Уважаемые коллеги, доброго времени суток! Представляем вам нидерландское научное издание Automation in Construction. Журнал имеет первый квартиль, издается в Elsevier, его SJR за 2020 г. равен 1,837, импакт-фактор - 7,700, электронный ISSN - 0926-5805, предметные области - Строительно-монтажное проектирование, Разработка систем управления, Строительство зданий и сооружений. Вот так выглядит обложка:
Здесь два редактора - Даниэль Кастро-Лакотюр, контактные данные - dcastro@gatech.edu
и Мирослав Скибниевски - mirek@ umd.edu.
Это международный журнал для публикации оригинальных научных статей. В журнале публикуются реферативные материалы по всем аспектам использования информационных технологий в проектировании, инжиниринге, строительных технологиях, эксплуатации и управлении строящимися объектами. Область применения автоматизации в строительстве широка и охватывает все этапы жизненного цикла строительства от первоначального планирования и проектирования, через строительство объекта, его эксплуатацию и техническое обслуживание до возможного демонтажа и утилизации зданий и инженерных сооружений. Следующий список тем не претендует на то, чтобы быть исчерпывающим, а скорее указывает темы, которые входят в компетенцию журнала:
- автоматизированное проектирование;
- моделирование продуктов;
- системы поддержки принятия решений;
- классификация и стандартизация.
Адрес издания - https://www.sciencedirect.com/journal/automation-in-construction
Пример статьи, название - Graph-based linguistic and visual information integration for on-site occupational hazards identification. Заголовок (Abstract) - Construction sites are hazardous with various potential hazards that can occur at any time. The combination of different factors always causes the construction fatalities, and the majority of these fatalities could be prevented if workers followed on-site regulatory rules. However, compliance of regulatory rules is not strictly enforced among workers due to all kinds of reasons. Although previously proposed vision-based approaches are available for occupational hazards identification, the practicality is limited by the lack of automated understanding and adaptability to regulatory rules changes. In response to these gaps, this paper proposes a novel graph-based framework that integrates linguistic and visual information to process regulatory rule sentences and images for on-site occupational hazards identification. Particularly, a regulatory rules processing approach is presented to automatically extract and represent the key linguistic information of regulatory rules and a vision-based image scene information understanding approach is introduced to process on-site images by the combination of deep learning-based object detection and individual detection using geometric relationships analysis. Additionally, an automated reasoning approach is proposed to provide the integration of the processed linguistic and visual information and perform hazards identification. The hazards of two scenes, i.e., “working on height” and “operating a grinder”, were successfully identified with significantly higher performance compared to the baseline model. Keywords: Construction safety; Occupational hazards identification; Personal protective equipment (PPE); Deep learning; Graph