CN114997682B - 一种基于大数据的施工现场安全监测***及方法 - Google Patents

一种基于大数据的施工现场安全监测***及方法 Download PDF

Info

Publication number
CN114997682B
CN114997682B CN202210676272.8A CN202210676272A CN114997682B CN 114997682 B CN114997682 B CN 114997682B CN 202210676272 A CN202210676272 A CN 202210676272A CN 114997682 B CN114997682 B CN 114997682B
Authority
CN
China
Prior art keywords
construction
data
determining
abnormal
project
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
Application number
CN202210676272.8A
Other languages
English (en)
Other versions
CN114997682A (zh
Inventor
徐会君
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202210676272.8A priority Critical patent/CN114997682B/zh
Publication of CN114997682A publication Critical patent/CN114997682A/zh
Application granted granted Critical
Publication of CN114997682B publication Critical patent/CN114997682B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—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
    • 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
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • 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
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于大数据的施工现场安全监测***及方法，其***包括：数据采集模块，用于采集施工现场的施工数据，并进行分类；数据分析模块，用于对分类后的施工数据进行异常检测；报警模块，用于基于异常项目确定报警类型并进行报警操作；安全分析模块，用于基于异常施工数据确定施工现场的实际施工动作信息；安全评估模块，用于确定实际施工动作信息与标准施工动作信息的差异；责任追溯模块，用于获取异常项目的关键事件信息，确定目标责任方且基于差异确定目标责任方的事故责任程度。实现对施工现场进行严格的安全监控，且在发生异常情况时，及时进行相应的报警操作，便于及时采取措施，降低事故的发生率，确保施工现场安全可靠的运行。

Description

一种基于大数据的施工现场安全监测***及方法
技术领域
本发明涉及监控及数据处理技术领域，特别涉及一种基于大数据的施工现场安全监测***及方法。
背景技术
目前，随着我国经济的迅猛发展，建筑行业也迅速发展起来，高层建筑越来越多，导致了各类事故发生频率上升、各种违规操作等不文明的施工现象层出不穷；
传统的安全监测和管理是通过管理人员在管理现场指导而实现，管理者本身的素质与状态影响了最后的管理效果，并不能有效地降低事故发生的频率，同时，由于是采用人工监督的方式，导致发现隐患不及时，从而造成不可估量的损失；
因此，本发明提供了一种基于大数据的施工现场安全监测***及方法。
发明内容
本发明提供一种基于大数据的施工现场安全监测***及方法，用以通过实时采集施工现场的施工数据，并对施工数据进行分析，实现对施工现场进行严格的安全监控，且在发生异常情况时，及时进行相应的报警操作，便于及时采取措施，降低事故的发生率，确保施工现场安全可靠的运行。
本发明提供了一种基于大数据的施工现场安全监测***，包括：
数据采集模块，用于实时采集施工现场的施工数据，并将所述施工数据进行分类；
数据分析模块，用于基于预设异常检测模型对分类后的施工数据进行异常检测，并基于检测结果确定异常项目；
报警模块，用于基于异常项目确定报警类型，并基于所述报警类型进行报警操作；
安全分析模块，用于基于报警操作后的报警结果调取所述异常项目对应的异常施工数据，并基于所述异常施工数据确定所述施工现场的实际施工动作信息；
安全评估模块，用于调取施工标准监测指标对所述实际施工动作信息进行处理，确定所述实际施工动作信息相对于标准施工动作信息的差异程度；
责任追溯模块，用于获取异常项目的关键事件信息，并将关键事件信息与施工项目申报材料进行匹配，确定目标责任方，且基于所述差异程度确定所述目标责任方的事故责任程度。
优选的，一种基于大数据的施工现场安全监测***，数据采集模块，包括：
数据采集点确定单元，用于获取施工现场的施工地图，并基于所述施工地图确定对施工现场进行数据采集的目标区域集合，其中，所述目标区域集合中包含至少一个施工区域；
定位单元，用于确定所述目标区域集合中各区域的地理位置坐标，并基于所述地理位置坐标在各区域设定预设数据采集装置；
数据采集单元，用于基于所述预设数据采集装置对各区域施工现场进行图像预采集，并基于预采集结果对所述预设数据采集装置的采集角度进行调整；
所述数据采集单元，用于基于调整结果通过所述预设数据采集装置采集各区域施工现场的施工图像，其中，所述施工图像包括建筑、施工工人以及施工环境；
数据格式转换单元，用于确定所述施工图像的图像参数，并基于所述图像参数对所述施工图像进行格式转换，得到所述施工现场的施工数据。
优选的，一种基于大数据的施工现场安全监测***，数据格式转换单元，包括：
数据获取子单元，用于获取得到的所述施工现场的施工数据，并将所述施工数据进行分组，得到N组子施工数据；
链路构建子单元，用于获取预设数据采集装置与管理终端的通讯地址，并基于所述通讯地址构建数据传输链路；
数据传输子单元，用于确定所述N组子施工数据的传输顺序，并基于所述传输顺序通过所述数据传输链路将所述N组子施工数据传输至管理终端；
数据存储子单元，用于将接收到的N组子施工数据进行组合，并确定组合后的施工数据的字节值；
所述数据存储子单元，用于基于所述字节值确定存储所述施工数据的空间容量，并基于所述空间容量从预设存储空间中匹配目标存储空间，且将所述施工数据在所述目标存储空间进行存储。
优选的，一种基于大数据的施工现场安全监测***，数据采集模块，包括：
数据获取单元，用于获取采集到的施工现场的施工数据，并确定对所述施工现场进行数据采集时的采集指标；
数据分类单元，用于基于所述采集指标对所述施工数据进行聚类处理，并基于聚类结果得到对每一类所述施工数据的聚类中心；
分类校验单元，用于提取每一类所述施工数据的聚类中心的目标特征，并分别确定所述目标特征与对应的采集指标的匹配度；
比较单元，用于当所述匹配度大于或等于预设匹配度值时，判定对施工数据的分类合格，否则，判定对所述施工数据的分类不合格，并重新对所述施工数据进行分类，直至所述匹配度大于或等于预设匹配度值。
优选的，一种基于大数据的施工现场安全监测***，数据分析模块，包括：
评估指标获取单元，用于获取对施工现场的安全监测项目，并确定所述安全监测项目的施工安全标准，其中，所述安全监测项目至少为一个，且每个安全监测项目对应的施工安全标准至少为一条；
样本数据获取单元，用于基于所述施工安全标准获取所述安全监测项目对应的基准施工数据，同时，调取预设异常检测模型；
模型训练单元，用于确定所述施工安全标准的重要程度值，并基于所述重要程度值依次提取所述基准施工数据中的特征序列；
所述模型训练单元，用于将所述安全监测项目、施工安全标准的重要程度值以及基准施工数据中的特征序列一一对应打包，并基于打包结果对所述预设异常检测模型中的数据层进行训练，得到标准异常检测模型；
数据输入单元，用于获取分类后的施工数据，并将所述分类后的施工数据输入所述标准异常检测模型进行处理；
数据处理单元，用于基于所述标准异常检测模型分别确定每一类施工数据的目标取值，并基于所述目标取值确定对应安全监测项目的数据状态变化趋势；
异常检测单元，用于确定安全监测项目中每一施工安全标准对应的安全参数范围，并基于所述数据状态变化趋势确定所述每一类施工数据的目标取值在所述安全参数范围内的目标数量；
所述异常检测单元，用于基于所述目标数量确定每一类施工数据对应的安全监测项目的风险阈值，并将所述风险阈值与预设风险值进行比较；
若存在所述风险阈值大于或等于预设风险值时，确定当前类别的施工数据对应的目标安全监测项目，并将所述目标安全监测项目判定为异常项目；
否则，判定每一类施工数据对应的安全监测项目均无异常。
优选的，一种基于大数据的施工现场安全监测***，异常检测单元，包括：
项目获取子单元，用于获取异常项目，并确定所述异常项目的项目属性；
风险源定位子单元，用于基于所述项目属性确定所述异常项目的项目类型，同时，获取所述异常项目对应的施工数据；
所述风险源定位子单元，用于基于所述项目类型确定所述异常项目的结构特点，并基于所述施工数据根据所述结构特点确定所述异常项目的风险源；
所述风险源定位子单元，还用于确定所述风险源在所述异常项目的具***置坐标，并基于所述具***置坐标完成对所述风险源的定位。
优选的，一种基于大数据的施工现场安全监测***，异常检测单元，包括：
信息获取子单元，用于获取所述异常项目，并确定所述异常项目的项目标识，同时，基于所述项目标识通过大数据调取所述异常项目的备案资料；
所述信息获取子单元，还用于确定所述异常项目的施工进度，并基于所述施工进度调取所述异常项目在管理终端存储的阶段数据信息，其中，所述阶段数据信息与施工进度成正比；
原因判定子单元，用于基于所述备案资料以及所述阶段数据信息确定与所述异常项目关联的项目参数，并基于所述项目参数确定所述异常项目的目标风险原因。
优选的，一种基于大数据的施工现场安全监测***，报警模块，包括：
项目获取单元，用于获取所述异常项目，并确定所述异常项目的项目特征；
项目类型确定单元，用于将所述项目特征与预设项目类型清单进行匹配，并基于匹配结果确定所述异常项目的目标类型；
报警方式确定单元，用于提取所述目标类型的类型标识，并基于所述类型标识确定对所述异常项目的目标报警方式；
风险等级确定单元，用于调取所述异常项目的施工数据，并基于所述施工数据确定异常项目存在风险的风险因素；
所述风险等级确定单元，用于确定所述风险因素与所述异常项目之间的因果关系，并基于所述因果关系构建邻接矩阵；
所述风险等级确定单元，用于基于所述邻接矩阵构建关系网络，并基于所述关系网络确定各节点的中心度，且基于所述中心度得到所述风险因素的权重值；
所述风险等级确定单元，用于基于所述风险因素构建对所述异常项目风险等级的评价体系，并基于所述权重值确定所述评价体系中各风险因素的危险系数，其中，所述危险系数与所述权重值成正比；
所述风险等级确定单元，用于基于所述危险系数确定各风险因素对所述异常项目的子风险等级，并基于所述权重值将所述子风险等级进行综合，得到所述异常项目的最终风险等级；
报警单元，用于基于所述最终风险等级确定通过所述目标报警方式对所述异常项目进行报警的报警等级，并基于所述报警等级在施工现场与管理终端进行报警操作。
优选的，一种基于大数据的施工现场安全监测***，风险等级确定单元，包括：
结果获取子单元，用于获取所述异常项目的最终风险等级，同时，获取所述异常项目的项目名称，并基于所述项目名称以及最终风险等级生成风险等级评估报告；
通知子单元，用于将所述风险等级评估报告传输至管理终端，且所述管理终端基于所述风险等级评估报告从预设防控措施库中匹配目标防控措施；
下发子单元，用于将所述目标防控措施下发至工作人员的智能终端，并提供工作人员进行防控工作。
优选的，一种基于大数据的施工现场安全监测方法，包括：
步骤1：实时采集施工现场的施工数据，并将所述施工数据进行分类；
步骤2：基于预设异常检测模型对分类后的施工数据进行异常检测，并基于检测结果确定异常项目；
步骤3：基于异常项目确定报警类型，并基于所述报警类型进行报警操作；
步骤4：基于报警操作后的报警结果调取所述异常项目对应的异常施工数据，并基于所述异常施工数据确定所述施工现场的实际施工动作信息；
步骤5：调取施工标准监测指标对所述实际施工动作信息进行处理，确定所述实际施工动作信息相对于标准施工动作信息的差异程度；
步骤6：获取异常项目的关键事件信息，并将关键事件信息与施工项目申报材料进行匹配，确定目标责任方，且基于所述差异程度确定所述目标责任方的事故责任程度。
与现有技术相比，本发明提供了一种基于大数据的施工现场安全监测***及方法，具备以下有益效果：
1、本发明提供了一种基于大数据的施工现场安全监测***，通过实时采集施工现场的施工数据，并对施工数据进行分析，实现对施工现场进行严格的安全监控，且在发生异常情况时，及时进行相应的报警操作，便于及时采取措施，降低事故的发生率，同时，根据异常项目对应的异常施工数据确定实际施工动作与标准施工动作的差异程度，从而实现根据差异程度确定异常项目的责任方，且实现对指责方责任程度大小的准确判定，确保施工现场安全可靠的运行。
2、本发明提供了一种基于大数据的施工现场安全监测***，通过对施工现场的施工数据进行分析，实现对异常项目进行准确有效的判定，同时根据异常项目的异常情况的严重程度选择不同程度的报警等级，从而提高了对施工现场的报警严谨性，同时，也便于管理终端及时采取相应的防控措施，提高了对施工现场的安全监控力度。
3、本发明提供了一种基于大数据的施工现场安全监测***，通过对施工现场的施工数据进行全面采集并分析，实现对施工现场中各安全监测项目进行严格有效的监控，且在施工现场存在异常情况时，及时确定异常项目的项目类型并进行相应的报警和防控，确保了施工现场的安全，提升了施工现场的安全系数。
本发明的其它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可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于大数据的施工现场安全监测***的结构图；
图2为本发明实施例中一种基于大数据的施工现场安全监测***中数据采集模块的结构图；
图3为本发明实施例中一种基于大数据的施工现场安全监测方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：
本实施例提供了一种基于大数据的施工现场安全监测***，如图1所示，包括：
数据采集模块，用于实时采集施工现场的施工数据，并将所述施工数据进行分类；
数据分析模块，用于基于预设异常检测模型对分类后的施工数据进行异常检测，并基于检测结果确定异常项目；
报警模块，用于基于异常项目确定报警类型，并基于所述报警类型进行报警操作；
安全分析模块，用于基于报警操作后的报警结果调取所述异常项目对应的异常施工数据，并基于所述异常施工数据确定所述施工现场的实际施工动作信息；
安全评估模块，用于调取施工标准监测指标对所述实际施工动作信息进行处理，确定所述实际施工动作信息相对于标准施工动作信息的差异程度；
责任追溯模块，用于获取异常项目的关键事件信息，并将关键事件信息与施工项目申报材料进行匹配，确定目标责任方，且基于所述差异程度确定所述目标责任方的事故责任程度。
该实施例中，施工数据指的是施工现场的工作人员的安全帽等防护器具的穿戴情况、施工机械硬件的运行情况、施工车辆的运行情况以及施工现场环境以及建筑的建筑情况等。
该实施例中，预设异常检测模型是提前设定好的，用于对施工数据进行分析，从而确定施工现场是否存在安全隐患。
该实施例中，异常项目指的是未达到施工安全要求的施工项目，包括施工人员的操作情况、机械的运行情况以及施工现场的环境情况。
该实施例中，报警类型指的是不同的异常项目对应不同的报警方式，从而便利管理终端及时发现相应的异常情况。
该实施例中，报警操作包括施工现场以及管理终端同时报警等。
该实施例中，异常施工数据指的是施工现场中异常项目对应的施工数据，具体包括异常项目的施工进度、当前的施工状态以及在施工过程中依据的施工标准等。
该实施例中，实际施工动作信息指的是施工现场中异常项目的在施工过程中的操作步骤以及每一步骤的规范程度，具体包括对材料的使用顺序、使用标准、使用数量以及每一施工步骤是否按照施工要求进行等。
该实施例中，施工标准监测指标是提前设定好的，适用于衡量每一施工动作是否符合要求的参考依据。
该实施例中，标准施工动作信息指的是在满足标准监测指标下对应的施工行为，是符合施工要求的。
该实施例中，差异程度指的是实际施工动作信息与标准施工动作信息的偏差大小，差异程度越大表明实际施工动作信息越不符合施工标准监测指标。
该实施例中，关键事件信息指的是异常项目的项目类型、异常项目当前的施工步骤以及施工进度等。
该实施例中，施工项目申报材料是提前设定好的，是施工项目在施工前进行的备案。
该实施例中，目标责任方指的是造成当前异常项目发生异常的主要责任人，具体为施工工人或承包商等。
该实施例中，基于所述差异程度确定所述目标责任方的事故责任程度指的是当差异程度越大，表明异常项目的当前施工标准越不符合施工要求，即造成异常项目发生异常的程度就越大，同时，差异程度越大表明造成的后果就越严重，即差异程度越大事故责任就越大。
上述技术方案的有益效果是：通过实时采集施工现场的施工数据，并对施工数据进行分析，实现对施工现场进行严格的安全监控，且在发生异常情况时，及时进行相应的报警操作，便于及时采取措施，降低事故的发生率，同时，根据异常项目对应的异常施工数据确定实际施工动作与标准施工动作的差异程度，从而实现根据差异程度确定异常项目的责任方，且实现对指责方责任程度大小的准确判定，确保施工现场安全可靠的运行。
实施例2：
在实施例1的基础上，本实施例提供了一种基于大数据的施工现场安全监测***，如图2所示，数据采集模块，包括：
数据采集点确定单元，用于获取施工现场的施工地图，并基于所述施工地图确定对施工现场进行数据采集的目标区域集合，其中，所述目标区域集合中包含至少一个施工区域；
定位单元，用于确定所述目标区域集合中各区域的地理位置坐标，并基于所述地理位置坐标在各区域设定预设数据采集装置；
数据采集单元，用于基于所述预设数据采集装置对各区域施工现场进行图像预采集，并基于预采集结果对所述预设数据采集装置的采集角度进行调整；
所述数据采集单元，用于基于调整结果通过所述预设数据采集装置采集各区域施工现场的施工图像，其中，所述施工图像包括建筑、施工工人以及施工环境；
数据格式转换单元，用于确定所述施工图像的图像参数，并基于所述图像参数对所述施工图像进行格式转换，得到所述施工现场的施工数据。
该实施例中，施工地图指的是用来表征施工现场的区域分布，便于确定施工现场中当前正在施工的区域等。
该实施例中，目标区域集合指的是需要进行数据采集的多个当前施工场所。
该实施例中，地理位置坐标指的是不同的施工区域在施工现场的具体分布位置。
该实施例中，预设数据采集装置指的是摄像头，用来采集施工现场的施工图像。
该实施例中，预采集指的是通过预设数据采集装置对施工现场进行测试性的图像采集，从而便于确定预设数据采集装置的安装角度是否合格。
该实施例中，图像参数指的是施工图像中记录的主题内容。
上述技术方案的有益效果是：通过根据施工现场的施工地图，实现对施工现场中需要进行数据采集的区域进行准确定位，确保能够采集到需要的施工数据，其次，通过对设定的预设数据采集装置安装角度进行调整，确保采集道德数据准确可靠，最终将采集到的施工图像转换为对应的施工数据，实现对施工数据采集的准确性，实现对施工现场进行严格的安全监控。
实施例3：
在实施例2的基础上，本实施例提供了一种基于大数据的施工现场安全监测***，数据格式转换单元，包括：
数据获取子单元，用于获取得到的所述施工现场的施工数据，并将所述施工数据进行分组，得到N组子施工数据；
链路构建子单元，用于获取预设数据采集装置与管理终端的通讯地址，并基于所述通讯地址构建数据传输链路；
数据传输子单元，用于确定所述N组子施工数据的传输顺序，并基于所述传输顺序通过所述数据传输链路将所述N组子施工数据传输至管理终端；
数据存储子单元，用于将接收到的N组子施工数据进行组合，并确定组合后的施工数据的字节值；
所述数据存储子单元，用于基于所述字节值确定存储所述施工数据的空间容量，并基于所述空间容量从预设存储空间中匹配目标存储空间，且将所述施工数据在所述目标存储空间进行存储。
该实施例中，子施工数据指的是将采集到的施工数据进行拆分后，得到的施工数据中的多个数据片段。
该实施例中，传输顺序是用来表征不同子施工数据在数据传输链路中的传递顺序。
该实施例中，字节值是用来表征施工数据内容的大小情况。
该实施例中，预设存储空间是提前设定好的，是管理终端用于存储不同字节大小的施工数据。
该实施例中，目标存储空间指的是适用于存储当前施工数据的存储空间，是预设存储空间中的一部分。
上述技术方案的有益效果是：通过确定预设数据采集装置与管理终端的通讯地址，实现对预设数据采集装置与管理终端之间的数据传输链路进行准确的构建，同时将施工数据进行拆分，提高了在数据传输链路中的传输速度，同时，管理终端通过确定施工数据的字节值，实现根据施工数据的字节值实现将施工数据进行准确有效的存储，为准确分析施工现场的安全情况提供了便利与保障。
实施例4：
在实施例1的基础上，本实施例提供了一种基于大数据的施工现场安全监测***，数据采集模块，包括：
数据获取单元，用于获取采集到的施工现场的施工数据，并确定对所述施工现场进行数据采集时的采集指标；
数据分类单元，用于基于所述采集指标对所述施工数据进行聚类处理，并基于聚类结果得到对每一类所述施工数据的聚类中心；
分类校验单元，用于提取每一类所述施工数据的聚类中心的目标特征，并分别确定所述目标特征与对应的采集指标的匹配度；
比较单元，用于当所述匹配度大于或等于预设匹配度值时，判定对施工数据的分类合格，否则，判定对所述施工数据的分类不合格，并重新对所述施工数据进行分类，直至所述匹配度大于或等于预设匹配度值。
该实施例中，采集指标指的是在对施工现场进行数据采集时，提前已知的要采取的数据类型。
该实施例中，聚类处理指的是将具有相同特征的施工数据进行归类。
该实施例中，聚类中心用于表征当前类别的施工数据的数据特征，同一类别的施工数据共享当前聚类中心。
该实施例中，目标特征指的是聚类中心的具体取值以及数据类型等特征。
该实施例中，预设匹配度值是提前设定好的，用于衡量对施工数据的分类是否合格，是可以是进行修改的。
上述技术方案的有益效果是：通过确定对施工数据的采集指标，实现对施工数据进行准确有效的聚类处理，从而保障了对施工数据的分类准确度，同时在分类结束后，通过将每一类施工数据的目标特征与对应的采集指标进行匹配，实现对分类结果进行准确有效的验证，提高了对施工数据分类的准确性以及可靠性，为实现对施工现场进行严格的安全监控提供了保障。
实施例5：
在实施例1的基础上，本实施例提供了一种基于大数据的施工现场安全监测***，数据分析模块，包括：
评估指标获取单元，用于获取对施工现场的安全监测项目，并确定所述安全监测项目的施工安全标准，其中，所述安全监测项目至少为一个，且每个安全监测项目对应的施工安全标准至少为一条；
样本数据获取单元，用于基于所述施工安全标准获取所述安全监测项目对应的基准施工数据，同时，调取预设异常检测模型；
模型训练单元，用于确定所述施工安全标准的重要程度值，并基于所述重要程度值依次提取所述基准施工数据中的特征序列；
所述模型训练单元，用于将所述安全监测项目、施工安全标准的重要程度值以及基准施工数据中的特征序列一一对应打包，并基于打包结果对所述预设异常检测模型中的数据层进行训练，得到标准异常检测模型；
数据输入单元，用于获取分类后的施工数据，并将所述分类后的施工数据输入所述标准异常检测模型进行处理；
数据处理单元，用于基于所述标准异常检测模型分别确定每一类施工数据的目标取值，并基于所述目标取值确定对应安全监测项目的数据状态变化趋势；
异常检测单元，用于确定安全监测项目中每一施工安全标准对应的安全参数范围，并基于所述数据状态变化趋势确定所述每一类施工数据的目标取值在所述安全参数范围内的目标数量；
所述异常检测单元，用于基于所述目标数量确定每一类施工数据对应的安全监测项目的风险阈值，并将所述风险阈值与预设风险值进行比较；
若存在所述风险阈值大于或等于预设风险值时，确定当前类别的施工数据对应的目标安全监测项目，并将所述目标安全监测项目判定为异常项目；
否则，判定每一类施工数据对应的安全监测项目均无异常。
该实施例中，安全监测项目指的是对施工现场进行安全监测的业务种类，具体为工人的操作行为、建筑的建筑情况以及施工现场的施工环境。
该实施例中，施工安全标准指的是每一种安全监测项目对应的标准监测数据，具体为工人操作必须佩戴安全帽等。
该实施例中，基准施工数据指的是安全监测项目在合格情况下对应的施工数据。
该实施例中，特征序列指的是基准施工数据中能够表明基准施工数据的取值以及属性信息的关键数据片段。
该实施例中，标准异常检测模型指的是对预设异常检测模型进行训练后得到的最终的异常检测模型。
该实施例中，目标取值指的是每一类施工数据对应的取值大小。
该实施例中，数据状态变化趋势指的是每一类施工数据取值的具体变化情况。
该实施例中，安全参数范围指的是安全监测项目对应的安全施工数据对应的取值范围，在该范围内即判定项目无危险情况。
该实施例中，目标数量指的是每一类施工数据中取值在安全参数范围内的施工数据的数量。
该实施例中，风险阈值指的是当前施工数据对应的安全监测项目存在风险的程度大小。
该实施例中，预设风险值是提前设定好的，用于衡量当前安全监测项目的风险值是否达到判定为异常项目的标准。
上述技术方案的有益效果是：通过确定需要对施工现场进行安全监测的项目种类，并确定每一安全监测项目的施工安全标准，实现对预设异常检测模型进行准确可靠的训练，其次，通过训练好的异常检测模型对采集到的施工数据进行分析，从而实现对施工现场中存在安全隐患的安全监测项目进行准确及时的判定，为确保施工现场安全可靠的运行提供了便利与保障。
实施例6：
在实施例5的基础上，本实施例提供了一种基于大数据的施工现场安全监测***，异常检测单元，包括：
项目获取子单元，用于获取异常项目，并确定所述异常项目的项目属性；
风险源定位子单元，用于基于所述项目属性确定所述异常项目的项目类型，同时，获取所述异常项目对应的施工数据；
所述风险源定位子单元，用于基于所述项目类型确定所述异常项目的结构特点，并基于所述施工数据根据所述结构特点确定所述异常项目的风险源；
所述风险源定位子单元，还用于确定所述风险源在所述异常项目的具***置坐标，并基于所述具***置坐标完成对所述风险源的定位。
该实施例中，项目属性指的是异常项目的项目种类以及对应的项目特点等。
该实施例中，结构特点指的是异常项目的结构特点或是器件之间的连接关系等。
该实施例中，风险源指的是造成异项目发生异常的源头位置。
该实施例中，具***置坐标指的是风险源在异常项目中的具体分布情况。
上述技术方案的有益效果是：通过确定异常项目的项目属性，从而实现对异常项目的项目种类进行准确有效的获取，其次，通过项目种类实现对异常项目的结构特征进行有效哦判断，从而实现对异常项目的风险源的以及对应的具***置进行准确获取，为实现对施工现场进行安全可靠的监测提供保障，也为及时采取防控措施提供了便利。
实施例7：
在实施例5的基础上，本实施例提供了一种基于大数据的施工现场安全监测***，异常检测单元，包括：
信息获取子单元，用于获取所述异常项目，并确定所述异常项目的项目标识，同时，基于所述项目标识通过大数据调取所述异常项目的备案资料；
所述信息获取子单元，还用于确定所述异常项目的施工进度，并基于所述施工进度调取所述异常项目在管理终端存储的阶段数据信息，其中，所述阶段数据信息与施工进度成正比；
原因判定子单元，用于基于所述备案资料以及所述阶段数据信息确定与所述异常项目关联的项目参数，并基于所述项目参数确定所述异常项目的目标风险原因。
该实施例中，项目标识是用来标记不同项目的一种标记标签，通过该标识可快速准确的判定当前项目的种类。
该实施例中，备案资料指的是该异常项目在施工前在管理终端存储的施工材料，具体为施工的设备种类以及施工的工人名单等。
该实施例中，阶段数据信息指的是根据施工现场的施工进度在管理终端对施工现场的施工情况进行同步更新。
该实施例中，项目参数包括异常项目的当前进度情况以及具体施工的设备以及对应的工人信息
该实施例中，目标风险原因指的是造成异常项目存在风险或是发生异常的根本原因。
上述技术方案的有益效果是：通过确定异常项目的备案资料以及与施工进度在管理终端进行同步更新的阶段数据信息，实现对异常项目的目标风险原因进行准确有效的分析，从而便于及时对异常项目采取防范措施，为保障施工现场安全有序的运行提供了便利。
实施例8：
在实施例1的基础上，本实施例提供了一种基于大数据的施工现场安全监测***，报警模块，包括：
项目获取单元，用于获取所述异常项目，并确定所述异常项目的项目特征；
项目类型确定单元，用于将所述项目特征与预设项目类型清单进行匹配，并基于匹配结果确定所述异常项目的目标类型；
报警方式确定单元，用于提取所述目标类型的类型标识，并基于所述类型标识确定对所述异常项目的目标报警方式；
风险等级确定单元，用于调取所述异常项目的施工数据，并基于所述施工数据确定异常项目存在风险的风险因素，其中，所述风险因素不唯一；
所述风险等级确定单元，用于确定所述风险因素与所述异常项目之间的因果关系，并基于所述因果关系构建邻接矩阵；
所述风险等级确定单元，用于基于所述邻接矩阵构建关系网络，并基于所述关系网络确定各节点的中心度，且基于所述中心度得到所述风险因素的权重值；
所述风险等级确定单元，用于基于所述风险因素构建对所述异常项目风险等级的评价体系，并基于所述权重值确定所述评价体系中各风险因素的危险系数，其中，所述危险系数与所述权重值成正比；
所述风险等级确定单元，用于基于所述危险系数确定各风险因素对所述异常项目的子风险等级，并基于所述权重值将所述子风险等级进行综合，得到所述异常项目的最终风险等级；
报警单元，用于基于所述最终风险等级确定通过所述目标报警方式对所述异常项目进行报警的报警等级，并基于所述报警等级在施工现场与管理终端进行报警操作。
该实施例中，项目特征指的是异常项目的项目特点，包括项目施工属性以及运行特点等。
该实施例中，预设项目类型清单是提前设定好的，用于存储不同施工项目的项目种类。
该实施例中，目标类型指的是异常项目的项目类型。
该实施例中，类型标识指的是用于标记不同项目类型的一种标记标签，一种项目类型对应一种标识。
该实施例中，目标报警方式指的是适用于对当前异常项目进行报警的报警方式，不同类型的异常项目对应不同的报警方式。
该实施例中，风险因素指的是造成异常项目发生异常或存在风险的主要因素。
该实施例中，邻接矩阵指的是用一个一维数组存放风险因素的所有数据，用一个二维数组存放风险因素与所述异常项目之间的因果关系(边或弧)的数据，这个二维数组称为邻接矩阵。
该实施例中，关系网络指的是用于表征不同风险因素之间的关联关系。
该实施例中，中心度指的是不同的风险因素在造成异常项目发生风险的比重。
该实施例中，危险系数是用来表征不同风险因素的危险程度大小。
该实施例中，子风险等级指的是不同风险因素对异常项目造成的风险等级。
上述技术方案的有益效果是：通过确定异常项目的项目类型，从而实现根据项目类型匹配相对应的报警方式，其次，通过风险评价体系实现对异常项目的风险等级进行准确有效的判定，实现根据风险等级调用匹配的报警等级进行报警操作，提高了对施工现场安全监控的严谨程度，从而便于及时发现施工现场的异常项目，并根据风险等级采取相应的防控措施进行防控，保障了施工现场安全有序的运行。
实施例9：
在实施例8的基础上，本实施例提供了一种基于大数据的施工现场安全监测***，风险等级确定单元，包括：
结果获取子单元，用于获取所述异常项目的最终风险等级，同时，获取所述异常项目的项目名称，并基于所述项目名称以及最终风险等级生成风险等级评估报告；
通知子单元，用于将所述风险等级评估报告传输至管理终端，且所述管理终端基于所述风险等级评估报告从预设防控措施库中匹配目标防控措施；
下发子单元，用于将所述目标防控措施下发至工作人员的智能终端，并提供工作人员进行防控工作。
该实施例中，项目名称指的是异常项目的名字，具体为“建筑”、“工人操作行为”等。
该实施例中，预设防控措施库是提前设定好的，用于存储不同风险等级对应的防控措施。
该实施例中，目标防控措施指的是适用于解决当前异常项目风险风机的防控措施，是预设防控措施库中的一种或多种组合。
上述技术方案的有益效果是：通过确定异常项目的项目名称，从而生成相应的风险等级评估报告，且根据风险等级评估报告匹配相应的防控措施对异常项目进行防控操作，提高了应对施工现场紧急情况的高效性，便于保障施工现场的安全，提高了施工现场的安全系数。
实施例10：
本实施例提供了一种基于大数据的施工现场安全监测方法，如图3所示，包括：
步骤1：实时采集施工现场的施工数据，并将所述施工数据进行分类；
步骤2：基于预设异常检测模型对分类后的施工数据进行异常检测，并基于检测结果确定异常项目；
步骤3：基于异常项目确定报警类型，并基于所述报警类型进行报警操作；
步骤4：基于报警操作后的报警结果调取所述异常项目对应的异常施工数据，并基于所述异常施工数据确定所述施工现场的实际施工动作信息；
步骤5：调取施工标准监测指标对所述实际施工动作信息进行处理，确定所述实际施工动作信息相对于标准施工动作信息的差异程度；
步骤6：获取异常项目的关键事件信息，并将关键事件信息与施工项目申报材料进行匹配，确定目标责任方，且基于所述差异程度确定所述目标责任方的事故责任程度。
上述技术方案的有益效果是：通过实时采集施工现场的施工数据，并对施工数据进行分析，实现对施工现场进行严格的安全监控，且在发生异常情况时，及时进行相应的报警操作，便于及时采取措施，降低事故的发生率，同时，根据异常项目对应的异常施工数据确定实际施工动作与标准施工动作的差异程度，从而实现根据差异程度确定异常项目的责任方，且实现对指责方责任程度大小的准确判定，确保施工现场安全可靠的运行。
实施例11：
在实施例8的基础上，本实施例提供了一种基于大数据的施工现场安全监测***，得到所述异常项目的最终风险等级，包括：
当所述异常项目为施工现场的脚手架时，确定所述脚手架的最终风险等级的具体步骤为：
获取施工现场的平均风速，并基于所述平均风速计算施工现场的风荷载，且基于所述风荷载计算所述脚手架的立杆弯矩值，具体步骤包括：
根据如下公式计算所述施工现场的风荷载：
Figure BDA0003694739370000211
其中，α表示所述施工现场的风荷载；μ表示误差因子，且取值范围为(0.02，0.05)；β表示风振系数，且取值范围为(0.9，1.2)；δ表示风压高度变化系数，且取值范围为(0.4，3)；
Figure BDA0003694739370000212
表示脚手架风荷载体型系数，且取值范围为(0.8，1.5)；ρ表示施工现场的空气密度值；v表示所述施工现场的平均风速；
根据如下公式计算所述脚手架的立杆弯矩值：
Figure BDA0003694739370000221
其中，M表示所述脚手架的立杆弯矩值；L表示所述脚手架立杆之间的纵距；d表示所述脚手架立杆之间的横距；A表示常数，一般取值为10；
将计算得到的弯矩值与预设弯矩值进行比较；
若所述弯矩值小于或等于所述预设弯矩值，判定所述脚手架能够承受施工现场的风荷载；
否则，判定所述施工现场的风荷载会对所述脚手架造成损害，并进行报警操作。
该实施例中，风荷载指的是空气流动对脚手架所产生的压力。
该实施例中，风振系数是指风对建筑物的作用是不规则的，风压随风速、风向的紊乱变化而不停地改变。
该实施例中，压高度变化系数是反映风压随不同场地、地貌和高度变化规律的系数。
该实施例中，脚手架风荷载体型系数指的是脚手架对风荷载的影响程度。
该实施例中，弯矩值指的是脚手架在风荷载的作用下发生弯曲的程度。
该实施例中，风速以及空气密度值是通过专业的机器或传感器检测所得。
上述技术方案的有益效果是：通过对施工现场中的脚手架进行分析，通过根据施工现场的风速计算施工现场的风荷载，并根据风荷载计算脚手架在风的作用下产生的弯矩值，实现对施工现场的风对脚手架产生的风险进行准确有效的分析，且在弯矩值达到预设弯矩值时进行报警操作，提高了对施工现场安全监测的力度与准确性。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种基于大数据的施工现场安全监测***，其特征在于，包括：
数据采集模块，用于实时采集施工现场的施工数据，并将所述施工数据进行分类；
数据分析模块，用于基于预设异常检测模型对分类后的施工数据进行异常检测，并基于检测结果确定异常项目；
报警模块，用于基于异常项目确定报警类型，并基于所述报警类型进行报警操作；
安全分析模块，用于基于报警操作后的报警结果调取所述异常项目对应的异常施工数据，并基于所述异常施工数据确定所述施工现场的实际施工动作信息；
安全评估模块，用于调取施工标准监测指标对所述实际施工动作信息进行处理，确定所述实际施工动作信息相对于标准施工动作信息的差异程度；
责任追溯模块，用于获取异常项目的关键事件信息，并将关键事件信息与施工项目申报材料进行匹配，确定目标责任方，且基于所述差异程度确定所述目标责任方的事故责任程度；
报警模块，包括：
项目获取单元，用于获取所述异常项目，并确定所述异常项目的项目特征；
项目类型确定单元，用于将所述项目特征与预设项目类型清单进行匹配，并基于匹配结果确定所述异常项目的目标类型；
报警方式确定单元，用于提取所述目标类型的类型标识，并基于所述类型标识确定对所述异常项目的目标报警方式；
风险等级确定单元，用于调取所述异常项目的施工数据，并基于所述施工数据确定异常项目存在风险的风险因素；
所述风险等级确定单元，用于确定所述风险因素与所述异常项目之间的因果关系，并基于所述因果关系构建邻接矩阵；
所述风险等级确定单元，用于基于所述邻接矩阵构建关系网络，并基于所述关系网络确定各节点的中心度，且基于所述中心度得到所述风险因素的权重值；
所述风险等级确定单元，用于基于所述风险因素构建对所述异常项目风险等级的评价体系，并基于所述权重值确定所述评价体系中各风险因素的危险系数，其中，所述危险系数与所述权重值成正比；
所述风险等级确定单元，用于基于所述危险系数确定各风险因素对所述异常项目的子风险等级，并基于所述权重值将所述子风险等级进行综合，得到所述异常项目的最终风险等级；
报警单元，用于基于所述最终风险等级确定通过所述目标报警方式对所述异常项目进行报警的报警等级，并基于所述报警等级在施工现场与管理终端进行报警操作；
得到所述异常项目的最终风险等级，包括：
当所述异常项目为施工现场的脚手架时，确定所述脚手架的最终风险等级的具体步骤为：
获取施工现场的平均风速，并基于所述平均风速计算施工现场的风荷载，且基于所述风荷载计算所述脚手架的立杆弯矩值，具体步骤包括：
根据如下公式计算所述施工现场的风荷载：
Figure FDA0004068549420000021
其中，α表示所述施工现场的风荷载；μ表示误差因子，且取值范围为(0.02，0.05)；β表示风振系数，且取值范围为(0.9，1.2)；δ表示风压高度变化系数，且取值范围为(0.4，3)；
Figure FDA0004068549420000022
表示脚手架风荷载体型系数，且取值范围为(0.8，1.5)；ρ表示施工现场的空气密度值；v表示所述施工现场的平均风速；
根据如下公式计算所述脚手架的立杆弯矩值：
Figure FDA0004068549420000023
其中，M表示所述脚手架的立杆弯矩值；L表示所述脚手架立杆之间的纵距；d表示所述脚手架立杆之间的横距；A表示常数，一般取值为10；
将计算得到的弯矩值与预设弯矩值进行比较；
若所述弯矩值小于或等于所述预设弯矩值，判定所述脚手架能够承受施工现场的风荷载；
否则，判定所述施工现场的风荷载会对所述脚手架造成损害，并进行报警操作。
2.根据权利要求1所述的一种基于大数据的施工现场安全监测***，其特征在于，数据采集模块，包括：
数据采集点确定单元，用于获取施工现场的施工地图，并基于所述施工地图确定对施工现场进行数据采集的目标区域集合，其中，所述目标区域集合中包含至少一个施工区域；
定位单元，用于确定所述目标区域集合中各区域的地理位置坐标，并基于所述地理位置坐标在各区域设定预设数据采集装置；
数据采集单元，用于基于所述预设数据采集装置对各区域施工现场进行图像预采集，并基于预采集结果对所述预设数据采集装置的采集角度进行调整；
所述数据采集单元，用于基于调整结果通过所述预设数据采集装置采集各区域施工现场的施工图像，其中，所述施工图像包括建筑、施工工人以及施工环境；
数据格式转换单元，用于确定所述施工图像的图像参数，并基于所述图像参数对所述施工图像进行格式转换，得到所述施工现场的施工数据。
3.根据权利要求2所述的一种基于大数据的施工现场安全监测***，其特征在于，数据格式转换单元，包括：
数据获取子单元，用于获取得到的所述施工现场的施工数据，并将所述施工数据进行分组，得到N组子施工数据；
链路构建子单元，用于获取预设数据采集装置与管理终端的通讯地址，并基于所述通讯地址构建数据传输链路；
数据传输子单元，用于确定所述N组子施工数据的传输顺序，并基于所述传输顺序通过所述数据传输链路将所述N组子施工数据传输至管理终端；
数据存储子单元，用于将接收到的N组子施工数据进行组合，并确定组合后的施工数据的字节值；
所述数据存储子单元，用于基于所述字节值确定存储所述施工数据的空间容量，并基于所述空间容量从预设存储空间中匹配目标存储空间，且将所述施工数据在所述目标存储空间进行存储。
4.根据权利要求1所述的一种基于大数据的施工现场安全监测***，其特征在于，数据采集模块，包括：
数据获取单元，用于获取采集到的施工现场的施工数据，并确定对所述施工现场进行数据采集时的采集指标；
数据分类单元，用于基于所述采集指标对所述施工数据进行聚类处理，并基于聚类结果得到对每一类所述施工数据的聚类中心；
分类校验单元，用于提取每一类所述施工数据的聚类中心的目标特征，并分别确定所述目标特征与对应的采集指标的匹配度；
比较单元，用于当所述匹配度大于或等于预设匹配度值时，判定对施工数据的分类合格，否则，判定对所述施工数据的分类不合格，并重新对所述施工数据进行分类，直至所述匹配度大于或等于预设匹配度值。
5.根据权利要求1所述的一种基于大数据的施工现场安全监测***，其特征在于，数据分析模块，包括：
评估指标获取单元，用于获取对施工现场的安全监测项目，并确定所述安全监测项目的施工安全标准，其中，所述安全监测项目至少为一个，且每个安全监测项目对应的施工安全标准至少为一条；
样本数据获取单元，用于基于所述施工安全标准获取所述安全监测项目对应的基准施工数据，同时，调取预设异常检测模型；
模型训练单元，用于确定所述施工安全标准的重要程度值，并基于所述重要程度值依次提取所述基准施工数据中的特征序列；
所述模型训练单元，用于将所述安全监测项目、施工安全标准的重要程度值以及基准施工数据中的特征序列一一对应打包，并基于打包结果对所述预设异常检测模型中的数据层进行训练，得到标准异常检测模型；
数据输入单元，用于获取分类后的施工数据，并将所述分类后的施工数据输入所述标准异常检测模型进行处理；
数据处理单元，用于基于所述标准异常检测模型分别确定每一类施工数据的目标取值，并基于所述目标取值确定对应安全监测项目的数据状态变化趋势；
异常检测单元，用于确定安全监测项目中每一施工安全标准对应的安全参数范围，并基于所述数据状态变化趋势确定所述每一类施工数据的目标取值在所述安全参数范围内的目标数量；
所述异常检测单元，用于基于所述目标数量确定每一类施工数据对应的安全监测项目的风险阈值，并将所述风险阈值与预设风险值进行比较；
若存在所述风险阈值大于或等于预设风险值时，确定当前类别的施工数据对应的目标安全监测项目，并将所述目标安全监测项目判定为异常项目；
否则，判定每一类施工数据对应的安全监测项目均无异常。
6.根据权利要求5所述的一种基于大数据的施工现场安全监测***，其特征在于，异常检测单元，包括：
项目获取子单元，用于获取异常项目，并确定所述异常项目的项目属性；
风险源定位子单元，用于基于所述项目属性确定所述异常项目的项目类型，同时，获取所述异常项目对应的施工数据；
所述风险源定位子单元，用于基于所述项目类型确定所述异常项目的结构特点，并基于所述施工数据根据所述结构特点确定所述异常项目的风险源；
所述风险源定位子单元，还用于确定所述风险源在所述异常项目的具***置坐标，并基于所述具***置坐标完成对所述风险源的定位。
7.根据权利要求5所述的一种基于大数据的施工现场安全监测***，其特征在于，异常检测单元，包括：
信息获取子单元，用于获取所述异常项目，并确定所述异常项目的项目标识，同时，基于所述项目标识通过大数据调取所述异常项目的备案资料；
所述信息获取子单元，还用于确定所述异常项目的施工进度，并基于所述施工进度调取所述异常项目在管理终端存储的阶段数据信息，其中，所述阶段数据信息与施工进度成正比；
原因判定子单元，用于基于所述备案资料以及所述阶段数据信息确定与所述异常项目关联的项目参数，并基于所述项目参数确定所述异常项目的目标风险原因。
8.根据权利要求1所述的一种基于大数据的施工现场安全监测***，其特征在于，风险等级确定单元，包括：
结果获取子单元，用于获取所述异常项目的最终风险等级，同时，获取所述异常项目的项目名称，并基于所述项目名称以及最终风险等级生成风险等级评估报告；
通知子单元，用于将所述风险等级评估报告传输至管理终端，且所述管理终端基于所述风险等级评估报告从预设防控措施库中匹配目标防控措施；
下发子单元，用于将所述目标防控措施下发至工作人员的智能终端，并提供工作人员进行防控工作。
9.一种基于大数据的施工现场安全监测方法，其特征在于，包括：
步骤1：实时采集施工现场的施工数据，并将所述施工数据进行分类；
步骤2：基于预设异常检测模型对分类后的施工数据进行异常检测，并基于检测结果确定异常项目；
步骤3：基于异常项目确定报警类型，并基于所述报警类型进行报警操作；
步骤4：基于报警操作后的报警结果调取所述异常项目对应的异常施工数据，并基于所述异常施工数据确定所述施工现场的实际施工动作信息；
步骤5：调取施工标准监测指标对所述实际施工动作信息进行处理，确定所述实际施工动作信息相对于标准施工动作信息的差异程度；
步骤6：获取异常项目的关键事件信息，并将关键事件信息与施工项目申报材料进行匹配，确定目标责任方，且基于所述差异程度确定所述目标责任方的事故责任程度；
所述步骤3包括：
项目获取单元，用于获取所述异常项目，并确定所述异常项目的项目特征；
项目类型确定单元，用于将所述项目特征与预设项目类型清单进行匹配，并基于匹配结果确定所述异常项目的目标类型；
报警方式确定单元，用于提取所述目标类型的类型标识，并基于所述类型标识确定对所述异常项目的目标报警方式；
风险等级确定单元，用于调取所述异常项目的施工数据，并基于所述施工数据确定异常项目存在风险的风险因素；
所述风险等级确定单元，用于确定所述风险因素与所述异常项目之间的因果关系，并基于所述因果关系构建邻接矩阵；
所述风险等级确定单元，用于基于所述邻接矩阵构建关系网络，并基于所述关系网络确定各节点的中心度，且基于所述中心度得到所述风险因素的权重值；
所述风险等级确定单元，用于基于所述风险因素构建对所述异常项目风险等级的评价体系，并基于所述权重值确定所述评价体系中各风险因素的危险系数，其中，所述危险系数与所述权重值成正比；
所述风险等级确定单元，用于基于所述危险系数确定各风险因素对所述异常项目的子风险等级，并基于所述权重值将所述子风险等级进行综合，得到所述异常项目的最终风险等级；
报警单元，用于基于所述最终风险等级确定通过所述目标报警方式对所述异常项目进行报警的报警等级，并基于所述报警等级在施工现场与管理终端进行报警操作；
得到所述异常项目的最终风险等级，包括：
当所述异常项目为施工现场的脚手架时，确定所述脚手架的最终风险等级的具体步骤为：
获取施工现场的平均风速，并基于所述平均风速计算施工现场的风荷载，且基于所述风荷载计算所述脚手架的立杆弯矩值，具体步骤包括：
根据如下公式计算所述施工现场的风荷载：
Figure FDA0004068549420000081
其中，α表示所述施工现场的风荷载；μ表示误差因子，且取值范围为(0.02，0.05)；β表示风振系数，且取值范围为(0.9，1.2)；δ表示风压高度变化系数，且取值范围为(0.4，3)；
Figure FDA0004068549420000082
表示脚手架风荷载体型系数，且取值范围为(0.8，1.5)；ρ表示施工现场的空气密度值；v表示所述施工现场的平均风速；
根据如下公式计算所述脚手架的立杆弯矩值：
Figure FDA0004068549420000083
其中，M表示所述脚手架的立杆弯矩值；L表示所述脚手架立杆之间的纵距；d表示所述脚手架立杆之间的横距；A表示常数，一般取值为10；
将计算得到的弯矩值与预设弯矩值进行比较；
若所述弯矩值小于或等于所述预设弯矩值，判定所述脚手架能够承受施工现场的风荷载；
否则，判定所述施工现场的风荷载会对所述脚手架造成损害，并进行报警操作。
CN202210676272.8A 2022-06-15 2022-06-15 一种基于大数据的施工现场安全监测***及方法 Active CN114997682B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210676272.8A CN114997682B (zh) 2022-06-15 2022-06-15 一种基于大数据的施工现场安全监测***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210676272.8A CN114997682B (zh) 2022-06-15 2022-06-15 一种基于大数据的施工现场安全监测***及方法

Publications (2)

Publication Number Publication Date
CN114997682A CN114997682A (zh) 2022-09-02
CN114997682B true CN114997682B (zh) 2023-04-07

Family

ID=83035481

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210676272.8A Active CN114997682B (zh) 2022-06-15 2022-06-15 一种基于大数据的施工现场安全监测***及方法

Country Status (1)

Country Link
CN (1) CN114997682B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116090634B (zh) * 2023-01-09 2024-02-23 江苏悦达绿色建筑科技有限公司 一种基于物联网的工程精装修智慧管理平台及方法
CN115809756B (zh) * 2023-01-20 2023-05-26 南方电网数字电网研究院有限公司 一种工程项目管理方法及***
CN116342326B (zh) * 2023-04-11 2023-12-15 重庆市市政设计研究院有限公司 一种公路及桥隧工程测控终端
CN116562824B (zh) * 2023-05-25 2023-11-24 闽通数智安全顾问(杭州)有限公司 一种公路工程全生命周期项目管理方法及***
CN116740819B (zh) * 2023-08-14 2023-12-19 中通信息服务有限公司 基于ai算法的施工现场中施工异常行为的识别方法及装置
CN118094396B (zh) * 2024-04-23 2024-06-28 深圳市睿拓新科技有限公司 一种道路施工安全监测方法及***

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101725248A (zh) * 2008-10-29 2010-06-09 上海宝冶建设有限公司 高大模板构造方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109034286A (zh) * 2018-05-22 2018-12-18 广东工业大学 基于bim和rfid建筑施工风险源识别与管理方法
CN109871466A (zh) * 2019-01-31 2019-06-11 广州轨道交通建设监理有限公司 一种风险源监控定位方法、装置、设备和***
CN112508417A (zh) * 2020-12-11 2021-03-16 民航中南机场设计研究院(广州)有限公司 一种基于bim技术的民航专业工程总承包项目管理***
CN112580995A (zh) * 2020-12-23 2021-03-30 西安丰树电子科技发展有限公司 施工安全大数据监督***与安全风险动态评估方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101725248A (zh) * 2008-10-29 2010-06-09 上海宝冶建设有限公司 高大模板构造方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
胡铁明.《高层建筑施工（第3版）》.武汉理工大学出版社,2020,第154-156页. *
许奎 ; 龙再扬 ; 李洋 ; 阳志拓 ; .范和港大桥主塔自锁式模块脚手架施工技术.中国建筑金属结构.2013,(第04期),第60-62页. *
高向玲.《建筑结构》.冶金工业出版社,2014,第21-25页. *

Also Published As

Publication number Publication date
CN114997682A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN114997682B (zh) 一种基于大数据的施工现场安全监测***及方法
CN109416531A (zh) 异常数据的重要度判定装置及异常数据的重要度判定方法
CN116246407A (zh) 一种基于人工智能的农林区域火灾预警监管***
CN110121053B (zh) 一种钻井现场风险分级预警的视频监控方法
CN115118581B (zh) 一种基于5g的物联网数据全链路监控和智能保障***
CN113344745A (zh) 基于远程视频监控和云计算的工程项目智慧工地数据采集分析一体化云平台
CN109738014A (zh) 城市综合管廊设备故障的智能诊断方法及***
CN116105802B (zh) 一种基于物联网的地下设施安全监测预警方法
CN113053063A (zh) 基于移动端的灾害在线处置流程实现方法
CN114862167A (zh) 一种制造业生产线的生产安全评估管理方法及***
CN117078072A (zh) 一种多维度环境数据监管方法及监管***
CN114429308A (zh) 一种基于大数据的企业安全风险评估方法及***
CN117289745B (zh) 一种数字化配电房运行监控方法
CN106081958A (zh) 一种塔式起重机在线监测***
CN113934536A (zh) 面向边缘计算的数据采集方法
CN113890820A (zh) 一种数据中心网络故障节点诊断方法及***
CN113657747A (zh) 一种企业安全生产标准化级别智能评定***
CN117171366A (zh) 用于电网调度运行态势的知识图谱构建方法及***
CN116579601A (zh) 矿山安全生产风险监测预警***及方法
CN114819488A (zh) 一种基于大数据分析的建筑施工作业信息化管理平台
CN114819878A (zh) 燃气工程的作业示险方法和***、计算机可读介质
CN114167870A (zh) 气体巡检装置用数据处理方法、***、装置及存储介质
CN113487141A (zh) 一种多源信息聚类融合的轴承状态评估方法
KR102188095B1 (ko) 건설 구조물의 센서의 이벤트 원인 분석방법
CN117218294B (zh) 一种基于三维建模的园区安防设备分布管理方法

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