Method and apparatus for planning / designing layout of construction site

Abstract

Disclosed in the present application is a method and apparatus for planning / designing layout of construction site. The method includes: identifying all feasible crane locations and supply locations over the construction site; calculating an operation duration of each lifting task; importing calculated operation duration into an integer linear programming (ILP) model to output a minimum crane operation duration, an optimal crane location, and an optimal supply location; and deploying a tower crane at the optimal crane location, and deploying a supply site at the optimal supply location.

Description

METHOD AND APPARATUS FOR PLANNING / DESIGNING LAYOUT OF CONSTRUCTION SITECROSS REFERENCE

[0001] The present application is based upon and claims priority of U.S provisional application No. 63 / 669,964, filed on July 11, 2024, and the entire contents thereof are incorporated herein by reference.TECHNICAL FIELD

[0002] The present disclosure relates to a method and apparatus for planning / designing layout of construction site, and in particular, to an automatic AI-based method and apparatus for planning / designing layout of construction site.BACKGROUND

[0003] Modular integrated construction (MiC) is defined as a form of innovative offsite construction approach where a building’s free-standing integrated components or modules (completed with finishes, fixtures, and fittings) are produced and assembled in the manufacturing plant setting before being delivered to the site for installation. MiC has attracted significant attention worldwide thanks to its construction safety, productivity, and sustainability advantages. It is reported that MiC can reduce accidents by 80%, decrease the capital price by 10%, shorten construction duration by 40%, and decline noise by 30%-50%. The tower crane is considered the centerpiece of construction equipment in MiC projects because it plays a critical role in the horizontal and vertical movements of heavy MiC modules from the pickup point (i.e., the truck carrying modules) to their destinations. The tower crane also contributes to the construction cost since this critical equipment is a large part of the procurement expenses in MiC projects. Therefore, construction engineers spend enormous efforts deciding on tower crane layout planning (TCLP) . TCLP is a combinational optimization problem involving the determination of the optimal crane number, crane types, the locations of cranes and trucks, and so on. Many factors affect the decision-making process, such as crane characteristics, site layout, surrounding environment, ground condition, etc., influencing the complexity of the TCLP.

[0004] It should be noted that, information disclosed in the above background portion is provided only for better understanding of the background of the present disclosure, and thus it may contain information that does not form the prior art known by those ordinary skilled in the art.SUMMARY

[0005] The present disclosure provides a method and apparatus for planning / designing layout of construction site.

[0006] A first aspect of the present disclosure relates to a method for planning / designing layout of a construction site, the method including:

[0007] identifying all feasible crane locations and supply locations over the construction site;

[0008] calculating an operation duration of each lifting task;

[0009] importing calculated operation duration into an integer linear programming (ILP) model to output a minimum crane operation duration, an optimal crane location, and an optimal supply location; and

[0010] deploying a tower crane at the optimal crane location, and deploying a supply site at the optimal supply location.

[0011] In some embodiments, the method further includes:

[0012] iteratively evaluating a distance between two tower cranes according to the feasible crane locations of each tower crane;

[0013] adding the feasible crane locations of the two tower cranes as an accepted layout into an optimum layout set when an evaluating result is acceptable; and

[0014] deploying the two tower cranes at respective optimal crane locations according to the optimum layout set.

[0015] In some embodiments, the two tower cranes comprise a first crane and a second tower crane lower than the first tower crane, and the iteratively evaluating the distance between two tower cranes according to the feasible crane locations of each tower crane comprises:

[0016] identifying all candidate layouts by selecting each first feasible crane location of the first tower crane and each feasible crane location for the second tower crane;

[0017] calculating the distance between the first tower crane and the second tower crane for each of the candidate layouts; and

[0018] adding the candidate layout as the accepted layout to the optimum layout set if the distance is greater than a jib length of the second tower crane.

[0019] In some embodiments, the method further includes:

[0020] stopping iteration once the distance is lower than the jib length of the second tower crane.

[0021] In some embodiments, the identifying all feasible crane locations and supply locations over the construction site includes:

[0022] identifying possible crane areas and supply areas according to a graphical method;

[0023] transferring identified crane areas and supply areas into numerable locations according to a gridding method; and

[0024] excluding locations with insufficient operation spaces from the numerable locations to obtain the feasible crane locations and supply locations according to an intersection examination algorithm (IEA) .

[0025] In some embodiments, the possible crane areas and supply areas are determined according to a lifting capacity constraint of the tower crane, a site boundary constraint, and an overlapping-free constraint.

[0026] In some embodiments, the gridding method includes:

[0027] laying a grid over the identified possible crane areas and supply areas; and

[0028] identifying intersection points of the grid as the numerable locations.

[0029] In some embodiments, a space of the grid is adjustable.

[0030] In some embodiments, the IEA includes:

[0031] indicating edge of a supply carrier / tower crane and boundaries of the infeasible areas using a mathematical function; and

[0032] solving the mathematical function to evaluate collision situations between the supply carrier / tower crane and nearby environment.

[0033] In some embodiments, the calculating the operation duration of each lifting task includes:

[0034] analyzing a radial movement, a tangent movement and a vertical movement of each lifting task; and

[0035] formulizing motion states of the tower crane during each lifting task and calculating the operation duration of each lifting task.

[0036] In some embodiments, decision variables of the ILP model comprise the feasible crane locations, the feasible supply locations, and the lifting task, the ILP model is constrained by demand fulfillment and / or location capacity constraint, the ILP model is solved by CPLEX to output the minimum crane operation duration, the optimal crane location, and the optimal supply location.

[0037] In some embodiments, the demand fulfillment and / or location capacity constraint includes at least one of:

[0038] realizing all module lifting tasks;

[0039] the locations of the crane and supply satisfying lifting ability constraint; and

[0040] each location accommodating at most one facility.

[0041] In some embodiments, the ILP model is further configured to output optimal supplying strategy, and the method further includes:

[0042] selecting one supply site among multiple optimal supply locations output by the ILP model according to the optimal supplying strategy.

[0043] A second aspect of the present disclosure relates to an apparatus for planning / designing layout of a construction site, the apparatus including:

[0044] a processor; and

[0045] a memory that stores computer executable instructions,

[0046] wherein the computer executable instructions when executed by the processor, cause the processor to perform:

[0047] identifying all feasible crane locations and supply locations over the construction site;

[0048] calculating an operation duration of each lifting task;

[0049] importing calculated operation duration into an integer linear programming (ILP) model to output a minimum crane operation duration, an optimal crane location, and an optimal supply location; and

[0050] deploying a tower crane at the optimal crane location, and deploying a supply site at the optimal supply location.

[0051] In some embodiments, the processor is further caused to perform:

[0052] iteratively evaluating a distance between two tower cranes according to the feasible crane locations of each tower crane;

[0053] adding the feasible crane locations of the two tower cranes as an accepted layout into an optimum layout set when an evaluating result is acceptable; and

[0054] deploying the two tower cranes at respective optimal crane locations according to the optimum layout set.

[0055] In some embodiments, the two tower cranes comprise a first crane and a second tower crane lower than the first tower crane, and the processor is further caused to perform:

[0056] identifying all candidate layouts by selecting each first feasible crane location of the first tower crane and each feasible crane location for the second tower crane;

[0057] calculating the distance between the first tower crane and the second tower crane for each of the candidate layouts; and

[0058] adding the candidate layout as the accepted layout to the optimum layout set if the distance is greater than a jib length of the second tower crane.

[0059] In some embodiments, the processor is further caused to perform:

[0060] stopping iteration once the distance is lower than the jib length of the second tower crane.

[0061] In some embodiments, the processor is further caused to perform:

[0062] identifying possible crane areas and supply areas according to a graphical method;

[0063] transferring identified crane areas and supply areas into numerable locations according to a gridding method; and

[0064] excluding locations with insufficient operation spaces from the numerable locations to obtain the feasible crane locations and supply locations according to an intersection examination algorithm (IEA) .

[0065] In some embodiments, the possible crane areas and supply areas are determined according to a lifting capacity constraint of the tower crane, a site boundary constraint, and an overlapping-free constraint.

[0066] In some embodiments, the gridding method includes:

[0067] laying a grid over the identified possible crane areas and supply areas; and

[0068] identifying intersection points of the grid as the numerable locations.

[0069] It is to be understood that both the foregoing general description and the following detailed description are exemplary and explanatory only and are not restrictive of the present disclosure.BRIEF DESCRIPTION OF THE DRAWINGS

[0070] The appended drawings provide figures that further illustrate and clarify the aforementioned and additional aspects, advantages, and features of the present disclosure. It is understood that these drawings represent only specific embodiments of the present disclosure and are not intended to limit its scope. Additionally, these drawings are presented for simplicity and clarity and may not be depicted to scale. The present disclosure will now be described and explained in greater specificity and detail using the accompanying drawings, in which:

[0071] FIG. 1 illustrates a flowchart of a method for planning / designing layout of a construction site according to embodiments of the present disclosure;

[0072] FIG. 2 illustrates a block diagram of the method for planning / designing layout of a construction site according to embodiments of the present disclosure;

[0073] FIG. 3A to FIG. 3E illustrate a stepwise process of an example of determining feasible crane and truck locations according to embodiments of the present disclosure;

[0074] FIG. 4A to FIG. 4C illustrate movements of lifting a module by a tower crane according to embodiments of the present disclosure;

[0075] FIG. 5A to FIG. 5D illustrate different overlapping scenarios between two tower cranes according to embodiments of the present disclosure;

[0076] FIG. 6A illustrates original site layout and modularized floor plan of an example Case 1 according to embodiments of the present disclosure;

[0077] FIG. 6B illustrates original site layout and modularized floor plan of an example Case 2 according to embodiments of the present disclosure;

[0078] FIG. 6C illustrates original site layout and modularized floor plan of an example Case 3 according to embodiments of the present disclosure;

[0079] FIG. 7A illustrates load radius data of the tower cranes of Case 1 according to embodiments of the present disclosure;

[0080] FIG. 7B illustrates load radius data of the tower cranes of Case 2 according to embodiments of the present disclosure;

[0081] FIG. 7C illustrates load radius data of the tower cranes of Case 3 according to embodiments of the present disclosure;

[0082] FIG. 8A illustrates identified feasible locations and the optimized crane and truck layout of Case 1 according to embodiments of the present disclosure;

[0083] FIG. 8B illustrates identified feasible locations and the optimized crane and truck layout of Case 2 according to embodiments of the present disclosure;

[0084] FIG. 8C illustrates identified feasible locations and the optimized crane and truck layout of Case 3 according to embodiments of the present disclosure;

[0085] FIG. 9 illustrates comparison of the cranes’ operation durations and carbon emissions between the optimized layout and the original layout of Case 1 to Case 3 according to embodiments of the present disclosure;

[0086] FIG. 10A illustrates optimized double crane layout scheme of Case 1 according to embodiments of the present disclosure;

[0087] FIG. 10B illustrates optimized double crane layout scheme of Case 2 according to embodiments of the present disclosure;

[0088] FIG. 10C illustrates optimized double crane layout scheme of Case 3 according to embodiments of the present disclosure;

[0089] FIG. 11 illustrates relationship between the number of truck points and optimized crane operation duration of Case 1 to Case 3 according to embodiments of the present disclosure;

[0090] FIG. 12A illustrates optimized layout of the scenarios of different truck points for Case 1 according to embodiments of the present disclosure;

[0091] FIG. 12B illustrates optimized layout of the scenarios of different truck points for Case 2 according to embodiments of the present disclosure;

[0092] FIG. 12C illustrates optimized layout of the scenarios of different truck points for Case 3 according to embodiments of the present disclosure;

[0093] FIG. 13 illustrates relationships between the space and number of tuck points / possible lifting tasks according to embodiments of the present disclosure;

[0094] FIG. 14A to FIG. 14D illustrate relationships between the computing time and other parameters according to embodiments of the present disclosure;

[0095] FIG. 15A to FIG. 15D illustrate relationships between the crane’s optimal operation duration and other parameters according to embodiments of the present disclosure;

[0096] FIG. 16 illustrates variation tendency of parameters t and r alongside with the change of f according to embodiments of the present disclosure;

[0097] FIG. 17 illustrates an apparatus for planning / designing layout of a construction site according to embodiments of the present disclosure; and

[0098] FIG. 18 illustrates an apparatus for planning / designing layout of a construction site according to embodiments of the present disclosure.DETAILED DESCRIPTION

[0099] The following detailed description is provided merely as an exemplary embodiment and is not intended to limit the scope of the disclosure or its applications and uses. It should be understood that numerous variations are possible. This detailed description will enable those skilled in the art to implement an exemplary embodiment of the present disclosure without undue experimentation. It is further understood that various changes or modifications in function and structure described in the exemplary embodiment may be made without departing from the scope of the present disclosure as defined in the appended claims.

[0100] The benefits, advantages, solutions to problems, and any element (s) that may provide or enhance these benefits, advantages, or solutions should not be interpreted as critical, required, or essential features or elements of any or all of the claims. The invention is defined solely by the appended claims, including any amendments made during the pendency of this application and all equivalents of those claims as issued.

[0101] The use of the terms “a” and “an” and “the” and “at least one” and similar referents in the context of describing the invention (especially in the context of the following claims) are to be construed to cover both the singular and the plural, unless otherwise indicated herein or clearly contradicted by context. The terms “comprising, ” “having, ” and “including” or any other variation thereof, are to be construed as open-ended terms (i.e., meaning “including, but not limited to, ” ) unless otherwise noted. The use of any and all examples, or exemplary language (e.g., “such as” ) provided herein, is intended merely to illuminate the invention better and does not pose a limitation on the scope of the invention unless otherwise claimed. No language in the specification should be construed as indicating any non-claimed element as essential to the practice of the invention. Further, unless expressly stated to the contrary, “or” refers to an inclusive “or” and not to an exclusive “or” . For example, a condition A or B is satisfied by any one of the following: A is true and B is false, A is false and B is true, and both A and B are true. Terms of approximation, such as “about” , “generally” , “approximately” , and “substantially” include values within ten percent greater or less than the stated value.

[0102] Unless otherwise defined, all terms (including technical and scientific terms) used in the embodiments of the present invention shall have the same meaning as commonly understood by a person of ordinary skill in the relevant art.

[0103] According to embodiments of the present disclosure, a successful crane layout scheme brings multiple benefits, including enhanced construction safety, reduced construction cost, decreased construction time, and improved sustainability performance. Safety is the most important part of tower crane operation. Crane collision, as one of the main and severe accidents, can result in catastrophic consequences threatening the lives of workers and the public, as well as causing a huge loss of assets. In 2020, two cranes collided in Texas, US, injuring 22 people. In 2021, one tower crane’s jib collided with the hook of another tower crane in Guangdong, China, which caused a serious injury to a worker. Similar tower crane collision accidents were reportedly in other countries such as the UK and Malaysia. The locations of cranes significantly impact the safety of the project. To ensure safety, first, cranes should locate on the ground with enough supporting capacity, i.e., meeting the constraint of soil-bearing. Second, the selection of tower cranes’ locations should consider lifting radius -the distance between the crane and the loading targets (e.g., MiC modules) given that it impacts the maximum lifting load of the cranes. The nearer the building, the heavier weight can be lifted by the crane. Third, the distance between cranes is another critical parameter that impacts the safety of crane operation in particular for the multiple tower crane layout scenario. Hence, planners often try to locate cranes far away from each other.

[0104] On the other hand, the advantages of construction time, cost, and environmental performance often come together in the context of TCLP. Reducing the tower crane operation duration / traveling time not only gains benefits for the overall construction duration but also leads to fewer costs, including the crane rental fee, the crane operation fee, and the bonus due to the early completion of construction projects. Also, the reduced crane operation requires less electricity consumption, leading to higher environmental performance. Hence, according to the literature survey, minimizing the crane operation duration or cost is one of the primary optimization objectives in previous TCLP studies. However, several challenges of TCLP still exist. First, TCLP decision-making aims to identify the optimal crane location amongst infinite points within the construction site. To make the problem tractable, previous studies usually predetermine several feasible crane layout plans and select the best one among them. However, this solution may be not optimal. The optimal one may exist outside of the predetermined several layouts. Meanwhile, previous TCLP studies have not fully considered and modeled the features of MiC projects. For example, the modules are carried and delivered to the construction site by trucks; hence, it is a must to reserve enough space for trucks’ parking to unload modules. The distance between the module and the crane (i.e., the required lifting radius) is also important because it impacts the lifting capacity of cranes. In addition, thanks to the heavy load of modules, crane operators often implement the crane movements separately, namely, move the trolley first and then rotate the jib, or vice versa. This separate movement pattern has not been examined in previous studies.

[0105] To fill the knowledge gaps and address the practical issues, this disclosure proposes an integrated planning approach to identifying the optimal locations of tower cranes and trucks for MiC. The contributions of the disclosure are two-fold. From an academic perspective, this disclosure develops a minimum duration-oriented TCLP optimization model focusing on MiC. Compared to previous TCLP studies, which select the optimal solution amongst several brainstorming-predetermined potential locations, this approach can automatically identify all feasible crane and truck locations throughout the whole construction site, realizing the objective decision-making for TCLP and the output of the optimal layout. The developed approach can reduce the crane operation duration and carbon emission to the greatest extent. In addition, the collision issues, including the collision between the crane / truck and its nearby environment, and the collision between cranes, are well investigated in this study. This provides new insights into the safety enhancement in the context of TCLP. Furthermore, the model considers MiC features, including different movement patterns of cranes and the number of trucks. From a practical perspective, the disclosure seeks the optimal solution over the whole construction site, avoiding the bias from the planner’s manual decision-making. The developed approach is versatile since it can handle various TCLP requirements for MiC, regardless of the single or multiple crane / truck layout scenarios. Furthermore, the disclosure investigates the significant factors that can influence the performance of the crane layout scheme. Construction contractors can therefore take measures to enhance the efficiency of crane operation for MiC projects.

[0106] This disclosure aims to develop an integrated planning approach for optimizing the locations of tower cranes and trucks for MiC across the entire construction site. This approach consists of four objective components. Firstly, identifying potential locations for cranes and trucks by adopting a gridding method and an intersection examination algorithm. Secondly, estimating the crane operation duration. Thirdly, optimizing the crane and truck locations by developing an integer linear programming (ILP) model while considering various constraints, such as the demand fulfillment, the crane’s lifting capacity, and the multiple truck parking areas. Lastly, optimizing the distance between cranes to avoid crane blocking on site. The proposed approach is validated via three high-rise residential MiC projects. The results achieve 19.4%-37.9%reductions in cranes’ operation durations, as well as carbon emissions from the original plan. Compared with another existing TCLP method made from limited predefined layout plans, a 29.4%improvement is observed. Moreover, three aspects to extend the application of the approach are discussed: i) the multiple tower crane layout scenario, ii) the impact of the number of truck points, and iii) the trade-offs between computing effectiveness and performance. The approach realizes the objective of TCLP decision-making for multi-crane multi-truck MiC throughout the whole construction site. Construction practitioners can use this approach for decision-making which helps enhance the effectiveness of their tower crane layout designs.

[0107] FIG. 1 illustrates a flowchart of a method for planning / designing layout of a construction site, as shown in FIG. 1, the method including the following steps:

[0108] S110, identifying all feasible crane locations and supply locations over the construction site;

[0109] S120, calculating an operation duration of each lifting task;

[0110] S130, importing calculated operation duration into an integer linear programming (ILP) model to output a minimum crane operation duration, an optimal crane location, and an optimal supply location; and

[0111] S140, deploying a tower crane at the optimal crane location, and deploying a supply site at the optimal supply location.

[0112] In the embodiment, the method may use the integer linear programming (ILP) model, to obtain the minimum crane operation duration, the optimal crane location, and the optimal supply location, according to the input of the operation duration of each lifting task according to each of the feasible crane locations and supply locations.

[0113] The feasible crane locations may include all the locations where the tower crane may be deployed, and the supply locations may include all the locations where the supply of the loading targets (e.g., MiC modules or any other building materials) can be deployed. For example, the supply location, or referred to as a supply point or supply area, may be a general term indicating a location or area where the loading targets can be provided. In particular, the supply location may be a precast yard, a steel yard, a truck area, and the like.

[0114] In the embodiment, the lifting task may include picking up the loading target from the supply location to the target building, and the operation duration may be calculated according to the positions of the tower crane and the supply location, by which the a radial movement, a tangent movement and a vertical movement of the tower crane can be determined, and thus the duration of the lift task can be calculated.

[0115] In particular, according to an embodiment, the calculating the operation duration of each lifting task includes: analyzing a radial movement, a tangent movement and a vertical movement of each lifting task; and formulizing motion states of the tower crane during each lifting task and calculating the operation duration of each lifting task.

[0116] Accordingly, after inputting the operation duration into the ILP model, the ILP model may output the minimum crane operation duration, the optimal crane location, and the optimal supply location. That is, according to the output, the crane operation duration can be minimum when the tower crane is deployed at the optimal crane location and the loading targets are deployed at the optimal supply location. Therefore, according to the output, the tower crane is deployed at the optimal crane location, and a supply site is deployed at the optimal supply location. In this way, the crane operation duration can be minimum and therefore the efficiency of crane operation may be improved.

[0117] In some embodiments, decision variables of the ILP model comprise the feasible crane locations, the feasible supply locations, and the lifting task, the ILP model is constrained by demand fulfillment and / or location capacity constraint, the ILP model is solved by CPLEX to output the minimum crane operation duration, the optimal crane location, and the optimal supply location. In some embodiments, the demand fulfillment and / or location capacity constraint includes at least one of: realizing all module lifting tasks; the locations of the crane and supply satisfying lifting ability constraint; and each location accommodating at most one facility.

[0118] The above detailed decision variables and constraints are some examples, and according to actual requirements, it is possible to change and / or add new variables and constraints without departing from the present disclosure.

[0119] In some embodiments, the ILP model is further configured to output optimal supplying strategy, and the method further includes: selecting one supply site among multiple optimal supply locations output by the ILP model according to the optimal supplying strategy. For example, according to the optimal supplying strategy, a supply site, e.g., a truck parking site can be determined, and thus efficiency of crane operation may be improved.

[0120] In some embodiments, the method further includes: iteratively evaluating a distance between two tower cranes according to the feasible crane locations of each tower crane; adding the feasible crane locations of the two tower cranes as an accepted layout into an optimum layout set when an evaluating result is acceptable; and deploying the two tower cranes at respective optimal crane locations according to the optimum layout set.

[0121] In particular, the two tower cranes comprise a first crane and a second tower crane lower than the first tower crane, and the iteratively evaluating the distance between two tower cranes according to the feasible crane locations of each tower crane may include: identifying all candidate layouts by selecting each first feasible crane location of the first tower crane and each feasible crane location for the second tower crane; calculating the distance between the first tower crane and the second tower crane for each of the candidate layouts; and adding the candidate layout as the accepted layout to the optimum layout set if the distance is greater than a jib length of the second tower crane. Also, in some embodiment, the method may further include: stopping iteration once the distance is lower than the jib length of the second tower crane.

[0122] In this embodiment, the method further includes planning / designing layout of the site including more than one cranes. That is, by maintaining the optimum layout set, the respective optimal crane locations of the tower cranes may be selected from the optimum layout set, therefore the finally determined crane locations of the tower cranes may satisfy the requirements.

[0123] In some embodiments, feasible crane locations and supply locations can be determined based on the following process: identifying possible crane areas and supply areas according to a graphical method; transferring identified crane areas and supply areas into numerable locations according to a gridding method; and excluding locations with insufficient operation spaces from the numerable locations to obtain the feasible crane locations and supply locations according to an intersection examination algorithm (IEA) .

[0124] In this embodiment, the possible crane areas and supply areas are determined according to a lifting capacity constraint of the tower crane, a site boundary constraint, and an overlapping-free constraint.

[0125] In particular, all the areas that satisfy the requirements such as the lifting capacity constraint of the tower crane, the site boundary constraint and the overlapping-free constraint can be considered as possible crane areas and supply areas. For example, for any area in the site, if the lifting capacity requirements can be met at that area, and the area does not go beyond the site boundary and does not overlap with other facilities in the site, the area may be taken as a possible crane area or a possible supply area.

[0126] In the embodiment, after the areas are determined, the identified areas may be transferred into numerable locations according to the gridding method. For example, the gridding method may include: laying a grid over the identified possible crane areas and supply areas; and identifying intersection points of the grid as the numerable locations. In one embodiment, the space of the grid is adjustable. For example, the space of the grid may be 1m, 2m, …, or 10m, according to the actual needs.

[0127] By applying the gridding method, the infinite areas are transferred into numerable locations, and thus it helps to reduce the amount of subsequent calculations.

[0128] In some embodiments, the intersection examination algorithm (IEA) may include: indicating edge of a supply carrier / tower crane and boundaries of the infeasible areas using a mathematical function; and solving the mathematical function to evaluate collision situations between the supply carrier / tower crane and nearby environment.

[0129] In the embodiment, locations determined according to the gridding method that are not acceptable may be excluded. For example, the tower crane and the supply carrier (e.g., the truck, or the corresponding yard) will take up a certain amount of flat area. Accordingly, some location determined by the gridding method may be not applicable because the tower crane or the supply carrier may have collision with other facilities in the site. Accordingly, by applying the IEA, these locations may be excluded and all the feasible crane locations and supply locations can be obtained.

[0130] Hereinafter, the method for planning / designing layout of a construction site will be described in further detail with reference to an example of implementation of the embodiments of the present disclosure. FIG. 2 illustrates a block diagram of the method for planning / designing layout of a construction site according to embodiments of the present disclosure.

[0131] As shown in FIG. 2, the method for planning / designing layout of a construction site is applied in a construction site for Modular integrated construction (MiC) project. In this embodiment, the method includes generally four components shown in FIG. 2. Component 1 identifies all potential crane and truck locations over the construction site. It goes through three steps: the graphical method, the gridding method, and the intersection examination algorithm (IEA) . The graphical method (Step 1.1) is applied to find possible crane and truck areas since it can intuitionistically reflect tower cranes’ lifting capacity and scope. The identified areas are further transferred into numerable intersections by the gridding method (Step 1.2) . This is an objective and efficient search for all feasible locations over the site, avoiding bias from the planner’s experience-oriented location identification. Later, the proposed IEA (Step 1.3) helps to automatically exclude the infeasible locations with insufficient operation spaces, releasing the labor from repetitive calculation works. The qualified intersections are gathered into the databases of the feasible crane and truck locations for further analysis. Component 2 calculates the traveling duration of cranes. Three types of crane movements are first analyzed, namely radial, tangent, and vertical movements (Step 2.1) . Then this section formulizes the motion states of the crane and thereby calculates the operation duration of each lifting task (Step 2.2) . The generated database of operation time is imported into the ultimate crane location optimization model, which is depicted in Component 3. The developed ILP model aims to minimize the crane operation duration (Step 3.1) . The defined decision variables include locations of the crane, locations of the truck, and the lifting task (Step 3.2) . The model is constrained by demand fulfillment, location capacity constraints, and so on (Step 3.3) . The model is solved by CPLEX (Step 3.4) and the outputs are the optimized minimum duration, the optimal locations of the cranes and trucks, and the optimal parking strategies for trucks. Component 4 is developed to enhance the safety and productivity for multiple crane layout scenarios. Planners can deploy this component to enlarge the distance between cranes, avoiding severe collision accidents between the jib of one crane and the tower of another crane. First, the feasible and optimum layouts of individual buildings are identified and stored (Step 4.1) . Then the distance between the cranes of the optimum layout solutions is iteratively evaluated (Step 4.2) . Once the distance is lower than the jib length of the lower crane, the iteration stops. The model is able to output the optimum layout, together with the optimum operation duration. The reduced carbon emissions can be therefore evaluated.

[0132] In this embodiment, the decision variables of the proposed model are the coordinates of the tower crane base centre and truck parking area centre on the construction site. Six assumptions are considered when developing this formulation: (1) Demand information (locations, weights, and number of modules) is known; (2) The type, number, and load-radius chart of the crane are known. The location of the haul road is known; (3) The potential truck point should be able to accommodate the largest truck in the project; (4) The tower crane is assumed to have a square area. The shape of the parking area is a rectangle. The centroid of the module is the unloading point. The centroid of the parking area is the loading point; (5) Travelling time from the supply to the demand point equals that from the demand to the supply; and (6) One module lifting task is handled by one crane.

[0133] In the embodiment, the database of feasible crane and truck locations may be established by the Component 1 shown in FIG. 2. FIG. 3A-FIG. 3E illustrates a stepwise process of an example of determining feasible crane and truck locations.

[0134] The determination of available locations of cranes and supply points is subject to several conditions, including 1) lifting capacity constraint: the crane can deliver all modules in the case of proposed crane and truck locations; 2) site boundary constraint: cranes and trucks must be located within the construction site; 3) overlapping-free constraint: the cranes / trucks have no overlapping with other elements (i.e., buildings) on site. A hypothetical graphical example is presented to demonstrate the establishment of the databases of potential locations of cranes and trucks. The crane, in this case, has a maximum 10m operation radius for 20-ton loads and 11m for 15-ton loads, as illustrated in FIG. 3A. FIG. 3B shows the site layout of the example. Two rectangular modular buildings, A and B, will be constructed within the construction site. The buildings are identical, with three modules on each typical floor. The weights of the modules are 15t, 20t, and 15t. Area C has highly soft soil conditions and it is infeasible to accommodate any facilities. Taking building A as an example, one tower crane will be responsible for delivering the modules of building A1. Since module A1 weighs 15 tons, the tower crane must be positioned within a circle of 11m radius (i.e., the maximum lifting radius for 15-ton objects) centered on A1. Similarly, the crane should be within a circle of a 10m radius centered on module A2 and a circle of an 11m radius centered on module A3 also. The crane in the communal area of the abovementioned circles can satisfy the lifting ability constraint. Moreover, the area outside the site boundary is removed considering the site boundary constraint, leaving the ultimate feasible crane area, i.e., the shadow in FIG. 3B. FIG. 3C delineates the approach to identifying possible module pickup areas, i.e., the truck parking areas. At point P, a feasible crane location for building A, the crane needs to hoist a maximum of 20-ton module A2 from the truck, move, and unload them to the module positions. Therefore, in return, the truck should be within 10m of point P according to the crane radius-load curve. The orange circle shows the feasible truck area for crane location P. For the identified potential crane location area, the possible truck area is accordingly expended to the shadow area in FIG. 3C.Considering the overlapping constraint, the infeasible areas (i.e., building B, area C) are excluded, leaving the ultimately available truck location areas. Moreover, apart from the feasible locations, the distance between the crane and the truck cannot be ignored. For instance, although the crane C1 and truck T1 are both within the feasible areas, this configuration is impracticable because the crane is too far from the truck to lift the module. The distance between the crane and the truck should be less than the maximum lifting radius for the modules to be delivered (rj) . This constraint will be further explained in Equation (2.7) below.

[0135] A grid-based location discretization method is employed to boil down the infinite potential crane and truck locations into a finite level. A grid is laid over the identified feasible area, and only the intersection points are considered potential locations for setting up a crane or truck. FIG. 3D demonstrates the results of the gridding method. It is well noted that some intersections are still infeasible due to insufficient space for locating a crane / truck, which fails to meet the overlapping constraint. For instance, intersection point A is considered invalid because the truck (as illustrated in green rectangles) , whose size is 4m×12m (working space is included) , will collide with the infeasible area C no matter which direction we set up it. However, intersection B is accepted since the truck can successfully park in a vertical direction.

[0136] An intersection examination algorithm (IEA) is developed to ensure enough space for the identified locations to accommodate the truck / crane. The algorithm utilizes mathematical functions to indicate the edge of the truck / crane and the boundaries of infeasible areas, thereby evaluating the collision situations between the truck / crane and the nearby environment by solving the obtained equations. FIG. 3E displays the identified feasible locations for the crane and truck according to the IEA. For buildings A and B, the number of feasible crane locations is 18 and 17, and the number of truck locations is 40 and 37. The pseudo-code of the IEA for the truck is summarized below.

[0137] The pseudo-code of the Intersection Examination Algorithm (IEA)

[0138] In the embodiment,  represents the coordinates of a-th truck intersections,  represents coordinates of e-th feature points of b-th infeasible areas; lt and wt represent the length and width of the truck. η represents initial truck direction; ε represents truck rotation increment, and Dt represents database of feasible truck intersections.  represents edge function of truck at a-th intersection, and represents boundary function of b-th infeasible areas. λ represents the solution for solving fta=fib.  means that the truck at a-th point with direction λ+ε has intersection (s) with b-th boundary, and ψ is an auxiliary variable to help judge the states of point a.

[0139] It should be noted that the above technical details in the above examples are cited for understanding the present disclosure but should not be interpreted as limiting the present disclosure.

[0140] In the embodiment, the movements of the tower crane can be evaluated by the Component 2 shown in FIG. 2. FIG. 4A to FIG. 4C illustrate examples of the movements of the tower crane for lifting a module in MiC.

[0141] A tower crane lifting task is composed of three movements, namely radial (movement of the trolley) , tangent (rotation of jib) , and vertical (up and down of hook) movements. Based on the crane operators’s kills, weather conditions, site obstructions, etc., the movements can be operated consecutively or simultaneously. For instance, a skillful operator may handle radial and tangent movements together to accelerate the lifting process while performing the movements separately to avoid obstructs. In MiC projects, the sequential movement pattern is popular because the MiC is comparatively new to the operators, and the modules are extremely heavy and oversized. It’s typically challenging for the operator to coordinate multiple movements at the same time. Hence operators tend to move the trolley first and then rotate the jib, or vice versa. Hereinafter, the present disclosure elaborates on formulating the tower crane movements, including consecutive and simultaneous practices, for MiC projects.

[0142] FIG. 4A to FIG. 4C show the movement stages of lifting a module in MiC. First, the module is hoisted up from the supply point, i.e., the truck. Then the tower crane performs horizontal movements. The horizontal movements consist of radial and tangent movements, which may be simultaneous or consecutive (no matter which one goes first) . FIG. 4B demonstrates the consecutively horizontal movements, and FIG. 4C represents the simultaneous one. The module will be lifted down once the completion of horizontal movements. Below are the equations for estimating the operation time of tower cranes.

[0143] In the present embodiment, i represents location number of supply points, i∈M, and M is set of potential supply point locations. j represents location number of demand points, j∈S , and is S set of demand point locations. k represents location number of cranes, k∈N, and N is set of potential crane locations.  represent coordinate of k-th crane,  represent coordinate of j-th demand point, and represent coordinate of i-th supply point. lj, k represents distance between demand point j and tower crane k, li, k represents distance between supply point i and tower crane k, and li, j represents distance between supply point i and demand point j.  represents time for radial movements of hook,  represents time for tangential movements of hook, Tv (i, j) represents total vertical movement time,  represents total horizontal movement time, and Tijk represents total movement time. vr represents radial velocity of the hook, vω represents slewing velocity of the jib, and vh represents hoisting velocity of the hook. hm represents height of module, and hs represents safety distance of installing a module.

[0144] The crane operation time depends upon the crane features and the traveling distances of the jib and hook. The crane features, such as the trolley movement velocity and the jib rotation speed, are acquired according to the crane’s mechanism parameters. The distances between the crane, truck, and module are calculated in Equations (1.1) – (1.3) . Equations (1.4) - (1.6) refer to the time taken for trolleying, jib slewing, and hoisting, respectively. Equation (1.7) presents the horizontal traveling time of the crane. Equation (1.8) calculates the total traveling time. The parameter α is the coordination degree of trolleying and jib slewing, and β is the coordination degree of hook movements in vertical and horizontal planes (0 for simultaneous movement and 1 for consecutive movement) .

[0145] In the embodiment, the integer linear programming (ILP) model is explained in further detail with reference to Component 3.

[0146] After identifying the databases of feasible locations and evaluating the crane operation duration for module lifting, an integer linear programming model (ILP) is proposed to find the optimal locations of the tower cranes and trucks. Given a set of feasible locations for the tower cranes and trucks, along with known modules’ positions and crane parameters, the model can find the optimal crane and truck locations to save the crane operation duration and improve the module delivery efficiency for MiC projects. Many constraints should be respected, including but not limited to 1) all module lifting tasks should be realized; 2) the locations of the crane and truck should satisfy the lifting ability constraint; 3) each location should accommodate at most one facility; etc. The developed ILP is presented below. Subject to:

[0147] In the embodiment, i represents location number of supply points, i∈M, and M is set of potential supply point locations. j represents location number of demand points, j∈S , and is S set of demand point locations. k represents location number of cranes, k∈N, and N is set of potential crane locations. xijk represents a binary variable, xijk=1 if demand j is conducted by the crane located at k and the supply point at i. Tijk represents total movement time. δk represents a binary variable, δk=1 if crane locates at k.  represents a binary variable,  if supply point locates at i. li, k represents distance between supply point i and tower crane k, and rj represents the tower crane’s maximum lifting radius for module j.

[0148] The objective function of the proposed integer linear programming model is to minimize the overall crane operation duration for delivering all modules in MiC projects [Equation (2.1) ] . The lifting time Tijk is obtained from Equations (1.1) to (1.8) .

[0149] The model is further subject to the following constraints. Equation (2.2) ensures that one crane location can accommodate at most one crane and the total number of cranes for the building is n. Similarly, Equation (2.3) means that total m truck locations will be used throughout the construction period. Equation (2.4) is cast to satisfy the fulfillment of the demands, i.e., the lifting of all modules. Equation (2.4) ensures the summation of all task assignments for module j is one, indicating that one crane will deliver module j from a specific truck point. Equation (2.5) and Equation (2.6) are introduced to manage the relationship between xijk and When xijk equals one, the δk and must equal to one. In return, xijk is forced to be zero if the values of δk and / or are zero. Equation (2.7) is the distance constraint between the crane and the truck. If one lifting task exists, i.e., xijk=1, δk and must be equal to 1 according to Equations (2.5) and (2.6) . Hence, the distance between the crane and the truck is forced to be less than the crane’s lifting radius (rj) for module j. Equation (2.8) describes the domains of the decision variables.

[0150] In the embodiment, the distance between cranes can be further improved according to Component 4 shown in FIG. 2. FIG. 5A to FIG. 5D illustrate examples of different overlapping scenarios between two tower cranes.

[0151] When it comes to multiple crane layout scenarios, the interaction between cranes is a critical parameter to impact the safety and productivity of crane operations. For instance, when the cranes are very close to each other, i.e., the distance between Crane A and Crane B is shorter than the jib of the lower Crane B (i.e., FIG. 5A) , the operation of lower Crane B will be blocked. This not only reduces the efficiency of crane operations, but more importantly, it may result in severe and fatal collision accidents between the jib of Crane B and the tower of Crane A. However, overlapping is usually inevitable due to the limited site space, although it is ideal to locate cranes very far away from each other to avoid all potential collisions (i.e. FIG. 5B) . Overlapping is not equal to collision. Hence, planners often compromise to accept the layout with crane overlapping. Take FIG. 5C and FIG. 5D as an example, Crane A adopts a simultaneously horizontal movement pattern to move the module from the truck point (i.e., the orange circle) to the module destination (i.e., the black circle) , while Tower Crane B utilizes the consecutive pattern. The traveling routes (i.e., A-1 for Crane A, B-1 or B-2 for Crane B) of the cranes have been illustrated in FIG. 5C and FIG. 5D. Since the jib movement trajectory of Crane B does not intersect with the trolley movement path of Crane A, this scenario is considered collisionless. To conclude, this component is developed to optimize the distance between cranes as an active approach to avoid the block situation in a scenario of crane overlapping. Planners can utilize this approach to enhance the safety and productivity performances for multiple crane layout scenarios to the largest extent. The pseudo-code for preventing the blocked layout situations is summarized below.

[0152] The pseudo-code of Component 4 for improving the distance between cranes

[0153] Hereinafter, three MiC projects according to an example of the present disclosure are provided to demonstrate the applicability of the above embodiments of the present disclosure. FIG. 6A to FIG. 6C show original site layouts of the three Cases according to an example of the present disclosure. For example, Case 1 is a residential project with five quarter blocks, among which four have 16 stories and one has 17 stories. The modules needed for each building are served by one tower crane and two truck parking points. The buildings have the identically typical floor plan with 8 units and 44 modules. The project has six types of modules, weighing from 8 tons to 24 tons. Since the modules on the same floor are involved in the same vertical movements, only horizontal movements are considered. The module information of other cases can be found in the supplemental material. FIG. 7A to FIG. 7C present the load-radius data of the tower cranes used in the cases.

[0154] For these Cases, the potential crane and truck locations are determined based on the site layout, the crane’s lifting capacity, the soil condition, the sizes of the crane and truck, the gridding space, etc. This study adopts different gridding spaces to identify the potential locations in different cases, namely 4m in Case 1, 2m in Case 2, and 3m in Case 3. The crane coordination degrees of Case 1, Case 2, and Case 3 are 1.0, 0.8, and 0.8 respectively based on the crane movement patterns on site. Furthermore, a trade-off analysis is conducted in the Discussion Section, revealing the relationship between the gridding space and optimization performance. In the embodiment, the IEA process excludes a large percentage (i.e. 31.0%-82.3%) of identified points due to the limited space to accommodate the facilities. FIG. 8A to FIG. 8C present the coordinates of the identified feasible points of the three cases.

[0155] This section demonstrates the implementation processes and the corresponding results of the developed model, including the optimum crane and truck layouts, the reduced cranes’ operation durations, and the reduced carbon emissions. FIG. 6A to FIG. 6C present the original site layout plans. It is well noted that Case 1 requires two truck unloading areas for each building while Cases 2 and 3 need just one unloading area. For Case 1, the tower crane can lift modules from either of the two parking areas, depending on the decision-making of the planners. The minimum items in Case 1 stand for the module lifting schemes from the near truck points, and vice versa for the maximum ones.

[0156] The optimizing process adopts identical parameters as the real layout scheme, i.e., one tower crane and two parking areas for each building of Case 1, and one crane and one parking point for Case 2 and Case 3 [Constraints (2.2) and (2.3) ] . All computational studies are performed on a computer with 16GB RAM and an i7-8700 CPU @3.2GHz. The proposed model is coded in MATLAB (R2021b) and then solved using the CPLEX solver (12.10.0) . FIG. 8A to FIG. 8C presents the optimized site layout. FIG. 9 further compare the crane operation durations between the optimized layout and the original one. Taking building 1 of Case 1 as an example, the optimized results are crane point 3 and truck points 4 and 16, contributing to 527.6 mins of the minimum operation duration. The layout scheme brings a 38.3%reduction in the operation duration compared with the original plan (854.7 mins) . Furthermore, the optimized results also indicate the optimal lifting plans for achieving the minimal crane operation duration. This plan suggests that the tower crane at location 3 delivers Modules 1 to 22 from truck location 4 and moves Modules 1 to 22 from truck location 16. For the buildings of the three cases, optimization outputs significantly decrease the operation durations, ranging from 14.3%to 40.9%.

[0157] Additionally, the shortened operation duration contributes to positive environmental effects, i.e., reducing carbon emissions. The reduced carbon emission (Ere) is estimated via the Product of the rated power of the crane (Pc ) , the shortened operation duration Dc, and the carbon emission factor fc, as shown in Equation 3.1. Ere=Pc·Dc·fc           (3.1)

[0158] To further validate the superiority of this approach over other TCLP models based on predetermined layout plans, a comparison analysis based on Case 2 is performed. As shown in FIG. 8A to FIG. 8C, five potential layouts of Case 2 were pre-determined according to the planners. In an example, one layout, e.g., L2, is evaluated and considered to be to be the optimum one (among the five layouts) with the highest time efficiency according to the procedure in the related art. L2 is also predicted to be the optimum location among five layouts using our approach. The L2 brings a 12.0%reduction in the crane operation duration (i.e., 153.9 mins) and carbon emission (i.e., 95.9 kg CO2) compared with the original layout. However, our approach extends the optimization process to the entire feasible areas of the construction site, as demonstrated in FIG. 8A to FIG. 8C, and the optimum layout becomes different from the 5-layout study (i.e., the T4 &S3 for building 1, and T12 &S28 for building 2) . This solution leads to more savings in terms of the crane operation duration (i.e., 484.6 mins, 37.9%) and the carbon emission (i.e., 302.1 kg CO2, 37.9%) from the original layout. Compared with the L2, the optimum solution can bring a (1124.3-793.6)  / 1124.3=29.4%reduction of the operation duration and carbon emission.

[0159] In the examples, the following factors may also be related to the practicability of the proposed model, including 1) the multiple tower crane layout scenario, 2) the influence of the number of truck points, and 3) the trade-offs between computing effectiveness and performance. The analysis is conducted based on the investigated three cases.

[0160] Thanks to the volume of the case study MiC project, one tower crane can satisfy the module lifting demands. However, the developed approach can also solve multiple tower crane layout problems for MiC and traditional construction projects. Taking building 3 of Case 1, building 2 of Case 2, and Case 3 as examples, if the buildings require two tower cranes to conduct the lifting works i.e., the parameter n in Constraint (2.2) turns to two, and other parts remain unchanged. This results in the two-crane optimal layout. FIG. 10A to FIG. 10C represent the optimization results of the three cases. According to the present embodiment, the double crane layout schemes bring 6.0%, 28.4%, and 16.9%reductions in the cranes’ operation durations compared to the single crane scenarios for Case 1, Case 2, and Case 3, respectively. Although the assumed double crane layout scheme may not be practicable in real life considering the safety, productivity, and cost issues, the outcome demonstrates the feasibility of the developed approach for reducing operation durations for the multiple crane layout problems.

[0161] The three case studies utilize different numbers of areas to park trucks, namely two areas for Case 1 and one for Cases 2 and 3. It is argued that for every module, there exists an optimal pickup point for the crane to reach the minimum operation duration. However, it is impossible to adjust the unloading area for each module due to the limited space of the construction site. To further investigate the relationship between the number of parking areas (m) and the optimized crane operation duration, the parameter m in the Constraint (2.3) is adjusted and analyzed. FIG. 11 show that the duration reduces if the parameter value m increases. The most considerable benefit (i.e., the reduction of the crane operation duration) is gained when the site allocates two truck points. For the three cases, 32.3% (247.6 mins) , 15.4%(58.8 mins) , and 26.4% (250.0 mins) improvements in operation durations are observed when only one parking area is added. However, the marginal benefit is dramatically decreased with the increase in the number of parking areas. For instance, for Case 1, when the number of trucks becomes 3, 4, and 5, the performances are improved by 5.9%, 5.0%, and 2.9%, respectively. This is because the added new truck point is comparatively close to the existing location (e.g., the added location 54 is near location 57) . Hence, the lifting distance and duration of the involved modules (e.g., Modules 34 and 35) are not improved considerably. In addition, the optimization result of Case 1 doesn’t change when m exceeds six, because all the optimal pickup locations for the 44 modules exist in the previous six parking areas. FIG. 12A to FIG. 12C present the optimized layouts of the scenarios of 1, 2, and 4 truck points of the three cases. According to the analysis, planning more than one parking area for the case project can significantly reduce the crane operation duration. However, the improved operation time is not proportional to the increased number of parking areas. Two parking areas (as adopted in Case 1) , which don’ t occupy much construction site space, are considered worthwhile for lessening the crane operation duration.

[0162] In the proposed model, two parameters are predefined to perform the optimization process: the crane movement coordination degree (α) to calculate the crane operation durations and the gridding space (f) to identify the feasible crane and truck locations. These predefined parameters can affect the overall optimization performance, i.e., the computing time and optimal operation duration. For example, if we consider a denser grid to identify potential truck and crane points, it is more likely to lead to a better solution; however, more computing time will be taken. Hence, this section conducts a trade-off analysis to discuss the influence of the abovementioned factors. A structure α-f-g-t-r is put forward to depict the optimization results under different combinations of parameters.

[0163] In the embodiment, α∈ {0, 0.1, …, 0.9, 1} reflects the movement coordination degree of the tower crane. The larger the parameter’s value, the lower the movement coordination of tower cranes. f∈ {1m, 2m, …, 9m, 10m} reflects the gridding space. The smaller the distance, the more feasible the truck and crane points. g is the number of possible lifting tasks, which is equal to the product of the numbers of crane points, truck points, and modules. t is the computing time, which consists of t1 and t2, where t1 is the computing duration for generating the database of operation durations, and t2 is the time for conducting the ILP model. r is the optimized crane operation duration from the ILP model.

[0164] The trade-off analysis results of the three cases show a high degree of similarity. Hence, the elaboration of the analysis only uses Case 1 here for the simplicity and readability of this manuscript. The analysis results of Case 2 and Case 3 can be found in the supplemental material. The trade-off analysis result of Case 1 may include the relationships between the parameters’ values (α, f and g) of the MiC TCLP problem and the corresponding optimizing performances (t1 , t2 , and r ) . The magnitude of the proposed optimization problem is concerned with the number of variables, i.e., the δk,  and xijk. Different parameter values impact the optimization problem’s magnitude, resulting in disparate computing time.

[0165] Although the parameter crane’s movement coordination degree (α) has nothing to do with the magnitude of the problem, the number of truck points (m) and possible lifting tasks (g) are exponentially increased with the decrease of the gridding space (f) , as shown in FIG. 13. For instance, an 8m-gridding space scheme generates 4 potential crane locations, 24 feasible truck points, and 4224 possible tasks (i.e., there are 4 variables of δk, 24 variables of  and 4224 variables of xijk) . In comparison, the 2m-scenario leads to 4 potential crane locations, 380 truck points, and 66, 880 possible tasks. It is well noted that the value of possible tasks g equals the number of the decision variable xijk.

[0166] FIG. 14A to FIG. 14D reveal how the value of gridding space (f ) , which determines the number of possible tasks, impacts the computing time t1 and t2 . The computing time, no matter t1 or t2, is exponentially increased with the decrease of f. The values of t1 (831.2s) and t2 (433.8s) for the layout scenario of 2m-gridding space (for α= 1) are 63 and 44 times larger than those of 10m-scenario (13.2s for t1, and 9.9s for t2) . This is because the decline of the f brings an exponential increase in the numbers of parameter g and decision variable xijk, leading to larger consumption of computing resources and time for generating the database of operation time and solving the ILP optimization model. FIG. 14B and FIG. 14D indicate a near-linear relationship between the numbers of the possible lifting task (g) and the computing time (t1 and t2) .

[0167] In the embodiment, the developed approach can solve TCLP problems containing many variables. The model can output the optimal crane durations when the gridding space (f) is 2m. However, the solving process is out of memory when f reaches 1m, in which the optimization scenario contains 263, 824 decision variables xijk , exceeding the variable capacity of CPLEX, which is 20,000. For Cases 2 and 3, the scenarios of 1m-gridding space can be well solved thanks to a smaller number of xijk. FIG. 15A to FIG. 15D demonstrate the relationships between the parameters (i.e., f , g , and α ) and the final optimized crane operation duration (r) of Case 1. As shown in FIG. 15A and FIG. 15B, smaller f and αcan lead to lower r. There is a linear relationship between α and r according to FIG. 15C.

[0168] For the parameter gridding space (f) , a smaller space can generally achieve a lower optimal operation duration (r) of the tower crane. The optimized operation time of the 2m-gridding space layout scheme reaches 366.2 mins (when α=0) , which is improved by 1.8%and 5.7%compared to those of the 4m-plan and 6m-plan, respectively. However, the optimized crane operation durations of the 8m gridding space layout (as circled in FIG. 15A, FIG. 15B and FIG. 15D) are lower than those of the 7m and 6m scenarios. This is due to the discreteness of the gridding method. Although the 8m-plan is sparse with fewer location candidates, it coincidently picks up a layout that brings less operation time.

[0169] The embodiment presents the practical implications of the developed model using the trade-off analysis between the computing time (t1 and t2) and the optimal crane operation duration (r) . Enhancing the coordination degree (α) of crane movements brings pure benefits. The improved coordination degree contributes to lower crane operation durations (FIG. 15C) while not requiring additional computing time (FIG. 14A to FIG. 14C) . The full coordination movement of the tower crane (α=0) can decrease the crane operation duration (r) by 23.7%-29.3%compared with the non-coordination scenarios. Hence, it is profitable for the company to elevate the coordination effectiveness of tower cranes’ movements, such as training crane operators, recruiting more skilled operators, etc.

[0170] On the other hand, the change of gridding space (f) results in opposite effects on the computing time (t1 and t2) and optimal crane operation duration (r) . As shown in FIG. 16, for Case 1, the decrease of f reducesr gradually, yet t1 and t2 increases. Furthermore, the improvement of r becomes increasingly inconspicuous with the decrease of f, which is opposite to the change degrees of t1 and t2. For example, r is improved by 21.0% (742.2-486.4=155.8 mins) if f changes from 10m to 9m. Meanwhile, r is enhanced only by 0.7%(518.2-514.9=3.3 mins) if f varies from 4m to 3m. t1 increases by 7.9 and 137.7 seconds, respectively, for the abovementioned two variations.

[0171] Construction practitioners can benefit from the trade-off analysis. First, the effective gridding spaces (f) are revealed by balancing the consumed computing effort (t1 and t2) and gained optimization duration (r) . Planners can hence choose an appropriate space (e.g., 4m or 3m) for their TCLP decision-making. On the other hand, planners typically make decisions over a long period before the commencement of the on-site activities. To ensure the efficacies of the layout planning, it is beneficial to implement a small gridding space, regardless of the consumed computing time, to gain the lowest crane operation duration.

[0172] Embodiments of the present disclosure develops an integrated planning approach to identify the optimum crane and truck layout scheme for MiC. In the detailed example discussed above, the approach includes four objective components. First, Component 1 identifies all feasible crane and truck locations over the whole construction site. Second, the movement durations of the tower crane for MiC are decoded and analyzed by Component 2. Third, Component 3 identifies the optimum layout with minimum operation duration. Last, Component 4 optimizes the distance between cranes to avoid crane blocking on site.

[0173] The benefits of the integrated approach are three-fold, namely higher safety, productivity, and sustainability performances of crane layout planning. For safety, the developed IEA ensures the collisionless between the crane / truck and its nearby environment, the developed ILP model secures the lifting capacity of cranes, and the collision between the jib of one crane and the tower of another crane is also prevented by optimizing the distance between cranes. For productivity, the cranes’ operation durations can be reduced by 30.8%, 37.9%, and 19.4%, respectively for the three cases. For sustainability, the reduced durations lead to lower carbon emissions, i.e., 60.6 kg CO2 –234.9 kg CO2 for the buildings.

[0174] The developed approach contributes to existing TCLP studies by providing automated solutions for generating the optimum crane layout, which helps release the labor from repetitive calculation work. In addition, the developed planning approach is versatile regardless of the number of cranes and trucks. Adding one more crane can bring 6.0%-28.4%duration reductions, and 15.4%-32.3%improvements are observed if one more parking area is included for the three cases. Moreover, compared with an existing TCLP decision-making method made from limited predefined layout plans, this approach brings an additional 29.4%reduction in operation duration and carbon emission. With the comprehensive analysis of different parameters of TCLP for MiC, planners can use this automatic and objective decision-making method to enhance the effectiveness of their MiC tower crane layout designs.

[0175] Future work will implement the developed methods to other types (e.g., L shape, Y shape, etc. ) of MiC buildings and conventional construction buildings to further validate the approach’s practicability. In addition, other parameters such as the haul road design and the visibility of crane operators should be further investigated and modelled. Besides, more research will be conducted to develop a graphical user interface (GUI) application to help industry professionals make easier TCLP decision-making.

[0176] As shown in FIG. 17, an embodiment of the present disclosure provides an apparatus for planning / designing layout of a construction site, the apparatus 1700 includes:

[0177] an identifying unit 1710, configured to identify all feasible crane locations and supply locations over the construction site;

[0178] a calculating unit 1720, configured to calculate an operation duration of each lifting task;

[0179] a processing unit 1730, configured to import calculated operation duration into an integer linear programming (ILP) model to output a minimum crane operation duration, an optimal crane location, and an optimal supply location; and

[0180] a deploying unit 1740, configured to deploy a tower crane at the optimal crane location, and deploying a supply site at the optimal supply location.

[0181] As shown in FIG. 18, an embodiment of the present disclosure provides an apparatus for planning / designing layout of a construction site, the apparatus 1800 includes:

[0182] a processor 1810; and a memory 1820 that stores computer executable instructions, wherein the computer executable instructions when executed by the processor, cause the processor to perform: identifying all feasible crane locations and supply locations over the construction site; calculating an operation duration of each lifting task; importing calculated operation duration into an integer linear programming (ILP) model to output a minimum crane operation duration, an optimal crane location, and an optimal supply location; and deploying a tower crane at the optimal crane location, and deploying a supply site at the optimal supply location.

[0183] The processor 1810 and the memory 1820 are connected, such as through a bus 1830. Optionally, the apparatus 1800 further includes an input / output (I / O) interface 1840. The structure of the electronic device 1800 does not constitute a limitation on the embodiment of the present disclosure.

[0184] The bus 1830 may include a path for transmitting information between the above components. The bus 1830 may be a PCI (Peripheral Component Interconnect) bus or an EISA (Extended Industry Standard Architecture) bus, or the like. The bus 1830 may be divided into an address bus, a data bus, a control bus, and the like. For ease of representation, FIG. 18 only uses one thick line, but does not mean that there is only one bus or one type of bus.

[0185] The memory 1820 may be a Read Only Memory (ROM) or other types of static storage devices that can store static information and instructions, a Random Access Memory (RAM) or other types of dynamic storage devices that can store information and instructions, or an Electrically Erasable Programmable Read Only Memory (EEPROM) , a Compact Disc Read Only Memory (CD-ROM) or other optical disk storage, optical disk storage (including compressed optical disk, laser disk, optical disk, digital versatile disk, Blu-ray disk, or the like) , a magnetic disk storage medium or other magnetic storage device, or any other medium that can be used to carry or store the desired program code in the form of instructions or data structures and can be accessed by a computer, but is not limited thereto.

[0186] The I / O interface 1840 provides an interface between the processor 1810 and a peripheral interface module, which may be a keyboard, a click wheel, a button, a display device, and the like.

[0187] An embodiment of the present disclosure provides a computer-readable storage medium, on which a computer program is stored. When the computer-readable storage medium is run on a computer, the computer can execute the corresponding contents of the aforementioned method embodiment.

[0188] It should be understood that, although the steps in the flowchart of the accompanying drawings are displayed in sequence as indicated by the arrows, these steps are not necessarily executed in sequence in the order indicated by the arrows. Unless otherwise specified herein, there is no strict order restriction on the execution of these steps, and they can be executed in other orders. Moreover, at least a part of the steps in the flowchart of the accompanying drawings may include multiple sub-steps or multiple stages, and these sub-steps or stages are not necessarily executed at the same time, but can be executed at different times, and their execution order is not necessarily sequential, but can be executed in turn or alternately with other steps or at least a part of the sub-steps or stages of other steps.

[0189] It should be noted that the computer-readable storage medium mentioned above in the present disclosure may be a computer-readable signal medium or a computer-readable storage medium or any combination of the above two. The computer-readable storage medium may be, for example, but not limited to, an electrical, magnetic, optical, electromagnetic, infrared, or semiconductor system, apparatus or device, or any combination of the above. More specific examples of computer-readable storage media may include, but are not limited to: an electrical connection with one or more wires, a portable computer disk, a hard disk, a random access memory (RAM) , a read-only memory (ROM) , an erasable programmable read-only memory (EPROM or flash memory) , an optical fiber, a portable compact disk read-only memory (CD-ROM) , an optical storage device, a magnetic storage device, or any suitable combination of the above. In the present disclosure, a computer-readable storage medium may be any tangible medium containing or storing a program that can be used by or in combination with an instruction execution system, apparatus or device. In the present disclosure, a computer-readable signal medium may include a data signal propagated in a baseband or as part of a carrier wave, which carries a computer-readable program code. This propagated data signal may take a variety of forms, including but not limited to electromagnetic signals, optical signals, or any suitable combination of the above. The computer readable signal media may also be any computer readable storage medium other than computer readable storage media, which may send, propagate or transmit a program for use by or in conjunction with an instruction execution system, apparatus or device. The program code contained on the computer readable storage medium may be transmitted using any appropriate medium, including but not limited to: wires, optical cables, RF (radio frequency) , etc., or any suitable combination of the above.

[0190] The computer-readable storage medium may be included in the apparatus, or may exist independently without being installed in the apparatus.

[0191] The computer-readable storage medium carries one or more programs. When the one or more programs are executed by the apparatus, the apparatus executes the method shown in the above embodiment.

[0192] According to one aspect of the present disclosure, a computer program product or a computer program is provided, the computer program product or the computer program comprising computer instructions, the computer instructions being stored in a computer-readable storage medium. A processor of a computer device reads the computer instructions from the computer-readable storage medium, and the processor executes the computer instructions, so that the computer device executes the methods provided in the above-mentioned various optional implementations.

[0193] The computer program code for carrying out operations of the embodiment of the present disclosure may be written in one or more programming languages or a combination thereof, including object-oriented programming languages such as Java, Smalltalk, C++, and conventional procedural programming languages such as "C" or similar programming languages. The program code may be executed entirely on the user's computer, partially on the user's computer, as a separate software package, partially on the user's computer and partially on a remote computer, or entirely on a remote computer or server. In cases involving a remote computer, the remote computer may be connected to the user's computer through any type of network, including a local area network (LAN) or a wide area network (WAN) , or may be connected to an external computer (e.g., via the Internet using an Internet service provider) .

[0194] The flow chart and block diagram in the accompanying drawings illustrate the possible architecture, function and operation of the system, method and computer program product according to various embodiments of the present disclosure. In this regard, each block in the flow chart or block diagram can represent a module, a program segment or a part of a code, and the module, the program segment or a part of the code contains one or more executable instructions for realizing the specified logical function. It should also be noted that in some implementations as alternatives, the functions marked in the block can also occur in a sequence different from that marked in the accompanying drawings. For example, two blocks represented in succession can actually be executed substantially in parallel, and they can sometimes be executed in the opposite order, depending on the functions involved. It should also be noted that each block in the block diagram and / or flow chart, and the combination of the blocks in the block diagram and / or flow chart can be implemented with a dedicated hardware-based system that performs a specified function or operation, or can be implemented with a combination of dedicated hardware and computer instructions.

[0195] The modules involved in the embodiments described in the present disclosure may be implemented by software or hardware. The name of a module does not limit the module / unit itself in some cases. For example, module A may also be described as "module A for performing operation B" .

[0196] Embodiments of this application are described above with reference to the accompanying drawings. However, this application is not limited to the foregoing specific implementations. The foregoing specific implementations are illustrative instead of limitative. Enlightened by this application, a person of ordinary skill in the art can make many forms without departing from the idea of this application and the scope of protection of the claims. All of the forms fall within the protection of this application.

Claims

1.A method for planning / designing layout of a construction site, comprising:identifying all feasible crane locations and supply locations over the construction site;calculating an operation duration of each lifting task;importing calculated operation duration into an integer linear programming (ILP) model to output a minimum crane operation duration, an optimal crane location, and an optimal supply location; anddeploying a tower crane at the optimal crane location, and deploying a supply site at the optimal supply location.2.The method according to claim 1, further comprising:iteratively evaluating a distance between two tower cranes according to the feasible crane locations of each tower crane;adding the feasible crane locations of the two tower cranes as an accepted layout into an optimum layout set when an evaluating result is acceptable; anddeploying the two tower cranes at respective optimal crane locations according to the optimum layout set.3.The method according to claim 2, wherein the two tower cranes comprise a first crane and a second tower crane lower than the first tower crane, and the iteratively evaluating the distance between two tower cranes according to the feasible crane locations of each tower crane comprises:identifying all candidate layouts by selecting each first feasible crane location of the first tower crane and each feasible crane location for the second tower crane;calculating the distance between the first tower crane and the second tower crane for each of the candidate layouts; andadding the candidate layout as the accepted layout to the optimum layout set if the distance is greater than a jib length of the second tower crane.4.The method according to claim 3, further comprising:stopping iteration once the distance is lower than the jib length of the second tower crane.5.The method according to claim 1, wherein the identifying all feasible crane locations and supply locations over the construction site comprises:identifying possible crane areas and supply areas according to a graphical method;transferring identified crane areas and supply areas into numerable locations according to a gridding method; andexcluding locations with insufficient operation spaces from the numerable locations to obtain the feasible crane locations and supply locations according to an intersection examination algorithm (IEA) .6.The method according to claim 5, wherein the possible crane areas and supply areas are determined according to a lifting capacity constraint of the tower crane, a site boundary constraint, and an overlapping-free constraint.7.The method according to claim 5, wherein the gridding method comprising:laying a grid over the identified possible crane areas and supply areas; andidentifying intersection points of the grid as the numerable locations.8.The method according to claim 7, wherein a space of the grid is adjustable.9.The method according to claim 5, wherein the IEA comprises:indicating edge of a supply carrier / tower crane and boundaries of the infeasible areas using a mathematical function; andsolving the mathematical function to evaluate collision situations between the supply carrier / tower crane and nearby environment.10.The method according to claim 1, wherein the calculating the operation duration of each lifting task comprises:analyzing a radial movement, a tangent movement and a vertical movement of each lifting task; andformulizing motion states of the tower crane during each lifting task and calculating the operation duration of each lifting task.11.The method according to claim 1, wherein decision variables of the ILP model comprise the feasible crane locations, the feasible supply locations, and the lifting task, the ILP model is constrained by demand fulfillment and / or location capacity constraint, the ILP model is solved by CPLEX to output the minimum crane operation duration, the optimal crane location, and the optimal supply location.12.The method according to claim 11, wherein the demand fulfillment and / or location capacity constraint comprises at least one of:realizing all module lifting tasks;the locations of the crane and supply satisfying lifting ability constraint; andeach location accommodating at most one facility.13.The method according to claim 1, wherein the ILP model is further configured to output optimal supplying strategy, and the method further comprising:selecting one supply site among multiple optimal supply locations output by the ILP model according to the optimal supplying strategy.14.An apparatus for planning / designing layout of a construction site, comprising:a processor; anda memory that stores computer executable instructions,wherein the computer executable instructions when executed by the processor, cause the processor to perform:identifying all feasible crane locations and supply locations over the construction site;calculating an operation duration of each lifting task;importing calculated operation duration into an integer linear programming (ILP) model to output a minimum crane operation duration, an optimal crane location, and an optimal supply location; anddeploying a tower crane at the optimal crane location, and deploying a supply site at the optimal supply location.15.The apparatus according to claim 14, wherein the processor is further caused to perform:iteratively evaluating a distance between two tower cranes according to the feasible crane locations of each tower crane;adding the feasible crane locations of the two tower cranes as an accepted layout into an optimum layout set when an evaluating result is acceptable; anddeploying the two tower cranes at respective optimal crane locations according to the optimum layout set.16.The apparatus according to claim 15, wherein the two tower cranes comprise a first crane and a second tower crane lower than the first tower crane, and the processor is further caused to perform:identifying all candidate layouts by selecting each first feasible crane location of the first tower crane and each feasible crane location for the second tower crane;calculating the distance between the first tower crane and the second tower crane for each of the candidate layouts; andadding the candidate layout as the accepted layout to the optimum layout set if the distance is greater than a jib length of the second tower crane.17.The apparatus according to claim 16, the processor is further caused to perform:stopping iteration once the distance is lower than the jib length of the second tower crane.18.The apparatus according to claim 14, wherein the processor is further caused to perform:identifying possible crane areas and supply areas according to a graphical method;transferring identified crane areas and supply areas into numerable locations according to a gridding method; andexcluding locations with insufficient operation spaces from the numerable locations to obtain the feasible crane locations and supply locations according to an intersection examination algorithm (IEA) .19.The apparatus according to claim 18, wherein the possible crane areas and supply areas are determined according to a lifting capacity constraint of the tower crane, a site boundary constraint, and an overlapping-free constraint.20.The apparatus according to claim 18, wherein the gridding method comprising:laying a grid over the identified possible crane areas and supply areas; andidentifying intersection points of the grid as the numerable locations.

Images