一种基于BIM与IOT的工程安全与质量监管方法及系统技术方案

本发明专利技术公开了一种基于BIM与IOT的工程安全与质量监管方法及系统，涉及工程监管技术领域，包括：部署物联网设备，构建BIM模型，进行融合，启动实时数据监测模式；实时收集施工过程中的数据，通过图神经网络对数据进行智能分析，判断风险点；使用通信网络传输数据，解密收到的数据，进行初步处理；对初步处理的数据进行风险评估，根据评估结果执行响应策略，基于遗传算法优化响应策略执行方案；执行响应措施后，对评估结果进行自适应调整。本发明专利技术提供的基于BIM与IOT的工程安全与质量监管方法保证施工安全。提高响应的实时性与准确性，确保信息真实可靠。为决策者提供全方位风险管理视角，有效控制施工风险。有效控制施工风险。有效控制施工风险。

【技术实现步骤摘要】
一种基于BIM与IOT的工程安全与质量监管方法及系统


[0001]本专利技术涉及工程监管
，具体为一种基于BIM与IOT的工程安全与质量监管方法及系统。

技术介绍

[0002]现有技术中，BIM和物联网设备的数据整合和标准化存在困难，导致数据的互操作性不佳。本专利技术致力于提出一种有效的数据整合和标准化方法，确保BIM和物联网设备的数据可以无缝集成和共享。实时监测和预警系统的准确性和可靠性有待提高。本专利技术旨在提出一种精确且可靠的实时监测和预警方法，结合BIM和物联网技术，实现对工程安全和质量的实时监控和预警。使用物联网设备进行数据收集和传输时存在数据安全和隐私保护的风险。本专利技术致力于提出一种安全可靠的数据传输和存储方法，确保数据的机密性和完整性，防止数据泄露和未经授权访问。使用BIM和物联网技术进行工程安全与质量监管需要具备较高的技术专业知识和培训。
[0003]本专利技术旨在提出一种用户友好的界面和操作方式，降低使用门槛，使更多的工程人员能够轻松使用该监管系统。综上，本专利技术旨在解决基于BIM与物联网的物理信息空间融合的工程安全与质量监管方法中存在的数据整合和标准化问题、实时监测与预警准确性问题、数据安全与隐私保护问题以及用户友好性和易用性问题。通过提出相应的技术解决方案，提高工程安全与质量监管的效率和准确性，推动行业的发展和创新。

技术实现思路

[0004]鉴于上述存在的问题，提出了本专利技术。
[0005]因此，本专利技术解决的技术问题是：现有的工程安全与质量监管方法存在低效、时延长和监管不精确的问题，以及如何提高监管的效率和准确性问题。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：一种基于BIM与IOT的工程安全与质量监管方法，包括：部署物联网设备，构建BIM模型，将物联网设备与BIM模型进行融合，启动实时数据监测模式；启动传感器，实时收集施工过程中的数据，通过图神经网络对数据进行智能分析，判断风险点，进入数据传输模式；使用通信网络传输数据，解密收到的数据，进行初步处理；将初步处理的数据引导至多阶段风险评估模式，对初步处理的数据进行风险评估，若确定存在风险，启动风险多维度响应策略模式；根据评估结果执行响应策略，基于遗传算法优化响应策略执行方案；执行响应措施后，进入持续监控模式，对评估结果进行自适应调整。
[0007]作为本专利技术所述的基于BIM与IOT的工程安全与质量监管方法的一种优选方案，其中：所述物联网设备包括温度、湿度、振动或光照传感器；所述融合包括使用Revit软件建立BIM模型，在BIM模型中添加数据属性字段，所述数据属性字段包括传感器ID、数据类型、位置、预期数据范围及其状态；通过Revit的链接功能，将物联网设备在现实中的位置与BIM模型中的相应位置进行匹配；使Revit中BIM模型与物联网设备通过MQTT协议进行实时通讯，
利用Mosquitto进行消息的中转和分发，对于每个物联网设备，设置数据收集和传输的频率，存储从物联网设备收集到的历史数据；作为本专利技术所述的基于BIM与IOT的工程安全与质量监管方法的一种优选方案，其中：所述施工过程中的数据包括温度、湿度、振动、光照、材料质量检测数据、工人出入记录以及机械操作状态；所述智能分析包括对温度、湿度、光照数据进行时间序列分析，使用ARIMA模型预测未来的环境条件及其对施工的潜在影响，若预测结果大于预设第一阈值时，标记为潜在环境风险，进行结构分析；所述结构分析包括在环境分析确定存在潜在风险后，使用图神经网络模拟施工结构的变化，输入振动数据、材料质量检测数据，GNN通过考察节点与邻接节点的关系预测风险点，若预测结果大于预设第二阈值时，标记为明确结构风险，进行分析阶段；当结构风险得到确认后，结合工人出入记录和机械操作状态，使用随机森林模型进行风险点预测，考察工人数量、操作时间、机械的工作状态因素，生成操作风险分数，若预测结果大于预设第三阈值时，标记为操作风险；所述判断风险点包括计算综合风险值，划分风险等级。
[0008]所述综合风险值表示为：；其中，表示风险评估函数，表示潜在环境风险评估函数，表示明确结构风险评估函数，表示操作风险的预测结果评估函数，分别表示潜在环境风险、明确结构风险和操作风险的预测结果，是相应风险类别的权重；所述划分风险等级包括当时，判断为低风险，当时，判断为中等风险，当时，判断为高风险，当时，判断为严重风险。
[0009]作为本专利技术所述的基于BIM与IOT的工程安全与质量监管方法的一种优选方案，其中：所述初步处理包括当数据判断为低风险时，进行数据预处理，执行基础清洗，所述基础清洗包括去重、填充缺失值、格式统一，使用伪随机数生成器生成AES密钥，使用AES对称加密技术对数据进行加密，选择TLS1.3协议，并初始化握手过程，确认身份，并传输加密数据，使用相同的AES密钥进行解密，恢复原始数据；当数据判断为中等风险时，进行数据预处理，执行一级清洗，执行所述基础清洗的所有步骤后进行异常值检测，使用IQR方法检测和滤除异常值，使用AES
‑
256位对称加密，生成和管理密钥，选择TLS1.3协议，初始化握手，进行完整性和机密性验证，使用AES密钥进行解密，过MD5校验数据完整性；当数据判断为高风险时，进行数据预处理，执行二级清洗，执行一级清洗的所有步骤后进行数据交叉验证，使用RSA非对称加密技术，生成RSA公钥和私钥，选择TLS1.3协议，开启完整性检查机制，使用RSA私钥进行解密，通过SHA
‑
256校验数据完整性验；当数据判断为严重风险时，进行数据预处理，执行三级清洗，执行二级清洗的所有步骤后进行多数据源交叉验证，使用RSA非对称加密并结合AES混合加密，生成和管理RSA和AES的秘钥，选择TLS1.3协议，多重身份验证机制
和多阶段数据完整性校验，使用RSA私钥进行解密后，使用AES密钥进行二次解密，通过HMAC
‑
SHA256验证数据完整性。
[0010]作为本专利技术所述的基于BIM与IOT的工程安全与质量监管方法的一种优选方案，其中：所述风险评估包括运用图神经网络模型进行风险分析，并判断风险点结果进行对比。
[0011]所述图神经网络模型表示为：；其中，表示节点在第层的隐藏，表示ReLU激活函数，表示求和所有邻居节点在第层的隐藏，表示节点的邻居节点集，表示第层的权重矩阵，表示节点在第层的隐藏，表示第层的偏置矩阵，表示节点的特征向量；所述进行对比表示为：；其中，；表示节点的综合风险值，表示转换矩阵，从节点的隐藏表示得到风险值，表示权重系数。
[0012]作为本专利技术所述的基于BIM与IOT的工程安全与质量监管方法的一种优选方案，其中：所述判断风险点结果进行对比包括进行初步风险点识别，对每个施工现场的每个节点计算综合风险值，设置阈值，通过比较每个节点的和阈值，初步确定风险点，若，节点标记为潜在风险点，进行宏观风险评估与对比，计算当前施工现场中潜在风险点所占的比例。
[0013]所述所占的比例表示为：；其中，是指示函数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BIM与IOT的工程安全与质量监管方法，其特征在于，包括：部署物联网设备，构建BIM模型，将物联网设备与BIM模型进行融合，启动实时数据监测模式；启动传感器，实时收集施工过程中的数据，通过图神经网络对数据进行智能分析，判断风险点，进入数据传输模式；使用通信网络传输数据，解密收到的数据，进行初步处理；将初步处理的数据引导至多阶段风险评估模式，对初步处理的数据进行风险评估，若确定存在风险，启动风险多维度响应策略模式；根据评估结果执行响应策略，基于遗传算法优化响应策略执行方案；执行响应措施后，进入持续监控模式，对评估结果进行自适应调整。2.如权利要求1所述的基于BIM与IOT的工程安全与质量监管方法，其特征在于：所述物联网设备包括温度、湿度、振动或光照传感器；所述融合包括使用Revit软件建立BIM模型，在BIM模型中添加数据属性字段，所述数据属性字段包括传感器ID、数据类型、位置、预期数据范围及其状态；通过Revit的链接功能，将物联网设备在现实中的位置与BIM模型中的相应位置进行匹配；使Revit中BIM模型与物联网设备通过MQTT协议进行实时通讯，利用Mosquitto进行消息的中转和分发，对于每个物联网设备，设置数据收集和传输的频率，存储从物联网设备收集到的历史数据。3.如权利要求2所述的基于BIM与IOT的工程安全与质量监管方法，其特征在于：所述施工过程中的数据包括温度、湿度、振动、光照、材料质量检测数据、工人出入记录以及机械操作状态；所述智能分析包括对温度、湿度、光照数据进行时间序列分析，使用ARIMA模型预测未来的环境条件及其对施工的潜在影响，若预测结果大于预设第一阈值时，标记为潜在环境风险，进行结构分析；所述结构分析包括在环境分析确定存在潜在风险后，使用图神经网络模拟施工结构的变化，输入振动数据、材料质量检测数据，GNN通过考察节点与邻接节点的关系预测风险点，若预测结果大于预设第二阈值时，标记为明确结构风险，进行分析阶段；当结构风险得到确认后，结合工人出入记录和机械操作状态，使用随机森林模型进行风险点预测，考察工人数量、操作时间、机械的工作状态因素，生成操作风险分数，若预测结果大于预设第三阈值时，标记为操作风险；所述判断风险点包括计算综合风险值，划分风险等级；所述综合风险值表示为， ；其中，表示风险评估函数，表示潜在环境风险评估函数，表示明确结构风险评估函数，表示操作风险的预测结果评估函数，分别表示潜
在环境风险、明确结构风险和操作风险的预测结果，是相应风险类别的权重；所述划分风险等级包括当时，判断为低风险，当时，判断为中等风险，当时，判断为高风险，当时，判断为严重风险。4.如权利要求3所述的基于BIM与IOT的工程安全与质量监管方法，其特征在于：所述初步处理包括当数据判断为低风险时，进行数据预处理，执行基础清洗，所述基础清洗包括去重、填充缺失值、格式统一，使用伪随机数生成器生成AES密钥，使用AES对称加密技术对数据进行加密，选择TLS1.3协议，并初始化握手过程，确认身份，并传输加密数据，使用相同的AES密钥进行解密，恢复原始数据；当数据判断为中等风险时，进行数据预处理，执行一级清洗，执行所述基础清洗的所有步骤后进行异常值检测，使用IQR方法检测和滤除异常值，使用AES
‑
256位对称加密，生成和管理密钥，选择TLS1.3协议，初始化握手，进行完整性和机密性验证，使用AES密钥进行解密，过MD5校验数据完整性；当数据判断为高风险时，进行数据预处理，执行二级清洗，执行一级清洗的所有步骤后进行数据交叉验证，使用RSA非对称加密技术，生成RSA公钥和私钥，选择TLS1.3协议，开启完整性检查机制，使用RSA私钥进行解密，通过SHA...

【专利技术属性】
技术研发人员：孙健，施文杰，郑健，颜帅康，汪丛军，邹胜，
申请(专利权)人：中亿丰数字科技集团有限公司，
类型：发明
国别省市：