以物联网概念探索建设工地可视化质量监管新模式

建筑行业在改善居住条件、芫善基础设施、推动经济增长方面发挥着特殊作用。与此同时,建筑业也是一个安全事故多发的高危行业。近年来,在国家、各级地方政府部门和行业主体的共同努力下,建筑施工安全生产事故逐年下降,质量水平大幅提升,但随着我国城市化进程的持续推进和建设工程规模的不断扩大,建筑工地安全生产形势依然非常严峻。如何加强施工现场安全管理、降低事故发生频率、杜绝各种违规操作和不文明施工、提高建筑工程质量,成了摆在各级政府管理部门面前的新挑战与新课题。针对目前工地安全监管和防范手段相对落后、施工企业信息化水平相对较低、信息化尚未深度融入安全生产核心业务的现状,业界正在积极利用信息化手段对建筑施工安全生产进行技术监管,并以此厘清企业安全生产责任,提高政府安全监管水平。本文结合海康推出的建筑工程安全管理系统谈谈目前建筑工地安防应用的一些情况。     

吉林省华一公路建设集团白城宏达路桥有限公司

<正>吉林省华一公路建设集团白城宏达路桥有限公司(原白城市公路工程有限责任公司第三分公司),是具有公路工程施工总承包贰级、市政公用工程施工总承包贰级、路基工程专业承包贰级、路面工程专业承包贰级、桥梁工程专业承包贰级,隧道工程专业承包贰级,公路养护二类     

高层住宅楼液化气管道设计施工中几个问题的探讨

近年来,随着城市人口的增长,城市土地的利用率越来越高,人们开始向空中发展,涌现了许多高层住宅楼.下面,就近几年来城市高层住宅楼管道液化气工程的设计和施工中的有关问题进行总结和探讨,以更好地提高高层住宅楼管道液化气设计水平和质量.     

地铁施工阶段险兆事件自愿上报意愿影响因素研究

为提高地铁施工阶段险兆事件自愿上报水平,研究地铁施工阶段险兆事件自愿上报意愿的影响因素,通过文献查阅和访谈等方法归纳出险兆事件自愿上报意愿的影响因素,建立险兆事件自愿上报意愿指标体系。基于组合赋权法计算的权重对各指标进行重要性排序,并提出提高险兆事件自愿上报水平的对策建议。结果表明:认知水平、未对上报者和当事人保密、存在责备及苛责文化和无惩罚制度没有充分落实是地铁施工阶段险兆事件自愿上报意愿的关键影响因素。     

码头联防体船舶污染海洋环境风险评价

为给海事主管机关审验港口、船厂等单位组建船舶污染海洋联防体提供参考,依据《防治船舶污染海洋环境管理条例》和《船舶污染海洋环境风险评价技术规范(试用)》,通过分析石岛两家公司船舶污染海洋环境的事故风险识别、项源和影响预测等环节,对两家公司组建联防体进行了专项评价实践,论述了联防体组建的必要性、可行性和经济性,提出了此类评价的完善建议.     

市政工程施工地周边颗粒污染物扩散特征

为了解市政施工对周边大气环境的影响,通过测定TSP、PM10、PM2.5、PM1等指标,研究了施工工地附近颗粒污染物随天气条件、气象要素、距施工点距离的变化规律,结果表明：（1）粒径较大的颗粒物质量浓度受气象要素的影响较明显,大风和晴天的ρ（TSP）、ρ（PM10）远高于阴雨天;随风速增大,ρ（TSP）、ρ（PM10）、ρ（PM2.5）显著升高。（2）小粒径颗粒物（PM1）受天气条件的影响不明显,湿度、风速变化对PM1影响较小。（3）距离施工工地越远,4种颗粒物质量浓度越低,其中ρ（TSP）、ρ（PM10）、ρ（PM2.5）随距离下降较快。（4）不同施工阶段颗粒物污质量浓度异较大,挖槽阶段颗粒物污染要高于结构装修阶段。     

开展全员设备管理活动保证施工生产安全

本文着重论述全员设备管理的要素,论述全效率,全过程和全员参加的设备管理活动的具体内容和方法。     

基于GRA-SSA-Elman的隧道施工瓦斯安全性预测评价

为准确预测隧道施工瓦斯灾害,有效评估瓦斯安全,建立基于灰色关联分析(grey relational analysis, GRA)与麻雀搜索算法(sparrow search algorithm, SSA)优化Elmen神经网络的隧道施工瓦斯安全性预测评价模型。首先从水文地质条件、隧道设计、煤层结构状况及施工管理四个方面考虑,遴选12个主要影响因素,采用GRA法量化分析选取的影响因素与评价对象间的关联性;然后引入SSA优化Elman模型中的初始权值和阈值建立模型,采用留一交叉验证法验证模型性能;最后为进一步验证模型性能,对选取的实例瓦斯隧道待测样本进行瓦斯灾害预测评价,同时与PSO-Elman、Elman、Fisher判别分析(fisher discriminant analysis, FDA)模型预测结果与现场实际结果对比分析。结果表明：SSA-Elman预测结果与实际工程结果一致性更高,优化后的模型精确度和稳定性更好,可操作性强,对隧道施工瓦斯安全性评估具有良好的适用性。     

深度学习在裸地扬尘源监测中的应用研究

裸地是扬尘的重要来源,施工建设过程中形成的裸地极易在大风天气作用下造成扬尘污染。因此,快速、有效地定位裸地位置,并确认其管控措施落实情况,对于开展裸地扬尘源监管具有重要意义。基于高分辨率遥感监测数据,结合人工解译裸地扬尘源数据集,以北京市大兴区为例,利用深度学习方法对裸地和防尘网覆盖裸地进行分类识别。同时,利用颜色匹配法对大兴区防尘网覆盖裸地进行识别,横向评估深度学习方法的识别精度。结果显示：深度学习方法对防尘网覆盖裸地的识别精度达97%,对裸地的识别精度达61%;颜色匹配法对防尘网覆盖裸地的识别精度达85%。防尘网覆盖裸地的颜色特征鲜明,深度学习方法和颜色匹配法对防尘网覆盖裸地的识别精度都在85%以上。深度学习方法对于面积大于2 000 m²的图斑有着较好的识别精度。深度学习方法可以提高裸地遥感解译的效率,实现规范化图像识别,可以作为人工判读的辅助手段。在实际应用中,可通过进一步积累样本来增强模型性能。深度学习方法适用于裸地扬尘源线索快速发现、工地防尘网措施落实情况快速检测等场景。     

上软下硬地层双线地铁隧道下穿既有城市道路地层变形规律研究

上软下硬地层地区进行隧道开挖时,常引起较大的地表沉降,危及地表构筑物。依托深圳地铁7号线安托山停车场出入线下穿深圳北环大道工程,采用现场监测研究方法,对该类地层双线隧道下穿既有道路引起的围岩及地层位移进行研究。研究结果表明:道路荷载对隧道围岩沉降有较大影响,当双线隧道间距较小时,全断面注浆对注浆段上方较浅地层位移影响较明显,对临近隧道较深处影响较明显,全断面注浆对地面沉降有较好的控制作用,但要注意控制隆起,该工程中全断面注浆对注浆加固圈以外8 m内影响较大,8~13 m范围影响较小。通过多种监测手段相结合,可以更好的保障施工安全。