia de la complejidad. En los
últimos años, los estudios sobre la dinámica humana han atraído una mayor atención [9,10]. Teniendo en cuenta que
ciertos comportamientos no ocurren al azar a través del tiempo y el espacio, los cambios en la ley de una distribución de
Poisson a una distribución de ley de potencia [11]. Algunos métodos basados en datos, incluidas las redes complejas,
análisis de conglomerados y regla de asociación se utilizan para explorar adicionalmente las características estadísticas
detalladas se refleja en una distribución tal. Entre estos métodos, la regla de asociación refleja la dependencia mutua y
422 S. Guo et al. / Physica A 515 (2019) 419-429

relevancia entre objetos [12], Que ha sido identificado en el campo de la seguridad en la construcción [13,14]. En
combinación con el análisis de la dinámica humana y la minería de reglas de asociación, las leyes estadísticas en tiempo
de comportamientos peligrosos de los trabajadores pueden ser revelados.
Con esto en mente, el presente trabajo tiene como objetivo encontrar las leyes en tiempo estadística que rigen el
comportamiento inseguro de los trabajadores en un estudio de caso a través de dos pasos. En primer lugar, las
distribuciones del tiempo interevent de comportamiento inseguro de los trabajadores se analizan a través de un enfoque
de dinámica de humanos, para ilustrar la distribución de ciertos tipos con características no homogéneas. En segundo
lugar, la regla de asociación se utiliza para encontrar la relación entre el comportamiento de fase, el tipo de trabajador
de la construcción y peligroso de los trabajadores. Comportamientos necesarios para el control crítico entre los
diferentes trabajadores de las diferentes fases de construcción se determinen otras, y por lo tanto los administradores
pueden trabajar para mejorar los niveles de gestión de la seguridad de comportamiento en la industria de la
construcción.

1.1. La investigación sobre el análisis del comportamiento inseguro de los trabajadores en la construcción

Estudios recientes han explorado principalmente el efecto de los factores de impacto y sus interacciones en el
comportamiento peligroso de los trabajadores en función de tres aspectos. (I) Los factores psicológicos y fisiológicos.
Leung et al. [15] Investigado las relaciones entre los estresores laborales, el estrés, el comportamiento, la seguridad y
accidentes. Fang y col. [dieciséis] Explorado el efecto de la fatiga sobre el rendimiento de comportamiento seguridad de
los trabajadores de la construcción. Ju et al. [17] Estudiaron las condiciones de contorno del agotamiento emocional que
provoca comportamientos inseguros. (Ii) La organización y los factores de manejo. Zhang et al. [18] Percibido y
verificado causales relaciones e interacciones entre los facilitadores y los objetivos de las conductas de seguridad de los
trabajadores de la construcción. Gambatese et al. [19] Estudiaron la relación sinérgica entre la construcción sin pérdidas
y el comportamiento de seguridad. Choi et al. [20] Explorado el papel de las normas sociales en el comportamiento de
seguridad de los trabajadores de la construcción. Jitwasinkul et al. [21] Estudiaron la influencia de los factores de
organización (por ejemplo, el control de liderazgo, compromiso de la dirección, la participación y el nodo de control del
comportamiento percibido) en las conductas de trabajo seguras. Fang y col. [22] Señaló tanto la directa y los impactos
indirectos de la conducta de supervisión sobre el comportamiento de seguridad de los trabajadores. (Iii) factores
integrales. Mohammadefam et al. [23] Señaló que los factores psicológicos (por ejemplo, la actitud de seguridad,
conocimientos de seguridad, el medio ambiente de apoyo) eran el mejor predictor del comportamiento de seguridad.
Wang et al. [24] Estudiado los factores críticos que influyen en caminos y las tolerancias al riesgo la seguridad de los
trabajadores de la construcción. Guo et al. [25] Explorado los efectos de los factores climáticos de seguridad clave y los
factores individuales en el comportamiento de la seguridad.
En resumen, el análisis del comportamiento inseguro de los trabajadores se centró en la exploración de la correlación
entre la seguridad del comportamiento y factores internos (psicológicos y factores fisiológicos), los factores externos
(organización y factores de manejo) y factores integrales. Sin embargo, los estudios existentes simplemente discutir la
correlación entre el comportamiento inseguro y el factor tiempo, y por lo tanto, las leyes de estadística en tiempo de
comportamientos peligrosos de los trabajadores aún no se han revelado.

1.2. La dinámica humana

La distribución de Poisson [26] Ha sido ampliamente utilizado en los modelos cuantitativos de la actividad humana;
bajo esta distribución, los patrones de comportamiento humano se consideran azar y estable, los intervalos entre los
eventos son pequeñas, y los intervalos de largo plazo son raros. En 2005, Barabási [11] Propuso un modelo simple
llamado dinámica humana. Bajo este modelo, el tiempo de interevent de ciertos comportamientos humanos se
caracteriza por una distribución de grasa de cola, que se desvió de la proceso de Poisson. El intervalo de tiempo de la
actividad humana es altamente heteropical; hay eventos ocurren durante un largo periodo de tiempo, y luego se
producen muchos eventos en períodos cortos de tiempo entre periodos largos sin incidentes. Varios estudios sobre los
registros móviles [27], [actividades de correo electrónico9] y análisis web [10] Encontró que el tiempo interevent siguió
una distribución de ley de potencias con exponentes de potencia entre 1 y 3. En la industria de la construcción, los
estudios de la dinámica humana se centraron en el análisis de accidentes. Zhou et al. [28] Se utiliza la teoría de redes
para explorar la complejidad de una red accidente de la construcción del metro (SCAN), en la que el grado de
distribución acumulativa sigue una distribución de ley de potencia. Zhou et al. [29] Exploró la serie temporal accidente
cerca de perder el uso de la teoría de redes complejas, y los resultados mostraron que la red tenía características de
mundo pequeño que fueron muy agrupadas en estructuras jerárquicas. Sin embargo, la dinámica humana no ha sido
utilizado para analizar el comportamiento inseguro, en el que una distribución del tiempo interevent se pudo observar a
la falta de homogeneidad determinar el tiempo de los trabajadores de los trabajadores comportamiento inseguro.

1.3. Las aplicaciones de la regla de asociación

regla de asociación es un enfoque para la minería de datos que se aplicó inicialmente en entornos comerciales [30].
 S. Guo et al. / Physica A 515 (2019) 419-429 423
En la industria de la construcción, Verma et al. [31] Investigado e identificado los principales factores que contribuyen y
las causas profundas de la ocurrencia de incidentes. Cheng et al. [32] Introdujo una perspectiva de la minería de reglas
de asociación de múltiples niveles basada en GA para el análisis de defectos en la industria de la construcción para
determinar las relaciones entre los defectos y las causas de defectos. Además, en el campo de seguridad, Liao y Perng
[13] Encontrado a través de la minería de reglas de asociación que la lluvia tiene un efecto muy significativo sobre la
ocurrencia de muertes. Cheng et al. [14] Se utiliza la regla de asociación en el análisis de 1347 accidentes, identificar
posibles riesgos en los proyectos de construcción de Taiwán. En conclusión, se utilizó la regla de asociación para
analizar los factores que afectan a accidentes y lesiones en la gestión de seguridad de la construcción, que tiene una
naturaleza de histéresis. Exploración de la ley de comportamiento inseguro de los trabajadores a través de la minería de
datos estadísticos utilizando la regla de asociación es un control en proceso que puede fortalecer los niveles de gestión
de la seguridad en el lugar y reducir efectivamente la tasa de accidentes.
424 S. Guo et al. / Physica A 515 (2019) 419-429

Tabla 2
Los diferentes tipos de comportamiento inseguro.
Tipo de insegura behaviorExplanation
Civilizado inadecuadas de manipulación de materiales de construcción Constructionworkers' y residuos de la construcción y no prestar atención a
señales de advertencia de seguridad
Fuego comportamiento inseguro fightingWorkers' durante el funcionamiento de incendios y protección contra el fuego y la no utilización de explosión
proteccion
comportamiento inseguro ScaffoldingWorkers' durante la instalación de andamios y desmantelamiento
zanja comportamiento inseguro supportingWorkers' en el proceso de fundación de excavación, el apoyo, la precipitación y Encofrado de
drenaje comportamiento inseguro engineeringWorkers' durante el almacenamiento, transporte, apoyo y desmontaje de la construcción
de encofrados túnel por el escudo comportamiento inseguro methodWorkers' durante la construcción del túnel por el escudo método
la construcción de túneles por la minería comportamiento inseguro methodWorkers' durante la construcción del túnel
por el método de minería de Seguridad protectionWorkers fracaso de utilizar
correctamente los equipos de protección individual (PPE)
Torre comportamiento craneWorkers' insegura durante la instalación, el desmontaje y el funcionamiento de la torre grúas
Portal comportamiento craneWorkers' insegura durante la instalación, desmontaje y funcionamiento del pórtico grúas
La construcción de comportamiento inseguro elevatorWorkers materiales durante la instalación, desmontaje y funcionamiento del edificio elevadores
de material LiftingWorkers comportamiento inseguro en el proceso de levantamiento
Construcción comportamiento inseguro equipmentWorkers' utilizando las máquinas de corte de acero, máquinas de soldadura, y
mezcladores de construcción en pista túnel comportamiento inseguro areaWorkers' en el proceso de construcción y la conducción en el
túnel área de la pista agujero de excavación manual comportamiento inseguro pileWorkers' en el
proceso de excavación manual de agujero hemorroides
BlastingWorkers comportamiento inseguro en el proceso de almacenamiento de equipos de voladura, chorro de arena precaución y
carga de pólvora
Construcción de comportamiento inseguro electricityWorkers' relacionada con en el sitio electricidad

2. Enfoque de investigación

Para analizar las leyes estadísticas en tiempo de comportamientos peligrosos de los trabajadores, un estudio de casos
[33] fue adoptado. El caso seleccionado para este estudio es de una empresa de construcción de metro con tres tramos
en obras en Wuhan. Una de las principales ciudades de Hubei, China, Wuhan está implementando un programa de
construcción de metro con trece líneas en construcción al mismo tiempo en 2018. Los trabajadores se enfrentan a un
entorno de construcción complicada en el lugar, además de los riesgos potenciales de comportamiento causados por
una obra de construcción altamente congestionado y condiciones geológicas e hidrológicas complejas. Por lo tanto, en
aras de la prevención de accidentes, directivos de la empresa nos querían ayudar a que enumeren los riesgos de
comportamiento críticos en diferentes fases de construcción.

2.1. La recolección de datos y clasificación

Para garantizar la seguridad, la empresa requiere diariamente controles de seguridad e inspecciones de campo, en el
que los peligros potenciales de seguridad se registran a través de descripciones o fotografías. Sin embargo, este material
no había sido bien utilizados para la gestión de la seguridad. Por lo tanto, se eligió una sección (incluyendo una estación
y cuatro túneles), y un nuevo proceso fue diseñado y siguió tres etapas: (i) los comportamientos inseguros (actos) se
determinaron como acciones peligrosas observables por los trabajadores; (Ii) durante la inspección de seguridad en el
lugar, se requirió que los ingenieros para registrar comportamientos inseguros con una aplicación móvil [34] Y para
proporcionar información específica, incluyendo el tiempo, descripciones y fotografías; (Iii) los miembros del equipo
analizaron estos registros una vez cada dos semanas, y los registros seleccionados de alta calidad. Algunos registros
fueron rechazadas debido a que las fotografías no estaban claras, repetitivas o que no corresponden a las descripciones.
Para distinguir y clasificar los comportamientos inseguros, se identificaron diecisiete tipos deMesa 2. Todo el proceso
duró casi un año (de marzo 2015-febrero 2016), y actos inseguros 1542 se obtuvieron de más de 3000 registros para el
análisis estadístico. Las tasas de diferentes tipos se muestran en laHigo. 1.

2.2. análisis estadístico

Este estudio utiliza el análisis estadístico para explorar la ley de comportamiento inseguro de los trabajadores. El
proceso incluye dos partes: análisis de la dinámica humana y mineras regla de asociación. análisis de la dinámica
humana se utiliza para determinar el tiempo de las propiedades estadísticas de comportamientos peligrosos de los
trabajadores. La información de tiempo se extrae de los actos inseguros recolectados para explorar las distribuciones de
tiempo interevent. Burstiness y la memoria se seleccionan para medir estas distribuciones, y estos parámetros se han
utilizado ampliamente en varios estudios [35,36]. Burstiness se refiere a mejora de forma significativa los niveles de
actividad durante períodos cortos de tiempo, seguido por largos períodos de inactividad. En la dinámica humanos,
explosividad se ha reducido a la naturaleza grasa de cola de la distribución de tiempo de respuesta [11]. Para analizar y
comparar la diversidad de las distribuciones de tiempo interevent en la que emerge, un diagnóstico de ráfagas
herramienta de caracterización ha sido desarrollado para cuantificar la magnitud y el origen de los patrones observados
en ráfagas diferentes tipos de actos inseguros. El coeficiente de variación (CV) definida como στ / mτ es una medida
 S. Guo et al. / Physica A 515 (2019) 419-429 425
normalizada de dispersión de una distribución de probabilidad, en donde mτ y στ son la media y la desviación
estándar de P (τ). El CV se puede utilizar para calcular explosividad, como se ve en la fórmula(1):
στ /metroτ - 1 στ - (1)
segundo ==
metroτ
στ /metroτ + 1 στ + metroτ
426 S. Guo et al. / Physica A 515 (2019) 419-429

Figura 1. Las tasas de actos inseguros de diferentes tipos.

Esta definición es significativo cuando existen tanto la media y la desviación estándar de P (τ) [37]. B tiene un valor en el
- ==
intervalo unida (1, 1). Para una distribución de Poisson mτ στ, y por lo tanto, B 0. Para una distribución grasa de cola, στ es
considerablemente mayor que mτ, y por lo tanto, B se aproxima a 1.
La memoria es también un parámetro para describir la serie de tiempo de actividad observado en varios sistemas
complejos [38,39]. Es positivo cuando tiende un corto (largo) tiempo interevent para ser seguido por un corto (largo)
uno. Las propiedades de correlación [40] Entre
dos veces interevent τ y τ ' separados por eventos k puede ser calculado por C (k) = [(τyo - metroτ ) (Τyo+k - metro
τ τ )] / σ .
2

Dado que
coeficiente de correlación de valores consecutivos de tiempo interevent (ri, ri + 1), el coeficiente de memoria M se calcula
por la fórmula (2):
norter -1

1 Σ (ryo - metro1) (R yo+1 -

MET (2)
metro 2)
RO
norter σ1σ2
= yo
-1 =1

donde nr representa los elementos totales de la secuencia de tiempo interevent, ri es el valor del elemento i, el ex nr - 1
- de este último nr 1 consisten de secuencia 2, m1 y m2 son las medias de
elementos constan de secuencia 1, los elementos
las secuencias 1 y 2, respectivamente, y σ1 y σ2 son las desviaciones estándar de las secuencias 1 y 2, respectivamente.
M tiene un valor en el intervalo (1, 1), donde M> 0 representa la memoria positiva y M <0 representa la memoria
-
negativo.
la minería de reglas de asociación se utiliza para encontrar elementos ocultos en la relación entre los atributos de una
gran base de → datos, que se expresa en forma XY, donde X es el antecedente e Y es la consecuencia [41]. En la
construcción, los actos inseguros de diferentes tipos tienen una fuerte relación con los tipos de trabajadores, y los
cambios en los actos inseguros de los trabajadores a través del tiempo también están altamente correlacionadas con las
fases de construcción. Por lo tanto, las reglas se generan entre acto inseguro, tipo trabajador y fase de construcción. El
apoyo, la confianza y la elevación son tres indicadores para evaluar la eficacia y la importancia de cada regla de
asociación [42,43]. El apoyo es una medida de la frecuencia con X e Y aparecen juntos en la base de datos; es el
porcentaje de transacciones que contienen tanto X e Y, y se calcula por la fórmula(3):
num(XY)∪ PAG∪
(XY) (3)
Apoyo(X ∪ Y ) ==
num(YO ) PAG (YO )
∪ representa la probabilidad de ocurrencia de elemento∪ajusta XY, P (I) representa la probabilidad de ocurrencia
donde P (XY)
= ∪de datos I, P (I) 1, num (XY) representa el número de ocurrencia
de la base ∪ de elemento ajusta XY, y num (I) representa el
número de ocurrencia de base de datos I.
La confianza es la probabilidad condicional, es decir, el porcentaje de las transacciones que contienen X que también
contienen Y, y se calcula por la fórmula (4):
Apoyo(XY) ∪ PAG∪
 S. Guo et al. / Physica A 515 (2019) 419-429 427
XY)
Confianza(X → Y ) == (4)
Apoyo(X ) PAG (X )
donde P (X) representa la probabilidad de ocurrencia del punto X y Support (X) representa el apoyo de elemento X.
La idea de ascensor es comparar la confianza de la regla de asociación con la ocurrencia de elemento Y porque un alto valor
de la confianza podría ser debido a la alta posibilidad de que originalmente elemento Y [44]. Ascensor es la relación de
confianza a la aparición de Y
428 S. Guo et al. / Physica A 515 (2019) 419-429

Figura 2. Interevent tiempo de los diferentes tipos de comportamiento.

solo en la base de datos y se calcula por la fórmula

(5):
(5)
Confianza(X → Y ) PAG| (YX)
Levantar (X → Y ) ==
Apoyo(Y ) PAG (Y)
| Y, P (YX) representa la ocurrencia de probabilidad
donde P (Y) representa la probabilidad de ocurrencia de elemento
condicional de elemento Y con la condición de que existe elemento X, y Support (Y) representa un apoyo de elemento de Y.
Algunas anotaciones adicionales también se utilizan en este documento:

s eventos ordinal
t intervalo de tiempo, la unidad es el día
PAG (T) Probabilidad cuando el intervalo de tiempo es t

3. Proceso y resultados

3.1. distribuciones de tiempo Interevent de comportamientos peligrosos de los trabajadores

Como se vio en Higo. 1, Las tasas totales de algunos tipos de comportamiento (construcción de la electricidad, la pila
agujero de excavación manual, equipos de construcción y demás) son aproximadamente el 5%, y por lo tanto, hay muy
pocos datos para analizar. Por lo tanto, se eligen nueve tipos de altas tasas de comportamientos peligrosos, es decir, de
zanja de apoyo, la construcción civilizada, protección de seguridad, ingeniería de encofrado, construcción de túneles
por el método de minería, andamios, la construcción del túnel por el método de escudo, seguridad en la construcción de
la pista de túnel área y elevación. Un gráfico del tiempo se muestra en la intereventHigo. 2, En la que el eje horizontal es
s y el eje vertical es t. Tanto las barras verticales y el pico en el eje horizontal corresponden a intervalos de tiempo más
largos. El intervalo de tiempo que corresponde a estos comportamientos tiene una distribución de grasa de cola, que se
desvía de la distribución exponencial.
Protección de seguridad se toma como un ejemplo, y IBM SPSS Statistics 19 se utiliza para el análisis adicional. Higo.
3(A) muestra el tiempo interevent de este tipo de comportamiento, en el que la cola de la distribución del tiempo de
interevent disminuye lentamente y no hay comportamientos inseguros ocurren durante un largo periodo de tiempo. Sin
embargo, trabajadores comportamientos inseguros irrumpen entre estos picos ''. Las propiedades estadísticas de tal
comportamiento inseguro ∞ en el tiempo no pueden ser descritos por la distribución de Poisson, pero están más
estrechamente igualadas por
la -a τ función de potencia p (τ). Higo. 3(B) muestra la distribución de probabilidad del tiempo interevent, que exhibe una
grasa de cola
distribución y sigue una función de potencia con un índice de poder de 1.225. Estas figuras ilustran que la probabilidad
de un intervalo de tiempo corto es considerablemente mayor que la de un intervalo de tiempo largo, lo que indica que
este tipo de comportamiento tiene algo de explosividad, similar a los otros tipos.
La explosividad y la memoria de los anteriores 9 tipos de comportamiento inseguro de los trabajadores se analizan
cuantitativamente por las fórmulas (1) y (2), Con los resultados mostrados en Mesa 3.
Los valores de B para estos 9 tipos de comportamiento inseguro son todos distintos de cero, lo que significa que
existe explosividad y que las distribuciones del tiempo de interevent obedecen a una distribución no Poisson. Los
valores de B en la construcción de túneles por el método de minería a cielo, andamios, protección de seguridad,
 S. Guo et al. / Physica A 515 (2019) 419-429 429
ingeniería de encofrado y bases de apoyo son más grandes que los otros tipos de comportamientos peligrosos, y las
distribuciones tienen claramente colas gruesas. Los valores de M son mayores que 0 para todos los tipos de
comportamiento inseguro a excepción de seguridad en la construcción en áreas de pista de túnel, lo que indica que
existe memoria en los otros 8 tipos. En conclusión, la explosividad y la memoria están presentes en este tipo de
comportamiento inseguro.
430 S. Guo et al. / Physica A 515 (2019) 419-429

Fig. 3. El análisis estadístico de los comportamientos inseguros en la protección de la seguridad.

Tabla 3
segundo y valores de M de los anteriores 9 tipos de comportamiento inseguro.
Tipo de insegura comportamiento BM
Civilizado construction0.177 - 0.34
La seguridad protection0.2271 0,193
seguridad en la construcción del túnel en la pista area0.0668 - 0,00068
zanja supporting0.39110.2736
Scaffolding0.22330.1948
la construcción de túneles por la minería method0.21330.5273
encofrado engineering0.3074 0,0521
Lifting0.05330.3544 -
la construcción del túnel por el escudo method.0.16770.1732

3.2. regla de asociación de comportamiento inseguro de los trabajadores

3.2.1. Base de datos

Los datos sobre el comportamiento inseguro de los trabajadores en la construcción de la estación se eligen a las
reglas de asociación de las minas porque no hay datos suficientes sobre los actos inseguros de la construcción de túneles
en la base de datos actual. Los actos inseguros recopilados contienen información de tiempo. La correspondencia entre
el comportamiento inseguro, el tipo y la fase de construcción trabajador debe ser identificado para construir una base de
datos para la minería regla.
Los ocho tipos tradicionales de trabajos de construcción en China son carpintero, barras de acero organismo, yesero,
trabajador de la albañilería, concreter, scaffolder, pintor y trabajador de impermeabilización. Teniendo en cuenta las
características de la construcción del metro, los trabajadores están divididos en trabajadores no cualificados,
montadores de andamios, emisores de barras de acero, trabajadores de plantilla, los soldadores eléctricos, electricistas y
operadores de máquinas. Los trabajadores no cualificados son los trabajadores no profesionales y operadores de
máquinas incluyen los operadores de grúas, excavadoras y los conductores de los conductores bulldozer.
A continuación, los comportamientos inseguros se corresponden con los tipos de trabajadores. Ciertos tipos de
comportamiento inseguro, tales como andamios y forma de trabajo, pueden corresponder a tipos trabajador específicos,
tales como scaffolder y trabajador de plantilla. Ciertos tipos de comportamiento inseguro pueden corresponder a
múltiples tipos trabajador; por ejemplo, puede implicar el levantamiento de los operadores de grúas, trabajadores de los
aparejos y de los trabajadores de señal. También hay comportamientos inseguros que corresponden a todo tipo de
trabajadores, tales como un tipo de comportamiento inseguro en la protección de seguridad que se conoce como de los
trabajadores que entran en el sitio de construcción sin usar un casco de seguridad '. La relevancia parcial de los
diferentes tipos de comportamiento inseguro a diferentes tipos de trabajadores se muestra en laMesa 4.
fases de construcción del metro se determinan de acuerdo a la Norma para diferenciar Unidad de Trabajo, División
de Trabajo y Barrio Trabajo de Transporte del carril (QGD-004-2005). Como se muestra enHigo. 4, Ingeniería estación de
metro se divide en seis sub-proyectos, incluyendo la estructura principal por el método a cielo abierto, la estructura
principal por el método de minería, y la estructura principal por el método de corte cubierta. recursos de datos vienen
de construcción de la estación por el método de corte abierto, que incluye ocho principales fases de construcción:
cubierta de fundación, excavación fundación, erección soporte temporal, inferior a bordo de excavación, inferior a bordo
de hormigonado, a bordo medio de hormigonado, techo a bordo de hormigonado y temporales desmantelamiento de
 S. Guo et al. / Physica A 515 (2019) 419-429 431
apoyo. Los registros de tiempo que contienen datos de comportamiento inseguros de los trabajadores se recogen para
identificar la información real de avance de la construcción. Tales datos se pueden utilizar para confirmar las fases de
construcción.
432 S. Guo et al. / Physica A 515 (2019) 419-429

Tabla 4
relevancia parcial de diferentes tipos de comportamientos peligrosos para diferentes tipos de trabajadores.
El comportamiento inseguro Tipo tipo de trabajador
Trabajador fuma en el sitio de construcción la construcción civilizada Todos
Trabajador establece tijeras de una manera no consistente con las regulaciones Andamio scaffolder
Dejando plantilla inminente unremoved encofrado de ingeniería trabajador de la
con la conducción de vehículos o carga mixta que están sobrecargados, demasiado la construcción del túnel por el método Operador
plantilla de
personal
anchas o innecesario entran en una zona peligrosa al levantar
demasiado altos Levantamiento
de la minería Operador
maquinaria de
posición de funcionamiento inestable de la excavadora Equipos de construcción Operador
maquinaria de
maquinaria

Fig. 4. Divisiones de ingeniería de la estación de metro.

Tabla 5
matriz booleana de la minería de datos operador de la máquina por las reglas de asociación.
Numero de evento ít
Fundación Fundación ......... trabajadores innecesarios entran en El transporte de los
recinto excavación zona
una peligrosa durante el objeto colgante
trabajadores por
1 T F ... levantamiento
T F
2 T F ... F T
3 F T ... T F
4 F T ... F T
...... ... ... ... ...... ......

3.2.2. Regla proceso de minería

Hay tres tipos de datos están contenidos en la base de datos: tipo de trabajador, fase de construcción y actos
inseguros. Para ciertos tipos de trabajadores, → la regla es la minería 'comportamiento inseguro fase de construcción'.
Debido a que los datos son discretos, se utiliza la regla de asociación de Boole.
Por lo tanto, se analiza la asociación entre el comportamiento inseguro y fase de construcción para determinar los
comportamientos inseguros que puedan ocurrir en cada fase utilizando IBM SPSS Modeler 14.1. Apriori algoritmo [45]
Se emplea en el proceso de minería de datos, que incluye tres etapas: (i) los conjuntos de elementos en la que los
soportes son mayores que el valor umbral establecido por el usuario se determinan a consistir en los conjuntos de
elementos frecuentes; (Ii) reglas fuertes se determinan a partir de conjuntos de elementos frecuentes, en los que
elementos con reglas →fuertes satisfacer la demanda de no sólo un apoyo mínimo sino también la confianza mínimo; y
(iii) las reglas de asociación fuertes eficaces son verificados por ascensor. Ascensor (XY)> 1 significa eficacia.
Tome operadores de la máquina como un ejemplo. En primer lugar, el comportamiento inseguro y fase de construcción
relevante se utilizan para construir una matriz booleana, como se muestra enMesa 5. Las filas representan artículos,
incluyendo las fases de construcción, por ejemplo, del recinto de cimentación y excavación fundación, y comportamientos
inseguros, por ejemplo, los trabajadores innecesarios entrar en una zona peligrosa durante la elevación y transporte de los
trabajadores por un objeto colgante. La columna representa el número de evento. De acuerdo con la información contenida en
cada caso, T representa la apariencia de un elemento, y F representa la desaparición de un elemento; artículos con la marca T
en la misma fila significa que aparecen al mismo tiempo.
El proceso de análisis de software se ilustra en la Higo. 5. La red que refleja vínculos entre el comportamiento inseguro y la
fase de construcción correspondiente está construido, y el grosor de sus líneas indica intuitivamente el grado de apoyo.
Soportes más allá del 5% representan los conjuntos de elementos frecuentes. El más fuerte →es '' FundaciónexcavationThere son
otra los trabajadores que operan las
actividades alrededor de la zona de operación de excavadora ''. A continuación, la regla fuerte se identifica más lejos de →
aquellos conjuntos de elementos. apoyo mínimo y la confianza están predefinidos como 9% y 20%, respectivamente. La regla
fuerte es satisfecha por '' Fundación de excavación Hay otros trabajadores que operan las actividades alrededor de la zona de
operación de excavadora ''. '' Fundación de excavación '' se expresa como artículo X, y '' Hay otras actividades en torno a los
trabajadores del área de operación de excavadora que operan '' se expresa como artículo Y.
Entonces, ascensor (X → Y ) = Confianza(X →Y ) = 25% ≈ 1.471 > 1.
Apoyo(Y) 17%

3.2.3. Regla resultado la

minería
 S. Guo et al. / Physica A 515 (2019) 419-429 433
→
La 'regla de la construcción comportamiento phaseunsafe' para los electricistas, soldadores eléctricos, emisores de
barras de acero, trabajadores plantilla, andamios y los trabajadores no cualificados se extraen de
acuerdo con el proceso anterior. Las reglas fuertes eficaces se muestran en laMesa 6.
 434 S. Guo et al. / Physica A 515 (2019) 419-429

Fig. 5. red de asociación de operadores de máquinas.

Tabla 6
reglas fuertes eficaces.
tipo de trabajador Fase de construcción El comportamiento inseguro Apoyo Confianza Levant
Los operadores de Fundación de excavación Hay otros trabajadores de las actividades de 0,096 0,250 ar
1,471
máquinas alrededor de la zona de operación de excavadora
explotación
Electricista Fundación de excavación Alambre para cables y cuerdas inserta 0,111 0,500 2.525
la toma
directamente en
soldador eléctrico erección apoyo temporal soldadura eléctrica en la altura sin usar un 0,307 0,646 1.360
cinturón de seguridad
colocador de barras Pensión media de Montaje de refuerzo en altura sin 0,094 0,261 1.160
de acero hormigonado prestar atención a los cables aéreos
scaffolder Techo a bordo de No establecer X-refuerzo de andamios 0,143 0,375 1,183
scaffolder erección apoyo temporal
hormigonado No poner tablón de andamio completo más allá de 0,119 0,556 3.124
soporte
la de encofrado
trabajador de la Techo a bordo de No se requieren medidas para evitar vertidos al 0,172 0,265 1,541
plantilla hormigonado gran encofrado
almacenar
Trabajador sin Inferior a bordo de No llevar puesto el casco de seguridad en el sitio 0,098 0,765 5,977
habilidad hormigonado

4. Discusión

El triángulo accidente propone que por cada 300 actos inseguros, hay 29 heridos leves y 1 lesión grave [1].
comportamiento inseguro de los trabajadores es la principal causa de accidentes en la industria de la construcción de
alto riesgo. Para revelar la relación entre el comportamiento inseguro y el factor tiempo, este documento utiliza un
estudio de caso sobre la construcción del metro para explorar el tiempo de las leyes estadísticas de comportamientos
peligrosos de los trabajadores. El proceso de recopilación de datos de la obra de construcción del metro seleccionada
han revelado 1542 actos inseguros de diecisiete tipos. En el primer paso, se utilizaron nueve tipos de tasas altas para
analizar las distribuciones del tiempo interevent. Además, explosividad y la memoria se identificaron para medir las
distribuciones. En el segundo paso, se utilizaron los actos inseguros con más datos suficientes en construcción de la
estación para la minería regla de asociación. Las correlaciones se encontraron entre los tipos de los trabajadores y tipos
de actos inseguros, y los registros de tiempo y fases de construcción. Finalmente, Se determinaron los ocho fuertes
normas de actos inseguros para los diferentes tipos de trabajadores en diferentes fases de construcción. Las aportaciones
de esta investigación es doble de la siguiente manera:
Las distribuciones de tiempo interevent de comportamientos peligrosos de los trabajadores han demostrado tener
características homogéneas. El desarrollo de la dinámica humana ofrece la posibilidad de analizar más a fondo las
distribuciones temporales y espaciales de la conducta humana. Las estadísticas de tiempo interevent cuando los
trabajadores se comportaron de manera insegura en este caso eran la grasa de cola y seguían una distribución de ley de
potencia. Además, un análisis más cuantitativo indicó que el comportamiento inseguro de los trabajadores exhibió
explosividad y la memoria. La explosividad 'refleja los tipos de actos inseguros centralizados en períodos cortos de
tiempo durante la construcción y se observó más claramente en la zanja de soporte e ingeniería de encofrado. Se ha
demostrado que los actos inseguros de los trabajadores tienen características homogéneas, y las propiedades de las
 S. Guo et al. / Physica A 515 (2019) 419-429 435
distribuciones de grasa de cola se han explicado más. Además, recuerdos positivos existían en la mayoría de los tipos de
actos inseguros. Esto significa que los actos inseguros en cierta
436 S. Guo et al. / Physica A 515 (2019) 419-429

fases de construcción tienen un efecto de difusión más allá de los patrones de ráfagas. Una vez que esto ocurre, los actos
inseguros aparecen continuamente durante periodos cortos de tiempo. El resultado es consistente con los estudios sobre
el clima de seguridad hallazgo de que los actos inseguros por los compañeros de trabajo tienen un impacto sustancial en
el comportamiento individual durante la construcción [46,47]. Por lo tanto, las fuertes interacciones de los actos
inseguros entre los trabajadores tienen que ser observado y controlado.
Las asociaciones entre el comportamiento inseguro de los trabajadores, se determinaron tipo trabajador y la fase de
construcción. la minería de reglas de asociación revela cuestiones específicas explosividad y la memoria subyacentes:
acciones inseguras frecuentes y generalizadas se encuentran en diferentes tipos de trabajadores y fases de construcción.
Para este caso, la lista de los comportamientos de riesgo se identificó a partir de datos adquiridos, los niveles de control
de los actos inseguros fueron validados por el grado de enlaces en la red de reglas de asociación, y comportamientos
inseguros necesarias para el control crítico se determinaron a partir reglas fuertes eficaces. Esto tiene una importancia
práctica en la gestión de la seguridad en el lugar.
Las limitaciones de este estudio son los siguientes:
El tamaño de la muestra de datos no es suficientemente grande. En el análisis estadístico de las dinámicas humanas y
la regla de asociación, tamaños de muestra más grandes son mejores y pueden garantizar los resultados de análisis más
precisos. Los datos sobre el comportamiento inseguro de los trabajadores han sido recogidos de un estudio de caso. Sin
embargo, este estudio de caso no es lo suficientemente amplia como para permitir conclusiones más generalizadas a
obtener.
La minería de reglas de asociación es unidimensional. Aunque la base de datos incluye el comportamiento inseguro
de los trabajadores, el tipo de trabajador y la fase de construcción, el modelo de minería implica la extracción de datos
unidimensionales. Las asociaciones entre el comportamiento inseguro y fase de construcción se encuentran en la
limitación del tipo de trabajador, mientras que otros datos, tales como el clima, no se considera. En lo que respecta a
estas contribuciones y limitaciones, se requiere más investigación para completar la lista de comportamientos inseguros
de los trabajadores y recoger más datos sobre el comportamiento. Para aumentar el tamaño de la muestra, las
tecnologías tales como RFID, banda ultra ancha y videovigilancia inteligente pueden ser utilizados para obtener datos
sobre el comportamiento inseguros de los trabajadores de forma automática. Además, la minería de reglas de asociación
multidimensionales de comportamientos peligrosos de los trabajadores deben ser considerados para una mayor
comprensión del comportamiento
patrones en el sitio.

5. Conclusión

La construcción es una de las industrias más peligrosas. A medida que los participantes principales en la
construcción, los trabajadores no sólo afectan a su seguridad personal, sino también causan pérdidas socioeconómicas
directas o indirectas cuando se involucran en comportamientos inseguros. trabajadores de la construcción son lo
suficientemente fluida, y por lo tanto, se cree que sus comportamientos personales a ser al azar en el tiempo, por lo que
es difícil realizar un seguimiento y controlar sus comportamientos inseguros. Para explorar las leyes de tiempo
estadístico, comportamientos inseguros de los trabajadores se clasificaron desde la perspectiva de los comportamientos
de grupo, y luego un estudio de caso sobre la construcción del metro se llevó a cabo mediante la integración de análisis
de la dinámica humana y la minería de reglas de asociación. Con respecto a los aspectos teóricos, la distribución de
grasa de cola indican las fuertes fluctuaciones de comportamientos peligrosos de los trabajadores a través del tiempo.
Un análisis más detallado de explosividad y la demostración de memoria ciertos actos inseguros ocurren en períodos
cortos de tiempo, y seguir fácilmente con el mismo tipo de compañeros de trabajo. Esto mejora la comprensión de los
patrones de comportamiento negativo de los trabajadores a través del tiempo. Además, se amplía el alcance de la
dinámica humana. Se ha demostrado que la característica de la falta de homogeneidad tiempo no sólo existe en la
conducta diaria, tales como páginas web de navegación, pero también existe en el comportamiento inseguro por
trabajadores de la construcción. Con respecto a los aspectos prácticos, este estudio puede ayudar a controlar
dinámicamente los comportamientos de riesgo en el lugar. actos inseguros frecuentes y generalizadas se extraen por el
algoritmo Apriori entre los diferentes tipos de los trabajadores y fases de construcción. Esta información se puede
utilizar para enumerar los actos inseguros críticos durante la construcción y guía diaria inspecciones in situ seguras. A
pesar de los resultados en este caso puede no ser adecuado para otros proyectos, todo el proceso ofrece soluciones
viables para aplicaciones en todo el mundo en seguridad en la construcción. En futuras investigaciones, los datos de
comportamiento más serán recogidos en los proyectos de construcción en secciones o ferrocarril a explorar más a fondo
las leyes de comportamiento inseguro de los trabajadores en la industria de la construcción.

Expresiones de gratitud

Este trabajo fue apoyado por los Fondos de Investigación Fundamental para las Universidades Central de la Universidad
de Geociencias de China (Wuhan), China [número de concesión 170649]; la Fundación de Investigación de Ciencias Humanas
y Sociales del Ministerio de Educación de China [número de concesión 15YJA630019]; la Fundación Nacional de Ciencias
 S. Guo et al. / Physica A 515 (2019) 419-429 437
Naturales de China [números de subvención 71573237 y 71801197]; y el Instituto Chino de Geo-entorno de monitorización
[número de concesión 0001212016CC60013]. Los autores también desean agradecer a Wuhan Municipal Construction Group
Co., Ltd., por apoyar este estudio.

Declaraciones de interés

Los autores confirman que todo el contenido, figuras (gráficos, fotografías, etc.), y las tablas en el trabajo manuscrito
presentado son trabajo original creado por los autores y que no hay que compiten intereses económicos, profesionales o
personales de otros partidos.
438 S. Guo et al. / Physica A 515 (2019) 419-429

referencias

[1] HW Heinrich, D. Petersen, N. Roos, Prevención de Accidentes Industriales, McGraw-Hill Nueva York, 1950.
[2] Seguridad de procesos basados en valores TE McSween,: La mejora de su cultura de seguridad con el comportamiento de seguridad basadas, John
Wiley & Sons, 2003.
[3] S. Han, S. Lee, una captura y reconocimiento de movimiento marco basado en la visión de la gestión de la seguridad basada en el comportamiento,
autom. Constr. 35 (2013) 131-141.
[4] H. Guo, Y. Yu, P. Ding, M. Skitmore, Imagen-y-basados en el esqueleto enfoque parametrizada a tiempo real identificación de trabajadores de la
construcción inseguro comportamientos, J. Constr. Ing. Gestionar. 144 (2018) 04018042.
[5] H. Li, M. Lu, G. Chan, M. Skitmore, sistema de formación proactiva para la instalación de elementos prefabricados segura y eficiente, autom. Constr.
49 (2015) 163-174.
[6] J. Teizer, T. Cheng, indicador de riesgo de proximidad para los trabajadores-en-pie cerca de las interacciones perder con equipos de
construcción y de peligros georeferenciada áreas, autom. Constr. 60 (2015) 58-73.
[7] H. Li, X. Yang, F. Wang, T. Rose, G. Chan, S. Dong, modelo secuencia de estado estocástico para predecir los estados de seguridad obra de
construcción a través de localización en tiempo real
sistemas, Saf. Sci. 84 (2016) 78-87.
[8] Y. Zhou, LY Ding, LJ Chen, Aplicación de la tecnología de visualización 4D para la gestión de la seguridad en la construcción de metro autom. Constr.
34 (2013) 25-36.
[9] A. Vázquez, Impacto de la memoria en la dinámica humana, Physica A 373 (2007) 747-752.
[10] B. Gonçalves, JJ Ramasco, dinámica Humanos revela a través de análisis web, Phys. Rev. E 78 (2008) 026123.
[11] ALABAMA. Barabási, El origen de los estallidos y colas pesadas en la dinámica humana, la naturaleza 435 (2005) 207-211.
[12] S. Sarawagi, S. Thomas, R. Agrawal, La integración de la minería de reglas de asociación con los sistemas de bases de datos relacionales: alternativas
y consecuencias, datos Min. Conocimiento. Discov. 4 (2000) 89-125.
[13] C.-W. Liao, Y.-H. Perng, la minería de datos para los accidentes de trabajo en la industria de la construcción Taiwán, Saf. Sci. 46 (2008) 1091-1102.
[14] C.-W. Cheng, C.-C. Lin, S.-S. Leu, uso de reglas de asociación para explorar las relaciones causa-efecto en accidentes de trabajo en la construcción de
Taiwán industria, Saf. Sci. 48 (2010) 436-444.
[15] MI Leung, P. Liang, P. Olomolaiye, Impacto de los factores de estrés de trabajo y el estrés en el comportamiento de seguridad y los accidentes de
trabajadores de la construcción, J. Administrar. Ing.
32 (2015) 04015019.
[16] D. Fang, Z. Jiang, M. Zhang, H. Wang, un método experimental para estudiar el efecto de la fatiga en el rendimiento de la seguridad de los
trabajadores de la construcción, Saf. Sci. 73 (2015) 80-91.
[17] D. Ju, X. Qin, M. Xu, MS Direnzo, las condiciones de contorno del enlace comportamiento agotamiento emocional insegura: El lado oscuro de las
normas de grupo y personales
de control, Asia-Pacífico. J. Administrar. 33 (2016) 1-28.
[18] L. Zhang, P. Liu, X. Wu, MJ Skibniewski, Percibiendo interacciones en las conductas de seguridad de la construcción: la perspectiva de los
trabajadores, J. Administrar. Ing. 32 (2016).
[19] JA Gambatese, C. Pestana, HW Lee, alineación entre los principios y las prácticas magras y el comportamiento de la seguridad del trabajador, J.
Constr. Ing. Gestionar. (2016) 04016083.
[20] B. Choi, S. Ahn, SH Lee, El papel de las normas sociales y las identificaciones sociales en el comportamiento de la seguridad de los trabajadores de la
construcción. I: Modelo teórico de la seguridad
comportamiento bajo la influencia social, J. Constr. Ing. Gestionar. (2016).
[21] B. Jitwasinkul, SBS Hadikusumo, AQ Memon, un modelo de red bayesiana creencia de los factores de organización para mejorar las conductas de
trabajo seguras en tailandés industria de la construcción, Saf. Sci. 82 (2016) 264-273.
[22] D. Fang, C. Wu, H. Wu, Impacto del supervisor en el comportamiento de la seguridad del trabajador en proyectos de construcción, J. Administrar. Ing.
31 (2015) 04015001.
[23] I. Mohammadfam, F. Ghasemi, O. Kalatpour, A. Moghimbeigi, la construcción de un modelo de red Bayesiana para mejorar el comportamiento de
seguridad de los empleados en lugares de trabajo, Appl. Ergon. 58 (2017) 35-47.
[24] J. Wang, PXW Zou, PP Li, factores críticos y caminos que influyen las tolerancias de riesgo la seguridad de los trabajadores de la construcción, Accid.
Anal. Anterior. 93 (2016) 267-279.
[25] SBS Guo, TW Yiu, VA González, pronóstico del comportamiento de la seguridad en la industria de la construcción: Desarrollo y prueba de un
modelo integrador, Saf. Sci. 84 (2016) 1-11.
[26] SD Poisson, Recherches sur la probabilité des jugements en Materia criminelle y en Materia civile precédées des serán anotadas du calcul des
probabilités par SD Poisson, Bachelier, 1837.
[27] J. Candia, MC González, P. Wang, T. Schoenharl, G. Madey, A.-L. Barabási, dejando al descubierto la dinámica humanos individuales y colectivos de
teléfono móvil registros, J. Phys. A 41 (2008) 224015.
[28] Z. Zhou, J. Irizarry, Q. Li, Usando la teoría de red para explorar la complejidad de la red de accidente la construcción del metro (SCAN) para promover
la seguridad
gestión, Saf. Sci. 64 (2014) 127-136.
[29] C. Zhou, L. Ding, MJ Skibniewski, H. Luo, S. Jiang, Caracterización de las series temporales de los accidentes de casi colisión en la construcción del
metro a través de la teoría de redes complejas, Saf. Sci. 98 (2017) 145-158.
[30] R. Agrawal, T. Imielinski, A. Swami, Asociación Minera gobierna entre conjuntos de artículos en grandes bases de datos, SIGMOD Rec. 22 (1993) 207-
216.
[31] A. Verma, SD Khan, J. Maiti, OB Krishna, La identificación de los tipos de incidentes relacionados con la seguridad en una planta de acero utilizando
la minería de reglas de asociación de incidente investigación informa, Saf. Sci. 70 (2014) 89-98.
[32] Y. Cheng, WD Yu, Q. Li, GA-enfoque basado en la minería de reglas de asociación de múltiples niveles para el análisis defecto en la industria de la
construcción, autom. Constr. 51
(2015) 78-91.
[33] RK Yin, Caso de Estudio e Investigación Aplicaciones: Diseño y Métodos, Sage Publications, 2017.
[34] SY Guo, LY Ding, HB Luo, Jiang XY, una plataforma basada en grandes volúmenes de datos de comportamiento de los trabajadores: Las observaciones de
campo, Accid. Anal. Anterior. 93 (2016) 299-309.
[35] A. Paraschiv-Ionescu, E. Buchser, K. Aminian, la dinámica de desintegración de patrones de actividad física humanos en condiciones de dolor crónico,
Sci. Rep. 3 (2013)
2019.
[36] CORRIENTE CONTINUA. Yan, Z.-W. Wei, X.-P. Han, B.-H. Wang, el análisis empírico de la dinámica humanos de blogs comportamiento en GitHub,
Physica A 465 (2017) 775-781.
[37] KI Goh, AL Barabási, Burstiness y la memoria en los sistemas complejos, Europhys. Letón. 81 (2008) 48002.
[38] C. Shi-Min, F. Zhong-Qian, Z. Tao, G. Jun, Z. Pei-Ling, Scaling y la memoria en intervalos de recurrencia de tráfico de Internet, Europhys. Letón. 87
(2009) 68001.
[39] A. Bunde, JF Eichner, JW Kantelhardt, S. Havlin, la memoria a largo plazo: un mecanismo natural para la agrupación de eventos extremos y anómala
tiempos residuales en los registros climáticos, Phys. Rev. Lett. 94 (2005) 048701.
[40] PJ Brockwell, AR Davis, Introducción a las series de tiempo y Pronóstico, Springer, 2016.
 S. Guo et al. / Physica A 515 (2019) 419-429 439
[41] G. Shengyu, C. Xiong, G. Peisong, un enfoque de control en tiempo real basado en video vigilancia inteligente para violaciónes de trabajadores de la
construcción, J. Civil Ing. Gestionar. 24 (2018) 67-78.
[42] N. Nenonen, factores relacionados con resbalones, tropiezos, y la caída de los accidentes en el trabajo Análisis: Aplicación de métodos de minería de
datos para el trabajo de Finlandia
accidentes y enfermedades estadísticas de base de datos, Appl. Ergon. 44 (2013) 215-224.
[43] I. Cil, diseño supermercado universos de consumo basados través de la minería de reglas de asociación y el escalamiento multidimensional, Experta
Syst. Appl. 39 (2012) 8.611 a 8.625.
[44] H.-S. Wang, W.-C. Yeh, P.-C. Huang, Sr. W.-W. Chang, las reglas de asociación y enfoque de optimización de enjambre de partículas para el cambio
parte, Experta Syst.
Appl. 36 (2009) 8178 a 8.184.
[45] R. Agrawal, R. Srikant, algoritmos rápidos para reglas de asociación de minería, en: Proc. 20 int. conf. bases muy grandes de datos, VLDB, 1994, pp.
487-499.
[46] RM Choudhry, D. Fang, ¿Por qué los operativos se comportan de trabajo inseguro: factores en obras de construcción, Saf investigadora. Sci. 46 (2008)
566-584.
[47] H. Liang, K.-Y. Lin, S. Zhang, Y. Su, El impacto de violaciónes de seguridad de compañeros de trabajo de un trabajador individual: Un efecto
contagio social dentro de la construcción tripulación, Int. J. Environ. Res. Publ. Salud 15 (2018) 773.