珠江三角洲水資源配置工程智慧化管理體系研究

王亞權，吳思琦，杜燦陽，呂建明,3，張兆波

(1.華南理工大學 計算機科學與工程學院，廣州 571000；2.廣東粵海珠三角供水有限公司，廣州 510000；3.華南理工大學大數據與智能機器人教育部重點實驗室，廣州 571000)

1 概述

珠江三角洲水資源配置工程是國務院批準的《珠江流域綜合規劃(2012—2030年)》提出的重要水資源配置工程，也是國務院要求加快建設的全國172項節水供水重大水利工程之一。該工程以打造新時代生態智慧水利工程為建設目標，優化配置珠江三角洲地區東、西部水資源，從珠江三角洲網河區西部的西江水系向東引水至珠江三角洲東部，主要供水目標是為廣州市南沙區、深圳市和東莞市的缺水地區提高供水保證程度，為香港特別行政區以及廣州省番禺、順德等地區提供應急備用供水條件。工程設計取水口引水流量為80 m3/s ，輸水線路總長度為113.2 km。

工程的輸水線路主要以盾構掘進方式，全線整個工程將分為多個標段進行分段施工。在工程信息化建設方面，對各個標段的工程設計、施工、運營等方面進行全面的信息化管理，遵循中央、水利部、廣東省政府、廣東省水利廳等各級管理單位對水利信息化的建設要求及規范進行實施，形成統一的信息化建設規范對全線工程的信息化建設提供指導建議，并按照水利部“智慧水利總體方案”總體指導和要求，開展珠江三角洲水資源配置工程的智慧工程建設。

針對大型水利工程項目管理目標的復雜多樣性，該項目以“打造新時代生態智慧水利工程標桿”為目標，綜合運用云計算、大數據、物聯網、人工智能、BIM及移動互聯等技術手段，設計了兼容生產設備不同傳感器信號以及各個信息管理系統多源數據的高效采集方法，提出了基于復雜多源數據的融合挖掘方法，同時，采用BIM+GIS系統為工程提供全新的態勢感知以及三維可視化，智能輔助工程建設管理決策。該工程項目的信息化建設方案對同類型的大型水利工程的信息化系統建設具有參考價值。

2 研究現狀

水利部歷來高度重視水利信息化建設，2017年5月水利部正式印發《關于推進水利工程大數據發展的指導意見》，該指導意見深入貫徹黨中央提出的國家大數據戰略，旨在水利行業推進數據資源共享開放，促進水利工程大數據發展與創新應用[1]。經過近20 a的水利信息化建設，水利綜合信息采集體系初步形成，網絡通信保障能力明顯提高，初步形成了水利工程智慧化管理體系，利用云計算、大數據、物聯網等技術，實現了對于工程建設運行管理的自動化智能化。具體來說，水利工程智慧化管理方面的研究現狀和實踐可以分為以下3個方面。

2.1 工程數據的分類

工程數據的采集和集成是水利工程管理分析的基礎。張建新和蔡陽[2]將水利工程大數據來源分為江河湖泊水系、水利工程設施和管理活動。陳逸恒等[3]將水利工程大數據來源分為自然、社會、業務三個維度。程益聯和付靜[4]將水利工程對象分為自然類和非自然類兩個大類。綜合上述研究成果，大致可以將水利大數據來源歸結為自然環境類、社會活動類、工程設施類、業務管理類等四個維度。為獲取上述4類對象的信息內容，采集手段分為地面監測、衛星遙感、航空遙感、互聯網采集及模型模擬(再分析)等5類[5-7]，構成了立體監測體系，形成對水利信息感知的“天羅地網”。

2.2 工程數據立體感知

實現工程數據立體智能感知需要借助BIM、GIS、云計算、物聯網、5G的綜合集成應用，在工程建設中實現對海量工程數據進行收集、存儲、整理與挖掘。具體而言，智能感知體系通常可以分為5層：感知層、存儲層、模型層、處理層和應用層[8-12]。感知層主要負責工程數據的采集，采用物聯網技術和5G的應用和集成為利用各類感知儀器自動、實時采集海量工程數據奠定了基礎，有效提高了數據的完整性、實時性、可靠性；存儲層負責對收集的數據進行存儲與管理；以BIM與GIS技術為核心的模型層通過統一的數據組織、描述與建模方法，解決建設項目全生命期工程特性、建設過程與決策方式的建模問題；處理層負責對數據進行分析處理；應用層是與用戶的接口，通過可視化交互式方式，面向不同用戶提供平臺的各類應用功能，是其他幾層具體功能及價值的外在體現。

2.3 工程數據分析挖掘方面的工作

水利工程大數據價值鏈的最重要階段就是數據分析，其目標是從和主題相關的數據中提取盡可能多的信息。根據數據分析深度，可以將數據分析分為描述性分析、預測性分析和規則性分析3個層次[8]。根據工程科學研究和業務管理特點，依據工程決策流程，將數據分析類型分為規律解析、態勢研判、趨勢預測和決策優化4個層次[6]。朱躍龍等[13]提出一種基于語義相似的水文時間序列相似性數據挖掘方法。艾萍[14]等基于在線事務處理和在線數據挖掘構建了工程數據在線分析和知識發現系統模型。韓紅旗[15]提出基于OLAP和OLAM的探查性水利工程數據挖掘模型。謝敦禮[16]等提出了基于GIS的城市供水工程數據挖掘方法。涵蓋的數據分析方法包括傳統的數據挖掘、統計分析、機器學習、文本挖掘、深度學習等，利用大數據分析方法建立模型，實現工程大數據的分析挖掘，為決策提供輔助和支持。

3 體系結構設計

3.1 主要挑戰

大型水資源配置工程建設的信息化管理，面臨下述重要挑戰：

1)如何實現多源、異構、巨量數據的實時融合匯聚和融合。由于大型水資源配置工程建設是一個復雜的系統工程，期間涉及到來自不同地域、不同機構、不同實體的海量信息，其中包括安全監測信息、質量檢測信息、施工現場信息、工程進度信息、資金信息、環境信息、工程模型信息等。信息是管理的根本，如何對來源、形態各異的巨量數據進行實時存儲、管理、和融合，以支持高效、靈活的運用，是大型水資源配置工程建設所需要解決的重要挑戰。

2)如何實現多層面、多尺度、全方位立體感知工程建設情況，進而全面提升指揮調度效率。高質量、有序、安全地建設大型水資源配置工程，需要對工程建設情況實施全方位立體感知，全面把握與建設息息相關的質量態勢、安全態勢、進度態勢、和資金態勢。

3)如何最大化數據效用，實現數據驅動的智能分析與決策。隨著項目的推進，各種來源的數據將累計達到空前規模，如何充分利用積累的歷史數據，挖掘關聯模式，對實時信息進行分析、預警和輔助決策，是亟待解決的難題。

3.2 總體結構

基于上述挑戰性問題，智慧化管理平臺體系結構的設計包含以下4個層面(如圖1所示)。

圖1 總體結構示意

1)多源、異構數據匯聚層。在整個工程實施過程中，將用戶管理數據、工程項目管理數據、安全監測數據、質量檢測數據、征地移民數據、施工監管數據、環境保護數據、水土保持數據、GIS數據、BIM數據等進行匯集、治理、模型構建，整合形成統一數據標準的數據資源池，構建數據訪問、分析服務中心。

2)立體感知層。通過BIM+GIS手段，多尺度、多視角、直觀呈現工程建設實時情況。宏觀層面上，將全面把握與建設息息相關的質量態勢、安全態勢、進度態勢和資金態勢；微觀層面上，直觀展示施工人員狀況、施工現場設備狀況、現場環境等“人機料法環”關鍵要素。

3)智能分析層。通過關聯分析、時空數據預測、多尺度異常檢測等手段，實時發現項目實施過程中各類風險；通過三維數據可視化的手段，支持快速直觀的智能決策。

4)平臺展示層。通過制定統一的應用服務接口，實施跨平臺多終端融合展示(其中包括移動終端、PC終端、工業電視及VR系統)，全方位、實時展現項目推進的細節以及智能分析的結果。

3.3 多源、異構數據匯聚

在整個水利工程的實施過程中，所涉及的數據分為施工現場數據和項目管理數據兩類。其中施工現場數據包括：施工關鍵設備運行狀態數據(如盾構機、塔吊等監控數據)；施工人員監控數據(如單兵系統的視頻通信數據，智能安全帽感知的位置數據，視頻監控平臺感知的施工人員行為數據等)；環境監控數據(如揚塵監控、噪音監控)等。而項目管理數據則包括在項目實施過程中的人員信息、物資管理信息、進度信息、質量控制信息、投資信息以及各類項目文檔。數據類型具有結構化和非結構化混合、多種模態并存、時空相關等顯著特點。

如圖2所示，多源、異構數據的匯聚的目標是構建支持珠江三角洲水資源配置工程建設的數據資源池，以智慧建管、智慧監管、智慧生態、綜合辦公等應用為導向，匯總梳理水利數據資源現狀，建立標準統一的數據資源目錄。按照統一的標準規范、統一的數據模型，開展多源數據抽取、清洗、比對、轉換等數據整合治理，形成具有權威性、完整性、準確性、現勢性的水利數據核心資源，經過多源數據融合、多業務主題的加工制作，形成滿足不同業務需求的服務數據。

圖2 數據資源池示意

數據資源池的構建過程如圖3所示，從珠江三角洲水資源配置工程各業務對水利數據資源的需求出發，依據數據應用范圍和關聯關系，基于現有面向業務視圖建模、語義空間不一致的數據資源，利用數據庫開發技術、ETL數據技術、質量控制技術等數據治理技術，完成數據歸一化處理，整合形成統一數據標準的數據資源池，為數據分析、信息共享、信息服務和支持決策提供基礎。

圖3 數據資源采集治理流程示意

3.4 立體感知和多視角呈現

為實現對工程建設的多層面、多尺度、全方位立體感知，珠江三角洲水資源配置工程建立符合行業目前發展需要的工程建設數字孿生。實現物理世界信號的智能感知，并在虛擬世界中的疊加和直觀呈現，從而方便管理者第一時間、多尺度、多視角把握項目實施情況。所采用的核心技術包括：

1)基于AI算法的智能感知。面向工程建設數據的智能分析算法，從海量數據抽取重要事件，感知事態變化。

2)BIM+GIS智能展示。通過自主開發的基于瀏覽器的BIM輕量化引擎、GIS引擎，以及基于Unity 3D深度定制的VR引擎直接加載中間格式文件，滿足同一模型格式支持多個場景應用，實現“一模多用”。

3)物聯網。將盾構機、配電箱、龍門吊、塔吊、升降機等關鍵設備按約定的協議與物聯網數據平臺互聯，進行信息交換和通信，以實現智能化識別、定位、跟蹤、監控和管理。

4)5G技術。在遠距離遙操作任務中通過5G技術實現低延遲感知和操作，通過BIM+GIS體系中的感知層實現精確控制，同時利用VR技術，可以保證遠端真實作業與本地虛擬環境的一致性。

具體而言，在工程數據智能分析方面，將工程建設數據歸納為可供智能分析的4類基礎數據：工程建設時序數據，工程建設視頻、圖像數據，工程建設時空軌跡數據，工程建設文本及表格。針對工程建設中的關鍵設備、物料中心、質量檢測、環境監測等時序信息，綜合運用神經網絡等深度學習算法，融合安全監測理論方法，構建如圖4a所示的安全監測時序數據分析平臺，為工程安全監測采集、管理、分析、決策提供重要支撐；同時，利用工地現場的視頻圖像、運輸車輛視頻監控等視頻數據，采用YOLO等人工智能視頻分析技術，構建了如圖4b所示的工地狀態和運輸車輛狀態智能監控系統。通過施工區安裝的球形或槍形監控及車載監控系統，實現人員身份辨識、禁區識別、安全帽識別、異常事件監測、違規抓拍等功能；對于車輛及人員的軌跡信息，通過如圖4c所示的GPS定位系統對運輸車輛及施工人員的軌跡進行分析，使管理人員能夠掌握人員車輛分布情況，便于合理調度，同時能夠根據軌跡信息進行事前預警和事后分析；為工程建設推進過程中的非結構文本信息和結構化表格信息構建專用數據庫，通過自然語言理解分析，抽取關鍵數據進行文本結構化處理并進行存儲，實現關系查詢、全文信息檢索、智能問答等。

圖4 智能分析應用示意

在BIM+GIS系統平臺的集成方面，考慮GIS和BIM的配合使用(如圖5所示)，首先，GIS服務器選擇超圖GIS底層，實現按各業務系統應用需求靈活定義的GIS應用服務，可支持將矢量、柵格及目前流行的傾斜攝影及點云數據集成。其次，開發面向BIM數據的數據匹配及調度服務，實現跨區域的空間信息、模型信息以及相關工程數據的集成。形成承載并管理引水工程的空間和引調水設施全要素全過程信息的基礎平臺，以結構化和輕量化后的BIM數據為核心，建立與GIS、二維、文檔及業務系統的多維度數據的融合；在統一編碼的基礎上，實現對BIM幾何信息、屬性信息和過程信息的動態管理的能力。

圖5 BIM+GIS系統平臺示意

通過綜合采用虛擬現實技術、5G技術、BIM技術，可實現對工程建設現場的第一人稱視角的逼真呈現。實施的過程中，利用現場傾斜攝影、BIM+GIS等技術，施工單位制作如圖6所示的三維全景電子模型，支持在模型中查看項目情況，了解工程區域地形地貌、工地建設面貌等信息，并通過關聯GIS進行直觀展示。在BIM+GIS系統的基礎上，基于虛擬現實的遙操作系統，利用交互設備操作虛擬設備和遠端設備，通過相關程序對虛擬設備進行實時更新，并顯示給操作人員，使操作人員能夠直觀、高效地完成遠程作業任務。在遠距離遙操作任務中通過5G技術實現低延遲感知和操作，通過BIM+GIS體系中的感知層實現精確控制，同時利用虛擬現實技術，可以保證遠端作業真實作業與本地虛擬環境的一致性。

圖6 三維電子沙盤示意

具體應用架構如圖7所示。珠江三角洲水資源配置工程數據平臺可以分為4個部分：其中服務組件向下通過數據資源池及BIM+GIS支撐平臺獲取數據，向上為功能層提供數據；功能層和集成層負責將數據進行整合和分析，通過集成不同系統的信息，做到多層面、多尺度感知，全方位立體感知，最后通過展示層將各系統及功能信息進行全方位展示，輔助工程全階段的管理和監測。

圖7 應用架構示意

3.5 數據驅動的智能分析與決策

隨著項目的推進，大型水資源配置工程建設所產生的多源、異構數據將累計達到空前規模。數據形式既包括結構化表格數據，也包括非結構化的視頻、文本數據；從數據時空維度上，既包括時序數據，也包括空間相關數據；從數據尺度上而言，既包括大范圍的宏觀態勢數據，也包括小范圍的施工現場數據；從所涉及的數據對象，涵蓋了設備、人員、征地、資金、進度、環境要素等。數據的多樣性，一方面增加了協同處理的難度，另一方面也為融合創新帶來新的機遇。

為最大化地挖掘數據的關聯性，發揮數據的效用，本項目使用基于事件圖譜的多源信息融合技術，實現數據之間的關聯性建模，并發揮事件發現、關聯分析、預測推理和輔助決策的作用。具體而言，將大型水資源配置工程建設管理的過程中所關注的信息單元歸結為事件，是在某個特定的時間、特定的地點、由若干個相關角色參與的一件事情或者一組事情。工程的推進可以看出是由一系列的事件構成，管理的抓手就是感知、分析、推演事件，并基于此做出進一步決策。因此，針對不同類型的數據，采用相應的數據清洗、對齊、事件抽取、事件關聯的過程，實時獲取并保存實時更新的事件數據，構成以圖8為例的工程事件圖譜，刻畫事件之間的邏輯關系，包括時序關聯、因果關系、空間關聯、實體關聯等，用于輔助事件分析和決策。

圖8 工程事件圖譜示意

基于該事件圖譜，可實現如下智能輔助決策功能：

1)基于事件圖譜的多視角異常自動發現。通過融合多個信息源，關聯分析多個事件，提供多視角、多尺度的更加全面的異常事件發現。

2)基于事件圖譜的事件溯因。針對所發生的特定事件，可利用事件圖譜迅速獲得事件相關的實體和事件，分析事件發生的潛在原因，自動形成事件關鍵發展脈絡，支持多層次、多視角的事件探究，較大提高事件響應效率。

3)基于事件圖譜的事件推理。基于事件之間的邏輯關系以及歷史事件圖譜中所揭露的事件之間的關聯規律，對當前所發生的事件進行合理推理，以達到輔助決策管理的目的。具體而言，主要包括時序關聯預測、空間關聯預測、實體關聯預測、復合關聯預測。有效實時展示事件的演化、預警，達到輔助決策、最大程度降低嚴重事件發生的風險。

4 結語

本項目以“打造新時代生態智慧水利工程標桿”為目標，針對大型水資源配置工程建設案例，利用大數據、云計算、物聯網、5G、虛擬現實、人工智能等技術，設計了針對工程中復雜多源異構數據的采集、感知、分析、可視化體系結構方案；針對大量生產設備傳感器的信號，提出了高效的多源異構信息采集方法，實現多源信息的實時高效融合；結合BIM+GIS手段多尺度多視角呈現工程的實施相關情況，從宏觀和微觀對項目管理進行直觀展現；同時通過運用知識圖譜，構建工程事理圖譜，充分利用大數據優勢，挖掘數據關聯性，實現數據間的關聯性建模，發揮事件發現、關聯分析、預測推理、輔助決策的作用。