开云优惠体育网页版入口

专利名称：基于BIM的建筑施工质量安全风险管理方法及系统

专利类型：发明专利

专利申请号：CN202411291542.9

专利申请（专利权）人：云南省房地产开发经营(集团)有限公司
权利人地址：云南省昆明市中国(云南)自由贸易试验区昆明片区经济技术开发区林溪路188号

专利发明（设计）人：胡亚东,徐浩,刘英,罗玺,刘锦,罗霄,刘勇,马跃富,田海周,李德政,杨亚开

专利摘要：本发明公开了基于BIM的建筑施工质量安全风险管理方法及系统，属于建筑施工管理领域，其中方法包括：根据施工建模数据生成BIM施工仿真模型；构建多方参与协同风险管理平台；进行数据监测，得到施工质量监测数据集，建立多个风险识别通道；分析多个参与方之间的协同关系，生成多方参与协同风险识别模型；按照多个风险识别通道对施工质量监测数据集分别进行处理，输出协同安全风险指标；根据协同安全风险指标发送安全预警信号进行风险提醒。通过构建多方参与协同风险管理平台，针对每个参与方建立对应的风险识别通道，并集成生成多方参与协同风险识别模型，达到了实现建筑施工质量安全风险的有效管理的技术效果。

主权利要求：
1.基于BIM的建筑施工质量安全风险管理方法，其特征在于，所述方法包括：识别建筑施工项目得到施工建模数据，根据所述施工建模数据生成BIM施工仿真模型；
构建多方参与协同风险管理平台，其中，所述多方参与协同风险管理平台与所述BIM施工仿真模型连接；
基于所述BIM施工仿真模型进行数据监测，得到施工质量监测数据集，所述多方参与协同风险管理平台按照相似度概率分布，建立与多个参与方对应的多个风险识别通道；
分析所述多个参与方之间的协同关系，根据所述协同关系集成所述多个风险识别通道，生成多方参与协同风险识别模型，所述多方参与协同风险识别模型存储至所述多方参与协同风险管理平台中等待调用；
所述多方参与协同风险识别模型按照所述多个风险识别通道对所述施工质量监测数据集分别进行处理，输出协同安全风险指标；
根据所述协同安全风险指标发送安全预警信号进行风险提醒；
所述多个风险识别通道对所述施工质量监测数据集分别进行处理，方法包括：识别所述多个参与方的功能属性信息；
按照所述功能属性信息，配置所述多个参与方用于进行安全风险管理的施工质量特征，得到多组施工质量特征，其中，每个参与方对应一组施工质量特征；
所述多个风险识别通道利用所述多组施工质量特征对所述施工质量监测数据集分别进行处理；
所述多个风险识别通道利用所述多组施工质量特征对所述施工质量监测数据集分别进行处理，输出协同安全风险指标，方法包括：对所述施工质量监测数据集进行矩阵化处理，输出高维质量监测矩阵；
按照所述多组施工质量特征对所述高维质量监测矩阵进行标识，生成多个标识高维质量监测矩阵；
基于相似度概率分布对所述多个标识高维质量监测矩阵进行相似度降维处理，输出多个标识低维质量监测矩阵；
分别对所述多个标识低维质量监测矩阵进行安全风险评估，输出所述多个参与方对应的多个安全风险；
根据所述协同关系对所述多个安全风险进行拟合，输出所述协同安全风险指标；
分别对所述多个标识低维质量监测矩阵进行安全风险评估，输出所述多个参与方对应的多个安全风险，方法还包括：初始化风险评估模型，定义所述初始化风险评估模型的风险伴随损失函数，其中，所述风险伴随损失函数包括直接损失和间接损失；
对每个标识低维质量监测矩阵进行质量异常监测，输出异常质量监测数据，所述风险伴随损失函数对所述异常质量监测数据进行伴随损失评估，输出多个伴随损失指标；
根据所述多个伴随损失指标对所述多个参与方进行风险转换，输出多个安全风险；
根据所述多个伴随损失指标对所述多个参与方进行风险转换，输出多个安全风险，包括：获取所述多个参与方的多个抗损失指标；
根据所述协同关系进行抗损失协同优化，输出优化后的多个抗损失指标；
基于所述优化后的多个抗损失指标对所述多个伴随损失指标进行抗损失能力评估，输出多个安全风险；
基于相似度概率分布对所述多个标识高维质量监测矩阵进行相似度降维处理，包括：基于高斯分布计算所述多个标识高维质量监测矩阵中数据点的高维相似度分布；
基于柯西分布计算候选低维质量监测矩阵中数据点的低维相似度分布，候选低维质量监测矩阵是指对高维质量监测矩阵经过不同降维策略处理后得到的低维矩阵；
以最小化所述高维相似度分布和所述低维相似度分布之间的散度为响应目标进行寻优，输出寻优响应结果，所述寻优响应结果包括多个标识低维质量监测矩阵。
2.如权利要求1所述的方法，其特征在于，以最小化所述高维相似度分布和所述低维相似度分布之间的散度为响应目标进行寻优，表达式如下：；
其中，通过梯度下降进行调整以最小化 ， 为 和 之间的散度，表示高维， 表示低维， 为高维相似度分布， 为低维相似度分布， 为对应矩阵中两个不同数据点的索引。
3.基于BIM的建筑施工质量安全风险管理系统，其特征在于，用于实施权利要求1?2任意一项所述的基于BIM的建筑施工质量安全风险管理方法，所述系统包括：仿真模型生成模块，所述仿真模型生成模块用于识别建筑施工项目得到施工建模数据，根据所述施工建模数据生成BIM施工仿真模型；
管理平台构建模块，所述管理平台构建模块用于构建多方参与协同风险管理平台，其中，所述多方参与协同风险管理平台与所述BIM施工仿真模型连接；
识别通道建立模块，所述识别通道建立模块用于基于所述BIM施工仿真模型进行数据监测，得到施工质量监测数据集，所述多方参与协同风险管理平台按照相似度概率分布，建立与多个参与方对应的多个风险识别通道；
识别模型生成模块，所述识别模型生成模块用于分析所述多个参与方之间的协同关系，根据所述协同关系集成所述多个风险识别通道，生成多方参与协同风险识别模型，所述多方参与协同风险识别模型存储至所述多方参与协同风险管理平台中等待调用；
风险指标输出模块，所述风险指标输出模块用于所述多方参与协同风险识别模型按照所述多个风险识别通道对所述施工质量监测数据集分别进行处理，输出协同安全风险指标；
风险提醒模块，所述风险提醒模块用于根据所述协同安全风险指标发送安全预警信号进行风险提醒；
所述风险指标输出模块包括以下执行步骤：
识别所述多个参与方的功能属性信息；
按照所述功能属性信息，配置所述多个参与方用于进行安全风险管理的施工质量特征，得到多组施工质量特征，其中，每个参与方对应一组施工质量特征；
所述多个风险识别通道利用所述多组施工质量特征对所述施工质量监测数据集分别进行处理；
所述风险指标输出模块还包括以下执行步骤：
对所述施工质量监测数据集进行矩阵化处理，输出高维质量监测矩阵；
按照所述多组施工质量特征对所述高维质量监测矩阵进行标识，生成多个标识高维质量监测矩阵；
基于相似度概率分布对所述多个标识高维质量监测矩阵进行相似度降维处理，输出多个标识低维质量监测矩阵；
分别对所述多个标识低维质量监测矩阵进行安全风险评估，输出所述多个参与方对应的多个安全风险；
根据所述协同关系对所述多个安全风险进行拟合，输出所述协同安全风险指标；
所述风险指标输出模块还包括以下执行步骤：
初始化风险评估模型，定义所述初始化风险评估模型的风险伴随损失函数，其中，所述风险伴随损失函数包括直接损失和间接损失；
对每个标识低维质量监测矩阵进行质量异常监测，输出异常质量监测数据，所述风险伴随损失函数对所述异常质量监测数据进行伴随损失评估，输出多个伴随损失指标；
根据所述多个伴随损失指标对所述多个参与方进行风险转换，输出多个安全风险；
所述风险指标输出模块还包括以下执行步骤：
获取所述多个参与方的多个抗损失指标；
根据所述协同关系进行抗损失协同优化，输出优化后的多个抗损失指标；
基于所述优化后的多个抗损失指标对所述多个伴随损失指标进行抗损失能力评估，输出多个安全风险；
所述风险指标输出模块还包括以下执行步骤：
基于高斯分布计算所述多个标识高维质量监测矩阵中数据点的高维相似度分布；
基于柯西分布计算候选低维质量监测矩阵中数据点的低维相似度分布，候选低维质量监测矩阵是指对高维质量监测矩阵经过不同降维策略处理后得到的低维矩阵；
以最小化所述高维相似度分布和所述低维相似度分布之间的散度为响应目标进行寻优，输出寻优响应结果，所述寻优响应结果包括多个标识低维质量监测矩阵。 说明书 : 基于BIM的建筑施工质量安全风险管理方法及系统技术领域[0001] 本发明涉及建筑施工管理领域，具体涉及基于BIM的建筑施工质量安全风险管理方法及系统。背景技术[0002] 建筑施工项目涉及多个参与方，如建设单位、设计单位、施工单位、监理单位等，各参与方对工程项目风险的评估特征各不相同。例如，建设单位更关注工程整体质量和进度，设计单位更关注设计方案的合理性和可行性，施工单位更关注施工过程的安全性和经济性，监理单位则更关注施工过程是否符合设计要求和相关规范。然而，现有技术中的建筑施工质量安全风险管理方法，往往难以兼顾各参与方的风险评估特征，仅从单一角度进行风险管理，如只考虑施工单位的安全生产风险，或只关注建设单位的投资风险，难以实现有效的质量安全风险管理。发明内容[0003] 本申请通过提供了基于BIM的建筑施工质量安全风险管理方法及系统，旨在解决现有技术中由于建筑施工项目涉及多方参与方，各方风险评估特征不同，导致难以实现有效的质量安全风险管理的技术问题。[0004] 鉴于上述问题，本申请提供了基于BIM的建筑施工质量安全风险管理方法及系统。[0005] 本申请公开的第一个方面，提供了基于BIM的建筑施工质量安全风险管理方法，该方法包括：识别建筑施工项目得到施工建模数据，根据施工建模数据生成BIM施工仿真模型；构建多方参与协同风险管理平台，其中，多方参与协同风险管理平台与BIM施工仿真模型连接；基于BIM施工仿真模型进行数据监测，得到施工质量监测数据集，多方参与协同风险管理平台按照相似度概率分布，建立与多个参与方对应的多个风险识别通道；分析多个参与方之间的协同关系，根据协同关系集成多个风险识别通道，生成多方参与协同风险识别模型，多方参与协同风险识别模型存储至多方参与协同风险管理平台中等待调用；多方参与协同风险识别模型按照多个风险识别通道对施工质量监测数据集分别进行处理，输出协同安全风险指标；根据协同安全风险指标发送安全预警信号进行风险提醒。[0006] 本申请公开的另一个方面，提供了基于BIM的建筑施工质量安全风险管理系统，该系统包括：仿真模型生成模块，用于识别建筑施工项目得到施工建模数据，根据施工建模数据生成BIM施工仿真模型；管理平台构建模块，用于构建多方参与协同风险管理平台，其中，多方参与协同风险管理平台与BIM施工仿真模型连接；识别通道建立模块，用于基于BIM施工仿真模型进行数据监测，得到施工质量监测数据集，多方参与协同风险管理平台按照相似度概率分布，建立与多个参与方对应的多个风险识别通道；识别模型生成模块，用于分析多个参与方之间的协同关系，根据协同关系集成多个风险识别通道，生成多方参与协同风险识别模型，多方参与协同风险识别模型存储至多方参与协同风险管理平台中等待调用；风险指标输出模块，用于多方参与协同风险识别模型按照多个风险识别通道对施工质量监测数据集分别进行处理，输出协同安全风险指标；风险提醒模块，用于根据协同安全风险指标发送安全预警信号进行风险提醒。[0007] 本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：[0008] 由于采用了识别建筑施工项目得到施工建模数据，根据施工建模数据生成BIM施工仿真模型，为后续的质量安全风险管理提供基。还菇ǘ喾讲斡胄缦展芾砥教，其中，多方参与协同风险管理平台与BIM施工仿真模型连接，通过构建与BIM施工仿真模型连接的多方参与协同风险管理平台，实现各参与方的信息共享和协同管理；基于BIM施工仿真模型进行数据监测，得到施工质量监测数据集，多方参与协同风险管理平台按照相似度概率分布，建立与多个参与方对应的多个风险识别通道，通过建立与多个参与方对应的风险识别通道，可以针对性地评估各参与方的风险；分析多个参与方之间的协同关系，根据协同关系集成多个风险识别通道，生成多方参与协同风险识别模型，多方参与协同风险识别模型存储至多方参与协同风险管理平台中等待调用，通过集成多个风险识别通道生成多方参与协同风险识别模型，综合考虑各参与方的风险评估特征，提高风险识别的准确性；多方参与协同风险识别模型按照多个风险识别通道对施工质量监测数据集分别进行处理，输出协同安全风险指标，通过对施工质量监测数据进行处理，实时评估工程项目的安全风险水平；根据协同安全风险指标发送安全预警信号进行风险提醒，通过发送安全预警信号，可以及时提醒相关参与方采取措施，控制和降低安全风险的技术方案，解决了现有技术中由于建筑施工项目涉及多方参与方，各方风险评估特征不同，导致难以实现有效的质量安全风险管理的技术问题，通过构建多方参与协同风险管理平台，针对每个参与方建立对应的风险识别通道，并集成生成多方参与协同风险识别模型，达到了实现建筑施工质量安全风险的有效管理的技术效果。[0009] 上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。附图说明[0010] 图1为本申请实施例提供了基于BIM的建筑施工质量安全风险管理方法的一种流程示意图；[0011] 图2为本申请实施例提供了基于BIM的建筑施工质量安全风险管理系统的一种结构示意图。[0012] 附图标记说明：仿真模型生成模块11，管理平台构建模块12，识别通道建立模块13，识别模型生成模块14，风险指标输出模块15，风险提醒模块16。具体实施方式[0013] 本申请提供的技术方案总体思路如下：[0014] 本申请实施例提供了基于BIM的建筑施工质量安全风险管理方法及系统。首先，识别建筑施工项目，生成BIM施工仿真模型，为质量安全风险管理提供数据基础。其次，构建多方参与协同风险管理平台，通过建立与多个参与方对应的风险识别通道，针对性地评估各参与方的风险，并分析各参与方之间的协同关系，集成风险识别通道，生成综合考虑各方风险评估特征的多方参与协同风险识别模型。最后，利用该模型对施工质量监测数据进行处理，输出协同安全风险指标，根据该指标发送安全预警信号，及时提醒相关参与方采取措施，控制和降低安全风险。通过上述步骤，本申请实现了建筑施工质量安全风险的有效管理，提高了风险管理的效率和准确性。[0015] 在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。[0016] 实施例一[0017] 如图1所示，本申请实施例提供了基于BIM的建筑施工质量安全风险管理方法，该方法包括：[0018] S1：识别建筑施工项目得到施工建模数据，根据所述施工建模数据生成BIM施工仿真模型。[0019] 具体而言，首先，识别建筑施工项目，得到该项目的施工建模数据。施工建模数据包括但不限于项目的三维几何信息、材料属性、施工进度计划等内容。其中，施工建模数据可以采用多种手段获。，利用三维激光扫描仪对已有的项目现场进行扫描建模，获取项目的实际三维几何信息数据；从项目的设计图纸、施工组织设计文档中提取施工建模数据。[0020] 然后，根据所获得的施工建模数据，生成对应的BIM施工仿真模型。BIM施工仿真模型是对整个建筑施工项目进行数字化表达的信息模型，通过计算机建模技术将项目的各种信息集成到三维模型中。例如，利用AutodeskRevit、AECOsimBuildingDesigner等BIM软件进行建模，得到反映建筑施工项目各方面信息的BIM施工仿真模型，用于后续步骤的数据监测和风险管理。[0021] S2：构建多方参与协同风险管理平台，其中，所述多方参与协同风险管理平台与所述BIM施工仿真模型连接。[0022] 具体而言，构建多方参与协同风险管理平台，用于实现施工项目管理的多方参与和信息共享，提高风险管理的协同性。[0023] 多方参与协同风险管理平台通过计算机网络技术搭建，可以采用B/S或C/S架构。多方参与协同风险管理平台的参与方包括但不限于建设单位、设计单位、施工总承包单位、专业分包单位、监理单位等。各参与方通过注册登录的方式接入平台，成为平台用户。然后，将多方参与协同风险管理平台与生成的BIM施工仿真模型进行关联，即将BIM施工仿真模型的数据接口与多方参与协同风险管理平台的数据接口对接，实现模型数据向平台的实时传输和同步，平台也向各参与方开放BIM施工仿真模型的访问和操作权限，允许参与方查看和更新BIM模型信息。[0024] 通过构建多方参与协同风险管理平台，实现了施工项目管理的信息化和协同化，为后续开展针对各方的差异化风险评估提供了基础条件。[0025] S3：基于所述BIM施工仿真模型进行数据监测，得到施工质量监测数据集，所述多方参与协同风险管理平台按照相似度概率分布，建立与多个参与方对应的多个风险识别通道。[0026] 具体而言，首先，基于获得的BIM施工仿真模型进行施工过程的数据监测，得到施工质量监测数据集。具体地，BIM施工仿真模型通过传感器、物联网设备等实时采集施工现场的各种数据，包括但不限于进度数据、材料质量数据、工序质量数据、人员定位数据、机械设备状态数据等。这些数据通过数据接口传输到BIM施工仿真模型，并共享给多方参与协同风险管理平台，形成实时更新的施工质量监测数据集。然后，多方参与协同风险管理平台针对不同的参与方，建立与其对应的风险识别通道，用于后续开展差异化的风险识别和评估。其中，风险识别通道的建立需要考虑各参与方的相似度概率分布。具体地，由于不同参与方所关注的施工质量特征不同，其相应的质量监测数据子集在整个数据集中的分布情况也不同。多方参与协同风险管理平台通过聚类、概率密度估计等数据挖掘技术，分析不同参与方关注数据的相似度概率分布，并据此构建具有针对性的风险识别通道。举例来说，建设单位更关注工程的整体进度和关键节点的质量，因此其风险识别通道重点关注施工质量监测数据集中的相关进度和部位质量数据；而机电安装专业分包单位的风险识别通道则需要聚焦机电系统的材料质量和安装工艺质量数据。[0027] 通过数据监测和识别通道构建，多方参与协同风险管理平台获得施工质量监测数据集，并能够结合不同参与方的特点，为其构建差异化的风险识别通道，为后续步骤的协同风险识别奠定了数据基础。[0028] S4：分析所述多个参与方之间的协同关系，根据所述协同关系集成所述多个风险识别通道，生成多方参与协同风险识别模型，所述多方参与协同风险识别模型存储至所述多方参与协同风险管理平台中等待调用。[0029] 具体而言，在构建多方参与协同风险管理平台并建立风险识别通道的基础上，进一步分析各参与方之间的协同关系，构建多方参与协同风险识别模型。[0030] 首先，分析多个参与方之间在施工质量安全风险管理中的协同关系。协同关系是指各方在风险管理过程中的相互影响和配合程度。例如，施工总承包单位和分包单位之间在质量管控和风险识别中往往具有较强的协同性，因为分包单位施工质量的好坏直接影响总包单位的整体质量目标；而建设单位与设计单位在图纸会审、设计变更等环节中的协同配合，也会影响到施工阶段的质量风险。通过数据挖掘技术，分析不同参与方在历史项目中风险管理行为的关联性，并结合专家经验判断，得出定性或定量的协同关系数据。然后，根据协同关系，将构建的多个风险识别通道进行集成，生成多方参与协同风险识别模型。具体地，多方参与协同风险识别模型采用图网络等数据结构来表达不同参与方风险识别通道之间的协同关系，通过加权、链接、融合等方式实现通道间的信息交互和共享。例如，如果分析发现总包单位和分包单位之间的风险识别通道具有较强的正相关性，则在模型中可以为二者的通道之间建立较高权重的双向链接，使得一方识别出的风险信息能够快速传导和触发另一方的风险应对。之后，将构建完成的多方参与协同风险识别模型存储到构建的多方参与协同风险管理平台中，以便在后续步骤中被调用和执行。[0031] 通过在多方参与协同风险管理平台中构建了融合各方特点、体现各方协同关系的风险识别模型，整合不同参与方的风险识别能力，通过协同效应提高整体风险管理水平。[0032] S5：所述多方参与协同风险识别模型按照所述多个风险识别通道对所述施工质量监测数据集分别进行处理，输出协同安全风险指标。[0033] 具体而言，在完成多方参与协同风险识别模型构建的基础上，利用该模型对施工过程的质量监测数据进行处理，评估安全风险并输出协同安全风险指标。[0034] 多方参与协同风险管理平台首先调用构建并存储的多方参与协同风险识别模型。然后，多方参与协同风险识别模型按照各参与方对应的风险识别通道，对获得的施工质量监测数据集进行针对性的处理和分析。其中，针对每个参与方，多方参与协同风险识别模型从施工质量监测数据集中提取与其关注特征相关的数据子集，并利用统计分析、机器学习等方法，评估该数据子集所反映的施工质量状态是否存在异常风险。例如，通过设定阈值、判断趋势等规则，自动识别出超出正常范围的施工质量监测数据，并判定其反映的风险等级。同时，多方参与协同风险识别模型根据不同参与方风险识别通道之间的协同关系，自动实现风险信息的传播、融合和联动评估。例如，当某个分包单位的风险识别通道监测到其负责的分部分项工程出现质量问题时，立即将该风险信息传递给总包单位对应的风险识别通道，并结合总包单位的整体项目数据进行联合评估，以判断该质量问题对整个项目的影响程度。通过各风险识别通道的持续数据处理和动态交互，多方参与协同风险识别模型最终输出量化表征项目整体安全风险水平的指标，称为协同安全风险指标，从不同维度反映施工过程的质量安全状态。[0035] 由于建筑施工项目的复杂性和动态性，协同安全风险指标的输出并非一次性的，而是在项目实施全过程中持续进行的。多方参与协同风险识别模型可以根据实时监测数据的变化，自动更新协同安全风险指标，为项目管理提供动态的决策参考。[0036] 通过多方参与协同风险识别模型对施工质量监测数据进行处理，自动评估安全风险并生成协同安全风险指标，使得能够及时洞察施工现场的各类风险隐患，从而有针对性地制定和优化安全管控措施，最大限度规避和降低安全事故发生的可能性，实现有效的建筑施工质量安全风险管理。[0037] S6：根据所述协同安全风险指标发送安全预警信号进行风险提醒。[0038] 具体而言，多方参与协同风险管理平台持续接收输出的协同安全风险指标数据，并将其与预设的安全风险指标阈值进行比对。当某个风险指标的数值超过对应的阈值时，平台即判定该指标所属的施工环节或区域存在较高的安全风险，进行预警和提示。多方参与协同风险管理平台根据超限风险指标的严重程度和影响范围，自动选择合适的预警方式和提示对象。例如，对于严重程度较低、影响范围较小的风险，仅在相关责任人的工作界面上弹出文字提示；而对于严重程度高、影响范围大的重大风险，通过手机短信、邮件、警示灯等多种方式，向项目负责人、安全总监等高级管理人员发送预警信号，同时附上详细的风险描述和应急建议。[0039] 此外，考虑到不同参与方对施工安全风险的关注点和应对职责不同，多方参与协同风险管理平台在发送预警信号时，根据各参与方的权限和角色进行针对性的内容定制。例如，向建设单位发送的预警信息可能侧重于风险对工期、成本、合同等方面的影响分析；而向施工单位发送的预警信息则可能更加强调风险的技术细节、应急处置流程等施工管理要素。[0040] 通过根据协同安全风险指标进行风险提醒，多方参与协同风险管理平台能够使各参与方了解施工现场的安全风险动态，提高风险感知和应对的时效性，提升对建筑施工质量的管理能力。[0041] 进一步的，本申请实施例还包括：[0042] 识别所述多个参与方的功能属性信息；按照所述功能属性信息，配置所述多个参与方用于进行安全风险管理的施工质量特征，得到多组施工质量特征，其中，每个参与方对应一组施工质量特征；所述多个风险识别通道利用所述多组施工质量特征对所述施工质量监测数据集分别进行处理。[0043] 在一种可行的实施方式中，首先，识别多个参与方的功能属性信息，功能属性信息是指反映各参与方在项目管理中职责分工、专业特点等方面的描述性信息。例如，建设单位的功能属性包括项目总投资控制、总进度管理、合同管理等；设计单位的功能属性包括图纸设计、设计变更管理等；施工总包单位的功能属性包括施工组织管理、资源调配、现场协调等；监理单位的功能属性包括质量控制、安全监督、进度审核等。通过人工填报、系统预设等方式获取和记录各参与方的功能属性信息。[0044] 然后，按照识别的功能属性信息，为各参与方配置相应的施工质量特征，施工质量特征是指反映建筑施工过程质量状态的关键技术参数，通过对这些特征参数的监测和分析，可以判断施工过程是否存在质量安全风险。由于不同参与方的管理职责和专业视角不同，其关注和采集的质量特征参数也各不相同。因此，根据各参与方的功能属性，为其定制施工质量特征，使得风险识别通道能够有针对性地处理施工质量监测数据。例如，建设单位的施工质量特征侧重于关键节点的完成情况、重大设计变更的落实情况等；施工单位的施工质量特征侧重于原材料的进场检验、分项工程的验收情况等；监理单位的施工质量特征侧重于施工工艺的执行情况、隐蔽工程的验收情况等。通过专家知识库、规范标准等，匹配各参与方的功能属性信息，形成多组施工质量特征，每一组施工质量特征对应一个参与方。[0045] 随后，利用配置的多组施工质量特征，由各风险识别通道对施工质量监测数据集进行分别处理。具体地，每个参与方对应的风险识别通道从施工质量监测数据集中提取与本方施工质量特征相关的数据子集，并重点分析这些数据反映的质量安全问题。通过采用差异化的数据处理逻辑和算法，各风险识别通道从不同专业角度挖掘施工质量监测数据中隐藏的风险模式，全面地评估施工过程的安全风险水平。此外，由于各通道处理的数据子集之间存在一定的关联性，因此不同通道的风险识别结果之间也能够互相印证和补充，形成综合的安全风险判断。[0046] 通过识别各参与方的功能属性、配置差异化的施工质量特征，使得风险识别通道能够针对性地处理施工质量监测数据，挖掘各参与方所关注的特定风险，提高安全风险管理的精细化水平。同时，通过比对不同通道的识别结果，能够实现风险管理的多维度交叉验证，全面提升风险预警的准确性和可靠性。[0047] 进一步的，本申请实施例还包括：[0048] 对所述施工质量监测数据集进行矩阵化处理，输出高维质量监测矩阵；按照所述多组施工质量特征对所述高维质量监测矩阵进行标识，生成多个标识高维质量监测矩阵；基于相似度概率分布对所述多个标识高维质量监测矩阵进行相似度降维处理，输出多个标识低维质量监测矩阵；分别对所述多个标识低维质量监测矩阵进行安全风险评估，输出所述多个参与方对应的多个安全风险；根据所述协同关系对所述多个安全风险进行拟合，输出所述协同安全风险指标。[0049] 在一种可行的实施方式中，各风险识别通道利用配置的施工质量特征对施工质量监测数据集进行分别处理，以输出协同安全风险指标。[0050] 首先，对施工质量监测数据集进行矩阵化处理，输出高维质量监测矩阵。所谓矩阵化处理，是指将原本异构、非结构化的施工质量监测数据集转化为规则、结构化的矩阵表示形式，以便后续进行处理。该高维质量监测矩阵的每一行对应一个监测时间点，每一列对应一种监测指标，矩阵元素则表示各时间点各指标的实测值。由于建筑施工过程的监测指标种类繁多，频次较高，因此转化后的矩阵具有较高的维度，为高维质量监测矩阵。其次，按照各参与方配置的施工质量特征，对输出的高维质量监测矩阵进行标识，生成多个标识高维质量监测矩阵。具体地，对于每个参与方的风险识别通道，从高维质量监测矩阵中提取出与该参与方的施工质量特征相对应的行列子矩阵，并对这些子矩阵元素进行参与方标记，形成标识高维质量监测矩阵。由于不同参与方的施工质量特征不同，因此最终形成的是多个互不相同的标识高维质量监测矩阵，体现了不同参与方关注施工质量监测数据的差异性。然后，基于相似度概率分布，对生成的多个标识高维质量监测矩阵进行降维处理，输出多个标识低维质量监测矩阵。相似度概率分布是指质量监测指标之间的相关性结构；而降维处理则是在保持该结构的前提下，将原有高维矩阵压缩到较低维度，以提高后续运算效率。例如，采用t?SNE、UMAP等非线性降维算法，利用指标间的相似度概率分布来指导降维过程，使得降维后的低维矩阵能够较好地保持原有数据的内在结构和特征。降维处理后，标识高维质量监测矩阵的维度大幅下降，得到多个标识低维质量监测矩阵。[0051] 随后，将每个参与方的标识低维质量监测矩阵输入到对应的风险识别通道，获取对应的安全风险。由于不同通道的风险识别通道是针对性训练的，因此能够从不同的专业视角揭示施工过程的安全风险，得到多个参与方的多个安全风险。之后，根据各参与方之间的协同关系，对得到的多个安全风险值进行拟合，例如，考虑不同参与方在质量安全管理中的相互影响和制约作用，采用博弈论、多智能体等方法，建立起多参与方风险演化的协同模型，通过求解该模型的均衡状态，评估当前施工过程的整体安全风险水平，并量化表示为协同安全风险指标。[0052] 进一步的，本申请实施例还包括：[0053] 基于高斯分布计算所述多个标识高维质量监测矩阵中数据点的高维相似度分布；基于柯西分布计算候选低维质量监测矩阵中数据点的低维相似度分布，候选低维质量监测矩阵是指对高维质量监测矩阵经过不同降维策略处理后得到的低维矩阵；以最小化所述高维相似度分布和所述低维相似度分布之间的散度为响应目标进行寻优，输出寻优响应结果，所述寻优响应结果包括多个标识低维质量监测矩阵。[0054] 在一种优选的实施方式中，首先，高维相似度分布是指标识高维质量监测矩阵在高维空间中的相似程度的概率分布。在高维空间中，如果两个数据点的距离越近，则它们的相似度越高。采用高斯分布作为概率模型，对每个标识高维质量监测矩阵中每对数据点的相似度进行建模。通过设置高斯分布的参数，即可得到多个标识高维质量监测矩阵中数据点的高维相似度分布。候选低维质量监测矩阵是指对高维质量监测矩阵经过不同降维策略处理后得到的低维矩阵。在降维过程中，期望这些低维矩阵中的数据点，能够尽可能保持它们在原有高维空间中的相似度关系。为此，采用柯西分布作为概率模型，对低维空间的相似度分布进行刻画，得到低维相似度分布。之后，以最小化高维相似度分布和低维相似度分布之间的差异性为目标，对候选低维质量监测矩阵进行寻优筛。钪盏玫奖晔兜臀柿考嗖饩卣。其中，分布之间的差异性采用散度来表示。散度越。得髁礁龇植荚浇咏，降维后的低维矩阵越能保持原有的相似度关系。以最小化散度为优化目标，采用优化算法在所有候选低维质量监测矩阵中搜索最优解，得到最终的标识低维质量监测矩阵。由于要为每个参与方的标识高维质量监测矩阵进行降维，因此寻优的结果是多个标识低维质量监测矩阵。[0055] 通过采用高斯分布和柯西分布两个概率模型，分别对质量监测数据的高维和低维相似度进行建模，并通过最小化分布散度的方式，实现相似度保持的降维优化，不仅能够有效降低数据维度，减轻后续计算负担，而且能够最大限度地保持数据内在的相似度结构，为后续的风险评估提供更加可靠和有意义的特征表示。[0056] 进一步的，本申请实施例还包括：[0057] 以最小化所述高维相似度分布和所述低维相似度分布之间的散度为响应目标进行寻优，表达式如下：[0058] ；[0059] 其中，通过梯度下降进行调整以最小化 ， 为 和 之间的散度， 表示高维，表示低维， 为高维相似度分布， 为低维相似度分布， 为对应矩阵中两个不同数据点的索引。[0060] 在一种优选的实施方式中，以最小化高维相似度分布 和低维相似度分布 之间的散度为优化目标，对候选低维质量监测矩阵进行筛选。散度是衡量两个相似度分布差异性的度量，包括KL散度、JS散度等。在此，采用 散度作为优化目标函数，其数学定义如下：[0061] ；[0062] 其中，表示 散度，表示高维相似度分布， 表示低维相似度分布， 为高维空间中数据点i和j的相似度概率， 表示低维空间中数据点i和j的相似度概率，表示对所有不同的数据点对进行求和。[0063] 散度 的值越。得鞲呶嗨贫确植 和低维相似度分布 越接近，即降维后的低维矩阵越能保持原有高维矩阵的相似度关系。因此，通过优化求解，找到一个最优的低维矩阵，使得其对应的低维相似度分布 与高维相似度分布 尽可能地匹配， 散度达到最小。[0064] 为了求解该优化问题，采用了梯度下降算法，通过不断沿着目标函数梯度的反方向调整优化变量，直到达到目标函数的局部极小值。其中，优化变量是低维矩阵中的元素值，目标函数是 散度 。通过逐步更新低维矩阵，直到 散度 收敛到稳定的最小值，即可得到最优的标识低维质量监测矩阵。[0065] 通过最小化 散度这一目标函数，并采用梯度下降算法进行迭代优化，可以从候选低维质量监测矩阵中搜索到最优的标识低维质量监测矩阵，实现高维相似度关系在低维空间的最佳保持，为后续的施工质量安全风险评估奠定基础。[0066] 进一步的，本申请实施例还包括：[0067] 初始化风险评估模型，定义所述初始化风险评估模型的风险伴随损失函数，其中，所述风险伴随损失函数包括直接损失和间接损失；对每个标识低维质量监测矩阵进行质量异常监测，输出异常质量监测数据，所述风险伴随损失函数对所述异常质量监测数据进行伴随损失评估，输出多个伴随损失指标；根据所述多个伴随损失指标对所述多个参与方进行风险转换，输出多个安全风险。[0068] 在一种可行的实施方式中，首先，初始化风险评估模型，并定义该模型的风险伴随损失函数。所谓风险评估模型，是指能够根据施工质量监测数据判断安全风险的计算模型，可采用机器学习、深度学习等技术进行构建和训练。而风险伴随损失函数，则是评估模型在风险判断过程中的一个重要组成部分，用于衡量风险事件可能导致的损失。其中，风险伴随损失函数包括直接损失和间接损失两个部分。直接损失是指风险事件直接导致的经济损失，如设备损坏、人员伤亡等；间接损失是指风险事件引发的连锁反应或后续影响所造成的损失，如工期延误、诉讼索赔等。将这两类损失都纳入损失函数的考虑范围，可以更加全面地评估风险的严重程度和影响范围。[0069] 然后，利用初始化的风险评估模型，对每个标识低维质量监测矩阵进行质量异常监测和伴随损失评估。具体地，风险评估模型读取标识低维质量监测矩阵的数据特征，通过异常检测算法识别出其中的质量异常数据，并将这些异常数据输出，得到异常质量监测数据。随后，风险伴随损失函数对这些异常质量监测数据进行逐一评估，计算异常质量监测数据可能导致的直接损失和间接损失。例如，借助预先构建的损失知识库和计算规则，根据异常质量监测数据的类型、严重程度等进行定量分析，评估的结果是多个伴随损失指标，反映了每个异常质量监测数据的风险损失水平。[0070] 随后，根据输出的伴随损失指标，对各参与方的安全风险进行转换和评判。由于不同参与方承担的项目角色和责任不同，其面临的风险损失也有所差异。例如，施工单位的风险损失主要与直接施工相关，而监理单位的风险损失还可能涉及监管责任和连带赔偿等。因此，针对每个参与方，设计相应的风险转换函数或风险转换矩阵，将伴随损失指标映射为该参与方的实际安全风险值。转换得到的安全风险值用0到1之间的数值表示，数值越大表示风险越高。当所有参与方的安全风险值都计算完成后，得到多个参与方的多个安全风险。[0071] 进一步的，本申请实施例还包括：[0072] 获取所述多个参与方的多个抗损失指标；根据所述协同关系进行抗损失协同优化，输出优化后的多个抗损失指标；基于所述优化后的多个抗损失指标对所述多个伴随损失指标进行抗损失能力评估，输出多个安全风险。[0073] 在一种优选的实施方式中，首先，获取多个参与方的抗损失指标，抗损失指标是衡量各参与方抵御和承受风险损失能力的指标，包括参与方的资金实力、技术水平、管理经验、信用等级等，这些指标从不同侧面反映了参与方应对风险的综合应对能力。例如，通过参与方提交的资质文件、历史业绩等进行定量或定性的评估，得到多个参与方的多个抗损失指标。然后，根据参与方之间的协同关系，对抗损失指标进行协同优化，例如，利用优化算法，如博弈论、多目标规划等，将协同关系作为优化约束条件，对多个抗损失指标进行调整和优化，使其能够更好地体现参与方协同效应带来的能力提升。优化后的多个抗损失指标不仅反映了各参与方的自身实力，还考虑了协同关系对风险抵御能力的积极影响。之后，利用优化后的多个抗损失指标，对输出的伴随损失指标进行抗损失能力评估，得到各参与方的安全风险值。具体地，对于每个参与方的每项伴随损失指标，将其与该参与方对应的抗损失指标进行比较和匹配，评估参与方抵御该项损失的实际能力。例如，如果某参与方的资金实力指标较高，则其对于财务损失类风险的抗损失能力也相对较强；反之则说明其财务风险承受能力较弱。通过综合考虑各项伴随损失指标与抗损失指标的匹配情况，得到表征参与方的安全风险。[0074] 综上所述，本申请实施例所提供的基于BIM的建筑施工质量安全风险管理方法具有如下技术效果：[0075] 识别建筑施工项目得到施工建模数据，根据施工建模数据生成BIM施工仿真模型，为后续的质量安全风险管理提供数据基。缦帐侗、评估和预警奠定基础。构建多方参与协同风险管理平台，其中，多方参与协同风险管理平台与BIM施工仿真模型连接，为各参与方提供共享信息、协同管理的环境，为后续的风险识别通道建立和协同风险识别模型生成创造条件。基于BIM施工仿真模型进行数据监测，得到施工质量监测数据集，多方参与协同风险管理平台按照相似度概率分布，建立与多个参与方对应的多个风险识别通道，以从不同参与方的角度评估其面临的特定风险。分析多个参与方之间的协同关系，根据协同关系集成多个风险识别通道，生成多方参与协同风险识别模型，多方参与协同风险识别模型存储至多方参与协同风险管理平台中等待调用，以在风险识别时兼顾各方特点，得出更加全面和准确的风险评估结果。多方参与协同风险识别模型按照多个风险识别通道对施工质量监测数据集分别进行处理，输出协同安全风险指标，反映工程项目当前的安全风险水平。根据协同安全风险指标发送安全预警信号进行风险提醒，将风险信息及时传递给相关参与方，提醒其采取应对措施，从而实现建筑施工质量安全风险的有效管理，提高建筑施工风险管理的效率和准确性。[0076] 实施例二[0077] 基于与前述实施例中基于BIM的建筑施工质量安全风险管理方法相同的发明构思，如图2所示，本申请实施例提供了基于BIM的建筑施工质量安全风险管理系统，该系统包括：[0078] 仿真模型生成模块11，用于识别建筑施工项目得到施工建模数据，根据所述施工建模数据生成BIM施工仿真模型；[0079] 管理平台构建模块12，用于构建多方参与协同风险管理平台，其中，所述多方参与协同风险管理平台与所述BIM施工仿真模型连接；[0080] 识别通道建立模块13，用于基于所述BIM施工仿真模型进行数据监测，得到施工质量监测数据集，所述多方参与协同风险管理平台按照相似度概率分布，建立与多个参与方对应的多个风险识别通道；[0081] 识别模型生成模块14，用于分析所述多个参与方之间的协同关系，根据所述协同关系集成所述多个风险识别通道，生成多方参与协同风险识别模型，所述多方参与协同风险识别模型存储至所述多方参与协同风险管理平台中等待调用；[0082] 风险指标输出模块15，用于所述多方参与协同风险识别模型按照所述多个风险识别通道对所述施工质量监测数据集分别进行处理，输出协同安全风险指标；[0083] 风险提醒模块16，用于根据所述协同安全风险指标发送安全预警信号进行风险提醒。[0084] 进一步的，风险指标输出模块15包括以下执行步骤：[0085] 识别所述多个参与方的功能属性信息；[0086] 按照所述功能属性信息，配置所述多个参与方用于进行安全风险管理的施工质量特征，得到多组施工质量特征，其中，每个参与方对应一组施工质量特征；[0087] 所述多个风险识别通道利用所述多组施工质量特征对所述施工质量监测数据集分别进行处理。[0088] 进一步的，风险指标输出模块15还包括以下执行步骤：[0089] 对所述施工质量监测数据集进行矩阵化处理，输出高维质量监测矩阵；[0090] 按照所述多组施工质量特征对所述高维质量监测矩阵进行标识，生成多个标识高维质量监测矩阵；[0091] 基于相似度概率分布对所述多个标识高维质量监测矩阵进行相似度降维处理，输出多个标识低维质量监测矩阵；[0092] 分别对所述多个标识低维质量监测矩阵进行安全风险评估，输出所述多个参与方对应的多个安全风险；[0093] 根据所述协同关系对所述多个安全风险进行拟合，输出所述协同安全风险指标。[0094] 进一步的，风险指标输出模块15还包括以下执行步骤：[0095] 基于高斯分布计算所述多个标识高维质量监测矩阵中数据点的高维相似度分布；[0096] 基于柯西分布计算候选低维质量监测矩阵中数据点的低维相似度分布，候选低维质量监测矩阵是指对高维质量监测矩阵经过不同降维策略处理后得到的低维矩阵；[0097] 以最小化所述高维相似度分布和所述低维相似度分布之间的散度为响应目标进行寻优，输出寻优响应结果，所述寻优响应结果包括多个标识低维质量监测矩阵。[0098] 进一步的，风险指标输出模块15还包括以下执行步骤：[0099] 以最小化所述高维相似度分布和所述低维相似度分布之间的散度为响应目标进行寻优，表达式如下：[0100] ；[0101] 其中，通过梯度下降进行调整以最小化 ， 为 和 之间的散度， 表示高维，表示低维， 为高维相似度分布， 为低维相似度分布， 为对应矩阵中两个不同数据点的索引。[0102] 进一步的，风险指标输出模块15还包括以下执行步骤：[0103] 初始化风险评估模型，定义所述初始化风险评估模型的风险伴随损失函数，其中，所述风险伴随损失函数包括直接损失和间接损失；[0104] 对每个标识低维质量监测矩阵进行质量异常监测，输出异常质量监测数据，所述风险伴随损失函数对所述异常质量监测数据进行伴随损失评估，输出多个伴随损失指标；[0105] 根据所述多个伴随损失指标对所述多个参与方进行风险转换，输出多个安全风险。[0106] 进一步的，风险指标输出模块15还包括以下执行步骤：[0107] 获取所述多个参与方的多个抗损失指标；[0108] 根据所述协同关系进行抗损失协同优化，输出优化后的多个抗损失指标；[0109] 基于所述优化后的多个抗损失指标对所述多个伴随损失指标进行抗损失能力评估，输出多个安全风险。[0110] 综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。[0111] 进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

专利地区：云南

专利申请日期：2024-09-14

专利公开日期：2024-11-29

专利公告号：CN118822278B