城市軌道交通工程施工數據采集與決策分析系統

謝瑋成 吳維國 賴軒明 劉媛媛

(中建海峽建設發展有限公司，350001，福州∥第一作者，工程師)

為更好地實現建筑工程領域的數字化、智能化施工，本文在總結智慧工地體系及系統架構研究成果的基礎上，以為城市軌道交通工程施工管理人員提供數據服務和決策支持為出發點，圍繞施工生產中的各項要素，綜合運用物聯網、機器學習等技術，匯聚施工生產核心數據，搭建城市軌道交通工程施工數據采集與決策分析系統(以下簡為“施工數據與決策系統”)，以輔助生產創效。

1 施工數據與決策系統的整體架構

1.1 整體框架

施工數據與決策系統包含數據采集平臺和決策分析平臺兩部分。其中，數據采集平臺負責對施工生產涉及到的各項要素數據進行自動化采集，決策分析平臺負責實現對采集數據的匯總分析。如圖1所示，施工數據與決策系統框架包含應用表現層、業務邏輯層、數據訪問層、安全保護體系和運維保障體系。

圖1 施工數據與決策系統整體框架

應用表現層是平臺與用戶交互的窗口，其實現了對用戶請求的快速響應以及對處理結果的及時反饋。業務邏輯層為處理業務的核心層，其中設計了系統功能的具體實現方法。數據訪問層通過封裝數據庫，使業務邏輯層能高效地調用數據庫操作方法。安全保護體系以安全管理設備和軟件為基礎，設計防護策略，實現對數據的有力保護。運維保障體系提供針對事件管理、問題管理和變更管理等流程的運維方案，為平臺的正常運行提供支撐。

1.2 數據中心架構

數據中心主要由服務器主機、互聯網接入設備、安防監控設備等組成，其作為施工數據與決策系統運行的硬件載體，用于支撐系統進行數據采集、存儲、計算及展示等操作。

為保證施工數據與決策系統的高可靠性、高效率性和高穩定性，數據中心配置有6臺戴爾R740服務器(其中2臺為應用服務器，2臺為數據庫服務器，2臺為文件服務器)，并組建了高速局域網，以實現不低于90 MB/s的局域網數據傳輸。為實現負載均衡，數據庫服務器使用MyCat集群來構建分片數據庫，使單臺設備負載達到最佳；應用服務器用來實現雙機熱備，以提高可用性；使用文件服務器搭建分布式存儲系統，進而實現彈性存儲。

2 數據采集平臺

為真實反映施工生產各項資源的配置和運行情況，提高數據采集的效率和準確率，數據采集平臺設計有物聯網接口，可實時獲取安裝在施工現場各處的智能傳感設備及數據采集設備數據。所使用設備包含顆粒物檢測儀、龍門吊數據采集儀、盾構機數據采集儀、紅外對射探測器、重量傳感器、紅外熱像機芯及RFID(射頻識別)掃描槍等。

數據采集平臺以施工管理中的人員、機械、物料、方法和環境等要素為核心進行設計，其項目包含勞務管理、機械設備管理、物料管理、施工生產管理和環境管理等5個業務子平臺。

2.1 勞務管理子平臺

2.1.1 業務功能

勞務管理子平臺覆蓋了從勞務人員信息錄入到進出場考勤，再到工資結算的整個管理流程，如圖2所示。勞務人員進場作業前需先錄入個人信息，并接受安全教育；隨后，勞務管理子平臺將通過安全教育的人員狀態標識為正常，并授予其進入施工現場的權限。施工現場進出通道處安裝有人臉識別設備，可實時捕獲通行人員的面部特征，并將捕獲的人員特征與數據庫中的人臉特征比對，進而確認人員身份，并控制門禁開閉。施工現場安裝的視頻攝像機實時監控作業人員，自動識別和記錄未佩戴安全帽的人員信息，并于每日18:00推送當日違規人員清單給項目管理人員。勞務管理子平臺按月生成考勤記錄表，根據勞務人員違規行為次數計算行為獎金，并生成當月應發工資。項目管理人員審核應發工資后，勞務管理子平臺將工資表推送給銀行，由銀行代發工資。

圖2 勞務管理流程

2.1.2 關鍵技術

勞務管理子平臺違規行為監控功能的實現，需借助OpenCV及TensorFlow等軟件庫來構建神經網絡。如圖3所示，實現的整體流程包含安全帽佩戴模型訓練、視頻圖像處理和人員身份識別。

圖3 違規行為監控功能實現流程

安全帽佩戴模型訓練流程：首先，批量導入基于Pascal VOC 2012數據集標注的安全帽及人員圖像，通過TensorFlow Object Detection API工具包生成訓練集與驗證集的TFRecord格式數據；然后，借助對象檢測模型完成遷移學習，修改配置文件參數，完成訓練學習；最后，將訓練后的模型導出為凍結格式，借助腳本生成配置文件。

視頻圖像處理流程：首先，通過調用OpenCV軟件庫中的VideoCapture類來獲取視頻攝像機中的圖像幀，并將其實時復制存儲為臨時文件；然后，調用加載訓練后的安全帽佩戴模型，讀取圖像幀數據文件，并執行解析比對操作；最后，將解析結果顯示在視頻圖像中，即標識視頻中人員安全帽佩戴情況。

人員身份識別流程：當獲取到未佩戴安全帽的人員圖像幀時，先通過MTCNN模型檢測出人臉所在區域，并提取人臉圖像；然后，將提取到的人臉圖像經FaceNet模型計算出特征向量；最后，將該特征向量與勞務人員數據庫中的人臉圖像特征向量進行比較，通過特征向量間的歐式距離判斷人員身份。

2.2 機械設備管理子平臺

2.2.1 業務功能

機械設備管理子平臺主要實現對龍門吊和盾構機等主要施工機械設備的監控。通過對接安裝在龍門吊及盾構機上的數據采集儀，機械設備管理子平臺可解析設備運行的核心參數，并能根據指標要求設計安全閾值，開發超限提醒功能，實現對設備運行狀態的實時監控和風險告警。

2.2.2 關鍵技術

在獲取設備核心參數時，需對設備數據采集儀進行定制接口開發。首先，應確定需要對接的數據采集儀參數，掌握相關API(應用程序接口)函數的用途；然后，編寫對應的接口調用API函數，以獲取所需的數據，并將獲取到的數據經格式處理后存儲進數據庫中；最后，設計腳本實現運行數據的定時、定頻傳輸。

2.3 物料管理子平臺

2.3.1 業務功能

物料管理子平臺覆蓋了物料從計劃、采購到驗收，再到出庫的全周期管理流程，其具體包含采購管理、驗收管理和倉儲管理等3個模塊。

采購管理模塊實現采購計劃編制、采購申請等功能。驗收管理模塊通過軟硬件結合，實現對物料驗收環節的把控，并存儲驗收數據作為倉儲管理模塊入庫環節的依托。倉儲管理模塊以RFID技術為基礎，可實現入庫、領料及盤點等功能。

2.3.2 關鍵技術

采購管理模塊通過數據接口與電商采購平臺對接，授權完成采購下單及付款等操作，再經接口推送返回交易信息。

驗收管理模塊可與紅外對射探測器及重量傳感器等設備實現對接，能自動獲取物料重量及車輛車牌等信息。

倉儲管理模塊采用RFID技術建立物料盤點與追溯體系：在物料驗收入庫時，為其打上唯一識別的RFID標簽；當某批次物料出庫時，通過倉庫出入通道處安裝的RFID識別器，物料管理子平臺能自動識別和記錄物料信息；在物料盤點時，管理人員使用手持式RFID掃描槍逐類掃描物料，由物料管理子平臺自動記錄所盤點物料的庫存數量，并將其與該物料出入庫數量計算結果比對；當發現數量偏差較大時，自動發出告警。

2.4 施工生產管理子平臺

2.4.1 業務功能

施工生產管理子平臺使用WebGL(Web Graphics Library)技術將高精度BIM(建筑信息模型)加載顯示在瀏覽器中，基于物聯網技術將安裝在施工現場各處的聲光報警器、視頻攝像機及門禁等設備與施工生產管理子平臺互聯互通，并將安全質量隱患排查數據、工程進度計劃與三維模型深度結合，構建空間數據庫，可直觀展現施工現場管理情況。

2.4.2 關鍵技術

由于平臺采用B/S(瀏覽器/服務器)架構設計，因此，在初始化載入模型時，需要對模型數據組織和加載方式做出調整。具體調整的操作主要為模型轉換和輕量化顯示。

模型轉換依托RvtVa3c插件實現，其核心在于模型網格信息的提取，以及每個構件的屬性信息提取與綁定。

Revit軟件 API的IExportContext接口提供了網格信息數據的導出方法。如圖4所示，各導出方法的執行順序為：由Start()方法構造根節點；調用OnViewBegin()方法初始視圖操作；視圖操作內置二層循環，且循環以OnElementBegin()方法為起始，至OnElementEnd()方法為終止；其中，OnMaterial()方法可實現材質信息的提取，OnFaceBegin()方法可實現對構件元素中每一個表面的遍歷，OnPolymesh()方法實現遍歷提取面片、材質信息；流程末端調用Finish()方法將數據以輕量級數據交換格式(JSON)存儲。

圖4 網格信息數據導出方法執行順序

輕量化顯示借助WebGL技術實現。通過調用THREE.ObjectLoader()方法將存儲的JSON文件加載進瀏覽器內存中，遍歷各網格節點，完成渲染。

2.5 環境管理子平臺

2.5.1 業務功能

環境管理子平臺負責實現對施工場地及周邊區域PM2.5、PM10、噪聲等數據的監控，其由溫度傳感、顆粒物監控、噴淋控制及噪聲監控等模塊組成。

2.5.2 關鍵技術

溫度傳感模塊通過紅外熱像機芯的數字視頻接口與視頻攝像機對接，并通過視頻畫面獲取物體表面溫度值。

顆粒物監控模塊對接顆粒物檢測儀，實時采集區域內的PM2.5及PM10等數值。

當PM2.5的小時平均值大于75 μg/m3，或PM10的小時平均值大于150 μg/m3，或物體表面溫度大于55 ℃且持續10 min時，由噴淋控制模塊向噴淋控制器發出開啟噴淋開關指令。當數值回歸正常后，噴淋控制模塊將自動關閉噴淋開關。

當噪聲監控模塊監測到所在區域的噪聲超過閾值時，將調用短信接口發送消息給管理人員。

3 決策分析平臺

決策分析平臺是在提煉數據采集平臺核心業務數據的基礎上，實現決策分析功能的業務看板，其重點為項目管理人員提供數據分析和決策支持。根據用途，可將決策分析平臺數據分為二級業務數據和一級決策數據，如圖5所示。

圖5 決策分析平臺數據類型

3.1 二級業務數據

二級業務數據通過對數據采集平臺獲取的數據進行歸類、分析，而得出的施工生產核心數據，其主要用于服務日常施工管理。根據業務類型，可將核心數據種類分為勞務管理數據、設備管理數據、物料管理數據、施工生產數據和環境監測數據。

勞務管理核心數據包含整體情況數據和日常管控數據。整體情況數據有施工工人總數及種類、工人安全教育情況，日常管控數據有當前施工現場工人詳情、違規行為記錄等。設備管理核心數據包含具體設備的工作狀態和各參數指標的整體狀況。物料管理核心數據包含采購計劃、采購訂單、驗收記錄、庫存記錄和盤點數據。施工生產核心數據包含施工現場三維模型、重大隱患信息、視頻監控數據和進度計劃。環境監測核心數據包含施工區域內的PM2.5、PM10、溫度值、噪聲值及噴淋設備狀態數據。

3.2 一級決策數據

一級決策數據是以二級業務數據為基礎，經數據分析處理得到的能為施工管理提供決策指導的數據。一級決策數據主要面向項目領導團隊，其包含進度適配分析、物料補充時間預估、勞動力配置評估、安全質量評估、施工環境評價等內容。

進度適配分析：將當前進度任務完成情況與進度計劃進行對比，得出實際進度與計劃進度的偏差量，并進一步分析得到進度整體滯后情況。

物料補充時間預估：以進度計劃為基礎，通過計算各類物料庫存數量所能夠維持的施工生產天數，進而得出物料補充的最佳時間。

勞動力配置評估：以進度計劃為基礎，綜合分析當前施工勞務人員的種類及數量，預測評估能否順利完成施工任務。若評估認為當前配置無法滿足施工需要，則會向管理人員提出配置調整建議。

安全質量評估：根據排查隱患的嚴重性及隱患整改的及時性作出的綜合性評估。評估等級分為良好、中等和存在危機三級。

施工環境評價：結合各項環境監測數據得出的綜合評價結果。當某項監測數據出現異常時，評價結果將提示該項異常數據。

4 界面設計及試點應用

4.1 界面設計

圖6為施工數據與決策系統的界面，其共包含決策看板、勞務管理、機械管理、物料管理、施工管理和環境管理等6個功能頁面。

圖6 系統界面

決策看板頁面實現了核心業務數據的匯聚與分析。該頁面內顯示有盾構作業視頻監控、場地三維模型、工程進度分析、環境監測指標狀態、重大隱患信息、安全質量評估情況等內容。該頁面中的部分欄目提供有施工生產涉及的各項資源動態配置的執行建議(如各設備當前狀態及下一輪預計保養時間、倉庫中各物料的現有量及預計需要補充的時間、勞動力配置評估及調整建議等)。

其他5個頁面為數據采集功能的詳細數據界面。勞務管理頁面實時展示施工現場人員數量、違規行為抓拍及勞務人員工資等信息。機械管理頁面動態顯示龍門吊、盾構機運行的各項參數，并提供風險項的告警。物料管理頁面分為3個版塊，分別展示了采購中的訂單詳細信息、各類物料的驗收情況及物料的倉儲情況。施工管理頁面以施工現場三維模型為核心，融合工程進度計劃、安全質量隱患排查數據、視頻監控等內容，可按時間軸動態顯示各區域施工情況。環境管理頁面實時顯示施工現場的PM2.5、PM10及噪聲等監測數據，并記錄各監測項超標數值及發生時間。

4.2 試點應用

施工數據與決策系統在已試點項目應用了半年左右。項目管理人員可通過電腦端或移動應用端訪問該系統。為了準確掌握施工數據與決策系統的應用情況，本文采用問卷調查法對施工數據與決策系統使用情況進行調查，共面向試點工程項目管理人員發放問卷87份，有效回收83份。

調查結果顯示：認為施工數據與決策系統提供的數據有助于工程管理的有79人，占比為95.2%；認為數據采集方式能減少管理人員工作量的有81人，占比為97.6%；認為施工數據與決策系統操作簡便，能提高工作效率的有76人，占比為91.6%。

綜合評估試點項目的人力成本及運維成本等投入，經估算，施工數據與決策系統在應用期間約為試點工程節約成本30余萬元。

由此可見，施工數據與決策系統的試點應用反響較好。

5 結語

本文詳細介紹了施工數據與決策系統的設計方案，其構建數據采集平臺和決策分析平臺，實現了對施工生產涉及的主要數據的自動化采集，對施工管理活動的智能化分析與預測。施工數據與決策系統試點應用反饋良好。其反饋結果顯示：該系統性能較高，具有較強的數據采集和分析能力，對施工管理有輔助作用，在數字化建設領域有良好的應用前景。