基于人工智能的工程安全监管方法及系统与流程

1.本发明涉及工程监管领域，尤其涉及一种基于人工智能的工程安全监管方法及系统。


背景技术：

2.目前，工程安全监管主要通过人工监管实现，但人工监管存在数据造假与效率低下的问题，例如利用图纸与表格对监管得到的数据进行大量的数据比对，针对这项问题，一些方案通过bim模型实现工程安全监管，但bim模型的建立过程依据所采集的现有材料实现，一方面，现有材料大多依据人工采集实现，且对现有材料缺乏真伪校验，导致数据真实性不足，而对数据进行修改时，需要对大量的相关的数据也进行修改，导致数据修改灵活性不足，另一方面，对工程安全的监管仅依靠所采集的工程数据是否与bim模型中的标准数据是否一致来实现，这种安全监管方式较为固化。因此，工程安全监管的灵活性不足。


技术实现要素：

3.为了解决上述问题，本发明提供了一种基于人工智能的工程安全监管方法及系统，可以提高工程安全监管的灵活性。
4.第一方面，本发明提供了一种基于人工智能的工程安全监管方法，包括：
5.基于工程的设计图纸，构建所述工程的期望模型，利用所述期望模型分析所述工程的现场数据采集方法；
6.基于所述现场数据采集方法，采集所述工程的现场人工数据与现场机器数据，利用所述现场机器数据对所述现场人工数据进行真伪鉴定，得到所述现场人工数据的真伪性，基于所述真伪性，合并所述现场人工数据与所述现场机器数据，得到合并数据；
7.计算所述合并数据中每个合并数据的强关联度，基于所述强关联度，从所述合并数据中提取重点监管数据，其中，所述计算所述合并数据中每个合并数据的强关联度，包括：采集所述工程的工程安全问题；基于所述工程安全问题，利用下述公式计算所述合并数据中每个合并数据的强关联度：
[0008][0009]
其中，p表示所述强关联度，表示所述工程安全问题中第k个工程安全问题在时间段t内出现的总次数，表示所述合并数据中第l个合并数据在时间段t内出现的总次数；
[0010]
构建所述重点监管数据的安全监管体系，检测所述安全监管体系中的监管漏洞，基于所述监管漏洞，对所述安全监管体系进行体系优化，得到优化监管体系；
[0011]
构建所述优化监管体系的风险评估模型，利用所述风险评估模型对所述优化监管体系的监管数据进行风险评估，得到风险评估值，利用所述风险评估值确定所述工程的安全监管结果。
[0012]
在第一方面的一种可能实现方式中，所述基于工程的设计图纸，构建所述工程的期望模型，包括：
[0013]
构建与所述设计图纸等比例的所述工程的初始三维模型；
[0014]
对所述初始三维模型网格划分，得到三维网格模型；
[0015]
基于所述三维网格模型中网格节点的坐标，对所述三维网格模型中网格进行网格筛选，得到筛选网格；
[0016]
利用所述筛选网格生成所述期望模型。
[0017]
在第一方面的一种可能实现方式中，所述基于所述三维网格模型中网格节点的坐标，对所述三维网格模型中网格进行网格筛选，得到筛选网格，包括：
[0018]
基于所述三维网格模型中网格节点的坐标，识别与所述网格节点中当前网格节点的距离最近的目标网格节点，并从所述网格节点中查询除所述当前网格节点与所述目标网格节点之外的剩余网格节点；
[0019]
在所述当前网格节点、所述目标网格节点及所述剩余网格节点之间的三角形的外接圆仅包含所述当前网格节点、所述目标网格节点及所述剩余网格节点时，获取所述当前网格节点、所述目标网格节点及所述剩余网格节点之间的三角形，并获取所述三角形的相邻三角形，构建所述三角形与所述相邻三角形之间的凸四边形；
[0020]
在所述三角形与所述相邻三角形中的最小内角大于对所述凸四边形的对角线进行交换后的最小内角，则将所述三角形作为所述筛选网格。
[0021]
在第一方面的一种可能实现方式中，所述利用所述期望模型分析所述工程的现场数据采集方法，包括：
[0022]
对所述期望模型进行目标检测，得到检测目标；
[0023]
识别所述检测目标的目标特征；
[0024]
分析所述目标特征对应的待采集项目；
[0025]
构建所述待采集项目的项目采集方式；
[0026]
将所述待采集项目与所述项目采集方式作为所述现场数据采集方法。
[0027]
在第一方面的一种可能实现方式中，所述利用所述现场机器数据对所述现场人工数据进行真伪鉴定，得到所述现场人工数据的真伪性，包括：
[0028]
基于所述现场机器数据与所述现场人工数据的关联性，利用所述现场机器数据分析所述现场人工数据的第一真伪性；
[0029]
基于所述现场人工数据中的历史记录与规划记录，分析所述现场人工数据的第二真伪性；
[0030]
利用所述第一真伪性与所述第二真伪性分析所述现场人工数据的真伪性。
[0031]
在第一方面的一种可能实现方式中，所述检测所述安全监管体系中的监管漏洞，包括：
[0032]
基于所述安全监管体系中的安全监管次序，构建所述安全监管体系的知识关系图谱；
[0033]
利用预设的采标库检验所述知识关系图谱的合理性；
[0034]
基于所述合理性，识别所述安全监管体系中的监管漏洞。
[0035]
在第一方面的一种可能实现方式中，所述基于所述监管漏洞，对所述安全监管体
系进行体系优化，得到优化监管体系，包括：
[0036]
获取所述监管漏洞对应的知识关系图谱与预设的采标库；
[0037]
获取所述知识关系图谱中与所述预设的采标库不一致的关系与输出知识；
[0038]
利用所述预设的采标库对所述关系与所述输出知识进行数据修正，得到修正数据；
[0039]
基于所述修正数据，确定所述优化监管体系。
[0040]
在第一方面的一种可能实现方式中，所述构建所述优化监管体系的风险评估模型，包括：
[0041]
对所述优化监管体系中的监管阶段进行指标层次化，得到所述优化监管体系的层次化指标；
[0042]
构建所述层次化指标的第一判断矩阵和第二判断矩阵；
[0043]
将所述层次化指标、所述第一判断矩阵与所述第二判断矩阵作为所述风险评估模型。
[0044]
在第一方面的一种可能实现方式中，所述利用所述风险评估模型对所述优化监管体系的监管数据进行风险评估，得到风险评估值，包括：
[0045]
基于所述风险评估模型，利用下述公式计算所述监管数据的第一指标权重：
[0046][0047]
其中，ai表示所述第一指标权重，u
ij
表示所述风险评估模型中第一判断矩阵中第i个二级指标与第j个二级指标之间的重要度，n表示所述风险评估模型的层次化指标中二级指标的总数；
[0048]
基于所述风险评估模型，利用下述公式计算所述监管数据的第二指标权重：
[0049][0050]
其中，bj表示所述第二指标权重，ej表示所述风险评估模型的层次化指标中二级指标的信息熵值，j表示所述风险评估模型的层次化指标中二级指标的序号，n表示所述风险评估模型的层次化指标中二级指标的总数，m表示所述风险评估模型的层次化指标中一级指标的数量，v
jj
表示第j个一级指标对应的第j个二级指标的重要度；
[0051]
基于所述第一指标权重与所述第二指标权重，利用下述公式计算所述风险评估值：
[0052][0053]
其中，f表示所述风险评估值，ai表示所述第一指标权重，bj表示所述第二指标权重，i表示第i个二级指标的序号，j表示第j个二级指标的序号，n表示所述风险评估模型的层次化指标中二级指标的总数。
[0054]
第二方面，本发明提供了一种基于人工智能的工程安全监管系统，所述系统包括：
[0055]
方法分析模块，用于基于工程的设计图纸，构建所述工程的期望模型，利用所述期望模型分析所述工程的现场数据采集方法；
[0056]
数据合并模块，用于基于所述现场数据采集方法，采集所述工程的现场人工数据与现场机器数据，利用所述现场机器数据对所述现场人工数据进行真伪鉴定，得到所述现场人工数据的真伪性，基于所述真伪性，合并所述现场人工数据与所述现场机器数据，得到合并数据；
[0057]
重点提取模块，用于计算所述合并数据中每个合并数据的强关联度，基于所述强关联度，从所述合并数据中提取重点监管数据，其中，所述计算所述合并数据中每个合并数据的强关联度，包括：采集所述工程的工程安全问题；基于所述工程安全问题，利用下述公式计算所述合并数据中每个合并数据的强关联度：
[0058][0059]
其中，p表示所述强关联度，表示所述工程安全问题中第k个工程安全问题在时间段t内出现的总次数，表示所述合并数据中第l个合并数据在时间段t内出现的总次数；
[0060]
体系优化模块，用于构建所述重点监管数据的安全监管体系，检测所述安全监管体系中的监管漏洞，基于所述监管漏洞，对所述安全监管体系进行体系优化，得到优化监管体系；
[0061]
结果确定模块，用于构建所述优化监管体系的风险评估模型，利用所述风险评估模型对所述优化监管体系的监管数据进行风险评估，得到风险评估值，利用所述风险评估值确定所述工程的安全监管结果。
[0062]
与现有技术相比，本方案的技术原理及有益效果在于：
[0063]
本发明实施例通过基于工程的设计图纸，构建所述工程的期望模型，以用于在工程未实施之前，按照设计方案构建所述工程的施工现场的三维虚拟模型，这样可以利用所述期望模型分析应该利用何种方式采集所述工程的哪些数据，进一步地，本发明实施例通过利用所述期望模型分析所述工程的现场数据采集方法，以用于从所述期望模型中直观地识别需要进行监管的数据，本发明实施例通过基于所述现场数据采集方法，采集所述工程的现场人工数据与现场机器数据，以用于基于所述现场数据采集方法，安排人工对现场的数据进行采集与上传，同时对一些可利用人工智能采集的数据通过智能机器来采集实现，这样可以利用智能机器采集的数据比对人工采集的数据是否存在造假行为，进一步地，本发明实施例通过利用所述现场机器数据对所述现场人工数据进行真伪鉴定，以用于检验人
工采集与上传的数据是否真实，进一步地，本发明实施例通过基于所述真伪性，合并所述现场人工数据与所述现场机器数据，以用于将真实性不足的数据进行重新采集，并利用非机器可采数据弥补机器可采数据的漏缺，本发明实施例通过计算所述合并数据中每个合并数据的强关联度，以用于识别所述合并数据中哪些合并数据与发生的工程问题的关联度较强，进一步地，本发明实施例通过检测所述安全监管体系中的监管漏洞，以用于对所述安全监管体系进行体系完善，进一步地，本发明实施例通过基于所述监管漏洞，对所述安全监管体系进行体系优化，以用于构建所述安全监管体系的漏洞防御机制，本发明实施例通过构建所述优化监管体系的风险评估模型，以用于对利用所述优化监管体系所监管到的数据进行风险评估，进一步地，本发明实施例通过利用所述风险评估模型对所述优化监管体系的监管数据进行风险评估，以用于将利用所述优化监管体系监管到的工程的数据中存在的风险进行量化。因此，本发明实施例提出的一种基于人工智能的工程安全监管方法及系统，可以提高工程安全监管的灵活性。
附图说明
[0064]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
[0065]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0066]
图1为本发明一实施例提供的一种基于人工智能的工程安全监管方法的流程示意图；
[0067]
图2为本发明一实施例中图1提供的一种基于人工智能的工程安全监管方法的其中一个步骤的流程示意图；
[0068]
图3为本发明一实施例中图1提供的一种基于人工智能的工程安全监管方法的另外一个步骤的流程示意图；
[0069]
图4为本发明一实施例提供的一种基于人工智能的工程安全监管系统的模块示意图；
[0070]
图5为本发明一实施例提供的实现基于人工智能的工程安全监管方法的电子设备的内部结构示意图。
具体实施方式
[0071]
应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
[0072]
本发明实施例提供一种基于人工智能的工程安全监管方法，所述基于人工智能的工程安全监管方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，所述基于人工智能的工程安全监管方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存
储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0073]
参阅图1所示，是本发明一实施例提供的基于人工智能的工程安全监管方法的流程示意图。其中，图1中描述的基于人工智能的工程安全监管方法包括：
[0074]
s1、基于工程的设计图纸，构建所述工程的期望模型，利用所述期望模型分析所述工程的现场数据采集方法。
[0075]
本发明实施例通过基于工程的设计图纸，构建所述工程的期望模型，以用于在工程未实施之前，按照设计方案构建所述工程的施工现场的三维虚拟模型，这样可以利用所述期望模型分析应该利用何种方式采集所述工程的哪些数据。
[0076]
其中，所述工程是指以某组设想的目标为依据，应用有关的科学知识和技术手段，通过有组织的一群人将某个(或某些)现有实体(自然的或人造的)转化为具有预期使用价值的人造产品过程，例如建筑工程、交通工程、机器制造工程等等；所述期望模型是指所述工程的预设的三维虚拟模型，例如，在施工建造建筑之前，基于设计的房屋图纸构建的可视化的房屋三维模型，以作为施工建造时的参考模型。
[0077]
本发明的一实施例中，所述基于工程的设计图纸，构建所述工程的期望模型，包括：构建与所述设计图纸等比例的所述工程的初始三维模型；对所述初始三维模型网格划分，得到三维网格模型；基于所述三维网格模型中网格节点的坐标，对所述三维网格模型中网格进行网格筛选，得到筛选网格；利用所述筛选网格生成所述期望模型。
[0078]
可选地，所述构建与所述设计图纸等比例的所述工程的初始三维模型的过程为：基于所述设计图纸中所体现的实物的多个表面结构，确定实物的基本形状和结构，根据所述基本形状和结构绘制实物的轮廓线和关键线，最后，将这些轮廓线和关键线进行互相连接，得到所述初始三维模型。
[0079]
可选地，所述对所述初始三维模型网格划分，得到三维网格模型的过程为：将所述初始三维模型中的每两个线条之间的交点作为网格节点，对这些网格节点中每三个网格节点进行连接，以生成三角网格。
[0080]
本发明的又一实施例中，所述基于所述三维网格模型中网格节点的坐标，对所述三维网格模型中网格进行网格筛选，得到筛选网格，包括：基于所述三维网格模型中网格节点的坐标，识别与所述网格节点中当前网格节点的距离最近的目标网格节点，并从所述网格节点中查询除所述当前网格节点与所述目标网格节点之外的剩余网格节点；在所述当前网格节点、所述目标网格节点及所述剩余网格节点之间的三角形的外接圆仅包含所述当前网格节点、所述目标网格节点及所述剩余网格节点时，获取所述当前网格节点、所述目标网格节点及所述剩余网格节点之间的三角形，并获取所述三角形的相邻三角形，构建所述三角形与所述相邻三角形之间的凸四边形；在所述三角形与所述相邻三角形中的最小内角大于对所述凸四边形的对角线进行交换后的最小内角，则将所述三角形作为所述筛选网格。
[0081]
可选地，所述利用所述筛选网格生成所述期望模型的过程为：将由所述筛选网格及所述筛选网格对应的节点构成的三维模型作为所述期望模型。
[0082]
进一步地，本发明实施例通过利用所述期望模型分析所述工程的现场数据采集方法，以用于从所述期望模型中直观地识别需要进行监管的数据。其中，所述数据采集方法包括待采集项目与项目采集方式。
[0083]
本发明的一实施例中，所述利用所述期望模型分析所述工程的现场数据采集方法，包括：对所述期望模型进行目标检测，得到检测目标；识别所述检测目标的目标特征；分析所述目标特征对应的待采集项目；构建所述待采集项目的项目采集方式；将所述待采集项目与所述项目采集方式作为所述现场数据采集方法。
[0084]
其中，所述检测目标是指所述期望模型中所包含的每个物体，例如在所述期望模型为宿舍楼虚拟模型时，所述检测目标包括宿舍楼虚拟模型中的窗户、门、瓷砖、地板、栏杆、楼层等等；所述目标特征是指所述检测目标所包含的特征，例如在所述检测目标为窗户、门、瓷砖、地板时，窗户的特征包括窗户的尺寸、形状、款式，门的特征包括门的高度、颜色、开门方式，瓷砖的特征包括瓷砖的颜色、花纹、材质，地板的特征包括地板的风格、大小、结构等等；所述待采集项目是指目标特征所涵盖的采集项目，例如在所述目标特征为窗户的尺寸、形状、款式时，所述待采集项目包括长度与宽度(对应尺寸)、几何形状(对应形状)、图案与颜色(对应款式)；所述项目采集方式包括图像采集、电磁波传感器采集(例如电磁波测量距离)、气体传感器采集(适用于窑洞工程)、温度传感器采集等等。
[0085]
s2、基于所述现场数据采集方法，采集所述工程的现场人工数据与现场机器数据，利用所述现场机器数据对所述现场人工数据进行真伪鉴定，得到所述现场人工数据的真伪性，基于所述真伪性，合并所述现场人工数据与所述现场机器数据，得到合并数据。
[0086]
本发明实施例通过基于所述现场数据采集方法，采集所述工程的现场人工数据与现场机器数据，以用于基于所述现场数据采集方法，安排人工对现场的数据进行采集与上传，同时对一些可利用人工智能采集的数据通过智能机器来采集实现，这样可以利用智能机器采集的数据比对人工采集的数据是否存在造假行为。
[0087]
本发明的一实施例中，参阅图2所示，所述基于所述现场数据采集方法，采集所述工程的现场人工数据与现场机器数据，包括：
[0088]
s201、获取所述现场数据采集方法中的待采集项目与项目采集方式；
[0089]
s202、划分所述待采集项目中的非机器可采数据与机器可采数据；
[0090]
s203、利用所述项目采集方式分别对所述非机器可采数据与所述机器可采数据进行数据采集，得到所述现场人工数据与所述现场机器数据。
[0091]
进一步地，本发明实施例通过利用所述现场机器数据对所述现场人工数据进行真伪鉴定，以用于检验人工采集与上传的数据是否真实。其中，所述真伪性包括真实性与虚假性。
[0092]
本发明的一实施例中，所述利用所述现场机器数据对所述现场人工数据进行真伪鉴定，得到所述现场人工数据的真伪性，包括：基于所述现场机器数据与所述现场人工数据的关联性，利用所述现场机器数据分析所述现场人工数据的第一真伪性；基于所述现场人工数据中的历史记录与规划记录，分析所述现场人工数据的第二真伪性；利用所述第一真伪性与所述第二真伪性分析所述现场人工数据的真伪性。
[0093]
可选地，所述基于所述现场机器数据与所述现场人工数据的关联性，利用所述现场机器数据分析所述现场人工数据的第一真伪性的过程是指：所述现场机器数据与所述现场人工数据的关联性较强时，若所述现场人工数据发生异常变化，则所述现场机器数据也会随之发生变化，因此可以用所述现场机器数据分析所述现场人工数据的第一真伪性；所述基于所述现场人工数据中的历史记录与规划记录，分析所述现场人工数据的第二真伪性
的过程为：利用所述历史记录预测当前的记录，并利用所述规划激励反向推测当前的记录，这样可以知道当前的记录是否发生异常；所述利用所述第一真伪性与所述第二真伪性分析所述现场人工数据的真伪性的过程为：在所述第一真伪性与所述第二真伪性均为真实性时，所述现场人工数据也为真实数据，否则，所述现场人工数据为虚假数据。
[0094]
进一步地，本发明实施例通过基于所述真伪性，合并所述现场人工数据与所述现场机器数据，以用于将真实性不足的数据进行重新采集，并利用非机器可采数据弥补机器可采数据的漏缺。
[0095]
可选地，所述基于所述真伪性，合并所述现场人工数据与所述现场机器数据，得到合并数据的过程为：对于真实性不足的数据进行重新采集，将重新采集的数据、真实性足够的现场人工数据及所述现场机器数据存储至同一文件或数据库中，以备后续调取使用。
[0096]
s3、计算所述合并数据中每个合并数据的强关联度，基于所述强关联度，从所述合并数据中提取重点监管数据。
[0097]
本发明实施例通过计算所述合并数据中每个合并数据的强关联度，以用于识别所述合并数据中哪些合并数据与发生的工程问题的关联度较强。
[0098]
本发明的一实施例中，所述计算所述合并数据中每个合并数据的强关联度，包括：采集所述工程的工程安全问题；基于所述工程安全问题，利用下述公式计算所述合并数据中每个合并数据的强关联度：
[0099][0100]
其中，p表示所述强关联度，表示所述工程安全问题中第k个工程安全问题在时间段t内出现的总次数，表示所述合并数据中第l个合并数据在时间段t内出现的总次数。
[0101]
其中，所述工程安全问题是指工程在历史时间中所被监管发现的事故问题。
[0102]
进一步地，本发明实施例通过基于所述强关联度，从所述合并数据中提取重点监管数据，以用于将所述强关联度对应的合并数据作为造成工程问题的因素。
[0103]
本发明的一实施例中，所述基于所述强关联度，从所述合并数据中提取重点监管数据：在所述强关联度大于预设关联度时，将所述强关联度在所述合并数据中对应的数据作为所述重点监管数据。
[0104]
s4、构建所述重点监管数据的安全监管体系，检测所述安全监管体系中的监管漏洞，基于所述监管漏洞，对所述安全监管体系进行体系优化，得到优化监管体系。
[0105]
本发明实施例通过构建所述重点监管数据的安全监管体系，以用于利用所述安全监管体系监管所述工程的重点监管数据。
[0106]
本发明的一实施例中，参阅图3所示，所述构建所述重点监管数据的安全监管体系，包括：
[0107]
s301、从所述重点监管数据中识别所述工程的监管对象、监管内容、监管方式及监管措施；
[0108]
s302、构建所述监管对象、所述监管内容、所述监管方式及所述监管措施之间的层次化结构；
[0109]
s303、将所述层次化结构作为所述安全监管体系。
[0110]
其中，所述监管对象是指被监管的对象，所述监管内容用于表示需要对所述监管对象进行哪些方面的监管；所述监管措施是指利用所述监管方式对所述监管内容进行监管之后，对待监管得到的事故问题所构建的处理问题的措施；所述层次化结构为：第一层设置为监管对象，设置每个监管对象对应的监管内容，则第二层设置为监管内容，设置每个监管内容对应的监管方式，则第三层设置为监管方式，设置每个监管方式对应的监管措施，则第四层设置为监管措施，共四层的树形结构。
[0111]
进一步地，本发明实施例通过检测所述安全监管体系中的监管漏洞，以用于对所述安全监管体系进行体系完善。
[0112]
本发明的一实施例中，所述检测所述安全监管体系中的监管漏洞，包括：基于所述安全监管体系中的安全监管次序，构建所述安全监管体系的知识关系图谱；利用预设的采标库检验所述知识关系图谱的合理性；基于所述合理性，识别所述安全监管体系中的监管漏洞。
[0113]
示例性地，所述安全监管次序是指安全监管的流程次序，例如a：采用第一监管方式对第一监管对象的第一监管内容进行监管，b：采用第二监管方式对第一监管对象的第二监管内容进行监管，c：采用第三监管方式对第二监管对象的第第一监管内容进行监管，则a、b、c为所述安全监管次序，即所述安全监管体系的树形结构中左节点、父母节点、右节点的次序；所述知识关系图谱是指输入知识、关系、输出知识这三者构成的图结构；所述预设的采标库是指预先采集法律法规、标准规范、企业制度等规则数据，构成的工程的标准逻辑库，例如，数据a所导致的数据b，在数据a之后出现的数据c，数据a作为数据d产生的因素，则a作为知识关系图谱的输入知识时，知识关系图谱的关系与输出知识只能为b、c、d这些数据，即a与b、c、d之间的标准逻辑。
[0114]
进一步地，本发明实施例通过基于所述监管漏洞，对所述安全监管体系进行体系优化，以用于构建所述安全监管体系的漏洞防御机制。
[0115]
本发明的一实施例中，所述基于所述监管漏洞，对所述安全监管体系进行体系优化，得到优化监管体系，包括：获取所述监管漏洞对应的知识关系图谱与预设的采标库；获取所述知识关系图谱中与所述预设的采标库不一致的关系与输出知识；利用所述预设的采标库对所述关系与所述输出知识进行数据修正，得到修正数据；基于所述修正数据，确定所述优化监管体系。
[0116]
可选地，所述利用所述预设的采标库对所述关系与所述输出知识进行数据修正，得到修正数据的过程为：将所述知识关系图谱中与所述预设的采标库不一致的关系与输出知识替换为所述预设的采标库中的标准逻辑的关系与输出知识。
[0117]
s5、构建所述优化监管体系的风险评估模型，利用所述风险评估模型对所述优化监管体系的监管数据进行风险评估，得到风险评估值，利用所述风险评估值确定所述工程的安全监管结果。
[0118]
本发明实施例通过构建所述优化监管体系的风险评估模型，以用于对利用所述优化监管体系所监管到的数据进行风险评估。
[0119]
其中，所述风险评估模型由针对所述优化监管体系的每个监管数据所构建的指标构成。
[0120]
本发明的一实施例中，所述构建所述优化监管体系的风险评估模型，包括：对所述
优化监管体系中的监管阶段进行指标层次化，得到所述优化监管体系的层次化指标；构建所述层次化指标的第一判断矩阵和第二判断矩阵；将所述层次化指标、所述第一判断矩阵与所述第二判断矩阵作为所述风险评估模型。
[0121]
其中，所述第一判断矩阵是指二级指标与其他二级指标之间的重要程度比较结果构成的矩阵；所述第二判断矩阵是指每个二级指标的重要度构成的矩阵。
[0122]
可选地，所述对所述优化监管体系中的监管阶段进行指标层次化，得到所述优化监管体系的层次化指标的过程为：所述监管阶段即安全监管次序下的每个阶段，获取安全监管次序下的每个阶段内所监管得到的数据，从中选取会造成事故风险的指标数据。
[0123]
进一步地，本发明实施例通过利用所述风险评估模型对所述优化监管体系的监管数据进行风险评估，以用于将利用所述优化监管体系监管到的工程的数据中存在的风险进行量化。
[0124]
本发明的一实施例中，所述利用所述风险评估模型对所述优化监管体系的监管数据进行风险评估，得到风险评估值，包括：基于所述风险评估模型，利用下述公式计算所述监管数据的第一指标权重：
[0125][0126]
其中，ai表示所述第一指标权重，u
ij
表示所述风险评估模型中第一判断矩阵中第i个二级指标与第j个二级指标之间的重要度，n表示所述风险评估模型的层次化指标中二级指标的总数；
[0127]
基于所述风险评估模型，利用下述公式计算所述监管数据的第二指标权重：
[0128][0129]
其中，bj表示所述第二指标权重，ej表示所述风险评估模型的层次化指标中二级指标的信息熵值，j表示所述风险评估模型的层次化指标中二级指标的序号，n表示所述风险评估模型的层次化指标中二级指标的总数，m表示所述风险评估模型的层次化指标中一级指标的数量，v
jj
表示第j个一级指标对应的第j个二级指标的重要度；
[0130]
基于所述第一指标权重与所述第二指标权重，利用下述公式计算所述风险评估值：
[0131]
[0132]
其中，f表示所述风险评估值，ai表示所述第一指标权重，bj表示所述第二指标权重，i表示第i个二级指标的序号，j表示第j个二级指标的序号，n表示所述风险评估模型的层次化指标中二级指标的总数。
[0133]
可选地，所述利用所述风险评估值确定所述工程的安全监管结果的过程为：将所述风险评估值中大于预设风险评估值的目标风险评估值所对应的监管数据作为所述工程的安全监管结果。
[0134]
可以看出，本发明实施例通过基于工程的设计图纸，构建所述工程的期望模型，以用于在工程未实施之前，按照设计方案构建所述工程的施工现场的三维虚拟模型，这样可以利用所述期望模型分析应该利用何种方式采集所述工程的哪些数据，进一步地，本发明实施例通过利用所述期望模型分析所述工程的现场数据采集方法，以用于从所述期望模型中直观地识别需要进行监管的数据，本发明实施例通过基于所述现场数据采集方法，采集所述工程的现场人工数据与现场机器数据，以用于基于所述现场数据采集方法，安排人工对现场的数据进行采集与上传，同时对一些可利用人工智能采集的数据通过智能机器来采集实现，这样可以利用智能机器采集的数据比对人工采集的数据是否存在造假行为，进一步地，本发明实施例通过利用所述现场机器数据对所述现场人工数据进行真伪鉴定，以用于检验人工采集与上传的数据是否真实，进一步地，本发明实施例通过基于所述真伪性，合并所述现场人工数据与所述现场机器数据，以用于将真实性不足的数据进行重新采集，并利用非机器可采数据弥补机器可采数据的漏缺，本发明实施例通过计算所述合并数据中每个合并数据的强关联度，以用于识别所述合并数据中哪些合并数据与发生的工程问题的关联度较强，进一步地，本发明实施例通过检测所述安全监管体系中的监管漏洞，以用于对所述安全监管体系进行体系完善，进一步地，本发明实施例通过基于所述监管漏洞，对所述安全监管体系进行体系优化，以用于构建所述安全监管体系的漏洞防御机制，本发明实施例通过构建所述优化监管体系的风险评估模型，以用于对利用所述优化监管体系所监管到的数据进行风险评估，进一步地，本发明实施例通过利用所述风险评估模型对所述优化监管体系的监管数据进行风险评估，以用于将利用所述优化监管体系监管到的工程的数据中存在的风险进行量化。因此，本发明实施例提出的一种基于人工智能的工程安全监管方法可以提高工程安全监管的灵活性。
[0135]
如图4所示，是本发明基于人工智能的工程安全监管系统功能模块图。
[0136]
本发明所述基于人工智能的工程安全监管系统400可以安装于电子设备中。根据实现的功能，所述基于人工智能的工程安全监管系统可以包括方法分析模块401、数据合并模块402、重点提取模块403、体系优化模块404以及结果确定模块405。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0137]
在本发明实施例中，关于各模块/单元的功能如下：
[0138]
所述方法分析模块401，用于基于工程的设计图纸，构建所述工程的期望模型，利用所述期望模型分析所述工程的现场数据采集方法；
[0139]
所述数据合并模块402，用于基于所述现场数据采集方法，采集所述工程的现场人工数据与现场机器数据，利用所述现场机器数据对所述现场人工数据进行真伪鉴定，得到所述现场人工数据的真伪性，基于所述真伪性，合并所述现场人工数据与所述现场机器数
据，得到合并数据；
[0140]
所述重点提取模块403，用于计算所述合并数据中每个合并数据的强关联度，基于所述强关联度，从所述合并数据中提取重点监管数据，其中，所述计算所述合并数据中每个合并数据的强关联度，包括：采集所述工程的工程安全问题；基于所述工程安全问题，利用下述公式计算所述合并数据中每个合并数据的强关联度：
[0141][0142]
其中，p表示所述强关联度，表示所述工程安全问题中第k个工程安全问题在时间段t内出现的总次数，表示所述合并数据中第l个合并数据在时间段t内出现的总次数；
[0143]
所述体系优化模块404，用于构建所述重点监管数据的安全监管体系，检测所述安全监管体系中的监管漏洞，基于所述监管漏洞，对所述安全监管体系进行体系优化，得到优化监管体系；
[0144]
所述结果确定模块405，用于构建所述优化监管体系的风险评估模型，利用所述风险评估模型对所述优化监管体系的监管数据进行风险评估，得到风险评估值，利用所述风险评估值确定所述工程的安全监管结果。
[0145]
详细地，本发明实施例中所述基于人工智能的工程安全监管系统400中的所述各模块在使用时采用与上述的图1至图3中所述的基于人工智能的工程安全监管方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
[0146]
如图5所示，是本发明实现基于人工智能的工程安全监管方法的电子设备的结构示意图。
[0147]
所述电子设备可以包括处理器50、存储器51、通信总线52以及通信接口53，还可以包括存储在所述存储器51中并可在所述处理器50上运行的计算机程序，如基于人工智能的工程安全监管程序。
[0148]
其中，所述处理器50在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器50是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器51内的程序或者模块(例如执行基于人工智能的工程安全监管程序等)，以及调用存储在所述存储器51内的数据，以执行电子设备的各种功能和处理数据。
[0149]
所述存储器51至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器51在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器51在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器51还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器51不仅可以用于存储安装于电子设备的应用软件及各
类数据，例如数据库配置化连接程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0150]
所述通信总线52可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器51以及至少一个处理器50等之间的连接通信。
[0151]
所述通信接口53用于上述电子设备5与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，所述用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0152]
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0153]
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器50逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0154]
应该了解，所述实施例仅为说明之用，在专利发明范围上并不受此结构的限制。
[0155]
所述电子设备中的所述存储器51存储的数据库配置化连接程序是多个计算机程序的组合，在所述处理器50中运行时，可以实现：
[0156]
基于工程的设计图纸，构建所述工程的期望模型，利用所述期望模型分析所述工程的现场数据采集方法；
[0157]
基于所述现场数据采集方法，采集所述工程的现场人工数据与现场机器数据，利用所述现场机器数据对所述现场人工数据进行真伪鉴定，得到所述现场人工数据的真伪性，基于所述真伪性，合并所述现场人工数据与所述现场机器数据，得到合并数据；
[0158]
计算所述合并数据中每个合并数据的强关联度，基于所述强关联度，从所述合并数据中提取重点监管数据，其中，所述计算所述合并数据中每个合并数据的强关联度，包括：采集所述工程的工程安全问题；基于所述工程安全问题，利用下述公式计算所述合并数据中每个合并数据的强关联度：
[0159][0160]
其中，p表示所述强关联度，表示所述工程安全问题中第k个工程安全问题在时
间段t内出现的总次数，表示所述合并数据中第l个合并数据在时间段t内出现的总次数；
[0161]
构建所述重点监管数据的安全监管体系，检测所述安全监管体系中的监管漏洞，基于所述监管漏洞，对所述安全监管体系进行体系优化，得到优化监管体系；
[0162]
构建所述优化监管体系的风险评估模型，利用所述风险评估模型对所述优化监管体系的监管数据进行风险评估，得到风险评估值，利用所述风险评估值确定所述工程的安全监管结果。
[0163]
具体地，所述处理器50对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
[0164]
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性计算机可读取存储介质中。所述存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
[0165]
本发明还提供一种存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0166]
基于工程的设计图纸，构建所述工程的期望模型，利用所述期望模型分析所述工程的现场数据采集方法；
[0167]
基于所述现场数据采集方法，采集所述工程的现场人工数据与现场机器数据，利用所述现场机器数据对所述现场人工数据进行真伪鉴定，得到所述现场人工数据的真伪性，基于所述真伪性，合并所述现场人工数据与所述现场机器数据，得到合并数据；
[0168]
计算所述合并数据中每个合并数据的强关联度，基于所述强关联度，从所述合并数据中提取重点监管数据，其中，所述计算所述合并数据中每个合并数据的强关联度，包括：采集所述工程的工程安全问题；基于所述工程安全问题，利用下述公式计算所述合并数据中每个合并数据的强关联度：
[0169][0170]
其中，p表示所述强关联度，表示所述工程安全问题中第k个工程安全问题在时间段t内出现的总次数，表示所述合并数据中第l个合并数据在时间段t内出现的总次数；
[0171]
构建所述重点监管数据的安全监管体系，检测所述安全监管体系中的监管漏洞，基于所述监管漏洞，对所述安全监管体系进行体系优化，得到优化监管体系；
[0172]
构建所述优化监管体系的风险评估模型，利用所述风险评估模型对所述优化监管体系的监管数据进行风险评估，得到风险评估值，利用所述风险评估值确定所述工程的安全监管结果。
[0173]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0174]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0175]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0176]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0177]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0178]
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0179]
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种基于人工智能的工程安全监管方法，其特征在于，所述方法包括：基于工程的设计图纸，构建所述工程的期望模型，利用所述期望模型分析所述工程的现场数据采集方法；基于所述现场数据采集方法，采集所述工程的现场人工数据与现场机器数据，利用所述现场机器数据对所述现场人工数据进行真伪鉴定，得到所述现场人工数据的真伪性，基于所述真伪性，合并所述现场人工数据与所述现场机器数据，得到合并数据；计算所述合并数据中每个合并数据的强关联度，基于所述强关联度，从所述合并数据中提取重点监管数据，其中，所述计算所述合并数据中每个合并数据的强关联度，包括：采集所述工程的工程安全问题；基于所述工程安全问题，利用下述公式计算所述合并数据中每个合并数据的强关联度：其中，p表示所述强关联度，表示所述工程安全问题中第k个工程安全问题在时间段t内出现的总次数，表示所述合并数据中第l个合并数据在时间段t内出现的总次数；构建所述重点监管数据的安全监管体系，检测所述安全监管体系中的监管漏洞，基于所述监管漏洞，对所述安全监管体系进行体系优化，得到优化监管体系；构建所述优化监管体系的风险评估模型，利用所述风险评估模型对所述优化监管体系的监管数据进行风险评估，得到风险评估值，利用所述风险评估值确定所述工程的安全监管结果。2.根据权利要求1所述的方法，其特征在于，所述基于工程的设计图纸，构建所述工程的期望模型，包括：构建与所述设计图纸等比例的所述工程的初始三维模型；对所述初始三维模型网格划分，得到三维网格模型；基于所述三维网格模型中网格节点的坐标，对所述三维网格模型中网格进行网格筛选，得到筛选网格；利用所述筛选网格生成所述期望模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述三维网格模型中网格节点的坐标，对所述三维网格模型中网格进行网格筛选，得到筛选网格，包括：基于所述三维网格模型中网格节点的坐标，识别与所述网格节点中当前网格节点的距离最近的目标网格节点，并从所述网格节点中查询除所述当前网格节点与所述目标网格节点之外的剩余网格节点；在所述当前网格节点、所述目标网格节点及所述剩余网格节点之间的三角形的外接圆仅包含所述当前网格节点、所述目标网格节点及所述剩余网格节点时，获取所述当前网格节点、所述目标网格节点及所述剩余网格节点之间的三角形，并获取所述三角形的相邻三角形，构建所述三角形与所述相邻三角形之间的凸四边形；在所述三角形与所述相邻三角形中的最小内角大于对所述凸四边形的对角线进行交换后的最小内角，则将所述三角形作为所述筛选网格。
4.根据权利要求1所述的方法，其特征在于，所述利用所述期望模型分析所述工程的现场数据采集方法，包括：对所述期望模型进行目标检测，得到检测目标；识别所述检测目标的目标特征；分析所述目标特征对应的待采集项目；构建所述待采集项目的项目采集方式；将所述待采集项目与所述项目采集方式作为所述现场数据采集方法。5.根据权利要求1所述的方法，其特征在于，所述利用所述现场机器数据对所述现场人工数据进行真伪鉴定，得到所述现场人工数据的真伪性，包括：基于所述现场机器数据与所述现场人工数据的关联性，利用所述现场机器数据分析所述现场人工数据的第一真伪性；基于所述现场人工数据中的历史记录与规划记录，分析所述现场人工数据的第二真伪性；利用所述第一真伪性与所述第二真伪性分析所述现场人工数据的真伪性。6.根据权利要求1所述的方法，其特征在于，所述检测所述安全监管体系中的监管漏洞，包括：基于所述安全监管体系中的安全监管次序，构建所述安全监管体系的知识关系图谱；利用预设的采标库检验所述知识关系图谱的合理性；基于所述合理性，识别所述安全监管体系中的监管漏洞。7.根据权利要求1所述的方法，其特征在于，所述基于所述监管漏洞，对所述安全监管体系进行体系优化，得到优化监管体系，包括：获取所述监管漏洞对应的知识关系图谱与预设的采标库；获取所述知识关系图谱中与所述预设的采标库不一致的关系与输出知识；利用所述预设的采标库对所述关系与所述输出知识进行数据修正，得到修正数据；基于所述修正数据，确定所述优化监管体系。8.根据权利要求1所述的方法，其特征在于，所述构建所述优化监管体系的风险评估模型，包括：对所述优化监管体系中的监管阶段进行指标层次化，得到所述优化监管体系的层次化指标；构建所述层次化指标的第一判断矩阵和第二判断矩阵；将所述层次化指标、所述第一判断矩阵与所述第二判断矩阵作为所述风险评估模型。9.根据权利要求1所述的方法，其特征在于，所述利用所述风险评估模型对所述优化监管体系的监管数据进行风险评估，得到风险评估值，包括：基于所述风险评估模型，利用下述公式计算所述监管数据的第一指标权重：
其中，a
i
表示所述第一指标权重，u
ij
表示所述风险评估模型中第一判断矩阵中第i个二级指标与第j个二级指标之间的重要度，n表示所述风险评估模型的层次化指标中二级指标的总数；基于所述风险评估模型，利用下述公式计算所述监管数据的第二指标权重：基于所述风险评估模型，利用下述公式计算所述监管数据的第二指标权重：其中，b
j
表示所述第二指标权重，e
j
表示所述风险评估模型的层次化指标中二级指标的信息熵值，j表示所述风险评估模型的层次化指标中二级指标的序号，n表示所述风险评估模型的层次化指标中二级指标的总数，m表示所述风险评估模型的层次化指标中一级指标的数量，v
jj
表示第j个一级指标对应的第j个二级指标的重要度；基于所述第一指标权重与所述第二指标权重，利用下述公式计算所述风险评估值：其中，f表示所述风险评估值，a
i
表示所述第一指标权重，b
j
表示所述第二指标权重，i表示第i个二级指标的序号，j表示第j个二级指标的序号，n表示所述风险评估模型的层次化指标中二级指标的总数。10.一种基于人工智能的工程安全监管系统，其特征在于，其用于执行如权利要求1-9中任意一项所述的基于人工智能的工程安全监管方法，所述系统包括：方法分析模块，用于基于工程的设计图纸，构建所述工程的期望模型，利用所述期望模型分析所述工程的现场数据采集方法；数据合并模块，用于基于所述现场数据采集方法，采集所述工程的现场人工数据与现场机器数据，利用所述现场机器数据对所述现场人工数据进行真伪鉴定，得到所述现场人工数据的真伪性，基于所述真伪性，合并所述现场人工数据与所述现场机器数据，得到合并数据；重点提取模块，用于计算所述合并数据中每个合并数据的强关联度，基于所述强关联度，从所述合并数据中提取重点监管数据，其中，所述计算所述合并数据中每个合并数据的强关联度，包括：采集所述工程的工程安全问题；基于所述工程安全问题，利用下述公式计算所述合并数据中每个合并数据的强关联度：其中，p表示所述强关联度，表示所述工程安全问题中第k个工程安全问题在时间段
t内出现的总次数，表示所述合并数据中第l个合并数据在时间段t内出现的总次数；体系优化模块，用于构建所述重点监管数据的安全监管体系，检测所述安全监管体系中的监管漏洞，基于所述监管漏洞，对所述安全监管体系进行体系优化，得到优化监管体系；结果确定模块，用于构建所述优化监管体系的风险评估模型，利用所述风险评估模型对所述优化监管体系的监管数据进行风险评估，得到风险评估值，利用所述风险评估值确定所述工程的安全监管结果。

技术总结
本发明涉及工程监管领域，揭露一种基于人工智能的工程安全监管方法及系统，方法包括：基于工程的设计图纸，构建工程的期望模型，利用期望模型分析工程的现场数据采集方法；基于现场数据采集方法，采集工程的现场人工数据与现场机器数据，利用现场机器数据对现场人工数据进行真伪鉴定，得到现场人工数据的真伪性；计算合并数据中每个合并数据的强关联度，构建重点监管数据的安全监管体系，检测安全监管体系中的监管漏洞，基于监管漏洞，对安全监管体系进行体系优化，得到优化监管体系；构建优化监管体系的风险评估模型，利用风险评估模型对优化监管体系的监管数据进行风险评估，得到风险评估值。本发明可以提高工程安全监管的灵活性。性。性。


技术研发人员：龚跃珍 韩博雅 张仁其
受保护的技术使用者：东莞市银枫网络科技有限公司
技术研发日：2023.06.26
技术公布日：2023/9/25