建筑工程知識圖譜構建及實體數目多維度統計研究

王晶 莫緒軍 佟琨

作者簡介：王晶（1986— ），男，浙江長興人，高級工程師，本科；研究方向：智能控制。

摘要：文章針對現代建筑工程風險隱患高、事故頻發的問題，為預防風險，從而有效減少建筑工程施工事故，利用人工智能領域的知識圖譜技術對現代建筑工程的施工事故進行分析?；诮ㄖこ碳扔惺┕な鹿侍崛￡P鍵數據要素，構建建筑工程施工事故知識圖譜。整理出相應的建筑工程施工事故分析流程，并以此為依據開展事故數據查詢、統計與路徑分析等研究。最終結果表明，基于知識圖譜技術，可以將建筑工程中的施工事故以可視化的圖表形式進行多維統計與展示，將事故信息以知識形式結構化儲存及表達，以此可以加強相關領域人員對建筑工程風險的認知度，為建筑風險預防以及施工安全管理夯實基礎。

關鍵詞：現代建筑工程；施工事故；知識圖譜；安全管理；工程風險

中圖分類號：TP311? 文獻標志碼：A

0? 引言

建筑工程中常見的施工事故之間都具有一定的共通性，而引發施工事故的原因也無外乎人為意識、材料安全、施工標準等因素［1］。因此利用知識圖譜對大量建筑工程事故進行系統的分析與研究所獲得的關鍵性數據，能夠幫助建筑工程決策者制定更健全的安全質量控制體系，從而在根源上規避建筑施工風險?？梢詫⒅R圖譜理解為一種語義網絡分析技術，即對存在于現實世界中各種實體、概念以及其相互之間所存在關系的直觀描述，該技術表現力與建模性能方面存在較為突出的優勢，能夠在知識問答、數據可視化分析等作業中發揮價值［2-5］?；谖ｋU隱患識別需求，可以在運用知識圖譜的過程中將計算機視覺算法與本體模型相結合，以構建具備自動識別建筑工程危險隱患點知識圖譜，進一步為預警、防范、應對工程事故提供知識服務以及知識庫［5-7］。

綜上，本文基于建筑工程安全事故的角度出發，提出以知識圖譜構建建筑工程的方法，其中包含建筑工程施工安全事故圖譜、分析流程以及建筑工程知識建模等內容，期望能為建筑工程安全施工管理夯實理論基礎。

1? 構建建筑工程知識圖譜

1.1? 數據分析

針對建筑工程施工事故進行分析，以中華人民共和國住房和城鄉建設部官網發布的《住房和城鄉建設部辦公廳關于2020年房屋市政工程生產安全事故情況的通報》中的調查結果為主要數據來源。共收集到建筑工程安全事故689起［8］。依照類型對相關事故進行劃分，2020年間發生次數最多的事故為高處墜落事故，全年共計發生407起，占據總事故數量的59.07%；物體打擊事故次之，全年共計發生83起，占據總事故數量的12.05%；其余事故依照發生頻率進行排序分別為：起重機機械傷害事故45起，占總事故的6.53%；土方塌陷以及基坑坍塌事故共計42起，占據總事故的6.53%；施工機具事故26起，占據總事故的3.77%；觸電事故共22起，占據總事故的3.19%。除此之外，還有各類無法分類、單獨發生的事故64起，占據總事故的9.29%。事故數據詳情如圖1所示。

1.2? 構建建筑工程知識圖譜

在建筑工程安全事故領域構建知識圖譜的流程如下。

（1）知識建模：定義概念體系結構；（2）獲取知識：在不同數據來源中進行知識實體以及關系等屬性的抽取與分析工作；（3）知識儲存：將已采集到的數據儲存于特定的結構體系中；（4）知識數據可視化展示：將知識數據轉化為可視化、直觀化的圖譜。

1.2.1? 建筑工程知識建模

依照《生產安全事故報告和調查處理條例》（國務院令第493號）的相關定義，將2020年建筑工程安全事故的實體與實體屬性之間的關系以及不同實體之間的關系進行數據建模處理。這一過程中主要應用了改進后的實體-關系圖（entity relationship dia-gram，E-R圖）進行展示，詳情如圖2所示。

1.2.2? 建筑工程知識獲取

（1）獲取實體?？梢岳斫鉃閷嶓w數據抽取，是指在非結構化事故文本數據集中分析、提取有意義的知識實體后對其進行分類的過程。本文重點使用了自然語言處理技術，并在采集與分析實體的過程中輔以人工修正的模式對各類實體進行精準識別與采集。最終獲取15個實體分類，共包含事故時間、事故類型、事故原因、經濟損耗、發生地點等1 165個實體。

（2）獲取關系?？梢詫⑵淅斫鉃樵诜墙Y構化事故數據集中獲取不同實體間實際關系并進行分析的過程。本次研究采用了基于模板的關系獲取與分析模式，最終獲取的實體關系主要包含“事故與類型”“事故與原因”“事故與影響”“事故與地點”“事故與等級”等13個關系分類以及7 438個具體的關系。

（3）屬性獲取。指在非結構化事故數據集中對特定的實體屬性信息進行采集與分析。本次研究的屬性獲取過程中主要對屬性值共性較差的信息定義為實體的屬性，其中主要包含事故的名稱、事故總承包方、事故監理方等12個事故屬性信息。

1.2.3? 建筑工程知識儲存與可視化展示

為全面展示出緊挨著南湖工程中不同類型實體之間的實際關系，本次研究主要應用了Neo4j圖數據庫構建基于圖結構的建筑工程知識儲存模式，同時應用Cypher工具對相關數據進行分析處理，最終生成2020年度建筑工程施工事故知識圖譜，如圖3所示。該數據庫的重點構成可分為關系標簽（relationship types）、關鍵屬性（property keys）以及節點（node labels）3個部分。

2? 建筑工程事故實體數目多維度統計

2.1? 工程事故分析流程

利用Cypher語言分析技術對Neo4j圖數據庫之中的各類建筑工程安全事故信息進行采集與分析，并為后續的工程事故詳情查詢、實體數目多維度統計等作業需求提供數據基礎。以此實現對建筑工程安全事故的多維度、多層次分析，同時生成并展現直觀的可視化分析結果。

工程事故分析流程可以概括為：

（1）明確事故分析的內容以及管理意義。

（2）明確事故分析工具。

（3）查詢事故詳情。針對實體、關系、分類等不同信息查詢需求采用相應的事故分析工具，最終生成直觀、清晰的事故知識圖譜。

（4）實體數目多維度統計。依照不同點分析內容以及數據需求，進一步分析、歸納、總結各類事故的發生規律，提出具有針對性以及實際效益的監控、管理與優化措施，并生成相應可視化結果。

（5）關聯路徑分析。結合相應工具生成語義搜索路徑以及智能問答機制。

2.2? 工程事故詳情查詢

2.2.1? 實體信息查詢

對節點相關信息的查詢與分析。在知識圖譜中可以基于對實體的詳情特征表述生成具有關鍵節點信息的“建筑工程安全事故圖像”。可以根據某一個事故，將其屬性值、關聯節點等作為特征表述，重點展示該事故的發生時間、地點、原因、傷亡情況、經濟損失、處理方案、處理及結果等。在相應終端界面中通過點擊知識圖譜中某一關鍵節點的方式，自動生成其屬性值以及其他相關聯節點之間的關系與詳情數據信息，實現對工程事故的詳情查詢與分析工作。如此，可知該方案能夠幫助用戶以更便捷、直觀且清晰的方式細致了解某一建筑工程安全事故的詳細信息。

2.2.2? 實體關系查詢

依照建筑工程安全事故的特征內容，可以在相關圖片中查詢到如下3種關系鏈條：（1）事故—事故所在城市；（2）事故—事故發生時間；（3）事故—事故產生原因。以此，針對不同關系鏈條進行查詢的過程中，便可以同時展現2020年度所有發生建筑工程安全事故的城市、發生該事故的時間以及造成該事故的原因。以“事故—事故產生原因”為例，利用數據圖譜便可以同時展現2020年度689起事故中不同原因所造成事故的具體數量，進而總結建筑工程中的安全隱患特點。

2.2.3? 分類查詢

對建筑工程安全事故中每類實體的不同數量進行查詢，并針對不同節點的密集程度或是數量關系，分析該事故類型的分布情況，方便相關建筑單位能? 夠以此為核心構建適宜的建筑工程安全管理整改措施。

2.3? 工程事故實體數目多維度統計

對建筑工程安全事故進行知識圖譜分析，并基于Cypher語言對事故中某一類符合特定條件的關鍵信息進行多層次、多維度的統計分析，最終生成事故實體數目雷達，如圖4所示。由圖4可知，在2020年度所發生的689起事故中，事故的等級、所在城市、事故原因等11類實體皆表現出了不同程度的聚集特征。例如，事故所在城市、事故發生部位、事故原因等實體都表現出了分散性的特征，其中造成事故的具體原因便分散在人為、天氣等141種原因；事故發生的所在城市也分散在吉林、廣東、上海等不同省份。

多維事故統計便是指基于某個實體或某實體分類的角度對事故發生情況進行統計的過程。其所生成的相關數據信息以及圖片能夠幫助相關用戶以更細致的程度理順、掌握不同事故的發生規律，進而利用其中的事故極值對后期的安全管理決策提供參考?；谑鹿手R圖譜對2020年度事故的具體統計結果如表1所示。

3? 結語

（1）只是圖片技術能夠充分整合并分析建筑工程施工作業中的各類安全事故知識，并為后續建筑工程的安全管理體系提供經驗借鑒。

（2）建筑施工事故知識圖譜能夠為后期的建筑工程與安全事故所相關語義搜索和智能問答提供知識支持。

參考文獻

［1］張曦文.建筑施工安全管理策略研究［J］.房地產世界，2023（7）：112-114.

［2］馮東梅，陳宜名，李殿維.基于知識圖譜的建筑工程項目集成管理研究趨勢分析［J］.科技促進發展，2019（7）：684-691.

［3］許慧，廖檜銘.基于知識圖譜的建筑工程施工事故智能分析［J］.中國安全生產科學技術，2023（3）：46-52.

［4］安寧，安璐.跨平臺網絡輿情知識圖譜構建及對比分析［J］.情報科學，2022（3）：159-165.

［5］宋婷，宇德明.基于CiteSpace的我國建筑工程項目風險管理研究熱點與前沿［J］.土木工程與管理學報，2021（6）：183-187.

［6］孫龍龍，王其寬，施凱，等.基于知識圖譜的建筑安全領域計算機視覺研究綜述［J］.安全與環境工程，2021（2）：44-49.

［7］李玨，王幼芳.基于文本挖掘的建筑施工高處墜落事故致因網絡分析［J］.安全與環境學報，2020（4）：1284-1290.

［8］住房和城鄉建設部辦公廳.住房和城鄉建設部辦公廳關于2020年房屋市政工程生產安全事故情況的通報［EB/OL］.（2021-05-21）［2023-09-20］.https：//www.mohurd.gov.cn/gongkai/zhengce/zhengce filelib/202210/20221026_768565.html.

（編輯? 沈? 強）

Research on construction engineering knowledge graph and the multi-dimensional statistics of the number of entities

Wang? Jing1， Mo? Xujun1， Tong? Kun2

（1.Pinming Technology Co.， Ltd.， Hangzhou 310012， China;

2.Hangzhou Innovation Institute， Beihang University， Hangzhou 310012， China）

Abstract：? In view of the problems of high risks and frequent accidents in modern construction engineering， in order to prevent risks and effectively reduce construction accidents， the knowledge graph technology in the field of artificial intelligence is used to analyze the construction accidents of modern construction engineering. Based on the existing construction accidents， the key data elements are extracted and the knowledge map of construction accidents is constructed. The corresponding construction accident analysis process is sorted out， and the accident data query， statistics and path analysis are carried out on this basis. The final results show that， based on knowledge graph technology， construction accidents in construction projects can be counted and displayed in multiple dimensions in the form of visual charts， and accident information can be stored and expressed in the form of knowledge in a structured way， which can strengthen the awareness of personnel in related fields on construction project risks and lay a solid foundation for construction risk prevention and construction safety management.

Key words： modern construction engineering; construction accident; knowledge map; safety management; engineering risk