電網建設項目機械化施工方案的本體構建與智能生成研究

摘要：在電力基礎設施建設領域，機械化施工的全面推廣已成為行業(yè)發(fā)展的必然趨勢。然而，傳統(tǒng)的機械化施工方案高度依賴人力資源和專家知識，在提升施工效率方面存在挑戰(zhàn)。構建一種基于本體模型并結合SPARQL查詢語言的機械化施工方案智能生成系統(tǒng)，旨在降低人力資源依賴性，提升機械設備利用效率。為驗證系統(tǒng)的有效性，以架空輸電線路為例，開展系統(tǒng)應用案例分析。研究結果表明，該系統(tǒng)具有較高的準確性，能夠顯著提高機械化施工方案的設計效率，展現(xiàn)基于本體的系統(tǒng)在優(yōu)化施工方案中的潛力，可為智能化基礎設施建設的標準化路徑提供有力支持。

關鍵詞：電網建設項目；機械化施工；本體構建；SPARQL查詢

0引言

傳統(tǒng)電網工程施工過程中普遍采用以人工為主、機械設備為輔的施工模式，這種模式帶來了勞動強度大、安全風險高、施工成本高及效率低等問題[1-2]。隨著人工成本的持續(xù)上升和施工機械化技術的快速發(fā)展，高效、精準、安全的機械化施工逐漸成為替代傳統(tǒng)手工勞動的主要方向，推動了從“勞動密集型”向“技術密集型”的轉變[3]。機械化施工通過機械設備代替人工完成復雜、危險、繁重的施工工序，以降低人工成本、縮短施工周期，極大地提高了施工整體的效率和安全性[4]。因此，提升電網工程的機械化水平已成為行業(yè)發(fā)展的必然趨勢。

盡管機械化施工具備顯著優(yōu)勢，但目前尚缺乏一個系統(tǒng)化、統(tǒng)一的機械化施工方案設計框架，導致實際應用中面臨諸多挑戰(zhàn)。首先，機械化施工方案的設計是一項知識密集型任務[5]。然而，這些知識高度分散，散布于不同組織的數(shù)據庫、日志和復雜文本中[6]，缺乏結構化的管理機制，極大地限制了其高效利用。其次，電網工程施工過程復雜多變，涉及多道工序和多種機械，若沒有系統(tǒng)的管理，施工方案難以實現(xiàn)最優(yōu)設計[7]。此外，設計方與施工方之間的信息流通不暢，知識共享機制缺失，進一步延誤了工期并增加了成本。因此，如何提升電網工程機械化施工方案的設計效率，成為亟待解決的問題。

本體（Ontology）作為一種形式化知識表達框架，能夠有效定義詞匯、術語、實體及其關系，促進知識管理、共享和再利用，已經廣泛應用于建筑施工領域的知識管理中[8]。Zheng等[9]開發(fā)了一個基于數(shù)字建筑本體（DiCon）的施工流程信息系統(tǒng)，為領域知識的表示、集成和施工過程信息的形式化提供了可能。Doukari等[10]在已開發(fā)的施工本體基礎上與BIM相結合，并與施工進度關聯(lián)，從而實現(xiàn)了項目時間表的自動生成。盡管本體技術在建筑施工領域已有相對成熟的應用，但其在電網工程的機械化施工方案設計及知識管理中的應用仍處于探索階段。

綜上所述，本研究以本體技術為核心，旨在應對電網工程機械化施工過程中遇到的挑戰(zhàn)，探索并提出一種基于本體的施工方案設計框架。該框架通過形式化表達電網工程機械化施工領域的知識，創(chuàng)新性地實現(xiàn)了機械化施工方案的自動生成。在此基礎上，本文開發(fā)了一個原型系統(tǒng)，并通過架空輸電線路工程的實證案例展示系統(tǒng)的實用性。實驗結果表明，該系統(tǒng)相較于傳統(tǒng)方案設計模式在效率和準確性方面都有顯著提升，這提供了一種推動電網工程機械化施工智能化的新路徑。

1本體模型構建

1.1構建方法

本研究采用七步法，面向電網建設項目機械化施工領域構建本體模型。“七步法”本體模型構建流程如圖1所示。

（1）確定領域和范圍。根據研究目的，明確目標領域為電網建設項目，并聚焦于機械化施工范疇，應用本體論將相關概念進行系統(tǒng)與結構化表達。

（2）重用現(xiàn)有本體。本研究在EI-Diraby等[11]構建的工程施工本體模型的基礎上進行針對性擴展與深化，以構建電網建設項目機械化施工領域的本體模型。

（3）列舉重要術語。本研究采用文獻回顧和專家訪談的方法篩選及調整已識別的概念，列出一個結構清晰、特征描述詳盡的術語清單。該清單主要包括與電網建設項目機械化施工相關的概念、實體及特定關系。

（4）定義類和類層次結構。在該階段，術語被系統(tǒng)化地組織為類及其層次結構的框架形式。類代表主要概念，類之間的上下義關系通過層次結構表示。為確保與已有本體的有效結合，該框架與復用的本體模型結構保持一致，涵蓋6個主要類：項目（Project）、活動（Process）、參與者（Actor）、資源（Resource）、產品（Product）和機制（Mechanism）。

（5）定義類的屬性。在此階段，本體中的每個類別的屬性被定義，包括定義不同類間關系的對象屬性（Object Property）和描述數(shù)值的數(shù)據屬性（Data Property）。通過對屬性的定義，本體結構模型得到了進一步深化和完善，從而全面展現(xiàn)了電網工程機械化施工的概念及其相互關系。

（6）確定屬性內容。該階段指定每個屬性的特征，包括域（屬性所屬的類）、范圍（屬性可以取的值類型或類）、基數(shù)（屬性可以具有的值的數(shù)量，如單值或多值）及約束（屬性值的任何限制或條件）。

（7）創(chuàng)建實例。該階段是通過在已定義的類和屬性基礎上應用特定實例來填充本體。

1.2電網建設項目機械化施工本體模型

根據上述7個步驟，構建電網建設項目機械化施工本體模型，如圖2所示。該本體包含項目（Project）、活動（Process）、參與者（Actor）、資源（Resource）、產品（Product）、機制（Mechanism）6個主要類并分別進行拓展，以涵蓋電網建設項目機械化施工領域相關概念。例如，在活動拓展類下，電網建設項目的具體活動階段為該類下的子類，如設計、施工、運行和維護。以架空輸電線路工程施工活動為例，具體子類包括臨時道路平整及修筑、物料運輸、基礎施工、組塔施工、架線施工等子活動，且每一個活動均可進一步細化分類。

本體模型中定義的對象屬性及其域、范圍和說明性例子見表1。對象屬性描述了6個核心類之間的關系，以三元組形式進行領域語義表達。例如，三元組〈case1_TransmissionProject-hasProcess-case1_FoundationPitExcavationT12〉利用對象屬性hasProcess表達某輸電線路建設項目（case1_TransmissionProject）有基礎開挖施工活動（case1_FoundationPitExcavationT12）。

本體模型中定義的數(shù)據屬性及其描述見表2。這些數(shù)據屬性用來描述電網建設項目、主要施工設備或電力基礎設施的內在屬性。例如，數(shù)據屬性numberOfTowers表示某案例項目按設計擬安裝塔架的數(shù)量，其三元組表示為〈case1_TransmissionProject-numberOfTowers-27^xsd：integer〉，意指某輸電線路建設項目（case1_TransmissionProject）按設計擬安裝的塔架共計27座。

2本體引導的電網建設項目機械化施工方案生成框架

基于本體的機械化施工方案智能生成框架如圖3所示。首先，通過收集項目特定信息來填充本體，并構建綜合知識庫；此外，施工設備數(shù)據、成本數(shù)據和施工規(guī)范數(shù)據也預先加載到本體中，作為知識庫的重要組成部分。然后，在本體模型的引導下，識別需要機械化的關鍵施工活動，設計相應的機械化施工方案，并計算相關成本。其中，機械化施工方案的設計包括以下5個子步驟：施工機械選型、施工裝備配置、施工平面布置設計、機械化施工工藝流程和關鍵要求確定，以及質量、安全及環(huán)保保證措施制定。這些步驟確保所設計的方案具有實際應用價值。

基于本體的機械化施工方案智能生成內在機制如圖4所示。該機制基于RDFS/OWL本體模型和RDF數(shù)據的推理機制來實現(xiàn)。RDFS/OWL是本體模型的表達格式；RDF（資源描述框架）則是本體模型實例數(shù)據的表達格式。將RDFS/OWL本體和RDF數(shù)據均加載到推理引擎（Reasoner）中，通過執(zhí)行SPARQL查詢與規(guī)則推理，對RDF數(shù)據進行提取、分析和重組，最終形成有效的機械化施工方案。

以電網建設項目機械化施工方案設計中的基礎開挖施工機械選型為例，說明本體引導機制。通過本體填充形成了綜合知識庫，旋挖鉆機（Rotary Drilling Machine）施工設備的部分RDF數(shù)據如圖5所示。

基礎成孔施工機械的選擇需綜合考慮路寬、坡度、道路類型及地形地質條件等因素，具體選型過程包括以下三個步驟：

（1）項目特點數(shù)據檢索。首先，應用SPARQL DESCRIBE查詢技術檢索項目的所有相關技術參數(shù)，如地質條件、地形特征和交通狀況；其次，通過SPARQL SELECT查詢識別項目所需的基礎工程類型；最后，再次使用SPARQL DESCRIBE查詢技術檢索適用設備及其參數(shù)，如使用條件、最大行駛速度和運輸要求等。

（2）適用機械確定。根據第一步檢索出的項目特點與設備參數(shù)進行匹配，生成最適合的機械設備候選名單。鑒于電網工程和機械設備的獨特性，設備選型決策需結合專家知識。例如，在基坑開挖項目中，如果交通條件和鉆孔直徑均符合要求，應優(yōu)先選用輪式旋轉鉆機；反之，則應選擇潛水鉆機。

（3）機械選型輸出。通過SPARQL CONSTRUCT將施工活動與最終選定的機械關聯(lián)，并輸出選型結果。SPARQL查詢推理語句如圖6所示。

3案例應用

3.1案例描述

選取架空輸電線路工程作為案例，案例項目技術參數(shù)見表3。該工程的主要施工過程包括5個主工序和11個子工序：物料運輸（含物料裝卸、物料搬運、臨時道路平整及修筑，共3個子工序）、基礎施工（含開挖或成孔、混凝土攪拌、混凝土澆筑，共3個子工序）、組塔施工（含塔材吊裝、緊固件緊固，共2個子工序）、架線施工（含牽引繩展放、導地線展放，共2個子工序）、接地敷設（含接地孔槽掘進，共1個子工序）。

3.2應用演示

本研究基于本體引導的電網建設項目機械化施工方案生成框架，設計了智能系統(tǒng)，智能系統(tǒng)初始頁面如圖7所示。該系統(tǒng)將多源異構數(shù)據（如施工機械數(shù)據、規(guī)范數(shù)據、成本數(shù)據和案例項目數(shù)據）與構建的本體進行語義映射，以構建綜合知識庫，語義映射過程詳見文獻[12-13]。在綜合知識庫的基礎上，系統(tǒng)開發(fā)了目標數(shù)據檢索、機械化施工方案設計及相應成本計算等功能。

智能系統(tǒng)功能示例如圖8所示。圖8a）展示了系統(tǒng)的數(shù)據檢索功能，通過SPARQL查詢從RDF三元組存儲中識別出需機械化的施工活動及其對應的機械設備清單，如物料運輸活動及其適用設備和具體參數(shù)。圖8b）和圖8c）展示了系統(tǒng)的設備選擇功能和結果，用戶可通過自動或手動方式選擇設備。對于自動選擇，系統(tǒng)基于預定義的標準生成SPARQL查詢；對于手動選擇，系統(tǒng)允許用戶顯示、編輯或更新相關選擇標準和知識，以便手動選擇特定的施工設備。除了示例功能，系統(tǒng)還具備以下功能：①設備配置功能，即基于SPARQL查詢結果，系統(tǒng)計算出特定施工活動所需的設備和人員數(shù)量；②對現(xiàn)場布局設計提供支持的功能，用戶可上傳在其他軟件環(huán)境（如AutoCAD）中創(chuàng)建的基礎布局設計，并根據具體施工需求進行調整；③規(guī)范信息檢索和保障措施制定的功能，可通過SPARQL查詢提供相關施工規(guī)范及措施；④成本計算和方案生成的功能，系統(tǒng)通過SPARQL查詢獲取設備和人員單價，并計算總成本，最終生成全面的機械化施工方案。

3.3應用效果評估

為評估系統(tǒng)在生成機械化施工方案方面的有效性，邀請6名行業(yè)專家對生成的施工方案進行評估。評估主要從效率、成本、質量和安全4個方面考察設備選擇的適用性。案例項目共涵蓋27個塔架、297個施工工序。評估結果顯示，31個施工工序的最終設備選擇需要調整，而54個工序（主要是鋼筋籠加工和導線壓接）需要使用全新的設備。因此，系統(tǒng)生成的機械化施工方案的準確率為71.38%。

4討論

本研究的貢獻主要體現(xiàn)在兩個方面：一是構建了本體模型，為電網建設領域的知識建模提供了標準化框架。該框架包含類別、屬性和實例，能夠詳細且有序地表示領域特定的知識。此外，該本體框架具有可擴展性和靈活性，確保其能夠隨時間演變融入新的知識。這種適應性為構建能夠整合異構數(shù)據源的知識庫奠定了堅實基礎，支持電網建設的各個方面。二是引入了本體驅動的決策范式，代表了一種全新的知識驅動決策方式。通過利用知識推理和挖掘的能力，該機制提升了電網建設項目的決策效率。向本體驅動決策的范式轉變，不僅提高了效率和準確性，還與現(xiàn)代基礎設施發(fā)展的原則相一致，推動了可持續(xù)性和智能創(chuàng)新。

從實際應用效果來看，與傳統(tǒng)的主要依賴人工的機械化施工方案設計方式相比，本體驅動系統(tǒng)在效率、準確性和整體性能方面展現(xiàn)出多項實際優(yōu)勢。首先，本體驅動系統(tǒng)通過自動化選擇和配置施工設備，大幅提高了效率，減少了相較人工方法所需的時間和精力。傳統(tǒng)方法通常需要人工逐一識別和選擇適當?shù)脑O備，而本體驅動系統(tǒng)簡化了這些任務，使計劃生成更快，并降低了人工錯誤或遺漏的風險。其次，本體驅動系統(tǒng)將標準化知識應用于規(guī)劃過程，極大地提高了準確性。傳統(tǒng)方法中，不同專家水平和主觀決策存在差異，容易出現(xiàn)不一致性。本體確保設備選擇和配置基于全面且一致的知識庫，從而生成更精確可靠的施工計劃。最后，本體驅動系統(tǒng)通過整合和推理大量領域知識，提升了決策的整體性能，使得施工計劃更為優(yōu)化，符合行業(yè)最佳實踐和標準。相比之下，傳統(tǒng)方法雖然也可能有效，但由于依賴人工過程和判斷，容易產生效率低下、不準確及次優(yōu)決策的風險。本體驅動的方式不僅減少了這些風險，還能夠隨著新知識的融入實現(xiàn)持續(xù)改進和適應。

本研究存在兩個主要局限：一是本體表示規(guī)范性知識的局限性。將文本化的規(guī)范性知識轉換為符合本體的RDF數(shù)據具有相當大的挑戰(zhàn)，目前研究僅在粗略層面上捕捉了規(guī)范性知識，未進行詳細的語義分析。因此，用戶需手動解釋檢索到的規(guī)范性內容以提取相關信息。未來研究將專注于開發(fā)自然語言處理（NLP）算法，以執(zhí)行規(guī)范性知識的語義分析，并促進其轉化為本體實例數(shù)據。這一改進將使生成的機械化施工計劃包含更為精確和可操作的規(guī)范參照。二是SPARQL查詢機制的局限性。在處理空間和時間數(shù)據時存在局限，限制了系統(tǒng)在支持施工調度和現(xiàn)場布局設計方面的能力。未來研究將探討將空間和時間推理功能整合到系統(tǒng)中的可能性，以使其更貼近現(xiàn)實業(yè)務流程并提升其實用性。本研究認為，將大語言模型（LLMs）引入系統(tǒng)為克服以上局限提供了有前景的途徑。LLMs可以增強NLP算法，提升文本化規(guī)范性知識的語義分析和轉換效果。此外，LLMs可以通過學習大量相關的施工數(shù)據，幫助改進空間和時間數(shù)據的解讀和處理。然而，需謹慎應對如對LLMs的過度依賴、錯誤或偏見的引入及處理領域專用術語的挑戰(zhàn)等潛在風險。未來研究將探討如何最有效地整合LLMs，確保其應用不僅提升系統(tǒng)的準確性和可靠性，還能解決所識別的局限性。

5結語

本研究開發(fā)并應用了一種基于本體的電網工程機械化施工方案智能生成系統(tǒng)。研究結果表明，所開發(fā)的本體能夠有效地對領域知識進行建模，并指導實現(xiàn)機械化施工方案自動生成系統(tǒng)的開發(fā)。與傳統(tǒng)方法相比，本體指導系統(tǒng)通過SPARQL查詢集成了知識推理能力，顯著提高了決策的效率和準確性。基于本體的系統(tǒng)在施工方案智能生成方面提供了一種結構化且可擴展的復雜知識管理方法，該系統(tǒng)不僅簡化了規(guī)劃流程，還促進了基礎設施建設中可持續(xù)性與創(chuàng)新的更廣泛目標的實現(xiàn)。隨著施工機械化程度不斷提高，本體指導系統(tǒng)與大語言模型等先進技術的集成將在應對日益復雜的項目需求及保持高標準的質量、安全和效率方面發(fā)揮關鍵作用。

參考文獻

[1]LIU C，TANG R，HAO Y，et al.Study on construction organization measures of transmission line[C]."The 6th International Conference on Mechatronics， Materials， Biotechnology and Environment （ICMMBE）， 2016.

[2]XIE D，GUO T，ZHOU F， et al."Optimization of mechanized construction scheme of overhead transmission line based on mechanization rate[C]."The 39th Chinese Control Conference， 2020.

[3]WANG Q， LUAN Y， JIANG B，et al.Study on key technology of tunnel fabricated arch and its mechanical mechanism in the mechanized construction [J]."Tunnelling and Underground Space Technology， 2019， 83 （2）： 187-194.

[4]ZHOU Y， TANG J， LUO H， et al."Analysis on theimpact factors of mechanized construction of transmission line project [C]."The 2nd International Conference on Engineering Management and Information Science， 2023.

[5]ZHONG B， DING L， LOVE P， et al.An ontological approach for technical plan definition and verification in construction [J]."Automation in Construction， 2015（55）：47-57.

[6]STEPIEN M， JODEHL A， VONTHRON A， et al.An approach for cross-data querying and spatial reasoning of tunnel alignments [J].Advanced Engineering Informatics， 2022，54（8）： 101728.

[7]柯璐，黃歌，程代新，等.基于物聯(lián)網技術的建筑工程施工系統(tǒng)架構設計[J].項目管理技術，2022，20（11）：123-126.

[8]姚敏，王放，王新怡.大型項目復雜性形成機理分析[J]. 項目管理技術，2020，18（1）：30-34.

[9]ZHENG Y， TRM S， SEPPNEN O."A shared ontology suite for digital construction workflow [J]."Automation in Construction， 2021（132）： 103930.

[10]DOUKARI O， SECK B， GREEN W.The creation of construction schedules in 4D BIM： a comparison of conventional and automated approaches [J]."Buildings， 2022，12（8）： 1145.

[11]EL-DIRABY T， OSMAN H.A domain ontology for construction concepts in urban infrastructure products [J]."Automation in Construction， 2011，20（8）： 1120-1132.

[12]WANGM.Ontology-based modelling of lifecycle underground utility information to support operation and maintenance [J]."Automation in Construction， 2021（132）： 103933.

[13]XU X， CAI H.Semantic approach to compliance checking of underground utilities [J]."Automation in Construction， 2020（109）：103006.

收稿日期：2024-08-27

作者簡介：

高小慧（通信作者）（1991—），女，中級經濟師，研究方向：電網技經、項目管理。

李銀玲（1989—），女，中級經濟師，研究方向：電網技經、項目管理。

王瑞武（1991—），男，中級經濟師，研究方向：電網技經、項目管理。

孫靜惠（1993—），女，中級經濟師，研究方向：電網技經、項目管理。

吳靜云（1989—），女，高級工程師，研究方向：電網建設、項目管理。

*基金項目：國網江蘇省電力有限公司經濟技術研究院技術服務項目“架空輸電線路機械化施工工藝設計及費用研究”（B710EB2405D8）。