CN115309940A - 基于工地执法记录仪的智慧施工数据分析方法及其*** - Google Patents
基于工地执法记录仪的智慧施工数据分析方法及其*** Download PDFInfo
- Publication number
- CN115309940A CN115309940A CN202210956283.1A CN202210956283A CN115309940A CN 115309940 A CN115309940 A CN 115309940A CN 202210956283 A CN202210956283 A CN 202210956283A CN 115309940 A CN115309940 A CN 115309940A
- Authority
- CN
- China
- Prior art keywords
- construction
- data
- track
- progress
- personnel
- 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 921
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000007405 data analysis Methods 0.000 title claims abstract description 31
- 230000000007 visual effect Effects 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 53
- 238000012502 risk assessment Methods 0.000 claims abstract description 12
- 230000002159 abnormal effect Effects 0.000 claims description 109
- 238000012544 monitoring process Methods 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012517 data analytics Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000009435 building construction Methods 0.000 description 2
- 239000004035 construction material Substances 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
- G06F16/784—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/74—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/787—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于工地执法记录仪的智慧施工数据分析方法及其***,其方法包括实时获取施工现场的施工视频流数据,其中,所述施工视频流数据包括人员位置数据和实际施工进度数据,根据所述实际施工进度数据对施工现场进行可视化建模处理,得到关于可视化的施工现场模型,将所述人员位置数据输入到所述施工现场模型中,得到每个施工人员的可视化的人员施工轨迹数据,根据所述人员施工轨迹数据,对每个施工人员的施工安全进行风险评估,得到施工安全评估结果,根据所述施工安全评估结果,生成用于提醒相应的施工人员进行安全防护的提醒指令。本申请具有提高施工人员施工轨迹的跟踪准确度,并及时地识别出施工现场的风险问题的效果。
Description
技术领域
本发明涉及工地施工数据分析的技术领域,尤其是涉及一种基于工地执法记录仪的智慧施工数据分析方法及其***。
背景技术
目前,随着建筑行业的快速发展,基建项目的工程量也呈指数式增长,为了保障施工者的人身安全,也为了保障施工质量,在符合住建局基建安全管理要求的前提下,能够高清且实时地记录工地施工情况的工地执法记录仪被广泛应用于各大施工现场。
现有的工地执法记录仪通常是通过对施工现场进行数据记录,且并存储为音视频文件,监理人员通过音视频播放平台对音视频文件进行调取查阅,实现对施工现场的管理,但是,在实际的工地施工过程中,工地执法记录仪的取景位置是固定的,而施工人员需要不停地运动,且施工人员穿着统一的工衣工帽,在工地执法记录仪记录的过程中,容易因为工人运动轨迹重叠或遮挡,而出现丢帧的现象,难以及时地判断出施工人员是否处于安全范围之外,存在一定的风险问题。
上述中的相关技术方案存在以下缺陷:施工现场复杂,难以对工人的施工轨迹进行准确定位,工地执法记录仪难以及时地识别施工现场的风险问题。
发明内容
为了提高施工人员施工轨迹的跟踪准确度,并及时地识别出施工现场的风险问题,本申请提供一种基于工地执法记录仪的智慧施工数据分析方法及其***。
本申请的上述发明目的一是通过以下技术方案得以实现的:
提供一种基于工地执法记录仪的智慧施工数据分析方法,所述基于工地执法记录仪的智慧施工数据分析方法包括:
实时获取施工现场的施工视频流数据,其中,所述施工视频流数据包括人员位置数据和实际施工进度数据;
根据所述实际施工进度数据对施工现场进行可视化建模处理,得到关于可视化的施工现场模型;
将所述人员位置数据输入到所述施工现场模型中,得到每个施工人员的可视化的人员施工轨迹数据;
根据所述人员施工轨迹数据,对每个施工人员的施工安全进行风险评估,得到施工安全评估结果;
根据所述施工安全评估结果,生成用于提醒相应的施工人员进行安全防护的提醒指令。
通过采用上述技术方案,由于在实际的工地施工过程中,仅通过固定位置的工地执法记录仪对施工情况进行记录,通常会出现施工人员交叉或者施工人员遮挡等情况,而引起对施工人员的施工轨迹跟踪不准确的现象,因此,通过工地执法记录仪获取施工现场的施工视频流数据,并通过特征识别得到实际施工进度数据和人员位置数据,通过实际施工进度数据结合三维建模软件进行可视化建模,有助于通过施工现场模型对施工进度进行直观地监控,并通过人员施工位置数据和施工现场模型的拟合情况,得到每个施工人员的可视化的人员施工轨迹数据,有助于通过可视化的人员施工轨迹数据对人员施工过程进行实时的跟踪定位,从而提高人员施工轨迹的跟踪准确性,并根据人员施工轨迹数据对每个施工人员的施工安全进行风险评估,有助于通过施工安全评估结果,生成与施工安全评估结果相对应的,且用于提醒相应的施工人员进行安全防护的提醒指令,从而根据施工安全评估结果及时地识别出施工现场的风险问题,提高工地执法记录仪对施工风险问题的分析准确性。
本申请在一较佳示例中可以进一步配置为:所述根据所述实际施工进度数据对施工现场进行可视化建模处理,得到关于可视化的施工现场模型,具体包括:
识别施工图纸的施工环境数据;
对所述施工环境数据进行数据标记,得到关于施工现场的三维位置数据;
对所述实际施工进度数据和所述三维位置数据进行特征关联,得到施工位置关联关系;
根据所述施工位置关联关系,构建所述施工现场的可视化模型,得到施工现场模型。
通过采用上述技术方案,由于通过平面图纸进行施工方案分析并进行施工的施工方式,对工人的要求比较高,且对于复杂节点的施工效果不好把控,容易影响施工进度,因此,通过对施工图纸进行特征识别得到施工环境数据,并通过对施工环境数据进行数据标记,从而得到施工现场的三维位置数据,有助于根据三维位置数据构建出符合施工环境数据的三维模型,通过实际施工进度数据和三维位置数据进行特征关联,并通过三维建模软件根据施工位置关联关系构建施工现场模型,有助于通过可视化的施工现场模型对实际施工进度进行全方位的可视化监控,相对于单一视角的工地执法记录仪,可视化的施工现场模型大幅度降低了工地执法记录仪视线死角所带来的误差影响,从而提高对施工现场风险问题的记录和分析准确性。
本申请在一较佳示例中可以进一步配置为:在所述根据所述施工位置关联关系,构建所述施工现场的可视化模型,得到施工现场模型之后,还包括:
识别所述施工图纸的施工参数信息,并根据所述施工参数信息制定符合预期施工要求的施工进度计划;
将所述施工进度计划与所述实际施工进度数据进行参数比对,得到施工进度比对结果;
根据所述施工进度比对结果,判断实际施工进度是否存在进度异常情况;
若是,则根据所述施工进度比对结果,生成用于对所述实际施工进度数据进行调整的进度调整指令,以便于使调整后的实际施工进度符合所述施工进度计划的要求。
通过采用上述技术方案,由于在实际施工过程中,天气影响或者施工人员的施工能力都会造成实际施工进度与预期的施工进度计划出现偏差,因此,通过施工图纸中的施工参数信息,指定符合预期施工要求的施工进度计划,有助于根据施工进度计划为实际施工进度提供一个有效的数据参考依据,并通过施工进度计划和实际施工进度数据的施工进度比对,根据施工进度比对结果判断实际施工进度是否存在进度异常情况,有助于直观地看出工程是否滞后,并根据施工进度比对结果来分析进度异常的原因,从而生成用于对实际施工进度数据进行调整的进度调整指令,从而最大程度地保证实际施工进度符合施工进度计划的要求,降低施工成本。
本申请在一较佳示例中可以进一步配置为:所述将所述人员位置数据输入到所述施工现场模型中,得到每个施工人员的可视化的人员施工轨迹数据,具体包括:
获取每个施工人员的唯一识别码;
根据所述唯一识别码,对每个施工人员的所述人员位置数据进行人员特征提取处理,得到携带有所述唯一识别码的人员特征信息;
将若干个人员特征信息作为训练集进行数据训练,得到每个施工人员的施工轨迹信息;
将所述施工轨迹信息与所述施工现场模型进行特征拟合处理,得到每个施工人员的人员施工轨迹数据。
通过采用上述技术方案,由于施工人员人数众多且施工轨迹常常会出现重叠或者交叉现象,影响工地执法记录仪对施工人员的施工轨迹的跟踪准确性,因此,通过每个施工人员的唯一识别码,对每个施工人员的人员位置数据进行人员特征提取处理,得到人员特征信息,其中,人员特征信息包括人员外貌特征、人员安全防护特征和人员位置特征等,通过深度学习算法对若干个人员特征信息进行数据训练,从而得到每个施工人员的轨迹信息,有助于根据施工轨迹信息对施工人员进行实时的施工轨迹追踪,并通过施工轨迹信息与施工现场模型的特征拟合,有助于通过施工现场模型对每个施工人员的施工轨迹信息进行可视化监控,减少单一视角的工地执法记录仪的视线死角所带来的记录误差,从而通过每个施工人员的人员施工轨迹数据,来对每个施工人员的施工轨迹进行多维度的监控记录,提高施工人员施工轨迹的跟踪准确度。
本申请在一较佳示例中可以进一步配置为:在将所述施工轨迹信息与所述施工现场模型进行特征拟合处理,得到每个施工人员的人员施工轨迹数据之后,还包括:
对所述人员施工轨迹数据中异常数据进行数据标记处理,得到施工轨迹异常数据;
对所述施工轨迹异常数据进行人员重识别处理,并结合施工人员的唯一识别码进行轨迹跟踪,得到施工轨迹重识别数据;
将所述施工轨迹重识别数据与所述人员施工轨迹数据进行轨迹回归处理,得到绕开所述施工轨迹异常数据的施工轨迹回归数据;
根据所述施工轨迹回归数据,对施工人员的施工轨迹进行持续性跟踪,得到施工人员的完整施工轨迹数据。
通过采用上述技术方案,由于施工人员在实际施工过程中难免会来回走动,或者多个施工人员位置靠近从而造成施工轨迹重合或交叉的情况,又或者施工人员的位置被建筑物遮挡从而造成施工轨迹异常中断,因此,通过对每个人员施工轨迹数据中的异常数据进行数据标记,从而有助于对施工轨迹异常数据进行及时的跟踪,其中,人员施工轨迹数据中的异常数据包括轨迹重合、轨迹交叉和轨迹中断等多种异常数据,并根据施工人员的唯一识别码对施工轨迹异常数据进行人员重识别处理,通过对施工轨迹发生异常之后的施工人员的施工轨迹进行重新跟踪,有助于减少轨迹异常情况对人员施工轨迹的跟踪定位准确性的误差影响,并根据施工轨迹重识别数据和人员施工轨迹数据,对轨迹异常情况发生阶段的施工轨迹进行回归模拟,并根据施工轨迹回归数据对轨迹异常情况下的人员施工轨迹进行模拟跟踪,从而通过对施工估计的持续性跟踪得到施工人员的完整施工轨迹数据,减少施工轨迹断层所带来的误差影响,从而提高施工轨迹在轨迹异常情况下的跟踪准确度。
本申请在一较佳示例中可以进一步配置为:在所述对所述人员施工轨迹数据中异常数据进行数据标记处理,得到施工轨迹异常数据之后,且在所述对所述施工轨迹异常数据进行人员重识别处理,并结合施工人员的唯一识别码进行轨迹跟踪,得到施工轨迹重识别数据之前,还包括:
获取所述施工轨迹异常数据所对应的异常施工轨迹的异常时间信息;
根据所述异常时间信息,对每个所述异常施工轨迹进行优先级计算,得到关于异常施工轨迹的轨迹优先级信息;
对所述轨迹优先级信息进行优先级排序,得到优先级排序结果;
根据优先级排序结果,生成与所述优先级排序结果相对应的,且用于调整每个所述异常施工轨迹的监控权重的权重调整指令,以便于对优先级最优的所述异常施工轨迹进行优先监控。
通过采用上述技术方案,由于施工人员长时间偏离正常的施工轨迹发生施工危险的概率较大,需要进行重点监控,因此,通过对施工人员发生异常施工轨迹的异常时间信息的获取,以便于根据异常时间信息对每个异常施工轨迹进行优先级计算,有助于根据轨迹优先级信息,对施工人员发送施工危险的概率进行预测,从而根据预测结果对施工人员的异常施工轨迹进行提前防控,从而根据优先级排序结果,对异常施工轨迹的监控权重进行权重调整,有助于对发送施工危险概率较大的施工人员的施工轨迹进行优先监控,有助于合理地调用监控资源对施工人员的施工轨迹进行动态监控,提高监控资源分配的合理性。
本申请在一较佳示例中可以进一步配置为:所述根据所述人员施工轨迹数据,对每个施工人员的施工安全进行风险评估,得到施工安全评估结果,具体包括:
获取所述施工现场的施工进度数据;
根据所述施工进度数据调节所述施工现场的施工安全指标;
根据所述人员施工轨迹数据和所述施工安全指标进行比对,得到每个施工人员的人员施工轨迹数据是否符合所述施工安全指标的指标比对结果;
根据所述指标比对结果,判断所述人员施工轨迹数据是否存在安全风险;
若是,则生成用于提醒所述施工人员及时进行安全防护的提醒指令。
通过采用上述技术方案,由于施工现场的不同施工进度所对应的施工安全指标不相同,如对于楼宇的建设过程中,建设的高度越高所对应的施工安全指标越高,因此,通过工地执法记录仪实时获取施工现场的施工进度数据,从而根据施工进度数据动态地调整施工现场的施工安全指标,有助于根据施工安全指标对相应的施工进度数据进行实时的监控,并通过人员施工轨迹数据和施工安全指标进行比对,有助于根据指标比对结果对当前施工进度下的人员施工轨迹数据是否存在安全风险进行判断,并在施工人员的施工轨迹存在安全风险时,及时生成提醒指令向施工人员进行提醒,从而动态地对施工现场的施工风险进行评估,使施工人员的施工安全符合实际的施工进度数据,提高施工现场的风险识别准确性。
本申请的上述发明目的二是通过以下技术方案得以实现的:
提供一种基于工地执法记录仪的智慧施工数据分析***,所述基于工地执法记录仪的智慧施工数据分析***包括:
数据获取模块,用于实时获取施工现场的施工视频流数据,其中,所述施工视频流数据包括人员位置数据和实际施工进度数据;
模型构建模块,用于根据所述实际施工进度数据对施工现场进行可视化建模处理,得到关于可视化的施工现场模型;
数据处理模块,用于将所述人员位置数据输入到所述施工现场模型中,得到每个施工人员的可视化的人员施工轨迹数据;
风险评估模块,用于根据所述人员施工轨迹数据,对每个施工人员的施工安全进行风险评估,得到施工安全评估结果;
指令生成模块,用于根据所述施工安全评估结果,生成用于提醒相应的施工人员进行安全防护的提醒指令。
通过采用上述技术方案,由于在实际的工地施工过程中,仅通过固定位置的工地执法记录仪对施工情况进行记录,通常会出现施工人员交叉或者施工人员遮挡等情况,而引起对施工人员的施工轨迹跟踪不准确的现象,因此,通过工地执法记录仪获取施工现场的施工视频流数据,并通过特征识别得到实际施工进度数据和人员位置数据,通过实际施工进度数据结合三维建模软件进行可视化建模,有助于通过施工现场模型对施工进度进行直观地监控,并通过人员施工位置数据和施工现场模型的拟合情况,得到每个施工人员的可视化的人员施工轨迹数据,有助于通过可视化的人员施工轨迹数据对人员施工过程进行实时的跟踪定位,从而提高人员施工轨迹的跟踪准确性,并根据人员施工轨迹数据对每个施工人员的施工安全进行风险评估,有助于通过施工安全评估结果,生成与施工安全评估结果相对应的,且用于提醒相应的施工人员进行安全防护的提醒指令,从而根据施工安全评估结果及时地识别出施工现场的风险问题,提高工地执法记录仪对施工风险问题的分析准确性。
本申请在一较佳示例中可以进一步配置为:所述模型构建模块具体包括:
数据识别子模块,用于识别施工图纸的施工环境数据;
数据标记子模块,用于对所述施工环境数据进行数据标记,得到关于施工现场的三维位置数据;
参数关联子模块,用于对所述实际施工进度数据和所述三维位置数据进行特征关联,得到施工位置参数关联关系;
模型构建子模块,用于根据所述施工位置关联关系,构建所述施工现场的可视化模型,得到施工现场模型。
通过采用上述技术方案,由于通过平面图纸进行施工方案分析并进行施工的施工方式,对工人的要求比较高,且对于复杂节点的施工效果不好把控,容易影响施工进度,因此,通过对施工图纸进行特征识别得到施工环境数据,并通过对施工环境数据进行数据标记,从而得到施工现场的三维位置数据,有助于根据三维位置数据构建出符合施工环境数据的三维模型,通过实际施工进度数据和三维位置数据进行特征关联,并通过三维建模软件根据施工位置关联关系构建施工现场模型,有助于通过可视化的施工现场模型对实际施工进度进行全方位的可视化监控,相对于单一视角的工地执法记录仪,可视化的施工现场模型大幅度降低了工地执法记录仪视线死角所带来的误差影响,从而提高对施工现场风险问题的记录和分析准确性。
本申请在一较佳示例中可以进一步配置为:所述模型构建模块还包括:
施工进度计划制定子模块,用于识别所述施工图纸的施工参数信息,并根据所述施工参数信息制定符合预期施工要求的施工进度计划;
施工进度比对子模块,用于将所述施工进度计划与所述实际施工进度数据进行参数比对,得到施工进度比对结果;
进度异常判断子模块,用于根据所述施工进度比对结果,判断实际施工进度是否存在进度异常情况;
进度调整指令生成子模块,用于若是,则根据所述施工进度比对结果,生成用于对所述实际施工进度数据进行调整的进度调整指令,以便于使调整后的实际施工进度符合所述施工进度计划的要求。
通过采用上述技术方案,由于在实际施工过程中,天气影响或者施工人员的施工能力都有可能会造成实际施工进度与预期的施工进度计划出现偏差,因此,通过施工图纸中的施工参数信息,指定符合预期施工要求的施工进度计划,有助于根据施工进度计划为实际施工进度提供一个有效的数据参考依据,并通过施工进度计划和实际施工进度数据的施工进度比对,有助于根据施工进度比对结果判断实际施工进度是否存在进度异常情况,有助于直观地看出工程是否滞后,并根据施工进度比对结果来分析进度异常的原因,从而生成用于对实际施工进度数据进行调整的进度调整指令,从而最大程度地保证实际施工进度符合施工进度计划的要求,降低施工成本。
综上所述,本申请包括以下至少一种有益技术效果:
1、通过工地执法记录仪获取施工现场的施工视频流数据,并通过特征识别得到实际施工进度数据和人员位置数据,通过实际施工进度数据结合三维建模软件进行可视化建模,有助于通过施工现场模型对施工进度进行直观地监控,并通过人员施工位置数据和施工现场模型的拟合情况,得到每个施工人员的可视化的人员施工轨迹数据,有助于通过可视化的人员施工轨迹数据对人员施工过程进行实时的跟踪定位,从而提高人员施工轨迹的跟踪准确性,并根据人员施工轨迹数据对每个施工人员的施工安全进行风险评估,有助于通过施工安全评估结果,生成与施工安全评估结果相对应的,且用于提醒相应的施工人员进行安全防护的提醒指令,从而根据施工安全评估结果及时地识别出施工现场的风险问题,提高工地执法记录仪对施工风险问题的分析准确性;
2、通过对施工图纸进行特征识别得到施工环境数据,并通过对施工环境数据进行数据标记,从而得到施工现场的三维位置数据,有助于根据三维位置数据构建出符合施工环境数据的三维模型,通过实际施工进度数据和三维位置数据进行特征关联,并通过三维建模软件根据施工位置关联关系构建施工现场模型,有助于通过可视化的施工现场模型对实际施工进度进行全方位的可视化监控,相对于单一视角的工地执法记录仪,可视化的施工现场模型大幅度降低了工地执法记录仪视线死角所带来的误差影响,从而提高对施工现场风险问题的记录和分析准确性;
3、通过施工图纸中的施工参数信息,指定符合预期施工要求的施工进度计划,有助于根据施工进度计划为实际施工进度提供一个有效的数据参考依据,并通过施工进度计划和实际施工进度数据的施工进度比对,有助于根据施工进度比对结果判断实际施工进度是否存在进度异常情况,有助于直观地看出工程是否滞后,并根据施工进度比对结果来分析进度异常的原因,从而生成用于对实际施工进度数据进行调整的进度调整指令,从而最大程度地保证实际施工进度符合施工进度计划的要求,降低施工成本。
附图说明
图1是本申请一实施例中基于工地执法记录仪的智慧施工数据分析方法的实现流程图。
图2是本申请一实施例中智慧施工数据分析方法的步骤S20的实现流程图。
图3是本申请一实施例中智慧施工数据分析方法的步骤S20的另一实现流程图。
图4是本申请一实施例中智慧施工数据分析方法的步骤S30的实现流程图。
图5是本申请一实施例中智慧施工数据分析方法的步骤S30的另一实现流程图。
图6是本申请一实施例中智慧施工数据分析方法的步骤S401的实现流程图。
图7是本申请一实施例中智慧施工数据分析方法的步骤S40的实现流程图。
图8是本申请一实施例中基于工地执法记录仪的智慧施工数据分析***的结构示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
在一实施例中,如图1所示,本申请公开了一种基于工地执法记录仪的智慧施工数据分析方法,具体包括如下步骤:
S10:实时获取施工现场的施工视频流数据,其中,施工视频流数据包括人员位置数据和实际施工进度数据。
具体的,通过工地执法记录仪实时获取施工现场的施工视频流数据,并通过流媒体技术将施工视频流数据传输至后台服务端,通过预设的人员特征和施工进度特征对施工视频流数据进行数据分析,从而得到人员位置信息和实际施工进度数据,如通过在工衣工帽中预先安装定位装置,通过对施工人员的外貌特征结合人员定位装置对人员位置信息进行识别和记录,通过施工用料、机器使用情况和建筑高度的识别来记录实际施工进度数据。
S20:根据实际施工进度数据对施工现场进行可视化建模处理,得到关于可视化的施工现场模型。
具体的,通过三维建模软件对实际施工进度数据进行可视化建模,从而得到可视化的施工现场模型,如图2所示,步骤S20具体包括:
S101:识别施工图纸的施工环境数据。
具体的,通过摄像头对施工图纸进行扫描,通过图像识别获取施工图纸中的施工环境数据,如施工地理位置信息、楼宇建造尺寸参数和楼宇分布情况等。
S102:对施工环境数据进行数据标记,得到关于施工现场的三维位置数据。
具体的,以构建楼宇的三维坐标数据为指标对施工环境数据进行数据标记,如楼宇的地基坐标数据和预设构建高度等,从而得到施工楼宇的三维位置数据,通过对施工图纸中的多个施工项目进行数据标记并获取用于构建三维模型的三维坐标数据,从而得到关于施工现场的三维位置数据。
S103:对实际施工进度数据和三维位置数据进行特征关联,得到施工位置关联关系。
具体的,将实际施工进度数据和三维位置数据进行特征关联,如将楼宇的实际施工高度和三维位置数据中的预设施工高度进行高度关联,将楼宇的实际施工地基尺寸数据与三维位置数据中的预设地基位置数据进行位置关联,从而得到楼宇的施工位置关联关系,再如将楼宇建设的地理位置数据和绿化用地建设的地理位置数据分别与对应的三维位置数据进行关联,从而得到每个施工项目的施工位置关联关系。
S104:根据施工位置关联关系,构建施工现场的可视化模型,得到施工现场模型。
具体的,根据同一个施工项目的各个施工尺寸之间的关联关系,和多个施工项目之间的施工位置关联关系,结合GIS软件和BIM建模软件,对施工现场进行可视化建模,如通过GIS软件获取施工现场的地理位置信息,得到施工现场的实景模型,通过BIM软件对三维位置数据和施工位置关联关系,得到施工现场的三维模型,将施工现场的三维模型和实景模型进行拟合,从而得到真实反应施工现场情况的施工现场模型。
本实施例中,为了更好地对施工进度进行监控,并根据实际施工进度对施工现场的施工安全指标进行动态调整,如图3所示,在根据施工位置关联关系,构建施工现场的可视化模型,得到施工现场模型之后,还包括:
S201:识别施工图纸的施工参数信息,并根据施工参数信息制定符合预期施工要求的施工进度计划。
具体的,通过图像识别施工图纸中携带有施工参数信息的关键字段,从而得到施工参数信息,如楼宇预期建设的高度、占地面积和地下室建设等数据,根据施工参数信息对施工进度进行规划,从而得到符合预期施工要求的施工进度计划,如预期施工要求为90天内建设完成9层楼高且占地面积为500平方米的楼宇,则有施工进度计划为每30天为一个进度,每个进度建设3层楼。
S202:将施工进度计划与实际施工进度数据进行参数比对,得到施工进度比对结果。
具体的,根据施工进度计划和实际施工进度数据进行参数比对,如在施工30天时的实际施工进度为完成2层楼的建设,则施工进度中的建设高度比对结果为相差1层楼的建设进度。
S203:根据施工进度比对结果,判断实际施工进度是否存在进度异常情况。
具体的,根据施工进度比对结果,判断实际施工进度是否出在进度异常情况,如在误差允许范围内,实际施工进度过快或进度过慢都属于进度异常情况,如设置误差允许范围为5天,实际完成3层楼的施工时间为40天内,与施工进度计划的误差为10天,则数据进度过慢的进度异常情况,若实际完成3层楼的施工时间为20天,与实际施工进度计划的误差为10天,则数据进程过快,难以保证施工质量,也属于进度异常情况。
S204:若是,则根据施工进度比对结果,生成用于对实际施工进度数据进行调整的进度调整指令,以便于使调整后的实际施工进度符合施工进度计划的要求。
具体的,若实际施工进度存在进度异常情况,如相对于施工进度计划,实际施工进度过快或过慢,则根据施工进度比对结果,生成对应的进度调整指令,并通过对应的工地执法记录仪将进度调整指令发送至施工人员,以便于根据施工进度比对结果,对实际施工进度进行调整,从而使调整后的实际施工进度符合施工进度计划的要求。
S205:若否,则通过工地执法记录仪继续对实际施工进度进行监控。
具体的,若实际施工进度在误差单位内,符合施工进度计划的要求,则通过对应的工地执法记录仪继续对施工现场的实际施工进度进行监控。
S30:将人员位置数据输入到施工现场模型中,得到每个施工人员的可视化的人员施工轨迹数据。
具体的,通过每个施工人员的唯一识别码,将施工人员位置数据在施工现场模型上进行标记,从而得到每个施工人员在施工现场模型上的施工轨迹数据,如图4所示,步骤S30具体包括:
S301:获取每个施工人员的唯一识别码。
具体的,通过预设在工人工衣工帽中的定位装置对每个施工人员进行位置定位,并通过对定位装置进行编号,从而使每个施工人员的定位装置均携带上唯一识别码,通过唯一识别码对工人进行唯一定位。
S302:根据唯一识别码,对每个施工人员的人员位置数据进行人员特征提取处理,得到携带有唯一识别码的人员特征信息。
具体的,根据唯一识别码,对每个施工人员的人员位置数据进行人员特征提取,其中,人员特征包括人员的实时位置特征、人员外貌特征和人员所负责施工项目特征等,如根据唯一识别码,通过定位装置获取人员在施工现场的实时位置数据,通过工地执法记录仪获取对应实时位置数据的人员外貌数据,以及人员当前所负责的施工项目如物料运输、模板铺设或墙体建设等,并将施工人员的实时位置数据、人员外貌数据和施工位置数据结合唯一识别码进行关联,从而得到携带有唯一识别码的人员特征信息。
S303:将若干个人员特征信息作为训练集进行数据训练,得到每个施工人员的施工轨迹信息。
具体的,通过深度学习算法对人员特征信息进行数据训练,并记录每个施工人员的施工轨迹信息,如通过工地执法记录仪记录的人员外貌数据、人员施工项目数据和实时位置数据作为神经卷积训练的卷积特征,并通过SVM对每个施工人员进行卷积特征跟踪,从而得到每个施工人员的施工轨迹信息。
S304:将施工轨迹信息与施工现场模型进行特征拟合处理,得到每个施工人员的人员施工轨迹数据。
具体的,将施工轨迹信息和施工现场模型进行特征拟合处理,如根据施工人员的施工轨迹的每个移动位置的三维坐标作为拟合特征,在施工现场模型上寻找到对应三维坐标的位置点并进行标记,将每个移动位置进行连线,从而得到可视化的结合了每个施工人员施工轨迹的施工现场模型,从而根据拟合后的施工现场模型得到每个施工人员的人员施工轨迹数据。
本实施例中,为了更好地对遮挡和/或重叠的施工轨迹进行准确跟踪,如图5所示,在将施工轨迹信息与施工现场模型进行特征拟合处理,得到每个施工人员的人员施工轨迹数据之后,还包括:
S401:对人员施工轨迹数据中异常数据进行数据标记处理,得到施工轨迹异常数据。
具体的,将人员施工轨迹中的重合、相交和中断等情况作为数据标记指标,在可视化的拟合了施工轨迹的施工现场模型中,对符合数据标记指标的人员施工轨迹数据进行标记,从而得到施工轨迹异常数据,其中,施工轨迹异常数据包含施工轨迹相交、重合和中断等异常情况。
本实施例中,为了合理地调度监控资源对施工人员进行分级别监控,如图6所示,在对人员施工轨迹数据中异常数据进行数据标记处理,得到施工轨迹异常数据之后,且在对施工轨迹异常数据进行人员重识别处理,并结合施工人员的唯一识别码进行轨迹跟踪,得到施工轨迹重识别数据之前,还包括:
S501:获取施工轨迹异常数据所对应的异常施工轨迹的异常时间信息。
具体的,当工地执法记录仪检测到施工人员的施工轨迹发生重合、相交和/或遮挡等异常情况时,从异常情况发生时开始记录异常施工轨迹的异常时间,从而得到异常时间信息,如施工人员路过处于工地执法记录仪视线死角的遮挡板,工地执法记录仪开始计算施工人员的施工轨迹异常时间,在5分钟后,施工人员从遮挡板中走出并被工地执法记录仪重新捕获踪迹,则施工人员的施工轨迹的异常时间信息为5分钟。
S502:根据异常时间信息,对每个异常施工轨迹进行优先级计算,得到关于异常施工轨迹的轨迹优先级信息。
具体的,根据异常时间信息对每个异常施工轨迹进行优先级计算,如异常时间越长的异常施工轨迹的优先级越高,异常时间越短,即从施工轨迹异常开始到结束的时间越短,所对应的异常施工轨迹的优先级越低。
S503:对轨迹优先级信息进行优先级排序,得到优先级排序结果。
具体的,根据异常时间信息的长短,对轨迹优先级信息进行优先级排序,得到优先级排序结果,如异常时间为5分钟的轨迹优先级优于异常时间为4分钟的轨迹优先级,以此类推。
S504:根据优先级排序结果,生成与优先级排序结果相对应的,且用于调整每个异常施工轨迹的监控权重的权重调整指令,以便于对优先级最优的异常施工轨迹进行优先监控。
具体的,根据优先级排序结果,如优先级越高,所对应的异常施工轨迹的监控权重越高,生成权重调整指令,并发送给对应的工地执法记录仪对优先级最优的异常施工轨迹进行优先监控。
S402:对施工轨迹异常数据进行人员重识别处理,并结合施工人员的唯一识别码进行轨迹跟踪,得到施工轨迹重识别数据。
具体的,如在发生施工轨迹重合或者遮挡之后,由于施工人员的工衣工帽相近,往往难以判断出施工人员对应的施工轨迹,因此,通过结合施工人员的唯一标识码对施工轨迹异常后的施工人员进行重新跟踪,得到施工轨迹重识别数据。
S403:将施工轨迹重识别数据与人员施工轨迹数据进行轨迹回归处理,得到绕开施工轨迹异常数据的施工轨迹回归数据。
具体的,根据用户唯一标识码,对施工轨迹重识别数据和人员施工轨迹数据进行轨迹回归处理,如,当用户的施工轨迹被遮挡时,将同一用户唯一标识码下的施工轨迹重识别数据和人员施工轨迹数据作为训练集,通过随机森林算法对用户被遮挡的施工轨迹部分进行随机计算,并选取出与施工轨迹重识别数据和人员施工轨迹数据契合度最优的施工轨迹,从而得到施工轨迹回归数据。
S404:根据施工轨迹回归数据,对施工人员的施工轨迹进行持续性跟踪,得到施工人员的完整施工轨迹数据。
具体的,根据施工轨迹回归数据,对施工人员被遮挡的施工轨迹部分进行持续性跟踪,从而得到施工人员的完整施工轨迹数据,如将人员施工轨迹数据的断点坐标与施工轨迹回归数据的起点坐标进行拟合,并将施工轨迹重识别数据的起点坐标和施工轨迹回归数据的终点坐标进行拟合,从而得到施工人员的完整施工轨迹数据。
S40:根据人员施工轨迹数据,对每个施工人员的施工安全进行风险评估,得到施工安全评估结果。
具体的,根据人员施工轨迹数据判断施工人员是否超出施工安全范围,并通过实时的施工进度对施工安全范围的施工安全指标进行动态调整,从而得到符合当前施工进度的施工安全评估结果,如图7所示,步骤S40具体包括:
S601:根据实际施工进度数据调节施工现场的施工安全指标。
具体的,根据特征识别工地执法记录仪所记录的施工视频流信息,如楼宇的建设高度、建设物料使用情况等,从而根据施工视频流信息的特征识别结果得到实际施工进度数据,根据实际施工数据结合预期的施工安全指标对现场施工安全指标进行调节,如施工高度每上升一层楼,所对应的施工安全指标越高,其中,施工安全指标包括施工安全范围和施工安全防护佩戴情况,如施工高度越高所对应的施工安全范围越小,且达到一定的施工高度后进行***围栏设置,且对施工人员的工衣工帽佩戴情况进行升级。
S602:根据人员施工轨迹数据和施工安全指标进行比对,得到每个施工人员的人员施工轨迹数据是否符合施工安全指标的指标比对结果。
具体的,如将每个施工人员的人员施工轨迹数据与施工安全指标进行比对,如人员施工轨迹是否超出当前施工进度下的施工安全范围区域,从而得到每个施工人员的安全指标比对结果。
S603:根据指标比对结果,判断人员施工轨迹数据是否存在安全风险。
具体的,如当施工人员的人员施工轨迹超出施工安全范围区域时,判定人员施工轨迹数据存在安全风险;当施工人员的人员施工轨迹处于施工安全范围区域内时,判定人员施工轨迹数据符合安全风险的防护要求。
S604:若是,则生成用于提醒施工人员及时进行安全防护的提醒指令。
具体的,若人员施工轨迹数据存在安全风险,则生成提醒指令并通过工地执法记录仪发送至对应的施工人员,以便于提醒施工人员及时进行安全方案,如当施工人员的人员施工轨迹超出施工安全范围时,通过提醒指令提醒施工人员及时走回施工安全范围内。
S605:若否,则继续对人员施工轨迹进行持续性监控。
具体的,若人员施工轨迹数据符合安全风险的防护要求,则通过工地执法记录仪继续对人员施工轨迹进行持续性监控。
S50:根据施工安全评估结果,生成用于提醒相应的施工人员进行安全防护的提醒指令。
具体的,根据施工安全评估结果,若判定人员施工轨迹超过施工安全区域,则生成用于提醒指令,并通过工地执法记录仪发送给相对应的施工人员,以便于提醒施工人员及时进行安全防护。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在一实施例中,提供一种基于工地执法记录仪的智慧施工数据分析***,该基于工地执法记录仪的智慧施工数据分析***与上述实施例中一种基于工地执法记录仪的智慧施工数据分析方法一一对应。如图8所示,该基于工地执法记录仪的智慧施工数据分析***包括数据获取模块、模型构建模块、数据处理模块、风险评估模块和指令生成模块。各功能模块详细说明如下:
数据获取模块,用于实时获取施工现场的施工视频流数据,其中,施工视频流数据包括人员位置数据和实际施工进度数据。
模型构建模块,用于根据实际施工进度数据对施工现场进行可视化建模处理,得到关于可视化的施工现场模型。
数据处理模块,用于将人员位置数据输入到施工现场模型中,得到每个施工人员的可视化的人员施工轨迹数据。
风险评估模块,用于根据人员施工轨迹数据,对每个施工人员的施工安全进行风险评估,得到施工安全评估结果。
指令生成模块,用于根据施工安全评估结果,生成用于提醒相应的施工人员进行安全防护的提醒指令。
可选的,模型构建模块具体包括:
数据识别子模块,用于识别施工图纸的施工环境数据。
数据标记子模块,用于对施工环境数据进行数据标记,得到关于施工现场的三维位置数据。
参数关联子模块,用于对实际施工进度数据和三维位置数据进行特征关联,得到施工位置参数关联关系。
模型构建子模块,用于根据施工位置关联关系,构建施工现场的可视化模型,得到施工现场模型。
可选的,模型构建模块还包括:
施工进度计划制定子模块,用于识别施工图纸的施工参数信息,并根据施工参数信息制定符合预期施工要求的施工进度计划。
施工进度比对子模块,用于将施工进度计划与实际施工进度数据进行参数比对,得到施工进度比对结果。
进度异常判断子模块,用于根据施工进度比对结果,判断实际施工进度是否存在进度异常情况。
进度调整指令生成子模块,用于若是,则根据施工进度比对结果,生成用于对实际施工进度数据进行调整的进度调整指令,以便于使调整后的实际施工进度符合施工进度计划的要求。
可选的,数据处理模块具体包括:
识别码获取子模块,用于获取每个施工人员的唯一识别码。
特征提取子模块,用于根据唯一识别码,对每个施工人员的人员位置数据进行人员特征提取处理,得到携带有唯一识别码的人员特征信息。
数据训练子模块,用于将若干个人员特征信息作为训练集进行数据训练,得到每个施工人员的施工轨迹信息。
特征拟合处理子模块,用于将施工轨迹信息与施工现场模型进行特征拟合处理,得到每个施工人员的人员施工轨迹数据。
本实施例中,为了更好地对遮挡和/或重叠的施工轨迹进行准确跟踪,在将施工轨迹信息与施工现场模型进行特征拟合处理,得到每个施工人员的人员施工轨迹数据之后,数据处理模块还包括:
异常数据标记子模块,用于对人员施工轨迹数据中异常数据进行数据标记处理,得到施工轨迹异常数据。
人员重识别处理子模块,用于对施工轨迹异常数据进行人员重识别处理,并结合施工人员的唯一识别码进行轨迹跟踪,得到施工轨迹重识别数据。
轨迹回归处理子模块,用于将施工轨迹重识别数据与人员施工轨迹数据进行轨迹回归处理,得到绕开施工轨迹异常数据的施工轨迹回归数据。
完整施工轨迹数据获取子模块,用于根据施工轨迹回归数据,对施工人员的施工轨迹进行持续性跟踪,得到施工人员的完整施工轨迹数据。
本实施例中,为了合理地调度监控资源对施工人员进行分级别监控,在对人员施工轨迹数据中异常数据进行数据标记处理,得到施工轨迹异常数据之后,且在对施工轨迹异常数据进行人员重识别处理,并结合施工人员的唯一识别码进行轨迹跟踪,得到施工轨迹重识别数据之前,数据处理模块还包括:
异常时间信息获取子模块,用于获取施工轨迹异常数据所对应的异常施工轨迹的异常时间信息。
优先级计算子模块,用于根据异常时间信息,对每个异常施工轨迹进行优先级计算,得到关于异常施工轨迹的轨迹优先级信息。
优先级排序子模块,用于对轨迹优先级信息进行优先级排序,得到优先级排序结果。
权重调整指令生成子模块,用于根据优先级排序结果,生成与优先级排序结果相对应的,且用于调整每个异常施工轨迹的监控权重的权重调整指令,以便于对优先级最优的异常施工轨迹进行优先监控。
可选的,风险评估模块具体包括:
安全指标调节子模块,用于根据实际施工进度数据调节施工现场的施工安全指标。
指标比对子模块,用于根据人员施工轨迹数据和施工安全指标进行比对,得到每个施工人员的人员施工轨迹数据是否符合施工安全指标的指标比对结果。
安全风险判断子模块,用于根据指标比对结果,判断人员施工轨迹数据是否存在安全风险。
提醒指令生成子模块,用于若是,则生成用于提醒施工人员及时进行安全防护的提醒指令。
关于基于工地执法记录仪的智慧施工数据分析***的具体限定可以参见上文中对于基于工地执法记录仪的智慧施工数据分析方法的限定,在此不再赘述。上述基于工地执法记录仪的智慧施工数据分析***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述***的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于工地执法记录仪的智慧施工数据分析方法,其特征在于,所述基于工地执法记录仪的智慧施工数据分析方法包括:
实时获取施工现场的施工视频流数据,其中,所述施工视频流数据包括人员位置数据和实际施工进度数据;
根据所述实际施工进度数据对施工现场进行可视化建模处理,得到关于可视化的施工现场模型;
将所述人员位置数据输入到所述施工现场模型中,得到每个施工人员的可视化的人员施工轨迹数据;
根据所述人员施工轨迹数据,对每个施工人员的施工安全进行风险评估,得到施工安全评估结果;
根据所述施工安全评估结果,生成用于提醒相应的施工人员进行安全防护的提醒指令。
2.根据权利要求1所述的基于工地执法记录仪的智慧施工数据分析方法,其特征在于,所述根据所述实际施工进度数据对施工现场进行可视化建模处理,得到关于可视化的施工现场模型,具体包括:
识别施工图纸的施工环境数据;
对所述施工环境数据进行数据标记,得到关于施工现场的三维位置数据;
对所述实际施工进度数据和所述三维位置数据进行特征关联,得到施工位置关联关系;
根据所述施工位置关联关系,构建所述施工现场的可视化模型,得到施工现场模型。
3.根据权利要求2所述的基于工地执法记录仪的智慧施工数据分析方法,其特征在于,在所述根据所述施工位置关联关系,构建所述施工现场的可视化模型,得到施工现场模型之后,还包括:
识别所述施工图纸的施工参数信息,并根据所述施工参数信息制定符合预期施工要求的施工进度计划;
将所述施工进度计划与所述实际施工进度数据进行参数比对,得到施工进度比对结果;
根据所述施工进度比对结果,判断实际施工进度是否存在进度异常情况;
若是,则根据所述施工进度比对结果,生成用于对所述实际施工进度数据进行调整的进度调整指令,以便于使调整后的实际施工进度符合所述施工进度计划的要求。
4.根据权利要求1所述的基于工地执法记录仪的智慧施工数据分析方法,其特征在于,所述将所述人员位置数据输入到所述施工现场模型中,得到每个施工人员的可视化的人员施工轨迹数据,具体包括:
获取每个施工人员的唯一识别码;
根据所述唯一识别码,对每个施工人员的所述人员位置数据进行人员特征提取处理,得到携带有所述唯一识别码的人员特征信息;
将若干个人员特征信息作为训练集进行数据训练,得到每个施工人员的施工轨迹信息;
将所述施工轨迹信息与所述施工现场模型进行特征拟合处理,得到每个施工人员的人员施工轨迹数据。
5.根据权利要求4所述的基于工地执法记录仪的智慧施工数据分析方法,其特征在于,在将所述施工轨迹信息与所述施工现场模型进行特征拟合处理,得到每个施工人员的人员施工轨迹数据之后,还包括:
对所述人员施工轨迹数据中异常数据进行数据标记处理,得到施工轨迹异常数据;
对所述施工轨迹异常数据进行人员重识别处理,并结合施工人员的唯一识别码进行轨迹跟踪,得到施工轨迹重识别数据;
将所述施工轨迹重识别数据与所述人员施工轨迹数据进行轨迹回归处理,得到绕开所述施工轨迹异常数据的施工轨迹回归数据;
根据所述施工轨迹回归数据,对施工人员的施工轨迹进行持续性跟踪,得到施工人员的完整施工轨迹数据。
6.根据权利要求5所述的基于工地执法记录仪的智慧施工数据分析方法,其特征在于,在所述对所述人员施工轨迹数据中异常数据进行数据标记处理,得到施工轨迹异常数据之后,且在所述对所述施工轨迹异常数据进行人员重识别处理,并结合施工人员的唯一识别码进行轨迹跟踪,得到施工轨迹重识别数据之前,还包括:
获取所述施工轨迹异常数据所对应的异常施工轨迹的异常时间信息;
根据所述异常时间信息,对每个所述异常施工轨迹进行优先级计算,得到关于异常施工轨迹的轨迹优先级信息;
对所述轨迹优先级信息进行优先级排序,得到优先级排序结果;
根据优先级排序结果,生成与所述优先级排序结果相对应的,且用于调整每个所述异常施工轨迹的监控权重的权重调整指令,以便于对优先级最优的所述异常施工轨迹进行优先监控。
7.根据权利要求1所述的基于工地执法记录仪的智慧施工数据分析方法,其特征在于,所述根据所述人员施工轨迹数据,对每个施工人员的施工安全进行风险评估,得到施工安全评估结果,具体包括:
根据所述实际施工进度数据调节所述施工现场的施工安全指标;
根据所述人员施工轨迹数据和所述施工安全指标进行比对,得到每个施工人员的人员施工轨迹数据是否符合所述施工安全指标的指标比对结果;
根据所述指标比对结果,判断所述人员施工轨迹数据是否存在安全风险;
若是,则生成用于提醒所述施工人员及时进行安全防护的提醒指令。
8.一种基于工地执法记录仪的智慧施工数据分析***,其特征在于,所述基于工地执法记录仪的智慧施工数据分析***包括:
数据获取模块,用于实时获取施工现场的施工视频流数据,其中,所述施工视频流数据包括人员位置数据和实际施工进度数据;
模型构建模块,用于根据所述实际施工进度数据对施工现场进行可视化建模处理,得到关于可视化的施工现场模型;
数据处理模块,用于将所述人员位置数据输入到所述施工现场模型中,得到每个施工人员的可视化的人员施工轨迹数据;
风险评估模块,用于根据所述人员施工轨迹数据,对每个施工人员的施工安全进行风险评估,得到施工安全评估结果;
指令生成模块,用于根据所述施工安全评估结果,生成用于提醒相应的施工人员进行安全防护的提醒指令。
9.根据权利要求8所述的基于工地执法记录仪的智慧施工数据分析***,其特征在于,所述模型构建模块具体包括:
数据识别子模块,用于识别施工图纸的施工环境数据;
数据标记子模块,用于对所述施工环境数据进行数据标记,得到关于施工现场的三维位置数据;
参数关联子模块,用于对所述实际施工进度数据和所述三维位置数据进行特征关联,得到施工位置参数关联关系;
模型构建子模块,用于根据所述施工位置关联关系,构建所述施工现场的可视化模型,得到施工现场模型。
10.根据权利要求9所述的基于工地执法记录仪的智慧施工数据分析***,其特征在于,所述模型构建模块还包括:
施工进度计划制定子模块,用于识别所述施工图纸的施工参数信息,并根据所述施工参数信息制定符合预期施工要求的施工进度计划;
施工进度比对子模块,用于将所述施工进度计划与所述实际施工进度数据进行参数比对,得到施工进度比对结果;
进度异常判断子模块,用于根据所述施工进度比对结果,判断实际施工进度是否存在进度异常情况;
进度调整指令生成子模块,用于若是,则根据所述施工进度比对结果,生成用于对所述实际施工进度数据进行调整的进度调整指令,以便于使调整后的实际施工进度符合所述施工进度计划的要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210956283.1A CN115309940B (zh) | 2022-08-10 | 2022-08-10 | 基于工地执法记录仪的智慧施工数据分析方法及其*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210956283.1A CN115309940B (zh) | 2022-08-10 | 2022-08-10 | 基于工地执法记录仪的智慧施工数据分析方法及其*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115309940A true CN115309940A (zh) | 2022-11-08 |
CN115309940B CN115309940B (zh) | 2023-05-19 |
Family
ID=83860880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210956283.1A Active CN115309940B (zh) | 2022-08-10 | 2022-08-10 | 基于工地执法记录仪的智慧施工数据分析方法及其*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115309940B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115600716A (zh) * | 2022-12-13 | 2023-01-13 | 河北电力工程监理有限公司(Cn) | 一种电力工程现场的人工智能监理***及方法 |
CN115796608A (zh) * | 2023-02-06 | 2023-03-14 | 北京万赋互联网科技集团有限公司 | 一种基于便携式交互的建筑施工风控管理方法及*** |
CN116629706A (zh) * | 2023-07-19 | 2023-08-22 | 山东新中鲁建设有限公司 | 一种基于bim的绿色节能建筑施工质量评估方法 |
CN116633990A (zh) * | 2023-06-25 | 2023-08-22 | 广东中信信息科技有限公司 | 一种基于云计算的远程信息数字化监管***及方法 |
CN116824312A (zh) * | 2023-08-31 | 2023-09-29 | 北京华邑建设集团有限公司 | 一种基于大数据的施工数据处理方法及*** |
CN117313960A (zh) * | 2023-11-30 | 2023-12-29 | 广州墨斗信息科技有限公司 | 一种基于可视化的施工日志展示方法 |
CN117372427A (zh) * | 2023-12-06 | 2024-01-09 | 南昌中展数智科技有限公司 | 基于视频分析的工程施工监管方法及*** |
CN118261404A (zh) * | 2024-05-30 | 2024-06-28 | 杭州其昇科技发展有限公司 | 一种轻量化数据自助分析方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543539A (zh) * | 2018-10-23 | 2019-03-29 | 江苏跃鑫科技有限公司 | 人群异常行为检测方法 |
CN110084527A (zh) * | 2019-05-05 | 2019-08-02 | 广西路桥工程集团有限公司 | 一种基于bim模型的数字化施工管理*** |
CN111242574A (zh) * | 2020-01-08 | 2020-06-05 | 中国建筑第二工程局有限公司西南分公司 | 一种基于gps技术的智慧工地现场巡检管理***及方法 |
CN111860318A (zh) * | 2020-07-20 | 2020-10-30 | 杭州品茗安控信息技术股份有限公司 | 一种建筑工地行人徘徊检测方法、装置、设备及存储介质 |
CN111882580A (zh) * | 2020-07-17 | 2020-11-03 | 元神科技(杭州)有限公司 | 一种视频多目标跟踪方法及*** |
CN112948950A (zh) * | 2021-04-07 | 2021-06-11 | 中铁广州工程局集团有限公司 | 基于bim技术的一体化信息智慧管理***及管理方法 |
DE102020213294A1 (de) * | 2020-10-21 | 2022-04-21 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Überwachung eines Baustellenbereichs, Überwachungssystem, Computerprogramm und Speichermedium |
-
2022
- 2022-08-10 CN CN202210956283.1A patent/CN115309940B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543539A (zh) * | 2018-10-23 | 2019-03-29 | 江苏跃鑫科技有限公司 | 人群异常行为检测方法 |
CN110084527A (zh) * | 2019-05-05 | 2019-08-02 | 广西路桥工程集团有限公司 | 一种基于bim模型的数字化施工管理*** |
CN111242574A (zh) * | 2020-01-08 | 2020-06-05 | 中国建筑第二工程局有限公司西南分公司 | 一种基于gps技术的智慧工地现场巡检管理***及方法 |
CN111882580A (zh) * | 2020-07-17 | 2020-11-03 | 元神科技(杭州)有限公司 | 一种视频多目标跟踪方法及*** |
CN111860318A (zh) * | 2020-07-20 | 2020-10-30 | 杭州品茗安控信息技术股份有限公司 | 一种建筑工地行人徘徊检测方法、装置、设备及存储介质 |
DE102020213294A1 (de) * | 2020-10-21 | 2022-04-21 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Überwachung eines Baustellenbereichs, Überwachungssystem, Computerprogramm und Speichermedium |
CN112948950A (zh) * | 2021-04-07 | 2021-06-11 | 中铁广州工程局集团有限公司 | 基于bim技术的一体化信息智慧管理***及管理方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115600716A (zh) * | 2022-12-13 | 2023-01-13 | 河北电力工程监理有限公司(Cn) | 一种电力工程现场的人工智能监理***及方法 |
CN115796608A (zh) * | 2023-02-06 | 2023-03-14 | 北京万赋互联网科技集团有限公司 | 一种基于便携式交互的建筑施工风控管理方法及*** |
CN116633990B (zh) * | 2023-06-25 | 2023-10-27 | 广东中信信息科技有限公司 | 一种基于云计算的远程信息数字化监管***及方法 |
CN116633990A (zh) * | 2023-06-25 | 2023-08-22 | 广东中信信息科技有限公司 | 一种基于云计算的远程信息数字化监管***及方法 |
CN116629706B (zh) * | 2023-07-19 | 2023-09-22 | 山东新中鲁建设有限公司 | 一种基于bim的绿色节能建筑施工质量评估方法 |
CN116629706A (zh) * | 2023-07-19 | 2023-08-22 | 山东新中鲁建设有限公司 | 一种基于bim的绿色节能建筑施工质量评估方法 |
CN116824312A (zh) * | 2023-08-31 | 2023-09-29 | 北京华邑建设集团有限公司 | 一种基于大数据的施工数据处理方法及*** |
CN116824312B (zh) * | 2023-08-31 | 2023-11-03 | 北京华邑建设集团有限公司 | 一种基于大数据的施工数据处理方法及*** |
CN117313960A (zh) * | 2023-11-30 | 2023-12-29 | 广州墨斗信息科技有限公司 | 一种基于可视化的施工日志展示方法 |
CN117313960B (zh) * | 2023-11-30 | 2024-03-29 | 广州墨斗信息科技有限公司 | 一种基于可视化的施工日志展示方法 |
CN117372427A (zh) * | 2023-12-06 | 2024-01-09 | 南昌中展数智科技有限公司 | 基于视频分析的工程施工监管方法及*** |
CN117372427B (zh) * | 2023-12-06 | 2024-03-22 | 南昌中展数智科技有限公司 | 基于视频分析的工程施工监管方法及*** |
CN118261404A (zh) * | 2024-05-30 | 2024-06-28 | 杭州其昇科技发展有限公司 | 一种轻量化数据自助分析方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN115309940B (zh) | 2023-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115309940A (zh) | 基于工地执法记录仪的智慧施工数据分析方法及其*** | |
Fang et al. | A deep learning-based method for detecting non-certified work on construction sites | |
Kim et al. | Analyzing context and productivity of tunnel earthmoving processes using imaging and simulation | |
Kong et al. | Computer vision and long short-term memory: Learning to predict unsafe behaviour in construction | |
CN110490608B (zh) | 风险评估方法、装置、计算机设备和存储介质 | |
CN106779585B (zh) | 用于监管建筑工程的方法、***及移动终端 | |
Alaloul et al. | Productivity monitoring in building construction projects: a systematic review | |
KR101927951B1 (ko) | 감리 정보 제공 방법 및 감리 정보 관리 시스템 | |
CN112651069A (zh) | 基于bim的智慧工地管控方法、***、装置及存储介质 | |
Elghaish et al. | The application of “deep learning” in construction site management: scientometric, thematic and critical analysis | |
Alzubi et al. | Automated monitoring technologies and construction productivity enhancement: Building projects case | |
CN115883981A (zh) | 一种摄像头布局方法及装置 | |
CN116700199B (zh) | 一种基于数字孪生技术的工厂生产控制方法及*** | |
CN112367397A (zh) | 外勤作业的监控预警方法、***、计算机设备及存储介质 | |
CN116403363A (zh) | 用于工地的高空坠落物监测方法、***、设备及介质 | |
CN115297437B (zh) | 一种应用于定位手表的定位签到方法、***、设备及介质 | |
Spišáková et al. | Virtual reality as a tool for increasing safety of construction sites | |
CN113792716B (zh) | 一种多维数据融合方法 | |
CN116523492A (zh) | 水电站监管方法及***、电子设备和存储介质 | |
CN116239019A (zh) | 一种智慧港口起重机作业监测方法及*** | |
Chi et al. | Design of a preliminary error impact analysis model for spatial safety assessment of earthmoving operations | |
CN113674109A (zh) | 一种基于gis和bim的地铁防地面施工破坏的方法和装置 | |
CN116843844B (zh) | 基于bim的梁场数字化管理***及方法 | |
CN113127322A (zh) | 基于区块链的结构体监测方法、装置、设备以及存储介质 | |
Zheng et al. | RETRACTED ARTICLE: Exposure Assessment for Roller Compacted Concrete Dam Construction Integrated Real-Time Location Information |
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 |