珠江三角洲水资源配置工程智慧化管理体系研究

王亚权，吴思琦，杜灿阳，吕建明,3，张兆波

(1.华南理工大学 计算机科学与工程学院，广州 571000；2.广东粤海珠三角供水有限公司，广州 510000；3.华南理工大学大数据与智能机器人教育部重点实验室，广州 571000)

1 概述

珠江三角洲水资源配置工程是国务院批准的《珠江流域综合规划(2012—2030年)》提出的重要水资源配置工程，也是国务院要求加快建设的全国172项节水供水重大水利工程之一。该工程以打造新时代生态智慧水利工程为建设目标，优化配置珠江三角洲地区东、西部水资源，从珠江三角洲网河区西部的西江水系向东引水至珠江三角洲东部，主要供水目标是为广州市南沙区、深圳市和东莞市的缺水地区提高供水保证程度，为香港特别行政区以及广州省番禺、顺德等地区提供应急备用供水条件。工程设计取水口引水流量为80 m3/s ，输水线路总长度为113.2 km。

工程的输水线路主要以盾构掘进方式，全线整个工程将分为多个标段进行分段施工。在工程信息化建设方面，对各个标段的工程设计、施工、运营等方面进行全面的信息化管理，遵循中央、水利部、广东省政府、广东省水利厅等各级管理单位对水利信息化的建设要求及规范进行实施，形成统一的信息化建设规范对全线工程的信息化建设提供指导建议，并按照水利部“智慧水利总体方案”总体指导和要求，开展珠江三角洲水资源配置工程的智慧工程建设。

针对大型水利工程项目管理目标的复杂多样性，该项目以“打造新时代生态智慧水利工程标杆”为目标，综合运用云计算、大数据、物联网、人工智能、BIM及移动互联等技术手段，设计了兼容生产设备不同传感器信号以及各个信息管理系统多源数据的高效采集方法，提出了基于复杂多源数据的融合挖掘方法，同时，采用BIM+GIS系统为工程提供全新的态势感知以及三维可视化，智能辅助工程建设管理决策。该工程项目的信息化建设方案对同类型的大型水利工程的信息化系统建设具有参考价值。

2 研究现状

水利部历来高度重视水利信息化建设，2017年5月水利部正式印发《关于推进水利工程大数据发展的指导意见》，该指导意见深入贯彻党中央提出的国家大数据战略，旨在水利行业推进数据资源共享开放，促进水利工程大数据发展与创新应用[1]。经过近20 a的水利信息化建设，水利综合信息采集体系初步形成，网络通信保障能力明显提高，初步形成了水利工程智慧化管理体系，利用云计算、大数据、物联网等技术，实现了对于工程建设运行管理的自动化智能化。具体来说，水利工程智慧化管理方面的研究现状和实践可以分为以下3个方面。

2.1 工程数据的分类

工程数据的采集和集成是水利工程管理分析的基础。张建新和蔡阳[2]将水利工程大数据来源分为江河湖泊水系、水利工程设施和管理活动。陈逸恒等[3]将水利工程大数据来源分为自然、社会、业务三个维度。程益联和付静[4]将水利工程对象分为自然类和非自然类两个大类。综合上述研究成果，大致可以将水利大数据来源归结为自然环境类、社会活动类、工程设施类、业务管理类等四个维度。为获取上述4类对象的信息内容，采集手段分为地面监测、卫星遥感、航空遥感、互联网采集及模型模拟(再分析)等5类[5-7]，构成了立体监测体系，形成对水利信息感知的“天罗地网”。

2.2 工程数据立体感知

实现工程数据立体智能感知需要借助BIM、GIS、云计算、物联网、5G的综合集成应用，在工程建设中实现对海量工程数据进行收集、存储、整理与挖掘。具体而言，智能感知体系通常可以分为5层：感知层、存储层、模型层、处理层和应用层[8-12]。感知层主要负责工程数据的采集，采用物联网技术和5G的应用和集成为利用各类感知仪器自动、实时采集海量工程数据奠定了基础，有效提高了数据的完整性、实时性、可靠性；存储层负责对收集的数据进行存储与管理；以BIM与GIS技术为核心的模型层通过统一的数据组织、描述与建模方法，解决建设项目全生命期工程特性、建设过程与决策方式的建模问题；处理层负责对数据进行分析处理；应用层是与用户的接口，通过可视化交互式方式，面向不同用户提供平台的各类应用功能，是其他几层具体功能及价值的外在体现。

2.3 工程数据分析挖掘方面的工作

水利工程大数据价值链的最重要阶段就是数据分析，其目标是从和主题相关的数据中提取尽可能多的信息。根据数据分析深度，可以将数据分析分为描述性分析、预测性分析和规则性分析3个层次[8]。根据工程科学研究和业务管理特点，依据工程决策流程，将数据分析类型分为规律解析、态势研判、趋势预测和决策优化4个层次[6]。朱跃龙等[13]提出一种基于语义相似的水文时间序列相似性数据挖掘方法。艾萍[14]等基于在线事务处理和在线数据挖掘构建了工程数据在线分析和知识发现系统模型。韩红旗[15]提出基于OLAP和OLAM的探查性水利工程数据挖掘模型。谢敦礼[16]等提出了基于GIS的城市供水工程数据挖掘方法。涵盖的数据分析方法包括传统的数据挖掘、统计分析、机器学习、文本挖掘、深度学习等，利用大数据分析方法建立模型，实现工程大数据的分析挖掘，为决策提供辅助和支持。

3 体系结构设计

3.1 主要挑战

大型水资源配置工程建设的信息化管理，面临下述重要挑战：

1)如何实现多源、异构、巨量数据的实时融合汇聚和融合。由于大型水资源配置工程建设是一个复杂的系统工程，期间涉及到来自不同地域、不同机构、不同实体的海量信息，其中包括安全监测信息、质量检测信息、施工现场信息、工程进度信息、资金信息、环境信息、工程模型信息等。信息是管理的根本，如何对来源、形态各异的巨量数据进行实时存储、管理、和融合，以支持高效、灵活的运用，是大型水资源配置工程建设所需要解决的重要挑战。

2)如何实现多层面、多尺度、全方位立体感知工程建设情况，进而全面提升指挥调度效率。高质量、有序、安全地建设大型水资源配置工程，需要对工程建设情况实施全方位立体感知，全面把握与建设息息相关的质量态势、安全态势、进度态势、和资金态势。

3)如何最大化数据效用，实现数据驱动的智能分析与决策。随着项目的推进，各种来源的数据将累计达到空前规模，如何充分利用积累的历史数据，挖掘关联模式，对实时信息进行分析、预警和辅助决策，是亟待解决的难题。

3.2 总体结构

基于上述挑战性问题，智慧化管理平台体系结构的设计包含以下4个层面(如图1所示)。

图1 总体结构示意

1)多源、异构数据汇聚层。在整个工程实施过程中，将用户管理数据、工程项目管理数据、安全监测数据、质量检测数据、征地移民数据、施工监管数据、环境保护数据、水土保持数据、GIS数据、BIM数据等进行汇集、治理、模型构建，整合形成统一数据标准的数据资源池，构建数据访问、分析服务中心。

2)立体感知层。通过BIM+GIS手段，多尺度、多视角、直观呈现工程建设实时情况。宏观层面上，将全面把握与建设息息相关的质量态势、安全态势、进度态势和资金态势；微观层面上，直观展示施工人员状况、施工现场设备状况、现场环境等“人机料法环”关键要素。

3)智能分析层。通过关联分析、时空数据预测、多尺度异常检测等手段，实时发现项目实施过程中各类风险；通过三维数据可视化的手段，支持快速直观的智能决策。

4)平台展示层。通过制定统一的应用服务接口，实施跨平台多终端融合展示(其中包括移动终端、PC终端、工业电视及VR系统)，全方位、实时展现项目推进的细节以及智能分析的结果。

3.3 多源、异构数据汇聚

在整个水利工程的实施过程中，所涉及的数据分为施工现场数据和项目管理数据两类。其中施工现场数据包括：施工关键设备运行状态数据(如盾构机、塔吊等监控数据)；施工人员监控数据(如单兵系统的视频通信数据，智能安全帽感知的位置数据，视频监控平台感知的施工人员行为数据等)；环境监控数据(如扬尘监控、噪音监控)等。而项目管理数据则包括在项目实施过程中的人员信息、物资管理信息、进度信息、质量控制信息、投资信息以及各类项目文档。数据类型具有结构化和非结构化混合、多种模态并存、时空相关等显著特点。

如图2所示，多源、异构数据的汇聚的目标是构建支持珠江三角洲水资源配置工程建设的数据资源池，以智慧建管、智慧监管、智慧生态、综合办公等应用为导向，汇总梳理水利数据资源现状，建立标准统一的数据资源目录。按照统一的标准规范、统一的数据模型，开展多源数据抽取、清洗、比对、转换等数据整合治理，形成具有权威性、完整性、准确性、现势性的水利数据核心资源，经过多源数据融合、多业务主题的加工制作，形成满足不同业务需求的服务数据。

图2 数据资源池示意

数据资源池的构建过程如图3所示，从珠江三角洲水资源配置工程各业务对水利数据资源的需求出发，依据数据应用范围和关联关系，基于现有面向业务视图建模、语义空间不一致的数据资源，利用数据库开发技术、ETL数据技术、质量控制技术等数据治理技术，完成数据归一化处理，整合形成统一数据标准的数据资源池，为数据分析、信息共享、信息服务和支持决策提供基础。

图3 数据资源采集治理流程示意

3.4 立体感知和多视角呈现

为实现对工程建设的多层面、多尺度、全方位立体感知，珠江三角洲水资源配置工程建立符合行业目前发展需要的工程建设数字孪生。实现物理世界信号的智能感知，并在虚拟世界中的叠加和直观呈现，从而方便管理者第一时间、多尺度、多视角把握项目实施情况。所采用的核心技术包括：

1)基于AI算法的智能感知。面向工程建设数据的智能分析算法，从海量数据抽取重要事件，感知事态变化。

2)BIM+GIS智能展示。通过自主开发的基于浏览器的BIM轻量化引擎、GIS引擎，以及基于Unity 3D深度定制的VR引擎直接加载中间格式文件，满足同一模型格式支持多个场景应用，实现“一模多用”。

3)物联网。将盾构机、配电箱、龙门吊、塔吊、升降机等关键设备按约定的协议与物联网数据平台互联，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理。

4)5G技术。在远距离遥操作任务中通过5G技术实现低延迟感知和操作，通过BIM+GIS体系中的感知层实现精确控制，同时利用VR技术，可以保证远端真实作业与本地虚拟环境的一致性。

具体而言，在工程数据智能分析方面，将工程建设数据归纳为可供智能分析的4类基础数据：工程建设时序数据，工程建设视频、图像数据，工程建设时空轨迹数据，工程建设文本及表格。针对工程建设中的关键设备、物料中心、质量检测、环境监测等时序信息，综合运用神经网络等深度学习算法，融合安全监测理论方法，构建如图4a所示的安全监测时序数据分析平台，为工程安全监测采集、管理、分析、决策提供重要支撑；同时，利用工地现场的视频图像、运输车辆视频监控等视频数据，采用YOLO等人工智能视频分析技术，构建了如图4b所示的工地状态和运输车辆状态智能监控系统。通过施工区安装的球形或枪形监控及车载监控系统，实现人员身份辨识、禁区识别、安全帽识别、异常事件监测、违规抓拍等功能；对于车辆及人员的轨迹信息，通过如图4c所示的GPS定位系统对运输车辆及施工人员的轨迹进行分析，使管理人员能够掌握人员车辆分布情况，便于合理调度，同时能够根据轨迹信息进行事前预警和事后分析；为工程建设推进过程中的非结构文本信息和结构化表格信息构建专用数据库，通过自然语言理解分析，抽取关键数据进行文本结构化处理并进行存储，实现关系查询、全文信息检索、智能问答等。

图4 智能分析应用示意

在BIM+GIS系统平台的集成方面，考虑GIS和BIM的配合使用(如图5所示)，首先，GIS服务器选择超图GIS底层，实现按各业务系统应用需求灵活定义的GIS应用服务，可支持将矢量、栅格及目前流行的倾斜摄影及点云数据集成。其次，开发面向BIM数据的数据匹配及调度服务，实现跨区域的空间信息、模型信息以及相关工程数据的集成。形成承载并管理引水工程的空间和引调水设施全要素全过程信息的基础平台，以结构化和轻量化后的BIM数据为核心，建立与GIS、二维、文档及业务系统的多维度数据的融合；在统一编码的基础上，实现对BIM几何信息、属性信息和过程信息的动态管理的能力。

图5 BIM+GIS系统平台示意

通过综合采用虚拟现实技术、5G技术、BIM技术，可实现对工程建设现场的第一人称视角的逼真呈现。实施的过程中，利用现场倾斜摄影、BIM+GIS等技术，施工单位制作如图6所示的三维全景电子模型，支持在模型中查看项目情况，了解工程区域地形地貌、工地建设面貌等信息，并通过关联GIS进行直观展示。在BIM+GIS系统的基础上，基于虚拟现实的遥操作系统，利用交互设备操作虚拟设备和远端设备，通过相关程序对虚拟设备进行实时更新，并显示给操作人员，使操作人员能够直观、高效地完成远程作业任务。在远距离遥操作任务中通过5G技术实现低延迟感知和操作，通过BIM+GIS体系中的感知层实现精确控制，同时利用虚拟现实技术，可以保证远端作业真实作业与本地虚拟环境的一致性。

图6 三维电子沙盘示意

具体应用架构如图7所示。珠江三角洲水资源配置工程数据平台可以分为4个部分：其中服务组件向下通过数据资源池及BIM+GIS支撑平台获取数据，向上为功能层提供数据；功能层和集成层负责将数据进行整合和分析，通过集成不同系统的信息，做到多层面、多尺度感知，全方位立体感知，最后通过展示层将各系统及功能信息进行全方位展示，辅助工程全阶段的管理和监测。

图7 应用架构示意

3.5 数据驱动的智能分析与决策

随着项目的推进，大型水资源配置工程建设所产生的多源、异构数据将累计达到空前规模。数据形式既包括结构化表格数据，也包括非结构化的视频、文本数据；从数据时空维度上，既包括时序数据，也包括空间相关数据；从数据尺度上而言，既包括大范围的宏观态势数据，也包括小范围的施工现场数据；从所涉及的数据对象，涵盖了设备、人员、征地、资金、进度、环境要素等。数据的多样性，一方面增加了协同处理的难度，另一方面也为融合创新带来新的机遇。

为最大化地挖掘数据的关联性，发挥数据的效用，本项目使用基于事件图谱的多源信息融合技术，实现数据之间的关联性建模，并发挥事件发现、关联分析、预测推理和辅助决策的作用。具体而言，将大型水资源配置工程建设管理的过程中所关注的信息单元归结为事件，是在某个特定的时间、特定的地点、由若干个相关角色参与的一件事情或者一组事情。工程的推进可以看出是由一系列的事件构成，管理的抓手就是感知、分析、推演事件，并基于此做出进一步决策。因此，针对不同类型的数据，采用相应的数据清洗、对齐、事件抽取、事件关联的过程，实时获取并保存实时更新的事件数据，构成以图8为例的工程事件图谱，刻画事件之间的逻辑关系，包括时序关联、因果关系、空间关联、实体关联等，用于辅助事件分析和决策。

图8 工程事件图谱示意

基于该事件图谱，可实现如下智能辅助决策功能：

1)基于事件图谱的多视角异常自动发现。通过融合多个信息源，关联分析多个事件，提供多视角、多尺度的更加全面的异常事件发现。

2)基于事件图谱的事件溯因。针对所发生的特定事件，可利用事件图谱迅速获得事件相关的实体和事件，分析事件发生的潜在原因，自动形成事件关键发展脉络，支持多层次、多视角的事件探究，较大提高事件响应效率。

3)基于事件图谱的事件推理。基于事件之间的逻辑关系以及历史事件图谱中所揭露的事件之间的关联规律，对当前所发生的事件进行合理推理，以达到辅助决策管理的目的。具体而言，主要包括时序关联预测、空间关联预测、实体关联预测、复合关联预测。有效实时展示事件的演化、预警，达到辅助决策、最大程度降低严重事件发生的风险。

4 结语

本项目以“打造新时代生态智慧水利工程标杆”为目标，针对大型水资源配置工程建设案例，利用大数据、云计算、物联网、5G、虚拟现实、人工智能等技术，设计了针对工程中复杂多源异构数据的采集、感知、分析、可视化体系结构方案；针对大量生产设备传感器的信号，提出了高效的多源异构信息采集方法，实现多源信息的实时高效融合；结合BIM+GIS手段多尺度多视角呈现工程的实施相关情况，从宏观和微观对项目管理进行直观展现；同时通过运用知识图谱，构建工程事理图谱，充分利用大数据优势，挖掘数据关联性，实现数据间的关联性建模，发挥事件发现、关联分析、预测推理、辅助决策的作用。