基于BIM技术的公路征地拆迁中扬尘实时监测方法设计

何大为 黄国华 曾国平 彭银刚

关键词：BIM技术;公路征地拆迁;扬尘监测;BIM信息库;谱特征量

公路征地拆迁中扬尘对大气环境具有很大的负面影响，因此，需对其展开实时监测，从而提高对公路征地拆迁中扬尘的治理和实时监管能力，保障公路征地拆迁的环境生态安全。可以说，研究公路征地拆迁中扬尘的实时监测方法，在公路环境污染治理和保护中具有重要意义。因此，相关公路征地拆迁中扬尘实时监测方法的研究成果也受到相关领域的极大关注。

一般来说，对公路征地拆迁中扬尘的实时监测需建立在对公路征地拆迁中扬尘信息传感识别基础上，通过传感器信息融合和特征检测方法实现对扬尘的监测和传感信息跟踪识别，有助于提高公路征地拆迁中扬尘的治理水平，目前，对施工建设中扬尘的监测方法主要有基于大数据的施工现场扬尘监测方法和基于无人机的施工扬尘自动监测方法等。这类传统方法主要是利用传感器完成对施工建设过程中扬尘数据信息的采集，根据数据采集结果，结合软件模型设计和硬件集成设计，实现扬尘实时监测。但这种监测过程的计算复杂度较高，导致监测的实时性能较差。

为了在中开高速公路项目中解决上述存在的问题，基于BIM技术设计了一种新的公路征地拆迁中扬尘实时监测方法。采用传感器实时采集公路征地拆迁中扬尘，并对采集到的信息展开融合处理，从中提取扬尘传感数据的谱特征量，继而采用高阶谱分析方法对谱信息展开聚类和特征融合，从而建立多维传感信息融合跟踪识别模型，通过统计信息分析和BIM信息库融合的方法，设计BIM信息数据库，再通过大数据回归分析和关联信息挖掘实现对公路征地拆迁中扬尘的实时监测。经仿真测试展示了该方法在提高公路征地拆迁中扬尘实时监测能力方面的优越性能。

1公路征地拆迁中扬尘信息采集和预处理

1.1信息采集

为了实现公路征地拆迁中扬尘实时监测，首先采用传感器实时采集公路征地拆迁中扬尘BIM信息，对采集的公路征地拆迁中扬尘传感信息进行大数据融合处理，公路征地拆迁中扬尘BIM信息采集的传感节点分布如图1所示。

根据图1所示的公路征地拆迁中扬尘BIM信息采集的传感节点分布完成大数据采集。在基座坐标系中，结合关联维挖掘和信息融合的方法，进行公路征地拆迁中扬尘BIM信息融合，通过地理信息空间重组，建立公路征地拆迁中扬尘监测的地理信息分布集，得到公路征地拆迁中扬尘监测的传感器节点最优部署的路径分布为式（1）所示：

在此基础上，通过传感信息融合跟踪识别，建立关联规则集，得到公路征地拆迁中扬尘BIM信息融合的数据库分布集如式（3）所示：

将监测区域离散为M×N个方格，通过模糊信息融合，提取公路征地拆迁中扬尘BIM信息的统计特征量，以式（4）表示得到的特征分布结果：

通过浓度监测和BIM地理信息分析，通过网格区域监测方法，进行公路征地拆迁中扬尘监测设计。

1.2信息预处理

在上述采集公路征地拆迁中扬尘信息的基础上，提取公路征地拆迁中扬尘传感数据的谱特征量。首先采用高阶谱分析方法进行公路征地拆迁中扬尘监测过程中的谱信息聚类和特征融合。

通过对公路征地拆迁中扬尘BIM信息的传感數据采集，结合参数自适应跟踪识别，进行公路征地拆迁中扬尘BIM调度，式（6）为得到的谱特征量：

在此基础上，通过大数据挖掘过程，采用高阶谱分析方法及统计分析方法，对采集的公路征地拆迁中扬尘传感信息进行大数据融合处理，从而将谱特征提取的问题转换为谱信息聚类问题，得到谱信息聚类函数，其表达为式（7）所示：

根据谱信息聚类结果完成公路征地拆迁中扬尘信息的特征融合，由此得到公路征地拆迁中扬尘BIM信息监测和融合模型，再经过二乘拟合修正和信息修正完成信息预处理。

2公路征地拆迁中扬尘实时监测

2.1BIM信息调度

经过上述分析，通过BIM信息重组得到公路征地拆迁中扬尘的分布地理信息空间计算式为式（8）所示：

结合拟合度系，得到公路征地拆迁中扬尘监测的模糊控制模型为式（9）所示：

在此基础上，通过中间梯度法和电测感应分析的方法，得到公路征地拆迁中扬尘BIM信息调度分布表示为式（11）所示：

2.2扬尘监测输出

通过对公路征地拆迁中扬尘进行检测建立公路征地拆迁中扬尘监测的多维传感信息融合跟踪识别模型。首先通过完成公路征地拆迁中扬尘监测的BIM信息数据库分析，通过统计信息分析方法，得到扬尘分布的最小乘解为式（12）所示：

继而通过大数据回归分析和关联信息挖掘结果得到公路征地拆迁中扬尘监测的空间分布线性方程组：

3仿真实验与结果分析

为验证基于BIM技术的公路征地拆迁中扬尘实时监测方法的实际应用性能，设计如下仿真实验加以验证。

3.1实验设计

仿真实验在Matlab平台中展开。将公路征地拆迁中扬尘PIM信息采集的节点数量设定为200个，节点分布距离为12m，数据的嵌入维数为4，采样时间间隔为24s。

在上述参数的基础上，随机选择两个BIM信息采集节点，命名为样本组1和2，利用微传感器采集扬尘数据，得到采集结果如图2所示。

以图2所示的公路征地拆迁中扬尘信息为研究对象，进行BIM信息数据库重组。然后以公路征地拆迁中扬尘监测的时间开销为检验指标，对所提方法的应用性能展开检验。

为避免实验结果的单一性，将传统的基于大数据的施工现场扬尘监测方法和基于无人机的施工扬尘自动监测方法作为对比方法，与所提方法共同完成性能验证，得到对比结果如图3所示。

图3中，传统方法1表示基于大数据的施工现场扬尘监测方法，传统方法2表示基于无人机的施工扬尘自动监测方法。分析图3结果可知，随着测试次数的增加，基于大数据的施工现场扬尘监测方法和基于无人机的施工扬尘自动监测方法的监测过程开销时间曲线波动较大，而所提方法的开销时间曲线较为平稳。且两种对比方法的开销时间曲线大部分位于所提方法曲线以上。由此可以说明，利用所提方法进行公路征地拆迁中扬尘监测的时间开销更短，证明该方法更具有时效性。

在此基础上，应用基于BIM技术的公路征地拆迁中扬尘实时监测方法对公路征地拆迁中扬尘展开实时监测，得到结果如表1所示。从结果可知，测试的平均效率普遍较高，监测的实时性较好。

四结论

结合施工监管和技术支持建立公路征地拆迁中扬尘实时监测系统，有利于提高公路征地拆迁中扬尘的治理和实时监管能力。基于此，设计了一种基于BIM技术的公路征地拆迁中扬尘实时监测方法，利用传感器实时采集公路征地拆迁中扬尘信息，采用高阶谱分析方法完成对谱信息聚类和特征融合，从而建立公路征地拆迁中扬尘信息融合参数集，再通过模糊度寻优得到统计模型，实现公路征地拆迁中扬尘实时监测。经实验分析得知，该方法对公路征地拆迁中扬尘实时监测的实时性较好，可考虑在中开高速公路的征地拆迁中应用。在以后的研究中，将根据该系统的应用实际情况，不断优化BIM技术的信息调度效率，使得扬尘监测的开销时间更短。