CN116070790A - 一种减少施工现场重大安全风险隐患的预测方法和系统 - Google Patents
一种减少施工现场重大安全风险隐患的预测方法和系统 Download PDFInfo
- Publication number
- CN116070790A CN116070790A CN202310272750.3A CN202310272750A CN116070790A CN 116070790 A CN116070790 A CN 116070790A CN 202310272750 A CN202310272750 A CN 202310272750A CN 116070790 A CN116070790 A CN 116070790A
- Authority
- CN
- China
- Prior art keywords
- risk
- matching
- safety
- construction
- model
- 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.)
- Granted
Links
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据分析及风险评估技术领域,具体涉及一种减少施工现场重大安全风险隐患的预测方法和系统,基于全区域标识拍摄施工现场场景关键点;区域范围处理风险预测包括收集区域范围信息,对安全模型记录匹配及数据入库和数据分析;选定多个位置来收集有关安全模型匹配和响应信息,进入直接来自施工现场施工设备的匹配的位置,提供有关安全模型匹配和响应方面的施工现场的详细信息;数据场景划分关键点标识,从采集的区域范围信息中提取出能够准确表示施工安全风险指征的统计数据指标,依次计算每个标识的统计特征进行安全模型类簇划分,得到判断施工现场安全风险的风险值;对处理后的施工现场安全风险的风险值通过比对分析进行最终判断。
Description
技术领域
本发明涉及数据分析及风险评估技术领域,并且更具体地,涉及一种减少施工现场重大安全风险隐患的预测方法和系统。
背景技术
2022 年4 月,住建部发布《房屋市政工程生产安全重大事故隐患判定标准(2022版)》,要求各级住房和城乡建设主管部门要将重大风险隐患当成事故来对待,将判定标准作为监管执法的重要依据,督促工程建设各方依法落实重大事故隐患排查治理主体责任,准确判定、及时消除各类重大事故隐患。要求严格落实重大事故隐患排查治理挂牌督办等制度,着力从根本上消除事故隐患,牢牢守住安全生产底线。
随着意外自然灾害及工程质量问题的事件频发,使得人们对建筑日常维护检查、风险监测重视程度的日益增加,楼宇建筑状态监测和风险感知成为了保障楼宇安全的必要技术手段。随着物联网技术飞速发展,其在楼宇建筑施工区域范围指标的实时监测应用已成为了研究热点。现有物联网监测方法大多将采集到的楼宇状态指标(如倾角、应力、裂缝位移)统一传输到云端的中心施工场景的设备并存储管理,使用统计学手段对监测数据进行关键点标识,最后机器学习、深度学习等方法构建楼宇的安全模型并进行风险预警。在该监测技术在实际使用时存在以下问题:第一,对于重大的国家关键基础设备(如水电站、大坝)而言,若由中心服务集中存储表征其建筑工程结构安全的状态传感指标,极易出现隐私泄露等问题;第二,物联网边缘端提供数据采集功能的边缘设备本身存在可信问题,特别在进行传感数据运算时,存在安全隐患问题。
而如何管控安全生产重大事故隐患没有具体办法,只有法律法规要求和企业管理制度。目前管理手段或方法只有系统性工作,比如关键岗位人员履职、安全教育交底、安全检查、现场监督等常规工作,对重大安全风险隐患的约束性较差。
发明内容
为了解决安全模型的隐患域以及变化的隐患攻击行为等问题,本发明提供一种一种减少施工现场重大安全风险隐患的预测系统及方法,具体方案如下:
方案一:一种减少施工现场重大安全风险隐患的预测系统包括安全模型数据分析的区域范围匹配风险预测模块和处理风险预测模块两部分;
区域范围匹配风险预测模块用于收集区域范围信息、安全模型记录匹配询和数据入库分析;
处理风险预测模块用于区域范围风险匹配预测、数据场景划分、安全模型类簇划分和结果分析。
方案二:一种减少施工现场重大安全风险隐患的预测方法,是基于所述的系统实现的,具体方法步骤如下:
安全数据采集装置匹配主区域范围地址,通过全区域安全模型设定安全预警策略,基于全区域标识拍摄施工现场场景关键点;
区域范围处理风险预测包括收集区域范围信息,然后对安全模型记录匹配及数据入库和数据分析;
风险匹配预测由于安全模型基础结构的离散分布特征,选定多个位置来收集有关安全模型匹配和响应的信息,通过进入直接来自施工现场施工设备的匹配的位置,提供有关安全模型匹配和响应方面的施工现场的详细信息;
数据场景划分关键点标识,从采集的区域范围信息中提取出能够准确表示施工安全风险指征的统计数据指标,依次计算每个标识的统计特征,先从所述区域范围信息中提取出能够准确反映施工安全风险指征的统计数据指标,将安全模型训练过程中的所有区域范围信息进行更新处理;
安全模型类簇划分,其中的类簇划分算法包括基于统计指标的高斯混合模型算法和均值漂移类簇划分算法,通过算法将获得的统计特征进行处理,从而得到判断施工现场安全风险的风险值;
对处理后的施工现场安全风险的风险值通过比对分析进行最终的判断。
所述的区域范围收集的方法,是通过进行传感器分析,包括施工现场场景区域范围离散分析与关联分析、逆向分析施工现场场景关键点获得关联区域范围信息,安全数据采集装置匹配主区域范围地址,然后进行全区域安全模型嵌入处理和基于全区域标识拍摄施工现场场景关键点。
所述的区域范围收集的方法或者借助区域范围安全工具进行分析,向预定的安全数据采集装置发送区域范围搜索请求,在搜索请求中包含相关联的区域范围警示线;对返回的响应区域范围进行正则匹配,从区域范围中提取出该区域范围所关联的所有区域范围,对于一个区域范围,至少需要获取前100个搜索区域范围中包含的区域范围;区域范围安全工具依赖于安全模型,其使用预测风险数据库递归地发现三级区域范围、四级区域范围,并且自动去重泛处理的区域范围。
区域范围处理风险预测的中的数据分析包括标识次数分析和泛处理分析,首先准备区域范围集合ids,针对每一个区域范围id匹配其安全模型关键点属性值,判断匹配所得关键点属性值是否为Ⅰ类或Ⅱ类记录,如果是Ⅰ类或Ⅱ类记录则关键点属性值信息保存到数据库中,反之则不做记录,最后针对收集到的所有区域范围进行隐患排查处理分析,通过隐患排查处理分析能够找到存在隐患排查处理风险的域,并且能够发现部分受到隐患泛区域范围处理的施工场景采取相应的解决方案。
风险匹配预测由于安全模型基础结构的离散分布特征,选定多个位置来收集有关安全模型匹配和响应的信息;在所涉及的所有施工场景的设备中,通过系统进入直接来自施工现场施工设备的匹配的位置,提供有关安全模型匹配和响应方面的施工现场的详细信息;
关于原始安全模型训练过程的处理,先从所述区域范围信息中提取出能够准确反映施工安全风险指征的统计数据指标,再提前将安全模型训练过程中的所有区域范围信息进行更新处理。
数据场景划分关键点标识,需要从采集的区域范围信息中提取出能够准确表示施工安全风险指征的统计数据指标,从训练过程数据中探寻施工人员的进入模式,匹配统计、区域范围、标识地址,每一条安全模型匹配记录对应一次标识对区域范围的进入动作,针对每一个标识,需要提取的行为特征为:
匹配的次数为一分钟内标识施工人员向系统提交区域范围匹配的总次数;
匹配的区域范围数为一分钟内标识施工人员向系统匹配的不同区域范围的总次数;
对同一区域范围的重复匹配最大、最小和平均数值;
匹配统计区域中最大、最小和平均的统计区域;
最后将安全模型训练过程模型中出现的所有区域范围信息首先进行统一合并处理,以达到压缩数据的目的;
数据场景划分中,首先获得标识地址集合,然后对集合中每一个标识地址分别计算其行为特征:获取该标识所对应的原数据集子表,提取子表中的匹配统计列,写入模型;获取匹配区域范围列,得到区域范围列表,去重后的集合大小为匹配区域范围总数,对区域范围列表进行统计,可得到区域范围重复匹配特征,最后统一处理统计匹配表,依次计算每个标识的统计匹配特征;
并且匹配统计序列需要分模型存储,每个标识对应的模型名为该标识施工场景风险分级的哈希值,将不同模型场景划分后的数据进行整合得到一个模型,并合并标识相同的数据记录,除统计区域外的标识行为特征从低权重进行统计,统计区域特征从高权重进行统计;
其中统计关键点标识,包括针对每一个标识地址,找到其匹配统计序列所在的模型,遍历该模型后得到该标识的匹配统计序列;根据匹配统计序列,可以计算相邻匹配的统计区域从而得到统计区域表;最后通过统计区域表可统计出最大、最小、平均统计区域。
本发明涉及的减少施工现场重大安全风险隐患的预测系统和方法,通过匹配主区域范围地址,设定安全预警策略,基于全区域标识拍摄施工现场场景关键点;区域范围处理风险预测包括收集区域范围信息,然后对安全模型记录匹配及数据入库和数据分析;选定多个位置来收集有关安全模型匹配和响应的信息,通过进入直接来自施工现场施工设备的匹配的位置,提供有关安全模型匹配和响应方面的施工现场的详细信息;数据场景划分关键点标识,从采集的区域范围信息中提取出能够准确表示施工安全风险指征的统计数据指标,依次计算每个标识的统计特征,进行安全模型类簇划分,得到判断施工现场安全风险的风险值;对处理后的施工现场安全风险的风险值通过比对分析进行最终的判断。
附图说明
图1为本发明所涉及的一种减少施工现场重大安全风险隐患的预测系统的结构模块图;
图2为本发明所涉及的一种减少施工现场重大安全风险隐患的预测方法的工作流程图。
具体实施方式
方案一:一种减少施工现场重大安全风险隐患的预测系统包括安全模型数据分析的区域范围匹配风险预测模块和处理风险预测模块两部分;
区域范围匹配风险预测模块用于收集区域范围信息、安全模型记录匹配询和数据入库分析;
处理风险预测模块用于区域范围风险匹配预测、数据场景划分、安全模型类簇划分和结果分析。
方案二:一种减少施工现场重大安全风险隐患的预测方法,是基于所述的系统实现的,具体方法步骤如下:
安全数据采集装置匹配主区域范围地址,通过全区域安全模型设定安全预警策略,基于全区域标识拍摄施工现场场景关键点;
区域范围处理风险预测包括收集区域范围信息,然后对安全模型记录匹配及数据入库和数据分析;
风险匹配预测由于安全模型基础结构的离散分布特征,选定多个位置来收集有关安全模型匹配和响应的信息,通过进入直接来自施工现场施工设备的匹配的位置,提供有关安全模型匹配和响应方面的施工现场的详细信息;
数据场景划分关键点标识,从采集的区域范围信息中提取出能够准确表示施工安全风险指征的统计数据指标,依次计算每个标识的统计特征,先从所述区域范围信息中提取出能够准确反映施工安全风险指征的统计数据指标,将安全模型训练过程中的所有区域范围信息进行更新处理;
安全模型类簇划分,其中的类簇划分算法包括基于统计指标的高斯混合模型算法和均值漂移类簇划分算法,通过算法将获得的统计特征进行处理,从而得到判断施工现场安全风险的风险值;
对处理后的施工现场安全风险的风险值通过比对分析进行最终的判断。
施工现场显著位置公告《项目重大安全风险源公示牌》和《危险性较大(含超过一定规模的危险性较大)的分部分项工程公示牌》,项目重大安全风险源清单由项目总工组织按月更新,项目即时公告。一是梳理重大安全风险便于管理,二是提示现场人员做好风险防范。
所述的区域范围收集的方法,是通过进行传感器分析,包括施工现场场景区域范围离散分析与关联分析、逆向分析施工现场场景关键点获得关联区域范围信息,安全数据采集装置匹配主区域范围地址,然后进行全区域安全模型嵌入处理和基于全区域标识拍摄施工现场场景关键点。
在施工现场较大及以上安全风险施工时,实行安全风险分级管理,重大安全风险源挂“红牌”、较大安全风险源挂“橙牌”、验收合格后增加“蓝牌”。项目安全风险识别与验收由总工组织,项目即时公告。
重大安全风险、较大安全风险分部分项工程施工时,项目负责人应到施工现场进行带班生产,项目部安全生产监督管理人员应对重大安全风险、较大安全风险分部分项工程施工进行现场监督。通过重大安全风险识别以及颜色分级,对安全风险实行差异化管理,让我们能提前做好风险防控;当全部风险挂设蓝牌后,证明风险受控、管理措施落地,通过公示公告,保障安全责任落实。
所述的区域范围收集的方法或者借助区域范围安全工具进行分析,向预定的安全数据采集装置发送区域范围搜索请求,在搜索请求中包含相关联的区域范围警示线;对返回的响应区域范围进行正则匹配,从区域范围中提取出该区域范围所关联的所有区域范围,对于一个区域范围,至少需要获取前100个搜索区域范围中包含的区域范围;区域范围安全工具依赖于安全模型,其使用预测风险数据库递归地发现三级区域范围、四级区域范围,并且自动去重泛处理的区域范围。
区域范围处理风险预测的中的数据分析包括标识次数分析和泛处理分析,首先准备区域范围集合ids,针对每一个区域范围id匹配其安全模型关键点属性值,判断匹配所得关键点属性值是否为Ⅰ类或Ⅱ类记录,如果是Ⅰ类或Ⅱ类记录则关键点属性值信息保存到数据库中,反之则不做记录,最后针对收集到的所有区域范围进行隐患排查处理分析,通过隐患排查处理分析能够找到存在隐患排查处理风险的域,并且能够发现部分受到隐患泛区域范围处理的施工场景采取相应的解决方案。
施工现场安全风险区从高到低划分为:一级风险区(高风险)、二级风险区(较大风险)、三级风险区(一般风险)、四级风险区(低风险),分别用红色、橙色、黄色、蓝色标识;进入施工现场最低为四级风险区;塔吊覆盖范围内为三级风险区;楼栋施工作业层、楼栋坠落半径内、各加工区域(钢筋、木工、机电)为二级风险区;超危大工程作业区域、卸料平台坠落半径内、施工电梯坠落半径内为一级风险区。
风险匹配预测由于安全模型基础结构的离散分布特征,选定多个位置来收集有关安全模型匹配和响应的信息;在所涉及的所有施工场景的设备中,通过系统进入直接来自施工现场施工设备的匹配的位置,提供有关安全模型匹配和响应方面的施工现场的详细信息;
关于原始安全模型训练过程的处理,先从所述区域范围信息中提取出能够准确反映施工安全风险指征的统计数据指标,再提前将安全模型训练过程中的所有区域范围信息进行更新处理。
(1)项目进行风险识别、划分风险区域,制定相应管理措施,将安全风险分布总平图在工地大门显目位置公示;
(2)各级风险区应明确施工责任人、安全责任人、分包责任人,并在风险区入口显目位置悬挂安全文明施工责任公示牌;
(3)各级风险区域入口应设置自动感应语音播报系统、风险区域标志、安全警示标语、划警示线。
(4)一级风险区划红线、二级风险区划橙线、三级风险区划黄线、四级风险区划蓝线,字体均为白色;若风险分区警戒线标语与安全通道、加工棚等标语一起制作时,采用蓝底及对应颜色字体。
表1 风险关键点统计表
风险区域 | 风险等级 | 风险范围 | 警戒线标志 | 语音标识 | 备注 |
工地大门 | 四级 | 进入闸机 | 地面标识 | 逐一配备 | |
安全通道 | 三级 | 进入楼层 | 顶部标识 | 逐一配备 | |
各加工区域 | 二级 | 加工棚投影1米内 | 顶部标识 | 每处一个 | |
楼栋坠落半径 | 二级 | 爬架、脚手架投影6米内 | 防护挂标识牌 | 每栋楼不少于2个 | |
塔吊 | 一级 | 基础围栏内 | 防护挂标识牌 | 每台设备1个 | |
施工升降机、物料提升机 | 一级 | 基础标节投影6米内 | 防护挂标识牌 | 每台设备1个 | |
基坑四周 | 一级 | 基坑边坡投影1米内 | 防护挂标识牌 | 每侧不少于2个 | |
卸料平台下方 | 一级 | 卸料平台投影6米内 | 防护挂标识牌 | 每处1个 |
参照表1,风险关键点统计表,在风险区域设置关键点标识布置警戒线标志和语音标识;
参照表1中,具体的施工场景包括但不限于工地大门、安全通道、各加工区域、楼栋坠落半径、塔吊、施工升降机与物料提升机、基坑四周、卸料平台下方;
数据场景划分关键点标识,需要从采集的区域范围信息中提取出能够准确表示施工安全风险指征的统计数据指标,从训练过程数据中探寻施工人员的进入模式,匹配统计、区域范围、标识地址,每一条安全模型匹配记录对应一次标识对区域范围的进入动作,针对每一个标识,需要提取的行为特征为:
匹配的次数为一分钟内标识施工人员向系统提交区域范围匹配的总次数;
匹配的区域范围数为一分钟内标识施工人员向系统匹配的不同区域范围的总次数;
对同一区域范围的重复匹配最大、最小和平均数值;
匹配统计区域中最大、最小和平均的统计区域;
最后将安全模型训练过程模型中出现的所有区域范围信息首先进行统一合并处理,以达到压缩数据的目的;
数据场景划分中,首先获得标识地址集合,然后对集合中每一个标识地址分别计算其行为特征:获取该标识所对应的原数据集子表,提取子表中的匹配统计列,写入模型;获取匹配区域范围列,得到区域范围列表,去重后的集合大小为匹配区域范围总数,对区域范围列表进行统计,可得到区域范围重复匹配特征,最后统一处理统计匹配表,依次计算每个标识的统计匹配特征;
并且匹配统计序列需要分模型存储,每个标识对应的模型名为该标识施工场景风险分级的哈希值,将不同模型场景划分后的数据进行整合得到一个模型,并合并标识相同的数据记录,除统计区域外的标识行为特征从低权重进行统计,统计区域特征从高权重进行统计;
其中统计关键点标识,包括针对每一个标识地址,找到其匹配统计序列所在的模型,遍历该模型后得到该标识的匹配统计序列;根据匹配统计序列,可以计算相邻匹配的统计区域从而得到统计区域表;最后通过统计区域表可统计出最大、最小、平均统计区域。
在本发明中,具体的所述安全模型的构建包括:
步骤1:获取安全模型的搭建施工区域范围指标,对搭建施工区域范围指标进行预处理配置,得到预测风险指标值;
步骤2:在三维坐标系中使用概率密度选择法,得到安全模型的第一施工现场场景的施工第一场景关键点和施工第二场景关键点;
步骤3:将施工第一场景关键点和施工第二场景关键点进行连线处理,得到安全模型的第一施工关联场景;
步骤4:依据第一施工关联场景,得到安全模型的第一实时风险值;
步骤5:通过预测风险指标值对第一实时风险值进行匹配,依据匹配的结果,对安全模型进行搭建。
在本实施例中,对安全模型进行了随机搭建。
具体的,步骤1中:
搭建施工区域范围指标至少包括每楼栋层施工现场场景的基坑边坡大小、宽度、风险值的大小、场景范围半径和安全模型的施工关联场景的楼栋高度;
对搭建施工区域范围指标进行预处理配置,得到预测风险指标值,包括:
依据搭建的具体需求,对每楼栋层施工现场场景的基坑边坡大小、宽度、风险值的大小、场景范围半径和安全模型的施工关联场景的楼栋高度进行预测风险值配置,得到每楼栋层施工现场场景的基坑边坡大小、宽度、风险值的大小、场景范围半径和安全模型的施工关联场景的楼栋高度的预测风险指标值;
得到预测风险指标值之后,还包括:
将预测风险指标值存入预测风险数组中。
下面以具体的
在该实施例中,将每楼栋层施工现场场景的风险值的大小按照顺序存入数组中;将每楼栋层施工现场场景的场景范围半径大小存入数组D[]。
首先本实施例中所使用的施工现场安全模型的施工现场场景数为24层,每楼栋层施工现场场景的场景范围半径相同,均为80m,搭建尺寸的大小选择为80 m × 80 m。
具体的,步骤2中:
利用概率密度选择法生成安全模型的第一施工现场场景的施工第一场景关键点和施工第二场景关键点;
施工第一场景关键点和施工第二场景关键点的坐标分别为(x1, y1, z1)和(x2,y2, z2);
施工第一场景关键点和施工第二场景关键点的坐标与预测风险指标值相关。
其中,利用概率密度选择法生成两个施工第一场景关键点(x1, y1, z1),施工第二场景关键点(x2, y2, z2)。表达式如下:
(1-1)
(1-2)
(1-3)
(1-4)
(1-5)
(1-6)
其中,Rand_x, Rand_z分别表示概率密度选择生成的用以计算坐标的数值,Rand_θ表示概率密度选择生成的用以计算投影范围的值(需限制在函数的定义域内),i表示施工关联场景的楼栋高度。
在该方案中,利用概率密度选择法进行生成两个关键点与投影范围,在此时概率密度选择生成的值的大小为0至1之间的数值。
同按照公式(1-1)~(1-6)所示,便可得到结合投影范围生成的两个随机关键点。
在该方案中,通过概率密度选择法生成关键点的方案保证了施工现场场景的自适应性,使得施工现场场景的搭建可以依据多样化的安全模型需求进行自适应调整。
表2 施工区域范围场景表一
表3施工区域范围场景表二
表2和3展开表述了所述施工区域范围场景的分类,并对风险隐患进行不穷尽的列举说明;
具体的,步骤3中:
预测风险安全模型在三维坐标系中的投影危险区域;
投影危险区域依据施工现场场景的基坑边坡大小和宽度设置;
将施工第一场景关键点和施工第二场景关键点进行连线处理,得到第一候选施工关联场景;
去除第一候选施工关联场景超出投影危险区域的部分,得到第一施工关联场景;
依据施工现场场景的场景范围半径,将第一施工关联场景进行水平扩展,得到安全模型的第一施工关联场景。
其中,该安全模型法向投影危险区域为(0, 0)~(L, W)。
在本实施例中,将生成的施工第一场景关键点和施工第二场景关键点连线,并将超出安全模型长、宽域的部分舍弃,并读取该楼栋层场景范围半径所在的数组D[24]中对应的值,依据施工现场场景的场景范围半径水平扩展生成一根施工关联场景。
在该方案中,通过对施工关联场景的有效基坑边坡大小进行提取,保证了施工关联场景提取数据用于搭建安全模型的正确性,并且基于施工现场场景的场景范围半径对施工关联场景进行水平扩展,获取该楼栋层的施工关联场景,增强了对于产品需求的搭建的匹配性。
重大安全风险启动令相当于重大安全风险实施前手续审批,一般针对专项方案施工,施工前审查专项方案内部审批、施工监管方审批、专家论证、监理审批、甲方审批手续是否齐全,项目方案交底、安全技术交底是否到位,符合要求后进行项目审批。重大安全风险启动令通过OA 办公平台发起,实施前上传《项目安全方案资料对照表》,同步知会施工监管方安全部、技术部,施工监管方技术部同步进行技术复核。
现场重大安全风险实行项目、施工监管方两级管理,重大安全风险实施前必须经过审批,未经审批严禁实施涉及重大安全风险的施工作业,能有效保证施工前管理措施到位。
进行涉及重大安全风险的作业时,项目、施工监管方两级进行现场监督,对发现的重大安全隐患进行停工处理,同步实施重大安全隐患预警,限时整改。预警目的是提示项目安全风险,同步会通过OA 平台将风险预警告知施工监管方相关领导,施工监管方领导督办重大安全事故隐患整改销项。风险预警分为两个层级,由施工监管方安全总监进行评估,评估完成后知会相关领导。第二级由施工监管方安全总监知会施工监管方分管安全生产的副总,由其挂牌整改销项;第一级由施工监管方安全总监知会施工监管方总经理(本单位安全生产第一责任人),由其挂牌整改销项。风险预警分的两个层级与隐患的分级、分类进行对应,Ⅰ类重大安全隐患对应第一级,Ⅱ类重大安全隐患对应第二级。重大安全隐患预警函是施工监管方安全检查的重要工具,通过将发现的重大安全隐患进行量化,能让操作责能更有的去效判断安全隐患等级及处置方式,将隐患消灭在事故发生之前。施工监管方总经理作为本单位安全生产第一责任人,通过重大安全隐患预警及督办,能更有效落实重大安全问题整改、解决重大安全隐患,从而减少安全生产事故发生。
具体的,步骤4中:
依据第一施工关联场景,得到第一施工现场场景的施工关联场景实时总基坑边坡大小;
依据第一施工现场场景的施工关联场景实时总基坑边坡大小,得到第一施工现场场景的实时总规模;
依据第一施工现场场景的实时总规模,得到第一施工现场场景的第一实时风险值。
随着施工关联场景的增加,同步计算该楼栋层的实时风险值并与目标风险值进行比对判定。
实时风险值的计算方法为将施工关联场景的规模去除后的部分,刨除该楼栋层的总规模,表达式如下:
获得每楼栋层施工关联场景的第一施工关联场景的基坑边坡大小Lf:
根据施工关联场景风险值的实时判定情况进行加和获得该楼栋层施工关联场景实时总基坑边坡大小Lfs;则此时该楼栋层施工关联场景的实时总规模可以由下述表达式进行计算:
(3-1)
则该楼栋层实时的风险值ε可由下述表达式获得:
(3-2)
(3-3)
在本实施例中,按照公式(3-3)所示方法计算第一施工关联场景的基坑边坡大小,并按照公式(3-1)和(3-2)计算当前的实时风险值大小。
本方案根据施工关联场景风险值的实时判定情况进行加和获得该楼栋层施工关联场景实时总基坑边坡大小的场景中,考虑了多种施工关联场景在该楼栋层施工现场场景中的具体空间放置形态,依据施工关联场景关键点进行多场景配置获取相应的基坑边坡大小,最大程度上保证了施工关联场景基坑边坡大小、规模、风险值结果的准确性,确保了后续搭建模型的偏差最小。
通过风险分区,约束了重大安全风险发生范围,通过警示和提醒,将重大安全风险对人员的影响降低。
重大安全事故隐患实行分类、分级管理,判定采用直接判定法和经验评估法。按导致伤亡事故致因理论分为:管理缺陷类、物的不安全状态类、人的不安全行为类。按导致事故后果的危害程度分为:Ⅰ类、Ⅱ类。Ⅰ类重大安全事故隐患是指可能导致群死群伤、发生较大及以上等级生产安全事故的隐患;Ⅱ类重大安全事故隐患是指可能导致一般生产安全事故或影响较大的安全负面事件的隐患。
施工监管方制定事故隐患排查治理工作计划,对项目部事故隐患排查治理情况进行督导检查,督促事故隐患整改。对重大事故隐患整改措施进行审查,整改完成情况进行复查,定期统计、分析、通报本单位事故隐患排查治理情况,并及时提出加强安全生产管理的措施和要求。
2.项目部是事故隐患排查、治理和防控的责任主体,项目部应建立健全全员负责的生产安全事故隐患排查治理体系,制定项目部隐患排查治理工作计划,按照日检查、周检查、月检查计划工作安排,对项目部现场进行全方位、全过程事故隐患排查,加强对重点部位、关键环节、危险源点的检查,指导现场人员安全作业,及时消除事故隐患。
以上实施例只是对本专利的示例性说明,并不限定它的保护范围,本领域技术人员还可以对其局部进行改变,只要没有超出本专利的精神实质,都在本专利的保护范围内。
Claims (7)
1.一种减少施工现场重大安全风险隐患的预测系统,其特征在于:包括安全模型数据分析的区域范围匹配风险预测模块和处理风险预测模块两部分;
区域范围匹配风险预测模块用于收集区域范围信息、安全模型记录匹配询和数据入库分析;
处理风险预测模块用于区域范围风险匹配预测、数据场景划分、安全模型类簇划分和结果分析。
2.一种减少施工现场重大安全风险隐患的预测方法,是基于权利要求1所述的系统实现的,其特征在于:具体方法步骤如下:
安全数据采集装置匹配主区域范围地址,通过全区域安全模型设定安全预警策略,基于全区域标识拍摄施工现场场景关键点;
区域范围处理风险预测包括收集区域范围信息,然后对安全模型记录匹配及数据入库和数据分析;
风险匹配预测由于安全模型基础结构的离散分布特征,选定多个位置来收集有关安全模型匹配和响应的信息,通过进入直接来自施工现场施工设备的匹配的位置,提供有关安全模型匹配和响应方面的施工现场的详细信息;
数据场景划分关键点标识,从采集的区域范围信息中提取出能够准确表示施工安全风险指征的统计数据指标,依次计算每个标识的统计特征,先从所述区域范围信息中提取出能够准确反映施工安全风险指征的统计数据指标,将安全模型训练过程中的所有区域范围信息进行更新处理;
安全模型类簇划分,其中的类簇划分算法包括基于统计指标的高斯混合模型算法和均值漂移类簇划分算法,通过算法将获得的统计特征进行处理,从而得到判断施工现场安全风险的风险值;
对处理后的施工现场安全风险的风险值通过比对分析进行最终的判断。
3.根据权利要求2所述的一种减少施工现场重大安全风险隐患的预测方法,其特征在于:所述的区域范围收集的方法,是通过进行传感器分析,包括施工现场场景区域范围离散分析与关联分析、逆向分析施工现场场景关键点获得关联区域范围信息,安全数据采集装置匹配主区域范围地址,然后进行全区域安全模型嵌入处理和基于全区域标识拍摄施工现场场景关键点。
4.根据权利要求3所述的一种减少施工现场重大安全风险隐患的预测方法,其特征在于:所述的区域范围收集的方法或者借助区域范围安全工具进行分析,向预定的安全数据采集装置发送区域范围搜索请求,在搜索请求中包含相关联的区域范围警示线;对返回的响应区域范围进行正则匹配,从区域范围中提取出该区域范围所关联的所有区域范围,对于一个区域范围,至少需要获取前100个搜索区域范围中包含的区域范围;区域范围安全工具依赖于安全模型,其使用预测风险数据库递归地发现三级区域范围、四级区域范围,并且自动去重泛处理的区域范围。
5.根据权利要求3所述的一种减少施工现场重大安全风险隐患的预测方法,其特征在于:区域范围处理风险预测的中的数据分析包括标识次数分析和泛处理分析,首先准备区域范围集合ids,针对每一个区域范围id匹配其安全模型关键点属性值,判断匹配所得关键点属性值是否为Ⅰ类或Ⅱ类记录,如果是Ⅰ类或Ⅱ类记录则关键点属性值信息保存到数据库中,反之则不做记录,最后针对收集到的所有区域范围进行隐患排查处理分析,通过隐患排查处理分析能够找到存在隐患排查处理风险的域,并且能够发现部分受到隐患泛区域范围处理的施工场景采取相应的解决方案。
6.根据权利要求5所述的一种减少施工现场重大安全风险隐患的预测方法,其特征在于:风险匹配预测由于安全模型基础结构的离散分布特征,选定多个位置来收集有关安全模型匹配和响应的信息;在所涉及的所有施工场景的设备中,通过系统进入直接来自施工现场施工设备的匹配的位置,提供有关安全模型匹配和响应方面的施工现场的详细信息;
关于原始安全模型训练过程的处理,先从所述区域范围信息中提取出能够准确反映施工安全风险指征的统计数据指标,再提前将安全模型训练过程中的所有区域范围信息进行更新处理。
7.根据权利要求6所述的一种减少施工现场重大安全风险隐患的预测方法,其特征在于:数据场景划分关键点标识,需要从采集的区域范围信息中提取出能够准确表示施工安全风险指征的统计数据指标,从训练过程数据中探寻施工人员的进入模式,匹配统计、区域范围、标识地址,每一条安全模型匹配记录对应一次标识对区域范围的进入动作,针对每一个标识,需要提取的行为特征为:
匹配的次数为一分钟内标识施工人员向系统提交区域范围匹配的总次数;
匹配的区域范围数为一分钟内标识施工人员向系统匹配的不同区域范围的总次数;
对同一区域范围的重复匹配最大、最小和平均数值;
匹配统计区域中最大、最小和平均的统计区域;
最后将安全模型训练过程模型中出现的所有区域范围信息首先进行统一合并处理,以达到压缩数据的目的;
数据场景划分中,首先获得标识地址集合,然后对集合中每一个标识地址分别计算其行为特征:获取该标识所对应的原数据集子表,提取子表中的匹配统计列,写入模型;获取匹配区域范围列,得到区域范围列表,去重后的集合大小为匹配区域范围总数,对区域范围列表进行统计,可得到区域范围重复匹配特征,最后统一处理统计匹配表,依次计算每个标识的统计匹配特征;
并且匹配统计序列需要分模型存储,每个标识对应的模型名为该标识施工场景风险分级的哈希值,将不同模型场景划分后的数据进行整合得到一个模型,并合并标识相同的数据记录,除统计区域外的标识行为特征从低权重进行统计,统计区域特征从高权重进行统计;
其中统计关键点标识,包括针对每一个标识地址,找到其匹配统计序列所在的模型,遍历该模型后得到该标识的匹配统计序列;根据匹配统计序列,可以计算相邻匹配的统计区域从而得到统计区域表;最后通过统计区域表可统计出最大、最小、平均统计区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310272750.3A CN116070790B (zh) | 2023-03-21 | 2023-03-21 | 一种减少施工现场重大安全风险隐患的预测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310272750.3A CN116070790B (zh) | 2023-03-21 | 2023-03-21 | 一种减少施工现场重大安全风险隐患的预测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116070790A true CN116070790A (zh) | 2023-05-05 |
CN116070790B CN116070790B (zh) | 2023-09-01 |
Family
ID=86182226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310272750.3A Active CN116070790B (zh) | 2023-03-21 | 2023-03-21 | 一种减少施工现场重大安全风险隐患的预测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116070790B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117077535A (zh) * | 2023-08-31 | 2023-11-17 | 广东电白建设集团有限公司 | 一种基于高斯混合聚类算法的高支模施工监控方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012203430A1 (de) * | 2012-03-05 | 2013-09-05 | Swarco Traffic Systems Gmbh | Baustellenmanagementsystem und feldelement für ein baustellenmanagementsystem |
US20170116204A1 (en) * | 2015-08-24 | 2017-04-27 | Hasan Davulcu | Systems and methods for narrative detection and frame detection using generalized concepts and relations |
DE102018201248A1 (de) * | 2018-01-26 | 2019-08-01 | Volkswagen Aktiengesellschaft | Verfahren, Vorrichtung und Baustellenfahrzeug zur autonomen Gefahrüberwachung in einem Baustellenbereich und/oder einer an den Baustellenbereich angrenzenden Verkehrsfläche |
CN111274635A (zh) * | 2020-01-19 | 2020-06-12 | 深圳云联万企科技有限公司 | 一种基于建筑信息模型的施工安全管理系统及方法 |
CN111445524A (zh) * | 2020-03-31 | 2020-07-24 | 清华大学 | 基于场景理解的施工现场工人不安全行为识别方法 |
CN111445106A (zh) * | 2020-03-02 | 2020-07-24 | 国网辽宁省电力有限公司电力科学研究院 | 一种用电采集设备故障处理作业现场安全控制方法及系统 |
CN112329290A (zh) * | 2020-10-28 | 2021-02-05 | 河海大学 | 可用于施工过程模拟的有限元离散元多尺度耦合计算方法 |
CN112396017A (zh) * | 2020-11-27 | 2021-02-23 | 上海建科工程咨询有限公司 | 一种基于图像识别的工程安全隐患识别方法及系统 |
US10959056B1 (en) * | 2019-11-26 | 2021-03-23 | Saudi Arabian Oil Company | Monitoring system for site safety and tracking |
CN112712244A (zh) * | 2020-12-24 | 2021-04-27 | 内蒙古公路交通投资发展有限公司 | 公路施工预警方法、装置、系统、电子设备及介质 |
WO2021143266A1 (zh) * | 2020-01-17 | 2021-07-22 | 腾讯科技(深圳)有限公司 | 一种活体检测方法、装置、电子设备和存储介质 |
CN113642088A (zh) * | 2021-10-13 | 2021-11-12 | 北京天辰信科技有限公司 | 一种施工进度信息反馈及bim模型实时展示偏差的方法 |
KR102363619B1 (ko) * | 2021-06-17 | 2022-02-15 | 에스케이에코플랜트(주) | 건설 현장 위험성 예측 방법 및 이를 실행하는 서버 |
DE102020213294A1 (de) * | 2020-10-21 | 2022-04-21 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Überwachung eines Baustellenbereichs, Überwachungssystem, Computerprogramm und Speichermedium |
CN114727063A (zh) * | 2022-04-02 | 2022-07-08 | 清华大学 | 施工现场的路径安全监测系统、方法及装置 |
CN115565330A (zh) * | 2022-09-22 | 2023-01-03 | 中建八局发展建设有限公司 | 一种建筑施工现场布点式火情监控系统及方法 |
-
2023
- 2023-03-21 CN CN202310272750.3A patent/CN116070790B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012203430A1 (de) * | 2012-03-05 | 2013-09-05 | Swarco Traffic Systems Gmbh | Baustellenmanagementsystem und feldelement für ein baustellenmanagementsystem |
US20170116204A1 (en) * | 2015-08-24 | 2017-04-27 | Hasan Davulcu | Systems and methods for narrative detection and frame detection using generalized concepts and relations |
DE102018201248A1 (de) * | 2018-01-26 | 2019-08-01 | Volkswagen Aktiengesellschaft | Verfahren, Vorrichtung und Baustellenfahrzeug zur autonomen Gefahrüberwachung in einem Baustellenbereich und/oder einer an den Baustellenbereich angrenzenden Verkehrsfläche |
US10959056B1 (en) * | 2019-11-26 | 2021-03-23 | Saudi Arabian Oil Company | Monitoring system for site safety and tracking |
WO2021143266A1 (zh) * | 2020-01-17 | 2021-07-22 | 腾讯科技(深圳)有限公司 | 一种活体检测方法、装置、电子设备和存储介质 |
CN111274635A (zh) * | 2020-01-19 | 2020-06-12 | 深圳云联万企科技有限公司 | 一种基于建筑信息模型的施工安全管理系统及方法 |
CN111445106A (zh) * | 2020-03-02 | 2020-07-24 | 国网辽宁省电力有限公司电力科学研究院 | 一种用电采集设备故障处理作业现场安全控制方法及系统 |
CN111445524A (zh) * | 2020-03-31 | 2020-07-24 | 清华大学 | 基于场景理解的施工现场工人不安全行为识别方法 |
DE102020213294A1 (de) * | 2020-10-21 | 2022-04-21 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Überwachung eines Baustellenbereichs, Überwachungssystem, Computerprogramm und Speichermedium |
CN112329290A (zh) * | 2020-10-28 | 2021-02-05 | 河海大学 | 可用于施工过程模拟的有限元离散元多尺度耦合计算方法 |
CN112396017A (zh) * | 2020-11-27 | 2021-02-23 | 上海建科工程咨询有限公司 | 一种基于图像识别的工程安全隐患识别方法及系统 |
CN112712244A (zh) * | 2020-12-24 | 2021-04-27 | 内蒙古公路交通投资发展有限公司 | 公路施工预警方法、装置、系统、电子设备及介质 |
KR102363619B1 (ko) * | 2021-06-17 | 2022-02-15 | 에스케이에코플랜트(주) | 건설 현장 위험성 예측 방법 및 이를 실행하는 서버 |
CN113642088A (zh) * | 2021-10-13 | 2021-11-12 | 北京天辰信科技有限公司 | 一种施工进度信息反馈及bim模型实时展示偏差的方法 |
CN114727063A (zh) * | 2022-04-02 | 2022-07-08 | 清华大学 | 施工现场的路径安全监测系统、方法及装置 |
CN115565330A (zh) * | 2022-09-22 | 2023-01-03 | 中建八局发展建设有限公司 | 一种建筑施工现场布点式火情监控系统及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117077535A (zh) * | 2023-08-31 | 2023-11-17 | 广东电白建设集团有限公司 | 一种基于高斯混合聚类算法的高支模施工监控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116070790B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105678481B (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
CN116070790B (zh) | 一种减少施工现场重大安全风险隐患的预测方法和系统 | |
CN113254594B (zh) | 一种面向智慧电厂的安全知识图谱构建方法及系统 | |
CN113988530A (zh) | 一种非煤矿山安全风险评估分级方法及系统 | |
CN113689129B (zh) | 一种基于风险分级及分级监察的综合性安全监管信息平台系统 | |
CN114841660B (zh) | 一种基于现场信息的企业智慧安全管控云平台 | |
CN113191605A (zh) | 房屋风险评估方法及装置 | |
CN110570113A (zh) | 一种工单处理方法及系统 | |
CN109377094A (zh) | 企业环境风险计算方法和装置 | |
CN106408140A (zh) | 一种基于电网企业数据的分级分类模型方法 | |
CN115330129A (zh) | 一种企业安全风险预警分析方法及系统 | |
CN111310803B (zh) | 环境数据处理方法和装置 | |
CN112686570A (zh) | 一种智能安全风险管控系统 | |
CN116205504A (zh) | 一种数字化应急预案管理方法及系统 | |
Lu et al. | Using cased based reasoning for automated safety risk management in construction industry | |
KR20220135742A (ko) | 안전 관리비 통합 관리부를 포함하는 작업 안전 관리 시스템 및 그 방법 | |
CN114021384A (zh) | 一种基于bim和gis的道路噪声可视化评价方法 | |
CN113657788A (zh) | 一种企业安全生产标准化智能监管系统及方法 | |
CN116227927A (zh) | 一种化工园区风险区域的风险等级评估方法 | |
CN117035412A (zh) | 基于bim的预制梁场安全管理模拟系统 | |
CN116205528A (zh) | 基于施工场地电力数据的违规施工辨识方法和系统 | |
CN115759864A (zh) | 基于质量安全检测的工程监管系统 | |
CN114757472A (zh) | 一种用于人事管理的综合评分系统 | |
CN113807638A (zh) | 一种尾矿库重大安全风险量化方法 | |
CN111861284A (zh) | 一种社会治理单元风险评估及预警方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |