【技术实现步骤摘要】
本专利技术涉及智慧工地，具体而言，涉及一种基于大数据的智慧工地施工数据分析方法及系统。
技术介绍
1、在工地施工过程中，安全管理一直是至关重要的环节。传统的工地安全管理方法往往依赖于人工巡查和监控，但这种方式存在着效率低下、易出错以及无法全面覆盖所有监控点等问题。随着大数据技术的发展，智慧工地逐渐成为提高工地安全管理水平的重要手段。
2、在智慧工地中，通过安装各类传感器和监控设备，可以实时收集大量的施工数据。这些数据包含了丰富的信息，如工人的施工行为、设备的运行状态、环境参数等。通过对这些数据的分析，可以及时发现潜在的安全隐患，从而采取相应的措施进行预防和处理。
3、然而，由于工地环境的复杂性和多样性，直接从原始数据中提取有用的安全信息是一项具有挑战性的任务。因此，需要一种有效的方法来对智慧工地施工数据进行深入的分析和处理。
技术实现思路
1、有鉴于此，本专利技术实施例的目的在于提供一种基于大数据的智慧工地施工数据分析方法及系统，首先从智慧工地大数据中获取施工数据，然后提取这些数据的施工行为表征特征。这些特征能够反映工人的施工行为和设备的运行状态等关键信息。接下来，利用完成知识学习的工地危险行为识别网络对这些特征进行处理。该识别网络是通过结合预先定义的各危险识别特征和原始样例工地施工监控数据簇进行网络学习而生成的。预先定义的各危险识别特征是基于原始工地危险行为识别网络和所对应的危险因素数据进行训练标注得到的。这些特征和网络的结合使得该方法能够有效地识别出智慧
2、结合本专利技术实施例的一个方面，提供一种基于大数据的智慧工地施工数据分析方法，所述方法包括：
3、从智慧工地大数据中获取智慧工地施工数据；
4、提取所述智慧工地施工数据的施工行为表征特征；
5、结合完成知识学习的工地危险行为识别网络，以所述智慧工地施工数据的施工行为表征特征为输入，生成所述智慧工地施工数据的危险行为数据，其中，所述工地危险行为识别网络为结合预先定义的各危险识别特征和原始样例工地施工监控数据簇进行网络学习，生成危险行为数据，所述预先定义的各危险识别特征是结合原始工地危险行为识别网络和所对应的危险因素数据对所述各危险识别特征进行危险行为数据训练标注生成的，所述原始工地危险行为识别网络是结合原始样例工地施工监控数据簇进行网络学习生成的，所述原始样例工地施工监控数据为具有危险行为数据定义的样例智慧工地施工数据。
6、在一种可能的实施方式中，所述工地危险行为识别网络的训练步骤，包括：
7、获取各危险识别特征，结合原始工地危险行为识别网络对所述各危险识别特征进行工地危险行为识别，分别获得所述各危险识别特征的工地危险行为识别结果；
8、获取所述各危险识别特征所对应的危险因素数据，并结合所述危险因素数据对所述各危险识别特征的工地危险行为识别结果进行分析，结合分析结果标注所述各危险识别特征的工地危险行为分布，其中，所述危险因素数据中包括危险识别特征对应的危险元素的触发变量；
9、结合预先定义的各危险识别特征和所述原始样例工地施工监控数据簇，网络学习获得工地危险行为识别网络。
10、在一种可能的实施方式中，结合所述危险因素数据对所述各危险识别特征的工地危险行为识别结果进行分析，结合分析结果标注所述各危险识别特征的工地危险行为分布，具体包括：
11、从所述危险因素数据中提取与工地危险行为分布所对应的危险因果矢量；
12、结合提取出的危险因果矢量，确定所述各危险识别特征的危险元素；
13、将所述各危险识别特征的危险元素与工地危险行为识别结果进行匹配，如果匹配，则将所述各危险识别特征的工地危险行为分布输出为所述工地危险行为识别结果，如果不匹配，则将所述各危险识别特征的危险行为数输出为所述危险元素表示的危险行为数据。
14、在一种可能的实施方式中，结合预先定义的各危险识别特征和所述原始样例工地施工监控数据簇，网络学习获得工地危险行为识别网络，具体包括：
15、结合预先定义的各危险识别特征和所述原始样例工地施工监控数据簇，再次进行网络学习生成工地危险行为识别网络。
16、在一种可能的实施方式中，结合预先定义的各危险识别特征和所述原始样例工地施工监控数据簇，网络学习获得工地危险行为识别网络，具体包括：
17、结合预先定义的各危险识别特征和所述原始样例工地施工监控数据簇，更新训练所述原始工地危险行为识别网络。
18、在一种可能的实施方式中，网络学习获得工地危险行为识别网络之后，进一步包括：
19、获取测试样例工地施工数据簇；
20、结合网络学习后的工地危险行为识别网络，对所述测试样例工地施工数据簇中各测试样例工地施工数据进行工地危险行为识别，结合测试识别结果，确定所述网络学习后的工地危险行为识别网络的识别效果参数值；
21、若确定所述网络学习后的工地危险行为识别网络的识别效果参数值大于所述原始工地危险行为识别网络的识别效果参数值，则将预先定义的各危险识别特征和所述原始样例工地施工监控数据簇合并，并作为后一轮网络学习的原始样例工地施工监控数据簇，将网络学习后的工地危险行为识别网络作为后一轮网络学习的原始工地危险行为识别网络；
22、若确定所述网络学习后的工地危险行为识别网络的识别效果参数值不大于所述原始工地危险行为识别网络的识别效果参数值，则仍将所述原始样例工地施工监控数据簇作为后一轮网络学习的原始样例工地施工监控数据簇，并仍将所述原始工地危险行为识别网络作为后一轮网络学习的原始工地危险行为识别网络。
23、结合本专利技术实施例的另一个方面，提供一种基于大数据的智慧工地施工数据分析系统，包括：
24、获取单元，用于从智慧工地大数据中获取智慧工地施工数据；
25、提取单元，用于提取所述智慧工地施工数据的施工行为表征特征；
26、生成单元，用于结合完成知识学习的工地危险行为识别网络，以所述智慧工地施工数据的施工行为表征特征为输入，生成所述智慧工地施工数据的危险行为数据，其中，所述工地危险行为识别网络为结合预先定义的各危险识别特征和原始样例工地施工监控数据簇进行网络学习，生成危险行为数据，所述预先定义的各危险识别特征是结合原始工地危险行为识别网络和所对应的危险因素数据对所述各危险识别特征进行危险行为数据训练标注生成的，所述原始工地危险行为识别网络是结合原始样例工地施工监控数据簇进行网络学习生成的，所述原始样例工地施工监控数据为具有危险行为数据定义的样例智慧工地施工数据。
27、在一种可能的实施方式中，还包括学习单元，具体用于：
28、本文档来自技高网...
【技术保护点】
1.一种基于大数据的智慧工地施工数据分析方法，其特征在于，包括：
2.根据权利要求1所述的基于大数据的智慧工地施工数据分析方法，其特征在于，所述工地危险行为识别网络的训练步骤，包括：
3.根据权利要求2所述的基于大数据的智慧工地施工数据分析方法，其特征在于，结合所述危险因素数据对所述各危险识别特征的工地危险行为识别结果进行分析，结合分析结果标注所述各危险识别特征的工地危险行为分布，具体包括：
4.根据权利要求2所述的基于大数据的智慧工地施工数据分析方法，其特征在于，结合预先定义的各危险识别特征和所述原始样例工地施工监控数据簇，网络学习获得工地危险行为识别网络，具体包括：
5.根据权利要求2所述的基于大数据的智慧工地施工数据分析方法，其特征在于，结合预先定义的各危险识别特征和所述原始样例工地施工监控数据簇，网络学习获得工地危险行为识别网络，具体包括：
6.根据权利要求4或5所述的基于大数据的智慧工地施工数据分析方法，其特征在于，网络学习获得工地危险行为识别网络之后，进一步包括：
7.一种基于大数据的智慧工地施工
8.根据权利要求7所述的基于大数据的智慧工地施工数据分析系统，其特征在于，还包括学习单元，具体用于：
9.一种电子设备，其特征在于，包括存储器和处理器； 所述存储器，用于存储程序； 所述处理器，用于执行所述程序，实现根据权利要求1至7中任一项所述的基于大数据的智慧工地施工数据分析方法的各个步骤。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现根据权利要求1至7中任一项所述的基于大数据的智慧工地施工数据分析方法的各个步骤。
...【技术特征摘要】
1.一种基于大数据的智慧工地施工数据分析方法，其特征在于，包括：
2.根据权利要求1所述的基于大数据的智慧工地施工数据分析方法，其特征在于，所述工地危险行为识别网络的训练步骤，包括：
3.根据权利要求2所述的基于大数据的智慧工地施工数据分析方法，其特征在于，结合所述危险因素数据对所述各危险识别特征的工地危险行为识别结果进行分析，结合分析结果标注所述各危险识别特征的工地危险行为分布，具体包括：
4.根据权利要求2所述的基于大数据的智慧工地施工数据分析方法，其特征在于，结合预先定义的各危险识别特征和所述原始样例工地施工监控数据簇，网络学习获得工地危险行为识别网络，具体包括：
5.根据权利要求2所述的基于大数据的智慧工地施工数据分析方法，其特征在于，结合预先定义的各危险识别特征和所述原始样例工地施工监控数据簇，网络学...
【专利技术属性】
技术研发人员：李金祝，卢毅强，黄子洲，
申请(专利权)人：广东天波信息技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。