IoT-based real-time wind data prediction for safety monitoring and alerting on construction sites

Rajabi, Siamak (2021). IoT-based real-time wind data prediction for safety monitoring and alerting on construction sites. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (8MB) | Prévisualisation

Résumé

Smart wearable devices are being increasingly used due to their potential to provide a safer working environment for construction workers. Hence, various studies have been conducted to investigate the application of smart wearables to increase the safety of construction sites in terms of human-workplace interactions, as well as monitoring and risk assessment.

Among several hazards affecting workers’ safety at work, falling from a height causes the most number of injuries and fatalities. Additionally, more than half of the falls are caused by environmental factors such as snow, ice, extreme cold, and powerful winds. Furthermore, due to continuous climate change, the frequency and intensity of these environmental factors have increased in recent years. High-speed winds are one of the most impactful weather conditions on construction sites and one of the main reasons for incidents and accidents.

Traditionally, to monitor high wind speed at the construction site, specific online weather service sites, or in some cases, the weather station located at the construction site are used. However, the traditional wind monitoring methods are not adequate and accurate. The first reason is the fact that real wind speed varies on different locations of the construction site due to the physical shape of the site and does not correspond to the reported wind speed on the websites. The second reason is the lack of real-time monitoring of wind data.

In this research, a novel solution to predict real-time wind speed and direction based on IoT sensors mounted on workers’ hardhats and a supervised machine learning algorithm is proposed. The proposed solution corresponds to reducing the existing wind-related risks at construction sites. The main components of the solution are a hardhat equipped with hot-wire sensors and software component that predicts the wind speed and direction using a machine learning algorithm and provides alerts. To create a dataset for wind prediction, a wind tunnel equipped with an anemometer, a rotational platform to provide various wind exposures are used. The gathered data is used to build a regression models for the proposed supervised machine learning algorithm. The accuracy and precision of the prediction algorithm are compared to the data collected by the reference anemometer. The results suggest that the wind’s speed and direction can be predicted with high accuracy in real-time by the proposed solution.

Titre traduit

Prédiction des données de vent en temps réel pour la surveillance et l’alerte de sécurité au chantier, basée sur l’Internet des objets

Résumé traduit

Les appareils portables intelligents sont de plus en plus utilisés en raison de leur potentiel à fournir un environnement de travail plus sûr pour les travailleurs de la construction. Plusieurs études ont été menées afin d’examiner l’application de ces dispositifs pour améliorer la sécurité sur les chantiers de construction en termes d’interactions entre l’homme et le lieu de travail, ainsi que de surveillance et d’évaluation des risques. Parmi les dangers qui affectent la sécurité des travailleurs au chantier, les chutes constituent la principale cause de blessures et de décès. Plus de la moitié des chutes sont causées par des facteurs environnementaux tels que la neige, la glace, le froid extrême et les vents violents. De plus, en raison du changement climatique continu, la fréquence et l’intensité de ces facteurs environnementaux a augmenté ces dernières années. Les vents à grande vitesse sont l’une des conditions météorologiques les plus impactantes sur les chantiers de construction et l’une des principales causes d’incidents et d’accidents.

Traditionnellement, pour surveiller la vitesse des vents forts sur le site de construction, on utilise des services météorologiques en ligne ou, dans certains cas, la station météorologique située sur le site de construction. Cependant, les méthodes traditionnelles de surveillance du vent ne sont pas adéquates et précises. Premièrement parce que la vitesse réelle du vent varie à différents endroits du site de construction en raison de la forme physique du site et ne correspond pas à la vitesse du vent indiquée sur les sites Web. Deuxièmement à cause du manque de suivi en temps réel des données sur le vent.

Dans cette recherche, une nouvelle solution est proposée pour prédire la vitesse et la direction du vent en temps réel basée sur des capteurs IoT montés sur le casque des travailleurs et un algorithme d’apprentissage automatique supervisé. La solution proposée vise la réduction des risques existants liés au vent sur les chantiers de construction. Les principaux composants de cette solution sont un casque de protection équipé de capteurs à thermorésistance et un composant logiciel qui prédit la vitesse et la direction du vent à l’aide d’un algorithme d’apprentissage automatique et génère des alertes. Pour fournir l’ensemble des données nécessaires à la prédiction du vent pendant le développement du prototype, une soufflerie équipée d’un anémomètre, et une plateforme rotative permettant d’obtenir différentes expositions au vent ont été utilisées. Les données recueillies sont utilisées pour construire un modèle de régression pour l’algorithme d’apprentissage automatique supervisé proposé. L’exactitude et la précision de l’algorithme de prédiction sont comparées aux données recueillies par l’anémomètre de référence. Les résultats suggèrent que la vitesse et la direction du vent peuvent être prédites avec une grande précision en temps réel par la solution proposée.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Thesis presented to École de technologie supérieure in partial fulfillment for a master’s degree with thesis in construction engineering". Comprend des références bibliographiques (pages 97-103).
Mots-clés libres:	sécurité de la construction, vitesse du vent, appareils mobiles et portables, équipement de protection individuelle, IoT
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Iordanova, Ivanka
Codirecteur:	Codirecteur Motamedi, Ali
Programme:	Maîtrise en ingénierie > Génie de la construction
Date de dépôt:	08 févr. 2022 15:26
Dernière modification:	08 févr. 2022 15:26
URI:	https://espace.etsmtl.ca/id/eprint/2878

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt