建筑工程自動化如何為機器學習帶來重大變化？

以前，機器學習是未來的技術，對于建筑工程行業(yè)來說還沒有很多實際應用。今天，機器學習正在全世界范圍內應用，以大大提高建筑施工的安全性。

1、為何機器學習在工程安全領域就能如此快速的落地應用呢？三個主要原因：

（1）工程管理中云和移動互聯(lián)網(wǎng)技術的采用；

（2）施工中的數(shù)據(jù)源采集爆炸性出現(xiàn)；

（3）機器學習和深度學習技術迅速發(fā)展。

當移動互聯(lián)網(wǎng)技術在建筑工地上普及時，隨之而來的是數(shù)據(jù)的爆炸式增長。現(xiàn)場工作人員使用移動設備上的清單進行日常安全檢查。他們整天跟蹤安全觀察和筆記，拍攝照片、視頻，錄制音頻，而在某些網(wǎng)站上，無人機會拍攝額外的鏡頭。我們也開始看到在工作場所使用傳感器/物聯(lián)網(wǎng)和可穿戴設備來連續(xù)收集數(shù)據(jù)。平均每個施工作業(yè)現(xiàn)場現(xiàn)在每天可以生成50GB的數(shù)據(jù)。

同時，云技術使得將所有這些數(shù)據(jù)聚合到一個位置進行分析成為可能。例如，許多領先的工程承包商多年來一直使用BIM 360作為他們的施工管理平臺，并匯總BIM模型、圖紙、各類標記、問題點、檢查清單、需求資料、提交的資料、沖突檢測報告、項目和業(yè)務概況以及相關的項目元數(shù)據(jù)。最近，BIM 360還支持與行業(yè)中的多個數(shù)據(jù)源的連接，例如無人機捕獲的圖像和可穿戴技術，提供一個用于工程施工的聯(lián)網(wǎng)數(shù)據(jù)生態(tài)系統(tǒng)。

每個項目都強調了特征工程自動化的一些好處：

  貸款償還能力預測：與人工特征工程相比，自動化的特征工程可以將機器學習開發(fā)的時間縮短10倍，同時提供更好的建模性能表現(xiàn)；

  消費支出預測：自動化的特征工程通過內部的處理時間序列過濾器來創(chuàng)建有實際意義的特征，同時防止數(shù)據(jù)泄漏，從而實現(xiàn)成功的模型部署；（筆記）

特征工程：人工與自動

特征工程是獲取數(shù)據(jù)集并構造可解釋的變量—特征的過程，用于訓練預測問題的機器學習模型。通常，數(shù)據(jù)分布在多個表中，并且必須匯集到一個表之中，其中的行包含觀察結果和列中的特征。

傳統(tǒng)的特征工程方法是使用相關領域知識創(chuàng)建一個特征，這是一個冗長、耗時且容易出錯的過程，稱為人工特征工程。人工特征工程是依賴于具體問題的，必須為每個新數(shù)據(jù)集重新編寫代碼。

特征工程自動化通過自動從一組相關的數(shù)據(jù)表中提取有用且有意義的特征，并使用一個可應用于任何問題的框架，來改進這個標準工作流。它不僅減少了在特征工程上花費的時間，而且還創(chuàng)建了可解釋的特征，并通過過濾具有時間依賴性的數(shù)據(jù)來防止數(shù)據(jù)泄漏。

貸款償還：建立更快更好的模型

當數(shù)據(jù)科學家在處理家庭信貸貸款問題的時候，所面臨的主要難題是數(shù)據(jù)的大小和分布。看看完整的數(shù)據(jù)集，你會發(fā)現(xiàn)面對的是分布在7個表中的5800萬行數(shù)據(jù)。除了單調乏味和耗時之外，人工特征工程還有以下問題：

  用于特定問題:我花費了很長時間編寫的代碼并不能應用于任何其它的問題；

  易錯:每一行代碼都會有可能導致其它的錯誤；

另外，最終的人工設計的特征受到了人類創(chuàng)造力和耐心方面的限制：我們只能考慮創(chuàng)建這么多的特征，并且只能花費這么多的時間。

特征工程自動化的承諾是通過獲取一組相關的表，并使用可以應用于所有問題的代碼，來自動創(chuàng)建數(shù)以百計有用的特征，進而跨越這些限制。

最后，在過去兩年中，機器學習的研究人員，特別是深度學習技術的分支，已經(jīng)在機器學習的應用可能性方面取得了快速進展。可以實時翻譯語音的高性能算法和可以在圍棋等復雜游戲中擊敗人類的算法只是一些典型例子而已。

似乎難以置信，但這是真的。經(jīng)過適當培訓的人工智能系統(tǒng)，現(xiàn)在可以分析和分類數(shù)據(jù)，不僅比同樣訓練有素的人更快，而且準確性更高。這是一個驚人的進步，使機器可以大大有助于提升施工作業(yè)現(xiàn)場的安全。

2.目前機器學習在工程安全中的應用

很多具有前瞻性意識的建筑公司，已經(jīng)在他們的施工項目現(xiàn)場使用機器學習來保證工程安全，而像http://Smartvid.io和BIM 360 Project IQ這樣的軟件正在使機器學習技術比以往任何時候都更加強大和易于使用。

目前的安全管理應用包括：

（1）分析和標記視覺和音頻數(shù)據(jù)，以了解現(xiàn)場的安全隱患和不安全做法。

（2）分析和標記視覺和音頻數(shù)據(jù)，以記錄和尋找可搜索的最佳實踐。

（3）根據(jù)其所在的位置和其他基于檢查數(shù)據(jù)、安全監(jiān)測數(shù)據(jù)、問題點、檢查表、現(xiàn)場照片等標準，識別潛在的安全風險和危害。

（4）根據(jù)作業(yè)現(xiàn)場數(shù)據(jù)識別具有不安全做法的分包商。

（5）根據(jù)當前和歷史數(shù)據(jù)，確定工作現(xiàn)場中最常見的安全風險和危險。

（6）根據(jù)現(xiàn)有和歷史數(shù)據(jù)中反復出現(xiàn)的施工危險和風險，優(yōu)先考慮分包商級別、項目或業(yè)務單位級別的安全管理改進目標。

這些應用點目前可通過像http://Smartvid.io、Project IQ、OpenSpace.ai等軟件平臺獲得，下面分別介紹下。

3. http://Smartvid.io是如何提升施工安全的

http://Smartvid.io對采集的視覺和音頻數(shù)據(jù)進行分析和優(yōu)先排序，以便通過人工智能和機器學習進行分析。他們還開發(fā)了使數(shù)據(jù)可操作所必需的機器學習平臺。http://Smartvid.io平臺聚合來自多種平臺和格式的視覺和音頻數(shù)據(jù)。然后，它使用職能標簽SmartTag提取相關的安全數(shù)據(jù)并進行分析。它能夠根據(jù)與先前發(fā)現(xiàn)的危險所相似的情況來識別當下的危險情況，例如錯位的孔蓋、未正確使用的梯子和錯誤放置的障礙物。

它還可以識別照片和視頻中的人，并分析他們是否采取了規(guī)定的安全措施，包括他們是否穿著適當?shù)膫€人防護裝備（PPE）。然后可以對此信息進行標記并確定其優(yōu)先級，以便對安全管理人員、監(jiān)理人員和其他可以采取措施糾正安全問題的人員自動發(fā)出通知。