建設現場の安全管理は“巡回”から“AI検知”へ：カメラ・ウェアラブル・IoTで変わる現場KPI

建設現場の安全管理は、これまで「安全巡視を何回行ったか」「朝礼で注意喚起したか」「ヒヤリハットを事後報告したか」といった、人による確認と記録を中心に運用されてきました。

もちろん、安全巡視や声かけは今後も重要です。しかし、現場の人手不足、高齢化、猛暑化、重機作業の複雑化が進むなかで、巡回だけに頼る安全管理には限界があります。監督者が見ていない瞬間に作業員が危険区域へ入る、重機の死角に人が近づく、ヘルメットや安全帯の着用が一時的に不十分になる、作業員が熱中症の初期兆候に気づかない――こうしたリスクは、巡回のタイミングだけでは捉えきれません。

そこで注目されているのが、AIカメラ、ウェアラブル、IoTセンサー、エッジAIを組み合わせた「AI安全監視」です。カメラで人や重機の位置を検知し、ウェアラブルで体調や転倒を把握し、IoTセンサーで温湿度やWBGTなどの環境情報を取得することで、現場の危険をリアルタイムに可視化できます。

日本政府の広報サイトでも、ヘルメットに小型センサーを装着し、作業員の熱ストレスや転倒をリアルタイムに検知する安全システムがJapanGovの紹介記事で取り上げられています。現場安全は、事故後に記録する「事後報告」から、事故につながる兆候を先に捉える「予兆検知」へ移りつつあります。

AI安全監視とは何か

AI安全監視とは、建設現場に設置されたカメラ、作業員が身につけるウェアラブル端末、環境センサー、重機や車両の位置情報、BIM/CIMや点群データなどを組み合わせ、危険な状態をリアルタイムに検知・通知・記録する仕組みです。

従来の安全管理は、現場監督者や安全担当者が巡回し、危険箇所を見つけ、写真を撮り、是正指示を出し、報告書にまとめる流れが中心でした。一方、AI安全監視では、現場で起きているリスクをセンサーが常時取得し、AIが異常や危険傾向を検知し、管理者や作業員本人にアラートを出します。

たとえば、次のようなリスクを検知できます。

• 作業員が立入禁止区域へ入った
• 重機と作業員の距離が一定以下になった
• ヘルメットや反射ベストなどのPPEが未着用だった
• 作業員が転倒、落下、倒れ込み状態になった
• WBGTや脈拍、活動量から熱中症リスクが高まった
• 作業員の動きや姿勢から疲労・ふらつきの兆候が見られた
• 危険姿勢やつまずきなどのヒヤリハットが発生した
• アラート後の対応が遅れている

重要なのは、AI安全監視が「人の代わりに安全管理を完全自動化するもの」ではないという点です。むしろ、人が見落としやすい瞬間を補完し、現場監督者がより早く判断できるようにする仕組みです。

なぜ今、建設現場でAI安全監視が重要なのか

建設現場では、複数のリスクが同時に重なります。たとえば、夏場の屋外作業では、高温多湿、長時間作業、睡眠不足、重い装備、作業負荷が重なり、熱中症リスクが高まります。重機作業では、死角、騒音、誘導不足、作業員の接近が重なり、接触事故のリスクが高まります。高所作業や一人作業では、転倒や落下が発生しても、周囲がすぐに気づけないことがあります。

さらに、建設現場では熟練技能者の減少も課題です。ベテランの現場監督者は、作業員の動き、重機の位置、天候、作業工程を見ながら「危ない兆候」を経験的に察知できます。しかし、その判断をすべて個人の経験に依存すると、人員不足の現場や若手中心の現場では安全管理の品質にばらつきが出ます。

AI安全監視の価値は、こうした「経験者が気づいていたリスク」をデータとして見える化できることにあります。危険区域への侵入回数、重機接近アラート数、熱中症リスクの発生時間帯、PPE未着用の傾向、アラート対応時間を記録すれば、現場の安全状態を定量的に改善できます。

また、2025年6月1日からは、職場における熱中症対策の強化が進んでいます。厚生労働省関連の案内では、WBGT28度以上または気温31度以上の作業場で、継続1時間以上または1日4時間を超えることが見込まれる作業について、熱中症のおそれがある作業者を報告する体制や、重症化を防ぐ手順の整備が求められています。こうした制度面の変化も、現場の安全管理を「気をつける」から「検知して対応する」へ変える要因になっています。

AI安全監視で検知できる主なリスク

危険区域への侵入

掘削箇所、開口部、クレーンの旋回範囲、重機走行ルート、高所作業エリア、資材搬入エリアなどは、建設現場の代表的な危険区域です。従来はカラーコーン、バリケード、看板、誘導員によって立ち入りを制限していました。

しかし、広い造成現場や土木現場では、危険区域が日々変わります。午前中は安全だった場所が、午後には掘削作業で立入禁止になることもあります。工程が進むほど仮設動線も変わるため、紙の図面や口頭指示だけでは最新の危険区域を共有しきれません。

AI安全監視では、カメラや位置情報タグを使って、作業員が危険区域に入った瞬間を検知できます。BIM/CIMモデルや点群データ上に危険区域を設定しておけば、現場の3D空間と実際の人の位置を重ね合わせることも可能です。

たとえば、点群データ上で掘削端部から2m以内を危険区域として設定し、作業員の位置情報と照合することで、危険な接近をアラート化できます。これにより、危険区域管理は「看板を置いて終わり」ではなく、「侵入が起きたか、どこで多いか、対応できたか」をKPIとして管理できるようになります。

重機と作業員の接近

バックホウ、ブルドーザー、ホイールローダー、クレーン、高所作業車などの周辺では、死角による接触事故リスクがあります。特に、重機オペレーターから見えにくい後方や側面に作業員が入ると、重大事故につながる可能性があります。

AIカメラ、UWBタグ、ビーコン、GNSS、重機側センサーを組み合わせることで、重機と作業員の距離をリアルタイムに把握できます。一定距離以内に近づいた場合、作業員側のウェアラブル端末に振動や音で通知し、重機オペレーター側にも警告を出すことができます。

村田製作所の作業者安全モニタリングシステムでも、危険エリア侵入検知、ヒヤリハット検知、重機向け作業者接近警告などが紹介されています。ヘルメット装着型センサーによって作業者の生体情報や周囲の環境情報を計測し、熱ストレスや転倒・落下を判定してアラート通知できる点も特徴です。

このような仕組みは、誘導員を不要にするためではありません。誘導員、オペレーター、作業員本人、現場監督者の安全確認を多重化するための技術です。

PPE未着用の検知

PPEとは、Personal Protective Equipmentの略で、ヘルメット、安全帯、フルハーネス、反射ベスト、保護メガネ、手袋、安全靴などの個人用保護具を指します。

建設現場ではPPEの着用が基本ですが、実際には「一時的にヘルメットを外した」「反射ベストを着ていない」「安全帯フックが掛かっていない」といった状態が発生することがあります。現場監督者が巡回しているタイミングでは問題がなくても、作業中に一時的な未着用が起きる場合があります。

AIカメラを使えば、入場ゲート、資材置き場、作業エリア、足場周辺などでPPE着用状況を画像認識できます。特に、ヘルメット未着用や反射ベスト未着用は、画像認識との相性が良い領域です。

PPE検知の目的は、作業員を監視することではありません。事故につながる状態を早期に見つけ、是正することです。協力会社ごとの着用傾向、時間帯ごとの未着用傾向、エリアごとの違反傾向を把握できれば、安全教育や入場管理の改善にもつながります。

転倒・転落・倒れ込みの検知

一人作業、夜間作業、高所作業、トンネル・地下空間、山間部の土木現場では、作業員が転倒してもすぐに発見されないリスクがあります。特に、熱中症や体調不良による倒れ込みは、早期発見が重要です。

ウェアラブル端末やヘルメットセンサーは、加速度、傾き、一定時間の静止状態、衝撃などをもとに転倒や落下を検知できます。前述のJapanGovの事例でも、ヘルメットに装着したセンサーが熱ストレスや転倒をリアルタイムに検知し、データ集約・解析・メール通知まで行う流れが紹介されています。

転倒検知は、労働災害の早期対応だけでなく、一人作業の見守り、高齢作業員の安全確保、広域現場での緊急連絡にも有効です。特に、現場が広い場合や騒音が大きい場合、作業員の異常を人の目だけで発見することは難しくなります。

熱中症・疲労兆候の検知

近年、建設現場では熱中症対策が重要な経営課題になっています。気温やWBGTだけでなく、作業員ごとの体調、年齢、睡眠状態、作業負荷、水分補給、服装によってリスクは大きく変わります。

従来は、WBGT計で現場環境を測り、一定時間ごとに休憩や水分補給を呼びかける方法が中心でした。しかし、同じ現場でも、重い作業をしている人と軽作業をしている人では身体負荷が異なります。屋外で直射日光を浴びている人と、日陰で作業している人でもリスクは違います。

ウェアラブルを使えば、脈拍、活動量、体表温、周辺温湿度などをもとに、作業員ごとの熱ストレスや疲労兆候を把握できます。アラートが出た作業員に対して、休憩、給水、作業交代、日陰への移動を促すことで、重症化を防ぎやすくなります。

今後の熱中症対策では、「全員に同じ休憩を取らせる」だけでなく、「個人ごとのリスクを見ながら休ませる」方向へ進むと考えられます。

安全管理KPIは「巡視回数」から「検知・対応時間」へ

AI安全監視の大きな価値は、安全管理をKPIとして整理しやすくなることです。

従来の安全管理では、「安全パトロールを週何回実施したか」「安全教育を何回行ったか」「朝礼で何を伝えたか」といった活動量が中心でした。もちろん、巡視や教育は今後も必要です。しかし、それだけでは「実際にどの危険がどれだけ発生していたか」「アラート後にどれだけ早く対応できたか」までは分かりません。

AI安全監視では、次のようなKPIを設定できます。

KPI項目	内容	改善に使えるポイント
ヒヤリハット検知数	つまずき、衝撃、危険姿勢、急接近などの検知件数	事故につながる前兆の可視化
重機接近アラート数	重機と作業員が一定距離以内に入った回数	重機動線・作業員動線の見直し
危険区域侵入件数	立入禁止区域や高リスクエリアへの侵入回数	バリケード、看板、動線計画の改善
PPE未着用検知数	ヘルメット、反射ベスト、安全帯などの未着用検知	入場管理・安全教育の強化
熱中症リスクアラート数	WBGT、脈拍、活動量などからの警告件数	休憩計画・作業時間・人員配置の見直し
疲労兆候検知数	動きの鈍化、ふらつき、活動量変化などの検知	作業負荷の平準化、交代判断
転倒・倒れ込み検知数	ウェアラブルやカメラによる異常姿勢検知	一人作業・高所作業の見守り強化
アラート対応時間	アラート発生から確認・対応完了までの時間	現場対応力の改善
再発率	同じ場所・同じ作業で同種アラートが再発した割合	是正措置の有効性確認

重要なのは、アラート数だけで現場を評価しないことです。AI安全監視の導入初期は、これまで見えていなかったヒヤリハットが可視化されるため、アラート数が増えることがあります。これは必ずしも悪いことではありません。むしろ、これまで記録されていなかった危険が見えるようになったという意味では、安全改善の出発点になります。

本当に見るべきなのは、アラート発生後の対応時間、同じリスクの再発率、是正後の減少傾向です。安全管理のKPIは、「事故が起きなかった」という結果だけでなく、「事故につながる前兆をどれだけ早く見つけ、どれだけ早く対応できたか」というプロセス指標へ移っていきます。

APEX視点：現場カメラ・ドローン・点群・BIM/CIMと連携できる

APEXのように、ドローン、SLAM、点群データ、BIM/CIM、3Dデータ活用に強みを持つ企業にとって、AI安全監視は単なるカメラシステムではありません。現場の3Dデータと安全情報を重ね合わせることで、「空間的な安全管理」へ拡張できます。

たとえば、ドローンレーザーやSLAMで取得した点群データを使えば、現場の地形、法面、掘削箇所、仮設構造物、資材置き場、重機動線を3Dで把握できます。そのうえで、BIM/CIMモデルや点群上に危険区域を設定すれば、現場の安全管理を2D図面ではなく3D空間で行えます。

具体的には、次のような活用が考えられます。

• 点群上にクレーン旋回範囲を設定する
• 掘削端部や開口部から一定距離を危険区域として登録する
• 重機走行ルートと作業員動線を分離する
• 資材搬入エリアと歩行者動線の交差箇所を可視化する
• ドローン撮影画像から日々の危険箇所を更新する
• BIM/CIMモデル上で高所作業エリアや立入禁止エリアを管理する
• 現場カメラの検知結果を3Dマップ上に重ねる
• ヒヤリハット発生地点を点群・地図上に蓄積する

国土交通省はi-Construction 2.0で、2040年度までに建設現場の省人化を少なくとも3割、つまり生産性を1.5倍向上することを目指し、「施工のオートメーション化」「データ連携のオートメーション化」「施工管理のオートメーション化」を柱として掲げています。安全管理も、この流れの中でデータ連携と自動化が進む領域です。

今後は、現場カメラ、ドローン、点群、BIM/CIM、ウェアラブル、IoTセンサーを別々に使うのではなく、現場の安全情報を一つのデジタル空間に統合することが重要になります。

導入時に設計すべきポイント

AI安全監視は、導入すればすぐに安全管理が自動化されるわけではありません。現場で機能させるには、検知対象、通知ルール、責任範囲、データの扱いを事前に設計する必要があります。

最初からすべてを検知しようとしない

PPE、重機接近、危険区域侵入、転倒、熱中症、疲労兆候を一度に導入すると、アラートが多すぎて現場が混乱する可能性があります。最初は、事故リスクが高く、効果を説明しやすいテーマから始めるのが現実的です。

建設現場であれば、初期導入テーマとしては次の3つが有力です。

• 重機接近アラート
• 熱中症リスク検知
• 危険区域侵入検知

この3つは重大事故につながりやすく、現場側にも導入目的を説明しやすい領域です。

アラートの優先度を分ける

すべての通知を同じ重要度で出すと、本当に危険なアラートが埋もれてしまいます。現場では、アラートを「注意」「警告」「緊急」のように分けるべきです。

たとえば、危険区域の近くに接近した段階では注意通知、実際に侵入したら警告通知、重機と接近して接触リスクが高まった場合は緊急通知にする、といった設計が考えられます。

アラート後の対応フローを決める

AIが危険を検知しても、誰が対応するかが決まっていなければ安全改善にはつながりません。アラート発生後に、誰へ通知し、誰が確認し、何分以内に対応し、どのように記録するかを決める必要があります。

たとえば、熱中症リスクアラートが出た場合は、職長が作業員に声をかけ、休憩場所へ誘導し、給水・冷却・体調確認を行い、対応結果を記録する、といった流れを定義します。

個人データの扱いを明確にする

ウェアラブルで取得する脈拍、活動量、位置情報、転倒情報などは、作業員の安全確保を目的として扱うべきです。作業員の監視や評価に過度に使われると、現場の信頼を失います。

導入前に、取得するデータ、利用目的、閲覧できる人、保存期間、協力会社への説明方法を明確にする必要があります。安全管理のDXは、技術だけでなく、現場との合意形成が重要です。

誤検知・見逃しを前提に運用する

AI検知には誤検知も見逃しもあります。ヘルメットの角度、カメラの死角、雨や粉じん、夜間照明、通信環境によって検知精度は変わります。そのため、AIの判定を絶対視するのではなく、人の確認と組み合わせることが重要です。

AI安全監視は、現場監督者の判断を置き換えるものではなく、判断材料を増やすものです。

現場で使えるAI安全監視チェックリスト

AI安全監視を導入する際は、次のチェックリストで整理すると実務に落とし込みやすくなります。

• 現場で最も重大な事故リスクは何か
• 重機接近、危険区域侵入、熱中症、転倒のうち、優先すべき検知対象はどれか
• カメラを設置できる場所はどこか
• ウェアラブルを装着する対象者は誰か
• 協力会社の作業員にも装着・運用できるか
• BIM/CIMや点群上で危険区域を設定できるか
• アラートは誰に通知するか
• 作業員本人にも通知するか、管理者だけに通知するか
• アラート後の対応時間を記録するか
• アラートの再発率を確認するか
• 取得したデータの保存期間を決めているか
• 個人情報・位置情報の利用目的を説明しているか
• 誤検知が起きた場合の修正ルールを決めているか
• 月次の安全会議でKPIを確認するか

このチェックリストの目的は、AIシステムを導入すること自体ではありません。現場の危険をどのように検知し、誰が対応し、どう改善するかを決めることです。

まとめ

建設現場の安全管理は、「巡回したか」「注意喚起したか」「報告書を作ったか」だけでは不十分になりつつあります。これから重要になるのは、危険の兆候をリアルタイムに検知し、対応し、記録し、再発防止につなげることです。

AIカメラ、ウェアラブル、IoTセンサー、エッジAIを活用すれば、危険区域侵入、重機接近、PPE未着用、転倒、熱中症リスク、疲労兆候をリアルタイムに把握できます。そして、それらをヒヤリハット検知数、重機接近アラート、危険区域侵入件数、熱中症リスク、アラート対応時間といったKPIとして管理できます。

安全管理のKPIは、巡視回数から検知数・対応時間・再発率へ移っていきます。

APEXが持つドローン、SLAM、点群、BIM/CIMの技術とAI安全監視を組み合わせれば、現場の安全管理は平面のチェックリストから、3D空間上のリアルタイムリスク管理へ進化できます。安全管理のDXは、事故を減らすだけでなく、現場の信頼性、生産性、働きやすさを高めるための重要な投資になっていくでしょう。