CN117314154A - 一种基于北斗定位的施工现场智能监控系统及方法 - Google Patents
一种基于北斗定位的施工现场智能监控系统及方法 Download PDFInfo
- Publication number
- CN117314154A CN117314154A CN202311183374.7A CN202311183374A CN117314154A CN 117314154 A CN117314154 A CN 117314154A CN 202311183374 A CN202311183374 A CN 202311183374A CN 117314154 A CN117314154 A CN 117314154A
- Authority
- CN
- China
- Prior art keywords
- construction site
- model
- site layout
- safety
- construction
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 223
- 238000012544 monitoring process Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000013461 design Methods 0.000 claims abstract description 38
- 206010000117 Abnormal behaviour Diseases 0.000 claims abstract description 34
- 238000010586 diagram Methods 0.000 claims abstract description 25
- 230000000694 effects Effects 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims description 27
- 238000012797 qualification Methods 0.000 claims description 3
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 1
- 238000012806 monitoring device Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06Q10/06—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
- 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
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Geometry (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Computer Hardware Design (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于北斗定位的施工现场智能监控系统及方法,S1、获取当前施工条件信息及建筑设计数据;S2、建立施工现场布置图生成模型;S3、将当前施工条件信息、建筑设计数据输入所述施工现场布置图生成模型,得到最优施工现场布置图;S4、根据所述最优施工现场布置图布置施工现场,开展施工活动;S5、监测施工现场运行数据;S6、基于所述最优施工现场布置图生成安全规则;S7、根据所述施工现场运行数据和所述安全规则,识别安全异常行为;S8、当存在安全异常行为时,进行报警。通过建立施工现场布置图生成模型,自动生成施工现场布置图,使现场布置更具科学性和一致性;基于施工现场布置图进行异常行为识别,提高了安全监控的准确性和效率。
Description
技术领域
本发明属于施工现场智能监控领域,具体涉及一种基于北斗定位的施工现场智能监控系统及方法。
背景技术
我国建筑行业发展位于世界前列,在施工时,需要根据工程情况,确定施工范围,划分施工区域,对施工现场进行布置,如确定物料区、塔吊、员工宿舍、临时线路、车辆行驶线路、设立安全警示牌等。现有的施工现场布局均是人工根据经验设计,设计是否合理依赖于工程师经验,不利于操作一致性及规划的科学性。且现有的施工现场安全监控,多依赖于人工判断是否存在安全隐患,或需设置安全规则,以判断是否存在异常,安全监控的效率及准确性都难以保证。
发明内容
本发明针对施工现场布局依赖人工经验设计,及安全监控效率及准确性低的问题,提供一种基于北斗定位的施工现场智能监控方法。包括:
S1、获取当前施工条件信息及建筑设计数据;
S2、建立施工现场布置图生成模型;
S3、将当前施工条件信息、建筑设计数据输入所述施工现场布置图生成模型,得到最优施工现场布置图;
S4、根据所述最优施工现场布置图布置施工现场,开展施工活动;
S5、监测施工现场运行数据;
S6、基于所述最优施工现场布置图生成安全规则;
S7、根据所述施工现场运行数据和所述安全规则,识别安全异常行为;
S8、当存在安全异常行为时,进行报警。
优选地,所述施工条件信息包括:施工现场条件信息和其他资源条件信息;所述施工现场条件信息包括:待施工项目类型、待施工项目位置、已有建筑信息、道路信息、城市规划信息、施工边界中的一个或多个;所述其他资源条件信息包括:物料仓库位置、物料配送车辆路径、工作人员数量信息等。所述建筑设计数据包括:待施工项目的各类设计图及施工要求数据。
优选地,采用北斗定位获取所需的位置信息,以应对施工现场环境复杂、定位准确度低等问题。优选地,在施工现场部署监控装置,从监控装置获取所述施工现场条件信息;通过用户上传、用户输入等方式获取所述其他资源条件信息及所述建筑设计数据。
优选地,所述施工现场布置图生成模型包括apriori规则子模型、安全规范规则子模型、自定义规则子模型、以及补充规则子模型;所述子模型包括对施工现场布置进行约束的约束规则及各项约束规则对应的权重。
优选地,S2、建立施工现场布置图生成模型,包括:
S21、采用apriori算法建立所述apriori规则子模型;
S23、根据施工安全标准和/或施工操作手册建立所述安全规范规则子模型;
S24、所述自定义规则子模型包括工程师根据项目特点和/或经验补充的施工现场布置规则;
S25、基于apriori规则子模型、安全规范规则子模型、自定义规则子模型、以及补充规则子模型建立施工现场布置图生成模型;
S26、根据约束规则对应的权重将约束规则划分为必要约束规则子模型及优化约束规则子模型;权重大于第一权重阈值的约束规则对应必要约束规则子模型,其余约束规则对应优化约束规则子模型。
优选地,S21、采用apriori算法建立所述apriori规则子模型,包括:
S211、获取施工现场布置图大数据,所述施工现场布置图大数据包括历史施工现场布置图及对应的来源信息,所述来源信息包括历史施工现场布置图所属的单位评级、作者资质评级、项目规模等级中的一个或多个;
S212、根据来源信息计算历史施工现场布置图的信用值,根据信用值将所述历史施工现场布置图分为多个组;
S213、对所述多个组分别采用apriori算法识别关联规则;
S214、根据各关联规则的置信度、支持度及对应组的信用等级,确定各关联规则的权重;
S215、基于各关联规则及权重建立apriori规则子模型;
优选地,S3、将当前施工条件信息、建筑设计数据输入所述施工现场布置图生成模型,得到最优施工现场布置图,包括:
S31、将当前施工条件信息和建筑设计数据输入必要约束规则子模型,对当前施工条件信息和建筑设计数据执行必要约束规则,生成第一施工现场布置图;所述第一施工现场布置图基于待施工项目设计图生成,包括多个待确定的布局项,以及每个布局项对应的选择;
S32、将第一施工现场布置图输入优化约束规则子模型,对所述第一施工现场布置图执行优化约束规则,生成最优施工现场布置图;
优选地,S32、将第一施工现场布置图输入优化约束规则子模型,对所述第一施工现场布置图执行优化约束规则,生成最优施工现场布置图,包括:
S321、对所述第一施工现场布置图执行优化约束规则,根据各项优化约束规则确定相关布局项各选择的第一推荐值;
S321、根据第一推荐值及优化约束规则对应的权重,确定各选择的第二推荐值;
S323、根据第二推荐值确定各布局项的最优选择;
S324、根据所述最优选择生成最优施工现场布置图。
优选地,S8、当存在安全异常行为时,进行报警,包括:
S81、当识别到安全异常行为时,对所述安全异常行为进行记录;
S82、若同样的安全异常行为次数大于预设值,且未出现安全事故;
S83、根据所述安全异常行为优化所述施工现场布置图及所述安全规则,并形成补充约束规则,基于补充约束规则建立所述补充规则子模型;
S84、若同样的安全异常行为次数大于预设值,且出现安全事故,则进行报警。
还提供了一种基于北斗定位的施工现场智能监控系统,包括:
信息获取模块,用于获取当前施工条件信息及建筑设计数据;
模型生成模块,用于建立施工现场布置图生成模型;
施工现场布置图生成模块,用于将当前施工条件信息、建筑设计数据输入所述施工现场布置图生成模型,得到最优施工现场布置图;根据所述最优施工现场布置图布置施工现场,开展施工活动;
安全监测模块,用于监测施工现场运行数据;基于所述最优施工现场布置图生成安全规则;根据所述施工现场运行数据和所述安全规则,识别安全异常行为;
报警模块,用于当存在安全异常行为时,进行报警。
与现有技术相比,本发明的有益效果是:
(1)获取当前施工条件信息及建筑设计数据;建立施工现场布置图生成模型;将当前施工条件信息、建筑设计数据输入所述施工现场布置图生成模型,得到最优施工现场布置图;根据所述最优施工现场布置图布置施工现场,开展施工活动;本发明建立施工现场布置图生成模型,自动生成施工现场布置图,使现场布置更具科学性和一致性;
(2)基于apriori规则子模型、安全规范规则子模型、自定义规则子模型、以及补充规则子模型建立施工现场布置图生成模型,提供一种机器学习与用户经验结合的方法,将用户的领域知识结合在其中,确保模型效果;在建立apriori规则子模型的过程中,基于信用值对大数据进行分组,对各分组数据进行并行挖掘,将数据可信度融入数据挖掘过程,在提高了模型准确性的同时,提高了效率;
(3)基于施工现场布置图进行异常行为识别,大大提高了安全监控的准确性,简化了安全规则设置步骤,提高了安全检测的效率。
附图说明
图1为本发明的施工现场智能监控方法流程图。
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、完整地描述,显然,所描述的实施例仅仅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,本领域普通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。
图1为本发明的施工现场智能监控方法流程图。本发明提供了一种基于北斗定位的施工现场智能监控方法,包括:
S1、获取当前施工条件信息及建筑设计数据;
S2、建立施工现场布置图生成模型;
S3、将当前施工条件信息、建筑设计数据输入所述施工现场布置图生成模型,得到最优施工现场布置图;
S4、根据所述最优施工现场布置图布置施工现场,开展施工活动;
S5、监测施工现场运行数据;
S6、基于所述最优施工现场布置图生成安全规则;
S7、根据所述施工现场运行数据和所述安全规则,识别安全异常行为;
S8、当存在安全异常行为时,进行报警。
优选地,所述施工条件信息包括:施工现场条件信息和其他资源条件信息;所述施工现场条件信息包括:待施工项目类型、待施工项目位置、已有建筑信息、道路信息、城市规划信息、施工边界中的一个或多个;所述其他资源条件信息包括:物料仓库位置、物料配送车辆路径、工作人员数量信息等。所述建筑设计数据包括:待施工项目的各类设计图及施工要求数据。
优选地,采用北斗定位获取所需的位置信息,以应对施工现场环境复杂、定位准确度低等问题。优选地,在施工现场部署监控装置,从监控装置获取所述施工现场条件信息;通过用户上传、用户输入等方式获取所述其他资源条件信息及所述建筑设计数据。
优选地,所述施工现场布置图生成模型包括apriori规则子模型、安全规范规则子模型、自定义规则子模型、以及补充规则子模型;所述子模型包括对施工现场布置进行约束的约束规则及各项约束规则对应的权重。
优选地,S2、建立施工现场布置图生成模型,包括:
S21、采用apriori算法建立所述apriori规则子模型;
S23、根据施工安全标准和/或施工操作手册建立所述安全规范规则子模型;
S24、所述自定义规则子模型包括工程师根据项目特点和/或经验补充的施工现场布置规则;
S25、基于apriori规则子模型、安全规范规则子模型、自定义规则子模型、以及补充规则子模型建立施工现场布置图生成模型;
S26、根据约束规则对应的权重将约束规则划分为必要约束规则子模型及优化约束规则子模型;权重大于第一权重阈值的约束规则对应必要约束规则子模型,其余约束规则对应优化约束规则子模型。
优选地,S21、采用apriori算法建立所述apriori规则子模型,包括:
S211、获取施工现场布置图大数据,所述施工现场布置图大数据包括历史施工现场布置图及对应的来源信息,所述来源信息包括历史施工现场布置图所属的单位评级、作者资质评级、项目规模等级中的一个或多个;
S212、根据来源信息计算历史施工现场布置图的信用值,根据信用值将所述历史施工现场布置图分为多个组;
S213、对所述多个组分别采用apriori算法识别关联规则;
S214、根据各关联规则的置信度、支持度及对应组的信用等级,确定各关联规则的权重;
S215、基于各关联规则及权重建立apriori规则子模型;
优选地,S3、将当前施工条件信息、建筑设计数据输入所述施工现场布置图生成模型,得到最优施工现场布置图,包括:
S31、将当前施工条件信息和建筑设计数据输入必要约束规则子模型,对当前施工条件信息和建筑设计数据执行必要约束规则,生成第一施工现场布置图;所述第一施工现场布置图基于待施工项目设计图生成,包括多个待确定的布局项,以及每个布局项对应的选择;
S32、将第一施工现场布置图输入优化约束规则子模型,对所述第一施工现场布置图执行优化约束规则,生成最优施工现场布置图;
优选地,S32、将第一施工现场布置图输入优化约束规则子模型,对所述第一施工现场布置图执行优化约束规则,生成最优施工现场布置图,包括:
S321、对所述第一施工现场布置图执行优化约束规则,根据各项优化约束规则确定相关布局项各选择的第一推荐值;
S321、根据第一推荐值及优化约束规则对应的权重,确定各选择的第二推荐值;
S323、根据第二推荐值确定各布局项的最优选择;
S324、根据所述最优选择生成最优施工现场布置图。
优选地,S8、当存在安全异常行为时,进行报警,包括:
S81、当识别到安全异常行为时,对所述安全异常行为进行记录;
S82、若同样的安全异常行为次数大于预设值,且未出现安全事故;
S83、根据所述安全异常行为优化所述施工现场布置图及所述安全规则,并形成补充约束规则,基于补充约束规则建立所述补充规则子模型;
S84、若同样的安全异常行为次数大于预设值,且出现安全事故,则进行报警。
本发明还提供了一种基于北斗定位的施工现场智能监控系统,包括:
信息获取模块,用于获取当前施工条件信息及建筑设计数据;
模型生成模块,用于建立施工现场布置图生成模型;
施工现场布置图生成模块,用于将当前施工条件信息、建筑设计数据输入所述施工现场布置图生成模型,得到最优施工现场布置图;根据所述最优施工现场布置图布置施工现场,开展施工活动;
安全监测模块,用于监测施工现场运行数据;基于所述最优施工现场布置图生成安全规则;根据所述施工现场运行数据和所述安全规则,识别安全异常行为;
报警模块,用于当存在安全异常行为时,进行报警。
以上所述仅为本发明的较佳实施例而已,并不以本发明为限制,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于北斗定位的施工现场智能监控方法,其特征在于:
S1、获取当前施工条件信息及建筑设计数据;
S2、建立施工现场布置图生成模型;
S3、将当前施工条件信息、建筑设计数据输入所述施工现场布置图生成模型,得到最优施工现场布置图;
S4、根据所述最优施工现场布置图布置施工现场,开展施工活动;
S5、监测施工现场运行数据;
S6、基于所述最优施工现场布置图生成安全规则;
S7、根据所述施工现场运行数据和所述安全规则,识别安全异常行为;
S8、当存在安全异常行为时,进行报警。
2.根据权利要求1所述的方法,其特征在于:所述施工条件信息包括:施工现场条件信息和其他资源条件信息;所述施工现场条件信息包括:待施工项目类型、待施工项目位置、已有建筑信息、道路信息、城市规划信息、施工边界中的一个或多个;所述其他资源条件信息包括:物料仓库位置、物料配送车辆路径、工作人员数量信息中的一个或多个;所述建筑设计数据包括:待施工项目的各类设计图及施工要求数据。
3.根据权利要求1或2所述的方法,其特征在于:所述施工现场布置图生成模型包括apriori规则子模型、安全规范规则子模型、自定义规则子模型、以及补充规则子模型;所述子模型包括对施工现场布置进行约束的约束规则及各项约束规则对应的权重。
4.根据权利要求3所述的方法,其特征在于:S2、建立施工现场布置图生成模型,包括:
S21、采用apriori算法建立所述apriori规则子模型;
S23、根据施工安全标准和/或施工操作手册建立所述安全规范规则子模型;
S24、所述自定义规则子模型包括工程师根据项目特点和/或经验补充的施工现场布置规则;
S25、基于apriori规则子模型、安全规范规则子模型、自定义规则子模型、以及补充规则子模型建立施工现场布置图生成模型;
S26、根据约束规则对应的权重将约束规则划分为必要约束规则子模型及优化约束规则子模型;权重大于第一权重阈值的约束规则对应必要约束规则子模型,其余约束规则对应优化约束规则子模型。
5.根据权利要求4所述的方法,其特征在于:S21、采用apriori算法建立所述apriori规则子模型,包括:
S211、获取施工现场布置图大数据,所述施工现场布置图大数据包括历史施工现场布置图及对应的来源信息,所述来源信息包括历史施工现场布置图所属的单位评级、作者资质评级、项目规模等级中的一个或多个;
S212、根据来源信息计算历史施工现场布置图的信用值,根据信用值将所述历史施工现场布置图分为多个组;
S213、对所述多个组分别采用apriori算法识别关联规则;
S214、根据各关联规则的置信度、支持度及对应组的信用等级,确定各关联规则的权重;
S215、基于各关联规则及权重建立apriori规则子模型。
6.根据权利要求1或2所述的方法,其特征在于:S3、将当前施工条件信息、建筑设计数据输入所述施工现场布置图生成模型,得到最优施工现场布置图,包括:
S31、将当前施工条件信息和建筑设计数据输入必要约束规则子模型,对当前施工条件信息和建筑设计数据执行必要约束规则,生成第一施工现场布置图;所述第一施工现场布置图基于待施工项目设计图生成,包括多个待确定的布局项,以及每个布局项对应的选择;
S32、将第一施工现场布置图输入优化约束规则子模型,对所述第一施工现场布置图执行优化约束规则,生成最优施工现场布置图。
7.根据权利要求6所述的方法,其特征在于:S32、将第一施工现场布置图输入优化约束规则子模型,对所述第一施工现场布置图执行优化约束规则,生成最优施工现场布置图,包括:
S321、对所述第一施工现场布置图执行优化约束规则,根据各项优化约束规则确定相关布局项各选择的第一推荐值;
S321、根据第一推荐值及优化约束规则对应的权重,确定各选择的第二推荐值;
S323、根据第二推荐值确定各布局项的最优选择;
S324、根据所述最优选择生成最优施工现场布置图。
8.根据权利要求1或2所述的方法,其特征在于:S8、当存在安全异常行为时,进行报警,包括:
S81、当识别到安全异常行为时,对所述安全异常行为进行记录;
S82、若同样的安全异常行为次数大于预设值,且未出现安全事故;
S83、根据所述安全异常行为优化所述施工现场布置图及所述安全规则,并形成补充约束规则,基于补充约束规则建立所述补充规则子模型;
S84、若同样的安全异常行为次数大于预设值,且出现安全事故,则进行报警。
9.一种基于北斗定位的施工现场智能监控系统,其特征在于:
信息获取模块,用于获取当前施工条件信息及建筑设计数据;
模型生成模块,用于建立施工现场布置图生成模型;
施工现场布置图生成模块,用于将当前施工条件信息、建筑设计数据输入所述施工现场布置图生成模型,得到最优施工现场布置图;根据所述最优施工现场布置图布置施工现场,开展施工活动;
安全监测模块,用于监测施工现场运行数据;基于所述最优施工现场布置图生成安全规则;根据所述施工现场运行数据和所述安全规则,识别安全异常行为;
报警模块,用于当存在安全异常行为时,进行报警。
10.一种可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311183374.7A CN117314154B (zh) | 2023-09-14 | 2023-09-14 | 一种基于北斗定位的施工现场智能监控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311183374.7A CN117314154B (zh) | 2023-09-14 | 2023-09-14 | 一种基于北斗定位的施工现场智能监控系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117314154A true CN117314154A (zh) | 2023-12-29 |
CN117314154B CN117314154B (zh) | 2024-06-04 |
Family
ID=89249038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311183374.7A Active CN117314154B (zh) | 2023-09-14 | 2023-09-14 | 一种基于北斗定位的施工现场智能监控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117314154B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106383463A (zh) * | 2016-09-06 | 2017-02-08 | 华中科技大学 | 一种基于安全帽的施工环境监测系统及方法 |
CN111125820A (zh) * | 2019-12-16 | 2020-05-08 | 福建建工集团有限责任公司 | 一种基于bim+gis的施工场地空间虚拟施工方法 |
CN111339215A (zh) * | 2019-05-31 | 2020-06-26 | 北京东方融信达软件技术有限公司 | 结构化数据集质量评价模型生成方法、评价方法及装置 |
CN113111827A (zh) * | 2021-04-22 | 2021-07-13 | 北京房江湖科技有限公司 | 施工监控方法、装置、电子设备和存储介质 |
CN114756656A (zh) * | 2022-04-29 | 2022-07-15 | 河海大学 | 基于改进Apriori算法的水利工程安全隐患描述关联规则挖掘方法 |
CN114861270A (zh) * | 2022-04-27 | 2022-08-05 | 华中科技大学 | 一种基于生成对抗网络的施工场地自动布置方法 |
CN115065936A (zh) * | 2022-06-08 | 2022-09-16 | 中机中联工程有限公司 | 基于轻量化建筑信息模型和蓝牙技术的三维可视化定位方法 |
CN115375127A (zh) * | 2022-08-16 | 2022-11-22 | 上海方联技术服务有限公司 | 一种工程施工智能精细化管控系统 |
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 |
CN115809785A (zh) * | 2022-12-14 | 2023-03-17 | 安徽微晶网络科技有限公司 | 一种智慧工地管理系统 |
-
2023
- 2023-09-14 CN CN202311183374.7A patent/CN117314154B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106383463A (zh) * | 2016-09-06 | 2017-02-08 | 华中科技大学 | 一种基于安全帽的施工环境监测系统及方法 |
CN111339215A (zh) * | 2019-05-31 | 2020-06-26 | 北京东方融信达软件技术有限公司 | 结构化数据集质量评价模型生成方法、评价方法及装置 |
CN111125820A (zh) * | 2019-12-16 | 2020-05-08 | 福建建工集团有限责任公司 | 一种基于bim+gis的施工场地空间虚拟施工方法 |
CN113111827A (zh) * | 2021-04-22 | 2021-07-13 | 北京房江湖科技有限公司 | 施工监控方法、装置、电子设备和存储介质 |
CN114861270A (zh) * | 2022-04-27 | 2022-08-05 | 华中科技大学 | 一种基于生成对抗网络的施工场地自动布置方法 |
CN114756656A (zh) * | 2022-04-29 | 2022-07-15 | 河海大学 | 基于改进Apriori算法的水利工程安全隐患描述关联规则挖掘方法 |
CN115065936A (zh) * | 2022-06-08 | 2022-09-16 | 中机中联工程有限公司 | 基于轻量化建筑信息模型和蓝牙技术的三维可视化定位方法 |
CN115375127A (zh) * | 2022-08-16 | 2022-11-22 | 上海方联技术服务有限公司 | 一种工程施工智能精细化管控系统 |
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 |
CN115809785A (zh) * | 2022-12-14 | 2023-03-17 | 安徽微晶网络科技有限公司 | 一种智慧工地管理系统 |
Non-Patent Citations (3)
Title |
---|
年立辉: "基于Apriori关联规则算法的建筑工程施工安全风险识别方法研究", 《贵阳学院学报(自然科学版)》, 15 March 2023 (2023-03-15) * |
庞姝慧: "基于知识推理的建筑工程施工环境监测预警研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》, no. 6, 15 June 2022 (2022-06-15) * |
潘鸣宇等: "电力企业数据资产管理体系研究与探索", 《软件》, 15 August 2019 (2019-08-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117314154B (zh) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11144378B2 (en) | Computer system and method for recommending an operating mode of an asset | |
CN115239135A (zh) | 一种施工风险识别管控系统及方法 | |
CN107085415A (zh) | 过程控制网络中的规则构建器 | |
US20120161957A1 (en) | Monitor control system | |
CN112579464A (zh) | 自动驾驶算法的校验方法、装置、设备以及存储介质 | |
CN115393142A (zh) | 智慧园区管理方法及管理平台 | |
KR101328224B1 (ko) | 철강공정용 가상설비 시스템 및 그의 동작 방법 | |
CN105775943A (zh) | 一种数据驱动的电梯零部件预警系统及方法 | |
KR20220057132A (ko) | 스마트 안전 통합 관제 시스템 | |
EP3847434A1 (en) | Computer system and method for recommending an operating mode of an asset | |
CN114819225A (zh) | 一种海上能源机组智能化运维方法及系统 | |
CN114372311B (zh) | 基于bim的设计检测方法、装置、电子设备及存储介质 | |
CN116167545A (zh) | 一种bim智慧工地管理平台系统及方法 | |
CN116611593A (zh) | 用于预测空压机的故障的方法、设备和介质 | |
CN117314154B (zh) | 一种基于北斗定位的施工现场智能监控系统及方法 | |
CN114693114A (zh) | 地下空间结构的监测方法、装置、计算机设备及存储介质 | |
CN113887895A (zh) | 一种韧性城市智能规划系统、方法和存储介质 | |
Lee et al. | A multi-period comprehensive evaluation method of construction safety risk based on cloud model | |
CN112148566A (zh) | 计算引擎的监控方法、装置、电子设备及存储介质 | |
Bragança et al. | Perspectives of building sustainability assessment | |
GB2529637A (en) | System for building and deploying inference model | |
CN113610008B (zh) | 获取渣土车状态的方法、装置、设备以及存储介质 | |
CN118057327A (zh) | 基于知识图谱的it系统告警数据处理方法及装置 | |
CN115600783A (zh) | 信号系统的健康度评估方法及装置 | |
CN113642487A (zh) | 一种应用于安全生产的基于人工智能的方法及系统 |
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 |