基于BIM与知识图谱的深基坑施工安全风险识别研究

胡园园 刘俊生 王行风

(1.南京市测绘勘察研究院股份有限公司,江苏 南京 210019;2.中国矿业大学与环境测绘学院,江苏 徐州 221116;3.自然资源部国土环境与灾害监测重点实验室,江苏 徐州 221116)

随着经济社会的快速发展,我国城市地下空间开发应用的规模在不断扩大,这对深基坑工程的安全实施以及协调管理提出了巨大挑战,也对深基坑施工安全风险评估提出了更高效、更专业和更准确的要求,开展针对深基坑施工安全风险智能识别和评估已经成为行业的迫切需求。

受益于大数据、信息化以及物联网等现代科技的发展,深基坑施工监管已经进入了一个智能感知、大数据的时代[1-3],但由于深基坑工程的风险安全评估涉及到生产、施工、监测、地质等多方面的知识,专业跨度大、分析对象之间关系复杂、安全规范繁杂、评估模型多样等特点,使得目前的安全风险评估大多依然依赖专家经验,因此不可避免地存在主观、低效、海量数据挖掘和利用力度不足等问题,距离智能识别、智慧推理尚有很大的差距。BIM 是建筑和工程领域最有前景的技术之一,近年来已被大量应用于基坑模型设计[4-5]、监测[6-7]、预警[8]、施工[9-11]以及管理[12-14]的深基坑施工监管的各个阶段,但该类系统多注重数据采集,强调可视化表达,BIM 模型中所蕴含的知识尚未得到有效挖掘,BIM 模型的应用价值有待进一步提升。地学知识图谱的概念于20世纪90年代提出以来[15-16],就以其强大的语义处理能力和开放组织能力,为大数据时代信息的智能应用提供了有效工具,国内外学者已在图谱构建、图谱推理以及图谱应用等方面开展了探索[17-18],取得了一定的研究成果。近年来,基于知识图谱的智能应用、图谱推理、安全评估等已经成为建筑行业的研究热点之一。

针对以上研究存在的不足以及发展趋势,本研究基于深基坑工程项目管理实践,集成监测感知、人工巡检、施工进度、地质、安全要求及绿色施工等关键管理要素,采用基于BIM 和知识图谱的深基坑安全风险智能识别技术和方法,探索融合BIM 和知识图谱的地下深基坑工程领域的协同监管新模式,以提升我国城市深基坑风险安全识别管理的技术水平和应用能力。

1 集成BIM 的深基坑施工安全风险识别知识图谱框架

1.1 深基坑施工安全风险识别知识构成

知识图谱是一种结构化的语义网络,其利用实体、关系、属性等基本单元描述物理世界中对象之间的相互关系[19],本研究针对深基坑施工安全风险识别的实际需求,综合和参考相关学者的研究成果[20-22],将深基坑施工安全风险知识划分为两大类(表1):① 实体对象类知识,主要包括工程对象、关联对象以及环境对象,分别指深基坑施工工程,地质环境,场地周边的管网、地下水、居民楼、天气以及地形等;② 认知类知识,多通过专业理论、评估模型、施工方案、工作安全以及安全事故经验等进行综合分析或提取所得,可进一步划分为规范知识、工作安全知识、事故案例类知识。这两大类知识之间相互作用、相互关联,共同影响着深基坑施工的安全状况。

表1 深基坑风险评估实体类型、结构和属性Table 1 Safety risk identification entity type,structure and attributes of foundation pit

1.2 集成BIM 的深基坑施工安全风险识别知识图谱框架

本研究结合深基坑施工安全风险识别评估的需求,结合深基坑安全施工要求,顾及BIM 模型特点和监测感知信息数据集,采用自顶向下的方式进行实体识别与关联、语义属性逻辑映射、关系抽取等工作,构建了基于BIM 的深基坑施工安全风险识别的知识图谱框架(图1),主要包括知识抽取、知识表示、知识融合、知识存储和知识应用等5 个部分。

图1 深基坑风险安全识别知识图谱总体框架Fig.1 General framework of knowledge graph for risksafety identification of deep foundation pit

(1)知识抽取。知识提取是知识图谱构建过程中的核心模块,主要是从施工工程、周边环境、事故案例、施工方案、监测感知、风险识别模型与风险防控策略等方面入手,挖掘其中蕴含的风险知识,明晰知识之间的关联关系等,为构建知识图谱奠定基础。根据数据来源的不同,可以采用结构化、半结构化和非结构化方式分别提取。认知类知识可以从安全规范、工作条件、施工方法、事故经验以及评估模型等专业领域知识中,采用数理统计等方法定义实体对象类型,并进行相关属性信息抽取,进而确定知识概念对象之间的逻辑关系特征,构建深基坑施工风险安全识别知识图谱概念模型。实体对象类知识则主要根据深基坑施工BIM 模型,利用GIS 技术提取工程对象、工程对象之间以及工程对象与关联对象、周边对象之间的拓扑关系,对接深基坑施工阶段信息与监测感知数据,辅助提取、优化和完善知识图谱中的知识构成,以方便与知识的关联应用。

(2)知识表示。知识表示是面向深基坑施工安全风险识别需求,明晰风险识别过程中的实体对象集合,设计针对性的属性特征,关联实体对象及概念知识,选择合适的知识描述方法(如语义网等方法)描述知识之间的关系[23],为深基坑施工安全风险识别提供极为关键的帮助。

(3)知识融合。知识融合可以从实体、语义逻辑等方面入手,目的是解决数据结构、概念、特征以及关系表达方面的歧义和不一致,以实现知识图谱中多源异构信息的无碍沟通和交流。实体融合是通过将施工主体、关联对象、场地周边环境以及致险因子相关联,实现对象数据源的语义关联,明确各评估对象的风险安全知识信息,确定对象之间的相互关系,进而有效评估深基坑施工可能出现的风险。语义逻辑融合主要采用数据同化方式,解决多源异构信息中的属性、特征、表达方式等不一致的问题,以实现评估对象属性信息的统一操作和相互联系。另外,工程技术的发展、施工方案的逐步优化和完善、更有效的风险管控措施等都会出现越来越多的安全知识,需要及时更新,需采取效果更明显的控制措施。因此,系统需要实现知识的增量建模、更新融合以使其能够更好地满足知识图谱概念模型的演进与优化需求。

(4)知识存储。对所提取的认知类知识、评估对象类知识以及知识之间的关系,一般可以利用图/表进行系统地存储,以便在评估过程中根据不同的条件进行查询调用,以指导施工风险安全评估工作。

(5)知识图谱应用。知识图谱是集成各类有效性数据的中心,以所构建的深基坑风险安全知识图谱为基础,对接监测、感知、巡检等各种数据信息,通过风险评估,可以提前感知深基坑施工过程中可能存在的孕险因子,主要包括:① 将施工工程模型数据集与风险评估知识图谱中的规则进行匹配分析,识别施工过程中不符合规范的内容,实现施工方案优化与控制。② 将施工工程与感知监测数据有效对接,及时识别施工过程中可能存在的危险点(区域),分析风险存在的原因,方便监管人员及时采取有效的风险预控措施。

2 基于BIM 的安全风险知识提取与构建

BIM 模型集成了与建筑和施工相关的大量信息,包含了基本建筑构件的几何和非几何信息,这些信息蕴含着与对象有关的各种知识,为深基坑施工过程中的致险因素以及危险源识别奠定了数据基础。近年来,深基坑建筑行业中基于BIM 的知识生成、提取的研究成果不断涌现[24-25],为本研究分析提供了有益参考。

基于BIM 的深基坑施工安全风险识别,充分挖掘和提升BIM 数据的价值,关键在于如何利用BIM数据,从中提取风险识别对象的信息(属性、几何等)、风险识别对象与关联对象之间的拓扑关系。从风险识别角度来看,基于BIM 的知识提取需满足“单体化、语义化、结构化”的要求,在此基础上,关联、映射和对应风险评估领域知识,构建知识图谱,以实现对深基坑施工相关数据的分析、知识挖掘、风险识别和决策支持(图2)。

图2 基于BIM 的知识数据提取流程Fig.2 Process of knowledge extraction based on BIM

2.1 单体化—风险识别对象单体提取

实体单体化的目的是从BIM 模型中识别与风险评估相关的实体对象,此处实体可以被视为知识图谱的网络节点。BIM 模型多以Curve2D、GeometricSet、GeometricCurveSet、SurfaceModel 和SolidModel 为基本元素来描述点、线、曲面和体之间的拓扑结构,利用这种层级关系,可对BIM 模型从几何层面进行分解得到原始构件集CS,集合中元素为BIM 模型中的原始构件,如天花板、墙、楼板等。再结合风险识别需要,从CS集合组合、抽取得到风险安全评估所需的实体对象集ES,集合中元素为评估对象单元,如地连墙、支护桩等。

2.2 语义化—风险识别对象属性信息提取

语义化可以通过同化、消歧方法将深基坑施工监测感知的多源异构数据进行有效集成,使得计算机可以方便灵活地挖掘数据的深层含义、识别风险识别语义模型、总结规律、提炼知识,更好地满足行业需求。

在确定风险识别对象集合的基础上,利用BIM庞大的信息数据库,关联、抽取和映射相关风险识别单体的几何信息和属性信息,关联、抽取和映射与深基坑施工相关的工作条件、施工规范和事故案例经验,识别出评估实体对象在施工中的安全风险因素,建立实体单元数据结构,进行语义逻辑化表达,以满足评估对象关联查询和推理分析需求,最终得到风险安全识别单体数据集RS。

2.3 结构化—风险识别对象实体集合语义网络

除了语义逻辑之外,当前BIM 支持的知识管理逐渐关注通过BIM 模型内的几何信息提取空间关系,采用语义网络来支持不同数据源之间的数据集成和复杂的搜索需求,以提高BIM 的利用价值。

关系抽取的目的是识别实体之间的关系,这些关系成为图谱中连接节点的边,形成语义网状结构,语义网络描述了实体之间如何关联、相互影响以及如何协同。实体对象的结构化是指从拓扑层面描述风险识别对象之间的邻接、连通关系,可以分为:① 模型构件之间的关系。在BIM 中,建筑构件之间多采用“包含”“位于”“整体—部分”等谓词语义来描述模型内部的语义逻辑关系,基于这种组织关系,可根据BIM 模型内的空间信息和风险评估所定义的识别规则生成对象的逻辑关系链。② 风险识别对象和关联对象、周边对象之间的拓扑关系。主要用来识别风险识别对象与相关工程对象之间的关联和影响。一般可以在明确施工场地范围的基础上,利用GIS 的空间分析功能,根据外联事故经验总结、施工安全风险因素及安全规范,识别施工场地周边一定范围内其他对象与风险识别对象之间的安全风险因素(或安全问题,包括隐藏的安全知识)。

不同实体对象BIM 实体间的关系类型见表2。施工中几种对象之间的关系如图3所示。

图3 评估实体之间关系Fig.3 Relationship between evaluation objects

表2 评估实体对象之间的关系类型Table 2 The relationship type between evaluation entities

3 应用实例

为验证本研究所提方法的适用性与可行性,也为了配合动态监测和评估的业务需求,本研究在本单位的深基坑智慧监管平台(图4)上设计实现了基于BIM 和知识图谱的深基坑施工风险安全识别模块。该模块集成了GIS 与BIM 模型,基于风险评估实体唯一编码标识,对接监测和智能感知数据(如物联网(IoT)、视频、位移、水位、应力、支撑轴线等实时监测信息)等多源异构数据,关联了施工场地信息、工作安全、风险预控策略和功能服务实体,由此运用风险安全评估知识图谱网络实现针对用户需求的智能化信息风险识别功能,满足深基坑施工风险安全识别的智能化分析需求。

图4 智慧监管平台首页Fig.4 Home page of intelligent supervision platform

以南京阿里巴巴基坑项目为例分析图谱构建过程。首先,构建了阿里巴巴深基坑施工相关的BIM模型(图5),主要包括地质模型、支撑体系、圈梁、连续墙、承台等BIM 模型,利用BIM 模型,抽取实体和关系,关联周围道路、居民楼、地下管线等对象,建立评估实体模型,同时融合评估领域理论知识,构建了深基坑施工风险评估知识图谱,图谱共抽取理论知识、施工安全、地理信息认知类实体816 个,BIM 中提取所有的评估实体对象72 个,知识结点以及关系采用Neo4j 图数据库存储。该基坑风险安全评估知识图谱的部分节点及关系如图6所示,主要描述了深基坑建设过程中的各个环节,例如场地平整、土方开挖、支护结构等。

图5 BIM 基坑建模Fig.5 BIM models of foundation pit

监管平台结合BIM 和监测感知数据进行风险识别的效果如图7所示。监管平台基于所构建的知识图谱,利用物联网实时感知数据进行风险识别和预警,当达到预警值时,系统显示黄色的预警波纹(图7(b));当达到警告值时,显示红色的警告波纹(图7(c)),可以根据需要进一步点击自动化监测点实现风险信息在深度和广度层面上的知识关联和梳理分析。

图7 监测预警效果Fig.7 Effects of monitoring and warning

4 结论

(1)结合深基坑安全风险识别需求,在对知识图谱、BIM 特征概括和归纳的基础上,从知识描述、提取、管理、应用等方面,设计了融合BIM 和知识图谱于一体的深基坑施工安全风险识别框架,为深基坑施工风险安全智能识别奠定了基础。

(2)对基于BIM 的深基坑风险实体对象识别、关系抽取和知识构建展开重点分析,通过与深基坑风险安全知识图谱信息关联、映射,采用语义网络来支持多源异构数据之间的集成,以实现深基坑施工风险安全高效和智慧识别。

(3)融合BIM 和知识图谱的风险识别方法能在一定程度上解决深基坑风险安全识别中的“专家依赖”“效率低下” “分析主观”等问题,扩展了知识图谱在深基坑施工安全识别领域的应用。后续将在此基础上,继续完善知识的自动高效提取、领域知识与方法的融合与集成方法,进一步提升深基坑施工风险安全工作的智能识别、评估和智能推理水平。