工程事件真实性判断方法、系统及存储介质与流程

1.本发明涉及工程事件管理技术领域，尤其涉及工程事件真实性判断方法、系统及存储介质。


背景技术：

2.在工程的建造和维护领域，常常会产生许多工程事件，为了保证后续能对发生的工程事件追溯管理(如故障分析、事故起因追溯等)，现有的工程管理人员会把发生的工程事件的起因、发生地点、发生时间、后续处理等过程以文字的形式上述至服务器中保存。然而，在实际情况中，常常会发生工程管理人员因疏忽大意或者蓄意隐瞒，导致上传的工程事件的内容与实际不符，进而影响工程事件后续的追溯管理。
3.因此，如何保证上传的工程事件的真实性已成为本领域技术人员亟待解决的技术问题。


技术实现要素：

4.本发明提供了工程事件真实性判断方法、系统及存储介质，用于解决现有的工程事件管理系统无法判断上传的工程事件的真实性的技术问题。
5.为解决上述技术问题，本发明提出的技术方案为：
6.一种工程事件真实性判断方法，包括以下步骤：
7.读入待判断工程事件，从待判断工程事件的内容中提取待判断工程事件发生的地点、时间以及种类；
8.根据待判断工程事件发生的地点、时间以及种类查找在待判断工程事件发生地点的发生时间期间内的、与种类对应的监测记录；
9.将监测记录与待判断工程事件的内容进行匹配，并根据匹配结果判断工程事件的真实性。
10.优选的，从待判断工程事件的内容提取待判断工程事件的种类，具体包括以下步骤：
11.分别为每种工程事件构建唯一对应的关键词句集合，并构建工程事件种类与对应的关键词句集合的第一映射表；
12.利用词典匹配算法将待判断工程事件中的词句与关键词句集合中的词句进行一一匹配；
13.若待判断工程事件中的存在词句与关键词句集合中的词句匹配成功，基于匹配成功的关键词句集合，从第一映射表中查找与匹配成功的关键词句集合对应的工程事件种类，并将查找到的工程事件种类作为待判断工程事件的种类。
14.优选的，从待判断工程事件的内容提取待判断工程事件的种类，包括以下步骤：
15.构建有监督的机器学习模型，机器学习模型以事件内容文本作为输入量以事件内容文本的事件发生种类作为输出量；
16.从历史数据中获取已知的事件发生种类的事件内容文本，用事件内容文本对应的事件发生种类对事件内容文本进行标注，将标注好的事件内容文本作为训练样本对机器学习模型进行训练，得到训练好的机器学习模型；
17.将待提取事件内容输入至机器学习模型中，得到待提取时间内容的事件发生种类。
18.优选的，根据待判断工程事件发生的地点、时间以及种类查找在待判断工程事件发生地点的发生时间期间内的、与种类对应的监测记录，具体包括以下步骤：
19.分别为不同种类的监测记录构建存储数据库，并构建工程事件种类与对应的检测数据库构建第二映射表；
20.基于查找到的待判断工程事件的种类，从第二映射表中查找与待判断工程事件的种类、发生的地点、时间均对应的监测记录，并返回监测记录。
21.优选的，工程事件为故障工程事件或隐患工程事件，监测记录与待判断工程事件的内容进行匹配，具体包括以下步骤：
22.判断工程事件对应的监测记录是否有异常值特征，当存在异常值特征，则判断工程事件为真实的。
23.优选的，工程事件的种类包括：消防安全类、人员安全类、工程设施类；其中，消防安全类对应的监测记录包括各种消防监测传感器的监测记录以及视频监控记录，人员安全类对应的监测记录包括视频监控记录，工程设施类对应的监测记录包括工程设施监控管理记录。
24.一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现上述任一方法的步骤。
25.一种计算机存储介质，其上存储有计算机程序，程序被处理器执行时实现上述任一项方法中的步骤。
26.本发明具有以下有益效果：
27.1、本发明中的工程事件真实性判断方法、系统及存储介质，通过读入待判断工程事件，从待判断工程事件的内容中提取待判断工程事件发生的地点、时间以及种类；根据待判断工程事件发生的地点、时间以及种类查找在待判断工程事件发生地点的发生时间期间内的、与种类对应的监测记录；将监测记录与待判断工程事件的内容进行匹配，并根据匹配结果判断工程事件的真实性。相比现有技术，本发明能通过将工程事件的内容与传感器或者其他监控数据的监测记录进行匹配，从而准确的判断出工程事件的真实性。
28.除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
29.构成本技术的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
30.图1是本发明工程事件真实性判断方法的流程图；
31.图2是本发明优选实施例中的工程事件真实性判断方法的流程图。
具体实施方式
32.以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
33.实施例一：
34.如图1所示，本实施中公开了一种工程事件真实性判断方法，包括以下步骤：
35.读入待判断工程事件，从待判断工程事件的内容中提取待判断工程事件发生的地点、时间以及种类；
36.根据待判断工程事件发生的地点、时间以及种类查找在待判断工程事件发生地点的发生时间期间内的、与种类对应的监测记录；
37.将监测记录与待判断工程事件的内容进行匹配，并根据匹配结果判断工程事件的真实性。
38.此外，在本实施例中，还公开了一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现上述任一方法的步骤。
39.此外，在本实施例中，还公开了一种计算机存储介质，其上存储有计算机程序，程序被处理器执行时实现上述任一项方法中的步骤。
40.本发明中的工程事件真实性判断方法、系统及存储介质，通过读入待判断工程事件，从待判断工程事件的内容中提取待判断工程事件发生的地点、时间以及种类；根据待判断工程事件发生的地点、时间以及种类查找在待判断工程事件发生地点的发生时间期间内的、与种类对应的监测记录；将监测记录与待判断工程事件的内容进行匹配，并根据匹配结果判断工程事件的真实性。相比现有技术，本发明能通过将工程事件的内容与传感器或者其他监控数据的监测记录进行匹配，从而准确的判断出工程事件的真实性。
41.实施例二：
42.实施例二是实施例一的优选实施例，其与实施例一的不同之处在于，对工程事件真实性判断方法的具体步骤进行了拓展：
43.在本实施例中公开了一种工程事件真实性判断方法，应用于基于区块链的工程事件管理系统，该管理系统使用以太坊上研发的dapp应用，实现工程事件的核心功能，并替换原有基于传统架构上运行的功能，把系统迁移到以太坊的dapp应用上，并把系统数据进行上链。事件的流转过程转变为基于dapp的逻辑进行，事件通过接口导入到系统时，预置的智能合约会根据规则判断导入事件的名称、内容以及提交的照片、视频等信息是否符合事件的客观情况，根据的条件包括但不限于事件工程现场的各类型传感器、现场的监控视频、网络新闻爬虫等方式，并把内容汇总判断，并把确定事件导入系统或舍弃，舍弃的事件会保存到系统数据库中，并把舍弃事件的依据记录下来，系统管理员可进行查看跟踪。
44.一种工程事件真实性判断方法，包括以下步骤：
45.步骤1：读取工程事件的文档，从工程事件的文档中提取待判断工程事件发生的地点、时间以及种类；
46.其中，工程事件的文档格式为统一格式，该文档格式包括时间填写段、地点填写段以及事件内容描述填写段。从工程事件的文档中提取待判断工程事件发生的地点、时间以及种类包括以下步骤：
47.可以通过根据统一格式构建正则表达式，通过正则表达式从工程事件文档的对应时间填写段、地点填写段以及事件内容填写段提取工程事件的发生的地点、时间以及事件内容，再从提取的事件内容中提取事件发生的种类。
48.其中，从提取的事件内容中提取事件发生的种类，包括以下步骤：
49.分别为每种工程事件构建唯一对应的关键词句集合，并构建工程事件种类与对应的关键词句集合的第一映射表；
50.利用词典匹配算法将待判断工程事件内容中的词句与关键词句集合中的词句进行一一匹配；若待判断工程事件内容中的存在词句与关键词句集合中的词句匹配成功，基于匹配成功的关键词句集合，从第一映射表中查找与匹配成功的关键词句集合对应的工程事件种类，并将查找到的工程事件种类作为待判断工程事件的种类。
51.具体的，分别为每种工程事件构建唯一对应的关键词句集合，具体包括以下步骤：
52.首先对历史数据进行筛选分析，按照不通种类提取相关种类工程事件高密度的词句，列入到种类
‑
映射表。在后续不断有新的工程事件数据，继续检索和挖掘新的相关种类工程事件词句，再持续更新到种类
‑
映射表。
53.具体的，构建关键词集合也可采用以下方法实现：
54.从历史数据中，获取已知发生事件种类事件内容文本，并将事件种类相同的事件内容文本归为一类，将同一类事件文本采用tf
‑
idf(term frequency
–
inverse documentfrequency，词频
‑
逆向文件频率)算法提取同一类事件文本的预备关键词集合；
55.将不同种类的事件文本的预备关键词集合进行比较，分别从不同种类的预备关键词中筛除与其他种类预备关键词相同的词得到每一种类事件内容文本的预备关键词。
56.此外，从提取的事件内容中提取事件发生的种类也可以采用以下步骤实现：
57.构建有监督的机器学习模型，机器学习模型以事件内容文本作为输入量以事件内容文本的事件发生种类作为输出量；
58.从历史数据中获取已知的事件发生种类的事件内容文本，用事件内容文本对应的事件发生种类对事件内容文本进行标注，将标注好的事件内容文本作为训练样本对机器学习模型进行训练，得到训练好的机器学习模型；
59.将待提取事件内容输入至机器学习模型中，得到待提取时间内容的事件发生种类。
60.步骤2：根据待判断工程事件发生的地点、时间以及种类查找在待判断工程事件发生地点的发生时间期间内的、与种类对应的监测记录；
61.具体的，根据待判断工程事件发生的地点、时间以及种类查找在待判断工程事件发生地点的发生时间期间内的、与种类对应的监测记录，具体包括以下步骤：
62.分别为不同种类的监测记录构建存储数据库，并构建工程事件种类与对应的检测数据库构建第二映射表；
63.基于查找到的待判断工程事件的种类，从第二映射表中查找与待判断工程事件的种类、发生的地点、时间均对应的监测记录，并返回监测记录。
64.步骤3：将监测记录与待判断工程事件的内容进行匹配，并根据匹配结果判断工程事件的真实性。
65.具体的，工程事件为故障工程事件或隐患工程事件，监测记录与待判断工程事件
的内容进行匹配，具体包括以下步骤：
66.判断工程事件对应的监测记录是否有异常值特征，当存在异常值特征，则判断工程事件为真实的。
67.具体的，工程事件的种类包括：消防安全类、人员安全类、工程设施类；其中，消防安全类对应的监测记录包括各种消防监测传感器的监测记录以及视频监控记录，人员安全类对应的监测记录包括视频监控记录，工程设施类对应的监测记录包括工程设施监控管理记录。
68.在本实施例中，如图2所示，工程事件真实性判断方法在基于区块链的工程事件管理系统的应用步骤如下：
69.设置消防安全类、人员类、工程设施类等不同类型工程事件的判断规则，每种工程事件类型再设置具体的判断是否符合实际的规则。消防安全类设置规则有：消防通道、消防设施、消防监控设备；人员类设置规则有：人员安全设备；工程设施类设置规则有：工程材料、工程设备。
70.使用pc、移动终端和接口方式将工程事件采集进系统，对工程事件先进行消费安全类、人员类、工程设施类进行分类存储，部署的事件判断监听程序根据进入系统的工程事件进行逐个按照不同的分类进行分析判断，然后截取事件里的内容关键字与不同的类型下的规则进行匹配。例如关键字包含消防通道阻塞、消防栓漏水、烟感监控设备无反应等就会进入消防安全类下的判断规则。
71.分配到消防安全类进行分析匹配的事件，会自动调取消防通道视频监控数据及是否有自动上报的通道阻塞告警记录，如果有自动上报的告警记录则标记该工程事件是符合实际的，反之不符合；自动获取消防设施上的传感器上报的设备运行信息，包括压力、水压值，查看这些值是否出现异常，如果有出现异常的运行信息则标记改工程事件是符合实际的，反之不符合。
72.其中，消防安全类的判断项包括消防通道阻塞项以及消防设施状态项，判断工程事件上报的地点与该地点的消防视频监控采集的阻塞告警信息进行比对，如果现场视频告警有记录则表示比对成功。
73.分配到人员类进行分析匹配的事件，会自动调取现场视频监控及上报的告警记录，例如未带安全帽告警等，当事件是反应有关人员未带安全帽进入施工现场，则会进行判断，如果现场视频监控及上报有未带安全帽的告警记录，则标记该工程事件是符合实际，反之不符合。
74.其中，视频监控上报有未带安全帽的告警记录通过以下步骤实现：
75.构建并训练基于神经网络的分类模型，分类模型的输入量为施工现场的人员图片，输出量为施工现场的人员佩戴有安全帽的置信度以及分类结果，分类模型以标注有现有人员是否佩戴安全帽的人员作为训练图片；其中，当置信度大于预设的值，如大于85％时，则判断佩戴安全帽，否则判断没有佩戴安全帽。
76.将视频监控拍摄的视频以帧为单位输入训练好的分类模型中，得到分类结果以及置信度，当得到分类结果为未佩戴安全帽时，则生成告警记录。
77.分配到工程设施类的分析匹配的事件，会调取工程材料管理记录、工程设备的使用记录。工程事件反馈的是材料不符合要求，会分析工程材料管理记录的材料采购厂家、规
格等信息，确实与反馈的工程事件相符的则标记该工程事件符合实际，反之不符合。
78.具体的，确实与反馈的工程事件相符的具体步骤如下：
79.通过输入工程事件内容信息，查找该工程事件的对应种类，再到种类
‑
映射表查找关键语句来匹配工程事件内容信息；读取相关的关键语句的记录信息，来进行相关性比对，出现相关性是即视为符合实际，并把该事件进行标记。
80.综上，本发明中的工程事件真实性判断方法、系统及存储介质，通过读入待判断工程事件，从待判断工程事件的内容中提取待判断工程事件发生的地点、时间以及种类；根据待判断工程事件发生的地点、时间以及种类查找在待判断工程事件发生地点的发生时间期间内的、与种类对应的监测记录；将监测记录与待判断工程事件的内容进行匹配，并根据匹配结果判断工程事件的真实性。相比现有技术，本发明能通过将工程事件的内容与传感器或者其他监控数据的监测记录进行匹配，从而准确的判断出工程事件的真实性。
81.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。