近日，我校管理工程学院祁昊楠博士以第一作者，南京工程学院为第一署名单位，在国际权威期刊《Safety Science》发表了题为“Falling risk analysis at workplaces through an accident data-driven approach based upon hybrid artificial intelligence (AI) techniques”的研究论文。该论文于2025年7月入选基本科学指标数据库（Essential Science Indicators，ESI）高被引论文。《Safety Science》是Elsevier出版社旗下的安全科学领域顶级期刊，中科院二区TOP期刊，致力于报道人类与工业安全科学技术的突破性进展，其研究范围从工作场所的人身安全延伸至交通、能源、基础设施等其他领域，以及人类各类危险活动的方方面面，影响因子5.4。

高处坠落事故通常由一系列相互关联的致因因素共同作用所致，各因素之间并非独立存在，而是构成复杂的因果网络。有必要系统分析致因因素间的内在关联及其与不同严重程度事故后果的相互作用机制，对于实现坠落风险的定量评估、制定精准的预防与纠正措施、并优化安全投入策略具有关键意义，从而有效降低和控制工作场所的坠落风险。为此，本研究提出一种基于事故数据驱动的混合人工智能技术，用于量化工作场所坠落风险，通过构建六种机器学习模型和一种集成学习模型自动提取致因因素，这些致因因素被设定为坠落风险贝叶斯网络（FRBN）的主要节点，通过结合爬山算法与树增强朴素贝叶斯算法进行网络结构学习，并融入领域知识对网络进行优化，实现数据驱动与知识驱动方法的融合，采用基于参数和证据的敏感性分析方法确定关键致因因素，进一步运用FRBN进行前向因果预测与后向诊断推理。研究表明，这种基于混合人工智能的数据驱动方法能够深入挖掘坠落事故背后的因果机制，为事故致因分析提供有效途径，基于FRBN的因果推理机制制定针对性措施，可有效降低坠落风险发生概率，减少高处坠落事故的负面影响。

论文链接：https://www.sciencedirect.com/science/article/pii/S0925753525000396