基于BIM的高鐵連續梁橋施工智能監控系統研究

朱冰潔 劉昌鎬 胡旻陽 何鴻斌 楊 霄

(東南大學土木學院，江蘇 南京 211189)

近年來，我國高鐵建設發展迅速，特別是作為當前“新基建”的重要領域，備受關注。連續梁橋是高鐵橋梁進行施工監控的常用橋型，支架受力和變形、掛籃懸澆線形監測、預應力梁體應力狀態是監控的重點。施工監控主要采用現場測控[1-4]，可視化、智能化程度不高。BIM是近年來發展的倡導共享、協同工作機制的新興技術，打通了建筑業不同環節之間的壁壘及各環節之間信息溝通的閉塞，為建筑業的全生命周期帶來了巨大的效率和效益的革命，但在國家大型基礎建設領域的應用還處在起步階段。因此，有必要引入建筑業發展的BIM技術優勢，結合高鐵連續梁橋施工監控的建設需要，發展智能施工監控系統面施工監控，提高施工監控的可視化、智能化水平，提高監管效率、減少誤判、漏判。本文依托連徐高速鐵路跨新沂河連續梁、跨沂河西大堤連續梁建設研發了施工控制和工地管控的監控智能化系統，為工程的順利建設提供了有力支撐。

1 工程背景

連徐高速鐵路是國家《中長期鐵路網規劃》中“八縱八橫”高速鐵路主通道橫向“陸橋通道”的組成部分，跨新沂河連續梁、跨沂河西大堤連續梁橋是其重難點控制工程。跨新沂河連續梁采用盤扣式滿堂支架法現澆施工：下部采用630×8 mm鋼管嵌入河床，鋼管上鋪設雙拼50號工字鋼橫梁，橫梁上架設“321”型貝雷架，貝雷上采用22號工字鋼作為橫梁；上部采用盤扣式滿堂腳手架，連續梁外模采用竹膠板，采用方木做內楞，根據不同部位采用工字鋼、方木或雙拼鋼管做外楞。為方便新沂河中施工需求，采用630×8 mm鋼管、工字鋼分配梁和“321”型貝雷架搭設6 m寬鋼棧橋。跨沂河西大堤連續梁采用平衡懸臂掛籃法施工，主要施工方法為：0號塊段、邊跨現澆段均采用落地支架體系施工，1號～9號塊段待0號塊施工完成后，拼裝三角掛籃進行懸臂澆筑，全橋共投入4只掛籃進行施工。

2 BIM建模

2.1 橋梁族庫及模型

根據CAD圖，可將該橋分為A0～A10和B1～B10。由于該橋關于A0部分完全對稱，所以可以創建A0～A10這11個族文件，拼合后就成為了一個完整的項目。A1～A9號塊的箱梁大體相似，只有頂板、腹板和底板的厚度不同，在建模時把這些數據設為參數，不同梁段改變參數的數據，即可利用箱梁通用族參數化的設置完成建模。而利用excel表格直接導入參數，只需要建立一塊箱梁的模型就可以快速生成與其結構類似的其他模型，大大減小了建模的工作量。

2.2 施工及監控設備模型

建模時選取了傳感器與采集箱的模型。由于傳感器和采集箱族僅用于施工監控方案設計，無需進行高精度參數化建族，實物細節或者內部不需要進行詳細表達。以采集箱族為例，僅對外殼進行建模，而內部采集模塊、無線通訊模塊、電源模塊則無需表達，即可滿足施工應用要求，提升建族效率。

3 施工智能監控

3.1 BIM模型與監控數據交換

此模塊實現從傳感器中遠程接收數據，將數據導入數據庫并生成圖表。在橋梁施工現場中，實時監控橋梁的狀態是十分必要的。針對這一需求，利用BIM軟件的二次開發接口來開發一個模塊實現，并將這些數據可視化。

傳感器自帶的控制軟件可通過TCP協議從橋梁施工現場獲取橋梁相關的數據。因此我們只需要通過調用傳感器控制軟件的接口提取數據，存入數據庫中，并將數據傳入chart控件中實現數據的可視化。另外，利用C#語言提供的time控件將上述功能的代碼綁定為一個事件，實現按規定的時間間隔能自動獲取數據并將其可視化。

在開發過程中，發現傳感器的控制軟件直接的接口文檔可供利用，不能通過接口來直接將數據導入到數據庫中。該軟件也并沒有顯示傳感器所在本地服務器的IP地址與端口號，也無法自己建立連接來獲取數據。不能自動將數據導入到數據庫，將數據自動導入數據庫并自動生成表等相關功能都將無法實現。經研究，采用接收數據的軟件可將數據以excel表格的形式導出的功能，利用讀取本地的excel表格實現數據轉換，將其中的數據寫入數據庫中供BIM調用，將數據以表格的可視化形式展現。目標excel文件可通過調用文件選擇器選擇。

3.2 施工監控中的攝像頭與影像調用

攝像頭實時監控功能及影像采集功能通過Revit二次開發直接在軟件系統中調用現場監控實現。通過使用C#語言中的System.Windows.Forms編寫程序界面，并制作出具備基本功能的攝像頭采集模塊界面，結合使用OpenCV通過電腦接口調用本地攝像頭，此外通過人工操作截取當前幀畫面，基于C#語言自帶的頭文件System.Drawing編寫了幾個基礎圖像處理功能如灰度化和調亮度等，實現對截取畫面進行基本的圖像處理，并在攝像頭分辨率不足的情況下對畫面進行一定程度的優化，服務后期人臉識別和安全帽識別。

軟件系統還開發了圖像的灰度化處理SetGrayscale，對由界面層中讀取截取幀的圖像轉換傳遞過來的Bitmap數組進行處理，讓數組每一個像素值中RGB的值相等，從而達到灰度化的效果。首先新建處理數組BBitmap，以currentBitmap數組賦值初始化，使用Bitmap類自帶函數Color新建一個空的RGB數組，命名為c，使用Getpixel函數將BBitmap數組中每個坐標點的RGB值賦予到數組c中。根據重要性及其他指標，將RGB三個分量以不同的權值進行加權平均，由于人眼對綠色的敏感度最高，對藍色的敏感度最低，采用式(1)處理。

gray=0.299×c.R+0.587×c.G+0.114×c.B

(1)

得出合理的灰度值字節后，使用SetPixel函數將gray值賦予到BBitmap數組中每個像素的RGB值，得到灰度化處理后的圖像數組，在界面層中將BBitmap用picturebox控件顯示出來即可。算法執行過程如圖1所示。

以C#語言為基礎，調用Aforge.NET Framework類庫完成了本地調用攝像頭，并進行實時監控及錄像存儲的功能，根據攝像頭分辨率，可以選擇一些圖像處理功能如銳化、高斯模糊等進行畫面優化，便于后期人臉以及安全帽的識別。最后將攝像頭調用功能與Revit軟件建立聯系，便于在用BIM對項目進行施工監控時可以直接調取施工現場監控錄像。

3.3 工地監控的圖像識別

人臉識別功能是基于攝像頭的實時監控畫面在工地入口處對進入工地的人員進行檢查，避免無關人員的進入。基于電腦攝像頭實時調用的人臉識別功能，有較高的準確度。這部分內容的工作重點是研究適配的監控攝像頭調用通信協議，能在遠程監控中不掉幀的完成檢測功能。

安全帽識別是在整個工地內檢測是否有人未佩戴安全帽，便于管理人員及時進行提醒。采用目前比較好的物體識別神經網絡框架YOLOV3，在使用開源訓練模型的情況下已經實現了輸入圖片檢測安全帽的功能。而模型準確度在較低分辨率的輸入監控視頻還有待提高，同時，如何使得輸入和輸出監控畫面有相同的幀率也是要考慮和完善的難點。除此之外還需注意適配的監控攝像頭調用通信協議能在遠程監控中不掉幀的完成檢測功能。

4 結語

根據高鐵建設發展的需要，本文基于BIM技術，通過研發數據接口，初步實現了將傳感監測數據和圖像識別技術在BIM中可視化應用，開發出一種施工智能監控系統。該系統成功應用在連徐高速鐵路跨新沂河連續梁、跨沂河西大堤連續梁施工控制和工地管控，為工程的順利建設提供了有力支撐。

1)基于高鐵連續梁BIM模型，可以直觀定位到監控的梁體的部位及傳感器的位置，易于監控人員操作。2)開發的傳感器采集數據和BIM數據轉換方法實現了傳感器數據在BIM模型中的實時交互顯示。通過對采集數據的分析和智能判斷直觀顯示超出閥值的橋梁部位并發出預警。3)開發的人臉識別和安全帽識別功能有效的實現了對工地人員的遠程智能管控和預警。4)在連徐高鐵跨新沂河、跨沂河西大堤連續梁橋中的工程應用表明，建議的系統可有效自動智能識別預警、顯著提高監管效率，減少誤判、漏判。