Ontology-based Knowledge Modeling of Quality Hazard Information in Construction Projects
-
摘要: 在传统的项目管理模式中，工程人员都是通过核对监理单位提供的质量隐患整改单中的质量问题信息和建筑工程施工质量验收规范，来确定项目工程施工质量是否达标。为了提高工程信息审查效率，本文提出了一种基于本体的建筑工程质量隐患整改单信息审查知识模型。研究过程主要分为四步：第一，分析建筑工程施工质量验收规范中的词义元素和语义表达；第二，分析质量隐患整改单中的质量问题信息并建立知识模板和语义信息图；第三，参考已有的建筑工程质量验收规范知识模型，建立QII-QHDRFOntology知识模型；第四，完成建模后，将该模型应用于实际案例以验证其可行性和有效性。验证结果表明，本文建立的QII-QHDRFOntology知识模型能够成功审查实际工程质量隐患整改单中的质量问题信息。Abstract: Construction quality management methods need to be improved as the construction industry develops and the scale of construction expands. The traditional quality review involves manually checking the quality issues in the quality rectification forms provided by the supervisors and the codes of construction quality acceptance, which determines whether the construction quality is qualified. However, the traditional method is not only time-consuming and labor-intensive, but also may lead to errors that affect quality control and decision-making. To avoid the above issues by automatic quality review, this paper proposes an ontology-based knowledge model for reviewing information in construction quality hid danger rectification forms. The modeling process comprises four steps: (1) analyzing the lexical elements and semantic relationships in the codes for acceptance of construction quality; (2) establishing knowledge templates and semantic relationship graphs of the quality issues information in quality hid danger rectification form; (3) referring to the existing knowledge model and establishing the QII-QHDRFOntology knowledge model; (4) applying the model to actual cases to evaluate its feasibility and effectiveness. The evaluation results in this paper indicate that the proposed QII-QHDRFOntology knowledge model can effectively review the quality issue information in actual construction quality hazard rectification forms.
-
引言
建筑工程质量验收程序在质量验收规范中有明确条文规定，如《建筑工程施工质量验收统一标准》等建筑工程施工质量验收规范为确保工程项目质量提供了基本遵循 [1]。项目人员在监督现场施工质量时，主要是通过将建筑工程质量隐患整改单内容和建筑工程施工质量验收规范条文进行核对，来确定项目工程施工质量是否达标，这种依靠人工的审查方法不仅费时费力，并且可能出现审查错误等问题 [2, 3]。因此，对建筑工程施工质量验收规范和建筑工程质量问题信息进行本体知识建模，使质量隐患整改单审查过程自动化，从而提高工程文本知识管理效率、增强已有知识的利用。
随着知识表示在人工智能领域不断发展，专家开发了逻辑表示法、产生式表示法、框架表示法、语义网表示法和本体表示法等多种知识表示方法，旨在把人类能理解的相关知识表示为计算机同样能理解的结构化知识 [4]。乔晓利等 [5]运用逻辑表示法研究飞机线束工装图版设计各阶段的谓词逻辑方法，提高了飞机线束工装图版设计的效率。Guo S等 [6]运用产生式表示法和框架表示法提出了一种基于框架的句子表示方法，该方法利用框架语义知识来促进句子建模，实验表明在机器阅读理解上优于其它先进的方法。Chondrogiannis E等 [7]使用区块链和语义网技术，建立了一个分布式应用程序，其语义网用于表示被保险人的数据和合同条款，实现了区块链和智能合约的功能。以上几种知识表示方法在建筑工程的应用中主要聚焦于知识推理和知识储存，而本体表示法不仅可以进行知识推理和知识储存，还能明确有关概念并对概念之间的关系进行语义表达，拥有更强的知识表示能力，因此本体表示法主要应用于建筑工程质量的合规性审查 [8, 9]。
本文基于本体，针对行业已有的建筑工程施工质量验收规范和建筑工程质量问题信息进行知识建模，具体操作步骤如图 1所示。由于建筑工程施工质量验收规范和质量隐患整改单由自然语言编写，为非结构化工程文本，其中信息未经合理分类且大多零散，计算机处理能力低。基于本体表示法对工程文本进行知识建模与结构化表示，能够让计算机理解其中的词义信息和语义信息，让工程人员更有效地审查施工质量隐患问题 [10, 11]。此外，本文还将构建的本体知识模型用于实际工程中的质量隐患整改单质量问题信息的审查验证，使已构建的本体知识模型在实际工程的质量信息审查中得到知识重用。
1. 建筑工程施工质量问题信息的知识建模
知识建模可将非结构化的文本进行结构化知识表示，将自然语言以符号化、形式化和模型化等结构化信息来表示，让计算机能够理解并处理文本中的词义信息和语义信息 [12]。知识表示是对知识的一种结构化描述或约定，探寻知识表示方式是自然语言处理领域和人工智能领域的重要研究方向，也是对自然文本表示的非结构化知识进行分析的关键一环。针对施工质量验收规范条文及质量问题信息的特点，本体知识表示方式相较于其它知识表示方式更能表达其中的具体概念、概念之间的关系和属性等特有知识。本体知识表示可将信息概念进行共享及明确，并且它不同于硬编码方式只适用于特定领域，本体知识表示方式具有继承性和重用性的突出优势，只需选用合适的可重用本体就可以大大减少重新构建领域本体所需要的人力物力 [13]。本章就施工质量隐患整改单这一常见工程文本，结合建筑工程施工质量验收规范中的词义元素和语义表达，利用本体知识表示方式对施工质量问题信息进行了知识建模，从而实现对建筑工程施工质量验收规范的知识重用和质量问题信息审查。
1.1 建筑工程施工质量验收规范分析
本文研究收集分析建筑工程领域内与工程施工质量监控审查相关的现行标准和规范（如《建筑工程施工质量验收统一标准》（GB50300-2013）、《钢结构工程施工质量验收规范》 (GB50205-2020）、《建筑地面工程施工质量验收规范》（GB50209-2010）等），质量管控过程中对建筑工程质量的检查是按照建筑工程施工质量验收规范检查程序对产品质量属性、建筑工序和材料选择等约束进行的核查，从知识表式的词义元素方面对建筑工程施工质量验收规范条文进行剖析，可总结为如表 1所示包含的词义元素。
表 1 建筑工程施工质量验收规范的词义元素词义元素 示例 情境信息 配置砂浆时、对低洼场地等 建筑构件 砌体、桩基础等 属性 厚度、强度等 建筑材料 砂浆、钢筋等 情态词 必须、宜等 比较词 不超过、不大于等 时间顺序词 后、之前等 属性词 10mm、30Mpa等 工序 嵌填、砌筑等 规范信息 《屋面工程质量验收规范》 1.2 建筑工程施工质量问题信息本体模型
本文的本体构建方法参考斯坦福大学Natalya F. Noy等 [14]的七步法，结合实际情况，确定建筑工程施工质量问题信息本体模型构建方法共分为四步：（1）明确本体的领域、范围和构建原则。构建的施工质量信息审查本体模型，属于建筑工程领域，旨在实现计算机对质量隐患整改单这一常见工程文本中的质量问题信息进行语义理解与自动审查，采用层次本体模型 [15]进行构建，层次本体模型如图 2所示；
（2）通过本体知识比较，选择有关学者专家已经研究的质量规范相关本体模型。本文继承和重用胡云忠 [16]所提出的CQIEOntology元本体模型，该元本体模型可用于建筑施工全过程质量检测和质量评价，提供了建筑工程施工质量验收规范本体知识结构，定义了施工质量合规性审查相关的一般术语与关系，适用于建筑质量验收与评估；
（3）依据有关建筑工程施工质量相验收规范、《房屋建筑工程常见质量问题防治手册》、《建筑工程质量通病防治手册》等工程规范和工程手册将相关术语和概念罗列出来，参照工业基础类（Industry Foundation Classes，IFC）、《建筑信息模型分类和编码标准》、Omniclass-IFD等术语和概念分类通过自上而下的方法确定类的层次结构；
（4）构建质量问题信息- 质量隐患整改单本体模型（Quality Issue Information-Quality Hidden Danger Rectification Form Ontology，QII-QHDRFOntology），如图 3所示。在QII-QHDRFOntology的本体层，包含有规范本体、构件/ 资源本体、属性本体、状态本体和工序本体，该本体层继承和重用了CQIEOntology元本体的有关概念，继而能够更加清晰表明本体的语义关系，QII-QHDRFOntology的构建为理清质量隐患整改单质量问题信息内容，确定其中的重要概念术语和语义关系具有重要作用。QII-QHDRFOntology的实例层是实际工程中的质量隐患整改单质量问题信息，一个质量问题信息由属于不同本体层有关概念组成，如图 3所示，实例层中的“立柱”为本体层概念“构件→混凝土构件→柱”的一个实例。当质量隐患整改单质量问题信息缺少“属性值”或“属性”和“属性值”都缺少时，以“监控对象” -wasIn-“状态”的形式更便于进行整体描述，如“柱表面露筋”可以表述为“柱表面-wasIn- 露筋”。
2. 质量隐患整改单质量问题信息的词义信息和知识模板
质量隐患整改单作为监理和建设单位信息交换的主要形式，记录了施工过程中存在的隐患问题，在排除施工质量隐患和工程质量管理中起到重要作用。
从本体的视角来看，实际工程的质量隐患整改单质量问题信息可以看作QII-QHDRFOntology本体层的有关概念相对应的实例按照一定语义要求有机的排列组合。总结有关语义模式如图 4所示，一条质量隐患整改单质量问题信息通常包含本体层有关概念的多个内容，所描述的单个内容在质量隐患整改单质量问题信息可能不止出现一次，“监控对象”作为重要概念，包括本体层的“构件”、“资源”和“工序”，是质量隐患整改单质量问题信息中必然包含的重要内容，质量隐患整改单质量问题信息的复杂程度也与“监控对象”的多少相关联。
在分析建筑工程施工质量验收规范中词义元素和语义表达的基础上，实际工程中的质量隐患整改单质量问题信息能够表示为一个或多个重要的词义元素和语义关系的组合，其中的词义元素及语义关系与本体层的概念及关系相对应。
本文将重要词语比较词和重要词语属性值组合成为“状态”概念，一方面考虑的是在实际工程中质量隐患整改单质量问题信息描述中，比较词和属性值通常同步出现，如“门窗过梁入墙深度不足250mm”中比较词【不足】与属性值【250mm】同步出现；第二方面考虑的是“深度不足250mm”是对监控对象所处状态的宏观属性描述，并没有属性词【深度】的实际属性值，从这个意义上说这种属性描述本身就是一种概念“状态”形式表述。除了比较词与属性值表概念“状态”外，概念“状态”还包含有时间顺序词、数量词、情态词和描述状态词，这些共同组成了质量隐患整改单质量问题信息词义信息的概念“状态”描述。对于“构件”和“资源”概念，“构件”本身是由相关建筑材料“资源”构成，在质量隐患整改单质量问题信息表述中，“构件”和“资源”概念也不容易区分且通常具有一致的词义信息，例如“后浇带钢筋刷水泥浆保护”，钢筋本身作为一种材料资源在该描述中也可以被理解为后浇带的构件。因此在实际处理过程中将“构件”和“资源”概念统称为“构件/ 资源”。对于其它概念，如“工序”和“属性”具体词义信息及其概念如表 2所示。
表 2 词义信息及其示例词义信息 示例 构件/资源 构件 剪力墙、构造柱等 资源 板筋、拉结筋等 工序 工序 浇筑、切除等 属性 属性 深度、厚度、强度等 状态 比较词 不大于、小于等 属性词 12cm、3~5cm等 时间顺序词 之前、后等 数量词 每遍、一次等 情态词 禁止、不宜等 描述状态词 误差、蜂窝麻面、露筋等 由于实际工程中质量问题的自然语言描述往往复杂多变，同一个质量问题描述方式多种多样。在构建的本体中，质量问题信息可以表示为本体概念相对应的词义信息的组合，相较于人为书写得更为清晰。表 3总结了实际工程中质量隐患整改单质量问题信息共11种知识模板，各知识模板由各个词义信息出现的顺序依次排列组成。如表 3所示，每一知识模板包含多种词义信息，一种词义信息可以出现一次以上，其中【构件/ 资源】和【状态】词义信息是质量隐患整改单质量问题信息知识模板必然包含的词义信息，表明在质量隐患整改单质量问题信息中必须明确具体的监控对象和其所处的状态，这与实际工程问题描述是一致的。知识模板的构建能够为质量隐患整改单质量问题信息知识抽取和分类提供依据，从而提高工程信息处理效率。
表 3 质量隐患整改单质量问题信息知识模板质量隐患整改单质量问题信息 知识模板 相邻踏步误差大于6mm 【构件\ 资源】【状态】【状态】 浮泥未清除干净 【构件\ 资源】【状态】【工序】【状态】 小砌块未错缝搭接 【构件\ 资源】【状态】【工序】 柱表面夹渣 【构件\ 资源】【状态】 灰土挤密桩复合地基桩顶标高误差大于200mm 【构件\ 资源】【属性】【状态】【属性】 基坑基础层填方含水量大于最优含水量的2% 【构件\资源】【属性】【状态】【属性】【状态】 木方间距过大 【构件\ 资源】【属性】【状态】 楼窗台压顶平整度收面不平整 【构件\ 资源】【属性】【工序】【状态】 竖向拉钩设置不标准 【构件\ 资源】【工序】【状态】 基坑土方开挖表面平整度误差大于20mm 【构件\资源】【工序】【属性】【状态】【状态】 预埋件埋设平整度差 【构件\ 资源】【工序】【属性】【状态】 将知识模板与本体视角下质量隐患整改单质量问题信息的语义模式相联系，生成与知识模板相对应的语义信息图，图样例如表 4所示。
表 4 知识模板对应的语义信息图（样例）知识模板 语义信息图 【构建\ 资源】【属性】【状态】【属性】【状态】 
【构建\ 资源】【工序】【属性】【状态】【状态】 
【构建\ 资源】【工序】【属性】【状态】 
语义信息图由词义信息和词义间的语义关系组成，灰色框W-mean_* 代表各种词义信息，灰色框之间的有向连线代表各词义信息的语义关系。依据各知识模板所构建的语义信息图，对实际工程的质量隐患整改单质量问题信息内容解释如下：
（1）质量隐患整改单质量问题信息由多个词义信息组成，词义信息是质量隐患整改单质量问题信息最基本的组成成分，脱离语境来看词义信息有明确的概念，例如“预埋件埋设平整度差”分别对应构件、工序、属性和状态四种概念，就具体语境，结合QIIQHDRFOntology来看，其语义内容可以理解为，【埋设】工序的监控对象为【预埋件】，监控对象【预埋件】的属性为【平整度】，而该属性【平整度】的状态为【差】；
（2）在实际工程质量隐患整改单质量问题信息记录书写过程中为了简洁描述工程质量问题的主要内容，质量问题信息经常会出现省略现象，如实际记录过程中很多没有记录“属性”或“属性值”，例如“预埋件埋设平整度差”，省略了平整度的“属性值”，从而直接以“wasIn”表示“属性”平整度与“状态”差的语义关系；
（3）除了本体视角下质量隐患整改单质量问题信息语义模式定义的关系外，还存在参照约束关系类型（Ref_constrain），例如“基坑基础层填方/ 含水量/ 大于/ 最优含水量/ 的/2%”，“资源”基坑基础层填方有两个“属性”，“属性0”实际含水量和“属性1”最优含水量，通过判断“属性0”是否超过“属性1”的2% 来确定是否存在质量问题。
3. 本体模型案例分析
为验证上述本体知识模型及质量信息审查方案的可行性和有效性，本文利用实际工程中的质量隐患整改单质量问题信息，进行基于本体的建筑工程施工质量信息自动审查。本文选取了武汉中建八局在建工程施工中的质量隐患整改记录作为案例进行验证。
3.1 规范条文的结构化处理
建筑工程施工质量验收规范由自然语言编写，其中的质量审查规则为非结构化或半结构化信息。为实现计算机自动审查，本案例依据本体知识表达形式，对建筑工程施工质量验收规范条文进行结构化处理，构建SPARQL审查规则 [17]，示例如表 5所示。
表 5 SPARQL审查规则示例序号 施工质量验收规范要求 SPARQL审查规则 1 现浇混凝土柱的外观质量不应有严重缺陷 SELECT?subject?object
WHERE {?subject rdfs: type ont: 柱.?subject ont: wasIn?object }2 浇筑混凝土前，钢筋接头必须清理干净 SELECT?subject?object
WHERE {?subject rdfs: type ont: 钢筋.?object rdfs: type ont: 不干净.?subject ont: wasIn?object }3 预制连续墙的构造钢筋的直径不小于10mm SELECT?subject?object?attribute
WHERE {?subject rdfs: type ont: 构造钢筋.?object rdfs: type ont: 直径.?subject ont: hasAttribute?object. filter(?attribute＜10) }3.2 质量隐患整改单的信息知识表示
本案例从武汉中建八局在建工程施工项目中随机选取具有代表性的11条表述方式不一致的质量隐患整改单质量问题信息，运用本文提出的QIIQHDRFOntology模型对质量问题信息内容进行结构化知识表式，并以此来检验该本体模型对信息的知识表式能力，具体内容如表 6所示。同时，基于Protégé平台为结构化知识表式建立质量信息审查知识模型，如 图 5所示。
表 6 质量隐患整改单质量问题信息与本体知识表示对照表质量隐患整改单质量问题信息 本体知识表式 砌体转角处未留搓 【留搓】process【砌体转角处】 【留搓】wasIn【未】 模板未拆除干净 【拆除】process【模板】 【模板】wasIn【干净】 【干净】wasIn【未】 防冻剂的误差大于2% 【防冻剂】wasIn【误差】 【误差】wasIn【大于2%】 柱表面露筋 【柱表面】wasIn【露筋】 内外墙截面尺寸偏差3cm 【内外墙】hasAttribute【截面尺寸】 【截面尺寸】wasIn【偏差】 【偏差】wasIn【3cm】 素土地基含水量超过最优含水量的2% 【素土地基】hasAttribute【含水量】 【素土地基】hasAttribute【最优含水量】 【含水量】wasIn【超过】 【超过】wasIn【2%】 立柱自由高度大于50cm 【立柱】hasAttribute【自由高度】 【自由高度】wasIn【大于50cm】 阴阳角加固不到位，蜂窝麻面 【加固】process【阴阳角】 【加固】wasIn【不到位】 【阴阳角】wasIn【蜂窝麻面】 基坑土方开挖长度误差大于200mm 【开挖】process【基坑土方】 【基坑土方】hasAttribute【长度】 【长度】wasIn【误差】 【误差】wasIn【大于200mm】 预埋件埋设平整度差 【埋设】process【预埋件】 【预埋件】hasAttribute【平整度】 【平整度】wasIn【差】 3.3 审查结果生成
建立质量信息审查知识模型后，通过Protégé平台内置的HermiT推理机 [18]对模型中实例间的隐性关系进行一致性推理如图 6所示，使知识模型能够完整正确地表达质量问题信息。
再应用基于建筑工程施工质量验收规范条文构建的SPARQL审查规则对质量问题信息进行逐一审查，并输出审查结果。对现浇混凝土柱外观质量缺陷的审查结果符合实际工程质量隐患整改单中的两处不合规施工质量问题，如图 7所示。
4. 结论
建筑产品全生命周期建造过程中，建造质量的控制受各种法律、法规和行业规范等规范性约束，这些要求既包括合同要求也包含项目指定的要求，依据约束规范条文对工程质量进行管理和检查是一个费时耗力的过程，同样也非常浪费资源 [19, 20]。
本文为解决建筑工程施工质量验收效率低下的问题，提出了建立建筑工程施工质量隐患整改单信息审查知识模型的方案，依据方案建立了知识模型并在实际案例中对模型进行了验证与分析，将本体知识建模技术应用于建筑工程施工质量验收过程，使建筑工程质量管理效率得到有效提升，让工程人员更有效地审查施工质量隐患问题。此外，本文提出的本体模型构建方法同样适用于其它工程文本，对解决建筑施工现场管理问题具有应用价值，对提高建筑工程管理信息化和智能化水平具有重要意义。
-
表 1 建筑工程施工质量验收规范的词义元素
词义元素 示例 情境信息 配置砂浆时、对低洼场地等 建筑构件 砌体、桩基础等 属性 厚度、强度等 建筑材料 砂浆、钢筋等 情态词 必须、宜等 比较词 不超过、不大于等 时间顺序词 后、之前等 属性词 10mm、30Mpa等 工序 嵌填、砌筑等 规范信息 《屋面工程质量验收规范》 
下载: 导出CSV
表 2 词义信息及其示例
词义信息 示例 构件/资源 构件 剪力墙、构造柱等 资源 板筋、拉结筋等 工序 工序 浇筑、切除等 属性 属性 深度、厚度、强度等 状态 比较词 不大于、小于等 属性词 12cm、3~5cm等 时间顺序词 之前、后等 数量词 每遍、一次等 情态词 禁止、不宜等 描述状态词 误差、蜂窝麻面、露筋等
下载: 导出CSV
表 3 质量隐患整改单质量问题信息知识模板
质量隐患整改单质量问题信息 知识模板 相邻踏步误差大于6mm 【构件\ 资源】【状态】【状态】 浮泥未清除干净 【构件\ 资源】【状态】【工序】【状态】 小砌块未错缝搭接 【构件\ 资源】【状态】【工序】 柱表面夹渣 【构件\ 资源】【状态】 灰土挤密桩复合地基桩顶标高误差大于200mm 【构件\ 资源】【属性】【状态】【属性】 基坑基础层填方含水量大于最优含水量的2% 【构件\资源】【属性】【状态】【属性】【状态】 木方间距过大 【构件\ 资源】【属性】【状态】 楼窗台压顶平整度收面不平整 【构件\ 资源】【属性】【工序】【状态】 竖向拉钩设置不标准 【构件\ 资源】【工序】【状态】 基坑土方开挖表面平整度误差大于20mm 【构件\资源】【工序】【属性】【状态】【状态】 预埋件埋设平整度差 【构件\ 资源】【工序】【属性】【状态】
下载: 导出CSV
表 4 知识模板对应的语义信息图（样例）
知识模板 语义信息图 【构建\ 资源】【属性】【状态】【属性】【状态】 【构建\ 资源】【工序】【属性】【状态】【状态】 【构建\ 资源】【工序】【属性】【状态】
下载: 导出CSV
表 5 SPARQL审查规则示例
序号 施工质量验收规范要求 SPARQL审查规则 1 现浇混凝土柱的外观质量不应有严重缺陷 SELECT?subject?object
WHERE {?subject rdfs: type ont: 柱.?subject ont: wasIn?object }2 浇筑混凝土前，钢筋接头必须清理干净 SELECT?subject?object
WHERE {?subject rdfs: type ont: 钢筋.?object rdfs: type ont: 不干净.?subject ont: wasIn?object }3 预制连续墙的构造钢筋的直径不小于10mm SELECT?subject?object?attribute
WHERE {?subject rdfs: type ont: 构造钢筋.?object rdfs: type ont: 直径.?subject ont: hasAttribute?object. filter(?attribute＜10) }
下载: 导出CSV
表 6 质量隐患整改单质量问题信息与本体知识表示对照表
质量隐患整改单质量问题信息 本体知识表式 砌体转角处未留搓 【留搓】process【砌体转角处】 【留搓】wasIn【未】 模板未拆除干净 【拆除】process【模板】 【模板】wasIn【干净】 【干净】wasIn【未】 防冻剂的误差大于2% 【防冻剂】wasIn【误差】 【误差】wasIn【大于2%】 柱表面露筋 【柱表面】wasIn【露筋】 内外墙截面尺寸偏差3cm 【内外墙】hasAttribute【截面尺寸】 【截面尺寸】wasIn【偏差】 【偏差】wasIn【3cm】 素土地基含水量超过最优含水量的2% 【素土地基】hasAttribute【含水量】 【素土地基】hasAttribute【最优含水量】 【含水量】wasIn【超过】 【超过】wasIn【2%】 立柱自由高度大于50cm 【立柱】hasAttribute【自由高度】 【自由高度】wasIn【大于50cm】 阴阳角加固不到位，蜂窝麻面 【加固】process【阴阳角】 【加固】wasIn【不到位】 【阴阳角】wasIn【蜂窝麻面】 基坑土方开挖长度误差大于200mm 【开挖】process【基坑土方】 【基坑土方】hasAttribute【长度】 【长度】wasIn【误差】 【误差】wasIn【大于200mm】 预埋件埋设平整度差 【埋设】process【预埋件】 【预埋件】hasAttribute【平整度】 【平整度】wasIn【差】
下载: 导出CSV
-
[1] Yi Wu, Chenhao Zeng. Research on the Current Situation and Development Countermeasures of Engineering Construction Supervision[J]. 2015: 51-57[2022-10-31].
[2] Haitao Wu, Botao Zhong, Heng Li, et al. Combining computer vision with semantic reasoning for on-site safety management in construction[J]. Journal of Building Engineering, 2021, 42: 103036[2022-10-31].
[3] 陈贵涛. 基于BIM和本体的建筑运维管理研究[J]. 土木建筑工程信息技术, 2017, 9(4): 67-73. [4] 胡瑛婷, 马骏, 石玉, 等. 基于扩展语义匹配的BIM和GIS三维建筑数据融合[J]. 土木建筑工程信息技术, 2022, 14(3): 9-15. [5] 乔晓利, 李林, 刘贡平, 等. 基于谓词逻辑的飞机线束工装图版设计[J]. 北京航空航天大学学报, 2021, 47(09): 1756-1764[2022-10-31]. [6] Shaoru Guo, Ru Li, Hongye Tan, et al. A Framebased Sentence Representation for Machine Reading Comprehension[C]//Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics. Online: Association for Computational Linguistics, 2020: 891- 896[2022-10-31].
[7] Efthymios Chondrogiannis, Vassiliki Andronikou, Efstathios Karanastasis, et al. . Using blockchain and semantic web technologies for the implementation of smart contracts between individuals and health insurance organizations[J]. Blockchain: Research and Applications, 2022, 3(2): 100049[2022-10-31].
[8] Xuejiao Xing, Botao Zhong, Hanbin Luo,, et al. Ontology for safety risk identification in metro construction[J]. Computers in Industry, 2019, 109: 14-30[2022-10-31].
[9] Botao Zhong, Chen Gan, Hanbin Luo, et al. Ontologybased framework for building environmental monitoring and compliance checking under BIM environment[J]. Building and Environment, 2018, 141: 127-142[2022-10-31].
[10] Hanbin Luo, Xiaofan Peng, Botao Zhong. Application of Ontology in Emergency Plan Management of Metro Operation[J]. Procedia Engineering, 2016, 164: 158-165[2022-10-31].
[11] Botao Zhong, Haitao Wu, Heng Li, et al. A scientometric analysis and critical review of construction related ontology research[J]. Automation in Construction, 2019, 101: 17- 31[2022-10-31].
[12] 张梅, 郝佳, 阎艳, 等. 基于本体的知识建模技术[J]. 北京理工大学学报, 2010, 30(12): 1405-1408+1431[2022-10-31]. [13] 张荷花, 顾明. BIM模型智能检查工具研究与应用[J]. 土木建筑工程信息技术, 2018, 10(02): 1-6. [14] N a t a l y a F. N o y a n d D e b o r a h L. M c G u i n n e s s. Ontology Development 101[J]. Knowledge Systems Laboratory[2022-10-31].
[15] 李华. 基于本体的应急领域知识表示与复用研究[D]. 天津大学, 2008[2022-10-31]. [16] 胡云忠. 基于本体的建筑施工质量规范知识建模与应用研究[D]. 华中科技大学, 2013[2022-10-31]. [17] 甘晨. 基于IFC和本体的建筑施工图合规性审查研究[D]. 华中科技大学, 2018[2022-10-31]. [18] Boris Motik, Ian Horrocks. OWL Datatypes: Design and Implementation[C]. The Semantic Web - ISWC 2008. Berlin, Heidelberg: Springer, 2008: 307-322.
[19] Nawari O. Nawari. Building Information Modeling: Automated Code Checking and Compliance Processes[M]. Boca Raton: CRC Press, 2018.
[20] T.H. Beach, Y. Rezgui, H. Li, et al. A rule-based semantic approach for automated regulatory compliance in the construction sector[J]. Expert Systems with Applications, 2015, 42(12): 5219-5231[2022-11-02].
-
期刊类型引用(0)
其他类型引用(3)
计量
- 文章访问数: 1179
- HTML全文浏览量: 755
- PDF下载量: 35
- 被引次数: 3
