陳登峰,張 溫,耿建勤,劉 國,肖海燕

(1.西安建筑科技大學 建筑設(shè)備科學與工程學院，西安 710055;2.西安建筑科技大學 信息與控制工程學院，西安 710055)

0 引言

隨著我國經(jīng)濟的快速發(fā)展與城市化的高速推進，“馬路拉鏈”、“蛛網(wǎng)線路”等“城市病”不斷加劇，城市地下綜合管廊(簡稱管廊)是重要解決手段之一[1]。管廊是位于城市地下的一個相對密閉的空間，在其運營過程中，會產(chǎn)生如CH4、CO等有害與易燃氣體[2]，當CO氣體吸入過量，輕則使人頭暈惡心，重則會導致人死亡，故對管廊艙室CO指標實時監(jiān)測與預測十分重要，目前，國內(nèi)外綜合管廊運營維護中的巡檢等工作還以人工為主[3]。現(xiàn)有的將BIM(建筑信息建模技術(shù))用于管廊管理的可視化系統(tǒng)大多C/S架構(gòu)，由于模型中所包含數(shù)據(jù)量較大、數(shù)據(jù)結(jié)構(gòu)較復雜且專業(yè)性較強[4]，導致系統(tǒng)操作難度大、硬件要求高、不可跨平臺且缺少安全性預測功能。

文章提出基于Web的管廊可視化信息管理系統(tǒng)，管廊運營者可通過移動端、電腦端瀏覽器以3D模型漫游管廊、查看管廊建筑數(shù)據(jù)、監(jiān)測實時環(huán)境數(shù)據(jù)，并根據(jù)CO環(huán)境數(shù)據(jù)預測值、實時環(huán)境數(shù)據(jù)以及管廊輕量可視化實現(xiàn)危險早期處理。

1 整體設(shè)計

1.1 功能分析

管廊運營維護過程中，運維人員需通過不同終端進行管廊信息可視化查閱和管廊環(huán)境數(shù)據(jù)實時監(jiān)測，當監(jiān)測或預測到異常需快速定位故障艙室，并輔助給出解決方案?；谛枨蟠_定系統(tǒng)采用B/S架構(gòu)[5]，并滿足以下功能需求：

1)BIM輕量化：將BIM幾何信息與建筑信息解耦，并將所需建筑信息存入數(shù)據(jù)庫；2)模型加載：將BIM幾何信息可視化在Web頁面并與建筑信息以及實時環(huán)境數(shù)據(jù)動態(tài)耦合；3)環(huán)境數(shù)據(jù)采集：系統(tǒng)后臺服務與終端節(jié)點建立通信并將其采集的環(huán)境數(shù)據(jù)存入數(shù)據(jù)庫；4)實時數(shù)據(jù)展示：將終端節(jié)點采集的環(huán)境數(shù)據(jù)以交互形式展示在瀏覽器前端模型及實時動態(tài)曲線；5)數(shù)據(jù)管理：歷史環(huán)境數(shù)據(jù)查詢、終端節(jié)點屬性信息查詢與更新；6)環(huán)境數(shù)據(jù)預測：以CO歷史數(shù)據(jù)作為訓練樣本，通過瀏覽器在線訓練LSTM預測模型并對遞增2小時CO數(shù)據(jù)在線預測并顯示和預警。

1.2 設(shè)計方案

系統(tǒng)中使用管廊BIM模型Revit搭建。系統(tǒng)包括終端節(jié)點、服務軟件和前臺軟件組成，如圖1所示。

圖1 系統(tǒng)總體功能圖

終端節(jié)點由傳感器、控制器、無線模塊組成，部署在管廊艙室中。終端節(jié)點采用TCP通信方式，將采集的環(huán)境數(shù)據(jù)實時發(fā)送給服務軟件并存入數(shù)據(jù)庫中。

模型輕量化模塊將BIM模型解耦為幾何信息與建筑信息。該部分由C#整合Revit二次開發(fā)實現(xiàn)，通過Revit的建筑模型Id建立管廊子模型與建筑信息的對應關(guān)系。

數(shù)據(jù)庫模塊分為數(shù)據(jù)視圖模塊與存儲過程模塊，其中數(shù)據(jù)視圖模塊用于建立數(shù)據(jù)庫表間邏輯關(guān)系，存儲過程模塊用于每日定時對數(shù)據(jù)庫實現(xiàn)特定功能。

后臺服務模塊為該系統(tǒng)提供整體依托，提供對數(shù)據(jù)庫查詢與更新、對終端節(jié)點采集的環(huán)境數(shù)據(jù)信息的獲取與存儲、響應前端頁面請求、對前端的數(shù)據(jù)以及其他服務支撐。

前端頁面模塊由模型加載模塊、動態(tài)刷新模塊以及其他Web元素構(gòu)成。模型加載模塊使用WebGL與Html5實現(xiàn)[6-7]，動態(tài)刷新模塊使用Ajax技術(shù)與后臺服務模塊交互獲取實時環(huán)境數(shù)據(jù)。氣體數(shù)據(jù)預測模塊采用Tensorflow.js框架實現(xiàn)回歸預測，結(jié)合Javascript實現(xiàn)瀏覽器端對環(huán)境數(shù)據(jù)模型訓練與在線預測。通過瀏覽器在線訓練LSTM(長短期記憶網(wǎng)絡)CO(一氧化碳)預測模型實現(xiàn)對遞增時間節(jié)點指標數(shù)據(jù)的在線預測。當監(jiān)測或預測到某艙室異常，可向管廊運營者進行危險預警，給出異常狀況輔助解決方案，以減輕或避免危險的發(fā)生。

2 詳細設(shè)計與實現(xiàn)

2.1 建筑模型輕量化

BIM在建筑幾何模型上附帶有施工過程的大量靜態(tài)屬性信息，導致存儲空間較大。如在Revit中繪制6面墻，所生成的項目文件大小為4.47 MB，而幾何數(shù)據(jù)僅占12.5 KB。故需將建筑模型加載在前端頁面，輕量化是必不可少的，系統(tǒng)使用文件為Obj文件，文件結(jié)構(gòu)見表1。

表1 Obj文件結(jié)構(gòu)表

使用C#與Revit二次開發(fā)API實現(xiàn)模型輕量化導出。結(jié)合Revit二次開發(fā)API解析建筑模型Rvt文件，將各Id對應幾何數(shù)據(jù)以O(shè)bj文件中g(shù)標識分割，通過文件流寫入Obj文件。

將屬性信息通過動態(tài)鏈接庫MySql.Data.dll以Id為索引寫入Mysql數(shù)據(jù)庫。目的是實現(xiàn)將建筑幾何數(shù)據(jù)與建筑屬性信息解耦以達到輕量化的效果。其中g(shù)中包含Id信息，g表示以下的幾何數(shù)據(jù)信息為該Id對應的建筑模型幾何數(shù)據(jù)。

2.2 環(huán)境數(shù)據(jù)預測模塊

由于不同艙室氣體環(huán)境有異，且艙室環(huán)境數(shù)目較多，為提高預測數(shù)據(jù)精度減輕服務端壓力，設(shè)計一種基于瀏覽器的分布式CO預測模塊。

該模塊將傳統(tǒng)基于PC服務端的模型訓練與預測移植到Web客戶端，采用google近期推出的tensorflow.js框架[8]，訓練與數(shù)據(jù)預測的功能由瀏覽器支持實現(xiàn)而無需后臺支持，也不需要復雜的環(huán)境部署與庫文件調(diào)用過程，只需使用移動端或電腦端瀏覽器即可實現(xiàn)對環(huán)境數(shù)據(jù)的訓練與預測，將訓練和預測的流程由服務端移植到客戶端。不同管廊艙室可針對每個艙室的歷史數(shù)據(jù)給出個性化的預測結(jié)果，管廊內(nèi)部環(huán)境密閉，其中CO含量實際是等間隔連續(xù)的時間序列，LSTM(長短期記憶神經(jīng)網(wǎng)絡)深度神經(jīng)網(wǎng)絡對時間序列數(shù)據(jù)預測準確性較高[9]，本模塊采用LSTM對CO數(shù)據(jù)進行預測。在線模型訓練流程如圖2所示。

圖2 在線模型訓練流程圖

基于瀏覽器的分布式CO預測模塊運行流程描述如下。

步驟一：登錄系統(tǒng)選擇某終端節(jié)點歷史表信息點擊查詢，查詢結(jié)果會作為樣本數(shù)據(jù)以Json形式存儲在公共變量中；

步驟二：將樣本數(shù)據(jù):

X={x1,x2,…,xn}

整合并做標準化操作，計算數(shù)據(jù)順序漲幅百分比:

步驟三：使用滑動窗口法初始化數(shù)據(jù)，構(gòu)建訓練數(shù)據(jù)，設(shè)置輸入維度，滑動步數(shù)，以張量存儲；其中張量Tensor是一維或多維數(shù)組的結(jié)構(gòu)，是Tensorflow.js的數(shù)據(jù)中心單位。

步驟四：設(shè)置少量訓練數(shù)據(jù)來作為測試數(shù)據(jù)對已訓練模型進行驗證，設(shè)置過程如下所示：

await model.fit(xs, ys, {validationSplit: 0.2});

設(shè)置參數(shù)為0.2，即80%數(shù)據(jù)用來訓練模型，剩余20%數(shù)據(jù)用來對模型進行測試驗證。

步驟五：優(yōu)化算法選擇RMSProp，損失函數(shù)使用MSE(均方誤差)。設(shè)當前收斂過程中迭代次數(shù)為t，RMSProp優(yōu)化算法描述如下：

sdw=βsdw+(1-β)dW2

sdb=βsdb+(1-β)db2

其中:sdw、sdb為上一輪迭代過程梯度動量，β為梯度累計指數(shù)，W權(quán)重值，b為偏置值，ε取值10-8防止分母為0，發(fā)生異常。損失函數(shù)描述如下：

model.compile({optimizer: rmsprop,

loss: tf.losses.meanSquaredError});

步驟六：訓練LSTM模型并應用模型進行預測，預測部分代碼如下：

await model.predict(tf.tensor([input])).data();

步驟七：整合使用tfvis可視化框架對樣本數(shù)據(jù)、訓練過程以及預測信息可視化，如圖3所示。

圖3 訓練過程

其中l(wèi)oss指訓練集損失，val_loss指測試集損失。

2.3 數(shù)據(jù)庫設(shè)計

設(shè)計的數(shù)據(jù)庫包括用戶信息表、終端節(jié)點信息表、環(huán)境數(shù)據(jù)表、歷史信息表。

用戶信息表用于支持用戶登陸系統(tǒng)校驗，其列信息包括用戶id、用戶名、密碼、用戶角色。用戶在前端頁面輸入用戶名、密碼以及角色后，該信息會與數(shù)據(jù)庫中存儲的用戶信息進行比對，如信息匹配，則用戶登陸成功，頁面展示對應角色的內(nèi)容，否則，提示登錄失敗。

終端節(jié)點信息表用于對終端節(jié)點信息查詢與更新，其列信息包括終端節(jié)點Id、終端節(jié)點名稱、終端節(jié)點在實際綜合管廊中所處的艙室信息、節(jié)點持續(xù)使用時長。管理員角色登陸系統(tǒng)后，可對終端節(jié)點信息進行更新與查詢，其中更新操作包括增、刪、改；艙室位置為語言描述，描述內(nèi)容為該節(jié)點所處管廊的艙室位置；使用時長為自動生成，自終端節(jié)點投入使用后算起。

環(huán)境數(shù)據(jù)表用于存儲終端節(jié)點采集的環(huán)境數(shù)據(jù)，其列信息包括數(shù)據(jù)Id、時間戳、傳感器節(jié)點Id、溫度、濕度以及O2、CO、CH4、H2S濃度，結(jié)構(gòu)如表2所示。

表2 環(huán)境數(shù)據(jù)表結(jié)構(gòu)

SenId與終端節(jié)點信息表的Id對應，后臺服務端接收終端節(jié)點采集到的環(huán)境數(shù)據(jù)存入該表中，前端頁面中實時動態(tài)曲線通過Ajax定時從數(shù)據(jù)庫查詢獲取最新的數(shù)據(jù)。

歷史信息表用于存儲歷史環(huán)境數(shù)據(jù)，該數(shù)據(jù)表為氣體環(huán)境預測模塊提供訓練樣本，同時可供系統(tǒng)使用者查看，其列信息包括Id、終端節(jié)點Id、當日日期(精確到小時)、平均溫度、平均濕度、平均O2含量、平均CO含量、平均CH4含量、平均H2S含量，所有平均值均為每日每1小時的平均值。其內(nèi)容更新由已編譯的存儲過程在每日零點定時進行。

2.4 系統(tǒng)前端

系統(tǒng)前端使用JavaScript、CSS、Highcharts、EasyUI與Sim.js設(shè)計與開發(fā)，可實現(xiàn)建筑信息模型輕量可視化、環(huán)境數(shù)據(jù)實時曲線、終端節(jié)點管理與歷史數(shù)據(jù)查詢的功能。實時數(shù)據(jù)展示中實時動態(tài)曲線使用Highcharts結(jié)合Ajax局部刷新技術(shù)實現(xiàn)，每次單位時間查詢獲取數(shù)據(jù)庫中該終端節(jié)點采集的最新環(huán)境數(shù)據(jù)，整體采用setInterval方法實現(xiàn)定時發(fā)送Ajax請求。在請求的過程中使用輕量級的Json作為數(shù)據(jù)傳輸?shù)母袷剑M面向?qū)ο蟮倪^程。系統(tǒng)使用WebGL繪圖協(xié)議的開源框架Three.js整合Sim.js將三維模型Obj文件加載在前端頁面中，模型加載過程部分代碼如下：

//創(chuàng)建Obj加載對象

var loader=new THREE.OBJMTLLoader();

loader.load('../model/pipe.obj','../model/pipe.mtl',function(object){

//遍歷Obj模型文件結(jié)構(gòu)

object.traverse(function(obj){

//按照Id依次將模型對象加入場景中

that.createmodel(obj,this.boxcount);});

this.focus();

this.count = 0; //模型計數(shù)器

this.createPlane();//創(chuàng)建地面}

其加載過程具體描述如下：

步驟一：使用ObjLoader.js中的Load方法對Obj文件進行解析；

步驟二：結(jié)合traverse方法，對每組幾何數(shù)據(jù)進行解析；

步驟三：結(jié)合面向?qū)ο蟮乃枷耄瑢⒛Ｐ虸d以及Mesh信息構(gòu)建幾何對象；

步驟四：遍歷上述對象，將對象加載在Scene中，最終通過render渲染在前端頁面。

文件加載采用面向?qū)ο蠓椒ǖ哪康氖欠奖銥槊總€子模型附加交互函數(shù)。

2.5 后臺設(shè)計

后臺服務為前端提供服務支持，采用Java開發(fā)，使用SSM(Spring、SpringMVC與MyBatis)整合框架，應用MVC框架(Model、View、Controller)，復雜邏輯實現(xiàn)于Controller控制器部分，View指前端界面，Model指數(shù)據(jù)的封裝部分[10]。該框架將前后臺程序分塊解耦，增加了代碼擴展性與復用性。

系統(tǒng)中，后臺服務模塊需要具備以下功能：1)實時數(shù)據(jù)采集：獲取終端節(jié)點的實時環(huán)境數(shù)據(jù)并存入數(shù)據(jù)庫；2)實時數(shù)據(jù)展示：數(shù)據(jù)展示的方式可分為用戶與管廊模型交互展示和實時動態(tài)曲線；3)數(shù)據(jù)查詢：可對歷史數(shù)據(jù)以及終端節(jié)點數(shù)據(jù)進行查詢；4)終端節(jié)點管理：當更新管廊終端節(jié)點后，同步更新傳感器節(jié)點數(shù)據(jù)；5)角色控制：控制不同的角色登陸系統(tǒng)并展示不同功能，角色分為管理員與非管理員。

后臺服務模塊數(shù)據(jù)持久層采取MyBatis，它支持個性化Sql與存儲過程，該框架將JDBC細節(jié)掩蓋，將數(shù)據(jù)庫配置集成于xml文件。

出于安全性與數(shù)據(jù)完整性的考慮，系統(tǒng)中的后臺服務與終端節(jié)點采用TCP/IP通信協(xié)議交互。終端節(jié)點為通信客戶端。由于管廊中終端節(jié)點數(shù)量眾多，故在后臺構(gòu)建TCP服務端線程池，可以節(jié)省大量資源。線程池與終端節(jié)點交互并將終端節(jié)點Id以及采集到的環(huán)境數(shù)據(jù)存入環(huán)境數(shù)據(jù)表。

3 實現(xiàn)效果

管廊可視化信息管理系統(tǒng)功能主要包括管廊場景漫游與交互、數(shù)據(jù)庫表維護以及基于Web的在線預測。

系統(tǒng)運行環(huán)境為Windows10、Cpu i5-7500、顯卡GTX-1060、內(nèi)存8 G，系統(tǒng)開發(fā)語言為Java，Ide為Myeclipse10，數(shù)據(jù)庫為Mysql，數(shù)據(jù)庫可視化工具選擇Navicat Premium 12，后臺服務使用SSM整合框架，前端使用jquery.js、tensorflow.js、hightcharts.js、three.js以及sim.js等開發(fā)實現(xiàn)，項目依托tomcat7服務器部署。

3.1 輕量可視化

管廊BIM模型輕量化解耦以及可視化頁面如圖4所示，其中(a)為二次開發(fā)導出并存儲在mysql中的建筑信息，(b)為revit中繪制的模型，(c)為輕量化后加載在前端頁面的效果圖。

圖4 輕量可視化

前端頁面加載輕量化后的管廊場景，可對場景漫游。當點擊左側(cè)菜單中的終端節(jié)點后會將相機視角調(diào)整至模型中對應終端節(jié)點的位置，主頁面左側(cè)會將節(jié)點附近的環(huán)境信息以及建筑屬性信息顯示出來。用戶也可點擊右上菜單選擇場景瀏覽模式，可進行鼠標查看場景或第一人稱漫游場景，用戶與場景中的建筑構(gòu)件交互，會將模型構(gòu)建信息展示在左側(cè)。

3.2 環(huán)境數(shù)據(jù)曲線

環(huán)境數(shù)據(jù)實時動態(tài)曲線如圖5所示。該頁面主要功能為將終端節(jié)點采集的環(huán)境數(shù)據(jù)以動態(tài)曲線展示，根據(jù)左側(cè)菜單選擇終端節(jié)點，主頁面將展示該終端節(jié)點監(jiān)測到的實時數(shù)據(jù)，數(shù)據(jù)每十秒刷新一次。

圖5 環(huán)境數(shù)據(jù)實時動態(tài)曲線

3.3 數(shù)據(jù)庫維護

數(shù)據(jù)庫維護包含對終端節(jié)點表、歷史信息表的查詢與更新。

終端節(jié)點表對建筑中的終端節(jié)點進行管理，如在實際建筑中更新(增、刪、改)節(jié)點，則管理員角色對該表進行更新，同時左側(cè)菜單欄也會相應更新。

歷史信息表存儲每日的歷史信息，可供管廊運維人員查看，同時提供數(shù)據(jù)用于Tensorflow.js模型訓練。每日零點，預先編譯的存儲過程會定時將每日平均兩小時環(huán)境數(shù)據(jù)進行均值處理，處理結(jié)果存入歷史信息表中，由于歷史信息表數(shù)據(jù)量不會很大，故該表僅提供查詢功能，可根據(jù)終端節(jié)點、起止日期對表進行查詢。

3.4 基于Web的在線預測

在線預測功能將歷史信息表4天內(nèi)每小時CO數(shù)據(jù)的均值作為訓練樣本，以實驗數(shù)據(jù)為例，最終預測結(jié)果如圖6所示。

4 結(jié)論

文章設(shè)計實現(xiàn)了一種用于管廊運營維護的信息化系統(tǒng)，具備以下特點與功能：

1)結(jié)合Revit二次開發(fā)將BIM模型幾何與屬性信息解耦，輕量化加載在Web頁面中，結(jié)合Spring、SpringMVC、MyBatis，實現(xiàn)管廊輕量化展示、管廊交互漫游、環(huán)境數(shù)據(jù)動態(tài)更新以及建筑信息管理, 基于B/S模式開發(fā)，具有較強的跨平臺性，可以使用計算機或移動端瀏覽器。

2)環(huán)境數(shù)據(jù)實時顯示，通過交互的方式展示在前端加載的模型中，也可動態(tài)實時展示在曲線中；

3)CO數(shù)據(jù)預測性，基于LSTM對CO數(shù)據(jù)在線預測，不同艙室運營者可分布式在客戶端瀏覽訓練并預測不同艙室CO數(shù)據(jù)指標，提高了預測的精度，減輕了服務端的壓力，將模型訓練與預測功能由服務端分布實現(xiàn)在客戶端。同時也很大程度上提高了系統(tǒng)的實用性，安全性預警可以減少不必要的人員與設(shè)備損壞，提高了管廊運維的安全性與穩(wěn)定性。