CN116385690A - 一种基于bim模型的三维运维管控平台及其管控方法 - Google Patents

一种基于bim模型的三维运维管控平台及其管控方法 Download PDF

Info

Publication number
CN116385690A
CN116385690A CN202310653971.5A CN202310653971A CN116385690A CN 116385690 A CN116385690 A CN 116385690A CN 202310653971 A CN202310653971 A CN 202310653971A CN 116385690 A CN116385690 A CN 116385690A
Authority
CN
China
Prior art keywords
data
bim
dimensional
model
risk
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
Application number
CN202310653971.5A
Other languages
English (en)
Other versions
CN116385690B (zh
Inventor
周正
胡东风
周玉丹
麦立
武冠群
郭书恒
张玲
石庆玮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Yunkong Transportation Technology Co ltd
Original Assignee
Sichuan Yunkong Transportation Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Yunkong Transportation Technology Co ltd filed Critical Sichuan Yunkong Transportation Technology Co ltd
Priority to CN202310653971.5A priority Critical patent/CN116385690B/zh
Publication of CN116385690A publication Critical patent/CN116385690A/zh
Application granted granted Critical
Publication of CN116385690B publication Critical patent/CN116385690B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Optimization (AREA)
  • Computing Systems (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Architecture (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Analysis (AREA)
  • Computer Graphics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Image Analysis (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开一种基于BIM模型的三维运维管控平台及其管控方法。所述方法包括：采集目标区域的BIM数据、三维GIS数据、遥感图像数据；计算空间关联度，根据空间关联度提取空间差异特征，并将BIM数据、三维GIS数据、遥感图像数据融合得到融合特征；将融合特征和空间差异特征输入风险预警模型，输出风险指数；比对风险指数与预设值，若风险指数超过预设值，则确定目标区域存在安全风险，进行可视化风险展示。本发明将不同种类的BIM数据、GIS数据、遥感图像数据进行综合处理，提高风险检测的可靠性和精确性，能够及时发现管控区域的风险存在，提高管控区域的安全性。

Description

一种基于BIM模型的三维运维管控平台及其管控方法
技术领域
本发明涉及三维建筑管理技术领域，尤其涉及一种基于BIM模型的三维运维管控平台及其管控方法。
背景技术
三维可视化运维管控平台作为智慧建筑系统的核心平台，是结合计算机技术、网络技术、通信技术、自动控制技术，对建筑内所有相关设备进行全面有效的监控和管理。平台的设计按照“分散控制、集中管理”的指导思想，实现对多系统的三维空间可视化深度集成，即通过一套三维空间可视化平台实现对多个智能化系统和业务应用系统的集中控制管理，从而实现降低人工成本、保证运行品质、降低运行能耗的目标。
现有的三维运维管控平台一般在处理风险分析时都是由技术人员根据自身经验来判定，有时很难及时发现风险所在，而且风险分析的结果也不太准确。基于此，本发明提出一种基于BIM模型的三维运维管控方法。
发明内容
本发明提供了一种基于BIM模型的三维运维管控方法，包括：
采集目标区域的BIM数据、三维GIS数据、遥感图像数据；
计算BIM数据、三维GIS数据、遥感图像数据的空间关联度，根据空间关联度从BIM数据、三维GIS数据、遥感图像数据中提取空间差异特征，并将BIM数据、三维GIS数据、遥感图像数据融合得到融合特征；
将融合特征和空间差异特征输入风险预警模型，输出风险指数；
比对风险指数与预设值，若风险指数超过预设值，则确定目标区域存在安全风险，进行可视化风险展示。
如上所述的一种基于BIM模型的三维运维管控方法，其中，从三维模型平台中提取BIM数据，从地理信息系统中提取三维GIS数据，通过无人机设备采集遥感图像数据。
如上所述的一种基于BIM模型的三维运维管控方法，其中，风险预警模型训练，具体包括采集历史运维数据，即历史对不同目标区域的风险预警处理数据，包括不同目标区域的BIM数据、三维GIS数据、遥感图像数据，及其历史上对这些数据经人工或经验分析所得到的风险指数，使用这些数据训练预设机器模型。
如上所述的一种基于BIM模型的三维运维管控方法，其中，将历史数据按照区域种类不同进行历史数据划分，数据划分后分别进行融合特征和空间差异特征的计算，将计算得到的不同分块历史数据所对应的融合特征和空间差异特征分别输入不同的子机器模型中进行模型训练，得到多个子机器模型。
如上所述的一种基于BIM模型的三维运维管控方法，其中，各子机器模型可以采用同一原始机器模型进行不同数据的训练，也可以采用多种原始机器模型进行不同模型的训练。
本发明还提供一种基于BIM模型的三维运维管控平台，包括：三维模型平台、地理信息系统、无人机设备和管控系统；
三维模型平台、地理信息系统、无人机设备分别采集目标区域的BIM数据、三维GIS数据、遥感图像数据；
管控系统根据三维模型平台、地理信息系统、无人机设备采集的目标区域的BIM数据、三维GIS数据、遥感图像数据，计算BIM数据、三维GIS数据、遥感图像数据的空间关联度，根据空间关联度从BIM数据、三维GIS数据、遥感图像数据中提取空间差异特征，并将BIM数据、三维GIS数据、遥感图像数据融合得到融合特征；将融合特征和空间差异特征输入风险预警模型，输出风险指数；比对风险指数与预设值，若风险指数超过预设值，则确定目标区域存在安全风险，进行可视化风险展示。
如上所述的一种基于BIM模型的三维运维管控平台，其中，从平台三维模型中提取BIM数据，从地理信息系统中提取三维GIS数据，通过无人机设备采集遥感图像数据。
如上所述的一种基于BIM模型的三维运维管控平台，其中，风险预警模型训练，具体包括采集历史运维数据，即历史对不同目标区域的风险预警处理数据，包括不同目标区域的BIM数据、三维GIS数据、遥感图像数据，及其历史上对这些数据经人工或经验分析所得到的风险指数，使用这些数据训练预设机器模型。
如上所述的一种基于BIM模型的三维运维管控平台，其中，将历史数据按照区域种类不同进行历史数据划分，数据划分后分别进行融合特征和空间差异特征的计算，将计算得到的不同分块历史数据所对应的融合特征和空间差异特征分别输入不同的子机器模型中进行模型训练，得到多个子机器模型。
如上所述的一种基于BIM模型的三维运维管控平台，其中，各子机器模型可以采用同一原始机器模型进行不同数据的训练，也可以采用多种原始机器模型进行不同模型的训练。
本发明实现的有益效果如下：本发明将不同种类的BIM数据、GIS数据、遥感图像数据进行综合处理，提高风险检测的可靠性和精确性，能够及时发现管控区域的风险存在，提高管控区域的安全性。
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中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于BIM模型的三维运维管控方法流程图。
具体实施方式
下面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，本领域技术人员在没有做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。
实施例一
本发明实施例一提供一种基于BIM模型的三维运维管控平台，包括：
基础设备层：该层由智能化系统中所包括的子系统或设备组成，以及相关的综合布线、通讯、计算机网络系统所组成，该层主要完成对子系统现场控制设备的实时信息进行收集和处理。由于各个子系统可能采用不同的通信协议和数据格式，所以该层需要平台完成对不同的协议和数据格式的转换。
支撑平台层：该层包括了三维可视化需要的基础引擎服务，包括遥感技术引擎、GIS地图引擎、地理信息系统引擎、全球定位系统引擎、Unity3D渲染引擎和BIM模型引擎；同时该层对基础设备层过来的数据进行过滤，去除多余数据，对关键数据进行保存，对存储数据进行分析；通过消息队列、推送服务和接口服务等确保各类数据流通顺畅。
智慧应用层：该层按使用角色和场景对平台的功能模块进行分类管理。通过该层用户可根据预先的设计完成对子系统的功能配置和设定，完成联动的设置和对系统的综合管理。
服务接入层：该层是人机对话的窗口，将应用层处理过的信息用明了形象、直观的方式在计算机屏幕上显示出来，为用户提供实时监视和控制整个项目的所有现场信息，该层支持Web、APP、小程序和定制可视化界面。
如图1所示，一种基于BIM模型的三维运维管控方法，包括：
步骤110、采集目标区域的BIM数据、三维GIS数据、遥感图像数据；
在对某一目标区域进行运维管控时，需要从多个角度获取能反应该目标区域特征的数据，包括但不限于BIM数据、三维GIS数据、遥感图像数据，具体从三维模型平台中提取BIM数据，从地理信息系统中提取三维GIS数据，通过无人机等设备采集遥感图像数据。
步骤120、计算BIM数据、三维GIS数据、遥感图像数据的空间关联度，根据空间关联度从BIM数据、三维GIS数据、遥感图像数据中提取空间差异特征，并将BIM数据、三维GIS数据、遥感图像数据融合得到融合特征；
本申请实施例中，由于不同角度采集的BIM数据、三维GIS数据、遥感图像数据虽然都反应的是目标区域的特征，但是不同数据类型之间存在一定的数据属性差异，所以先要确定不同类型数据之间从空间角度出发的关联程度，在计算出关联程度之后，就可以确定不同数据类型所反映的空间区域之间所存在的空间差异特征。
具体地，采用公式
Figure SMS_2
计算BIM数据、三维GIS数据、遥感图像数据的空间关联度，其中，/>
Figure SMS_6
为BIM数据、三维GIS数据、遥感图像数据的空间关联度，/>
Figure SMS_7
为BIM数据、三维GIS数据、遥感图像数据共同监测区域在其对应监测的整体区域内的比例，/>
Figure SMS_1
表示BIM数据、三维GIS数据、遥感图像数据共同监测区域在其对应监测的整体区域内的比例对空间关联度的影响权重；/>
Figure SMS_4
表示共同监测区域内BIM数据、三维GIS数据、遥感图像数据所包含的风险种类，i的取值为1到n，n为不同数据类型所包括的风险种类总数，/>
Figure SMS_8
表示第i种风险种类所对应的风险因子，/>
Figure SMS_9
表示计算共同监测区域的风险总之，/>
Figure SMS_3
表示共同监测区域的安全等级，/>
Figure SMS_5
为区域风险对空间关联度的影响权重。
本申请实施例在进行后续风险预警机器模型的训练时，除了考虑不同类型数据之间存在的空间差异，还需要综合考虑不同类型数据之间的融合特征，以此提高机器模型的精确度。
具体地，采用公式
Figure SMS_12
对BIM数据、三维GIS数据、遥感图像数据进行融合，得到融合特征，式中，/>
Figure SMS_13
为融合特征，/>
Figure SMS_15
为BIM数据、三维GIS数据、遥感图像数据共同监测区域内的BIM数据，/>
Figure SMS_11
为BIM数据、三维GIS数据、遥感图像数据共同监测区域内的三维GIS数据，/>
Figure SMS_14
为BIM数据、三维GIS数据、遥感图像数据共同监测区域内的遥感图像数据，/>
Figure SMS_16
、/>
Figure SMS_17
和/>
Figure SMS_10
分别表示BIM数据、三维GIS数据、遥感图像数据的融合权重。
步骤130、将融合特征和空间差异特征输入风险预警模型，输出风险指数；
具体地，在进行风险预警模型训练时，先采集历史运维数据，即历史对不同目标区域的风险预警处理数据，包括不同目标区域的BIM数据、三维GIS数据、遥感图像数据，及其历史上对这些数据经人工或经验分析所得到的风险指数，使用这些数据训练预设机器模型，以提高机器模型对风险评估的准确性。
优选地，本申请将历史数据按照区域种类不同（例如监测某一厂房内的风险情况，则可以将该厂房分为重点关注区域、安全等级要求高区域、风险常出现区域等）进行历史数据划分，数据划分后分别进行融合特征和空间差异特征的计算，将计算得到的不同分块历史数据所对应的融合特征和空间差异特征分别输入不同的子机器模型（各子机器模型可以采用同一原始机器模型进行不同数据的训练，也可以采用多种原始机器模型进行不同模型的训练）中进行模型训练，得到多个子机器模型；用公式
Figure SMS_18
估计子分类模型/>
Figure SMS_19
的权重的集合/>
Figure SMS_20
，/>
Figure SMS_21
分别用不同分开历史数据进行子分类模型训练；通过各个子分类模型/>
Figure SMS_22
和其对应的权重的最优值
Figure SMS_23
组合确定风险指数，t表示第t个子分类模型。在本次目标区域风险检测中，将采集并处理后得到的融合特征和空间差异特征输入训练好的风险预警模型中，输出风险等级。
步骤140、比对风险指数与预设值，若风险指数超过预设值，则确定目标区域存在安全风险，进行可视化风险展示。
实施例二
本发明实施例二提供一种基于BIM模型的三维运维管控平台，包括：三维模型平台、地理信息系统、无人机设备和管控系统；
三维模型平台、地理信息系统、无人机设备分别采集目标区域的BIM数据、三维GIS数据、遥感图像数据；
在对某一目标区域进行运维管控时，需要从多个角度获取能反应该目标区域特征的数据，包括但不限于BIM数据、三维GIS数据、遥感图像数据，具体从三维模型平台中提取BIM数据，从地理信息系统中提取三维GIS数据，通过无人机等设备采集遥感图像数据。
管控系统根据三维模型平台、地理信息系统、无人机设备采集的目标区域的BIM数据、三维GIS数据、遥感图像数据，计算BIM数据、三维GIS数据、遥感图像数据的空间关联度，根据空间关联度从BIM数据、三维GIS数据、遥感图像数据中提取空间差异特征，并将BIM数据、三维GIS数据、遥感图像数据融合得到融合特征；将融合特征和空间差异特征输入风险预警模型，输出风险指数；比对风险指数与预设值，若风险指数超过预设值，则确定目标区域存在安全风险，进行可视化风险展示。
本申请实施例中，由于不同角度采集的BIM数据、三维GIS数据、遥感图像数据虽然都反应的是目标区域的特征，但是不同数据类型之间存在一定的数据属性差异，所以先要确定不同类型数据之间从空间角度出发的关联程度，在计算出关联程度之后，就可以确定不同数据类型所反映的空间区域之间所存在的空间差异特征。
具体地，采用公式
Figure SMS_25
计算BIM数据、三维GIS数据、遥感图像数据的空间关联度，其中，/>
Figure SMS_28
为BIM数据、三维GIS数据、遥感图像数据的空间关联度，
Figure SMS_30
为BIM数据、三维GIS数据、遥感图像数据共同监测区域在其对应监测的整体区域内的比例，/>
Figure SMS_26
表示BIM数据、三维GIS数据、遥感图像数据共同监测区域在其对应监测的整体区域内的比例对空间关联度的影响权重；/>
Figure SMS_29
表示共同监测区域内BIM数据、三维GIS数据、遥感图像数据所包含的风险种类，i的取值为1到n，n为不同数据类型所包括的风险种类总数，
Figure SMS_31
表示第i种风险种类所对应的风险因子，/>
Figure SMS_32
表示计算共同监测区域的风险总之，/>
Figure SMS_24
表示共同监测区域的安全等级，/>
Figure SMS_27
为区域风险对空间关联度的影响权重。
本申请实施例在进行后续风险预警机器模型的训练时，除了考虑不同类型数据之间存在的空间差异，还需要综合考虑不同类型数据之间的融合特征，以此提高机器模型的精确度。
具体地，采用公式
Figure SMS_34
对BIM数据、三维GIS数据、遥感图像数据进行融合，得到融合特征，式中，/>
Figure SMS_37
为融合特征，/>
Figure SMS_39
为BIM数据、三维GIS数据、遥感图像数据共同监测区域内的BIM数据，/>
Figure SMS_35
为BIM数据、三维GIS数据、遥感图像数据共同监测区域内的三维GIS数据，/>
Figure SMS_36
为BIM数据、三维GIS数据、遥感图像数据共同监测区域内的遥感图像数据，/>
Figure SMS_38
、/>
Figure SMS_40
和/>
Figure SMS_33
分别表示BIM数据、三维GIS数据、遥感图像数据的融合权重。
在进行风险预警模型训练时，先采集历史运维数据，即历史对不同目标区域的风险预警处理数据，包括不同目标区域的BIM数据、三维GIS数据、遥感图像数据，及其历史上对这些数据经人工或经验分析所得到的风险指数，使用这些数据训练预设机器模型，以提高机器模型对风险评估的准确性。
优选地，本申请将历史数据按照区域种类不同（例如监测某一厂房内的风险情况，则可以将该厂房分为重点关注区域、安全等级要求高区域、风险常出现区域等）进行历史数据划分，数据划分后分别进行融合特征和空间差异特征的计算，将计算得到的不同分块历史数据所对应的融合特征和空间差异特征分别输入不同的子机器模型（各子机器模型可以采用同一原始机器模型进行不同数据的训练，也可以采用多种原始机器模型进行不同模型的训练）中进行模型训练，得到多个子机器模型；用公式
Figure SMS_41
估计子分类模型/>
Figure SMS_42
的权重的集合/>
Figure SMS_43
，/>
Figure SMS_44
分别用不同分开历史数据进行子分类模型训练；通过各个子分类模型/>
Figure SMS_45
和其对应的权重的最优值
Figure SMS_46
组合确定风险指数，t表示第t个子分类模型。在本次目标区域风险检测中，将采集并处理后得到的融合特征和空间差异特征输入训练好的风险预警模型中，输出风险等级。
与上述实施例对应的，本发明实施例提供一种基于BIM模型的三维运维管控装置，包括：至少一个存储器和至少一个处理器；
存储器用于存储一个或多个程序指令；
处理器，用于运行一个或多个程序指令，用以执行一种基于BIM模型的三维运维管控方法。
与上述实施例对应的，本发明实施例提供一种计算机可读存储介质，计算机存储介质中包含一个或多个程序指令，一个或多个程序指令用于被处理器执行一种基于BIM模型的三维运维管控方法。
本发明所公开的实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序指令，当所述计算机程序指令在计算机上运行时，使得计算机执行上述的一种基于BIM模型的三维运维管控方法。
在本发明实施例中，处理器可以是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(FieldProgrammableGate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息，结合其硬件完成上述方法的步骤。
存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
其中，非易失性存储器可以是只读存储器(Read-Only Memory，简称ROM)、可编程只读存储器(Programmable ROM，简称PROM)、可擦除可编程只读存储器(Erasable PROM，简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM，简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory，简称RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，简称SRAM)、动态随机存取存储器(Dynamic RAM，简称DRAM)、同步动态随机存取存储器(Synchronous DRAM，简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM，简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，简称SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

Claims (10)

1.一种基于BIM模型的三维运维管控方法，其特征在于，包括：
采集目标区域的BIM数据、三维GIS数据、遥感图像数据；
计算BIM数据、三维GIS数据、遥感图像数据的空间关联度，根据空间关联度从BIM数据、三维GIS数据、遥感图像数据中提取空间差异特征，并将BIM数据、三维GIS数据、遥感图像数据融合得到融合特征；
将融合特征和空间差异特征输入风险预警模型，输出风险指数；
比对风险指数与预设值，若风险指数超过预设值，则确定目标区域存在安全风险，进行可视化风险展示。
2.如权利要求1所述的一种基于BIM模型的三维运维管控方法，其特征在于，从三维模型平台中提取BIM数据，从地理信息系统中提取三维GIS数据，通过无人机设备采集遥感图像数据。
3.如权利要求1所述的一种基于BIM模型的三维运维管控方法，其特征在于，风险预警模型训练，具体包括采集历史运维数据，即历史对不同目标区域的风险预警处理数据，包括不同目标区域的BIM数据、三维GIS数据、遥感图像数据，及其历史上对这些数据经人工或经验分析所得到的风险指数，使用这些数据训练预设机器模型。
4.如权利要求3所述的一种基于BIM模型的三维运维管控方法，其特征在于，将历史数据按照区域种类不同进行历史数据划分，数据划分后分别进行融合特征和空间差异特征的计算，将计算得到的不同分块历史数据所对应的融合特征和空间差异特征分别输入不同的子机器模型中进行模型训练，得到多个子机器模型。
5.如权利要求4所述的一种基于BIM模型的三维运维管控方法，其特征在于，各子机器模型采用同一原始机器模型进行不同数据的训练，或者采用多种原始机器模型进行不同模型的训练。
6.一种基于BIM模型的三维运维管控平台，其特征在于，包括：三维模型平台、地理信息系统、无人机设备和管控系统；
三维模型平台、地理信息系统、无人机设备分别采集目标区域的BIM数据、三维GIS数据、遥感图像数据；
管控系统根据三维模型平台、地理信息系统、无人机设备采集的目标区域的BIM数据、三维GIS数据、遥感图像数据，计算BIM数据、三维GIS数据、遥感图像数据的空间关联度，根据空间关联度从BIM数据、三维GIS数据、遥感图像数据中提取空间差异特征，并将BIM数据、三维GIS数据、遥感图像数据融合得到融合特征；将融合特征和空间差异特征输入风险预警模型，输出风险指数；比对风险指数与预设值，若风险指数超过预设值，则确定目标区域存在安全风险，进行可视化风险展示。
7.如权利要求6所述的一种基于BIM模型的三维运维管控平台，其特征在于，从平台三维模型中提取BIM数据，从地理信息系统中提取三维GIS数据，通过无人机设备采集遥感图像数据。
8.如权利要求6所述的一种基于BIM模型的三维运维管控平台，其特征在于，风险预警模型训练，具体包括采集历史运维数据，即历史对不同目标区域的风险预警处理数据，包括不同目标区域的BIM数据、三维GIS数据、遥感图像数据，及其历史上对这些数据经人工或经验分析所得到的风险指数，使用这些数据训练预设机器模型。
9.如权利要求8所述的一种基于BIM模型的三维运维管控平台，其特征在于，将历史数据按照区域种类不同进行历史数据划分，数据划分后分别进行融合特征和空间差异特征的计算，将计算得到的不同分块历史数据所对应的融合特征和空间差异特征分别输入不同的子机器模型中进行模型训练，得到多个子机器模型。
10.如权利要求9所述的一种基于BIM模型的三维运维管控平台，其特征在于，各子机器模型采用同一原始机器模型进行不同数据的训练，或者采用多种原始机器模型进行不同模型的训练。
CN202310653971.5A 2023-06-05 2023-06-05 一种基于bim模型的三维运维管控平台及其管控方法 Active CN116385690B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310653971.5A CN116385690B (zh) 2023-06-05 2023-06-05 一种基于bim模型的三维运维管控平台及其管控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310653971.5A CN116385690B (zh) 2023-06-05 2023-06-05 一种基于bim模型的三维运维管控平台及其管控方法

Publications (2)

Publication Number Publication Date
CN116385690A true CN116385690A (zh) 2023-07-04
CN116385690B CN116385690B (zh) 2023-09-26

Family

ID=86971613

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310653971.5A Active CN116385690B (zh) 2023-06-05 2023-06-05 一种基于bim模型的三维运维管控平台及其管控方法

Country Status (1)

Country Link
CN (1) CN116385690B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116681292A (zh) * 2023-08-04 2023-09-01 交通运输部水运科学研究所 基于深度学习的石化港区安全风险分析及责任划分方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180349522A1 (en) * 2017-06-05 2018-12-06 Siteaware Systems Ltd. Adaptive Modeling of Buildings During Construction
CN110008618A (zh) * 2019-04-15 2019-07-12 华夏天信（北京）智能低碳技术研究院有限公司 一种基于gis和bim的应急辅助决策系统
CN110929923A (zh) * 2019-11-08 2020-03-27 温州设计集团有限公司 基于数字孪生技术的城市安全风险管控系统
CN111022066A (zh) * 2019-11-11 2020-04-17 北京住总集团有限责任公司 一种基于bim与gis的盾构机风险源穿越三维模拟及监控系统
KR20200066762A (ko) * 2018-12-03 2020-06-11 (주)에프엠종합건설 Bim 데이터를 이용한 건축 공사 시방서 생성 방법, 이를 수행하기 위한 기록매체 및 시스템
CN111866453A (zh) * 2020-06-30 2020-10-30 河海大学 一种基于人工智能和bim的堰塞坝应急监测预警方法
KR102428277B1 (ko) * 2021-05-27 2022-08-02 한양대학교 산학협력단 3d bim-gis 기반 건설장비·안전 관제 시스템 및 활용 방법
CN115578685A (zh) * 2022-09-08 2023-01-06 中冶赛迪信息技术(重庆)有限公司 一种基于三维模型的区域监控方法、系统、设备及存储介质
CN115773723A (zh) * 2022-11-25 2023-03-10 中交第三公路工程局有限公司 基于bim的路基段落采空区变形监测方法及系统
WO2023061039A1 (zh) * 2021-10-13 2023-04-20 中通服和信科技有限公司 基于物联网的尾矿库风险监测预警系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180349522A1 (en) * 2017-06-05 2018-12-06 Siteaware Systems Ltd. Adaptive Modeling of Buildings During Construction
KR20200066762A (ko) * 2018-12-03 2020-06-11 (주)에프엠종합건설 Bim 데이터를 이용한 건축 공사 시방서 생성 방법, 이를 수행하기 위한 기록매체 및 시스템
CN110008618A (zh) * 2019-04-15 2019-07-12 华夏天信（北京）智能低碳技术研究院有限公司 一种基于gis和bim的应急辅助决策系统
CN110929923A (zh) * 2019-11-08 2020-03-27 温州设计集团有限公司 基于数字孪生技术的城市安全风险管控系统
CN111022066A (zh) * 2019-11-11 2020-04-17 北京住总集团有限责任公司 一种基于bim与gis的盾构机风险源穿越三维模拟及监控系统
CN111866453A (zh) * 2020-06-30 2020-10-30 河海大学 一种基于人工智能和bim的堰塞坝应急监测预警方法
KR102428277B1 (ko) * 2021-05-27 2022-08-02 한양대학교 산학협력단 3d bim-gis 기반 건설장비·안전 관제 시스템 및 활용 방법
WO2023061039A1 (zh) * 2021-10-13 2023-04-20 中通服和信科技有限公司 基于物联网的尾矿库风险监测预警系统
CN115578685A (zh) * 2022-09-08 2023-01-06 中冶赛迪信息技术(重庆)有限公司 一种基于三维模型的区域监控方法、系统、设备及存储介质
CN115773723A (zh) * 2022-11-25 2023-03-10 中交第三公路工程局有限公司 基于bim的路基段落采空区变形监测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
袁文华 等: "基于片区治理的城市老化风险评估及空间分异机制", 《经济地理》, vol. 40, no. 7, pages 81 - 92 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116681292A (zh) * 2023-08-04 2023-09-01 交通运输部水运科学研究所 基于深度学习的石化港区安全风险分析及责任划分方法
CN116681292B (zh) * 2023-08-04 2024-04-09 交通运输部水运科学研究所 基于深度学习的石化港区安全风险分析及责任划分方法

Also Published As

Publication number Publication date
CN116385690B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
CN116385690B (zh) 一种基于bim模型的三维运维管控平台及其管控方法
KR102151272B1 (ko) 예측모델 학습을 통한 데이터 분석 방법, 장치 및 컴퓨터프로그램
CN113570867B (zh) 一种城市交通状态预测方法、装置、设备及可读存储介质
CN210183356U (zh) 一种海绵城市暴雨检测预警系统
KR101876114B1 (ko) 3d 모델링 구현을 위한 단말기, 서버, 이들을 포함하는 시스템 및 이를 이용하는 3d 모델링 방법
CN112687080B (zh) 结合气象预警的地质灾害监测设备采集上报频率调整方法
CN109783591B (zh) 基于互联网地图的空间数据采集方法及装置
CN110836683A (zh) 河道管理方法、河道管理装置及终端
CN116863704A (zh) 一种基于大数据的智能交通数字孪生处理方法及系统
CN113962465A (zh) 降水预报方法、设备、装置及存储介质
CN114021766A (zh) 一种基于物联网和大数据的城市水安全预测方法
CN115272002A (zh) 一种建筑能源预测方法、装置、存储介质及程序产品
CN106649875B (zh) 舆情大数据的可视化系统
CN111488338B (zh) 应用于风控决策流的模型监控方法及装置
CN116958959A (zh) 一种高程信息的处理方法、装置、电子设备和存储介质
CN117455032A (zh) 基于地理模型的路网规划优化方法及系统
CN117333032A (zh) 用于运河城市气象安全监测预报服务的管理方法和系统
CN117291576A (zh) 一种基于工业场景数据趋势预测的方法、系统、计算机设备及存储介质
CN112766671A (zh) 一种智慧社区数据监测系统
CN115391746B (zh) 针对气象要素数据的插值方法、装置、电子设备及介质
CN115294770B (zh) 一种雨天交通拥堵指数的预测方法和装置
CN113362630B (zh) 交通信号设备故障分析处理方法、系统及计算机存储介质
CN115983524A (zh) 智慧环保平台水环境管理系统的黑臭水管理模块及方法
CN113420563A (zh) 一种基于人工智能的城市文明监控方法、系统及装置
CN114708699B (zh) 基于cim的建筑运维监控报警系统及方法

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