智能技術支持下危大工程的安全管理系統構建及應用

朱帆，張科攀

（中交二航局第一工程有限公司，湖北 武漢 430000）

0 引言

隨著建筑行業向數字化、智能化轉型，危大工程的安全管理工作加強了現代化智能技術的運用，轉變了傳統安全管理形式。智能技術作為全新的數字化工具，為危大工程的安全管理提供了獨特視角和深入應用。BIM技術與傳感器、移動互聯網、云計算等先進技術相結合，使得安全管理從預警、預測到決策都更加精確、及時。這為危大工程的實施帶來了積極的變革，同時也挑戰了傳統的施工和管理模式。國內眾多研究學者也就危大工程安全管理展開相應研究，甘培生[1]認為，隧道施工的風險往往源于多種因素的交叉影響，這需要從系統的角度對工程的潛在風險進行評估，隨后針對評估結果構建早期預警機制，利用早期預警機制有效避免事故的發生。程世龍等[2]認為深基坑工程不僅僅是技術問題，更多地與人為因素相關，所以在施工時需要為施工人員提供持續的安全培訓，實現施工信息化，加強構建安全監控管理系統，增強施工人員的安全意識，還可以確保施工人員具備處理各種緊急情況的技能。本研究在此基礎上進行創新，依托于信息技術構建完整安全管理系統，且在實際工程中應用，進一步提高危大工程施工安全性。

1 危大工程的安全管理系統的需求分析

在智能技術支持下，危大工程安全管理系統（SGMS）的構建與應用需求分析，首先應明確系統的功能定位、性能指標及使用環境，確保在危大工程實施過程中，實時、準確地對工程安全狀況進行監控、分析與預警。SGMS應覆蓋危險源識別、風險評估、安全預警、應急響應與事故調查等核心環節，為工程實施提供全方位安全保障[3]。

（1）SGMS需整合多源數據采集技術，通過傳感器網絡實現工程現場環境參數、設備狀態與作業人員行為的實時監測，數據采集設備應滿足防爆、防水、抗干擾等工業級性能要求，保障系統在惡劣環境下穩定運行。采集到的數據應通過無線通信網絡傳輸至數據中心，實現數據的集中存儲、管理與分析。數據中心應配置高性能計算與存儲設備，支持大數據處理與智能分析技術，為風險評估與事故預警提供強大計算支持。

（2）風險評估模塊應采用先進的風險評估理論與方法，如FMEA、FTA、QRA等，實現對工程現場潛在危險源的定量或定性評估，輸出風險等級與風險圖，為工程實施提供科學依據。安全預警模塊應根據風險評估結果，設置合理的預警閾值，實現對超限風險的實時預警與報警，及時通知現場作業人員與管理人員采取預防措施，防止事故的發生。

（3）應急響應模塊應制定完善的應急預案，實現對事故的快速響應與處理，減小事故損失。事故調查模塊應記錄事故發生的時間、地點、原因與結果，為事故調查與分析提供數據支持，為今后防范類似事故提供經驗教訓。此外，SGMS還應具備良好的用戶界面與操作體驗，支持多用戶、多角色的權限管理與操作，實現對不同用戶的個性化需求滿足。

（4）SGMS在危大工程實施過程中起到了安全“守護者”的作用，通過實時監測、風險評估、安全預警、應急響應與事故調查等技術手段，有效預防與減小事故風險，保障工程的順利實施與完成。為保證SGMS的成功構建與應用，需對其進行詳細的需求分析與設計，考慮各種可能的使用場景與用戶需求，確保系統的功能完備、性能優越與操作簡便，滿足危大工程的安全管理需求。

2 危大工程的安全管理系統構建的目標和原則

2.1 危大工程的安全管理系統構建的目標

在智能技術助力下，危大工程的安全管理系統（SGMS）構建目標與旨在建立一套集實時監控、風險預警、應急響應及事故調查為一體的綜合性安全管理平臺。

（1）確保工程現場的實時安全監控，通過部署高精度傳感器、實施多源數據融合及采用邊緣計算技術，實現對危險源的精準定位與追蹤，為現場人員提供實時安全保障。例如，在某高層建筑施工項目中，通過實施SGMS，成功預防了多起因不當操作可能導致的墜落事故[4]。

（2）系統需具備高效的風險預警與分析功能，引入人工智能與大數據技術，實現對工程現場數據的深度學習與分析，及時發現潛在風險，并通過智能算法進行風險等級評估與分類，為管理人員提供科學決策依據。以某隧道工程為例，系統成功識別了施工過程中的多個潛在滑坡風險點，并及時啟動預警機制，避免了可能的重大事故。

（3）目標包括建立完善的應急響應機制，將應急預案與現場操作緊密結合，實現快速響應與有效處置。引入虛擬現實與增強現實技術，為現場人員提供直觀的操作指導與培訓服務，提升其應對突發事件的能力。在某油氣工程中，通過SGMS的有效指導，現場人員成功處置了一起設備泄露事件，確保了工程的順利進行。

（4）系統還需提供全面的事故調查與分析工具，記錄事故發生的全過程，并通過數據挖掘與模式識別技術，找出事故的根本原因，為防止同類事故的再次發生提供重要參考。以某橋梁工程為例，系統成功記錄了一起設備故障事故的全過程，為事故調查提供了有力證據。

2.2 危大工程的安全管理系統構建的原則

危大工程安全管理系統（SGMS）構建原則的核心是“安全優先”，確保系統規劃、設計與實施過程中始終堅持人員與設備安全為首要目標。例如，在某核電站項目中，通過引入先進的安全管理體系與技術，強化安全文化建設，實現了零事故的目標。其次是“實時動態”，系統需支持實時數據采集、傳輸與處理，實現對工程現場狀態的實時監控與動態分析，及時發現并處理潛在的安全隱患。以某高速公路工程為例，通過部署大量的傳感器與攝像頭，實現了對交通流量、天氣條件與路面狀態的實時監控，有效預防了交通事故的發生。再者是“智能分析”，引入人工智能與大數據技術，實現對海量數據的深度學習與智能分析，為決策者提供科學依據。在某大型港口工程中，通過實施智能分析技術，成功識別了多個潛在的安全風險點，為管理者提供了重要參考。最后是“用戶友好”，系統需提供簡潔直觀的操作界面與豐富的用戶服務，支持多用戶、多角色的權限管理與操作，實現個性化的用戶體驗與服務。以某風電工程為例，通過提供個性化的操作界面與服務，大大提高了現場操作人員的工作效率與滿意度。綜上所述，SGMS的構建原則是以人為本，以安全為先，通過實現實時動態、智能分析與用戶友好等多個方面的優勢，為危大工程的安全管理提供有力的技術支持與保障[5]。

3 智能技術支持下危大工程的安全管理系統構建

3.1 總體框架

智能技術支持下危大工程的安全管理系統（SGMS）總體框架分為數據采集層、數據處理層和應用服務層。數據采集層依托傳感器網絡和IoT設備，執行實時監測與數據采集，覆蓋環境參數、設備狀態和操作行為等多個方面，實現工程現場的全面感知。例如，通過部署高精度的溫度、濕度、震動和噪聲傳感器，以及高清攝像頭和RFID設備，實現對工程現場的實時監控與數據采集。數據處理層引入云計算與邊緣計算技術，實現對大量采集數據的高效存儲、計算和分析，支持數據的實時處理與離線分析，滿足不同應用的需求。通過引入人工智能與機器學習技術，實現對數據的深度學習與智能分析，為風險預警與決策支持提供科學依據。應用服務層提供多個安全管理應用與服務，覆蓋風險預警、事故響應、安全培訓和事故調查等多個環節，為工程現場提供全方位的安全保障。通過開發簡潔直觀的操作界面與豐富的用戶服務，支持多用戶、多角色的權限管理與操作，實現個性化的用戶體驗與服務。下面，可以制作一個流程圖來展示SGMS的總體框架，如圖1所示。

圖1 智能技術支持下危大工程的安全管理系統框架

3.2 結構

智能技術支持下危大工程的安全管理系統構建呈現多層結構。其中以深基坑工程監測系統結構、高大模板安全監控系統結構、建筑起重機械的智能監測系統結構為主，實現對危大工程各施工環節實時追蹤，確保工程各項指標正常。以下則對其進行充分分析。

3.2.1 深基坑工程監測系統

基于物聯網技術的深基坑工程檢測系統結構主要包含了以下幾方面：（1）數據采集層：由多種傳感器組成，如位移傳感器、土壓力傳感器、水位傳感器等，可實現深基坑實時數據采集。（2）通信傳輸層：采用物聯網通信模塊，如NB-IoT、LoRa等，實現傳感器數據的實時上傳。（3）云端處理層：數據上傳至云端服務器進行存儲和初步處理。此層利用云計算技術提供強大的數據存儲和計算能力。（4）數據分析與決策層：結合大數據技術，對收集的數據進行深度分析，通過算法模型預測潛在的風險和異常，輸出預警信號。（5）應用與反饋層：基于移動互聯網技術，管理人員可通過手機或平板實時查看基坑的各項參數和預警信息。同時，BIM技術將實時數據與三維模型相結合，直觀顯示基坑的各種情況。系統結構如圖2所示。

圖2 深基坑工程檢測系統

深基坑工程檢測系統通過與其他技術的結合，如大數據、云計算、移動互聯網和BIM，構建的系統不僅能夠高效地收集和傳輸數據，還能為現場管理人員提供直觀、科學的決策依據。例如A市的BC道路橋梁工程，在施工過程中就對深基坑工程檢測系統進行了有效應用，該工程開挖深度超過3m，危險性極高，應用深基坑工程監測系統后24h不間斷地對深基坑的各項參數進行實時監測，確保任何時刻的數據準確性和即時性，同時當檢測到的數據超出預設的安全范圍時，系統會自動發出預警，使得工程團隊能夠迅速采取措施，確保工程安全，該工程施工過程中并未出現意外情況。

3.2.2 高大模板安全監控系統

在高大模板安全監控系統結構主要是利用BIM技術，涉及以下幾方面：（1）模型構建層：利用BIM技術創建模板的三維模型，此模型不僅展示模板的幾何形態，還可以嵌入材料屬性、載荷信息和其他工程參數。（2）數據采集和整合層：在模板的關鍵位置安裝傳感器，如應力傳感器、溫濕度傳感器和傾斜度傳感器等，實時采集數據并將這些數據整合到BIM模型中。（3）實時監控與分析層：將采集到的數據與BIM模型相結合，以動態的方式展示模板的工況狀態，如位移、應力分布等。結合云計算技術，實現遠程數據處理和存儲。（4）預警與決策支持層：利用大數據技術對模型中的數據進行深度分析，及時發現可能的風險點，為管理團隊提供預警并給出可能的解決方案。（5）移動互聯應用層：基于移動互聯網技術，現場工作人員及管理團隊可隨時查看模板的三維模型和安全數據，進行決策支持。

3.2.3 建筑起重機械的智能監測系統

物聯網技術構建建筑起重機械監測系統結構可實現實時監測危大工程現場建筑起重機械設備運行情況。該系統結構主要包含了以下幾方面。（1）感知層：物聯網傳感器被廣泛布置在起重機的關鍵部位，如吊鉤、吊臂和支架。這些傳感器實時捕捉位移、振動、溫度、載荷等關鍵參數。（2）傳輸層：利用先進的無線通信技術，如NB-IoT或LoRa，確保數據的實時、穩定傳輸至數據中心。（3）處理與存儲層：數據通過物聯網網關傳送至云端，云計算技術在此發揮其強大的數據處理能力，對大量數據進行分析和整合，并在云端進行存儲。（4）應用與服務層：在此層，數據被轉化為有意義的信息。例如，系統可以通過對傳感器數據的長期跟蹤，預測起重機何時需要維護或更換部件，進而實現預測性維護。（5）用戶交互層：操作人員通過移動互聯網技術，無論身處何地，都能夠實時查看起重機的工作狀態、預警信息及運行報告。例如C市MK高層建筑工程，因為建筑建設層數高達20層，所以會用到啟動機械，而為了提高施工安全性應用建筑起重機械智能監測系統，該系統實時監測起重機械的操作狀態、負荷、平衡度及周圍環境因素，確保操作在安全參數范圍內進行，同時當機械的某些參數超出安全范圍或出現異常情況時，系統會自動觸發預警，讓操作人員及時采取糾正措施，提高整體施工安全性，在MK高層整個施工過程中均未出現意外情況。

3.2.4 施工安全管理系統

危大工程安全管理系統結構主要以BIM技術為基礎，主要包含了以下幾方面。（1）模型建立與輸入：基于CAD數據和實地測量數據建立3D模型，并輸入相關的工程信息如材料、施工方法和施工進度。（2）實時數據采集層：在施工現場，各種傳感器和攝像頭收集實時數據，并與BIM模型進行匹配，確保模型與實際施工狀態保持同步。（3）數據處理與云存儲：收集的大量數據被發送到云服務器進行存儲和處理。這一層利用云計算技術處理大數據，以提取有用的施工安全信息。（4）安全預測與決策支持：BIM模型對施工過程進行模擬，識別潛在的安全風險，并為項目團隊提供決策支持。（5）移動端應用與反饋：管理者和現場工人可以通過移動互聯網技術在移動設備上訪問BIM模型，查看施工進度和潛在風險，同時可以實時反饋現場情況。系統結構圖3所示。

圖3 施工安全管理系統結構圖

在施工安全管理系統應用中，可模擬真實施工過程，幫助管理團隊預測并識別潛在風險[6]。例如，在模型中，如果發現某一工序可能導致物料墜落，可以提前采取措施避免此類事故。通過對過去的施工數據進行分析，如事故發生頻率、施工延誤原因等，可以不斷優化BIM模型，使其更加準確和實用。

4 結論

本研究成功探索并實踐了智能技術在危大工程安全管理系統（SGMS）中的應用。通過綜合應用深基坑工程監測系統、高大模板安全監控系統、建筑起重機械的智能監測系統等多個專業領域的先進技術與系統，成功構建了一個多層次、高度集成的安全管理系統。（1）本研究所構建的SGMS采用了多層次的結構設計，包括數據采集層、數據處理與分析層、決策與控制層和用戶交互層，每一層都有明確的職責和功能，保證了系統的高效運行和易于維護。（2）通過整合深基坑工程監測系統、高大模板安全監控系統和建筑起重機械的智能監測系統，SGMS能夠實時監控工程現場的各個方面，準確識別潛在的安全隱患，及時發出預警，提高了工程的安全性。智能技術支持下危大工程的安全管理系統構建及應用研究取得了顯著的成果和效果，不僅提高了工程的安全性，還提供了值得借鑒的經驗和模式，對于推動相關領域的技術進步和應用推廣具有重要的理論和實踐意義。