本發(fā)明涉及工地安全，尤其涉及一種基于生成式大模型的工程施工危險(xiǎn)區(qū)域智能識別方法及系統(tǒng)。

背景技術(shù)：

1、在當(dāng)前我國經(jīng)濟(jì)快速發(fā)展的背景下，基礎(chǔ)設(shè)施建設(shè)特別是高鐵建設(shè)正成為推動(dòng)經(jīng)濟(jì)增長的重要力量。隨著高鐵等基礎(chǔ)設(shè)施項(xiàng)目不僅在國內(nèi)廣泛開展，也逐漸向復(fù)雜山區(qū)環(huán)境延伸。這些項(xiàng)目往往面臨著地形復(fù)雜、氣候多變等自然條件的挑戰(zhàn)，同時(shí)也需要應(yīng)對施工過程中的各種安全風(fēng)險(xiǎn)和隱患問題。安全生產(chǎn)，預(yù)防為主。預(yù)先危險(xiǎn)源識別是施工安全管理中重要的一環(huán)。目前危險(xiǎn)源識別還是依賴于人為識別，局限于個(gè)人能力和經(jīng)驗(yàn)的差別，危險(xiǎn)源識別水平差距很大。另外相似的工程項(xiàng)目，危險(xiǎn)源也是相似的，因此類似的項(xiàng)目危險(xiǎn)源識別便是一項(xiàng)重復(fù)性的工作，造成人工成本的浪費(fèi)。

2、另一方面，人工智能隨著全球科技發(fā)展已經(jīng)成為提升生產(chǎn)力水平的重大推動(dòng)力，全球各國紛紛加速對人工智能的戰(zhàn)略布局、戰(zhàn)略布局、資金投入、技術(shù)研發(fā)和領(lǐng)域應(yīng)用，人工智能發(fā)展已經(jīng)成為當(dāng)前世界各國的重點(diǎn)競爭領(lǐng)域。我國人工智能隨著數(shù)字中國的提出也得到快速發(fā)展，隨著大數(shù)據(jù)、云計(jì)算、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等信息技術(shù)的發(fā)展，以深度神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)發(fā)展迅速，人工智能領(lǐng)域科學(xué)與應(yīng)用的鴻溝正在被打破。通用人工智能將是全球經(jīng)濟(jì)發(fā)展的重要?jiǎng)恿碓矗瑢I(yè)化垂直領(lǐng)域人工智能的應(yīng)用也是必要的補(bǔ)充。

3、本發(fā)明形成智能識別建筑工程安全風(fēng)險(xiǎn)和隱患的生成式行業(yè)大模型（即垂直領(lǐng)域大模型），在規(guī)劃設(shè)計(jì)、施工建設(shè)、運(yùn)維管理等多個(gè)方面進(jìn)行業(yè)務(wù)賦能，融合項(xiàng)目管理業(yè)務(wù)平臺(tái)，實(shí)現(xiàn)工程項(xiàng)目安全管理的智能化和數(shù)字化。利用生成式大模型對施工過程中可能出現(xiàn)的安全風(fēng)險(xiǎn)和隱患進(jìn)行智能識別和預(yù)警，有助于提前采取相應(yīng)的措施防范事故的發(fā)生。此外，項(xiàng)目管理業(yè)務(wù)平臺(tái)的融合將使得各個(gè)部門之間的協(xié)作更加緊密高效，進(jìn)一步提升整個(gè)項(xiàng)目的管理效能。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服上述一種或多種現(xiàn)有的技術(shù)問題，提供一種基于生成式大模型的工程施工危險(xiǎn)區(qū)域智能識別方法。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供的一種基于生成式大模型的工程施工危險(xiǎn)區(qū)域智能識別方法，包括：

3、基于bim模型、三維衛(wèi)星gis地形和飛行激光點(diǎn)云模型建立工程的三維模型，對三維模型進(jìn)行切分，根據(jù)切分后的三維模型和無人機(jī)航拍獲取工地各區(qū)域的實(shí)時(shí)的監(jiān)測數(shù)據(jù)和安全事件的記錄，構(gòu)建安全事件與監(jiān)測數(shù)據(jù)的關(guān)聯(lián)矩陣；

4、基于安全事件與監(jiān)測數(shù)據(jù)的關(guān)聯(lián)矩陣，得到安全事件與監(jiān)測數(shù)據(jù)之間的關(guān)聯(lián)模式和規(guī)律，確定影響安全等級的關(guān)鍵監(jiān)測數(shù)據(jù)集合；

5、基于關(guān)鍵監(jiān)測數(shù)據(jù)集合，實(shí)時(shí)分析各監(jiān)測數(shù)據(jù)的變化趨勢和異常情況，若監(jiān)測數(shù)據(jù)超出預(yù)設(shè)閾值或出現(xiàn)異常波動(dòng)，則判斷該區(qū)域存在安全隱患，動(dòng)態(tài)調(diào)整該區(qū)域的安全等級；

6、根據(jù)各區(qū)域的安全等級，自動(dòng)匹配預(yù)定義的安全管控措施庫，獲取相應(yīng)各區(qū)域的安全等級的管控措施，通過規(guī)則引擎自動(dòng)下發(fā)至安全控制系統(tǒng)，觸發(fā)相應(yīng)的管控動(dòng)作；

7、將各區(qū)域的安全等級和管控動(dòng)作的執(zhí)行情況實(shí)時(shí)反饋至項(xiàng)目管理業(yè)務(wù)平臺(tái)，生成安全態(tài)勢圖和管控效果評估報(bào)告，報(bào)告用于為管理人員提供輔助決策支持；

8、對安全等級和管控措施進(jìn)行回測驗(yàn)證，通過對比分析歷史安全等級下的管控措施的相關(guān)數(shù)據(jù)和實(shí)際效果數(shù)據(jù)，采用增量學(xué)習(xí)算法對安全等級的設(shè)定進(jìn)行迭代優(yōu)化。

9、根據(jù)本發(fā)明的一個(gè)方面，基于切分后的三維模型獲取工地各區(qū)域的實(shí)時(shí)的監(jiān)測數(shù)據(jù)和安全事件的記錄，針對獲取的工地各區(qū)域的實(shí)時(shí)的監(jiān)測數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，去除缺失值和異常值；

10、根據(jù)清洗后的工地各區(qū)域的實(shí)時(shí)的監(jiān)測數(shù)據(jù)進(jìn)行特征提取，從中提取出與安全事件相關(guān)的特征以及設(shè)備運(yùn)行狀態(tài)和人員行為等操作特征；

11、采用特征選擇算法，從提取的特征中選擇出與安全事件的記錄中的安全事件關(guān)聯(lián)度最高的特征子集，降低特征維度；

12、針對選擇出的特征子集，采用關(guān)聯(lián)規(guī)則挖掘算法發(fā)現(xiàn)安全事件與各特征之間的關(guān)聯(lián)規(guī)則，得到特征與事件的關(guān)聯(lián)度；

13、根據(jù)挖掘出的關(guān)聯(lián)規(guī)則，構(gòu)建安全事件與監(jiān)測數(shù)據(jù)的關(guān)聯(lián)矩陣，矩陣中每個(gè)元素表示特征與事件的關(guān)聯(lián)度；

14、對關(guān)聯(lián)矩陣進(jìn)行聚類分析，將關(guān)聯(lián)度相似的特征和事件聚合在一起，識別出不同的安全事件模式；

15、根據(jù)聚類結(jié)果，建立安全事件預(yù)測模型，通過實(shí)時(shí)的監(jiān)測數(shù)據(jù)預(yù)測發(fā)生的安全事件并對其進(jìn)行預(yù)警。

16、根據(jù)本發(fā)明的一個(gè)方面，構(gòu)建安全事件與監(jiān)測數(shù)據(jù)之間的關(guān)聯(lián)矩陣，矩陣中的元素表示兩者之間的關(guān)聯(lián)度；

17、采用關(guān)聯(lián)規(guī)則挖掘算法，基于支持度和置信度閾值，從關(guān)聯(lián)矩陣中挖掘安全事件與監(jiān)測數(shù)據(jù)之間的頻繁項(xiàng)集和關(guān)聯(lián)規(guī)則；

18、通過挖掘出的關(guān)聯(lián)規(guī)則，總結(jié)安全事件與監(jiān)測數(shù)據(jù)之間的關(guān)聯(lián)模式，判斷出現(xiàn)監(jiān)測數(shù)據(jù)異常時(shí)引發(fā)的安全事件；

19、對挖掘出的關(guān)聯(lián)規(guī)則進(jìn)行評估，計(jì)算每條規(guī)則的支持度、置信度和提升度，對關(guān)聯(lián)規(guī)則進(jìn)行排序和篩選；

20、將篩選出的強(qiáng)關(guān)聯(lián)規(guī)則中涉及的監(jiān)測數(shù)據(jù)作為初選的關(guān)鍵監(jiān)測數(shù)據(jù)，結(jié)合專家知識和實(shí)際經(jīng)驗(yàn)，從中確定最終的關(guān)鍵監(jiān)測數(shù)據(jù)集合；

21、基于確定的關(guān)鍵監(jiān)測數(shù)據(jù)集合，建立實(shí)時(shí)監(jiān)測和預(yù)警機(jī)制，當(dāng)監(jiān)測到關(guān)鍵監(jiān)測數(shù)據(jù)出現(xiàn)異常時(shí)，預(yù)警可能發(fā)生的安全事件；

22、持續(xù)收集安全事件和監(jiān)測數(shù)據(jù)，更新關(guān)聯(lián)矩陣和挖掘關(guān)聯(lián)規(guī)則，動(dòng)態(tài)調(diào)整關(guān)鍵監(jiān)測數(shù)據(jù)集合。

23、根據(jù)本發(fā)明的一個(gè)方面，獲取關(guān)鍵監(jiān)測數(shù)據(jù)集合，針對每個(gè)監(jiān)測數(shù)據(jù)，構(gòu)建時(shí)間序列數(shù)據(jù)模型，記錄不同時(shí)間點(diǎn)的數(shù)據(jù)數(shù)值；

24、對每個(gè)監(jiān)測數(shù)據(jù)的時(shí)間序列數(shù)據(jù)進(jìn)行趨勢預(yù)測和異常檢測，根據(jù)預(yù)設(shè)閾值判斷監(jiān)測數(shù)據(jù)是否超出正常范圍，若超出閾值，則將該時(shí)間點(diǎn)標(biāo)記為異常點(diǎn)；

25、對監(jiān)測數(shù)據(jù)的異常情況進(jìn)行進(jìn)一步分析，判斷異常點(diǎn)是否為隨機(jī)噪聲或系統(tǒng)性異常，若監(jiān)測數(shù)據(jù)的異常點(diǎn)為系統(tǒng)性異常，則判斷該區(qū)域存在安全隱患，根據(jù)異常情況的嚴(yán)重程度，動(dòng)態(tài)調(diào)整該區(qū)域的安全等級；

26、在實(shí)時(shí)數(shù)據(jù)流中持續(xù)進(jìn)行時(shí)間序列分析和異常檢測，對新產(chǎn)生的監(jiān)測數(shù)據(jù)進(jìn)行實(shí)時(shí)處理，將各監(jiān)測數(shù)據(jù)的異常情況和安全等級變化情況進(jìn)行可視化展示。

27、根據(jù)本發(fā)明的一個(gè)方面，基于無人機(jī)飛行航拍獲取工地各區(qū)域的實(shí)時(shí)的監(jiān)測數(shù)據(jù)，對數(shù)據(jù)進(jìn)行預(yù)處理，提取關(guān)鍵特征參數(shù)，基于關(guān)鍵特征參數(shù)進(jìn)行安全等級的計(jì)算，得到各區(qū)域的安全等級；

28、根據(jù)安全等級，在預(yù)定義的安全管控措施庫中自動(dòng)匹配出與當(dāng)前安全等級相對應(yīng)的一組管控措施；

29、將匹配出的管控措施轉(zhuǎn)化為可執(zhí)行的控制指令，通過預(yù)先配置的規(guī)則引擎進(jìn)行邏輯判斷，若滿足規(guī)則條件，則將控制指令自動(dòng)下發(fā)至安全控制系統(tǒng)；

30、安全控制系統(tǒng)接收到下發(fā)的控制指令后，解析指令內(nèi)容，提取出需要觸發(fā)的具體管控動(dòng)作；

31、若管控動(dòng)作為發(fā)出警示信號，則調(diào)用預(yù)設(shè)的信號發(fā)生器，產(chǎn)生聲和光等警示信號，同時(shí)將警示信息推送至相關(guān)人員終端，提示危險(xiǎn)情況；

32、在執(zhí)行管控動(dòng)作的同時(shí)，將區(qū)域安全狀態(tài)、管控措施、管控動(dòng)作類型和執(zhí)行結(jié)果進(jìn)行關(guān)聯(lián)存儲(chǔ)，形成安全管控日志。

33、根據(jù)本發(fā)明的一個(gè)方面，獲取各區(qū)域的安全等級和管控動(dòng)作的執(zhí)行情況數(shù)據(jù)，將數(shù)據(jù)實(shí)時(shí)傳輸至可視化項(xiàng)目管理業(yè)務(wù)平臺(tái)的數(shù)據(jù)庫中；

34、對數(shù)據(jù)庫中的安全等級和管控動(dòng)作的執(zhí)行情況數(shù)據(jù)進(jìn)行分析處理，得到安全態(tài)勢圖像數(shù)據(jù)，對安全態(tài)勢圖像數(shù)據(jù)進(jìn)行分析，得到管控效果評估結(jié)果；

35、將安全態(tài)勢圖像數(shù)據(jù)和管控效果評估結(jié)果輸出，生成管控效果評估報(bào)告；

36、判斷管控效果評估結(jié)果是否滿足預(yù)設(shè)的輔助決策閾值，若滿足，則將管控效果評估報(bào)告推送給管理人員終端；

37、若管控效果評估結(jié)果不滿足預(yù)設(shè)的輔助決策閾值，則根據(jù)預(yù)設(shè)的管控措施進(jìn)行優(yōu)化，對管控動(dòng)作的執(zhí)行情況數(shù)據(jù)進(jìn)行分析，得到優(yōu)化后的管控措施；

38、將優(yōu)化后的管控措施下發(fā)至各區(qū)域的管控系統(tǒng)，調(diào)整各區(qū)域的管控措施，繼續(xù)獲取最新的安全等級和管控動(dòng)作的執(zhí)行情況數(shù)據(jù)，形成閉環(huán)控制。

39、根據(jù)本發(fā)明的一個(gè)方面，獲取歷史安全等級下的管控措施的相關(guān)數(shù)據(jù)和實(shí)際效果數(shù)據(jù)，針對每個(gè)數(shù)據(jù)采用數(shù)據(jù)清洗，去除噪聲數(shù)據(jù)，提取關(guān)鍵特征；

40、將處理后的歷史安全等級下的管控措施的相關(guān)數(shù)據(jù)和實(shí)際效果數(shù)據(jù)進(jìn)行對比分析，計(jì)算兩組數(shù)據(jù)的差異性和相關(guān)性，得到差異性數(shù)據(jù)和相關(guān)性數(shù)據(jù)；

41、根據(jù)差異性數(shù)據(jù)和相關(guān)性數(shù)據(jù)，判斷當(dāng)前安全等級和管控動(dòng)作的有效性和準(zhǔn)確性，若數(shù)據(jù)低于預(yù)設(shè)閾值，則觸發(fā)安全等級的設(shè)定的優(yōu)化流程；

42、采用增量學(xué)習(xí)算法對安全等級進(jìn)行參數(shù)微調(diào)和結(jié)構(gòu)優(yōu)化，得到優(yōu)化后的安全等級；

43、將優(yōu)化后的安全等級應(yīng)用到管控動(dòng)作中，通過安全管控規(guī)則引擎重新生成管控動(dòng)作，并下發(fā)到安全管控系統(tǒng)；

44、持續(xù)監(jiān)測系統(tǒng)運(yùn)行過程中的實(shí)時(shí)數(shù)據(jù)，采用異常檢測算法識別潛在的安全威脅和異常行為，形成安全管控知識庫。

45、為實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于生成式大模型的工程施工危險(xiǎn)區(qū)域智能識別系統(tǒng)，包括：

46、關(guān)聯(lián)矩陣構(gòu)建模塊：基于bim模型、三維衛(wèi)星gis地形和飛行激光點(diǎn)云模型建立工程的三維模型，對三維模型進(jìn)行切分，根據(jù)切分后的三維模型和無人機(jī)航拍獲取工地各區(qū)域的實(shí)時(shí)的監(jiān)測數(shù)據(jù)和安全事件的記錄，構(gòu)建安全事件與監(jiān)測數(shù)據(jù)的關(guān)聯(lián)矩陣；

47、關(guān)鍵監(jiān)測數(shù)據(jù)集合獲取模塊：基于安全事件與監(jiān)測數(shù)據(jù)的關(guān)聯(lián)矩陣，得到安全事件與監(jiān)測數(shù)據(jù)之間的關(guān)聯(lián)模式和規(guī)律，確定影響安全等級的關(guān)鍵監(jiān)測數(shù)據(jù)集合；

48、安全等級調(diào)整模塊：基于關(guān)鍵監(jiān)測數(shù)據(jù)集合，實(shí)時(shí)分析各監(jiān)測數(shù)據(jù)的變化趨勢和異常情況，若監(jiān)測數(shù)據(jù)超出預(yù)設(shè)閾值或出現(xiàn)異常波動(dòng)，則判斷該區(qū)域存在安全隱患，動(dòng)態(tài)調(diào)整該區(qū)域的安全等級；

49、管控動(dòng)作設(shè)置模式：根據(jù)各區(qū)域的安全等級，自動(dòng)匹配預(yù)定義的安全管控措施庫，獲取相應(yīng)各區(qū)域的安全等級的管控措施，通過規(guī)則引擎自動(dòng)下發(fā)至安全控制系統(tǒng)，觸發(fā)相應(yīng)的管控動(dòng)作；

50、平臺(tái)反饋模塊：將各區(qū)域的安全等級和管控動(dòng)作的執(zhí)行情況實(shí)時(shí)反饋至項(xiàng)目管理業(yè)務(wù)平臺(tái)，生成安全態(tài)勢圖和管控效果評估報(bào)告，報(bào)告用于為管理人員提供輔助決策支持；

51、安全等級更新模塊：對安全等級和管控措施進(jìn)行回測驗(yàn)證，通過對比分析歷史安全等級下的管控措施的相關(guān)數(shù)據(jù)和實(shí)際效果數(shù)據(jù)，采用增量學(xué)習(xí)算法對安全等級的設(shè)定進(jìn)行迭代優(yōu)化。

52、基于此，本發(fā)明的有益效果在于：通過構(gòu)建安全事件與監(jiān)測數(shù)據(jù)的關(guān)聯(lián)矩陣，采用關(guān)聯(lián)規(guī)則挖掘算法識別關(guān)鍵監(jiān)測數(shù)據(jù)，并利用時(shí)間序列分析和異常檢測算法實(shí)時(shí)評估各區(qū)域安全等級。根據(jù)評估結(jié)果，本發(fā)明自動(dòng)匹配并下發(fā)相應(yīng)的安全管控措施。同時(shí)，本發(fā)明將評估結(jié)果和管控效果可視化呈現(xiàn)，為管理人員提供決策支持。通過定期回測和增量學(xué)習(xí)，本發(fā)明不斷優(yōu)化評估模型和管控動(dòng)作，提升整體安全管理水平。該方法實(shí)現(xiàn)了工地安全管理的智能化和自動(dòng)化，有效降低安全事故發(fā)生風(fēng)險(xiǎn)，提高了安全管理效率和準(zhǔn)確性；

53、運(yùn)用ai+安全風(fēng)險(xiǎn)管理，大幅降低安全管理人員的工作強(qiáng)度和壓力，實(shí)現(xiàn)智能化識別危險(xiǎn)源，提高了安全管理效率和風(fēng)險(xiǎn)識別準(zhǔn)確率，加強(qiáng)了過程中的安全管控，可以降低安全風(fēng)險(xiǎn)，避免重大安全事故。減輕安全工作量，減少安全員數(shù)量，避免安全事故，增加了經(jīng)濟(jì)效益和社會(huì)效益。