及时有效地分析和跟踪施工人员活动对于施工现场的安全、质量和效率管理至关重要。传统的直接观察的监测方式不仅是对人力资源的耗费,并且最终结果往往是由观察者的主观意识判断所决定的。与这种传统的方式相比,采用自动化的数据收集方式来跟踪和监测劳动力更具优势。为弥补单一传感技术采集维度不足的缺陷和集成传感技术对系统灵活性的限制以及图像传感技术受光照影响的不稳定性,本文采用智能手机作为数据的采集工具,建立施工人员活动识别模型。智能手机可以看作是一个单节点的集成传感设备,既满足数据采集维度的需求,又可以适应复杂的施工环境。本文以楼板钢筋工种的施工活动为研究对象,首先根据钢筋工的施工流程和工艺确定了8种活动类型,分别为站立、行走、蹲、清理模板、提取和放置钢筋、钢筋定位、绑扎钢筋、放置垫块,并对活动过程中人体部位特征进行分析,以此来确定数据的采集部位。在数据采集开始之前,将智能手机用手机臂带固定在实验人员的右手腕部和右腿中上部,以此来收集实验人员模拟施工人员活动时的加速度和倾角数据,并使用Orion-CC软件调取出智能手机采集到的数据信息。由于两部手机采集到的数据在时间节点上不能完全吻合,为减少由此带来的误差,本文建立了“小于0.1s”准则对数据进行时序性预处理,再提取平均值、标准差、四分位距(IQR)、偏度、协方差特征值。最后通过决策树中的CART算法建立分类训练模型,并采用“交叉验证法”对模型进行验证和评估。最终的测试结果显示对于样本个体的平均分类准确率为95.45%,预测准确率为92.98%;样本总体的分类准确率为89.85%,预测准确率为94.91%。模型的识别结果验证了基于智能手机采集数据下的决策树模型可以用于施工人员的复杂施工活动识别。在此基础上,本文以施工效率管理为例对该模型在施工管理领域的应用进行分析,建立了以“有效工作率”为评价指标,“时间比例模型”和“施工工序图谱”为辅助管理工具的施工效率评价方法。在理论上证明了该方法的合理性和有效性。