市政工程大数据质量评价方法研究.pdf

第1期（总第232期）2024 年 2 月CHINA MUNICIPAL ENGINEERINGN o.1 (S e r i a l N o.2 3 2)F e d.2 0 2 4141市政工程大数据质量评价方法研究张 雯 婷（中国市政工程中南设计研究总院有限公司，湖北 武汉 430010）摘要：大数据已在市政工程中得到了广泛应用，但大数据稀疏性和质量不高的问题亟待解决。为此，提出 1 种大数据质量评价方法，其中包括一级特征指标 7 项，二级度量指标 38 项和算术加权平均计算公式。地形图和 BIM 图库的实际案例验证说明，该方法可用、有效、正确，其对市政工程大数据质量评价实际应用具有一定的参考价值。关键词：大数据；质量；评价方法中图分类号：U448.21 文献标志码：A 文章编号：1004-4655（2024）01-0141-03收稿日期：2023-03-07作者简介：张雯婷（1989），女，高级工程师，博士，主要从事市政工程指标体系和评价方法研究。DOI:10.3969/j.issn.1004-4655.2024.01.031大数据已在各行各业得到了广泛应用，但大数据的稀疏性和质量不高却成为其应用的“瓶颈”。目前这方面的研究，一是如何提高大数据的质量；二是如何对大数据质量进行评价。1 国、内外现状大数据质量研究包括大数据质量内涵、大数据质量管理和大数据质量评价 3 个方面1，其中，大数据质量评价研究涉及模型，评价体系与指标以及评价方法。文献 2 涉及质量特征指标。查阅大数据质量特征文献发现，其中 12 篇有一定代表性。涉及的质量特征列表见表 1。表 1 大数据应用质量特征指标文献列表文献质量特征文献 3完整性、可信性、一致性、完备性、有效性、及时性和可访问性文献 4相关性、可信度、易理解性、准确性、保密性、并发性、可用性和流行性文献 5可访问性、授权性、及时性、文档性、可靠性、准确性、一致性、完备性、充分性、可审计性、适应性、可读性和结构性文献 6正确性、有效性和精确性文献 7准确性、可信度、相关性、通用性、完整性、全面性、一致性、唯一性、及时性、有效性和可追溯性文献 8准确性、可及性、清晰度、相关性、一致性和及时性文献 9完整性、可靠性、准确性、一致性、解释性、可用性、互用性、安全性、时效性、响应性、流通性和有效性文献 10 可信性、客观性、可靠性、密度性、多样性、可解释性、简明性、一致性、易懂性、适量性、完整性、相关性、增值性、及时性、易操作性、广泛性、可访问性和安全性文献 11完整性、一致性、机密性、精确性、可信性、时间性、有效性、易理解性文献 12规范性、安全性、到达率、完整性、无误性、实时性、一致性、准确性、置信度、有效性、集成性、效率性和价值性文献 13准确性、完整性、一致性、完备性、有效性、及时性和可访问性文献 14针对性、关联性、最小性、紧凑性、简洁性、可理解性、清晰性、简单性、衔接性、连贯性、可信性、可靠性、信誉度和权威性由表 1 可见，共有质量特征 120 个，每篇文献的质量特性从 3 个到 18 个各不相同，但文献的每组特征都是 1 个独立的质量度量体系。比较发现，文献涉及的质量特征有很多相同的项，比如，准确性、关联性、保密性、可信性、完备性、有效性、时效性、可靠性、通用性、简明性、权威性、理解性、可用性、文档性、衔接性、集成性、追溯性、一致性、适应性、规范性、结构性（大）、密度性（大）、紧凑型（大）等。分析发现，与大数据产品质量“功能性”相关的，即编号的有 3 个；与大数据产品质量“性能性”相关的，即编号的有 8 个；与大数据产品质量“易用性”相关的，即编号的有 5 个；与大数据产品质量“维护性”相关的，即编号的有 1 个；与大数据产品质量“移植性”相关的，即编号的有 3 个；与大数据产品质量“大数据”相1422024 年第 1 期张雯婷：市政工程大数据质量评价方法研究关的，即标识（大）的有 3 个。归纳总结发现，以上 12 篇文献的质量特征值得借鉴，但也存在不足：第一，效率特征度量缺失；第二，大数据分析和挖掘的二级特征度量不足；第三，“维护性”二级特征不足；第四，“推广性”二级特征不足。为此，本文将在这几个方面进行完善。以上分析对大数据应用二级质量特征的定义有较强的参考意义。2 大数据质量特征指标和计算方法2.1 大数据质量指标根据表 1，现给出大数据质量 7 个一级特性指标：功能性指标 x1，性能性指标 x2，易用性指标x3，效率性指标 x4，挖掘性指标 x5，维护性指标 x6和推广性指标 x7。指标打分有 4 级：（优秀，良好，一般，较差）=（4，3，2，1）。大数据质量特征指标见表 2。表 2 大数据质量特征指标一级特征功能性 性能性 易用性效率性挖掘性 维护性推广性二级特征适合性 成熟性 理解性 时间特性 关系性 分析性适应性准确性 完整性 易学性资源性结构性 修改性安装性安全性 简明性 操作性规模性分块性 扩充性共存性共享性 通用性 连接性管控性稀疏性 追踪性替换性开放性 重用性 灵活性直观性 审核性支持性依从性 时效性 自述性封装性1）功能性 x1：指大数据满足用户明确和隐含要求功能的能力，包括 4 个二级质量特性指标，即合适性 x11，准确性 x12，安全性 x13和依从性 x14。2）性能性 x2：指大数据达到规定功能的能力程度，包括 6 个二级质量特性指标，即成熟性 x21，完整性 x22，简明性 x23，通用性 x24，重用性 x25和时效性 x26。3）易用性 x3：指提供给用户使用大数据的方便程度，包括 6 个二级质量特性指标，即理解性x31，易学性 x32，操作性 x33，一致性 x34，灵活性x35和自述性 x36。4）效率性 x4：指用户应用大数据的效率，涉及大数据使用的时间开销、环境资源的开销、大数据产品的规模（多少字节 bit），相关指标是否容易被度量，是否容易被管控。包括 4 个二级质量特性指标，即时间性 x41，资源性 x42，规模性 x43和管控性 x44。5）挖掘性 x5：指对大数据内部、局部、关系进行分析与数据挖掘难易度的描述，比如结构是否简单，是否容易分层分块，数据密度大不大，是否直观等，包括 5 个二级质量特性指标，即关系性 x51，结构性 x52，分块性 x53，稀疏性 x54和直观性 x55。6）维护性 x6：指如果对大数据进行维护，是否容易进行解析、修改、扩充、拆解、追踪、审核，包括 6 个二级质量特性指标，即分析性 x61，修改性 x62，扩充性 x63，追踪性 x64，审核性 x65和封装性 x66。7）推广性 x7：指大数据从厂商到用户的过程和服务，包括 5 个二级质量特性指标，即适应性 x71，安装性 x72，共存性 x73，替换性 x74和支持性 x75。2.2 大数据应用质量算术平均方法假设大数据质量数学上可以表示为 X。实际中，数据工程师可用算术求和公式（1）。（1）式中：ki为各一级指标的权重，所有 ki之和为 1；kj为各二级指标的权重，所有 kj之和为 1；i=1，2，7；j=1，2，6；xij为二级质量特性指标。3 实证验证3.1 卫星地形图质量评价方法比较卫星地形图是设计单位经常使用的 1 种数据。市政设计单位在进行城市道路、立交桥、（给水、排水、热力、通信、电力、煤气）管网、自来水厂、污水处理厂、垃圾处理厂等工程设计时，地形图是基础性的数据。这类产品通常由勘察设计院通过航拍的方式提供有偿服务。下面以武汉市江夏区百点工业园卫星地形图为例，进行地形图数据产品的质量评价，见图 1。图 1 武汉市江夏区百点工业园卫星地形图在此，请相关 5 名设计人员，站在用户角度对图1进行一级指标打分，可得到表3的前6列。其中，A 为勘察工程师，B 为结构工程师，C 为给排水工1432024 年第 1 期张雯婷：市政工程大数据质量评价方法研究程师，D 为城镇规划工程师、E 为计算机工程师。利用公式（1）计算可以得到表 3 的第 7 列，然后再求第 7 列的平均值得 3.62，这说明，该数据质量属于优良级别。表 3 地质图像数据打分人员功能性性能性易用性效率性挖掘性平均A3.803.603.603.803.603.68B3.703.503.703.603.403.58C3.603.803.403.503.803.62D3.403.503.603.603.703.56E3.803.703.503.703.603.66平均3.663.623.563.643.623.623.2 BIM 图库及其平台的质量评价BIM 图库及其平台是（建筑、市政、电力、公路、桥涵、铁路等）工程设计单位在做项目可行性研究时经常使用的 1 种大数据产品，它是 1 种图计算数据 集。BIM（Building Information Modeling）是 虚拟建筑工程 3D 模型，及组装图库组件形成 3D 动画影像视频的平台。市政设计单位在进行工程项目招投标时，通常会制作和播放 BIM 全景漫游动画，以便让甲方和评审专家了解项目的概貌，为项目审批提供必需的直观展示。部分 BIM 图库设计出的渲染效果图见图 2。现以某院 BIM 图库及其平台为例，进行其数据产品的质量评价。请某计算机工程师对 BIM 图库及平台进行打分，并确定权值，即得到表 4。首先计算表 4 每行的平均值，再利用公式（1）可得到结果 3.39，这说明，该数据质量属于优良级别。图 2 效果图表 4 BIM 图库质量特征打分及权值一级指标 权值二级指标及取值平均值功能性0.30合适性4正确性4安全性4共享性1开放性1依从性418/6性能性0.30成熟性4完整性4简明性4通用性4重用性4时效性323/6易用性0.15理解性3易学性3操作性3连接性4灵活性3自述性319/6效率性0.15时间性3资源性3规模性3管控性413/4挖掘性0.10关系性3结构性4分块性4稀疏性4可视性419/54 结语本文提出了 1 种大数据质量评价的方法，包括一级特征指标 7 项，二级度量指标 38 项和算术加权平均计算公式。与同类方法比较而言，本方法指标体系相对齐全，是其创新点。研究发现，实际案例应用说明，该方法可用、有效、正确。该方法有待在更大范围内试用和验证，是即将展开的工作。参考文献：1 刘冰,庞琳.国内外大数据质量研究述评 J.情报学报,2019,38(2):217-226.2 IMMONEN A,PKKNEN P,OVASKA E.Evaluating the quality of social media data in big data architectureJ.IEEE Access,2015,3:2028-2043.3 ABDULLAH N,ISMAIL S A,SOPHIAYATI S,et al.Data quality in big data:A reviewJ.International Journal of Advances in Soft Computing and its Applications,2015:17-27.4 KULKARNI A.A study on metadata management and quality evaluation in big data managementJ.Engineering Technology&Applied Science Research,2016,4(7):455-4595 CABALLERO I,SERRANO M,PIATTINI M.A data quality in use model for big dataC/Proceedings of the International Conference on Conceptual Modeling.Heidelberg:Springer,2014:65-74.（下转第 148 页）1482024 年第 1 期翟东：软土地区桥梁桩基础基于经济性的精细化设计方法探讨由图 3 可知，通过单位体积桩基价格对 Qv进行修正后，对于不同桩长情况下分别采用调整“桩长”或“桩径”的方法，其与 Qv关系的线型发生了相应变化。对于桩长较短（L=15 m）时，两者调整的效率差距拉大，优劣性更加明显；对于桩长居中（L=30 m）时，两者调整的效率趋于接近，经济性上不具有明显差异；对于桩长较长（L=55 m）时，两者调整的效率差距进一步区分拉大。因此，在结合桩基的 Qv对调整桩基方案进行比选时，建议结合当地土层情况反映的桩基单价对Qv进行修正，以便更准确得出经济性更优的调整方案。3 结语本文以圆形“钻孔灌注桩”的桩基承载力理论计算为基础，对“单位体积桩基混凝土量能提供的竖向承载力”评价指标 Qv进行研究与探讨，并进一步分析了其相关参数变化对评价指标的影响，主要结论如下。1）基于 Qv指标对于桩基经济性能评价有效，影响该指标的主要参数为：桩长 L、桩径 D 及土层分布与特性。2）在土层特性不变的情况下，桩长 L 与桩径D 增加均使桩基的 Qv下降，而桩长与桩径的减少均使桩基的 Qv升高；但在变化相同体积混凝土量的情况下，调整桩长 L 或桩径 D 对于 Qv的变化率不同。3）采用增减桩长 L 及桩径 D 的方法得到的桩基经济性效率均有差异，可根据地质情况、结构桩基承载力需求综合考虑，采用 Qv评价寻找相对最优解，可最大限度提高桩基设计的经济效益。4）桩基设计过程中可通过调整桩长 L、桩径D 的参数对桩基经济性能进行优化。基于结构计算需要的单桩承载力并结合地勘推荐持力层，通过分析“桩侧摩阻力”与“桩端阻力”的分配比例，可分析出调整桩长 L 或桩径 D 哪个参数更有效，并存在调整的最优理论解，可根据工程实际情况逼近最优解进行设计优化。5）建议结合桩基单价因素进行分析比选，对桩基调整后达到最优经济性更具有实际指导意义。6）对于其它桥梁桩基形式（如预制桩等）或其他地质情况（如嵌岩桩等），均可采用类似本文的研究方法进行分析，并结合当地的技术经济指标进行修正，得到最接近理论最优解的桩基设计，提高桩基设计的经济效益。研究主要基于“桩基竖向承载力”为考察基础进行分析，后期可根据不同工程的需求引入“基础沉降要求”、“桩身强度要求”等考察指标综合分析。由于不同桩径与桩长的选择也可能会影响到桩基的数量及承台的规模，后期可结合具体的工程项目建立更多维度的数模进行分析，从设计阶段优化桩基的经济性能，尤其对于项目规模较大或者地质情况相对稳定的大区域桥梁建设具有较大的经济意义。6 CAI L,ZHU Y Y.The challenges of data quality and data quality assessment in the big data eraJ.Data Science Journal,2015,14(1):21-23.7 BATINI C,RULA A,SCANNAPIECO M,et al.From data quality to big data qualityJ.Journal of Database Management,2015,26(1):60-82.8 HARYADI A F.Requirements on and antecedents of big data quality:An empirical examination to improve big data quality in financial service organizationsD.Delft:Delft University of Technology,2016:13.9 AGGARWAL A.Data quality evaluation framework to assess the dimensions of 3Vs of big dataJ.International Journal of Emerging Technology and Advanced Engineering,2017,7(10):503-506.10 TOIVONEN M.Big data quality challenges in the context of business analyticsD.Helsinki:University of Helsinki,2015:47-48.11 张绍华,潘蓉,宗宇伟.大数据治理与服务 M.上海:上海科学技术出版社,2016.12 MERINO J,CABALLERO I,RIVAS B,et al.A data quality in use model for big dataJ.Future Generation Computer Systems,2016,63:123-130.13 莫 祖 英.大 数 据 质 量 测 度 模 型 构 建 J.情 报 理 论 与 实 践,2018,41(3):11-15.14 DUMBILL E.Making sense of big dataJ.Big Data,2013,1(1):1-2.（上接第 143 页）162ABSTRACTSEngineering Co.,Ltd.,Shanghai 200127,China)Abstract:Drilling and sealing of frozen holes is a crucial step in the construction of connecting channels using the freezing method.Improper quality control in each step may lead to construction risks.Based on previous risk cases in the construction process of freezing holes connecting channels using the freezing method,this paper analyzes the shortcomings of conventional freezing hole drilling sealing and sealing technology,and studies a new type of freezing method connecting channel freezing hole drilling sealing and sealing construction technology for pre-embedded hole mouth pipes.At the same time,the feasibility of the technology is verified through experiments,providing support for the safe construction of freezing method connecting channels in the future.Key words:freezing method;connecting channels;freeze hole drilling;pre-embedded orifice pipe;sealing holesResearch on the Method of Big Data Quality Evaluation for Municipal EngineeringZHANG Wen-ting(China Municipal Engineering Central South Design&Research Institute Co.,Ltd.,Wuhan 430010,China)Abstract:Big data has been widely used in municipal engineering,but the problems of sparsity and low quality of big data need to be solved urgently.Therefore,a method for evaluating the quality of big data is proposed,which includes 7 primary characteristic indicators,38 secondary measurement indicators,and an arithmetic weighted average calculation formula.The practical cases of topographic maps and BIM libraries verify that the method is applicable,effective,and correct,and it has certain reference value for the practical application of big data quality evaluation in municipal engineering.Key words:big data;quality;evaluation methodExploration of Economic Refined Design Method for Bridge Pile Foundations in Soft Soil RegionsZHAI Dong(Tongji University Architectural Design&Research Institute Group Co.,Ltd.,Shanghai 200092,China)Abstract:In order to fully leverage the economic benefits of bridge pile foundations during the design phase,starting from the theoretical basis of calculating the bearing capacity of drilled cast-in-place piles in soft soil areas,the index of vertical bearing capacity provided by the concrete volume of unit volume pile foundation is proposed.Through further theoretical formula derivation,multi-dimensional analysis and summary of the changes in indicators that affect the economic performance of pile foundations are conducted,providing reference for further optimizing the design methods of pile foundation economic performance in engineering practice.By analyzing the contribution ratio and parameter sensitivity of the diameter and length of drilled cast-in-place piles to the bearing capacity of pile foundations in different soil layers,a more economical and efficient adjustment direction for pile foundations can be obtained,and further correction can be made based on local comprehensive unit prices to guide pile foundation design and selection,and to achieve high economic benefits.Key words:bridge pile foundation;bored cast-in-place piles;pile foundation bearing capacity;economic indicators;design methods