CN114139243A - 基于bim的桥梁火灾应急救援方法、终端及存储介质 - Google Patents
基于bim的桥梁火灾应急救援方法、终端及存储介质 Download PDFInfo
- Publication number
- CN114139243A CN114139243A CN202111073591.1A CN202111073591A CN114139243A CN 114139243 A CN114139243 A CN 114139243A CN 202111073591 A CN202111073591 A CN 202111073591A CN 114139243 A CN114139243 A CN 114139243A
- Authority
- CN
- China
- Prior art keywords
- fire
- bridge
- bim
- data
- emergency rescue
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004088 simulation Methods 0.000 claims abstract description 26
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 16
- 239000000463 material Substances 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 229910000831 Steel Inorganic materials 0.000 claims description 5
- 239000010959 steel Substances 0.000 claims description 5
- 210000005036 nerve Anatomy 0.000 claims description 4
- 238000011176 pooling Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000002485 combustion reaction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000000779 smoke Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 239000004566 building material Substances 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 206010000369 Accident Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Computer Graphics (AREA)
- Architecture (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了基于BIM的桥梁火灾应急救援方法、终端及存储介质,属于桥梁安全技术领域。方法包括:获取目标桥梁的建筑数据信息;在BIM系统中创建桥梁的三维模型并传输至FDS软件;FDS软件模拟桥梁火灾,生成仿真模拟计算结果信息,以火灾场景案例形式输入BIM系统的数据及案例资源库;对数据及案例资源库中的不同火灾场景案例配置应急救援方案;当发生桥梁火灾时,BIM系统根据现场监测的火灾数据,检索数据及案例资源库,匹配火灾场景案例,并输出对应的应急救援方案实施救援。本发明基于BIM技术,能根据现场实时的监测数据,为应急救援人员及时提供火场信息和有效的救援方案,协助桥梁上的车辆人群逃生,便于人员及时发现危险,减小火灾对桥梁人员的危害。
Description
技术领域
本发明属于桥梁安全技术领域,更具体地说,涉及基于BIM的桥梁火灾应急救援方法、 终端及存储介质。
背景技术
随着交通运输的快速发展,桥梁的建设数量和规模也急剧上升,并且随着经济的发展, 车辆的使用率大幅提升,桥梁的运行压力较大。
近年来,桥梁火灾事故逐年上升,交通事故所造成的轿车自燃、危化品爆炸和货车燃烧 等事件造成了桥梁性能的退化和降低了桥梁运行效率,危害着桥梁的健康和人员的安全,而 在应急救援的过程中,交通堵塞和应急方案的不明确,应急管理平台的可视化程度低,影响 了应急救援的速度和火灾扑灭的效率。
经检索,中国专利公开号:CN 204390397 U,公开日:2015年6月10日;公开了一种基于BIM的火灾自动报警信息系统,其包括消防联动控制组件、消控室、“119”控制中心、BIM三维模型信息组件;所述的消防联动控制组件受消控室监控控制,所述的“119”控制中心与消控室通过网络线路进行连接,所述的“119”控制中心将火灾报警、建筑消防设施运行状态信息发送至BIM三维模型信息组件,并在BIM三维模型内显示,所述的BIM三维模型 信息组件将显示得到的BIM三维模型发送回“119”控制中心及消控室。该申请案虽然能对 救援工作提供指导,但其仅限于建筑火灾,桥梁火灾与建筑火灾具有较大的查一下,难以满足桥梁火灾应急救援的需求,会造成应急救援效率的降低,危害桥梁健康安全。
因此,如何能够提高应急救援速度及减小火灾对桥梁和人员的损害,是目前亟待解决的 一大技术难题。
发明内容
为了解决上述技术问题至少之一,根据本发明的一方面,提供了一种基于BIM的桥梁火 灾应急救援方法,包括:
获取目标桥梁的建筑数据信息;
根据目标桥梁的建筑数据信息,在BIM系统中对应创建该桥梁的三维模型并传输至火灾 数值模拟软件FDS;
火灾数值模拟软件FDS模拟该桥梁火灾,并根据不同的火源位置、火灾规模和火灾类型, 生成仿真模拟计算结果信息,以火灾场景案例形式输入BIM系统的数据及案例资源库;
对数据及案例资源库中的不同火灾场景案例配置对应的应急救援力量、应急救援方案和 人员车辆疏散方案;
当发生桥梁火灾时,BIM系统根据现场监测的火灾数据,检索数据及案例资源库,匹配 对应的火灾场景案例,并输出对应的应急救援力量、应急救援方案和人员车辆疏散方案实施 救援。
根据本发明实施例的基于BIM的桥梁火灾应急救援方法,可选地,所述BIM系统创建 目标桥梁的三维模型时,对该桥梁的各结构件赋予相应的材质属性。
根据本发明实施例的基于BIM的桥梁火灾应急救援方法,可选地,所述火灾数值模拟软 件FDS模拟桥梁火灾时,利用目标识别算法识别桥梁关键部位,并在关键部位进行火源设置。
根据本发明实施例的基于BIM的桥梁火灾应急救援方法,可选地,所述目标识别算法包 括如下步骤:
一、选取n张不同类型的桥梁图片作为训练数据;
二、构建卷积神经网络模型,其中关联性卷积神经网络架构总共包含10层,前七个为卷 积层,其余三个为全连接层,第一和第七卷积层互相关联,使用上采样层放大特征图,在第 六层设置池化层,由图像输入,以softmax的方式输出6个标签;
三、对卷积神经模型进行训练,取n1张图片为训练图片,应用边缘轮廓识别出各图片桥 梁上的桥墩、钢索、桥塔及支座关键部位,并进行记录和标识;
四、对训练好的卷积神经网络模型进行校验,取n2张图片作为测试图片进行测试;
五、BIM系统创建的目标桥梁三维模型传输至火灾数值模拟软件FDS后,用测试好的卷 积神经网络模型识别出该桥梁的关键部位,并标记。
根据本发明实施例的基于BIM的桥梁火灾应急救援方法,可选地,所述火灾数值模拟软 件FDS进行网格设置时,以火源位置为基点,自动划分网格,火源处网格尺寸小,远离火源 位置的网格尺寸大。
根据本发明的另一方面,提供了一种终端,包括:
BIM系统,其包括用于桥梁三维建模的建模模块、用于传输三维建模数据的模型传输模 块及用于存储火灾场景案例、应急救援力量、应急救援方案和人员车辆疏散方案的数据及案 例资源库模块;
FDS模块,其用于对BIM系统传输的桥梁三维模型进行桥梁火灾模拟,并将模拟结果以 火灾场景案例形式输入BIM系统的数据及案例资源库模块;
现场数据监测模块,其用于监测桥梁现场火灾情况,并将监测数据传输至BIM系统;
所述BIM系统还包括数据接收及匹配模块,接收现场数据监测模块传输的监测数据并在 数据及案例资源模块中匹配火灾场景案例,输出对应的应急救援力量、应急救援方案和人员 车辆疏散方案。
根据本发明实施例的终端,可选地,所述BIM系统还包括:
报警模块,当数据接收及匹配模块匹配到火灾场景案例时,发出警报。
根据本发明实施例的终端,可选地,还包括:
信号控制系统,其接收BIM系统发出的警报及人员车辆疏散方案,并根据人员车辆疏散 方案控制桥梁处交通信号灯及桥梁疏散标志,并以广播方式疏散人群。
根据本发明的又一方面,提供了一种终端,包括处理器、输入设备、输出设备和存储器, 所述处理器、输入设备、输出设备和存储器相互连接,其中,存储器用于存储计算机程序, 所述计算机程序包括程序指令,所述处理器被配置用于运行所述程序指令,执行本发明的基 于BIM的桥梁火灾应急救援方法。
根据本发明的其它方面,提供了一种计算机可读存储介质,所述计算机存储介质存储有 计算机程序,所述计算机程序包括程序指令,程序指令被处理器执行时使处理器执行本发明 的基于BIM的桥梁火灾应急救援方法。
本发明的基于BIM的桥梁火灾应急救援方法,首先根据目标桥梁的建筑数据信息,基于 BIM系统建立了桥梁信息模型,然后通过FDS软件加载并运行BIM构建的三维桥梁模型, 模拟桥梁结构火灾,根据不同的火灾特点,设置仿真模拟的参数,并将所得仿真案例数据与 结果存储于数据与案例资源库中,针对不同案例,生成不同的应急救援力量、应急救援方案 和人员车辆疏散方案,根据得到的火灾仿真计算数据、应急救援力量、应急救援方案和人员 与车辆疏散方案,以一维文本、二维图表和三维模型等多种形式输入BIM系统,本发明基于 BIM技术,配合本发明的终端,能根据现场实时的监测数据,控制现场装置与设备,当桥梁 上发生火灾时,BIM系统能发出火灾预警,并控制桥梁及桥梁附近各个道口的指示图标,且 采用广播方式及时疏散人群和车辆,为应急救援和救护车辆腾出应急救援道路,同时为应急 救援人员及时提供火场有关信息和有效的救援方案,协助桥梁上的车辆与人群逃生,便于管 理人员及时发现危险,减小火灾对桥梁和人员的危害。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例的附图作简单地介绍,显 而易见地,下面描述中的附图仅仅涉及本发明的一些实施例,而非对本发明的限制。
图1示出了本发明实施例的的基于BIM的桥梁火灾应急救援方法流程图;
图2示出了本发明实施例中Revit的应用类与文件类关系图;
图3示出了本发明实施例中信息数据导入数据库结构图;
图4示出了本发明的关联性卷积神经网络架构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图, 对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部 分实施例,而不是全部的实施例。
除非另作定义,此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技 能的人士所理解的通常意义。
实施例1
针对当前桥梁建筑的火灾预警及应急救援系统在技术创新和信息系统集成存在欠缺和不 足,目前桥梁的火灾预警系统,具有不完备的监测系统,且救援系统的可视化程度低等缺点 的问题,本实施例设计了一种基于BIM的桥梁火灾应急救援方法。
本实施例的基于BIM的桥梁火灾应急救援方法,包括:
获取目标桥梁的建筑数据信息;
根据目标桥梁的建筑数据信息,在BIM系统中对应创建该桥梁的三维模型并传输至火灾 数值模拟软件FDS;
火灾数值模拟软件FDS模拟该桥梁火灾,并根据不同的火源位置、火灾规模和火灾类型, 生成仿真模拟计算结果信息,以火灾场景案例形式输入BIM系统的数据及案例资源库;
对数据及案例资源库中的不同火灾场景案例配置对应的应急救援力量、应急救援方案和 人员车辆疏散方案;
当发生桥梁火灾时,BIM系统根据现场监测的火灾数据,检索数据及案例资源库,匹配 对应的火灾场景案例,并输出对应的应急救援力量、应急救援方案和人员车辆疏散方案实施 救援。
进一步地,所述BIM系统创建目标桥梁的三维模型时,对该桥梁的各结构件赋予相应的 材质属性。
进一步地,所述火灾数值模拟软件FDS模拟桥梁火灾时,利用目标识别算法识别桥梁关 键部位,并在关键部位进行火源设置,所述目标识别算法包括如下步骤:
一、选取n张不同类型的桥梁图片作为训练数据;
二、构建卷积神经网络模型,其中关联性卷积神经网络架构总共包含10层,前七个为卷 积层,其余三个为全连接层,第一和第七卷积层互相关联,使用上采样层放大特征图,在第 六层设置池化层,由图像输入,以softmax的方式输出6个标签;
三、对卷积神经模型进行训练,取n1张图片为训练图片,应用边缘轮廓识别出各图片桥 梁上的桥墩、钢索、桥塔及支座关键部位,并进行记录和标识;
四、对训练好的卷积神经网络模型进行校验,取n2张图片作为测试图片进行测试;
五、BIM系统创建的目标桥梁三维模型传输至火灾数值模拟软件FDS后,用测试好的卷 积神经网络模型识别出该桥梁的关键部位,并标记。
进一步地,所述火灾数值模拟软件FDS进行网格设置时,以火源位置为基点,自动划分 网格,火源处网格尺寸小,远离火源位置的网格尺寸大。
本发明的基于BIM的桥梁火灾应急救援方法,首先根据目标桥梁的建筑数据信息,基于 BIM系统建立了桥梁信息模型,然后通过FDS软件加载并运行BIM构建的三维桥梁模型, 模拟桥梁结构火灾,根据不同的火灾特点,设置仿真模拟的参数,并将所得仿真案例数据与 结果存储于数据与案例资源库中,针对不同案例,生成不同的应急救援力量、应急救援方案 和人员车辆疏散方案,根据得到的火灾仿真计算数据、应急救援力量、应急救援方案和人员 与车辆疏散方案,以一维文本、二维图表和三维模型等多种形式输入BIM系统,本发明基于 BIM技术,根据现场实时的监测数据,当桥梁上发生火灾时,能为应急救援人员及时提供火 场有关信息和有效的救援方案,协助桥梁上的车辆与人群逃生,便于管理人员及时发现危险, 减小火灾对桥梁和人员的危害。
实施例2
本实施例的基于BIM的桥梁火灾应急救援方法,如图1所示,本实施例所获取的建筑数 据信息包括桥梁的方位、尺寸及标高等图纸信息,以及桥梁的建筑材料、材质参数等信息, 基于BIM技术,将采集到的目标桥梁的建筑数据信息在BIM系统中建立桥梁的三维模型;
本实施例中BIM系统使用Revit API提取所需信息,然后转换信息格式,最后发送信息, 其中,Revit API将桥梁的建筑数据存到EXCEL表格中,将Excel的表格数据处理,在Excel 中赋予结构截面材质、族等BIM相关结构信息,并二次开发建立结构模型;如图2所示,Revit API的主要类结构中,包括应用类和文档类,应用类是Revit功能的应用,提供文档、选项以 及其他用用范围的数据访问和设置,文档类用于表示打开Autodesk Revit工程,本实施例对 Revit进行二次开发,提高工作效率,使用API进行批量操作,扩展Revit自身功能,对Revit 不完善的功能进行修补或者添加没有的功能,可与其他系统对接,进一步对接各种分析或模 拟软件;
本实施例以BIM系统的核心建模软件Revit为例,利用应用程序Revit API和信息的格式 转换两种技术手段,阐述本实施例的基于BIM的桥梁火灾应急救援方法,将BIM中DXF文 件导入Pyrosim中构建桥梁模型,建立桥梁的三维模型,包含着建筑信息、设施位置、建筑 材料和数量,材质参数包括密度、比热容、导热系数和燃烧热等物理属性,Pyrosim中包含一 个材料属性参数数据库,可匹配BIM系统三维模型的材料属性,赋予材质的传热系数和绝缘 参数;其中,基于BIM系统,基于桥梁的方位,尺寸及标高等图纸信息,结合BIM数据转 化器,输入终端数据,建立三维模型;另外,基于以BIM模型作为主要的信息集成和场景展 示平台,BIM软件采用Revit绘制DXF文件格式和BIM模型,DXF文件包含着桥梁的三维模型和材质参数数据。
在BIM中建立好桥梁的三维模型后,传输至火灾数值模拟软件FDS,FDS是NIST开发的火灾模拟软件,实现了多种软件和火灾烟气流动模拟分析计算程序之间的接口,但软件之 间的接口存在格式不匹配,如在BIM软件和FDS软件之间存在三维立体模型转换成二维图 形的状况,针对此,本实施例通过Python构建和优化BIM和FDS软件间的接口,并搭建接口的测试框架,优化BIM三维模型输入至FDS软件之间的精确性。
FDS软件接收到桥梁三维模型后会对其进行各种情况下的火灾场景数值模拟,生产模拟 计算结果信息,FDS软件计算时将会模型空间划分成许多微元控制体以微元控制体为基本单 位,假设每个微元控制体内各种物理量(温度、压力、速度、密度等)的值是同一的,它们 只随时间而变化,模拟计算的精度主要与微元控制体的数量有关,而微元控制体的数量又主 要受计算机能力的限制;
在FDS火灾数值模拟功能下,根据其中包含的物理、化学模型式(1)~(5)以N-S微分方程进行求解,得到各种物理量(温度、压力、速度、密度、热释放速率、烟雾组分等) 的分布场,模型式具体如下:
质量守恒
组分守恒
动量守恒
速度场方程(能量守恒方程转化而来)
状态方程
基于大量的试验研究及真实的火灾案例,火灾的热释放速率是随时间变化的,本实施例 FDS软件根据公式(6)计算火灾热释放速率:
FDS软件根据根据不同的火源位置、火灾规模和火灾类型,进行火灾仿真模拟,模拟计 算结果的信息以火灾场景案例形式将数据输入BIM系统的数据及案例资源库;
其中,桥梁火灾类型按燃烧规模可分为轿车火灾、公共汽车火灾、卡车火灾和油罐车火 灾。
进一步地,在BIM系统建模及赋予材质的过程中,可以赋予桥梁的结构构件的材质,但 其只可单一的赋予材质,缺少对火源的设定,火灾模拟过程中火源的设定也是关键部分,本 实施例为了节约建模时间,提高数值模拟效率,将目标识别算法应用进入FDS软件之中,通 过机器学习和深度学习功能,经过训练生成模型,实现目标图像识别功能,以便于FDS软件 快速识别并标识桥梁中关键部位,并根据火源功率大小和火源类型进行火源的设定,开启模 拟;
本实施例所述的关键部位是指桥梁上的桥墩、钢索、桥塔及支座部位;
本实施例所述的目标识别算法具体包括:
一、选取n张不同类型的桥梁图片作为训练数据,针对桥梁图片的像素、宽高比、角度 和比例尺等进行参数调节,为了识别的准确性和效率,调整训练的的迭代次数;
二、构建卷积神经网络模型,其中关联性卷积神经网络架构如图4所示,总共包含10层, 前七个为卷积层,其余三个为全连接层,第一和第七卷积层互相关联,使用上采样层放大特 征图,在第六层设置池化层,由图像输入,以softmax的方式输出6个标签;本实施例的卷 积神经网络模型应用相关分析和回归分析,提高了识别训练的准确性,应用结构的关联性, 能根据桥梁结构的特点,如缆索连接桥塔和主梁,而桥墩和桥塔连接,当分割出一个目标物, 快速识别相关联目标物,以此增强识别的准确率和效率;
在进行关键部位识别时,将单一图片进行多重分割,然后进行中多种目标物的识别,其 可选择设置模型类型为ResNet(提供多种模型类型可供选择,如ResNet、InceptionV3和 DenseNet等),如可选取1100张图片作为训练图片,200张图片作为测试图片,其中参数设 置为num_objects=6,num_experiments=150,batch_size=32;
其中关联性中相关性分析的系数为:
三、对卷积神经模型进行训练,取n1张图片为训练图片,应用边缘轮廓识别出各图片桥 梁上的桥墩、钢索、桥塔及支座关键部位,并进行记录和标识;
四、对训练好的卷积神经网络模型进行校验,取n2张图片作为测试图片进行测试,n2=n-n1;
五、BIM系统创建的目标桥梁三维模型传输至火灾数值模拟软件FDS后,用测试好的卷 积神经网络模型识别出该桥梁的关键部位,并标记。
进一步地,在FDS软件中计算网格的设定也是影响模拟的效率和准确性的关键因素,也 将目标识别应用入火源的设定。本实施例在网格设置时,首先通过上述的目标识别算法识别 出桥梁的关键部位,且进行火源设置,然后以火源位置为基点,自动划分网格,火源处网格 尺寸小,远离火源位置的网格尺寸大,最大程度的减少网格数,提高关键位置的网格精细化。
通过FDS软件得到火灾场景案例的相关信息后,对不同的火灾场景案例预先配置对应的 应急救援力量、应急救援方案和人员车辆疏散方案,由于不同火源位置、不同火灾类型和不 同火灾规模,对桥梁的伤害性也不同,应针对性的配置应急救援方案,如:
针对火源位置,应重点关注桥梁中危害性大的区域,并细化应急救援方案及如何疏通救 援车辆的进入;
针对火灾类型,相对应的需区分应急救援人员所携带的装备,针对有毒有害物质,需启 动危化品预警方案;
针对火灾规模,应急救援车辆所需携带的救援物资和需要调动应急救援力量。
在配置好应急救援方案相关信息后,需要将火灾场景案例信息及救援方案信息输入BIM 系统中,本实施例在BIM系统中建立了数据及案例资源库,数据及案例资源库中包括数据库 及案例库,连接方式如图3所示;
火灾场景案例信息及救援方案信息将以一维文本、二维图表,三维模型等多种形式输入 BIM系统,通过Python语言对FDS软件与数据及案例资源库之间的接口进行更新,加强数 据存储的精确性和保密性;
其中,Revit连接数据及案例资源库,Revit连接数据及案例资源库读取方式分为两种, 一种网络版读取采用MySQL数据库,本地读取采用Access数据库;
基于所述MySQL数据库,导入适用文件类型:db,dbf,txt,html,xls,xlsx,wk1,wq1,xml,mdb,accdb,ODBC;
基于所述Access数据库,导入适用文件类型:db,dbf,xls,xlsx,html,xml,txt,ODBC;
Revit连接数据库两种方式:
OleDbDataAdapter方式:填入Datatable中,遍历行列读取;
sqlCommand方式:通过Read方法,while循环读取。
当现场发生桥梁火灾时,BIM系统会根据现场监测的火灾数据,检索数据及案例资源库, 根据火源位置、火灾规模和火灾类型的信息匹配火灾场景案例,然后对应输出应急救援力量、 应急救援方案和人员车辆疏散方案信息,救援人员一方面可以获取火灾位置、火灾规模、火 灾类型等火场信息,另一方面可根据输出的应急救援力量、应急救援方案和人员车辆疏散方 案信息及时实施救援方案;
在BIM系统调用数据及案例资源库时,通过Python编写BIM和数据及案例资源库的接 口,增加BIM展示平台的清晰度和数据有效性。
实施例3
本实施例的终端,基于实施例2的桥梁火灾应急救援方法,包括:
BIM系统,其包括用于桥梁三维建模的建模模块、用于传输三维建模数据的模型传输模 块及用于存储火灾场景案例、应急救援力量、应急救援方案和人员车辆疏散方案的数据及案 例资源库模块;
FDS模块,其用于对BIM系统传输的桥梁三维模型进行桥梁火灾模拟,并将模拟结果以 火灾场景案例形式输入BIM系统的数据及案例资源库模块;
现场数据监测模块,其用于监测桥梁现场火灾情况,并将监测数据传输至BIM系统;
所述BIM系统还包括数据接收及匹配模块,接收现场数据监测模块传输的监测数据并在 数据及案例资源模块中匹配火灾场景案例,输出对应的应急救援力量、应急救援方案和人员 车辆疏散方案。
所述BIM系统还包括:
报警模块,当数据接收及匹配模块匹配到火灾场景案例时,发出警报。
还包括:
信号控制系统,其接收BIM系统发出的警报及人员车辆疏散方案,并根据人员车辆疏散 方案控制桥梁处交通信号灯及桥梁疏散标志,并以广播方式疏散人群。
本实施例的BIM系统中,通过三维建模模块,能根据桥梁的建筑数据信息,在BIM系统中构建目标桥梁的三维模型,且构建的三维模型中包含着建筑信息、设施位置、建筑材料和数量,材质参数包括密度、比热容、导热系数和燃烧热等物理属性;
本实施例的现场数据监测模块,包括红紫外火焰探测器,点型感温探测器、点型感烟探 测器、缆式线型感温探测器、吸气式感烟探测器和结构探测器等,能基于热力学效应,采用 温度传感器和烟雾传感器实时监测桥面温度及有毒有害气体,及结构传感器监测桥梁的健康 稳定。
进一步地,现场数据监测模块监测的数据通过蓝牙或无线局域网的形式传输到桥梁运营 管理部门和BIM系统,运营管理部门调取数据案例资源库中的案例信息至BIM系统,以BIM 为信息集成及场景展示平台,同时发出现场警报。
进一步地,BIM系统还包括输入子模块,用于输入火灾案例数据至数据及案例资源库, 数据及案例资源库包括对应不同桥梁火灾场景参数数据;以及发送子模块,用于发送案例及 数据库信息至所述BIM系统。
通过本实施例的终端,能够有效实行实施例2的桥梁火灾应急救援方法,当桥梁发生火 灾时,能够发出火灾警报,并控制桥梁及桥梁附近各个道口的指示图标,且采用广播方式及 时疏散人群和车辆,为应急救援和救护车辆腾出应急救援道路,便于应急救援人员实施救援 方案。
实施例4
本实施例的终端包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、 输出设备和存储器相互连接,其中,存储器用于存储计算机程序,所述计算机程序包括程序 指令,所述处理器被配置用于运行所述程序指令,执行实施例1或2的基于BIM的桥梁火灾 应急救援方法。
其中,处理器、输入设备、输出设备和存储器通过总线连接;存储器用于存储计算机程 序,所述计算机程序包括程序指令,处理器用于执行存储器存储的程序指令,以执行本发明 的实施例所提供的基于BIM的桥梁火灾应急救援方法。
本实施例中,
处理器可以是中央处理单元,还可以是其他通用处理器、数字信号处理器、专用集成电 路、现成可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组 件等,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等;
输入设备可以包括触控板、指纹采传感器、麦克风等;
输出设备可以包括显示器、扬声器等;
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据,存储器的 一部分还可以包括非易失性随机存取存储器。例如,存储器还可以存储设备类型的信息。
实施例5
本实施例的计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机 程序包括程序指令,程序指令被处理器执行时使处理器执行实施例1或2的基于BIM的桥梁 火灾应急救援方法。
本实施例的计算机可读存储介质可以是前述实施例所述的终端的内部存储单元,例如终 端的硬盘或内存;本实施例的计算机可读存储介质也可以是所述终端的外部存储设备,例如 所述终端上配备的插接式硬盘,智能存储卡,安全数字卡,闪存卡等;进一步地,计算机可 读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。
本实施例的计算机可读存储介质用于存储计算机程序以及终端所需的其他程序和数据, 计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本发明所述实例仅仅是对本发明的优选实施方式进行描述,并非对本发明构思和范围进 行限定,在不脱离本发明设计思想的前提下,本领域工程技术人员对本发明的技术方案作出 的各种变形和改进,均应落入本发明的保护范围。
Claims (10)
1.一种基于BIM的桥梁火灾应急救援方法,其特征在于,包括:
获取目标桥梁的建筑数据信息;
根据目标桥梁的建筑数据信息,在BIM系统中对应创建该桥梁的三维模型并传输至火灾数值模拟软件FDS;
火灾数值模拟软件FDS模拟该桥梁火灾,并根据不同的火源位置、火灾规模和火灾类型,生成仿真模拟计算结果信息,以火灾场景案例形式输入BIM系统的数据及案例资源库;
对数据及案例资源库中的不同火灾场景案例配置对应的应急救援力量、应急救援方案和人员车辆疏散方案;
当发生桥梁火灾时,BIM系统根据现场监测的火灾数据,检索数据及案例资源库,匹配对应的火灾场景案例,并输出对应的应急救援力量、应急救援方案和人员车辆疏散方案实施救援。
2.根据权利要求1所述的基于BIM的桥梁火灾应急救援方法,其特征在于:所述BIM系统创建目标桥梁的三维模型时,对该桥梁的各结构件赋予相应的材质属性。
3.根据权利要求2所述的基于BIM的桥梁火灾应急救援方法,其特征在于:所述火灾数值模拟软件FDS模拟桥梁火灾时,利用目标识别算法识别桥梁关键部位,并在关键部位进行火源设置。
4.根据权利要求3所述的基于BIM的桥梁火灾应急救援方法,其特征在于,所述目标识别算法包括如下步骤:
一、选取n张不同类型的桥梁图片作为训练数据;
二、构建卷积神经网络模型,其中关联性卷积神经网络架构总共包含10层,前七个为卷积层,其余三个为全连接层,第一和第七卷积层互相关联,使用上采样层放大特征图,在第六层设置池化层,由图像输入,以softmax的方式输出6个标签;
三、对卷积神经模型进行训练,取n1张图片为训练图片,应用边缘轮廓识别出各图片桥梁上的桥墩、钢索、桥塔及支座关键部位,并进行记录和标识;
四、对训练好的卷积神经网络模型进行校验,取n2张图片作为测试图片进行测试;
五、BIM系统创建的目标桥梁三维模型传输至火灾数值模拟软件FDS后,用测试好的卷积神经网络模型识别出该桥梁的关键部位,并标记。
5.根据权利要求4所述的基于BIM的桥梁火灾应急救援方法,其特征在于:所述火灾数值模拟软件FDS进行网格设置时,以火源位置为基点,自动划分网格,火源处网格尺寸小,远离火源位置的网格尺寸大。
6.一种终端,其特征在于,包括:
BIM系统,其包括用于桥梁三维建模的建模模块、用于传输三维建模数据的模型传输模块及用于存储火灾场景案例、应急救援力量、应急救援方案和人员车辆疏散方案的数据及案例资源库模块;
FDS模块,其用于对BIM系统传输的桥梁三维模型进行桥梁火灾模拟,并将模拟结果以火灾场景案例形式输入BIM系统的数据及案例资源库模块;
现场数据监测模块,其用于监测桥梁现场火灾情况,并将监测数据传输至BIM系统;
所述BIM系统还包括数据接收及匹配模块,接收现场数据监测模块传输的监测数据并在数据及案例资源模块中匹配火灾场景案例,输出对应的应急救援力量、应急救援方案和人员车辆疏散方案。
7.根据权利要求6所述的终端,其特征在于,所述BIM系统还包括:
报警模块,当数据接收及匹配模块匹配到火灾场景案例时,发出警报。
8.根据权利要求7所述的终端,其特征在于,还包括:
信号控制系统,其接收BIM系统发出的警报及人员车辆疏散方案,并根据人员车辆疏散方案控制桥梁处交通信号灯及桥梁疏散标志,并以广播方式疏散人群。
9.一种终端,其特征在于:包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于运行所述程序指令,执行如权利要求1~5任一项所述的基于BIM的桥梁火灾应急救援方法。
10.一种计算机可读存储介质,其特征在于:所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,程序指令被处理器执行时使处理器执行如权利要求1~5任一项所述的基于BIM的桥梁火灾应急救援方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111073591.1A CN114139243A (zh) | 2021-09-14 | 2021-09-14 | 基于bim的桥梁火灾应急救援方法、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111073591.1A CN114139243A (zh) | 2021-09-14 | 2021-09-14 | 基于bim的桥梁火灾应急救援方法、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114139243A true CN114139243A (zh) | 2022-03-04 |
Family
ID=80394653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111073591.1A Pending CN114139243A (zh) | 2021-09-14 | 2021-09-14 | 基于bim的桥梁火灾应急救援方法、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114139243A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115204752A (zh) * | 2022-09-13 | 2022-10-18 | 深圳市城市公共安全技术研究院有限公司 | 突发事件应急处置方案生成方法、系统、装置及存储介质 |
CN116028892A (zh) * | 2023-03-24 | 2023-04-28 | 江苏先驰物联网技术有限公司 | 一种多警联勤控制系统的数据融合算法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107131886A (zh) * | 2017-07-07 | 2017-09-05 | 四川云图瑞科技有限公司 | 基于三维模型的地铁车站火灾安全疏散引导的监测系统 |
US20170278037A1 (en) * | 2016-03-22 | 2017-09-28 | Hexagon Technology Center Gmbh | Construction management system and method for linking data to a building information model |
CN109033716A (zh) * | 2018-09-05 | 2018-12-18 | 深圳市赛为智能股份有限公司 | 基于bim的火灾事故数据处理方法、终端及存储介质 |
CN109447515A (zh) * | 2018-11-15 | 2019-03-08 | 中铁第六勘察设计院集团有限公司 | 基于bim平台实现突发事件处置资源匹配方法 |
CN110570056A (zh) * | 2018-06-06 | 2019-12-13 | 中国石油化工股份有限公司 | 石油化工企业突发事故应急辅助决策方法 |
CN111415064A (zh) * | 2020-02-21 | 2020-07-14 | 神华和利时信息技术有限公司 | 预案流程获得方法、系统、存储介质及电子设备 |
CN111783352A (zh) * | 2020-05-15 | 2020-10-16 | 北京邮电大学 | 面向森林火灾的异构机器人群救援预案辅助决策算法 |
CN211742052U (zh) * | 2019-12-20 | 2020-10-23 | 中煤科工集团武汉设计研究院有限公司 | 一种基于bim和vr的煤矿火灾发生及救援模拟装置和系统 |
CN112084562A (zh) * | 2020-09-15 | 2020-12-15 | 深圳市飞尚众成科技有限公司 | 一种基于bim的消防演练方法 |
CN112530119A (zh) * | 2020-11-02 | 2021-03-19 | 深圳市城市公共安全技术研究院有限公司 | 森林火灾应急演练评估分析系统、方法及计算机设备 |
CN112541684A (zh) * | 2020-12-17 | 2021-03-23 | 中铁第四勘察设计院集团有限公司 | 一种基于bim的应急调度指挥方法、系统、计算机设备及可读介质 |
CN112633661A (zh) * | 2020-12-17 | 2021-04-09 | 中铁第四勘察设计院集团有限公司 | 一种基于bim的应急调度指挥方法、系统、计算机设备及可读介质 |
CN112785473A (zh) * | 2019-11-07 | 2021-05-11 | 北京神州安信科技股份有限公司 | 一种火灾事故数字应急预案智能生成的方法及系统 |
CN112862153A (zh) * | 2020-12-30 | 2021-05-28 | 深圳市微筑科技有限公司 | 基于bim的火灾救援方法、设备、存储介质及装置 |
-
2021
- 2021-09-14 CN CN202111073591.1A patent/CN114139243A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170278037A1 (en) * | 2016-03-22 | 2017-09-28 | Hexagon Technology Center Gmbh | Construction management system and method for linking data to a building information model |
CN107131886A (zh) * | 2017-07-07 | 2017-09-05 | 四川云图瑞科技有限公司 | 基于三维模型的地铁车站火灾安全疏散引导的监测系统 |
CN110570056A (zh) * | 2018-06-06 | 2019-12-13 | 中国石油化工股份有限公司 | 石油化工企业突发事故应急辅助决策方法 |
CN109033716A (zh) * | 2018-09-05 | 2018-12-18 | 深圳市赛为智能股份有限公司 | 基于bim的火灾事故数据处理方法、终端及存储介质 |
CN109447515A (zh) * | 2018-11-15 | 2019-03-08 | 中铁第六勘察设计院集团有限公司 | 基于bim平台实现突发事件处置资源匹配方法 |
CN112785473A (zh) * | 2019-11-07 | 2021-05-11 | 北京神州安信科技股份有限公司 | 一种火灾事故数字应急预案智能生成的方法及系统 |
CN211742052U (zh) * | 2019-12-20 | 2020-10-23 | 中煤科工集团武汉设计研究院有限公司 | 一种基于bim和vr的煤矿火灾发生及救援模拟装置和系统 |
CN111415064A (zh) * | 2020-02-21 | 2020-07-14 | 神华和利时信息技术有限公司 | 预案流程获得方法、系统、存储介质及电子设备 |
CN111783352A (zh) * | 2020-05-15 | 2020-10-16 | 北京邮电大学 | 面向森林火灾的异构机器人群救援预案辅助决策算法 |
CN112084562A (zh) * | 2020-09-15 | 2020-12-15 | 深圳市飞尚众成科技有限公司 | 一种基于bim的消防演练方法 |
CN112530119A (zh) * | 2020-11-02 | 2021-03-19 | 深圳市城市公共安全技术研究院有限公司 | 森林火灾应急演练评估分析系统、方法及计算机设备 |
CN112541684A (zh) * | 2020-12-17 | 2021-03-23 | 中铁第四勘察设计院集团有限公司 | 一种基于bim的应急调度指挥方法、系统、计算机设备及可读介质 |
CN112633661A (zh) * | 2020-12-17 | 2021-04-09 | 中铁第四勘察设计院集团有限公司 | 一种基于bim的应急调度指挥方法、系统、计算机设备及可读介质 |
CN112862153A (zh) * | 2020-12-30 | 2021-05-28 | 深圳市微筑科技有限公司 | 基于bim的火灾救援方法、设备、存储介质及装置 |
Non-Patent Citations (1)
Title |
---|
李志勇: "基于BIM的高层公共建筑火灾仿真与人员疏散规划研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, 15 August 2021 (2021-08-15) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115204752A (zh) * | 2022-09-13 | 2022-10-18 | 深圳市城市公共安全技术研究院有限公司 | 突发事件应急处置方案生成方法、系统、装置及存储介质 |
CN115204752B (zh) * | 2022-09-13 | 2022-12-13 | 深圳市城市公共安全技术研究院有限公司 | 突发事件应急处置方案生成方法、系统、装置及存储介质 |
CN116028892A (zh) * | 2023-03-24 | 2023-04-28 | 江苏先驰物联网技术有限公司 | 一种多警联勤控制系统的数据融合算法 |
CN116028892B (zh) * | 2023-03-24 | 2023-06-20 | 江苏先驰物联网技术有限公司 | 一种多警联勤控制系统的数据融合算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gonzalez et al. | Automatic detection of building typology using deep learning methods on street level images | |
Roodposhti et al. | A novel algorithm for calculating transition potential in cellular automata models of land-use/cover change | |
KR101805713B1 (ko) | 위험지도를 이용한 위험도 분석 시스템 | |
Church et al. | Mapping evacuation risk on transportation networks using a spatial optimization model | |
CN114139243A (zh) | 基于bim的桥梁火灾应急救援方法、终端及存储介质 | |
Preeti et al. | Forest fire prediction using machine learning techniques | |
Darestani et al. | Effects of adjacent spans and correlated failure events on system-level hurricane reliability of power distribution lines | |
KR101943758B1 (ko) | 도시내 위험물질 확산에 따른 보행자환경에서의 위험영향 평가 방법 및 장치 | |
Majumder et al. | Inferring critical thresholds of ecosystem transitions from spatial data | |
US20100268519A1 (en) | Simulation Cache to Expedite Complex Modeling and Simulation Processes | |
JP2007521455A (ja) | Ct−アナリスト:空中からの化学的、生物学的、放射線学的(cbr)な脅威を、ゼロ遅延かつ高い忠実度で緊急事態評価を行うためのソフトウェアシステム | |
KR102093180B1 (ko) | 토양오염사고에 따른 의사결정 지원 시스템 | |
JP3975407B2 (ja) | 防災事業計画支援システム | |
Xu et al. | Uncertainties and their treatment in the quantitative risk assessment of domino effects: Classification and review | |
Finogeev et al. | Collection and consolidation of big data for proactive monitoring of critical events at infrastructure facilities in an urban environment | |
Omar et al. | Artificial intelligence application for predicting slope stability on soft ground: A comparative study | |
Vitolo et al. | Caliver: An R package for CALIbration and VERification of forest fire gridded model outputs | |
Yang et al. | Design and implementation of fire safety evacuation simulation software based on cellular automata model | |
Tauseef et al. | A critical assessment of available software for forecasting the impact of accidents in chemical process industry | |
CN117275202A (zh) | 文物重点区域危险源全方位实时智能预警方法及系统 | |
Fischer | Resilience quantification of urban areas.: An integrated statistical-empirical-physical approach for man-made and natural disruptive events. | |
Soltaninejad et al. | Enhancing the level of confidence in the safe fire evacuation operation employing a combination of BIM and fuzzy TOPSIS method | |
Chen et al. | Peripheric sensors-based leaking source tracking in a chemical industrial park with complex obstacles | |
KR20180117024A (ko) | 위험물질 확산 시뮬레이션에 의한 피해 방지방법 | |
Corominas et al. | Revisiting landslide risk terms: IAEG commission C-37 working group on landslide risk nomenclature |
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 |