CN118411028B - 基于多源监控数据融合的隧道施工风险评估方法及系统 - Google Patents
基于多源监控数据融合的隧道施工风险评估方法及系统 Download PDFInfo
- Publication number
- CN118411028B CN118411028B CN202410569251.5A CN202410569251A CN118411028B CN 118411028 B CN118411028 B CN 118411028B CN 202410569251 A CN202410569251 A CN 202410569251A CN 118411028 B CN118411028 B CN 118411028B
- Authority
- CN
- China
- Prior art keywords
- construction risk
- event
- fusion
- monitoring data
- tunnel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims abstract description 255
- 238000012502 risk assessment Methods 0.000 title claims abstract description 90
- 238000012544 monitoring process Methods 0.000 title claims abstract description 79
- 230000004927 fusion Effects 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000007499 fusion processing Methods 0.000 claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims description 20
- 238000012216 screening Methods 0.000 claims description 20
- 238000013210 evaluation model Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000011835 investigation Methods 0.000 abstract description 5
- 230000009471 action Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供基于多源监控数据融合的隧道施工风险评估方法及系统，其中方法包括：获取隧道施工的多源监控数据；对所述多源监控数据进行融合处理；基于融合处理后的多源监控数据和预训练的施工风险概率评估模型，评估施工风险概率；输出所述施工风险概率。本发明的基于多源监控数据融合的隧道施工风险评估方法及系统，获取隧道施工的多源监控数据，对多源监控数据进行融合处理，基于融合处理后的多源监控数据和预训练的施工风险概率评估模型，评估施工风险概率，无需专家人员前往隧道现场进行考察、分析，降低了人力成本，提升了评估效率，更提升了评估的全面性。
Description
技术领域
本发明涉及计算机数据处理技术领域，特别涉及基于多源监控数据融合的隧道施工风险评估方法及系统。
背景技术
影响隧道施工安全的因素复杂且多，为保证隧道施工的安全，需要在施工前进行隧道施工风险评估。一般的，进行隧道施工风险评估时，需要多个专家人员前往隧道现场进行考察、分析，人力成本较大，评估效率较低，另外，专家人员进行考察、分析可能存在评估不全面的情况发生。
因此，亟需一种解决办法。
发明内容
本发明目的之一在于提供了基于多源监控数据融合的隧道施工风险评估方法，获取隧道施工的多源监控数据，对多源监控数据进行融合处理，基于融合处理后的多源监控数据和预训练的施工风险概率评估模型，评估施工风险概率，无需专家人员前往隧道现场进行考察、分析，降低了人力成本，提升了评估效率，更提升了评估的全面性。
本发明实施例提供的基于多源监控数据融合的隧道施工风险评估方法，包括：
获取隧道施工的多源监控数据；
对所述多源监控数据进行融合处理；
基于融合处理后的多源监控数据和预训练的施工风险概率评估模型，评估施工风险概率；
输出所述施工风险概率。
优选的，所述对所述多源监控数据进行融合处理，包括：
获取大量的隧道施工风险事件；
基于每一所述隧道施工风险事件，确定多组一一对应的待入数据类型表和融合用空白集；所述待入数据类型表指示了待入所述融合用空白集的数据的至少一个数据类型，每一所述数据类型为所述隧道施工风险事件的事发特征的特征类型；
基于每一所述待入数据类型表，从所述多源监控数据中抽取数据填入对应的所述融合用空白集；
将填入数据的融合用空白集作为融合处理结果。
优选的，基于多源监控数据融合的隧道施工风险评估方法，还包括：
当所述施工风险概率大于等于预设的概率阈值时，获取所述施工风险概率评估模型评估的施工风险事件；
基于所述施工风险事件、所述多源监控数据和隧道对应的预设的隧道三维模型，构建隧道的数字孪生模型；
从所述数字孪生模型中确定多个施工风险评估视角；
获取每一所述施工风险评估视角的评估优先级；
按照所述评估优先级从大到小依次遍历每一所述施工风险评估视角；
每次遍历时，将遍历到的所述施工风险评估视角接入专家会议室；所述专家会议室内每一专家均可通过遍历到的所述施工风险评估视角查看所述数字孪生模型；
辅助所述专家会议室内各专家进行深度施工风险评估；
获取并输出深度施工风险评估结果。
优选的，所述从所述数字孪生模型中确定多个施工风险评估视角，包括：
基于事件簇组合条件，将所述施工风险事件组合成多个事件簇；
为每一所述事件簇创建至少一个关联的共览视角；在所述数字孪生模型中，所述共览视角下会出现同一所述事件簇中的每一所述施工风险事件对应的数字孪生体；
基于视角筛选条件，从各个所述事件簇关联的所述共览视角中筛选出每一所述事件簇关联的一个目标共览视角；
将所述目标共览视角作为所述施工风险评估视角；
其中，所述事件簇组合条件包括：
同一所述事件簇中的两两所述施工风险事件之间存在事件关联关系，单个与任意其他施工风险事件之间不存在事件关联关系的施工风险事件自成一簇；
其中，所述视角筛选条件包括：
所述目标共览视角来自于每一所述事件簇关联的所述共览视角中；
且，当同一所述施工风险事件同时存在于不同的所述事件簇中时，同一所述施工风险事件同时存在于的不同所述事件簇关联的所述目标共览视角两两之间的重叠度小于等于预设的重叠度阈值；
且，不同所述事件簇关联的所述目标共览视角两两之间的视角切换成本的总和小于等于预设的成本和阈值。
优选的，所述辅助所述专家会议室内各专家进行深度施工风险评估，包括：
分别获取所述专家会议内各专家之间进行对话产生的对话记录、查看所述数字孪生模型的行为记录；
将所述对话记录和所述行为记录设置于预设的时间轴线上；
将每一所述行为记录与预设的触发行为记录库中的触发行为记录进行匹配；
当匹配符合时，尝试获取匹配符合的所述触发行为记录对应的触发指示方向；所述触发指示方向包括：前和后；
当尝试成功时，获取所述时间轴线上匹配符合的所述行为记录的所述触发指示方向上预设范围内的所述对话记录作为第一分析目标；
当尝试失败时，将进行匹配的所述行为记录作为区间边界；
将所述时间轴线上两两相邻所述区间边界内的所述对话记录作为第二分析目标；
基于所述第一分析目标和所述第二分析目标，确定待辅助情形；
从预设的辅助知识库中确定所述待辅助情形对应的辅助知识；
基于所述辅助知识，辅助所述专家会议室内各专家进行深度施工风险评估。
本发明实施例提供的基于多源监控数据融合的隧道施工风险评估系统，包括：
获取模块，用于获取隧道施工的多源监控数据；
处理模块，用于对所述多源监控数据进行融合处理；
评估模块，用于基于融合处理后的多源监控数据和预训练的施工风险概率评估模型，评估施工风险概率；
输出模块，用于输出所述施工风险概率。
优选的，所述处理模块对所述多源监控数据进行融合处理，包括：
获取大量的隧道施工风险事件；
基于每一所述隧道施工风险事件，确定多组一一对应的待入数据类型表和融合用空白集；所述待入数据类型表指示了待入所述融合用空白集的数据的至少一个数据类型，每一所述数据类型为所述隧道施工风险事件的事发特征的特征类型；
基于每一所述待入数据类型表，从所述多源监控数据中抽取数据填入对应的所述融合用空白集；
将填入数据的融合用空白集作为融合处理结果。
优选的，基于多源监控数据融合的隧道施工风险评估系统，还包括：
辅助模块，用于包括：
当所述施工风险概率大于等于预设的概率阈值时，获取所述施工风险概率评估模型评估的施工风险事件；
基于所述施工风险事件、所述多源监控数据和隧道对应的预设的隧道三维模型，构建隧道的数字孪生模型；
从所述数字孪生模型中确定多个施工风险评估视角；
获取每一所述施工风险评估视角的评估优先级；
按照所述评估优先级从大到小依次遍历每一所述施工风险评估视角；
每次遍历时，将遍历到的所述施工风险评估视角接入专家会议室；所述专家会议室内每一专家均可通过遍历到的所述施工风险评估视角查看所述数字孪生模型；
辅助所述专家会议室内各专家进行深度施工风险评估；
获取并输出深度施工风险评估结果。
优选的，所述辅助模块从所述数字孪生模型中确定多个施工风险评估视角，包括：
基于事件簇组合条件，将所述施工风险事件组合成多个事件簇；
为每一所述事件簇创建至少一个关联的共览视角；在所述数字孪生模型中，所述共览视角下会出现同一所述事件簇中的每一所述施工风险事件对应的数字孪生体；
基于视角筛选条件，从各个所述事件簇关联的所述共览视角中筛选出每一所述事件簇关联的一个目标共览视角；
将所述目标共览视角作为所述施工风险评估视角；
其中，所述事件簇组合条件包括：
同一所述事件簇中的两两所述施工风险事件之间存在事件关联关系，单个与任意其他施工风险事件之间不存在事件关联关系的施工风险事件自成一簇；
其中，所述视角筛选条件包括：
所述目标共览视角来自于每一所述事件簇关联的所述共览视角中；
且，当同一所述施工风险事件同时存在于不同的所述事件簇中时，同一所述施工风险事件同时存在于的不同所述事件簇关联的所述目标共览视角两两之间的重叠度小于等于预设的重叠度阈值；
且，不同所述事件簇关联的所述目标共览视角两两之间的视角切换成本的总和小于等于预设的成本和阈值。
优选的，所述辅助模块辅助所述专家会议室内各专家进行深度施工风险评估，包括：
分别获取所述专家会议内各专家之间进行对话产生的对话记录、查看所述数字孪生模型的行为记录；
将所述对话记录和所述行为记录设置于预设的时间轴线上；
将每一所述行为记录与预设的触发行为记录库中的触发行为记录进行匹配；
当匹配符合时，尝试获取匹配符合的所述触发行为记录对应的触发指示方向；所述触发指示方向包括：前和后；
当尝试成功时，获取所述时间轴线上匹配符合的所述行为记录的所述触发指示方向上预设范围内的所述对话记录作为第一分析目标；
当尝试失败时，将进行匹配的所述行为记录作为区间边界；
将所述时间轴线上两两相邻所述区间边界内的所述对话记录作为第二分析目标；
基于所述第一分析目标和所述第二分析目标，确定待辅助情形；
从预设的辅助知识库中确定所述待辅助情形对应的辅助知识；
基于所述辅助知识，辅助所述专家会议室内各专家进行深度施工风险评估。
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为本发明实施例中基于多源监控数据融合的隧道施工风险评估方法的示意图；
图2为本发明实施例中基于多源监控数据融合的隧道施工风险评估系统的示意图。
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。
本发明实施例提供了基于多源监控数据融合的隧道施工风险评估方法，如图1所示，包括：
S1、获取隧道施工的多源监控数据；
S2、对所述多源监控数据进行融合处理；
S3、基于融合处理后的多源监控数据和预训练的施工风险概率评估模型，评估施工风险概率；
S4、输出所述施工风险概率。
多源监控数据为隧道内设置的多个监控源对隧道进行监控获得的数据，比如：agv小车进入隧道内后采集的地形信息、气体成分信息、温湿度信息等；多源监控数据经融合处理后，输入预训练的施工风险概率评估模型，评估确定施工风险概率；施工风险概率评估模型为基于大量的人工标记有施工风险概率的多不同源监控数据对神经网络模型进行训练后获得的人工智能模型，其可以基于融合处理后的多源监控数据，评估此次隧道施工的风险概率，即施工风险概率；输出施工风险概率，供管理人员查看。
本申请获取隧道施工的多源监控数据，对多源监控数据进行融合处理，基于融合处理后的多源监控数据和预训练的施工风险概率评估模型，评估施工风险概率，无需专家人员前往隧道现场进行考察、分析，降低了人力成本，提升了评估效率，更提升了评估的全面性。
在一个实施例中，所述对所述多源监控数据进行融合处理，包括：
获取大量的隧道施工风险事件；
基于每一所述隧道施工风险事件，确定多组一一对应的待入数据类型表和融合用空白集；所述待入数据类型表指示了待入所述融合用空白集的数据的至少一个数据类型，每一所述数据类型为所述隧道施工风险事件的事发特征的特征类型；
基于每一所述待入数据类型表，从所述多源监控数据中抽取数据填入对应的所述融合用空白集；
将填入数据的融合用空白集作为融合处理结果。
隧道施工风险事件为历史上的隧道出现施工风险的记录事件；首先提取隧道施工风险的事发特征，比如：有害气体浓度异常，基于事发特征确定数据类型，即有害气体浓度，将各数据类型组成待入数据类型表，待入数据类型表反应了判断一个隧道施工风险事件是否发生时需要进行分析的数据的数据类型，将多源监控数据中代入数据类型表中每一数据类型的数据抽取出填入融合用空白集，对数据进行融合，将填入数据的融合用空白集作为融合处理结果，这样一来，每一融合用空白集中的各类型数据可以用于判断隧道内是否会发生一个隧道施工风险事件，从而便于施工风险概率评估模型进行施工风险概率的评估。
在一个实施例中，基于多源监控数据融合的隧道施工风险评估方法，还包括：
当所述施工风险概率大于等于预设的概率阈值时，获取所述施工风险概率评估模型评估的施工风险事件；
基于所述施工风险事件、所述多源监控数据和隧道对应的预设的隧道三维模型，构建隧道的数字孪生模型；
从所述数字孪生模型中确定多个施工风险评估视角；
获取每一所述施工风险评估视角的评估优先级；
按照所述评估优先级从大到小依次遍历每一所述施工风险评估视角；
每次遍历时，将遍历到的所述施工风险评估视角接入专家会议室；所述专家会议室内每一专家均可通过遍历到的所述施工风险评估视角查看所述数字孪生模型；
辅助所述专家会议室内各专家进行深度施工风险评估；
获取并输出深度施工风险评估结果。
概率阈值可以为比如：60％；施工风险概率评估模型在评估施工风险概率时，可以设置施工风险概率评估模型评估出隧道内可能会发生的施工风险事件，比如：基于大量的人工标记有可能会发生的施工风险事件的不同多源监控数据对神经网络模型进行补充训练；将施工风险事件、多源监控数据表示于隧道三维模型内，获得隧道的数字孪生模型；一般的，当施工风险概率评估模型评估到风险概率较大时，现场的专家人员们为决策是否改变施工计划等需要对隧道施工进行进一步的深度风险评估；施工风险评估视角为适宜供专家们查看数字孪生模型以利于他们对隧道施工进行深度风险评估的视角；评估优先级与施工风险评估视角下的施工风险事件的风险程度大小有关，施工风险评估视角下的施工风险事件的风险程度越大，对应评估优先级越高；按照施工评估优先级从大到小依次遍历每一施工风险评估视角，使得风险程度越大的施工风险事件越可以优先处理，将遍历到的施工风险评估视角接入专家会议室，其内每一专家可以通过遍历到的施工风险评估视角查看数字孪生模型，辅助各专家对隧道施工进行深度施工风险评估。专家们无需自行操作数字孪生模型，系统自适应确定施工风险评估视角，提升了便捷性。
在一个实施例中，所述从所述数字孪生模型中确定多个施工风险评估视角，包括：
基于事件簇组合条件，将所述施工风险事件组合成多个事件簇；
为每一所述事件簇创建至少一个关联的共览视角；在所述数字孪生模型中，所述共览视角下会出现同一所述事件簇中的每一所述施工风险事件对应的数字孪生体；数字孪生体为在数字孪生模型中表示施工风险事件的模型；
基于视角筛选条件，从各个所述事件簇关联的所述共览视角中筛选出每一所述事件簇关联的一个目标共览视角；
将所述目标共览视角作为所述施工风险评估视角；
其中，所述事件簇组合条件包括：
同一所述事件簇中的两两所述施工风险事件之间存在事件关联关系，单个与任意其他施工风险事件之间不存在事件关联关系的施工风险事件自成一簇；事件关联关系为可能会同时发生、存在因果关系、存在连环效应等；设置该事件簇组合条件，将存在事件关联关系的施工风险事件存入同一事件簇，使得通过目标共览视角可以同时查看到，共同进行联合分析；其次，若某个施工风险事件与任意其他施工风险事件之间不存在事件关联关系时，其自成一个事件簇；
其中，所述视角筛选条件包括：
所述目标共览视角来自于每一所述事件簇关联的所述共览视角中；
且，当同一所述施工风险事件同时存在于不同的所述事件簇中时，同一所述施工风险事件同时存在于的不同所述事件簇关联的所述目标共览视角两两之间的重叠度小于等于预设的重叠度阈值；重叠度阈值可以为比如：20％；当同一施工风险事件同时存在于不同的事件簇中时，就存在至少两个目标共览视角都可以查看到该施工风险事件，但是，为避免可以查看到该施工风险事件的至少两个目标共览视角造成专家们分析混淆等，可以设置它们之间的重叠度小于等于重叠度阈值；
且，不同所述事件簇关联的所述目标共览视角两两之间的视角切换成本的总和小于等于预设的成本和阈值。视角切换成本为目标共览视角两两之间切换所需的时间，成本和阈值为一时间阈值，可由技术人员提前设置；设置这一视角筛选条件，保证目标共览视角进行互相切换时比较适宜，减少切换资源。
多条件筛选目标共览视角，将目标共览视角作为施工风险评估视角，极大程度上提升了施工风险评估视角确定的精准性。
在一个实施例中，所述辅助所述专家会议室内各专家进行深度施工风险评估，包括：
分别获取所述专家会议内各专家之间进行对话产生的对话记录、查看所述数字孪生模型的行为记录；
将所述对话记录和所述行为记录设置于预设的时间轴线上；设置时，解析对话记录/行为记录的产生时间，在时间轴线上找到产生时间对应的时间节点，将对话记录/行为记录设置于对应时间节点上；
将每一所述行为记录与预设的触发行为记录库中的触发行为记录进行匹配；触发行为记录为代表产生能够反应专家需要系统如何进行辅助的对话记录的触发行为，比如：主动操作数字孪生模型(可能存在疑问想要查看)；
当匹配符合时，尝试获取匹配符合的所述触发行为记录对应的触发指示方向；所述触发指示方向包括：前和后；当行为记录与触发行为记录匹配符合时，触发行为记录可以指示如何获取能够反应专家需要系统如何进行辅助的对话记录，即给予触发指示方向；比如：专家主动操作数字孪生模型，可能存在疑问想要查看，则在此之前专家可能对话产生疑问，后进行模型操作，因此，触发指示方向为前；
当尝试成功时，获取所述时间轴线上匹配符合的所述行为记录的所述触发指示方向上预设范围内的所述对话记录作为第一分析目标；预设范围可以为比如：5分钟；
当尝试失败时，将进行匹配的所述行为记录作为区间边界；当匹配符合的触发行为记录不存在触发指示方向时，说明其无法精准确定能够反应专家需要系统如何进行辅助的对话记录是在之前还是之后产生，将其作为区间边界；
将所述时间轴线上两两相邻所述区间边界内的所述对话记录作为第二分析目标；
基于所述第一分析目标和所述第二分析目标，确定待辅助情形；第一分析目标和第二分析目标反应专家需要系统如何进行辅助，即待辅助情形；
从预设的辅助知识库中确定所述待辅助情形对应的辅助知识；辅助知识库中有不同待辅助情形对应的辅助知识，辅助知识指示了系统该如何对专家们进行辅助；
基于所述辅助知识，辅助所述专家会议室内各专家进行深度施工风险评估。
本发明实施例在对专家们进行辅助时，没有获取、分析他们之间全部的对话记录，而是针对性地获取、分析，减少了获取分析资源，提升获取分析效率；另外，精准确定待辅助情形，确定辅助知识，基于辅助知识，对专家们进行辅助，提升了辅助效率和辅助精准性。
本发明实施例提供了基于多源监控数据融合的隧道施工风险评估系统，如图2所示，包括：
获取模块1，用于获取隧道施工的多源监控数据；
处理模块2，用于对所述多源监控数据进行融合处理；
评估模块3，用于基于融合处理后的多源监控数据和预训练的施工风险概率评估模型，评估施工风险概率；
输出模块4，用于输出所述施工风险概率。
所述处理模块2对所述多源监控数据进行融合处理，包括：
获取大量的隧道施工风险事件；
基于每一所述隧道施工风险事件，确定多组一一对应的待入数据类型表和融合用空白集；所述待入数据类型表指示了待入所述融合用空白集的数据的至少一个数据类型，每一所述数据类型为所述隧道施工风险事件的事发特征的特征类型；
基于每一所述待入数据类型表，从所述多源监控数据中抽取数据填入对应的所述融合用空白集；
将填入数据的融合用空白集作为融合处理结果。
基于多源监控数据融合的隧道施工风险评估系统，还包括：
辅助模块，用于包括：
当所述施工风险概率大于等于预设的概率阈值时，获取所述施工风险概率评估模型评估的施工风险事件；
基于所述施工风险事件、所述多源监控数据和隧道对应的预设的隧道三维模型，构建隧道的数字孪生模型；
从所述数字孪生模型中确定多个施工风险评估视角；
获取每一所述施工风险评估视角的评估优先级；
按照所述评估优先级从大到小依次遍历每一所述施工风险评估视角；
每次遍历时，将遍历到的所述施工风险评估视角接入专家会议室；所述专家会议室内每一专家均可通过遍历到的所述施工风险评估视角查看所述数字孪生模型；
辅助所述专家会议室内各专家进行深度施工风险评估；
获取并输出深度施工风险评估结果。
所述辅助模块从所述数字孪生模型中确定多个施工风险评估视角，包括：
基于事件簇组合条件，将所述施工风险事件组合成多个事件簇；
为每一所述事件簇创建至少一个关联的共览视角；在所述数字孪生模型中，所述共览视角下会出现同一所述事件簇中的每一所述施工风险事件对应的数字孪生体；
基于视角筛选条件，从各个所述事件簇关联的所述共览视角中筛选出每一所述事件簇关联的一个目标共览视角；
将所述目标共览视角作为所述施工风险评估视角；
其中，所述事件簇组合条件包括：
同一所述事件簇中的两两所述施工风险事件之间存在事件关联关系，单个与任意其他施工风险事件之间不存在事件关联关系的施工风险事件自成一簇；
其中，所述视角筛选条件包括：
所述目标共览视角来自于每一所述事件簇关联的所述共览视角中；
且，当同一所述施工风险事件同时存在于不同的所述事件簇中时，同一所述施工风险事件同时存在于的不同所述事件簇关联的所述目标共览视角两两之间的重叠度小于等于预设的重叠度阈值；
且，不同所述事件簇关联的所述目标共览视角两两之间的视角切换成本的总和小于等于预设的成本和阈值。
所述辅助模块辅助所述专家会议室内各专家进行深度施工风险评估，包括：
分别获取所述专家会议内各专家之间进行对话产生的对话记录、查看所述数字孪生模型的行为记录；
将所述对话记录和所述行为记录设置于预设的时间轴线上；
将每一所述行为记录与预设的触发行为记录库中的触发行为记录进行匹配；
当匹配符合时，尝试获取匹配符合的所述触发行为记录对应的触发指示方向；所述触发指示方向包括：前和后；
当尝试成功时，获取所述时间轴线上匹配符合的所述行为记录的所述触发指示方向上预设范围内的所述对话记录作为第一分析目标；
当尝试失败时，将进行匹配的所述行为记录作为区间边界；
将所述时间轴线上两两相邻所述区间边界内的所述对话记录作为第二分析目标；
基于所述第一分析目标和所述第二分析目标，确定待辅助情形；
从预设的辅助知识库中确定所述待辅助情形对应的辅助知识；
基于所述辅助知识，辅助所述专家会议室内各专家进行深度施工风险评估。
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 (6)
1.基于多源监控数据融合的隧道施工风险评估方法，其特征在于，包括：
获取隧道施工的多源监控数据；
对所述多源监控数据进行融合处理；
基于融合处理后的多源监控数据和预训练的施工风险概率评估模型，评估施工风险概率；
输出所述施工风险概率；
还包括：
当所述施工风险概率大于等于预设的概率阈值时，获取所述施工风险概率评估模型评估的施工风险事件；
基于所述施工风险事件、所述多源监控数据和隧道对应的预设的隧道三维模型，构建隧道的数字孪生模型；
从所述数字孪生模型中确定多个施工风险评估视角；
获取每一所述施工风险评估视角的评估优先级；
按照所述评估优先级从大到小依次遍历每一所述施工风险评估视角；
每次遍历时，将遍历到的所述施工风险评估视角接入专家会议室；所述专家会议室内每一专家均可通过遍历到的所述施工风险评估视角查看所述数字孪生模型；
辅助所述专家会议室内各专家进行深度施工风险评估；
获取并输出深度施工风险评估结果；
所述从所述数字孪生模型中确定多个施工风险评估视角，包括：
基于事件簇组合条件，将所述施工风险事件组合成多个事件簇；
为每一所述事件簇创建至少一个关联的共览视角；在所述数字孪生模型中，所述共览视角下会出现同一所述事件簇中的每一所述施工风险事件对应的数字孪生体；
基于视角筛选条件，从各个所述事件簇关联的所述共览视角中筛选出每一所述事件簇关联的一个目标共览视角；
将所述目标共览视角作为所述施工风险评估视角；
其中，所述事件簇组合条件包括：
同一所述事件簇中的两两所述施工风险事件之间存在事件关联关系，单个与任意其他施工风险事件之间不存在事件关联关系的施工风险事件自成一簇；
其中，所述视角筛选条件包括：
所述目标共览视角来自于每一所述事件簇关联的所述共览视角中；
且，当同一所述施工风险事件同时存在于不同的所述事件簇中时，同一所述施工风险事件同时存在于的不同所述事件簇关联的所述目标共览视角两两之间的重叠度小于等于预设的重叠度阈值；
且，不同所述事件簇关联的所述目标共览视角两两之间的视角切换成本的总和小于等于预设的成本和阈值。
2.如权利要求1所述的基于多源监控数据融合的隧道施工风险评估方法，其特征在于，所述对所述多源监控数据进行融合处理，包括：
获取大量的隧道施工风险事件；
基于每一所述隧道施工风险事件，确定多组一一对应的待入数据类型表和融合用空白集；所述待入数据类型表指示了待入所述融合用空白集的数据的至少一个数据类型，每一所述数据类型为所述隧道施工风险事件的事发特征的特征类型；
基于每一所述待入数据类型表，从所述多源监控数据中抽取数据填入对应的所述融合用空白集；
将填入数据的融合用空白集作为融合处理结果。
3.如权利要求1所述的基于多源监控数据融合的隧道施工风险评估方法，其特征在于，所述辅助所述专家会议室内各专家进行深度施工风险评估，包括：
分别获取所述专家会议内各专家之间进行对话产生的对话记录、查看所述数字孪生模型的行为记录；
将所述对话记录和所述行为记录设置于预设的时间轴线上；
将每一所述行为记录与预设的触发行为记录库中的触发行为记录进行匹配；
当匹配符合时，尝试获取匹配符合的所述触发行为记录对应的触发指示方向；所述触发指示方向包括：前和后；
当尝试成功时，获取所述时间轴线上匹配符合的所述行为记录的所述触发指示方向上预设范围内的所述对话记录作为第一分析目标；
当尝试失败时，将进行匹配的所述行为记录作为区间边界；
将所述时间轴线上两两相邻所述区间边界内的所述对话记录作为第二分析目标；
基于所述第一分析目标和所述第二分析目标，确定待辅助情形；
从预设的辅助知识库中确定所述待辅助情形对应的辅助知识；
基于所述辅助知识，辅助所述专家会议室内各专家进行深度施工风险评估。
4.基于多源监控数据融合的隧道施工风险评估系统，其特征在于，包括：
获取模块，用于获取隧道施工的多源监控数据；
处理模块，用于对所述多源监控数据进行融合处理；
评估模块，用于基于融合处理后的多源监控数据和预训练的施工风险概率评估模型，评估施工风险概率；
输出模块，用于输出所述施工风险概率；
还包括：
辅助模块，用于包括：
当所述施工风险概率大于等于预设的概率阈值时，获取所述施工风险概率评估模型评估的施工风险事件；
基于所述施工风险事件、所述多源监控数据和隧道对应的预设的隧道三维模型，构建隧道的数字孪生模型；
从所述数字孪生模型中确定多个施工风险评估视角；
获取每一所述施工风险评估视角的评估优先级；
按照所述评估优先级从大到小依次遍历每一所述施工风险评估视角；
每次遍历时，将遍历到的所述施工风险评估视角接入专家会议室；所述专家会议室内每一专家均可通过遍历到的所述施工风险评估视角查看所述数字孪生模型；
辅助所述专家会议室内各专家进行深度施工风险评估；
获取并输出深度施工风险评估结果；
所述辅助模块从所述数字孪生模型中确定多个施工风险评估视角，包括：
基于事件簇组合条件，将所述施工风险事件组合成多个事件簇；
为每一所述事件簇创建至少一个关联的共览视角；在所述数字孪生模型中，所述共览视角下会出现同一所述事件簇中的每一所述施工风险事件对应的数字孪生体；
基于视角筛选条件，从各个所述事件簇关联的所述共览视角中筛选出每一所述事件簇关联的一个目标共览视角；
将所述目标共览视角作为所述施工风险评估视角；
其中，所述事件簇组合条件包括：
同一所述事件簇中的两两所述施工风险事件之间存在事件关联关系，单个与任意其他施工风险事件之间不存在事件关联关系的施工风险事件自成一簇；
其中，所述视角筛选条件包括：
所述目标共览视角来自于每一所述事件簇关联的所述共览视角中；
且，当同一所述施工风险事件同时存在于不同的所述事件簇中时，同一所述施工风险事件同时存在于的不同所述事件簇关联的所述目标共览视角两两之间的重叠度小于等于预设的重叠度阈值；
且，不同所述事件簇关联的所述目标共览视角两两之间的视角切换成本的总和小于等于预设的成本和阈值。
5.如权利要求4所述的基于多源监控数据融合的隧道施工风险评估系统，其特征在于，所述处理模块对所述多源监控数据进行融合处理，包括：
获取大量的隧道施工风险事件；
基于每一所述隧道施工风险事件，确定多组一一对应的待入数据类型表和融合用空白集；所述待入数据类型表指示了待入所述融合用空白集的数据的至少一个数据类型，每一所述数据类型为所述隧道施工风险事件的事发特征的特征类型；
基于每一所述待入数据类型表，从所述多源监控数据中抽取数据填入对应的所述融合用空白集；
将填入数据的融合用空白集作为融合处理结果。
6.如权利要求4所述的基于多源监控数据融合的隧道施工风险评估系统，其特征在于，所述辅助模块辅助所述专家会议室内各专家进行深度施工风险评估，包括：
分别获取所述专家会议内各专家之间进行对话产生的对话记录、查看所述数字孪生模型的行为记录；
将所述对话记录和所述行为记录设置于预设的时间轴线上；
将每一所述行为记录与预设的触发行为记录库中的触发行为记录进行匹配；
当匹配符合时，尝试获取匹配符合的所述触发行为记录对应的触发指示方向；所述触发指示方向包括：前和后；
当尝试成功时，获取所述时间轴线上匹配符合的所述行为记录的所述触发指示方向上预设范围内的所述对话记录作为第一分析目标；
当尝试失败时，将进行匹配的所述行为记录作为区间边界；
将所述时间轴线上两两相邻所述区间边界内的所述对话记录作为第二分析目标；
基于所述第一分析目标和所述第二分析目标，确定待辅助情形；
从预设的辅助知识库中确定所述待辅助情形对应的辅助知识；
基于所述辅助知识，辅助所述专家会议室内各专家进行深度施工风险评估。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410569251.5A CN118411028B (zh) | 2024-05-09 | 2024-05-09 | 基于多源监控数据融合的隧道施工风险评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410569251.5A CN118411028B (zh) | 2024-05-09 | 2024-05-09 | 基于多源监控数据融合的隧道施工风险评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118411028A CN118411028A (zh) | 2024-07-30 |
| CN118411028B true CN118411028B (zh) | 2024-10-22 |
Family
ID=91982768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410569251.5A Active CN118411028B (zh) | 2024-05-09 | 2024-05-09 | 基于多源监控数据融合的隧道施工风险评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118411028B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117827937A (zh) * | 2024-03-05 | 2024-04-05 | 山东天大清源信息科技有限公司 | 基于多源数据整合与数据挖掘的监控方法、系统及存储介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108074021A (zh) * | 2016-11-10 | 2018-05-25 | 中国电力科学研究院 | 一种配电网风险辨识系统及方法 |
| CA3121058A1 (en) * | 2021-03-17 | 2022-09-17 | Ai-Genetika Inc., Doing Business As Biotwin | Method of using digital twin biomarker profiles for improved sports training and performance, wellness and healthcare outcomes |
| CN114398773A (zh) * | 2021-12-31 | 2022-04-26 | 中煤科工集团信息技术有限公司 | 一种基于人工智能技术的煤矿调度机器人系统 |
| CN115775092B (zh) * | 2022-11-11 | 2023-12-22 | 中电建铁路建设投资集团有限公司 | 基于数字孪生技术的施工过程安全风险管控系统 |
| CN116877108A (zh) * | 2023-07-05 | 2023-10-13 | 中国铁建重工集团股份有限公司 | 煤矿快速掘锚成套装备的数字孪生系统 |
| CN117455238A (zh) * | 2023-11-09 | 2024-01-26 | 江西财经大学 | 基于数字孪生的建筑施工质量安全风险评估方法及系统 |
| CN117436295A (zh) * | 2023-12-21 | 2024-01-23 | 深圳市辉熙智能科技有限公司 | 基于数字孪生的物料监测与3d仿真系统及方法 |
-
2024
- 2024-05-09 CN CN202410569251.5A patent/CN118411028B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117827937A (zh) * | 2024-03-05 | 2024-04-05 | 山东天大清源信息科技有限公司 | 基于多源数据整合与数据挖掘的监控方法、系统及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118411028A (zh) | 2024-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110008288A (zh) | 用于网络故障分析的知识图谱库的构建方法及其应用 | |
| CN113870260B (zh) | 一种基于高频时序数据的焊接缺陷实时检测方法及系统 | |
| CN112365066A (zh) | 电梯故障预测方法、系统、装置、计算机设备和存储介质 | |
| CN107147639A (zh) | 一种基于复杂事件处理的实时安全预警方法 | |
| US20230156043A1 (en) | System and method of supporting decision-making for security management | |
| CN111078513A (zh) | 日志处理方法、装置、设备、存储介质及日志告警系统 | |
| CN114546975A (zh) | 一种结合人工智能的业务风险处理方法及服务器 | |
| CN118411028B (zh) | 基于多源监控数据融合的隧道施工风险评估方法及系统 | |
| CN115906337A (zh) | 一种工程结构分段式主余震韧性分析方法及系统 | |
| CN114386715A (zh) | 制动主风气路压力泄漏的预测方法、系统、设备及介质 | |
| CN114090629A (zh) | 一种控制指令被执行过程的校验方法及装置 | |
| CN115658620B (zh) | 一种基于大数据的数据授权共享方法及系统 | |
| CN114665986B (zh) | 一种蓝牙钥匙的测试系统及方法 | |
| CN111143432A (zh) | 一种事件处理结果的数据分析预警系统及方法 | |
| CN115967730B (zh) | 一种基于物联网的数据采集方法及系统 | |
| CN114553588B (zh) | 一种基于人工智能的互联网金融数据防护方法及服务器 | |
| CN112258513B (zh) | 核电试验视频分割方法、装置、计算机设备和存储介质 | |
| EP1202178A2 (en) | Knowledge based computer system diagnostics | |
| CN113378239A (zh) | 一种数据内容确权方法及系统 | |
| CN113553579A (zh) | 基于用户长短期行为表征的内部威胁检测方法及装置 | |
| CN117076327B (zh) | 一种接口自动检测与修复方法和系统 | |
| CN110865939A (zh) | 应用程序质量监测方法、装置、计算机设备和存储介质 | |
| JPH0346849B2 (zh) | ||
| CN114565184B (zh) | 一种智慧矿山安全隐患预测方法、系统、存储设备及终端 | |
| Werner-Stark et al. | Agent-based analysis and detection of functional faults of vehicle industry processes: a process mining approach |
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 |