CN116562824B - 一种公路工程全生命周期项目管理方法及系统 - Google Patents
一种公路工程全生命周期项目管理方法及系统 Download PDFInfo
- Publication number
- CN116562824B CN116562824B CN202310594954.9A CN202310594954A CN116562824B CN 116562824 B CN116562824 B CN 116562824B CN 202310594954 A CN202310594954 A CN 202310594954A CN 116562824 B CN116562824 B CN 116562824B
- Authority
- CN
- China
- Prior art keywords
- safety
- highway engineering
- construction
- violations
- security
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 55
- 238000010276 construction Methods 0.000 claims abstract description 74
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- 238000009825 accumulation Methods 0.000 claims abstract description 5
- 230000006399 behavior Effects 0.000 claims description 38
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012502 risk assessment Methods 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 7
- 230000001681 protective effect Effects 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 5
- 230000000391 smoking effect Effects 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 2
- 239000002699 waste material Substances 0.000 claims description 2
- 230000003111 delayed effect Effects 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 9
- 238000012545 processing Methods 0.000 abstract description 2
- 241000282421 Canidae Species 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 241000282461 Canis lupus Species 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
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
- 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
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Computer Security & Cryptography (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种公路工程全生命周期项目管理方法及系统，属于数据处理技术领域，具体包括：基于图像采集装置对工人的疑似安全违规行为进行识别，并当设定时间内的疑似安全违规行为的次数不大于第一阈值时，基于安全违规行为的次数、疑似安全违规行为的次数、综合安全风险评估值得到公路工程的安全风险评分，并当安全风险评分小于预设风险值时，基于公路工程的工期要求、施工进度百分比、施工累计时间，进行公路工程的施工工期的管理建议的输出，从而进一步提升了项目管理的全面性，减少了安全风险的发生。
Description
技术领域
本发明属于数据处理技术领域，尤其涉及一种公路工程全生命周期项目管理方法及系统。
背景技术
为了实现对公路工程在施工过程中的全生命周期的项目管理，在授权发明专利授权公告号CN112150031B《一种基于大数据的公路工程施工进度管理方法和系统》中通过无人机获取施工公路的已完成公路的长度和面积，得到未完成公路面积、已完成公路长度和公路总长度的比值c，并进一步得到剩余工程所需资金量、工人数量、物资量v，将c的进度序列输入TCN网络预测剩余工期，通过神经网络检测RGB图像获得现有物资量V、工人数量、工程质量评分，根据V、v得到现有可调度物资量v′；并根据现有可调度物资量v′、工人数量、现有资金量生成物资调配方案，从而进一步缩减了施工进度，但是却存在一下技术问题：
未进行安全管理的考虑，仅仅考虑进行进度管理，从而有可能会不可避免的在施工过程中造成更大的人员安全风险，严重时甚至会发生安全事故的技术问题的出现，降低了项目管理的全面性和可靠性。
针对上述技术问题，本发明提供了一种公路工程全生命周期项目管理方法及系统。
发明内容
为实现本发明目的，本发明采用如下技术方案：
根据本发明的一个方面，提供了一种公路工程全生命周期项目管理方法。
一种公路工程全生命周期项目管理方法，其特征在于，具体包括：
S11基于公路工程的施工现场的图像采集装置，对工人的疑似安全违规行为进行识别，并基于设定时间内的所述疑似安全违规行为的次数判断是否存在安全隐患，若是，则输出安全风险较大，建议进行安全管理，若否，则进入步骤S12；
S12基于疑似安全违规行为的图像获取在设定时间内的工人的安全违规行为的次数，并基于设定时间内的工人的所述安全违规行为的次数判断是否存在安全隐患，若是，则输出安全风险较大，建议进行安全管理，若否，则进入步骤S13；
S13将所述工人的安全违规行为进行分类得到位置类不安全行为、防护用品使用类不安全行为、设备操作类不安全行为、动作类不安全行为，并根据所述位置类不安全行为的人数和权重、防护用品使用类不安全行为的人数和权重、设备操作类不安全行为的人数和权重、动作类不安全行为的人数和权重进行综合安全风险评估值的确定，并基于所述综合安全风险评估值确定是否存在安全隐患，若是，则输出安全风险较大，建议进行安全管理，若否，则进入步骤S14；
S14基于所述安全违规行为的次数、所述疑似安全违规行为的次数、所述综合安全风险评估值，得到所述公路工程的安全风险评分，并当所述公路工程的安全风险评分小于预设风险值时，基于所述公路工程的工期要求、施工进度百分比、施工累计时间，进行所述公路工程的施工工期的管理建议的输出。
通过疑似安全违规行为的识别，从而实现了对公路工程的安全违规行为的自动监视以及筛选，避免了原有的施工安全行为完全依靠人为识别从而导致的不够准确和全面的技术问题的出现，并且也保证了进行施工工期的管理能够建立在安全的基础上，促进了整体的最终的项目管理的全面性、科学性和有效性。
通过基于设定时间内的工人的所述安全违规行为的次数进行安全隐患的判断，从而实现了从另外一个角度对公路工程的安全违规行为的识别和筛选，从而避免了单一的安全违规行为的识别的不够准确和不够全面的技术问题，进一步提升了最终的项目管理的安全性和全面性。
另一方面，本申请实施例中提供一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能 够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时上述的一种公路工程全生命周期项目管理方法。
另一方面，本发明提供了一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种公路工程全生命周期项目管理方法。
其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显；
图1是根据实施例1的一种公路工程全生命周期项目管理方法的流程图；
图2是根据实施例1的疑似安全违规行为进行识别的具体步骤的流程图；
图3是根据实施例1的安全风险评分构建的具体步骤的流程图；
图4是实施例3中的一种计算机存储介质的框架图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。
用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
实施例1
为解决上述问题，根据本发明的一个方面，如图1所示，提供了一种公路工程全生命周期项目管理方法，其特征在于，具体包括：
S11基于公路工程的施工现场的图像采集装置，对工人的疑似安全违规行为进行识别，并基于设定时间内的所述疑似安全违规行为的次数判断是否存在安全隐患，若是，则输出安全风险较大，建议进行安全管理，若否，则进入步骤S12；
具体的，如图2所示，疑似安全违规行为进行识别的具体步骤为：
S21对所述图像采集装置实时采集得到的施工图像进行初始化处理，将其转化为灰度图像，并将所述灰度图像转换为统一尺寸的输入图像；
具体的举个例子，采集到的图像是彩色的，包含的信息量巨大，对后续的图像特征识别不利，因此基于人工智能技术的深度学习算法对图像进行预处理。在数字图像中，每个像素点对应三个颜色的亮度值，代表每个颜色在像素中所占的百分比，通过不同比例的混合，可以得到各种各样的颜色，用数学的方法来描述数字图像，进行灰度划分，每个像素点对应的灰度值计算式为：
具体的举个例子，调整图像尺寸；通过 matlab 中的 imresize函数将照片统一为固定大小，在使用 CNN 网络进行图像识别时，输入为一张宽为 W1，高为 H1，深度为 D1的图片，表示为W1*H1*D1；在这里，深度为图像存储每个像素所用位数。通常输入图片大小为227×227×3或224×224×3。
S22基于所述输入图像，采用基于CNN算法的图像识别模型，得到识别结果；
具体的，在采用基于CNN算法的图像识别模型得到识别结果之前，通常需要设定一系列的超参数，包括优化算法、学习率(Learning Rate) 及批样本大小(Batch Size) 。
S23基于所述识别结果确定所述输入图像是否存在疑似安全违规行为。
具体的，识别结果的取值范围包括0或者1两种，其中0表示不存在疑似安全违规行为，1表示存在疑似安全违规行为。
具体的举个例子，当设定时间内的所述疑似安全违规行为的次数为70次时，第一阈值为50次，则输出安全风险较大，建议进行安全管理。
具体的举个例子，所述疑似安全违规行为包括：位置类不安全行为、防护用品使用类不安全行为、设备操作类不安全行为、动作类不安全行为，其中所述动作类不安全行为包括攀坐平台安全护栏、翻越平台安全护栏、高空抛扔材料弃物、非吸烟区域抽烟。
通过疑似安全违规行为的识别以及第一阈值的设置，从而实现了对公路工程的安全违规行为的自动监视以及筛选，避免了原有的施工安全行为完全依靠人为识别从而导致的不够准确和全面的技术问题的出现，并且也保证了进行施工工期的管理能够建立在安全的基础上，促进了整体的最终的项目管理的全面性、科学性和有效性。
S12基于疑似安全违规行为的图像获取在设定时间内的工人的安全违规行为的次数，并基于设定时间内的工人的所述安全违规行为的次数判断是否存在安全隐患，若是，则输出安全风险较大，建议进行安全管理，若否，则进入步骤S13；
具体的举个例子，设定时间内的工人的安全违规行为的次数为30次，大于20次时，则输出安全风险较大，建议进行安全管理。
通过基于设定时间内的工人的所述安全违规行为的次数进行安全隐患的判断，从而实现了从另外一个角度对公路工程的安全违规行为的识别和筛选，从而避免了单一的安全违规行为的识别的不够准确和不够全面的技术问题，进一步提升了最终的项目管理的安全性和全面性。
S13将所述工人的安全违规行为进行分类得到位置类不安全行为、防护用品使用类不安全行为、设备操作类不安全行为、动作类不安全行为，并根据所述位置类不安全行为的人数和权重、防护用品使用类不安全行为的人数和权重、设备操作类不安全行为的人数和权重、动作类不安全行为的人数和权重进行综合安全风险评估值的确定，并基于所述综合安全风险评估值确定是否存在安全隐患，若是，则输出安全风险较大，建议进行安全管理，若否，则进入步骤S14；
具体的，在进行所述公路的综合安全风险评估值的构建之前，基于所述安全违规行为的次数、所述疑似安全违规行为的次数，构建数学模型，得到所述公路工程的人员安全风险评分，并基于所述公路工程的人员安全风险评分确定是否存在安全隐患，若是，则无须进行所述公路的施工质量评分的构建，并输出安全风险较大，建议进行安全管理，若否，则进行所述公路的施工质量评分的构建。
具体的举个例子，人员安全风险评分的计算公式为：其中t1、t2分别为所述疑似安全违规行为的次数、安全违规行为的次数，K1为常数，取值范围在0到0.3之间。
具体的，采用基于GWO-LSTM算法的评估模型得到所述公路的综合安全风险评估值的具体步骤为：
步骤 1 根据权重和偏置取值范围随机初始化灰狼的位置向量，数学表达式为：式中:X0为当前灰狼的初始位置向量;r(1)，r(2)，…，r(K)均为0与1之间的随机数。
步骤 2 将灰狼的初始位置向量赋值给LSTM中的权重和偏置，利用训练样本对模型进行训练，以RMSE 为适应度函数，将RMSE值中最低的3只灰狼分别作为Alpha 狼、Beta狼和Delta狼。
步骤 3 更新灰狼的位置，并计算各灰狼的适应度值，选出新的Alpha狼、Beta狼和Delta狼。
步骤 4 判断是否达到最大迭代次数，若未达到则返回步骤 3，否则将 Alpha 狼的位置向量赋值给LSTM中的权重和偏置，数学表达式为：式中:/>为经历了最大次数的迭代后Alpha狼的位置向量。
步骤5输入输入集进行预测。
具体的举个例子，系数向量Α在一定程度上影响算法的探索和开发，当时，种群进行全局搜索；当 |A|<1时，种群进行局部精确搜索,同时收敛因子a的大小决定着Α的大小，基于上述分析，采用随机的方式控制收敛因子，数学模型如下:amax、amin是收敛因子的最大值和最小值，rand()是（0,1）区间产生随机数的一个随机函数，randn()是生成标准正态分布的伪随机数，t为当前迭代次数，tmax为最大迭代次数。
需要说明的是，在进行公路工程的安全风险评分的评估之前，还需要对公路工程的施工质量进行判断，具体的：
基于公路的压实度、路面厚度、路面平整度，采用基于机器学习算法的评估模型，得到所述公路的施工质量评分，并基于所述公路的施工质量评分判断施工质量是否满足要求，若否，则输出施工质量无法满足要求，暂不进行施工工期的管理，若是，则进入步骤S14；
具体的举个例子，若公路的施工质量评分为0.75，当其大于0.6时，说明施工质量良好，则进入步骤S14。
具体的，公路的施工质量评分构建的具体步骤为：
S31基于所述公路的压实度存在问题的公路里程与已完工的公路里程的比值得到问题压实度比值，并基于所述问题压实度比值是确定施工质量是否存在问题，若是，则所述公路的施工质量评分为0，若否，则进入步骤S32；
具体的举个例子，公路的压实度存在问题的公路里程，即压实度不能满足国家对于公路压实度的要求的公路里程为100KM，而已完工的公路里程为500KM，则问题压实度比值为0.2，当其大于0.1时，说明施工质量存在问题，则公路的施工质量评分为0。
S32基于所述公路的压实度的平均值判断施工质量是否存在问题，若是，则所述公路的施工质量评分为0，若否，则进入步骤S33；
S33基于所述公路的路面厚度的平均值确定施工质量是否存在问题，若是，则所述公路的施工质量评分为0，若否，则进入步骤S34；
S34基于所述公路的路面厚度的平均值、问题压实度比值、公路的压实度的平均值、路面平整度的平均值构建输入集，并基于所述输入集，采用基于GWO-LSTM算法的评估模型，得到所述公路的施工质量评分。
S14基于所述安全违规行为的次数、所述疑似安全违规行为的次数、所述综合安全风险评估值，得到所述公路工程的安全风险评分，并当所述公路工程的安全风险评分小于预设风险值时，基于所述公路工程的工期要求、施工进度百分比、施工累计时间，进行所述公路工程的施工工期的管理建议的输出。
具体的，如图3所示，安全风险评分构建的具体步骤为：
基于所述安全违规行为的次数、所述疑似安全违规行为的次数，构建数学模型，得到所述公路工程的人员安全风险评分；
基于所述公路工程的人员安全风险评分、所述综合安全风险评估值，采用基于LSTM算法的预测模型，得到所述公路工程的基础安全风险评分；
基于所述公路工程的施工人数，对所述公路工程的基础安全风险评分进行修正，得到所述公路工程的安全风险评分。
具体的，基于所述施工进度百分比和所述施工累计时间，确定完成所述公路工程的剩余施工进度的所需时间，并判断所述所需时间是否满足所述公路工程的工期要求，若是，则输出无须进行施工工期的管理，若否，则输出施工进度延后，需要加快施工工期。
通过施工质量评分以及预设风险值的构建，从而实现了从多方面对公路工程的施工质量的评价，保证了施工质量评分的结果的准确性和全面性，并且从施工质量角度实现了对公路工程的项目管理，进一步提升了最终的项目管理的全面性。
实施例2
本申请实施例中提供一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能 够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时上述的一种公路工程全生命周期项目管理方法。
实施例3
如图4所示，本发明提供了本发明提供了一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种公路工程全生命周期项目管理方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
Claims (8)
1.一种公路工程全生命周期项目管理方法，其特征在于，具体包括：
S11基于公路工程的施工现场的图像采集装置，对工人的疑似安全违规行为进行识别，并基于设定时间内的所述疑似安全违规行为的次数判断是否存在安全隐患，若是，则输出安全风险较大，建议进行安全管理，若否，则进入步骤S12；
S12基于疑似安全违规行为的图像获取在设定时间内的工人的安全违规行为的次数，并基于设定时间内的工人的所述安全违规行为的次数判断是否存在安全隐患，若是，则输出安全风险较大，建议进行安全管理，若否，则进入步骤S13；
S13将所述工人的安全违规行为进行分类得到位置类不安全行为、防护用品使用类不安全行为、设备操作类不安全行为、动作类不安全行为，并根据所述位置类不安全行为的人数和权重、防护用品使用类不安全行为的人数和权重、设备操作类不安全行为的人数和权重、动作类不安全行为的人数和权重进行综合安全风险评估值的确定，并基于所述综合安全风险评估值确定是否存在安全隐患，若是，则输出安全风险较大，建议进行安全管理，若否，则进入步骤S14；
S14基于所述安全违规行为的次数和所述疑似安全违规行为的次数和所述综合安全风险评估值，得到所述公路工程的安全风险评分，并当所述公路工程的安全风险评分小于预设风险值时，基于所述公路工程的工期要求、施工进度百分比、施工累计时间，进行所述公路工程的施工工期的管理建议的输出。
2.如权利要求1所述的全生命周期项目管理方法，其特征在于，疑似安全违规行为进行识别的具体步骤为：
对所述图像采集装置实时采集得到的施工图像进行初始化处理，将其转化为灰度图像，并将所述灰度图像转换为统一尺寸的输入图像；
基于所述输入图像，采用基于CNN算法的图像识别模型，得到识别结果；
基于所述识别结果确定所述输入图像是否存在疑似安全违规行为。
3.如权利要求1所述的全生命周期项目管理方法，其特征在于，其中所述动作类不安全行为包括攀坐平台安全护栏、翻越平台安全护栏、高空抛扔材料弃物、非吸烟区域抽烟。
4.如权利要求1所述的全生命周期项目管理方法，其特征在于，在进行所述公路的综合安全风险评估值的构建之前，基于所述安全违规行为的次数和所述疑似安全违规行为的次数，构建数学模型，得到所述公路工程的人员安全风险评分，并基于所述公路工程的人员安全风险评分确定是否存在安全隐患，若是，则无须进行所述公路的综合安全风险评估值的构建，并输出安全风险较大，建议进行安全管理。
5.如权利要求1所述的全生命周期项目管理方法，其特征在于，安全风险评分构建的具体步骤为：
基于所述安全违规行为的次数和所述疑似安全违规行为的次数，构建数学模型，得到所述公路工程的人员安全风险评分；
基于所述公路工程的人员安全风险评分、所述综合安全风险评估值，采用基于LSTM算法的预测模型，得到所述公路工程的基础安全风险评分；
基于所述公路工程的施工人数，对所述公路工程的基础安全风险评分进行修正，得到所述公路工程的安全风险评分。
6.如权利要求1所述的全生命周期项目管理方法，其特征在于，基于所述施工进度百分比和所述施工累计时间，确定完成所述公路工程的剩余施工进度的所需时间，并判断所述所需时间是否满足所述公路工程的工期要求，若是，则输出无须进行施工工期的管理，若否，则输出施工进度延后，需要加快施工工期。
7.一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行权利要求1-6任一项所述的一种公路工程全生命周期项目管理方法。
8.一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-6任一项所述的一种公路工程全生命周期项目管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310594954.9A CN116562824B (zh) | 2023-05-25 | 2023-05-25 | 一种公路工程全生命周期项目管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310594954.9A CN116562824B (zh) | 2023-05-25 | 2023-05-25 | 一种公路工程全生命周期项目管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116562824A CN116562824A (zh) | 2023-08-08 |
| CN116562824B true CN116562824B (zh) | 2023-11-24 |
Family
ID=87489696
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310594954.9A Active CN116562824B (zh) | 2023-05-25 | 2023-05-25 | 一种公路工程全生命周期项目管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116562824B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117670629A (zh) * | 2023-12-26 | 2024-03-08 | 浙江省省直建筑设计院有限公司 | 一种老旧小区改造智慧管理方法与平台 |
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6690294B1 (en) * | 2001-07-10 | 2004-02-10 | William E. Zierden | System and method for detecting and identifying traffic law violators and issuing citations |
| CN205028329U (zh) * | 2015-09-07 | 2016-02-10 | 南京群耀软件系统有限公司 | 一种建筑从业人员实名制处理机 |
| US9916755B1 (en) * | 2016-12-20 | 2018-03-13 | Jayant Ratti | On-demand roadway stewardship system |
| CN108629310A (zh) * | 2018-05-03 | 2018-10-09 | 新奥（中国）燃气投资有限公司 | 一种工程管理监督方法及装置 |
| WO2019237523A1 (zh) * | 2018-06-11 | 2019-12-19 | 平安科技（深圳）有限公司 | 安全风险评估方法、装置、计算机设备和存储介质 |
| CN110971878A (zh) * | 2019-12-12 | 2020-04-07 | 北京京能清洁能源电力股份有限公司北京分公司 | 一种工程现场管理系统 |
| CN112150031A (zh) * | 2020-10-12 | 2020-12-29 | 陈培 | 一种基于大数据的公路工程施工进度管理方法和系统 |
| US10907940B1 (en) * | 2017-12-12 | 2021-02-02 | Xidrone Systems, Inc. | Deterrent for unmanned aerial systems using data mining and/or machine learning for improved target detection and classification |
| CN112507912A (zh) * | 2020-12-15 | 2021-03-16 | 网易（杭州）网络有限公司 | 一种识别违规图片的方法及装置 |
| 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 |
| CN113053348A (zh) * | 2021-03-12 | 2021-06-29 | 上海物骐微电子有限公司 | 一种基于灰狼算法的主动噪声控制方法及系统 |
| CN114067431A (zh) * | 2021-11-05 | 2022-02-18 | 创优数字科技(广东)有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
| CN114493375A (zh) * | 2022-04-02 | 2022-05-13 | 清华大学 | 施工安全宏观评估系统及方法 |
| CN114708544A (zh) * | 2022-03-14 | 2022-07-05 | 中建西南咨询顾问有限公司 | 一种基于边缘计算的违规行为智能监测头盔及其监测方法 |
| CN114997682A (zh) * | 2022-06-15 | 2022-09-02 | 徐会君 | 一种基于大数据的施工现场安全监测系统及方法 |
| CN115034126A (zh) * | 2022-04-18 | 2022-09-09 | 宁波杭州湾新材料研究院 | 一种通过灰狼算法优化lstm神经网络模型的方法与系统 |
| CN115223246A (zh) * | 2022-07-19 | 2022-10-21 | 中国兵器装备集团自动化研究所有限公司 | 一种人员违规行为识别方法、装置、设备及存储介质 |
| CN115359429A (zh) * | 2022-09-13 | 2022-11-18 | 西安热工研究院有限公司 | 一种习惯性违规行为的图像识别方法及系统 |
| CN115471795A (zh) * | 2022-10-18 | 2022-12-13 | 浙江展翼建设工程有限公司 | 一种房建施工现场的监管方法及其监管系统 |
| CN115497040A (zh) * | 2022-09-14 | 2022-12-20 | 南京晓庄学院 | 一种基于图像识别的施工现场安全管理辅助决策系统 |
| CN116151802A (zh) * | 2023-03-02 | 2023-05-23 | 广东省源天工程有限公司 | 一种水利电力工程施工与设备运维的综合管控系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8760318B2 (en) * | 2011-12-06 | 2014-06-24 | Optotraffic, Llc | Method for traffic monitoring and secure processing of traffic violations |
| US11967155B2 (en) * | 2020-10-19 | 2024-04-23 | OnsiteIQ Inc. | Systems and methods for improving accuracy of identifying observations based on images and risk assessment techniques using such determinations |
-
2023
- 2023-05-25 CN CN202310594954.9A patent/CN116562824B/zh active Active
Patent Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6690294B1 (en) * | 2001-07-10 | 2004-02-10 | William E. Zierden | System and method for detecting and identifying traffic law violators and issuing citations |
| CN205028329U (zh) * | 2015-09-07 | 2016-02-10 | 南京群耀软件系统有限公司 | 一种建筑从业人员实名制处理机 |
| US9916755B1 (en) * | 2016-12-20 | 2018-03-13 | Jayant Ratti | On-demand roadway stewardship system |
| US10907940B1 (en) * | 2017-12-12 | 2021-02-02 | Xidrone Systems, Inc. | Deterrent for unmanned aerial systems using data mining and/or machine learning for improved target detection and classification |
| CN108629310A (zh) * | 2018-05-03 | 2018-10-09 | 新奥（中国）燃气投资有限公司 | 一种工程管理监督方法及装置 |
| WO2019237523A1 (zh) * | 2018-06-11 | 2019-12-19 | 平安科技（深圳）有限公司 | 安全风险评估方法、装置、计算机设备和存储介质 |
| CN110971878A (zh) * | 2019-12-12 | 2020-04-07 | 北京京能清洁能源电力股份有限公司北京分公司 | 一种工程现场管理系统 |
| CN112150031A (zh) * | 2020-10-12 | 2020-12-29 | 陈培 | 一种基于大数据的公路工程施工进度管理方法和系统 |
| CN112507912A (zh) * | 2020-12-15 | 2021-03-16 | 网易（杭州）网络有限公司 | 一种识别违规图片的方法及装置 |
| 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 |
| CN113053348A (zh) * | 2021-03-12 | 2021-06-29 | 上海物骐微电子有限公司 | 一种基于灰狼算法的主动噪声控制方法及系统 |
| CN114067431A (zh) * | 2021-11-05 | 2022-02-18 | 创优数字科技(广东)有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
| CN114708544A (zh) * | 2022-03-14 | 2022-07-05 | 中建西南咨询顾问有限公司 | 一种基于边缘计算的违规行为智能监测头盔及其监测方法 |
| CN114493375A (zh) * | 2022-04-02 | 2022-05-13 | 清华大学 | 施工安全宏观评估系统及方法 |
| CN115034126A (zh) * | 2022-04-18 | 2022-09-09 | 宁波杭州湾新材料研究院 | 一种通过灰狼算法优化lstm神经网络模型的方法与系统 |
| CN114997682A (zh) * | 2022-06-15 | 2022-09-02 | 徐会君 | 一种基于大数据的施工现场安全监测系统及方法 |
| CN115223246A (zh) * | 2022-07-19 | 2022-10-21 | 中国兵器装备集团自动化研究所有限公司 | 一种人员违规行为识别方法、装置、设备及存储介质 |
| CN115359429A (zh) * | 2022-09-13 | 2022-11-18 | 西安热工研究院有限公司 | 一种习惯性违规行为的图像识别方法及系统 |
| CN115497040A (zh) * | 2022-09-14 | 2022-12-20 | 南京晓庄学院 | 一种基于图像识别的施工现场安全管理辅助决策系统 |
| CN115471795A (zh) * | 2022-10-18 | 2022-12-13 | 浙江展翼建设工程有限公司 | 一种房建施工现场的监管方法及其监管系统 |
| CN116151802A (zh) * | 2023-03-02 | 2023-05-23 | 广东省源天工程有限公司 | 一种水利电力工程施工与设备运维的综合管控系统 |
Non-Patent Citations (5)
| Title |
|---|
| 公路路面施工监测信息化管理系统研究;余建辉;林荣安;习艳会;;筑路机械与施工机械化(第05期);35-39 * |
| 北京市生产建设项目水土保持遥感监管创新与实践;郑文革;;中国水土保持(第10期);10-12 * |
| 基于全生命周期与复杂系统脆性理论的高层建筑铝模板坍塌事故安全评价;李强年 等;工程管理学报;第36卷(第4期);105-110 * |
| 建筑智能化设计中的新技术应用;孙国红;李纲;;智能建筑(第02期);17-25 * |
| 政府投资项目全生命周期绩效审计评价模型研究;钱水祥;社会科学战线(第第4期期);57-62 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116562824A (zh) | 2023-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111241959B (zh) | 一种通过工地视频流检测未佩戴安全帽人员的方法 | |
| CN111310814A (zh) | 利用不平衡正负样本对业务预测模型训练的方法及装置 | |
| US7224852B2 (en) | Video segmentation using statistical pixel modeling | |
| CN110245579B (zh) | 人流密度预测方法及装置、计算机设备及可读介质 | |
| CN103530893B (zh) | 相机抖动场景下基于背景差和运动信息的前景检测方法 | |
| CN116562824B (zh) | 一种公路工程全生命周期项目管理方法及系统 | |
| CN110874471B (zh) | 保护隐私安全的神经网络模型的训练方法和装置 | |
| CN108388969A (zh) | 基于个人行为时序特征的内部威胁人物风险预测方法 | |
| CN109784586B (zh) | 车险的出险情况的预测方法及系统 | |
| CN112101670A (zh) | 数据处理方法、装置、电子设备和可读存储介质 | |
| CN114418175A (zh) | 一种人员管理方法、装置、电子设备及存储介质 | |
| CN116112278B (zh) | 基于Q-learning的网络最优攻击路径预测方法及系统 | |
| CN113962712A (zh) | 一种诈骗团伙的预测方法及相关设备 | |
| CN109859085A (zh) | 安全预警方法及相关产品 | |
| Chen et al. | Speed distribution prediction of freight vehicles on mountainous freeway using deep learning methods | |
| CN114078319A (zh) | 一种检测交通事故隐患地点的方法及装置 | |
| CN115225336A (zh) | 一种面向网络环境的漏洞可利用性的计算方法及装置 | |
| CN114596702A (zh) | 一种交通状态预测模型构建方法及交通状态预测方法 | |
| CN118036708A (zh) | 一种基于历史更新修正的联邦遗忘学习方法 | |
| CN113361582A (zh) | 一种对抗样本的生成方法和装置 | |
| CN115563020B (zh) | 危险测试场景的生成方法及系统、电子设备、存储介质 | |
| CN116665174A (zh) | 面向视觉感知算法的危险测试用例生成方法及相关设备 | |
| CN114492544B (zh) | 模型训练方法及装置、交通事件发生概率评估方法及装置 | |
| JP2020140521A (ja) | 人的判断の予測装置、予測プログラム及び予測方法 | |
| CN113850483A (zh) | 一种企业信用风险评级系统 |
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 |