2026 年，智慧工地正在从“视频监控”走向“安全感知”。

过去，工地数字化主要依赖摄像头、门禁、考勤、塔吊监控和项目管理系统。它们能记录现场状态，但很多风险仍然依赖人工巡查发现。

例如，高风险区域是否有人进入，工人是否长时间停留在危险位置，设备运行范围内是否有人靠近，现场是否存在异常聚集，这些问题都需要更实时的判断。

随着物联网定位、边缘计算、视频分析和 AI 预警能力发展，智慧工地开始进入新的阶段。

系统不只是看现场，而是能理解现场风险，并自动生成预警。

这意味着，施工管理正在从“事后记录”走向“实时安全防控”。

一、为什么工地需要实时安全感知？

施工现场环境复杂，人员流动大，设备运行频繁。

一个高风险区域如果没有及时管控，可能引发安全事故；一台大型机械运行时，如果人员误入危险范围，也需要立即预警。

智慧工地安全系统可以帮助管理者回答几个问题：

下面用 Python 写一个简化版智慧工地人员定位与风险预警系统。

二、基础结构：定义人员和区域

第一步是定义工地人员和风险区域。

每个人员有位置、工种和状态；每个区域有范围和风险等级。

import json
import math
import random
from datetime import datetime


class Worker:
    def __init__(self, worker_id, name, role, x, y):
        self.worker_id = worker_id
        self.name = name
        self.role = role
        self.x = x
        self.y = y
        self.status = "active"
        self.updated_at = datetime.now().isoformat()

    def to_dict(self):
        return {
            "worker_id": self.worker_id,
            "name": self.name,
            "role": self.role,
            "x": self.x,
            "y": self.y,
            "status": self.status,
            "updated_at": self.updated_at
        }


class RiskZone:
    def __init__(self, zone_id, name, center_x, center_y, radius, level):
        self.zone_id = zone_id
        self.name = name
        self.center_x = center_x
        self.center_y = center_y
        self.radius = radius
        self.level = level

    def to_dict(self):
        return {
            "zone_id": self.zone_id,
            "name": self.name,
            "center_x": self.center_x,
            "center_y": self.center_y,
            "radius": self.radius,
            "level": self.level
        }


人员和区域是智慧工地安全感知的基础对象。

真实系统中，人员位置可以来自安全帽定位、蓝牙基站、UWB、GPS 或视频识别。

系统会定期更新人员坐标，并判断其现场状态。

def update_worker_position(worker: Worker):
    worker.x += random.uniform(-5, 5)
    worker.y += random.uniform(-5, 5)

    if random.random() < 0.05:
        worker.status = "inactive"
    else:
        worker.status = "active"

    worker.updated_at = datetime.now().isoformat()

    return worker.to_dict()


位置更新让安全系统具备实时性。

如果数据长时间不更新，系统也应该认为设备或人员状态可能异常。

四、距离计算：判断是否进入风险区域

第三步是计算人员与风险区域之间的距离。

如果距离小于区域半径，说明人员进入了风险区域。

def distance(x1, y1, x2, y2):
    return math.sqrt(
        (x1 - x2) ** 2
        + (y1 - y2) ** 2
    )


def is_inside_zone(worker_record, zone: RiskZone):
    dist = distance(
        worker_record["x"],
        worker_record["y"],
        zone.center_x,
        zone.center_y
    )

    return dist <= zone.radius


塔吊作业区、深基坑、材料堆放区和临边区域，都可以被定义成风险区域。

五、风险检测：识别人员进入危险区域

系统会判断人员是否进入高风险区域，以及是否处于异常状态。

def detect_worker_risk(worker_record, zones):
    issues = []
    risk_score = 0

    for zone in zones:
        if is_inside_zone(worker_record, zone):
            issues.append(
                f"人员进入风险区域：{zone.name}"
            )

            if zone.level == "high":
                risk_score += 5
            elif zone.level == "medium":
                risk_score += 3
            else:
                risk_score += 1

    if worker_record["status"] == "inactive":
        issues.append("人员状态异常，可能长时间未移动或定位设备异常。")
        risk_score += 2

    if risk_score >= 6:
        level = "high"
    elif risk_score >= 3:
        level = "medium"
    elif risk_score > 0:
        level = "low"
    else:
        level = "normal"

    return {
        "worker_id": worker_record["worker_id"],
        "name": worker_record["name"],
        "role": worker_record["role"],
        "risk_score": risk_score,
        "risk_level": level,
        "issues": 30549.t.kuaisou.com
        "detect_time": datetime.now().isoformat()
    }


风险检测可以帮助安全员优先关注最危险的现场情况。

不是所有异常都一样，系统需要按风险等级排序。

六、区域聚集分析：识别人员密集风险

如果某个区域短时间内聚集过多人员，也可能存在安全风险。

def analyze_crowd_risk(worker_records, zones):
    results = []

    for zone in zones:
        inside_workers = []

        for worker in worker_records:
            if is_inside_zone(worker, zone):
                inside_workers.append(worker["worker_id"])

        if len(inside_workers) >= 3:
            risk_level = "medium"

            if zone.level == "high":
                risk_level = "high"

            results.append({
                "zone_id": zone.zone_id,
                "zone_name": zone.name,
                "worker_count": len(inside_workers),
                "workers": inside_workers,
                "risk_level": risk_level,
                "message": "区域内人员较多，建议现场安全员关注。"
            })

    return results


材料吊装、设备作业和狭窄通道中，人员过度集中会增加事故概率。

第六步是把人员风险和区域风险合并成安全预警。

def generate_safety_alerts(worker_risks, crowd_risks):
    alerts = []

    for risk in worker_risks:
        if risk["risk_level"] in ["high", "medium"]:
            alerts.append({
                "alert_type": "worker_risk",
                "target": risk["worker_id"],
                "level": risk["risk_level"],
                "message": "人员存在安全风险，建议现场确认。",
                "detail": risk
            })

    for risk in crowd_risks:
        if risk["risk_level"] in ["high", "medium"]:
            alerts.append({
                "alert_type": "crowd_risk",
                "target": risk["zone_id"],
                "level": risk["risk_level"],
                "message": risk["message"],
                "detail": risk
            })

    return alerts


安全预警是智慧工地系统的关键输出。

它可以进入大屏、移动端、短信通知或工地管理平台。

最后把人员更新、风险检测、聚集分析和预警生成串起来。

def run_smart_site_monitor():
    workers = [
        Worker("w001", "张工", "electrician", 10, 15),
        Worker("w002", "李工", "welder", 18, 20),
        Worker("w003", "王工", "worker", 52, 48),
        Worker("w004", "赵工", "safety", 50, 52)
    ]

    zones = [
        RiskZone("z001", "塔吊作业区", 50, 50, 12, "high"),
        RiskZone("z002", "材料堆放区", 20, 20, 10, "medium"),
        RiskZone("z003", "临边防护区", 5, 5, 8, "high")
    ]

    worker_records = []
    worker_risks = []

    for worker in workers:
        record = update_worker_position(worker)
        risk = detect_worker_risk(record, zones)

        worker_records.append(record)
        worker_risks.append(risk)

    crowd_risks = analyze_crowd_risk(
        worker_records,
        zones
    )

    alerts = generate_safety_alerts(
        worker_risks,
        crowd_risks
    )

    report = {
        "report_name": "智慧工地人员定位与安全预警报告",
        "worker_records": worker_records,
        "worker_risks": worker_risks,
        "crowd_risks": crowd_risks,
        "alerts": 30637.t.kuaisou.com
        "generate_time": datetime.now().isoformat()
    }

    return report


if __name__ == "__main__":
    report = run_smart_site_monitor()

    print(json.dumps(
        report,
        ensure_ascii=False,
        indent=2
    ))


从这套流程可以看到，智慧工地的核心正在从信息记录转向安全预警。

未来，施工现场不会只依赖摄像头和人工巡查，而会通过人员定位、区域建模、风险识别和实时告警形成主动安全体系。

安全管理越实时，事故预防能力越强。

谁能把现场数据、空间感知和预警机制结合起来，谁就更容易提升施工安全水平，并降低现场管理风险。

2026 技术观察：智慧工地进入安全感知阶段，人员定位与风险预警成为施工管理新核心

物联网

人工智能

后端

2026年智慧工地进入安全感知新阶段，通过物联网定位、AI预警实现实时风险防控。系统自动检测人员进入危险区域、设备异常运行及人员聚集风险，生成分级预警。Python代码示例展示了人员定位、风险区域判断及预警生成流程，推动施工管理从被动记录转向主动防控，有效提升工地安全水平。

视频监控

风险识别

短信

Python

2026上云采购 | AI焕新·智启新局

edgezone

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

2026 技术观察：智慧工地进入安全感知阶段，人员定位与风险预警成为施工管理新核心

2026 技术观察：智慧工地进入安全感知阶段，人员定位与风险预警成为施工管理新核心

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐