CN113191605A - 房屋风险评估方法及装置 - Google Patents
房屋风险评估方法及装置 Download PDFInfo
- Publication number
- CN113191605A CN113191605A CN202110421690.8A CN202110421690A CN113191605A CN 113191605 A CN113191605 A CN 113191605A CN 202110421690 A CN202110421690 A CN 202110421690A CN 113191605 A CN113191605 A CN 113191605A
- Authority
- CN
- China
- Prior art keywords
- risk
- house
- assessment
- evaluation
- factor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012502 risk assessment Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000011156 evaluation Methods 0.000 claims abstract description 102
- 238000013210 evaluation model Methods 0.000 claims abstract description 29
- 238000012937 correction Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000007726 management method Methods 0.000 claims description 29
- 238000013077 scoring method Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 description 13
- 238000009412 basement excavation Methods 0.000 description 11
- 238000010276 construction Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 239000002689 soil Substances 0.000 description 5
- 238000005422 blasting Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012954 risk control Methods 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种房屋风险评估方法及装置，该方法包括：获取房屋的建筑数据和风险类型；根据所述风险类型匹配对应的风险因子体系，对所述房屋的建筑数据进行风险识别处理，得到房屋风险因素；根据所述房屋风险因素并基于房屋风险事前和事后的修正能力，对所述房屋风险进行风险评估，得到所述房屋风险的评估结果；将所述房屋风险的评估结果和对比的风险因素权重带入至对应的评估模型中，生成所述房屋的风险等级。本发明实现了对深基坑工程既有房屋结构安全风险评估与管理工作，提高风险评估的实操和落地性，对既有房屋结构安全的风险管控工作具有重要的指导意义。
Description
技术领域
本发明属于城市地下工程技术领域，具体涉及一种房屋风险评估方法及装置。
背景技术
随着城市化进程在加快，用地日益紧张，经常会遇到临近既有房屋建筑进行深基坑开挖作业的情况，这时基坑周边土体多为主动土压力状态，可能导致支护结构产生变形，地面发生沉降，对周边既有建筑危害很大，因此，针对临近深基坑的既有房屋结构安全进行风险评估具有重要意义。
城市中的深基坑往往在人流量大、房屋密集的地区施工，只要周边建筑物发生安全风险事故，就会对周边居民的财产安全和人身安全造成影响。所以在施工前期通过有效、合理地对周边建筑物进行安全风险评估，能降低人民生命财产损失和深基坑施工时事故发生率。
在实际工程中，主流评估体系采用事故树法和贝叶斯网络等方法，大部分的风险评估分析只是基于基坑风险总值的评估，缺乏对超大型城市既有房屋结构安全的风险管控工作的指导性、普适性和实操性。
发明内容
本发明的主要目的在于提出一种房屋风险评估方法及装置，旨在实现房屋风险评估的管理工作以及实现对大城市房屋结构安全的风险管控工作，落实风险评估的实操性和落地性。
为实现上述目的，本发明提供一种房屋风险评估方法，所述房屋风险评估方法包括：
获取房屋的建筑数据和风险类型；
根据所述风险类型匹配对应的风险因子体系，对所述房屋的建筑数据进行风险识别处理，得到房屋风险因素；
根据所述房屋风险因素并基于房屋风险事前和事后的修正能力，对所述房屋风险进行风险评估，得到所述房屋风险的评估结果；
将所述房屋风险的评估结果和对比的风险因素权重带入至对应的评估模型中，生成所述房屋的风险等级。
可选地，所述获取房屋的建筑数据，包括：
获取所述房屋的基本调查数据和现场调查数据，解析房屋主体结构的承重构件，并生成所述房屋的建筑数据。
可选地，所述根据所述风险类型匹配对应的风险因子体系，对所述房屋的建筑数据进行风险识别处理，得到房屋风险因素包括：
根据所述风险类型，读取对应的风险参数和取值范围，生成对应的风险因子体系；
基于所述风险因子体系，对所述房屋的建筑数据进行匹配，筛选出与所述风险因子体系匹配的房屋风险数据；
对所述房屋风险数据进行风险分析，得到房屋风险因素，其中，所述房屋风险因素包括所述房屋的自身安全风险和外部风险。
可选地，所述根据所述房屋风险因素并基于所述房屋风险事前和事后的修正能力，对所述房屋风险进行风险评估，得到所述房屋风险的评估结果包括：
基于所述房屋风险因素确定房屋风险评估指标，以及房屋层数和房屋建筑面积之间的对应关系，建立房屋风险评估模型；
根据所述房屋风险评估模型，分别对不同房屋楼层对应建筑面积的房屋进行风险评估；
根据所述风险评估对应数值大小，确定所述房屋风险的风险评估结果。
可选地，所述将所述房屋风险的评估结果和对比的风险因素权重带入至对应的评估模型中，生成所述房屋的风险等级包括：
根据所述风险评估结果，通过专家打分方法与改进灰色关联度结合方法，确定评估模型中各风险因素对应的权重值；
将所述评估模型中各风险因素对应的权重值带入特定的计算规则中进行解析，计算出所述房屋对应的风险系数值；
根据所述风险系数值，划分出所述房屋的风险等级。
可选地，所述通过专家打分方法与改进灰色关联度结合方法，确定评估模型中各风险因素对应的权重值的步骤包括：
获取多个相应领域的专家独立建立的权重判断矩阵，并计算得到各专家的评价指标权重AHP评判结果；
将所述AHP评判结果的集合进行汇总，构成评价因子专家判断矩阵，并选取该矩阵中最大值作为各个专家序列的统一参考值；
逐个求得若干个评价指标对参考值的距离，并按各自权重并进行归一化处理得到最终的权重值。
可选地，所述获取房屋的建筑数据和风险类型之前包括：
收集对房屋造成事故隐患的各类风险因子；
通过对所述风险因子进行分类处理，得到风险因子类别；
基于所述风险因子类别，根据不同的风险因子类别将该风险因子整合成风险因子标签集合。
可选地，所述将所述房屋风险的评估结果和对比的风险因素权重带入至对应的评估模型中，生成所述房屋的风险等级之后还包括：
根据所述房屋风险数据，对所述房屋的实际情况以及风险因素的危险等级进行排序，确定房屋风险因素序列；
根据所述房屋风险因素序列，提取所述房屋风险因素标签集合；
基于所述房屋风险等级，生成对应的房屋风险评估报告，建立对应的房屋管控措施并开展对应的风险处置工作。
可选地，判断所述房屋风险事前和事后的修正能力包括：
判断所述房屋是否已纳入监控范围、已实施监测预警、或已列入房屋整改计划；若是，则判断为具有房屋风险事前修正能力；
判断所述房屋是否有日常管理及安全巡检记录；若有，则判断为具有房屋风险事后修正能力。
本发明实施例还提出一种房屋风险评估装置，所述房屋风险评估装置包括：
获取模块，用于获取对房屋的建筑数据和风险类型；
处理模块，用于根据所述风险类型匹配对应的风险因子体系，对所述房屋的建筑数据进行风险识别处理，得到房屋风险因素；
评估模块，用于根据所述房屋风险因素并基于所述房屋风险事前和事后的修正能力，对所述房屋风险进行风险评估，得到所述房屋风险的评估结果；
计算模块，用于将所述房屋风险的评估结果和对比的风险因素权重带入至对应的评估模型中，生成所述房屋的风险等级。
本发明提出的房屋风险评估方法及装置，通过获取房屋的建筑数据和风险类型；根据所述风险类型匹配对应的风险因子体系，对所述房屋的建筑数据进行风险识别处理，得到房屋风险因素；根据所述房屋风险因素并基于房屋风险事前和事后的修正能力，对所述房屋风险进行风险评估，得到所述房屋风险的评估结果；将所述房屋风险的评估结果和对比的风险因素权重带入至对应的评估模型中，生成所述房屋的风险等级。实现了深基坑工程的既有房屋结构安全风险与管理工作，提高风险评估的实操性和落地性，对大城市既有房屋结构安全的风险管控工作具有重大意义。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图；
图2为本发明房屋风险评估方法第一实施例的流程示意图；
图3为本发明高风险区域既有房屋安全风险评估的流程图；
图4为本发明房屋风险评估方法深基坑影响范围示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。
本发明实施例设备可以是PC机或服务器设备。
如图1所示，该设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及房屋风险评估程序。
其中，操作系统是管理和控制房屋风险评估设备与软件资源的程序，支持网络通信模块、用户接口模块、房屋风险评估程序以及其他程序或软件的运行；网络通信模块用于管理和控制网络接口1002；用户接口模块用于管理和控制用户接口1003。
在图1所示的房屋风险评估设备中，所述房屋风险评估设备通过处理器1001调用存储器1005中存储的房屋风险评估程序，并执行下述房屋风险评估方法各个实施例中的操作。
基于上述硬件结构，提出本发明房屋风险评估方法实施例。
参照图2，图2为本发明房屋风险评估方法第一实施例的流程示意图，所述方法包括：
步骤S10，获取房屋的建筑数据和风险类型；
其中，所述风险类别包括但不限于暗涵暗渠(或明河)、在建深基坑工程、在建隧道工程等情况。下文以在建深基坑工程为例进行阐述。
步骤S20，根据所述风险类型匹配对应的风险因子体系，对所述房屋的建筑数据进行风险识别处理，得到房屋风险因素；
步骤S30，根据所述房屋风险因素并基于所述房屋风险事前和事后的修正能力，对所述房屋风险进行风险评估，得到所述房屋风险的评估结果；
步骤S40，将所述房屋风险的评估结果和对比的风险因素权重带入至对应的评估标准中，获取所述房屋的风险等级。
本实施例中，用户可以通过登录至房屋建筑结构安全监测预警系统，根据房屋的实际情况进行相关的查询，查询得到造成房屋风险因素，每一个房屋风险因素对应一个AHP专家打分法与改进灰色关联度结合方法确定评估模型中各风险因素对应的房屋风险权重，通过房屋风险权重和对应的风险评估，生成对应的房屋风险等级，将房屋风险进行分级，可以通过等级的高低提出对应的管控措施，形成风险评估报告，根据管控措施开展新的风险处置工作。其中，AHP专家打分法与改进灰色关联度结合方法可以求各外部风险源危险性评价得分，各外部风险源影响危险性评价得分Fa为：
式中：n为单风险源的评价因素数目，Fai为各因素得分，ki为各因素对应权重。
ki的计算步骤为(即本实施例中通过专家打分方法与改进灰色关联度结合方法，确定评估模型中各风险因素对应的权重值的方案)：
(1)获取多个相应领域的专家独立建立的权重判断矩阵，并计算得到各专家的评价指标权重AHP评判结果；比如邀请m个相应领域的专家，专家根据风险理论和实践经验，各自建立权重判断矩阵M，计算得到各专家的评价指标权重AHP评判结果(采用5标度)；
(2)求得此矩阵的最大特征值c，和最大特征值对应的特征向量C，做一致性检验，判断CR值是否小于0.1，若小于0.1则满足要求；
(3)将m个专家对n个评价指标的AHP评判集合汇总，构成评价因子专家判断矩阵，并选取该矩阵数列中最大值作为各个专家序列的统一参考值，形成参考数列：
F0＝(f0(1),f0(3),…,f0(m))；
(4)用下式逐个求得n个评价指标对参考值的距离：
(5)按下式逐个求n个指标的各自权重并进行归一化处理得到最终的权重值：
在本实施例中，可以对应SJG 41-2017标准将房屋的结构安全隐患分为A、B、C1、C2、C3，在有效期内，若房屋不存在异常，则将房屋结构自身安全风险评估Fc可分别取为1、2、3、4、5，对于高风险区域的房屋建筑，则按照SJG 42-2017的排查标准来进行评估，对于排查类别为A、B1、B2、C类的房屋建筑，Fc可分别取1、2、3、4、5。对于那些未排查、过期以及不符合标准的房屋建筑，应按照SJG 41-2017或SJG 42-2017标准的相关规定重新排查并进行相应的评估，再按照JGJ 125-2016标准进行鉴定并进行修缮之后通过SJG 41-2017或者SJG42-2017标准对其进行评估，同时也要根据房屋与深基坑的空间位置关系、地质条件等因素按照(Fai，i＝1至6)进行评估。
参照图3，图3为本发明高风险区域既有房屋安全风险评估的流程图，所述方法包括：
在本实施例中，获取房屋历史数据信息，其中，包括基本信息调查、既有风险情况调查和现场调查。再将获取到的房屋历史数据信息带入到风险发生可能性评估和事故后果严重性评估之中进行评估，根据相关人员对房屋风险进行相关的评估，其中，风险发生可能性评估包括房屋结构自身安全风险评估、外部风险源影响危险性评估、风险事前控制能力修正和风险发生可能性评估，事故后果严重性评估包括房屋使用人群评估、社会影响等级评估、事后控制能力修正和事故后果严重性评估。在通过多重标准的评估之后，得到各房屋对应的风险评估结果，并基于评估结果和使用层次分析专家打分法和改进灰色关联度结合方法，确定评估模型中对应的各个房屋风险因素权重和房屋风险等级，根据房屋风险等级的高低，建立不同的房屋风险管控措施，根据房屋风险等级越高，建立更高标准的房屋风险管控措施并加快管控措施的执行时间和加强管控力度，通过不同的房屋风险等级提出的房屋管控措施，若存在异议的，则返回，从数据的获取开始执行之前的每一个步骤，再判断该措施是否还存在异议，若不存在异议，则形成风险评估报告，开展相关的房屋风险处置工作并将其纳入网格化的重点管理。
在本实施例中，通过获取前期对房屋历史数据信息，并将该数据带入到对应的房屋风险评估模型之中进行房屋风险评估，在得到房屋风险评估结果之后，基于房屋风险因素权重，确定房屋风险等级并提出相关的管控措施，在不存在异议的情况下，形成对应的房屋风险评估报告，再对对应的评估报告开展相关的风险处置工作并将其纳入网格化的重点管理工作。这样的房屋风险评估标准以及根基评估的房屋风险等级，使得房屋风险的评估结果更加的符合现实，形成风险评估报告、开展风险处置工作以及将其纳入网格化进行重点管理，这样有益于能及时对房屋风险进行处理，提高使用人群的安全感。
以下将对各个步骤进行详细说明：
步骤S10，获取房屋的建筑数据和风险类型；
本实施例房屋风险评估方法是运用于城市房屋风险预测机构的房屋风险评估设备中，房屋风险评估系统可以是移动终端、机器人或是服务器端设备，对于存在风险隐患的房屋需要进行相关的信息调查。
其中，获取房屋的建筑数据和风险类型，包括：获取所述房屋的基本调查数据和现场调查数据，解析房屋主体结构的承重构件，并生成所述房屋的建筑数据。
具体地，获取信息的来源包括基本信息调查和现场调查，基本信息调查还包括了深基坑与周边房屋空间位置关系图、深基坑工程勘察设计资料、深基坑施工专项方案资料和在建设深基坑日常管理责任单位以及单位负责人的实际走访调研，从相关人员以及相关资料那里查询到关于房屋风险数据的信息，其中现场调查还包括了对现有资料以及核对房屋的内外现场状况，同时积极听取住户、物业单位和相关的社区人员的实时反映以及房屋的实际使用情况和内外部环境的现状进行摸排调研，形成一个房屋风险评估信息序列集合，并督促相关机构的工作人员对房屋的调查数据进行实时更新，以便于记录最新的房屋状况数据信息。
步骤S20，根据所述风险类型匹配对应的风险因子体系，对所述房屋调查数据进行风险识别处理，得到房屋风险因素。
具体地，根据所述风险类型，读取对应的风险参数和取值范围，生成对应的风险因子体系；基于所述风险因子体系，对所述房屋的建筑数据进行匹配，筛选出与所述风险因子体系匹配的房屋风险数据；对所述房屋风险数据进行风险分析，得到房屋风险因素，其中，所述房屋风险因素包括所述房屋的自身安全风险和外部风险。
在本实施例中，风险因子体系指的是对房屋造成风险的因子集合，同时风险因子可以看作是风险因素的微观概念。在获取房屋调查数据之前，需要从各方面渠道采集造成房屋风险的调查数据，再将这些数据进行整合，形成一个比较完善的风险因子体系，进一步的将该风险因子体系中的数据存储至处理模块中的存储单元，通过无线传输的方式将存储单元中的数据发送至处理模块中的识别单元，识别单元再对风险因子体系中的各个数据进行识别处理，例如，一个集合中包含了英文字符、标点符号以及数字，此时需要对该集合进行处理，其中需要将集合中的三种不同的字符按照数字、英文字符和标点符号的顺序排列起来，并将大于4的数字提取出来，这样的提取方式与房屋风险数据的识别处理有着相似的工作原理。
在本实施例中，根据风险因子体系并对其作识别处理，提取到对应的风险因素，这样有益于数据信息的整合，在查询数据的时候，提高了数据查询的速度，提升了用户的工作效率，为用户带来了便捷，同时也加强了产品的竞争力。
步骤S30，根据所述房屋风险因素并基于所述房屋风险事前和事后的修正能力，对所述房屋风险进行风险评估，得到所述房屋风险的评估结果。
其中，基于所述房屋风险因素确定房屋风险评估指标，以及房屋层数和房屋建筑面积之间的对应关系，建立房屋风险评估模型；根据所述房屋风险评估模型，分别对不同房屋楼层对应建筑面积的房屋进行风险评估；根据所述风险评估对应数值大小，确定所述房屋风险的风险评估结果。
具体地，在本实施例中，通过房屋与深基坑的空间位置关系、地址条件以及其他的因素都是可能给房屋单来风险的因素，评估模块需要依次对房屋风险因素集合中的风险因素进行标签识别，通过识别等到标签序列并通过标签序列中的标签确定风险因素的评估规则，其中评估规则指的是房屋使用者的评估、社会影响的评估以及对于事后控制能力修正的评估，根据不同的评估方式，确定评估的标准。房屋使用者评估主要是根据楼层[1-3]、[4-9]、[10-33]、[34-65]、≥66对应的建筑面积[0-1000]、[1000-10000)、[10000-50000)、[50000-100000)、≥100000从1-5分的评估，而社会影响的评估主要是通过影响程度对应的人员数量需要紧急转移安置的人数分别按小于50、50～100、100～500、500～1000以及1000以上不同阶段从1-5分进行评估。事后控制能力评估则是按照房屋风险发生可能性从1-5的分值评估，大于5的取5，小于1的取1。
在本实施例中，深基坑与房屋空间相对位置关系如图4所示，房屋结构有竖向承重结构构件位于A1区域内，根据落入该区域的构件数量，Fa1取2-4，当竖向承重结构构件完全落入A1区域时，Fa1取4，在房屋竖向承重位于A2时，Fa1取2-3，其中竖向承重结构构件完全落入A2且没有落入A1时，Fa1取3，若房屋结构有竖向承重结构构件，位于A3且没位于A2时，Fa1取1-2，若房屋竖向承重结构构件全部位于A3意外时，Fa1是不做调整的，当房屋基础底标高高于深基坑开挖底标高时，其高差数值大于房屋与基坑开挖边线水平距离时，Fa1在以上基础上加2,其高差数值小于房屋与基坑开挖边线水平距离时，Fa1在以上基础上加1；当房屋基础底标高低于基坑开挖底标高时，Fa1不作调整。若无法获得房屋基础底面标高时，此项不做调整。
进一步的，当深基坑范围内存在软土、强透水层、岩溶时，Fa2取3-5，在深基坑范围内不存在不利条件时，Fa2取1-2,。若周围地层的地下水位在深基坑之上时。承压水Fa3取2-3，潜水Fa3取1-2，周围地层地下水在深基坑底部下方时，Fa3取1。深基坑支护方式为柔性支护，如放坡、土钉墙或钢板桩等时，Fa4取3-4；深基坑支护类型为刚性支护，如排桩或地下连续墙时，Fa4取1；深基坑支护类型为刚性支护与柔性支护相结合的混合支护时，Fa4取1-3。基坑开挖对象为土质的情形，采用机械挖掘时Fa5,，取1。基坑开挖对象为岩质的情形，采用机械挖掘时，Fa5取2；采用爆破工艺时，明爆Fa5取3-4，静爆Fa5取2，根据房屋基础形式，当房屋基础为桩基这样的深基础时，Fa6取1-2，当房屋基础为浅基础时，Fa6取3-4，同时也根据深基坑在开挖后进行相关的监测与修正，如果在监测过程中没有按照要求的规范标准，就要在建深基坑影响的危险性评估上加上1分。
在本实施例中，进一步的细化了房屋风险评估的标准，将各种存在以及隐藏的风险因素列举出来，将各种风险因素进行归类陈列出来，这样有利于用户可以根据需要查询的房屋风险因素，只需要将其输入，即可查找到对应的风险评估，为用户的查询带来了便捷，同时提高了风险因素的查询速度，提高了房屋使用人群的安全感。
步骤S40，将所述房屋风险的评估结果和对比的风险因素权重带入至对应的评估模型中，生成所述房屋的风险等级。
其中，根据所述风险评估结果，通过专家打分方法与改进灰色关联度结合方法，确定评估模型中各风险因素对应的权重值；将所述评估模型中各风险因素对应的权重值带入特定的计算规则中进行解析，计算出所述房屋对应的风险系数值；根据所述风险系数值，划分出所述房屋的风险等级。
其中，所述通过专家打分方法与改进灰色关联度结合方法，确定评估模型中各风险因素对应的权重值的步骤包括：
获取多个相应领域的专家独立建立的权重判断矩阵，并计算得到各专家的评价指标权重AHP评判结果；
将所述AHP评判结果的集合进行汇总，构成评价因子专家判断矩阵，并选取该矩阵中最大值作为各个专家序列的统一参考值；
逐个求得若干个评价指标对参考值的距离，并按各自权重并进行归一化处理得到最终的权重值。
在本实施例中，通过将房屋风险因素集合中的各因素进行整理，使之更加有层次感以及逻辑关系把专家的意见和客观判断结果结合起来在于灰色关联度两种方法结合确定评估模型中的各个房屋风险因素的对应权重，其中灰色关联度指的是将各个房屋风险因素对房屋风险的影响程度，也可以看作是房屋风险因素的权重，再将对应的房屋风险权重带入到计算规则之中进行计算，计算得到各房屋风险对应的风险系数值，例如，某次班级评选奖学金，采用学生和老师都参与投票的评选方式，其中老师所投的票对应的权重为3，学生投的票对应的权重为1，在不计较学生投票人数的前提下，A同学获得了25张学生投票和1个老师投票，B同学获得了27张学生投票没有得到老师投票，在计票时A同学一共获得了29张投票，而B同学只得到了27张投票，此时则A同学获胜，所以权重是影响评选结果的重要因素。
进一步的，根据各风险因素对应的所对应的权重，得到事故后果严重性与风险发生可能性分别为1、2、3、4、5的时候，根据地方标准《城市安全风险评估导则》的第6、7条，将风险等级划分为低风险、一般风险、较大风险、重大风险四个等级。
在本实施例中，通过获取房屋调查数据后根据预设风险因子体系对房屋进行数据信息进行风险识别处理，再将获取到的房屋风险因素和可能发生的可能性带入在相应的评估规则之中进行计算，得到评估结果再将AHP专家打分法与灰色关联度结合方法确定模型里面的风险因素权重与之进行对比，得到房屋风险等级，根据不同的风险等级提出不同的管控措施，形成风险报告，针对不同的管控措施开展对应的房屋风险处置工作。统一了深基坑工程既有的房屋结构风险评估与管理工作，同时也提高了风险评估的实操性与落地性，大于大型城市的房屋管控工作起到了不可或缺的作用，为城市房屋安全带来了保障，为用户提供了优质的服务，体现了该产品的价值与存在意义。
进一步地，所述获取房屋的建筑数据和风险类型之前还包括：
收集对房屋造成事故隐患的各类风险因子；
通过对所述风险因子进行分类处理，得到风险因子类别；
基于所述风险因子类别，根据不同的风险因子类别将该风险因子整合成风险因子标签集合。
所述将所述房屋风险的评估结果和对比的风险因素权重带入至对应的评估模型中，生成所述房屋的风险等级之后还包括：
根据所述房屋风险数据，对所述房屋的实际情况以及风险因素的危险等级进行排序，确定房屋风险因素序列；
根据所述房屋风险因素序列，提取所述房屋风险因素标签集合；
基于所述房屋风险等级，生成对应的房屋风险评估报告，建立对应的房屋管控措施并开展对应的风险处置工作。
其中，判断所述房屋风险事前和事后的修正能力包括：
判断所述房屋是否已纳入监控范围、已实施监测预警、或已列入房屋整改计划；若是，则判断为具有房屋风险事前修正能力；
判断所述房屋是否有日常管理及安全巡检记录；若有，则判断为具有房屋风险事后修正能力。
本发明提出的房屋风险评估方法，通过获取房屋的建筑数据和风险类型；根据所述风险类型匹配对应的风险因子体系，对所述房屋的建筑数据进行风险识别处理，得到房屋风险因素；根据所述房屋风险因素并基于房屋风险事前和事后的修正能力，对所述房屋风险进行风险评估，得到所述房屋风险的评估结果；将所述房屋风险的评估结果和对比的风险因素权重带入至对应的评估模型中，生成所述房屋的风险等级。实现了深基坑工程的既有房屋结构安全风险与管理工作，提高风险评估的实操性和落地性，对大城市既有房屋结构安全的风险管控工作具有重大意义。
此外，本发明还提供一种房屋风险评估装置。本发明房屋风险评估装置包括：
获取模块，用于获取对房屋的建筑数据和风险类型；
处理模块，用于根据所述风险类型匹配对应的风险因子体系，对所述房屋的建筑数据进行风险识别处理，得到房屋风险因素；
评估模块，用于根据所述房屋风险因素并基于所述房屋风险事前和事后的修正能力，对所述房屋风险进行风险评估，得到所述房屋风险的评估结果；
计算模块，用于将所述房屋风险的评估结果和对比的风险因素权重带入至对应的评估模型中，生成所述房屋的风险等级。
进一步地，所述处理模块还用于：
基于所述风险因子体系，对所述房屋的建筑数据进行匹配，筛选出与所述风险因子体系匹配的房屋风险数据；
对所述房屋风险数据进行风险分析，得到房屋风险因素，其中，所述房屋风险因素包括所述房屋的自身安全风险和外部风险。
进一步地，所述评估模块，还用于：
基于所述房屋风险因素确定房屋风险评估指标，以及房屋层数和房屋建筑面积之间的对应关系，建立房屋风险评估模型；
根据所述房屋风险评估模型，分别对不同房屋楼层对应建筑面积的房屋进行风险评估；
根据所述风险评估对应数值大小，确定所述房屋风险的风险评估结果。
进一步地，所述计算模块还用于：
根据所述风险评估结果，通过专家打分方法与改进灰色关联度结合方法，确定评估模型中各风险因素对应的权重值；
将所述评估模型中各风险因素对应的权重值带入特定的计算规则中进行解析，计算出房屋对应的风险系数值；
根据所述风险系数值，划分出所述房屋的风险等级。
进一步地，所述获取房屋调查数据之前还包括：
收集对房屋造成事故隐患的各类风险因子；
通过对所述风险因子进行分类处理，得到风险因子类别；
基于所述房屋风险因子类别，根据不同的风险因子类别将该风险因子整合成风险因子标签集合。
进一步地，所述将所述房屋风险的评估结果和对比的风险因素权重带入至对应的评估标准中，获取所述房屋的风险等级之后还包括：
根据所述获取房屋风险数据，对房屋的实际情况以及风险因素的危险等级进行排序后，确定房屋风险因素序列；
根据所述房屋风险因素序列，提取到所述房屋风险因素标签集合；
基于所述房屋风险等级，生成对应的房屋风险评估报告，建立对应的房屋管控措施并开展对应的风险处置工作。
进一步地，所述根据所述房屋风险因素并基于所述房屋风险事前和事后的修正能力，对所述房屋风险进行风险评估，得到所述房屋风险的评估结果之前还包括：
基于所述房屋风险因素，通过层次分析专家打分法和改进灰色关联度结合方法，确定对应房屋风险因素权重；
根据所述房屋风险事前和事后的修正能力，完善所述评估体系，优化所述风险因素权重。
本发明提出的房屋风险评估方法及装置，通过获取房屋的建筑数据和风险类型；根据所述风险类型匹配对应的风险因子体系，对所述房屋的建筑数据进行风险识别处理，得到房屋风险因素；根据所述房屋风险因素并基于房屋风险事前和事后的修正能力，对所述房屋风险进行风险评估，得到所述房屋风险的评估结果；将所述房屋风险的评估结果和对比的风险因素权重带入至对应的评估模型中，生成所述房屋的风险等级。实现了深基坑工程的既有房屋结构安全风险与管理工作，提高风险评估的实操性和落地性，对大城市既有房屋结构安全的风险管控工作具有重大意义。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书与附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种房屋风险评估方法，其特征在于，所述房屋风险评估方法包括：
获取房屋的建筑数据和风险类型；
根据所述风险类型匹配对应的风险因子体系，对所述房屋的建筑数据进行风险识别处理，得到房屋风险因素；
根据所述房屋风险因素并基于房屋风险事前和事后的修正能力，对所述房屋风险进行风险评估，得到所述房屋风险的评估结果；
将所述房屋风险的评估结果和对比的风险因素权重带入至对应的评估模型中，生成所述房屋的风险等级。
2.根据权利要求1所述的房屋风险评估方法，其特征在于，所述获取房屋的建筑数据，包括：
获取所述房屋的基本调查数据和现场调查数据，解析房屋主体结构的承重构件，并生成所述房屋的建筑数据。
3.根据权利要求1所述的房屋风险评估方法，其特征在于，所述根据所述风险类型匹配对应的风险因子体系，对所述房屋的建筑数据进行风险识别处理，得到房屋风险因素包括：
根据所述风险类型，读取对应的风险参数和取值范围，生成对应的风险因子体系；
基于所述风险因子体系，对所述房屋的建筑数据进行匹配，筛选出与所述风险因子体系匹配的房屋风险数据；
对所述房屋风险数据进行风险分析，得到房屋风险因素，其中，所述房屋风险因素包括所述房屋的自身安全风险和外部风险。
4.根据权利要求1所述的房屋风险评估方法，其特征在于，所述根据所述房屋风险因素并基于所述房屋风险事前和事后的修正能力，对所述房屋风险进行风险评估，得到所述房屋风险的评估结果包括：
基于所述房屋风险因素确定房屋风险评估指标，以及房屋层数和房屋建筑面积之间的对应关系，建立房屋风险评估模型；
根据所述房屋风险评估模型，分别对不同房屋楼层对应建筑面积的房屋进行风险评估；
根据所述风险评估对应数值大小，确定所述房屋风险的风险评估结果。
5.根据权利要求4所述的房屋风险评估方法，其特征在于，所述将所述房屋风险的评估结果和对比的风险因素权重带入至对应的评估模型中，生成所述房屋的风险等级包括：
根据所述风险评估结果，通过专家打分方法与改进灰色关联度结合方法，确定评估模型中各风险因素对应的权重值；
将所述评估模型中各风险因素对应的权重值带入特定的计算规则中进行解析，计算出所述房屋对应的风险系数值；
根据所述风险系数值，划分出所述房屋的风险等级。
6.根据权利要求5所述的房屋风险评估方法，其特征在于，所述通过专家打分方法与改进灰色关联度结合方法，确定评估模型中各风险因素对应的权重值的步骤包括：
获取多个相应领域的专家独立建立的权重判断矩阵，并计算得到各专家的评价指标权重AHP评判结果；
将所述AHP评判结果的集合进行汇总，构成评价因子专家判断矩阵，并选取该矩阵中最大值作为各个专家序列的统一参考值；
逐个求得若干个评价指标对参考值的距离，并按各自权重并进行归一化处理得到最终的权重值。
7.根据权利要求4所述的房屋风险评估方法，其特征在于，所述获取房屋的建筑数据和风险类型之前包括：
收集对房屋造成事故隐患的各类风险因子；
通过对所述风险因子进行分类处理，得到风险因子类别；
基于所述风险因子类别，根据不同的风险因子类别将该风险因子整合成风险因子标签集合。
8.根据权利要求7所述的房屋风险评估方法，其特征在于，所述将所述房屋风险的评估结果和对比的风险因素权重带入至对应的评估模型中，生成所述房屋的风险等级之后还包括：
根据所述房屋风险数据，对所述房屋的实际情况以及风险因素的危险等级进行排序，确定房屋风险因素序列；
根据所述房屋风险因素序列，提取所述房屋风险因素标签集合；
基于所述房屋风险等级，生成对应的房屋风险评估报告，建立对应的房屋管控措施并开展对应的风险处置工作。
9.根据权利要求1所述的房屋风险评估方法，其特征在于，判断所述房屋风险事前和事后的修正能力包括：
判断所述房屋是否已纳入监控范围、已实施监测预警、或已列入房屋整改计划；若是，则判断为具有房屋风险事前修正能力；
判断所述房屋是否有日常管理及安全巡检记录；若有，则判断为具有房屋风险事后修正能力。
10.一种房屋风险评估装置，其特征在于，所述房屋风险评估装置包括：
获取模块，用于获取对房屋的建筑数据和风险类型；
处理模块，用于根据所述风险类型匹配对应的风险因子体系，对所述房屋的建筑数据进行风险识别处理，得到房屋风险因素；
评估模块，用于根据所述房屋风险因素并基于所述房屋风险事前和事后的修正能力，对所述房屋风险进行风险评估，得到所述房屋风险的评估结果；
计算模块，用于将所述房屋风险的评估结果和对比的风险因素权重带入至对应的评估模型中，生成所述房屋的风险等级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110421690.8A CN113191605A (zh) | 2021-04-19 | 2021-04-19 | 房屋风险评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110421690.8A CN113191605A (zh) | 2021-04-19 | 2021-04-19 | 房屋风险评估方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113191605A true CN113191605A (zh) | 2021-07-30 |
Family
ID=76977405
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110421690.8A Pending CN113191605A (zh) | 2021-04-19 | 2021-04-19 | 房屋风险评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113191605A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114611875A (zh) * | 2022-02-08 | 2022-06-10 | 新瑞鹏宠物医疗集团有限公司 | 建筑风险预测方法及装置 |
| CN114723993A (zh) * | 2022-04-14 | 2022-07-08 | 江苏海洋大学 | 一种基于贝叶斯网络的农村房屋鉴定等级分类方法 |
| CN116755350A (zh) * | 2023-08-24 | 2023-09-15 | 深圳小米房产网络科技有限公司 | 基于智能家居物联网技术的房屋安全监测与预警系统 |
| CN116894585A (zh) * | 2023-07-25 | 2023-10-17 | 浙江三网科技股份有限公司 | 一种应用于未来社区综合数据智能分析方法和系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108154318A (zh) * | 2018-01-30 | 2018-06-12 | 中国地质科学院探矿工艺研究所 | 城镇斜坡地质灾害风险性评估可视化展示方法 |
| CN109685339A (zh) * | 2018-12-11 | 2019-04-26 | 深圳市城市公共安全技术研究院有限公司 | 交通基础设施建设工程的静态-动态风险评估方法及系统 |
-
2021
- 2021-04-19 CN CN202110421690.8A patent/CN113191605A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108154318A (zh) * | 2018-01-30 | 2018-06-12 | 中国地质科学院探矿工艺研究所 | 城镇斜坡地质灾害风险性评估可视化展示方法 |
| CN109685339A (zh) * | 2018-12-11 | 2019-04-26 | 深圳市城市公共安全技术研究院有限公司 | 交通基础设施建设工程的静态-动态风险评估方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 陈大川等: "基于指数矩阵的深基坑邻近砌体房屋安全风险评估", 《铁道科学与工程学报》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114611875A (zh) * | 2022-02-08 | 2022-06-10 | 新瑞鹏宠物医疗集团有限公司 | 建筑风险预测方法及装置 |
| CN114723993A (zh) * | 2022-04-14 | 2022-07-08 | 江苏海洋大学 | 一种基于贝叶斯网络的农村房屋鉴定等级分类方法 |
| CN116894585A (zh) * | 2023-07-25 | 2023-10-17 | 浙江三网科技股份有限公司 | 一种应用于未来社区综合数据智能分析方法和系统 |
| CN116894585B (zh) * | 2023-07-25 | 2024-02-20 | 浙江三网科技股份有限公司 | 一种应用于未来社区综合数据智能分析方法和系统 |
| CN116755350A (zh) * | 2023-08-24 | 2023-09-15 | 深圳小米房产网络科技有限公司 | 基于智能家居物联网技术的房屋安全监测与预警系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113191605A (zh) | 房屋风险评估方法及装置 | |
| Mosalam et al. | Performance-based engineering and multi-criteria decision analysis for sustainable and resilient building design | |
| CN113744395B (zh) | 一种建筑地基沉降的监测预警方法及系统 | |
| Rossetto et al. | Existing empirical fragility and vulnerability functions: compendium and guide for selection | |
| CN105678481B (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
| Gandini et al. | A holistic and multi-stakeholder methodology for vulnerability assessment of cities to flooding and extreme precipitation events | |
| Xun et al. | Research on the urban resilience evaluation with hybrid multiple attribute TOPSIS method: An example in China | |
| Chen et al. | Resilience assessment of regional areas against earthquakes using multi-source information fusion | |
| KR102379472B1 (ko) | 시공간 피해특성을 고려한 다종 데이터 융합 분석방법 | |
| CN112529327A (zh) | 一种用于构建商业地区建筑火灾风险预测等级模型的方法 | |
| CN105974869A (zh) | 一种应用于建筑环境自适应节能管理系统的节能监控中心 | |
| CN115081945B (zh) | 一种地下水环境监测井的损伤监测与评估方法及系统 | |
| D'Urso et al. | Multicriteria fuzzy analysis for a GIS‐based management of earthquake scenarios | |
| CN116992522A (zh) | 深基坑围护结构变形预测方法、装置、设备及存储介质 | |
| CN113626335A (zh) | 一种面向公安交通管理应用软件的质量评价方法及系统 | |
| CN107093018A (zh) | 基于健康模型的电信工程项目信息可视化方法及装置 | |
| Molina Hutt | Risk-based seismic performance assessment of existing tall steel framed buildings | |
| Sextos et al. | Computer‐aided pre‐and post‐earthquake assessment of buildings involving database compilation, GIS visualization, and mobile data transmission | |
| Su et al. | Considering critical building materials for embodied carbon emissions in buildings: A machine learning-based prediction model and tool | |
| CN109636194B (zh) | 一种输变电项目重大变动多源协同检测方法与系统 | |
| Li et al. | A novel method for post-earthquake functional evaluation of city building portfolios | |
| Hu et al. | Framework for prioritizing geospatial data processing tasks during extreme weather events | |
| CN114358462A (zh) | 一种城市安全风险评估方法、系统及电子设备 | |
| CN113191685A (zh) | 施工现场安全综合评测系统 | |
| Zhang | Post-earthquake performance assessment and decision-making for tall buildings: integrating statistical modeling, machine learning, stochastic simulation and optimization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210730 |