CN115392794A - 一种大数据评估模型的道路桥梁施工测量方法 - Google Patents
一种大数据评估模型的道路桥梁施工测量方法 Download PDFInfo
- Publication number
- CN115392794A CN115392794A CN202211319239.6A CN202211319239A CN115392794A CN 115392794 A CN115392794 A CN 115392794A CN 202211319239 A CN202211319239 A CN 202211319239A CN 115392794 A CN115392794 A CN 115392794A
- Authority
- CN
- China
- Prior art keywords
- road
- bridge
- construction
- factor
- factors
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 148
- 238000011157 data evaluation Methods 0.000 title claims abstract description 18
- 238000000691 measurement method Methods 0.000 title claims description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000013210 evaluation model Methods 0.000 claims abstract description 27
- 239000004035 construction material Substances 0.000 claims abstract description 7
- 238000012216 screening Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 39
- 230000005284 excitation Effects 0.000 claims description 35
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 23
- 230000003750 conditioning effect Effects 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 241000282414 Homo sapiens Species 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000007726 management method Methods 0.000 claims description 4
- 230000003321 amplification Effects 0.000 claims description 3
- 230000001143 conditioned effect Effects 0.000 claims description 3
- 238000009430 construction management Methods 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 18
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 3
- 238000003012 network analysis Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005669 field effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 235000013527 bean curd Nutrition 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
- G01M7/02—Vibration-testing by means of a shake table
- G01M7/025—Measuring arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种大数据评估模型的道路桥梁施工测量方法，涉及大数据评估技术领域，解决的技术问题是无法精确测量道路桥梁施工情况并对道路桥梁施工质量作出合理的评估；采用的方法是：根据道路桥梁施工项目的工程实际、施工进度和施工材料质量方面因素对道路桥梁施工的影响进行筛选作为评估模型的因子，选用对道路桥梁施工产生的因素建立道路桥梁施工的改进型模糊多层次评估模型，通过改进型模糊多层次评估模型对道路桥梁施工情况进行整体评估，根据评估结果为道路桥梁施工提出合理的建议或者做出相应的决策；本发明能够对影响道路桥梁施工的因素进行多方面综合考虑，合理评估道路桥梁施工质量，并在测量技术上提高了精准度。
Description
技术领域
本发明涉及大数据评估技术领域，且更具体地涉及一种大数据评估模型的道路桥梁施工测量方法。
背景技术
道路桥梁在人类文明的发展过程中占据着重要的地位，从古至今，世界各国所造的道路桥梁达到了千万座，使得人类可以跨过山川河流等自然阻碍，走向四方；近现代以来，随着交通事业的发展，道路桥梁建设空前繁荣，一些大型桥梁相继建成，桥梁的跨越能力也得到跨越式提高，但是无可置疑的是，在人们享受交通便利之时，道路桥梁工程面临的各种事故和潜在风险也屡屡发生，重庆彩虹大桥、福州浦城大桥和广州广清高速公路等道路桥梁施工过程中坍塌事故都让人们心惊，道路桥梁工程的建设往往投资巨大、技术复杂、工程设计面广和工程寿命周期长，一旦发生事故会带来无法估量的损失，因此道路桥梁建设过程的决策问题也异常复杂，道路桥梁施工质量的评估刻不容缓，在整个道路桥梁施工建设进程中都占据着相当关键的地位。
道路桥梁施工建设期间，可能引起过程风险的因素很多，其后果的严重程度也各不相同；就大跨度道路桥梁来说，过程的施工建设涉及了社会的很多面，需要成百上千的劳动者经过较长时间的共同工作，社会环境、自然环境、施工环境、组织因素的不同、结构材料在制作使用过程中难以控制的各种复杂因素以及设计计算简化的影响等，都可能导致道路桥梁施工过程中发生事故，现有的评估方法分为定性识别方法和定量识别方法，定性方法虽然不受统计数据的限制，但是会受到分析人员的主观判断而缺乏说服力，定量方法虽然通过数据量化具有较大的可靠性，但是其采集分析过程过于复杂，都很难对道路桥梁施工进行合理的评估。
发明内容
针对上述技术的不足，本发明公开一种大数据评估模型的道路桥梁施工测量方法，能够对影响道路桥梁施工的因素进行多方面综合考虑，合理评估道路桥梁施工质量，并在测量技术上提高了精准度。
为了实现上述技术效果，本发明采用以下技术方案：
一种大数据评估模型的道路桥梁施工测量方法，包括以下步骤：
步骤一：根据道路桥梁施工项目的工程实际、施工进度和施工材料质量方面因素对道路桥梁施工的影响进行筛选作为评估模型的因子；
步骤二：选用对道路桥梁施工产生的因素建立道路桥梁施工的改进型模糊多层次评估模型；
步骤三：通过改进型模糊多层次评估模型对道路桥梁施工情况进行整体评估；
步骤四：根据评估结果为道路桥梁施工提出合理的建议或者做出相应的决策。
在本发明进一步的技术方案中，所述对道路桥梁施工产生影响的因素主要分为自然因素和人为因素两类；自然因素主要包括水文灾害、海洋灾害、地质灾害、地震灾害、施工材料特性、施工结构形式和荷载效应因素；人为因素主要包括计算和设计误差、施工管理误差和施工操作误差因素。
在本发明进一步的技术方案中，对道路中位线、桥梁下部结构和桥梁上部结构通过电流激振传感器测量系统反复测量；所述电流激振传感器测量系统主要包括电源模块、传感器信号采集输入模块、信号调理模块、测量电路模块、模数转换模块、中央控制模块、激励源和数据存储模块；所述电源模块为整个电流激振传感器测量系统提供充足可靠的电源，所述传感器信号采集输入模块通话振弦传感器采集道路桥梁待测因素并输入待电流激振传感器测量系统中，所述信号调理模块对输入信号进行放大去噪调理，所述测量电路模块采用电流激振电路对调理后的信号进行测量，所述模数转换模块对模拟信号转换为数字信号并传递到中央控制模块，所述中央控制模块控制整体测量系统的运行以及数据的存储，所述激励源为振弦传感器提供激励信号，所述数据存储模块接收中央控制模块的指令对测量好的数据进行存储；所述传感器信号采集输入模块与信号调理模块相连接，所述信号调理模块与所述测量电路模块相连接，所述测量电路模块与模数转换模块相连接，所述模数转换模块与中央控制模块相连接，所述中央控制模块分别与电源模块、激励源和数据存储模块相连接，所述激励源输出部分与所述信号调理模块输入端连接。
在本发明进一步的技术方案中，模糊对比矩阵步骤如下：假设Z={z1，z2，…，zk}为影响道路桥梁施工各种因素的集合，建立因素重要关系判断矩阵如下：
公式（1）为因素重要关系判断矩阵，其中i、j分别表示因素集Z中的因素，即i=1,2，…，k，j=1,2，…，k，当因素i的相对重要性小于因素j的相对重要性时，aij=0；当因素i的相对重要性等于因素j的相对重要性时，aij=0.5；当因素i的相对重要性大于因素j的相对重要性时，aij=1；通过因素重要关系判断矩阵A得到模糊对比判断矩阵B：
公式（2）为模糊对比判断矩阵，其中，
公式（3）中，bij表示Z={z1，z2，…，zk}中第i个因素与第j个因素相对重要性程度；当0≤bij<0.5时，表示因素j比因素i重要，并且bij越小，因素j比因素i越重要；当bij=0.5时，表示因素j和因素i一样重要；当0.5<bij≤0.5时，表示因素i比因素j重要，并且bij越大，因素i比因素j越重要。
在本发明进一步的技术方案中，采用改进型模糊多层次评估模型对影响道路桥梁施工质量的多个因素进行层次化，构造出多层次分析的结构模型，改进型模糊多层次评估模型分别包括目标层、中间因素层和基本因素层；
改进型模糊多层次评估模型工作的具体流程如下：
首先将模糊对比判断矩阵B的元素bij按列进行归一化，得到新的矩阵C=（cij）k×k，其中：
然后将矩阵C中的元素按行相加，得到向量D={d1，d2，…，dk}T，即：
对向量D进行归一化，得到各因素相对评估值W={w1，w2，…，wk}，即：
通过公式（6）能够求出基本因素层D上各元素对于目标层X的相对评估值，最后再进行层次总排序，得到基本因素层各因素对目标层的综合评估值即：
在本发明进一步的技术方案中，当综合评估值为0~0.2时，评估得到当前道路桥梁施工质量处于低风险状态；当综合评估值为0.2~0.4时，当前道路桥梁施工质量处于较低风险状态；当综合评估值为0.4~0.6时，当前道路桥梁施工质量处于一般风险状态；当综合评估值为0.6~0.8时，当前道路桥梁施工质量处于较高风险状态；当综合评估值为0.8~1时，当前道路桥梁施工质量处于高风险状态。
在本发明进一步的技术方案中，当道路桥梁施工质量处于低风险状态和较低风险状态时，通过搜寻影响道路桥梁施工质量的因素，对影响道路桥梁施工质量的因素进行改进完善；当道路桥梁施工质量处于一般风险状态时，再次评估，若再次评估得到的结果仍然为一般风险状态，搜寻影响道路桥梁施工质量的因素，对影响道路桥梁施工质量的因素进行改进完善，并对施工过程进行更为严格的管理；当道路桥梁施工质量处于较高风险状态和高风险状态时，表明整体施工方案手段都存在一定不足，重新调整道路桥梁施工规划。
本发明有益的积极效果在于：本发明通过电流激振传感器测量系统提高了测量数据的精度，通过搭建改进型模糊多层次评估模型对各种可能造成道路桥梁施工影响的因素进行综合考虑评估，在确保评估合理性的同时提高了评估效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，其中：
图1为本发明中一种大数据评估模型的道路桥梁施工测量方法流程示意图；
图2为本发明中电流激振传感器测量系统示意图；
图3为本发明中电流激振原理示意图；
图4为本发明中改进型模糊多层次评估模型示意图；
图5为本发明中两种测量系统测量精准度仿真图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
如图1所示，一种大数据评估模型的道路桥梁施工测量方法，包括以下步骤：
步骤一：根据道路桥梁施工项目的工程实际、施工进度和施工质量方面因素对道路桥梁施工的影响进行筛选作为评估模型的因子；
在具体实施例中，道路桥梁施工的规划是基于对未来经济、社会及自然的预测，并且是在科学可行的技术及管理组织的基础上的，但是在实际施工中，许多因素都可能发生概念，比如有指令问题，那么施工周期和花费物资都会随之增加，都施工计划的变更，也许会导致施工单位效益下降，甚至还会导致整个道路桥梁施工工程的失败，伴随着桥梁跨度的增加，继续加大了施工过程的风险；复杂的地质、水文环境使得人们很难预测桥梁施工中的风险，然而一旦地质水温发生改变，就必须改变方案以及施工设施，否则都有可能造成道路桥梁建设工程的失败；桥梁上部结构施工作业难度很大，但是作业工序也相对固定，其风险也易于预测。
在本发明进一步的技术方案中，所述对道路桥梁施工产生影响的因素主要分为自然因素和人为因素两类；自然因素主要包括水文灾害、海洋灾害、地质灾害、地震灾害、施工材料特性、施工结构形式和荷载效应因素；人为因素主要包括计算和设计误差、施工管理误差和施工操作误差因素。
在具体实施例中，自然灾害建设自然环境中的各种天气原因、气象原因等对道路桥梁结构造成的损伤，比如地震、洪水、泥石流等导致道路桥梁倒塌、结构破坏甚至整体滑移，自然灾害的发生具有一定的随机性，难以预测，但是可以参考天气预报，以及了解施工地近年来的自然灾害情况，提前做好防护工作；现场作业的时候，工人由于未严格按照施工图纸、规范进行施工或者是由于现场监管人员未严格执行规范要求从而导致施工质量不合格，像施工材料质量不合格都可能导致豆腐渣工程，在道路桥梁施工现场张拉预应力钢束的时候，人工操作不当会导致钢束滑脱，造成严重的事故。
在本发明进一步的技术方案中，对道路中位线、桥梁下部结构和桥梁上部结构通过电流激振传感器测量系统反复测量；如图2所示，所述电流激振传感器测量系统主要包括电源模块、传感器信号采集输入模块、信号调理模块、测量电路模块、模数转换模块、中央控制模块、激励源和数据存储模块；所述电源模块为整个电流激振传感器测量系统提供充足可靠的电源，所述传感器信号采集输入模块通话振弦传感器采集道路桥梁待测因素并输入待电流激振传感器测量系统中，所述信号调理模块对输入信号进行放大去噪调理，所述测量电路模块采用电流激振电路对调理后的信号进行测量，所述模数转换模块对模拟信号转换为数字信号并传递到中央控制模块，所述中央控制模块控制整体测量系统的运行以及数据的存储，所述激励源为振弦传感器提供激励信号，所述数据存储模块接收中央控制模块的指令对测量好的数据进行存储；所述传感器信号采集输入模块与信号调理模块相连接，所述信号调理模块与所述测量电路模块相连接，所述测量电路模块与模数转换模块相连接，所述模数转换模块与中央控制模块相连接，所述中央控制模块分别与电源模块、激励源和数据存储模块相连接，所述激励源输出部分与所述信号调理模块输入端连接。
在具体实施例中，振弦传感器输出的是频率信号，抗干扰能力强，对电缆要求低，有利于远程测量，故而非常适合应用在道路桥梁这样工作环境恶劣而对测量技术要求很高的安全监测环境，振弦传感器通过对线圈加载适当的电流实现激振过程，在激振完成后，切断对线圈的供电，同时将线圈接入测量电路，通过拾取线圈中的感生电势来获得振弦的固有频率值，从而完成测量；电流激振的电路原理图如图3所示，R1和R2以及场效应管组成负反馈电路，控制起振条件和振幅大小，而R4、R5和C1支路电路控制场效应管的栅极电压，将振弦作为振荡电路的一部分，放于磁场中，对振弦通以电流，从而发出振动，输出一个包含固有频率的信号。
步骤二：选用对道路桥梁施工产生的因素建立道路桥梁施工的改进型模糊多层次评估模型；
在具体实施例中，对道路桥梁施工的安全评估方法进行分类是为了针对安全评估的对象选择合适的评估方法，根据安全分析评估结果的量化程度可以分为定性的安全分析评估方法和定量的安全风险评估方法，定性评估是基于分析师的经验与直觉评判能力或者基于行业标准及惯例，对生产体系的设施、工艺、配置和环境等情况做定性分析，有较强的主观性，会由于操作者的经验和直觉的不同而使分析成果无效，定量分析是经过对大批的试验结果以及众多的事故数据进行系统分析得到一定的规律，对影响风险的所有要素因子等赋予数值，则评估过程和结果就可以被量化确定了，然而实际应用中很难保证数据的真实性，并且缺乏长期性，很难实现，故而本方法对层次分析法加以改进，形成改进型模糊多层次评估模型，通过本模型对道路桥梁施工进行评估，在保证度量准确的情况下，减小了计算量。
在本发明进一步的技术方案中，模糊对比矩阵步骤如下：假设Z={z1，z2，…，zk}为影响道路桥梁施工各种因素的集合，建立因素重要关系判断矩阵如下：
公式（1）为因素重要关系判断矩阵，其中i、j分别表示因素集Z中的因素，即i=1,2，…，k，j=1,2，…，k，当因素i的相对重要性小于因素j的相对重要性时，aij=0；当因素i的相对重要性等于因素j的相对重要性时，aij=0.5；当因素i的相对重要性大于因素j的相对重要性时，aij=1；通过因素重要关系判断矩阵A得到模糊对比判断矩阵B：
公式（2）为模糊对比判断矩阵，其中，
公式（3）中，bij表示Z={z1，z2，…，zk}中第i个因素与第j个因素相对重要性程度；当0≤bij<0.5时，表示因素j比因素i重要，并且bij越小，因素j比因素i越重要；当bij=0.5时，表示因素j和因素i一样重要；当0.5<bij≤0.5时，表示因素i比因素j重要，并且bij越大，因素i比因素j越重要。
在具体实施例中，模糊对比判断矩阵能够真实的反映各比较因素之间的客观排序，通过因素两两对比建立优先关系矩阵，借助优先关系矩阵实现对决策思维的描述由定性向定量的转换，而优先关系矩阵属于互补型标度矩阵，负荷人们的思维逻辑，由其度量各元素之间的比较关系形式简单，并且通过优先关系矩阵得到的模糊对比判断矩阵满足一致性条件，不需要再进行一致性检验。
在本发明进一步的技术方案中，采用改进型模糊多层次评估模型对影响道路桥梁施工质量的多个因素进行层次化，构造出多层次分析的结构模型，改进型模糊多层次评估模型分别包括目标层、中间因素层和基本因素层；
在具体实施例中，模糊改进型模糊多层次评估方法是对传统层次分析方法的一种扩展，层次分析方法在构造权重判断矩阵时，进行两两比较判断，其两个指标重要性相比较的结果只能用一个确定的数字来表达，而在实际应用中，不同评价者对事物的认识存在差异性，在评估过程中必然存在着不确定性，而模糊对比判断矩阵具有的一种矩阵的优良性，符合人们的决策思维心理特征；改进型模糊多层次分析法是运营模糊数学工具，对多种因素综合考虑，从而对分析目标作出某种决策，对道路桥梁施工质量的评估，首先把问题条理化、层次化，构造出一个层次分析的结果模型，将复杂问题分解成基本组成因素，同时这些因素又可根据需要分为若干子组，形成不同层次，同一层次的因素作为准则对下一层次的某些因素起支配作用，同时它又受到上一层次因素的支配，在道路桥梁施工的评估中，将这些层次分为三层：目标层、中间因素层和基本因素层，如图4所示；目标层是进行决策的总目标或者理想结果，对道路桥梁施工评估来说，就是道路桥梁结构风险；中间因素层是影响目标层的所有直接因素，对应来说就是影响道路桥梁施工过程道路桥梁安全结构的不确定性，如强度破坏、失稳破坏、主梁刚度不满足安全要求等；基本因素层是中间因素层各因素的分支，表现为实现目标层的各种最基本的因素，比如对应中间因素层的强度破坏有截面尺寸、自重、施工荷载、预应力等；递阶的多层次分析结果建立后，上下层次间各因素的隶属关系也随之确定。
改进型模糊多层次评估模型工作的具体流程如下：
首先将模糊对比判断矩阵B的元素bij按列进行归一化，得到新的矩阵C=（cij）k×k，其中：
然后将矩阵C中的元素按行相加，得到向量D={d1，d2，…，dk}T，即：
对向量D进行归一化，得到各因素相对评估值W={w1，w2，…，wk}，即：
通过公式（6）能够求出基本因素层D上各元素对于目标层X的相对评估值，最后再进行层次总排序，得到基本因素层各因素对目标层的综合评估值即：
在具体实施例中，经过模糊对比判断矩阵的建立、层次因素排序、层次因素总排序，即可得到基本因素层D上各因素对于目标X的相对权重值，基本因素层D上各因素的相对重要性大小也就得到了判定，相应的道路桥梁施工主要的风险也就确定下来了；改进型模糊多层次评估模型充分发挥了人脑善于综合判断的优势，计算量也比同层次分析法更小。
步骤三：通过改进型模糊多层次评估模型对道路桥梁施工情况进行整体评估；
在具体实施例中，当综合评估值为0~0.2时，评估得到当前道路桥梁施工质量处于低风险状态；当综合评估值为0.2~0.4时，当前道路桥梁施工质量处于较低风险状态；当综合评估值为0.4~0.6时，当前道路桥梁施工质量处于一般风险状态；当综合评估值为0.6~0.8时，当前道路桥梁施工质量处于较高风险状态；当综合评估值为0.8~1时，当前道路桥梁施工质量处于高风险状态。
步骤四：根据评估结果为道路桥梁施工提出合理的建议或者做出相应的决策。
在具体实施例中，当道路桥梁施工质量处于低风险状态和较低风险状态时，通过搜寻影响道路桥梁施工质量的因素，对影响道路桥梁施工质量的因素进行改进完善；当道路桥梁施工质量处于一般风险状态时，再次评估，若再次评估得到的结果仍然为一般风险状态，搜寻影响道路桥梁施工质量的因素，对影响道路桥梁施工质量的因素进行改进完善，并对施工过程进行更为严格的管理；当道路桥梁施工质量处于较高风险状态和高风险状态时，表明整体施工方案手段都存在一定不足，重新调整道路桥梁施工规划。
本发明对于大数据评估模型的道路桥梁施工测量方法的验证，通过对某正在施工的桥梁分别采用本评估模型和网络分析模型进行综合评估，评估结果如表1所示：
表1两种评估模型结果对比表
如表1所示，网络分析模型评估结果只有高度风险、中度风险和低度分析三种，通过网络分析模型对该桥梁评估得到整体评估结果是处于中度风险，对索塔的评估结果是处于低度风险，对主梁的评估结果是处于低度风险，对斜拉索的评估结果是处于高度风险，对墩台基础的评估结果是中度风险；本模型评估结果有高风险、较高风险、一般风险、较低风险和低风险五中，通过本评估模型对该桥梁评估得到整体评估结果是处于较低风险，对索塔的评估结果是处于低风险，对主梁的评估结果是处于低风险，对斜拉索的评估结果是处于较低风险，对墩台基础的评估结果是较低风险；本评估模型对危险划分更为细致合理，评估结果也更为准确，可以对相应的设施进行准确的排查，减少不必要的人力和物力浪费。
为了更好地显示电流激振传感器测量系统（本测量系统）和全站仪测量系统的测量精度，分别采用两种测量系统对评估桥梁所需物理数据进行测量，并得到测量精准度仿真结果图如图5所示，从图5中可以看出，本测量系统与全站仪测量系统相比，在测量相同的数据时，本系统测量结果的精准度更高，为评估模型建立了良好的基础。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。
Claims (7)
1.一种大数据评估模型的道路桥梁施工测量方法，其特征在于，包括以下步骤：
步骤一：根据道路桥梁施工项目的工程实际、施工进度和施工材料质量方面因素对道路桥梁施工的影响进行筛选作为评估模型的因子；
步骤二：选用对道路桥梁施工产生的因素建立道路桥梁施工的改进型模糊多层次评估模型；
步骤三：通过改进型模糊多层次评估模型对道路桥梁施工情况进行整体评估；
步骤四：根据评估结果为道路桥梁施工提出合理的建议或者做出相应的决策。
2.根据权利要求1所述的一种大数据评估模型的道路桥梁施工测量方法，其特征在于：
对道路桥梁施工产生影响的因素主要分为自然因素和人为因素两类；自然因素主要包括水文灾害、海洋灾害、地质灾害、地震灾害、施工材料特性、施工结构形式和荷载效应因素；人为因素主要包括计算和设计误差、施工管理误差和施工操作误差因素。
3.根据权利要求2所述的一种大数据评估模型的道路桥梁施工测量方法，其特征在于：
对道路中位线、桥梁下部结构和桥梁上部结构通过电流激振传感器测量系统反复测量；所述电流激振传感器测量系统主要包括电源模块、传感器信号采集输入模块、信号调理模块、测量电路模块、模数转换模块、中央控制模块、激励源和数据存储模块；所述电源模块为整个电流激振传感器测量系统提供充足可靠的电源，所述传感器信号采集输入模块通话振弦传感器采集道路桥梁待测因素并输入待电流激振传感器测量系统中，所述信号调理模块对输入信号进行放大去噪调理，所述测量电路模块采用电流激振电路对调理后的信号进行测量，所述模数转换模块对模拟信号转换为数字信号并传递到中央控制模块，所述中央控制模块控制整体测量系统的运行以及数据的存储，所述激励源为振弦传感器提供激励信号，所述数据存储模块接收中央控制模块的指令对测量好的数据进行存储；所述传感器信号采集输入模块与信号调理模块相连接，所述信号调理模块与所述测量电路模块相连接，所述测量电路模块与模数转换模块相连接，所述模数转换模块与中央控制模块相连接，所述中央控制模块分别与电源模块、激励源和数据存储模块相连接，所述激励源输出部分与所述信号调理模块输入端连接。
4.根据权利要求1所述的一种大数据评估模型的道路桥梁施工测量方法，其特征在于：
模糊对比矩阵步骤如下：假设Z={z1，z2，…，zk}为影响道路桥梁施工各种因素的集合，建立因素重要关系判断矩阵如下：
公式（1）为因素重要关系判断矩阵，其中i、j分别表示因素集Z中的因素，即i=1,2，…，k，j=1,2，…，k，当因素i的相对重要性小于因素j的相对重要性时，aij=0；当因素i的相对重要性等于因素j的相对重要性时，aij=0.5；当因素i的相对重要性大于因素j的相对重要性时，aij=1；通过因素重要关系判断矩阵A得到模糊对比判断矩阵B：
公式（2）为模糊对比判断矩阵，其中，
公式（3）中，bij表示Z={z1，z2，…，zk}中第i个因素与第j个因素相对重要性程度；当0≤bij<0.5时，表示因素j比因素i重要，并且bij越小，因素j比因素i越重要；当bij=0.5时，表示因素j和因素i一样重要；当0.5<bij≤0.5时，表示因素i比因素j重要，并且bij越大，因素i比因素j越重要。
5.根据权利要求1所述的一种大数据评估模型的道路桥梁施工测量方法，其特征在于：
采用改进型模糊多层次评估模型对影响道路桥梁施工质量的多个因素进行层次化，构造出多层次分析的结构模型，改进型模糊多层次评估模型分别包括目标层、中间因素层和基本因素层；
改进型模糊多层次评估模型工作的具体流程如下：
首先将模糊对比判断矩阵B的元素bij按列进行归一化，得到新的矩阵C=（cij）k×k，其中：
然后将矩阵C中的元素按行相加，得到向量D={d1，d2，…，dk}T，即：
对向量D进行归一化，得到各因素相对评估值W={w1，w2，…，wk}，即：
通过公式（6）能够求出基本因素层D上各元素对于目标层X的相对评估值，最后再进行层次总排序，得到基本因素层各因素对目标层的综合评估值即：
6.根据权利要求1所述的一种大数据评估模型的道路桥梁施工测量方法，其特征在于：
当综合评估值为0~0.2时，评估得到当前道路桥梁施工质量处于低风险状态；当综合评估值为0.2~0.4时，当前道路桥梁施工质量处于较低风险状态；当综合评估值为0.4~0.6时，当前道路桥梁施工质量处于一般风险状态；当综合评估值为0.6~0.8时，当前道路桥梁施工质量处于较高风险状态；当综合评估值为0.8~1时，当前道路桥梁施工质量处于高风险状态。
7.根据权利要求1所述的一种大数据评估模型的道路桥梁施工测量方法，其特征在于：
当道路桥梁施工质量处于低风险状态和较低风险状态时，通过搜寻影响道路桥梁施工质量的因素，对影响道路桥梁施工质量的因素进行改进完善；当道路桥梁施工质量处于一般风险状态时，再次评估，若再次评估得到的结果仍然为一般风险状态，搜寻影响道路桥梁施工质量的因素，对影响道路桥梁施工质量的因素进行改进完善，并对施工过程进行更为严格的管理；当道路桥梁施工质量处于较高风险状态和高风险状态时，表明整体施工方案手段都存在一定不足，重新调整道路桥梁施工规划。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211319239.6A CN115392794A (zh) | 2022-10-26 | 2022-10-26 | 一种大数据评估模型的道路桥梁施工测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211319239.6A CN115392794A (zh) | 2022-10-26 | 2022-10-26 | 一种大数据评估模型的道路桥梁施工测量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115392794A true CN115392794A (zh) | 2022-11-25 |
Family
ID=84128643
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211319239.6A Pending CN115392794A (zh) | 2022-10-26 | 2022-10-26 | 一种大数据评估模型的道路桥梁施工测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115392794A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116029528A (zh) * | 2023-02-17 | 2023-04-28 | 惠州华厦工程咨询有限公司 | 建筑工程数据信息智能化管理平台 |
| CN116433092A (zh) * | 2023-04-12 | 2023-07-14 | 西安理工大学 | 一种基于大数据分析的水利工程建造质量智能分析系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104091430A (zh) * | 2014-06-26 | 2014-10-08 | 华南理工大学 | 基于无线通信技术的桥梁应变监测系统及方法 |
| CN106123965A (zh) * | 2016-08-14 | 2016-11-16 | 上海岩联工程技术有限公司 | 一种同步采样的无线振弦采集系统及方法 |
| CN106777848A (zh) * | 2017-03-29 | 2017-05-31 | 辽宁工程技术大学 | 一种基于模糊综合评价的拱肋提升施工稳定性评价方法 |
| CN106971268A (zh) * | 2017-03-29 | 2017-07-21 | 辽宁工程技术大学 | 一种综合ahp与fce的桥梁施工定性风险评价方法 |
| CN110580580A (zh) * | 2019-09-02 | 2019-12-17 | 长沙理工大学 | 一种基于模糊层次分析法的桥梁挂篮施工风险评估方法 |
| CN114372682A (zh) * | 2021-12-27 | 2022-04-19 | 清华大学合肥公共安全研究院 | 基于ahp-模糊综合评价的消防服环境适应性评估方法及系统 |
-
2022
- 2022-10-26 CN CN202211319239.6A patent/CN115392794A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104091430A (zh) * | 2014-06-26 | 2014-10-08 | 华南理工大学 | 基于无线通信技术的桥梁应变监测系统及方法 |
| CN106123965A (zh) * | 2016-08-14 | 2016-11-16 | 上海岩联工程技术有限公司 | 一种同步采样的无线振弦采集系统及方法 |
| CN106777848A (zh) * | 2017-03-29 | 2017-05-31 | 辽宁工程技术大学 | 一种基于模糊综合评价的拱肋提升施工稳定性评价方法 |
| CN106971268A (zh) * | 2017-03-29 | 2017-07-21 | 辽宁工程技术大学 | 一种综合ahp与fce的桥梁施工定性风险评价方法 |
| CN110580580A (zh) * | 2019-09-02 | 2019-12-17 | 长沙理工大学 | 一种基于模糊层次分析法的桥梁挂篮施工风险评估方法 |
| CN114372682A (zh) * | 2021-12-27 | 2022-04-19 | 清华大学合肥公共安全研究院 | 基于ahp-模糊综合评价的消防服环境适应性评估方法及系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116029528A (zh) * | 2023-02-17 | 2023-04-28 | 惠州华厦工程咨询有限公司 | 建筑工程数据信息智能化管理平台 |
| CN116029528B (zh) * | 2023-02-17 | 2024-01-23 | 惠州华厦工程咨询有限公司 | 建筑工程数据信息智能化管理平台 |
| CN116433092A (zh) * | 2023-04-12 | 2023-07-14 | 西安理工大学 | 一种基于大数据分析的水利工程建造质量智能分析系统 |
| CN116433092B (zh) * | 2023-04-12 | 2023-10-27 | 西安理工大学 | 一种基于大数据分析的水利工程建造质量智能分析系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wu et al. | Critical review of data-driven decision-making in bridge operation and maintenance | |
| CN115392794A (zh) | 一种大数据评估模型的道路桥梁施工测量方法 | |
| Nguyen et al. | Prediction of bridge deck condition rating based on artificial neural networks | |
| Strauss et al. | Performance indicators for roadway bridges | |
| CN114117617B (zh) | 一种三跨内廊式rc框架建筑地震响应的快速预测方法 | |
| CN105956216A (zh) | 大跨钢桥基于均匀温度响应监测值的有限元模型修正方法 | |
| CN104133959A (zh) | 桥梁有限元模型的修正方法 | |
| CN108537336B (zh) | 一种基于深度神经网络的空气质量预测方法 | |
| CN110147835A (zh) | 基于梯度增强回归算法的梁柱节点抗剪强度预测方法 | |
| CN114048670B (zh) | 一种区域混凝土桥梁震后损伤快速评估智能算法 | |
| Liu et al. | Intelligent prediction method for operation and maintenance safety of prestressed steel structure based on digital twin technology | |
| Liu | Maintenance model of aircraft structure based on three-stage degradation process | |
| Xu | The Construction Site Management of Concrete Prefabricated Buildings by ISM-ANP Network Structure Model and BIM under Big Data Text Mining Analytic Network Process (ANP) | |
| Ji et al. | Safety Risk Evaluation of Large and Complex Bridges during Construction Based on the Delphi‐Improved FAHP‐Factor Analysis Method | |
| CN102707623A (zh) | 一种预应力网格结构张拉全过程的反馈控制方法 | |
| CN111080156A (zh) | 一种大型桥梁工程施工阶段动态风险评估方法 | |
| Lad et al. | Development of fuzzy system dynamics model to forecast bridge resilience | |
| Liang et al. | Data fusion technique for bridge safety assessment | |
| Samadi et al. | Development of a bridge maintenance system using bridge information modeling | |
| CN113408190A (zh) | 基于Bayes-LSTM模型的公路隧道施工期围岩变形预测方法 | |
| Knippers | The limits of simulation: Towards a new culture of architectural engineering | |
| Chen et al. | Condition assessment on thermal effects of a suspension bridge based on SHM oriented model and data | |
| Ko et al. | Modal analysis of cable-stayed Kap Shui Mun Bridge taking cable local vibration into consideration | |
| Petrova et al. | AI Governor for the Quality and the Strength of Bridges | |
| Abdollahzadeh et al. | Choosing an appropriate factorial system through the modern and outmoded system by two approaches ANP & AHP-FUZZY |
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: 20221125 |