AI架構在橋梁施工風險識別系統中的應用

覃勇

摘要：文章分析了AI架構的基本理論與應用情況，建立了基于AI架構的橋梁施工風險識別系統，內容包括確定風險識別因子和系統整體框架、部署AI應用層架構、開發AI應用軟件等，并通過風險因子影響范圍的工程試驗，證明了AI架構應用于橋梁施工風險識別系統的可行性。

關鍵詞：AI架構;橋梁施工;風險識別

0 引言

橋梁工程在施工過程中伴隨有各類風險因素，包括環境、人員、技術、設備、管理等各個部分，這些風險因素對于橋梁工程的施工質量帶來較大影響，如果對這些風險因素發現不及時或處置不當則會引起更大范圍的人身傷害事故。因此，橋梁施工過程的風險識別技術已成為橋梁工程領域研究的主要內容，橋梁施工風險識別的準確性、有效性和及時性是保證工程質量和人身安全的前提。AI（Artificial Intelligence）人工智能在當前諸多領域中有廣泛而深入的應用，AI架構能夠解決當前人工和設備等無法處理的技術問題，可實現多平臺、多分支模塊的集成和技術融合，為各類工程技術難題的解決提供有效的處理方案。

1 AI架構基本理論與應用

AI架構以當前先進的物聯網系統為基礎支撐，以信號采集器、傳感器、處理器等計算機網絡單元為主要架構，以數據分析、接口轉換、模式識別等為處理核心，以神經網絡、蟻群回歸、拉氏變換等為主要算法，通過精準化掃描、結構化分析來輔助技術人員高效、優質地完成各項工程任務，被稱為人類第四次技術革命。AI架構的特點在于不僅能以人類現有的技術手段來分析各類工程問題，而且對于人類無法觸及的危險環境和無法預知的危險因素都能夠給出相應的預判和決策，其最大的特點是可以進行機器學習和自我進化。AI架構的主要特點、實現機理與應用領域如表1所示。

AI架構在工農業等各領域中均有一定的應用，近年來有關AI架構在建筑領域的研究與應用已逐步展開。盡管AI架構在建筑工程領域中的應用仍處于起步階段，但良好的發展勢頭和巨大的應用前景使其受到了業內的廣泛關注。以橋梁工程施工為例，AI架構可應用于橋梁的施工質量管理、施工進度[JP+1]監測、施工成本管控以及施工風險識別等各個部分。本文重點關注AI架構在橋梁施工風險識別系統中的應用技術，通過系統的搭建來證明AI架構應用于橋梁施工風險識別系統中的可行性[1]。

2 基于AI架構的橋梁施工風險識別系統

2.1 確定風險識別因子

橋梁施工過程中的風險因素主要包括以下幾方面：

2.1.1 施工方面

環境、材料、設備、人員、技術等都屬于施工方面的風險因素，其中人員和技術兩方面為主要部分，可通過施工前期施工環境的勘測分析，確定在施工過程中可能發生施工事故的大概位置，在施工過程中應予以規避。施工材料、施工設備在進場前應經過抽檢合格，杜絕質量不達標的施工材料和施工設備進場。施工人員應具備相應的施工資質，特種作業人員應持證上崗。施工技術應與施工方案相符合，對于交叉作業的情況，所使用的施工技術應由總工程師批準后方可執行。

2.1.2 管理方面

施工組織、監督、審核、驗收等都屬于施工管理方面的風險因素，其中施工組織和監督因素在橋梁工程施工過程中占主要部分，而施工審核和驗收對于橋梁施工質量的把控具有一定作用。施工組織涵蓋了施工人員的組織、施工進度的管理、施工設備的調配、施工材料的調用等。施工監督主要是施工現場的監理人員進行的項目管理，也可通過施工監管平臺對施工全過程進行量化管理。施工審核與驗收環節屬于施工后期的內容，這里不做贅述。

綜上，確定風險識別因子為環境（Environment）、材料（Materials）、設備（Equipment）、人員（People）、技術（Technology）、組織（Organization）、監督（Supervision）、審核（Audit）和驗收（Acceptance），分別用字母E1、M、E2、P、T、O、S、A1、A2表示。風險識別因子組成結構如圖1所示。

2.2 風險識別系統整體框架

基于AI架構的橋梁施工風險識別系統從整體上分為三個層次，分別是基礎資源層、網絡傳輸層和應用層（AI）?；A資源層包括數據采集器、數據傳感器、數據存儲器等主要構件。數據采集器和數據傳感器分布在橋梁施工現場，部分施工一體化設備已集成數據采集和傳感功能，例如帶有大量傳感探頭的數據采集器，將施工現場所獲取的數據暫存到數據存儲器中（緩存），通過網絡接口上傳到網絡。網絡傳輸層包括服務器端（部署在施工調度中心機房）、網絡設備（交換機、網線、轉接頭、上位機等）和客戶端（調度中心電腦或移動終端）。應用層（AI）屬于整個風險識別系統的頂層結構，也是核心層級，其具體功能是進行數據分析、風險識別和智能評估。風險識別系統應用程序（APP）可安裝在各類移動終端（手機、PAD、巡檢儀等）[2]?；贏I的橋梁施工風險識別系統主體架構如圖2所示。

2.3 應用層（AI）架構部署

AI架構的核心功能主要在風險識別系統的應用層實現，通過對已確定的風險識別因子進行數據對比分析，由AI架構程序評估出高危風險因子，在橋梁施工過程中予以重點監測和記錄。AI架構對施工風險的影響程度進行評估，并制定必要的解決方案供系統調度進行分析和整改。應用層（AI）架構部署如下頁圖3所示。通過圖3可以更加直觀地分析AI架構的具體功能與實際作用。對從橋梁施工現場獲取的數據依次進行傳輸、存儲、轉換和校準，如果其中任何一個流程進度失敗或者尚未完成，都可回轉至上一個流程節點，直至全部施工數據都執行完畢，即施工數據在上述流程之間的傳遞是互通的。數據對比分析單元將得到的數據進行分類和過濾等處理，去除AI架構無法識別的干擾數據，形成九類施工風險識別因子（E1、M、E2、P、T、O、S、A1、A2），最終由AI架構進行高危風險的識別與評估。

2.4 AI架構應用軟件開發

從目前的AI架構發展趨勢來看，多數工程上的應用是將AI架構的部分功能如仿真分析、模式識別或智能評估等進行模塊移植或流程掛接，具體來說是將這些功能集成歸化到某一應用程序上，如電腦軟件（桌面應用程序）或手機APP等，便于用戶對系統的掌握和使用。本文僅對橋梁施工風險識別系統的電腦軟件進行開發和應用，考慮到工程實施中會發生多用戶的并發讀寫情況，因此，采用面向對象的結構化Java語言進行編寫。為保證系統運行的穩定性和數據冗余備份需求，系統部署在兩臺服務器上，其中一臺作為應用服務器，另一臺作為數據庫服務器，這種分布式的架構序列能夠保證系統始終處于可用狀態。出于兼容性等方面的考慮，應用服務器操作系統版本為Windows Server 2012 R2，數據庫版本為SQL Server 2012，兩臺服務器可為宿主機（物理機）或虛擬機，也可為租用的云主機，視企業實際情況而定。橋梁施工風險識別系統Enterprise（企業版）3.0桌面客戶端登錄界面如圖4所示。

3 工程試驗與結果分析

3.1 風險因子影響范圍試驗

以廣西玉林市內某座橋梁工程為例，應用本文研究的AI架構，對該工程施工過程中的風險因素進行識別、分析，得出施工中潛在的危險點，為工程后續的隱患排查和施工整改做準備。選用本文研究的九類風險因子（E1、M、E2、P、T、O、S、A1、A2）進行風險因子的影響范圍試驗，試驗數據如表2所示。表2中列出了九類橋梁工程施工中常見的風險因子，進行施工現場的數據采集后上傳至橋梁施工風險識別系統，通過AI架構分析和比對后，得出各風險因子的影響范圍，并對其重要性（危險等級）進行評估。

3.2 結果分析

將表2中的系統數據導出生成柱狀圖（如圖5所示），可以非常明顯地看到，在這9類橋梁施工風險因子中，人員（People）、技術（Technology）、組織（Organization）和監督（Supervision）這四類因子所占的影響范圍較大，即在實際施工過程中由于這四類因子而引發的施工風險或施工事故的可能性較大，分別占比為21.0%、23.2%、22.1%和21.3%，在施工中應重點監測。而其余五類因子引起的橋梁施工風險或事故的可能性較小，嚴格按照相關標準規范進行施工即可。

4 結語

在工程實踐中，應結合實際情況，因地制宜，不宜生搬硬套，而應制定有針對性、適用性的施工方案，做到安全、經濟、高效施工。古毛2號橋主橋0#塊施工過程能提前結合后續臨時固結工序和地形地貌實際情況制定施工方案，使方案的具體實施取得了較好的效果，加快了施工進度，節約了施工成本，保證了施工安全。

[1]周水興，何兆益，鄒毅松.路橋施工計算手冊[M].北京：人民交通出版社，2001.

[2]GB 50017-2017，鋼結構設計標準[S].

[3]J/T F50-2011，公路橋涵施工技術規范[S].

作者簡介：覃 勇（1979—），工程師，主要從事現場施工管理、計量管理工作。