AI架构在桥梁施工风险识别系统中的应用

覃勇

摘要：文章分析了AI架构的基本理论与应用情况，建立了基于AI架构的桥梁施工风险识别系统，内容包括确定风险识别因子和系统整体框架、部署AI应用层架构、开发AI应用软件等，并通过风险因子影响范围的工程试验，证明了AI架构应用于桥梁施工风险识别系统的可行性。

关键词：AI架构;桥梁施工;风险识别

0 引言

桥梁工程在施工过程中伴随有各类风险因素，包括环境、人员、技术、设备、管理等各个部分，这些风险因素对于桥梁工程的施工质量带来较大影响，如果对这些风险因素发现不及时或处置不当则会引起更大范围的人身伤害事故。因此，桥梁施工过程的风险识别技术已成为桥梁工程领域研究的主要内容，桥梁施工风险识别的准确性、有效性和及时性是保证工程质量和人身安全的前提。AI（Artificial Intelligence）人工智能在当前诸多领域中有广泛而深入的应用，AI架构能够解决当前人工和设备等无法处理的技术问题，可实现多平台、多分支模块的集成和技术融合，为各类工程技术难题的解决提供有效的处理方案。

1 AI架构基本理论与应用

AI架构以当前先进的物联网系统为基础支撑，以信号采集器、传感器、处理器等计算机网络单元为主要架构，以数据分析、接口转换、模式识别等为处理核心，以神经网络、蚁群回归、拉氏变换等为主要算法，通过精准化扫描、结构化分析来辅助技术人员高效、优质地完成各项工程任务，被称为人类第四次技术革命。AI架构的特点在于不仅能以人类现有的技术手段来分析各类工程问题，而且对于人类无法触及的危险环境和无法预知的危险因素都能够给出相应的预判和决策，其最大的特点是可以进行机器学习和自我进化。AI架构的主要特点、实现机理与应用领域如表1所示。

AI架构在工农业等各领域中均有一定的应用，近年来有关AI架构在建筑领域的研究与应用已逐步展开。尽管AI架构在建筑工程领域中的应用仍处于起步阶段，但良好的发展势头和巨大的应用前景使其受到了业内的广泛关注。以桥梁工程施工为例，AI架构可应用于桥梁的施工质量管理、施工进度[JP+1]监测、施工成本管控以及施工风险识别等各个部分。本文重点关注AI架构在桥梁施工风险识别系统中的应用技术，通过系统的搭建来证明AI架构应用于桥梁施工风险识别系统中的可行性[1]。

2 基于AI架构的桥梁施工风险识别系统

2.1 确定风险识别因子

桥梁施工过程中的风险因素主要包括以下几方面：

2.1.1 施工方面

环境、材料、设备、人员、技术等都属于施工方面的风险因素，其中人员和技术两方面为主要部分，可通过施工前期施工环境的勘测分析，确定在施工过程中可能发生施工事故的大概位置，在施工过程中应予以规避。施工材料、施工设备在进场前应经过抽检合格，杜绝质量不达标的施工材料和施工设备进场。施工人员应具备相应的施工资质，特种作业人员应持证上岗。施工技术应与施工方案相符合，对于交叉作业的情况，所使用的施工技术应由总工程师批准后方可执行。

2.1.2 管理方面

施工组织、监督、审核、验收等都属于施工管理方面的风险因素，其中施工组织和监督因素在桥梁工程施工过程中占主要部分，而施工审核和验收对于桥梁施工质量的把控具有一定作用。施工组织涵盖了施工人员的组织、施工进度的管理、施工设备的调配、施工材料的调用等。施工监督主要是施工现场的监理人员进行的项目管理，也可通过施工监管平台对施工全过程进行量化管理。施工审核与验收环节属于施工后期的内容，这里不做赘述。

综上，确定风险识别因子为环境（Environment）、材料（Materials）、设备（Equipment）、人员（People）、技术（Technology）、组织（Organization）、监督（Supervision）、审核（Audit）和验收（Acceptance），分别用字母E1、M、E2、P、T、O、S、A1、A2表示。风险识别因子组成结构如图1所示。

2.2 风险识别系统整体框架

基于AI架构的桥梁施工风险识别系统从整体上分为三个层次，分别是基礎资源层、网络传输层和应用层（AI）。基础资源层包括数据采集器、数据传感器、数据存储器等主要构件。数据采集器和数据传感器分布在桥梁施工现场，部分施工一体化设备已集成数据采集和传感功能，例如带有大量传感探头的数据采集器，将施工现场所获取的数据暂存到数据存储器中（缓存），通过网络接口上传到网络。网络传输层包括服务器端（部署在施工调度中心机房）、网络设备（交换机、网线、转接头、上位机等）和客户端（调度中心电脑或移动终端）。应用层（AI）属于整个风险识别系统的顶层结构，也是核心层级，其具体功能是进行数据分析、风险识别和智能评估。风险识别系统应用程序（APP）可安装在各类移动终端（手机、PAD、巡检仪等）[2]。基于AI的桥梁施工风险识别系统主体架构如图2所示。

2.3 应用层（AI）架构部署

AI架构的核心功能主要在风险识别系统的应用层实现，通过对已确定的风险识别因子进行数据对比分析，由AI架构程序评估出高危风险因子，在桥梁施工过程中予以重点监测和记录。AI架构对施工风险的影响程度进行评估，并制定必要的解决方案供系统调度进行分析和整改。应用层（AI）架构部署如下页图3所示。通过图3可以更加直观地分析AI架构的具体功能与实际作用。对从桥梁施工现场获取的数据依次进行传输、存储、转换和校准，如果其中任何一个流程进度失败或者尚未完成，都可回转至上一个流程节点，直至全部施工数据都执行完毕，即施工数据在上述流程之间的传递是互通的。数据对比分析单元将得到的数据进行分类和过滤等处理，去除AI架构无法识别的干扰数据，形成九类施工风险识别因子（E1、M、E2、P、T、O、S、A1、A2），最终由AI架构进行高危风险的识别与评估。

2.4 AI架构应用软件开发

从目前的AI架构发展趋势来看，多数工程上的应用是将AI架构的部分功能如仿真分析、模式识别或智能评估等进行模块移植或流程挂接，具体来說是将这些功能集成归化到某一应用程序上，如电脑软件（桌面应用程序）或手机APP等，便于用户对系统的掌握和使用。本文仅对桥梁施工风险识别系统的电脑软件进行开发和应用，考虑到工程实施中会发生多用户的并发读写情况，因此，采用面向对象的结构化Java语言进行编写。为保证系统运行的稳定性和数据冗余备份需求，系统部署在两台服务器上，其中一台作为应用服务器，另一台作为数据库服务器，这种分布式的架构序列能够保证系统始终处于可用状态。出于兼容性等方面的考虑，应用服务器操作系统版本为Windows Server 2012 R2，数据库版本为SQL Server 2012，两台服务器可为宿主机（物理机）或虚拟机，也可为租用的云主机，视企业实际情况而定。桥梁施工风险识别系统Enterprise（企业版）3.0桌面客户端登录界面如图4所示。

3 工程试验与结果分析

3.1 风险因子影响范围试验

以广西玉林市内某座桥梁工程为例，应用本文研究的AI架构，对该工程施工过程中的风险因素进行识别、分析，得出施工中潜在的危险点，为工程后续的隐患排查和施工整改做准备。选用本文研究的九类风险因子（E1、M、E2、P、T、O、S、A1、A2）进行风险因子的影响范围试验，试验数据如表2所示。表2中列出了九类桥梁工程施工中常见的风险因子，进行施工现场的数据采集后上传至桥梁施工风险识别系统，通过AI架构分析和比对后，得出各风险因子的影响范围，并对其重要性（危险等级）进行评估。

3.2 结果分析

将表2中的系统数据导出生成柱状图（如图5所示），可以非常明显地看到，在这9类桥梁施工风险因子中，人员（People）、技术（Technology）、组织（Organization）和监督（Supervision）这四类因子所占的影响范围较大，即在实际施工过程中由于这四类因子而引发的施工风险或施工事故的可能性较大，分别占比为21.0%、23.2%、22.1%和21.3%，在施工中应重点监测。而其余五类因子引起的桥梁施工风险或事故的可能性较小，严格按照相关标准规范进行施工即可。

4 结语

在工程实践中，应结合实际情况，因地制宜，不宜生搬硬套，而应制定有针对性、适用性的施工方案，做到安全、经济、高效施工。古毛2号桥主桥0#块施工过程能提前结合后续临时固结工序和地形地貌实际情况制定施工方案，使方案的具体实施取得了较好的效果，加快了施工进度，节约了施工成本，保证了施工安全。

[1]周水兴，何兆益，邹毅松.路桥施工计算手册[M].北京：人民交通出版社，2001.

[2]GB 50017-2017，钢结构设计标准[S].

[3]J/T F50-2011，公路桥涵施工技术规范[S].

作者简介：覃 勇（1979—），工程师，主要从事现场施工管理、计量管理工作。