CN117853078B - 基于无人机的建筑工程施工现场动态安全报警系统及方法 - Google Patents

Abstract

本发明公开了基于无人机的建筑工程施工现场动态安全报警系统及方法，涉及施工管理领域，包括无人机控制模块、流程规划获取模块、行为监控模块、现场分析预测模块、安全警报模块及数据存储模块；其中，无人机控制模块，用于对无人机控制调，并采集建筑工程施工现场参数；流程规划获取模块，用于施工方案和人员调度规划；行为监控模块，用于提取人员信息和施工行为信息；现场分析预测模块，用于进行现场安全分析，并预测施工现场演变参数；安全警报模块，用于记录安全警报有效参数；数据存储模块存储。本发明通过无人机对施工现场进行实时监控，结合行为监控和现场分析预测模块，高效准确地识别潜在安全风险。

Description

基于无人机的建筑工程施工现场动态安全报警系统及方法

技术领域

本发明涉及施工管理领域，具体来说，涉及基于无人机的建筑工程施工现场动态安全报警系统及方法。

背景技术

无人机是一种不需要载人即可操作的航空器，通过遥控器或自动系统进行控制，而无人机在建筑、商业和娱乐等多个领域都有广泛应用，无人机技术的快速发展正推动着其在各个领域的创新应用，而无人机在建筑工程中的应用正变得越来越普遍，主要由于其独特的优势和高效的操作能力。

建筑工程施工现场是指进行建筑工程的活动区域，这里进行着各种建筑活动，包括基础工程、结构建设、装修工作等，施工现场的管理和运作复杂，需要精细的规划和严格的管理，而建筑工程施工现场的动态安全报警系统对确保工地安全、降低事故风险具有重要意义，能够提升安全管理的水平，还能通过预防事故的发生来保护员工的安全，同时提高工程项目的整体效率。

但现有的建筑工程施工现场动态安全报警系统在进行使用时仅仅是对施工现场进行监控，并未对施工现场发生意外时产生的影响进行预测，导致现有建筑工程施工现场动态安全报警系统在进行使用时的警报效率并不理想，同时现有的建筑工程施工现场动态安全报警系统在进行警报时并未考虑不同情况所需求的警报类型，使得警报在进行发出时的范围较为模糊，影响建筑工程施工现场动态安全报警的精准性。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的问题，本发明提出基于无人机的建筑工程施工现场动态安全报警系统及方法，以克服现有相关技术所存在的上述技术问题。

为此，本发明采用的具体技术方案如下：

根据本发明的一个方面，提供了基于无人机的建筑工程施工现场动态安全报警系统及方法，包括无人机控制模块、流程规划获取模块、行为监控模块、现场分析预测模块、安全警报模块及数据存储模块；

其中，无人机控制模块，用于对无人机分组控制和实时控制调整，并通过无人机采集建筑工程施工现场参数；

流程规划获取模块，用于获取建筑工程施工场地的建筑工程施工方案和人员调度规划；

行为监控模块，用于提取建筑工程施工现场参数中施工人员的人员信息和施工行为信息；

现场分析预测模块，用于根据建筑工程施工方案、人员调度规划、人员信息和施工行为信息，通过现场安全分析策略对建筑工程施工现场进行现场安全分析，并基于安全分析结果预测施工现场演变参数；

安全警报模块，用于根据现场安全分析结果和施工现场演变参数，通过安全警报规则判断施工现场演变参数的警报范围，基于警报范围发出安全警报，并记录安全警报有效参数；

数据存储模块，用于对安全分析结果、施工现场演变参数及安全警报有效参数数据存储，并构建历史数据库更新优化现场安全分析策略、预测演变模型及安全警报规则。

作为优选方案，行为监控模块包括数据获取模块、数据识别分类模块、数据拆分模块、数据匹配模块及数据传输模块；

其中，数据获取模块，用于获取无人机采集的建筑工程施工现场视频数据；

数据识别分类模块，用于根据建筑工程施工现场视频数据，通过视频识别方案，识别建筑工程施工现场人员信息，并分析建筑工程施工现场环境和人员施工行为；

数据拆分模块，用于根据建筑工程施工现场环境，通过建筑工程施工现场环境特征拆分建筑工程施工现场环境，获取建筑工程施工现场特征环境组；

数据匹配模块，用于将建筑工程施工现场特征环境组内部的建筑工程施工现场特征环境与人员施工行为匹配，获取施工行为信息；

数据传输模块，用于将人员信息和施工行为信息进行传输。

作为优选方案，现场分析预测模块包括数据融合模块、分析策略模块、策略匹配模块、现场分析模块及演变预测模块；

其中，数据融合模块，用于通过时序规则融合建筑工程施工方案、人员调度规划、人员信息和施工行为信息，获取时域人员施工信息；

分析策略模块，用于预设分析策略，并构建分析策略数据库；

策略匹配模块，用于设置策略匹配规则，并根据策略匹配规则将时域人员施工信息与分析策略数据库内部的分析策略匹配；

现场分析模块，用于通过匹配的分析策略对建筑工程施工现场进行安全分析，获取现场安全分析结果；

演变预测模块，用于根据现场安全分析结果，通过预测演变模型预测施工现场变化情况，获取施工现场演变参数。

作为优选方案，现场分析模块包括行为规范判断模块、施工效率评估模块及安全风险识别模块；

行为规范判断模块，用于分析建筑工程施工现场的人员分布合理性和建筑工程施工现场人员工作情况；

施工效率评估模块，用于根据历史建筑工程施工现场情况与现有建筑工程施工现场情况进行比对，获取建筑工程施工现场变化情况，并根据建筑工程施工现场变化情况计算施工效率评估值；

安全风险识别模块，用于根据人员分布合理性、建筑工程施工现场人员工作情况及建筑工程施工现场变化情况分析建筑工程施工现场安全风险。

作为优选方案，演变预测模块包括演变趋势模块、预测模型模块、预测风险模块及现场变化预测模块；

其中，演变趋势模块，用于根据历史建筑工程施工现场变化情况分析建筑工程施工现场演变趋势；

预测模型模块，用于根据建筑工程施工现场演变趋势，通过演变模型预测建筑工程施工现场演变情况；

预测风险模块，用于根据建筑工程施工现场安全风险，通过风险评估模型评估安全风险发生概率；

现场变化预测模块，用于根据建筑工程施工现场演变趋势和风险评估模型评估安全风险发生概率分析现场变化预测情况。

作为优选方案，安全警报模块包括数据整合模块、警报规则模块、警报分级模块、警报影响模块及警报输出记录模块；

其中，数据整合模块，用于将现场安全分析结果和施工现场演变参数进行数据清洗，并对清洗后的现场安全分析结果和施工现场演变参数整合，获取施工整合参数；

警报规则模块，用于设置数据安全警报规则，并生成安全分级阈值；

警报分级模块，用于根据数据安全警报规则和安全分级阈值对施工整合参数进行警报分级；

警报影响模块，用于根据警报分级结果通过影响规则分析警报影响施工现场情况，并基于警报影响施工现场情况对警报分级结果进行调整优化；

警报输出记录模块，用于将优化调节后的警报分级结果进行输出，并根据输出的警报分级结果生成警报方案，记录警报方案实施时的效果。

作为优选方案，警报分级模块包括分级标准模块、分级评估模块及分级结果输出模块；

其中，分级标准模块，用于根据建筑工程施工现场特征设置警报分级标准，并基于警报分级标准计算建筑工程施工现场特征警报值；

分级评估模块，用于设置安全警报分级阈值，并将建筑工程施工现场特征警报值与安全警报分级阈值比对；

分级结果输出模块，用于将建筑工程施工现场特征警报值与安全警报分级阈值比对结果进行验证输出。

作为优选方案，基于警报分级标准计算建筑工程施工现场特征警报值的计算公式为：

；

其中，N为建筑工程施工现场特征警报值；

M为建筑工程施工现场风险因素的数量；

为建筑工程施工现场中第i个风险因素的权重；

为建筑工程施工现场中第i个风险因素的评分函数；

为建筑工程施工现场中第i个风险因素的数据指标。

作为优选方案，警报影响模块包括施工进度影响模块、影响风险预测模块及警报调整优化模块；

其中，施工进度影响模块，用于设置影响规则分析警报分级结果发出后对建筑工程施工现场的影响；

影响风险预测模块，用于根据警报分级结果发出后对建筑工程施工现场的影响，预测建筑工程施工现场施工风险的变化；

警报调整优化模块，用于根据警报发出后对建筑工程施工现场的影响和建筑工程施工现场施工风险变化预测结果，对警报分级结果进行调整优化。

根据本发明的另一个方面，提供了基于无人机的建筑工程施工现场动态安全报警方法，该方法包括：

对无人机分组控制和实时控制调整，并通过无人机采集建筑工程施工现场参数；

获取建筑工程施工场地的建筑工程施工方案和人员调度规划；

提取建筑工程施工现场参数中施工人员的人员信息和施工行为信息；

根据建筑工程施工方案、人员调度规划、人员信息和施工行为信息，通过现场安全分析策略对建筑工程施工现场进行现场安全分析，并基于安全分析结果预测施工现场演变参数；

根据现场安全分析结果和施工现场演变参数，通过安全警报规则判断施工现场演变参数的警报范围，基于警报范围发出安全警报，并记录安全警报有效参数；

对安全分析结果、施工现场演变参数及安全警报有效参数数据存储，并构建历史数据库更新优化现场安全分析策略、预测演变模型及安全警报规则。

本发明的有益效果为：

1、本发明通过无人机对施工现场进行实时监控，结合行为监控和现场分析预测模块，高效准确地识别潜在安全风险，提高安全管理的效率和质量，并通过结合演变预测模块，能够根据施工现场的实时数据预测未来可能发生的安全风险，实现动态安全管理，提前采取预防措施，减少事故发生。

2、本发明通过设置安全警报模块及时发出警报，使得现场管理人员可以迅速响应，采取必要的安全措施，并通过数据存储模块提供丰富的历史数据，用于优化现场安全分析策略、预测演变模型及安全警报规则高决策的准确性和有效性，减少事故发生保障了工人的安全，避免因事故导致的施工延误，从而提高整体施工效率。

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获得其他的附图。

图1是根据本发明实施例的基于无人机的建筑工程施工现场动态安全报警系统的系统框图；

图2是根据本发明实施例的基于无人机的建筑工程施工现场动态安全报警系统中现场分析模块结构框图；

图3是根据本发明实施例的基于无人机的建筑工程施工现场动态安全报警系统中演变预测模块结构框图；

图4是根据本发明实施例的基于无人机的建筑工程施工现场动态安全报警系统中警报分级模块结构框图；

图5是根据本发明实施例的基于无人机的建筑工程施工现场动态安全报警系统中警报影响模块结构框图；

图6是根据本发明实施例的基于无人机的建筑工程施工现场动态安全报警方法的方法流程图。

图中：

1、无人机控制模块；2、流程规划获取模块；3、行为监控模块；31、数据获取模块；32、数据识别分类模块；33、数据拆分模块；34、数据匹配模块；35、数据传输模块；4、现场分析预测模块；41、数据融合模块；42、分析策略模块；43、策略匹配模块；44、现场分析模块；441、行为规范判断模块；442、施工效率评估模块；443、安全风险识别模块；45、演变预测模块；451、演变趋势模块；452、预测模型模块；453、预测风险模块；454、现场变化预测模块；5、安全警报模块；51、数据整合模块；52、警报规则模块；53、警报分级模块；531、分级标准模块；532、分级评估模块；533、分级结果输出模块；54、警报影响模块；541、施工进度影响模块；542、影响风险预测模块；543、警报调整优化模块；55、警报输出记录模块；6、数据存储模块。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。

现结合附图和具体实施方式对本发明进一步说明，根据本发明的一个实施例，如图1-图5所示，根据本发明实施例的基于无人机的建筑工程施工现场动态安全报警系统，包括无人机控制模块1、流程规划获取模块2、行为监控模块3、现场分析预测模块4、安全警报模块5及数据存储模块6；

其中，无人机控制模块1，用于对无人机分组控制和实时控制调整，并通过无人机采集建筑工程施工现场参数；

具体的，根据施工现场的大小、地形特征和监控需求，将无人机分成不同的小组，根据施工区域的不同部分，如高层区域和地基区域等进行分组，并为每个无人机小组分配具体的监控任务，如巡视特定区域、监控特定的施工活动或收集特定类型的数据，同时对每个无人机小组进行飞行路径规划，确保覆盖所有需要监控的区域，避免无人机间的干扰和冲突，并构建稳定的通信系统，确保与无人机之间的实时数据传输和控制命令的下发。

设置用户界面显示无人机的实时位置、状态和收集的数据，同时允许操作者实时调整无人机的飞行任务和路径，并设定应急响应机制，以便在遇到突发情况，如施工安全事故时，迅速调整无人机的飞行路径和监控重点，根据需要采集的数据类型，为无人机配备相应的传感器，如视频摄像头、热成像仪、空气质量监测器等，同时在执行监控任务时，无人机通过传感器收集所需数据，如视频图像、温度读数或空气质量指标，并将采集的数据实时传输回控制中心进行处理和分析，提供对施工现场的实时认知和安全评估，再将无人机控制模块与现场管理系统集成，以便更好地协调无人机的操作与现场的其他安全管理措施，并根据实际运行情况不断调整分组策略、飞行路径和数据采集要求。

流程规划获取模块2，用于获取建筑工程施工场地的建筑工程施工方案和人员调度规划；

具体的，确定建筑工程的具体要求和目标，并定义所需的建筑工程施工方案和人员调度规划的关键要素，收集关于工程场地的地理信息、土地利用规划、环境要素等数据，获取建筑工程施工所需的材料和资源信息，并收集与人员调度相关的人员技能、工作时间等数据，制定建筑工程施工方案的整体流程，包括施工阶段、资源调配、风险管理等，设计人员调度规划的流程，考虑人员的技能匹配、工作时长、轮班等因素。

使用计算机辅助设计软件、建筑信息模型、项目管理工具等，将建筑工程施工方案和人员调度规划划分为模块，确定模块之间的关联和依赖关系，制定获取建筑工程施工方案的具体步骤，并利用BIM技术进行建筑设计和模拟优化施工过程，且确保方案符合法规和安全标准，制定人员调度规划的详细计划，并考虑到每个施工阶段的人力需求，使用人员调度软件，考虑员工的工作时间、技能匹配和轮班安排，将获取的建筑工程施工方案与人员调度规划集成，确保两者相互协调，并进行优化提高施工效率、降低成本，并最大程度地满足项目目标，并建立监控机制，实时追踪施工进度、资源利用情况和人员调度效果，根据监控结果进行调整，确保项目能够按计划顺利进行。

行为监控模块3，用于提取建筑工程施工现场参数中施工人员的人员信息和施工行为信息；

具体的，行为监控模块3，安装于无人机内部进行对建筑工程施工现场进行实时数据采集。

具体的，行为监控模块3包括数据获取模块31、数据识别分类模块32、数据拆分模块33、数据匹配模块34及数据传输模块35；

其中，数据获取模块31，用于获取无人机采集的建筑工程施工现场视频数据；

具体的，确定从无人机采集的建筑工程施工现场视频数据中获取的信息和目标，确定数据的用途，如监测施工进度、安全性等，并选择适当的无人机设备，具备足够的摄像功能和飞行性能，确保无人机设备能够在建筑工程施工现场安全操作，确定无人机采集建筑工程施工现场视频数据的频率和时间，同时考虑施工进度、工作时间和其他相关因素。

制定无人机的飞行计划，包括飞行路径、高度、速度等参数，考虑建筑工程施工现场的特殊要求，如有无限制区域，并确保无人机操作符合所有相关的安全和法规要求，并与当地航空管理部门协调，获取必要的许可和批准，设计有效的数据存储方案，确保从无人机采集的视频数据安全地保存，考虑实时传输或批量传输数据至指定的存储设备或云平台，从无人机采集的视频质量足够满足分析和监测的需求，考虑视频数据的处理，如去除噪音、压缩等，并制定措施确保从采集到的视频数据的安全性，包括加密、访问控制等，考虑施工现场的隐私问题，采取措施保护相关方的隐私，再设计一个完整的数据获取工作流，包括无人机的起降、数据采集、传输和存储等环节。

数据识别分类模块32，用于根据建筑工程施工现场视频数据，通过视频识别方案，识别建筑工程施工现场人员信息，并分析建筑工程施工现场环境和人员施工行为；

具体的，对从无人机采集的建筑工程施工现场视频数据进行预处理，包括去除噪音、调整亮度和对比度等，将视频帧提取为图像进行更精细的分析，选择适当的视频识别方案，如人脸识别、行人检测等，使用深度学习模型或其他先进的算法进行人员信息的准确识别，标注和记录每个识别到的人员的位置和身份信息，考虑使用目标检测技术，识别建筑工程施工现场中的物体和设备，分析环境参数，如温度、湿度等，以了解施工现场的工作条件，使用图像分割技术来提取施工现场中不同区域的信息。

基于识别到的人员，使用轨迹分析和动作识别等技术，分析其在施工现场的行为，建立行为模型检测异常行为或安全问题，设计实时处理系统，快速识别和分析视频流中的信息，提供实时反馈，如警报或通知及时应对施工现场的问题，建立有效的数据存储和管理系统，保存识别到的人员信息、环境分析结果和行为分析数据，使用云存储或本地服务器，确保数据安全和可访问性，实施隐私保护措施，确保人员信息的安全存储和传输，对识别分类模块进行性能优化，确保在不同条件下都能准确快速地处理视频数据，再根据实际使用情况不断调整和优化算法和模型。

数据拆分模块33，用于根据建筑工程施工现场环境，通过建筑工程施工现场环境特征拆分建筑工程施工现场环境，获取建筑工程施工现场特征环境组；

具体的，确定用于拆分建筑工程施工现场环境的关键特征，如温度、湿度、风速、噪音等，并考虑与施工现场相关的特殊环境因素，如粉尘、气体浓度等，选择适当类型的传感器，能够测量和记录所选特征，部署传感器以覆盖整个建筑工程施工现场，并确保传感器位置的代表性，设计数据采集系统，实时收集环境特征数据，确保采集的数据能够被有效地存储和管理，考虑使用云存储或本地服务器，对采集到的环境特征数据进行预处理，包括去除异常值、平滑处理及标准化等，确保不同传感器产生的数据可比较。

结合不同环境特征，形成特征组合，以代表特定的环境场景，根据特定条件将建筑工程施工现场环境拆分为不同的组，并为每个拆分出的特征环境组分配唯一标识符，建立环境组与实际施工情况的映射，建立实时监控系统，追踪环境特征的变化和拆分结果，提供实时反馈，如警报或通知，以便及时应对特殊环境情况，利用数据可视化工具展示建筑工程施工现场环境特征和拆分结果，并进行定期的数据分析，识别趋势和模式，为环境管理提供决策支持。

数据匹配模块34，用于将建筑工程施工现场特征环境组内部的建筑工程施工现场特征环境与人员施工行为匹配，获取施工行为信息；

具体的，设计一个数据关联模型，将建筑工程施工现场特征环境数据和人员施工行为数据进行关联，并考虑使用时间戳、空间坐标等信息进行匹配，明确定义建筑工程施工现场特征环境组内的特征环境与人员施工行为之间的映射关系，确保映射关系能够准确反映实际的施工场景，并对建筑工程施工现场特征环境数据和人员施工行为数据进行清洗和预处理，去除异常值和噪音，确保数据的质量和准确性，选择适当的匹配算法，使用时序匹配、空间匹配等技术，或考虑深度学习模型，如循环神经网络或长短时记忆网络等，实现实时匹配系统，及时将特征环境数据与人员施工行为匹配，再利用数据可视化工具展示建筑工程施工现场特征环境与人员施工行为的关联结果，进行定期的数据分析，识别模式和异常，为施工管理提供决策支持，建立有效的数据存储和管理系统，保存匹配结果和原始数据，并考虑使用云存储或本地服务器，确保数据安全和可访问性。

数据传输模块35，用于将人员信息和施工行为信息进行传输。

现场分析预测模块4，用于根据建筑工程施工方案、人员调度规划、人员信息和施工行为信息，通过现场安全分析策略对建筑工程施工现场进行现场安全分析，并基于安全分析结果预测施工现场演变参数；

具体的，现场分析预测模块4包括数据融合模块41、分析策略模块42、策略匹配模块43、现场分析模块44及演变预测模块45；

其中，数据融合模块41，用于通过时序规则融合建筑工程施工方案、人员调度规划、人员信息和施工行为信息，获取时域人员施工信息；

明确定义时序规则，融合建筑工程施工方案、人员调度规划、人员信息和施工行为信息的时序关系和规则，考虑不同数据源之间的时序关联，以确保融合的准确性，对各个数据源进行预处理，确保数据质量和一致性，并进行时序对齐，将不同数据源的信息映射到相同的时间轴上，设计时域数据模型，包括建筑工程施工方案、人员调度规划、人员信息和施工行为信息的时序表示，并使用时序数据库或其他适当的数据结构来存储和管理时序数据。

制定融合策略根据时序规则将不同数据源的信息融合在一起，并使用数据融合算法，如时序插值、聚合等，以平滑和整合时序信息，提取融合后的时域数据中的人员施工信息，包括人员位置、工作状态、施工行为等，并制定提取算法，确保信息的准确性和完整性，实现实时融合系统，及时更新时域人员施工信息，并提供实时反馈，如时域人员施工状态的变化、施工进度等，建立有效的时域数据存储和管理系统，保存融合后的时域人员施工信息和原始数据，使用云存储或本地服务器，确保数据安全和可访问性，且在时域数据融合过程中，确保人员信息的隐私安全，遵守相关隐私法规，尊重施工人员的隐私权，再对数据融合模块进行性能优化，确保在不同条件下都能准确快速地进行时域数据融合，且根据实际使用情况不断调整和优化融合算法和模型。

分析策略模块42，用于预设分析策略，并构建分析策略数据库；

具体的，确定通过分析策略达到的具体目标，如提高施工效率、优化人员调度、提升施工安全等，确定用于评估分析目标的关键指标，如工作完成时间、人员利用率、安全事件发生率等，将这些指标作为构建分析策略的基础，制定针对每个分析目标的具体分析策略，使用不同的分析方法，如统计分析、机器学习、数据挖掘等满足不同的分析需求，确定需要用于分析的数据源，包括建筑工程施工方案、人员调度规划、环境特征、人员信息和施工行为等，定义数据的格式和结构，确保数据能够被有效地用于分析，设计和建立分析策略数据库，用于存储预设的分析策略、相关指标和数据处理流程，考虑使用关系型数据库或其他适当的数据库技术，制定清晰的数据处理流程，包括数据收集、预处理、特征工程等步骤，确保数据处理流程能够有效地支持分析策略的实施，确定分析的频率，是实时分析还是定期批量分析，考虑不同分析目标可能需要不同的分析频率。

使用自动化工具来实施分析策略，提高效率和减少人工干预，利用脚本、工作流引擎等技术来实现自动化，建立性能监控机制，追踪分析策略的执行效果和结果，根据监控结果进行调整，保持分析策略的准确性和实用性。

策略匹配模块43，用于设置策略匹配规则，并根据策略匹配规则将时域人员施工信息与分析策略数据库内部的分析策略匹配；

具体的，明确定义策略匹配规则，确定如何将时域人员施工信息与分析策略数据库内的分析策略进行匹配，使用条件语句、规则引擎等方式，确保匹配的准确性和灵活性，设计查询机制，从分析策略数据库中检索符合策略匹配规则的分析策略，确保查询结果能够有效地支持后续的决策和执行，选择适当的策略匹配算法，考虑使用模糊匹配、关键字匹配等技术，根据策略的特性和结构选择合适的算法，定义匹配结果的解析方式，将匹配结果映射为可理解和可执行的指令或决策。

设计通用的解析规则，应对不同类型的分析策略，实现实时策略匹配系统，及时将时域人员施工信息与分析策略匹配，提供实时反馈，如根据匹配结果触发警报、通知相关人员等，建立有效的数据存储和管理系统，保存策略匹配规则、匹配结果和分析策略数据库，使用云存储或本地服务器，确保数据安全和可访问性，而在策略匹配过程中，确保时域人员施工信息的隐私安全，并对策略匹配模块进行性能优化，确保在不同条件下都能准确快速地进行匹配。

现场分析模块44，用于通过匹配的分析策略对建筑工程施工现场进行安全分析，获取现场安全分析结果；

具体的，现场分析模块44包括行为规范判断模块441、施工效率评估模块442及安全风险识别模块443；

行为规范判断模块441，用于分析建筑工程施工现场的人员分布合理性和建筑工程施工现场人员工作情况；

具体的，明确定义建筑工程施工现场的行为规范，包括人员分布、工作行为、安全要求等方面的规范，设计数据采集系统，收集建筑工程施工现场的实时数据，包括人员位置、工作状态、环境特征等信息，分析人员在建筑工程施工现场的分布情况，评估人员密集度和分布均匀性，并利用空间数据分析技术，如热力图、密度分析等，可视化人员分布情况，监测人员的工作行为，包括工作时间、工作强度、工作效率等，结合时域人员施工信息，分析人员的工作轨迹和活动范围，评估工作情况的合理性和效率，检查人员是否遵守安全规范，包括穿戴安全装备、遵守作业流程等，利用视频监控、传感器等设备，实时监测施工现场的安全情况，根据定义的行为规范，对人员分布合理性和工作情况进行评估，并制定评估指标和评分标准，如人员密度指标、工作效率指标等，再实施异常行为检测算法，及时发现并处理不符合规范的行为，如人员聚集、违规作业等，设计预警机制，当发现异常行为时及时报警。

施工效率评估模块442，用于根据历史建筑工程施工现场情况与现有建筑工程施工现场情况进行比对，获取建筑工程施工现场变化情况，并根据建筑工程施工现场变化情况计算施工效率评估值；

具体的，收集历史建筑工程施工现场的数据，包括人员分布、施工进度、材料使用等信息，对历史数据进行整理和清洗，确保数据的准确性和完整性，并基于历史数据建立基准模型，用于描述历史施工现场的典型情况，使用机器学习模型、统计模型或规则引擎等方法，设计实时数据采集系统，实时收集当前建筑工程施工现场的数据，包括人员位置、施工进度、材料使用等信息，确保实时数据的准确性和及时性。

实施变化检测算法，比对历史数据和实时数据，检测出施工现场的变化情况，使用图像处理、差异分析、时序分析等技术来识别变化，分析检测到的变化，确定变化的原因，如人员变动、工序调整、材料供应问题等，制定相应的变化分类标准，明确定义用于评估施工效率的指标，如施工进度、资源利用率、人力效益等，制定不同类型的施工效率指标，全面评估施工现场的表现，并基于检测到的变化情况，建立施工效率评估模型，使用多元回归、时序分析等方法，将变化因素与效率指标关联起来，实现实时效率计算系统，根据实时数据和效率评估模型计算当前施工效率。

安全风险识别模块443，用于根据人员分布合理性、建筑工程施工现场人员工作情况及建筑工程施工现场变化情况分析建筑工程施工现场安全风险。

具体的，利用人员分布信息，分析人员分布是否符合规范和安全要求，使用空间分析技术，检测人员聚集、高密度区域等可能的安全隐患，利用施工效率评估模块442的结果，分析人员的工作情况和施工现场的变化情况，并考虑不同工序、材料使用和工作时段可能引发的安全风险，如交叉作业、材料堆放不当等，收集和回顾历史安全事故的数据，分析事故发生的原因和模式，并基于历史经验，识别潜在的安全风险点，并考虑在安全风险识别中加以关注和监控。

演变预测模块45，用于根据现场安全分析结果，通过预测演变模型预测施工现场变化情况，获取施工现场演变参数。

具体的，演变预测模块45包括演变趋势模块451、预测模型模块452、预测风险模块453及现场变化预测模块454；

其中，演变趋势模块451，用于根据历史建筑工程施工现场变化情况分析建筑工程施工现场演变趋势；

具体的，收集历史建筑工程施工现场的数据，包括人员分布、施工进度、材料使用、安全事件等信息，对历史数据进行整理和清洗，确保数据的准确性和完整性，定义用于分析演变趋势的关键指标，如施工效率、安全性、人员利用率等，考虑不同指标对施工现场演变趋势的反映和影响，选择合适的趋势分析算法，如采用时间序列分析，按时间顺序排列的数据点集合，在建筑工程施工现场时采集每日的施工进度、安全事故数量、人员分布等，对采集的数据进行处理缺失值、异常值和噪声，以确保分析的准确性，并填充缺失值或使用数据平滑技术减少数据中的随机波动，再使用移动平均来识别数据中的主要趋势和季节性模式，并根据数据的特性选择合适的时间序列模型，如自回归时间序列模型对模型参数进行计算，并通过最小化预测误差来实现，在计算完成后检查模型残差，确保它们呈现出随机性，表明模型已经捕获了数据中的所有规律，并使用交叉验证评估模型的预测性能，使用建立并验证的模型来预测未来的时间序列数据，再利用数据可视化技术，将历史数据和趋势分析结果进行可视化展示。

使用趋势图、折线图、柱状图等工具，直观地呈现施工现场演变趋势，确定历史施工现场发生关键变化的时间节点，如项目阶段变化、重大事件发生等，分析时间节点对施工现场演变趋势的影响，识别因素的突变或趋势的变化点，分析每个趋势变化的原因，考虑人员变动、工序调整、材料供应问题等因素，判断原因是正面推动演变还是负面影响演变，以获取更深层次的理解，并根据历史数据来预测未来的变化趋势，设定关键因素监测指标，及时监测可能影响施工现场演变趋势的因素。

预测模型模块452，用于根据建筑工程施工现场演变趋势，通过演变模型预测建筑工程施工现场演变情况；

具体的，收集并整理历史建筑工程施工现场的相关数据，包括人员分布、施工进度、材料使用等，选择合适的特征，包括时间序列数据、人员行为数据等，以构建演变模型所需的输入特征，选择适当的建模技术，如使用时间序列分析构建演变模型，收集并整理历史建筑工程施工现场的相关数据，如人员分布、施工进度、材料使用等，再从历史数据中选择合适的特征作为模型的输入，包括日常施工进度、工人的工作时间分布等，，再使用自回归模型利用历史数据训练演变模型，并划分数据集为训练集和测试集，使用训练集对模型进行训练，通过测试集评估模型性能，检查模型对建筑工程施工现场演变趋势的捕捉能力，并根据需要调整模型的超参数，同时设计实时数据更新机制，确保模型能及时获取新的施工现场数据，包括集成传感器数据、人员签到系统等，以自动更新模型的输入数据，再对未来的建筑工程施工现场演变趋势进行预测，输出预测结果，如人员分布、施工进度、材料使用的变化趋势，确保演变模型能够捕捉建筑工程施工现场的演变趋势，确保模型对未来的演变情况有较好的泛化能力。

设计实时数据更新机制，确保模型能够及时获取新的施工现场数据，实时数据的更新基于传感器数据、人员签到系统等方式，利用训练好的演变模型，对未来的建筑工程施工现场演变趋势进行预测，输出预测结果，包括人员分布、施工进度、材料使用等方面的变化趋势，并对预测结果进行不确定性分析，考虑模型预测的可信度和置信区间，再利用数据可视化技术，将预测结果进行可视化展示，使用趋势图、预测曲线等工具，以直观的方式呈现建筑工程施工现场的未来演变情况，实现实时反馈系统，将预测结果与实际情况进行比对，根据实际情况对模型进行调整，确保预测模型在不断变化的环境中保持准确性，并设计应对突发事件的预测机制，考虑在模型中引入异常检测或紧急预测模块。

预测风险模块453，用于根据建筑工程施工现场安全风险，通过风险评估模型评估安全风险发生概率；

具体的，利用安全风险识别模块443提供的分析结果，明确定义建筑工程施工现场可能存在的安全风险，包括人员安全、设备安全、材料安全等方面，对每种安全风险明确相关的风险因素，例如施工活动类型、工程区域、人员素质等，形成综合的风险因素列表，收集历史安全事件的数据，分析这些事件的发生原因、频率和影响程度，并基于历史数据，识别和理解不同风险因素对安全事件发生的贡献程度，选择适当的风险评估模型，如事件树分析方法，选择一个或多个初始事件作为事件树分析的出发点，如建筑施工现场中可能导致安全事故的事件，包括机械故障、操作错误或安全措施失败等，并确定从初始事件发展出来的可能后果，后果可以是不同级别的安全事故，如轻伤、重伤或死亡等，也可以是其他类型的损失，如设备损坏、工期延误等，再使用树状图来构建事件的逻辑结构，从初始事件开始，每个分支代表一个可能的事件或决策点，分支末端代表不同的后果，再为事件树中的每个分支分配概率值，并基于历史数据、经验估计或专家意见来确定这些概率值，通过事件树分析，计算不同后果发生的总概率，事件树中每条路径（从树根到树叶的路径）的概率，然后将导致相同后果的路径概率相加，根据计算出的不同后果的概率，评估与每种后果相关的风险，根据这些风险评估结果，制定相应的风险缓解措施或决策，再将风险因素和其概率、影响程度等参数纳入模型，建立全面的风险评估框架。

收集实时数据，包括人员活动、施工进度、设备运行状况等信息，利用历史数据和实时数据训练风险评估模型，提高模型的准确性和可靠性，设定每个风险因素的概率分布，考虑不确定性因素，通过统计数据或专家意见，确定每个概率分布的参数，根据模型设定的风险因素概率和概率分布，计算每种安全风险事件的发生概率，考虑模型输出的概率值，量化安全风险的程度，并进行灵敏度分析，识别哪些风险因素对整体风险概率的影响最大。

现场变化预测模块454，用于根据建筑工程施工现场演变趋势和风险评估模型评估安全风险发生概率分析现场变化预测情况。

具体的，获取建筑工程施工现场演变趋势的预测结果和风险评估模型的安全风险发生概率，确保两个模块的输出能够有效整合和交互，设计一个联合分析模型，将演变趋势和安全风险发生概率结合起来，如根据演变趋势预测和安全风险评估，通过贝叶斯方法计算在特定施工场景下安全风险发生的联合概率，表示在给定演变趋势下安全风险发生的条件概率，设计不同的施工场景，如人员增加、材料延迟供应等，使用联合分析模型预测这些场景下安全风险的发生概率，分析不同变量，如人员数量、工期变化等对安全风险发生概率的影响，识别关键风险因素，并全面地预测现场变化，考虑使用联合概率模型或其他整合技术，使两个模块的输出相互影响，针对不同的施工场景进行模拟，考虑演变趋势和安全风险共同作用的情况，且模拟不同的变化场景，包括人员变动、材料供应问题、工序调整等。

设计实时数据更新机制，确保模型能够及时获取新的施工现场数据，实施实时监测系统，监测实际现场变化情况，与模型预测结果进行对比，利用联合分析模型，对未来的建筑工程施工现场变化进行预测，模拟安全风险随着变化的演进，评估不同场景下安全风险的发生概率，并对预测结果和演变趋势、安全风险概率的不确定性进行分析，使用趋势图、预测曲线、风险矩阵等工具，以直观的方式呈现建筑工程施工现场的未来变化和相关安全风险，实现实时反馈系统，将实际的现场变化情况和安全风险发生情况反馈给模型，并根据实际情况对模型进行调整，确保预测模型在不断变化的环境中保持准确性，再进行灵敏度分析，了解不同因素对模型的影响程度。

安全警报模块5，用于根据现场安全分析结果和施工现场演变参数，通过安全警报规则判断施工现场演变参数的警报范围，基于警报范围发出安全警报，并记录安全警报有效参数；

具体的，安全警报模块5包括数据整合模块51、警报规则模块52、警报分级模块53、警报影响模块54及警报输出记录模块55；

其中，数据整合模块51，用于将现场安全分析结果和施工现场演变参数进行数据清洗，并对清洗后的现场安全分析结果和施工现场演变参数整合，获取施工整合参数；

具体的，对现场安全分析结果和施工现场演变参数进行数据清洗，处理缺失值、异常值等，确定现场安全分析结果和施工现场演变参数的数据格式和结构，制定数据整合规范，包括字段匹配、命名统一等，通过整合模型将清洗后的安全分析结果和演变参数整合成一个统一的数据集，采用数据库系统、数据仓库或其他数据整合工具，确保数据能够进行整合，确定需要整合的施工现场演变参数，例如人员分布、施工进度、材料使用等。

设计整合算法，考虑现场安全分析结果和施工现场演变参数之间的关联，使用数据融合、关联分析等技术，获取综合的施工整合参数，执行数据整合模型，将清洗后的安全分析结果和演变参数整合成一个一体化的数据集，确保整合的数据能够准确地反映施工现场的综合情况，进行数据整合后，进行质量控制和验证，确保整合结果的准确性和可信度，使用交叉验证、对比分析等方法来验证整合结果，建立有效的数据存储和管理系统，保存整合后的数据集，使用数据库或其他数据存储工具，确保数据的安全和可访问性，并设计实时更新机制，确保整合后的数据能够及时反映施工现场的变化，实施实时监测系统，以便在发现异常情况时及时调整整合模型。

警报规则模块52，用于设置数据安全警报规则，并生成安全分级阈值；

具体的，确定需要设置的数据安全警报规则的类型，包括但不限于异常访问、异常数据传输、未经授权的操作等，根据建筑工程施工现场的特点和数据安全需求，制定相应的警报规则，确定安全事件的分级标准，将安全事件分为不同的等级，如低、中、高等级，根据安全事件的严重程度、影响范围等因素，设定相应的分级标准，根据警报规则和安全分级标准，设定相应的警报阈值，而警报阈值可以基于数据的变化趋势、异常检测算法等确定，确保能够及时捕捉到安全事件，确定触发警报的条件，例如超过设定阈值、特定事件发生等，考虑安全事件的紧急程度和影响范围，设定不同的触发条件，制定警报触发后的响应策略，包括通知相关人员、记录安全事件、采取应急措施等，并根据安全事件的分级和影响程度，确定相应的响应措施。

警报分级模块53，用于根据数据安全警报规则和安全分级阈值对施工整合参数进行警报分级；

具体的，警报分级模块53包括分级标准模块531、分级评估模块532及分级结果输出模块533；

其中，分级标准模块531，用于根据建筑工程施工现场特征设置警报分级标准，并基于警报分级标准计算建筑工程施工现场特征警报值；

具体的，基于警报分级标准计算建筑工程施工现场特征警报值的计算公式为：

；

其中，N为建筑工程施工现场特征警报值；

M为建筑工程施工现场风险因素的数量；

为建筑工程施工现场中第i个风险因素的权重；

为建筑工程施工现场中第i个风险因素的评分函数；

为建筑工程施工现场中第i个风险因素的数据指标。

分级评估模块532，用于设置安全警报分级阈值，并将建筑工程施工现场特征警报值与安全警报分级阈值比对；

分级结果输出模块533，用于将建筑工程施工现场特征警报值与安全警报分级阈值比对结果进行验证输出。

警报影响模块54，用于根据警报分级结果通过影响规则分析警报影响施工现场情况，并基于警报影响施工现场情况对警报分级结果进行调整优化；

具体的，警报影响模块54包括施工进度影响模块541、影响风险预测模块542及警报调整优化模块543；

其中，施工进度影响模块541，用于设置影响规则分析警报分级结果发出后对建筑工程施工现场的影响；

具体的，制定影响规则，明确不同级别的警报分级对施工进度的可能影响，施工进度的关键节点和任务，制定相应的影响规则，设计一个影响模型，将不同级别的警报与施工进度的影响关联起来，使用关联分析、进度仿真等技术，准确地评估警报对施工进度的潜在影响，根据影响模型，分析实际警报情况对施工进度可能造成的影响，包括人员调度、设备运行、工程计划调整等方面的影响分析，基于实际影响情况，制定调整和优化策略。

考虑提前预警、资源调配、工程计划调整等方案，最小化安全事件对施工进度的影响，将实际影响情况与调整优化策略关联起来，根据实际情况，选择合适的调整优化策略，以降低或消除安全事件对施工进度的影响，建立实时监测机制，随时监测施工进度的影响情况，设计实时反馈系统，及时将实际影响情况反馈到系统，以便进行实时调整和优化，考虑实现自动化调整系统，使系统能够根据实际影响情况自动调整优化策略，利用智能算法、自适应控制等技术，提高系统的响应速度和效率，再进行灵敏度分析，了解不同因素对影响模型的影响程度，根据分析结果对影响模型进行优化，定期评估系统的性能，根据实际应用情况和用户反馈进行改进和学习，结合历史数据和经验，不断优化影响模型和调整优化策略。

影响风险预测模块542，用于根据警报分级结果发出后对建筑工程施工现场的影响，预测建筑工程施工现场施工风险的变化；

具体的，制定影响分级规则，明确不同级别的警报对施工现场的影响程度，并考虑安全事件的严重性、影响范围和持续时间等因素，定义不同级别的影响规则，将不同级别的警报与施工风险的变化关联起来，使用统计分析、机器学习等技术，准确地预测施工风险的变化趋势，根据影响模型，分析实际警报情况对施工风险可能造成的影响，评估不同级别的警报对施工风险的影响程度，包括影响的类型、范围和持续时间等，基于影响情况和历史数据，建立施工风险的预测模型，考虑使用时间序列分析、回归分析等方法，以预测施工风险的变化趋势和可能的影响因素，使用历史数据对风险预测模型进行训练和验证，评估模型的准确性和可靠性，采用交叉验证、误差分析等方法，对模型进行全面评估。

建立实时监测系统，及时捕捉警报分级结果和施工现场的影响情况，利用风险预测模型，实时预测施工风险的变化趋势，并根据实际情况进行调整和优化，分析预测结果识别施工风险的主要变化趋势和影响因素，并考虑风险的累积效应和相互作用，综合评估施工风险的整体情况。

警报调整优化模块543，用于根据警报发出后对建筑工程施工现场的影响和建筑工程施工现场施工风险变化预测结果，对警报分级结果进行调整优化。

警报输出记录模块55，用于将优化调节后的警报分级结果进行输出，并根据输出的警报分级结果生成警报方案，记录警报方案实施时的效果。

数据存储模块6，用于对安全分析结果、施工现场演变参数及安全警报有效参数数据存储，并构建历史数据库更新优化现场安全分析策略、预测演变模型及安全警报规则。

具体的，确定安全分析结果、施工现场演变参数和安全警报有效参数的数据存储结构，包括字段定义、关系建立以及存储格式等方面，确保数据存储的一致性和可维护性，选择适当的数据库系统，如关系型数据库满足数据存储和查询的需求，设计数据采集流程，确保安全分析结果、施工现场演变参数和安全警报有效参数能够及时、准确地被存储到数据库中，采用实时数据流处理技术，以支持对动态数据的及时处理，构建历史数据库，将过去的安全分析结果、演变参数和警报数据导入数据库中，确保历史数据库的完整性和可查询性，以支持历史数据的回溯和分析。

设计合适的数据库索引，提高数据查询性能定期进行数据库性能优化，包括索引优化、查询优化等，确保系统响应时间和效率，采取措施保障存储在数据库中的数据的隐私和安全性，使用数据加密技术、访问控制和身份验证机制，以防止未经授权的访问和数据泄露，设计定期的数据清理策略，删除过期或无效的数据，以维护数据库的整洁性和性能，考虑归档历史数据，节约存储空间并保留历史记录，建立定期的数据备份和恢复机制，应对意外数据丢失或系统故障，确保备份数据的完整性和可用性，利用历史数据库中的数据，构建分析模型，以更新和优化现场安全分析策略，使用机器学习、统计分析等方法，提高模型的准确性和预测性能，定期更新数据库中的数据，确保模型和规则能够反映最新的施工现场情况。

根据本发明另一个实施例，如图6所示基于无人机的建筑工程施工现场动态安全报警方法，该方法包括：

对无人机分组控制和实时控制调整，并通过无人机采集建筑工程施工现场参数；

获取建筑工程施工场地的建筑工程施工方案和人员调度规划；

提取建筑工程施工现场参数中施工人员的人员信息和施工行为信息；

根据建筑工程施工方案、人员调度规划、人员信息和施工行为信息，通过现场安全分析策略对建筑工程施工现场进行现场安全分析，并基于安全分析结果预测施工现场演变参数；

根据现场安全分析结果和施工现场演变参数，通过安全警报规则判断施工现场演变参数的警报范围，基于警报范围发出安全警报，并记录安全警报有效参数；

对安全分析结果、施工现场演变参数及安全警报有效参数数据存储，并构建历史数据库更新优化现场安全分析策略、预测演变模型及安全警报规则。

综上所述，借助于本发明的上述技术方案，本发明通过无人机对施工现场进行实时监控，结合行为监控和现场分析预测模块，高效准确地识别潜在安全风险，提高安全管理的效率和质量，并通过结合演变预测模块，能够根据施工现场的实时数据预测未来可能发生的安全风险，实现动态安全管理，提前采取预防措施，减少事故发生。

此外，本发明通过设置安全警报模块及时发出警报，使得现场管理人员可以迅速响应，采取必要的安全措施，并通过数据存储模块提供丰富的历史数据，用于优化现场安全分析策略、预测演变模型及安全警报规则高决策的准确性和有效性，减少事故发生保障了工人的安全，避免因事故导致的施工延误，从而提高整体施工效率。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.基于无人机的建筑工程施工现场动态安全报警系统，其特征在于，包括无人机控制模块（1）、流程规划获取模块（2）、行为监控模块（3）、现场分析预测模块（4）、安全警报模块（5）及数据存储模块（6）；

其中，所述无人机控制模块（1），用于对无人机分组控制和实时控制调整，并通过无人机采集建筑工程施工现场参数；

所述流程规划获取模块（2），用于获取建筑工程施工场地的建筑工程施工方案和人员调度规划；

所述行为监控模块（3），用于提取建筑工程施工现场参数中施工人员的人员信息和施工行为信息；

所述现场分析预测模块（4），用于根据建筑工程施工方案、人员调度规划、人员信息和施工行为信息，通过现场安全分析策略对建筑工程施工现场进行现场安全分析，并基于安全分析结果预测施工现场演变参数；

所述安全警报模块（5），用于根据现场安全分析结果和施工现场演变参数，通过安全警报规则判断施工现场演变参数的警报范围，基于警报范围发出安全警报，并记录安全警报有效参数；

所述数据存储模块（6），用于对安全分析结果、施工现场演变参数及安全警报有效参数数据存储，并构建历史数据库更新优化现场安全分析策略、预测演变模型及安全警报规则；

所述行为监控模块（3）包括数据获取模块（31）、数据识别分类模块（32）、数据拆分模块（33）、数据匹配模块（34）及数据传输模块（35）；

其中，所述数据获取模块（31），用于获取无人机采集的建筑工程施工现场视频数据；

所述数据识别分类模块（32），用于根据建筑工程施工现场视频数据，通过视频识别方案，识别建筑工程施工现场人员信息，并分析建筑工程施工现场环境和人员施工行为；

所述数据拆分模块（33），用于根据建筑工程施工现场环境，通过建筑工程施工现场环境特征拆分建筑工程施工现场环境，获取建筑工程施工现场特征环境组；

所述数据匹配模块（34），用于将建筑工程施工现场特征环境组内部的建筑工程施工现场特征环境与人员施工行为匹配，获取施工行为信息；

所述数据传输模块（35），用于将人员信息和施工行为信息进行传输；

所述现场分析预测模块（4）包括数据融合模块（41）、分析策略模块（42）、策略匹配模块（43）、现场分析模块（44）及演变预测模块（45）；

其中，所述数据融合模块（41），用于通过时序规则融合建筑工程施工方案、人员调度规划、人员信息和施工行为信息，获取时域人员施工信息；

所述分析策略模块（42），用于预设分析策略，并构建分析策略数据库；

所述策略匹配模块（43），用于设置策略匹配规则，并根据策略匹配规则将时域人员施工信息与分析策略数据库内部的分析策略匹配；

所述现场分析模块（44），用于通过匹配的分析策略对建筑工程施工现场进行安全分析，获取现场安全分析结果；

所述演变预测模块（45），用于根据现场安全分析结果，通过预测演变模型预测施工现场变化情况，获取施工现场演变参数；

所述现场分析模块（44）包括行为规范判断模块（441）、施工效率评估模块（442）及安全风险识别模块（443）；

所述行为规范判断模块（441），用于分析建筑工程施工现场的人员分布合理性和建筑工程施工现场人员工作情况；

所述施工效率评估模块（442），用于根据历史建筑工程施工现场情况与现有建筑工程施工现场情况进行比对，获取建筑工程施工现场变化情况，并根据建筑工程施工现场变化情况计算施工效率评估值；

所述安全风险识别模块（443），用于根据人员分布合理性、建筑工程施工现场人员工作情况及建筑工程施工现场变化情况分析建筑工程施工现场安全风险；

所述演变预测模块（45）包括演变趋势模块（451）、预测模型模块（452）、预测风险模块（453）及现场变化预测模块（454）；

其中，所述演变趋势模块（451），用于根据历史建筑工程施工现场变化情况分析建筑工程施工现场演变趋势；

所述预测模型模块（452），用于根据建筑工程施工现场演变趋势，通过演变模型预测建筑工程施工现场演变情况；

所述预测风险模块（453），用于根据建筑工程施工现场安全风险，通过风险评估模型评估安全风险发生概率；

所述现场变化预测模块（454），用于根据建筑工程施工现场演变趋势和风险评估模型评估安全风险发生概率分析现场变化预测情况；

所述安全警报模块（5）包括数据整合模块（51）、警报规则模块（52）、警报分级模块（53）、警报影响模块（54）及警报输出记录模块（55）；

其中，所述数据整合模块（51），用于将现场安全分析结果和施工现场演变参数进行数据清洗，并对清洗后的现场安全分析结果和施工现场演变参数整合，获取施工整合参数；

所述警报规则模块（52），用于设置数据安全警报规则，并生成安全分级阈值；

所述警报分级模块（53），用于根据数据安全警报规则和安全分级阈值对施工整合参数进行警报分级；

所述警报影响模块（54），用于根据警报分级结果通过影响规则分析警报影响施工现场情况，并基于警报影响施工现场情况对警报分级结果进行调整优化；

所述警报输出记录模块（55），用于将优化调节后的警报分级结果进行输出，并根据输出的警报分级结果生成警报方案，记录警报方案实施时的效果。

2.根据权利要求1所述的基于无人机的建筑工程施工现场动态安全报警系统，其特征在于，所述警报分级模块（53）包括分级标准模块（531）、分级评估模块（532）及分级结果输出模块（533）；

其中，所述分级标准模块（531），用于根据建筑工程施工现场特征设置警报分级标准，并基于警报分级标准计算建筑工程施工现场特征警报值；

所述分级评估模块（532），用于设置安全警报分级阈值，并将建筑工程施工现场特征警报值与安全警报分级阈值比对；

所述分级结果输出模块（533），用于将建筑工程施工现场特征警报值与安全警报分级阈值比对结果进行验证输出。

3.根据权利要求2所述的基于无人机的建筑工程施工现场动态安全报警系统，其特征在于，所述基于警报分级标准计算建筑工程施工现场特征警报值的计算公式为：

；

其中，N为建筑工程施工现场特征警报值；

M为建筑工程施工现场风险因素的数量；

为建筑工程施工现场中第i个风险因素的权重；

为建筑工程施工现场中第i个风险因素的评分函数；

为建筑工程施工现场中第i个风险因素的数据指标。

4.根据权利要求3所述的基于无人机的建筑工程施工现场动态安全报警系统，其特征在于，所述警报影响模块（54）包括施工进度影响模块（541）、影响风险预测模块（542）及警报调整优化模块（543）；

其中，所述施工进度影响模块（541），用于设置影响规则分析警报分级结果发出后对建筑工程施工现场的影响；

所述影响风险预测模块（542），用于根据警报分级结果发出后对建筑工程施工现场的影响，预测建筑工程施工现场施工风险的变化；

所述警报调整优化模块（543），用于根据警报发出后对建筑工程施工现场的影响和建筑工程施工现场施工风险变化预测结果，对警报分级结果进行调整优化。

5.基于无人机的建筑工程施工现场动态安全报警方法，用于实现权利要求1-4中任一项所述的基于无人机的建筑工程施工现场动态安全报警系统，其特征在于，该方法包括：

对无人机分组控制和实时控制调整，并通过无人机采集建筑工程施工现场参数；

获取建筑工程施工场地的建筑工程施工方案和人员调度规划；

提取建筑工程施工现场参数中施工人员的人员信息和施工行为信息；

根据建筑工程施工方案、人员调度规划、人员信息和施工行为信息，通过现场安全分析策略对建筑工程施工现场进行现场安全分析，并基于安全分析结果预测施工现场演变参数；

根据现场安全分析结果和施工现场演变参数，通过安全警报规则判断施工现场演变参数的警报范围，基于警报范围发出安全警报，并记录安全警报有效参数；

对安全分析结果、施工现场演变参数及安全警报有效参数数据存储，并构建历史数据库更新优化现场安全分析策略、预测演变模型及安全警报规则。