CN116167545A - 一种bim智慧工地管理平台系统及方法 - Google Patents
一种bim智慧工地管理平台系统及方法 Download PDFInfo
- Publication number
- CN116167545A CN116167545A CN202310444008.6A CN202310444008A CN116167545A CN 116167545 A CN116167545 A CN 116167545A CN 202310444008 A CN202310444008 A CN 202310444008A CN 116167545 A CN116167545 A CN 116167545A
- Authority
- CN
- China
- Prior art keywords
- construction
- management
- potential safety
- model
- worker
- 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 33
- 238000010276 construction Methods 0.000 claims abstract description 261
- 230000006399 behavior Effects 0.000 claims abstract description 105
- 238000007726 management method Methods 0.000 claims description 208
- 238000005070 sampling Methods 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 229910000831 Steel Inorganic materials 0.000 claims description 12
- 238000009434 installation Methods 0.000 claims description 12
- 239000010959 steel Substances 0.000 claims description 12
- 238000013461 design Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012163 sequencing technique 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Multimedia (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Remote Sensing (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例涉及工程管理技领域,公开了一种BIM智慧工地管理平台系统及方法,该方法首先根据工程资料生成工地管理BIM模型,然后基于所述工地管理BIM模型生成安全管理优先级任务;然后根据所述安全管理优先级任务进行施工行为或工人状态的获取;再将获取得到的所述施工行为或工人状态输入至预先训练的安全隐患模型中进行模型匹配得到匹配结果;最后基于所述匹配结果输出工地安全管理建议;在工地施工过程中获取施工行为或者工人状态,通过模型识别来判断是否存在安全隐患,并针对不同的识别结果输出不同的管理建议,安全管理通过机器及人工智慧配合,可降低整个管理过程的人工参与度,大大提高安全管理效率。
Description
技术领域
本发明涉及工程管理技术领域,具体涉及一种BIM智慧工地管理平台系统及方法。
背景技术
工程施工现场的地形环境一般较复杂,并且其建设规模大、速度快,施工周期长、交叉作业复杂,业主、施工、监理各方作业人数众多,人、机、环境复杂多变,导致管理上存在很大的困难,虽然目前我国的工程管理在施工效率及施工质量管理上取得了飞跃式的发展,但是在安全管理上人工参与度较高,存在管理费时费力等管理效率低的问题,亟需解决。
发明内容
本发明的主要目的是提供一种BIM智慧工地管理平台系统及方法,旨在解决现有技术中安全管理效率低的技术问题。
为实现上述目的,第一方面,本申请实施例中提供了一种BIM智慧工地管理方法,应用于智慧工地管理系统的工地安全管理,包括:
根据工程资料生成工地管理BIM模型,其中,所述工程资料包括详细设计图、生产设计图及安全施工规范;
基于所述工地管理BIM模型生成安全管理优先级任务;
根据所述安全管理优先级任务进行施工行为或工人状态的获取;
将获取得到的所述施工行为或工人状态输入至人工预先训练的安全隐患模型中进行模型匹配得到匹配结果;
基于所述匹配结果输出工地安全管理建议。
优选地,所述基于所述工地管理BIM模型生成安全管理优先级任务,包括:
基于工地管理BIM模型中显示的施工类型确定危险系数,所述施工类型包括土建施工、钢结构施工以及设备安装施工;
根据危险系数大小排序生成安全管理优先级任务,其中,危险系数与安全管理优先级成正相关。
优选地,所述根据所述安全管理优先级任务进行施工行为及工人状态的获取,包括:
根据所述安全管理优先级任务进行施工行为的随机获取;以及,
根据所述安全管理优先级任务进行工人状态的分层抽样获取。
优选地,所述智慧工地管理系统包括安全管理监控用无人机,所述根据所述安全管理优先级任务进行施工行为的随机获取,包括:
根据安全管理优先级任务生成所述无人机获取施工行为的飞行路线及施工区域;
基于所述飞行路线及施工区域进行工地施工行为的随机获取,其中,所述施工区域在飞行路线中越靠前,在该施工区域随机获取工地施工行为的概率越大。
优选地,所述基于所述飞行路线及施工区域进行工地施工行为的随机获取,包括:
当所述施工区域位于飞行路线的前半路程时,所述无人机以大于或等于60%的随机概率进行工地施工行为的获取;
当所述施工区域位于飞行路线的后半路程,无人机以小于或等于40%的随机概率进行工地施工行为的获取。
优选地,所述智慧工地管理系统还包括安全管理用工地进出识别机闸,所述根据所述安全管理优先级任务进行工人状态的分层抽样获取,包括:
根据所述安全管理优先级任务进行安全管理层级划分,其中,所述安全管理层级划分按照安全管理优先级顺序包括高风险层、中风险层及低风险层;
基于所述安全管理层级划分进行工人状态的分层抽样,其中高风险层、中风险层及低风险层的抽样概率分别为60%、20%及20%。
优选地,所述安全隐患模型的预先训练,包括:
响应于预先获取的工地施工行为,人工识别确认所述工地施工行为存在安全隐患,将该工地施工行为进行模型化处理形成安全隐患模型;或,
通过预先获取进入工地工人的多个不同部位的状态特征,所述状态特征至少包括脸部不同部位疲劳状态特征及手脚不同部位异常状态特征;
基于所述状态特征分别确定不同部位的异常系数Mi,根据所述异常系数Mi计算安全隐患系数M;
当所述安全隐患系数大于预设值时,确定该工人的工作状态存在安全隐患,并将该工人的工作状态进行模型化处理形成安全隐患模型;
优选地,所述将获取得到的所述施工行为或工人状态输入至预先训练的安全隐患模型中进行模型匹配得到匹配结果,包括:
当所述施工行为或工人状态与所述安全隐患模型匹配度大于或等于第一预设值时,得到所述施工行为或工人状态存在安全隐患的第一结果;
当所述施工行为或工人状态与所述安全隐患模型匹配度小于或等于第二预设值时,得到所述施工行为或工人状态不存在安全隐患的第二结果;
当所述施工行为或工人状态与所述安全隐患模型匹配度大于第二预设值且小于第一预设值时,得到安全隐患待定的第三结果;
其中,所述第一预设值大于第二预设值。
优选地,所述基于所述匹配结果输出工地安全管理建议,包括:
当模型匹配识别确定存在安全隐患行为的第一结果时,向工地管理人员输出安全管理整改建议;或,当模型匹配识别确定工人存在安全隐患状态的第一结果时,向工地管理人员输出该工人的工作安排建议;
当模型匹配识别确定为第二结果时,向工地管理人员输出保持目前管理方式的建议;
当模型匹配识别确定为第三结果时,向工地管理人员输出人工确认是否存在安全隐患的安全管理建议。
第二方面,本申请实施例中还提供了一种BIM智慧工地管理平台系统,包括:
无人机,用于进行工地施工行为的图像信息或视频信息获取;
工地进出识别机闸,用于进出工地的工人状态的图像信息或视频信息获取;以及,
处理器、存储器;其中,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,以执行如第一方面所述的BIM智慧工地管理方法。
区别于现有技术,本申请实施例提供的BIM智慧工地管理方法,首先根据工程资料生成工地管理BIM模型,然后基于所述工地管理BIM模型生成安全管理优先级任务;然后根据所述安全管理优先级任务进行施工行为或工人状态的获取;再将获取得到的所述施工行为或工人状态输入至人工预先训练的安全隐患模型中进行模型匹配得到匹配结果;最后基于所述匹配结果输出工地安全管理建议,也即,在工地施工过程中获取施工行为或者在工人出工时获取工人的出工状态,通过模型识别来判断是否存在安全隐患,并针对不同的识别结果输出不同的管理建议,基于此,安全管理通过机器及人工智慧配合,可降低整个过程的人工参与度,大大提高安全管理效率。
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的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本申请一些实施例提供的安全管理平台系统结构示意图;
图2为本申请一些实施例提供的安全管理平台系统硬件结构示意图;
图3为本申请一实施例中BIM智慧工地管理方法的流程示意图;
图4为本申请另一实施例中BIM智慧工地管理方法的流程示意图;
图5本申请另一实施例中BIM智慧工地管理方法的流程示意图;
图6本申请一实施例中安全管理监控用无人机飞行获取施工行为的示意图;
图7本申请还一实施例中BIM智慧工地管理方法的流程示意图;
图8本申请又一实施例中BIM智慧工地管理方法的流程示意图;
图9本申请再一实施例中BIM智慧工地管理方法的流程示意图。
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
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,所描述的实施例仅仅是本发明的一部分实施例,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。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
工程施工现场的地形环境一般较复杂,并且其建设规模大、速度快,施工周期长、交叉作业复杂,业主、施工、监理各方作业人数众多,人、机、环境复杂多变,导致管理上存在很大的困难,虽然目前我国的工程管理在施工效率及施工质量管理上取得了飞跃式的发展,但是在安全管理上人工参与度较高,需要安全员进行不定时的安全检查,因此存在安全管理费时费力等管理效率低的问题,亟需解决。
针对上述问题,本申请实施例提供了一种BIM智慧工地管理方法,该BIM智慧工地管理方法,首先根据工程资料生成工地管理BIM模型,然后基于所述工地管理BIM模型生成安全管理优先级任务;然后根据所述安全管理优先级任务进行施工行为或工人状态的获取;再将获取得到的所述施工行为或工人状态输入至人工预先训练的安全隐患模型中进行模型匹配得到匹配结果;最后基于所述匹配结果输出工地安全管理建议,也即,在工地施工过程中获取施工行为或者在工人出工时获取工人的出工状态,然后通过模型识别来判断是否存在安全隐患,并针对不同的识别结果输出不同的管理建议,基于此,工地安全管理通过机器及人工的智慧配合,可降低整个过程的人工参与度,大大提高安全管理效率。
以下将主要描述BIM智慧工地管理方法的具体步骤,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。请参阅附图3,所述BIM智慧工地管理方法包括:
S100、根据工程资料生成工地管理BIM模型,其中,所述工程资料包括详细设计图、生产设计图及安全施工规范;
S200、基于所述工地管理BIM模型生成安全管理优先级任务;
S300、根据所述安全管理优先级任务进行施工行为或工人状态的获取;
S400、将获取得到的所述施工行为或工人状态输入至人工预先训练的安全隐患模型中进行模型匹配得到匹配结果;
S500、基于所述匹配结果输出工地安全管理建议。
具体地,本实施例中,通过详细设计图、生产设计图及安全施工规范等工程资料完成BIM模型的建立,BIM模型整合了各类信息、数据,因此通过BIM模型能够知道施工的工作量、施工周期以及施工工艺流程(如施工先后顺序)等;由于不同的施工区域安全要求等级不一样,安全要求等级高的区域,需要优先进行安全管理,安全要求等级低的区域,可以推后进行安全管理甚至不进行安全管理,因此,进一步地,管理者或管理系统需要基于BIM模型确定施工区域安全管理的优先级任务,即对施工区域(的安全管理)进行优先级排序,例如可以通过危险系数、工程量大小来进行安全管理的优先级排序,当施工工种或施工区域的危险系数越高,安全管理优先级越高,当施工工种或施工区域的工程量越大,安全管理的优先级越高;获取施工行为或工人状态的方式有多种,例如可以通过人工监督获取或通过监控设备获取等,本实施例通过监控设备进行监控获取;预先训练的安全隐患模型有图像模型或视频模型等模型,并且安全隐患模型通过人工参与完成训练的。
本申请实施例,首先通过人工进行模型的训练,然后通过机器端智慧获取施工行为或工人状态,再将施工行为或工人状态进行模型匹配,最后根据匹配结果进行安全管理。基于此,工地安全管理通过机器及人工智慧配合,可降低整个过程的人工参与度,大大提高安全管理效率。
需要说明的是,本申请实施例中所描述的安全管理,即为通过监测施工行为或工人状态来向管理人员输出安全管理建议,而安全管理存在先后顺序,优先对哪片施工区域或哪些施工人员进行监测对安全管理的效率有很大影响。
在一实施例中,参阅附图4,步骤S200:基于所述工地管理BIM模型生成安全管理优先级任务,包括:
S210、基于工地管理BIM模型中显示的施工类型确定危险系数,所述施工类型包括土建施工、钢结构施工以及设备安装施工;
S220、根据危险系数大小排序生成安全管理优先级任务,其中,危险系数与安全管理优先级成正相关。
具体的,系统通过工地管理BIM模型进行施工区域的安全管理排序,施工区域按照危险系数进行管理排序,危险系数越高,该区域的管理优先级越高,可以理解每个施工区域对应不同的施工类型,如土建施工、钢结构施工以及设备安装施工,因此,可以通过BIM模型来判断不同区域的施工类型,再通过施工类型来判断安全管理优先级,如,钢结构施工的危险系数大于设备安装施工的危险系数大于土建施工的危险系数,因此,系统最后生成的任务包为:先后进行钢结构施工安全管理、设备安装施工安全管理、土建施工安全管理。在其他实施例中,系统还可以参照其他影响因素进行安全管理排序。
为弥补工地安全管理的不全面性存在的缺陷,并降低施工行为及工人状态的获取难度(由于全面获取需要在不同区域安装很多的摄像装置或者需要无人机全时段飞行,实际上很难做到),在一实施例中,步骤S300:所述根据所述安全管理优先级任务进行施工行为及工人状态的获取,包括:
根据所述安全管理优先级任务进行施工行为的随机获取;以及,
根据所述安全管理优先级任务进行工人状态的分层抽样获取。
具体地,根据安全管理优先级任务进行施工行为的随机获取,即根据安全管理任务进行施工行为的随机获取,如先后在钢结构施工区域、设备安装施工区域、土建施工区域进行施工行为的随机获取;根据所述安全管理优先级任务进行工人状态的分层抽样获取,即根据安全管理任务进行工人状态的分层抽样获取,如在不同区域(钢结构施工区域、设备安装施工区域、土建施工区域)工作的工人中分层抽样分别获取不同数量的工人进行状态的识别。可以理解,根据安全管理优先级任务进行施工行为或工人状态的不完全获取(即随机获取、分层抽样获取),可以降低获取难度及降低系统计算处理能力的要求,从而减少工地安全管理的成本,并且采取分层抽样获取能够提高安全管理的准确性。
在一实施例中,参阅附图1、附图5和附图6,所述智慧工地管理系统包括安全管理监控用无人机200,所述根据所述安全管理优先级任务进行施工行为的随机获取,包括:
S311、根据安全管理优先级任务生成所述无人机获取施工行为的飞行路线及施工区域;
S312、基于所述飞行路线及施工区域进行工地施工行为的随机获取,其中,所述施工区域在飞行路线中越靠前,在该施工区域随机获取工地施工行为的概率越大。
具体地,首先根据安全管理优先级任务生成所述无人机获取施工行为的飞行路线及施工区域,参照附图6,飞行路线(图6中箭头所示方向为飞行方向)为:无人机飞行先后经过钢结构施工区域A、设备安装施工区域B、土建施工区域C及其他区域D,然后再基于所述飞行路线及施工区域进行工地施工行为的随机获取,如按照钢结构施工区域A、设备安装施工区域B、土建施工区域C、其他区域D的先后顺序进行施工行为的随机获取,获取施工行为可以通过无人机进行摄像、拍摄视频等,施工行为可以为施工的其中一段过程或者完整过程;在其他实施例中,为提高高危险施工区域的施工行为获取概率,提高安全管理的效率及准确性,可以设置为施工区域在飞行路线中越靠前,在该施工区域随机获取工地施工行为的概率越大,例如,当所述施工区域位于飞行路线的前半路程时,所述无人机以大于或等于60%的随机概率进行工地施工行为的获取;当所述施工区域位于飞行路线的后半路程,无人机以小于或等于40%的随机概率进行工地施工行为的获取。也即,以较大概率来获取优先级高(风险高)的施工区域的施工行为,从而来判断是否存在安全隐患,该随机获取策略可以进一步提高安全管理的准确性。
为降低工人状态的获取难度及管理者的管理难度,在另一实施例中,参阅附图1和附图7,所述智慧工地管理系统还包括安全管理用工地进出识别机闸300,所述根据所述安全管理优先级任务进行工人状态的分层抽样获取,包括:
S321、根据所述安全管理优先级任务进行安全管理层级划分,其中,所述安全管理层级划分按照安全管理优先级顺序包括高风险层、中风险层及低风险层;
S322、基于所述安全管理层级划分进行工人状态的分层抽样,其中高风险层、中风险层及低风险层的抽样概率分别为60%、20%及20%。
具体地,首先根据所述安全管理优先级任务进行安全管理层级划分,如划分为高风险层、中风险层及低风险层,然后再基于所述安全管理层级划分进行工人状态的分层抽样,如高风险层、中风险层及低风险层的抽样概率分别为60%、20%及20%,即在不同区域(钢结构施工区域、设备安装施工区域、土建施工区域)工作的工人中分层抽样分别获取不同数量的工人进行状态的识别,如在钢结构施工区域、设备安装施工区域、土建施工区域工作的工人分别抽取60%、20%及20%进行工人状态的识别。可以理解,在高风险区域工作的工人抽取的数量多,发现安全隐患的概率也大,因此,可以进一步提高安全管理的准确性及效率。
本申请实施例中,所述安全隐患模型的人工预先训练,包括施工行为安全隐患模型的训练及工人状态安全隐患模型的训练。
其中,施工行为安全隐患模型的训练过程为:响应于预先获取的工地施工行为,人工识别确认所述工地施工行为存在安全隐患,将该工地施工行为进行模型化处理形成安全隐患模型。
工人状态安全隐患模型的训练过程为:(1)通过预先获取进入工地工人的多个不同部位的状态特征,所述状态特征至少包括脸部不同部位疲劳状态特征及手脚不同部位异常状态特征;(2)基于所述状态特征分别确定不同部位的异常系数Mi,根据所述异常系数Mi计算安全隐患系数M;(3)当所述安全隐患系数大于预设值时,确定该工人的工作状态存在安全隐患,并将该工人的工作状态进行模型化处理形成安全隐患模型;其中,所述安全隐患系数,M0为安全隐患评价基数,n为不同部位状态特征的总数量;具体地,通过获取工人不同部位的状态特征,系统判断以确定不同部位的异常系数Mi,最后根据安全隐患系数/>来计算安全隐患系数M,当安全隐患系数大于预设值时,确定该工人的工作状态存在安全隐患,并将该工人的工作状态进行模型化处理形成安全隐患模型;状态特征包括脸部不同部位疲劳状态特征及手脚不同部位异常状态特征,如当工人黑眼圈严重时,表示疲劳(异常),当工人走路瘸拐时表示异常,这些异常信息均表示存在安全隐患,不适合出工,为降低检测结果产生误差时对安全隐患系数的影响,系统设置一定的安全隐患评价基数,如安全隐患评价基数M0=0.3,并对不同部位的异常系数Mi进行平均化后进行降幂处理。
在一实施例,参阅附图8,步骤S400:所述将获取得到的所述施工行为或工人状态输入至预先训练的安全隐患模型中进行模型匹配得到匹配结果,包括:
S410、当所述施工行为或工人状态与所述安全隐患模型匹配度大于或等于第一预设值时,得到所述施工行为或工人状态存在安全隐患的第一结果;
S420、当所述施工行为或工人状态与所述安全隐患模型匹配度小于或等于第二预设值时,得到所述施工行为或工人状态不存在安全隐患的第二结果;
S430、当所述施工行为或工人状态与所述安全隐患模型匹配度大于第二预设值且小于第一预设值时,得到安全隐患待定的第三结果;其中,所述第一预设值大于第二预设值。
具体地,本实施例中,第一预设值可以是85%,第二预设值可以是55%,即当施工行为或工人状态与所述安全隐患模型匹配度大于或等于85%时,说明施工行为或工人状态存在安全隐患;当施工行为或工人状态与所述安全隐患模型匹配度小于或等于55%时,说明施工行为或工人状态不存在安全隐患,当施工行为或工人状态与所述安全隐患模型匹配度处在55%-85%之间时,说明系统无法有效判断是否存在安全隐患,需要人工进行确认。
在一实施例中,参阅附图附图1和附图9,步骤S500:所述基于所述匹配结果输出工地安全管理建议,包括:
S510、当模型匹配识别确定存在安全隐患行为的第一结果时,向工地管理人员输出安全管理整改建议;或,当模型匹配识别确定工人存在安全隐患状态的第一结果时,向工地管理人员输出该工人的工作安排建议;
S520、当模型匹配识别确定为第二结果时,向工地管理人员输出保持目前管理方式的建议;
S530、当模型匹配识别确定为第三结果时,向工地管理人员输出人工确认是否存在安全隐患的安全管理建议。
具体地,当系统判断施工行为或工人状态存在安全隐患时,系统向工地管理人员输出安全管理整改建议或输出该工人的工作安排建议,如建议停雨后再施工,或者建议XX工人休闲一天再出工;当系统判断施工行为或工人状态不存在安全隐患时,系统向工地管理人员输出保持目前管理方式的建议;当系统无法有效判断是否存在安全隐患,系统向工地管理人员输出人工确认是否存在安全隐患的安全管理建议。本实施例中,系统服务器400接收监测数据并处理后通过向管理人员的安全帽500发送安全管理的提示信息,如语音提示信息等,以提示管理者注意工地的安全隐患及其他的安全管理建议,从而达到安全管理的发明目的。
本申请实施例还提供了一种BIM智慧工地管理平台系统,请参阅附图1-2,图1为本申请实施例提供的安全管理平台系统结构示意图,图2为本申请实施例管理平台系统硬件结构示意图。
其中,处理器101用于提供计算和控制能力,以控制平台系统执行相应任务,例如,控制系统执行上述任一方法实施例中的BIM智慧工地管理方法,该方法包括:根据工程资料生成工地管理BIM模型,其中,所述工程资料包括详细设计图、生产设计图及安全施工规范;基于所述工地管理BIM模型生成安全管理优先级任务;根据所述安全管理优先级任务进行施工行为或工人状态的获取;将获取得到的所述施工行为或工人状态输入至预先训练的安全隐患模型中进行模型匹配得到匹配结果;基于所述匹配结果输出工地安全管理建议。
处理器101可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、硬件芯片或者其任意组合;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程逻辑器件(programmable logic device,PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complex programmable logic device,CPLD),现场可编程逻辑门阵列(field-programmable gate array,FPGA),通用阵列逻辑(genericarray logic,GAL)或其任意组合。
存储器102作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块,如本申请实施例中的BIM智慧工地管理方法对应的程序指令/模块。处理器101通过运行存储在存储器102中的非暂态软件程序、指令以及模块,可以实现上述任一方法实施例中的BIM智慧工地管理方法。
具体地,存储器102可以包括易失性存储器(volatile memory,VM),例如随机存取存储器(random access memory, RAM);存储器102也可以包括非易失性存储器(non-volatile memory,NVM),例如只读存储器(read-only memory, ROM),快闪存储器(flashmemory),硬盘(hard disk drive, HDD)或固态硬盘(solid-state drive, SSD)或其他非暂态固态存储器件;存储器102还可以包括上述种类的存储器的组合。
综上所述,本BIM智慧管理平台系统采用了上述任意一个管理方法实施例的技术方案,因此,至少具有上述实施例的技术方案所带来的有益效果,在此不再一一赘述。
本申请实施例还提供了一种计算机可读存储介质,例如包括程序代码的存储器,上述程序代码可由处理器执行以完成上述实施例中的BIM智慧工地管理的方法。例如,该计算机可读存储介质可以是只读存储器(Read-Only Memory ,ROM)、随机存取存储器(RandomAccess Memory,RAM)、只读光盘(Compact Disc Read-Only Memory,CDROM)、磁带、软盘和光数据存储设备等。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品包括一条或多条程序代码,该程序代码存储在计算机可读存储介质中。电子设备100的处理器从计算机可读存储介质读取该程序代码,处理器执行该程序代码,以完成上述实施例中提供的BIM智慧工地管理的方法步骤。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来程序代码相关的硬件完成,该程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
需要说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory, ROM)或随机存储记忆体(Random Access Memory, RAM)等。
以上所述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,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种BIM智慧工地管理方法,应用于智慧工地管理系统的工地安全管理,其特征在于,包括:
根据工程资料生成工地管理BIM模型,其中,所述工程资料包括详细设计图、生产设计图及安全施工规范;
基于所述工地管理BIM模型生成安全管理优先级任务;
根据所述安全管理优先级任务进行施工行为或工人状态的获取;
将获取得到的所述施工行为或工人状态输入至人工预先训练的安全隐患模型中进行模型匹配得到匹配结果;
基于所述匹配结果输出工地安全管理建议。
2.如权利要求1所述的BIM智慧工地管理方法,其特征在于,所述基于所述工地管理BIM模型生成安全管理优先级任务,包括:
基于工地管理BIM模型中显示的施工类型确定危险系数,所述施工类型包括土建施工、钢结构施工以及设备安装施工;
根据危险系数大小排序生成安全管理优先级任务,其中,危险系数与安全管理优先级成正相关。
3.如权利要求1所述的BIM智慧工地管理方法,其特征在于,所述根据所述安全管理优先级任务进行施工行为及工人状态的获取,包括:
根据所述安全管理优先级任务进行施工行为的随机获取;以及,
根据所述安全管理优先级任务进行工人状态的分层抽样获取。
4.如权利要求3所述的BIM智慧工地管理方法,其特征在于,所述智慧工地管理系统包括安全管理监控用无人机,所述根据所述安全管理优先级任务进行施工行为的随机获取,包括:
根据安全管理优先级任务生成所述无人机获取施工行为的飞行路线及施工区域;
基于所述飞行路线及施工区域进行工地施工行为的随机获取,其中,所述施工区域在飞行路线中越靠前,在该施工区域随机获取工地施工行为的概率越大。
5.如权利要求4所述的BIM智慧工地管理方法,其特征在于,所述基于所述飞行路线及施工区域进行工地施工行为的随机获取,包括:
当所述施工区域位于飞行路线的前半路程时,所述无人机以大于或等于60%的随机概率进行工地施工行为的获取;
当所述施工区域位于飞行路线的后半路程,无人机以小于或等于40%的随机概率进行工地施工行为的获取。
6.如权利要求3所述的BIM智慧工地管理方法,其特征在于,所述智慧工地管理系统还包括安全管理用工地进出识别机闸,所述根据所述安全管理优先级任务进行工人状态的分层抽样获取,包括:
根据所述安全管理优先级任务进行安全管理层级划分,其中,所述安全管理层级划分按照安全管理优先级顺序包括高风险层、中风险层及低风险层;
基于所述安全管理层级划分进行工人状态的分层抽样,其中高风险层、中风险层及低风险层的抽样概率分别为60%、20%及20%。
7.如权利要求1所述的BIM智慧工地管理方法,其特征在于,所述安全隐患模型的预先训练,包括:
响应于预先获取的工地施工行为,人工识别确认所述工地施工行为存在安全隐患,将该工地施工行为进行模型化处理形成安全隐患模型;或,
通过预先获取进入工地工人的多个不同部位的状态特征,所述状态特征至少包括脸部不同部位疲劳状态特征及手脚不同部位异常状态特征;
基于所述状态特征分别确定不同部位的异常系数Mi,根据所述异常系数Mi计算安全隐患系数M;
当所述安全隐患系数大于预设值时,确定该工人的工作状态存在安全隐患,并将该工人的工作状态进行模型化处理形成安全隐患模型;
8.如权利要求1所述的BIM智慧工地管理方法,其特征在于,所述将获取得到的所述施工行为或工人状态输入至预先训练的安全隐患模型中进行模型匹配得到匹配结果,包括:
当所述施工行为或工人状态与所述安全隐患模型匹配度大于或等于第一预设值时,得到所述施工行为或工人状态存在安全隐患的第一结果;
当所述施工行为或工人状态与所述安全隐患模型匹配度小于或等于第二预设值时,得到所述施工行为或工人状态不存在安全隐患的第二结果;
当所述施工行为或工人状态与所述安全隐患模型匹配度大于第二预设值且小于第一预设值时,得到安全隐患待定的第三结果;
其中,所述第一预设值大于第二预设值。
9.如权利要求8所述的BIM智慧工地管理方法,其特征在于,所述基于所述匹配结果输出工地安全管理建议,包括:
当模型匹配识别确定存在安全隐患行为的第一结果时,向工地管理人员输出安全管理整改建议;或,当模型匹配识别确定工人存在安全隐患状态的第一结果时,向工地管理人员输出该工人的工作安排建议;
当模型匹配识别确定为第二结果时,向工地管理人员输出保持目前管理方式的建议;
当模型匹配识别确定为第三结果时,向工地管理人员输出人工确认是否存在安全隐患的安全管理建议。
10.一种BIM智慧工地管理平台系统,其特征在于,包括:
无人机,用于进行工地施工行为的图像信息或视频信息获取;
工地进出识别机闸,用于进出工地的工人状态的图像信息或视频信息获取;以及,
处理器、存储器;其中,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,以执行如权利要求1至9任一项所述的BIM智慧工地管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310444008.6A CN116167545A (zh) | 2023-04-24 | 2023-04-24 | 一种bim智慧工地管理平台系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310444008.6A CN116167545A (zh) | 2023-04-24 | 2023-04-24 | 一种bim智慧工地管理平台系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116167545A true CN116167545A (zh) | 2023-05-26 |
Family
ID=86420344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310444008.6A Pending CN116167545A (zh) | 2023-04-24 | 2023-04-24 | 一种bim智慧工地管理平台系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116167545A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116611661A (zh) * | 2023-06-01 | 2023-08-18 | 深圳市顶尖传诚科技有限公司 | 一种基于bim的智慧工厂安全管理系统及方法 |
CN118135621A (zh) * | 2024-04-10 | 2024-06-04 | 连云港智源电力设计有限公司 | 基于机器视觉技术的智慧工地管控方法与系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170286886A1 (en) * | 2016-03-31 | 2017-10-05 | Caterpillar Inc. | System and method for worksite management |
CN107563281A (zh) * | 2017-07-24 | 2018-01-09 | 南京邮电大学 | 一种基于深度学习的建筑工地人员安全隐患监测方法 |
CN110991282A (zh) * | 2019-11-21 | 2020-04-10 | 深圳市赛为智能股份有限公司 | 基于无人机的施工安全管理方法、装置及计算机设备 |
CN213074646U (zh) * | 2020-07-23 | 2021-04-30 | 重庆市园林建筑工程(集团)股份有限公司 | 一种疲劳监测用工地安全帽 |
CN115171082A (zh) * | 2022-06-29 | 2022-10-11 | 北京百度网讯科技有限公司 | 驾驶行为的检测方法、装置、电子设备及可读存储介质 |
CN115841651A (zh) * | 2022-12-13 | 2023-03-24 | 广东筠诚建筑科技有限公司 | 基于计算机视觉与深度学习的施工人员智能监测系统 |
CN115860410A (zh) * | 2022-12-14 | 2023-03-28 | 陇东学院 | 一种基于微信的大型土木工程施工安全隐患管理系统 |
-
2023
- 2023-04-24 CN CN202310444008.6A patent/CN116167545A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170286886A1 (en) * | 2016-03-31 | 2017-10-05 | Caterpillar Inc. | System and method for worksite management |
CN107563281A (zh) * | 2017-07-24 | 2018-01-09 | 南京邮电大学 | 一种基于深度学习的建筑工地人员安全隐患监测方法 |
CN110991282A (zh) * | 2019-11-21 | 2020-04-10 | 深圳市赛为智能股份有限公司 | 基于无人机的施工安全管理方法、装置及计算机设备 |
CN213074646U (zh) * | 2020-07-23 | 2021-04-30 | 重庆市园林建筑工程(集团)股份有限公司 | 一种疲劳监测用工地安全帽 |
CN115171082A (zh) * | 2022-06-29 | 2022-10-11 | 北京百度网讯科技有限公司 | 驾驶行为的检测方法、装置、电子设备及可读存储介质 |
CN115841651A (zh) * | 2022-12-13 | 2023-03-24 | 广东筠诚建筑科技有限公司 | 基于计算机视觉与深度学习的施工人员智能监测系统 |
CN115860410A (zh) * | 2022-12-14 | 2023-03-28 | 陇东学院 | 一种基于微信的大型土木工程施工安全隐患管理系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116611661A (zh) * | 2023-06-01 | 2023-08-18 | 深圳市顶尖传诚科技有限公司 | 一种基于bim的智慧工厂安全管理系统及方法 |
CN116611661B (zh) * | 2023-06-01 | 2024-02-02 | 深圳市顶尖传诚科技有限公司 | 一种基于bim的智慧工厂安全管理系统及方法 |
CN118135621A (zh) * | 2024-04-10 | 2024-06-04 | 连云港智源电力设计有限公司 | 基于机器视觉技术的智慧工地管控方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116167545A (zh) | 一种bim智慧工地管理平台系统及方法 | |
Khan et al. | Utilizing safety rule correlation for mobile scaffolds monitoring leveraging deep convolution neural networks | |
CN109840157A (zh) | 故障诊断的方法、装置、电子设备和存储介质 | |
CN113421192B (zh) | 对象统计模型的训练方法、目标对象的统计方法和装置 | |
CN114372311B (zh) | 基于bim的设计检测方法、装置、电子设备及存储介质 | |
CN117041311A (zh) | 一种基于数字孪生的智能巡检方法及装置 | |
Lu et al. | Using cased based reasoning for automated safety risk management in construction industry | |
CN117474489A (zh) | 基于大数据的水利工程信息管理系统及装置、计算设备 | |
CN116311081A (zh) | 一种基于图像识别的医学实验室监控图像分析方法和系统 | |
CN112633262B (zh) | 通道监测方法、装置、电子设备及介质 | |
CN113313304A (zh) | 一种基于大数据决策树的电网事故异常分析方法及系统 | |
CN116994336A (zh) | 基于人工智能的建筑工程施工危险行为分析方法及系统 | |
CN116432392A (zh) | 自动驾驶仿真测试方法及测试装置 | |
CN113593256B (zh) | 基于城市管理的无人机智能驱离控制方法、系统及云平台 | |
CN112153341B (zh) | 一种任务监督方法、装置、系统、电子设备及存储介质 | |
CN113033289B (zh) | 一种基于dssd算法的安全帽佩戴检查方法、装置与系统 | |
CN112434648A (zh) | 一种墙体形状变化检测方法及系统 | |
CN111913872A (zh) | 一种基于缺陷预测的软件静态检查警告排序优化方法 | |
WO2023141913A1 (zh) | 一种风险处理的方法以及相关装置 | |
WO2006062483A1 (en) | Method and system for intelligent traffic incident management | |
CN117314154B (zh) | 一种基于北斗定位的施工现场智能监控系统及方法 | |
CN116740819B (zh) | 基于ai算法的施工现场中施工异常行为的识别方法及装置 | |
CN116050811B (zh) | 工单处理方法、装置、电子设备及存储介质 | |
CN114565815B (zh) | 一种基于三维模型的视频智能融合方法及系统 | |
CN114475653B (zh) | 一种车辆应急转向仿真场景配置方法和装置 |
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: 20230526 |