極端な暑熱における建設作業員の安全性向上：ウェアラブル技術を用いた予測的ヘルス分析の機械学習アプローチ

arXiv cs.AI / 2026/4/22

📰 ニュースDeveloper Stack & InfrastructureIndustry & Market MovesModels & Research

共有:

要点

本研究は、ウェアラブル端末のリアルタイム生体データを用いて建設作業員の熱ストレスリスクを予測する機械学習システムを提案しています。
ベースラインのLSTMモデルと注意機構付きLSTMを比較し、サウジアラビアの19名の作業員データで学習・評価しました。
Garmin Vivosmart 5スマートウォッチから、心拍、HRV、酸素飽和度といった生理指標を入力として用い、生理パターンから熱ストレスの兆候を捉えます。
注意機構付きLSTMはテスト精度95.40%を達成し、偽陽性・偽陰性を大きく改善しました（精度・再現率・F1は約0.982）。
解釈可能な出力を提供できることを目指し、IoT対応の安全管理システムやBIMダッシュボードへの統合を通じて、より先回りした安全管理の実現を狙っています。

要旨: 建設労働者は熱ストレスに対して非常に脆弱である一方、リアルタイムの生理データを実行可能な安全インテリジェンスへと変換するツールは依然として乏しい。本研究は、このギャップを埋めるために、深層学習モデルを開発・評価する。具体的には、ベースラインとなるLong Short-Term Memory（LSTM）ネットワークと、注意機構付きLSTMを用い、サウジアラビアにいる19人の作業員を対象に熱ストレスを予測する。Garmin Vivosmart 5のスマートウォッチを用いて、心拍数、HRV、酸素飽和度といった指標を監視し、そのうえで注意機構付きモデルがベースラインを上回ることを示した。テスト精度は95.40%に達し、誤検知（false positive）および見逃し（false negative）を有意に低減した。精度、再現率、F1スコアがそれぞれ0.982であることから、本アプローチは予測性能を向上させるだけでなく、解釈可能な結果も提供し、IoT対応の安全システムやBIMダッシュボードへの統合に適している。これにより、建設業界における、情報学に基づく予防的な安全管理の推進が期待できる。