一种建筑工人舒适度自动评价方法及评价系统技术方案

本发明专利技术公开了一种建筑工人舒适度自动评价方法及评价系统，所述评价方法包括步骤：模拟安全员检测路径，规划安全员的检测路线；采集安全员人体热舒适度，用DI指数表示建筑工人的热舒适度；采集施工现场图像，获取工地杂物训练样本，识别施工现场杂物类别并统计数量，获得施工现场杂乱度；输入建筑工人的热舒适度及施工现场杂乱度至舒适度评价模型中，获得评价结果；所述舒适度评价模型训练步骤为：通过模糊推理对建筑工人人体热舒适度和现场杂乱度进行信息融合，根据if‑then规则进行模糊推理，建立输入量工人热舒适度，现场杂乱度与输出量工人舒适度的三者关系，得到舒适度评价模型。本发明专利技术可定量化分析工人舒适度，实现施工现场管理的智能化和精细化。

An automatic evaluation method and system for comfort of construction workers

【技术实现步骤摘要】
一种建筑工人舒适度自动评价方法及评价系统
本专利技术涉及BIM与新兴互联网
，特别涉及一种基于多传感器的建筑工人舒适度自动评价方法及评价系统。
技术介绍
建筑工人比其他行业工人更容易罹患职业病。建筑工人和管理者对舒适度的忽视是主要原因之一，其次长期暴露在不适当的环境中对工人的身体健康有害。目前，为了提高建筑工人舒适度水平，施工单位在建筑工地普遍采用固定监测点收集现场数据，多用于检测精度、检测自动化。但是，在既有的数据收集系统中，忽略了施工现场环境动态化和区域差异的问题，无法实时动态收集建筑工人所处环境的数据信息，且对于工人舒适度的水平需要人为判断，如专家打分法。该信息处理的方法智能化程度低，未能对信息进行有效的利用以实现高效、智能、全面的管理效果，且本质上还是人力判断的范畴。当前，关于施工现场工人舒适度的评价系统仍停留在传统方法阶段，在动态的信息采集，智能化判断等方面存在很大的空缺。因此管理人员无法对工人进行高效的人文关怀及提供有效的劳动保障。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足本文档来自技高网...

【技术保护点】
1.一种建筑工人舒适度自动评价方法，其特征在于，包括步骤：/nS1、模拟安全员检测路径，规划安全员的检测路线；/nS2、采集安全员人体热舒适度，用DI指数表示建筑工人的热舒适度；/nS3、采集施工现场图像，获取工地杂物训练样本，识别施工现场杂物并统计，获得施工现场杂乱度；/nS4、输入建筑工人的热舒适度及施工现场杂乱度至舒适度评价模型中，获得评价结果；/n所述舒适度评价模型训练步骤为：通过模糊推理对建筑工人人体热舒适度和现场杂乱度进行信息融合，根据if-then规则进行模糊推理，建立输入量工人热舒适度，现场杂乱度与输出量工人舒适度的三者关系，得到舒适度评价模型。/n

【技术特征摘要】
1.一种建筑工人舒适度自动评价方法，其特征在于，包括步骤：
S1、模拟安全员检测路径，规划安全员的检测路线；
S2、采集安全员人体热舒适度，用DI指数表示建筑工人的热舒适度；
S3、采集施工现场图像，获取工地杂物训练样本，识别施工现场杂物并统计，获得施工现场杂乱度；
S4、输入建筑工人的热舒适度及施工现场杂乱度至舒适度评价模型中，获得评价结果；
所述舒适度评价模型训练步骤为：通过模糊推理对建筑工人人体热舒适度和现场杂乱度进行信息融合，根据if-then规则进行模糊推理，建立输入量工人热舒适度，现场杂乱度与输出量工人舒适度的三者关系，得到舒适度评价模型。


2.根据权利要求1所述的自动评价方法，其特征在于，所述的步骤S1具体包括：
S1.1、利用Revit软件构造文明施工设施构件族库，输入工地构件几何尺寸和安全相关评价参数进行特殊尺寸构件、设施的构造，并导入到Revit中，形成整体项目的标准化；
S1.2、根据施工总平面图及创造的构件信息族库，建立施工现场的三维信息模型；
S1.3、将BIM模型导入到Navisworks中，根据实际情况，输入施工人员高度及碰撞距离，获取使施工人员停滞不前的道路，作为安全员检查路线。


3.根据权利要求2所述的自动评价方法，其特征在于，所述的步骤S2中，获取现场工人的温度与湿度情况；利用DI指数描述温度和湿度对人体综合影响的舒适度指数，将定性的热舒适度定量化：
T(°F)＝T(℃)*9/5+32
DI＝T-(0.55-0.55f)(T-58)
其中T表示温度，f表示湿度。


4.根据权利要求1所述的自动评价方法，其特征在于，所述的步骤S3具体包括：
S3.1、对Fast-RCNN进行迁移学习，包括卷积层、采样层、全连接层和激活层，还包括softmax分类器；设置迭代次数、学习率，整合网络结构；
S3.2、对图像进行训练，拍摄生活废纸、水洼、裸露的钢筋的照片作为训练样本，卷积神经网络参数共享并稀疏连接可以使训练速度加快得到detector训练集；将训练的图片输入到卷积神经网络中提取图片的特征，使用选择SelectiveSearch算法搜索，得到目标对象的候选区域；使用ROIPooling将不同大小的候选区域框归一化到同一大小上；通过全连接层，计算固定长度的特征向量；得到的特征向量通过分类器、回归器和全连接层对图片中的对象进行分类；同时调整候选框的位置和大小，生成针对候选框的调整因子，最后得到训练模型；
S3.3、将获得的图片输入训练好的网络里，进行特征值匹配，得到所拍摄照片中杂物的类别及个数，从而进行杂物的统计。


5.根据权利要求1所述的自动评价方法，其特征在于，所述舒适度评价模型训练步骤具体为：
S4.1、模糊化是口语化变量来描述测量物理量的过程，定义输入变量现场的温湿度，现场杂乱程度，输出则为现场工人的舒适度，并对各因素数据按照标准等级进行标准化；
S4...

【专利技术属性】
技术研发人员：邓晖，邓逸川，王煜，徐烨晨，苏博杨，胡志远，欧智斌，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44