CN116228131A - 一种基于工地bim监控辅助方法 - Google Patents
一种基于工地bim监控辅助方法 Download PDFInfo
- Publication number
- CN116228131A CN116228131A CN202211696595.XA CN202211696595A CN116228131A CN 116228131 A CN116228131 A CN 116228131A CN 202211696595 A CN202211696595 A CN 202211696595A CN 116228131 A CN116228131 A CN 116228131A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- slope
- side slope
- vegetation
- data
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000001788 irregular Effects 0.000 claims abstract description 108
- 230000001276 controlling effect Effects 0.000 claims abstract description 12
- 230000009466 transformation Effects 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 230000001105 regulatory effect Effects 0.000 claims abstract description 4
- 238000012876 topography Methods 0.000 claims description 32
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 19
- 230000001133 acceleration Effects 0.000 claims description 18
- 238000013210 evaluation model Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000011426 transformation method Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004035 construction material Substances 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- 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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/04—Architectural design, interior design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Computational Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Structural Engineering (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请提供一种基于工地BIM监控辅助方法，包括：建立工地边坡BIM三维模型；根据工地边坡BIM模型计算边坡地形数据，所述根据工地边坡BIM模型计算边坡地形数据，具体包括：利用霍夫变换计算各个不规则区域的倾斜角度，分析边坡植被和路面；根据分析结果，对边坡地形进行分组聚类；实时监测工地行车；根据边坡地形类别以及车辆实时监测数据，预测车辆通过边坡的危险性；根据车辆通过边坡的危险性确定不规则区域的安全载重和速度；根据安全速度自动控制行车速度与速度调控时机。
Description
技术领域
本发明涉及信息技术领域，尤其涉及一种基于工地BIM监控辅助方法。
背景技术
施工工地经常在工地边缘会有一些边坡区域，这些区域具有一定的倾斜角，有时可以供行人经过，有时可以供车辆经过。当边坡是不规则时，倾斜角度时大时小，这时如果有工地车辆经过会有一定的危险。在工地货车承载较重的建筑用料时，边坡区域一定程度倾斜，会使得高速通过车辆发生侧翻。但是，目前的监控辅助系统并没有相关技术针对边坡区域不规则的情况进行研究。仅靠司机肉眼观测和人为判断，很难保证车辆在边坡的各个不规则区域上安全通行。
发明内容
本发明提供了一种基于工地BIM监控辅助方法，主要包括：
建立工地边坡BIM三维模型；根据工地边坡BIM模型计算边坡地形数据，所述根据工地边坡BIM模型计算边坡地形数据，具体包括：利用霍夫变换计算各个不规则区域的倾斜角度，分析边坡植被和路面；根据分析结果，对边坡地形进行分组聚类；实时监测工地行车；根据边坡地形类别以及车辆实时监测数据，预测车辆通过边坡的危险性；根据车辆通过边坡的危险性确定不规则区域的安全载重和速度；根据安全速度自动控制行车速度与速度调控时机。
进一步可选地，所述建立工地边坡BIM三维模型包括：
采集工地现场监控数据；所述工地现场监控数据包括参考物图像、边坡多机位图像、植被图像和路面图像，利用图像识别、处理技术，识别边坡的上下边缘，并提取植被区域、路面区域的关键图象；预设参考物尺寸和位置，根据参考物的尺寸和位置计算边坡数据、植被数据和路面数据；所述边坡数据包括边坡的长度、边坡的上下边缘所在的位置；所述植被数据包括植被区域中心位置距离边坡下边缘的高度、植被区域密度、植被区域面积；所述路面数据包括路面平整度、路面宽度、路面的摩擦系数，其中路面平整度通过红外线扫描仪获取，路面摩擦系数通过摩擦系数测定仪获取；通过Revit或者CATIA软件建立边坡BIM三维模型，根据参考物的尺寸和位置，等比例构建边坡的倾斜面，然后在倾斜面上等比例放置植被区域和路面区域的关键图像，并对关键图像进行描边，获取边缘拐点作为关键图像的关键点；将三维模型中的边坡的倾斜面划分为若干个不规则区域；所述不规则区域按照横向于边坡方向划分，每个不规则区域包括一段边坡及边坡倾斜面上的植被区域和路面区域；对每个关键图像赋予植被数据和路面数据和关键点的位置，用户可以从工地边坡BIM三维模型中可导出关键点的位置、植被数据和路面数据。
进一步可选地，所述根据工地边坡BIM模型计算边坡地形数据包括：
所述边坡地形数据包括各个不规则区域的倾斜角度、各个不规则区域的植被影响系数和各个不规则区域的路面影响系数；利用霍夫变换计算各个不规则区域的倾斜角度；建立植被影响评估模型计算边坡植被影响系数；建立路面影响评估模型计算边坡路面影响系数；包括：利用霍夫变换计算各个不规则区域的倾斜角度；分析边坡植被和路面；
所述利用霍夫变换计算各个不规则区域的倾斜角度，具体包括：
获取BIM模型各个工程组件的图像，分别对所述各个工程组件的图像进行二值处理，得到二值化后的目标区域。根据工程组件的关键点，从二值化后的目标区域中连接所有关键点得到若干个直线线段，组成直线组。通过霍夫变换的方法将所述直线组映射到预设的距离-角度坐标系中。所述预设的距离-角度坐标系中X轴为直线段的距离，Y轴为直线段与预设的地面直线的角度。在所述预设的距离-角度坐标系中，所述直线组映射得到多个交叉点，选取映射频次最多的交叉点作为目标点。将所述目标点的Y值即对应直线段与预设的地面直线的角度作为所述不规则区域的倾斜角度。
所述分析边坡植被和路面，具体包括：
获取BIM模型中边坡的植被数据，所述各个不规则区域的植被数据包括植被面积、植被高度、植被密度。建立植被影响评估模型，即D＝W1*E+W2*F+W3*G，其中V表示植被影响系数，W1表示植被面积的权重,W2表示植被高度平均值的权重,W3表示植被密度平均值的权重，W1,W2,W3均为预设的权重，并且W1+W2+W3＝1，E表示植被面积，F表示植被高度平均值，G表示植被密度平均值。根据所述各个不规则区域的植被数据，计算边坡植被影响系数。获取BIM模型中边坡的路面数据，所述各个不规则区域的路面数据包括路面平整度、路面宽度、路面的摩擦系数。建立路面影响评估模型，即H＝W4*I+W5*J+W6*K，其中H表示路面影响系数，W4表示路面平整度的权重,W5表示路面宽度的权重,W6表示路面的摩擦系数的权重，W4,W5,W6均为预设的权重，并且W4+W5+W6＝1，I表示路面平整度，J表示路面宽度，K表示路面的摩擦系数。根据所述各个不规则区域的路面数据，计算边坡路面影响系数。
进一步可选地，所述根据分析结果，对边坡地形进行分组聚类包括：
获取边坡地形数据集群，所述边坡地形数据集群包括当前边坡地形数据以及系统数据库中的所有边坡地形数据；所述边坡地形数据包括边坡各个不规则区域的倾斜角度以及植被影响系数和路面影响系数；利用K均值算法对边坡地形数据集群进行分组聚类；预设初始质心个数，用户随机选择选择初始质心，每一个质心为一个类；对剩余的每个样本点，计算它们到各个质心的欧式距离，并将其归入到相互间距离最小的质心所在的簇；计算各个新簇的质心；在所有样本点都划分完毕后，根据划分情况重新计算各个簇的质心所在位置，然后迭代计算各个样本点到各簇质心的距离，对所有样本点重新进行划分重复第五步和第六步，直到质心不在发生变化时或者到达最大迭代次数；得到当前边坡地形所在类别的特征。
进一步可选地，所述实时监测工地行车包括：
通过监控设备判断工地是否出现行车，若出现行车则自动启动实时监测系统；所述实时监测系统提供行车的实时监测数据；所述实时监测数据包括车辆类型、载重、实时速度及实时位置；通过传感网、无线网、因特网三大网络传输所述实时监测数据，更新所述实时监测数据。
进一步可选地，所述根据边坡地形类别以及车辆实时监测数据，预测车辆通过边坡的危险性包括：
获取边坡地形类别；读取预设数据库内所有车辆通过同类别边坡的历史资料，将预设数据库内所有车辆实时监测数据和危险事件记录作为样本数据集；根据所述样本数据集建立训练数据矩阵和验证数据矩阵；设置多重增量回归树模型的模型参数；输入训练数据矩阵和验证数据矩阵，对多重增量回归树模型进行训练，得到训练完成的多重增量回归树模型；根据当前车辆实时监测数据建立当前车辆数据矩阵；向训练完成的多重增量回归树模型输入所述当前车辆数据矩阵，得到当前车辆通过边坡发生危险事件的发生概率，作为当前车辆通过边坡的危险性。
进一步可选地，所述根据车辆通过边坡的危险性确定不规则区域的安全载重和速度包括：
获取边坡各个不规则区域的倾斜角度；获取车辆额定载重；获取车辆通过边坡的危险性；建立安全载重计算模型，即L＝-W7*M+W8*N-W9*O，其中L表示安全载重，W7表示倾斜角度的权重,W8表示车辆额定载重的权重,W9表示车辆通过边坡的危险性的权重，W7,W8,W9均为预设的权重，且W7+W8+W9＝1，M表示倾斜角度，N表示车辆额定载重，O表示车辆通过边坡的危险性；根据所述边坡各个不规则区域的倾斜角度、所述车辆额定载重及所述车辆通过边坡的危险性计算车辆通过各个不规则区域的安全载重；预设工地车辆限速；建立安全速度计算模型，即P＝-W10*M+W11*Q-W12*O，其中P表示安全速度，W10表示倾斜角度的权重,W11表示工地车辆限速的权重,W12表示车辆通过边坡的危险性的权重，且W10+W11+W12＝1，W10,W11,W12均为预设的权重，M表示倾斜角度，Q表示工地车辆限速，O表示车辆通过边坡的危险性；根据所述边坡各个不规则区域的倾斜角度、所述工地车辆限速及所述车辆通过边坡的危险性计算车辆通过各个不规则区域的安全速度。
进一步可选地，所述根据安全速度自动控制行车速度与速度调控时机包括：
所述行车为横穿过边坡表面；在车辆上安装速度控制设备，并控制车辆前进方向平行于边坡的角度；在车辆通过边坡前对车辆进行检测，得到车辆载重；若所述车辆载重超过预设的阈值，则禁止通过边坡，否则允许通行；获取车辆实时速度、实时加速度、实时位置及车辆通过当前不规则区域的安全速度；判断车辆实时速度是否大于或等于车辆通过当前不规则区域的安全速度；若是，立即启动所述速度控制设备，将车辆速度控制在所述安全速度以下；当车辆实时速度在所述安全速度以下时，判断车辆实时速度是否达到所述安全速度的90％；若是，则判断实时加速度是否大于0；若所述实时加速度大于0，则开始启动所述速度控制设备，减少速度的增加，直至加速度为0；获取车辆距离下一个不规则区域的距离以及通过下一个不规则区域的安全速度；判断车辆实时速度是否大于或等于车辆通过下一个不规则区域的安全速度；若是，则根据车辆实时速度、实时加速度以及车辆距离下一个不规则区域的距离，判断速度调控时机。
本发明实施例提供的技术方案可以包括以下有益效果：
本发明能够建立工地边坡BIM三维模型，对边坡各个不规则区域的倾斜角度、植被和路面。当工地施工过程中有车辆需要驶过边坡时，能够结合边坡区域不规则的情况进行分析，根据车辆的不同大小、速度和载重进行不同情况的实时监测,预测车辆通过边坡的危险性，计算安全载重和速度，自动控制行车速度与速度调控时机，辅助车辆在边坡的各个不规则区域上安全通行。
附图说明
图1为本发明的一种基于工地BIM监控辅助方法的流程图。
图2为本发明的一种基于工地BIM监控辅助方法的示意图。
图3为本发明的一种基于工地BIM监控辅助方法的又一示意图。
图4为本发明的一种基于工地BIM监控辅助方法的又一示意图。
图5为本发明的一种基于工地BIM监控辅助方法的又一示意图。
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、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本实施例一种基于工地BIM监控辅助方法具体可以包括：
步骤101，建立工地边坡BIM三维模型。
采集工地现场监控数据；所述工地现场监控数据包括参考物图像、边坡多机位图像、植被图像和路面图像，利用图像识别、处理技术，识别边坡的上下边缘，并提取植被区域、路面区域的关键图象；预设参考物尺寸和位置，根据参考物的尺寸和位置计算边坡数据、植被数据和路面数据；所述边坡数据包括边坡的长度、边坡的上下边缘所在的位置；所述植被数据包括植被区域中心位置距离边坡下边缘的高度、植被区域密度、植被区域面积；所述路面数据包括路面平整度、路面宽度、路面的摩擦系数，其中路面平整度通过红外线扫描仪获取，路面摩擦系数通过摩擦系数测定仪获取。通过Revit或者CATIA软件建立边坡BIM三维模型，根据参考物的尺寸和位置，等比例构建边坡的倾斜面，然后在倾斜面上等比例放置植被区域和路面区域的关键图像，并对关键图像进行描边，获取边缘拐点作为关键图像的关键点。将三维模型中的边坡的倾斜面划分为若干个不规则区域；所述不规则区域按照横向于边坡方向划分，每个不规则区域包括一段边坡及边坡倾斜面上的植被区域和路面区域。对每个关键图像赋予植被数据和路面数据和关键点的位置，用户可以从工地边坡BIM三维模型中可导出关键点的位置、植被数据和路面数据。例如，边坡所在的倾斜面由路面区域和植被区域构成，且没有植被区域的就是路面区域，在利用图像处技术提取植被区域和路面区域时，设置面积阈值，面积小于的面积阈值的植被区域和路面区域对于行车安全影响可以忽略不计，因此可以不用识别。采集工地现场监控数据，利用图像识别、处理技术，识别边坡的上下边缘，并提取植被区域、路面区域的关键图象。预设参考物尺寸，根据参考物的尺寸和位置计算边坡数据、植被数据和路面数据。通过Revit或者CATIA软件建立边坡BIM三维模型，根据参考物的尺寸和位置，等比例构建边坡的倾斜面，然后在倾斜面上等比例放置植被区域和路面区域的关键图像，并对关键图像进行描边，获取边缘拐点作为关键图像的关键点。将三维模型中的边坡的倾斜面划分为若干个不规则区域。所述不规则区域的划分可以等距划分，也可以根据植被区域或者路面区域的分布情况划分，例如在植被区域密集的划分为一个不规则区域，植被区域稀疏分布的划分为一个不规则区域。对每个关键图像赋予植被数据和路面数据和关键点的位置，用户可以从工地边坡BIM三维模型中可导出关键点的位置、植被数据和路面数据。导出植被数据包括植被面积为0.7，植被高度平均值为0.4，植被密度平均值为0.2。导出路面数据包括路面平整度为0.8，路面宽度为2，路面的摩擦系数为0.4。
步骤102，根据工地边坡BIM模型计算边坡地形数据。
所述边坡地形数据包括各个不规则区域的倾斜角度、各个不规则区域的植被影响系数和各个不规则区域的路面影响系数。利用霍夫变换计算各个不规则区域的倾斜角度。建立植被影响评估模型计算边坡植被影响系数。建立路面影响评估模型计算边坡路面影响系数。例如，利用霍夫变换计算得到不规则区域A1的倾斜角度为14°，不规则区域A2的倾斜角度为20°，不规则区域A3的倾斜角度为18°。通过建立植被影响评估模型计算得到不规则区域A1的植被影响系数为0.51。通过建立路面影响评估模型计算得到不规则区域A1的路面影响系数为0.64。
利用霍夫变换计算各个不规则区域的倾斜角度。
获取BIM模型各个工程组件的图像，分别对所述各个工程组件的图像进行二值处理，得到二值化后的目标区域。根据工程组件的关键点，从二值化后的目标区域中连接所有关键点得到若干个直线线段，组成直线组。通过霍夫变换的方法将所述直线组映射到预设的距离-角度坐标系中。所述预设的距离-角度坐标系中X轴为直线段的距离，Y轴为直线段与预设的地面直线的角度。在所述预设的距离-角度坐标系中，所述直线组映射得到多个交叉点，选取映射频次最多的交叉点作为目标点。将所述目标点的Y值即对应直线段与预设的地面直线的角度作为所述不规则区域的倾斜角度。例如，获取BIM模型中工程组件B1的图像，其对应不规则区域A1，对图像进行二值处理，得到二值化后的目标区域。根据工程组件的关键点，从二值化后的目标区域中连接所有关键点得到若干个直线线段，组成直线组。通过霍夫变换的方法将直线组映射到预设的距离-角度坐标系中。在预设的距离-角度坐标系中，直线组映射得到3个交叉点C1，C2,C3。C1的映射频次为4次,C2的映射频次为3次,C3的映射频次为5次。选取映射频次最多的交叉点C3作为目标点。目标点的角度值为14°，故不规则区域A1的倾斜角度为14°。
分析边坡植被和路面。
获取BIM模型中边坡的植被数据，所述各个不规则区域的植被数据包括植被面积、植被高度、植被密度。建立植被影响评估模型，即D＝W1*E+W2*F+W3*G，其中V表示植被影响系数，W1表示植被面积的权重,W2表示植被高度平均值的权重,W3表示植被密度平均值的权重，W1,W2,W3均为预设的权重，并且W1+W2+W3＝1，E表示植被面积，F表示植被高度平均值，G表示植被密度平均值。根据所述各个不规则区域的植被数据，计算边坡植被影响系数。获取BIM模型中边坡的路面数据，所述各个不规则区域的路面数据包括路面平整度、路面宽度、路面的摩擦系数。建立路面影响评估模型，即H＝W4*I+W5*J+W6*K，其中H表示路面影响系数，W4表示路面平整度的权重,W5表示路面宽度的权重,W6表示路面的摩擦系数的权重，W4,W5,W6均为预设的权重，并且W4+W5+W6＝1，I表示路面平整度，J表示路面宽度，K表示路面的摩擦系数。根据所述各个不规则区域的路面数据，计算边坡路面影响系数。例如：设定某一边坡某一不规则区域的植被影响系数权重W1,W2,W3分别为0.5，0.3，0.2，植被面积为0.7，植被高度平均值为0.4，植被密度平均值为0.2，则该边坡的植被影响系数为0.51。设定该边坡的路面影响系数权重W4,W5,W6分别为0.2，0.1，0.7，路面平整度为0.8，路面宽度为2，路面的摩擦系数为0.4，则该边坡的植被影响系数为0.64。
步骤103，根据分析结果，对边坡地形进行分组聚类。
获取边坡地形数据集群，所述边坡地形数据集群包括当前边坡地形数据以及系统数据库中的所有边坡地形数据。所述边坡地形数据包括边坡各个不规则区域的倾斜角度以及植被影响系数和路面影响系数。利用K均值算法对边坡地形数据集群进行分组聚类。预设初始质心个数，用户随机选择选择初始质心，每一个质心为一个类。对剩余的每个样本点，计算它们到各个质心的欧式距离，并将其归入到相互间距离最小的质心所在的簇。计算各个新簇的质心。在所有样本点都划分完毕后，根据划分情况重新计算各个簇的质心所在位置，然后迭代计算各个样本点到各簇质心的距离，对所有样本点重新进行划分重复第五步和第六步，直到质心不在发生变化时或者到达最大迭代次数。得到当前边坡地形所在类别的特征。例如，预设初始质心个数为3。用户随机选择初始质心。在剩余的样本中，将每个样本通过计算欧式距离，根据最近邻原则分配到各个簇中。重新计算各个新簇的质心。在所有样本点都划分完毕后，根据划分情况重新计算各个簇的质心所在位置，然后迭代计算各个样本点到各簇质心的距离，对所有样本点重新进行划分重复分配到各个簇和计算各个新簇的质心，直到质心不在发生变化时或者到达最大迭代次数。得到当前边坡地形所在类别的特征。分组聚类的原因是为了让车辆可以在该类别里面，匀速的前进，无需调整当前的速度。另一方面，如果该类别无法通行，可以让车辆选择其他类别的路段或区域进行行驶，方便车辆根据整块区域做判断。
步骤104，实时监测工地行车。
通过监控设备判断工地是否出现行车，若出现行车则自动启动实时监测系统。所述实时监测系统提供行车的实时监测数据。所述实时监测数据包括车辆类型、载重、实时速度及实时位置。通过传感网、无线网、因特网三大网络传输所述实时监测数据，更新所述实时监测数据。例如，当监控识别到工地出现行车，便自动启动实时监测系统，监测获取到车辆的类型为中型货车、载重为6吨、实时速度为30km/h，实时位置为(30,20)坐标位置处。将获取到的数据通过传感网、无线网、因特网三大网络传输，实现数据的实时更新。
步骤105，根据边坡地形类别以及车辆实时监测数据，预测车辆通过边坡的危险性。
获取边坡地形类别。读取预设数据库内所有车辆通过同类别边坡的历史资料，将预设数据库内所有车辆实时监测数据和危险事件记录作为样本数据集。根据所述样本数据集建立训练数据矩阵和验证数据矩阵。设置多重增量回归树模型的模型参数。输入训练数据矩阵和验证数据矩阵，对多重增量回归树模型进行训练，得到训练完成的多重增量回归树模型。根据当前车辆实时监测数据建立当前车辆数据矩阵。向训练完成的多重增量回归树模型输入所述当前车辆数据矩阵，得到当前车辆通过边坡发生危险事件的发生概率，作为当前车辆通过边坡的危险性。例如，获取边坡地形类别为A类型。读取预设数据库内所有车辆通过类型A边坡的历史资料，从中获取样本数据集。训练多重增量回归树模型。根据当前车辆实时监测数据建立当前车辆数据矩阵。向训练完成的多重增量回归树模型输入当前车辆数据矩阵，得到当前车辆通过边坡发生危险事件的发生概率，作为当前车辆通过边坡的危险性。
步骤106，根据车辆通过边坡的危险性确定不规则区域的安全载重和速度。
获取边坡各个不规则区域的倾斜角度。获取车辆额定载重。获取车辆通过边坡的危险性。建立安全载重计算模型，即L＝-W7*M+W8*N-W9*O，其中L表示安全载重，W7表示倾斜角度的权重,W8表示车辆额定载重的权重,W9表示车辆通过边坡的危险性的权重，W7,W8,W9均为预设的权重，且W7+W8+W9＝1，M表示倾斜角度，N表示车辆额定载重，O表示车辆通过边坡的危险性。根据所述边坡各个不规则区域的倾斜角度、所述车辆额定载重及所述车辆通过边坡的危险性计算车辆通过各个不规则区域的安全载重。预设工地车辆限速。建立安全速度计算模型，即P＝-W10*M+W11*Q-W12*O，其中P表示安全速度，W10表示倾斜角度的权重,W11表示工地车辆限速的权重,W12表示车辆通过边坡的危险性的权重，且W10+W11+W12＝1，W10,W11,W12均为预设的权重，M表示倾斜角度，Q表示工地车辆限速，O表示车辆通过边坡的危险性。根据所述边坡各个不规则区域的倾斜角度、所述工地车辆限速及所述车辆通过边坡的危险性计算车辆通过各个不规则区域的安全速度。例如，某一边坡有两个不规则区域A1,A2，倾斜角度分别是14°和20°。车辆的额定载重是500。工地车辆限速20。车辆通过边坡的危险性为40。设定安全载重计算模型的权重W7,W8,W9分别为0.5，0.3，0.2，则车辆通过A1区域的安全载重为135，通过A2区域的安全载重为132。设定安全速度计算模型的权重W10,W11,W12分别为0.1，0.8，0.1，则车辆通过A1区域的安全速度为10.6，通过A2区域的安全速度为10。
步骤107，根据安全速度自动控制行车速度与速度调控时机。
所述行车为横穿过边坡表面。在车辆上安装速度控制设备，并控制车辆前进方向平行于边坡的角度。在车辆通过边坡前对车辆进行检测，得到车辆载重。若所述车辆载重超过预设的阈值，则禁止通过边坡，否则允许通行。获取车辆实时速度、实时加速度、实时位置及车辆通过当前不规则区域的安全速度。判断车辆实时速度是否大于或等于车辆通过当前不规则区域的安全速度。若是，立即启动所述速度控制设备，将车辆速度控制在所述安全速度以下。当车辆实时速度在所述安全速度以下时，判断车辆实时速度是否达到所述安全速度的90％。若是，则判断实时加速度是否大于0。若所述实时加速度大于0，则开始启动所述速度控制设备，减少速度的增加，直至加速度为0。获取车辆距离下一个不规则区域的距离以及通过下一个不规则区域的安全速度。判断车辆实时速度是否大于或等于车辆通过下一个不规则区域的安全速度。若是，则根据车辆实时速度、实时加速度以及车辆距离下一个不规则区域的距离，判断速度调控时机。例如，在车辆通过边坡前对车辆进行检测，得到车辆载重为100，预设的阈值为132，不超过预设的阈值，因此允许通行。当前车辆实时速度为19，实时加速度为0.35，安全速度为20。车辆实时速度小于车辆通过当前区域的安全速度。车辆实时速度达到所述安全速度的90％。实时加速度大于0。启动速度控制设备，减小速度的增加，直至加速度为0。车辆距离下一个不规则区域的距离为200m，通过下一个不规则区域的安全速度为24。车辆实时速度小于车辆通过下一个不规则区域的安全速度。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离本申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (8)
1.一种基于工地BIM监控辅助方法，其特征在于，所述方法包括：
建立工地边坡BIM三维模型；根据工地边坡BIM模型计算边坡地形数据，所述根据工地边坡BIM模型计算边坡地形数据，具体包括：利用霍夫变换计算各个不规则区域的倾斜角度，分析边坡植被和路面；根据分析结果，对边坡地形进行分组聚类；实时监测工地行车；根据边坡地形类别以及车辆实时监测数据，预测车辆通过边坡的危险性；根据车辆通过边坡的危险性确定不规则区域的安全载重和速度；根据安全速度自动控制行车速度与速度调控时机。
2.根据权利要求1所述的方法，其中，所述建立工地边坡BIM三维模型，包括:
采集工地现场监控数据；所述工地现场监控数据包括参考物图像、边坡多机位图像、植被图像和路面图像，利用图像识别、处理技术，识别边坡的上下边缘，并提取植被区域、路面区域的关键图象；预设参考物尺寸和位置，根据参考物的尺寸和位置计算边坡数据、植被数据和路面数据；所述边坡数据包括边坡的长度、边坡的上下边缘所在的位置；所述植被数据包括植被区域中心位置距离边坡下边缘的高度、植被区域密度、植被区域面积；所述路面数据包括路面平整度、路面宽度、路面的摩擦系数，其中路面平整度通过红外线扫描仪获取，路面摩擦系数通过摩擦系数测定仪获取；通过Revit或者CATIA软件建立边坡BIM三维模型，根据参考物的尺寸和位置，等比例构建边坡的倾斜面，然后在倾斜面上等比例放置植被区域和路面区域的关键图像，并对关键图像进行描边，获取边缘拐点作为关键图像的关键点；将三维模型中的边坡的倾斜面划分为若干个不规则区域；所述不规则区域按照横向于边坡方向划分，每个不规则区域包括一段边坡及边坡倾斜面上的植被区域和路面区域；对每个关键图像赋予植被数据和路面数据和关键点的位置，用户可以从工地边坡BIM三维模型中可导出关键点的位置、植被数据和路面数据。
3.根据权利要求1所述的方法，其中，所述根据工地边坡BIM模型计算边坡地形数据，包括:
所述边坡地形数据包括各个不规则区域的倾斜角度、各个不规则区域的植被影响系数和各个不规则区域的路面影响系数；利用霍夫变换计算各个不规则区域的倾斜角度；建立植被影响评估模型计算边坡植被影响系数；建立路面影响评估模型计算边坡路面影响系数；包括：利用霍夫变换计算各个不规则区域的倾斜角度；分析边坡植被和路面；
所述利用霍夫变换计算各个不规则区域的倾斜角度，具体包括:
获取BIM模型各个工程组件的图像，分别对所述各个工程组件的图像进行二值处理，得到二值化后的目标区域；根据工程组件的关键点，从二值化后的目标区域中连接所有关键点得到若干个直线线段，组成直线组；通过霍夫变换的方法将所述直线组映射到预设的距离-角度坐标系中；所述预设的距离-角度坐标系中X轴为直线段的距离，Y轴为直线段与预设的地面直线的角度；在所述预设的距离-角度坐标系中，所述直线组映射得到多个交叉点，选取映射频次最多的交叉点作为目标点；将所述目标点的Y值即对应直线段与预设的地面直线的角度作为所述不规则区域的倾斜角度；
所述分析边坡植被和路面，具体包括:
获取BIM模型中边坡的植被数据，所述各个不规则区域的植被数据包括植被面积、植被高度、植被密度；建立植被影响评估模型，即D＝W1*E+W2*F+W3*G，其中V表示植被影响系数，W1表示植被面积的权重,W2表示植被高度平均值的权重,W3表示植被密度平均值的权重，W1,W2,W3均为预设的权重，并且W1+W2+W3＝1，E表示植被面积，F表示植被高度平均值，G表示植被密度平均值；根据所述各个不规则区域的植被数据，计算边坡植被影响系数；获取BIM模型中边坡的路面数据，所述各个不规则区域的路面数据包括路面平整度、路面宽度、路面的摩擦系数；建立路面影响评估模型，即H＝W4*I+W5*J+W6*K，其中H表示路面影响系数，W4表示路面平整度的权重,W5表示路面宽度的权重,W6表示路面的摩擦系数的权重，W4,W5,W6均为预设的权重，并且W4+W5+W6＝1，I表示路面平整度，J表示路面宽度，K表示路面的摩擦系数；根据所述各个不规则区域的路面数据，计算边坡路面影响系数。
4.根据权利要求1所述的方法，其中，所述根据分析结果，对边坡地形进行分组聚类，包括:
获取边坡地形数据集群，所述边坡地形数据集群包括当前边坡地形数据以及系统数据库中的所有边坡地形数据；所述边坡地形数据包括边坡各个不规则区域的倾斜角度以及植被影响系数和路面影响系数；利用K均值算法对边坡地形数据集群进行分组聚类；预设初始质心个数，用户随机选择选择初始质心，每一个质心为一个类；对剩余的每个样本点，计算它们到各个质心的欧式距离，并将其归入到相互间距离最小的质心所在的簇；计算各个新簇的质心；在所有样本点都划分完毕后，根据划分情况重新计算各个簇的质心所在位置，然后迭代计算各个样本点到各簇质心的距离，对所有样本点重新进行划分重复第五步和第六步，直到质心不在发生变化时或者到达最大迭代次数；得到当前边坡地形所在类别的特征。
5.根据权利要求1所述的方法，其中，所述实时监测工地行车，包括:
通过监控设备判断工地是否出现行车，若出现行车则自动启动实时监测系统；所述实时监测系统提供行车的实时监测数据；所述实时监测数据包括车辆类型、载重、实时速度及实时位置；通过传感网、无线网、因特网三大网络传输所述实时监测数据，更新所述实时监测数据。
6.根据权利要求1所述的方法，其中，所述根据边坡地形类别以及车辆实时监测数据，预测车辆通过边坡的危险性，包括:
获取边坡地形类别；读取预设数据库内所有车辆通过同类别边坡的历史资料，将预设数据库内所有车辆实时监测数据和危险事件记录作为样本数据集；根据所述样本数据集建立训练数据矩阵和验证数据矩阵；设置多重增量回归树模型的模型参数；输入训练数据矩阵和验证数据矩阵，对多重增量回归树模型进行训练，得到训练完成的多重增量回归树模型；根据当前车辆实时监测数据建立当前车辆数据矩阵；向训练完成的多重增量回归树模型输入所述当前车辆数据矩阵，得到当前车辆通过边坡发生危险事件的发生概率，作为当前车辆通过边坡的危险性。
7.根据权利要求1所述的方法，其中，所述根据车辆通过边坡的危险性确定不规则区域的安全载重和速度，包括:
获取边坡各个不规则区域的倾斜角度；获取车辆额定载重；获取车辆通过边坡的危险性；建立安全载重计算模型，即L＝-W7*M+W8*N-W9*O，其中L表示安全载重，W7表示倾斜角度的权重,W8表示车辆额定载重的权重,W9表示车辆通过边坡的危险性的权重，W7,W8,W9均为预设的权重，且W7+W8+W9＝1，M表示倾斜角度，N表示车辆额定载重，O表示车辆通过边坡的危险性；根据所述边坡各个不规则区域的倾斜角度、所述车辆额定载重及所述车辆通过边坡的危险性计算车辆通过各个不规则区域的安全载重；预设工地车辆限速；建立安全速度计算模型，即P＝-W10*M+W11*Q-W12*O，其中P表示安全速度，W10表示倾斜角度的权重,W11表示工地车辆限速的权重,W12表示车辆通过边坡的危险性的权重，且W10+W11+W12＝1，W10,W11,W12均为预设的权重，M表示倾斜角度，Q表示工地车辆限速，O表示车辆通过边坡的危险性；根据所述边坡各个不规则区域的倾斜角度、所述工地车辆限速及所述车辆通过边坡的危险性计算车辆通过各个不规则区域的安全速度。
8.根据权利要求1所述的方法，其中，所述根据安全速度自动控制行车速度与速度调控时机，包括:
所述行车为横穿过边坡表面；在车辆上安装速度控制设备，并控制车辆前进方向平行于边坡的角度；在车辆通过边坡前对车辆进行检测，得到车辆载重；若所述车辆载重超过预设的阈值，则禁止通过边坡，否则允许通行；获取车辆实时速度、实时加速度、实时位置及车辆通过当前不规则区域的安全速度；判断车辆实时速度是否大于或等于车辆通过当前不规则区域的安全速度；若是，立即启动所述速度控制设备，将车辆速度控制在所述安全速度以下；当车辆实时速度在所述安全速度以下时，判断车辆实时速度是否达到所述安全速度的90％；若是，则判断实时加速度是否大于0；若所述实时加速度大于0，则开始启动所述速度控制设备，减少速度的增加，直至加速度为0；获取车辆距离下一个不规则区域的距离以及通过下一个不规则区域的安全速度；判断车辆实时速度是否大于或等于车辆通过下一个不规则区域的安全速度；若是，则根据车辆实时速度、实时加速度以及车辆距离下一个不规则区域的距离，判断速度调控时机。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211696595.XA CN116228131A (zh) | 2022-12-28 | 2022-12-28 | 一种基于工地bim监控辅助方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211696595.XA CN116228131A (zh) | 2022-12-28 | 2022-12-28 | 一种基于工地bim监控辅助方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116228131A true CN116228131A (zh) | 2023-06-06 |
Family
ID=86568799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211696595.XA Pending CN116228131A (zh) | 2022-12-28 | 2022-12-28 | 一种基于工地bim监控辅助方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116228131A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116630898A (zh) * | 2023-07-21 | 2023-08-22 | 深圳市睿拓新科技有限公司 | 一种大规模工程施工智能化安全管理系统及其方法 |
| CN117634987A (zh) * | 2024-01-25 | 2024-03-01 | 中建安装集团有限公司 | 一种基于物联网的建筑高边坡施工评价管理系统及方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112945136A (zh) * | 2021-01-29 | 2021-06-11 | 中煤科工集团重庆研究院有限公司 | 用于边坡风险监测的监测点位遴选方法及系统 |
| CN113418496A (zh) * | 2021-05-26 | 2021-09-21 | 深圳市北斗云信息技术有限公司 | 边坡变形监测预警方法、系统及智能终端 |
-
2022
- 2022-12-28 CN CN202211696595.XA patent/CN116228131A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112945136A (zh) * | 2021-01-29 | 2021-06-11 | 中煤科工集团重庆研究院有限公司 | 用于边坡风险监测的监测点位遴选方法及系统 |
| CN113418496A (zh) * | 2021-05-26 | 2021-09-21 | 深圳市北斗云信息技术有限公司 | 边坡变形监测预警方法、系统及智能终端 |
Non-Patent Citations (2)
| Title |
|---|
| 刘洋洋;李永强;郭增长;李有鹏;: "基于AHP-Fuzzy和激光点云数据的公路边坡危险性评估研究", 灾害学, no. 01, 9 January 2018 (2018-01-09) * |
| 梅天灿;左治江;王刚;李仁威;李连杰;: "危险边坡智能监测及预报警综合系统的构建", 江汉大学学报(自然科学版), no. 02, 24 April 2020 (2020-04-24) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116630898A (zh) * | 2023-07-21 | 2023-08-22 | 深圳市睿拓新科技有限公司 | 一种大规模工程施工智能化安全管理系统及其方法 |
| CN116630898B (zh) * | 2023-07-21 | 2024-03-22 | 深圳市睿拓新科技有限公司 | 一种大规模工程施工智能化安全管理系统及其方法 |
| CN117634987A (zh) * | 2024-01-25 | 2024-03-01 | 中建安装集团有限公司 | 一种基于物联网的建筑高边坡施工评价管理系统及方法 |
| CN117634987B (zh) * | 2024-01-25 | 2024-04-02 | 中建安装集团有限公司 | 一种基于物联网的建筑高边坡施工评价管理系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116228131A (zh) | 一种基于工地bim监控辅助方法 | |
| CN117057614B (zh) | 一种基于遥感技术的公路安全运行动态变化预测方法及系统 | |
| WO2013173911A1 (en) | Road surface condition classification method and system | |
| Yusof et al. | Crack detection and classification in asphalt pavement images using deep convolution neural network | |
| CN111062648B (zh) | 一种沥青路面综合性能的评价方法 | |
| CN116110012B (zh) | 用于智慧工地的危险违规动作识别方法及系统 | |
| CN113240682B (zh) | 用于履带式起重机的防倾覆施工驾驶地图生成方法及系统 | |
| CN112633722B (zh) | 车载道路安全风险评估系统及方法 | |
| CN111597905A (zh) | 一种基于视频技术的公路隧道停车检测方法 | |
| CN116957345B (zh) | 用于无人驾驶系统中的数据处理方法 | |
| CN116168356A (zh) | 一种基于计算机视觉的车辆损伤判别方法 | |
| CN113095301A (zh) | 占道经营监测方法、系统与服务器 | |
| KR102477885B1 (ko) | 자율주행 도로의 주행 안전도를 평가하는 안전도 분석 관리 서버 | |
| CN117392853A (zh) | 一种基于云端的大数据智能车道控制系统 | |
| Prezioso et al. | Machine Learning Insights for Behavioral Data Analysis Supporting the Autonomous Vehicles Scenario | |
| KR102382219B1 (ko) | 인공지능 자율주행을 위한 도로상의 이상객체 데이터를 표출하는 방법 및 이상객체 각각에 대한 위험도에 따른 정보 가치를 추론하여 정보 이용료를 과금 정산 하는 방법 및 시스템 | |
| CN116631187B (zh) | 一种案件现场勘查信息智能采集分析系统 | |
| Pramanik et al. | Detection of Potholes using Convolutional Neural Network Models: A Transfer Learning Approach | |
| CN115083199A (zh) | 一种车位信息确定方法及其相关设备 | |
| CN107066985A (zh) | 一种基于快速霍夫变换的路口斑马线检测方法 | |
| Lyasheva et al. | Application of the weight model to detect the state registration number of the vehicle in the image | |
| CN111160153A (zh) | 一种基于图像处理的路面排水监测评估方法及系统 | |
| CN112614345B (zh) | 车辆速度的计算方法、装置、设备及存储介质 | |
| Bezawada et al. | Modeling lane and road characteristics for drive quality rating | |
| Cheng et al. | Vehicle detection and classification using model-based and fuzzy logic approaches |
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 |