赵浩然

(水发检测科技有限公司，山东 济南 250000)

0 引言

智能化时代下，建筑行业不断发展、完善，相关的技术也实现了全面性创新。建筑工程施工进度的实时监测是该工程中十分重要且关键的一个环节，由于近年来人们对建筑施工要求的提升，施工进度的监测工作也进一步受到重视。以水库农田的防护工程为例进行实践分析。传统的农田防护工程施工进度实时监测多为单向结构，参考文献[1]和文献[2]，设定传统倾斜摄影技术工程施工进度实时监测方法、传统数值模拟工程施工进度实时监测方法，这一类监测方式虽然能够实现预期的监测任务和目标，但是缺乏针对性和稳定性，在不同的背景环境下，难以及时对施工进度数据、信息进行汇总，导致获取的最终监测结果并不理想。不仅如此，单向监测结构对于农田防护工程的监测效率较低，围绕工程建设的完成度，无法更加精准地判断施工具体情况，初始获取的监测结果出现不可控的误差[3]。为此提出对基于BIM+GIS的水库农田防护工程施工进度实时监测方法的设计与验证分析。BIM+GIS实际上是一种组合式的区域测定标记形式，通过BIM技术可以对当前防护工程的基础模型进行描述，同时利用GIS技术来进行位置标记，获取地理信息将BIM+GIS技术与工程施工进度实时监测工作融合，一定程度上可以进一步扩大实际的监测范围，从多个角度进行进度环节的管理与把控，设计更加灵活、多变的实时监测结构，从多个角度进行多维监测处理，加强对实际建筑情况的掌握，进而保证建筑工程的整体质量[4]。

1 设计防护工程施工进度BIM+GIS实时监测方法

1.1 基础监测数据采集

对水库龙田防护施工过程的的监测设计较多的外部因素，同时也容易受到特定环境和状况的影响，致使最终得出的监测结果出现无误差，为解决这一问题，相关人员需要先进行基础监测数据的采集，汇总与整合[5]。先对不同施工阶段工程地面状态作出分类，利用专业的监测设备进行辅助测量。这部分需要注意的是，采集的类型并不局限于数据，还可以是三维图像、图片、视频等，基于实际的测定要求，进行当前施工实际特征的测试[6]。

随后，完成初始信息源的采集之后，明确设定一个统一的处理转换格式，将采集的数据、信息预处理。在此基础之上，还需要对水库农田的实时施工情况进行监测处理[7]。在设备可识别的范围之内，部署一定数量的监测节点，节点之间互相关联，形成循环性的检测环境，便于实时数据、信息的采集和应用[8]。当前采集的基础性监测数据和控制指标参数见表1。

表1 监测数据及控制指标参数设置表

根据表1，完成对监测数据及控制指标参数的设置。随后，在此基础之上，将当前所采集的数据、信息分类处理，存储在预设的数据库之中，以待后续使用。但是需要注意的是，监测资源不仅仅是数据形式，还存在图像、视频等，可以建立多维动态式的采集存储库，按照资源类型划分模块，将实时监测资源通过节点直接传输到对应的模块之中，缩短整体的数据采集实践，营造更加稳定的实时监测环境。

1.2 设计多目标自适应识别监测结构

与传统施工进度识别监测结构不同的是，此次依据当前施工建设需求及标准的变化，调节各个环节的监测内容和目标，从多个角度、多目标对监测结构和内置的流程进行把控，确保阶段性监测结果真实可靠。首先，建立一个多目标的识别监测初始结构，如图1所示。

图1 多目标施工进度实时识别监测结构

由图1可知，实现对多目标施工进度实时识别监测结构的设计与实践性分析。当前针对水库农田工程防护位置及任务的变化，采用调整节点位置的方式来转换对应的监测范围，此时，结合BIM技术，将当前的防护工程建筑转换为一个多目标的信息化模型，利用GIS系统对施工的各个区域进行顺序性定位，通过遥感技术和初始的自适应处理程序，进一步明确当前施工的具体完成度，进而判定当前处于的施工阶段。基于设置该结构的多目标实时监测周期，并计算监测限值，公式为：

(1)

式中，S—监测限值；m—初始监测范围；n—存在的监测堆叠范围；e—单元监测频次；v—覆盖均值；α—监测特征差值。

结合当前的计算，将监测限值设置为该结构的限制标准，在对水库农田防护工程监测的过程中，进行合理约束限制，确保最终测试结果的真实可靠。

1.3 构建BIM+GIS防护工程进度实时监测模型

以BIM+GIS组合式的结构，构建水库农田防护工程进度实时监测模型。通过BIM技术，先对当前防护工程施工进度的变化进行实时监测解析。不同监测时点工程地表覆盖数据实时空间叠加，前期地表覆盖与后期地表覆盖类型存在差异，这个“差异”就是工程所推进的进度。结合BIM技术的可视化特征，先构建工程的三维模型，关联节点之后，便于数据的实时更新，帮助相关人员更快掌握进度的变化数据信息。随后，以此为基础，在当前的模型中建立一个工程进度变化转换数学矩阵，并计算出变化转移的实际面积，公式为：

(2)

式中，Di-y—实际面积的转移过程；n—覆盖面积。结合当前的测试，实现对变化转移的实际面积的计算。此时，利用模型对各个周期实际建筑面积的转移情况进行测算处理，记录下对应的变化数据。随后，利用GIS中的空间数据处理技术，相比对各个周期数据的变动情况，对变化的数据规律进行系统性总结，形成模型的内置结构，具体如图2所示。

图2 BIM+GIS防护工程进度实时监测模型结构

根据图2，完成对BIM+GIS防护工程进度实时监测模型结构的设计与实践分析。随后，将上述设计的监测结构导入模型之中。通过部署的节点进行实时数据的采集、传输和共享，为模型提供对应的处理资源、信息，采用BIM+GIS组合式的技术辅助，对当前防护工程的施工进度进行实时监测和动态化解析把控。

1.4 点云技术辅助处理完成实时监测

所谓点云处理，实际上是空间信息的处理技术，主要是将物体、工程的三维空间信息转化为由坐标点集合表示的数字量。利用设计的BIM+GIS防护工程进度实时监测模型先对采集的数据进行汇总，将点云程序接入系统之中，通过坐标点将整个施工进度变化过程动态化、具体化、灵活化，给予相关人员更加直观的监测效果，具体的控制监测指标见表2。

表2 点云辅助控制监测指标设置表

根据表2，实现对点云辅助控制监测指标的设置，随后，通过点云技术的辅助，使用BIM+GIS技术对施工进度的推进区域进行可视化处理，更为直观地感受到进度的推进，一定程度上提升了针对水库农田防护工程建设实时监测的质量和效率，进一步缩短了数据、信息的传输时间，实现技术的完善与定向优化。

2 方法测试

此次主要是对基于BIM+GIS的水库农田防护工程施工进度实时监测方法的实际应用效果进行分析与验证研究，考虑到最终测试结果的真实性与可靠性，采用对的方式展开分析，选定A工程作为测试的主要目标对象，参考文献设定传统倾斜摄影技术工程施工进度实时监测小组、传统数值模拟工程施工进度实时监测小组以及此次所设计的BIM+GIS工程施工进度实时监测小组。结合当前测试需求及标准的变化，对最终的得出的结果比照研究，接下来，进行初始测试环境的搭建。

2.1 测试准备

结合BIM+GIS技术，对选定的水库农田防护A工程施工进度实时监测方法的测试环境进行搭建处理。该工程是Q区域的一个农业工程，为确保水库周围的农田在汛期不受影响和破坏，需要在农田水库的交界位置修建强有力的防护工程，并赋予其防水、抗洪的任务。所以基于上述的目标，保证工程顺利完成，需要对当前的施工进度进行实时监测处理。首先进行基础监测装置、设备的设置。采用大疆精灵Phantom4RTK多旋翼无人机和RIY-D2M五镜头相机作为资源数据的采集支撑设备，并在控股程序之中增设遥感系统，便于数据、信息的转换。设置无人机飞行高度为125～185m，航向重叠度控制在65%以下，旁向重叠度为89.5%。在工程的两侧设置相控点和数据监测采集节点，便于工程施工资料及数据的汇总，对A工程的BIM+GIS可视化工程监测示意图如图3所示。

图3 A工程的BIM+GIS可视化工程监测示意图

随后，结合当前的监测需求，利用BIM+GIS协同处理，对当前的测试环境进行基础性调整，实现对测试环境的搭建。

2.2 测试过程及结果分析

基于上述搭建的测试环境，结合BIM+GIS技术，对选定的A防护工程进行测试与验证。先利用节点进行基础数据、信息的采集。这个过程主要是先明确实际的监测区域，利用无人机进行覆盖式采集，过程中通过遥感数据和GIS技术进行空间数据的实时处理，汇总整合之后，传输到对应的存储位置之上。对当前的施工进度测定，见表3。

表3 A工程实时施工进度表

根据表3，对A工程实时施工进度进行分析：在不同的施工状态下，当前的施工状况与初始的相比推进了很多，设置对应的施工周期，使用GIS系统进行实时工程的监测。完成数据的采集和定位之后，在利用BIM技术，进行可视化实践匹配，在相同的环境下，关联施工管控程序，并对施工进度完成环节进行多维匹配处理，计算出同周期的监测匹配频次，公式为：

(3)

式中，N—同周期的监测匹配频次，同周期的监测匹配频次，表示覆盖范围；v—监测周期；λ—实时监测差值；l—转换均值；τ—监测面积；c—重复监测面积。结合当前的测试，进行实验结果数据的呈现，见表4。

表4 实验结果数据呈现表

根据表4中呈现的结果数据，可以得出以下的实验结论：在BIM+GIS技术的辅助下，对比于设定传统倾斜摄影技术工程施工进度实时监测小组、传统数值模拟工程施工进度实时监测小组，此次所设计的BIM+GIS工程施工进度实时监测小组同周期对于工程进度的监测匹配频次相对更多，说明实时监测的灵敏度、稳定性较强，更加可靠，具有实际的应用价值。

3 结语

传统的工程进度实时监测形式效率较低，无法控制其中的关键性指标，因此，在BIM+GIS组合式技术的辅助下，提出水库农田防护工程施工进度实时监测方法。由实验结果可知，采用改进监测方法时，其监测识别耗时、监测匹配次数、重复监测概率均要优于传统方法，表明当前所设计的实时监测结构更加灵活、多变，与建筑工程项目监测系统相关联之后，可以形成更为具体、完整的监测程序，为后续相关技术的发展及完善提供参考依据和理论借鉴。