篇一基于工程图纸的地铁施工安全风险知识库构建.doc

篇一：基于工程图纸的地铁施工安全风险知识库构建 引言 将下面两段融入为一段 地铁工程具有投资规模大、建设周期长、施工技术复杂，不可预见致险因素多、社会环境影响大等特点，是一项高风险建设工程。以深圳地铁为例，仅2009年7月就发生伤亡事故4起，死亡5人。在施工准备期进行风险辨识是排查重大安全隐患，制定安全控制方案，减少地铁施工伤亡事故的重要环节，但由于地铁工程涉及明挖、暗挖、盖挖等各类施工工法，全线工程地质水文条件具有差异性，车站/区间土建施工与周围环境相互作用存在不确定性，因此，完成高效、精准的风险识别工作将面临着如下挑战： （1）致险因素多、关系复杂，风险识别难度大 地铁施工安全风险识别涉及车站/区间建筑形式及施工工法、工程地质及水文地质条件、周边施工环境等多种影响因素。对于任一风险（例如：基坑底流砂）都与多个致险因素相关，由于岩土的弹塑性特点及目前技术条件下对地下工程的认识不足导致致险因素的确定及定量化具有较大难度。 （2）风险识别知识未系统化 地铁施工安全风险辨识的基本知识与判定标准来自规范、施工方案、专题报告、科技文献、专家经验等，此类理论性知识和专家经验性知识尚未得到系统的整理和提炼，大多处于零散和重复状态。例如：与风险识别直接相关的基坑侧壁安全等级划分、隧道施工围岩等级等均在设计施工规范中规定；盾构始发阶段具有工作井坍塌、凿除洞门涌土涌水等5类风险在文献中有提及； （3）领域专家经验未能重复利用 地铁施工传统风险识别过程中的风险源判定、致险因素分析、事故发生可能性风险大部分依赖于专家经验。而领域专家属于稀缺资源，受时间和空间的限制，不可能普遍的实施咨询和指导。经验方法作出的预测一般是定性的，偏于保守。对重大问题需组织不同专长的领域专家协同工作，操作上存在一定困难。 （4）传统风险识别方法工作量大、易出错 传统的风险识别方法如：专家评分法、经验分析法、统计分析法、事故树风险法要求识别人具有较丰富的工程经验。风险识别中重要环节是人工阅读整套施工图纸，了解工程特点及设计思路，具有丰富施工经验的高级工程师阅读和理解一套围护结构施工图纸（一般25-30张A1图纸）约需2个工作日，识别风险、文档编写、开会讨论需2个工作日，评估过程工作量大。同时由于受身体疲劳、工作环境影响，具有一定的主观性，且易产生误辨、遗漏等问题。例如：通过识图可大致判断隧道底所处的地层，开挖范围内存在几处溶洞或淤泥层，但信息准确度不高。 本研究通过总结地铁工程施工安全风险识别领域的相关理论性知识和经验性知识，完成风险及致险因素分析，引入可信度理论作为支撑构建风险识别知识库；研究计算机自动工程图纸识别模式和算法，获取工程参数，并建立图素与知识库的关联；在上述基础上研发地铁工程施工安全风险自动识别专家系统，实现施工准备期风险预评估。 国内外研究现状 专家系统是人工智能研究领域中里程碑式的突破，是解决非确定性、经验依赖型复杂问题重要手段。其构造方法包括：基于规则、基于知识、案例推理、智能Agent等11类，应用领域涉及机械、电力、农业、医学、商业、化工等[1]。专家系统在土木工程领域主要应用包括桥梁、水工、高层结构设计[2-4]、结构健康监测[5]、损伤/破坏评估[6-7]等。有文献报道利用模糊层次分析法进行地下工程开挖方式选择[8]，利用案例推理技术在地铁运营交通控制智能决策支持应用[9]，对于施工风险自动识别专家系统构建很少有文献涉及。 传统的复杂专家系统应用需输入大量初始事实，效率不高且易出错，如何通过计算机自动识别工程图纸，获得原始工程信息，减少人为识图理解差异及提升输入效率成为专家系统实用化关键环节。 图形识别领域研究涉及机械设计图、逻辑电路图、地图、建筑图、乐谱、LOGO等各类图纸和符号信息的识别，传统的识别方法包括结构化匹配、语法匹配、基于约束、神经网络、统计分类、决策树等方法[10]。国际研究文献关注纸质图纸扫描形成的光栅图如何矢量化，及设计算法消除光栅图中模糊、污点、断线等不利因素对图纸符号识别影响。由于国外地铁建设高峰期在20世纪70-80年代，当时CAD技术在建筑工程设计中的应用还未普及，因此对地铁工程结构施工图典型图元符号如何识别少有文献涉及。 在房屋建筑施工图柱、梁、板、墙等典型图元识别方面已有些研究成果[12]，其主要用于自动工程算量及三维建模领域[13-14]。地铁工程结构施工图典型图元符号自动识别及应用于风险管理领域的研究尚不多见。由于地铁工程施工图纸标准化程度较低、典型结构构件种类较多且组合形式与施工工法相关、地质纵剖面图地层图例符号旋转变形，因此，地铁工程施工图识别难度较大。 2 地铁工程施工安全风险识别知识库构建 风险识别知识库是地铁施工风险识别专家系统的核心组件，主要包括事实库和规则库两部分。知识库中存放事实性知识和启发