陈双锋
身份证号:3725011978****243X 山东省聊城市
摘要：工程项目由于建设时间跨度大、施工工序多、责任主体和相关单位多、质量安全影响因素复杂等，使得工程管理难度越来越高，因而建立基于大数据技术的建设工程质量安全数据服务平台，以加强工程建设过程中的信息共享和信息交流就成为有效控制工程质量和安全的重要工具和有效手段。
关键词：大数据；工程质量；安全管理；信息服务；平台研究
1信息管理平台的体系功能
大数据的工程质量安全管理建设的信息服务平台，主要目的是帮助大型建筑工程施工企业利用信息服务平台，建立所属工程的质量和安全数据仓库，通过全面的对数据进行挖掘工作，对工程质量安全数据进行综合整理并科学分析，进而能够更加及时的对工程项目质量安全和工程项目质量安全行为进行全程实时监管，并且能够更加科学、快速、客观的对工程质量安全进行科学分析和合理评估，有效的防范各种工程质量安全风险，发生风险时能第一时间做出科学的决策，更好的实现对工程质量安全的有效控制与管理。“工程管理、检测数据、混凝土数据、质量管理、安全管理、机械设备、查询统计、辅助办公”是软件的基本功能，也是重要组成部分。工程质量安全数据来源包括工程项目的基本数据、工程进度实时数据、起重机械实时监控数据及安全状况判断结果数据等等一切与工程质量安全相关的海量数据，其中还包括GPS定位等各类复杂数据。大数据收集器负责收集这些海量而且复杂的数据，收集的数据及时的进行过滤、规则匹配、分类和聚类，对数据进行深度挖掘，然后对挖掘的数据进行全文索引存储、查询检索等，进而形成精准的推送数据。这些数据通过质量管理、安全管理应用系统，最终直观的展现给工程管理人员。
2大数据技术与工程管理
大数据技术是指从体量大、类型复杂的数据中快速获得有价值信息的技术，具有体量大 (volumes) 、数据类别复杂 (variety)、数据处理速度快（Velocity）和数据真实性高（Veracity）等 4V 特点。其关键技术主要包括数据采集、数据预处理、数据存储及管理和数据分析及挖掘等 ：1) 大数据采集技术 ：通过利用 RFID、二维码、传感器等物联网及移动互联等方式获得各种类型的结构化、半结构化（或称之为弱结构化）及非结构化的海量数据。2) 大数据预处理技术 ：对已接收的具有多种结构和类型数据的辨析、抽取、清洗等操作，从而提取出有效数据。3) 大数据存储及管理技术 ：把采集到的数据有序、高效地存储起来。4) 大数据分析及挖掘技术 ：利用数据挖掘算法从海量数据中分析并获得有价值信息。目前，广州市建设行业已建成并在运行的信息系统有几十个，其中多个系统都与工程质量安全管理相关，仅在最新投入运行的“广州市建设工程一张图管理信息系统”就分别从各系统中抽取了十六类有关工程管理信息，基本覆盖了全市 2000 多个工程、3000 多家企业，而且大部分数据均自动采集、实时更新，其中仅就起重机械安全监测监管系统一个数据源来看，每天通过安装在工地现场各起重机械上的传感器自动采集的数据量就达到 2G，并且这些海量的、来自不同信息系统、结构各异的数据不是简单地汇总，而是要从中找出关联性并为行政主管部门和各类企业提供有价值的信息服务。因此，工程管理本身所具有的特点就决定了工程质量安全数据服务平台所面临的数据处理要求完全符合大数据技术的 4V 特点。根据 ESM 国际电子商情针对 2013 年大数据应用现状和趋势的调查，结果显示 ：被调查者最关注的大数据技术中，排在前五位的分别是大数据分析（12.91%）、云数据 库（11.82%）、Hadoop（11.73%）、 内存数据库（11.64%）以及数据安全（9.21%），大数据分析成为最被关注的技术。大数据分析的理论核心就是数据挖掘算法，即利用各种统计方法深入数据内部，挖掘出隐藏在海量数据背后的有价值信息。因而，利用大数据技术，尤其是各类数据挖掘算法，实现工程管理领域的智能化具有重要的现实意义。
期刊文章分类查询,尽在期刊图书馆
3平台的关键技术
3.1面向实时流的大数据挖掘
信息数据服务平台所收集的工程质量安全实时数据和非实时数据都普遍存在无限性、实时响应性等特点，所以对数据的挖掘算法显得尤为关键，其中最常用的数据算法包括实时流处理框架和规则匹配、频繁项挖掘等。例如起重机械监控数据，属于实时自动采集，系统根据规则匹配数据与实际监控自动采集的数据进行比对，做出迅速的判断，判断出安全隐患状况，并且及时作出预替响应。
3.2基于大样本的大数据挖掘
数据挖掘是通过对各种统计数据深入数据内部，并且运用多种方法计算和分析，比如利用ABC分类法，可以通过对工程质量检测监管系统和混凝土质量追踪，系统采集各种大量数据，对工程施工质量进行控制和评价。所有的算法的应用都要求基于依赖大样本的大数据前提下进行挖掘计算和分析。
3.3基于全文索引的大数据搜索
快速准确的从大量复杂的数据中搜索出工程所需的相关重要信息，是数据服务平台的关键。所谓索引，就是按一定的方式有序的将数据中具有检索意义的词项排列起来，以方便检索。索引是检索的前提和基础，影响着信息检索的效率和检索的质量，全文索引技术有着非常重要的作用。
3.4基于No SQL的大数据存储
大量复杂的数据为服务平台提供信息来源，平台通过对大量有效数据进行有效存储和查询。为了能够更好的满足大量复杂的数据容错存储以及满足高效访问频率等，数据服务平台应该使用基于No SQL的大数据存储对工程的复杂海量数据进行存储、查询和管理，充分吸取Google Big table和Amazon dynam。二者的优良基因在数据模型上采用了Bigtable的基于列集(Column Family)的模型，使用dynamo模式对数据进行数据的分布式存储，通过这些技术的应用能更好的满足平台大数据存储，同时满足工程质量安全管理所需求的海量信息。
4结语
国家住房和城乡建设部于 2014 年 9 月1 日印发了《工程质量治理两年行动方案》，明确要求健全工程质量监督机制，创新工程质量安全监督检查方式，对工程质量安全实施有效监督，并提出要在 2015 年底前完成建筑市场和工程质量安全监管一体化工作平台建设，实现“数据一个库、监管一张网、管理一条线”的信息化监管目标。本文所探讨的应用大数据技术对质量安全数据进行一致的整合、分析处理和应用，可将企业和行政主管部门的信息化成本降到最低，为工程质量各相关方的协同工作和监管提供支撑和保障，必定能大大加快行业的信息化进程，真正落实《工程质量治理两年行动方案》。
参考文献:
[1]曾爱文,戴清波,刘林,田园. 基于检测数据的工程质量信息化监管探讨[J]. 工程质量,2016,34(05):4-7.
[2]付峰,王默琛. 大数据背景下石化建设工程责任主体质量管理与风险评价研究[J]. 甘肃科学学报,2015,27(06):121-126.
论文作者:陈双锋
论文发表刊物:《防护工程》2018年第4期
论文发表时间:2018/6/20
标签：数据论文; 工程质量论文; 技术论文; 服务平台论文; 海量论文; 信息论文; 实时论文; 《防护工程》2018年第4期论文;