吴伟巍，男，1981年生，博士，副教授，硕士生导师，在东南大学土木工程学院建设与房地产系工作。已经在期刊Automation in Con st ruction、Safety Science、Accident Analysi s and P revention、Journal ofConstruction Engineering and Management等国内外杂志以及国际会议上发表学术论文30余篇。担任Automation in COnstructiOn、Scientific Resea rch andEssays、Construction Management and Economics和《上海交通大学学报（英文版）》等期刊的审稿人。曾经是英国拉夫堡大学的访问学者和香港理工大学的研究助理。主要研究方向为施工现场安全风险的相关研究。

　　建筑施工作为高风险行业，施工现场安全事故的发生对社会经济、人民生活和自然环境都将产生重大的影响。国内外的研究人员和从业人员一直都在研究如何降低施工现场的安全风险，但是似乎一直没有找到从根本上解决这个问题的方法，建筑业施工现场的安全事故一直困扰着建筑业。识别事故发生前可能的前馈信号具有提高安全绩效的巨大潜力，许多组织已经开始研究如何确定事故前馈信号的程序和方法，并且已经从中获益。《东南土木青年教师科研论丛：施工现场安全风险实时预警新方法》就是从建筑业施工现场前馈信号的视角，建立针对施工现场安全危险源的前馈信号进行实时监控、对安全风险进行实时预测的方法。
　　《东南土木青年教师科研论丛：施工现场安全风险实时预警新方法》可供施工现场安全风险相关研究人员和施工安全从业人员参考使用。

1 绪论
1.1 研究背景及研究意义
1.2 国内外研究现状及不足
1.2.1 传统的研究视角
1.2.2 安全风险领域研究的发展趋势
1.2.3 现有研究的不足
1.3 研究目标、研究内容及拟解决的关键问题
1.3.1 研究目标
1.3.2 主要研究内容
1.3.3 研究内容框架结构
1.3.4 拟解决的关键问题
1.4 研究方法及技术路线
1.4.1 研究方法
1.4.2 技术路线
1.5 本章小结

2 基于前馈信号的实时监控子系统构建
2.1 理论基础及研究方法
2.1.1 多米诺骨牌（Domino）理论及其发展
2.1.2 人员过失（Human Ermr）理论
2.1.3 建筑业事故影响因素模型
2.1.4 拉夫堡大学的ConCA建筑业事故原因模型
2.2 理解施工现场的前馈信号及未遂事件
2.2.1 前馈信号及未遂事件的概念及其重要性
2.2.2 施工现场的前馈信号及未遂事件
2.2.3 施工现场完整的安全管理系统构建
2.3 前馈信号及未遂事件调查模型（PaICFs）构建
2.3.1 阻止前馈信号及未遂事件成为事故的因素
2.3.2 施工现场PaICFs调查模型构建
2.3.3 应用示例
2.4 本章小结

3 基于PaICFS模型的案例分析及效果检验
3.1 理论基础及研究方法
3.1.1 案例分析
3.1.2 调查问卷
3.1.3  Kappa统计值
3.2 案例分析的结果
3.2.1 统计结果
3.2.2 英美安全事故影响因素的相同性及差异性分析
3.3 针对英国施工企业现场安全顾问的调查问卷
3.3.1 问卷背景
3.3.2 统计结果
3.4 被调查的安全负责人及安全顾问的内部一致性测度
3.4.1 模型的选用
3.4.2 权重的赋值
3.4.3 权重Kappa的计算
3.5 本章小结

4 基于改进事故序列前馈信号模型的安全风险计量
4.1 理论基础及研究方法
4.1.1 基于统计概率（PRA）的安全风险的定量化研究
4.1.2 对未遂事件的定量化分析
4.1.3 事故序列前馈信号（ASP）模型
4.2 改进的事故序列前馈信号模型（MASP）
4.2.1 施工现场前馈信号“分组”的特点
4.2.2 改进的针对前馈信号组的事件树的构建
4.2.3 改进的针对前馈信号组的安全风险计量方法
4.3 基于MASP的安全风险计量结果
4.3.1 事件树的构建结果
4.3.2 安全风险的计量结果示例
4.4  MASP的敏感性分析
4.4.1 历史数据中致命事故占总事故的比例
4.4.2 经验比例303：29：
4.4.3 在事故发生的条件下某个前馈信号的发生次数
4.4.4 在事故发生的条件下前馈信号发生的总次数
4.4.5 某个前馈信号在观察期内发生的次数
4.4.6 前馈信号在观察期内发生的总次数
4.4.7 敏感性分析结果
4.5 本章小结

5 预警系统阈值确定及风险倾向测度
5.1 理论基础及研究方法
5.1.1 信号检测理论的传统应用领域综述
5.1.2 信号检测理论在社会科学领域的应用综述
5.1.3 二元信号检测的模型
5.1.4 多元信号检测的模型
5.1.5 信号检测的结果和判决概率
5.2 基于SDT的施工现场安全风险实时预测系统构建与比较
5.2.1 施工现场安全风险实时预测的判决域划分与判决概率
5.2.2 基于贝叶斯准则确定预警阈值的模型
5.2.3 基于最小平均错误概率准则确定预警阈值的模型
5.2.4 基于最大后验概率准则确定预警阈值的模型
5.2.5 基于奈曼一皮尔逊准则确定预警阈值的模型
5.2.6 施工现场统计检测模型的适用性比较
5.3 基于奈曼一皮尔逊准则的阈值计算结果及预测结果
5.3.1 安全信号密度函数的参数估计及假设检验
5.3.2 危险信号密度函数的参数估计及假设检验
5.3.3 奈曼一皮尔逊准则下的阈值计算
5.3.4 判断结果
5.3.5 有关问题讨论
5.4 施工现场安全风险预警系统的敏感性及风险倾向测度
5.4.1 敏感性及风险倾向的定量化描述
5.4.2 敏感性的计算结果
5.4.3 风险倾向的计算结果
5.5 本章小结

6 实时监控子系统实现的可能性及其系统设计
6.1 理论基础及研究方法
6.1.1 案例分析及其结果
6.1.2 无线射频识别（RFID）
6.1.3 无线传感器网络（WSN）和Zigbee协议
6.1.4 调查问卷和Kappa统计值
6.2 自动获取数据的需求分析
6.2.1 现有研究的不足
6.2.2 主要的未遂事件分析结果
6.2.3 自动获取数据的需求分析
6.3 技术上实现数据自动获取的系统结构设计及硬件采用
6.3.1 系统结构的设计
6.3.2 相关硬件的采用
6.4 可获得的实时信息的实用性及有效性分析
6.4.1 调查问卷的结构
6.4.2 调查问卷的结果
6.5 被调查的安全负责人及安全顾问的内部一致性测度
6.5.1 模型的选用
6.5.2 权重的赋值
6.5.3 权重Kappa的计算
6.6 本章小结

7 结论与展望
7.1 主要结论
7.2 创新点
7.3 研究不足及研究展望
参考文献
附录
附录1 关于前馈信号的调查问卷
附录2 Kappa统计值及相关指标的电子表格计算界面示意
附录3 估算中使用的相关数据
附录4 安全信号参数估计中使用的相关数据
附录5 危险信号参数估计中使用的相关数据