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(xiàn)代建筑工程風(fēng)險(xiǎn)隱患高、事故頻發(fā)的問題，為預(yù)防風(fēng)險(xiǎn)，從而有效減少建筑工程施工事故，利用人工智能領(lǐng)域的知識圖譜技術(shù)對現(xiàn)代建筑工程的施工事故進(jìn)行分析?；诮ㄖこ碳扔惺┕な鹿侍崛￡P(guān)鍵數(shù)據(jù)要素，構(gòu)建建筑工程施工事故知識圖譜。整理出相應(yīng)的建筑工程施工事故分析流程，并以此為依據(jù)開展事故數(shù)據(jù)查詢、統(tǒng)計(jì)與路徑分析等研究。最終結(jié)果表明，基于知識圖譜技術(shù)，可以將建筑工程中的施工事故以可視化的圖表形式進(jìn)行多維統(tǒng)計(jì)與展示，將事故信息以知識形式結(jié)構(gòu)化儲存及表達(dá)，以此可以加強(qiáng)相關(guān)領(lǐng)域人員對建筑工程風(fēng)險(xiǎn)的認(rèn)知度，為建筑風(fēng)險(xiǎn)預(yù)防以及施工安全管理夯實(shí)基礎(chǔ)。

關(guān)鍵詞：現(xiàn)代建筑工程；施工事故；知識圖譜；安全管理；工程風(fēng)險(xiǎn)

中圖分類號：TP311? 文獻(xiàn)標(biāo)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(fā)施工事故的原因也無外乎人為意識、材料安全、施工標(biāo)準(zhǔn)等因素［1］。因此利用知識圖譜對大量建筑工程事故進(jìn)行系統(tǒng)的分析與研究所獲得的關(guān)鍵性數(shù)據(jù)，能夠幫助建筑工程決策者制定更健全的安全質(zhì)量控制體系，從而在根源上規(guī)避建筑施工風(fēng)險(xiǎn)?？梢詫⒅R圖譜理解為一種語義網(wǎng)絡(luò)分析技術(shù)，即對存在于現(xiàn)實(shí)世界中各種實(shí)體、概念以及其相互之間所存在關(guān)系的直觀描述，該技術(shù)表現(xiàn)力與建模性能方面存在較為突出的優(yōu)勢，能夠在知識問答、數(shù)據(jù)可視化分析等作業(yè)中發(fā)揮價(jià)值［2-5］?；谖ｋU(xiǎn)隱患識別需求，可以在運(yùn)用知識圖譜的過程中將計(jì)算機(jī)視覺算法與本體模型相結(jié)合，以構(gòu)建具備自動(dòng)識別建筑工程危險(xiǎn)隱患點(diǎn)知識圖譜，進(jìn)一步為預(yù)警、防范、應(yīng)對工程事故提供知識服務(wù)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(fā)，提出以知識圖譜構(gòu)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(nèi)容，期望能為建筑工程安全施工管理夯實(shí)理論基礎(chǔ)。

1? 構(gòu)建建筑工程知識圖譜

1.1? 數(shù)據(jù)分析

針對建筑工程施工事故進(jìn)行分析，以中華人民共和國住房和城鄉(xiāng)建設(shè)部官網(wǎng)發(fā)布的《住房和城鄉(xiāng)建設(shè)部辦公廳關(guān)于2020年房屋市政工程生產(chǎn)安全事故情況的通報(bào)》中的調(diào)查結(jié)果為主要數(shù)據(jù)來源。共收集到建筑工程安全事故689起［8］。依照類型對相關(guān)事故進(jìn)行劃分，2020年間發(fā)生次數(shù)最多的事故為高處墜落事故，全年共計(jì)發(fā)生407起，占據(jù)總事故數(shù)量的59.07%；物體打擊事故次之，全年共計(jì)發(fā)生83起，占據(jù)總事故數(shù)量的12.05%；其余事故依照發(fā)生頻率進(jìn)行排序分別為：起重機(jī)機(jī)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(jì)42起，占據(jù)總事故的6.53%；施工機(jī)具事故26起，占據(jù)總事故的3.77%；觸電事故共22起，占據(jù)總事故的3.19%。除此之外，還有各類無法分類、單獨(dú)發(fā)生的事故64起，占據(jù)總事故的9.29%。事故數(shù)據(jù)詳情如圖1所示。

1.2? 構(gòu)建建筑工程知識圖譜

在建筑工程安全事故領(lǐng)域構(gòu)建知識圖譜的流程如下。

（1）知識建模：定義概念體系結(jié)構(gòu)；（2）獲取知識：在不同數(shù)據(jù)來源中進(jìn)行知識實(shí)體以及關(guān)系等屬性的抽取與分析工作；（3）知識儲存：將已采集到的數(shù)據(jù)儲存于特定的結(jié)構(gòu)體系中；（4）知識數(shù)據(jù)可視化展示：將知識數(shù)據(jù)轉(zhuǎn)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(chǎn)安全事故報(bào)告和調(diào)查處理?xiàng)l例》（國務(wù)院令第493號）的相關(guān)定義，將2020年建筑工程安全事故的實(shí)體與實(shí)體屬性之間的關(guān)系以及不同實(shí)體之間的關(guān)系進(jìn)行數(shù)據(jù)建模處理。這一過程中主要應(yīng)用了改進(jìn)后的實(shí)體-關(guān)系圖（entity relationship dia-gram，E-R圖）進(jìn)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(shí)體。可以理解為實(shí)體數(shù)據(jù)抽取，是指在非結(jié)構(gòu)化事故文本數(shù)據(jù)集中分析、提取有意義的知識實(shí)體后對其進(jìn)行分類的過程。本文重點(diǎn)使用了自然語言處理技術(shù)，并在采集與分析實(shí)體的過程中輔以人工修正的模式對各類實(shí)體進(jìn)行精準(zhǔn)識別與采集。最終獲取15個(gè)實(shí)體分類，共包含事故時(shí)間、事故類型、事故原因、經(jīng)濟(jì)損耗、發(fā)生地點(diǎn)等1 165個(gè)實(shí)體。

（2）獲取關(guān)系?？梢詫⑵淅斫鉃樵诜墙Y(jié)構(gòu)化事故數(shù)據(jù)集中獲取不同實(shí)體間實(shí)際關(guān)系并進(jìn)行分析的過程。本次研究采用了基于模板的關(guān)系獲取與分析模式，最終獲取的實(shí)體關(guān)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(diǎn)”“事故與等級”等13個(gè)關(guān)系分類以及7 438個(gè)具體的關(guān)系。

（3）屬性獲取。指在非結(jié)構(gòu)化事故數(shù)據(jù)集中對特定的實(shí)體屬性信息進(jìn)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(shí)體的屬性，其中主要包含事故的名稱、事故總承包方、事故監(jiān)理方等12個(gè)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(shí)體之間的實(shí)際關(guān)系，本次研究主要應(yīng)用了Neo4j圖數(shù)據(jù)庫構(gòu)建基于圖結(jié)構(gòu)的建筑工程知識儲存模式，同時(shí)應(yīng)用Cypher工具對相關(guān)數(shù)據(jù)進(jìn)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(shù)據(jù)庫的重點(diǎn)構(gòu)成可分為關(guān)系標(biāo)簽（relationship types）、關(guān)鍵屬性（property keys）以及節(jié)點(diǎn)（node labels）3個(gè)部分。

2? 建筑工程事故實(shí)體數(shù)目多維度統(tǒng)計(jì)

2.1? 工程事故分析流程

利用Cypher語言分析技術(shù)對Neo4j圖數(shù)據(jù)庫之中的各類建筑工程安全事故信息進(jìn)行采集與分析，并為后續(xù)的工程事故詳情查詢、實(shí)體數(shù)目多維度統(tǒng)計(jì)等作業(yè)需求提供數(shù)據(jù)基礎(chǔ)。以此實(shí)現(xiàn)對建筑工程安全事故的多維度、多層次分析，同時(shí)生成并展現(xiàn)直觀的可視化分析結(jié)果。

工程事故分析流程可以概括為：

（1）明確事故分析的內(nèi)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(shí)體、關(guān)系、分類等不同信息查詢需求采用相應(yīng)的事故分析工具，最終生成直觀、清晰的事故知識圖譜。

（4）實(shí)體數(shù)目多維度統(tǒng)計(jì)。依照不同點(diǎn)分析內(nèi)容以及數(shù)據(jù)需求，進(jìn)一步分析、歸納、總結(jié)各類事故的發(fā)生規(guī)律，提出具有針對性以及實(shí)際效益的監(jiān)控、管理與優(yōu)化措施，并生成相應(yīng)可視化結(jié)果。

（5）關(guān)聯(lián)路徑分析。結(jié)合相應(yīng)工具生成語義搜索路徑以及智能問答機(jī)制。

2.2? 工程事故詳情查詢

2.2.1? 實(shí)體信息查詢

對節(jié)點(diǎn)相關(guān)信息的查詢與分析。在知識圖譜中可以基于對實(shí)體的詳情特征表述生成具有關(guān)鍵節(jié)點(diǎn)信息的“建筑工程安全事故圖像”?？梢愿鶕?jù)某一個(gè)事故，將其屬性值、關(guān)聯(lián)節(jié)點(diǎn)等作為特征表述，重點(diǎn)展示該事故的發(fā)生時(shí)間、地點(diǎn)、原因、傷亡情況、經(jīng)濟(jì)損失、處理方案、處理及結(jié)果等。在相應(yīng)終端界面中通過點(diǎn)擊知識圖譜中某一關(guān)鍵節(jié)點(diǎn)的方式，自動(dòng)生成其屬性值以及其他相關(guān)聯(lián)節(jié)點(diǎn)之間的關(guān)系與詳情數(shù)據(jù)信息，實(shí)現(xiàn)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(xì)致了解某一建筑工程安全事故的詳細(xì)信息。

2.2.2? 實(shí)體關(guān)系查詢

依照建筑工程安全事故的特征內(nèi)容，可以在相關(guān)圖片中查詢到如下3種關(guān)系鏈條：（1）事故—事故所在城市；（2）事故—事故發(fā)生時(shí)間；（3）事故—事故產(chǎn)生原因。以此，針對不同關(guān)系鏈條進(jìn)行查詢的過程中，便可以同時(shí)展現(xiàn)2020年度所有發(fā)生建筑工程安全事故的城市、發(fā)生該事故的時(shí)間以及造成該事故的原因。以“事故—事故產(chǎn)生原因”為例，利用數(shù)據(jù)圖譜便可以同時(shí)展現(xiàn)2020年度689起事故中不同原因所造成事故的具體數(shù)量，進(jìn)而總結(jié)建筑工程中的安全隱患特點(diǎn)。

2.2.3? 分類查詢

對建筑工程安全事故中每類實(shí)體的不同數(shù)量進(jìn)行查詢，并針對不同節(jié)點(diǎn)的密集程度或是數(shù)量關(guān)系，分析該事故類型的分布情況，方便相關(guān)建筑單位能? 夠以此為核心構(gòu)建適宜的建筑工程安全管理整改措施。

2.3? 工程事故實(shí)體數(shù)目多維度統(tǒng)計(jì)

對建筑工程安全事故進(jìn)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(guān)鍵信息進(jìn)行多層次、多維度的統(tǒng)計(jì)分析，最終生成事故實(shí)體數(shù)目雷達(dá)，如圖4所示。由圖4可知，在2020年度所發(fā)生的689起事故中，事故的等級、所在城市、事故原因等11類實(shí)體皆表現(xiàn)出了不同程度的聚集特征。例如，事故所在城市、事故發(fā)生部位、事故原因等實(shí)體都表現(xiàn)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(fā)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(tǒng)計(jì)便是指基于某個(gè)實(shí)體或某實(shí)體分類的角度對事故發(fā)生情況進(jìn)行統(tǒng)計(jì)的過程。其所生成的相關(guān)數(shù)據(jù)信息以及圖片能夠幫助相關(guān)用戶以更細(xì)致的程度理順、掌握不同事故的發(fā)生規(guī)律，進(jìn)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(tǒng)計(jì)結(jié)果如表1所示。

3? 結(jié)語

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

（2）建筑施工事故知識圖譜能夠?yàn)楹笃诘慕ㄖこ膛c安全事故所相關(guān)語義搜索和智能問答提供知識支持。

參考文獻(xiàn)

［1］張曦文.建筑施工安全管理策略研究［J］.房地產(chǎn)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(xiàng)目集成管理研究趨勢分析［J］.科技促進(jìn)發(fā)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(chǎn)科學(xué)技術(shù)，2023（3）：46-52.

［4］安寧，安璐.跨平臺網(wǎng)絡(luò)輿情知識圖譜構(gòu)建及對比分析［J］.情報(bào)科學(xué)，2022（3）：159-165.

［5］宋婷，宇德明.基于CiteSpace的我國建筑工程項(xiàng)目風(fēng)險(xiǎn)管理研究熱點(diǎn)與前沿［J］.土木工程與管理學(xué)報(bào)，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(lǐng)域計(jì)算機(jī)視覺研究綜述［J］.安全與環(huán)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(wǎng)絡(luò)分析［J］.安全與環(huán)境學(xué)報(bào)，2020（4）：1284-1290.

［8］住房和城鄉(xiāng)建設(shè)部辦公廳.住房和城鄉(xiāng)建設(shè)部辦公廳關(guān)于2020年房屋市政工程生產(chǎn)安全事故情況的通報(bào)［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(qiáng)）

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