CN115544264B - 知识驱动的桥梁建造数字孪生场景智能构建方法及系统 - Google Patents

Abstract

本发明公开了一种知识驱动的桥梁建造数字孪生场景智能构建方法及系统，解决现有技术采用对场景静态精细展示的方式进行建模，建模操作复杂和建模效率低，还易造成建模难以满足准确性的问题。本发明获取桥梁的建造数据构建桥梁建造场景知识图谱；基于桥梁建造场景知识图谱对桥梁建造场景进行语义建模和环境影响因素耦合，得到耦合后的桥梁建造虚拟场景；基于周期内获取的监测数据、长短时记忆模型和耦合后的桥梁建造虚拟场景对桥梁建造场景进行变化智能预测。本发明用于复杂桥梁建造数字孪生场景智能构建。

Description

知识驱动的桥梁建造数字孪生场景智能构建方法及系统

技术领域

一种知识驱动的桥梁建造数字孪生场景智能构建方法及系统，用于复杂桥梁建造数字孪生场景智能构建，属于地理信息学和虚拟地理环境技术领域。

背景技术

桥梁作为交通设施互联互通的关键节点与枢纽工程，是跨越天堑的纽带，具有十分重要的作用。然而，复杂艰险地区桥梁建造环境十分恶劣，地形地质复杂、场地高度局限、基础设施薄弱，此外还受温差变化、峡谷风以及边坡形变的影响，导致桥梁施工过程动态变化，场景行为及变化趋势不明确，场景全面感知困难等问题。因此，如何耦合桥梁建造影响因素，支持复杂环境下桥梁智能建造，对于提升桥梁建造品质，保障桥梁建设安全具有十分重要的意义。

数字孪生是以数字化形式在虚拟空间构建与物理世界一致的高保真模型，通过实测、仿真和数据分析来实时感知、诊断、预测物理实体对象的状态，具有多维、动态、高保真、全生命周期、虚实融合等特征，是实现人机物互联互通的关键，也是桥梁信息化和智能化的重要标志。集成BIM与GIS技术对现实场景进行数字化仿真模拟，建立数字孪生场景，可支撑展示、分析、诊断、预测以及决策等相关应用。数字孪生场景建模被广泛应用于智慧城市、航空航天、施工建造等领域，虚拟场景是桥梁数字孪生的核心部分，其支持将桥梁属性、结构、状态和行为映射到虚拟世界，形成高保真多维多尺度桥梁数字化场景，帮助人们更好地认知、理解、掌握和控制整个桥梁建造过程。然而，现有的虚拟场景建模方法主要是以参数化建模、规则约束建模、BIM与GIS集成建模等方法为主，这些方法侧重对场景的静态精细化展示，未充分考虑场景的动态变化，同时还存在建模操作复杂和建模效率低等问题。

综上所述，现有技术存在如下技术问题：

1.由于复杂桥梁建造场景对象众多且关系复杂(不仅涉及桥梁本身，还包括基础地理场景以及众多环境因素等)，桥梁建造过程受复杂环境因素影响，其具有动态性和不确定性等特征，采用对场景静态精细展示的方式进行建模，不仅建模操作复杂和建模效率低，还易造成建模难以满足准确性的问题；

2.现有三维场景建模自动化程度低，操作复杂，专业知识要求高，环境影响因素耦合程度低，不能清晰地地表达复杂桥梁场景的众多因素，即难以满足动态变化的场景建模需求。

3.无法对场景的动态变化进行分析，从而不能支撑场景的诊断、分析预测等应用，且不能有效地实时预测场景下一时刻的状态。

发明内容

本发明的目的在于提供一种知识驱动的桥梁建造数字孪生场景智能构建方法及系统，解决现有技术采用对场景静态精细展示的方式进行建模，建模操作复杂和建模效率低，还易造成建模难以满足准确性的问题。

为了实现上述目的，本发明采用的技术方案为：

一种知识驱动的桥梁建造数字孪生场景智能构建方法，包括如下步骤：

步骤1、获取桥梁的建造数据构建桥梁建造场景知识图谱；

步骤2、基于桥梁建造场景知识图谱对桥梁建造场景进行语义建模和环境影响因素耦合，得到耦合后的桥梁建造虚拟场景；

步骤3、基于周期内获取的监测数据、长短时记忆模型和耦合后的桥梁建造虚拟场景对桥梁建造场景进行变化智能预测。

进一步，所述步骤1的具体步骤为：

步骤1.1、根据桥梁的建造数据获取桥梁建造场景对象，剖析桥梁建造场景对象及其相互关系构成桥梁建造场景知识，并以三元组的形式进行存储；其中，建造数据包括倾斜模型数据、无人机影像数据、地形数据、线路设计数据、BIM 模型数据、形变监测数据和专题数据，桥梁建造场景对象包括桥梁、基础地埋场景、环境影响因素和属性信息，相互关系包括几何关系、拓扑关联、语义关联和空间位置，以三元组的形式进行存储时，桥梁建造场景对象存储在桥梁建造场景对象模型库中，相互关系存储在特征及相互关系描述库中，桥梁包括桥梁本体的构件和构件的构造，基础地理场景包括桥梁建造时的施工设施和周围的地理地貌，环境影响因素包括边坡形变、温度、应力和风，属性信息包括桥梁、基础地埋场景和环境影响因素的类型、语义和形态、桥梁的尺寸、桥梁和基础地埋场景的纹理；

步骤1.2、基于步骤1.1得到的结果自顶而下进行不同领域的本体概念抽象，并进行要素实体和实体关系划分，划分后，基于不同领域的本体概念采用Protégé软件对各领域的要素实体和实体关系和不同领域之间的实体关系进行知识融合，融合后通过专家经验或算法核验进行评估与修正，最后将修正后的要素实体和实体关系再以三元组进行存储，得到桥梁建造场景领域本体库，即得到本体库，其中，本体概念包括桥梁领域本体概念、基础地理场景领域本体概念和环境影响因素领域本体概念，本体库包括修正后的带要素实体和实体关系的桥梁领域本体、基础地理场景领域本体和环境影响因素领域本体，以及桥梁领域本体、基础地理场景领域本体和环境影响因素领域本体之间的实体关系；

步骤1.3、将桥梁建造场景领域本体库中桥梁建造场景对象不同的关系类型用不同的语义词进行描述，描述后得到的语义词的集合为桥梁建造场景对象的关系标注语料库，利用关系标注语料库中统一的语义表达连接要素实体，形成初步的知识图谱，并基于初步的知识图谱的关联表达抽取桥梁建造场景知识中的要素实体与实体关系得到桥梁建造场景知识图谱。

进一步，所述步骤1.2中，融合后通过专家经验或算法核验进行评估与修正的具体步骤为：

通过专家经验进行评估与修正是指数据量少于1万条的情况下，通过人工去评估融合后的要素实体与实体关系是否正确，若正确，则不修正，若不正确，则修正要素实体与实体关系；

通过算法核验进行评估与修正是指数据量在1万条以上的情况下，通过语义相似度计算方法核查要素实体与实体关系是否匹配，若匹配，则不修正，若不匹配，则修正要素实体与实体关系。

进一步，所述步骤1.3中抽取桥梁建造场景知识中的要素实体与实体关系，具体为：

针对结构化数据：基于初步的知识图谱的关联表达，采用D2R转换方法从桥梁建造场景知识中抽取与桥梁建造场景对象相关的知识，并转换为RDF数据作为实体信息进行三元组存储，其中，相关的知识为要素实体和实体关系；

半结构化数据：基于初步的知识图谱的关联表达，通过定义和生成包装器从桥梁建造场景知识中抽取与桥梁建造场景对象相关的知识，还原为结构化数据进而转化为三元组进行存储；

非结构化数据：基于初步的知识图谱的关联表达，通过构建基于双向长短时记忆模型和条件随机场的中文分词模型，从桥梁建造场景知识中抽取与桥梁建造场景对象相关的知识，并采用资源描述框架将知识以三元组的形式进行存储。

进一步，所述步骤2的具体步骤为：

步骤2.1、基于桥梁建造场景知识图谱构建用于获取桥梁构件之间的关系、基础地理场景与桥梁的关系的知识推理规则集；

步骤2.2、基于桥梁场景的动态需求和推理规则集，采用知识推理和语义计算方法构建桥梁建造虚拟场景；

步骤2.3、基于虚拟仿真模型对步骤2.2得到的桥梁建造虚拟场景进行环境影响因素耦合，得到耦合后的桥梁建造虚拟场景。

进一步，所述步骤2.1的具体步骤为：

步骤2.11、基于卷积神经网络对桥梁建造场景知识图谱中的对象进行深层语义提取，提取后得到稠密的关系，再基于稠密的关系获取扩展后的知识推理规则，其中，扩展后的知识推理规则包括补规则、并规则、处反规则、传递规则和增广规则；

步骤2.12、对扩展后的知识推理规则进行冲突检测，若存在冲突，对冲突的规则进行检查与修改，继续进行冲突检测，否则，转到步骤2.13；

步骤2.13、对不冲突的各知识推理规则进行语义解释；

步骤2.14、基于所有语义解释连接桥梁建造场景知识图谱中的对象来构建知识推理规则集。

进一步，所述所述步骤2.2的具体步骤为：

步骤2.21、基于桥梁场景的动态需求和推理规则集，采用知识推理和语义计算方法智能选择构件集合，其中，知识推理和语义计算方法包括关联规则挖掘的推理、路径排序学习的推理和神经网络的推理；

步骤2.22、基于构件集合和多层次语义约束机制，采用桥梁构件到虚拟地理环境的映射规则和空间关系处理方法、将桥梁建造场景的实体对象映射到虚拟空间，即构建桥梁建造虚拟场景，其中，多层次语义约束机制包括空间位置、空间姿态、属性信息和拓扑关系。

进一步，所述步骤3的具体步骤为：

步骤3.1、基于周期内获取的监测数据动态更新步骤1.1中的三元组，即根据桥梁建造场景知识建立了桥梁与基础地埋场景、环境影响因素之间的动态描述规则，得到动态更新后的桥梁建造场景知识，并基于动态更新后的桥梁建造场景知识对耦合后的桥梁建造虚拟场景进行动态更新，其中，监测数据通过温度传感器、风力传感器、应力监测传感器、形变监测传感器、视频图像传感器监测桥梁建造场景对象得到的建造数据；

步骤3.2、基于智能诊断分析方法将动态更新后的桥梁建造虚拟场景与设计模型进行对比分析；

步骤3.3、基于长短时记忆神经网络模型对步骤3.2得到的多次对比分析的结果进行智能预测分析，预测得到对桥梁建造场景的下一时刻状态。

一种知识驱动的桥梁建造数字孪生场景智能构建系统，包括：

知识图谱构建模块：用于获取桥梁的建造数据构建桥梁建造场景知识图谱；

虚拟场景耦合模块：用于基于桥梁建造场景知识图谱对桥梁建造场景进行语义建模和环境影响因素耦合，得到耦合后的桥梁建造虚拟场景；

智能预测模块：用于基于周期内获取的监测数据、长短时记忆模型和耦合后的桥梁建造虚拟场景对桥梁建造场景进行变化智能预测。

进一步，所述虚拟场景耦合模块的具体实现逻辑为：

步骤2.1、基于桥梁建造场景知识图谱构建用于获取桥梁构件之间的关系、基础地理场景与桥梁的关系的知识推理规则集；

步骤2.2、基于桥梁场景的动态需求和推理规则集，采用知识推理和语义计算方法构建桥梁建造虚拟场景；

步骤2.3、基于虚拟仿真模型对步骤2.2得到的桥梁建造虚拟场景进行环境影响因素耦合，得到耦合后的桥梁建造虚拟场景。

与现有技术相比，本发明的优点在于：

一、本发明建立复杂桥梁的桥梁建造场景知识图谱，实现桥梁建造场景对象及其相互关系的统一语义描述，以便为复杂铁路桥梁建造虚拟场景建模提供基础；

二、本发明基于桥梁建造场景知识图谱和虚拟仿真模型对桥梁建造场景进行语义建模和环境影响因素耦合实现桥梁建造场景的智能构建，自动化程度高，操作简单，专业知识要求低，环境影响因素耦合程度高，能清晰地地表达复杂桥梁场景的众多因素，由于桥梁建造场景知识图谱根据动态更新后的桥梁建造场景知识来构建，能满足动态变化的场景建模需求；

三、本发明通过监测数据动态更新桥梁建造虚拟场景，以及通过长短时记忆神经网络模型对场景变化预测分析，避免了场景对象语义及动态变化特征缺失，且满足物理空间上场景对象之间的智能交互仿真以及复杂环境因素影响下的桥梁建造过程智能预测，即使得建模操作简单和建模效率高，且准确性能满足需求，促进桥梁智能建造技术的发展，预期成果可为复杂地区桥梁智能建造提供新的理论依据和技术支撑。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应该看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明的流程示意图；

图2为本发明中构建桥梁建造场景知识图谱的流程示意图；

图3为本发明中耦合得到桥梁建造虚拟场景的流程示意图；

图4为本发明中桥梁建造场景智能预测分析流程示意图。

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中的附图，对本发明实施例中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一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

具体为：

一种知识驱动的桥梁建造数字孪生场景智能构建方法，包括如下步骤：

复杂的桥梁建造场景不仅涉及桥梁本身，还包括基础地理场景以及众多环境影响因素等，桥梁建造场景对象众多且关系复杂，导致桥梁建造虚拟场景快速建模困难。因此，本案通过剖析桥梁建造建造场景对象的几何、拓扑、语义等特征及其相互关系，即探讨桥梁本身、基础地理场景与环境影响因素间的关联关系(相互关系)及动态描述规则，进而研究桥梁建造领域本体构建技术，并基于语义解释实现桥梁建造场景对象及其相互关系的统一的语义描述，再基于抽取方法建立桥梁建造场景知识图谱。

步骤1、获取桥梁的建造数据构建桥梁建造场景知识图谱；

具体步骤为：

步骤1.1、根据桥梁的建造数据获取桥梁建造场景对象，剖析桥梁建造场景对象及其相互关系构成桥梁建造场景知识，并以三元组的形式进行存储；其中，建造数据包括倾斜模型数据、无人机影像数据、地形数据、线路设计数据、BIM 模型数据、形变监测数据和专题数据，桥梁建造场景对象包括桥梁、基础地埋场景、环境影响因素和属性信息，相互关系包括几何关系、拓扑关联、语义关联和空间位置，以三元组的形式进行存储时，桥梁建造场景对象存储在桥梁建造场景对象模型库中，相互关系存储在特征及相互关系描述库中，桥梁包括桥梁本体的构件和构件的构造，基础地理场景包括桥梁建造时的施工设施和周围的地理地貌，环境影响因素包括边坡形变、温度、应力和风，属性信息包括桥梁、基础地埋场景和环境影响因素类型、语义和形态、桥梁的尺寸、桥梁和基础地埋场景的纹理；

步骤1.2、基于步骤1.1得到的结果自顶而下进行不同领域的本体概念抽象，并进行要素实体和实体关系划分，划分后，基于不同领域的本体概念采用 Protégé软件对各领域的要素实体和实体关系和不同领域之间的实体关系进行知识融合，融合后通过专家经验或算法核验进行评估与修正，最后将修正后的要素实体和实体关系再以三元组进行存储，得到桥梁建造场景领域本体库，即得到本体库，其中，本体概念包括桥梁领域本体概念、基础地理场景领域本体概念和环境影响因素领域本体概念，本体库包括修正后的带要素实体和实体关系的桥梁领域本体、基础地理场景领域本体、环境影响因素领域本体，以及桥梁领域本体、基础地理场景领域本体和环境影响因素领域本体之间的实体关系；基于桥梁领域本体、基础地理场景领域本体、环境影响因素领域本体不断地更新集成，保证本体资源的可重用性和开发协同性。即以桥梁建造场景领域本体库为关联，从中选取与桥梁建造场景有关的实体(桥梁、基础地埋场景、环境影响因素)、关系(几何关系、拓扑关联、语义关联和空间位置)和属性信息，实现对桥梁建造场景概念的完整描述，而后通过实体链接和共指消解去除概念冗余及错误，赋予其逻辑性和层次性，实现桥梁建造场景知识的融合，即便于后续实现虚拟场景对象及各个对象之间的关系描述。

耦合后通过专家经验或算法核验进行评估与修正的具体步骤为：

通过专家经验进行评估与修正是指数据量少于1万条的情况下，通过人工去评估融合后的要素实体与实体关系是否正确，若正确，则不修正，若不正确，则修正要素实体与实体关系；

通过算法核验进行评估与修正是指数据量在1万条以上的情况下，通过语义相似度计算方法核查要素实体与实体关系是否匹配，若匹配，则不修正，若不匹配，则修正要素实体与实体关系。

步骤1.3、将桥梁建造场景领域本体库中桥梁建造场景对象不同的关系类型用不同的语义词进行描述，描述后得到的语义词的集合为桥梁建造场景对象的关系标注语料库，利用关系标注语料库中统一的语义表达连接要素实体，形成初步的知识图谱，并基于初步的知识图谱的关联表达抽取桥梁建造场景知识中的要素实体与实体关系得到桥梁建造场景知识图谱。

综上所述，利用关系标注语料库进一步丰富与扩展桥梁建造场景本体概念，以分析桥梁建造场景知识之间的联系，在桥梁建造场景对象模型库、特征及相互关系描述库和本体库的支持下得到修正后的桥梁领域本体、基础地理场景领域本体、环境影响因素领域本体和之间的实体关系等信息，实现桥梁建造场景知识图谱的构建。

抽取初步的知识图谱，具体为：

针对结构化数据：基于初步的知识图谱的关联表达，采用D2R转换方法从桥梁建造场景知识中抽取与桥梁建造场景对象相关的知识，并转换为RDF数据作为实体信息进行三元组存储，其中，相关的知识为要素实体和实体关系；

半结构化数据：基于初步的知识图谱的关联表达，通过定义和生成包装器从桥梁建造场景知识中抽取与桥梁建造场景对象相关的知识，还原为结构化数据进而转化为三元组进行存储；

非结构化数据：基于初步的知识图谱的关联表达，通过构建基于双向长短时记忆模型和条件随机场的中文分词模型，从桥梁建造场景知识中抽取与桥梁建造场景对象相关的知识，并采用资源描述框架将知识以三元组的形式进行存储。

桥梁建造场景组合关系复杂，需要考虑山地灾害、温度、峡谷风等多种因素对桥梁场景构建的影响，而现有三维场景建模存在自动化程度低，操作复杂，专业知识要求高，环境影响因素耦合程度低的问题，建模效率低。因此，本案剖析桥梁BIM模型与三维地理场景集成方法，构建桥梁建造场景对象和相互关系的知识推理规则集，提出基于知识推理和语义计算方法研究现场施工环境与虚拟场景对象实体的映射机制构建桥梁建造虚拟场景，并建立耦合环境影响因素得到耦合后的桥梁建造虚拟场景。

步骤2、基于桥梁建造场景知识图谱对桥梁建造场景进行语义建模和环境影响因素耦合，得到耦合后的桥梁建造虚拟场景；

具体步骤为：

步骤2.1、基于桥梁建造场景知识图谱构建用于获取桥梁构件之间的关系、环境与桥梁的关系的知识推理规则集；

在桥梁建造场景知识图谱基础上，研究桥梁建造场景对象关系稀疏表达方法，利用卷积神经网络进行深层语义提取，提取后得到稠密的关系，再基于稠密的关系人式获取扩展的知识推理规则并进行冲突检测，冲突检测后赋予新的推理规则实际语义解释，再得到知识推理规则集，扩展的知识推理规则包括补规则、并规则、自反规则、传递规则以及增广规则等知识推理规则，以实现知识推理规则集的拓展、补充和丰富。

具体步骤为：

步骤2.11、基于神经网络对桥梁建造场景知识图谱中的对象进行深层语义提取，提取后得到稠密的关系，再基于稠密的关系获取扩展后的知识推理规则，其中，扩展后的知识推理规则包括补规则、并规则、处反规则、传递规则和增广规则；

步骤2.12、对扩展后的知识推理规则进行冲突检测，若存在冲突，对冲突的规则进行检查与修改，继续进行冲突检测，否则，转到步骤2.13；

步骤2.13、对不冲突的各知识推理规则进行语义解释；

步骤2.14、基于所有语义解释连接桥梁建造场景知识图谱中的对象来构建知识推理规则集。

步骤2.2、基于桥梁场景的动态需求和推理规则集，采用知识推理和语义计算方法构建桥梁建造虚拟场景；

首先针对不同的施工阶段和建造目标对桥梁建造场景的动态需求，研究在桥梁实时施工过程中进行各类桥梁构件实体的装配组合(即指在各个施工过程，桥梁构架是按什么形式组合起来的)，描述构件之间语义关系，在知识推理规则集的基础上，通过联合关联规则推理挖掘、路径排序学习以及神经网络模型等多种知识推理和语义计算方法实现所需构件的智能选取。例如基于路径排序学习的知识推理，将所有的实体节点两两组合构建生成路径特征P_r，利用公式(2)计算头实体节点与尾实体节点之间的得分，借助公式(3)计算每一个实体节点在路径特征P_r中的概率，从而实现关系推理与语义计算。

上式中score(h,t)为头实体h与尾实体t的组合得分，e为到达节点，s_h,p(e)为每条路径特征值，θ_i为第i个实体节点θ。

其中，p(r_i＝1|score(h_i,t_i))是指在已知等分的情况下路径特征P_r的概率， exp(score(h_i,t_i))是指等分的指数，h_i表示第i个头实体h，t_i表示第i个尾实体i， r_i是指第i条路径；

然后建立以空间位置、空间姿态、属性信息和拓扑关系等要素为核心的多层次语义约束机制；基于多层次语义约束、探索桥梁构件到虚拟地理环境的映射规则和空间关系处理方法；将桥梁建造场景的实体对象映射与实例化，形成桥梁建造虚拟场景，最后，再耦合环境影响因素。

具体步骤为：

步骤2.21、基于桥梁场景的动态需求和推理规则集，采用知识推理和语义计算方法智能选择构件集合，其中，知识推理和语义计算方法包括关联规则挖掘的推理、路径排序学习的推理和神经网络的推理；

步骤2.22、基于构件集合和多层次语义约束机制，采用桥梁构件到虚拟地理环境的映射规则和空间关系处理方法、将桥梁建造场景的实体对象映射到虚拟空间，即构建桥梁建造虚拟场景，其中，多层次语义约束机制包括空间位置、空间姿态、属性信息和拓扑关系。

步骤2.3、基于虚拟仿真模型对步骤2.2得到的桥梁建造虚拟场景进行环境影响因素耦合，得到耦合后的桥梁建造虚拟场景，虚拟仿真模型包括风场模拟、温度场模拟和应力场模拟。

桥梁建造场景随着施工进程推进，建造过程与桥梁建造场景都在不断变化，而现有虚拟场景大多侧重于静态展示，难以满足动态变化的场景建模需求。数字孪生场景不仅能够实现高保真的三维虚拟场景展示，同时还能支撑桥梁建造场景的诊断、预测分析等应用，可有效地预测桥梁建造场景的下一状态。为了解决以上问题，本案基于变化检测的桥梁建造场景动态更新机制，以便于动态更新后建立桥梁属性、几何结构、建造状态和力学行为等状态参数与设计模型之间的智能诊断分析方法(即用当前场景的桥梁属性、几何结构、建造状态和力学行为等状态参数去对比设计模型中的值(状态参数值与设计模型的值相减，得出当前状态与设计模型之间的误差)，从而进行诊断分析)，最后再基于诊断分析结果进行预测得到桥梁施工建造场景的下一时刻状态。

步骤3、基于周期内获取的监测数据、长短时记忆模型和耦合后的桥梁建造虚拟场景对桥梁建造场景进行变化智能预测。

具体步骤为：

步骤3.1、基于周期内获取的监测数据动态更新步骤1.1中的三元组(采用直接覆盖的更新方式)，即根据桥梁建造场景知识建立了桥梁与基础地埋场景、环境影响因素之间的动态描述规则，得到动态更新后的桥梁建造场景知识，并基于动态更新后的桥梁建造场景知识对耦合后的桥梁建造虚拟场景进行动态更新，其中，监测数据通过温度传感器、风力传感器、应力监测传感器、形变监测传感器、视频图像传感器等监测桥梁建造场景对象得到的建造数据；即基于桥梁施工进度与桥梁建造等变化检测结果，分析桥梁建造场景变化特征，厘清桥梁建造场景变化具体对象，如桥梁本身、基础地理场景等。然后人为针对获取的数据进行优选，筛选出具体的变化内容，动态卸载或装载虚拟场景中对应的实体对象，实现变化内容与桥梁建造虚拟场景整合，重构桥梁建造虚拟场景，在此基础上对桥梁建造虚拟场景进行优化组织，实现桥梁建造虚拟场景中的桥梁模型或基础地理场景的动态更新，即再耦合环境影响因素。

步骤3.2、基于智能诊断分析方法将动态更新后的桥梁建造虚拟场景与设计模型进行对比分析；即对步骤3.1得到的结果数据进行标准化、统一基准、数据清洗以及数据筛选等数据预处理操作，建立桥梁施工建造状态智能诊断分析方法将每一时刻的桥梁属性、几何结构、建造状态和力学行为与设计模型之间进行对比分析，即通过智能诊断分析方法实现对桥梁建造场景行为的准确刻画来得到建造状态诊断分析，以便及时发现桥梁建造过程中的偏差，提升桥梁建造数字孪生场景的诊断分析能力。

步骤3.3、基于长短时记忆神经网络模型对步骤3.2得到的多次对比分析的结果进行智能预测分析，预测得到桥梁施工建造场景的下一时刻状态。即根据时序监测数据得到的步骤3.2得到的结果，建立长短时记忆神经网络模型分析施工过程中桥梁建造模型拼装误差、桥梁形变程度、桩基沉降趋势等，对场景变化趋势进行智能预测分析，实时预测桥梁施工建造场景的下一时刻状态，即为场景变化预测。之后随着施工进度的推进，及时更新训练长短时记忆神经网络模型的数据集(即把新产生的数据加入到训练集中，实现训练集的更新)并重新训练预测模型，确保模型预测的准确性与精度，提升复杂环境下桥梁建造数字孪生场景的智能预测分析能力。

实施例

首先收集桥梁建造数据包括倾斜模型数据、无人机影像数据、地形数据、线路设计数据、BIM模型数据、监测数据和专题数据，获取桥梁本体的构件构造情况、桥梁建造场景状况以及桥梁周围地理环境，整理出桥梁本体的构件的类型、构件的组合关系、基础地理场景及相互关系、以及影响桥梁建造的环境影响因素和影响方式(影响方式就是指对桥的部位造成位移、张拉或形变)，以此构成桥梁建造场景知识。基于桥梁建造场景对象模型库和特征及相互关系描述库将桥梁建造场景知识以关系三元组的形式进行存储，实现对桥梁建造场景概念的完整描述。采用Protégé软件将抽取出的不同领域的要素实体和实体关系进行知识融合，也就是将桥梁知识、基础地理场景知识、环境影响知识这三个领域要素实体融合以及将三者实体关联起来进行融合，融合后依据专家经验人工给定规则集 (比如温度会影响桥梁的形变，风会影响桥梁的受力)，用于对实体关系进行评估，并修正错误的关联关系，或在数据增多后(即数据量达到1w条及以上)根据语义相似度计算，利用算法进行评估和修正。在确认无误后，最后将修正后的要素实体和实体关系进行再以三元组进行存储，则可获得桥梁建造场景领域本体库。依据本体库进行语义标注，利用统一的语义表达连接要素实体，形成初步的知识图谱，然后根据桥梁建造数据扩展知识图谱，即初步的知识图谱，针对结构化数据，采用D2R转换方法抽取与建造场景相关的知识，并转换为RDF数据作为实体信息；半结构化数据，则通过定义和生成包装器抽取相关知识，还原为结构化数据进而转化为三元组；非结构化数据，通过构建基于双向长短时记忆模型和条件随机场(BiLSTM-CRF)的中文分词模型，抽取得到的三种桥梁建造场景知识，最终形成完善的知识图谱。

然后依据桥梁建造场景知识图谱进行关系的挖掘，将桥梁建造场景知识图谱中的对象稀疏的语义关系扩展为稠密的语义关系，基于语义关系，整理获取扩展后的知识推理规则。对推理规则集进行冲突检验，确定该扩展后的知识推理规则可以正常运行，没有相互冲突，如根据传递规则，桥梁包含了桥梁下部结构，下部结构包含了桥墩，则桥梁一定包含了桥墩，若桥梁不包含桥墩则与规则冲突，需要修正后继续监测。对不冲突的各知识推理规则进行语义解释；基于所有语义解释连接桥梁建造场景知识图谱中的对象来构建知识推理规则集。基于桥梁场景的动态需求和推理规则集，采用知识推理和语义计算方法智能选择构件集合，即基于桥梁场景的动态需求(因为每座桥的类型不同，构件的数量和类型也有不同的地方)，利用知识推理规则集，结合桥梁建造场景知识图谱，选择出当前桥梁构件的集合(构件集合)，即整理出该桥梁构件的数量和类型等，再根据桥梁建造对象的空间位置、空间姿态、属性信息和拓扑关系，将桥梁在现实中的实体在虚拟空间中进行构建，形成虚拟的桥体(即包含桥梁以及基础地理场景)，以与真实的桥梁形成映射，最后基于虚拟仿真模型对得到的桥梁建造虚拟场景进行环境影响因素耦合，得到耦合后的桥梁建造虚拟场景。

基于后续周期内获取的监测数据，根据其空间位置与数值动态更改桥梁建造场景相关属性，即当属性发生改变时，对应耦合后的桥梁建造虚拟场景中的对象属性也发生改变，属性改变之后，桥梁建造场景知识图谱内与属性所对应的知识也会更新，那么耦合后的桥梁建造虚拟场景也就随之发生变化，也就是耦合后的桥梁建造虚拟场景进行了更新，改变方式就是用语义建模的方式再次对桥梁建造场景对象进行语义建模和环境影响因素耦合(即基于动态更新重新执行步骤1、 2进行更新)，得到耦合后的桥梁建造虚拟场景。耦合后的桥梁建造虚拟场景每次更新后都会将其与桥梁的设计模型进行对比，根据对比两者的特征点，判断当前桥梁建造的状态(如新修了桥面，桥梁建造场景进行更新，与设计模型对比，根据桥梁建造场景中存在的桥梁内容可以人为判断当前施工进度，进一步通过对比特征点，也就是桥梁模型的一些拐点，得到目前桥梁的状态与设计模型的差异，比如形变是否在合理范围之类，从而判断建造状态是否安全)。将多次(给定选择次数)对比的结果输入长短时记忆神经网络模型对时序监测数据(即指一段时间内、多个周期的监测数据)对场景变化趋势进行智能预测分析，预测得到桥梁施工建造场景(桥梁建造场景)的下一时刻状态，以此对桥梁建造施工决策提供服务。

Claims (3)

1.一种知识驱动的桥梁建造数字孪生场景智能构建方法，其特征在于，包括如下步骤：

步骤1、获取桥梁的建造数据构建桥梁建造场景知识图谱；

所述步骤1的具体步骤为：

步骤1.1、根据桥梁的建造数据获取桥梁建造场景对象，剖析桥梁建造场景对象及其相互关系构成桥梁建造场景知识，并以三元组的形式进行存储；其中，建造数据包括倾斜模型数据、无人机影像数据、地形数据、线路设计数据、BIM模型数据、形变监测数据和专题数据，桥梁建造场景对象包括桥梁、基础地埋场景、环境影响因素和属性信息，相互关系包括几何关系、拓扑关联、语义关联和空间位置，以三元组的形式进行存储时，桥梁建造场景对象存储在桥梁建造场景对象模型库中，相互关系存储在特征及相互关系描述库中，桥梁包括桥梁本体的构件和构件的构造，基础地理场景包括桥梁建造时的施工设施和周围的地理地貌，环境影响因素包括边坡形变、温度、应力和风，属性信息包括桥梁、基础地埋场景和环境影响因素的类型、语义和形态、桥梁的尺寸、桥梁和基础地埋场景的纹理；

步骤1.2、基于步骤1.1得到的结果自顶而下进行不同领域的本体概念抽象，并进行要素实体和实体关系划分，划分后，基于不同领域的本体概念采用Protégé软件对各领域的要素实体和实体关系和不同领域之间的实体关系进行知识融合，融合后通过专家经验或算法核验进行评估与修正，最后将修正后的要素实体和实体关系再以三元组进行存储，得到桥梁建造场景领域本体库，即得到本体库，其中，本体概念包括桥梁领域本体概念、基础地理场景领域本体概念和环境影响因素领域本体概念，本体库包括修正后的带要素实体和实体关系的桥梁领域本体、基础地理场景领域本体和环境影响因素领域本体，以及桥梁领域本体、基础地理场景领域本体和环境影响因素领域本体之间的实体关系；

步骤1.3、将桥梁建造场景领域本体库中桥梁建造场景对象不同的关系类型用不同的语义词进行描述，描述后得到的语义词的集合为桥梁建造场景对象的关系标注语料库，利用关系标注语料库中统一的语义表达连接要素实体，形成初步的知识图谱，并基于初步的知识图谱的关联表达抽取桥梁建造场景知识中的要素实体与实体关系得到桥梁建造场景知识图谱；

所述步骤1.2中，融合后通过专家经验或算法核验进行评估与修正的具体步骤为：

通过专家经验进行评估与修正是指数据量少于1万条的情况下，通过人工去评估融合后的要素实体与实体关系是否正确，若正确，则不修正，若不正确，则修正要素实体与实体关系；

通过算法核验进行评估与修正是指数据量在1万条以上的情况下，通过语义相似度计算方法核查要素实体与实体关系是否匹配，若匹配，则不修正，若不匹配，则修正要素实体与实体关系；

所述步骤1.3中抽取桥梁建造场景知识中的要素实体与实体关系，具体为：

针对结构化数据：基于初步的知识图谱的关联表达，采用D2R转换方法从桥梁建造场景知识中抽取与桥梁建造场景对象相关的知识，并转换为RDF数据作为实体信息进行三元组存储，其中，相关的知识为要素实体和实体关系；

半结构化数据：基于初步的知识图谱的关联表达，通过定义和生成包装器从桥梁建造场景知识中抽取与桥梁建造场景对象相关的知识，还原为结构化数据进而转化为三元组进行存储；

非结构化数据：基于初步的知识图谱的关联表达，通过构建基于双向长短时记忆模型和条件随机场的中文分词模型，从桥梁建造场景知识中抽取与桥梁建造场景对象相关的知识，并采用资源描述框架将知识以三元组的形式进行存储；

步骤2、基于桥梁建造场景知识图谱对桥梁建造场景进行语义建模和环境影响因素耦合，得到耦合后的桥梁建造虚拟场景；

所述步骤2的具体步骤为：

步骤2.1、基于桥梁建造场景知识图谱构建用于获取桥梁构件之间的关系、基础地理场景与桥梁的关系的知识推理规则集；

步骤2.2、基于桥梁场景的动态需求和推理规则集，采用知识推理和语义计算方法构建桥梁建造虚拟场景；

步骤2.3、基于虚拟仿真模型对步骤2.2得到的桥梁建造虚拟场景进行环境影响因素耦合，得到耦合后的桥梁建造虚拟场景；

所述步骤2.1的具体步骤为：

步骤2.11、基于卷积神经网络对桥梁建造场景知识图谱中的对象进行深层语义提取，提取后得到稠密的关系，再基于稠密的关系获取扩展后的知识推理规则，其中，扩展后的知识推理规则包括补规则、并规则、处反规则、传递规则和增广规则；

步骤2.12、对扩展后的知识推理规则进行冲突检测，若存在冲突，对冲突的规则进行检查与修改，继续进行冲突检测，否则，转到步骤2.13；

步骤2.13、对不冲突的各知识推理规则进行语义解释；

步骤2.14、基于所有语义解释连接桥梁建造场景知识图谱中的对象来构建知识推理规则集；

所述步骤2.2的具体步骤为：

步骤2.21、基于桥梁场景的动态需求和推理规则集，采用知识推理和语义计算方法智能选择构件集合，其中，知识推理和语义计算方法包括关联规则挖掘的推理、路径排序学习的推理和神经网络的推理；

步骤2.22、基于构件集合和多层次语义约束机制，采用桥梁构件到虚拟地理环境的映射规则和空间关系处理方法、将桥梁建造场景的实体对象映射到虚拟空间，即构建桥梁建造虚拟场景，其中，多层次语义约束机制包括空间位置、空间姿态、属性信息和拓扑关系；

步骤3、基于周期内获取的监测数据、长短时记忆模型和耦合后的桥梁建造虚拟场景对桥梁建造场景进行变化智能预测。

2.根据权利要求1所述的一种知识驱动的桥梁建造数字孪生场景智能构建方法，其特征在于，所述步骤3的具体步骤为：

步骤3.1、基于周期内获取的监测数据动态更新步骤1.1中的三元组，即根据桥梁建造场景知识建立了桥梁与基础地埋场景、环境影响因素之间的动态描述规则，得到动态更新后的桥梁建造场景知识，并基于动态更新后的桥梁建造场景知识对耦合后的桥梁建造虚拟场景进行动态更新，其中，监测数据通过温度传感器、风力传感器、应力监测传感器、形变监测传感器、视频图像传感器监测桥梁建造场景对象得到的建造数据；

步骤3.2、基于智能诊断分析方法将动态更新后的桥梁建造虚拟场景与设计模型进行对比分析；

步骤3.3、基于长短时记忆神经网络模型对步骤3.2得到的多次对比分析的结果进行智能预测分析，预测得到对桥梁建造场景的下一时刻状态。

3.一种知识驱动的桥梁建造数字孪生场景智能构建系统，其特征在于，包括：

知识图谱构建模块：用于获取桥梁的建造数据构建桥梁建造场景知识图谱；

所述知识图谱构建模块的具体实现步骤为：

步骤1.1、根据桥梁的建造数据获取桥梁建造场景对象，剖析桥梁建造场景对象及其相互关系构成桥梁建造场景知识，并以三元组的形式进行存储；其中，建造数据包括倾斜模型数据、无人机影像数据、地形数据、线路设计数据、BIM模型数据、形变监测数据和专题数据，桥梁建造场景对象包括桥梁、基础地埋场景、环境影响因素和属性信息，相互关系包括几何关系、拓扑关联、语义关联和空间位置，以三元组的形式进行存储时，桥梁建造场景对象存储在桥梁建造场景对象模型库中，相互关系存储在特征及相互关系描述库中，桥梁包括桥梁本体的构件和构件的构造，基础地理场景包括桥梁建造时的施工设施和周围的地理地貌，环境影响因素包括边坡形变、温度、应力和风，属性信息包括桥梁、基础地埋场景和环境影响因素的类型、语义和形态、桥梁的尺寸、桥梁和基础地埋场景的纹理；

步骤1.2、基于步骤1.1得到的结果自顶而下进行不同领域的本体概念抽象，并进行要素实体和实体关系划分，划分后，基于不同领域的本体概念采用Protégé软件对各领域的要素实体和实体关系和不同领域之间的实体关系进行知识融合，融合后通过专家经验或算法核验进行评估与修正，最后将修正后的要素实体和实体关系再以三元组进行存储，得到桥梁建造场景领域本体库，即得到本体库，其中，本体概念包括桥梁领域本体概念、基础地理场景领域本体概念和环境影响因素领域本体概念，本体库包括修正后的带要素实体和实体关系的桥梁领域本体、基础地理场景领域本体和环境影响因素领域本体，以及桥梁领域本体、基础地理场景领域本体和环境影响因素领域本体之间的实体关系；

步骤1.3、将桥梁建造场景领域本体库中桥梁建造场景对象不同的关系类型用不同的语义词进行描述，描述后得到的语义词的集合为桥梁建造场景对象的关系标注语料库，利用关系标注语料库中统一的语义表达连接要素实体，形成初步的知识图谱，并基于初步的知识图谱的关联表达抽取桥梁建造场景知识中的要素实体与实体关系得到桥梁建造场景知识图谱；

所述步骤1.2中，融合后通过专家经验或算法核验进行评估与修正的具体步骤为：

通过专家经验进行评估与修正是指数据量少于1万条的情况下，通过人工去评估融合后的要素实体与实体关系是否正确，若正确，则不修正，若不正确，则修正要素实体与实体关系；

通过算法核验进行评估与修正是指数据量在1万条以上的情况下，通过语义相似度计算方法核查要素实体与实体关系是否匹配，若匹配，则不修正，若不匹配，则修正要素实体与实体关系；

所述步骤1.3中抽取桥梁建造场景知识中的要素实体与实体关系，具体为：

针对结构化数据：基于初步的知识图谱的关联表达，采用D2R转换方法从桥梁建造场景知识中抽取与桥梁建造场景对象相关的知识，并转换为RDF数据作为实体信息进行三元组存储，其中，相关的知识为要素实体和实体关系；

半结构化数据：基于初步的知识图谱的关联表达，通过定义和生成包装器从桥梁建造场景知识中抽取与桥梁建造场景对象相关的知识，还原为结构化数据进而转化为三元组进行存储；

非结构化数据：基于初步的知识图谱的关联表达，通过构建基于双向长短时记忆模型和条件随机场的中文分词模型，从桥梁建造场景知识中抽取与桥梁建造场景对象相关的知识，并采用资源描述框架将知识以三元组的形式进行存储

虚拟场景耦合模块：用于基于桥梁建造场景知识图谱对桥梁建造场景进行语义建模和环境影响因素耦合，得到耦合后的桥梁建造虚拟场景；

所述虚拟场景耦合模块的具体实现逻辑为：

步骤2.1、基于桥梁建造场景知识图谱构建用于获取桥梁构件之间的关系、基础地理场景与桥梁的关系的知识推理规则集；

步骤2.2、基于桥梁场景的动态需求和推理规则集，采用知识推理和语义计算方法构建桥梁建造虚拟场景；

步骤2.3、基于虚拟仿真模型对步骤2.2得到的桥梁建造虚拟场景进行环境影响因素耦合，得到耦合后的桥梁建造虚拟场景；

所述步骤2.1的具体步骤为：

步骤2.11、基于卷积神经网络对桥梁建造场景知识图谱中的对象进行深层语义提取，提取后得到稠密的关系，再基于稠密的关系获取扩展后的知识推理规则，其中，扩展后的知识推理规则包括补规则、并规则、处反规则、传递规则和增广规则；

步骤2.12、对扩展后的知识推理规则进行冲突检测，若存在冲突，对冲突的规则进行检查与修改，继续进行冲突检测，否则，转到步骤2.13；

步骤2.13、对不冲突的各知识推理规则进行语义解释；

步骤2.14、基于所有语义解释连接桥梁建造场景知识图谱中的对象来构建知识推理规则集；

所述步骤2.2的具体步骤为：

步骤2.21、基于桥梁场景的动态需求和推理规则集，采用知识推理和语义计算方法智能选择构件集合，其中，知识推理和语义计算方法包括关联规则挖掘的推理、路径排序学习的推理和神经网络的推理；

步骤2.22、基于构件集合和多层次语义约束机制，采用桥梁构件到虚拟地理环境的映射规则和空间关系处理方法、将桥梁建造场景的实体对象映射到虚拟空间，即构建桥梁建造虚拟场景，其中，多层次语义约束机制包括空间位置、空间姿态、属性信息和拓扑关系；

智能预测模块：用于基于周期内获取的监测数据、长短时记忆模型和耦合后的桥梁建造虚拟场景对桥梁建造场景进行变化智能预测。